94% Crash Wahrscheinlichkeit im S&P - oder "Clickbaiting" mit Statistik

Summary

In diesem Video wird die Verwendung von Korrelationen zur Vorhersage von Marktentwicklungen kritisch hinterfragt, insbesondere die häufig gezeigte 94%-Korrelation zwischen dem S&P 500 heute und dem Markt von 1929. Der Sprecher erläutert, wie Manipulationen von Preis- und Rückgabedaten zu irreführenden Schlussfolgerungen führen können, und betont, dass Korrelationen nicht gleich Kausalität sind. Er warnt davor, sich blind auf solche Statistiken zu verlassen und hebt hervor, dass fundierte Analysen und das Verständnis der verwendeten Daten entscheidend für fundierte Marktentscheidungen sind.

Takeaways

• 😀 Korrelation ist ein statistisches Maß, das die Beziehung zwischen zwei Datensätzen beschreibt, jedoch keine Kausalität angibt.
• 😀 Die Berechnung der Korrelation über Preisänderungen führt oft zu verzerrten Ergebnissen, da Preisänderungen keine genaue Abbildung der Marktentwicklung bieten.
• 😀 Wenn nur Preisdaten verwendet werden, können die resultierenden Korrelationen irreführend sein, da sie keine prozentualen Änderungen berücksichtigen.
• 😀 Eine hohe Korrelation, wie die 94% Korrelation zwischen dem S&P 500 von 1929 und dem heutigen S&P 500, kann dramatisch aussehen, aber sie ist nicht notwendigerweise ein Hinweis auf zukünftige Entwicklungen.
• 😀 Es ist wichtig, den Unterschied zwischen Preisdaten und Renditedaten zu verstehen, da Renditen genauere Informationen über die Marktentwicklung liefern.
• 😀 Korrelationen sollten auf einer großen Anzahl von Datenpunkten basieren, um statistische Signifikanz zu erreichen. Eine geringe Anzahl von Punkten macht die Korrelation unzuverlässig.
• 😀 Eine Korrelation von 100% bedeutet, dass zwei Datensätze perfekt zusammenhängen, aber auch eine niedrige Korrelation kann bei bestimmten Analysetypen nützlich sein.
• 😀 Die Theorie von Korrelation und Beta sollte nicht überbewertet werden, da sie oft keine ausreichende Grundlage für Handelsentscheidungen liefert.
• 😀 Es gibt eine große Gefahr bei der Verwendung von 'ocular regression', bei der Daten visuell angepasst werden, um eine vermeintlich starke Korrelation zu zeigen.
• 😀 Eine Korrelation allein ist kein verlässliches Instrument zur Vorhersage von Marktentwicklungen, da viele andere Faktoren wie Zinssätze, Arbeitsmarktdaten und Unternehmensgewinne ebenfalls eine Rolle spielen.
• 😀 Ein richtig angewandtes Korrelationsmaß basiert auf der Berechnung der Renditen und nicht auf den absoluten Preiswerten, was zu deutlich präziseren Ergebnissen führt.

Q & A

Was bedeutet die 94% Korrelation im Kontext des S&P 500 und 1929?

Die 94% Korrelation bezieht sich auf die Ähnlichkeit der Preisentwicklung des S&P 500 heute und im Jahr 1929. Es wurde festgestellt, dass die Preisentwicklung von heute der von damals sehr ähnlich ist, was zunächst eine große Wahrscheinlichkeit für einen Crash suggeriert. Diese Korrelation allein ist jedoch nicht aussagekräftig genug, um eine hohe Wahrscheinlichkeit für einen Absturz vorherzusagen.

Warum ist die Korrelation von 94% nicht zwangsläufig ein Hinweis auf eine bevorstehende Katastrophe?

