Zweck Geltungsbereich I. Generelles zur Risikoquantifizierung im SST I.1 Analytisches Modell I.1.1 Vollversion...

Größe: px
Ab Seite anzeigen:

Download "Zweck... 2. Geltungsbereich... 2. I. Generelles zur Risikoquantifizierung im SST... 2. I.1 Analytisches Modell... 3. I.1.1 Vollversion..."

Transkript

1 WEGLEITUNG zum SST-Martrso-Stanarmoell Ausgabe vom 23. Dezember 2015 Inhaltsverzechns Zwec... 2 Geltungsberech... 2 I. Generelles zur Rsoquantfzerung m SST... 2 I.1 Analytsches Moell... 3 I.1.1 Vollverson... 3 I.1.2 Verenfachte Verson... 5 I.1.3 Angemessenhet es Moells... 5 II. Ermttlung er Senstvtäten... 6 III. Beschrebung er Rsofatoren... 7 IV. Schätzung er Zetrehenparameter... 9 IV.1 Postv-Defnthet er Korrelatonsmatrx V. Zuornung von Zahlungsströmen auf vorhanene Znsrsofatoren VI. Berechnung von Renten VI.1 Absolute Renten VI.2 Relatve Renten VI.3 Logarthmsche Renten VII. Lteratur Laupenstrasse 27, 3003 Bern Tel. +41 (0) , Fax +41 (0)

2 Zwec Dese Wegletung stellt m Snne von Rz 107 es FINMA-RS 08/44 SST en Erläuterungsoument zum Martrso-Stanarmoell sowe zur Benutzung es SST-Templates ar. Se enthält zuem Ausführungen genereller Art zur Rsoquantfzerung m SST. Se begrünet ene Rechtsansprüche. Geltungsberech Nach Art. 50b er Aufschtsverornung (AVO; SR ) un Rz 100 es FINMA-Runschrebens 2008/44 SST erarbetet oer bezechnet e FINMA Stanarmoelle. Es gbt zwe glechberechtgte Versonen es SST-Martrso-Stanarmoells: De Vollverson (Delta-Gamma-Ansatz) un e verenfachte Verson (Delta-Normal-Ansatz). De Parametrserung er Vollverson st n en branchenspezfschen SST-Templates (m Folgenen SST-Template ) mplementert; e Berechnungen selber müssen jeoch ausserhalb es jewelgen Templates gemacht weren. De verenfachte Verson, e anstelle er quaratschen Abhängget es rsotragenen Kaptals von en Rsofatoränerungen ene lneare vorseht, st m SST- Template umgesetzt. Welche er Versonen anzuwenen st, bestmmt sch unter Berücschtgung er jewelgen Rsostuaton es Verscherungsunternehmens bzw. er Verscherungsgruppe. Nach Art. 50b Abs. 2 AVO entscheet e FINMA, welches Stanarmoell zu verwenen st. Nur wenn as Martrsoexposure es zulässt, ann as Verscherungsunternehmen ese verenfachte Verson anwenen. Des st nsbesonere ann er Fall, wenn as Rso urch e lneare anstatt er quaratschen Abhängget ncht unterschätzt wr. I. Generelles zur Rsoquantfzerung m SST De Solvabltät enes Verscherungsunternehmens (VU) nach SST letet sch ab aus em per Stchtag verfügbaren Kaptal un senen möglchen Schwanungen über enen Enjahreshorzont. Das per Stchtag verfügbare Kaptal wr m SST als rsotragenes Kaptal bezechnet, wofür e Bezechnung RTK verwenet wr. Wr nehmen an, ass as rsotragene Kaptal zum Zetpunt 0 beannt st, währen RTK(s) mt s > 0 ene stochastsche Grösse arstellt, also unbeannt st. Aus Rsomanagement- un aufschtsrechtlcher Scht nteresseren e möglchen Veränerungen es rsotragenen Kaptals über enen bestmmten Zethorzont h, also RTK( t h) RTK( t). Der allgemenen Rsomanagement-Konventon folgen wr as rsotragene Kaptal als Funton von Rsofatoren Z 1,, Z argestellt: RTK RTK t; Z ( t) RTK t; Z1( t),, Z ( t), 2/29

3 Z ( t ) Z1( t),, Z ( t). mt T Häufg verwenete Rsofatoren sn e logarthmerten Prese von Aten, Immoblen oer Wechselursen oer e Znsen un Cret Spreas. Der Zethorzont m SST beträgt we erwähnt en Jahr. Da sch e Solvenzanforerungen aus er Veränerung es rsotragenen Kaptals über en Enjahreshorzont ergeben, st es üblch, e entsprechenen Änerungen er Rsofatoren zu betrachten: Es glt ann ( t 1) Z( t 1) Z( t). RTK( t 1) RTK( t 1) RTK( t) RTK RTK t 1; Z( t 1) RTKt ; Z( t) t 1; Z( t) ( t 1) RTKt ; Z( t) De Veränerung es rsotragenen Kaptals st somt ene Funton er Rsofatoränerungen. I.1 Analytsches Moell Fortan bezechnen wr mt t = 0 en Stchtag er SST-Erhebung. I.1.1 Vollverson In sener Vollverson macht as Martrso-Stanarmoell e Näherung RTK Z (1) RTKZ(0) 1 RTK( Z(0)) z oer, unter Berücschtgung von RTK 1 RTK Z(1) RTK Z(0) 2 RTK( Z(0)) z z RTK( 1) 1 RTK( Z(0)) z T 1 T δ RTK( Z(0)) z z (1) 3/29

4 wobe ( 1) (1),, T 1 (1) un δ,, T 1 en Vetor er ersten Abletungen bezechnet un e Matrx er zweten Abletungen, also RTK( Z(0)), z 2 RTK( Z(0)) z z (2) Glechung (1) efnert e Approxmaton für e Veränerung es RTK n er so genannte Vollverson es Martrso-Stanarmoells (Delta-Gamma). Mathematsch gesprochen entsprcht ese er Taylor-Approxmaton 2. Ornung, welche näherungswese en funtonalen Zusammenhang zwschen en Veränerungen es RTK un en Änerungen er Rsofatoren beschrebt. Im Untersche zur verenfachten Verson (Kaptel I.1.2 unten) önnen m vorlegenen Fall e Rsomasse Value-at-Rs un Expecte Shortfall er RTK-Veränerung ncht analytsch bestmmt weren, selbst unter er verenfachenen Annahme er multvaraten Normalvertelung. De Wahrschenlchetsvertelung von RTK n (1) ann zum Bespel va numersche Inverson er charaterstschen oer momenteerzeugenen Funton ermttelt weren, sehe z.b. Glasserman [2] S Alternatv un enfacher zu mplementeren st en smulatonsbaserter Ansatz (Delta-Gamma-Monte-Carlo). En smulatonsbaserter Ansatz hat zuem en Vortel, ass er ncht auf normalvertelte Rsofatoren engeschränt weren muss. Trotzem wr für e Vollverson es Martrso-Stanarmoells unveränert e Annahme getroffen, ass e Änerungen er Rsofatoren multvarat normalvertelt sn. De mesten statstschen Softwarepaete erlauben ene routnemässge Erzeugung (Smulaton) normalvertelter Zufallsvetoren mt em Mttelwertvetor un er Kovaranz-Matrx als Engabegrössen. Hntergrunnformatonen azu fnet man zum Bespel n McNel et. al. [4], Sete 66. De smulerte Vertelung RTK gemäss (1) ergbt sch ann urch ene belebg hohe Anzahl Smulatonen es Vetors. En enfacher ncht-parametrscher Schätzer es Expecte Shortfalls n enem smulatonsbaserten Ansatz st er Durchschntt sämtlcher RTK-Veränerungen, e en entsprechenen Value-at-Rs Schätzer unterschreten: ES α = N j=1 ΔRTK j 1 {ΔRTKj <VaR α} N j=1 1 {ΔRTKj <VaR α} wobe VaR α en Schätzer es Value-at-Rs zum Konfenznveau α bezechnet (α = 0.01; Quantlschätzer) un ΔRTK j e smulerte Veränerung es RTK m j-ten Smulatonsurchgang (j = 1,, N). De Grösse 1 A bezechnet e Inatorfunton, also 1 A = 1, falls as Eregns A entrtt un 0 sonst. Da er Value-at-Rs len st, hat man es mt enem rare event Smulatonsproblem zu tun. Erfahrungen haben gezegt, ass e Anzahl Smulatonen n er Grössenornung von legen sollte, um hnrechen stable Resultate zu erhalten. Unter Umstänen muss aber auch ene entsprechene Varanz mnmerene Techn angewenet weren, sehe z.b. Asmussen [1], S. 432 oer Glasserman et. al. [3]. 4/29

