StudierendeLehrende

Market Bubbles

Market Bubbles sind Phänomene in den Finanzmärkten, bei denen die Preise für Vermögenswerte, wie Aktien oder Immobilien, über ihren intrinsischen Wert hinaus ansteigen. Dies geschieht oft aufgrund von spekulativem Verhalten, bei dem Investoren in der Hoffnung, von steigenden Preisen zu profitieren, übermäßig in bestimmte Vermögenswerte investieren. Während einer Blase kann es zu einer Überbewertung kommen, die durch mehrere Faktoren wie Medienberichterstattung, Herdentrieb oder exzessive Liquidität verstärkt wird.

Ein typisches Merkmal einer Marktblase ist, dass sie in der Regel mit einem plötzlichen und dramatischen Preisverfall endet, wenn die Realität den überhöhten Erwartungen nicht standhält. Die Auswirkungen solcher Blasen können tiefgreifend sein und sowohl Einzelinvestoren als auch die gesamte Wirtschaft betreffen, was zu einer Finanzkrise führen kann. Um solche Blasen zu erkennen, können Indikatoren wie das Kurs-Gewinn-Verhältnis (KGV) oder das Verhältnis von Preis zu Buchwert herangezogen werden.

Weitere verwandte Begriffe

contact us

Zeit zu lernen

Starte dein personalisiertes Lernelebnis mit acemate. Melde dich kostenlos an und finde Zusammenfassungen und Altklausuren für deine Universität.

logoVerwandle jedes Dokument in ein interaktives Lernerlebnis.
Antong Yin

Antong Yin

Co-Founder & CEO

Jan Tiegges

Jan Tiegges

Co-Founder & CTO

Paul Herman

Paul Herman

Co-Founder & CPO

© 2025 acemate UG (haftungsbeschränkt)  |   Nutzungsbedingungen  |   Datenschutzerklärung  |   Impressum  |   Jobs   |  
iconlogo
Einloggen

Jacobi-Matrix

Die Jacobi-Matrix ist ein fundamentales Konzept in der multivariaten Analysis, das die Ableitungen einer vektoriellen Funktion beschreibt. Sie stellt eine Matrix dar, die die partiellen Ableitungen einer Funktion mit mehreren Variablen in Bezug auf ihre Eingangswerte enthält. Wenn wir eine Funktion f:Rn→Rm\mathbf{f} : \mathbb{R}^n \rightarrow \mathbb{R}^mf:Rn→Rm betrachten, dann ist die Jacobi-Matrix JJJ gegeben durch:

J=[∂f1∂x1∂f1∂x2⋯∂f1∂xn∂f2∂x1∂f2∂x2⋯∂f2∂xn⋮⋮⋱⋮∂fm∂x1∂fm∂x2⋯∂fm∂xn]J = \begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots & \frac{\partial f_1}{\partial x_n} \\ \frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_2}{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial f_m}{\partial x_1} & \frac{\partial f_m}{\partial x_2} & \cdots & \frac{\partial f_m}{\partial x_n} \end{bmatrix}J=​∂x1​∂f1​​∂x1​∂f2​​⋮∂x1​∂fm​​​∂x2​∂f1​​∂x2​∂f2​​⋮∂x2​∂fm​​​⋯⋯⋱⋯​∂xn​∂f1​​∂xn​∂f2​​⋮∂xn​∂fm​​​​

Hierbei sind fif_ifi​ die Komponenten der

Dünnschichtinterferenz

Thin Film Interference beschreibt das Phänomen, das auftritt, wenn Lichtwellen, die von verschiedenen Schichten eines dünnen Films reflektiert werden, miteinander interferieren. Diese Interferenz kann zu bunten Mustern führen, die häufig in Seifenblasen oder auf Ölflecken auf Wasser zu beobachten sind. Wenn Licht auf den dünnen Film trifft, wird ein Teil des Lichts an der oberen und ein Teil an der unteren Grenzfläche reflektiert. Die beiden reflektierten Lichtstrahlen können sich überlagern, was zu konstruktiver (Verstärkung) oder destruktiver (Auslöschung) Interferenz führt, abhängig von der Dicke des Films, dem Einfallswinkel des Lichts und der Wellenlängen des Lichts. Die Bedingung für konstruktive Interferenz kann mathematisch ausgedrückt werden als:

2nd=(m+12)λ(m=0,1,2,…)2nd = (m + \frac{1}{2})\lambda \quad (m = 0, 1, 2, \ldots)2nd=(m+21​)λ(m=0,1,2,…)

wobei nnn der Brechungsindex des Films, ddd die Dicke des Films und λ\lambdaλ die Wellenlänge des Lichts ist. Im Gegensatz dazu gilt für destruktive Interferenz:

2nd=mλ(m=0,1,2nd = m\lambda \quad (m = 0, 1,2nd=mλ(m=0,1,

Schwinger-Effekt

Der Schwinger-Effekt ist ein Phänomen der Quantenfeldtheorie, das beschreibt, wie in einem starken elektrischen Feld virtuelle Teilchenpaare zu realen Teilchen werden können. Wenn ein elektrisches Feld stark genug ist, kann es die Energie, die zur Erzeugung von Teilchen benötigt wird, aus dem Vakuum "entziehen". Dies geschieht, weil das Vakuum nicht leer ist, sondern ein Meer von virtuellen Teilchen und Antiteilchen enthält, die ständig entstehen und wieder verschwinden.