Die Korrelation allein sagt nichts über eine Ursache-Wirkung-Beziehung aus. Es zeigt lediglich, dass zwei Datensätze eine ähnliche Entwicklung gezeigt haben. Viele andere Faktoren, wie das makroökonomische Umfeld, technische Unterschiede oder die Verwendung von Preisdaten statt Renditen, können die Interpretation verzerren.

Welche Fehler wurden bei der Berechnung der Korrelation gemacht?

Ein Fehler war die Verwendung von Preisdaten statt von Renditen. Preisdaten können die Ergebnisse verzerren, da die prozentualen Änderungen des Preises von den tatsächlichen Marktentwicklungen abweichen können. Eine bessere Methode ist die Berechnung auf Basis der täglichen Renditen, um eine genauere Korrelation zu erhalten.

Was ist der Unterschied zwischen Korrelation und Beta?

Korrelation misst, wie stark zwei Datensätze miteinander verbunden sind, während Beta den Grad der Reaktion eines Marktes auf die Bewegung eines anderen Marktes angibt. Ein Beta von 1 bedeutet, dass sich die Märkte im gleichen Verhältnis bewegen, während ein höheres oder niedrigeres Beta den Grad der Veränderung zeigt.

Warum ist eine Korrelation von 94% nicht genug, um eine Marktkrise vorherzusagen?

Eine hohe Korrelation bedeutet nicht, dass ein Ereignis in der Vergangenheit zwangsläufig wiederholt wird. Es zeigt lediglich, dass die beiden Datensätze ähnliche Muster gezeigt haben. Ohne die Berücksichtigung anderer Variablen wie wirtschaftliche Bedingungen oder geopolitische Ereignisse ist diese Korrelation nicht aussagekräftig genug.

Wie wirkt sich das makroökonomische Umfeld auf die Korrelation aus?

Das makroökonomische Umfeld kann die Korrelation erheblich beeinflussen, da unterschiedliche wirtschaftliche Bedingungen (wie Zinssätze, Arbeitsmarktindikatoren oder Unternehmensgewinne) die Märkte unterschiedlich beeinflussen können. Ein Markt, der unter anderen Bedingungen operiert, wird möglicherweise nicht dieselbe Reaktion wie in der Vergangenheit zeigen.

Warum ist es problematisch, Preis- anstatt Renditedaten zu verwenden?

Preis- und Renditedaten zeigen unterschiedliche Aspekte des Marktes. Preisänderungen allein sagen wenig über die tatsächliche Marktbewegung aus, während Renditedaten die prozentuale Veränderung eines Marktes über einen bestimmten Zeitraum zeigen und somit eine genauere Analyse der Marktentwicklung ermöglichen.

Was ist mit dem Begriff 'ocular regression' gemeint?

'Ocular regression' bezieht sich auf die Praxis, Daten visuell so anzupassen, dass sie gut aussehen, ohne eine statistische Grundlage zu haben. Es bedeutet, dass jemand einfach die Skalen oder Daten manuell so anpasst, dass die Korrelation gut aussieht, auch wenn dies keine reale statistische Beziehung widerspiegelt.

Wie kann man eine Korrelation zuverlässig berechnen?

Um eine Korrelation zuverlässig zu berechnen, sollten die richtigen Daten verwendet werden, wie z.B. Renditen anstelle von Preisen, und es ist wichtig, über einen ausreichenden Zeitraum zu analysieren, um die Korrelation statistisch signifikant zu machen. Kleinere Datensätze oder manuelle Anpassungen können die Ergebnisse verfälschen.

Warum ist die Korrelation von -6% zwischen zwei ETFs möglicherweise nicht aussagekräftig?

Eine Korrelation von -6% zeigt eine sehr geringe negative Beziehung zwischen den beiden ETFs. Dies bedeutet, dass die beiden Märkte fast keinen Zusammenhang zeigen. Da jedoch auch die Berechnung mit Preisdaten vorgenommen wurde, kann dies die Interpretation beeinflussen, weshalb es wichtig ist, Renditedaten für genauere Analysen zu verwenden.