5 I.1.2 Verenfachte Verson Be Exposures, be enen e lneare Approxmaton e RTK-Veränerungen hnrechen gut beschrebt, ann auf en quaratschen Term verzchtet weren. Wr erhalten ann e Approxmaton für e Veränerung es RTK n er verenfachten Verson es Martrso-Stanarmoells: RTK( 1) 1 RTK( Z(0)) z δ T (3) Dese Verenfachung st n er Regel be Schaenverscherungsunternehmen möglch, sofern eren Exposures ncht urch Long-Tal-Geschäft omnert weren. Für en renes Atenportfolo bespelswese st e Annahme enes lnearen Zusammenhanges zwschen en RTK-Veränerungen un en Wertveränerungen er Aten orret. Für en Portfolo hngegen, as Dervate oer znsabhängge Instrumente enthält, weren e RTK-Veränerungen urch e lneare Approxmaton nur unzurechen beschreben. Wll en Verscherungsunternehmen e verenfachte Verson es Martrso- Stanarmoells anwenen, so muss es en Nachwes erbrngen, ass es zu ener Unterschätzung es Rsos führt. Des ann zum Bespel ann er Fall sen, wenn e Znssenstvtäten er Verbnlcheten höher sn als e er Atven. Wr as Rso urch e verenfachte Verson unterschätzt, so muss e Vollverson es Martrso-Stanarmoells angewenet weren. Im Martrso-Stanarmoell wr angenommen, ass e Veränerungen er Rsofatoren ener mehrmensonalen Normalvertelung genügen. Zusammen mt er Lneartätsannahme erlaubt es ene analytsche Berechnung er Rsomasse Value-at-Rs un Expecte Shortfall. Denn m Falle er multvaraten Normalvertelung für enen Zufallsvetor st as Salarprout von mt enem -mensonalen Vetor δ unvarat normalvertelt. Konret: Falls ~ N μ, wobe un δ R so glt δ T ~ N δ T μ δ T 1, δ un somt VaR ES T T T δ δ μ δ δ q Z T T T q Z δ δ μ δ δ 1 q Z as -Quantl ener stanarnormalvertelten Zufallsvarabeln Z bezechnet un e Dchtefunton. Allgemen st en solcher Ansatz unter em Namen Delta-Normal -Ansatz beannt. I.1.3 Angemessenhet es Moells Im Martrso-Stanarmoell wr angenommen, ass e Rsofatoränerungen multvarat normalvertelt sn. Dese Annahme stellt ene verenfachte Scht er Realtät ar. Denn n er Praxs zegt sch oft, ass e Rsofatoren leptourtsch sn ( ünne Sptze er Wahrschenlchetschte un 5/29

6 afür mehr Masse n en Tals) un arüber hnaus Tal-Abhänggeten aufwesen. Dese so genannten stylze facts önnen urch e multvarate Normalvertelung nur unzurechen weergegeben weren. Szenaroanalysen stellen eshalb ene wchtge Ergänzung es analytschen Martrso- Moells ar, um eser Schwachstelle entgegenzuwren. Es wr auf e Wegletung betreffen Szenaren un Stresstests m SST verwesen. Prnzpell st as Stanar-Marrsomoell, sowohl n er verenfachten we n er Vollverson, nur ann geegnet, wenn es e Rsen es Verscherungsunternehmens genügen werspegelt: Des beeutet nsbesonere, ass e Proxes er Rsofatoren e Investments gut werspegeln Anzahl un Auswahl er Rsofatoren ausrechen st Annahme er quaratschen bezehungswese lnearen Approxmaton vertretbar st Ist es ncht gegeben, so ann nach Art. 50b Abs. 3 ene Anpassung es Stanarmoells verlangt weren. Ene Anpassung ann bespelswese über as Hnzufügen zusätzlcher Rsofatoren erfolgen. Aus er blossen Anwenbaret er Mappngregeln gemäss Anhang B ann allen noch ncht abgeletet weren, ass e entsprechenen Proxes genügen gut sn. Velmehr st stets ene Gesamtwürgung er jewelgen Exposures un eren Abblung urch e vorhanenen Rsofatoren unter Berücschtgung er jewelgen Materaltät vorzunehmen. Der Ensatz zusätzlcher, über as Martrso-Stanarmoell hnausgehener Rsofatoren setzt voraus, ass anernfalls e Rsostuaton ncht genügen wergespegelt würe un bearf für jeen hnzugefügten Rsofator enes esbezüglchen Nachweses. Herbe st e Anzahl zusätzlcher Rsofatoren so gerng we möglch zu halten. II. Ermttlung er Senstvtäten Zur Bestmmung er Veränerung es RTK über enen Enjahreshorzont müssen e Abletungen es RTK nach en Rsofatoren bestmmt weren, sehe (2): RTK( Z(0)), z 2 RTK( Z(0)) z z In er verenfachten Verson müssen nur e ersten Abletungen bestmmt weren. De Vollverson erforert e Bestmmung er ersten un zweten Abletungen es RTK nach en Rsofatoren. Be er pratschen Umsetzung enes Delta-Gamma-Verfahrens ergbt sch verglchen mt er verenfachten Delta-Normal Methoe folgener zusätzlche Aufwan: 6/29

