𝑺𝒕𝒂𝒕𝒊𝒔𝒕𝒊𝒔𝒄𝒉𝒆 𝑴𝒂𝒏𝒊𝒑𝒖𝒍𝒂𝒕𝒊𝒐𝒏 (𝒖𝒏𝒅 𝒆𝒎𝒐𝒕𝒊𝒐𝒏𝒂𝒍𝒆𝒔 𝑯𝒂𝒏𝒅𝒆𝒍𝒏)

https://docs.google.com/document/d/1Mx7AynRV4MzgPdW3vD-hl09duInzZgk3hFJPvxdEZv8/edit?usp=sharing

𝐅ü𝐫 𝐚𝐥𝐥𝐞 𝐦𝐞𝐢𝐧𝐞 𝐭𝐥𝐝𝐫’𝐬: Nur Teil III und Fazit lesen

Da auf getquin immer mal wieder relativ random emotionale Fragen auftauchen (X ist gefallen, jetzt verkaufen?) und rationale Statistik irgendwie kaum erwähnt wird, trage ich hier einen Teil des für die Börse relevanten Inhalts, u.a. aus den beiden Fächern Wirtschaftspsychologie und Statistik sowie einigen Büchern, Studien und Websites, zusammen.

Eigentlich wollte ich auch noch auf Posts von Finfluencern eingehen in dem Zusammenhang, aber das kommt noch einmal unabhängig hiervon.

𝐈 𝐔𝐧𝐭𝐞𝐫𝐬𝐜𝐡. 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐤𝐞𝐧 𝐮𝐧𝐝 𝐝𝐢𝐞 𝐣𝐞𝐰𝐞𝐢𝐥𝐢𝐠𝐞𝐧 𝐌𝐚𝐧𝐢𝐩𝐮𝐥𝐚𝐭𝐢𝐨𝐧𝐬𝐦ö𝐠𝐥𝐢𝐜𝐡𝐤𝐞𝐢𝐭𝐞𝐧

𝐈𝐈 𝐖𝐢𝐞 𝐦𝐚𝐧 𝐯𝐞𝐫𝐬𝐮𝐜𝐡𝐞𝐧 𝐤𝐚𝐧𝐧 „𝐟𝐚𝐥𝐬𝐜𝐡𝐞 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐤𝐞𝐧“ 𝐳𝐮 𝐯𝐞𝐫𝐦𝐞𝐢𝐝𝐞𝐧

𝐈𝐈𝐈 𝐩𝐬𝐲𝐜𝐡𝐨𝐥𝐨𝐠𝐢𝐬𝐜𝐡𝐞𝐫 𝐄𝐱𝐤𝐮𝐫𝐬 (𝐧𝐚𝐜𝐡𝐤𝐚𝐮𝐟𝐞𝐧/𝐯𝐞𝐫𝐤𝐚𝐮𝐟𝐞𝐧)

𝐈𝐕 𝐅𝐚𝐳𝐢𝐭

I)

𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐤𝐛𝐞𝐫𝐞𝐢𝐜𝐡𝐞 𝐮𝐧𝐝 𝐢𝐡𝐫𝐞 𝐁𝐞𝐞𝐢𝐧𝐟𝐥𝐮𝐬𝐬𝐮𝐧𝐠

Grundsätzlich kann man Statistik recht einfach aufteilen:

Daten übersichtlich darstellen lassen (deskriptive Statistik)

Nach Besonderheiten und Zusammenhängen suchen (explorative Statistik)

Und anschließend Rückschlüsse ziehen (Induktive Statistik)

Man könnte „falsche“, beeinflusste Statistiken den 3 Stufen der Statistik zuschreiben

1)

Die einfachste Betrugsmethode, die aber auch am schnellsten zu widerlegen ist, funktioniert durch die simple Fälschung von Zahlen oder falsche Zusammenstellung/ Auslassung relevanter Informationen.

Beispiel a) Donald Trump:

Für Donald Trump klingt es natürlich besser, es so darzustellen, als wären bei seiner Amtseinführung 1,5 Mio Menschen anwesend . Das die Anwesenden nach Fernsehbildern auf rund 250k geschätzt wurden, spielt für ihn keine Rolle.

Beispiel b) Ancel Keys:

Ein Experiment richtig ausführen und dokumentieren, aber dann nur die Zahlen erwähnen die dem Auftraggeber gefallen. Reicht zwar noch nicht für die nächste Stufe, ist aber immerhin schlauer als einfach Zahlen zu erfinden.

Ancel Keys war ein Doktor, der den Zusammenhang zwischen tierischen Fetten und Herzkreislauferkrankungen untersucht hat. These: tierische Fette sind schuld an Herzinfakten.

Er sammelte für 21 Länder Zahlen (https://gerritkeferstein.com/wp-content/uploads/2021/01/Bildschirmfoto-2021-01-14-um-08.44.48-1024x399.jpg) , doch da diese alleine wenig belegten, ließ er einfach alle Länder anschließend wieder weg, die nicht in die Kurve passten. (Siehe Bilder unten)

Die Studie geschah zufällig im Auftrag der Margarine Industrie. 🤡

2)

Alle Daten nutzen, aber nicht nach Besonderheiten suchen, also die explorative Statistik „vergessen“.

