Aspekte der stochastischen Modellierung von Ausfallwahrscheinlichkeiten in Kreditportfoliomodellen

Größe: px
Ab Seite anzeigen:

Download "Aspekte der stochastischen Modellierung von Ausfallwahrscheinlichkeiten in Kreditportfoliomodellen"

Transkript

1 Aspeke der sochasschen Modellerung von Ausfallwahrschenlchkeen n Kredporfolomodellen von Rüdger Kesel, London School of Economcs and Polcal Scences, London. Bernd Schmd, Rsklab Germany, München. 1. Enleung. De zenrale Bedeuung des Kredrskos (m weesen Snn de Gefahr der Bonäsverschlecherung enes Krednehmers) als domnanes Rskoelemen n den Büchern der mesen Banken und Fnanznsuen s n den lezen Jahren zunehmend deulch geworden, nch zulez durch Fälle fnanzeller Insablä, de durch Mssmanagemen des Kredrskos (Cauee, Alman und Narayanan (1998)) verursach worden waren. Es herrsch Überensmmung, dass en verbesseres Versändns der spezellen Egenaren des Kredrskos verbunden m ener Verbesserung der Quanfzerung und des Managemens sowohl für ndvduelle Banken als auch für das nernaonale Fnanzsysem wünschenswer wäre. Dese Erkennns ha beres zu ener Versärkung der kredbezogenen Forschungsansrengungen nnerhalb von Fnanznsuen, Zenralbanken, Regulaoren und Unversäen geführ. Besonders Fnanznsue waren führend n der Enwcklung von Kredrskomodellen, de Kred-Exposures besser beweren und de nerne Kapalallokaon verbessern sollen. Regulaoren haben sch zum Zel gesez, de Rchlnen zur Feslegung von regulaorschem Kapal dem asächlchen Rsko besser als m 1988 Baseler Akkord anzupassen (Banken haben de Lücken m 1988 Baseler Akkord zur Durchführung subsaneller regulaorscher Abrage genuz, sehe ewa Jackson e al (1999) oder Jones (1999). In Praxs we Forschung herrsch wegehend Überensmmung, dass en realsscher Kredrskomodellerungsansaz folgende wchge Komponenen benhalen muss (sehe ewa Ong (1999)): (1) Ausfallwahrschenlchkeen (Defaul Probables): De Wahrschenlchke, dass en Schuldner sene fnanzellen Verbndlchkeen nch mehr erfüllen kann. () Rückflussquoen (Recovery Raes): Der prozenuale Anel des Nennweres der fnanzellen Verpflchung des Schuldners, der m Falle enes Ausfalls kompenser wrd. (3) Übergangswahrschenlchkeen (Transon Probables): De Wahrschenlchke, dass de Kredqualä enes Schuldners sch verbesser oder verschlecher (ohne dass es zu enem Ausfall komm). (4) Korrelaon des Ausfallrskos bzw. der Kredqualä verschedener Schuldner: Das Ausmaß der Bezehung des Ausfallrskos bzw. der Kredqualä verschedener Schuldner. (5) Rskoberag und Konzenraon von Kredrsken: Der Berag enes ndvduellen Fnanznsrumens oder enes ndvduellen Schuldners zum Gesamrsko enes Kredporfolos. Be den Punken (1) (3) handel es sch um ndvduelle Rskoelemene, de sch auf en enzelnes Fnanznsrumen bezehen, während (4) und (5) für Porfolos von ausschlagebender Bedeuung snd.

2 Mlerwele gb es ene Velzahl von Arbeen, de de Umsezung der obgen Lse n den n der Praxs verwendeen Kredrskomodellen beschreben, ewa de Bücher Cauee, Alman und Narayanan (1998), Das (1998), Ong (1999) und Saunders (1999) oder de Arkel Alexander und Phelan (1999), Croughy, Gala und Mark (1999), Gordy (1999) und Schmd (1998). Wr verzchen deshalb auf ene zusammenfassende Beschrebung und konzenreren uns darauf, de sochasschen und sasschen Annahmen und Technken herauszuarbeen, de be der Modellerung von Ausfallwahrschenlchkeen verwende werden. De Konzenraon auf Ausfallwahrschenlchkeen leg n deren domnerender Rolle begründe, de se be der Modellerung ndvdueller Kredrsken und Kredporfolorsken spelen. Wr werden n unseren Ausführungen jedoch auch auf Aspeke der n () bs (5) erwähnen Größen und deren Enfluß auf Kredrsken zu sprechen kommen. Im Zusammenhang m Ausfallrsken wollen wr nbesondere de folgenden Fragen erörern: () () () Welche verschedenen Ansäze zur Modellerung von Ausfallrsken gb es? Welche sassche Fragesellungen werfen de enzelnen Modellerungsansäze auf? Welche Auswrkungen haben de verschedenen Modellerungsansäze auf Rskokenngrößen? Wr begnnen m nächsen Abschn m ener Zusammenfassung der grundlegenden Bewerungsdeen für (kredrskobehafee) Werpapere und der Vorsellung der gänggen Kenngrößen für das Kredrsko solcher Werpapere. Im darauf folgenden Abschn dskueren wr de verschedenen Ansäze zur Besmmung der Ausfallwahrschenlchke von Schuldnern, de über de Ausgabe von Werpaperen oder de Inanspruchnahme von Kreden Zahlungsverpflchungen engegangen snd. In enem weeren Abschn berachen wr dann verschedene Aspeke des Kredrskos von Porfolos kredrskobehafeer Werpapere und schleßen m ener Zusammenfassung der Erkennnsse, de für de Beanworung der obgen Fragen relevan snd.. Kredrskobehafee Werpapere -- Modellerung und Kenngrössen De grundlegende Formel zur Bewerung rskobehafeer Zahlungssröme (gegeben durch Fnanznsrumene) n enem arbragefreen Fnanzmarkmodell s durch das rskoneurale Bewerungsprnzp gegeben (sehe ewa Bngham und Kesel (1998) für ene Enführung n de Themak). Danach s der Pres zum Zepunk ener rskobehafeen Auszahlung X zum Zepunk T durch den Erwarungswer bezüglch enes sogenannen äquvalenen Marngalmaßes gegeben: T X(, T) = E X exp rudu (.1.) Dabe s r der Spo-Znssaz und E en bednger Erwarungswer (qualav wrd dadurch der Pres der Auszahlung von den vorhandenen Informaonen für de Invesoren abhängg gemach). Be der Modellerung ener kredrskobehafeen Auszahlung muss zusäzlch noch de Möglchke enes Ausfalles n Berach gezogen werden. Dazu führ man de Ze des Ausfalls τ und de Rückflussquoe R, gegeben en Ausfall, n das Modell en und erhäl

