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

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

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

Transkript

1 Institut für Stochastik Prof. r. N. Bäuerle ipl.-math. S. Urban Lösungsvorschlag 3. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe as endnutzenoptimale Aktienportfolio bei Exp-Nutzen Wir betrachten einen Markt mit d N risikobehafteten Anlagemöglichkeiten. ie Rendite ist multivariat normalverteilt mit R N m, Σ. Wir suchen das Portfolio π, das für einen Investor mit exponentieller Nutzenfunktion ux exp γx, γ > fest, das erwartete Endvermögen maximiert, und fordern als Nebenbedingung die Zulässigkeit π T. Bezeichne mit R π : π T R die Rendite des Portfolios π. ann gilt nach Voraussetzung R π N π T m, π T Σπ. Wir kennen die erzeugende Funktion der multivariaten Normalverteilung und finden damit die Zielfunktion fπ : E [ exp γr π ] exp γπ T m + γ π T Σπ. Es gilt f zu maximieren, also minimieren wir den Exponenten bzw. noch einfacher und wegen γ > gleichbedeutend den durch γ dividierten Exponenten. Unter Berücksichtigung der Nebenbedingung führt das zum Lagrange-Ansatz Lπ, λ : π T m + γπt Σπ + λ π T. λ R ist hier der Lagrange-Multiplikator. ifferenziere nach π d.h. bilde den Gradienten in allen Komponenten von π: Einsetzen in die Nebenbedingung ergibt π Lπ, λ m + γσπ λ π T T π π γ Σ m + λ. γ T Σ m + λ also haben wir die Lösung λ π γ Σ m + γ T T Σ Σ m, γ T T Σ Σ m. Weil wir normalverteilte Renditen haben und die Nutzenfunktion wachsend und konkav ist, überträgt sich die stochastische Anordnung zweier Portfolios. Wir finden daher als Lösung dasjenige Portfolio, welches für gegebenen bestmöglichen erwarteten Nutzen des Returns auch die kleinste Varianz

2 hat. Also sollte unser π mit der Lösung des entsprechenden Markowitz-Problems übereinstimmen: Verarbeite die Nebenbedingung der Zulässigkeit durch Normierung in T π γ T Σ m! x : direkt in x. ann fällt der Lagrange-Multiplikator λ weg. Setze noch m p : E[R π ] m T π γ mt Σ m, d.h. fordere mindestens den optimalen Return. ann erhält man vgl. Vorlesung das Minimum- Varianz-Portfolio π p aus Cm p A π p Cm p A Σ m + B Am p Σ, T Σ γ mt Σ m m T Σ m T Σ m T Σ m T Σ T Σ m T Σ m T Σ m T Σ m m T Σ m T Σ m T Σ m T Σ T Σ m γ, B Am p mt Σ m m T Σ γ mt Σ m mt Σ m m T Σ m, also π π p. Aufgabe as endnutzenoptimale Portfolio bei Exp-Nutzen mit Bond Im Vergleich zu Aufgabe ist ein Bond B mit Einschrittrendite R dazugekommen. a der Bond deterministisch ist und jede der d risikobehafteten Anleihen entsprechend mit B die Covarianz CovB, S i besitzt, i,..., d, enthält die um den Bond erweiterte Covarianzmatrix Σ eine Nullzeile und eine Nullspalte. Sie ist also nicht invertierbar und wir können nicht wie in Aufgabe vorgehen. Wir setzen hier anders an. Trenne die Investition in den Anteil α, der auf die risikobehafteten Anlagen verteilt wird, und den Restbetrag α, der im Bond festgelegt wird. ie Zulässigkeit des Portfolios liest sich nun π T α und wir optimieren E [ u απ T ] R + αr exp γαπ T m γ αr + γ α π T α,π Σπ max. abei haben wir wieder die charakteristische Funktion der Normalverteilung eingesetzt. Wie in Aufgabe ist es gleichbedeutend, den vorher durch γ > dividierten Exponenten zu minimieren, was zum Lagrange-Ansatz führt. er Gradient bezüglich π ist Lα, π, λ απ T m αr + γα π T Σπ + λ α π T π Lα, π, λ αm + γα Σπ λ π m αγ Σ + λα.

