Einführung in das quantitative Asset Management

Größe: px
Ab Seite anzeigen:

Download "Einführung in das quantitative Asset Management"

Transkript

1 Enführung n das quanttatve sset Management 1. Enletung Unter sset Management, zu Deutsch Vermögensverwaltung, versteht man kurz gesagt den strukturerten ufbau und de Verwaltung von Vermögen n der Zet. Wr unterstellen her, dass deser rozess strukturert stattfndet. De Exstenz enes solchen rozesses st grundsätzlch wetgehend unabhängg vom Startvermögen. Im sset Management, der ortfolotheore und m Rsk Management fndet be der etrachtung von rskobehafteten nlagen, we kten und onds ene hohe bstrakton von der enzelnen nlage statt, ndem dese durch de Vertelungen hrer Rendten beschreben werden. Harry Markowtz legte n den 1950er Jahren de Grundlagen für analytsch funderte Dversfkatonsstrategen be rskobehafteten Fnanzanlagen 1. Für den nleger geht es dabe um de Frage, we er enen gegebenen Geldbetrag mt möglchst gerngem Rsko n ene Rehe unterschedlcher nlagegüter nvestert soll, so dass er ene gewünschte Mndestrendte erwarten darf. Zel st also de estmmung enes ortfolos, d.h. der relatven ntele der nlagegüter an der Gesamtnvesttonssumme, das unter den bekannten räferenzen des nlegers optmal st. Markowtz wes darauf hn, dass für enen ratonal handelnden nleger nur effzente ortfolos n Frage kommen, und beschreb, we sch de Menge der effzenten ortfolos unter gewssen nnahmen bestmmen lässt. De (zukünftge) Rendte enes ortfolos wrd dabe als Zufallsvarable betrachtet, deren Standardabwechung 3 als Maβ für das Rsko des ortfolos dent. ls Engangsparameter des Markowtz-Modells denen de Erwartungswerte, Standardabwechungen und Korrelatonen bzw. Kovaranzen der (zukünftgen) Rendten der nlagegüter, de praktsch zumest mt Hlfe hstorscher Daten geschätzt werden. Wenn wr von der Wahl des nlagehorzontes abstraheren, seht sch eder nleger be der uftelung senes Vermögens grundsätzlch dre mtenander verbundenen Fragen gegenüber. 1. In welche ssetklassen soll nvestert werden?. Welche spezellen Vertreter der ssetklassen sollen ausgewählt werden? 3. Wevel soll n de enzelnen ssets nvestert werden? Theoretsch kann en belebger nleger we Se oder der Verfasser deser Zelen zwschen berzehntausenden von verschedenen Geldanlagen wählen. Enge wchtge ssetklassen snd zum espel Festgeld, Tagesgeld, Sparbücher, kten, nlehen, Rohstoffe, Währungen, Immoblen, Kunst, refmarken, Fonds aller Couleur, usw. uf all de genannten nlageklassen ex refmarken exsteren ferner Dervate mt den unterschedlchsten 1 Man vergleche dazu MRKOWITZ (195) und MRKOWITZ (1959). Ene ausführlche Darstellung des Markowtz-Modells fndet man n ELTO, GRUER ET L. (007). En ortfolo X domnert en ortfolo Y, wenn sene erwartete Rendte mndestens so groß st we de von Y und sen Rsko echt klener, oder, wenn sen Rsko höchstens so groß st we das von Y und sene erwartete Rendte echt größer st. En ortfolo, das von kenem anderen ortfolo domnert wrd, nennt man effzent. 3 De Tauglchket der Standardabwechung als Rskomaβ n der ortfolooptmerung wurde velfach krtsert und ene Rehe alternatver Rskomaβe vorgeschlagen, cf. ELTO, GRUER ET L. (007) und nsbesondere COLEM UD MSOUR (005) m Fall von Real Estate nlagen. 1

2 Laufzeten. Intutv werden Se enge deser nlageklassen mt nedrgem Rsko bewerten, andere mt mttlerem oder hohem Rsko. e kten oder nlehen hängt de Rskoenschätzung bzw. -bewertung u. a. davon ab, aus welchen Ländern, ranchen, ggf. Indzes de ewelgen Wertpapere kommen, welche Laufzet se haben und mt welcher Lqudtät se ausgestattet snd. Grundsätzlch glt stets das fundamentale Gesetz der Kaptalanlage Ohne Rsko ken (erwarteter) Ertrag. Wr werden n desem etrag ncht auf Strategen oder Möglchketen zur Erzehung von rbtragegewnnen engehen 4 sondern uns durch de Erläuterung der Grundzüge der Markowtztheore der quanttatven eschrebung von rskobehafteten Wertpaperen und effzenten Kombnatonen von desen wdmen. Wr werden uns her also nsbesondere der drtten o.g. Frage zuwenden und dese berets vorab mt enem Ja, aber Vorscht! beantworten. cht Gegensatz der hesgen etrachtungen snd demographsch motverte Erörterungen von geplante Spar- und Entsparvorgängen, de zu qualtatven oder grob qualtatve Empfehlungen à la En unger Mensch sollte mehr kten als onds halten und erstere sukzessve m Laufe sener Lebenszet durch letztere substtueren. Ene zunehmende Rskoaverson mag tendenzell mt zunehmendem lter zutreffen Erörterungen von statstsch snnvollen Spar- und Entsparmodellen nnerhalb ener Lebenszet halten wr her John Maynard Keynes berühmtes Wort Langfrstg snd wr alle tot entgegen. In desem etrag wrd mt dem Markowtzmodell de Mutter aller quanttatven Modelle m Fnanzrskomanagement engehend besprochen. Von Investoren werden Rsken her über de Varanz bzw. Standardabwechung der Rendtevertelungen und über räferenzen, de Erwartete Erträge und Rsken abblden, quantfzert. Grundsätzlch präfereren Investoren dabe mehr Erwartete Rendte gegenüber wenger Erwarteter Rendte und wenger Rsko gegenüber mehr Rsko. Das Modell verwendet de Rskotoleranz unabhängg vom lter und st damt vernünftg für rskofreudge(re) sowe rskoscheue(re) alte und unge Menschen. lle folgenden espele benhalten relatve Größen, 10 korrespondert also zu 10 % Ertrag, usw. espel 1 Gegeben seen zwe Investtonsalternatven X und Y mt den möglchen Zuständen S1, S und S3. De p, 1,...,3, stellen de assozerten Entrttswahrschenlchketen der dre Zustände dar. De uszahlungsprofle von X und Y seen S1, 1 5 S, p 0, 5 S3, 3 5 X Y Tabelle 1 Wahrschenlchketsvertelungen von sset X und Y nleger werden üblcherwese nlage X der nlage Y vorzehen. ede nlagen haben ene symmetrsche Rendtevertelung mt erwarteter Rendte von 10, Y st edoch durch das größere Rsko (zur erechnung sehe unten) charaktersert. Rsko bedeutet her auch Chance, das heßt, fast alle nleger, de X wählen werden, verzchten auch auf de Möglchket, höhere Gewnne mt Y als be X zu erzelen. 4 Vgl. dazu quas edes brauchbare Textbuch zu Fnancal Rsk Management, z.. Smthson Managng Fnancal Rsk.

