Fashion Sale Hier klicken Strandspielzeug Neuerscheinungen Cloud Drive Photos OLED TVs Learn More Slop16 Hier klicken Fire Shop Kindle Sabaton festival 16
Kundenrezension

533 von 591 Kunden fanden die folgende Rezension hilfreich
1.0 von 5 Sternen Die neue Oberflächlichkeit, 21. Februar 2010
Rezension bezieht sich auf: Der Schwarze Schwan: Die Macht höchst unwahrscheinlicher Ereignisse (Gebundene Ausgabe)
"Ich habe versucht, so tief wie möglich in eine Lebensweise einzudringen, die immer oberflächlicher wird, in eine neue Kultur, welche die für handwerkliche Einstellung typische Mühe und Selbstverpflichung ablehnt. Da die Menschen nur dann sicheren Halt in ihrem Leben finden können, wenn sie versuchen, etwas um seiner selbst willen gut zu tun, erscheint mir der Triumph der Oberflächlichkeit in Arbeit, Schule und Politik sehr zweifelhaft. Und vielleicht wird die Revolte gegen diese entkräftete Kultur die nächste neue Seite der Geschichte sein, die wir aufschlagen müssen." Schlusswort in R.Sennett: Die Kultur des neuen Kapitalismus.

N.Taleb und der Schwarze Schwan sind ein Musterbeispiel für die neue Oberflächlichkeit. Als Statistiker beutelt es mich, wenn ich die Lobeshymnen auf dieses Buch lese und der Autor als Genie gefeiert wird. Man kann ihm ein gewisses Talent zur Selbstdarstellung nicht abstreiten. Aber nach diesem Kriterium ist auch Paris Hilton ein Genie. Seine einzig erkennbare Leistung ist, den Begriff Schwarzer Schwan von Sir K.Popper übernommen zu haben.
Taleb zeichnet eine Karrikatur von moderner Statistik und haut dann fest auf diese Karrikatur ein. Er argumentiert, dass sich die statistischen Techniken hauptsächlich um das arithmetische Mittel drehen und man dieses Mittel mit Hilfe der Normalverteilungsannahme schätzt. Aber das (Finanz-)Leben ist nicht Normalverteilt und es kommt nicht auf das Mittel sondern auf die Extremwerte (insbesondere negativer Natur) an. Tatsächlich trägt Taleb Eulen nach Athen. Es gibt eine umfangreiche statistische Literatur, die diese Probleme behandeln (siehe eine kleine Auswahl unten).
Die Black-Scholes-Merton Formel ist die Standardformel zur Berechnung von Optionen. Diese Formel geht tatsächlich von einer Normalverteilung aus. Natürlich haben die Erfinder gewusst, dass die Returns (Gewinn/Verlust) von Aktien nicht Normalverteilt sind. Aber aus der NV-Annahme ergibt sich eine sehr einfache Formel. Die Formel hat sich durchgesetzt, weil man sie auch auf einem Taschenrechner leicht programmieren kann. Selbstverständlich wissen auch die Händler, dass die Formel nicht korrekt ist. Sie korrigieren die Formel durch den sogenannten Volatility-Smile. D.h. sie geben größere Parameterwerte ein um die "fat-tails" zu kompensieren. P.Wilmott hat es in seinem Standardwerk über Finanzmathematik so auf den Punkt gebracht "Man gibt in eine falsche Formel falsche Werte ein um das richtige Ergebnis zu bekommen". Es sind natürlich auch wesentlich komplexere Optionenformeln entwickelt worden. Von N.Taleb kenne ich keinen wissenschaftlichen Beitrag zu diesem Thema.
So sehr Taleb die Normalverteilung verteufelt, umso mehr schwärmt er von Mandelbrotschen Fraktalen. B.Mandelbrot hat in den 1960er Jahren tatsächlich interessante Untersuchungen zu den statistischen Verteilungen auf Börsen unternommen. Er hat sogenannte "scale-invariant (oder stable) -Distributions" vorgeschlagen. Eine scale-invariant-Distribution ist das Statistische äquivalent zu Fraktalen. Die Verteilung für 5 min folgt demselben Gesetz wie jene für 5 Stunden, für 5 Tagen, für 5 Wochen.... Eine triviale scale-invariante Verteilung ist die Normalverteilung. Die will man aber nicht. Die übrigen in Frage kommenden Verteilungen haben aber eher grausliche mathematische Eigenschaften. Z.B. unendliche Varianz. Es zeigte sich auch klar, dass die Börsenkurse nicht scale-invariant sind. Z.B. gibt es für kurze Zeiträume (bis ca. 5 min) die sogenannte Microstructure. Die Verteilung wird durch die technischen Handelsbedingungen bestimmt (z.B. bid-ask-Spread). Über längere Zeiträume nähern sich die Kursentwicklungen hingegen der Normalverteilung relativ gut an. Die Ideen von Mandelbrot sind interessant, aber unhandlich und ebenfalls weit von der Realität entfernt. Es gibt in der Finanzmathematik einen kleinen Mandelbrot-Fanklub, aber seine Ideen haben sich - m.E. zu Recht - nie durchgesetzt.