3 Aus der Nebenbedingung ergibt sich direkt Wir benötigen noch α T π. α Lα, π, λ πt m + R + γαπ T Σπ + λ λ π T m R γαπ T Σπ. 3 Einsetzen des optimalen Lagrange-Parameter λ aus 3 in ergibt eine Gleichung für π, die nur noch den Parameter α enthält; für diesen setzen wir α aus ein und sind fertig. Aufgabe 3 Ein Zahlenbeispiel zur Varianzminimierung Gegeben sind zwei unkorrelierte Wertpapiere S und S, die in einem einperiodigen Markt mit Standardabweichung 3 bzw. die erwarteten Renditen r 4 bzw. r 3 erwirtschaften. Bezeichne mit R bzw. R die zufällige Rendite der Papiere. as heißt für ein Portfolio p, das den Anteil π des Vermögens in das erste Papier steckt und den Rest π in das zweite Papier, ergibt sich die Rendite R p πr + πr, E[R p ] πr + πr, VarR p π VarR + π πcovr, R + π VarR. a Wir bestimmen das varianzminimale Portfolio mvp aus S und S sowie dessen Erwartungswert und Standardabweichung. a die Renditen unkorreliert sind, gilt wie vorbemerkt Also haben wir das mvp, 9. VarR p π + π 9 π + π π 5 π +, π VarR p 5 π 5 π. b Wir stellen die erwartete Rendite r p eines Portfolios p als Funktion der Varianz p des selben Portfolios dar. Aus Teil a wissen wir p VarR p π 5 π + π 5 π + p π / ± p 9. Hier gilt weiter r p E[R p ] πr r + r, also r p, / ± p 9 r r + r. 3

4 c em Investor steht nun als weitere Anlagemöglichkeit eine risikolose Anlage mit Verzinsung r % zur Verfügung. as ist das in der Vorlesung besprochene Modell von Tobin. ie optimalen Portfolios liegen auf der Kapitalmarktgeraden m p R + Tobin π T m R π T Σπ. abei bezeichnet R r die Einschrittverzinsung der risikolosen Anlage, Σ ist die Covarianzmatrix der risikobehafteten Anlagen aus Teil a, m der Vektor der zugehörigen erwarteten Renditen und π m T b b mit b : Σ R ist das Tangentialportfolio. m p bezeichnet den erwarteten Return des hier optimalen Portfolios in Abhängigkeit der gewählten Varianz Tobin. Wir bestimmen ein Portfolio mit einer erwarteten Rendite von 6% sowie dessen Standardabweichung. azu berechnen wir zunächst die Teilterme:,9 Σ, Σ,9,,,,5 R,, m, b Σ m,5 R π,5 T b b,75 5/3, 5 ie Struktur des Tangentialportfolios ist also, ein Viertel des riskant investierten Kapitals im ersten Papier anzulegen und die restlichen drei Viertel im zweiten Papier. Zu klären bleibt, welcher Anteil des Vermögens überhaupt in riskante Anlagen fließen soll. Bezeichne das Tobin-Portfolio Anteile in risikolos / risikobehaftet mit p. ann muss bei Investition gemäß dem Tangentialportfolio gelten:,6! E [R p ] E [α R ] + αr p α R + α π r + π r, α + α 7 4 α Investiere also ein Fünftel des Kapitals in die risikolose Anlage, vier Fünftel in das Tangentialportfolio. ie Standardabweichung erhält hieraus und mit Teil a zu VarR p α VarR p , R p Aufgabe 4 Stochastische ominanz bei lognormalverteilten Zufallsvariablen Sei Ω, F, P Wahrscheinlichkeitsraum und Y : Ω R. Y heißt lognormalverteilt, falls es Zahlen α R und gibt, sodass Y exp α + X, X N,. 4

