In dieser Arbeit wird ein Spin-Modell zur Betrachtung von Finanzmärkten mit vielen Vermögenswerten vorgeschlagen. Anhand dieses Modells werden insbesondere die Auswirkungen verschiedener Wahrnehmungskonzepte der Agenten gegenüber externen Nachrichten näher beleuchtet.
Um das Modell mit realen Finanzmärkten vergleichen zu können, werden in Kapitel 2 einige etablierte empirische Eigenschaften von Finanzzeitreihen unter Verwendung realer Daten näher betrachtet. Weiterhin wird auf die Korrelationsstruktur von Finanzmärkten mit vielen Vermögenswerten eingegangen, die für entwickelte Märkte und Schwellenmärkte unterschiedlich ausgeprägt ist.
Eine Möglichkeit, Märkte in diese beiden Kategorien zu unterteilen, bietet der betrachtete generalisierte Hurst-Exponent.
Kapitel 3 gibt einen kurzen Überblick verschiedener Spin-Modelle für Finanzmärkte aus der Ökonophysik, bevor das Gonçalves-Sornette-Zhou-Modell detailliert beschrieben und untersucht wird. Dieses Modell zeigt, dass durch die Interaktion von externen Nachrichten und Imitation zwischen den Agenten die wichtigsten empirischen Eigenschaften einzelner Finanzzeitreihen erzeugt werden können. Dies gilt jedoch nur für ein irrationales Verhalten der Agenten.
In Kapitel 4 wird die Generalisierung dieses Modells beschrieben, welche den Kernpunkt der Arbeit bildet.
Dabei stehen vor allem zwei Aspekte im Vordergrund: Das Wahrnehmungskonzept der Agenten, das zur Imitationsentscheidung führt sowie die Separation der Nachrichten in globale, sektorspezifische und individuelle Ströme, welche die gewünschte Korrelationsstruktur zwischen den Vermögenswerten ermöglichen.
Zwei Wahrnehmungskonzepte werden detaillierter untersucht. Bei ersterem berücksichtigen die Agenten nur die Nachrichten des Vermögenswertes mit dem größten absoluten Ertrag.
Im Kontrast dazu das zweite Konzept, bei welchem die Agenten die Mehrheit der Vermögenswerte als Entscheidungsgrundlage zu Rate ziehen. Besonders interessant ist dabei, dass die Irrationalität der Agenten nicht für beide Konzepte notwendig ist.
Das erarbeitete Modell bietet unterschiedliche Möglichkeiten zur Modellierung von Finanzmärkten und zeigt, dass der Fall einzelner Zeitreihen und vieler Zeitreihen deutliche Unterschiede aufweisen kann.

This paper proposes a spin model for the consideration of financial markets with assets. On the basis of this model, the effects of different perception concepts of the agents in relation to external news are examined in more detail.
In order to compare the model with real financial markets, some established empirical properties of financial time series are studied in Chapter 2 using real data. Furthermore, the correlation structure of financial markets with many assets, which varies for developed and emerging markets, is discussed. One way to divide markets into these two categories is the generalized Hurst exponent under consideration.
Chapter 3 gives a brief overview of various spin models for financial markets from the field of econophysics and describes and investigates Gonçalves-Sornette-Zhou model in detail. This model shows that the most important empirical properties of individual financial time series can be generated through the interaction of external news and imitation between the agents. However, this only applies to an irrational behaviour of the agents.
Chapter 4 describes the generalization of the this model, which is the core of the work.
The focus is on two aspects: the perception concept of the agents, which leads to the imitation decision, and the separation of the messages into global, sector-specific and individual flows, which enable the desired correlation structure between the assets.
Two perception concepts are examined in more detail. In the first case, the agents only take into account the news of the asset with the highest absolute return.
This contrasts with the second concept, in which the agents use the majority of assets as a basis for their decisions. Of particular interest is that the irrationality of the agents is not necessary for both concepts.
The model developed offers different possibilities for modeling financial markets and shows that the case of individual time series and many time series can show considerable differences.