7 Ermttlung er Matrx Γ, also er partellen Abletungen es RTK nach em -ten un -ten Rsofator. Insbesonere e Bestmmung er gemschten Abletungen ( ; so genannte Kreuz- o- er cross-gamma -Terme); Bestmmung er Wahrschenlchetsvertelung von RTK( 1) 1. Für en Delta-Gamma-Verfahren müssen also zusätzlch zu en Senstvtäten oer Rsofatorauslenungen nach oben un unten e zweten Abletungen es RTK nach en Rsofatoren geschätzt weren. Des gescheht weerum mt Hlfe von Senstvtätsberechnungen. De Tabellen n Anhang A un B zegen, we e Senstvtätsberechnungen urchgeführt weren müssen. Es st e Aufgabe er Verscherungsunternehmen, nachzuwesen, welche Elemente er Matrx allenfalls vernachlässgbar sn. Ist für enen Rsofator e Summe s + + s 0 (sehe Anhang A), so legt en Dagonal-Gamma-Betrag vor. Insofern st es ncht gerechtfertgt, esen zu gnoreren, falls as Rso aurch unterschätzt wr. Alle Werte n er Gamma-Matrx m Blatt Senstvtaeten Gamma_Maret es SST-Templates sn auf null gesetzt. De Null-Werte haben enen ren technschen Hntergrun: Se stellen e orrete Berechnung er Szenarenwerte m Blatt Scenaros scher, wenn e verenfachte Verson es Martrso-Stanarmoells (Delta-Normal-Ansatz) angewant wr. Anwener er Vollverson es Martrso-Stanarmoells (Delta-Gamma-Ansatz) müssen e gesamte Matrx explzt entragen. III. Beschrebung er Rsofatoren Das Martrsomoell umfasst e folgenen 82 Rsofatoren: Znsen (Zero Rates) für e Währungen CHF, EUR, USD, GBP separat für e Laufzetenbäner 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 30 Jahre [4*13 Rsofatoren] Implzte Znsvolatltät [1 Rsofator] Cret Sprea USA: AAA, AA, A, BBB [4 Rsofatoren] Cret Sprea BB [1 Rsofator] Cret Sprea Europa: AAA, AA, A, BBB [4 Rsofatoren] Swap-Government Sprea [1 Rsofator] Wechselurse: EUR/CHF, USD/CHF, GBP/CHF, JPY/CHF [4 Rsofatoren] Implzte F-Volatltät [1 Rsofator] als quarat- 1 Im Untersche zum Delta-Normal Ansatz st RTK ncht mehr unvarat normalvertelt, a T sche Form normalvertelter Zufallsvetoren ncht mehr normalvertelt st. 7/29

8 Aten: Schwez, EMU, USA, Grossbrtannen, Japan, Pazf ohne Japan, EMU Small Cap [7 Rsofatoren] Implzte Atenvolatltät [1 Rsofator] Hege-Funs [1 Rsofator] Prvate Equty [1 Rsofator] Immoblen Schwez: Drete Wohnmmoblen, Immoblenfons, rete Geschäftsmmoblen [3 Rsofatoren] Betelgungen [1 Rsofator]: atv zum restlchen Marrso, Volatltät 25 % 2 Hnwes zum Swap-Government Sprea: Exposures von Swap-Prouten (z.b. Swaps un Swaptons) auf en Sprea zwschen Swap-Znsen un rsofreen Znsen weren zuünftg auf esen Rsofator gemappt (un ncht mehr auf en Rsofator Cret Sprea AA). Hnwes zu en Atennzes: Be en MSCI Atennzes hanelt es sch um sogenannte Total- Return-Inzes; e Dvenen weren urch en Inexwert somt berücschtgt. Hnwes zu mplzter Znsvolatltät, Hege-Funs, Prvate Equty, reten Geschäftsmmoblen un Betelgungen: Be esen Rsofatoren gbt es vorgegebene Proxes bezehungswese pauschale Vorgaben setens er FINMA bezüglch er Volatltäten un Korrelatonswerte. Dese önnen urch egene Schätzungen ersetzt weren, sofern e Verscherungsunternehmen zu eren Herletung geegnete Zetrehen wählen. In esem Fall sn egene Korrelatonen un Volatltäten zu bestmmen, welche ret n e entsprechenen Zellen er Matrx enzufügen sn. Das Verscherungsunternehmen hat ann scherzustellen, ass e resulterene Matrx orret st. Insbesonere muss e Matrx postv efnt sen. Zur Überprüfung, ob vorgegebene Volatltäten oer Korrelatonen geänert wuren, st ene automatsche Kontrolle vorhanen. Das Verscherungsunternehmen hat e Angemessenhet er verweneten Proxes un eren Angemessenhet m SST-Bercht zu erläutern. Ist es ncht er Fall, so weren be reten Geschäftsmmoblen e Werte von Rü Blass (Immoblenfons) übernommen. Hnwes zu Hege-Funs un Prvate Equty: Es wr angezwefelt, ass e Schätzung er Volatltäten un Korrelatonen mt er beobachtbaren Hstore es Hege-Funs- bezehungswese Prvate- Equty-Portfolos enes Verscherungsunternehmens bezehungswese Inzes als Proxy as Rso eser Investments aäquat werspegelt. Ene vorschtge Wahl er Parameter st angezegt. De selbstgeschätzte Volatltät st zu veroppeln, as hesst, se st mt em Fator 2 zu multplzeren. Ausgenommen hervon sn Proxes für Prvate Equty, e auf lquen Transatonen beruhen. 2 Ene bessere Moellerung er Rsostuaton von Betelgungen st en loo through, nem e Senstvtät es Betelgungswerts auf e Veränerung er Rsofatoren mtberücschtgt wr. Es wr auf Rz 87 un 88 es FINMA-RS 08/44 SST verwesen. 8/29

9 IV. Schätzung er Zetrehenparameter We erwähnt, wr m Martrso-Stanarmoell angenommen, ass e Änerungen er Rsofatoren multvarat normalvertelt sn. De Normalvertelung wr urch en Mttelwertvetor μ un e Kovaranzmatrx vollstäng charatersert. Sowohl n sener Vollverson we auch n er verenfachten Verson muss e Kovaranzstrutur geschätzt weren,.h. e Volatltäten un Korrelatonen er Rsofatoränerungen. De Ermttlung eser Parameter erfolgt grunsätzlch auf er Bass von monatlchen Renten währen er vergangenen 10 Jahre 3. De Verwenung von Monatsrenten über 10 Jahre st en Kompromss zwschen er erforerlchen Datenmenge, um engermassen stable Schätzwerte zu erhalten, un er Atualtät er Daten (vgl. Anhang C für e Beschrebung er Inzes aus Bloomberg sowe verfügbarem Zetraum un Frequenz). Der Zusammenhang zwschen er Kovaranzmatrx un er Korrelatonsmatrx P st er folgene: P, wobe e Dagonalmatrx mt en Stanarabwechungen (Volatltäten) er Rsofatoränerungen als Dagonalelemente bezechnet, also Falls n Beobachtungen (e.g. n 120) von -mensonalen Vetoren 1,,n von Rsofatoränerungen vorlegen, so sn e Stanar-Momentenschätzer von μ un gegeben urch: 1 n n, S 1 n n T Been Schätzer un S haben enen Bas. Enen Schätzer R ( r j ) j, er Korrelatonsmatrx P erhält man unmttelbar aus S ( s j ) j,. Das Element n Zele j un Spalte st gegeben urch. 3 Der SW IAZI Investment Real Estate Performance Inex hngegen steht nur auf Quartalbass zur Verfügung. 9/29

