Einleitung

Sehr viele Personen haben Schwierigkeiten damit, eine Fundamentalanalyse vollends zu verstehen. Sie wissen weder, wie Sie sie ausführen sollen, noch, welche Parameter Sie miteinbeziehen müssen. Den Einfluss der Parameter bzw. die entsprechende Länge der Zeit herauszufinden, ist auch kein leichtes Unterfangen.

Im Jahr 2011 bin ich auf folgenden Artikel gestoßen: Multiple Regressionsanalyse. Insbesondere fand ich die Methode sehr interessant, die in Strategiegenerator und -tester in einem beschriebene wird. Ich habe mich daraufhin intensiver mit der Anwendung dieser Fundamentalanalysemethode auseinandergesetzt und plane, meine gewonnenen Erkenntnisse im vorliegenden Artikel nun kundzutun.

Was ist eine „multiple Regressionsanalyse“?

Eine multiple Regressionsanalyse ist eine Methode, um die Abhängigkeit einer Variable von zwei oder mehr unabhängigen Variablen zu schätzen.

Diejenigen unter Ihnen, deren Gehirn nicht in mathematischen Strukturen denkt, haben möglicherweise Probleme, diese Definition nachzuvollziehen. Das folgende Beispiel soll Ihnen die Bedeutung der Analyse klarmachen und soll Ihnen zeigen, wie Sie sie anwenden.

Stellen Sie sich bitte einen Wissenschaftler vor, der die Effizienz einer regulären, körperlichen Aktivität - wie beispielsweise der Aufnahme von Nahrungsergänzungsmitteln - einschätzen will. Er führt hierbei ein Experiment durch, das 24 Universitätsstudenten beinhaltet. Die Studenten werden in vier Gruppen eingeteilt, wobei jede Gruppe aus sechs Personen besteht. Die erste Gruppe erhält 100 mg/Tag an Ergänzungsmitteln, die zweite 200 mg/Tag, die dritte 300 mg/Tag und die vierte - Sie erraten es bereits - 400 mg/Tag. Dieses Experiment besitzt einmal vier (Einnahme von Ergänzungsmitteln) und einmal drei Levels (körperliche Aktivität). Die sechs Personen einer jeden Gruppe werden in drei Paare eingeteilt. Eines dieser Paare verausgabt sich in Form körperlicher Aktivitäten während einer Woche genau null Stunden, ein Paar fünf Stunden und das letzte Paar zehn Stunden. Am Ende des Experiments hat jeder Teilnehmer Gewicht verloren. Die experimentellen Daten finden sich in der unten stehenden Tabelle:

Teilnehmer des Experiments	Dosis der Ergänzungsmittel (mg/Tag)	Level der körperlichen Aktivität (h/Tag)	Gewichtsverlust (Pfund)
1	100	0	-4
2	100	0	0
3	100	5	-7
4	100	5	-6
5	100	10	-2
6	100	10	-14
7	200	0	-5
8	200	0	-2
9	200	5	-5
10	200	5	-8
11	200	10	-9
12	200	10	-9
13	300	0	1
14	300	0	0
15	300	5	-3
16	300	5	-3
17	300	10	-8
18	300	10	-12
19	400	0	-5
20	400	0	-4
21	400	5	-4
22	400	5	-6
23	400	10	-9
24	400	10	-7

Gewichtsverlust eines jeden Teilnehmers

Es ergeben sich folglich zwei Fragen:

1. Was hat den Gewichtsverlust verursacht - die Ergänzungsmittel oder die körperlichen Aktivitäten?
2. Und welche Beziehung besteht zwischen der Gewichtsveränderung und dem beeinflussenden Faktor?

Dies ähnelt einer Alltagssituation des Finanzmarktes, nicht wahr? Wenn sich beispielsweise der Währungswechselkurs ändert, steht immer die Frage im Raum, welche Nachricht für diese Veränderung verantwortlich ist. Wenn es einen ökonomischen Faktor gibt, der den Kurs beeinflusst, wie verändert sich dann der Kurs, wenn der Faktor variiert?

