Lade Inhalt...

Eigenschaften von Kapitalmarktprognosen am Beispiel spanischer Finanzprognosen

Studienarbeit 2005 57 Seiten

BWL - Bank, Börse, Versicherung

Leseprobe

INHALTSVERZEICHNIS

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Gegenstand der Untersuchung
1.2 Fragestellung und Zielsetzung
1.3 Methodik und Aufbau der Untersuchung

2 Grundlagen der Prognosegütemessung
2.1 Anforderungen an ein Prognosegütemaß
2.2 Gegenwartsorientierte Verlaufsanpassung (GOVA-Koeffizient)
2.3 Zusammenfassung

3 Empirische Untersuchung und Auswertung der Prognosezeitreihen
3.1 Die Datenbasis
3.2 Datenauswertung
3.2.1 Banco Bilbao Vizcaya Argentaria (BBVA)
3.2.2 Banco (Santander) Central Hispano (BSCH) / Grupo Santander
3.2.3 JP Morgan Madrid
3.2.4 Argentaria
3.2.5 Analistas Financieros Internacionales (AFI)
3.2.6 Banco Español de Credito (Banesto)
3.2.7 Instituto de Crédito Official (ICO)
3.2.8 Universidad Carlos de Madrid / IFL / Espasa
3.2.9 CEPREDE
3.2.10 Instituto de Estudios Económicos (IEE)
3.2.11 Merrill Lynch
3.2.12 Santander Investments
3.2.13 Goldman Sachs
3.2.14 FUNCAS
3.2.15 La Caixa
3.2.16 Consensus Forecast
3.3 Ergebnisübersicht

4 Zusammenfassung der Untersuchungsergebnisse

Literaturverzeichnis

Ehrenwörtliche Erklärung

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abb. 1: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der BBVA von Januar 1995 bis Dezember 2004

Abb. 2: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der BBVA von Januar 1995 bis Dezember 2004

Abb. 3: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der Grupo Santander von Januar 1995 bis Dezember 2004

Abb. 4: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der Grupo Santander von Januar 1995 bis Dezember 2004

Abb. 5: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der JP Morgan Madrid von Januar 1995 bis Mai 2003

Abb. 6: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der JP Morgan Madrid von Januar 1995 bis Mai 2002

Abb. 7: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der Argentaria von Januar 1995 bis Dezember 2000

Abb. 8: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von Argentaria von Januar 1995 bis Dezember 1999

Abb. 9: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der AFI von Januar 1995 bis Dezember 2004

Abb. 10: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von AFI von Januar 1995 bis Dezember 2004

Abb. 11: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der Banesto von Januar 1995 bis Dezember 2004

Abb. 12: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der Banesto von Januar 1995 bis Dezember 2004

Abb. 13: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der ICO von Januar 1998 bis Dezember 2004

Abb. 14: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der ICO von Januar 1998 bis Dezember 2004

Abb. 15: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose der Universidad Carlos de Madrid von Januar 2000 bis Dezember 2004

Abb. 16: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose der Universidad Carlos de Madrid von Januar 2000 bis Dezember 2004

Abb. 17: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von CEPREDE zwischen Januar 1995 und Dezember 2004

Abb. 18: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von CEPREDE von Januar 1995 bis Dezember 2004

Abb. 19: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von Instituto de Estudios Económicos (IEE) zwischen Januar 1995 und Dezember 2004

Abb. 20: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von Instituto de Estudios Económicos (IEE) zwischen Januar 2000 und Dezember 2004

Abb. 21: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von Merrill Lynch zwischen Januar 1995 und Januar 2002

Abb. 22: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von Merrill Lynch zwischen Januar 1995 und Januar 2001

Abb. 23: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von Santander Investments zwischen Januar 1995 und Mai 2000

Abb. 24: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurückverschobene 12-Monats-Prognose von Santander Investments zwischen Januar 1995 und Mai 1999

Abb. 25: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von Goldman Sachs Investments zwischen April 1995 und Dezember 2004

Abb. 26: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von Goldman Sachs zwischen April 1995 und Dezember 2004

Abb. 27: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von FUNCAS zwischen März 1997 und Dezember 2004

Abb. 28: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von FUNCAS zwischen März 1997 und Dezember 2004