3 . De Entschedungsvarablen des nlegers Wenden wr uns nun enem formalserten Entschedungsproblem für enen belebgen nleger zu Deser verfüge über das udget b, wobe b en großer fxer Geldbetrag st. De nzahl der ssets, de n enem räselektonsprozess ausgewählt wurden, se mt bezechnet, se ene große natürlche Zahl. De rese pro Enhet der ssets werden als bekannt, und, we das udget b als exogen (m Folgenden durch enen Überstrch gekennzechnet) vorausgesetzt. De q 1,...,, snd also de Entschedungsvarablen des, nlegers. Es glt somt de udgetbeschränkung p1 q1 pq... pq b (1) emerkung 1 De nnahme exogener rese st näherungswese für sehr lqude kten und onds erfüllt, se st problematsch, wenn de Umsätze der ssets gerng snd (z.. be Small Caps) bzw. kene echten Marktprese exsteren (man denke an Luxusmmoblen oder Kunst). Wenn das udget sehr vel größer als de rese der ewelgen Enheten der ssets snd, b p, 1,...,, kann de udgetbeschränkung vermöge der Defnton pq x, 1,...,, standardsert werden. 5 De Unglechung (1) geht etzt n ene b Glechung über und unsere Entschedungsvarablen snd de relatven ntele des Vermögens mt x x... x 1. () 1 emerkung Transaktons- und Montorngkosten werden herbe vernachlässgt bzw. näherungswese den relatven ntelen zugerechnet. Wr wenden uns nun der Ermttlung so genannter effzenter ortfolos zu. En ortfolo st effzent, wenn entweder a) e ener vorgegebenen mnmalen erwarteten Rendte ken anderes ortfolo mt enem gerngeren Rsko exstert oder b) Für en vorgegebenes Maxmalrsko ken ortfolo mt ener höheren erwarteten Rendte exstert. emerkung 3 Das Rsko enes ortfolos kann gut als verallgemenerter res enes Gutes und sene erwartete Rendte als dessen Qualtät nterpretert werden. emerkung 4 lle wesentlchen Egenschaften und Implkatonen des Markowtzmodells können mt Hlfe von nur dre rskobehafteten Wertpaperen dargestellt werden. 5 rese werden m Weteren ncht mehr betrachtet p bezechnet ab her stets ene Wahrschenlchket. Für reale Investtonen muss natürlch weder zurückgerechnet werden, d.h. es müssen be gegebenem udget de Quanttäten der zu kaufenden Enheten ewelgen ssets ermttelt werden. 3

4 3. Der - und der 3-Wertpapere Fall Wr wenden uns zunächst enem Wertpaperunversum, das exklusv aus den Wertpaperen und besteht, zu. Dabe nehmen wr an, dass wr uns zu egnn des Kalenderahres 009 befnden und unsere enzge Informaton aus den Rendten von und der vergangenen fünf Jahre besteht. Unser Entschedungsproblem besteht darn, en gegebenes udget auf und für en Jahr vernünftg aufzutelen. espel Gegeben seen de Rendten von zwe ktenanlagen und, de n den vergangenen fünf Jahren beobachtet wurden (Dvdenden nklusve). nlage/jahr %,50 %,5 7,5,5 7,5 15 Tabelle Rendten der ssets und In der letzten Zele wurde de Rendten der naven Mschung von und aufgetragen. Es st sofort erschtlch, dass de Rendten deses Mschportfolos glatter verlaufen, dass durch das Mschen also ene Rskoredukton stattgefunden hat. Wenn wr n enem sehr enfachen Zugang davon ausgehen, dass de Wahrschenlchketen aller bsher beobachteten Rendtepaare für 009 glechvertelt st,.e. p(004) = = p(008) = 0,, snd, beträgt de Erwartete Rendte von M 5 1 e ( ) 0, 15 0, 5 0, ( 5) 0, 5 0, Dabe bezechnet M de nzahl der Umweltzustände (m espel st M = 5) und e stellt das Eregns Rendte m Zustand, = 1,..,M, dar. nalog ergbt sch für ene erwartete Rendte 0. Das Rsko der nlagen ermtteln wr über de Varanz bzw. deren postve Quadratwurzel, de Standardabwechung M p ( e ( ) ) 1 0, (15 10) 0, (5 10) 0, ( 5 10) 0, (5 10) 0, (10 10) De Standardabwechung der Rendte von beträgt somt 10. Für folgt ene Varanz 400 bzw emerkung 5 Obwohl de Standardabwechung häufg n rozent angegeben wrd, sollten Se ene Standardabwechung von 0 ncht als doppeltes Rsko von 10 nterpreteren. emerkung 6 Weder noch st besser. hat ene höhere erwartete Rendte de durch en höheres Rsko erkauft wrd. 4

5 sher wurden und nur solert betrachtet. Kommen wr nun zu Mschportfolos Zunächst glt de udgetbeschränkung x x 1. De erwartete Rendte des ortfolos berechnet sch 6 durch x x x 1 x ) x ( ). ( Das Rsko des Gesamtportfolos berechnet sch durch x x x x cov x (1 x ) x (1 x ) cov. Dabe snd de erwarteten Rendten und Standardabwechungen von und Zahlen oder Inputparameter, her ewels 10 und 0. emerkung 7 Der Erwartungswert und de Varanz ener Summe von gewchteten Zufallsvarablen X und Y mt Konstanten a und b berechnen sch durch und var( ax by) a var( x) b var( Y) abcov( X, Y). E( ax by) ae( X ) be( Y) De Kovaranz der Rendten von und berechnet sch durch M p ( e ( ) )( e ( ) ) 0, (15 10)( 10 0) 0, (5 10)(50 0) 0, ( 5 10)(10 0) 1 0, (5 10)(30 0) 0, (10 10)(0 0) 0. De Kovaranz st en statstsches Maß für den lnearen Zusammenhang zweer zufällger statstscher Merkmale. Ihre Standardserung, der Korrelatonskoeffzent (nach earson) st durch cov [ 1,1 ] defnert. Im espel snd de Rendten also unkorrelert. emerkung 8 In der raxs wrd man zumest erwartete Rendten durch arthmetsche Mttel von Zetrehen und Varanzen und Kovaranzen durch deren emprsche Counterparts schätzen. roblematsch st allerdngs, dass dese Schätzer ncht zetstabl snd. nders ausgedrückt De Szenaren für de Folgeperode ändern sch n der Zet. Im espel berechnet sch das Rsko nun durch x 100 (1 x) 400. Somt hängen Erwartete Rendte und Rsko des Mschportfolos nur noch von ener enzgen unabhänggen oder bestmmenden Größe ab Dem ntel, der n sset nvestert wrd. Wr ermtteln nun das ortfolo mt dem gerngsten Rsko. Des erfolgt über de erste bletung des Rskos d nach dem ntel, der n sset nvestert wrd und anschleßendes ullsetzen 0. Es folgt x 0,8. Das rskomnmale ortfolo besteht also zu 80 % aus sset und zu 0 % aus sset. Es folgt ( MV ) 0,8 10 0,1 1 und ( MV ) 0, , = 8, 944. Wr haben also en ortfolo ermttelt, das ene höhere erwartete Rendte als das Wertpaper mt der gerngeren erwarteten Rendte verfügt und dabe durch en gerngeres Rsko charaktersert st. dx 1 5

6 bbldung 1 Erwartete Rendten, Standardabwechung und Investtonsantel n sset Damt folgt n enem so genannten m -Dagramm bbldung Erwartete Rendten-Standardabwechungdagramm für sset und Damt folgt, dass der höchste ntel, den en ratonaler Investor noch n nvesteren kann, 80 % beträgt. lle ortfolos auf dem unteren st der Kurve werden domnert, be gegebenem Rsko exstert auf dem oberen st en ortfolo mt höherer erwarteter Rendte. Somt wurde ken bestes ortfolo dentfzert, aber ene gewsse nzahl von ortfolos ausgeschlossen! Welches ortfolo auf dem oberen st tatsächlch gewählt wrd, hängt von der Enstellung des Investors zum Rsko an. llgemen glt für das Mnmum Varanz ortfolo von zwe belebgen rskobehafteten k cov k Wertpaperen, k {1,..., }, k x ( MV ). (3) cov k us deser ezehung kann abgeletet werden, dass ene Rskoredukton be aaren von Wertpaperen umso besser gescheht, e nedrger de Korrelaton st und dass es be k 6