Die multiple Regressionsanalyse als auch das Programm STATISTICA können uns dabei helfen, diese und ähnliche Fragen zu lösen. Transferieren oder importieren Sie die Tabelle mit den Daten in das Programm und wählen Sie „Multiple Regression“ im Menü aus.

Abb. 1 Import der Beispieldaten in das Programm STATISTICA

Suchen Sie den Button „Variablen“, nachdem Sie die Menüleiste ausgewählt haben, und klicken Sie darauf:

Abb. 2 Bildschirm, der die Parameter der multiplen Analyse zeigt

Nun wird ein Fenster erscheinen, in dem Sie die Variablen auswählen können, die für die Analyse benutzt werden sollen. Es besteht aus zwei Teilen: Auf der linken Seite können wir etwas auswählen, was unserer Meinung nach eine abhängige Variable darstellt (hier: Gewichtsverlust). Auf der rechten Seite heben wir hervor, was die Änderung beeinflussen kann.

Abb. 3 Zuweisung unabhängiger und abhängiger Variablen

Ein Klick auf „OK“ bringt uns zu dem vorherigen Einstellungsfenster zurück, in dem wir eine Checkbox per Häkchen bestätigen und anschließend erneut auf „OK“ drücken müssen.

Abb. 4 Auswählen der Parameter für die multiple Analyse

Im folgenden Fenster wählen wir die Methode „Alle Effekte“ aus..

Abb. 5 Auswählen der Methode

Nach all diesen Modifikationen müssten wir ein Fenster zu sehen bekommen, welches die Resultate der Analyse enthält. All jene Faktoren, die erwiesenermaßen die Resultate beeinflussen, werden in der Liste der Faktoren mit einer roten Farbe dargestellt (in unserem Fall: „Level der körperlichen Aktivität). Andere Variablen:

• „Nr. der Fälle“ ist die Zahl der Ereignisse der Analyse
• „P“ ist das Level der statistischen Validität dieser Korrelation (wobei ein Level unterhalb von 0.05 als verlässlich gilt);
• „Multiple R“ ist der Wert der multiplen Korrelation zwischen den abhängigen und den unabhängigen Variablen der Gleichung.

Abb. 6 Resultate der Datenverarbeitung

Der Wert „Multiple R= 0,71819113'“ sollte wie folgt interpretiert werden: „Multiple R, der Wert der multivariablen Korrelation zwischen dem Gewichtsverlust und den Faktoren, die diesen beeinflussen, beträgt 71,82%“.

Einer der Faktoren, „Level der körperlichen Aktivität“, ist als ein roter Text dargestellt. Dies ist der Faktor, der den Gewichtsverlust beeinflusst, falls der Einfluss der Einnahme der Nahrungsergänzungsmittel vernachlässigbar war.

Nun müssen wir lediglich kalkulieren, wie genau die Faktoren den Gewichtsverlust beeinflusst haben, indem wir eine tentative Regressionsgleichung erstellen. Um dies zu tun, drücken Sie bitte auf den Button „Zusammenfassung: Regressionsresultate“, um sich eine neue Tabelle anzeigen zu lassen. Bedienen Sie sich der Werte der Spalte „b“ der Tabelle, um eine Regressionsgleichung zu erstellen:

Abb. 7 Variablen der Regressionsgleichung

Wir erhalten die folgende Gleichung

Wenn wir nun die Werte in die Gleichung einsetzen (Strgl+C в STATISTICA -> Strg+V в Excel), können wir den Gewichtsverlust für jede Änderung der Ergänzungsmitteleinnahme bzw. der Intensität der körperliche Aktivität berechnen. Zum Beispiel:

• Gewichtsveränderung 1 = 0,00117*100 - 0,6375*0 - 2,5625 = -2,4455. Das bedeutet, dass man bis zu 2.4 Pfund verlieren kann, wenn man jeden Tag 100mg einnimmt und dabei keiner Aktivität nachgeht.
• Gewichtsveränderung 2 = 0,00117*100 - 0,6375*10 - 2,5625 = -8,8205. Das bedeutet, dass der Gewichtsverlust bis zu 8,82 Pfund betragen kann, wenn man jeden Tag 100mg einnimmt und dabei 10 Stunden in der Woche körperlich aktiv ist.

