In dieser Arbeit werden Frühwarnsysteme zur Vorhersage von Turbulenzen an Kapitalmärkten entwickelt, die auch eine differenzierte Vorhersage von turbulenten Auf- und Abschwüngen ermöglichen. In einem ersten Schritt wird auf der Historie des S&P 500 Index ein Markov-Switching-Modell mit zwei Zuständen geschätzt. Diese Schätzung beinhaltet auch die filtered probabilities für die verschiedenen Zustände. Da die filtered probabilities eines Markov-Switching-Modells mit zwei Zuständen zu wenig Informationen bieten, um turbulente Auf- und Abschwünge unterscheiden zu können, werden die Signale dieses Modells durch ein zweites Markov-Switching-Modell mit zwei Zuständen weiter unterteilt. Desweiteren wird auch ein Markov-Switching-Modell mit drei Zuständen implementiert. In einem zweiten Schritt wird der Einfluss einer großen Zahl an makroökonomischen und finanzmathematischen Kovariablen auf die filtered probabilities der verschiedenen Zustände untersucht. Auf Basis dieser Analyse werden ökonometrische Modelle entwickelt, um die zukünftige wirtschaftliche Entwicklung vorhersagen zu können. Die Modellvorhersagen können als Ampelsystem graphisch dargestellt werden und bieten verlässliche Vorhersagen von ökonomischen Abschwüngen, was die Modelle für Asset- und Risikomanager interessant macht. Darüberhinaus erlauben die Frühwarnsysteme eine Analyse der Treiber der wirtschaftlichen Turbulenzen in verschiedenen Krisenperioden. Die Vorhersagen werden in einer Asset-Management-Fallstudie angewandt. Hierbei zeigt sich, dass die auf den Modellvorhersagen basierenden Strategien bessere Resultate liefern als Standard Buy-and-Hold und CPPI Strategien.      «

In dieser Arbeit werden Frühwarnsysteme zur Vorhersage von Turbulenzen an Kapitalmärkten entwickelt, die auch eine differenzierte Vorhersage von turbulenten Auf- und Abschwüngen ermöglichen. In einem ersten Schritt wird auf der Historie des S&P; 500 Index ein Markov-Switching-Modell mit zwei Zuständen geschätzt. Diese Schätzung beinhaltet auch die filtered probabilities für die verschiedenen Zustände. Da die filtered probabilities eines Markov-Switching-Modells mit zwei Zuständen zu wenig Informat...     »

In this thesis early-warning systems are developed which forecast turbulences in the financial stock markets as well as distinguish between turbulent bull and bear markets. In a first step Markov-Switching models with two states are estimated based on the history of the S&P 500 market index. This estimation includes the estimation of the filtered probabilities for the different states. Because turbulent bull and bear markets can be better distinguished by considering a third state, the model is expanded by a second Markov-Switching model with two states. Furthermore a Markov-Switching model with three states is implemented. In a second step a large number of covariates is investigated to explain the filtered probabilities. On the basis of this analysis econometric models are set up to be able to forecast the future economic development. The model forecasts can be illustrated as traffic light system and provides quite reliable predictions of economic downturns, which makes the models interesting for asset and risk managers. Moreover the early warning systems allow for derivation of the driving factors of turbulences in different crisis periods. The forecasts are applied in an asset management case study. It turns out that strategies implemented based on the forecasts yield better results as standard Buy-and-Hold and CPPI strategies.      «

In this thesis early-warning systems are developed which forecast turbulences in the financial stock markets as well as distinguish between turbulent bull and bear markets. In a first step Markov-Switching models with two states are estimated based on the history of the S&P; 500 market index. This estimation includes the estimation of the filtered probabilities for the different states. Because turbulent bull and bear markets can be better distinguished by considering a third state, the model is e...     »