offline
Dir Prozesse, die die Beobachtungen erzeugen, sind halt fundamental unterschiedlich.
Ich befürchte, das im kurzfristigeren Handelsansätzen, mehr an Variablen nicht viel helfen wird. Es gibt ein physisches/biologisches Modell. Temperatur und Anreiseweg des Pferdes machen ja schon intuitiv Sinn. Bei Märkten ist das nicht so einfach.
Bei fundamentaleren und langfristigeren Investitionsentscheidungen und der Bewertung von Einzelunternehmen sehe ich das anders. Ich denke book to market, Dividenden, Cash Flow, EBIT etc. sind interessant und relevant, aber liefern keinen Edge mehr.
Ich denke Daten und Modelle müssten/könnten da anders sein. Viel spezifischer. Zum Teil wird das ja auch unter dem Stichwort "alternative data" (klingt wie "alternative facts", ist aber schon älter
) schon eingesetzt. Mit nicht zwingend viel Erfolg wie ich so höre.
Lass mich mal spinnen:
Ein Bewertungsmodell einer Firma müsste IMO aus mehreren Komponenten/Modellen bestehen. Ein Ensemble an Modellen und eventuell Expertenmeinungen, die in ein Meta Modell eingehen, das dann die finale Bewertung vornimmt. Sagen wir mal wir betrachten Nike und Raython.
1) Klassische, firmenspezifische fundamental-Daten. Die üblichen Verdächtigen.....
2) Eine Modellierung/Simulation des "Marktumfeld" der Firma. Also ein Modell das Potential und Risiken des Absatzmarktes und Produktion wiederspiegelt?
(Im Falle von Raython, Defence Budgets ehemaliger Kundenstaaten? Anzahl und Volumen offener Ausschreibungen für Rüstungsprojekte? => Nike: Kaufkraftentwicklung der demographischen Zielgruppe, sportlicher Erfolg der Werbestars? Volumen der Werbeverträge? Social Media (Machine Learning: Bilderkennung, Sentiment Analyse von tweets, posts....)..Währungsrisiken der Absatzmärkte? Lohnkosten? Kosten für Energie und Rohstoffe? Eventuell nur die Sensitivität für die genannten Faktoren, die auch für die Konkurrenz gilt (wie Währungsrisiken, Kaufkraft der Absatzmärkte, Energie und Rohstoffkosten)?
3) (Agenten)- Modellierung des Kapitalmarktumfeldes: welche Rolle spielt die Aktie bei unterschiedlichen Investoren? Welche Investoren sind drin? Wird sie zum Hedgen und Replizieren eines Index benutzt, ist sie ein Kandidat um Teil eines Factor Models bei Investoren zu sein? Volumen Derivate auf die Aktie? Bleibt die Firma in Indizes? Wie groß ist der Free Float? Hat die Aktie Potential von einem großen Agenten gekauft oder verkauft zu werden?
4) Technische Modelle (das übliche)...
Das ist wahrscheinlich nix was man mit supervised learning machen kann, sondern eher semi-supervised....
Und am Ende bleiben Marktpreis und KGV, Cash Flow etc immer noch der bessere predictor.
Wenn ich irgendwo Zeit reinstecken würde dann wahrscheinlich in 1) , 3) und 4).
Ich befürchte, das im kurzfristigeren Handelsansätzen, mehr an Variablen nicht viel helfen wird. Es gibt ein physisches/biologisches Modell. Temperatur und Anreiseweg des Pferdes machen ja schon intuitiv Sinn. Bei Märkten ist das nicht so einfach.
Bei fundamentaleren und langfristigeren Investitionsentscheidungen und der Bewertung von Einzelunternehmen sehe ich das anders. Ich denke book to market, Dividenden, Cash Flow, EBIT etc. sind interessant und relevant, aber liefern keinen Edge mehr.
Ich denke Daten und Modelle müssten/könnten da anders sein. Viel spezifischer. Zum Teil wird das ja auch unter dem Stichwort "alternative data" (klingt wie "alternative facts", ist aber schon älter
) schon eingesetzt. Mit nicht zwingend viel Erfolg wie ich so höre. Lass mich mal spinnen:
Ein Bewertungsmodell einer Firma müsste IMO aus mehreren Komponenten/Modellen bestehen. Ein Ensemble an Modellen und eventuell Expertenmeinungen, die in ein Meta Modell eingehen, das dann die finale Bewertung vornimmt. Sagen wir mal wir betrachten Nike und Raython.
1) Klassische, firmenspezifische fundamental-Daten. Die üblichen Verdächtigen.....
2) Eine Modellierung/Simulation des "Marktumfeld" der Firma. Also ein Modell das Potential und Risiken des Absatzmarktes und Produktion wiederspiegelt?
(Im Falle von Raython, Defence Budgets ehemaliger Kundenstaaten? Anzahl und Volumen offener Ausschreibungen für Rüstungsprojekte? => Nike: Kaufkraftentwicklung der demographischen Zielgruppe, sportlicher Erfolg der Werbestars? Volumen der Werbeverträge? Social Media (Machine Learning: Bilderkennung, Sentiment Analyse von tweets, posts....)..Währungsrisiken der Absatzmärkte? Lohnkosten? Kosten für Energie und Rohstoffe? Eventuell nur die Sensitivität für die genannten Faktoren, die auch für die Konkurrenz gilt (wie Währungsrisiken, Kaufkraft der Absatzmärkte, Energie und Rohstoffkosten)?
3) (Agenten)- Modellierung des Kapitalmarktumfeldes: welche Rolle spielt die Aktie bei unterschiedlichen Investoren? Welche Investoren sind drin? Wird sie zum Hedgen und Replizieren eines Index benutzt, ist sie ein Kandidat um Teil eines Factor Models bei Investoren zu sein? Volumen Derivate auf die Aktie? Bleibt die Firma in Indizes? Wie groß ist der Free Float? Hat die Aktie Potential von einem großen Agenten gekauft oder verkauft zu werden?
4) Technische Modelle (das übliche)...
Das ist wahrscheinlich nix was man mit supervised learning machen kann, sondern eher semi-supervised....
Und am Ende bleiben Marktpreis und KGV, Cash Flow etc immer noch der bessere predictor.
Wenn ich irgendwo Zeit reinstecken würde dann wahrscheinlich in 1) , 3) und 4).
__________________
Forum-Besserwisser und Wissenschafts-Faschist