Die Kritik Taleb's an der Statistik ist auch nicht besonders neu. 1889 kritisierte Francis Galton die Statistikerzunft mit:
"who limited their inquires to Averages, and do not seem to revel in more comphrensive views. Their souls seem as dull to the charm of variety as that of a native of one of our flat English counties, whose retrospect of Switzerland was that, if the mountains could be thrown into its lakes, two nuisances would be got rid at once" (F.Galton, Natural Inheritance).
Im Unterschied zu Taleb hat Galton aber wesentliche Beiträge zur Statistik geleistet.

Kleine Literaturliste für Methoden, die laut Taleb erst erfunden werden müssen, aber schon längst erfunden sind:
L.v.Bortkewitsch (auch Bortkiewicz geschrieben): Das Gesetz der kleinen Zahlen. Ein klassisches Buch. Erschienen 1898!!. Wie der Titel schon sagt geht es um seltene und nicht normalverteilte Ereignisse (bei der Normalverteilung spricht man vom Gesetz der grossen Zahl). Das berühmteste Beispiel aus diesem Buch ist die Verteilung von Toten durch Hufschlag in der Preussischen Armee. Die von Bortkewitsch verwendeten Methoden spielen in der modernen Finanzmathematik eine zentrale Rolle (Levy-Prozesse).
Qi Li, J.S. Racine: Non Parametric Econometrics, Theory and Practice. Die Nonparametric Statistic macht überhaupt keine Annahme über die Verteilung. Sie ist ein eigenes, riessiges Gebiet der Statistik. Nonparametric Statistics gibt es schon seit mindestens 200 Jahren.
R. Koenker: Quantile Regression. In der Quantile Regression schätzt man z.B. die untersten oder obersten 10% einer Verteilung. Also genau das, auf was es laut Taleb ankommt. Man kann natürlich auch den Median damit schätzen. In der "normalen" Linearen Regression schätzt man das arithmetische Mittel. Erfunden 1978.
R.Maronna et al.: Robust Statistics, Theory and Methods. In der robusten Statistik untersucht man Methoden, die von einzelnen Ausreissern (den "schwarzen Schwänen") wenig beeinflusst werden. In vielen Untersuchungen hat man das umgekehrte Schwarze Schwan Problem. Man will etwas über die weissen Schwäne wissen, die Daten enthalten aber ein paar schwarze Schwäne. Diese sollen das Ergebnis nicht zu stark beeinflussen. Das arithmetische Mittel ist ein grauer Schwan, ein robustes Mittel (z.B. Median) ist ein weisser Schwan. Seit mindestens 200 Jahren bekannt.
R.B.Nelsen: An Introduction to Copulas. Mit Copulas kann man beliebige statistische Zusammenhänge zwischen Zufallsvariablen modelieren. Die auf der Normalverteilung basierende Korrelation (Pearsons-R) ist nur ein Spezialfall. Erfunden 1959 (Satz von Sklar).
P.Embrechts, C.Klüppelberg, Th.Mikosch: Modelling Extremal Events for Insurance and Finance. Wie der Titel schon sagt, geht es um statistische Methoden für Extremereignisse. Wie häufig tretten graue Schwäne auf und welchen Grauwert haben sie bzw. kann auch ein schwarzer Schwan vorkommen? Seit mindestens 100 Jahren bekannt.
Didier Sornette: Why Stock Markets Crash. Erschienen 2001. Die Schwarzen Schwäne heissen bei Sornette "King-Dragons". Sornette versucht mit Methoden der Statistischen Physik und der Erdbeben-Forschung diese King-Dragons vulgo Crashes zu prognostizieren. Man kann über diese Methoden streiten. Aber Sornette und seine Mitarbeiter publizieren seit 15 Jahren über dieses Thema.

