[Rezension] Überraschung mit hohem Informationsgehalt

August 17th, 2015

Rezension des Buchs: George Gilder. Knowledge and Power: The Information Theory of Capitalism and How it is Revolutionizing our World. Regnery. 2013.

Auf der einen Seite hält das Buch nicht 100% was der Titel verspricht, auf der anderen Seite ist es aber ein sehr anregendes Buch, das sehr viele wirtschaftliche, naturwissenschaftliche und informationstechnische Themen behandelt. Der Autor hat ein sehr breites Wissen, seine Schwerpunkte sind Wirtschaft, Finanzmärkte, Venture-Kapital, Startup-Förderung und IT.

Nach George Gilder liegt die Stärke des Kapitalismus darin, das nur die erfolgreichen Unternehmen, die Gewinne machen, die Möglichkeit erhalten, weitere Produkte herzustellen. Sie haben ja ihre Nützlichkeit bewiesen, ihre Produkte wurden gekauft. Zur Produktion von Waren und bei der Durchführung von Dienstleistungen ist sehr viel Wissen erforderlich. Ein Unternehmen ist eine Art Experiment, wie und zu welchem Preis waren produziert werden können, die dann von der “demand”-Seite auch nachgefragt werden. Ein Unternehmen muss das Wissen erst erlernen. Der Gewinn, der aus erfolgreichem Wirtschaften entsteht, gibt dem Unternehmen dann die “Power” weiterzumachen. In der heutigen Welt wird die “Power” allerdings durch Eingriffe des Staats beeinträchtigt. Laut Gilder wird damit “Noise” in das System eingeführt und stark geschädigt. Er macht das z. B. besonders beim Insider-Handel mit Aktien deutlich, der verboten wurde. Der Handel mit Aktien sollte eigentlich auf den Informationen beruhen, die man über eine Firma hat und nicht auf Spekulationen. Je weniger Informationen es aber über die Firmen gibt, desto mehr wird das System zum “Kasino-Kapitalismus”. Denn der Aktienkauf beruht nicht mehr auf Fachinformationen, sondern auf dem Zufall. Das ist ein Beispiel dafür, dass eine gut gemeinte Regulierung negative Begleiterscheinungen hat und von “Linken” dann “dem Kapitalismus” als negative Systemeigenschaft vorgeworfen wird.

Der Autor benutzt als Analogie die Idee, dass Information eine Überraschung, eine Abweichung vom Regulären ist. Erfolgreiche Firmen bringen Ideen mit einem hohen Überraschungspotential auf den Markt. Also die Information ist für den Markt an sich hoch, nicht das Produkt an sich. Ein Buch mit einem einfachen Satzbau und wenig Wörtern hat einen geringeren Informationsgehalt als ein Buch mit einem großen Wortschatz. Aber den Markt interessiert hier der Gewinn und wie viele Folgeprodukte man evtl. noch verkaufen kann usw. Und diese marktrelevante Information ist es, die höher ist.

Diese informationstheoretische Begründung ist aber nur informell. Das ist keine mathematische Argumentation und im strengen Sinn auch keine “The Information Theory of Capitalism”, wie es z. B. mathematisch vorgebildete Wirtschaftswissenschaftler erwarten würden. An manchen Stellen ist die Argumentation auch rein informationstechnisch nicht 100% sauber. Aber ich musste im Laufe des Buches feststellen, dass der Autor über sehr weitreichende Kenntnisse verfügt. Manchmal schlägt er da allerdings Schlachten, die nicht richtig zum Thema gehören, sondern eher in die amerikanische Politik. Andererseits ist alles interessant geschrieben und mich persönlich interessieren Querdenker sehr. 

Auch wenn ich nicht mit allen Punkten des Autors übereinstimme und es ein paar Mängel gibt, ist das Buch ein Leseerlebnis und ich konnte es nur schwer aus der Hand legen.

https://www.amazon.de/review/R2O3IOEGMUGDNG/ref=cm_cr_rdp_perm

[Rezension] Wie Geschäftsmodelle Spass machen – Ein Leseerlebnis

August 7th, 2015

Rezension des Buchs: Alexander Osterwalder, Yves Pigeur. „Business Model Generation“. Campus-Verlag . 2011. 

Ich bin ein freiberuflicher Informatiker, habe einen Einstieg in das komplexe Thema “Geschäftsmodelle” gesucht und ein hervorragendes Buch gefunden. Das Buch behandelt Geschäftsmodelle, deren Erstellung und weitere Anpassung mit Hilfe des “Business Model Canvas” (im Buch wird die feminine Form benutzt “die Canvas”, S. 48-49, ich benutze aber lieber Neutrum für englische Begriffe). Das Buch hat ein schönes Format, sieht sehr gut aus, hat schöne Abbildungen und Diagramme, die die Sachverhalte verdeutlichen.

Das Canvas wird nach einer Einführung anhand mehrerer Geschäftsmodellmuster erklärt. Sehr interessant fand ich die das Entflechtungsmuster, das ist didaktisch sehr gut. Die anderen Muster, wie z. B. Long-Tail, Multi-Sided Plattforms und Freemium sind gut gelungen. Beim “Open Business” Muster wagen die Autoren sich aber schon stark hervor. Dieses Muster wird in der Praxis noch sehr selten angewandt. 

Im Abschnitt zur Entwicklung von Geschäftsmodellen werden die eher zum Standard zu zählenden Techniken behandelt, wie z. B. Kundenorientierung, Tests mit Prototypen und  Geschichten erzählen. Schön ist die Angabe von weiterführender Literatur.

Besser gefallen hat mir der Abschnitt zur Strategie bzw. zur langfristige Änderung und Anpassung eines Geschäftsmodells. Die Welt steht ja nicht still, sondern sie ändert sich und damit muss auch das Modell angepasst werden. Hier fehlt allerdings die Behandlung von “roten Ozeanen”; mit der SWOT-Analyse wird nur eine rudimentäre Technik erwähnt. Es wäre besser gewesen, wenn die Autoren kurz die “five forces” von Porter erwähnt hätten (oder evtl. andere mir nicht bekannte Techniken zur Branchenstrukturanalyse). Die Techniken der Wertinnovation und die 4-Aktionen der Blue-Ocean-Strategie werden gut im Canvas umgesetzt.