7 Expected Return Korrelatonen, de den Quotent der Standardabwechungen überstegen, nur über Leerverkäufe möglch st. Wr betrachten nun de beden Extremkorrelatonen und nehmen m Folgenden an, dass de Erwarteten Rendten von und sowe hre Standardabwechungen we bsher erhalten bleben. Für den Fall, dass de Korrelaton nun 1 beträgt, ermttelt sch der ntel n, der m ortfolo mt dem gerngsten Rsko enthalten st durch x ( MV ) / 3. Damt st x ( MV ) 1/3 und de erwartete Rendte beträgt 13 1/3 be Rsko ull! Für den Fall ener perfekten postven Korrelaton, d.h. 1, folgt x ( MV ) und damt x ( MV ) 1. Das rskomnmale ortfolo wrd also durch den Leerverkauf von 100 % des nfangsvermögens und nlage von 00 % n erzelt. Es hat Erwartete Rendte und Rsko ull. Deser Extremfall st natürlch ökonomsch unsnng, nduzert aber ncht, dass Leerverkäufe kenen etrag zur Rskoredukton be vernünftgen erwarteten Rendten lesten können! Wr wenden uns nun enem espel mt dre rskobehafteten Wertpaperen zu. espel 3 Gegeben seen de Wertpapere und we oben, ferner en Wertpaper C mt den angegebenen Rsko- und erwarteten Ertragskennzahlen 10, 10, 0, 0, 0, 0. 5, 15, 30, 0. 5 C uf den ersten lck schent sset sset C zu domneren. Tatsächlch müssen wr de Korrelatonen bzw. Kovaranzen n etracht zehen Mt Hlfe von Formel (3) kann berechnet werden, dass ene echte Rskoredukton zwschen und C ncht möglch st, Rsko nur über Leerverkauf von ca. 7 % von C errecht werden kann. Ferner entstehen durch de negatve Korrelaton zwschen und C m erech hoher erwarteter Rendten nteressante Kombnatonen. C C C aarwese Kombnatonen von dre ssets St. Devaton bbldung 3 Erwartete Rendten-Standardabwechungdagramm für sset und und C 7

8 De enzge zusätzlche bstrakton st nun, zu verstehen, dass ede Kombnaton von, C und C wederum mtenander kombnert werden kann. ls snnvollen Fall stelle man sch zum espel de aus und und aus und C bestehenden Mnmum Varanzportfolos vor. So entsteht schleßlch de Menge der errechbaren ortfolos mt der Effzenzlne von der uns aus dargelegten Domnanzüberlegungen nur der obere st nteressert. 4. Der -Wertpaperfall Mt den ezechnungen nzahl der ssets Erwartete Rendte des ortfolos Standardabwechung der ortfolorendte cov, Kovaranz der Rendten von sset und. Korrelatonskoeffzent der Rendten von sset und. x Investtonsantele der ssets 1,..., lautet das ass-optmerungsproblem des nlegers 1 k1 x x k k 1 1 x x x cov Mn (4) k 1 k1 k unter den ebenbedngungen x 1 1 x 1 n müssen noch zwe edngungen gestellt werden 1. Dass es echt größer st als de Rendte der rskofreen nlage und zwetens, dass es mndestens der Rendte des weter unten engeführten globalen Mnmum Varanz ortfolos entsprcht. Realtätsnäher wrd man wetere Restrktonen we z.. - Verbot von Leerverkäufen x 0, 1,..,, und/oder - Enführung von Ober- und Untergrenzen für Investtonsquoten enführen a x b 1,..,. Das roblem lässt sch für überschaubare relatv enfach mt Standardsoftware we zum espel mt dem Excel-Solver lösen, wenn man sch ener Matrx-otaton bedent Zunächst wrd der Input geschätzt ass dafür st edenfalls n der Theore - en vollständges Wahrschenlchketsszenaro, das m llgemenen mt Hlfe von Zetrehen approxmert werden soll. Wr verwenden de folgenden ezechnungen a, 1,.., Investtonsalternatven (ssets) 8

9 s 1,..., M, Möglche Zustände mt zugewesenen Entrttswahrschenlchketen, 1,..,, 1 M (Rendte-)Eregns von Investtonsalternatve m Zustand e,..., s / p s / p s / p 1 1 M M a 1 e 11 e 1 e 1 a e 1 e e M a e 1 e e M Tabelle 3 llgemenes Wahrschenlchketsszenaro für ssets be M Umweltzuständen emerkung 9 Wenn man mt Zetrehen arbetet, um statstsche Kennwerte zu berechnen, muss man sch m Klaren sen, dass es rüche geben kann. Man denke z.. an September 11, 001, der ene klare Zäsur für den Gesamtmarkt darstellte. emerkung 10 Im Markowtz-Modell werden de Rendten der ssets als normalvertelt vorausgesetzt. Dese nnahme wdersprcht der emprschen Kaptalmarktforschung, de oft lecht rechtsschefe und sptzgpflge emprsche Vertelungen ermttelte. Grundsätzlch problematsch wrd de nwendung des Modells, wenn Dervate, de durch nchtsymmetrsche uszahlungsprofle charaktersert snd, m ortfolo enthalten snd. De emprschen Vertelungen können mt Hlfe von statstschen npassungstests auf hre Voraussetzung getestet werden. Mt k {1,..., }; k, snd M p e, (5) 1 M 1 p ( e ), cov k M 1 p ( e )( e ). k k Ferner bezechnen Symbole mt Unterstrchen Vektoren, st de ncht-snguläre Varanz- 1 Kovaranz-Matrx und hre Inverse. Das allgemene ortfolooptmerungsproblem n sener enfachsten Form lautet nun Matrx-Form n x1 T x x = ( x1,..., x )... mn 1... x (6) unter den ebenbedngungen 9

10 T x, mn{ rf, GMV } T 1 x 1. nalytsch lässt sch deses Grundproblem mt Hlfe der Lagrange-Methode lösen. 7 Dazu wrd ene Hlfsmatrx engeführt T T 1 T ( 1) 1 a b T 1 T b c (7) De Elemente a, b und c werden wr m Folgenden noch verwenden. Damt st de Inverse von genau 1 1 ac b c b b a Wr erhalten für den Vektor der effzenten ortfolos mt erwarteter Rendte 1 1 x [ 1] (8) 1 Ferner glt folgender wchtger Zusammenhang zwschen erwarteter Rendte und Varanz von effzenten ortfolos 1 c b ( 1) 1 ( c ) p b a (9) ac b b a 1 ac b Wr wenden uns nun zwe besonderen ortfolos zu, dem Globalen Mnmum Varanz ortfolo (GMV) und dem Tangental-ortfolo (T). Das GMV kann aus (9) hergeletet werden Es gelten b 1 GMV, GMV und x GMV = (10) c c c 5. Enführung ener rskofreen nlage Das Tangentalportfolo wrd durch de Kombnaton enes effzenten ortfolos mt der rskofreen nlage motvert. raktsch exsteren natürlch für alle nleger Soll- und Habenznsen, nur dass deren Dfferenz für nsttutonelle nleger bedeutend klener als für rvatanleger st. Wenn verenfacht angenommen wrd, dass es nur enen rskofreen Znssatz gbt, dann muss der nsteg des oberen stes der Effzenzlne glech dem nsteg 7 De Lösung deses roblems wrd z.. n Huang/Ltzenberger beschreben. Wr wenden uns her drekt den Ergebnssen zu. 10