Die Wahrscheinlichkeit, dass ein Teilchenpaar erzeugt wird, hängt von der Stärke des elektrischen Feldes EEE und der Masse mmm der erzeugten Teilchen ab und kann mathematisch durch die Formel:

Γ∝E2e−mE\Gamma \propto E^2 e^{-\frac{m}{E}}Γ∝E2e−Em​

beschrieben werden. Hierbei ist Γ\GammaΓ die Erzeugungsrate der Teilchenpaare. Der Schwinger-Effekt ist von großer Bedeutung für die theoretische Physik, da er die Verbindung zwischen Quantenmechanik und Elektrodynamik verdeutlicht und Einblicke in die Natur des Vakuums bietet.

Nyquist-Diagramm

Ein Nyquist Plot ist ein grafisches Werkzeug, das in der Regelungstechnik und Signalverarbeitung verwendet wird, um die Stabilität und das Frequenzverhalten von dynamischen Systemen zu analysieren. Der Plot stellt die komplexe Frequenzantwort eines Systems dar, indem die Realteile gegen die Imaginärteile der Übertragungsfunktion H(jω)H(j\omega)H(jω) aufgetragen werden, wobei ω\omegaω die Frequenz ist. Dies ermöglicht es, die Stabilität eines Systems zu beurteilen, indem man die Umrundungen des Punktes (−1,0)(-1, 0)(−1,0) im Diagramm betrachtet.

Wichtige Aspekte des Nyquist Plots sind:

  • Stabilität: Ein System ist stabil, wenn der Nyquist Plot nicht den Punkt (−1,0)(-1, 0)(−1,0) umschließt.
  • Kreisbewegung: Der Verlauf des Plots zeigt, wie das System auf verschiedene Frequenzen reagiert, was Rückschlüsse auf Resonanz und Dämpfung zulässt.

Insgesamt ist der Nyquist Plot ein wertvolles Werkzeug zur Analyse und zum Entwurf von Regelungssystemen.

Stackelberg Leader

Der Stackelberg Leader ist ein Konzept aus der Spieltheorie und der Wirtschaftswissenschaft, das eine bestimmte Rolle in einem duopolaren Markt beschreibt. In einem Stackelberg-Modell agiert der Leader zuerst und trifft Entscheidungen, wie z.B. die Menge der produzierten Güter oder den Preis. Der Nachfolger, auch Stackelberg Follower genannt, beobachtet die Entscheidungen des Leaders und reagiert darauf, was ihm ermöglicht, seine eigene Strategie optimal anzupassen. Diese Führungsstruktur führt oft zu einem Wettbewerbsvorteil für den Leader, da er die Marktbedingungen und die Reaktionen des Followers antizipieren kann.

Mathematisch kann das Gleichgewicht in einem Stackelberg-Modell durch die Maximierung der Gewinnfunktionen der beiden Unternehmen dargestellt werden, wobei der Leader zuerst wählt und der Follower seine Reaktion darauf anpasst:

max⁡LeaderπL=P(Q)⋅QL−C(QL)\max_{\text{Leader}} \pi_L = P(Q) \cdot Q_L - C(Q_L)Leadermax​πL​=P(Q)⋅QL​−C(QL​) max⁡FollowerπF=P(Q)⋅QF−C(QF)\max_{\text{Follower}} \pi_F = P(Q) \cdot Q_F - C(Q_F)Followermax​πF​=P(Q)⋅QF​−C(QF​)

Hierbei ist P(Q)P(Q)P(Q) der Preis, der von der Gesamtmenge QQQ abhängt, QLQ_LQL​ und QFQ_FQF​ sind die Produktionsmengen des Leaders und Followers, und CCC ist die Kostenfunktion.

Hahn-Zerlegungssatz

Das Hahn-Zerlegungstheorem ist ein fundamentales Ergebnis in der Maßtheorie und der Funktionalanalysis, das sich mit der Zerlegung von messbaren Mengen in Bezug auf ein gegebenes, nicht-negatives Maß beschäftigt. Es besagt, dass jede nicht-negative, σ-finite Maßfunktion in zwei disjunkte Teile zerlegt werden kann: eine Menge, auf der das Maß positiv ist, und eine Menge, auf der das Maß null ist.

Formell ausgedrückt, wenn μ\muμ ein nicht-negatives Maß auf einer σ-Algebra A\mathcal{A}A ist, dann existieren disjunkte Mengen AAA und BBB in A\mathcal{A}A mit folgenden Eigenschaften:

  • μ(A)>0\mu(A) > 0μ(A)>0
  • μ(B)=0\mu(B) = 0μ(B)=0

Zusammengefasst ermöglicht das Hahn-Zerlegungstheorem eine klare Trennung zwischen den "wichtigen" und den "unwichtigen" Teilen einer messbaren Raumstruktur und ist somit von zentraler Bedeutung in der theoretischen Analyse und Anwendungen der Maßtheorie.