Ich hoffe, dass dieses Beispiel verständlich macht, in welcher Art und Weise eine multiple Analyse verwendet werden kann. In der Tat könnten einige dieses Beispiel für interessant befinden, da es Ihnen zeigt, ob ihre Diät allein bereits Wirkung zeigt oder aber, ob Sie ferner ein Fitnesscenter aufsuchen müssen.

Wir werden nun dazu übergehen, die Idee dieses Experiments auf Währungen zu übertragen. Lassen Sie uns annehmen, dass die abhängige Variable die Kursänderung des Paares EURUSD darstellt und dass die unabhängigen Variablen die makroökonomischen Statistiken sein sollen, die wir mithilfe des Ereigniskalenders der beliebten Forex-Factory erhalten.

Ähnlich obigen Beispiels können wir die makroökonomischen Faktoren, die die Währungskurse beeinflussen, mittels multipler Analyse identifizieren. Wir können außerdem eine Gleichung erstellen, die den Wert des Währungskurses schätzt, nachdem die makroökonomischen Statistiken veröffentlicht wurden.

Vorbereitungen zum Importieren der Daten in das Programm STATISTICA

Die Arbeit mit der Forex-Factory-Website hat mir gezeigt, dass es folgende Dinge zu beachten gilt: Hier werden die selben Daten in verschiedenen Formaten publiziert. So besitzen Zahlen beispielsweise ein Textformat oder zusätzliche Textdaten, was das normale Sammeln von Daten erschwert. Das Parsen der Webseite, um Daten zu erhalten, könnte fehlschlagen.

Ich habe manuell die Werte von 99 Faktoren des News-Kalenders (USA, die letzten 7 Jahre) ermittelt..

Abb. 8 Veröffentlichte, makroökonomische Indizes der USA

Ich habe alle Zahlen in ein einheitliches Format gebracht, habe alle zusätzlichen Textdaten wie „Millionen“ oder Milliarde“ entfernt, habe alle Daten in eine Tabelle mit sieben Spalten gestopft (siehe Artikelanhang: „calendar_usd.zip“) und habe schließlich alle Angebote für EURUSD (D1) hinzugefügt.

Spalten-Header:

• Datum
• MonatJahr
• Zeit
• Zeitzone
• Währung:
• Beschreibung
• Zurückliegend

Die Ergebnisübersicht weist mehr als 6700 makroökonomische Dateneinträge und Angebote für EURUSD auf - sie besitzt keinerlei praktischen Nutzen hinsichtlich einer simplen, manuellen Analyse. Alle Daten in die Tabelle zu übertragen, in welcher Sie auf Basis ihres Typs auf verschiedene Spalten/Zeilen aufgeteilt wurden, bedurfte eines zusätzlichen Steuerprogramms. Wir benutzen das Skript ListConvertToTable, um Daten zu verarbeiten und sie in eine Tabelle zu konvertieren.

Im Einstellungsfenster des Skripts muss hierfür eine Eingabedatei und das Zieldokument gewählt werden. Die Eingabedatei muss sich ferner anfangs im folgenden Ordner befinden: terminal_data_directory/MQL5/Files. Hier wird auch die Ausgabedatei nach ihrer Erstellung landen.

Aufgrund des immensen Datenumfangs wird die Transformation der News-Listen in Tabellendaten eine gewisse Zeit in Anspruch nehmen. Im Skript eingebaute Warnmeldungen werden Ihnen die entsprechenden Phasen anzeigen. Warnmeldung „8“ wird Ihnen kundtun, wann der Prozess abgeschlossen ist und wann Sie mit der Datei arbeiten können. Die Tabelle, die einer multiplen Analyse unterzogen werden soll, finden Sie im Anhang dieses Artikels.