11 der Geraden, de durch ( 0, rf ) und durch (, T T ) geht, dentsch sen. Geraden, de darunter legen, snd ncht effzent, Geraden darüber snd ncht errechbar. llgemen gelten a r b f a r b a r b 1 f f T, 1 1 T b rf c c b a und x T ( 1r f ). (11) ac b b cr f b cr f b cr f De folgende Grafk llustrert des für unseren espelfall mt dre Wertpaperen. µ 30 0 r 10 F 0 T GMV σ bbldung 4 Effzenzlne von sset, und C und Kaptalmarktlne De Herletung deser Grafk erfolgt analog zur Entwcklung des -Dagramms Sowohl de erwartete Rendte als auch de Standardabwechung des ortfolos hängen nun nur noch von ener Varablen, her dem ntel x, der n das rskobehaftete ortfolo nvestert wrd (der Rest 1 x wrd automatsch n de rskofree nlage nvestert) ab. x Rsky x Rsky (1 x) r F (1 x) ( r ) x(1 x)cov F rsky, r F Da de Varanz der rskobehafteten nlage und de Kovaranz zwschen dem rskobehafteten ortfolo und der rskofreen nlage ull snd folgt x Rsky. D.d., sowohl de erwartete Rendte als auch de Standardabwechung des aus der rskobehafteten nlage Rsky und der rskofreen nlage bestehenden Mschportfolos hängen lnear von x ab. Daraus resultert de Gerade m -Dagramm. Effzent snd etzt nur noch Kombnatonen aus der rskofreen nlage und dem Tangentalportfolo! 8 Der ntel der rskofreen nlage nmmt auf der Geraden, der Kaptalmarktlne, nach ordosten ab. Rskoscheue Investoren werden etzt Mschungen aus 8 Wr bemerken noch, dass das Tangentalportfolo m CM zum Marktportfolo wrd, verzchten aber auf de Überführung. Während das Markowtzmodell normatv st, st das CM, das mt systematschen Rsken, durch beta-faktoren quantfzert, operert, postv! 11

12 der rskofreen nlage und dem Tangentalportfolo wählen, rskofreudgere werden sch zur rskofreen nlage verschulden und exklusv n das Tangentalportfolo nvesteren! Für de Fälle, dass Short Sales verboten werden und/oder wetere ebenbedngungen engeführt werden, gbt es kene explzten Lösungsformeln. Dese robleme müssen numersch gelöst werden (z.. mt dem berets erwähnten MS-Excel Solver). Es empfehlt sch edoch n edem Falle, de Lösung unter zusätzlchen ebenbedngungen mt der Lösung des unrestrngerten roblems zu verglechen, um zu sehen, we vel statstschen Effzenzverlust de zusätzlchen ebenbedngungen kosten. 6. We wet kann das statstsche Rsko reduzert werden? Grundsätzlch gbt es en Referenz-ortfolo, für das Se kaum rechnen brauchen, das aber stets ener Überlegung wert sen sollte Es handelt sch um das nav dversfzerte ortfolo. av dversfzert bedeutetet zum espel, dass Se, wenn Se n enem räselektonsprozess 10 ssets dentfzert haben, n edes deser ssets genau en Zehntel hres Vermögens nvesteren. n deser Stratege wrd sofort deutlch, we bedeutend der räselektonsprozess für hren nlageerfolg st. Im Verglech zur Stratege der naven Dversfzerung kann glechzetg de Komplextät des Markowtzmodells dargestellt werden. ehmen Se an, dass Se 100 ssets n enen ersten Schrtt ausgewählt haben. Dann benötgen Se 100 Schätzwerte für de erwarteten Rendten, 100 Schätzwerte für de Varanzen und Schätzwerte für de Korrelatonen bzw. Kovaranzen. ( 1) llgemen glt De nzahl der Schätzwerte ermttelt sch aus. Für = brauchen Se berets mehr als 5 Mllonen Inputs! In der raxs kommt der Löwenantel der Schätzfehler aus den erwarteten Rendten, gefolgt von den Varanzen und schleßlch mt enem sehr gerngen ntel am Gesamtfehler, den Varanzen. Stellen wr uns nun en nav dversfzertes ortfolo mt ssets vor. Das heßt n edes sset wrd genau 1/ nvestert,.e. x 1/, 1,..,. Es bezechne nun * de * durchschnttlche Varanz der ssets und cov deren durchschnttlche Kovaranz. Dann glt 1 1 x x 1 x 1 1 * * x x cov cov 1 1 * cov (1) Das bedeutet, dass das Rsko des nav dversfzerten ortfolos gegen de durchschnttlche Kovaranz konvergert! De Enzelrsken bestzen nur untergeordnete edeutung für das Gesamtrsko des ortfolos! De folgende Erkenntns lautet, dass es, von Extremfällen abgesehen, en systematsches Rsko gbt, das ncht wegdversfzert werden kann. σ chtsystematsches oder frmenspezfsches Rsko 1

13 cov * Systematsches oder Marktrsko bbldung 5 Grenzen der Dversfzerung für ssets 7. espel mt dre Wertpaperen Kehren wr zu unserem espel mt dre Wertpaperen, und C zurück. a) Unser Input st 10 0 und b) Wr erhalten als Inverse der Varanz-Kovaranzmatrx de 0,015-0,005 0,00333 Matrx 1-0,005 0, , , , ,00 De Hlfsmatrx berechnet sch durch , , , ,005 0, , , , , ,5 1 0, , , c) Das Globale Mnmum Varanz ortfolo lautet 0, GMV 1,53, GMV 8,89. 0, c x GMV = 0, ,005 0, ,00333 und - 0,005 0, , , ,75 0, ,31. 0,00 1 0,044 13