3 wobe T T X(, T) = E + Ι Ι ( T< τ ) X exp rudu ( T τ ) RXexp rudu, (.) Ι T } m Falle enes Ausfalls glech 1 und sons 0 s (d.h. Ι s de { < τ Indkaorfunkon der Menge { < τ} T ). T Ι ( T< τ )X exp rudu Das Problem der Modellerung der Ausfallze wrd n der Leraur m Prnzp mels zweer verschedener Ansäze berache (ene deallere Dskusson wrd n Ammann (1999) gegeben). Im srukurellen Ansaz, der auf Arbeen von Meron (Meron 1973, Meron 1974) baser, s de Ausfallze durch den Zepunk gegeben, an dem der Wer enes Presprozesses ene Schranke durchbrch (n der mahemaschen Termnologe Soppze genann). In desem Fall kann durch Beobachung des Presprozesses de Ausfallze -- und dam auch de Ausfallwahrschenlchke -- vorhergesag werden. Ene andere Klasse von Modellen folg dem sogenannen nensäsbaserenden Ansaz (folgend Jarrow, Lando und Turnbull (1997)). Dabe wrd de Ausfallze durch den ersen Sprung enes exogenen Sprungprozesses (ewa enes Possonprozesses) modeller und kann dam nch durch presbezogene Informaonen allene vorhergesag werden. Ene Konsequenz deses Ansazes s, dass de Ausfallwahrschenlchke ebenfalls von exogenen Fakoren abhängg s, de üblcherwese n der Inensä des Sprungprozesses benhale snd. De Arakvä des nensäsbezogenen Ansazes erklär sch vor allem aus der Tasache, dass (uner geegneen echnschen Annahmen) der Inensäsprozess n ene Änderung des Znsprozesses ransformer werden kann und dadurch ene geschlossene Bewerungsformel verglechbar zu (.1) erhalen werden kann. Ene Transformaon des Wahrschenlchkesmaßes (en Übergang zum sogenannen äquvalenen T-Forward Maß) ermöglch es, den Wer ener kredrskobehafeen Auszahlung mels dem Presprozess p(, T) ener rskofreen Auszahlung (der ensprechenden Nullkoupon-Anlehe) auszudrücken (dabe sezen wr zur Verenfachung X=1): [ Ι + Ι R] = p(, T) ( R + (1 RQ ) ( )) X(, T) = p(, T) E ( T< τ ) ( T τ ) τ > T, (.3) wobe Q ( τ T) de Ausfallwahrschenlchke (uner dem veränderen Wahrschenlchkesmaß uner Berückschgung aller m Zepunk bekannen Informaonen) quanfzer. Formel (.3) erlaub ene enfache Inerpreaon: der Wer enes kredrskobehafeen Werpapers ergb sch als de Summe des Weres ener rskofreen Auszahlung R X (Rückflussquoe mulplzer m dem Nennwer) und dem Erwarungswer ener rskobehafeen Auszahlung (1-R)X. Wr können Formel (.3) nun verwenden, um gewsse n der Praxs we verbreee Rskokenngrößen zu ermeln. Ene erse und grundlegende Frage s: Welchen durchschnlchen Verlus erwaren wr m Falle enes Ausfalls? Ene Umformung der Glechung (.3) lefer X(, T) = p(, T) ( 1+ (1 RQ ) ( τ T) ) (.4)

4 und dam ((1 RQ ) ( )) p(, T) X(, T) = p(, T) τ T. (.5) De lnke See der Glechnung (.5) sell nun den erwareen Verlus m Falle enes Ausfalls dar (.e. de Dfferenz zwschen ener rskofreen und ener rskobehafeen Auszahlung). Wr bezechnen dese Grösse als den erwareen Verlus (expeced loss) EL. Typscherwese frag man n desem Konex anselle nach dem prozenuallen Rückfluss (quanfzer durch de Rückflussquoe R) eher nach der Höhe des Verluss m Falle des Ausfalls. Wr führen daher n Glechung (.5) den Verlus gegeben Ausfall (loss gven defaul) LGD en und erhalen für den erwareen Verlus EL= p(, T) LGD Q ( τ T). (.6) Der Dskonerungsfakor p(, T) n obgen Formeln bewrk ene mark-o-marke Bewerung: Alle Bewerungen werden zu heugen (Zepunk ) Presen durchgeführ. Zur Verenfachung verzchen wr m Weeren auf ene solche Dskonerung und beweren alle Grössen m Fällgke (Zepunk T) Presen. Weerhn verzchen wr auf de explze Darsellung der Ausfallwahrschenlchke mels der (sochasschen) Ausfallze und benuzen de gebräuchlchere (und lecher zu nerpreerende) erwaree Ausfallhäufgke (expeced defaul frequency) EDF. Som folg für den erwareen Verlus EL = X LGD EDF. (.7) De Aussagekraf des erwareen Verluss EL als Rskokenngröße s begrenz; schlesslch wrd nur en durchschnlcher Verlus berechne, wohngegen Rsko gemenhn als Auswrkung unerwareer Schwankungen aufgefass wrd. Um dese Schwankungen um den erwareen Verlus zu messen, besmmen wr de Sandardabwechung (Volalä) des Weres der kredrskobehafeen Auszahlung zur Fällgke. (Im Rahmen der dynamschen Analyse, m Dskonerung, würden wr enfach de Sandardabwechung des Werprozesses (.4) besmmen). Wr bezechnen dese Grösse als unerwareen Verlus (unexpeced loss) UL. Modelleren wr de Verlushöhe LGD als ene von den Ausfallhäufgkeen unabhängge sochassche Varable, so erhalen wr UL= var( X( T, T)) = X EDF σ + LGD σ, (.8) LGD EDF wobe σ LGDde Varanz der Verlushöhe und σ EDF = EDF(1 EDF) de Varanz der Ausfallwahrschenlchke bezechne. Ene of übersehenene Tasache s der konzeponelle Unersched der Rskokenngrößen erwareer und unerwarer Verlus: der erwaree Verlus EL s ene bednge Größe -- der durchschnlche Verlus gegeben en Ausfall -- und dam abhängg vom Enreen des Ausfalleregnsses. Der unerwaree Verlus UL hngegen s ene Kenngröße der (unbedngen) Wereverelung der rskobehafeen Auszahlung zum Fällgkeszepunk, und nch ewa ene weere Kenngröße ener bedngen Größe (Verlus gegeben Ausfall). Som werden poenzell m unerwareen Verlus UL auch posve Werenwcklungen erfass und zur Rskomessung herangezogen. Da aber kredrskobehafee Werpapere ypscherwese nur

5 begrenzes Gewnnpoenzal m Verglech zum Verlusrsko beszen, snd Werschwankungen m wesenlchen auf Verluse zurückzuführen. De Formeln (.7) und (.8) machen deulch, dass Ausfallwahrschenlchkeen und Rückflussquoen de enschedenden Größen be der Quanfzerung von Ausfallrsken snd. Wr werden de verschedenen Ansäze zur Modellerung der Ausfallwahrschenlchkeen n den folgenden Abschnen dealler dskueren. Be der Modellerung der Rückflussquoen können m Prnzp zwe Sraegen verfolg werden: Enweder man modeller de Verlusgröße als ene sochassche Varable -- we be der Herleung der Formeln (.7) und (.8) m gegebenem Erwarungswer und gegebener Varanz oder spezeller m ener besmmen Verelung -- oder als ene Konsane (wodurch sch der erse Summand uner der Wurzel n (.8) erübrg, da de Varanz dann Null s). Analysen der Veränderung der Rskokenngrößen n Bezug auf de zugrundelegenden Fakoren haben gezeg, dass de Sensvä der mesen Kenngrößen bezüglch der Schäzung der Ausfallwahrschenlchke am größen s. Recovery Raes spelen of nur ene unergeordene Rolle und bewrken nur moderae Veränderungen der Kenngrößen. Auf deser Grundlage erschen of de Annahme ener konsanen Recovery Rae gerechferg. Enschleß man sch zu ener sochasschen Modellerung, so wrd dese üblcherwese auf der Grundlage hsorscher Daen aus dem Corporae Bond Sekor vorgenommen. Bonds werden dazu n Senory Classes engeel. Man unerschede zwschen Senor Secured, Senor Unsecured, Senor Subordnaed, Subordnaed und Junor Subordnaed. In Tabelle 1 snd de Ergebnsse ener Unersuchung von Cary & Leberman (1996) aufgeführ, de durchschnlche Recovery Raes für de enzelnen Senory Classes besmm haben. De Schäzung der Recovery Rae aus hsorschen Daen s allerdngs n verschedener Hnsch äußers problemasch. Häufg können kene Markprese oder nur welche auf enem höchs llquden Mark beobache werden. Auch der Zepunk für de Fessellung des Preses s wegehend unklar. Verschedene Suden kommen zu dem Schluß, daß ungefähr en Mona nach Bekanngabe des Defauls der bese Zepunk dafür s. Senory Class Recovery Rae Sandardabwechung Senor Secured 53.80% 6.86% Senor Unsecured 51.13% 5.45% Senor 38.5% 3.81% Subordnaed Subordnaed 3.74% 0.18% Junor Subordnaed 17.09% 10.90% Tabelle 1: Durchschnlche Recovery Raes aus hsorschen Daen Quelle: Moody s Invesors Servce Weere Bespele emprscher Recovery Raes und Leraurhnwese fnden sch n Ong (1999), Kapel 4, oder m CredMercs Manual (Gupon, Fnger und Bhaa 1997), Kapel 7. Für ene Modellerung der Verelung der Recovery Raes wrd ene

