Risikoanalyse und optimale Portfolios

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Risikoanalyse und optimale Portfolios"

Transkript

1 Seminar "Quantitative Finance" Universität des Saarlandes

2 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

3 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

4 Volatilität Logarithmischer Ertrag im Zeitintervall T: R(T ) = log x(t ) x 0 x(t): Preis eines Vermögenswertes zur Zeit t x 0 : Preis zur Zeit t = 0 Die Volatilität σ eines Investments ist die Standardabweichung von R(T ).

5 Theoretische Rechtfertigung Vergleichsweise einfache Berechnung der Varianz Varinanz subadditiv Verallgemeinerung auf ganze Portfolios Im Kontinuumslimes wird R(T ) zu einer Gaußverteilung mit Mittelwert mt und Varianz σ T R(T ) nur durch m und σ festgelegt vernünftiges Maß für das Risiko muss auf σ basieren!

6 Intuitive Bedeutung von σ Nach hinreichen großer Zeit T ist der Preis des Vermögenswertes gegeben durch x(t ) = x 0 exp [ mt + σ T ξ] wobei ξ eine gaußverteilte Zufallsvariable mit verschwindendem Mittelwert und Varianz 1 ist. σ T entspricht der Größenordnung der Abweichung vom erwarteten Ertrag. Bemerkung: x(t ) sollte nicht mit x 0, sondern mit x 0 e rt verglichen werden! Betrachte überschüssigen Ertrag m = m r

7 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

8 Sharpe ratio S Die Güte eines Investments wird anhand der Sharpe ratio S bestimmt: S = m T σ S üblicherweise für T = 1Jahr bestimmt, z.b. m = 5 % pro Jahr und σ = 20 % pro Jahr S = 0, 25 Ein Investment mit S = 1 wird als extrem gut angesehen. Achtung: S nur näherungsweise bekannt: S 1 n n : Anzahl der verfügbaren Jahre an Daten

9 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

10 Bisher: gaußverteilte Preise Nachteile: Risiko verbunden mit Verlusten, nicht mit Gewinn Symmetrisches Auftreten in der Definition von Risiko unbefriedigend Gaußmodell nie gerechtfertgt für extreme Ereignisse, die jedoch am gefährlichsten für den Anleger sind Extreme Ereignisse erschweren Bestimmung der Varianz (starker Einfluss einzelner Handelstage) weitere Definition von Risiko benötigt!

11 Wahrscheinlichkeit einen Betrag δx größer als eine bestimmte Schwelle Λ in einem Zeitintervall τ zu verlieren: P[δx < Λ] = P < [ Λ] = Λ P τ (δx) dδx mit P τ (δx): Wahrscheinlichkeitsdichte der Preisveränderung auf dem Intervall τ Alternativ: Definiere Risiko als Höhe des Verlustes ( VaR) Λ, der mit einer bestimmten Wahrscheinlichkeit P über dem Zeitintervall τ verbunden ist: Λ P τ (δx) dδx = P

12 Beispiel: Ein Verlust größer als Λ über einem Zeitintervall von τ = 1Tag kommt durchschnittlich einmal in 100 Tagen vor (P = 1%). Bemerkung: Definition berücksichtigt nicht, dass Verluste sich über aufeinanderfolgende Zeitintervalle hinweg ansammeln können Gesamtverlust kann Λ substantiell übersteigen! Wert des maximalen Verlustes innerhalb von τ nicht berücksichtigt, sondern nur Schlusspreis

13 Schwächen von Value at Risk VaR nicht sub-additiv Ein Verlust von Λ wird mit Wahrscheinlichkeit P überschritten, aber was ist der typische Verlust, wenn Λ überschritten wird?