14 Damt snd nur ortfolos mt ener Erwarteten Rendte von mndestens 1,53 effzent! d) Tangentalportfolo hat de Koordnaten 15,805, 9, 996. T T 8. Das Markowtz-Modell zusammengefasst und krtsch beleuchtet Zu den wesentlchen nnahmen des Markowtz-Modells zur ortfolooptmerung gehört, dass de nlagen belebg telbar snd, dass der Kauf ener nlage deren Glechgewchtspres ncht beenflusst, und dass de Rendten der nlagealternatven normalvertelt snd. De erste nnahme bedeutet praktsch, dass der zu nvesterende Geldbetrag vel größer als der res ener enzelnen Enhet edes nlagegutes st. De zwete nnahme glt als erfüllt, wenn kontnuerlch große Mengen der ewelgen nlagegüter gehandelt werden. Das darf zum espel be lue Chp kten unterstellt werden. us der drtten (eher technschen) nnahme folgt, dass de Rendtevertelung der nlagegüter und aus hnen gebldeter Mschportfolos vollständg durch de genannten Engangsparameter bestmmt snd. Unter den nnahmen des Markowtz-Modells lassen sch de effzenten ortfolos mathematsch hnrechend enfach bestmmen. De Rsko-Erwartete-Rendte-Kombnatonen der effzenten ortfolos blden dabe de sogenannte Effzenzlne 9. Zu beachten st dabe, dass de Effzenzlne natürlch davon abhängt, ob man Leerverkäufe (Short Sales) zulässt oder ncht und ob man de ufnahme zusätzlcher Lqudtät zulässt oder ncht. Es muss weterhn darauf hngewesen werden, dass darüber hnausgehende (n der raxs durchaus auftretende) Forderungen de mathematsche ehandlung des ortfolooptmerungsproblems erheblch erschweren können. Dazu zählen zum espel Unter- und Obergrenzen für de nlageantele oder Schranken für de nzahl der m ortfolo vertretenen nlagealternatven. atürlch müssen quanttatve Dversfkatonsstrategen n der raxs mt edacht engesetzt werden. Im Markowtzmodell werden zur Ermttlung ener optmalen Lösung enes ortfolos für ene Menge von rskobehafteten Wertpaperen en Vektor von erwarteten Rendten der Länge, ene Varanz-Kovaranz-Matrx der Rendtevertelungen vom Format x, de eretschaft zur Vollnvestton und ene erwartete Mnmalrendte des Investors benötgt. Dabe wrd für dese Mnmalrendte (de betragsmäβg mndestens der erwarteten Rendte des Globalen-Mnmum-Varanz-ortfolos entsprcht) für ene Investtonsperode das ortfolo mt dem gerngsten Rsko, gemessen als Varanz, ermttelt. Der obere rm der Effzenzlne m -Dagramm gbt dabe alle Kombnatonen (.e. ortfolos) von Standardabwechungen der ortfologesamtrendte und erwarteter Rendte des ortfolos an, für de be gegebener erwarteter Rendte ken ortfolo mt enem gerngeren Rsko exstert, an. De Effzenzlne st unter der Voraussetzung ener belebgen Telbarket der Wertpapere stetg. Des entsprcht praktsch der Tatsache, dass de Lösung fast stetg st, solange der nlagebetrag den res ener enzelnen Enhet ener nlage sehr stark überstegt (Des st be kten- und ondportfolos der Fall). 9 Man betrachte dazu auch de bbldungen 1, und 3. 14

15 Da sch de Erwartungen an de Rendten der Wertpapere n der Zet ändern, snd weder der Vektor der erwarteten Rendten noch de Varanz-Kovaranz-Matrx zetstabl. Effzenz st somt ken stabler Zustand. Ene allgemen verbesserte Erwartung n de Rendten bzw. des Rendte-Rskoaustauschverhältnsses der Elemente des nlageunversums resultert c.p. n ener Verschebung der Effzenzlne nach lnks oben, ene Verschlechterung c.p. nach rechts unten. 10 De folgende bbldung llustrert des ehmen wr an, zum Zetpunkt t = 0 wurde en ortfolo konstruert, dessen erwartete Rendte 6,5 be korresponderender Standardabwechung von 4,7 betrug (blaues Kreuz n der Graphk). Deses ortfolo lag auf der Effzenzlne n t = 0! De Wahrnehmung der Markstuaton für de Folgeperode hat sch nun n t = 1 verbessert Des korrespondert zu ener Verschebung der Effzenzlne (schwarze Lne n t = 1) nach rechts oben. Damt st das durch das blaue Kreuz symbolserte ortfolo, das das gewählte ortfolo auf der Effzenzlne von t = 0 charaktersert, ncht mehr effzent. bbldung Verschebung der Effzenzlne nach rechts oben. De Frage für den Investor st nun, nwewet de Effzenzstruktur senes ortfolos verbessert werden kann. Grundsätzlch kann de Effzenzstruktur durch Umschchten und/oder durch den Zufluss von neuen fnanzellen Mtteln errecht werden. Je konsequenter dabe de uswahl nedrg korrelerter roekte zum ewels exsterenden Restportfolo n der Zet vorgenommen wrd, umso mehr Kombnatonen sollten ceters parbus domnert werden. Da de Input-arameter des Modells zum Tel mt deutlcher Vorscht zu betrachten snd (s.o.), snd anschleβende Senstvtätsbetrachtungen unabdngbar! Des glt umso mehr, e höher de Erwartete Rendte des ortfolos st. Grundsätzlch glt, dass der nwender n der ähe des GMVs zumest sehr brauchbare Ergebnsse erhält. 10 So verschob sch z.. mt dem latzen der Mllenumsblase und den uswrkungen des 11. September 001 an den Kaptalmärkten de Effzenzlne des DX30 von 000 bs Frühahr 003 (n deser Zet verlor der deutsche Letndex ca. 70 % an Wert) dramatsch nach rechts unten, um dann bs Sommer 007 weder nach lnks oben zurückzuwandern und mt egnn der Fnanzkrse weder nach rechts unter zurück zu wandern. 15

16 Quellen- und Lteraturverzechns DERSO, R.I. UD T.M. SRIGER (003) REIT Selecton and ortfolo Constructon Usng Operatng Effcency as an Indcator of erformance, Journal of Real Estate ortfolo Management, Vol. 9(1), 003. COLEM, M.S. UD. MSOUR (005) Real Estate n the Real World Dealng wth on-ormalty and Rsk n an sset llocaton Model, Journal of Real Estate ortfolo Management, Vol. 11(1), 005. ELTO, E.J., M.J. GRUER, S.J. ROW UD W.. GOETZM (007) Modern ortfolo Theory and Investment nalyss, Wley, 007. HUG, C. UD R.H. LITZEERGER (1988) Foundatons of Fnancal Economcs, orth-holland, ew York. LIOWSKI, D. (006) sset Lablty Management m Kontext von Solvency II. Edton Rskomanagement, Unon Investment, 006. LIOWSKI, D. UD S. HRTM (007) Markowtz meets Real Estate. In F. Keuper, F. Vocelka und. Haefner MRKOWITZ, H. (195) ortfolo Selecton, Journal of Fnance, Vol. 7(1), 195. MRKOWITZ, H. (1959) ortfolo Selecton Effcent Dversfcaton of Investments, Wley, MICHUD, R.O. (1998) Effcent sset Management ractcal Gude to Stock ortfolo Optmzaton and sset llocaton, Harvard usness School ress. GLIRI, J.L., J.R. WE UD J.J. DEL CSIO (1995) pplyng MT to Insttutonal Real Estate ortfolos The Good, the ad and the Uncertan, Journal of Real Estate ortfolo Management, Vol. 1(1), EROLD,.F. (1984) Large-scale portfolo optmzaton, Manage. Sc. 30/10, SHILLER, R. (003) The ew Fnancal Order Rsk n the 1st Century, rnceton Unversty ress, 003. (Hrg.) De Fnanzfunkton m Zuge der Globalserung, Gabler, Wesbaden. 16

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen En stochastsches Modell zur Ertragsoptmerung be Verscherungen Clauda Garschhammer und Rud Zagst Clauda Garschhammer Bahnhofstr. 34, 8340 aufen Tel: 0868 / 548, c.garschhammer@web.de Prof. Dr. Rud Zagst,

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

Erweiterung des Anlageuniversums für deutsche Investoren: Rendite- und Risikopotenzial österreichischer und ungarischer Aktien- und Rentenmärkte

Erweiterung des Anlageuniversums für deutsche Investoren: Rendite- und Risikopotenzial österreichischer und ungarischer Aktien- und Rentenmärkte rof. Dr. Thomas Zmmerer* Erweterung des Anlageunversums für deutsche Investoren: Rendte- und Rskopotenzal österrechscher und ungarscher Akten- und Rentenmärkte Fachhochschule Ansbach Fachberech Wrtschafts-

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen En Vorschlag zur Modellerung von Summenexzedenten- Rückverscherungsverträgen n Internen Modellen Dorothea Ders Preprnt Seres: 27-22 Fakultät für Mathematk und Wrtschaftswssenschaften UNIVERSITÄT ULM En

Mehr

Innovative Handelssysteme für Finanzmärkte und das Computational Grid

Innovative Handelssysteme für Finanzmärkte und das Computational Grid Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Prvate Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Angeln Se sch Ihr Extra be der Rester-Rente. Rendtestark vorsorgen mt ALfonds Rester, der fondsgebundenen Rester-Rente der ALTE LEIPZIGER. Beste Rendtechancen

Mehr

Hypothekenversicherung oder Bankhypothek?

