Die Prognose von Aktienkursen gehört zu den wichtigsten Bestandteilen des Asset-Allocation- sowie des Risiko-Optimierungsprozesses im modernen Anlagemanagement. In den letzten Jahrzehnten wurden in der wissenschaftlichen Forschung eine Vielzahl von unterschiedlichen Ansätzen zur Modellierung und Prognose von Aktienkurszeitreihen (z.B. ARCH-, GARCH- oder ARIMA-Modelle) entwickelt. Doch konnte letztlich kein hinreichend akkurates Prognoseinstrument aus diesen Modellen abgeleitet werden, wofür insgesamt der relativ hohe Zufallscharakter von Aktienkursen verantwortlich gemacht wird.

Reza Darius Montassér untersucht, in wie weit der Zufallscharakter durch Hinzunahme des Handelsvolumens als Filtergröße verringert werden kann. Unter Verwendung des von ihm entwickelten AVAS-Filters gelingt ihm eine signifikante Verringerung des Zufallscharakters. Mit Hilfe zweier unterschiedlicher Methoden der Technischen Analyse überprüft er dann in einem mehrere Millionen Datensätze umfassenden Testverfahren die Prognosequalität dieser Analyseform anhand der Ausgangszeitreihe sowie der AVAS-transformierten Reihe. Daneben formuliert er ein theoretisches Fundament für die Technische Analyse (dynamische Informationseffizienz), eine neue Methode zur Klassifizierung des Zufallscharakters (Alpha-Abweichung) und entwickelt ein neues Risikomaß (Sigma-Divergenz).