Das Framework

Liquidität und Momentum im Dialog

Die meisten Modelle betrachten diese beiden Kräfte isoliert. Das Framework verfolgt einen anderen Ansatz: Es misst, wie Liquiditätsschocks das Momentum-Verhalten verändern – und nutzt diese Wechselwirkung für robustere Signale.

Kontakt aufnehmen

Die Bausteine des Frameworks

Vier Komponenten bilden das analytische Gerüst. Jede Einheit lässt sich isoliert betrachten, entfaltet ihre volle Kraft erst in der Verbindung.

Liquiditätsmetriken

Amihud-Illiquidität, Bid-Ask-Spannen und Orderbuchtiefe werden nicht als statische Werte erfasst, sondern als zeitveränderliche Prozesse modelliert. Der Fokus liegt auf abrupten Verschiebungen, nicht auf Durchschnittswerten.

Momentum-Definitionen

Klassische Renditeintervalle werden durch pfadabhängige Varianten ergänzt. Das Framework berücksichtigt, wie sich Preisbewegungen über verschiedene Zeithorizonte kumulieren und dabei Liquiditätsbedingungen unterliegen.

Interaktionsterme

Kreuzprodukte und nichtlineare Kombinationen erfassen, wie Liquiditätsschocks das Momentum verstärken oder dämpfen. Diese Terme sind der Kern der Vorhersagekraft und unterscheiden das Framework von herkömmlichen Ansätzen.

Regime-Erkennung

Marktphasen werden nicht ex ante definiert, sondern aus den Daten selbst abgeleitet. Das Framework identifiziert Zustände, in denen die Liquiditäts-Momentum-Interaktion besonders ausgeprägt ist – und solche, in denen sie bricht.

Datenvorbereitung

Grundlage jeder validen Analyse

Rohdaten aus verschiedenen Quellen werden bereinigt, auf Konsistenz geprüft und in ein einheitliches Format überführt. Fehlende Werte werden nicht willkürlich interpoliert, sondern durch Modellierung der Informationsstruktur behandelt. Die Qualität dieser Phase bestimmt die Robustheit aller nachfolgenden Schritte.

Marktdaten, Orderbuchinformationen und makroökonomische Indikatoren werden integriert und auf zeitliche Übereinstimmung geprüft.

Datenqualität schlägt Datenmenge.

Merkmalsextraktion

Transformation in interpretierbare Variablen

Aus den aufbereiteten Daten werden Liquiditäts- und Momentum-Merkmale generiert. Dabei werden nicht nur Niveaus, sondern auch Veränderungsraten, Volatilitäten und Kreuzkorrelationen berücksichtigt. Die Merkmale werden auf Stationarität getestet und transformiert, wo erforderlich. Das Ziel ist eine Darstellung, die die zugrunde liegenden ökonomischen Mechanismen widerspiegelt.

Über hundert Rohmerkmale werden auf ein Dutzend robuste Faktoren reduziert, die ökonomisch interpretierbar sind.

Einfache Merkmale sind oft stabiler als komplexe Konstrukte.

Modellschätzung

Quantifizierung der Wechselwirkungen

Die Interaktionsterme werden in einem Regressionsframework geschätzt, das zeitliche Abhängigkeiten und Heteroskedastizität explizit modelliert. Die Schätzung erfolgt rollierend, um strukturelle Brüche zu erfassen. Out-of-Sample-Tests prüfen die Vorhersagekraft auf nicht gesehenen Daten. Jedes Modell wird gegen naive Benchmarks und reine Haupteffekt-Modelle geprüft.

Bayesianische und frequentistische Methoden werden kombiniert, um Parameterunsicherheit angemessen darzustellen.

Out-of-Sample-Performance ist der einzige relevante Test.

Signalgenerierung

Von Schätzung zu interpretierbarem Output

Die geschätzten Koeffizienten werden in standardisierte Scores überführt, die Vergleiche über Zeit und Querschnitt ermöglichen. Diese Scores bilden die Grundlage für die Identifikation von Situationen, in denen die Liquiditäts-Momentum-Interaktion ein besonderes Muster aufweist. Die Signale werden nicht als Handelsempfehlungen interpretiert, sondern als Ausgangspunkt für weitere Analyse.

Scores werden auf Verteilungseigenschaften geprüft und in Regime-Zuordnungen überführt.

Signale ohne Kontext sind nur halb so wertvoll.