14 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

15 Der durchschnittliche Verlust E, falls Λ überschritten wird, heißt : E = Λ ( δx)p τ (δx) dδx P Typischerweise sind E und Λ proportional. Für algebraische Verteilungen gilt E = µ µ 1 Λ (µ > 1) µ für Wertpapiere 3 bis 5, sodass E 1, 25 1, 5 Λ

16 Variety Asymmetrie Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

17 Variety Risikoanalyse Variety Asymmetrie Ein Maß für die Heterogenität des Marktes an einem Tag stellt die Variety dar: V (t) = 1 M (η i (t) η m (t)) M 2 i=1 wobei η m = M i=1 η i(t) der durchschnittliche Ertag ist. Beispiel: η m (t) = 3 %, V (t) = 0, 1 % die meisten Aktien schließen zwischen 2, 9 % und 3, 1 % η m (t) = 3 %, V (t) = 10 % stark unterschiedliche Trends mit positivem Durchschnitt

18 Variety Asymmetrie Korrelation mit Marktperformance Korrelation zwischen V und der durchschnittlichen Marktperformance η m (t) Asymmetrie bezüglich positivem (Steigung +0, 55) und negativem (Steigung 0, 30) Marktdurchschnitt Tägliche Variety v der 1071 von 1987 bis 1998 kontinuierlich gehandelten NYSE Stocks als Funktion des täglichen Ertrages η m.

19 Variety Asymmetrie Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

20 Variety Asymmetrie Asymmetrie Frage: Welcher Bruchteil f aller Aktien schneidet besser ab als der Marktdurchschnitt? Eng damit verbunden ist die Asymmetrie A: A(t) = η m (t) η (t), η : Median

21 Variety Asymmetrie Korrelation mit Marktperformance Auch hier zu η m (sigmoidale Kurve). Hohe Asymmetrie an stark positiven/negativen Handelstagen. Tägliche Asymmetrie A der 1071 von 1987 bis 1998 kontinuierlich gehandelten NYSE Stocks als Funktion des täglichen Ertrages η m. Außerdem die beiden extremsten Markttage, beide im Oktober 1987.

22 Variety Asymmetrie Schwarzer Montag 1987 Kursverlauf des Dow Jones 3 Monate vor und nach dem Schwarzen Montag am 19. Oktober Größter prozentualer Tageseinbruch seit 1914 mit 22, 6 % (vgl. 29. September 2008: 6, 98 %)

23 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

24 Grundlegendes Risikoanalyse Ziel: Balance zwischen Risiko und Ertrag für ein unkorreliertes Portfolio Betrachten: Satz von M risikobehafteten Anlagen X i, i = 1,..., M und eine risikofrei Anlage X 0 n i sei die Anzahl der Anlagen vom Typ i, ihr momentaner Wert sei xi 0 Wenn W die investierte Gesamtsumme ist, gilt M i=0 n ixi 0 = W Benutzen das Gewicht der Anlagen im Portfolio, d.h. p i = n i xi 0 W sodass M i=0 p i = 1 (die p i können negativ sein, z.b. Leerverkäufe)

25 Zusätzliche Vereinfachungen Wert des Portfolios zur Zeit T gegeben durch S = M n i x i (T ) = W i=0 M i=0 p i x i (T ) x 0 i Im Folgenden: Setzen Anfangsinvestition W auf 1 Definieren alle Anlagen i so, dass ihr Startpreis xi 0 = 1 ist relative statt absolute Erträge Annahme: durchschnittlicher Ertrag m i sei bekannt (z.b. aus Vergleich mit Performance der Vorjahre)

26 Unkorrelierte gaußverteilte Anlagen Annahme: Wertex i der Anlagen gaußverteilt um m i T mit Varianz σ 2 i T gesamtes Portfolio p = {p 0,..., p M } genügt ebenfalls gaußscher Statistik Durschnittlicher Ertrag des Portfolios: m p = M p i m i = m 0 + i=0 M p i (m i m 0 ) wobei (m i m 0 ) der überschüssige Ertrag verglichen mit der risikofreien Anlage ist. i=0 x i unabhängig Gesamtvarianz σ p = M i=1 p 2 i σ2 i

27 2 Extremfälle Minimiere Varianz ohne Bedingung an den Ertrag: p i = 0 (i 0), p 0 = 1 gesamtes Gewicht bei der risikofreien Anlage Maximiere Ertrag ohne Bedingung an das Risiko: gesamtes Gewicht bei der Anlage mit dem höchsten Einzelertrag realistischer: Abwägen von Risiko gegen Ertrag Festsetzung eines gewünschten Durchschnittsertrages m p und Bestimmung des zugehörigen Portfolios mit minimalem Risiko