P.S.: Ich teile nicht Sennett's Optimismus, dass es eine Revolte gegen die neue Oberflächlichkeit geben wird.
P.P.S.: Diese Rezension ist eindeutig der Schwarze Schwan unter meinen Rezensionen. Es gibt keine andere Rezension die auch nur annähernde soviele Pro- und Contra-Punkte erhalten hat. Zunächst freut man sich über die Punkte (auch die negativen). Aber dann beschleicht einem der Gedanke, dass man beim Taleb'schen und Hilton'schen Spiel auch mitspielt und
die Freude schwindet.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein

[Kommentar hinzufügen]
Kommentar posten
Verwenden Sie zum Einfügen eines Produktlinks dieses Format: [[ASIN:ASIN Produkt-Name]] (Was ist das?)
Amazon wird diesen Namen mit allen Ihren Beiträgen, einschließlich Rezensionen und Diskussion-Postings, anzeigen. (Weitere Informationen)
Name:
Badge:
Dieses Abzeichen wird Ihnen zugeordnet und erscheint zusammen mit Ihrem Namen.
There was an error. Please try again.
">Hier finden Sie die kompletten Richtlinien.

Offizieller Kommentar

Als Vertreter dieses Produkt können Sie einen offiziellen Kommentar zu dieser Rezension veröffentlichen. Er wird unmittelbar unterhalb der Rezension angezeigt, wo immer diese angezeigt wird.   Weitere Informationen
Der folgende Name und das Abzeichen werden mit diesem Kommentar angezeigt:
Nach dem Anklicken der Schaltfläche "Übermitteln" werden Sie aufgefordert, Ihren öffentlichen Namen zu erstellen, der mit allen Ihren Beiträgen angezeigt wird.

Ist dies Ihr Produkt?

Wenn Sie der Autor, Künstler, Hersteller oder ein offizieller Vertreter dieses Produktes sind, können Sie einen offiziellen Kommentar zu dieser Rezension veröffentlichen. Er wird unmittelbar unterhalb der Rezension angezeigt, wo immer diese angezeigt wird.  Weitere Informationen
Ansonsten können Sie immer noch einen regulären Kommentar zu dieser Rezension veröffentlichen.

Ist dies Ihr Produkt?

Wenn Sie der Autor, Künstler, Hersteller oder ein offizieller Vertreter dieses Produktes sind, können Sie einen offiziellen Kommentar zu dieser Rezension veröffentlichen. Er wird unmittelbar unterhalb der Rezension angezeigt, wo immer diese angezeigt wird.   Weitere Informationen
 
Timeout des Systems

Wir waren konnten nicht überprüfen, ob Sie ein Repräsentant des Produkts sind. Bitte versuchen Sie es später erneut, oder versuchen Sie es jetzt erneut. Ansonsten können Sie einen regulären Kommentar veröffentlichen.