Der letzte Abschnitt über die Implementierung bzw. die Umsetzung von Geschäftsmodellen ein knapper Einstieg. Aber das kritisiere ich nicht, denn es ist ein sehr komplexes Thema und würde den Rahmen des Buches sprengen.

Insgesamt trotz ein paar Schwächen aber ein empfehlenswertes Leseerlebnis.

https://www.amazon.de/review/R16B9R9YKVIGJM/ref=cm_cr_rdp_perm

Gehen Firmen zu optimistisch in die nächste Krise?

July 24th, 2015

Es ist sicher, dass es eine nächste Krise geben wird [1], nur der Zeitpunkt ist offen [2].

Während des Booms im Sommer 2015

Beim Verfassen dieses Artikels befand sich die Wirtschaft in einem künstlichen Boom. Die Bescheidenheit bei Firmenpräsentationen und bei der Wahl der Büroräume ist nicht mehr da. Der Satz “we’re hiring” ist momentan oft zu lesen. Ich selber bin Freiberufler und ein Großteil der von mir kontaktierten Firmen sagte mir, dass sie nur mit Festangestellten arbeiten. Das hat auch mit der von der jetzigen Regierung verursachten unsicheren Rechtssituation von Selbstständigen zu tun, die sog. “Schein-Selbständigen”-Diskussion [10]. Viele dieser Firmen sind recht jung und wurden erst nach der letzten Krise von 2008 gegründet. Ich habe den Verdacht, dass diese Firmen nicht mit einer Krise rechnen und diese auch nicht einplanen. In den Mainstream-Medien wird die wirtschaftliche Situation momentan auch meistens gut dargestellt.

Selbstausbeutung gegen Aktien-Optionen

In Boom-Zeiten arbeiten viele junge Leute bei StartUp-Unternehmen wie wild für einen ziemlich geringen Lohn aber dafür mit der Aussicht eines fernen Tages mal Aktien-Optionen zu erhalten [7]. Dieses wird von den Medien als Unternehmensbeteiligung verkauft mit Schlagzeilen wie z. B. “Startup-Gründer machen ihre Mitarbeiter zu Mitunternehmern” [6]. Der Haken ist, das nur 6% der Unternehmensanteile von Mitarbeitern gehalten werden [6]. Mit 6% ist man aber noch lange kein “Mitunternehmer”. Und das noch größere Problem: die nächste Krise wird den IPO verhindern, so dass es nie zu diesen Aktien kommt. 

Man kann hier also die Naivität von jungen Leuten ausnutzen, um an billige Arbeitskräfte zu kommen.

Das Überleben einer Firma in einer Krise

Wenn eine Krise einbricht, dann sinken als erstes die Einnahmen einer Firma. Die Kunden springen ab [8]. Jetzt muss man entweder die Ausgaben senken oder das angesparte Kapital (die “Notgroschen”) aufzehren. Für Kapital bekommt man momentan keine Zinsen und Kredite sind momentan sehr leicht und zu niedrigen Zinsen zu haben. Damit haben viele Firmen höchstwahrscheinlich nicht viel angespart. Kredite werden schnell von den Banken bei Anbruch einer Krise gestoppt nach dem Motto “rote Zahlen – abschreiben”. Und damit müssen die Ausgaben der Firma gesenkt werden. In der “old economy” wird hier oft auf “Kurzarbeit” zurückgegriffen [5,9]. 

Bei der Softwareerstellung bilden die Personalkosten einen großen Teil der Ausgaben. Wenn die Firma jetzt bei Anbruch der Krise die Ausgaben senken muss, aber nur Festangestellte mit einer Kündigungsfrist von z. B. einem halben Jahr hat, dann kann sie die Ausgaben nicht schnell senken. Jetzt kommt es darauf an, wie lange die Krise dauert. Dauert sie zu lange, geht die Firma während der Krise insolvent. Die Firma war zu statisch und konnte sich nicht dynamisch an die veränderten Marktbedingungen anpassen. Die Mitarbeiter hatten aufgrund ihrer Festanstellung zwar einen guten Kündigungsschutz und damit ein Ideal der Sozialdemokratie und der Gewerkschaften erfüllt, dieser bringt ihnen im Falle einer Insolvenz aber nichts. Sie waren nur im Scheinglauben einer “sozialen Sicherheit”.

 

In einer Firma mit freien Mitarbeitern hingegen würde man die Verträge der freien Mitarbeiter nicht verlängern, könnte damit in eine Art “Winterschlaf” gehen und die Krise überleben.

Firmen sind lernende Organismen

Man kann eine Firma als eine Art lernenden Organismus sehen, der wirtschaftliches Verhalten lernt [3]. Die Mitarbeiter der Firma lernen gemeinsam Aufgaben zu bewältigen. Dieses Wissen ist auf die Mitarbeiter verteilt. Wenn die Firma erhalten bleibt, dann bleibt das gelernte Wissen und die Organisation dieses Wissens erhalten. Wenn die Firma insolvent geht, wird sie aufgelöst und das Wissen ist verloren. Die einzelnen Mitarbeiter werden versuchen ihr gelerntes Wissen über Kooperation und wirtschaftliche Prozesse bei ihrer nächsten Arbeitsstelle wieder einzusetzen, aber das dauert eine Zeit. Volkswirtschaftlich gesehen macht es daher auf lange Sicht keinen Sicht statische aber zerbrechliche Firmen zu haben.