Abb. 29: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von La Caixa zwischen Juni 2000 und Dezember 2004

Abb. 30: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von La Caixa zwischen Juni 2000 und Dezember 2004

Abb. 31: Rendite von spanischen Anleihen und die entsprechende 12-Monats-Prognose von Consensus Forecast zwischen Januar 1995 und Dezember 2004

Abb. 32: Rendite von spanischen Anleihen und die zu ihrem Entstehungszeitraum um 12 Monate zurück verschobene 12-Monats-Prognose von Consensus Forecast zwischen Januar 1995 und Dezember 2004

Tabellenverzeichnis

Tab. 1: Auflistung aller weiteren in Spanien aktiven Finanzinstitutionen

Tab. 2: Ergebnisauflistung aller ermittelten GOVA-Koeffizienten der 12-Monats-Prognosen für die untersuchten 16 Zinsprognosen

1 Einleitung

Durch die Globalisierung und die immer globaler werdenden Handelsbeziehungen bleibt es nicht aus, dass auch die Finanz- und Kapitalmärkte immer enger zusammen wachsen. Während im englischsprachigen Raum das Interesse an passiven Portfoliomanagement-Strategien steigt, erfreuen sich dagegen in Spanien immer noch die aktiven Portfoliomanagement-Strategien mit der Absicht der systematischen Erzielung von Überrenditen einer hohen Beliebtheit.[1] Für Finanzdienstleister sind gute Finanzprognosen für die Verrichtung ihrer Tagesgeschäfte besonders von Bedeutung. Kursbewegungen lassen sich nicht einfach für die Zukunft erstellen. Diese werden im großen Maße durch neue Informationen ausgelöst. Im Voraus ist jedoch weder der Zeitpunkt ihres Eintreffens noch ihre Wirkung absehbar. Fraglich ist folglich, inwieweit die Prognostiker sich bei Prognosen an der aktuellen Marktsituation orientieren.

In dieser Studienarbeit sollen deshalb Zinsprognosen für den spanischen Renditemarkt auf ihre Prognosegüte, insbesondere auf eine mögliche gegenwartsorientierte Verlaufsanpassung untersucht werden. Im ersten Kapitel werden der Gegenstand der Untersuchung (1.1), die Fragestellung und Zielsetzung (1.2) sowie die Methodik und der Aufbau der Untersuchung (1.3) erläutert. Danach wird zunächst der Begriff der gegenwartsorientierten Verlaufsanpassung erklärt (Kapitel 2). Den Schwerpunkt dieser Arbeit bilden die Darstellung und die Untersuchung der Datenwerte im dritten Kapitel. Abschließend werden die Ergebnisse der Untersuchung zusammengefasst (3.3) und es erfolgt ein Resümee dieser Untersuchung im vierten Kapitel.

1.1 Gegenstand der Untersuchung

Aktive Portfoliomanagement-Strategien (systematische Erzielung von Überrenditen) beruhen darauf, dass Kapitalmärkte keine oder nur eine schwache Informationseffizienz aufweisen. Das heißt, dass es grundsätzlich möglich ist, die künftige Marktentwicklung vorherzusagen und in entsprechende Marktstrategien umzusetzen.[2]

Die Qualität von Prognosen ist für den Anlageerfolg besonders wichtig. Viele Wirtschaftsunternehmen und andere Organisationen wenden enorme Ressourcen für die Erstellung von Zinsprognosen auf, um sich so besser auf die künftige wirtschaftliche Lage einstellen zu können und entsprechende Vorkehrungen treffen können. Diese Anstrengungen der Finanzanalytiker zur Ermittlung möglichst genauer Zinsprognosen dienen dazu, die Chancen auf Erzielung von Gewinn am Kapital- und Geldmarkt optimal zu nutzen und Verluste zu vermeiden.[3]

Eine wichtige Aufgabe der Finanzinstitute ist die Anfertigung von Zinsprognosen. Insbesondere für die Finanzdienstleistungsbranche sind genaue Prognosen zur Verrichtung ihrer Geschäfte notwendig. Die Zinsprognosen bilden die Grundlage für aktive Anlagestrategien an den Anleihenmärkten. Die Finanzdienstleister benötigen die Zinsprognosen für den Eigenhandel und das Vermögensgeschäft, insbesondere im Bereich der Betreuung vermögender Privatkunden.[4]

1.2 Fragestellung und Zielsetzung

Aktive Portfoliomanagement-Strategien streben durch geschicktes Market Timing und eine günstige Titelselektion ein „Schlagen des Marktes“ an. Voraussetzung dafür ist, ob es gelingt, die künftige Marktentwicklung hinreichend genau vorherzusagen. Aktive Portfoliomanagement-Strategien können mit Hilfe einer ausreichenden Prognosekompetenz zu erheblich höheren Erfolgen führen, als dies bei passiven Portfoliomanagement-Strategien möglich wäre.