Da Sie zuvor einen offiziellen Kommentar veröffentlicht haben, wird dieser Kommentar im nachstehenden Kommentarbereich angezeigt. Sie haben auch die Möglichkeit, Ihren offiziellen Kommentar zu bearbeiten.   Weitere Informationen
Die maximale Anzahl offizieller Kommentare wurde veröffentlicht. Dieser Kommentar wird im nachstehenden Kommentarbereich angezeigt.   Weitere Informationen
Eingabe des Log-ins
  [Abbrechen]

Kommentare

Kommentare per E-Mail verfolgen
Von 5 Kunden verfolgt

Sortieren: Ältester zuerst | Neuester zuerst
1-10 von 49 Diskussionsbeiträgen
Ersteintrag: 21.02.2010 21:47:46 GMT+01:00
CorMag meint:
AUF DEN PUNKT!!!
Standing Ovations meinerseits!

Antwort auf einen früheren Beitrag vom 21.02.2010 23:19:55 GMT+01:00
[Die meisten Kunden meinen, dass dieser Beitrag nicht zur Diskussion gehört. Beitrag dennoch anzeigen. Alle nicht nützlichen Einträge anzeigen.]

Veröffentlicht am 22.02.2010 21:12:44 GMT+01:00
Niklas Morgan meint:
Paris Hiltion? Ich bitte sie! Selbst wenn man sich persönlich für schlau und kompetent hält, schadet es nichts, halbwegs objektiv zu bewerten. Wenn die American Statistical Association ein ganzes Sonderheft (August 2007) der ernsthaften Besprechung dieses Buches widmet, macht man sich als Experte (auch mit Doktortitel im Amazon Profil) ein wenig zu einfach, hier so von oben herab zu urteilen. The Times listet das Buch übrigens unter den Top 12 der letzten 60 Jahre. Kann man natürlich jetzt auch alles von oben herab wieder lächerlich machen, aber das sagt eigentlich mehr über den Rezensenten aus als über das Buch das kritisiert wird.

Zudem geht ihre Kritik eigentlich völlig daneben. Wenn ihr Statistiker schon seit über hundert Jahren all das wisst, was Taleb so knallhart in seinen Büchern darlegt, habt ihr schlicht und ergreifend euren Job nicht richtig gemacht! Und der lautet nun einmal, diese Erkenntnis einer breiten Öffentlichkeit so zu vermiteln, dass sie in die allgemeine Praxis übergeht. Da solltet ihr ihm eigentlich dankbar sein, dass er den Finger in die Wunde legt, und etwas weniger akademischen Kleingeist verbreiten.

Lesen sie mal seinen CV bei der englischen Wikipedia und gehen dann mal geistig für eine Weile unter dem Teppich. So was tut dem eigenen akademischen Ego ab und zu ganz gut. Egal wie schlau man selbst sein mag, man sollte klügere Kerlchen ruhig neidlos anerkennen und generell die Leistung anderer Menschen differenzierter bewerten.

Antwort auf einen früheren Beitrag vom 22.02.2010 21:36:37 GMT+01:00
Ich hatte vor kurzem eine Diskussion mit Moshe Vardi, dem Herausgeber der Communications of the ACM. Er sucht immer ein Thema, um eine Diskussion zu entfachen damit in der Zeitung was los ist. Er hat sich beklagt, wie schwierig es ist, heutzutage noch jemanden hinter den Ofen hervorzuholen. Das Buch von Taleb ist natürlich ein gefundenes Fressen für so eine Diskussion. Ausserdem weiss die Gilde, dass Entscheidungsträger nicht Statistik-Bücher lesen, aber das von Taleb. Man muss zur Verteidigung ausrücken.
Ich kenne aber keinen wissenschaftlichen Artikel von Taleb in der JASA (Journal of the American Statistical Association). Das ist quasi das Wimbledon der Statistiker.
Was die Liste von The Times angeht. Da wird auch so ein flaches Buch wie die "Erde ist flach" gelobt bzw. es ist ganz vorne. Und das wirklich üble Buch Chr.Hitchens "God is not Great" ist ebenfalls ein Renner. Generell halte ich die Amis für ein ziemlich vertrotteltes Volk.