Feststellung: Eine Firma, die Freiberufler beschäftigt kann dynamisch auf wechselnde Anforderungen reagieren. Sie ist bezüglich einer Krise stabil bzw. robust. Eine Firma mit vielen Festangestellten ist “zerbrechlich”, wenn sie nicht über genügend angespartes Kapital für die Dauer der Krise verfügt. Die aktuelle Regierung hat allerdings leider eher das Ziel, die Selbständigkeit abzuschaffen und hat für erhebliche Verunsicherung gesorgt [10]. 

Fazit

Mal sehen, wie diese Unternehmen die nächste Krise meistern und ob sie dafür Hilfen vom Staat, wie z. B. Kurzarbeitsgelder benötigen.

Nassim Taleb hat hier ein sehr interessantes Buch über “Zerbrechlichkeit” bzw. “Fragilität”, Robustheit und “Anti-Fragilität” geschrieben [4].

Literatur

[1] Jörn Dinkla. Wirtschaftskrisen: Manipulation des Leitzins löst Boom & Bust aus.  http://blog.dinkla.net/?p=30602

[2] Jörn Dinkla. Die Vorhersage von Wirtschaftskrisen. http://blog.dinkla.net/?p=30703

[3] Gareth Morgan. Images of Organization. Sage Publications. 2007. https://en.wikipedia.org/wiki/Images_of_Organization

[4] Nassim Nicholas Taleb. Antifragilität: Anleitung für eine Welt, die wir nicht verstehen. Albrecht Knaus Verlag. 2013.

[5] Wikipedia. Kurzarbeit. https://de.wikipedia.org/wiki/Kurzarbeit

[6] Deutscher Startup Monitor 2014. http://deutscherstartupmonitor.de/fileadmin/dsm/dsm-14/DSM_2014_PK_Slidedeck.pdf

[7] Stephan Dörner. Hip aber arm – So wenig verdient man bei Start-ups. Die Welt. http://www.welt.de/wirtschaft/article141980746/Hip-aber-arm-So-wenig-verdient-man-bei-Start-ups.html

[8] Ben Horowitz. The Hard Thing About Hard Things: Building a Business When There Are No Easy Answers. HarperBusiness. 2014.

[9] Tagesschau. BMW, VW, Ford und MAN kündigen Kurzarbeit an. 2009. https://www.tagesschau.de/wirtschaft/bmw124.html

[10] Christa Weidner. Selbständigkeit unerwünscht? ComputerWoche.

http://www.computerwoche.de/a/selbstaendigkeit-unerwuenscht,3231568

Lassen sich die Folgen einer Krise vorhersagen?

July 23rd, 2015

Die Manipulation des Leitzins durch die Zentralbanken löst viele Fehlinvestitionen aus. Diese müssen dann während einer Krise korrigiert werden [1]. Der genaue Zeitpunkt der nächsten Krise ist nicht vorhersagbar, da die Wirtschaft ein sehr komplexes System ist [2].

Lassen sich denn die Folgen der nächsten Krise vorhersagen? Lässt sich vorhersagen, wer die Krise besser übersteht als andere?

Die Entstehung der Krise

Durch das “billige” Geld werden viele Leute im Finanzsektor verleitet, riskante Investitionen zu machen. Sie haben meistens Risikomodelle, die nur einen Teil der Realität abbilden [3]. Hier muss man sich ganz klar machen, dass viele dieser Geschäfte mit einem höheren Leitzins nicht gemacht werden würden, weil die Wahrscheinlichkeit, dass ein Gewinn erzielt wird, kleiner ist. Ein weiterer Faktor, der das Risiko für die Bank senkt, ist die Aussicht auf staatliche Hilfen im Falle einer Insolvenz der Bank (“to big to fail”) [4]. Damit kommt es zur “Gier” – wie dieses Verhalten in der Mainstream-Presse genannt wird.

Man kann sich die Wirtschaft als eine Art Fluss von Geld vorstellen, das durch eine Ebene fliesst. Dabei sucht es sich natürlich den Weg des geringsten Widerstands und der größten Gewinnmöglichkeit. Die Finanzindustrie möchte das “billige” Geld möglichst gewinnbringend anlegen. Dadurch ist die Wahrscheinlichkeit hoch, das das Geld in Bereiche eindringt, die von der Politik noch nicht “reguliert” wurden. Denn allgemein gilt, das in “regulierten” Märkten Gewinne schwerer zu erzielen sind, als in “unregulierten” Märkten. Deshalb gibt es nach den Krisen auch immer Forderungen von Politikern, dass man endlich diese Märkte “regulieren” sollte und sprich von “ungezügelten Märkten” oder “Raubtierkapitalismus”. Sie lösen damit die Ursache allerdings nicht, sondern “doktoren an den Symptomen herum”.

Die Ausbreitung der Krise

Irgendwo werden die Fehlinvestitionen jetzt bemerkt und die ersten Firmen reagieren darauf, in dem sie ihre Ausgaben reduzieren. Oder Aktionäre versuchen, ihre Aktien zu verkaufen. Wenn dann eine bestimmte kritische Masse erreicht wird, kommt es meistens in einem bestimmten Teil der Wirtschaft zu einer Krise. Manchmal beschränkt sich die Krise auf eine Region oder ein Land. Bei großen Krisen lösen diese Anfangskrisen aber weitere Krisen aus. Ein Beispiel ist die Euro-Krise ab 2009, die aus einer Staatsschuldenkrise, einer Bankenkrise und einer Wirtschaftskrise bestand [5] und von der Finanzkrise von 2007 angestossen wurde [6].

Hier hat sich das Bild der Schock-Welle (“shock wave”) etabliert. Der erste Anfang der Krise sendet eine Art Schock-Welle durch die Wirtschaft und zwingt alle Marktteilnehmer zu einer Reaktion. Damit verbreiten sich die Krise durch das Wirtschaftssystem und löst evtl. zeitversetzt neue Krisen aus.

Feststellung: Krisen sind Reinigungsprozesse und trennen die reaktiven, dynamischen und adaptiven Wirtschaften von den statischen.