28 Lösung des Problems Einführung eines Lagrangemultiplikators ζ, der m p auf den gewünschten Wert fixiert: (σp 2 ζm p ), i 0 p i pi =p i Das Gewicht der risikofreien Komponente p0 ist dann bestimmt durch i p i = 1. Varianz des optimalen Portfolio (σ p) 2 = ζ2 4 M (m i m 0 ) 2 σ 2 i=1 i ζ = 0 entspricht dem risikofreien Portfolio p 0 = 1

29 Familie optimaler Portfolios Familie optimaler Portfolios durch den Parameter ζ beschrieben definieren Parabel in der σ 2 p, m p Ebene Effizienzgrenze in der Ertrags/Risiko-Ebene. Ohne Zusatzbedingungen ist die Linie eine Parabel (dunkle Linie). Für zusätzliche Forderungen (z.b. alle p i sollen positiv sein) rutscht die Grenze nach unten (gepunktete Linie). Falls nur risikobehaftete Anlagen mit vergleichbaren Varianzen σ i Gesamtvarianz um Faktor M kleiner als die Einzelvarianzen

30 Anlagen algebraischer Verteilung Nicht Varianz sondern VaR zu minimieren! Annahme: Fluktuationen der x i im Bereich großer Verluste beschrieben durch: P T (η i ) η i µa µ i η i 1+µ µ > 1 Amplitude für das gesamte Portfolio: A µ p = M p µ i A µ i Wahrscheinlichkeit, dass der Verlust den Wert Λ übersteigt: P = Aµ p Λ Minimierung von P erfordert Minimierung der µ Amplitude, unabhängig von Λ! i=1

31 Anlagen algebraischer Verteilung Falls nur risikobehaftete Anlagen mit vergleichbaren Amplituden Wahrscheinlichkeit großer Verluste im optimalen Portfolio um Faktor M µ 1 kleiner als für die Einzelanlagen. Achtung: Gilt nur für µ > 1. Ansonsten wächst das Risiko mit wachsender Anahl der Anlagen, da das größte Event alle anderen überdeckt. Bemerkung: Bisher: optimale Portfolios unabhängig von Risikolevel Λ. Im allgemeinen Fall, z.b. stark unterschiedliche µ i, besteht eine Λ-Abhängigkeit.

32 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

33 Bisher: unkorrelierte gaußsche und nicht-gaußsche Anlagen Realität: Fluktuationen oft stark korreliert Diversifikation wird erschwert

34 Korrelierte gaußsche Fluktuationen Fluktuationen η i der Anlagen X i gaußverteilt beschrieben durch symmetrische Matrix C: C ij = η i η j mi m j Aber: korrelierte Gaußvariablen lassen sich in eine gewichtete Summe unabhängiger Gaußvariablen e a mit Mittwelwert 0 und Varianz σ 2 a zerlegen, die die Eigenwerte von C sind. Lösung nach Basiswechsel analog zum unkorrelierten Fall p i = ζ 2 M j=1 C 1 ij (m i m 0 )

35 Bemerkungen empirische Bestimmung der Matrix C schwierig, speziell für kleine Eigenwerte entstehen große numerische Fehler beim Invertieren (Lösung: cleaned correlation matrix ) korrelierte algebraisch verteillte Fluktuationen können mit einer sehr ähnlichen Vorgehensweise behandelt werden

36 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3

37 Fragestellung und Annahmen Ziel: Dynamische Optimierung des Portfolios im Laufe der Zeit Annahme: Händler hält eine gewisse Anzahl Φ(g n ) an Aktien, wobei Φ von der diskreten Zeit t n = n τ und vom aktuellen Wert der realisierten Erträge g n abhängt Erträge am Ende der Investmentperiode: g N = N 1 k=0 Φ k (g k ) δx k wobei δx k = x k+1 x k die Preisänderung zwischen k und k + 1 ist

