Bayesianische VAR-Modelle zur Prognose von Aktienrenditen

Die Prognosefähigkeit von Wertpapierrenditen stellt eine der zentralen Fragestellungen im Bereich Finance dar. Aktives Portfoliomanagement ist nur dann sinnvoll, wenn zukünftige Renditen erfolgreich prognostiziert werden können. In der vorliegenden Arbeit wird die Prognosefähigkeit von Renditen am deutschen Aktienmarkt mit einem für diesen Bereich neuartigen Ansatz untersucht: Bayesianische Vektorautoregressive (BVAR-) Modelle. Bayesianische Ansätze sind insbesondere in den letzten Jahren in der Forschung populär geworden, da sie die Schätzung des Modells durch die Aufnahme von Zusatzinformationen verbessern. Zur Prognose von Aktienrenditen werden die dynamischen Zusammenhänge zwischen Renditen, Dividenden und einer Vielzahl makroökonomischer Variablen modelliert. Es zeigt sich, dass BVAR Modelle alternativen Zeitreihenmodellen überlegen sind. Das Buch richtet sich primär and Wirtschaftswissenschaftler und an Praktiker im Bereich Asset Management. Durch den breiten Anwendungsbereich von BVAR-Modellen zur Prognose ist es aber auch für alle anderen Zielgruppen interessant, die sich mit Prognosen befassen.