Konventionell versus integriert

Der Unterschied liegt nicht in der Komplexität, sondern in der Perspektive.

Standardansatz

Liquidität und Momentum werden als verbundene Grössen modelliert, deren Wechselwirkung im Mittelpunkt steht.

Jeder Faktor wird isoliert betrachtet, Interaktionen bleiben implizit oder unberücksichtigt.

Das Framework passt sich an Marktphasen an und erkennt, wann die Interaktion bricht oder verstärkt wird.

Statische Parameter über alle Marktphasen hinweg führen zu verzerrten Schätzungen in turbulenten Zeiten.

Jede Spezifikation wird auf nicht gesehenen Daten geprüft, bevor sie in die Analyse aufgenommen wird.

In-Sample-Optimierung dominiert; Out-of-Sample-Tests werden selten systematisch durchgeführt.

Fraeciatneirquiskoac

100%

Standardansatz

40%

Der integrierte Ansatz erfordert mehr Datenaufwand, liefert aber robustere Ergebnisse in wechselnden Marktumgebungen.

Was das Framework leistet

Die Integration von Liquiditäts- und Momentum-Perspektive eröffnet analytische Möglichkeiten, die isolierte Betrachtungen nicht bieten.

Frühere Brucherkennung

Wenn die Liquiditäts-Momentum-Interaktion ihre Vorhersagekraft verliert, signalisiert dies einen Regimewechsel oft früher als reine Preissignale.

Robustere Schätzungen

Die explizite Modellierung der Interaktion reduziert Omitted-Variable-Bias und führt zu stabileren Parameterschätzungen über Zeit.

Die Interaktion als Erklärungskern

Das Framework geht davon aus, dass die wichtigsten Marktphänomene nicht in einzelnen Faktoren liegen, sondern in der Art und Weise, wie diese Faktoren miteinander sprechen. Die Liquiditäts-Momentum-Interaktion ist ein Beispiel für einen solchen Mechanismus.

In ruhigen Marktphasen entwickelt sich Momentum gleichmässig. Liquiditätsschocks sind selten und haben begrenzte Wirkung. Die Interaktion bleibt im Hintergrund.

In turbulenten Phasen verändert sich das Bild. Plötzliche Liquiditätsengpässe verstärken bestehende Trends oder führen zu abrupten Umkehrungen. Die Interaktion wird zum dominierenden Faktor.

Das Framework identifiziert diese Übergänge nicht durch heuristische Regeln, sondern durch statistische Tests, die die Stabilität der Interaktionsterme überprüfen.

Das Ergebnis ist eine differenziertere Sicht auf Marktdynamiken, die reine Preisbetrachtungen nicht liefern können. Die Signale sind kontextualisiert, nicht absolut.

Abstrakte Visualisierung von Datenverbindungen und Interaktionseffekten

Transparenz durch Methodik

Jeder Schritt ist dokumentiert, jede Annahme benannt, jede Einschränkung offengelegt. Das Framework lädt zur kritischen Prüfung ein, statt sie abzuwehren.

Reproduzierbarkeit

Die Analysepipelines sind so strukturiert, dass Ergebnisse von unabhängigen Dritten nachvollzogen und repliziert werden können.

Das Framework arbeitet mit handelsbasierten Daten, Orderbuchinformationen und makroökonomischen Indikatoren. Mindestens fünf Jahre historischer Daten werden für stabile Schätzungen empfohlen.

Die Modellschätzung erfordert moderate Rechenressourcen. Ein Standard-Workstation-Setup genügt für die meisten Anwendungen. Parallelisierung beschleunigt die rollierende Schätzung.

Die Output-Formate sind standardisiert und lassen sich in gängige Analyseumgebungen überführen. Die Methodik ist unabhängig von spezifischer Software.

Die rollierende Schätzung erfolgt täglich oder wöchentlich, je nach Datenverfügbarkeit. Regime-Tests werden monatlich durchgeführt, um strukturelle Brüche zu erkennen.

Faktor-Investing nutzt bekannte Risikoprämien systematisch. Dieses Framework untersucht die Wechselwirkung zwischen Faktoren und deren zeitliche Variation, nicht deren reine Nutzung.

Cookie-Hinweis

Diese Website verwendet Cookies und ähnliche Technologien, um die Funktionalität zu gewährleisten und das Nutzungserlebnis zu verbessern. Einige Cookies sind technisch notwendig, während andere der Analyse und Optimierung dienen.