Dynamische und statische Wirtschaften und die Krise

Um eine Krise zu überleben, müssen sich Wirtschaft und Politik schnell und dynamisch an die geänderten Bedingungen anpassen können. Zuerst brechen die Einnahmen der Firmen weg und damit fehlen dem Staat zeitverzögert wichtige Steuereinnahmen. Aus der Krise der Wirtschaft wird dann eine Krise der Staatsfinanzen.

Wenn die Einnahmen sinken, müssen die Ausgaben entsprechend gesenkt werden oder es muss vom angesparten Kapital gelebt werden. Je länger die Anpassung an die durch die Krise geänderten Bedingungen dauert, desto teurer wird die Krise. Wenn sich die Wirtschaft eines Landes schnell an die Krise anpassen kann (also eher markt-liberal orientiert ist), dann kann sich die Wirtschaft schnell zusammenziehen und nach der Krise schnell wieder expandieren. Beispiele für solche Länder waren die USA und Deutschland. Ob sie es heute noch sind, wird die nächste Krise zeigen. Wenn die Wirtschaft statisch ist, sich nicht an die durch die Krise veränderte Situation anpasst, und darauf besteht, dass die Politik die Krise irgendwie “löst”, dann gehen die Firmen insolvent und ein Teil der Wirtschaft überlebt die Krise nicht. Das ist z. B. in Griechenland passiert. Wenn die Firmen erst mal weg sind, ist aber auch das Wissen weg und ein Neuanfang ist immer schwerer als ein Weitermachen.

Wichtig für eine Wirtschaft ist es daher, dass sie resistent gegen Krisen ist. Diese Eigenschaft bezeichnet Nassim Taleb als “Anti-Fragilität”, als “Anti-Zerbrechlichkeit” [7].

Feststellung: Die dynamischeren Wirtschaften (und auch Firmen, siehe den nächsten Artikel) können Finanzkrisen besser überstehen.

Wenn im Herbst eine Finanzkrise wäre?

Wenn jetzt – wie von manchen Endzeitpropheten vorausgesagt – im Herbst 2015 eine Finanzkrise stattfinden würde, was wären die Folgen? Wer ist da besser vorbereitet? Die USA, die EU oder China? China steckt ja schon mitten in einer Krise. Die EU hat die Folgen der letzten Krise noch nicht ganz verarbeitet und der Dollar ist so stark wie nie zuvor. Wer da jetzt dynamischer ist, müssen Wirtschaftswissenschaftler entscheiden, da bin ich als Informatiker überfragt. Mal sehen …

Im nächsten Artikel gehe ich auf die Situationen von Firmen während einer Krise ein.

Fazit

Viele stellen sich die Welt sehr einfach vor. Um einen Einblick in das Thema “Komplexität” zu bekommen, empfehle ich [8], für Fortgeschrittene [7].

Literatur

[1] Jörn Dinkla. Wirtschaftskrisen: Manipulation des Leitzins löst Boom & Bust aus. http://blog.dinkla.net/?p=30602

[2] Jörn Dinkla. Die Vorhersage von Wirtschaftskrisen. http://blog.dinkla.net/?p=30703

[3] Wikipedia. Financial risk modeling. https://en.wikipedia.org/wiki/Financial_risk_modeling

[4] Wikipedia. Hans-Werner Sinn. https://de.wikipedia.org/wiki/Hans-Werner_Sinn#Kasino-Kapitalismus

[5] Wikipedia. Euro-Krise. https://de.wikipedia.org/wiki/Eurokrise

[6] Finanzkrise ab 2007. https://de.wikipedia.org/wiki/Finanzkrise_ab_2007

[7] Nassim Nicholas Taleb. Antifragilität: Anleitung für eine Welt, die wir nicht verstehen. Albrecht Knaus Verlag. 2013.

[8] Melanie Mitchell. Complexity: A Guided Tour. Oxford University Press. 2011.

Die Vorhersage von Wirtschaftskrisen

July 22nd, 2015

Im letzten Artikel [1] habe ich erklärt, warum eine Festsetzung des Leitzins eine Krise hervorruft. Es ist also sicher, dass eine Krise kommt, aber kann man den Zeitpunkt vorher bestimmen?


Der Zeitpunkt der nächsten Krise: Prognosen, Statistik und Determinismus

Die österreichische Schule ist schon eine Art Außenseiter-Theorie [2] und ist auch nicht vielen bekannt. Zum Beispiel wird sie auf der deutschen Wikipedia-Seite zur “Konjunkturtheorie” erst gar nicht erwähnt [3]. Der Grund liegt darin, dass sie auf einer völlig anderen Grundlage beruht, als die anderen wirtschaftswissenschaftlichen Theorien. Die Mainstream-Theorien glauben alle daran, dass man anhand der statistischen Analyse der Vergangenheit auf die Zukunft schließen kann [4,5].

Bei deterministischen Prozessen wie z. B. in der Physik, handelt jedes Atom nach “Naturgesetzen”, also immer gleich. Ein Atom hat keinen freien Willen und kann sein Verhalten nicht eigenwillig verändern. Hier sind statistische Analysen natürlich sinnvoll und mit hoher mathematischer Wahrscheinlichkeit korrekt [6]. Bei der hohen Anzahl von Atomen ist eine statistische Analyse sogar oft die einzig mögliche Analyse, weil es zu lange dauern würde für jedes Atom zu jedem Zeitpunkt seine Position und Kräfte zu berechnen [6]. Allerdings wird sich dieses mit schnelleren Computern in der Zukunft wohl langsam ändern [7].

Wirtschaftliches Handeln wiederum ist menschliches Handeln und nicht deterministisch [2]. Zum Beispiel wird jemand, der schon mal Aktien gekauft hat und viel Geld damit verloren hat, beim zweiten Mal anders handeln und z. B. Gold kaufen.