10 s j rj. s s jj De Varanz ener Zufallsvarablen st schwerg zu nterpreteren, a se e Abwechung vom Mttelwert m Quarat msst. In er Praxs msst man e Schwanungen eshalb häufg urch e Stanarabwechung (auch Volatltät genannt). Dese entsprcht er Quaratwurzel er Varanz. Da er Zethorzont m SST en Jahr beträgt, müssen annualserte Volatltäten verwenet weren. Dese erhält man aus en Volatltäten er Monatsrenten, nem man se mt er Quaratwurzel er Anzahl Monate pro Jahr multplzert: Jahr 12 Monat Legen nur Quartalsaten vor, so wr e annualserte Volatltät we folgt berechnet: Jahr 4 Quartal Der Korrelatonsoeffzent st unabhängg von er Frequenz er beobachteten Daten un muss somt ncht annualsert weren. De statstschen Egenschaften von Fnanzzetrehen änern sch n er Regel mt er Frequenz er Beobachtung: Tagesrenten zum Bespel haben ene höhere Kurtoss als monatlche Renten. IV.1 Postv-Defnthet er Korrelatonsmatrx De mttels oben efnertem Schätzer ermttelte Korrelatonsmatrx R st oft ncht postv efnt 4, a as Martrso-Stanarmoell vele Znsrsofatoren enthält, e hoch orrelert sn. Um ene snnvolle Berechnung urchführen zu önnen, muss e geschätzte Korrelatonsmatrx entsprechen angepasst weren. Ene pragmatsche Methoe, um ene postv efnte Matrx aus er ursprünglchen Schätzung zu erhalten st e folgene: De geschätzte Korrelatonsmatrx R habe e Egenwerte (orthogonalen) Egenvetoren v, v2,, v,, 1 n un e 1 n. bezechne abe e n x n Matrx, welche auf er Haupt- 4 Ene quaratsche Matrx A hesst postv efnt, falls b T Ab 0 für alle Vetoren b 0. Se hesst postvsemefnt, falls b T Ab 0 für alle Vetoren b 0. Ene quaratsche Matrx st genau ann postv efnt, wenn alle Egenwerte postv sn. Se st genau ann postv semefnt, falls alle Egenwerte grösser oer glech Null sn. 10/29

11 agonalen e Egenwerte,, 1 n als Enträge hat un sonst 0; V eren -te Spalte urch en -ten Egenvetor v efnert st. Es glt ann bezechne e n x n-matrx, T R VV. Falls e geschätzte Korrelatonsmatrx R ncht postv efnt st, sn m 1 Egenwerte negatv. Wr bezechnen ese Egenwerte als,,, 1 2 m wobe I 1, 2,, m e Inexmenge mt Inzes zwschen 1 un n er negatven Egenwerte bezechnet. Wr efneren nun ene neue Matrx ~, nem wr ausgehen von eren negatve Egenwerte mt jewels em Mnmum von 10 5 un em mt ( 1) multplzerten Egenwert ersetzen: ~, mn(,10 I, 5 ) I. Daraus lässt sch ene neue, postv efnte Matrx bestmmen mttels ~ T. R V ~ V Da e so entstanene Korrelatonsmatrx R ~ n er Regel ncht nur Ensen auf er Dagonalen hat, muss man, um ene Korrelatonsmatrx zu erhalten, noch folgene Transformaton er Enträge vornehmen: rj rj. r r jj Falls en Verscherungsunternehmen e Kovaranzstrutur er Rsofatoren selbst ermttelt, so müssen e ersetzten negatven Egenwerte er Korrelatonsmatrx m SST-Bercht aufgelstet weren. V. Zuornung von Zahlungsströmen auf vorhanene Znsrsofatoren Um ene ausrechene Datenqualtät aller Rsofatoren zu garanteren, weren Zahlungsströme zwecs Ermttlung hrer Znssenstvtät auf e vorhanenen Znsrsofatoren abgeblet. Znsexposures: Ban 0 9 Jahre: Grunsätzlch wr e Laufzet enes Cash Flows auf as nächste ganze Jahr aufgerunet. Zum Bespel wr er Barwert enes Cash Flows, er nach 2 Jahren un 4 Monaten anfällt, mt em Znssatz für 3 Jahre un ener ftven Laufzet von 3 Jahren berechnet Jahre: Laufzet 10 Jahre. 11/29

12 13 17 Jahre: Laufzet 15 Jahre Jahre: Laufzet 20 Jahre Jahre: Laufzet 30 Jahre. Hnwes: Man beachte, ass ese Zuornung ene grobe Verenfachung arstellt, a mt hr n er Regel weer e Barwerte er Zahlungsströme noch e Znssenstvtäten erhalten bleben. Jeer belebge Zahlungsstrom müsste besser erart auf zwe benachbarte Zns-Bucets t l un t r abgeblet weren, ass sowohl er Barwert we auch e Znssenstvtäten erhalten bleben. Das hesst, en Zahlungsstrom c (t) fällg zum Zetpunt t mt 0 tl t tr müsste n re ftve Zahlungsströme zerlegt weren: c lower ( t l ), c upper ( t r ) un c 0(0). De Cash-Poston zum Zetpunt t 0 st notweng, amt nebst en Znssenstvtäten auch er Barwert erhalten blebt. De re Unbeannten lassen sch ann urch en lneares Glechungssystem bestmmen. Damt erfolgt ene Zuornung auf benachbarte Zns-Bucets t l un tr erart, ass nebst em Barwert auch e Duraton (Znssenstvtät) erhalten blebt. VI. Berechnung von Renten Renten önnen grunsätzlch auf verscheene Arten berechnet weren. Wr unterscheen absolute, relatve un logarthmsche Renten. Wr bezechnen mt Z (t) en Rsofator oer Wert enes Instrumentes zum Zetpunt t. VI.1 Absolute Renten De absoluten Renten sn efnert als abs ( t 1) Z( t 1) Z( t) un weren gewöhnlch für Zns- un Cret-Sprea-Veränerungen verwenet, a für logarthmerte Renten von Znsen un Spreas e Normalvertelungsannahme eutlch ungeegneter st als für absolute Renten. 12/29

13 VI.2 Relatve Renten De enfachen oer relatven Renten sn efnert als Z( t 1) Z( t) ( t 1) Z( t) rel, VI.3 Logarthmsche Renten Häufger benutzt weren n er Praxs logarthmsche Renten. Dese weren auch stetge Renten genannt un sn we folgt efnert: wobe fnen wr Z( t 1) ( t 1) log log t Z( t) Z( t 1) logz ( ) log, log en natürlchen Logarthmus bezechnet. Da für lene x ungefähr glt log( 1 x) x Z(t ) Z(t ) Z(t) 1 1 Z(t 1) Z(t) log Z(t) log 1. Z(t) Z(t) log rel, De Wertveränerung bespelswese enes renen Atenportfolos V ( t) S ( t) 1 lässt sch urch logarthmsche Atenursveränerungen log ( t 1) log( S( t 1)) log( S( t)) we folgt ausrücen: V ( t 1) V ( t) e Z ( t 1) Z ( t) S ( t 1) S ( t) e e Z ( t ) e Z ( t1) Z S ( t) e log, ( t 1) ( t) wobe Z ( t) logs ( t) un log, ( t 1) Z ( t 1) Z ( t) logs ( t 1) logs ( 1) ( ) log S t t. ( ) S t Das hesst, e Wertveränerung es Atenportfolos lässt sch urch e logarthmschen Renten ausrücen. 13/29

14 De lnearserte Wertveränerung ergbt sch unter Berücschtgung von e x 1 x für lene x : De Approxmaton 2. Ornung lautet n esem Fall V ( t 1) V ( t) S ( t) log, ( t 1) V ( t 1) V ( t) S ( t) log, ( t 1) log, ( t 1). 2 1 Jee Wert- oer Presveränerung ann als enfache oer als stetge Rente ausgerüct weren. De stetge Rente log wr urch e Formel rel e log 1 n ene relatve Rente überführt. Umgeehrt entsprcht er enfachen Rente Rente log gegeben urch rel e logarthmsche log rel log 1. Zum Bespel entsprcht ene relatve Rente von 5 % ener logarthmschen Rente von 4.88 %. Bee Renten, ob 5 % enfach oer 4.88 % stetg, werspegeln eselbe Wertveränerung, leglch e Art er zugrune legenen Verznsung st unterschelch: enfach (jährlch) m ersten Fall, ontnuerlch m zweten Fall. Ene wetere wchtge Egenschaft logarthmscher Renten st, ass sch e logarthmsche Rente über mehrere Peroen als Summe er Renten er enzelnen Peroen ergbt: T log ( 0, T) logz ( T) logz (0) log t 1 Folgene Tabelle gbt ene Überscht über e für e verscheenen Rsofatoren verweneten Verfahren für e Renteberechnung. Vergleche azu auch e Lste er Rsofatoren n Kaptel III oben. ( t) 14/29