6 Wahrschenlchkesverelung m kompakem Wereberech (Were der Recovery Raes snd zwschen 0 und 100%) benög. Üblcherwese wrd n der Praxs ene Beaverelung angenommen. Als Bespel für obge Ausführungen berachen wr den erwareen und unerwareen Verlus enes Kreds dessen Ausfallwahrschenlchke m EDF = (of wrd de Wahrschenlchke n % angegeben, her also 0.17%) ermel worden s. Wr nehmen weer ene Ensufung als Senor Secured an. Dam s de Rückflussquoe (gemäss Tabelle 1) 53.80%, und es ergb sch für den erwareen Verlus pro Geldenhe der Rückzahlung EL = ( ) = , oder EL=0,0785%. Um den unerwareen Verlus UL zu besmmen, müssen wr de Varanz der Ausfallwahrschenlchke ermeln. Es ergb sch σ = ( ) = Dam folg für den unerwareen Verlus EDF UL = ( ) = , oder UL=.581%. En Verglech der Größen zeg, dass der unerwaree Verlus den erwareen Verlus subsanzell überreffen kann, und daher als Rskokenngröße nch zu vernachlässgen s. 3. Modellerung von Ausfallwahrschenlchkeen De beden m lezen Abschn angesprochenen Ansäze zur Modellerung der zufällgen Ausfallze enes kredrskobehafeen Werpapers -- srukurell und nensäsbaserend -- fnden sch be der Modellerung von Ausfallwahrschenlchkeen (n der kommerzellen Modellen) weder. Darüber hnaus s es nahelegend, enen ökonomerschen, daenbaserenden Ansaz zu verfolgen Srukureller (Meron) Ansaz: De zu Grunde legende Movaon deses Ansazes s de Idee, dass en Unernehmen n Konkurs geh, sobald en Pres-, Wer-, oder Sgnalprozess ene endogen defnere Ausfallschranke (Defaul Pon) unerschree. Wr wollen uns her auf das auf Arbeen von Rober Meron (Meron (1973), Meron (1974)) beruhende Sandardmodell beschränken. Ausfallwahrschenlchkeen werden n desem Rahmen auf Grundlage des Frmenweres (Akva der Frma) und der Höhe der Verbndlchkeen des Unernehmens besmm. Bezechne man den Frmenwer zum Zepunk m V und de Ausfallschranke m D, so s de mahemasche Beschrebung der Ausfallwahrschenlchke (EDF) der Frma zum Ende des Beobachungszeraumes T gegeben durch ( V D) EDF= Pr. (3.1) Dam nmm das Ausfallrsko zu, wenn sch de Dfferenz aus Frmenwer und Verbndlchkeen verklener und nmm ab, wenn sch dese Dfferenz vergrößer. Dese Beobachung kann verwende werden, um ene Klassfzerung der Kredqualä von Unernehmen vorzunehmen. Dazu wrd obge Dfferenz durch de Volalä des Frmenweres σv sandardser und ene sogenanne Dsance o Defaul DD we folg defner T

7 Erwareer Frmenwer Ausfallschranke DD =. (3.) Frmenwervolalä Da weder Frmenwer noch de Volalä des Frmenwers drek beobachbar snd, wrd en oponspresheorescher Ansaz benuz, um dese Größen aus dem Akenpresprozess des Unernehmens zu besmmen. Dabe folg man üblcherwese Merons Ansaz von 1974 und modeller de zelche Enwcklung des Frmenwers (uner enem rskoneuralen Wahrschenlchkesmaß) m Hlfe der sochasschen Dfferenalglechung dv = V rd + V σvdw, (3.3) wobe r de rskofree konsane Wachsumsrae m rskoneuralen Modell und W ene sandardsere Brownsche Bewegung bezechnen. Abbldung 1 fass dese Überlegungen noch enmal zusammen: Log -Frmenwer log V E ( logv ) = logv + ( r / ) T T 0 σv logv 0 log D Pr( log logd V ) V T 0 0 T Ze Abbldung 1: Verelung des logarhmeren Frmenwers am Ende des beracheen Zehorzons uner dem asächlchen Wahrschenlchkesmaß. Be der Anwendung des Modells ergb sch en zenrales Problem: Sowohl der akuelle Frmenwer V 0 als auch de Volalä des Frmenwers σ V snd nch beobachbar. M Hlfe von Informaonen über den Akenkurs bzw. de Markkapalserung der Frma und deren Volalä versuch man Informaonen über den Frmenwer und dessen Volalä zu genereren: Geh man davon aus, dass sch de Frma nur durch hr Egenkapal und durch Fremdkapal n Form von Dscoun Bonds m Nomnalwer D fnanzer und der Frmenwer sch aus der Summe von Egen- und Fremdkapal zusammensez, so

