Institutional Money, Ausgabe 4 | 2025

QHKPHQVWHLOVWLFKSUREH ĞEHUWULȬW (V EHVWHKHQ MHGRFK VLJ- QLljNDQWH 8QWHUVFKLHGH LQ GHU *HQDXLJNHLW SXQNWR 9HU EHVVHUXQJHQ ]ZLVFKHQ GHQ 7HLOVWLFKSUREHQ 'LHV ]HLJW VLFK LQVEHVRQGHUH EHL 8QWHUQHKPHQ LQ YHUVFKLHGHQHQ /HEHQV- ]\NOXVSKDVHQ 'LH *HZLQQH YRQ MXQJHQ XQG DOWHQ 8QWHU- QHKPHQ EHWUHȬHQG LKUHQ /HEHQV]\NOXV ZHUGHQ PLW HLQHU ZHVHQWOLFK JHULQJHUHQ *HQDXLJNHLW SURJQRVWL]LHUW DOV MHQH YRQ )LUPHQ LQ GHU 0LWWH LKUHV /HEHQV]\NOXV VLHKH *UDljN Ľ*HQDXLJNHLWVXQWHUVFKLHGHĺ :LFKWLJ LVW GDVV JHUDGH EHL GLHVHQ 8QWHUQHKPHQ ł EHL GHQHQ GLH *HZLQQSURJQRVH QDWXUJHPÌĕ VFKZLHULJHU LVW ł GDV (10/ GLH JUĆĕWHQ 9HU- EHVVHUXQJHQ JHJHQĞEHU GHP (17' HU]LHOW 'DUĞEHU KLQ- DXV OÌVVW VLFK ]HLJHQ GDVV EHL GLHVHQ MXQJHQ XQG DOWHQ )LUPHQ ,QWHUDNWLRQHQ HLQHQ JUĆĕHUHQ $QWHLO DQ GHQ (10/ 3URJQRVHQ DXVPDFKHQ DOV EHL 8QWHUQHKPHQ LQ GHU 0LWWH LKUHV /HEHQV]\NOXV 'LHV GHXWHW HUQHXW GDUDXI KLQ GDVV 0RGHOOH GLH UHLFKKDOWLJHUH ,QWHUDNWLRQHQ XQG QLFKW- OLQHDUH 6WUXNWXUHQ HUPĆJOLFKHQ EHL NRPSOH[HUHQ 3URJQR- VHDXIJDEHQ ł VHL HV DXIJUXQG OÌQJHUHU 3URJQRVHKRUL]RQWH RGHU JUĆĕHUHU 8QWHUQHKPHQVKHWHURJHQLWÌW ł HLQHQ GHXW- OLFKHQ 9RUWHLO ELHWHQ 'LH (UJHEQLVVH GHU 6WXGLH YRQ +HVV 6LPRQ XQG:HLEHOV OLHIHUQ ZLFKWLJH +LQZHLVH IĞU GLH ]XNĞQIWLJH .DSLWDOPDUNW- IRUVFKXQJ :LH LKUH $UEHLW QDKHOHJW VLQG 0DFKLQH /HDU- QLQJ $QVÌW]H HLQ ]XYHUOÌVVLJHUHV ,QVWUXPHQW ]XU 9RUKHU- VDJH NĞQIWLJHU 8QWHUQHKPHQVJHZLQQH GD VLH GLHV PLW KĆKHUHU *HQDXLJNHLW WXQ DOV WUDGLWLRQHOOH $QVÌW]H (V VWHOOW VLFK ]XGHP KHUDXV ZHOFKH %LODQ]NHQQ]DKOHQ UHVSHNWLYH *UXSSHQ YRQ .HQQ]DKOHQ IĞU GLHVHQ =ZHFN ZLFKWLJ VLQG =XNĞQIWLJH )RUVFKXQJVDUEHLWHQ NĆQQHQ DXI GLHVHQ (UJHE- QLVVHQ DXIEDXHQ ZHQQ HV XPGLH )UDJH JHKW ZHOFKH 9DULD- EOHQPLWHLQEH]RJHQ ZHUGHQ VROOHQ :LFKWLJ GDEHL LVW RȬHQ- EDU 8QWHUVFKLHGH KLQVLFKWOLFK GHU %HGHXWXQJ GHU 9DULDEOHQ ĞEHU YHUVFKLHGHQH 3URJQRVH]HLWUÌXPH KLQZHJ ]X EHUĞFN- VLFKWLJHQ :HQQ EHLVSLHOVZHLVH HLQ*HZLQQSURJQRVHPRGHOO DXV UHFKHQWHFKQLVFKHQ XQG .RVWHQJUĞQGHQ QXU HLQH NOHLQH $Q]DKO YRQ9DULDEOHQ HQWKÌOW NDQQ GLH 9HUZHQGXQJ XQWHU- VFKLHGOLFKHU 9DULDEOHQVÌW]H IĞU YHUVFKLHGHQH 3URJQRVH]HLW- UÌXPH YRQ 9RUWHLO VHLQ Unverzichtbares Werkzeug $EVFKOLHĕHQGPXVVPDQ NRQVWDWLHUHQ GDVV GLH 3HUIRUPDQFH PRGHOOEDVLHUWHU 3URJQRVHQ VRZLH GHU *UDG GHU 1RWZHQGLJ- NHLW NRPSOH[HU 3URJQRVHPRGHOOH IĞU YHUVFKLHGHQH 8QWHU- QHKPHQVJUXSSHQ XQWHUVFKLHGOLFK LVW :HLWHUH )RUVFKXQJ GLH GDUDXI DE]LHOW GLHVH =XVDPPHQKÌQJH XQG GHUHQ 8UVD- FKHQ QÌKHU ]X HQWVFKOĞVVHOQ ZÌUH HLQ LQWHUHVVDQWHU $QVDW]- SXQNW XQG NĆQQWH OHW]WHQGOLFK ]XZHLWHUHQ 9HUEHVVHUXQJHQ GHU 3URJQRVHPRGHOOH IĞKUHQ 2E GHU NODVVLVFKH $QDO\VWHQ- EHUXI GDPLW ]XP $XVODXIPRGHOO ZLUG PXVV VLFK ]HLJHQ 'LH (UJHEQLVVH YRQ+HVV 6LPRQ XQG:HLEHOV GHXWHQ MHGRFK GDUDXI KLQ :HU NĞQIWLJ *HZLQQH SUÌ]LVH SURJQRVWL]LHUHQ ZLOO NRPPW DQ 0DFKLQH /HDUQLQJ QLFKW YRUEHL DR. KURT BECKER Genauigkeitsunterschiede Stichprobenschichtung der Firmen nach Lebenszyklusphasen: ENML schlägt ENTD Zeitreihendurchschnitte der medianen preisskalierten absoluten Prognosefehler (PAFEs) pro Lebenszyklusphase für die beiden Ensemble- modelle ENTD und ENML und für t+1-Prognosen. ENTD steht für das traditionelle Ensemble, ENML für das Machine-Learning-Ensemble. PAFE ist die Differenz zwischen dem tatsächlichen und dem prognostizierten Gewinn je Aktie, skaliert nach dem Kurs Ende Juni des jeweiligen Schätzjahres. Resultat: Speziell bei jungen und alten Unternehmen ist das Machine-Learning-Modell-Ensemble deutlich genauer als das traditionelle. Quelle: Studie 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 1-Jahres-Genauigkeit -0,012 -0,010 -0,008 -0,006 -0,004 -0,002 0,000 Differenz I Growth I Intro Decline I Shake-out I Mature I Growth I Intro Decline I Shake-out I Mature » Der Einfluss von Interaktionen und Nichtlinearitäten auf die maschinelle Lernprognose ist gering. « Dr. Sebastian Weibels, wissenschaftlicher Mitarbeiter am Institut für Ökonometrie und Statistik der Universität zu Köln 110 N o . 4/2025 | institutional-money.com THEORIE & PRAXIS | Marktprognosen FOTO: © UNIVERSITÄT KÖLN