Ich habe hierbei folgende Ergebnisse erzielt (siehe Anhang: „calendar_usd_out.zip“):

Abb. 9 Resultate der Ausführung des Skripts ListConvertToTable via MQL5:

Wir werden erneut auf das Programm STATISTICA zugreifen, um die Daten zu verarbeiten. Um eine CSV-Datei in Richtung STATISTICA hochzuladen, sollten Ihnen die Hinweise folgender Seite weiterhelfen können:

• Öffnen Sie in STATISTICA zunächst „Datei“, dann „Öffnen“ und wählen Sie „Dateien“, um Ihre .CSV-Datei zu öffnen.
• Wählen Sie dann im darauffolgenden Fenster für den Typ der zu importierenden Datei „Begrenzt“ aus und bestätigen Sie mit „OK“.
• Im geöffneten Fenster finden sich unterstrichene Einträge
• In dem Feld „Dezimaltrennzeichen“ muss zwangsläufig ein Punkt gesetzt werden, ungeachtet, ob dort einer steht oder nicht:

Abb. 10 Import einer Tabelle mit dem Format CSV in das Programm STATISTICA

Drücken Sie auf „OK“ und Sie werden eine Tabelle mit Ihren Daten erhalten. Die Daten sind nun für eine multiple Regressionsanalyse bereit. Um den Einfluss der Daten auf die folgende Kursveränderung zu analysieren, ist es notwendig, diejenigen Perioden hinzuzufügen, in denen die Kursveränderung stattfand. Ich habe alle News seit 2010 sowie drei Optionen für die abhängige Variable zur Analyse ausgewählt:

• Währungskursänderung einen Tag nach der News-Veröffentlichung
• Währungskursänderung fünf Tage nach der News-Veröffentlichung
• Währungskursänderung zehn Tage nach der News-Veröffentlichung

Diese Spalten können manuell zur CSV-Tabelle, bevor das Ganze in das Programm STATISTICA exportiert wird, oder in die Tabelle des Programmfensters hinzugefügt werden:

Abb. 11 Tabelle mit den erweiterten Daten

Die Daten sind nun bereit und mit den Indikatoren - die unserer Meinung nach den Währungskurs beeinflussen - kann nun interagiert werden.

Ermittlung von Faktoren, die einen großen Einfluss auf den Währungskurs haben

Starten Sie die Regressionsanalyse (Statistik -> Multiple Regression). Aktivieren Sie daraufhin im aufploppenden Fenster die markierten Einträge im „Erweitert“-Tab. Gehen Sie auf den Button „Variablen“.

Wählen Sie nun im ersten die abhängige und im zweiten Feld die unabhängigen Variablen aus. Unsere Gleichung wird auf den Werten der ausgewählten Variablen basieren:

Abb. 12 Fenster zur Auswahl der Indikatoren

Wählen Sie mithilfe des Buttons „Variablen“ diejenigen Daten aus, die für eine Analyse verwendet werden sollen:

Abb. 13 Zuweisung unabhängiger und abhängiger Variablen

Nun wird ein Fenster mit der Warnmeldung „Einige Variablen weisen keine Varianz auf“ erscheinen, um Sie darauf hinzuweisen, dass einige der ausgewählten, unabhängigen Variablen nicht ohne Daten geändert werden können. Derartige Spalten müssen gelöscht werden. Infolge dieses Löschvorgangs werden wir auf Spalte 49 - „Kursentscheidung des USD Federal Open Market Committees“- stoßen. Löschen Sie sie und Sie erhalten eine Tabelle, die für die Analyse verwendet werden kann (siehe folgende Datei im Anhang: „calendar_2010-2011_usd_out.zip".