„Liegt die erforderliche Prognosekompetenz hingegen nicht vor, dann ist eine passive Portfoliomanagement-Strategie dem aktiven Pendant zumindest auf Dauer überlegen. Dabei spielen die verhältnismäßig hohen Kosten der Umsetzung aktiver Portfoliomanagement-Strategien eine wesentliche Rolle.“[5] Passive Portfoliomanagementstrategien sind als sinnvoll anzusehen, da sich in diesem Fall alle relevanten Informationen jederzeit in den Kurven widerspiegeln. Kursbewegungen können nur durch neue Informationen ausgelöst werden. Im Voraus ist jedoch weder der Zeitpunkt ihres Eintreffens noch ihre Wirkung absehbar. Bei der Umsetzung von aktiven Anlagestrategien könnten die enormen Ressourcekosten der aktiven Anlagestrategien eingespart werden.

Da die Zinsvorhersagen einen hohen Stellenwert in der Finanzdienstleistungsbranche haben, wird untersucht, inwieweit die Kreditinstitute eine gute Treffsicherheit in der Bestimmung der Zinsprognosen erreichen. In dieser Arbeit sollen die monatlichen Zinsprognosedaten der in Spanien aktiven 15 Finanzinstitutionen und Forschungseinrichtungen im Zeitraum zwischen Januar 1995 und Dezember 2004 auf ihre Prognoseeignung untersucht werden.

1.3 Methodik und Aufbau der Untersuchung

In der vorliegenden empirischen Analyse werden 15 historischen Zinsprognosen mit einem Prognosehorizont von 12 Monaten auf ihre Prognosequalität untersucht. Die Prognosegüte wurde mit Hilfe des GOVA-Koeffizient bewertet. Dies ist ein Instrument zur Prognosegütemessung und bewertet, ob eine gegenwartsorientierte Verlaufsanpassung vorliegt. Der Untersuchungszeitraum umfasste die Prognosedaten für Zinssätze, welche in der Wirtschaftsprognosezeitschrift Consensus Economics im Zeitraum zwischen Januar 1995 und Dezember 2004 veröffentlicht wurden. Die Prognosedaten wurden von 15 in Spanien aktiven Finanzinstitutionen und Forschungseinrichtungen unterschiedlichster Größe und Ausrichtung erstellt.

Zunächst erfolgt eine Beschreibung der Methodik (Kapitel 2). Dabei wird auf die Grundlagen der Prognosegütemessung eingegangen.

Danach erfolgt in Kapitel 3 die empirische Überprüfung und Auswertung der Prognosezeit­reihen. Im ersten Schritt wird das Institut und seine Position und Bedeutung im Markt vorgestellt. Den Auswertungshauptteil bildet die grafische Darstellung der Prognosezeitreihen und die Bewertung der Untersuchungsergebnisse mit Hilfe der Berechnung des Prognosegütemaßes GOVA-Koeffizienten.

Abschließend werden die Untersuchungsergebnisse in Kapitel 4 zusammengefasst und inter­pretiert.

2 Grundlagen der Prognosegütemessung

Die Prognosegüte ist das Maß der Übereinstimmung zwischen prognostizierten und tatsächlichen Werten einer zu prognostizierenden Variablen. Erst nach dem Eintreffen der tatsächlichen Ausprägung der zuvor prognostizierten Daten können definitive Aussagen und Schlussfolgerungen über die Prognosegüte getroffen werden.[6]

In der Literatur liegen eine Fülle von Prognosegütemaßen vor. In diesem Kapitel werden zuerst die Anforderungen an ein Prognosegütemaß aufgezählt (2.1). Anschließend wird in Abschnitt 2.2 der GOVA-Koeffizient als Instrument zur Untersuchung der Prognosegüte von Zinsprognosen vorgestellt.

