Why Stock Markets Crash: Critical Events in Complex Financial Systems [Englisch] [Gebundene Ausgabe]

Der Autor ist gelernter Geophysiker und der bekannteste/umtriebigste Econophysiker. In der Econophysik werden Physikalische Modelle auf die Ökonomie und im Speziellen auf das Finanzcasino angewandt.
Sornette zeigt zunächst, dass der rechte Teil vieler empirischen Verteilungen einer power-low vulgo Pareto-Verteilung folgt. Eine Tatsache, die V.Pareto schon 1896 postulierte (obwohl das Buch ein Streifzug durch die Wissenschaft ist, wird Pareto aber nicht erwähnt). Die Pareto-Verteilung hat fat-tails. Die Extremwerte heben sich noch einmal von dieser Verteilung ab. Sornette nennt diese Werte King-Dragons. Betrachtet man die Verteilung der Einwohnerzahlen von französischen Städten, dann ist Paris ein King-Dragon. Crashes sind die King-Dragons der Börse.
Sornette geht davon aus, dass diese King-Dragons einem anderen Phasenzustand angehören.
Eine klassische Methode zur Simulation von Phasenübergängen sind Ising-Modelle [Newman,Berkema 1998]. Benachbarte Atome haben geringere Energie, wenn ihre Spins gleichgerichtet sind. Allerdings wird die parallele Ausrichtung ständig durch thermische Effekte zerstört. Es gibt eine kritische Temperatur. Oberhalb dieser Temperatur gibt es nur kleine, zufällig Inseln von parallelen Spins. Diese Inseln lösen sich auch ständig wieder auf. Bei der kritischen Temperatur kommt es zu komplexen Mustern, unterhalb richten sich die Spins fast vollständig in einer Richtung aus. Ising-Modelle erklären u.A. sehr gut den Ferromagnetismus. Sornette postuliert, dass die Händler auf einem fraktalen diamantartigen Gitter organisiert sind. Jeder Händler kommuniziert auf diesem Gitter mit seinen Nachbarn. Seine Entscheidung hängt von der Meinung der Nachbarn sowie seiner privaten Information/Einstellung ab. Das ist quasi die Händler-Temperatur. Ein Crash tritt ein, wenn die Spins der Händler kollektiv auf "sell" umkippen.
Daraus folgert Sornette zwei Bedingungen für einen Crash: Die Kurse müssen Super-Exponential Wachsen (seine Definition der Blase) und es muss erkennbare Vorbeben geben. Der Begriff Vorbeben ist aus der Erdbebenforschung übernommen und daher wörtlich zu nehmen. Das Super-Exponentialle Wachstum ist durch Schwingungen mit logarithmisch zunehmender Frequenz überlagert (log-Periodicity). Der kritische Punkt ist erreicht, wenn die Frequenz der Vorbeben gegen Unendlich geht. In diesem Punkt ist die Wahrscheinlichkeit für einen Crash am höchsten. Es kann aber schon vorher, aber auch gar nicht, krachen.
Sornette formuliert daher ein Modell mit 6 bzw. ein erweitertes Modell mit 8 Parametern, dass sowohl das Super-Exponentielle Wachstums als auch die log-Periodicity enthält. Da stellte sich beim Lesen meine Statistiker-Seele die banale Frage: Wie schätzt man diese Parameter? Das Buch verweist auf Papers. Ich habe mir diese vom Netz heruntergeladen. Diese Papers verweisen auf weitere Papers. Nachdem Sornette&Co eine Paper-Blase produzieren, ist man damit eine Weile beschäftigt. Am Ende ist man auch nicht viel klüger. Außer der Erkenntnis, dass in den meisten Papers dasselbe steht.
Die im Buch mehrfach zitierten Lomb-Periodogramme funktionieren auf alle Fälle nicht. Bei der Lomb-Methode geht man - wie bei der Fourier-Analyse - von stationären Zeitreihen aus. Eine Blase ist klarer Weise nicht stationär. Man kann vorher den Blasen-Trend herausrechnen, aber das ist bei einem postulierten Super-Exponentiellen Wachstum alles andere als befriedigend. Sornette erwähnt an einer Stelle einen metaphorischen Zusammenhang mit Eliott-Waves. Ich würde sagen, auch bei Sornette finden die Schwingungen primär im Auge des Betrachters statt. Ein Modell mit 8 Parametern kann man immer so hindrehen, dass es zumindest im Nachhinein gut passt. Viel überzeugender finde ich die im Buch ebenfalls erwähnte Analyse von [Bates 1991].
Ich habe - mit freiem Auge - beim S&P-500 den Crash im Jan. 2008 und den Super-Crash im Herbst 2008 genauer angeschaut. Von Super-Exponentiellem Wachstum kann keine Rede sein. Ich kann auch keine log-Periodicity erkennen (das ist aber mit freien Auge schwer festzustellen [Press 2007]). Deutlich erkennbar ist aber ein starker Anstieg der realized-intraday-Volatility bereits vor dem Crash.