Klicken Sie auf „OK“. Im geöffneten Fenster versehen wir die Checkbox im „Erweitert“-Tab mit einem Häkchen:

Abb. 14 Wahl der Methode: „Schrittweise vorwärts“

Schließen Sie den Auswahlvorgang ab, indem Sie auf den Button „OK“ klicken. Im nächsten Fenster wählen wir die Methode „Schrittweise vorwärts“, um eine automatische Datenauswahl zu ermöglichen, und klicken daraufhin erneut auf „OK“:

Abb. 15 Wahl der Methode: „Schrittweise vorwärts“

Wir setzen nun zum Endspurt an. Wenn Sie in einem neuen Fenster die Nachricht erhalten sollten, dass die Regressionsanalyse erfolgreich war, so gehen Sie bitte auf „Zusammenfassung: Regressionsresultate“

Eine automatische Auswahl der Indikatoren sortiert all jene aus, die den größten Beitrag zur multivariablen Korrelation zwischen der abhängigen und den unabhängigen Variablen leisten. In unserem Fall handelt es sich um ein Set von Indikatoren, das den größten Einfluss auf den Kurs hat. Die automatische Auswahl fungiert gewissermaßen als ein Strategietester. Die generierte Gleichung wird nur Indikatoren beinhalten, die das Verhalten des Kurses hinreichend zuverlässig beschreiben.

Ich muss an dieser Stelle anmerken, dass die Regeln der beinhaltenden Indikatoren von STATISTICA, die für die Analyse benutzt werden sollen, nicht immer 100% optimal sind. So kann beispielsweise die Regressionsgleichung viele nicht verlässliche Indikatoren enthalten (in der Resultatstabelle schwarz dargestellt). Falls die Liste nicht verlässliche Indikatoren enthält, dann kehren Sie bitte zur Auswahl der Indikatoren zurück und entfernen Sie die nicht verlässlichen von dem Lot, das für die Analyse bestimmt ist.

Um wieder zurückzukehren, betätigen Sie in dem Fenster mit den Analyseergebnissen die Schaltfläche „Abbrechen“ und wiederholen Sie die Analyse. Versuchen Sie auf diese Weise alle Indikatoren auszuschließen, die nicht vollständig verlässlich sind. Behalten Sie dabei jedoch gleichzeitig im Hinterkopf, dass der erhaltene Wert der multivariablen Korrelation (Multiple R) nicht signifikant kleiner als der ursprüngliche sein sollte. Sie können alle nicht verlässlichen Indikatoren von der Analyse entweder nach und nach, oder aber alle gleichzeitig entfernen. Gleichwohl wäre die erste Methode vorzuziehen.

Letztendlich sollten nur verlässliche Indikatoren, die die Kursfluktuation beeinflussen, in der Tabelle verbleiben. In den Tabellen waren die Variablen, die die Kurse beeinflussen, rot und diejenigen, die die keinen Effekt haben, schwarz dargestellt.

Nach dem Abschluss der Analyse stellte sich heraus, dass es einige Indikatoren gab, die nach ihrer Veröffentlichung einen gewissen Einfluss auf den Währungskurs haben. Während jeder Periode gab es dabei ein Set an Indikatoren, dass sich von den anderen unterschied. Durch die Wahl von „Kursänderung innerhalb eines Tages“ (wir analysieren das Kursverhalten innerhalb eines Tages, nachdem der Indikator veröffentlicht wurde) als unabhängige Variable auf der linken Seite des Fenster, erhalten wir das Folgende.

Abb. 16 Unabhängige Variable „Kursänderung innerhalb eines Tages“

Kehren Sie zurück, indem Sie auf „Abbrechen“ klicken, und wählen Sie dann „Variablen“ aus, um auf die Variablenliste zurückzukehren. Wir entfernen so Stück für Stück die schwarzen Einträge aus der Liste der unabhängigen Variablen, wodurch am Ende nur noch rote Einträge verbleiben. Die verbleibenden Einträge werden dann diejenigen News enthalten, die den Kurs der folgenden Tage zu beeinflussen vermögen.