Beispiel Heilbronn:

Heilbronn hat eins der höchsten Pro- Kopf- Einkommen in Deutschland. Warum? Weil Dieter Schwarz dort versteuert. Bei der Berechnung des Einkommens wird eine Sozialproduktgröße durch die Bevölkerungszahl geteilt wird, zieht das Einkommen der Familie Schwarz alleine den Durchschnitt höher. Dadurch sind natürlich die Einwohner Heilbronns noch nicht reicher.

3)

Fehler in der induktiven Statistik lassen sich häufig nur erkennen, wenn man selber sich mit dem Thema wirklich beschäftigt (bis in die letzte Fußnote überprüft). Um die richtigen Zahlen zu nutzen, richtige Abweichungen zu erkennen, aber trotzdem zu einem fragwürdigen Schlussfazit zu kommen, erfordert meistens eine emotionale Voreinstellung oder Konformitätsdrang (Gruppenzwang und das Bedürfnis mit anderen Menschen übereinzustimmen).

Beispiel Covid19 Infektion:

Ich komme von einem Urlaub nachhause aus einem Land, in dem Covid19 ausgebrochen ist, muss mich also hier testen lassen. Von 100 gesunden getesteten werden 99 als tatsächlich gesund erkannt. Bei einer tatsächlichen Erkrankung ist das Testergebnis dagegen immer exakt.

Nach Recherche stellt man fest, dass auch nur jeder 1000. Urlauber sich angesteckt hat, wodurch eine Ansteckung unwahrscheinlich scheint. Doch dann ist der Test positiv. Das Bauchgefühl sagt; die Wahrscheinlichkeit das ich tatsächlich angesteckt wurde liegt bei 99%, somit bin ich ja so gut wie krank. Doch denkt man einmal weiter:

Wenn 100.000 Touristen im Urlaubsgebiet waren, sind 100 angesteckt und positiv getestet, 999 nicht angesteckt und positiv getestet (weil 1% von 99.900= 999). Somit werden 1098 Menschen positiv getestet, aber nur 100 sind wirklich positiv. (9%)

Somit ist die Wahrscheinlichkeit durch genaueres überlegen um -90% gesunken und liegt nur noch bei 9%, dass ich mit positivem Test wirklich angesteckt wurde.

II)

𝐖𝐢𝐞 𝐯𝐞𝐫𝐬𝐮𝐜𝐡𝐞 𝐢𝐜𝐡 𝐚𝐥𝐬𝐨 𝐢𝐧 𝐙𝐮𝐤𝐮𝐧𝐟𝐭 𝐟𝐚𝐥𝐬𝐜𝐡𝐞/ 𝐞𝐦𝐨𝐭𝐢𝐨𝐧𝐚𝐥𝐞 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐤 𝐳𝐮 𝐯𝐞𝐫𝐦𝐞𝐢𝐝𝐞𝐧?

Natürlich gibt es hier keine simple Lösung, allerdings kann man einige Wege finden, das Risiko zu minimieren und relevante Zahlen zu erkennen.

Als erstes empfiehlt es sich, wenigstens zusätzlich, aber am besten ausschließlich und als erstes die Primärquellen zu verwenden. Nicht nach Artikeln oder Seiten suchen, welche die Quartalszahlen von Apple bzw. deren Earningsreport abgeschrieben haben, direkt auf https://investor.apple.com/investor-relations/default.aspx nach den Financial Statements suchen:

https://www.apple.com/newsroom/pdfs/FY22_Q1_Consolidated_Financial_Statements.pdf

Natürlich ist das Verständnis einer solchen Bilanz schwieriger als ein vorgekauter Text, aber die Gefahr eines emotionalen Kaufes sinkt durch eigenen Research mit sachlich gehaltenen Quellen.

Nur aufgrund einer Analystenmeinung zu kaufen ist nichts anderes, da man seine eigene Entscheidungsfähigkeit aufgrund von angeblichem Expertenwissen abgibt.

Bevor man nur aufgrund von Analysten Aktien kauft, sollte man sich daran erinnern, dass auch Fonds den breiten Markt bis jetzt langfristig nicht oft schlagen. Kauft man überhaupt Einzelaktien, liegt dies vermutlich an der Überschätzung der eigenen Fähigkeiten😶. Kauft man diese allerdings auf Meinung eines Experten hin, ist es eigentlich sogar begründet mit der Vermutung der Fähigkeiten einer fremden Person.

Meinungen von Experten in gewissen Wirtschaftsbereichen als Hintergrundwissen zu nutzen ist hingegen sinnvoll, solange deren Meinung bei der Entscheidung nur als ein Punkt auf der pro/ kontra Liste auftaucht UND diese auf Ihre Qualifikation genauso geprüft wurden, wie auf Ihre Intentionen.