2.1 Anforderungen an ein Prognosegütemaß

In der Vergangenheit wurden immer mehr Studien durchgeführt, welche belegen, dass die meisten Prognosen eher einen geringen Genauigkeitsgrad für zukünftige Entwicklungen aufweisen. Für die Bewertung und Messung der Fehlerhaftigkeit von Prognosewerten existieren eine Anzahl von Prognosegütemaßen, z.B. einfache Prognosefehlermaße, die Theilschen Prognosegütemaße und Gütemaße der Regressionsanalyse. Allerdings geben diese Ergebnisse keinen Aufschluss darüber, worauf die Abweichungen zwischen tatsächlichen Entwicklungen und Prognosewerten beruhen. Daher sind keine Verbesserungsmöglichkeiten für die Erstellung künftiger Prognosen ersichtlich.

Zur Qualitätsüberprüfung von Finanzmarktprognosen sollte das gewählte Prognosegütemaß die folgenden Anforderungen erfüllen:[7]

1. Eine gegenseitige Aufhebung von positiven und negativen Abweichungen sollte ausgeschlossen sein.
2. Der Vergleich unterschiedlicher Prognosen sollte durch eine Normierung des Beurteilungsmaßstabes erleichtert werden.
3. Starke Abweichungen sollten überproportional gewichtet werden.
4. Der erforderliche Vergleich zum Fall der naiven Prognose sollte im Beurteilungsmaßstab implizit erfolgen.
5. Etwaige gegenwartsorientierte Verlaufsanpassungen der Prognosezeitreihe sollten erfasst werden.
6. Die Ergebnisse sollten einfach und eindeutig zu interpretieren sein.

In der folgenden Untersuchung wird auf eine Abhandlung sämtlicher Prognosegütemaße verzichtet. Es wird lediglich der GOVA-Koeffizient vorgestellt.

2.2 Gegenwartsorientierte Verlaufsanpassung (GOVA-Koeffizient)

Das Prognosegütemaß GOVA-Koeffizient erfüllt die o.g. Anforderungen zur Qualitätsüberprüfung von Finanzprognosen nur zum Teil (Abschnitt 2.1). Der GOVA-Koeffizient liefert keine Aussagen über die Abweichungen zwischen Prognosewerten und tatsächlichem Zins, sondern untersucht den Einflussgrad des Zinsniveaus, welches zum Prognosezeitpunkt besteht. Je höher der Einfluss, umso mehr verliert die Prognose ihren zukunftsweisenden Charakter und wird zu einem leicht veränderten Spiegel der Gegenwart.

Wenn eine starke Orientierung an dem aktuellen Zinsniveau vorliegt, sodass der Prognosewert eher die Gegenwart als die Zukunft widerspiegelt, nimmt der GOVA-Koeffizient einen Wert unter 1 an und es liegt eine gegenwartsorientierte Verlaufsanpassung vor. Kapitalmarktprognosen, die im hohen Maße an die aktuelle Marktentwicklung angepasst werden, können ihren zukunftsorientierten Charakter verlieren. Deshalb ist es von besonderem Interesse, ob eine Prognose auf einer gegenwartsorientierte Verlaufsanpassung basiert. Mit Hilfe des GOVA-Koeffizienten kann diese Charakteristik ermittelt werden.

Zur Berechnung des GOVA-Koeffizienten ist die Durchführung einer Regressionsanalyse nötig. Zuerst wird das Bestimmtheitsmaß (R2Prognose; tatsächliche Rendite) der Prognosewerte und der tatsächlichen Zinswerte ermittelt. Dann wird das Bestimmtheitsmaß (R2Prognose; tatsächliche Rendite-h) der in den Entstehungszeitraum zurückverlegten Prognosedaten und der tatsächlichen Zinswerte berechnet. Der GOVA-Koeffizient ist der Quotient aus dem ersten und dem zweiten Bestimmtheitsmaß.[8]

Zum Nachweis der gegenwartsorientierten Verlaufsanpassung einer Prognose gilt die Bedingung:[9]