15 Kategore Znsen Implzte Znsvolatltät Cret Spreas Fremwährungsurse Implzte Volatltät von Währungen Atenurse Implzte Volatltät von Atenursen Hege-Funs Prvate Equty Immoblen Betelgungen Verwenete Methoe zur Renteberechnung absolut logarthmsch absolut logarthmsch logarthmsch logarthmsch logarthmsch logarthmsch logarthmsch logarthmsch logarthmsch Tabelle 1: Verwenete Methoen zur Renteberechnung er Rsofatoren. VII. Lteratur [1] Asmussen, S. (2007). Stochastc Smulaton. Sprnger. [2] Glasserman, P. (2004). Monte Carlo Methos n Fnancal Engneerng. Sprnger. [3] Glasserman, P., Heelberger, P., an Shahabun, P. (2000). Varance Reucton Technques for Estmatng Value-at-Rs. Management Scence, Vol. 46, No. 10. [4] Mc Nel, A., Frey, R. an Embrechts, P. (2005). Quanttatve Rs Management. Concepts, Technques an Tools. Prnceton Unversty Press. 15/29

16 Anhang A: Senstvtäten für en Delta-Gamma-Verfahren Senstvtät / Abletung Geschätzt urch Kommentar δ = RTK z RTK(, z + h, ) RTK(, z h, ) 2h = s + s 2h Γ = 2 RTK RTK(, z + h, ) RTK(, z, ) 2 2 z h Senstvtäten / Auslenungen nach oben un unten [analog Delta-Normal-Ansatz]. Absolute Auslenungen h be Znsen un Cret Spreas bezehungswese relatve Auslenungen h h z sonst, sehe Anhang B. Dagonalelemente er Matrx Γ + RTK(, z h, ) RTK(, z, ) h 2 = s + + s h 2 Γ = 2 RTK z z ( ) RTK(, z + h,, z + h, ) RTK(, z + h,, z h, ) 4h h + RTK(, z h,, z h, ) RTK(, z h,, z + h, ) 4h h Kreuzterme (Cross-Gamma) er Matrx Γ Allgemen: s + f(x + h) f(x) hf (x) h2 f (x) ; s f(x h) f(x) hf (x) h2 f (x) Daraus folgt: s + s 2h f (x), s + +s h 2 f (x). 16/29

17 Anhang B: Input für e Martrsosenstvtäten m SST Wchtger Hnwes: De zur Ermttlung er - bezehungswese -Senstvtäten notwengen Auslenungen h un h er Rsofatoren sn für Znsen un Cret Spreas als absolute Auslenungen zu verstehen, sehe Anhang A. Be allen aneren Rsofatoren hngegen, für welche stetge bzw. logarthmsche Änerungen betrachtet weren, sn e Auslenungen relatv zu verstehen,.h.: De Auslenung von 10 % bem Rsofator RTK 1.1 Z 0.1 Z logs 0.1log S 1.1 logs logs bezehungswese urch st ann urch 2 10% logs zu veren., z h z, RTK, z h z, 2h z Z logs beeutet somt Folgenes: Es st er Wert es RTK zu ermtteln, nem Z logs enmal urch Z Z logs 0.1log S 0.9log S logs ersetzt wr. De Dfferenz De Senstvtäten müssen alle Blanz-Postonen umfassen. Der Input er Senstvtäten erfolgt für Atven un Passven getrennt. Atven Umfasst Senstvtäten aller Atven aller n Atven engebetteten Dervate (bspw. Optonen n Wanelanlehen oer n struturerten Prouten) aller Fnanzervate (bspw. Optonen auf Atentteln/Atennzes, Inex-Futures, Znsswaps, Caps/Floors, F-Forwars, F-Swaps, Currency- Swaps). Passven Umfasst Senstvtäten aller Passven aller n Passven engebettete Optonen un Garanten (bspw. Mnestznsgaranten) Optonen un engebettete Garanten De Senstvtäten aus Dervaten un engebetteten Dervaten sn m Spreasheet ncht separat zu erfassen, müssen er FINMA aber m Bercht separat ausgewesen weren (getrennt für Fnanzervate, engebettete Dervate n Atven, engebettete Dervate n Passven). 17/29

18 Sn e Dervatpostonen substanzell, so ann as Stanar-Martrso-Moell aufgrun er quaratschen Approxmaton (bzw. lnearen Approxmaton m Falle es verenfachten Ansatzes) ncht angebracht sen; n esem Fall muss en nternes Moell verwenet weren. Unt Lne un Separate Accounts Senstvtäten für Kaptalanlagen aus Unt Lne un Separate Accounts sn für Atven un Passven zu rapporteren, es se enn, es ann lar nachgewesen weren, ass se perfet entsch sn. Berechnung es Znsrsos (für alle Währungen gültg) Grunsätzlch wr e Laufzet enes Cash Flows auf as nächste ganze Jahr aufgerunet. Zum Bespel wr er Barwert enes Cash Flows, er nach 2.3 Jahren anfällt, mt em Znssatz für 3 Jahre un ener ftven Laufzet von 3 Jahren berechnet. 18/29

19 Bezechnung Znsen (Zero Rates) (CHF; EUR; USD; GBP) 1. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 2. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 3. Jahr Auslenung h Beeutung Ermttlung er Senstvtät Zu berücschtgene Postonen 100 bps Barwerteffet ener Änerung Neubewertung er znssenstven Alle znssenstve Postonen, we etwa er Znsurve m Postonen mt ener Znsurve, Oblgatonen Berech Jahr. welche m Berech von Jahren Wanelanlehen um 100 bps höher (tefer) st Krete als e Ausgangsurve,.h. e Darlehen Ausgangsurve wr m Berech Hypotheen Verpflchtungen Jahre um 100 bps parallel Znsgaranten angehoben (gesent). Znsswaps Des glt für alle Znsurven ncht Caps/Floors nur für e rsolosen. F-Forwars F-Swaps 100 bps 100 bps Barwerteffet ener Änerung er Znsurve m Berech Jahre. Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. Erfolgt e Bewertung gewsser Assets urch Dsonterung mt enem nstrumenten-spezfschen Yel (bspw. Bewertung ener Unternehmensanlehe), so wr er Renteaufschlag (Cret Sprea) bezüglch es rsolosen Znssatzes bestmmt un ann mt em um 100bps erhöhten rsolosen Znssatz plus Cret Sprea sontert un as Resultat em 1-Jahres-Zetban zugeornet. Analog zu Znsen (Zero Rates) 1. Jahr Immoblen sn für esen Rsofator ncht zu berücschtgen. Znsen n aneren Währungen: Znsexposures n Währungen, für e ene gesonerten Rsofatoren exsteren, sn en Bucets er geographsch nächsten erfassten Währung zuzuornen. Dabe gelten für en ostasatschpazfschen Raum (Asa-Pacfc) un Nor- un Süamera (Amercas) e USA als nächstgelegen, für Europa, en Nahen Osten, Afra un e GUS-Staaten (EMEA) er Euro-Raum. Ene Ausnahme blen herbe e Schwez un as Verengte Köngrech, für welche es egene Zns-Rsofatoren gbt. 19/29

