Das Buch ist derzeit nicht auf Lager

Mehr zum Buch
Die Arbeit untersucht, wie Investoren hohe Renditen bei niedrigen Risiken anstreben, wobei Risikoaversion eine zentrale Rolle spielt. Ein wichtiger Aspekt ist die Volatilität, die als Maß für das Risiko einer Investition dient. Hohe Kursschwankungen erhöhen das Risiko eines Kapitalverlusts. Die Studie kritisiert die gängige Praxis, sich auf vergangene Volatilität zu stützen, und betont die Bedeutung der zukünftigen Volatilität für fundierte Investitionsentscheidungen. Zeitreihenmodelle werden als Methode vorgestellt, um zukünftige Volatilität basierend auf historischen Daten zu prognostizieren.
Buchkauf
Eignung des Garch-Modells zur Prognose der Volatilität des Dow Jones Industrial Average, Walter Martin
- Sprache
- Erscheinungsdatum
- 2021
- product-detail.submit-box.info.binding
- (Paperback)
Wir benachrichtigen dich per E-Mail.
Lieferung
Zahlungsmethoden
Feedback senden
- Titel
- Eignung des Garch-Modells zur Prognose der Volatilität des Dow Jones Industrial Average
- Sprache
- Deutsch
- Autor*innen
- Walter Martin
- Verlag
- GRIN Verlag
- Erscheinungsdatum
- 2021
- Einband
- Paperback
- Seitenzahl
- 80
- ISBN13
- 9783346482174
- Kategorie
- Wirtschaft
- Beschreibung
- Die Arbeit untersucht, wie Investoren hohe Renditen bei niedrigen Risiken anstreben, wobei Risikoaversion eine zentrale Rolle spielt. Ein wichtiger Aspekt ist die Volatilität, die als Maß für das Risiko einer Investition dient. Hohe Kursschwankungen erhöhen das Risiko eines Kapitalverlusts. Die Studie kritisiert die gängige Praxis, sich auf vergangene Volatilität zu stützen, und betont die Bedeutung der zukünftigen Volatilität für fundierte Investitionsentscheidungen. Zeitreihenmodelle werden als Methode vorgestellt, um zukünftige Volatilität basierend auf historischen Daten zu prognostizieren.