8 ergeben sch für de Akonäre und de Gläubger ener Frma folgende Oponsposonen: Uner der Annahme, dass de Gläubger be der Fremdkapalaufnahme der Frma dese von den Akonären kaufen, gb es be Fällgke der Schulden m Zepunk T zwe Möglchkeen: de Gläubger bekommen von den Akonären de Schulden zurückbezahl oder de Frma geh endgülg n deren Besz über, d.h. es ergb sch ene Payoff-Srukur von mn( D, V T ), was auch als D max( 0, D VT ) ausgedrück werden kann. Dam ensprch der Wer der Verbndlchkeen der Frma dem Wer ener rskolosen Anlage n Höhe des Barwers von D mnus dem Wer ener Pu-Opon auf den Wer der Frma. Uner der Annahme, dass de Akonäre be der Fremdkapalaufnahme de Frma an de Gläubger verkaufen, gb es be Fällgke deser Verbndlchkeen m Zepunk T zwe Möglchkeen: de Akonäre snd n der Lage, de Verbndlchkeen zurückzubezahlen und dam de Frma zurückzukaufen, oder de Frma geh ganz n den Besz der Schuldner über. Dam ergb sch n T ene Payoff-Srukur von max( 0, V T D). Das ensprch aber gerade dem Payoff ener Call-Opon auf den Wer der Frma m Zepunk T, und dam kann das Egenkapal der Frma bzw. der Markwer der Aken als Call-Opon auf den Frmenwer aufgefass werden. Som erlaub de Black-Meron-Scholes Presformel für europäsche Call-Oponen enen Zusammenhang zwschen Akenpresprozess E und Volalä des Akenpresprozesses σ auf der enen und Frmenwerprozess V und Volalä des Frmenwerprozesses σ V auf der anderen See herzusellen (wobe wr we oben =0 annehmen und auf Indzes n der Formel verzchen): rt ( ) De N( ) E = VN d, (3.4) 1 d wobe N de kumulave Normalverelung bezechne und d 1 bzw. d durch V 1 + r + ln σv T D d = 1 bzw. d = d 1 σv T gegeben snd. σv T Ene Anwendung der Iô-Formel erlaub es de sochassche Dffernalglechnug des Akenpresprozesses aus der sochasschen Dfferenalglechnug des Frmenwerprozesses (3.3) herzuleen (sehe ewa Bngham und Kesel (1998) für ene Enführung n de Theore des Iô-Kalküls und nsbesondere 6..3 für ene Herleung der sochasschen Dfferenalglechnung ener Call Opon): de E ( ( )) N d V σ 1 V = rd + dw. E (dabe s d 1( ) defner ndem man T durch (T-) n obger Defnon ersez). Dam läss sch de Volalä des Akenkurses σ E m Hlfe der Volalä des Frmenwers σ V ausdrücken: N( d1) Vσ V σ E =. (3.5) E

9 M Hlfe der Formeln (3.4) und (3.5) kann man nun den akuellen Frmenwer V und de Volalä des Frmenwers σ V aus den beobachbaren Akenkursen und der beobachbaren Volalä der Akenkurse besmmen. De Ausfallwahrschenlchke d der Frma p, kann dann durch p d = Pr V 1 ln + µ V σv T D σv T ( VT D) = Pr WT = N( d berechne werden. Ene kurze Rechnung zeg, dass gl d ( log( V )) E T logd =. σ T V ) (3.6) Daher wrd d häufg als Dsance o Defaul bezechne (beache, dass σ V de Volalä des logarhmeren Frmenpresprozesses s). d De Ausfallwahrschenlchke p wurde n enem rskoneuralen Modell enwckel und s daher nch drek m emprsch beobachbaren Ausfallwahrschenlchkeen (den EDFs) verglechbar. Im emprschen Modell wrd de erwaree Wachsumsrae des Frmenprozesses µ V verwende, während m rskoneuralen Modell de rskofree Rae r verwende wrd. De Bezehung zwschen rskoneuralem und emprschem Modell erlaub es de beobachbaren Ausfallwahrschenlchkeen als zu besmmen, wobe d durch d ( ) EDF= N, d = + d ( µ r ) gegeben s ( d wrd auch als asächlche Dsance o Defaul und d dann als rskoneurale Dsance o Defaul bezechne). Da de erwaree Wachsumsrae größer als de rskofree Rae s (d.h. µ V r ), folg p d EDF, d.h. de rskoneurale Ausfallwahrschenlchke s größer als de beobachbare Ausfallwahrschenlchke. Qualav können de Ausfallwahrschenlchkeen sowohl bem rskoneuralen als auch emprschen Vorgehen als Wahrschenlchke ausgedrück werden, dass ene sandardnormalverele Zufallsvarable uner enen krschen Wer fäll. Das srukurelle Modell s der Rahmen des von KMV (ener Sofware/Beraungsfrma de nsbesondere Denslesungen zum Managemen von Kredrsken anbee) enwckelen Kredrskomodelles (und Sofwareools) Porfolo Manager. Aber auch das auf Rangklassen beruhende CredMercs (enwckel von JP Morgan) benuz Ideen deses Ansazes (nsbesondere be der Modellerung von Korrelaonen, vgl. Abschn 4.). V σ V T T

10 3. Der nensäsbaserende Ansaz Im nensäsbaserenden Ansaz der Modellerung von Ausfalleregnssen s de Ausfallnensä de zenrale Grösse. Uner der Ausfallnensä verseh man de durchschnlche Ausfallrae, gegeben alle akuell verfügbaren Informaonen, gemessen als erwaree Anzahl von Ausfällen pro Jahr. En Inensäsparameerwer von 0.1% würde dam z.b. ene Ausfallrae von 1 Schuldnern pro Schuldnern bedeuen. En enfaches Bespel deses Ansazes s de Modellerung des Zepunkes des Enreens enes Ausfalls durch den ersen Sprung enes Posson Prozesses m enem konsanen Inensäsparameer λ > 0. In desem Modell s de Überlebenswahrschenlchke (Wareze bs zum ersen Sprung) exponenal verel, som beräg de Überlebenswahrschenlchke für en Jahr λ e und für Jahre e λ. De Annahme enes konsanen Inensäsparameers ha also zur Folge, dass de Überlebenswahrschenlchkeen für ene fese Zespanne (von z.b. enem Jahr) über de Ze konsan snd. Da Ausfall- und Überlebenswahrschenlchkeen sark von makroökonomschen Größen beenfluss werden, s de Annahme enes konsanen Inensäsparameers zwefelhaf. Läss man z.b. zu, dass sch der Inensäsparameer enmal pro Jahr deermnssch ( λ λ ) änder, so ergb sch ene Überlebenswahrschenlchke für Jahre von e, wobe λ den Inensäsparameer für das -e Jahr bezechne. Deses Konzep des sch jährlch deermnssch ändernden Inensäsparameers läss sch weer auf den Fall enes sch sändg deermnssch ändernden Parameers erweern. Bezechne man den Inensäsparameer m Zepunk s m λ s, so ergb sch ene Überlebenswahrschenlchke für Jahre von exp λ s ds. Be forschreender 0 Ze sehen enem nun aber n der Regel mmer mehr Informaonen über de Qualä des Schuldners zur Verfügung. Dese Informaonen können von unerschedlchsen Quellen sammen und werden üblcherwese zufällg engehen. Deshalb s es nahelegend, den Inensäsparameer schleßlch als sochasschen Prozess zu modelleren. Uner engen echnschen Voraussezungen kann man dann zegen, S dass sch de Überlebenswahrschenlchke p m Zepunk uner Berückschgung aller zu desem Zepunk vorlegenden Informaonen für en s Überleben bs zum Zepunk als E ( ) s exp λ u du berechnen läss, wobe E den Erwarungswer, gegeben alle bs zum Zepunk verfügbaren Informaonen, und { λ ( s )} 0 den sochasschen Inensäsprozess bezechnen. Bespel: s Zur Modellerung von λ soll en Cox/Ingersoll/Ross (CIR) Prozeß verwende werden. Dazu nmm man an, dass λ der sochasschen Dfferenalglechnug dλ () κ ( θ λ( )) d σ λ( ) dw( ) = (3.7) λ λ + genüg, wobe W ene sandardsere Brownsche Bewegung bezechne. De Parameer können folgendermaßen nerpreer werden: θ s das langfrsge Mel von λ, d.h., lme( λ ( )) = θ. > 0 λ λ λ