5 Man schreibt in diesem Fall Y log N α,. a Sei Y exp α + X log N α,, also insbesondere X N,. Wir bestimmen alle p-ten Momente von Y. Ist, ist Y nicht zufällig, sei also >. Stelle zunächst fest, dass für alle y, PY y P exp α + X y P X logy α logy α Φ gilt. Es folgt für die ichte f Y y : y Φy y φ logy α Substituiere im Folgenden u logy α, y expu + α, du y dy, u y +, u y. Wir können das p-te Moment direkt bestimmen: E [Y p ] y p f Y ydy y p logy α y φ. dy exppu + pαφudu E [exppx + pα] exp pα + p, wobei hier wieder X N,. Im letzten Schritt haben wir die charakteristische Funktion benutzt. Erwartungswert und Varianz haben wir natürlich auch schon gesehen: E[Y ] E [ Y ], VarY E [ Y ] E[Y ]. b Wir zeigen, dass für µ log N α, und ν log N β, ρ gilt: µ uni ν α + β + ρ, ρ. : Sei dazu zunächst µ uni ν und ux : xγ γ der Power-Nutzen für ein γ, \ {}. Wir wissen aus der Vorlesung, dass für Nutzenfunktionen γα γ exp + γ a γ xγ µdx VL γ xγ νdx a γ exp γβ + ρ γ gilt. Je nach Vorzeichen von γ bedeutet das: Ist γ >, haben wir äquivalent γα + γ γβ + ρ γ, also insbesondere im Grenzfall γ + die Bedingung α + β + ρ. Ist γ <, muss entsprechend γα + γ γβ + ρ γ α + γ β + ρ γ γ ρ β α richtig sein. ie rechte Seite ist eine konstante reelle Zahl. amit die linke Seite auch für γ noch größer oder gleich der rechten ist, muss notwendig ρ gelten. 5

6 ie Aussage muss für alle Werte von γ richtig sein, also gelten notwendig beide Bedingungen gleichzeitig und das war zu zeigen. : Sei α + β + ρ und ρ. ie Aussage wird nachher folgen, indem wir die ominanz unter beliebigen Nutzenfunktionen zeigen. azu benötigen wir eine Hilfsrechnung: Sei für diesen Teil zunächst α und β ρ. Wir kennen aus Teil a die Verteilungsfunktion logx α F µ x Φ von µ. Mit Blick auf Satz 3. der Vorlesung definiere für c > die Funktion logx α f c : Φ dx f c wächst in, denn mit der Substitution u logx +, x expu, du x dx und der Abkürzung d : logc + gilt f c d logx α φ logx dx logx α φ logx φu exp u u du exp u du π d U N, E [U U d ] X N, E [X X d ] >. Aus der Anordnung von und ρ schließen wir also c logx + Φ dx f c f c ρ u Φ x x dx logx + ρ dx 4 ρ und das ist nach Satz 3. gleichbedeutend mit µ uni ν für diese speziellen µ und ν. Seien α und β nun wieder so allgemein wie in der Aufgabestellung angegeben und weiter u eine beliebige Nutzenfunktion. Ähnlich wie oben werden wir gleich y exp α x, x exp α + y, dy exp α dx, y exp β ρ z, z exp β + ρ y, dy exp β ρ dz 6

7 substituieren. Wir finden hiermit uxdµx uxd log N α, x a a 4 a a logx α uxφ x dx α + φ β + ρ φ β + ρ d log N β + ρ β + ρ φ logz β u z φ ρ uzd log N β, ρz uzdνz. logy + logy +, y dy y dy y d log N ρ, ρ y logy + ρ ρ ρy dy ρz dz as ist gleichbedeutend mit µ uni ν und wir sind fertig. 7

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

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und

Mehr

Ausarbeitung des Seminarvortrags zum Thema

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

Mehr

Extrema von Funktionen in zwei Variablen

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

Mehr

Portfolio-Optimierung und Capital Asset Pricing

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

Mehr

Binäre abhängige Variablen

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

Mehr

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen)

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Peter Albrecht (Mannheim) Die Prüfung des Jahres 2004 im Bereich Finanzmathematik (Grundwissen) wurde am 09. Oktober 2004 mit diesmal

Mehr

Aufgabensammlung. Bank I

Aufgabensammlung. Bank I Aufgabensammlung Bank I Inhaltsverzeichnis Portfolio-Selection... Kapitalmarktgleichgewicht und Unternehmensbewertung... 4 Kreditvertragstheorie... 69 Arbeitseinsatzkontrolle... 95 Nichttriviale Risikoallokation...