Natürlich kann man bei nicht-deterministischen-Systemen auch Aussagen über zukünftiges Verhalten machen, nur sind dieses “unsichere” Aussagen [8]. Man kann z. B. nur Aussagen wie “Mit einer Wahrscheinlichkeit von 98% wird im Zeitraum von … bis … die Kursentwicklung stabil sein”.

Dieses führt zu dem bekannten Spruch “Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen”.

Feststellung: Da wirtschaftliches Verhalten menschliches Verhalten ist, ist es nicht vorhersagbar. Nur in Einzelfällen können für kleine Zeiträume oder kleine Gruppen von Menschen genaue Aussagen gemacht werden. Über einen langen Zeitraum ist eine Vorhersage unmöglich.

Algorithmic Trading

Wie gut eine Prognose sein kann, hängt von mehreren Faktoren ab. Zum Beispiel von der Komplexität der zu prognostizierenden Funktion und von der Qualität der zur Verfügung stehenden Daten zum “Üben”. Im “Data Mining” wird z. B. versucht aus Daten neues Wissen zu gewinnen [9]. Natürlich sind in kleineren Anwendungsgebieten Erfolge möglich [10]. Die gesamtwirtschaftliche Situation allerdings, die in Aktienkursen abgebildet wird, ist zu komplex, um sie vorhersagen zu können. Aus Informatiker-Sicht ist es sogar unmöglich, denn es werden inzwischen Computerprogramme zum Handeln eingesetzt [11]. Und eine Vorhersage dieser Programme würde ein Programm erfordern, dass mindestens so komplex ist, wie das Händler-Programm. Daraufhin würden die Händler ihre Programme ändern, weil sie nicht vorhersagbar sein wollen, denn sie machen dann keinen Gewinn mehr. Das ist also eine Schleife.

Externe Einflüsse auf die Wirtschaft

Da die Wirtschaft im Endeffekt von Menschen gemacht wird, gibt es auch externe Einflüsse, wie z. B. politische Ereignisse. Als Beispiel sei der Angriff auf das World-Trade-Center in New York am 11.9.2001 genannt, der zu Kursrutschen an Börsen in der ganzen Welt führte. Ein weiteres Beispiel beschreibt Hans-Werner Sinn in seinem Buch “Kasino-Kapitalismus”: die Garantie von Hypotheken ohne Bonitätsüberprüfung für bestimmte Bevölkerungsschichten, die dann die Ursache für die “Subprime”-Krise war [12].

Es gibt aber auch religiöse Einflüsse auf das Wirtschaftsleben. Ein Beispiel hierfür ist das sogenannte Sabbatjahr bzw. Shmita, dass alle sieben Jahre gehalten werden soll [13]. In einem solchen Jahr sollen die Acker brach liegen gelassen werden und Schulden erlassen werden. Laut [13] befinden wir uns gerade in einem solchen Sabbatjahr und es endet am 13.9.2015. Nach dem siebten Sabbatjahr, also nach 49 Jahren, soll ein Erlassjahr, auch Jubeljahr genannt, [14] gehalten werden. Dieses Jubeljahr beginnt am 13.9.2015. Auch die katholische Kirche hat ein Jubeljahr ausgerufen [15], das am 8.12.2015 beginnt.

Natürlich locken solche Ereignisse auch diverse Endzeitpropheten an, denn das Internet ist ein ideales Medium für diese. Es kommt jetzt nicht darauf an, ob es wahr ist, was diese Propheten verkünden. Für die Prognose der Aktienkurse ist nur wichtig, wie religiöse Menschen auf diese Ereignisse reagieren und ob das wiederum einen Einfluss auf den Rest des Markts hat. Wenn es z. B. einen kleinen Kursrutsch gibt, reagiert der Rest dann besonnen und kauft weiter oder verkaufen dann alle im Herdentrieb (bzw. die Algorithmen)? Um zu erfahren, wie religiöse Marktteilnehmer reagieren werden, müsste man eine statistische Umfrage machen. Ohne diese Informationen kann man leider keine Aussagen machen.

Feststellung: Ohne genauere Informationen über das Verhalten religiöser Markteilnehmer, kann man leider nur spekulieren. Ich selber habe keine Aktien, aber ab Mitte September werde ich mir die Kurse ab und zu mal angucken.

Wer sich für Data Mining und Prognosen interessiert, dem sei das Buch von Foster und Provost empfohlen [16].

Literatur

[1] Jörn Dinkla.Wirtschaftskrisen: Manipulation des Leitzins löst Boom & Bust aus. http://blog.dinkla.net/?p=30602

[2] Ludwig von Mises. Human Action. https://de.wikipedia.org/wiki/Human_Action

[3] Wikipedia. Konjunkturtheorie. https://de.wikipedia.org/wiki/Konjunkturtheorie

[4] Wikipedia. Technische Analyse. https://de.wikipedia.org/wiki/Technische_Analyse

[5] Wikipedia. Technical Analysis. https://en.wikipedia.org/wiki/Technical_analysis

[6] Wikipedia. Statistische Physik. https://de.wikipedia.org/wiki/Statistische_Physik

[7] Wikipedia. Computational Physics. https://en.wikipedia.org/wiki/Computational_physics

[8] Wikipedia. Uncertainty. https://en.wikipedia.org/wiki/Uncertainty

[9] Wikipedia. Data Mining. https://de.wikipedia.org/wiki/Data-Mining

[10] Wikipedia. Prognose. https://de.wikipedia.org/wiki/Prognose

[11] Wikipedia. Automatisierter Handel. https://de.wikipedia.org/wiki/Automatisierter_Handel

[12] Wikipedia. Hans-Werner Sinn. https://de.wikipedia.org/wiki/Hans-Werner_Sinn#Kasino-Kapitalismus

[13] Wikipedia. Sabbatjahr. https://de.wikipedia.org/wiki/Sabbatjahr

[14] Wikipedia. Erlassjahr. https://de.wikipedia.org/wiki/Erlassjahr

[15] Radio Vatikan.