11 κ > 0 s de durchschmlche Rae, m der λ gegen das langfrsge Mel λ sreb. σ > 0 s der Volaläskoeffzen. λ De Überlebens- und Ausfallwahrschenlchkeen können dann uner Verwendung der üblchen CIR Mehodk (sehe ewa Bngham und Kesel (1998), Kapel 8) besmm werden. Das folgendene Schaubld veranschaulch den Enfluss des Volaläsparameers auf de Ausfallwahrschenlchkeen 1 p s ( 0T, ): Defaul 0.8 Probably k=0.5, q=0.0, lh0l= s= s= s= L TmeHyears Abbldung : Enfluss von σ auf de Ausfallwahrschenlchkeen. De Schäzung der Parameer n enem nensäsbaserenden Modell kann enweder durch Anpassung an hsorsche Ausfallraen oder -- sofern Markdaen verfügbar snd -- mplz durch Schäzung aus akuellen Bond-Spreads erfolgen. De Verfahren werden z.b. be Schmd und Zags (1999) dskuer und an Bespelen durchgeführ. Be der Schäzung aus hsorschen Ausfallraen beseh das Problem, dass akuelle Informaonen und Trends nch berückschg werden. Da aber gerade akuelle makroökonomsche Enwcklungen enen sarken Enfluß auf de Ausfallwahrschenlchkeen haben, nmm man dam enen Informaonsverlus und evenuell unscharfe Parameerschäzungen n Kauf. Theoresch würde man so vorgehen, dass man n Abhänggke von der zu schäzenden Anzahl von Parameern emprsche Ausfallraen für unerschedlche Zeperoden den heoreschen von den Parameern abhänggen Ausfallwahrschenlchkeen gegenübersellen und durch Anwendung enes Opmerungsverfahrens, dejengen

12 Parameerwere besmmen würde, de de Summe der Abwechungsquadrae mnmeren. Be der Schäzung der Parameer m Hlfe von Bond-Presen muss man beachen, dass man aus hnen zunächs nur Ausfallwahrschenlchkeen uner dem ransformeren Wahrschenlchkesmaß gewnn, was de Bewerungsformel ( + (1 RQ ) ( )) X(, T) = p(, T) 1 τ T aus Abschn verdeulch. An Bond-Prese kann man som zunächs auch nur Inensäsprozesse uner dem ransformeren Wahrschenlchkesmaß anpassen. Zur Schäzung der Parameer uner dem asächlchen Maß muss man zusäzlch enen Rskoparameer (den marke prce of rsk) schäzen und dam den Maßwechsel durchführen. Um de Parameer zu schäzen, sell man Markprese den heoreschen Presen gemäß obger Formel gegeüber. Über Q ( τ T ) häng dese Formel von sämlchen Parameern des Inensäsprozesses ab. Neben der Mehode der Mnmerung der klensen Abwechungsquadrae werden dazu n der Praxs vor allem de verallgemenere Momenenmehode, de Kalman Fler Mehodk und de Maxmum Lkelhood Mehode angewand. En häufg aufreendes Problem s allerdngs, dass nch genügend Markdaen zur Verfügung sehen, um snnvoll Schäzungen durchzuführen, und auch selbs be ausrechender Daengrundlage zeg es sch, dass de Schäzungen of nch sabl snd. De von Cred Susse Fnancal Producs (CSFP) enwckele CredRsk+ Mehodk beruh auf dem nensäsbaserenden Ansaz. CredRsk+ s an den n der Verscherungswrschaf benuzen Mehoden zur Rskoanalyse von Schadensporfolos angelehn und erlaub es, vele n der Verscherungsmahemak schon lange bekanne Technken zu verwenden Der emprsch-ökonomersche Ansaz Der emprsche Ansaz wrd wegehend von Rangagenuren verfolg, de über hsorsche Daenbanken von Krederegnssen verfügen. Rangagenuren snd darauf spezalser, de Kredwürdgke von Schuldnern enzusufen und Gläubger über de Wahrschenlchke zu nformeren, m denen Schuldner hren Znszahlungen und sonsgen Verbndlchkeen nachkommen oder auch nch nachkommen können. De ver größen US Rangagenuren snd Moody s Invesors Servce, Sandard & Poor s, Fch IBCA und Duff and Phelps. De zunehmende Bedeuung solcher Agenuren zeg sch zum enen n hrer sändg segenden Zahl und zum anderen n der sark zunehmenden Anzahl der durch se ausgegebenen Rangs. So nahm de Zahl der durch Moody s beurelen Schuldner von 1960 bs 1997 von 91 auf 3841 zu. In regelmäßgen Zeabsänden werden de Rangs überprüf und gegebenenfalls angepass. Ha ene wchge das Rang beenflussende Enwcklung engesez, so sez Sandard & Poor s den Schuldner auf de sogenanne Cred Wach Ls, Moody s auf de sogenanne Rang Revew Ls. Auch n Deuschland snd mlerwele bankunabhängge Agenuren m Aufbau, de nsbesondere auch Rangs für den Melsand lefern sollen. Der Wunsch nach ener großen europäschen Rangagenur wurde besonders nach der Asenkrse lau, be der den amerkanschen Häusern Versagen vorgeworfen worden war. Dazu kamen Zwefel an der Unabhänggke und Serosä der Insue, de dam begründe worden waren, dass de Agenuren als Folge der Asenkrse zwar enge deusche Banken aber überhaup kene amerkansche Bank herabgesuf haen.

13 Be der Besmmung der Ausfallwahrschenlchkeen grefen de Rangagenuren auf hre hsorschen Daenbanken zurück, n denen se sämlche Ausfälle der lezen Jahrzehne dokumener haben. In jedem Jahr beseh das für de Ermlung der Wahrschenlchkeen zu Grunde legende Frmenunversum aus allen Frmen des Vorjahres, de nch ausgefallen snd, und allen Frmen, de n desem Jahr zum ersen Mal en Rang erhalen. Jährlche Ausfallwahrschenlchkeen ergeben sch dann als der Quoen aus allen n dem Jahr ausgefallenen Frmen und der Anzahl aller Frmen m Unversum. Aus den jährlchen Ausfallwahrschenlchkeen lassen sch kumulave Ausfallwahrschenlchkeen für größere Zeräume ableen. Analog wrd be der Besmmung von Übergangswahrschenlchkeen vorgegangen. Ener der Haupkrkpunke am Verfahren der Rangagenuren s deren Annahme, dass sch durchschnlche Ausfall- und Übergangswahrschenlchkeen drek aus hsorschen Beobachungen ableen und für Ausfall- und Rangänderungsprognosen verwenden lassen. Deser sasche Ansaz seh deulch m Wderspruch dazu, dass sch dese Wahrschenlchkeen sehr dynamsch über de Ze verändern und sark vom Konjunkurzyklus abhängen. Desen Krkpunken wrd durch ökonomerschen Ausfallmodellen begegne n d denen de Ausfallwahrschenlchke n der akuellen Perode n Abhänggke x p enes Vekors von exogenen Varablen erklär wrd. Defner man de Zufallsvarable D als 1, falls der Schuldner n Perode ausfäll, und als 0, falls er ( ) d nch ausfäll, so erfolg de Modellerung gemäß p = PrD = 1 x. Sandardmodelle für desen Ansaz snd de Prob und de Log Modelle. Bespele: d a) Das Prob Modell: p N( β' x ) =, wobe N de kumulave Sandardnormalverelung und β den Vekor der Gewche der enzelnen exogenen Varablen bezechne. β wrd üblcherwese aus hsorschen Daenrehen geschäz. β ' x d e b) Das Log Modell: p =. β ' x 1+ e Dem Prob Modell leg de Normal-, dem Log Modell de logssche Verelung zugrunde, de sch durch heaver als auszechne. Das wohl bekannese Modell deser Klasse wurde vom Thomas Wlson n ener Sere von Arbeen (Wlson (1997a) und Wlson (1997b)) vorgesell. Weerenwckele Varanen snd de Grundlage des von McKnsey propageren Kredrskomodelles CredPorfoloVew. Herbe wrd de Ausfallwahrschenlchke n jeder Perode bedng nach enem Index Y aus makroökonomscher Fakoren, (we z:b. Wrschafswachsum, Arbeslosgke, Znsnveau,..) hergelee. Jeder deser Fakoren wrd als Zerehe, ypscherwese als en auokorrelerer Prozess der Ordnung, m normalverelen Innovaonen modeller. X j, = k,0 + k j,1x j, 1 + k j,x j, + ε j, X j, (3.8) Der Index ergb sch dann als gewchee Summe der Fakoren.