Antwort auf einen früheren Beitrag vom 22.02.2010 21:54:17 GMT+01:00
Es hat auch die Deutsche Gesellschaft für Mathematik eine Verteidigungsoffensive gestartet. Wir sind für den Börsenkrach nicht zuständig. Sind sie natürlich nicht. Aber die Mathematiker haben in letzter Zeit gerne in Forschungsanträge geschrieben, dass man mit den Forschungen auch an der Börse was anfangen kann. Ehrwürdige abstrakte Mathematiker wie z.B. der Prof. Schachermayer in Wien haben auf einmal Finanzmathematik gemacht. Man bekam dafür Forschungsgeld und Freisemester (Wittgenstein-Preis). Prof. Schachermayer beweist nun das no-free-lunch Prinzip in Banachräumen. Banachräume sind seine Welt, in der er sich auskennt. Die Welt der Händler und die Welt von Schachermayer sind meilenweit entfernt. Ich nehme an, den Amis geht es auch so. Der Mathematiker Hardy war noch stolz, dass seine Arbeit zur Zahlentheorie zu nix gut ist (was ein Irrtum war). Heute muss auch ein Mathematiker in die Welt der Betriebswichtel passen uns soll auch mathematische Forschung im nächsten Quartal was bringen. Und so haben die Mathematiker halt so getan, als wäre ihre Forschung so unmittelbar nützlich und als Ironie der Geschichte müssen sie sich auch noch für das Desaster verantworten.

Antwort auf einen früheren Beitrag vom 22.02.2010 22:15:33 GMT+01:00
Niklas Morgan meint:
Nichts für ungut. Ihre Kompetenz und die ihrer Kollegen sei hier nicht in Frage gestellt. Ich kann nur auf dem Gebiet, das ich wissenschaftlich überblicke (Statistik in der Medizin) eine extreme Diskrepanz zwischen akademischer Forschung und praktischer Anwendung bzw gelebter Realität wahrnehmen. Wenn weder Ärzte noch Patienten noch die Medien relative Risiken beurteilen können, bzw die Zuverlässigkeit von Testmethoden und Diagnosen nicht so verstehen, dass sie korrekt beurteilt werden, stimmt was nicht. Wenn 19 von 20 Ärzten beim positiven Aids Test falsch beraten, hat die statistische Ausbildung der Studenten versagt. Manchmal hilft es dann, hier den Elfenbeinturm zu verlassen und etwas plakativ vorzugehen. Was Taleb bei der Finanzmathematik macht, fehlt auf manch anderem Gebiet. Wenn das auch noch in literarisch unterhaltender Qualität geschieht (wie zumindest im Original der Fall), dann ziehe ich davor meinen Hut und verzeihe auch den einen oder anderen Schwachpunkt. Die detaillierte Auseinandersetzung gehört dann wieder in die Fachliteratur.

Antwort auf einen früheren Beitrag vom 23.02.2010 12:43:30 GMT+01:00
CorMag meint:
Was den Bezug Akademie-Praxis betrifft, muss ich Herr Morgan hier (für die Welt der Finanzmärkte) widersprechen.
IMHO gibt es einen wesentlichen Unterschied zwischen
1) Nicht wissen oder nicht richtig verstanden haben
und
2) wissentlich ignorieren.

Ich hätte nix dagegen gehabt, wenn Taleb sich ausgiebig über 2) mokiert hätte (zu recht). Ich kenne Menschen aus der Branche, die gezielt nach "fancy stuff" gesucht haben, der sich gut auf der Power Point Präsentation macht. Mathematik als Verkaufsargument, Wissenschaft als Werbung!

Aber so zu tun, als ob alle zu doof wären, ist halt einfach schmarn. Finanzmarktzeitreihen sind instationär. Nicht i.i.d. Normal-verteilt. Das lernt man selbst als Betriebswichtel in Einführungsveranstaltungen in Zeitreihenanalyse oder Ökonometrie. Das weiß jeder. Das Talebs geliebte Pareto Verteilung schon sehr sehr lange im Einsatz ist, können Sie im Risikomanagement der Versicherungen beobachten.