Abbildung in dieser Leseprobe nicht enthalten

Nimmt der GOVA-Koeffizient einen Wert < 1 an, muss von einer gegenwartsorientierten Verlaufsanpassung der Prognose ausgegangen werden. In diesem Fall besitzt nämlich die in ihren jeweiligen Entstehungszeitpunkt zurück verschobene Prognose eine höhere Korrelation mit den tatsächlichen Werten als die Prognose in ihrem Geltungsbereich im Vergleich mit den tatsächlichen Werten.[10]

In einigen wenigen Fällen kann der GOVA-Koeffizient einen Wert von > 1 annehmen, obwohl eine gegenwartsorientierte Verlaufsanpassung vorliegt. Die ist dann zu erwarten, wenn ein sehr kurzer Beobachtungszeitraum betrachtet wurde und/oder die Prognose und die tatsächlichen Ereignisse einem eindeutigen Trend ohne Extremwerte folgen. In diesem Fall unterscheiden sich die beiden Bestimmtheitsmaße unwesentlich, sodass sich bei der Quotientenberechnung nur zufällig ein Wert > 1 ergibt.[11]

Eine gegenwartsorientierte Verlaufsanpassung kann ausgeschlossen werden, wenn der[12]

- GOVA-Koeffizient > 1 ist und
- die Datenmenge so umfangreich ist, dass die Zeitreihen einige nennenswerte lokale Minima bzw. Maxima aufweisen.

2.3 Zusammenfassung

Das Prognosegütemaß GOVA-Koeffizient erfüllt die Anforderungen zur Qualitätsüberprüfung von Finanzprognosen. Jedoch liefert der GOVA-Koeffizient gibt keine eindeutige Auskunft darüber, wie gut oder schlecht der Prognosewert im Verhältnis zur Realität ist. Die Prognose wird auch zukünftig von Bedeutung sein (siehe Einleitung). Der Aussagewerte der Prognose ist allerdings eingeschränkt und ein gutes Prognoseergebnis nur zufällig erzielbar. Somit kann der GOVA-Koeffizient nur als ein ergänzendes Prognosegütemaß angesehen werden.

3 Empirische Untersuchung und Auswertung der Prognosezeitreihen

In dieser Arbeit sollen die monatlichen Zinsprognosedaten der in Spanien aktiven 15 Finanzinstitutionen und Forschungseinrichtungen im Zeitraum zwischen Januar 1995 und Dezember 2004 auf ihre Prognoseeignung mit Hilfe des GOVA-Koeffizient untersucht werden. Für die Analyse der Prognosezeitreihen wurden die Daten aus dem Consensus Economics verwendet. Daher wird zuerst auf die Datenquelle (3.1) und ihre Glaubwürdigkeit eingegangen. Anschließend erfolgt eine Beschreibung des Vorgehens bei der Datenauswertung (3.2). Danach werden in den Abschnitten 3.2.1 bis 3.2.16 die Prognosezeitreihen untersucht. Abschließend folgt in 3.3 eine Zusammenfassung der 15 Untersuchungsergebnisse.

3.1 Die Datenbasis

Consensus Economics wurde 1989 gegründet und ist das weltweit führende Unternehmen für internationale Wirtschaftsumfragen. Mehr als 600 Wirtschaftswissenschaftler werden jeden Monat nach ihren Einschätzungen befragt. Diese Umfragen bilden die Datenbasis für die wichtigsten makroökonomischen Variablen (einschließlich Wachstumsraten, Inflationswerte, Zinssätze und Wechselkurse) in über 70 Ländern. Die Prognosen des Unternehmens werden in einer Reihe von internationalen Veröffentlichungen bekannt gegeben. In diesen Publikationen werden sowohl die individuellen Vorhersagen der einzelnen Analysten veröffentlicht als auch eine von Consensus Economics selbst erstellte Prognose, die sich aus dem Durchschnitt aller einzelnen Prognosen ergibt (Consensus Forecast).[13]

Die Prognosedaten des Consensus Economics sind aufgrund ihrer regelmäßigen Veröffentlichung als zweifelsfrei authentisch anzusehen. Würde man heute diese Institute um ihre Zinsprognosen der letzten Jahre bitten, könnte man nicht sicher sein, ob nicht vielleicht die Daten „geschönt“ wurden.[14] Da die regelmäßige Lieferung der Prognosen an Consensus Economics nicht vergütet wird, ist die einzige Motivation der teilnehmenden Institute in dem damit verbundenen Prestigegewinn, den die Veröffentlichung in diesem Medium mit sich bringt. Des