20 Bezechnung Znsen (Zero Rates) (CHF; EUR; USD; GBP) 4. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 5. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 6. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 7. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 8. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 9. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 10. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 15. Jahr Auslenung h Beeutung Ermttlung er Senstvtät Zu berücschtgene Postonen 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 20/29

21 Bezechnung Znsen (Zero Rates) (CHF; EUR; USD; GBP) 20. Jahr Znsen (Zero Rates) (CHF; EUR; USD; GBP) 30. Jahr Implzte Znsvolatltät 10 % (relatv) Auslenung h Beeutung Ermttlung er Senstvtät Zu berücschtgene Postonen 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. 100 bps Barwerteffet ener Änerung er Znsurve (Dsonturve) m Berech Jahre. Wertveränerung von Fnanznstrumenten, e auf ene Znsvolatltät senstv sn, be ener Zubezehungswese Abnahme er mplzten Volatltät um 10 %. Cret Sprea 100 bps Barwerteffet ener Änerung er Cret Spreas (Dfferenz zwschen Znsen für retrsobehafteten Anlagen un retrsofreen Anlagen) um 100 bps. Änerung er Volatltät um 10 %. Barwertänerung, welche urch ene Parallelverschebung er Znsurve um 100 bps entsteht. Erfolgt e Bewertung gewsser retrsobehafteter Anlagen urch Dsonterung mt enem Instrumenten-spezfschen Yel (bspw. Bewertung ener Unternehmensanlehe), so st e Wertänerung be ener Erhöhung / Alle Postonen, e ene Senstvtät auf e mplzte Znsvolatltät haben, we: Optonen auf znssenstven Postonen we etwa Oblgatonen Hypotheen Znsswaps Forwars Spezfsche oer engebettete Znsoptonen we etwa Caps / Floors (caplet / floorlet) Collars Das Sprearso bezeht sch auf Fnanznstrumente eren Barwerte auf Änerungen von Cret Spreas senstv sn. Sprearsen sn grunsätzlch auch für alle mt enem Gegenparterso behafteten Postonen relevant. Ausgenommen sn Staatsschulpapere un entsprechene Dervate 5 n ener urch en jewelgen Staat selbst ontrollerbaren Währung sofern as angewante Rsomoell über Znsrsofatoren n eser 5 Zu berücschtgen blebt jeoch en allfällges Sprearso es Emttenten enes solchen Dervats (z.b. ener Ban, e Optonen auf US-Staatsanlehen emttert). 21/29

22 Bezechnung Auslenung Beeutung Ermttlung er Senstvtät Zu berücschtgene h Postonen Reuton es Yels um 100 bps zu messen. Währung verfügt. Bem Martrso- Stanarmoell sn es Staatsschulpapere er Schwez, es Verengten Köngrechs un er Verengten Staaten, ncht aber solche aus en Länern es Euro-Raums. Zu berücschtgen sn auch alle Forerungen aus Kretervaten un retrsobehaftete Forerungen aus mplzten Optonen (engebettet n hanelbaren lquen Fnanznstrumenten). Be Cret Sprea USA (AAA, AA, A, BBB) glt: Sämtlche retrsobehaftete Postonen we Anlehen un Darlehen von Unternehmen un öffentlchen Schulnern aus Nor- un Süamera (Amercas), em Fernen Osten un em Pazfschen Raum (Asa Pacfc) mt entsprechenem Ratng. Postonen ohne von er FINMA genehmgtes Ratng weren em Ratng BBB zugeornet. Be Cret Sprea Europa (AAA, AA, A, BBB) glt: Sämtlche retrsobehaftete Postonen we Anlehen un Darlehen von Unternehmen un öffentlchen Schulnern (we Staaten, Kantone un Bunesläner sowe Gemenen) aus Europa (auch: er GUS-Staaten, es Nahen Ostens un Afras [EMEA]) mt entsprechenem Investment-Grae-Ratng. Ausserem: Schwezer Hypotheen weren em Ratng A zugeornet. Postonen ohne von er FINMA genehmgtes Ratng weren em Ratng BBB zugeornet. 22/29

23 Bezechnung Auslenung Beeutung Ermttlung er Senstvtät Zu berücschtgene h Postonen Für Cret Sprea BB glt: Sämtlche retrsobehaftete Postonen mt Sub-Investment-Grae-Qualtät, wobe e Exposures unterhalb es Ratngs BB ncht materell sen ürfen. Für Swap-Government Sprea glt: Alle Postonen n Swap Prouten (z.b. Swaps un Swaptons) F EUR/CHF F USD/CHF F GBP/CHF F JPY/CHF 10 % 10 % 10 % 10 % Barwerteffet ener Änerung es EUR/CHF- Wechselurses um 10 %. Barwerteffet ener Änerung es USD/CHF Wechselurses um 10 %. Barwerteffet ener Änerung es GBP/CHF Wechselurses um 10 %. Barwerteffet ener Änerung es JPY/CHF Wechselurses um 10 %. Neubewertung aller Postonen mt enem EUR/CHF Kurs, er um 10 % über / unter em Ausgangsurs legt. Analog zu F EUR/CHF Drete Hypotheen sn auf as entsprechene A-Ratng abzublen. Alle Postonen un Dervate, e ene EUR- Komponente enthalten (also bspw. er EUR- Leg enes EUR / GBP F-Swaps) Exposures zu Währungen, für e ene gesonerten Rsofatoren exsteren, sn er geographsch nächstgelegenen Währung zuzuwesen. De Währungen Europas, es Nahen Ostens, Afras sowe er GUS-Staaten (EMEA) sn abe em Euro zugeornet, mt Ausnahme es Schwezer Franens un es brtschen Pfuns. Ostasen un er pazfsche Raum (Asa-Pacfc) sn em japanschen Yen, e Währungen Nor- un Süameras (Amercas) em US-Dollar zuzuornen. Implzte F-Volatltät 10 % (relatv) Barwerteffet von Fnanznstrumenten, e auf ene F-Volatltät senstv sn, be ener Änerung Neubewertung er Postonen be 10 % Änerung er Volatltät. Alle Postonen, e ene Senstvtät auf e mplzte F-Volatltät haben. 23/29

24 Aten Bezechnung Schwez EMU USA Grossbrtannen Japan Pazf ohne Japan EMU Small Cap Auslenung h Beeutung Ermttlung er Senstvtät Zu berücschtgene Postonen er mplzten Volatltät um 10 %. 10 % Barwerteffet ener Änerung von Atenursen um 10 %. Neubewertung er Postonen be 10 % Änerung er Aten- /Inexurse. Alle Postonen, welche gegenüber enzelnen Atenursen, bezehungswese Atennzes, senstv sn. Zu berücschtgen sn neben Dervaten auch engebettete Optonen (bspw. n Wanelanlehen). Der Effet auf Postonen n egenen Atentteln st ncht zu berücschtgen, wohl aber er Effet auf Dervate, e auf egene Ttel lauten (bspw. Lepos). Ebenso sn Betelgungen ncht zu berücschtgen. De Exposures sn em zum jewels geographsch nächsten Wrtschaftsraum gehörgen Rsofator we folgt zuzuwesen: Europa, er Nahe Osten, Afra sowe e GUS-Staaten (EMEA) sn abe em Euro-Raum zuzuornen. Ene Ausnahme blen herbe e Schwez un as Verengte Köngrech, e als egene Wrtschaftsräume gelten. Ostasen un er pazfsche Raum (Asa-Pacfc) ausser Japan weren em Rsofator für Pazf ohne Japan zugeornet, Japan glt als egener Wrtschaftsraum. Nor- un Süamera (Amercas) weren auf e USA abgeblet. Klene Kaptalgesellschaften aus em Euro-Raum sowe aus en em Euro-Raum zugeorneten Staaten sn em Rsofator Small Cap EMU zuzuwesen. 24/29