14 Y, ν, = β,0 + β, j X, +, (3.9) wobe de Fehlererme weder als normalverel angenommen werden. Schlesslch wrd der Index mels der Log Funkon n ene Ausfallwahrschenlchke ransformer: p, = 1 1+ exp( Y ). (3.10), Da de zufällgen Komponenen der Fakoren n ener normalverelen Varable zusammengefass werden können, ergb sch de Ausfallwahrschenlchke als Logransformere ener sandardnormalverelen Zufallsvarable. Zus Kalbrerung müssen alle Parameer aus dem Sysem von Glechungen (3.8) (3.10) geschäz werden, was enen relav hohen Daenbedarf nach sch zeh. Neben den Daen zu Frmenausfällen, müssen auch de für de relevanen makroökonomschen Fakoren ausrechend lange Hsoren zur Verfügung sehen. De Wahl der logsschen Regresson wrd von Wlson (Wlson (1997a) und Wlson (1997b)) m der Tasache begründe, dass der Wer der Response Varable (Ausfallwahrschenlchke) zwschen Null und Ens leg, und, n verschedenen Tessuden der Wer das Besmmhesmasses R zufredensellend war. In deser Allgemenhe snd bede Argumene bedenklch: Ausfallwahrschenlchkeen snd ypscherwese relav klen und dam robus gegenüber moderaen Veränderungen des Indexes. Weerhn s R als unzurechendes Qualäskrerum für Modellperformance n der logsschen Regresson hnrechend dokumener. De Konsrukon mplzer daher, dass das Modell für Subnvesmen-Grade Frmen (höchse Sensvä gegenüber Kredzyklus und größe Ausfallwahrschenlchkeen) am besen geegne s Vergech der Ansäze Ene verglechende Analyse der Ausfallwahrschenlchkeen enzelner Schuldner durch de Modelle kann snnvollerwese nur zwschen emprscher und oponspresheorescher Modellerung erfolgen. (Der nensäsbaserende Ansaz berache nur Ausfallhäufgkeen n Porfolos und nch ndvduelle Ausfallhäufgkeen). Wr wollen zunächs de beden Ansäze an enem Bespel veranschaulchen. Wr besmmen dazu de Enjahres-Ausfallwahrschenlchkeen für de Meallgesellschaf für enen Zeraum von November 1990 bs Okober Desem Ergebns werden de von Moody s angegebenen Wahrschenlchkeen gegenübergesell. Daengrundlage snd de Markkapalserungen der Meallgesellschaf aus Daasream, de kurz- und langfrsgen Verbndlchkeen aus Reuers, Znssäze (Lbor) und hsorsche Rangänderungen aus Bloomberg.

Portfolioeffekte bei der Kreditrisikomodellierung

Portfolioeffekte bei der Kreditrisikomodellierung Porfoloeffeke be der Kredrskomodellerung 1 Porfoloeffeke be der Kredrskomodellerung Mark Wahrenburg 1 und Susanne Nehen Kurzfassung Für vele Fragesellungen m Rahmen der Bewerung kredrskobehafeer Fnanzel

Mehr

Aerodynamik des Flugzeugs Numerische Strömungssimulation

Aerodynamik des Flugzeugs Numerische Strömungssimulation Aerodnamk des Flgzegs Nmersche Srömngssmlaon Enleng Srömngssmlaon n Wndkanälen 3 Nmersche Srömngssmlaon 4 Poenalsrömngen 5 Tragflügel nendlcher Sreckng n nkompressbler Srömng 6 Tragflügel endlcher Sreckng

Mehr

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Wichtige makroökonomische Variablen

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Wichtige makroökonomische Variablen IK: Enkommen, Beschäfgung und Fnanzmärke (Wnersemeser 2011/12) Wchge makroökonomsche Varablen 1 Überblck Aggregerer Oupu Agg. Oupu hs. Abrss Berechnung des BIP; reales vs. nomnales BIP, BIP vs. BNE, verkeees

Mehr

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit 3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen

Mehr

ANSÄTZE ZUR (AUF-)LÖSUNG EINES ALTEN METHODENSTREITS: ÖKONOMETRISCHE SPEZIFIKATION VON PROGRAMMIERUNGSMODELLEN ZUR AGRARANGEBOTSANALYSE

ANSÄTZE ZUR (AUF-)LÖSUNG EINES ALTEN METHODENSTREITS: ÖKONOMETRISCHE SPEZIFIKATION VON PROGRAMMIERUNGSMODELLEN ZUR AGRARANGEBOTSANALYSE ASÄTZE ZUR (AUF-)LÖSUG EIES ALTE METHODESTREITS: ÖKOOMETRISCHE SPEZIFIKATIO VO PROGRAMMIERUGSMODELLE ZUR AGRARAGEBOTSAALYSE Refera von Thomas Heckele und Hendrk Wolff * * Insu für Agrarpolk, Markforschung

Mehr

Johannes Mitzscherlich Multi-Channel Management im CRM: Der Kommunikationsaspekt Strukturen, Strategien und Kommunikationspolitik

Johannes Mitzscherlich Multi-Channel Management im CRM: Der Kommunikationsaspekt Strukturen, Strategien und Kommunikationspolitik DasMul ChannelManagemen( MCM) s mehral se nerandno z m Cus omer Rel a ons h pmanagemen ;mehral se nwe ßerF ar bkl ec ks aufp nkenpap er! D es e gendeanz ahlanmögl c henkommun ka ons kanäl enl äs s dem

Mehr

UNIVERSITÄT HOHENHEIM

UNIVERSITÄT HOHENHEIM UNIVERSITÄT HOHENHEI HOHENHEIER SCHRIFTEN RECHNUNGSWESEN STEUERN - WIRTSCHAFTSPRÜFUNG De Erfassung fehlender Fungblä be der Unernehmensbewerung axmlan Römhld 1 Dskussonspaper # 2009-02 Kurzzusammenfassung

Mehr

VU Quantitative BWL. 1.Teil: Produktion und Logistik [Stefan Rath] 2.Teil: Finanzwirtschaft [Tomáš Sedliačik] Quantitative BWL: Finanzwirtschaft

VU Quantitative BWL. 1.Teil: Produktion und Logistik [Stefan Rath] 2.Teil: Finanzwirtschaft [Tomáš Sedliačik] Quantitative BWL: Finanzwirtschaft VU Quanave BWL.Tel: odukon und Logsk [Sefan Rah] 2.Tel: Fnanzwschaf [Tomáš Sedlačk] Quanave BWL: Fnanzwschaf Ogansaosches De LV beseh aus zwe Telen:. Tel: odukon und Logsk [4.0.203 22..203] Sefan Rah Insu