http://en.radiovaticana.va/news/2015/04/11/pope_francis_presents_bull_of_indiction_of_jubilee_of_mercy/1136108

[16] Foster Provost, Tom Fawcett. Data Science for Business: What you need to know about data mining and data-analytic thinking. O’Reilly. 2013. http://data-science-for-biz.com

Wirtschaftskrisen: Manipulation des Leitzins löst Boom & Bust aus

July 21st, 2015
Seit dem Anfang der letzten Wirtschaftskrise am Ende des Jahres 2008 beschäftige ich mich in meiner Freizeit mit der Ursache dieser Krisen, wie man sie vorhersagen könnte und welche Folgen sie haben.
Ich bin beruflich Informatiker, habe also mehr mathematische, statistische und logische Vorkenntnisse als wirtschaftswissenschaftliche. Eventuell hat mir diese Unkenntniss  geholfen, die sogenannte Österreichische Schule der Ökonomie zu entdecken [1].
Zinsen
Für eine größere Investition leiht man sich typischerweise Geld von der Bank. Banken wiederum selber leihen sich Geld bei der Zentralbank (*). Für das Leihen von Geld wird ein Zins fällig. Dieser Zins drückt das Verhältnis des Werts heute und in der Zukunft aus [8]. Bei einem Zins von 5% werden 100 Euro heute wie 105 Euro in einem Jahr angesehen. Damit sich das Leihen rentiert, muss das Geld so investiert werden, dass der Gewinn die Zinsen übersteigt. Man muss also in einem Jahr mehr als 105 Euro  einnehmen. Je höher der Zinssatz, desto schwieriger wird es, Gewinn zu machen. Bei hohen Zinsen werden die Investitionen daher sehr viel kritischer bewertet als bei niedrigeren Zinsen. Umgekehrt gilt natürlich: je niedriger die Zinsen, desto einfacher der Gewinn.
Wie wird der Zins bestimmt?
In einem unregulierten Finanzmarkt wird der Zins “natürlich” gebildet [8]. Man spricht auch von einem “Marktzins”. Dieser Marktzins wird durch Angebot und Nachfrage bestimmt. Es gibt Leute, die ihr vorhandenes Geld sparen möchten und es gibt Leute, die Kredite aufnehmen wollen. Die Banken finden dadurch den “Marktzins”. Die Sparer gehen zu der Bank, wo sie die höchsten Zinsen bekommen und die Leiher gegen zu der Bank, wo sie die niedrigsten Zinsen zurückzahlen müssen (*). Hier gelten die üblichen Regeln zwischen Angebot, Nachfrage und Preis [2].
In der Wirtschaftslehre wurde schon vor langer Zeit erkannt, dass die Festsetzung von Mindest- oder Höchstpreisen durch die Politik sehr negative und unerwünschte Nachteile haben kann. Paul Krugman beschreibt es auch in seinem Buch sehr schön [2, Kap. 4].
Der Leitzins und seine Folgen
Der Leitzins der EZB und der FED ist eine solche Marktregulierung. Der Leitzins bestimmt die Zinsen, zu dem sich die Banken von der Zentralbank Geld leihen können [3]. Der Leitzins ist momentan in der EU bei 0.05%, also sehr niedrig [4].
Dadurch sind Kredite günstig zu haben und es werden Investitionen gemacht, die bei höheren Zinsen nicht gemacht werden würden. Wer kennt in seinem Bekanntenkreis nicht auch jemanden, der in den letzten Jahren Immobilien gekauft hat, weil es die Kredite “so billig so schnell nicht wieder gibt”.
Banken können sich jetzt auch “billiges” Geld leihen und  versuchen die 0.05% zu erwirtschaften. Am einfachsten geht das durch “Zocken” am Aktienmarkt und mit den unzähligen weiteren Fantasieprodukten des Finanzsektors. Mit einem niedrigem Leitzins beginnt ein Börsenboom.
Damit das eine richtige Blase ergibt muss man sich in die Firmen hineindenken, deren Aktienkurse jetzt steigen. In einer natürlichen Wirtschaft mit einem natürlichem Zins würde das Ansteigen des Kurses bedeuten, dass die Aktionäre denken, die Firma sei auf dem richtigen Kurs und würde tolle Produkte herstellen. Die Leitung des Unternehmens könnte also planen, die Produktion zu erweitern, neue Mitarbeiter einzustellen, neue Fabriken zu bauen, etc.
In der manipulierten Wirtschaft heißt es das aber nicht mehr. Wenn die Firma das weiß, ist es ok. Sie muss also versuchen, die tatsächliche Lage des Unternehmens zu bewerten und nicht den Aktienkurs. Denn der Aktienkurs ist aufgrund des gesenkten Leitzins und der dadurch vermehrten Aktienkäufe verzerrt. Wenn die Firma das aber nicht tut und den Aktienkurs ernst nimmt, fängt sie an die Produktion auszuweiten, Fabriken zu bauen, usw. Die Firma fängt an zu investieren.
Wenn der Leitzins niedriger ist als der Marktzins werden daher Investitionen gemacht, die ansonsten nicht gemacht werden würden. Und das genau ist die Blase [8].
Aufschwung und Krise / “Boom and Bust”
Jetzt können zwei verschiedene Ereignisse eintreten [7]: a) Irgendwann erkennen die Firmen, dass zwar ihre Aktien an Wert gewonnen haben, sie ihre Produkte aber nicht stärker verkaufen als vorher. Sie haben also die Aktieninformationen falsch interpretiert und Fehlinvestitionen gemacht. Jetzt müssen sie auf die Bremse treten und die Ausgaben wieder senken. Wenn das mehrere Firmen erkennen, beginnt mit der Reduzierung der Ausgaben die Krise. Oder b) die Zentralbanken wollen die Wirtschaft abbremsen und erhöhen den Leitzins wieder. Dieses betrifft dann langlaufende Projekte, die noch nicht abgeschlossen sind. Mit den höheren Zinsen lohnt sich evtl. die Weiterführung des Projekts nicht mehr. Beispielsweise werden in einer solchen Situation  Wolkenkratzer nicht mehr weitergebaut (“skyscraper curse”) [5, 6].
Es kommt also zu einer Krise. Diese Krise ist eigentlich eine Art “Reinigungsprozess” bei der die Fehlentscheidungen, die aufgrund der zu niedrigen Zinsen gemacht wurden, wieder korrigiert werden müssen. Das sehen allerdings nicht alle so: manche sind dann der Meinung, dass man den Leitzins weiter senken sollte, damit der “Aufschwung” wieder losgeht. Damit wird nach der Konjunkturtheorie der österreichischen Schule die notwendige Korrektur bzw. “Reinigung” auf später verschoben, d.h. die Krise wird heraus gezögert. Bei einem Leitzins von 0.05% bleibt auch nicht viel Raum mehr nach unten. Da ist die Luft schon fast raus.
Fazit: Wenn die Leitzinsen unterhalb des Marktzinses festgesetzt werden, kommt es zu Fehlinvestitionen und damit mit Sicherheit zu einer Krise. Den Zeitpunkt kann man allerdings nicht so genau bestimmen. Siehe den nächsten Artikel.
Wer sich für eine humorvolle Einführung in die österreichische Schule interessiert, dem sei [9] empfohlen.
(*) das ist natürlich stark vereinfacht
Literatur
[1] Wikipedia. Österreichische Schule. https://de.wikipedia.org/wiki/Österreichische_Schule
[2] Paul Krugman, Robin Wells. Volkswirtschaftslehre. Schäffer-Poeschel. 2010.
[3] Wikipedia. Leitzins. https://de.wikipedia.org/wiki/Leitzins
[5] Wikipedia. Skyscraper Index. https://en.wikipedia.org/wiki/Skyscraper_Index
[6] Mark Thornton. Skyscrapers and Business Cycles. https://mises.org/library/skyscrapers-and-business-cycles-4
[7] Wikipedia. Austrian business cycle theory. https://en.wikipedia.org/wiki/Austrian_business_cycle_theory
[8] Ludwig von Mises. Human Action. https://de.wikipedia.org/wiki/Human_Action
[9] Peter Schiff. Wie eine Volkswirtschaft wächst und warum sie abstürzt. Börsenbuchverlag. 2011.

