Investor Sentiment: Wie hoch ist der Einfluss der Investorenstimmung auf die Renditeverteilung? – FOM Absolvent stellte Forschungsergebnisse in Griechenland vor - FOM forscht

Deprecated: Die Funktion Elementor\DB::is_built_with_elementor ist seit Version 3.2.0 veraltet! Verwende stattdessen Plugin::$instance->documents->get( $post_id )->is_built_with_elementor(). in /var/www/fom-blog.de/www/wp-includes/functions.php on line 5379

Investor Sentiment: Wie hoch ist der Einfluss der Investorenstimmung auf die Renditeverteilung? – FOM Absolvent stellte Forschungsergebnisse in Griechenland vor

Ist die Entwicklung von Renditeverteilungen am deutschen Aktienmarkt mit Hilfe des Investor Sentiments, also der Investorenstimmung bezüglich eines bestimmten Marktes oder einer Anlage, prognostizierbar?

Emile David Hövel M.Sc., Doktorand und Absolvent des FOM Master-Studiengangs Finance & Accounting, forschte zum Investor Sediment (Foto: privat)

Und hat die Veröffentlichungspflicht von Leerverkaufspositionen einen Einfluss auf deutsche Aktienmarktrenditen?  Forschungsergebnisse zu diesen Fragen haben im Rahmen der 16th Conference of the International Federation of Classification Societies (IFCS) in Thessaloniki, Griechenland, Ende August Prof. Dr. Matthias Gehrke und Emile David Hövel M.Sc. vorgestellt. Professor Gehrke vom Institute for Strategic Finance (isf) forscht und lehrt am FOM Hochschulzentrum Frankfurt. Er betreut Emile Hövel, Doktorand und Absolvent des FOM Master-Studiengangs Finance & Accounting.

Prof. Dr. Matthias Gehrke, kooptierter Wissenschaftler am isf Institute for Strategic Finance der FOM, betreut Emile David Hövel (Foto: privat)

Nach erfolgreichem Master-Abschluss im vergangenen Jahr legte Emile Hövel im Rahmen des kooperativen Promotionsprogramms von FOM und Universidad Católica de Murcia (UCAM) seinen Forschungsschwerpunkt auf die Fragestellung, ob und wie das Investor Sentiment zur Erklärung und Prognose verschiedener Renditeverteilungen geeignet ist.

„Bereits in der Masterthesis konnte ich empirisch aufzeigen, dass die Integration von Sentiment-Faktoren in Multifaktormodelle einen sehr guten Erklärungsbeitrag leistet. Im nächsten Schritt gilt es, ein Modell zu entwickeln, aus dem konkrete Handlungsempfehlungen abgeleitet werden können“, so Hövel. Sein auf einem künstlichen neuronalen Netz basierendes Deep-Learning-Modell zeigt in der Trendprognose bereits vielversprechende Ergebnisse insbesondere für Varianz und Schiefe auf und wurde auf der IFCS erstmals der akademischen Öffentlichkeit vorgestellt.

Support Forschung der FOM Hochschule | 26.09.2019 

Leave a Reply

Deine E-Mail-Adresse wird nicht veröffentlicht.

fünfzehn − 13 =