Nehmen Sie bitte zur Kenntnis, dass sich die Einträge innerhalb der Tabelle durch ihre Farbe voneinander unterschieden. Die unabhängigen Variablen, die einen signifikanten Einfluss auf die abhängigen haben, werden rot dargestellt. Die untere Abbildung weist lediglich rote Einträge auf: Die Fehler der Resultate der Gleichung nach Eingabe der Daten werden im Vergleich zum ersten Fall weniger sein. Der Einfluss kann entsprechend des Wertes der Koeffizienten der letzten Spalte, „p-Wert“, beurteilt werden. Hierbei gilt: je kleiner der Wert, desto besser. Die Variablen, die keinen Einfluss auf den Kurs haben, können entfernt werden - basierend auf den Koeffizienten.

Durch die Wahl von „Kursänderung innerhalb von fünf Tagen“, und durch das aussortieren von relevanten News, indem wir irrelevante nach und nach entfernen, erhalten wir die folgenden Ergebnisse:

Abb. 17 Unabhängige Variable „Kursänderung innerhalb von fünf Tagen“

Wenn wir dann, endlich, „Kursänderung innerhalb von zehn Tagen“ als unabhängige Variable auswählen, so erhalten wir:

Abb. 18 Unabhängige Variable „Kursänderung innerhalb von fünf Tagen“

Wenn wir die Kursänderung innerhalb eines Tages nach der Indikatorveröffentlichung als unabhängige Variable auswählen, dann erkennen wir, dass für die Periode von 2010 bis Mitte 2011 Folgendes gilt: Die Kurse wurden hauptsächlich von den Immobilienentwicklungsdaten und -indizes beeinflusst, die seitens des Richmond Institutes veröffentlicht wurden.

Im Laufe von fünf Tagen nach der Veröffentlichung der Daten, werden die Indizes der Produktions- und der Nicht-Produktionsindustrien, die Lohnkosten als auch die Arbeitslosenzahlen zu den Daten der Entwicklungsindustrie hinzugefügt.

Falls wir zehn Tage in Betracht zögen, so wurde sich der Breakdown der beeinflussenden Indizes ändern. Nun rücken die Indizes der Produktions- und der Nicht-Produktionsindustrien, die Anträge für Häuserweiterentwicklungen sowie das Arbeitslosenlevel und die Energiepreise in den Vordergrund.

Folglich gilt: Faktoren, die den Kurs des Paares EURUSD beeinflussen, ähneln den makroökonomischen Daten der Fundamentalanalyse - diese wichtige Information finden Sie in jedem Lehrbuch. Wir wir gesehen haben, wird dies durch die Mathematik und durch Statistiken eindeutig bestätigt.

Regressionsgleichung und Resultate der Prognose

Es genügt an dieser Stelle nicht, die den Kurs beeinflussende Faktoren nur zu kennen. Es ist ferner notwendig, einschätzen zu können, wie sich der Preis entsprechend veröffentlichter Indizes ändern wird. Wir werden hierzu wie im Beispiel zu Beginn des Artikels eine Regressionsgleichung erstellen.

Die Gleichung soll dabei auf den gesammelten Daten der Tabelle der Abb. 17 - Kursänderung innerhalb von fünf Tagen - basieren. Zu diesem Zwecke werden wir die Variablen der Spalte mit dem Header „b“ verwenden: Die erste Zeile ist eine numerische Konstante, die wir gegen Ende der Analyse erhalten. Ihre Berechnung wird im folgenden Artikel thematisiert werden.

Lassen Sie uns nun eine Regressionsgleichung auf Basis folgender Koeffizienten erstellen:

wobei wir die Werte der Spalte „b“ als Koeffizienten verwenden und die makroökonomischen Daten als Multiplikatoren der eckigen Klammern benutzen.

