Biophysiker entwickeln Methode zum Vergleich von Preismodellen

Stift und Aktiengraph
Mit der Methode können die Forscher genauer vorhersagen, wie sich Parameter wie etwa die Volatilität von Aktienkursen über die Zeit verändern. (Bild: Colourbox.de)

Was Finanzmärkte, Krebszellen, und globale Erwärmung gemeinsam haben

Ein Team von Biophysikern der Friedrich-Alexander-Universität Erlangen-Nürnberg stellt in seiner jüngsten Arbeit in Nature Communications eine mathematisch fundierte Methode zum Vergleich verschiedener Preismodelle vor. Damit können die Forscher genauer vorhersagen, wie sich Parameter wie etwa die Volatilität von Aktienkursen über die Zeit verändern.

Das Auf und Ab von Aktienkursen ist das Ergebnis eines komplexen Zusammenspiels zwischen traditionellen Anlegern, Day-Tradern und Hochfrequenz-Hedgefonds. Diese scheinbar unregelmäßigen, kurzfristigen Preisschwankungen können durch eine Diffusionskonstante – die sogenannte Volatilität – beschrieben werden. Allerdings unterliegt die Volatilität selbst über längere Zeiträume hinweg starken Schwankungen. Beispielsweise können unerwartete Twitter-Nachrichten plötzliche Volatilitätsspitzen auslösen, während wirtschaftspolitische Veränderungen zu langsamen, graduellen Veränderungen der Volatilität führen können. Da die Art der Volatilitätsschwankungen im Vorfeld oft unbekannt ist, stützen Finanzanalysten ihre Prognosen oft auf unbegründete Annahmen.

Anstatt die Unsicherheit verschiedener Modellvorhersagen analytisch zu berechnen, entwickelten die Wissenschaftler um Christoph Mark vom Lehrstuhl für Biophysik an der FAU eine numerische Umsetzung des Prinzips von „Occam‘s Rasiermesser“. Nach diesem Prinzip werden diejenigen Modelle bevorzugt, welche die Daten mit der geringsten Anzahl von Annahmen beschreiben.

Mit dieser Methode zeigen die Forscher, wie extreme Schwankungen von Börsenrenditen bei dramatischen Ereignissen wie schwarze Freitage und Marktblasen aus plötzlichen Volatilitätsschwankungen entstehen. Darüber hinaus gelingt es mit dieser Methode, die auslösenden Ereignisse wie zum Beispiel Nachrichtenmeldungen in Echtzeit zu identifizieren.

Volatilitätsschwankungen, oder allgemeiner gesagt heterogene Zufallsprozesse, beschränken sich jedoch nicht nur auf Finanzdaten, sondern beschreiben auch die Bewegungen invasiver Krebszellen, die Abfolge von Unfällen und Katastrophen sowie Klimaveränderungen. Hier können mit der neuen Methode etwa besonders invasive Zellen erkannt, geeignete Maßnahmen zur Unfallvermeidung identifiziert oder verschiedene Klimamodelle zur Vorhersage der globalen Erwärmung verglichen werden.

Mark et al., Nature Communications 9, 1803, 2018
doi: 10.1038/s41467-018-04241-5

Weitere Informationen:

Christoph Mark
Tel.: 09131/85-25604
christoph.mark@fau.de