Die Tatsache das Finanzmathematik im allgemeinen (und die Statistik im speziellen) in den meisten Fällen doch eher Kunstform als "applied science" ist (und häufig nicht mal das), ist jedem bewußt, der sich mal damit auseinandergestzt hat. Auch den meisten Entscheidungsträgern.

Und somit kommt es halt wie Herr Donninger schon sagte. Wenn es für das "mathematische Modelieren" Geld gibt, dann marschieren halt massenweise Wissenschaftler in das Gebiet ab. Das war damals auch so, als die USA ihr Raumfahrtprogramm gepusht haben. Da wolltens alle zur NASA (Rocket Scientist) Frei nach dem Prinzip: "Habe Hammer....suche Nagel". Sie sind Biophysiker oder Molekulargenetiker? Statistische Physik oder Ingeneur aus der Materialtechnik? Statistiker? Echter "Fundamental Mathematiker"? High End Informatik oder "AI" Forschung? Kein Problem. Für jede Fachrichtung gab es eine Asset Klasse und/oder eine Instutition, die sich für Sie interessierte. Die Tatsache das Sie Put nicht von Call unterscheiden können, spielte da keine Rolle. Obs nun Sinn machte oder nicht (es gab ja auch Fälle bei denen es Sinn machte...wie bei Jim Simons oder www.predict.com)

Antwort auf einen früheren Beitrag vom 23.02.2010 21:14:06 GMT+01:00
Zuletzt vom Autor geändert am 23.02.2010 21:27:01 GMT+01:00
Ja, die Kluft gibt es. Es hat sich tatsächlich die Forschung - nicht nur in der Statistik - sehr verselbständigt. Ich habe meine akademische Karriere beendet, weil ich ein Paper im Journal of the American Statistical Association untergebracht habe. Das war rein akademisch betrachtet für einen jungen Wissenschafter ein ziemlicher Erfolg. Mein Prof. war ziemlich neidig. Aber das Paper war praktisch vollkommen sinnlos. Es hat mich deprimiert, dass man nur mit sinnlosen Sachen im Statistiker-Wimbledon mitspielen kann.
Ich habe am Institut f.Höhere Studien in Wien Sozialwissenschafter ausgebildet. Mit einigen bin ich nach 25 Jahren noch immer befreundet (obwohl man als Mathematiker zunächst einmal der natürliche Feind ist). Man muss da aber sehr im Niveau heruntersteigen. Ich bin deswegen auch von anderen Mathematikern kritisiert worden, dass ich "Perle vor die Säue werfen" (wortwörtliches Zitat der Kollegen). Das ist sicher eine schwierige Gratwanderung.
Zum Grossteil ist es aber kein Mathematisches Problem. Ein mathematisches Modell kann nur so gut sein wie die zugrundeliegende Theorie. Mondphasen kann man sehr gut und genau berechnen, weil die Astronomie eine gute Theorie dafür hat. Für die Börse gibt es hingegen keine wirklich brauchbare Grundlage. Ebenso in der Ökonomie. Medizin ist wohl irgendwo dazwischen.
Es scheitert auch oft an Interessen. Die Banker haben nur das genommen, was sie hören wollten. Wenn man die Finanzmathematik Ernst nimmt, dann dürfte man gar nicht spielen. Es gilt das no-arbitrage bzw. no-free-lunch Prinzip. Es haben allerdings auch Scholes und Merton ihre eigene Theorie nicht Ernst genommen und mit dem LTCM-Fond 1998 4 Milliarden $ verspielt.
In der Regel soll bei Studien etwas bestimmtes herauskommen. Man macht sich als Statistiker nicht beliebt, wenn man sagt, so ist das aber nicht. Die Anwender erwarten Tricks, damit das "richtige" herauskommt. Für diese Tricks wird man bezahlt. Ich habe daher immer als erstes gefragt "Was soll aussa kumma?".