38 Lösung des Problems Der Zielertrag sei G und R sei der Fehler des Endertrages R 2 = (g N G) 2 Suchen: Optimierte Handelsstrategie Φ (g k ), die das Risiko R bei gegebenem G minimiert. Iteration rückwärts in der Zeit liefert für alle Zeitschritte das Ergebnis: Φ k (g m k) = D + m 2 τ (G g k) (Annahme: δx k iid Variablen mit Mittelwert mτ und Varianz Dτ)

39 Handelsstrategie Φ k (g k) = m D + m 2 τ (G g k) Interpretation: Große Investitionen, wenn man weit vom Zielertrag entfernt ist, reduzierte Investitionen wenn man nahe am Zielertrag wirtschaftet. Problem: In der Zwischenzeit vorm erreichen des Ziels enorme Verluste möglich, die in der Praxis inakzeptabel sind!

40 Als Maß für das mit einem Wertpapier verbundene Risiko können Volatilität σ und Value at Risk herangezogen werden Variety V und Asymmetrie A beschreiben der Verschiedenen Wertpapiere untereinander und sind ihrerseits an den durchschnittlichen Ertrag η m gekoppelt Minimierung des Risikos bei vorgegebenem Ertrag führt zu einer Familie von optimalen Portfolios, die durch geeignete Handelsstrategien zusätzlich dynamisch optimiert werden können

41 Anhang Literatur Literatur Beauchaud, Potters Theorie of Financial Risk and Derivative Pricing Cambridge University Press, 2009

Portfolio-Optimierung und Capital Asset Pricing

Portfolio-Optimierung und Capital Asset Pricing Portfolio-Optimierung und Capital Asset Pricing Peter Malec Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin Econ Boot Camp, SFB 649, Berlin, 4. Januar 2013 1. Einführung 2 29 Motivation

Mehr

Value at Risk Einführung

Value at Risk Einführung Value at Risk Einführung Veranstaltung Risk Management & Computational Finance Dipl.-Ök. Hans-Jörg von Mettenheim mettenheim@iwi.uni-hannover.de Institut für Wirtschaftsinformatik Leibniz Universität Hannover

Mehr

Datenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org>

Datenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org> Datenanalyse mit Python Dr. Wolfram Schroers Problem Beobachtungen Modell (Annahmen, Vereinfachungen) Vorhersagen Vergleich Python: Stärken und Schwächen Anwendung:

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Portfolio-Optimierung und Capital Asset Pricing

Portfolio-Optimierung und Capital Asset Pricing Portfolio-Optimierung und Capital Asset Pricing Prof. Dr. Nikolaus Hautsch Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin CASE, CFS, QPL Econ Boot Camp, SFB 649, Berlin, 8. Januar

Mehr

einfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110

einfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung

Mehr

Monte Carlo Simulation (Grundlagen)

Monte Carlo Simulation (Grundlagen) Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen

Mehr

Ausarbeitung des Seminarvortrags zum Thema

Ausarbeitung des Seminarvortrags zum Thema Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung

Mehr

AUTOMATISIERTE HANDELSSYSTEME

AUTOMATISIERTE HANDELSSYSTEME UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie

Mehr

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko

Mehr

Untersuchungen zum Thema Tracking Error

Untersuchungen zum Thema Tracking Error Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors

Mehr

Portfolio Management

Portfolio Management Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Renditequellen der Anlagemärkte

Renditequellen der Anlagemärkte Renditequellen der Anlagemärkte Analyse von Risikoprämien empirische Erkenntnisse PPCmetrics AG Dr. Diego Liechti, Senior Consultant Zürich, 13. Dezember 2013 Inhalt Einführung Aktienrisikoprämie Weitere

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Tageserträge am Aktienmarkt. und die. 200-Tage-Linie. von. Dr. rer. nat. Hans Uhlig. Copyright 2009 - Dr. Hans Uhlig

Tageserträge am Aktienmarkt. und die. 200-Tage-Linie. von. Dr. rer. nat. Hans Uhlig. Copyright 2009 - Dr. Hans Uhlig Tageserträge am Aktienmarkt und die 200-Tage-Linie von Dr. rer. nat. Hans Uhlig Copyright 2009 - Dr. Hans Uhlig Copyright Hinweis Der Text und die Abildungen dieses Beitrages unterliegen dem Urheberrechtsschutz.