Sornette hat das Financial-Crisis-Observatory (FCO) ins Leben gegerufen. Das FCO gab am 10.Juli 2009 eine dringende Erdbeben-Warnung für den Hang-Sen Index aus. Laut FCO sollte es zwischen dem 17. und 27. Juli krachen. Diese Meldung ging damals auch durch die Medien. Die Händler sind aber nicht in Panik aus ihren Häusern gelaufen. Es ist das Gegenteil passiert. Der Hang-Shen hat bis Ende Juli eine beispiellose Ralley gemacht. Zwei kleinere Knicks zwischendurch sind eindeutig innerhalb der normalen Schwankungsbreite. Es hat bis zum heutigen Tag nicht gekracht.

Im letzten Kapitel lässt Sornette die Welt im Jahr 2050 untergehen. Da schlägt das Buch eindeutig in Wahrsagerei um.

Ich glaube nicht, dass die Modelle von Sornette eine nennenswerte praktische Bedeutung haben. Ich habe jedenfalls nicht vor das Modell in meinem Börsenprogramm zu integrieren. Trotzdem habe ich das Buch mit sehr grossem Vergnügen gelesen. Es ist gut geschrieben und enthält eine Unzahl von interessanten Hinweisen und Ideen. Das Lesevergnügen stellt sich allerdings nur ein, wenn man von den gestreiften Wissenschaftsgebieten eine ungefähre Vorstellung hat. Zu genaue Kenntnis dürfte dem Lesevergnügen aber wieder abträglich sein. Dort wo ich wirklich verstand was der Autor sagt hatte ich den Eindruck: Sornette schlägt Schaum.

[Newman,Berkema 1998]: M.E.J.Newman, G.T.Barkema: Monte Carlo Methods in Statistical Physics.
[Bates 1991]: Bates D.S.: The crash of '87: Was it expected? The evidence from options markets. Journal of Finance 46, 1009-1044. Einfach, aber gut.
[Press 2007]: W.H. Press et al.: Numerical Recipes, 3rd Edition, p. 687.

Anmerkung: Die 5 Sterne enthalten einen Quant-Aufschlag. Man ist auf diesem Gebiet über jedes Buch das einem zum Denken anregt schon dankbar. Newman&Berkema sowie Press sind echte 5-Sterne Bücher.

Das Wichtigste zuerst:
-das Buch bereitet mir großen Spass . Man bekommt viel "Populärwissenschaftliches" aus spannenden und interessanten Feldern wie Experimentelle Psychologie/Behavioural Finance, Complexity Science und Dynamische Systemtheorie (und ihren Anwendungen in der Soziologie, Biologie...etc). Eine wahre "Enzoklopädie" vergangener Chrashes (aber eine rein empirische Betrachtung...keine Wirtschaftspolitische/Ökonomische Interpretation), geschmückt mit Aussagekräftigen Abbildungen.
- ob das so wirklich Sinn macht, was der Herr Sornette da veranstaltet, weiß ich nicht so wirklich. Praktischen Nutzen hat das Buch eher nicht. Aber es erweitert den Horizont.
- die 5 Sterne sind meine persönliche Meinung. Ich bin diesbezüglich etwas "biased". Ich finde es einfach spannend, wenn es um das Disziplinübergreifende Feld der Comlexity/Dynamic System Theory/Evovlving Systems und seine Helden wie Per Bak, Doyne Farmer und Norman Packard etc geht. Da werde ich eher zum Fan, als zum kritischen Betrachter:)... so take this review with a grain of salt.

Nun zur eigentlichen rezension:
Erstmal gilt es zu betonen: Sornette ist echter Wissenschaftler. Geo-Physiker an der UCLA und Mitglied des ETH Risk Labs (wo sich auch andere Größen wie Embrechts tummeln). Er ist ein Fachmann auf dem Gebiet das man als "Self-organized criticality" bezeichnet, eine spezieller Vertreter der Dynamischen Systeme. Das ist so an sich unter Wissenschaftlern wohl nicht ganz unumstritten, aber faszinierend sind die daraus enstehenden Ideen allemal.

Die Idee lässt sich mal gaaaanz grob und stark verkürzt so beschreiben. Ein komplexes System ist in seinem "Normalzustand" nicht vorhersagbar. Returns and den Kapitalmärkten lassen sich nur schwer oder gar nicht (darüber streitet man) prognostizieren. Ein solches System zeichnet sich dadurch aus, daß es aus sehr vielen "Agenten" besteht, die zueinander in Kontakt stehen und dadurch Feedback erzeugen (in letzter Konsequenz schauen alle auf einen Bildschirm mit Kursen...die sie selbst durch ihr Handeln beiflussen). Normaleweise sind diese Agenten heterogen. Es gibt "Optimisten" udn "Pessimisten". Marktteilnehmer mit kurzem und welche mit langen Anlagezeitraum, großer und niedriger Risikobereitschaft, manche haben mehr Information als andere etc....Spannend wird so ein System nun dann, wenn es sich beginnt zu "synchronisiert", dann wenn die einzelnen Agenten beginnen zu "clustern" und ihre Hnadeln gleichschalten. Sowas erzeugt dann eine Art viralen Effekt, die Kursbewegung werden größer, die Unsicherheit steigt. Der Mensch oder Soziale Systeme an sich neigen dann zur "Immitation". Das ist NICHT dumm (auch wenn man solche Menschen in "Retail" Foren dann gerne als "Lemminge" belächelt....andererseits gilt es in den selben Foren als Weisheit sich nicht gegen den Trend zu stellen...leicht schozophren:) )! Aber der Mensch funktioniert so. Stellen Sie sich vor Sie sind auf einer großen Sportveranstaltung. Sie haben leicht die Orientierung verloren und wissen nicht genau wo der nächste Ausgang ist. Sie vermuten aber zu ihrer Rechten Seite. Plötzlich gibt es eine Explosion. Das Hallendach scheint einzustürzen (Sie können es nicht so genau sagen...aber Menschen schreien, es scheint eine Panik auszubrechen...). Die Menschenmassen flüchten....nach Links!!! Wie sicher sind Sie sich, daß Sie Ihre eigentliche Annahme ("Ausgang rechts") nicht nochmal überdenken würden? Schwarmbildung macht in einer Welt voller Risiko und Unsicherheit Sinn......manchmal:)