Mehr

Semi-analytische und simulative Kreditrisikomessung synthetischer Collateralized Debt Obligations bei heterogenen Referenzportfolios

Semi-analytische und simulative Kreditrisikomessung synthetischer Collateralized Debt Obligations bei heterogenen Referenzportfolios Sem-analysche und smulave Kredrskomessung synhescher Collaeralzed Deb Oblgaons be heerogenen Referenzporfolos Unernehmenswerorenere Modellenwcklung und ransakonsbezogene Modellanwendungen Dsseraon zur

Mehr

CIP mobile. Leistungsbeschreibung

CIP mobile. Leistungsbeschreibung CIP moble Lesungsbeschrebung Schlossmühlsr. 33 86415 Merng Tel.: +49 (0) 8233-74 44-0 Fax: +49 (0) 8233-74 44-28 E-Mal: nfo@franzdrexel.de www.franzdrexel.de Lesungsbeschrebung CIP moble 2005-2006 See

Mehr

Herbstworkshop Flexible Regressionsmodelle Magdeburg, 22./23. November 2007. der LMS-Methode

Herbstworkshop Flexible Regressionsmodelle Magdeburg, 22./23. November 2007. der LMS-Methode Herbsworkshop Flexble Regressonsmodelle Magdebrg./3. November 007 Schäzng von en- nd zwedmensonalen Perzenlkrven m der LMS-Mehode Segfred Kropf 1 Brge Peers 1 Karl-Oo Dbowy 1 Ins f. Bomere. Medznsche Informak

Mehr

Simulationsbasierte Ermittlung von Kapazitätsbelastungsfaktoren zur Produktionsprogrammplanung

Simulationsbasierte Ermittlung von Kapazitätsbelastungsfaktoren zur Produktionsprogrammplanung Smulaon n Produkon und Logsk Enschedungsunersüzung von der Planung bs zur Seuerung Wlhelm Dangelmaer, Chrsoph Laroque & Alexander Klaas (Hrsg.) Paderborn, HNI-Verlagsschrenrehe 3 Smulaonsbasere Ermlung

Mehr

CLT - Cross Laminated Timber Brandschutz. www.clt.info www.storaenso.com

CLT - Cross Laminated Timber Brandschutz. www.clt.info www.storaenso.com CLT - Cross Lamnaed Tmber Brandschuz www.cl.nfo www.soraenso.com I N H A L T Verson 01/2014 AG Es s zu beachen, dass es sch bem vorlegenden Merkbla zum Thema Brandschuz ledglch um ene Hlfesellung für den

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

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

Optimierung von Problemstellungen aus der diskreten und der Prozess- Industrie unter Verwendung physikalischer Verfahren

Optimierung von Problemstellungen aus der diskreten und der Prozess- Industrie unter Verwendung physikalischer Verfahren Operung von roblesellungen aus der dskreen und der rozess- Indusre uner Verwendung physkalscher Verfahren Dsseraon zur Erlangung des Dokorgrades der Naurwssenschafen (Dr. rer. Na.) der Naurwssenschaflchen

Mehr

Windows Server 2012 R2 Playbook OEM und Systembuilder 2013/2014

Windows Server 2012 R2 Playbook OEM und Systembuilder 2013/2014 2012 R2 2012 R2 Plabook OEM und Ssembulder 2013/2014 Immer an Ihrer See: OEM Server Kompeenz Club www.oem-server-kompeenz-club.de OEM Server 2012 R2 Edonsübersch 2012 R2 Daacener 2012 R2 Sandard 2012 R2

Mehr

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 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

Zur Datenqualität primärstatistischer Erhebungen

Zur Datenqualität primärstatistischer Erhebungen Zur Daenqualä prmärsasscer Erebungen Henrc Srecker Emer. o. Professor Dr. rer. na. Henrc Srecker, Unversä Tübngen und Honorarprofessor der Ludwg-Maxmlans-Unversä Müncen, Rosensr., D 839 Sarnberg be Müncen.

Mehr

Glossar: Determiniertheit: nter zeitlichem Determinisumus ist die Berechenbarkeit des Zeitverhaltens des Rechensystems zu verstehen.

Glossar: Determiniertheit: nter zeitlichem Determinisumus ist die Berechenbarkeit des Zeitverhaltens des Rechensystems zu verstehen. Eregns aufgereen 5 8 Reaonsze mn max Re aonsberech mn Re aon max Anforderungsfunon E E E E E p _mn = T 5 7 8 9 5 7 p _max p = T T + T = = T Gesamauslasung u = = e p Proräenvergabe Tass m urzer Ausführungsze

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

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

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

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

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

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden Oeserrechsche Korollbak AG esoskasse erformaceberechug Asse Allocao Berechugsmehode Jul 200 Ihal erformaceberechug der OeKB...3 2 erformace...3 2. Defo der erformace...3 2.2 Berechugsmehode...4 2.3 Formel...4

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

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

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

Kriterien zur Auswahl eines geeigneten Phasenrauschmessverfahrens. Dietmar Köther, Jörg Berben. IMST GmbH

Kriterien zur Auswahl eines geeigneten Phasenrauschmessverfahrens. Dietmar Köther, Jörg Berben. IMST GmbH Enleung Kreren zur Auswhl enes geegneen Phsenruschmessverfhrens Demr Köher, Jörg Berben IMST GmbH Crl-Fredrch-Guß-Sr. 2 47475 Kmp-Lnfor, Germny hp://www.ms.com DK, vorrg ITG 2001.pp 02.10.2001 Pge 1 Überblck

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

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

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

Technische Erläuterungen

Technische Erläuterungen Schwor See / Spale 1-Phasenmoorlas 193 / 1 2-Kanalzeuhr 196 / 2 3-phasgen Moorlas 193 / 2 AC-Näherungsschaler 192 / 1 Anschlussbezechnung be elas 192 / 2 Ansprechspannung 194 / 1 Ansprechze 195 / 2, 196

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

Zum Unsinn kommunaler CMS-Spread-Ladder-Swaps Von Dipl.-Kfm. Peter Sossong und Prof. Dr. Holger Mühlenkamp, Speyer *

Zum Unsinn kommunaler CMS-Spread-Ladder-Swaps Von Dipl.-Kfm. Peter Sossong und Prof. Dr. Holger Mühlenkamp, Speyer * Zu Unnn kounaler CMS-Spread-Ladder-Swap Von Dpl.-f. Peer Soong und Prof. Dr. Holger Mühlenkap, Speyer * Enleung Se der Jahrauendwende haben ehr al 00 Geenden und kounalen Egenu ehende Unernehen ogenanne

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

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

B ü r o S o f t w a r e

B ü r o S o f t w a r e B ü r w a r e EINFACH - CLEVER - ARBEITEN Alle Büraugaben m Handumdrehen erledgen. Beres 6.500 Klen- und Melberebe verrauen au b! b Inrmansbla www.bs.a www.b.de ee 1 vn 7 M b haben e jeden Vrgang m Gr

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

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

Auswirkungen steiler Stromänderungen auf elektrochemische Systeme

Auswirkungen steiler Stromänderungen auf elektrochemische Systeme Komponenen & Perphere swrkngen seler Sromänderngen af elekrochemsche Syseme Ralf Benger Carsen Ropeer Henz Wenzl Hans-Peer Beck Der zelche erlaf der Spannng ener Nckel-Meallhydrd- Baere (NMH) während ener

