Eignung des Garch-Modells zur Prognose der Volatilitat des Dow Jones Industrial Average

Bachelorarbeit aus dem Jahr 2021 im Fachbereich BWL - Investition und Finanzierung, Note: 1,3, Hochschule Munchen, Sprache: Deutsch, Abstract: Bei Kapitalanlagen verfolgen Investoren i. d. R. das Ziel, hohe Renditen innerhalb kurzer Laufzeiten bei zeitgleich niedrigen Anlagerisiken, zu erzielen. Dabei ist grundsatzlich jeder Investor als Risikoavers anzusehen, der ausschlielich bereit ist, ein Risiko einzugehen, wenn die Risikobereitschaft sich in der Hohe der resultierenden Rendite positiv bemerkbar macht. Ein wichtiger Mastab zur Messung des Risikos einer Investition ist die Betrachtung der Volatilitat, welche das Streuungsma uber einen Zeitverlauf beschreibt. So gilt eine Investition als risikoreich, wenn sie starken Kursschwankungen unterliegt und das investierte Kapital der Gefahr ausgesetzt ist, einen betragsmaig hoheren Anteil an Wert zu verlieren. Daraus ist zu schlieen, dass die Volatilitat einen wichtigen Risikoparameter darstellt und vor Investitionsentscheidungen auf die eigene Risikobereitschaft abgestimmt werden sollte. Vor der Investition wird jedoch ublicherweise die vergangene Volatilitat des Investitionsobjektes betrachtet, obwohl die zukunftige Volatilitat jene ist, welche das tatsachlich einzugehende Risiko beschreibt. Um einen Einblick uber die Auspragungen der zukunftigen Volatilitaten zu bekommen, werden sogenannte Zeitreihenmodelle verwendet, mit deren Hilfe auf Basis von vergangenen Daten eine Prognose der zukunftigen Auspragungen durchgefuhrt wird. In der vorliegenden Arbeit wird der Frage nachgegangen, welche Zeitreihenmodelle es grundsatzlich gibt und welche davon sich fur eine Prognose der Volatilitat von Finanzmarktzeitreihen eignen. Hierfur findet eine Darlegung der elementarsten mathematischen Grundlagen statt, um im Anschluss daran die unterschiedlichen Modelle vorzustellen. Daraufhin wird mithilfe des GARCH-Modells der Dow Jones Industrial Average (DJIA) Index auf Basis eines Datensatzes von den Jahren 2000 bis Ende 2020 modelliert. Dabei wird uberpruft, ob eine Prognose grundsatzlich moglich ist und falls ja, wie genau das Modell arbeitet. Hierfur werden unterschiedliche Zeitraume aus der Vergangenheit prognostiziert und anschlie end den tatsachlichen Daten gegenubergestellt. Abschlie end wird ein Fazit auf Basis der gewonnenen Erkenntnisse aus der Modellierung mithilfe des GARCH-Modells geschlossen.