Covariance and Contravariance in Scala / Kovarianz und Kontravarianz in Scala

July 6th, 2015

I try to explain “covariance and contravariance” with some simple Scala examples.

————————————————————————————–

Das Thema “Kovarianz und Kontravarianz” wird zwar auch bei Wikipedia erklärt, ich versuche es hier mit
eigenen Worten und Scala.

[Rezension] Guter Hands-on Einstieg

July 6th, 2015

Rezension des Buchs: Holden Karau; Andy Konwinski; Patrick Wendell; Matei Zaharia. Learning Spark. O’Reilly. 2015.

Wer die Grundlagen von Spark lernen möchte, ist mit diesem Buch gut beraten. Mir hat besonders gut gefallen, dass das Buch sehr praxisorientiert ist und man nebenbei mit der Spark-Shell die Beispiele ausprobieren und nachvollziehen kann. Auch die Beschreibung des Anlegens eines Clusters in Kapitel 7 fand ich sehr hilfreich.

Um von diesem Buch zu profitieren sollte man schon fortgeschrittene Programmierkenntnisse in Python, Scala oder Java haben. MapReduce braucht man nicht zu kennen.

Leider werden die Themen GraphX und SparkR nicht behandelt.

Die meisten Beispiele werden in den drei Sprachen Python, Scala und Java 7 angegeben. Leider wurde hier nicht Java 8 verwendet, so dass die Beispiele sehr asymmetrisch sind. Der Java 7 Code macht das Buch fast kaputt. Allerdings muss man zur Entschuldigung der Autoren auch sagen, dass im Hadoop-Bereich der Umstieg auf Java 8 noch nicht durchgeführt wurde.

Hier haben sich manchmal auch Übersetzungsfehler eingeschlichen und die Programme sind nicht immer gleich (z. B. die VerifyCallLogs() in Java fehlen in den anderen Versionen, 6-18).

Anhand von Beispiel 4-25, dem “Scala Page Rank”, habe ich selber gelernt, dass Typenformationen auch hilfreich sein können. Die Beispiele in Python und Scala sind zwar kurz und knapp, aber mir fehlen unten in der Schleife die Datentypen zum Verständnis. Das ist so kein Code, den man sofort versteht. Ich werde also in Scala meine Transformationen freiwillig mit Typen kennzeichnen, damit sie besser lesbar sind.

Im Abschnitt “Spark SQL Performance” klingt das ein wenig so, als ob die Autoren auch die Entwickler von Spark SQL sind a la “Guck mal unser tolles System”. Hier sind sie ein wenig unkritisch, denn SQL-Optimierung ist ein sehr weiter und komplizierter Bereich und bei Spark-SQL wohl noch nicht auf dem Stand der traditionellen SQL-Datenbanken.

Das Beispiel in “Machine Learning Basics” ist für den Einstieg meiner Meinung nach zu kompliziert. Und im Beispiel 6-12 benutzen die Autoren ein Anti-Pattern, da wird gegen die konkrete Implementierung ArrayList und nicht gegen das Interface List programmiert.

Und – last but not least – das Buch heißt “Learning”. Warum gibt es dann keine Übungen oder Aufgaben? Eventuell sogar mit Lösungen im Anhang?

Aber insgesamt gesehen ein guter und gelungener Einstieg.

[Rezension] Sehr gute Einführung in Scala

June 17th, 2015

Rezension des Buchs: Martin Odersky, Lex Spoon, Bill Venners. Programming in Scala. Artima. 2010.

Scala ist ein wichtiger Meilenstein bei der Fusion von funktionaler und objektorientierter Programmierung. Diese Fusion ist aber noch nicht abgeschlossen, sondern ein “Entdeckungs-Prozess”, der noch ein paar Jahre andauern wird.

