Kurz- und mittelfristige Preisprognosen: Auswahl optimaler Modellierungsansatze unter Berucksichtigung des Prognosehorizonts

摘要

Die Prognosegute diverser Modellierungsansatze wird durch den jeweiligen Prognosehorizont und die damit verbundene Verfugbarkeit von Informationen entscheidend beeinflusst. Um die unterschiedlichen Punktprognosemethoden optimal einzusetzen, werden im vorliegenden Beitrag verschiedene Modellklassen (Fundamental-, Zeitreihen- und Regressionsmodelle) zu einem Gesamtmodell kombiniert. Dieses wird sodann mit den reduzierten Modellen, die aus Parameterrestriktionen auf das Grundmodell resultieren, verglichen. Der Vergleich erfolgt uber die Gute der Prognosen im Rahmen einer Out-of-sample-Untersuchung. Es zeigt sich, dass die hochste Prognosegute mit keiner der betrachteten Modellklassen allein erreicht wird, sondern vielmehr kombinierte Modellierungsansatze uber alle Vorhersagehorizonte bessere Prognosen liefern. Insbesondere eine Kombination aller Modellansatze erzielt uber alle Prognosehorizonte mit die besten Ergebnisse. Des Weiteren bestatigt der vorliegende Artikel in einem statistisch formellen Rahmen die Einschatzung, dass Fundamentalmodelle uber mittelfristige Prognosehorizonte gegenuber rein zeitreihenbasierten Modellen zu bevorzugen sind.