Hypothekenversicherung oder Bankhypothek? Unverstät Augsburg Prof Dr Hans Ulrch Buhl Kernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-44 Hypothekenverscherung

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Quantitatives IT-Portfoliomanagement: Risiken von IT-Investitionen wertorientiert steuern

Quantitatives IT-Portfoliomanagement: Risiken von IT-Investitionen wertorientiert steuern Quanttatves IT-Portfolomanagement: Rsken von IT-Investtonen wertorentert steuern Dr. Alexander Wehrmann, Dr. Bernd Henrch, Dr. Frank Sefert Kernpunkte Zentraler Bestandtel des IT-Busness-Algnments st das

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der uen gegenwärtg d, dle zudem unte 11 'Slgugh..r solltc de Nutzutgs'rt der Innublc 1- rd d.s %~sn\,cau berückschtgt werdenu, rat,,,,,, r Sre~scl~. l)c Nutzungsnrt der Irmoble sctwchtg, wel hc Jer vcrctctc

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion Metrsche Untersuchung der Wederverwendung m Content Management Statsche Kennzahlen n der Technschen Redaton W. Zegler 1 [Stand: 14. September 2008] De Enführung von Content Management (CM) Methoden und

Mehr

Serie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4

Serie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4 45 www.rsknews.de 11.2002 Kredtrsko Sere: Bestmmung von Ausfallwahrschenlchketen - Tel 4 Ausfallwahrschenlchketen m Konjunkturzyklus Credt Portfolo Vew En Betrag von Uwe Wehrspohn Wr haben n unserer Sere

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

Mehr

Does the choice of the performance measure have an influence on the evaluation of hedge funds?

Does the choice of the performance measure have an influence on the evaluation of hedge funds? Martn Elng * /Frank Schuhmacher ** Does the choce of the performance measure have an nfluence on the evaluaton of hedge funds? * Correspondng Author: Dpl.-Kfm. Martn Elng, Unversty of St. Gallen, Insttute

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

Credit Analyzer RISK CONSULTING GROUP. Technische Dokumentation. Methode und Implementierung des Kreditrisiko-Modells. Release 5.0. www.rcg.

Credit Analyzer RISK CONSULTING GROUP. Technische Dokumentation. Methode und Implementierung des Kreditrisiko-Modells. Release 5.0. www.rcg. Credt Analyzer Release 5.0 Technsche Dokumentaton Methode und Implementerung des Kredtrsko-Modells RISK CONSTING GROU www.rcg.ch Release 1.0: 08/1999 Release.0: 10/001 Release 3.0: 01/005 Release 4.0:

Mehr

Wirtschaftliche Analyse des Leasing

Wirtschaftliche Analyse des Leasing Wrtschaftlche Analyse des Leasng Mchael Btz und Karn Nehoff *) Dskussonsbetrag Nr. 316 2002 * Unv.-Prof. Dr. Mchael Btz st Inhaber des Lehrstuhls für Betrebswrtschaftslehre, nsbes. Bank- und Fnanzwrtschaft

Mehr

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Bewertung von Derivaten mit finiten Differenzen

Bewertung von Derivaten mit finiten Differenzen Bewertung von Dervaten mt fnten Dfferenzen Lutz Kruschwtz und Rolf Ketzler 22 Jul 2002 Inhaltsverzechns 1 Enführung 2 2 Rekaptulaton des Black Scholes Modells 2 3 Fnte Dfferenzen 3 31 Gtter und Dfferenzenbldung

Mehr

ZUSATZBEITRAG UND SOZIALER AUSGLEICH IN

ZUSATZBEITRAG UND SOZIALER AUSGLEICH IN ZUSAZBEIRAG UND SOZIALER AUSGLEICH IN DER GESEZLICHEN KRANKENVERSICHERUNG: ANREIZEFFEKE UND PROJEKION BIS 2030 Martn Gasche 205-2010 Zusatzbetrag und sozaler Ausglech n der Gesetzlchen Krankenverscherung:

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S

D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S D I E R I S I K O A D J U S T I E RT E P E R F O R M A N C E O F F E N E R A K T I E N F O N D S Ene theoretsche und emprsche Untersuchung ausgewählter Probleme n der Performancemessung sebastan krmm Dssertaton

Mehr

Geld- und Finanzmärkte

Geld- und Finanzmärkte Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve

Mehr

Article Auswirkungen von Basel II auf die Leasing-Branche

Article Auswirkungen von Basel II auf die Leasing-Branche econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Hartmann-Wendels, Thomas

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

Leitfaden zu den Volatilitätsindizes der Deutschen Börse

Leitfaden zu den Volatilitätsindizes der Deutschen Börse Letfaden zu den Volatltätsndzes der Deutschen Börse Verson.4 Deutsche Börse AG Verson.4 Letfaden zu den Volatltätsndzes der Deutschen Börse Sete Allgemene Informaton Um de hohe Qualtät der von der Deutsche

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Planung und Budgetierung bedeutet ein

Planung und Budgetierung bedeutet ein nternehmersche Entschedungen snd stets zukunftsbezogen und mt Unscherheten verbunden, da nemand de Zukunft punktgenau vorhersagen kann. Es lassen sch ledglch Bandbreten der zu erwartenden Entwcklung angeben,

Mehr

Grundmodell zur integrierten Risk-/Return- Optimierung des Gesamtbank-Portfolios

Grundmodell zur integrierten Risk-/Return- Optimierung des Gesamtbank-Portfolios Grundmodell zur ntegrerten Rsk-/Return- Optmerung des Gesamtbank-Portfolos Dr. Ursula-A. Theler Rsk Tranng Carl-Zess-Str. D-83052 Bruckmühl Tel./ Fax: 08062/805545 E-mal: theler@rsk-tranng.de http://www.rsk-tranng.de

Mehr

Handelsbuch 2.0 Das Baseler Konsultationspapier Fundamental review of the trading book

Handelsbuch 2.0 Das Baseler Konsultationspapier Fundamental review of the trading book Handelsbuch 2.0 Das Baseler Konsultatonspaper Fundamental revew of the tradng book Whte Paper Nr. 54 Stand: 10. September 2012 Mchael Cluse, Dmtr Gromnsk und Gero Mayr-Gollwtzer Enletung Grundlegende Neubetrachtung

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

Cloud Computing: Willkommen in der neuen Welt der Geschäftsanwendungen

Cloud Computing: Willkommen in der neuen Welt der Geschäftsanwendungen Cloud Computng: Wllkommen n der neuen Welt der Geschäftsanwendungen Marktforscher und Analysten snd sch eng: Cloud Computng st das IT-Thema der Zukunft. Doch was verbrgt sch genau hnter dem Begrff Cloud

Mehr

Kurzgutachten zur Buchpreisbindungsstudie des Office of Fair Trading (OFT)

Kurzgutachten zur Buchpreisbindungsstudie des Office of Fair Trading (OFT) Kurzgutachten zur Buchpresbndungsstude des Offce of Far Tradng (OFT) Dr. Egon Bellgardt 17. November 2008 Inhalt Management Summary...2 0. Gegenstand des Kurzgutachtens...4 1. Stellungnahme zu Enzelaspekten