Weiteren hängt das Ansehen auch wesentlich von der Qualität der Prognosen ab, sodass anzunehmen ist, dass die betreffenden Institute stets ihre volle Prognosekompetenz ausgeschöpft haben.[15] Aus diesen Gründen bieten sich die Daten des Consensus Economics für eine Untersuchung der Prognosekompetenz an. In einigen Fällen fehlen Daten einzelner prognosegebender Institute wegen keiner oder keiner fristgerechten Meldung der Prognosen bei Consensus Economics. In solchen Fällen wurden die fehlenden Daten mit Hilfe der linearen Interpolation ergänzt. Es sind nur fehlende Prognosewerte bis zu fünf Monaten ergänzt worden, um zu verhindern, dass die Prognosereihen ihre Aussagekraft verlieren.

In dieser Studienarbeit werden die Prognosewerte von 15 spanischen Finanzinstitutionen analysiert (siehe Einleitung). Prognostiziert wurde die Zinsentwicklung von Staatsanleihen mit zehn Jahren Restlaufzeit. Maßgebend für die Auswahl der Institute war ein vorhandener Prognosezeitraum von mindestens 50 Monaten. Die Prognosezeitreihe jedes der Finanzinstitute bezieht sich auf die künftige Zinsentwicklung und gilt jeweils ab einem Zeitraum, der 12 Monate später beginnt.

3.2 Datenauswertung

Zuerst wird jedes untersuchte spanische Kreditinstitut mit einigen Informationen zum historischen Entstehungshintergrund, der Größenordnung und mit weiteren wichtigen Angaben vorgestellt.

Danach erfolgt die Untersuchung der Zinsprognosen mit zwölfmonatigem Prognosehorizont anhand des GOVA-Koeffizienten. Die Ergebnisse werden zum besseren Verständnis visuell abgebildet. Zum Schluss werden die Ergebnisse der empirischen Analyse zusammenfassend dargestellt.

Prognosezeitreihen folgender 15 Finanzinstitute, Stiftungen und Banken, die in Spanien aktiv sind, liegen vor:

- Banco Bilbao Vizcaya Argentaria (BBVA)
- Banco Santander Central Hispano (BSCH) / Grupo Santander
- JP Morgan Madrid
- Argentaria
- Analistas Financieros Internacionales (AFI)
- Banco Español de Credito (Banesto)
- Instituto de Credito Official (ICO)
- Universidad Carlos de Madrid / IFL / Espasa
- CEPREDE
- Instituto de Estudios Económicos (IEE)
- Merrill Lynch
- Santander Investments
- Goldman Sachs
- FUNCAS
- La Caixa

[...]


[1] Vgl. Spiwoks, M. (2004), S. 7

[2] Vgl. Andreas,P./Spiwoks, M. (1999), S. 514.

[3] Vgl. Spiwoks, M. (2003), S. 289.

[4] Vgl. Spiwoks, M. (2003), S. 289.

[5] Spiwoks, M. (2002), S. 115.

[6] Vgl. Spiwoks, M. (2004), S. 11

[7] Vgl. Spiwoks, M. (2003), S. 289ff.

[8] Vgl. Spiwoks, M. (2002), S. 172

[9] Vgl. Spiwoks, M. (2003), S. 293.

[10] Vgl. Spiwoks, M. (2003), S. 293.

[11] Vgl. Spiwoks, M. (2002), S. 173.

[12] Vgl. Spiwoks, M. (2002), S. 173.

[13] Vgl. www.consensuseconomics.com, 9.04.2005

[14] Vgl. Spiwoks, M. (2002), S. 180

[15] Vgl. Spiwoks, M. (2002), S. 181

Details

Seiten
57
Jahr
2005
ISBN (eBook)
9783638394598
Dateigröße
744 KB
Sprache
Deutsch
Katalognummer
v41126
Institution / Hochschule
Fachhochschule Braunschweig / Wolfenbüttel; Standort Wolfenbüttel
Note
1.3
Schlagworte
Eigenschaften Kapitalmarktprognosen Beispiel Finanzprognosen

Autor

Zurück

Titel: Eigenschaften von Kapitalmarktprognosen am Beispiel spanischer Finanzprognosen