Mehr

Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model

Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Matthias Eltschka 13. November 2007 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitung 4 2.1 Diversifikation...........................

Mehr

Materialien zur Vorlesung. Rendite und Risiko

Materialien zur Vorlesung. Rendite und Risiko Materialien zur Vorlesung Rendite und Risiko Burkhard Erke Quellen: Brealey/Myers, Kap. 7 Mai 2006 Lernziele Langfristige Rendite von Finanzanlagen: Empirie Aktienindizes Messung von Durchschnittsrenditen

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse

Mehr

Risikodiversifikation. Steffen Frost

Risikodiversifikation. Steffen Frost Risikodiversifikation Steffen Frost 1. Messung Risiko 2. Begriff Risiko 3. Standardabweichung 4. Volatilität 5. Gesamtrisiko 6. Systematische & unsystematisches Risiko 7. Beta und Korrelation 8. Steuerung

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

Die drei Kernpunkte der modernen Portfoliotheorie

Die drei Kernpunkte der modernen Portfoliotheorie Die drei Kernpunkte der modernen Portfoliotheorie 1. Der Zusammenhang zwischen Risiko und Rendite Das Risiko einer Anlage ist die als Varianz oder Standardabweichung gemessene Schwankungsbreite der Erträge

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Risikoeinstellungen empirisch

Risikoeinstellungen empirisch Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Portfoliotheorie. Von Sebastian Harder

Portfoliotheorie. Von Sebastian Harder Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und

Mehr

Statistischer Mittelwert und Portfoliorendite

Statistischer Mittelwert und Portfoliorendite 8 Wahrscheinlichkeitsrechnung und Statistik Statistischer Mittelwert und Portfoliorendite Durch die immer komplexer werdenden Bündel von Investitionen stellen Investorinnen und Investoren eine Vielzahl

Mehr

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,

Mehr

Risiko und Symmetrie. Prof. Dr. Andrea Wirth

Risiko und Symmetrie. Prof. Dr. Andrea Wirth Risiko und Symmetrie Prof. Dr. Andrea Wirth Gliederung 1. Einleitung Was ist eigentlich Risiko? 2. Risiko Mathematische Grundlagen 3. Anwendungsbeispiele Wo genau liegt der Schmerz des Risikos? 4. Sie

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung als Werkzeug zur VaR-Berechnung Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird

Mehr

Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra

Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra Lucia Del Chicca Markus Hohenwarter Seminar Mathematech, JKU 14 Mai 2015 Die Problemstellung Es ist allgemein bekannt, dass wenn wir ein bestimmtes

Mehr

CAPM Die Wertpapierlinie

CAPM Die Wertpapierlinie CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Von Dong Ning Finanzwirtschaft 6. Sem. Inhalt Wertpapierlinie (CAPM) Erwartungswert für f r die Rendit Risiken messen 1.Standardabweichung-

Mehr

Systematik und ökonomische Relevanz traditioneller Performancemaße

Systematik und ökonomische Relevanz traditioneller Performancemaße Systematik und ökonomische Relevanz traditioneller Performancemaße Vortrag an der Universität Hamburg am 18. Juni 2001 PD Dr. Marco Wilkens IFBG der Georg-August-Universität Göttingen 1 Gliederung 1. Einleitung

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge zwischen metrischen Merkmalen Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl

Mehr

Black Jack - Kartenzählen

Black Jack - Kartenzählen Black Jack - Kartenzählen Michael Gabler 24.01.2012 Literatur: N. Richard Werthamer: Risk and Reward - The Science of Casino Blackjack, Springer Black Jack - Kartenzählen 1 Wie zähle ich Karten? Historisches

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Kapitalmarkttheorie: Vorbereitungen

Kapitalmarkttheorie: Vorbereitungen 0 Kapitel Kapitalmarkttheorie: Vorbereitungen Kapitelübersicht 1 Renditen 2 Renditen und Halteperioden 3 Rendite-Kennzahlen 4 Durchschnittliche Aktienrenditen und risikofreie Renditen 5 Risiko-Kennzahlen

Mehr

Solvency II und die Standardformel

Solvency II und die Standardformel Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs

Mehr

Kreditratings und Innovation Wann ist ein Risiko eine Chance?