25 Bezechnung Implzte Atenvolatltät Auslenung h Beeutung Ermttlung er Senstvtät Zu berücschtgene Postonen 10 % Alle Postonen, e ene Senstvtät auf e (relatv) mplzte Atenvolatltät haben. Barwerteffet auf Fnanznstrumente, e auf e Volatltät von Aten / Atennzes senstv sn, be ener Änerung er mplzten Volatltät um 10 %. Hege-Funs 10 % Barwerteffet ener Änerung er Hegefon- Bewertungen um 10 %. Prvate Equty 10 % Barwerteffet ener Änerung um 10 % er als Prvate Equty geltenen Anlagen. Drete Wohnmmoblen Schwez Immoblenfons Schwez Drete Geschäftsmmoblen Schwez 10 % 10 % 10 % Barwerteffet ener Änerung es Immoblennexes um 10 % Barwerteffet ener Änerung es Immoblenfonsurses um 10 %. Barwerteffet ener Änerung es Immoblennexes um 10 % Betelgungen 10 % Barwerteffet ener Änerung er Betelgungswerte um 10 %. Neubewertung er Postonen be 10 % Änerung er Atenvolatltät. Neubewertung er Postonen be 10 % Änerung er Hegefon- Bewertungen. Neubewertung er Postonen be 10 % Änerung er Kurse er Anlage. Neubewertung er Postonen be 10 % Änerung er Immoblenprese. Neubewertung er Postonen be 10 % Änerung er Kurse er Immoblengesellschaften. Neubewertung er Postonen be 10 % Änerung er Immoblenprese. Neubewertung er Postonen be 10 % Änerung er Kurse er Betelgung. Alle Anlagen, welche Engagements n Hege- Funs arstellen, nsbesonere Hege-Funs (Dretanlage) Dachfons m Berech Hege-Funs Alle Anlagen, welche Engagements n Prvate Equty arstellen, nsbesonere Prvate-Equty-Funs Prvate-Equty-Gesellschaften Dretnvesttonen n: Wohn-Immoblen Gemschte Immoblen mt wenger als 50 % Geschäftsantel obge Anlagen m Bau. Börsengehanelte Immoblenfons Geschäftsmmoblen (Dretnvestton oer selbst genutzte Objete), Gemschte Immoblen mt mehr als 50 % Geschäftsantel, Obge Anlagen m Bau. Betelgungen: Jee Dretanlage (ohne Immoblen, Prvate Equty, Partzpatons- un Genussschene), be er en loo through angezegt st. 25/29

26 Anhang C: Beschrebung er Bloomberg-Inzes / Datengrunlage Rsofator Bloomberg-Coe Frequenz Startatum CHF Znsen (Zero Rates) EUR Znsen (Zero Rates) 1J 2J 3J 4J 5J 6J 7J 8J 9J 10J 15J 20J 30J 1J 2J 3J 4J 5J 6J 7J 8J 9J 10J 15J 20J 30J SNB Daten 6 Täglch 1995 I01301Y Inex I01302Y Inex I01303Y Inex I01304Y Inex I01305Y Inex I01306Y Inex I01307Y Inex I01308Y Inex I01309Y Inex I01310Y Inex I01315Y Inex I01320Y Inex I01330Y Inex Täglch De Datenhstore wr auf er FINMA-Internetsete publzert. 26/29

27 Rsofator Bloomberg-Coe Frequenz Startatum USD Znsen (Zero Rates) GBP Znsen (Zero Rates) 1J 2J 3J 4J 5J 6J 7J 8J 9J 10J 15J 20J 30J 1J 2J 3J 4J 5J 6J 7J 8J 9J 10J 15J 20J 30J I02501Y Inex I02502Y Inex I02503Y Inex I02504Y Inex I02505Y Inex I02506Y Inex I02507Y Inex I02508Y Inex I02509Y Inex I02510Y Inex I02515Y Inex I02520Y Inex I02530Y Inex I02201Y Inex I02202Y Inex I02203Y Inex I02204Y Inex I02205Y Inex I02206Y Inex I02207Y Inex I02208Y Inex I02209Y Inex I02210Y Inex I02215Y Inex I02220Y Inex I02230Y Inex Täglch 1995 Täglch 1995 Implzte Znsvolatltät CHF SFSV1010 Täglch Ab Ene 1999 Cret Sprea USA: AAA, AA, A, BBB Mooy s-inex mnus ressgjährge US- Staatsanlehe (Treasury) MOODCAAA Inex - GT30 GOVT, MOODCAA Inex - GT30 GOVT, MOODCA Inex - GT30 GOVT, MOODCBAA Inex - GT30 GOVT Täglch AAA un BBB ab 1983, Rest ab /29

28 Rsofator Bloomberg-Coe Frequenz Startatum Cret Sprea BB Cret Sprea Europa: AAA, AA, A, BBB Swap-Government Sprea Wechselurse Implzte F-Volatltät Dfferenz er zehnjährgen Laufzet Bloomberg Far Maret Curve BB zum zehnjährgen FINMA Proxy für en USD rsolosen Zns. Dfferenz er zehnjährgen Laufzeten er em Ratng entsprechenen Bloomberg Far Maret Curve zum zehnjährgen FINMA Proxy für en zehnjährgen EUR rsolosen Zns. Da er Bloomberg-Proxy für AAA Euro Spreas m November 2011 engestellt wure, wr e Zetrehe ünstlch extrapolert 7. Dfferenz er zehnjährgen Laufzet von CHF-Swap zu CHF-Govy EUR/CHF USD/CHF GPB/CHF JPY/CHF USD/CHF 3 Monate ATM Optonen C88410Y Inex - I02510Y Inex Täglch Ab November 2002 AAA: C66410Y Inex - I01310Y Inex AA:C66710Y Inex - I01310Y Inex A : C67010Y Inex - I01310Y Inex BBB: C67310Y Inex - I01310Y Inex Täglch Ab März 2002 (BBB ab Ma 2000) I05710 Y Inex I08210Y Inex Täglch Ab Anfang 1995 SFEC Curncy SFUS Curncy SFBP Curncy SFJY Curncy Täglch 1980 USDCHFV3M Curncy Täglch Aprl De extrapolerten Daten weren auf er FINMA-Internetsete publzert. 28/29