Mehr

5. Transmissionsmechanismen der Geldpolitik

5. Transmissionsmechanismen der Geldpolitik Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen

Mehr

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung 3 Lösungen 3. Mschungen und Lösungen Homogene Phasen, n denen alle Komonenten glechartg behandelt werden, heßen Mschungen. Wenn ene Komonente m Überschuß vorlegt, kann man von Lösungen srechen. Sezfsche

Mehr

Modellierung des Kreditrisikos im Portfoliofall

Modellierung des Kreditrisikos im Portfoliofall Frankfurt School Workng Paper Seres No. 27 Modellerung des Kredtrskos m Portfolofall von Henz Cremers und Jens Walzner August 2009 Sonnemannstr. 9 6034 Frankfurt an Man, Germany Phone: +49 (0) 69 54 008

Mehr

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale 2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

Österreichische Privathaushalte im Stresstest 1

Österreichische Privathaushalte im Stresstest 1 1 Ncolas Albacete, Prmn Fessler 2 In den letzten Jahrzehnten st de Verschuldung der prvaten Haushalte n benahe allen OECD-Ländern sowohl relatv gesehen als auch n absoluten Zahlen stark angestegen. We

Mehr

Die risikoadäquate Kalkulation der Fremdkapitalkosten für nicht öffentlich gehandelte Unternehmen

Die risikoadäquate Kalkulation der Fremdkapitalkosten für nicht öffentlich gehandelte Unternehmen De rskoadäquate Kalkulaton der Fremdkaptalkosten für ncht öffentlch gehandelte Unternehmen Patrck Behr * Schwerpunkt Fnanzen, Unverstät Frankfurt André Güttler ** Schwerpunkt Fnanzen, Unverstät Frankfurt

Mehr

Teil 2: Statistische Versuchsplanung

Teil 2: Statistische Versuchsplanung Tel : Statstsche Versuchsplanung 4. Enführung n de stat. Versuchsplanung 4. Arten statstscher Versuchspläne - Faktorelle Versuchspläne. Ordnung k und k- - Zentral zusammengesetzte Versuchspläne - Mschungspläne

Mehr

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements Unser Auftrag st de aktve Umsetzung der frohen Botschaft Jesu m Denst am Menschen. Ene Herausforderung, der wr täglch neu begegnen. Mt modernster Technk und Kompetenz. Und vor allem mt Menschlchket. Letlnengerechte

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

4. Energie, Arbeit, Leistung, Impuls

4. Energie, Arbeit, Leistung, Impuls 34 35 4. Energe, Arbet, Lestung, Ipuls Zentrale Größen der Physk: Energe E, Enhet Joule ( [J] [N] [kg /s ] Es gbt zwe grundsätzlche Foren on Energe: knetsche Energe: entelle Energe: Arbet, Enhet Joule

Mehr

Lineare Regressionsanalyse mit SPSS

Lineare Regressionsanalyse mit SPSS Unverstät Trer Zentrum für Informatons-, Medenund Kommunkatonstechnologe (ZIMK) Bernhard Baltes-Götz Lneare Regressonsanalyse mt SPSS 850 800 750 Y 0 700 5 5 X 0 0 X 0 5 5 04 (Rev. 40804) Herausgeber:

Mehr

6 Numerische Simulation von druckentlasteten Gasexplosionen

6 Numerische Simulation von druckentlasteten Gasexplosionen 6 Numersche Smulaton von drucentlasteten Gasexplosonen Explosonen von brennbaren Gasen und Dämpfen stellen omplexe Prozesse mt gegensetger Beenflussung physalscher und chemscher Prozesse dar. Se snd dadurch

Mehr

Reale Außenwirtschaft

Reale Außenwirtschaft Vorlesungsskrpt Reale Außenwrtschaft. Auflage (erwetert und verbessert), 007 Mchael Rauscher Glederung. Vorbemerkungen. Gegenstand der realen Außenwrtschaftstheore?. En emprsches Bld der nternatonalen

Mehr

Wie beeinflußt das Umfeld einer Bank die Effizienz?

Wie beeinflußt das Umfeld einer Bank die Effizienz? Betrag 215, Volkswrtschaftlche Dskussonsrehe, Unverstät Augsburg We beenflußt das Umfeld ener Bank de Effzenz? Ene DEA-Analyse für de Bayerschen Genossenschaftsbanken Andreas Wutz Unverstät Augsburg* Januar

Mehr

netbank Ratenkredit Große Flexibilität hohe Sicherheit

netbank Ratenkredit Große Flexibilität hohe Sicherheit netbank Ratenkredt Große Flexbltät hohe Scherhet Beten Se Ihren Kunden mt dem netbank Ratenkredt mehr Frehet für ene schere Investton n de Zukunft. In deser Broschüre fnden Se alle wchtgen Informatonen

Mehr

Wirtschaftlichkeitsanalyse bei der Einführung und Gestaltung von Wissensmanagementsystemen am Beispiel der Kundenserviceprozesse einer Automobilbank

Wirtschaftlichkeitsanalyse bei der Einführung und Gestaltung von Wissensmanagementsystemen am Beispiel der Kundenserviceprozesse einer Automobilbank Unverstät Augsburg Prof. Dr. Hans Ulrch Buhl ernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-163 Wrtschaftlchketsanalyse

Mehr

DIE DYNAMISCHE OPTIMIERUNG BEIM GRADIENTENENTWURF

DIE DYNAMISCHE OPTIMIERUNG BEIM GRADIENTENENTWURF DIE DYNMISCHE OPTIMIERUNG BEIM GRDIENTENENTWURF Wlhelm CSPRY Hansbert HEISTER Walter WELSCH In: CSPRY, Wlhelm / WELSCH, Walter (Hrsg.) [98]: Beträge zur großräumgen Neutrasserung Schrftenrehe des Wssenschaftlchen

Mehr

Eine Sonderausgabe des Magazins zum Thema Strukturiertes. Vielfalt bei Strukturierten Produkten Ein Universum voller Möglichkeiten

Eine Sonderausgabe des Magazins zum Thema Strukturiertes. Vielfalt bei Strukturierten Produkten Ein Universum voller Möglichkeiten Ene Sonderausgabe des Magazns zum Thema Strukturertes Velfalt be Strukturerten Produkten En Unversum voller Möglchketen Inhaltsverzechns Kaptalschutz-Zertfkate 04 Be deser Struktur garantert der Emttent,

Mehr

Die IRB Formel. Zur Berechnung der Mindesteigenmittel für Kreditrisiko. Working Paper Series by the University of Applied Sciences of bfi Vienna

Die IRB Formel. Zur Berechnung der Mindesteigenmittel für Kreditrisiko. Working Paper Series by the University of Applied Sciences of bfi Vienna Number 1 / 004 Workng Paper Seres by the Unversty of Appled Scences of bf Venna De IRB Formel Zur Berechnung der Mndestegenmttel für Kredtrsko Laut Drttem Konsultatonspaper und laut Jänner-Formel des Baseler

Mehr

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14 E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern

Mehr

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service.