Kreditratings und Innovation Wann ist ein Risiko eine Chance? Kreditratings und Innovation Wann ist ein Risiko eine Chance? Vortrag für die SOFI- Tagung: "Finanzmarktkapitalismus - Arbeit - Innovation" 11./12. März 2013 Natalia Besedovsky Gliederung 1. Ratingpraktiken

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen der Monte Carlo Simulation Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte

Mehr

Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 Kapitel 1 - Renditen auf Finanzmärkten 37 Kapitel 2 - Risiko auf Finanzmärkten 61

Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 Kapitel 1 - Renditen auf Finanzmärkten 37 Kapitel 2 - Risiko auf Finanzmärkten 61 Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 0.1 Gegenstandsbereich der Finance als wissenschaftliche Disziplin 0.2 Kernthemen der Finance 0.3 Entwicklungsmerkmale der Finanzmärkte - 0.4

Mehr

Corporate Finance WS. Gliederung

Corporate Finance WS. Gliederung Corporate Finance Gliederung 1 Wiederholung zum Thema Renditeberechnungen 2 Wiederholung betriebswirtschaftlicher Grundlagen 3 Wiederholung statistischer Grundlagen 4 Grundlegende statistische Konzepte

Mehr

Investition und Risiko. Finanzwirtschaft I 5. Semester

Investition und Risiko. Finanzwirtschaft I 5. Semester Investition und Risiko Finanzwirtschaft I 5. Semester 1 Gliederung Ziel Korrekturverfahren: Einfache Verfahren der Risikoberücksichtigung Sensitivitätsanalyse Monte Carlo Analyse Investitionsentscheidung

Mehr

Depot-Optimierung nach Markowitz

Depot-Optimierung nach Markowitz Depot-Optimierung nach Markowitz Depot: Mustermann Ziel ist die Optimierung Ihres Depot mit Neuanlage von 25000,00 Portfolio-Wizard ist ein Produkt der EDISoft GmbH wb.portfolio-wizard.de 2004-2005 EDISoft

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

DIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006

DIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006 TU Bergakademie Freiberg Fakultät für Wirtschaftswissenschaften Matrikel-Nr.: Name (optional): Studienrichtung: Fakultät: Semesterzahl: DIPLOMPRÜFUNG Prüfungsfach: Prüfer: Examen Bankbetriebslehre (PO99-120

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Abhängigkeiten zwischen Großschäden

Abhängigkeiten zwischen Großschäden Abhängigkeiten zwischen Großschäden Holger Drees, Universität Hamburg I. Typen von Abhängigkeiten II. Modelle für abhängige Großschäden III. Fallstudie: Dänische Feuerversicherung I. Typen von Abhängigkeiten

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

Mehr

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

Finanzwirtschaft Teil III: Budgetierung des Kapitals

Finanzwirtschaft Teil III: Budgetierung des Kapitals Finanzmärkte 1 Finanzwirtschaft Teil III: Budgetierung des Kapitals Kapitalwertmethode Agenda Finanzmärkte 2 Kapitalwertmethode Anwendungen Revolvierende Investitionsprojekte Zusammenfassung Kapitalwertmethode

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik Irrfahrten Und ihre Bedeutung in der Finanzmathematik Alexander Hahn, 04.11.2008 Überblick Ziele der Finanzmathematik Grundsätzliches zu Finanzmarkt, Aktien, Optionen Problemstellung in der Praxis Der

Mehr

Portfoliorisiko und Minimum Varianz Hedge

Portfoliorisiko und Minimum Varianz Hedge ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und