(Ein mobility Experte ist somit logischerweise als Analyst mit Vorsicht zu genießen, wenn er gleichzeitig als externer Berater von VW arbeitet)

Um beeinflusste Statistiken zu erkennen, hilft es auch weitere Arten der statistischen Tricks zu kennen. Wer sich damit noch weiter auseinandersetzen möchte hat hier eine Auflistung der häufigsten, dieser Post ist jetzt schon viel zu lang:

https://de.statista.com/statistik/lexikon/definition/8/luegen_mit_statistiken/

III) -𝐄𝐱𝐤𝐮𝐫𝐬-

𝐍𝐚𝐜𝐡𝐤𝐚𝐮𝐟𝐞𝐧 𝐨𝐝𝐞𝐫 𝐕𝐞𝐫𝐥𝐮𝐬𝐭𝐞 𝐫𝐞𝐚𝐥𝐢𝐬𝐢𝐞𝐫𝐞𝐧

Der Mensch sei durch seine Emotionen eigentlich nicht in der Lage, kurzfristig auf Kursänderungen zu reagieren. Im Spiegel wird das ganze so ausgedrückt:

„Bei einem starken negativen Reiz, etwa einem Kurssturz an der Börse, löst die Amygdala ohne große Reaktionszeit eine kurze, heftige Antwort aus: Kämpf oder flieh.“

Heißt was? Um eine Aktie zu kaufen, sollte man von irgendeiner Art bull Szenario ausgehen, es reicht nicht „der Kurs geht bestimmt hoch“. Man muss also Grund zur Annahme haben, dass das Wachstum höher ist als erwartet, die Schulden schneller abgebaut werden können, der Forschungsvorsprung höher ist als eingepreist oder, oder, oder.

Buy, hold AND CHECK

Wenn dieser Case dann NICHT eintritt, (Paypal hat nicht so viel Wachstum erreicht wie erwartet) müsste der nächste Schritt sein, die langfristige eigene These mit den kurzfristigen Daten zu vergleichen und zu entscheiden, ob sie immernoch Bestand hat. (wie in II geschrieben: direkt anhand der Quartalszahlen)

Wenn Nein: These nicht mehr realistisch = verkaufen

Spielt es eine Rolle ob der Kurs 50% gefallen ist? Wenn man sich seiner Investmentthese sicher ist und diese weiterhin rechtfertigen kann, warum sollte es eine Rolle spielen. Je nachdem für wie wahrscheinlich man diese These im Vergleich zu seinen anderen Investmentthesen hält, kann man nachkaufen, so die Positionsgröße im Verhältnis zu den anderen Aktien vergrößern.

( Nach dieser recht simplen value investing Strategie investiert auch Charlie Munger.

https://www.youtube .com/watch?v=JavygKq74sk&t=840s )

Zusätzlich relevante Anmerkungen wären folgende:

,,Der Verkauf einer Verlustposition kommt dem Eingeständnis einer Niederlage gleich. Solange die Aktie im Depot ist, können die Verluste wieder aufgeholt werden – die Hoffnung stirbt eben zuletzt. Hier kommt dann häufig das Problem der „selektiven Wahrnehmung“ hinzu: Schlechte Meldungen über die eigenen Aktien werden ausgeblendet, gute Meldungen überbewertet.“

Womit der Bezug zu Statistischen Beeinflussung wiederhergestellt wäre. Nicht nur die Zahlen, welche das Unternehmen vorstellt, können beeinflusst werden, auch die Zahlen [und Farben, rot soll zu panischer, reflexartiger Handlungsweise führen. Warum haben die Neobroker wohl diese Farben… achja. Sie verdienen an Transaktionengebühren.] die in unserem Depot sichtbar sind, beeinflussen uns unbewusst.

-Exkurs Ende-

IV)

𝐅𝐚𝐳𝐢𝐭

1) Statistik ist eigentlich immer nur dann hilfreich, wenn man die wichtigen Dinge anhand von Primärquellen überprüft und sich damit auseinandersetzt. Ansonsten führt sie schnell zu vorschnellen Entscheidungen und verbrennt 💵

2) Dazu kommt das menschliche Gehirn, welches so viel Angst vor dem Geld verlieren hat, das wir ohne inhaltliche Leitplanken bei Investments sehr schnell leider genau das tun.

Was lerne ich sonst noch daraus? Longterm Aktien werden nur noch anhand neu veröffentlichter Zahlen überprüft und sonst wird dem Chart vertraut (mehr dazu im TA Post)

Diskussionsthese: Ein SL macht zwar Sinn um Verluste zu begrenzen, aber ich dürfte diesen nur mittelfristig benutzen (also versuchen die negativen Phasen der Aktie zu vermeiden, um noch mehr Gewinn aus den positiven zu ziehen). Denn ein langfristiger SL würde ja Unsicherheit bei der Investmententscheidung bedeuten und somit diese Zunichte machen.

Oder?

#learn
#basics
#stockanalysis
#stocks
#psychologyinfinance

Quellen:

https://docs.google.com/document/d/1h7TSza-1SqeVOulPiWNDrQQb2cncgTYrEEd1cH4qUMk/edit?usp=sharing