Je nach "Geometrie" der Verbindungen (der Hirarchie des Systems)zwischen den Agenten, gibt es einen gewissen "kritischen" Punkt, an dem die "Cluster" groß genug sind und die ausgleichenden Agenten (die mit der anderen Meinung) einfach zum Großteil gleichgeschaltet werden....das System kippt und begibt sich zügig in einen anderen Zustand: ein Crash!

Bei Solchen Systemen entwickelt die Hazard Rate (die Wahrscheinklichkeit, das es im nächsten Zeitschritt kippt, gegeben dem Umstand, das es nicht schon passiert ist), wenn man sie gegen die Distanz zum kritischen Punkt abbildet, ein gewisses Muster...das Log-Periodoc Pattern.

Jetzt klingt das alles sehr esoterisch. Ist es aber nicht. Finanzmärkte sind nicht das einzige komplexe System. Die Theorie kommt in ganz bodenständigen Anwendungen in Wissenschaft und Ingeneurwesen zum Einsatz. Diedier Sornettes Methoden werden bei der ESA verwendet um den Zustand von Raketentanks zu überwachen. Erdbebenforschung, Materialtechnik und viele andere Felder nutzen dies Tag ein Tag aus. Sornette hat zum Thema ein wissenschaftlicehes Buch geschrieben Critical Phenomena in Natural Sciences: Chaos, Fractals, Selforganization and Disorder: Concepts and Tools (Springer Series in Synergetics)

Soweit so gut. Nun wie bekommt man aber nun dieses schöne Pattern in den die Finanzmarktzeitreihe? Hier entwirft Sornette zwei "ökonomische" Modelle, die mir nicht so recht gefallen. Ich hätte jetzt gesagt, das ist schmarn. Wie dem auch sei, "erlauben" diese Modelle dann direkt in der Preiszeitreihe nach dem log-periodoc pattern zu suchen. Und Tatsache, man findet es!!!! Vor beinahe jedem "Crash" in Indizes, Rohstoff, Aktien und Devisenmärkten.

Nun ist as Problem, daß das "log -periodoc pattern" in seiner mathematischen Formulierung SIEBEN freie Parameter hat (oder 4, wenn man nach Sornette geht...für mich bleibens sieben). Mit sieben freien Parameter kriegt man fast jedes Kurve angepasst.

Denoch, das tolle an Sornette ist, daß er sich der Kritik stellt. Und das er im VORFELD paper veröffrntlivht unfd seine Prognosen bekannt gibt. Und wenn ich richtig gezählt habe, lag er bisher 5 mal richtig, einmal falsch und einmal kamm es zu einem Einbruch, aber wesentlich später als vorhergesagt. Man hat ihm auch mal vorgeworfen, seine Prognosen seien "self fulfilling". Seitdem schickt er seine Prognosen zu einem neutralen Schiedsrichter in einem versieglten Umschlag, die erst im Nachhinein geöffnet werden...

Fazit: nettes Buch. Populärwissenschaft die Spass macht.

Didier Sornette, a professor for geophysics, applies his broad scientific knowledge to stock markets, the mirror of human wealth. After the generic chapters about history & stock markets the book in-depth discusses "the human factor" (mass hystery etc.) and relates this to critical phenomena known from elsewhere in physics.

In doing so, the author can explain why stock markets have bubbles & crashes. He also discusses and gives examples why a bubble does not necessarily have to end in a crash but can deflate in an antibubble as well.
Finally, the most interesting and somewhat scary conclusion is put forward: there will be more growth potential, but probably the world is running towards a critical point (year 2050) where prediction by the current paradigms are no longer possible. Several szenarios ranging from peaceful transistion to destruction are suggested and discussed.

The book utilizes and references a wealth of original scientific literature from several disciplines some of which encourage further reading.
The obvious target of this book, stock markets, is only part of the story. The book is also a nice example of the paradigm shift of the playground of modern physics: from microcosm to the analysis of complex systems.

An excellent book on a high level; some scientific background required for reading.