Quant versus

Investmentansatz: quantitativ Bau eines Portfolios nach CVaR Max Return/Risk Ratio Portfolio mit einer Maximalgewichtung von 4 Prozent je Titel und es wird monatlich neu allokiert. Die Einzelaktien werden aus folgenden Indices entnommen: > HDAX® (ca. 102 Aktien) > SMI® (ca. 20 Aktien, derzeit nicht berücksichtigt, da keine Börsennotierung in Deutschland) > TECDAX® (ca. 30 Aktien) > SUP100® (ca. 100 Aktien) > MSCI EU SM CP NR®(ca. 460 Aktien) Überschneidungen (Doppelnennungen) werden bereinigt, sodass derzeit ca. 625 Aktien die Ausgangsbasis für die Berechnungen sind. KursHistorie ca. 1 Jahr, adjustierte Schlusskurse, währungsbereinigt, Datenquelle VWD®, Unternehmen mit kürzerer Historie oder fehlenden Daten werden nicht berücksichtigt Bildung eines HIERARCHICAL CLUSTERING Unter Clusteranalysen (Clustering-Algorithmen) versteht man auch das Verfahren zur Entdeckung von Ähnlichkeitsstrukturen in (großen) Datenbeständen. Die Clusteranalyse ist eine wichtige Disziplin des Data-Mining, des Analyseschritts des Knowledge-Discovery-in-Databases-Prozesses. Bei der Clusteranalyse ist das Ziel neue Gruppen in den Daten zu identifizieren (im Gegensatz zur Klassifikation, bei der Daten bestehenden Klassen zugeordnet werden). Man spricht von einem „uninformierten Verfahren“, da es nicht auf Klassen-Vorwissen angewiesen ist. Diese neuen Gruppen können anschließend beispielsweise zur automatisierten Klassifizierung, zur Erkennung von Mustern in der Bildverarbeitung oder zur Marktsegmentierung eingesetzt werden (oder in beliebigen anderen Verfahren, die auf ein derartiges Vorwissen angewiesen sind). Im weiteren Verlauf wird aus diesen Ergebnissen ein Portfolio nach CVaR Max Return/Risk Ratio gebaut.