Um ein objekt-funktionaler Entwickler zu werden benötigt man momentan noch sehr viel Hintergrundwissen, weil man die Techniken und Methoden beider Paradigmen beherrschen muss. In Zukunft wird sich da eine Zwischenmenge bilden, so das der Einstieg leichter werden wird.

Ich persönlich kannte die funktionale Sprache Haskell und die Objektorientierung mit Java und Groovy auf der JVM sehr gut, hatte also weitreichende Vorkenntnisse. Aber trotzdem war das Buch eine doch fordernde Lektüre in der zweiten Hälfte.

Aber die Hauptaufgabe des Buchs – die Sprache Scala zu erklären – erledigen die Autoren meisterhaft. Sämtliche (damals implementierten Feature) werden ausführlich und verständlich erklärt. Das Buch ist auch jetzt nach 4 Jahren immer noch die beste Erklärung von Scala. Kapitel 25 z. B. enthält schöne fortgeschrittene Beispiele für die Integration eigener Datenstrukturen in das Collection-Framework ab Scala 2.8. Man benötigt allerdings Kenntnisse aus den Bereichen FP, OO und Java. Es ist kein Einsteigerbuch, sondern richtet sich an erfahrene Entwickler.

Ich habe dieses Buch jetzt dreimal gelesen, 2009 die erste Edition, 2011 die zweite und jetzt 2015 noch einmal. Das Buch kann man nicht gewinnbringend in einem Rutsch so durchlesen. Man muss zwischendrin stoppen und die Sprache ausprobieren, Beispiele erfinden und Scala am besten in Projekten verwenden. Nach dem ersten Mal 2009 habe ich bei manchen Teilen zuerst noch gedacht, “das ist so zu kompliziert, das brauche ich doch gar nicht” oder “die Syntax ist zu weit von Java entfernt, das will dann wieder kein Programmierer lernen”. Aber im Laufe der Zeit merkt man, dass sich viele Dinge mit Scala Traits, Klassen und Objekten sehr gut modellieren lassen, das Scala eine sehr elegante Sprache ist und das auch Kovarianz und Kontravarianz für die Implementierung eigener Kollektionen wichtig sind.

Das Buch ist 2010 erschienen, aber momentan nur in kleinen Teilen veraltet. GUIs erstellt man heute mit JavaFX und nicht mit Swing, die Skala-Aktoren sind deprecated. Leider fehlen natürlich auch wichtige Neuentwicklungen, wie z. B. die parallelen Collections (ab 2.9), Futures und Promises (2.10), Reflektions (2.10) und Makros. Auch die Frameworks Akka, Play und Spark gab es damals noch nicht und tauchen dementsprechend auch nicht auf. Sie würden den Rahmen des Buches allerdings auch sprengen.

Also: der Einstieg in Scala ist einfach, das Vorankommen dann aber erfordert Übung und man muss sich das Buch immer wieder zur Hand nehmen und Beispiele programmieren.

Scala ist eine sehr reichhaltige Sprache und dieses Buch ist nach wie vor der beste Einstieg. Es ist nicht immer einfach, aber es lohnt sich.

[Rezension] Definitiver Rundumschlag um das Hadoop-Ökosystem

June 2nd, 2015
Rezension des Buchs: Tom White. Hadoop: The Definitive Guide. 4th ed. O’Reilly. 2015

Das Hadoop-Ökosystem ist im Laufe der Zeit erheblich gewachsen. Dieses Buch bietet einen Überblick über die wichtigsten Themen und Projekte des Frameworks. Neben einer Erläuterung der Grundlagen von Hadoop, insbesondere HDFS, YARN und MapReduce, werden Erweiterungen, wie z. B. HBase, Spark, Zookeeper, Avro uvwm. ausführlich behandelt.

Um dieses Buch allerdings mit Gewinn lesen zu können, sollte man das MapReduce-Paradigma schon kennen und auch mit Hadoop erste Erfahrungen gesammelt haben. Es ist kein Einsteigerbuch. Es ist allerdings auch kein endgültiges Profibuch, da oft nicht genügend in die Tiefe gegangen wird.

Was ich persönlich vermisse, ist ein Abschnitt “Hadoop in Practice”, in dem über Erfahrungen aus der Praxis berichtet wird. Hier sollten Tipps und “Best Practices” für Betrieb und Entwicklung behandelt werden. Wie sehen übliche Einsatzszenerien aus? Welche Probleme gibt es da? Wie verhalten sich unkomprimierte Dateien in der Regel bei der Performance? Welche Änderungen gibt es, wenn ich Komprimierung verwende? usw.

Denn das Buch liest sich stellenweise wie eine sehr lange Dokumentation. Auch gibt es viele überflüssige Tabellen, wie z. B. die Tabelle aller primitiven Datentypen von Hive. Als Entwickler benutze ich das Buch doch nicht als Referenz, dass kann ich schneller googlen als es im Buch nachzugucken.

Schade finde ich, dass das maschinelle Lernen, z. B. mit Mahout, gar nicht im Buch behandelt wird. Auch das Monitoring von Hadoop wird nur gestreift, hier wäre interessant, wie das z. B. mit Nagios, Ganglia, Puppet, Chef oder Ambari genutzt werden kann. Und heutzutage sollte Containerisierung mit Docker natürlich auch nicht fehlen.

Aber alles in allem ist es ein sehr umfangreiches Buch und mir haben die meisten Stellen gut gefallen, wie z. B. die Behandlung fehlerhafter Daten, Debugging und Profiling in Kapitel 6 oder die genaue Beschreibung des Aufrufs von MapReduce-Jobs in Kapitel 7.

Ich kann das Buch jedem mit den o.g. Grundkenntnissen empfehlen.

Dieses Review bei Amazon.


Copyright © 2007-2015 Jörn Dinkla. All rights reserved.