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

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

Kreditrisikomodellierung und -steuerung: ein Überblick

Kreditrisikomodellierung und -steuerung: ein Überblick Kredtrskomodellerung und -steuerung: en Überblck PRMIA - Munch Chapter Dr. Andreas Zelke HypoVerensbank München Group Credt Rsk Control (CRC1) andreas.zelke@hvb.de +49(0)89/378-44471 28. September 2004,

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

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

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

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

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

Hilfestellung zur inflationsneutralen Berechnung der Erwartungswertrückstellung in der Krankenversicherung nach Art der Lebensversicherung

Hilfestellung zur inflationsneutralen Berechnung der Erwartungswertrückstellung in der Krankenversicherung nach Art der Lebensversicherung Viere Unersuchung zu den quaniaiven Auswirkungen von Solvabiliä II (Quaniaive Impac Sudy 4 QIS 4) Hilfesellung zur inflaionsneuralen Berechnung der Erwarungswerrücksellung in der Krankenversicherung nach

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

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

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

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

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

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

Logik die Grundlagen. g A E H M K. d b f. Logik Grundlagen 1

Logik die Grundlagen. g A E H M K. d b f. Logik Grundlagen 1 Lok Grunlaen 1 Lok e Grunlaen De Lok s ene sehr ale Wssenschaf. Se s e Lehre vom rchen Denken un beschäf sch m en Reeln un echansmen es Schlussfolerns (loos = as Wor). 'rfunen' wure se beres m anken Grechenlan,

Mehr

Telekom-Prämien-Garant 2010-2015/1 der Volksbank Vorarlberg eingetragene Genossenschaft bis zu Nominale EUR 3.000.000,--

Telekom-Prämien-Garant 2010-2015/1 der Volksbank Vorarlberg eingetragene Genossenschaft bis zu Nominale EUR 3.000.000,-- Telekom-Prämen-Garant 2010-2015/1 der Volksbank Vorarlberg engetragene Genossenschaft bs zu Nomnale EUR 3.000.000,-- mt Aufstockungsmöglchket ISIN AT0000A0GZS6 Zechnungsangebot Zechnungsfrst: Ausgabekurs:

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

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

Grundlagen der Elektrotechnik. Teil B

Grundlagen der Elektrotechnik. Teil B Grndlagen der Elekroechnk Tel B Bebläer zr Vorlesng Prof. Dr.-Ing. Joachm Böcker nversä Paderborn esngselekronk nd Elekrsche Anrebsechnk Sommersemeser 6 Grndlagen der Elekroechnk B S. Vorwor Dese Bebläer

Mehr

7 www.risknews.de 11.2002 Default Recovery Rates. Teil 1 Einführung und Modellierung der Recovery Rate

7 www.risknews.de 11.2002 Default Recovery Rates. Teil 1 Einführung und Modellierung der Recovery Rate 7 www.risknews.de 11.00 Defaul Recovery Raes Defaul Recovery Raes Theoreische Modellierung und empirische Sudien Teil 1 Einführung und Modellierung der Recovery Rae Ein Beirag von Sefan Trück, Jens Deidersen

Mehr

Effectiveness of the public Riester subsidies - An empirical analysis using the Socio-Economic Panel (SOEP)

Effectiveness of the public Riester subsidies - An empirical analysis using the Socio-Economic Panel (SOEP) MPRA Munch Personal RePEc Archve Effectveness of the publc Rester subsdes - An emprcal analyss usng the Soco-Economc Panel (SOEP) Ivonne Honekamp Unversy of Bamberg, Char n Emprcal Mcroeconomcs 26. May

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

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

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

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

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

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck

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

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

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

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

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

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

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

Teil 2: Zeitliche Risikobelastung

Teil 2: Zeitliche Risikobelastung Sonderdruck aus Hef 3 und 4 (2011) www.baungeneur.de G 21613 Baungeneur De rchungwesende Zeschrf m Baungeneurwesen Inhasverzechns Rskoaokaonsmode (RA-Mode): Der krsche Erfogsfakor für Pubc Prvae Parnershps

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

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1 Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen

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

Grammig, Joachim; Hujer, Reinhard; Kokot, Stefan; Maurer, Kai-Oliver

Grammig, Joachim; Hujer, Reinhard; Kokot, Stefan; Maurer, Kai-Oliver 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 Grammg, Joachm; Hujer,

Mehr

Das gratis ebook fur deinen erfolgreichen Blogstart

Das gratis ebook fur deinen erfolgreichen Blogstart Das grats ebook fur denen erfolgrechen Blogstart präsentert von www.pascromag.de DAS ONLINE-MAGAZIN für dene täglche Inspraton aus den Berechen Desgn, Fotografe und Resen. Mt velen wertvollen Tpps. 1.

Mehr

1. Mathematische Grundlagen und Grundkenntnisse

1. Mathematische Grundlagen und Grundkenntnisse 8 1. Mahemaische Grundlagen und Grundkennnisse Aufgabe 7: Gegeben sind: K = 1; = 18; p = 1 (p.a.). Berechnen Sie die Zinsen z. 18 1 Lösung: z = 1 = 5 36 Man beache, dass die kaufmännische Zinsformel als

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

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

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

Supply Chain Management

Supply Chain Management 1 Supply Chan Management MRP - Materal Requrements Plannng MRP II II - Manufacturng Resource Plannng Herkömmlche Planungssysteme haben Schwächen De Geschchte von MRP und Inventory Control: Produkton: Entkoppelte

Mehr

Grundzüge der Geldtheorie und Geldpolitik

Grundzüge der Geldtheorie und Geldpolitik Grundzüge der Geldtheore und Geldpoltk Sommersemester 2012 8. Monetäre Transaktonskanäle Prof. Dr. Jochen Mchaels SoSe 2012 Geldtheore & -poltk 8. De Übertragung monetärer Impulse auf de Gesamtwrtschaft

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

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

Bericht zur Prüfung im Oktober 2007 über Finanzmathematik und Investmentmanagement

Bericht zur Prüfung im Oktober 2007 über Finanzmathematik und Investmentmanagement Berich zur Prüfung im Okober 7 über Finanzmahemaik und Invesmenmanagemen (Grundwissen) Peer Albrech (Mannheim) Am 5 Okober 7 wurde zum zweien Mal eine Prüfung im Fach Finanzmahemaik und Invesmenmanagemen

Mehr

Telekom-Bonus-Garant 2009-2014/1 der Volksbank Vorarlberg eingetragene Genossenschaft bis zu Nominale EUR 3.000.000,--

Telekom-Bonus-Garant 2009-2014/1 der Volksbank Vorarlberg eingetragene Genossenschaft bis zu Nominale EUR 3.000.000,-- Telekom-Bonus-Garant 2009-2014/1 der Volksbank Vorarlberg engetragene Genossenschaft bs zu Nomnale EUR 3.000.000,-- mt Aufstockungsmöglchket AT0000A0FP19 Zechnungsangebot Zechnungsfrst: Ausgabekurs: Ab

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

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

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 Wutz, Andreas Workng

Mehr

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung Fazmahemasche Grudlage zur Zs- ud Reerechug Fazmahemasche Grudlage zur Zs- ud Reerechug (Fassug - November 008) /3 Markus Scheche Emal: mal@markus-scheche.de Homepage: www.markus-scheche.de Fazmahemasche

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

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