Mehr

4. Das Capital Asset Pricing Model (CAPM) Markowitz-Modell: Werkzeug zur optimalen Portfolio-Selection.

4. Das Capital Asset Pricing Model (CAPM) Markowitz-Modell: Werkzeug zur optimalen Portfolio-Selection. 4. Das Capital Asset Pricing Model (CAPM) The Tool is cool, but be leery of the Theory (Robert A. Haugen) Markowitz-Modell: Werkzeug zur optimalen Portfolio-Selection. CAPM: Theorie der Gleichgewichtspreise

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Über Randeffekte bei der Dichteschätzung räumlich verteilter Daten

Über Randeffekte bei der Dichteschätzung räumlich verteilter Daten Über Randeffekte bei der Dichteschätzung räumlich verteilter Daten Andreas Fröhlich, Thomas Selhorst, Christoph Staubach FLI-Wusterhausen DVG Tagung Graz, September 2008 Institut für Epidemiologie Gliederung

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Monte Carlo Methoden in Kreditrisiko-Management

Monte Carlo Methoden in Kreditrisiko-Management Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P)

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P) Universität Hohenheim Institut für Betriebswirtschaftslehre Lehrstuhl für Bankwirtschaft und Finanzdienstleistungen Matthias Johannsen Stuttgart, 11.02.2004 LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Kapitalerhöhung - Verbuchung

Kapitalerhöhung - Verbuchung Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.

Mehr

Statistiken von Breakouts mit dem Nanotrader

Statistiken von Breakouts mit dem Nanotrader von Breakouts mit dem Nanotrader Univ.-Prof. Dr. Stanislaus Maier-Paape, Yasemin Hafizogullari und Andreas Platen RWTH Aachen und SMP Financial Engineering GmbH Kontakt: www.smp-fe.de maier@smp-fe.de 13.

Mehr

Short-ETFs - Funktion und Einsatz im Portfolio

Short-ETFs - Funktion und Einsatz im Portfolio Short-ETFs - Funktion und Einsatz im Portfolio * München im Februar 2012 * Ausgezeichnet wurde der AVANA IndexTrend Europa Control für die beste Performance (1 Jahr) in seiner Anlageklasse Einsatzmöglichkeiten

Mehr

CAPM Die Wertpapierlinie

CAPM Die Wertpapierlinie CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Frank von Oppenkowski 6. Semester Betriebswirtschaftslehre SP Finanzwirtschaft 1 Die Wertpapierlinie (= CAPM) Gliederung 2 Wie man Erträge

Mehr

Historische Renditen, Experteninterviews, Analyse von Marktpreisen

Historische Renditen, Experteninterviews, Analyse von Marktpreisen 1 Portfoliotheorie 1.1 Grundlagen der Portfoliotheorie 1.1.1 Welche vier grundsätzlichen Anlageziele werden von Investoren verfolgt? Minimales Risiko Liquidation wenn nötig Hohe Rendite Gewinnmaximierung

Mehr

Fit for Finance Advanced: Asset Management

Fit for Finance Advanced: Asset Management (Bitte in Blockschrift) Name und Vorname... Firma und Abteilung... Zertifikatsprüfung Fit for Finance Advanced: Asset Management Prüfungsdatum: 26.11.2012 Zeit: 17.30 19.00 Uhr Maximale Punktzahl: Bearbeitungszeit:

Mehr

Internationale Finanzierung 6. Bewertung von Aktien

Internationale Finanzierung 6. Bewertung von Aktien Übersicht Kapitel 6: 6.1. Einführung 6.2. Aktienbewertung mittels Kennzahlen aus Rechnungswesen 6.3. Aktienbewertung unter Berücksichtigung der Wachstumschancen 6.4. Aktienbewertung mittels Dividenden

Mehr

Stackelberg Scheduling Strategien

Stackelberg Scheduling Strategien Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

KG FUNDS. world-of-futures.com GmbH & Co. III. Eupherie Handelssystem KG. world-of-futures.com

KG FUNDS. world-of-futures.com GmbH & Co. III. Eupherie Handelssystem KG. world-of-futures.com KG FUNDS world-of-futures.com GmbH & Co. III. Eupherie Handelssystem KG world-of-futures.com Was ist ein Handelssystem? Handelssysteme berechnen die wahrscheinliche Richtung einer Preisentwicklung, indem

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 9 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 9 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement

Mehr

Begriffe zur Detailanalyse

Begriffe zur Detailanalyse Begriffe zur Detailanalyse ANALYSE Interesse Das thescreener Sterne-Rating ist so angelegt, dass man schnell qualitativ einwandfreie Aktien, Branchen und Indizes erkennen kann. Das Rating-System verteilt

Mehr

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ.

