Der Fokus dieser Arbeit liegt auf Hidden Markov Modellen und deren Anwendung auf dem US-amerikanschen und dem europäischen Aktienmarkt. Das Ziel dabei ist eine Identifikation von Krisen- und Wachstumsperioden auf dem Aktienmarkt und geeignete Methoden zu finden, welche diese Informationen zur Absicherung gegenüber Kurseinbrüchen verwenden können. Nach einer eingehenden Betrachtung von Hidden Markov Modellen wird ein vektorautoregressives Hidden Markov Modell mit vier ökonomischen Regimen gewählt, um die zeitliche (regimeabhängige) Entwicklung von acht makroökonomischen Faktoren darzustellen. Nach der Implementierung des Modells werden die Modellparameter auf Grundlage der acht Faktoren mithilfe des EM-Algorithmus geschätzt. Dies führt zu der Erkenntnis, dass eine zu hohe Anzahl an Regimen bzw. zu hoch dimensionierte Datensätze zu Instabilität bei der Parameterschätzung führen können. Auch die Wahl der Datensätze scheint sowohl für die Stabilität als auch für die Vorhersagekraft eine Rolle zu spielen. So konnten Hong et al. [2005] anhand einer linearen Regression nachweisen, dass bestimmte Industriesektoren, die sog. „leading industries“, die Entwicklung auf dem gesamten Aktienmarkt um bis zu zwei Monate voraussagen können. Diese Hypothese wurde für den US-amerikanischen als auch die acht größten Aktienmärkte außerhalb der USA überprüft. In der vorliegenden Arbeit wird sie als Grundlage für ein Hidden Markov Modell verwendet, welches auf Basis der Industriesektoren gebildet wird und dessen Regimeinformationen dann als Indikator der Entwicklung des gesamten Aktienmarktes dienen. Dabei werden sowohl univariat als auch multivariat normalverteilte Hidden Markov Modelle geschätzt, deren Regimewahrscheinlichkeiten zur Bestimmung einer Investmentstrategie verwendet werden. Sowohl die Hidden Markov Modelle als auch die darauf aufbauenden Investmentstrategien werden auf dem US-amerikanischen und dem europäischen Aktienmarkt implementiert. Ziel der Investmentstrategie ist die Vermeidung von Kurseinbrüchen, weshalb je nach Regimewahrscheinlichkeit in einen Marktindex oder in ein risikoloses Instrument investiert wird. Alle betrachteten Investmentstrategien haben leichte Defizite in Wachstumsphasen, während sie in Krisenperioden deutlich geringere Drawdowns aufweisen als der Marktindex.     «

Der Fokus dieser Arbeit liegt auf Hidden Markov Modellen und deren Anwendung auf dem US-amerikanschen und dem europäischen Aktienmarkt. Das Ziel dabei ist eine Identifikation von Krisen- und Wachstumsperioden auf dem Aktienmarkt und geeignete Methoden zu finden, welche diese Informationen zur Absicherung gegenüber Kurseinbrüchen verwenden können. Nach einer eingehenden Betrachtung von Hidden Markov Modellen wird ein vektorautoregressives Hidden Markov Modell mit vier ökonomischen Regimen gewählt...     »

This thesis focuses on Hidden Markov models and their applications on the American and the European stock market. The goal is to identify growth and recession periods of the stock market and to find methods that are fit to use this information in order to guard against a stock market collapse. After an in-depth examination of Hidden Markov models, a vector-autoregressive Hidden Markov model with four economic regimes is chosen in order to represent the (regime-dependent) history of eight macroeconomic factors. Using the EM-algorithm, the parameters of the model are being estimated on the basis of the eight economic factors. This leads to the realization that a too high number of regimes as well as data with too many dimensions can lead to instability in the estimation of the model. The choice of input data also seems to have an influence on the stability as well as the forecasting ability. Hong et al. [2005] could establish using linear regression that certain sectors of the stock market, the so-called “leading industries” were able to predict the stock market development up to two months in advance. This hypothesis has been verified for the American stock market as well as the eight largest stock markets outside the US. In this thesis the hypothesis is being used as the background for a Hidden Markov model which is built on the basis of the industries and whose regime information is being used as an indicator of the development of the entire stock market. Both univariate and multivariate normally distributed Hidden Markov models are being estimated in the process and their regime probabilities are in turn used to calculate an investment strategy. The investment strategies based on these models as well as the models themselves are implemented on the American as well as the European stock market. The goal of the investment strategy is to avoid a stock market collapse which is why depending on the regime probability one invests in a market index or in a riskless instrument. All strategies have small deficits during growth periods while they perform remarkably well and better than the market index during recessions.     «

This thesis focuses on Hidden Markov models and their applications on the American and the European stock market. The goal is to identify growth and recession periods of the stock market and to find methods that are fit to use this information in order to guard against a stock market collapse. After an in-depth examination of Hidden Markov models, a vector-autoregressive Hidden Markov model with four economic regimes is chosen in order to represent the (regime-dependent) history of eight macroec...     »