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service. smart Center Esslngen Compact-Car GmbH & Co. KG Plochnger Straße 108, 73730 Esslngen Tel. 0711 31008-0, Fax 0711 31008-111 www.smart-esslngen.de nfo@smart-esslngen.de Wr nehmen Ihren smart nach velen Klometern

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr. 55 14195 Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche

Mehr

Empirische Sozialforschung Eine Übersicht Ansgar A. Plassmann

Empirische Sozialforschung Eine Übersicht Ansgar A. Plassmann Emprsche Sozalforschung Ene Überscht Ansgar A. Plassmann 1) Defntonen Emprsche Forschung such nach Erkenntnssen durch systematsche Auswertung von Erfahrungen emprsch : aus dem Grechschen auf Erfahrung

Mehr

WÄRMEÜBERTRAGUNG - Doppelrohr

WÄRMEÜBERTRAGUNG - Doppelrohr WÄRMEÜBERTRAGUNG - Doppelrohr Dpl.-Ing. Eva Drenko 1. Voraussetzungen Für de Durchführung deses Übungsbespels snd folgende theoretsche Grundlagen erforderlch: a. Gesetzmäßgketen von Transportprozessen;

Mehr

Corporate Governance, Unternehmensbewertung und Wettbewerb eine Untersuchung für die Schweiz

Corporate Governance, Unternehmensbewertung und Wettbewerb eine Untersuchung für die Schweiz Corporate Governance, Unternehmensbewertung und Wettbewerb ene Untersuchung für de Schwez Stefan Bener Unversty of Basel Wolfgang Drobetz Unversty of Basel Markus M. Schmd Unversty of Basel Henz Zmmermann

Mehr

Outlier Detection in USENET Newsgruppen

Outlier Detection in USENET Newsgruppen Dplomarbet Outler Detecton n USENET Newsgruppen Stephan Deutsch Dplomarbet am Fachberech Informatk der Unverstät Dortmund Oktober 2006 Betreuer: Prof. Dr. Katharna Mork Dpl.-Inform. Mchael Wurst 2 Inhaltsverzechns

Mehr

3.1 Grundlagen der Multivariaten Modellierung

3.1 Grundlagen der Multivariaten Modellierung Semnar: Quanttatves Rskomanagement Multvarate Moelle I Prof: Hanspeter.Schml Betreuung: Jula Esenberg Zhou,Yng 3. Multvarate Moelle I Fnanzelle Rskomoelle für en Absatzmarkt oer für Kretrsken sn grunsätzlch

Mehr

Spezifizierung des Kano-Modells zur Messung von Kundenzufriedenheit

Spezifizierung des Kano-Modells zur Messung von Kundenzufriedenheit Unverstät Augsburg Prof. Dr. Hans Ulrch Buhl Kernkompetenzzentrum Fnanz- & Informatonsmanagement Lehrstuhl für BWL, Wrtschaftsnformatk, Informatons- & Fnanzmanagement Dskussonspaper WI-142 Spezfzerung

Mehr

Was hätte man sonst machen können? Alternativszenarien zur rot-grünen Einkommensteuerreform

Was hätte man sonst machen können? Alternativszenarien zur rot-grünen Einkommensteuerreform Dskussonsbeträge des Fachberechs Wrtschaftswssenschaft der Freen Unverstät Berln Volkswrtschaftlche Rehe 006/3 Was hätte man sonst machen können? Alternatvszenaren zur rot-grünen Enkommensteuerreform Tmm

Mehr

Working Paper Bewertung von Kreditprodukten und Credit Default Swaps

Working Paper Bewertung von Kreditprodukten und Credit Default Swaps econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Hedorn, Thomas Workng

Mehr

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB Vertreb / CRM Erfolgreches Kundenmanagement mt staffitpro WEB Vertreb /CRM Aufgabe des Leadsmoduls Kontaktanbahnung: Enen neuen Lead erfassen Mt dem Leadsmodul halten Se de Kundendaten m Geschäftskontaktemodul

Mehr

Energie, Masse und Information

Energie, Masse und Information Energe, Masse und Informaton Professor Dr. Klaus Hofer De Beschrebung unserer Welt mt Hlfe der ver Naturelemente Feuer, Wasser, Erde, und Luft geht auf den grechschen Naturphlosophen Empedokles (473 v.ch.)

Mehr

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61

Mehr

5. IS LM - Modell. Literatur: Blanchard / Illing, Kap. 4-5 Kromphardt, Teil D. Keynesianische Konsumtheorie

5. IS LM - Modell. Literatur: Blanchard / Illing, Kap. 4-5 Kromphardt, Teil D. Keynesianische Konsumtheorie 5. IS LM - Modell Lteratur: Blanchard / Illng, Kap. 4-5 Kromphardt, Tel D 1 Keynesansche Konsumtheore De Keynesansche Konsumtheore beschrebt en Glechgewcht auf dem Gütermarkt unter folgenden Annahmen:

Mehr

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61

Mehr

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006 Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,

Mehr

econstor zbw www.econstor.eu

econstor zbw www.econstor.eu econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Pfeffer, Fredhelm;

Mehr

FACT SHEET. ProjectNetWorld

FACT SHEET. ProjectNetWorld ProjectNetWorld Inhalt ProjectNetWorld 3 De Funktonen Der Untersched zu anderen Lösungen 7 Gründe für SaaS Ensatzbereche und Branchen Warum ProjectNetWorld Aufbau & Organsaton 4 MyWorld I ProjectWorld

Mehr

Faszination Photovoltaik. Das reine Vergnügen. Unsere Stromversorgung Solarenergie

Faszination Photovoltaik. Das reine Vergnügen. Unsere Stromversorgung Solarenergie Fasznaton Photovoltak Das rene Vergnügen Unsere Stromversorgung Solarenerge Deutschland Sonnenland Sonnenenstrahlung pro m 2 und Jahr Kel Rostock Hamburg Bremen Hannover Berln Magdeburg Dortmund Köln Kassel

Mehr

Anwenderhandbuch KALKULATIONSSOFTWARE. NetKalk.Tarife 4.0.101 Strom und Gas. Stand des Handbuchs: 6. Mai 2015

Anwenderhandbuch KALKULATIONSSOFTWARE. NetKalk.Tarife 4.0.101 Strom und Gas. Stand des Handbuchs: 6. Mai 2015 Anwenderhandbuch KALKULATIONSSOFTWARE NetKalk.Tarfe 4.0.101 Strom und Gas Stand des Handbuchs: 6. Ma 2015 INHALTSVERZEICHNIS EINFÜHRUNG 1 Das Programm NetKalk.Tarfe... 5 1.1 Zugrff und Besonderheten...

Mehr

Faszination Photovoltaik. Das reine Vergnügen. Unabhängig mit Solarstrom

Faszination Photovoltaik. Das reine Vergnügen. Unabhängig mit Solarstrom Fasznaton Photovoltak Das rene Vergnügen Unabhängg mt Solarstrom Deutschland Sonnenland Sonnenenstrahlung pro m2 und Jahr Kel Rostock Hamburg Bremen Berln Hannover Magdeburg Dortmund Lepzg Kassel Köln

Mehr

Methoden zur Bewertung von Credit Default Swaps

Methoden zur Bewertung von Credit Default Swaps Methoen zur Bewertung von Cret Default Swas Dr. Walter Gruber ( PLUS GmbH); Sylva Lause (Sarasse Hannover) Inhalt Enführung... Moell er Dscounte Sreas... 3 Moell er Ajuste Sreas... 4 Moell von JPMorgan...

Mehr

Numerische Methoden der Thermo- und Fluiddynamik

Numerische Methoden der Thermo- und Fluiddynamik Technsche Unverstät Berln HERMANN FÖTTINGER INSTITUT FÜR STRÖMUNGSMECHANIK Numersche Methoden der Thermo- und Fluddynamk von T. Rung, L. Xue, J. Yan, M. Schatz, F. Thele vorläufge Verson 2002 Redakton:

Mehr