29 Rsofator Bloomberg-Coe Frequenz Startatum Aten: Schwez EMU USA Grossbrtannen Japan Pazf ohne Japan EMU Small Cap MSCI Total Return Inzes: Swtzerlan EMU USA Unte Kngom Japan Pacfc ex Japan Small Cap EMU GDDLSZ Inex GDDLEMU Inex GDDLUS Inex GDDLUK Inex GDDLJN Inex GDDUPJ Inex MEMSC Inex Monatlch 1970 Implzte Atenvolatltät VI VI Inex Täglch 1994 Hege-Funs HFRI Fun of Funs Composte HFRIFOF Monatlch Ab Anfang 1990 Inex Prvate Equty LP Drect Inex LPIDITR Täglch Ab Anfang 1999 Immoblen SW IAZI Investment Real Estate Performance Inex Rü Blass Immoblennex IREALC Inex DBCHREE Inex Quartal Monatlch , ab täglch Hnwese: De her angegeben Frequenzen un Startaten bezehen sch auf e Verfügbaret un ncht auf eren Verwenung. Für e Schätzung er Korrelatonsmatrx un er Volatltäten weren m Martrso-Stanarmoell, ausser für en IAZI-Inex, Daten mt monatlcher Frequenz verwenet. De verwenete Hstore beträgt 10 Jahre. Be monatlcher Frequenz sn n Bloomberg telwese Monatsmttelwerte publzert. Es st scherzustellen, ass e Monatsenwerte verwenet weren. Mooy s stellt täglche un monatlche Zetrehen für Renten auf Unternehmensanlehen n en USA für verscheene Ratnglassen zur Verfügung. Mooy s berechnet e Renten er Unternehmensanlehen auf Portfolos mt ener Restlaufzet von 30 Jahren. Somt wuren e Renten von Staatsanlehen mt 30 Jahren Restlaufzet verwenet. Be monatlcher Frequenz entsprechen e Bloomberg-Daten für e Mooy s-inzes ncht en Monatsenwerten, sonern en Monatsurchschnttswerten. Deshalb erfolgt e Berechnung er Monatsenwerte er auf Mooy s baserten Spreas, nem er letzte Wert jees Monats aus en täglche Werten, gemnert um en entsprechenen Government Yel, ermttelt wr. 29/29

Methoden zur Bewertung von Credit Default Swaps

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

Mehr

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

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

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

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

3. Textprobe Makroökonomik (Auszug aus Kapitel 9)

3. Textprobe Makroökonomik (Auszug aus Kapitel 9) 3. extprobe Makroökonomk (Auszug aus Kaptel 9. abelle zum keynesanschen Grunmoell Enogene Varable +Reallohn Exogene Störungen Gelmengenerhöhung M > Kretfnanzerte Staatsausgabenerhöhung >, = Steuerfnanzerte

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

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

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper Raometrsche Kalbrerung Tratoneller Ansatz Kalbrerung aus mehreren Blern Behanlung von übersteuerten Blern Zweck Das Antwortverhalten es Systems Kamera Framegrabber st ncht mmer lnear Grauwerte sn ncht

Mehr

3.1 Grundlagen der Multivariaten Modellierung

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

Mehr

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

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

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

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

1. Systematisierung der Verzinsungsarten. 2 Jährliche Verzinsung. 5 Aufgaben zur Zinsrechnung. 2.1. Jährliche Verzinsung mit einfachen Zinsen

1. Systematisierung der Verzinsungsarten. 2 Jährliche Verzinsung. 5 Aufgaben zur Zinsrechnung. 2.1. Jährliche Verzinsung mit einfachen Zinsen 1 Systematserung der Verznsungsarten 2 Jährlche Verznsung 3 Unterjährge Verznsung 4 Stetge Verznsung 5 Aufgaben zur Znsrechnung 1. Systematserung der Verznsungsarten a d g Jährlche Verznsung nfache Znsen

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

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

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

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

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Anhang zum Standardmodell Captives

Anhang zum Standardmodell Captives Anhang zum Standardmodell Captves SST-Marktrsko-Standardmodell Modellbeschrebung vom 21. Dezember 2017 Inhaltsverzechns I. Generelles zur Rskoquantfzerung m SST... 2 I.1 Analytsches Modell... 2 I.1.1 Vollverson...

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

1 - Prüfungsvorbereitungsseminar

1 - Prüfungsvorbereitungsseminar 1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren!

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren! Franz Schuck GmbH Enbau-/Betrebsanletung Stahl-PE-Übergang Typ PESS / Typ PESVS Orgnalbetrebsanletung Für künftge Verwendung aufbewahren! Enletung Dese Anletung st für das Beden-, Instandhaltungs- und

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

1.1 Grundbegriffe und Grundgesetze 29

1.1 Grundbegriffe und Grundgesetze 29 1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld

Mehr

Mikroökonomik. 5.5 Preisstrategien

Mikroökonomik. 5.5 Preisstrategien Mkroökonomk 5.5 Presstrategen 5.5. Presskrmnerung Arten von Presskrmnerung nach Pgou: ersten Graes: Kunen zahlen für jee Enhet hren Reservatonsres zweten Graes: Kunen zahlen ro Enhet n Abhänggket von er

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

CKE Trainingsbausteine. Portfoliomanagement und Risikomanagement Strom und Erdgas Fünf kreative Tage, die Sie weiterbringen werden

CKE Trainingsbausteine. Portfoliomanagement und Risikomanagement Strom und Erdgas Fünf kreative Tage, die Sie weiterbringen werden CKE Tranngsbaustene Portfolomanagement und Rskomanagement Strom und Erdgas Fünf kreatve Tage, de Se weterbrngen werden Ihr Zel Se nteresseren sch für den Energemarkt n all senen Facetten, möchten Produkte

Mehr

Zweck Geltungsbereich I. Generelles zur Risikoquantifizierung im SST I.1 Analytisches Modell I.1.1 Vollversion...

Zweck Geltungsbereich I. Generelles zur Risikoquantifizierung im SST I.1 Analytisches Modell I.1.1 Vollversion... Wegletung zum SST-Marktrsko-Standardmodell Ausgabe vom 21. Dezember 2017 Inhaltsverzechns Zweck... 2 Geltungsberech... 2 I. Generelles zur Rskoquantfzerung m SST... 2 I.1 Analytsches Modell... 3 I.1.1

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Rückblick Regression II: Anpassung an Polynome

Rückblick Regression II: Anpassung an Polynome Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

Kapitel 5: Einführung in Multimedia-Datenbanken

Kapitel 5: Einführung in Multimedia-Datenbanken Luwg Maxmlans Unverstät München Insttut für Informat Lehr- un Forschungsenhet für Datenbansysteme Srpt zur Vorlesung Sommersemester 2005 Kaptel 5: Enführung n Multmea-Datenbanen Vorlesung: Chrstan Böhm

Mehr

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am

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

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

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

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

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

4. Fraktale und chaotische Prozesse (korrigiert am )

4. Fraktale und chaotische Prozesse (korrigiert am ) Geophysk 4. Fraktale un chaotsche Prozesse (korrgert am 8.5.) Wr beobachten Prozesse, e sch, auch wenn wr hre Vergangenhet vollstäng kennen würen, ncht vorhersagen lassen. De räumlchen oer zetlchen Strukturen,

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

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

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

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

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

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

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

3.1 Gleichstrom und Gleichspannung. 3 Messung elektrischer Größen. Gleichstrom. 3.1 Gleichstrom und Gleichspannung

3.1 Gleichstrom und Gleichspannung. 3 Messung elektrischer Größen. Gleichstrom. 3.1 Gleichstrom und Gleichspannung . Glechstrom und Glechspannung Glechstrom essung elektrscher Größen. Glechstrom und Glechspannung. Wechselstrom und Wechselspannung. essung von mpedanzen. essverstärker.5 Darstellung des etverlaufs elektrscher

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

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

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

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

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

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