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ. Verwaltungsart: Mandat Referenzwährung: EUR Anlagestrategie: konservativ Geschätzter Kunde Als Beilage erhalten Sie Ihre Vermögensaufstellung per 31.12.2009 mit folgendem Inhalt: - Konsolidierte Gesamtübersicht

Mehr

Bearbeiten Sie alle sechs Aufgaben A1-A6 und eine der zwei Aufgaben B1-B2!

Bearbeiten Sie alle sechs Aufgaben A1-A6 und eine der zwei Aufgaben B1-B2! Bachelor-Kursprüfung International Finance Schwerpunktmodule Finanzmärkte und Außenwirtschaft 6 Kreditpunkte, Bearbeitungsdauer: 90 Minuten WS 2014/15, 04.02.2015 Prof. Dr. Lutz Arnold Bitte gut leserlich

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

ifa Institut für Finanz- und Aktuarwissenschaften

ifa Institut für Finanz- und Aktuarwissenschaften Wechselwirkungen von Asset Allocation, Überschussbeteiligung und Garantien in der Lebensversicherung WIMA 2004 Ulm, 13.11.2004 Alexander Kling, IFA Ulm Helmholtzstraße 22 D-89081 Ulm phone +49 (0) 731/50-31230

Mehr

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09. Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme

Mehr

Bewertung von Forwards, Futures und Optionen

Bewertung von Forwards, Futures und Optionen Bewertung von Forwards, Futures und Optionen Olaf Leidinger 24. Juni 2009 Olaf Leidinger Futures und Optionen 2 24. Juni 2009 1 / 19 Überblick 1 Kurze Wiederholung Anleihen, Terminkontrakte 2 Ein einfaches

Mehr

Insiderwissen 2013. Hintergrund

Insiderwissen 2013. Hintergrund Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen

Mehr

Aufgaben Brealey/Myers [2003], Kapitel 21

Aufgaben Brealey/Myers [2003], Kapitel 21 Quiz: 1, 2, 4, 6, 7, 10 Practice Questions: 1, 3, 5, 6, 7, 10, 12, 13 Folie 0 Lösung Quiz 7: a. Das Optionsdelta ergibt sich wie folgt: Spanne der möglichen Optionspreise Spanne der möglichen Aktienkurs

Mehr

6. Aktien. Aktien sind Wertpapiere, in denen das Anteilsrecht an einer Aktiengesellschaft verbrieft ist. Rechtsgrundlage: Aktiengesetz

6. Aktien. Aktien sind Wertpapiere, in denen das Anteilsrecht an einer Aktiengesellschaft verbrieft ist. Rechtsgrundlage: Aktiengesetz 6. Aktien Aktien sind Wertpapiere, in denen das Anteilsrecht an einer Aktiengesellschaft verbrieft ist. Rechtsgrundlage: Aktiengesetz Kennziffern für Aktien Kennzahlen für Aktien Ertragskennzahlen Risikokennzahlen

Mehr

Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)

Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer

Mehr

Risikomessung und Value at Risk Wintersemester 2013/14

Risikomessung und Value at Risk Wintersemester 2013/14 Risikomessung und Value at Risk Wintersemester 2013/14 Walter Sanddorf-Köhle Statistik und Ökonometrie Foliensatz Nr. 11 Version vom 24. Januar 2014 1 / 45 6.5.1 Bisherige Vorgehensweise zur Berechnung

Mehr

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage Arnd Wiedemann Risikotriade Zins-, Kredit- und operationelle Risiken 2., überarbeitete Auflage . XI 1 Einleitung: Risikomessung als Fundament der Rendite-/Risikosteuerung 1 2 Zinsrisiko 3 2.1 Barwertrisiko

Mehr