Antwort auf einen früheren Beitrag vom 24.02.2010 11:01:13 GMT+01:00
CorMag meint:
"Ein mathematisches Modell kann nur so gut sein wie die zugrundeliegende Theorie."

Das ist ja gerade das traurige. Für mich bietet sich der Vergleich mit der Meteorologie an. Zugegeben, im Gegensatz zur Ökonomie/Finanzmathematik hat die Meteorologie eine echte physikalische Grundlage. Denoch war die "predictive power" dieser Wissenschaft früher beliebig schlecht, selbst für kurzfristige Prognosen (das können die älteren Semester hier sicher bestätigen). Aber Satelitenaufnahmen, bessere mathematische Modellierung (und erhöte Rechenkapazität um diese auch berechnen/simulieren zu können) und vor allem bessere/größere Datensätze haben doch zu einer erheblichen Verbesserung bzgl. der Vorhersagekraft geführt.

ImhO könnte die könnte die Ökonomie/Finanzmathematik vor einer ähnlichen Entwicklung stehen. Es gibt jetzt ernsthafte Datensätze die das Verhalten von Menschen bei Unsicherheit und Auktionen dokumentieren (Finanzmärkte, Suchmaschinen, e-bay....). Zum ersten mal verfügt man über Datensätze die nicht per se schon aggregiert sind oder nur ein "snap shot" der Situation sind (wie z.B. daily high/low/close ..).

Was macht aber die Ökonomie/Finanzmathematik? Sie bedient sich weiterhin der Techniken und Methoden die sie in ihrer Geburtsstunde. Es wird nicht an der klassischen Vorgehensweise gerüttelt, selbst wenn die Datensätze eine komplett andere Geschichte erzählen.

Gleichgewichtsmodelle, obwohl kein Datensatz, den ich kenne auch nur Ansatzweise so aussieht als ob er durch ein dynamisches stochastisches Gleichgewicht entstanden wäre? "No Arbitrage pricing" obwohl sich ganz offensichtlich die meisten Derivate nicht perfekt replizieren lassen? Egal! Es werden weiter munter paper veröffentlicht, die Mathematik immer weiter aufgeblasen (ich nenn das "greek Bingo": wer als erster das griechische alphabet voll hat, hat gewonnen:)....).

Ich denke das es für den Laien nicht zu unterscheiden ist, welche akademische Veröfentlichungen auf diesem Gebiet Sinn ergeben und welche nicht. Black, Scholes und Merton sind z.B. Vertereter der klassischen Chicagoer Schule (man muss sich nach dem Dollarschein auf der Strasse nicht bücken....denn wenn er wirklich da liegen würde, hätte ihn schon jemand aufgehoben:))...inklusive pseudo Nobelpreis für ihre Black-Scholes Formel.
Edward Thorp hatte jedoch unabhängig und zeitgleich die selbe Formel hergeleitet. Hat sie aber nicht veröffentlicht (seiner Einschätzung nach hätte die Chicagoer Schule seine Veröffentlichung im Journal of Finance eh untergraben, wenn er als MIT Abkömmling es versucht hätte...." I wasn't part of the finance/economics tribe.."), sondern er hat die Formel in seinen Rechner gepackt und Geld verdient. Er wurde übrigens auch gefragt, ober bei LTCM nicht mitmischen wolle! Er hatte abgelehnt? Warum?

"Merriweather was a risk taker and the Nobelists didn't , in my opinion, have trading savvy"

Antwort auf einen früheren Beitrag vom 06.07.2010 20:00:29 GMT+02:00
Jon Snow meint:
wie bezeichnend, dass sich hier eine unnötige, scheuklappenbewährte Berufsgruppe auf den Schlips getreten fühlt.
Eine schöne Bestätigung für dieses Buch!
Danke für den Tipp!
‹ Zurück 1 2 3 4 5 Weiter ›