Nach wie vor ist innerhalb der neoklassischen Kapitalmarkttheorie das vorherrschende wissenschaftliche Paradigma zum Menschenbild verankert. In der neoklassischen Sichtweise wird unter anderem den Marktteilnehmern eine homogene Informationsverarbeitung und der gleiche Planungs- oder Anlagehorizont bei der Erwartungsbildung unterstellt. Real beobachtbare Gegebenheiten am Kapitalmarkt über das Entscheidungsverhalten der preisbildenden Marktteilnehmer suggerieren jedoch ein konträres Bild. Geht man von heterogenen Anlegergruppen aus, die ihre Entscheidungen auf grundverschieden Einflussvariablen und in Abhängigkeit vom jeweiligen Anlagehorizont fußen, muss die herkömmliche Modellkonstruktion bei der Prognose kritisch betrachtet werden. Diese versucht nämlich mit einigen Einflussvariablen die aggregierten, im Preis enthaltenen, Fluktuationen zu erklären. Sofern jedoch kurz- und langfristige Kauf- und Verkaufsentscheidungen grundlegend anderen Mechanismen folgen, ist eine derartige Modellierung irreführend. Vielmehr müssen, entsprechend den unterschiedlichen Anlagehorizonten, bspw. lang-, mittel- oder kurzfristige Trends aus dem Preis extrahiert und separat unter Nutzung der für die jeweilige Anlegergruppe relevanten exogenen Größen abgebildet werden. Eine solche Möglichkeit der Preiszerlegung bietet die Wavelet-Transformation (WT). Ziel ist es, die mittels WT aus dem Preis extrahierten Preisfluktuationen (unter Gebrauch von künstlichen neuronalen Netzen) zunächst einzeln zu prognostizieren und in Analogie zu den heterogenen Anlegergruppen, die zusammen den Preis erzeugen, anschließend zu einer Gesamtprognose zusammenzufassen.
