Beginn: Ab sofort
Erstbetreuer: Prof. Dr. Heisenberg
Zweitbetreuer: Prof. Dr. Schaible
Niveau: Bachelorarbeit
Problemstellung:
Technische Analyse spielt eine zentrale Rolle in der Bewertung von Finanzmärkten. Dabei greifen Analysten häufig auf Indikatoren wie Fibonacci-Retracements oder horizontale Support- und Resistance-Linien zurück. Beide Methoden verfolgen das Ziel, potenzielle Umkehrpunkte im Kursverlauf zu identifizieren – die Ansätze und Grundlagen unterscheiden sich jedoch deutlich.
Fibonacci-Retracements basieren auf den berühmten Verhältnissen der Fibonacci-Folge und markieren mögliche Rücksetzungsniveaus nach starken Kursbewegungen. Support- und Resistance-Linien hingegen entstehen aus wiederkehrenden Preisniveaus, an denen Käufer oder Verkäufer regelmäßig aktiv werden. Beide Techniken sind weit verbreitet – jedoch ist ihre Wirksamkeit abhängig vom Marktumfeld, dem Asset und dem Analysezeitraum.
Technische Analyse spielt eine zentrale Rolle in der Bewertung von Finanzmärkten. Dabei greifen Analysten häufig auf Indikatoren wie Fibonacci-Retracements oder horizontale Support- und Resistance-Linien zurück. Beide Methoden verfolgen das Ziel, potenzielle Umkehrpunkte im Kursverlauf zu identifizieren – die Ansätze und Grundlagen unterscheiden sich jedoch deutlich.
Fibonacci-Retracements basieren auf den berühmten Verhältnissen der Fibonacci-Folge und markieren mögliche Rücksetzungsniveaus nach starken Kursbewegungen. Support- und Resistance-Linien hingegen entstehen aus wiederkehrenden Preisniveaus, an denen Käufer oder Verkäufer regelmäßig aktiv werden. Beide Techniken sind weit verbreitet – jedoch ist ihre Wirksamkeit abhängig vom Marktumfeld, dem Asset und dem Analysezeitraum.
Ziel der Arbeit:
Ziel dieser Abschlussarbeit ist der systematische Vergleich beider Ansätze zur technischen Kursanalyse. Dazu sollen:
Ziel dieser Abschlussarbeit ist der systematische Vergleich beider Ansätze zur technischen Kursanalyse. Dazu sollen:
- beide Methoden automatisiert auf historische Kursdaten (z. B. Aktien oder Indizes) angewendet,
- die jeweiligen Kursreaktionen auf die erzeugten Marken statistisch ausgewertet,
- die Trefferquote bzw. Prognosequalität miteinander verglichen werden.
Voraussetzungen:
Gute Kenntnisse in Python sind erforderlich. Erste Erfahrungen mit Finanzdaten oder der Anwendung technischer Indikatoren sind vorteilhaft, aber kein Muss. Bei Interesse werden geeignete Datenquellen bereitgestellt.
Gute Kenntnisse in Python sind erforderlich. Erste Erfahrungen mit Finanzdaten oder der Anwendung technischer Indikatoren sind vorteilhaft, aber kein Muss. Bei Interesse werden geeignete Datenquellen bereitgestellt.