Durch ein Einsetzen der Werte der makroökonomischen Indizes (siehe Source-Webseite) in diese Gleichung, werden wir eine Zahl R erhalten, die größer oder kleiner als null ist. Falls das Resultat des Einsetzens dieser Werte größer als null sein sollte, so bedeutet dies, dass die Kurse innerhalb der für die Analyse ausgewählten Periode ansteigen werden. Dabei wird der Wert von R den Kursanstieg symbolisieren. Ein negativer Wert für R bedeutet, dass die Kurse fallen können. In diesem Fall wird der Wert von R den Kursabfall veranschaulichen.

Setzen Sie die Werte in die obige Formel ein und Sie können ein Ergebnis erwarten, dass auf dem EURUSD-Beispiel basiert. Wir wollen die Daten des Eintrags 04.08.2010 als Beispiel zum Einsetzen von Koeffizienten in die Gleichung verwenden:

	b	Wert	[b]х[Wert]
Schnittpunkt	-0,0761	1,00000	-0,0761
Kursänderung innerhalb eines Tages	0,3551	-0,0070	-0,0025
Kursänderung innerhalb von zehn Tagen	0,3199	0,0244	0,0078
USD Verkäufe bestehender Wohnimmobilien (MoM)	0,4552	-0,022	-0,0100
USD MBA Hypothekenanträge	-0,1470	-0,044	0,0065
USD Beschäftigungskostenindex (ECI)	144,0041	0,006	0,8640
USD NAPM-Milwaukee	0,0106	59	0,6278
USD Verkäufe bestehender Wohnimmobilien	0,0000	5660000	-0,6596
USD Arbeitslosenquote	-6,7866	0,099	-0,6719
USD ISM-Einkaufsmanagerindex	0,0197	56,2	1,1052
USD Zivile Investitionsausgaben (ausgenommen: Luft)	-2,8934	0,048	-0,1389
USD Gebrauchsgüter (ausgenommen: Transport)	4,9290	0,012	0,0591
USD Häuser-Einkaufspreis-Index (QoQ)	-5,9295	-0,018	0,1067
USD Chicago-Purchasing-Manager-Index	-0,0160	59,1	-0,9433
USD Persönliche Konsumausgaben (YoY)	-19,8579	0,015	-0,2979
			-0,0230

R=-0,0230, daher gibt es für die nächsten fünf Tage einen anhaltenden Abwärtstrend, der während des 04.08.2010 beginnt und der den Kurs um 230 Punkte sinken lassen wird. Sehen wir uns den Chart des Paares EURUSD für diese Periode an:

Abb. 19 EURUSD August 2010

Wie wir dem Chart entnehmen können, war die Prognose durchaus korrekt und der Kurs fiel von 1.3154 auf 1.2844 Punkte im Laufe von fünf Handelstagen ab (Schluss: 11.08), das entspricht einem Minus von 310 Punkten. Die Prognose für den - auf den Resultaten der Regressionsgleichung basierenden - Kursabfall war somit korrekt. In ähnlicher Weise können auch andere Daten eingegeben werden.

Fazit

Die Art und Weise, wie in diesem Artikel Daten makroökonomischer Indikatoren analysiert worden sind, erlaubt es, eine Fundamentalanalyse zu simplifizieren, auf dass selbst ein Anfänger riesige Mengen von ökonomischen Daten kinderleicht händeln kann.

Mehr noch stellt dieser Fundamentalanalysenansatz die Möglichkeit dar, umgehend auf plötzlich eintreffende Neuigkeiten adäquat zu reagieren.

Nehmen Sie bitte zur Kenntnis, dass die Prognose nicht als ein sicheres Zeichen dafür anzusehen ist, dass der Währungskurs sich auch tatsächlich in die entsprechende Richtung bewegen wird. Die Prognose ist probabilistisch und basiert auf sehr vielen verschiedenen Faktoren. Außerdem muss die Regressionsgleichung stets neu berechnet werden, sobald neue Daten eintreffen.

Viel Spaß mit Ihren eigenen Prognosen und Vorhersagen!