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

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

Mehr

3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit

3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit 3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit Lernziele dieses Kapitels: Mehrdimensionale Zufallsvariablen (Zufallsvektoren) (Verteilung, Kenngrößen) Abhängigkeitsstrukturen Multivariate

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

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

Mehr

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

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

Mehr

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

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

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

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

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

Mehr

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/ Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell

Mehr

Das Markowitz Modell zur Bestimmung optimaler Aktienportfolios

Das Markowitz Modell zur Bestimmung optimaler Aktienportfolios Das Markowitz Modell zur Bestimmung optimaler Aktienportfolios Frank Oertel Departement T Mathematik und Physik Zürcher Hochschule Winterthur (ZHW) CH 840 Winterthur 8. Februar 200 Zielsetzung und Modellansätze

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2009/2010 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

Ü b u n g s b l a t t 11

Ü b u n g s b l a t t 11 Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

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

Mehr

Vergleich von Entscheidungsträgern bzgl. ihrer Risikoaversion:

Vergleich von Entscheidungsträgern bzgl. ihrer Risikoaversion: Ist das Arrow-Pratt-Maß der absoluten Risikoaversion bekannt, so lässt sich daraus die Nutzenfunktion bestimmen: Mithilfe der Substitution y := U (w) dy = U (w)dw gilt: und daher U (w) U (w) dw = A a (w)dw

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Stochastik WS 007/008 Universität Karlsruhe. 0. 008 r. B. Klar Klausur zur Vorlesung Stochastik II Muster-Lösung auer: 90 Minuten Name: Vorname: Matrikelnummer: iese Klausur hat bestanden,

Mehr

Finanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.

Finanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G. Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 2.

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

1.3 Die Beurteilung von Testleistungen

1.3 Die Beurteilung von Testleistungen 1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr

Aufgabe 1: Asset Allocation

Aufgabe 1: Asset Allocation Aufgabe 1: Asset Allocation (40 Punkte) 2 1 2 Ein nutzenmaximierender Akteur mit der Präferenzfunktion (, ) a verfügt in 2 einer Zwei-Zeitpunkt-Welt über Eigenkapital in Höhe von 500 Yuan (Y), das er für

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, SS 2008 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

Finanzwirtschaft. Teil II: Bewertung. Zinssätze und Renten

Finanzwirtschaft. Teil II: Bewertung. Zinssätze und Renten Zinssätze und Renten 1 Finanzwirtschaft Teil II: Bewertung Zinssätze und Renten Agenda Zinssätze und Renten 2 Effektivzinsen Spot-Zinsen Forward-Zinsen Bewertung Kennziffern Zusammenfassung Zinssätze und

Mehr

Portfolio-Selektion und Tobin-Separation

Portfolio-Selektion und Tobin-Separation Portfolio-Selektkion und Tobin-Separation S. 2 Portfolio-Selektion und Tobin-Separation 10. Juni 2006 Übersicht über die Ergebnisse Für den Fall, dass die Basistitel alle riskant sind (und ihre Kovarianzmatrix

Mehr

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe

Mehr

Internationale Finanzierung 6. Bewertung von Aktien

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

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Materialien zur Vorlesung. Rendite und Risiko

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

Mehr

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

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag 8. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe Hedging Amerikanischer Optionen Wir sind in einem arbitragefreien

Mehr

Portfolio-Optimierung und Capital Asset Pricing

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

Mehr

Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und festverzinsliche Wertpapiere

Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und festverzinsliche Wertpapiere Hochschule Ostfalia Fakultät Verkehr Sport Tourismus Medien apl. Professor Dr. H. Löwe Sommersemester 20 Vorlesung Finanzmathematik (TM/SRM/SM/MM) Block : Ausgewählte Aufgaben Investitionsrechnung und

Mehr

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

1. Mean Variance Ansatz, CAPM

1. Mean Variance Ansatz, CAPM 1. Mean Variance Ansatz, CAPM Der Mean Variance Ansatz im Ein-Perioden-Modell wird vorgestellt. Zuerst wird ohne risikolose Anlagemöglichkeit das optimale Verhalten entwickelt, wenn nur Varianz und Erwartungswert

Mehr

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

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

Mehr

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen

Mehr

Charakteristikenmethode im Beispiel

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

Mehr

Mit welcher Strategie hast Du am Glücksrad Erfolg?

Mit welcher Strategie hast Du am Glücksrad Erfolg? Mit welcher Strategie hast Du am Glücksrad Erfolg? Kinderuni, Workshop an der TU Wien 24. Juli 2009, 10:30 11:30 Uhr Univ.-Prof. Dr. Uwe Schmock Forschungsgruppe Finanz- und Versicherungsmathematik Institut

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Dynamische Systeme und Zeitreihenanalyse // Multivariate Normalverteilung und ML Schätzung 11 p.2/38

Dynamische Systeme und Zeitreihenanalyse // Multivariate Normalverteilung und ML Schätzung 11 p.2/38 Dynamische Systeme und Zeitreihenanalyse Multivariate Normalverteilung und ML Schätzung Kapitel 11 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Multivariate

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

Die Black-Scholes-Gleichung

Die Black-Scholes-Gleichung Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt

Mehr

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorkurs Mathematik Übungen zu Differentialgleichungen Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)

Mehr

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

Kapitalmarktlinie. von Kirstin Muldhoff

Kapitalmarktlinie. von Kirstin Muldhoff Capital Asset Pricing Model Kapitalmarktlinie von Kirstin Muldhoff Gliederung 1. Wiederholung Portfoliotheorie 2. Capital Asset Pricing Model (CAPM) (Kapitalmarktmodell) 2.1 Voraussetzungen des CAPM 2.2

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 15 Mean-Variance-Ansatz Literatur Kapitel 15 * Uszczapowski: Kapitel 1 * Pliska: Kapitel 2.4 Der Mean Variance Ansatz im Ein-Perioden-Modell wird vorgestellt.

Mehr

Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra

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

Mehr

Statistik I für Betriebswirte Vorlesung 11

Statistik I für Betriebswirte Vorlesung 11 Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Mathematische Behandlung des Risikos in der Portfolio-Optimierung

Mathematische Behandlung des Risikos in der Portfolio-Optimierung Mathematische Behandlung des Risikos in der Portfolio-Optimierung Seminararbeit von Michael Manger FAKULTÄT FÜR MATHEMATIK UND PHYSIK MATHEMATISCHES INSTITUT Datum: 5. März 2008 Betreuung: Prof. Dr. L.

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 18 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 18 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement

Mehr

Computational Finance

Computational Finance Computational Finance Kapitel 2.2: Monte Carlo Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4 / WiWi-Gebäude

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

78 9. PORTFOLIO THEORIE. Wir vereinfachen nun den Markt. Wir definieren die Rendite des i-ten Aktivs

78 9. PORTFOLIO THEORIE. Wir vereinfachen nun den Markt. Wir definieren die Rendite des i-ten Aktivs 78 9 PORTFOLIO THEORIE 9 Portfolio Theorie Wir vereinfachen nun den Markt Wir definieren die Rendite des i-ten Aktivs R i = D i q i q i Falls der Aktiv eine Dividende ausbezahlt, ist die Dividende im Preis

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Historische Renditen, Experteninterviews, Analyse von Marktpreisen

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

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de)

Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de) Aufgabenset 1 (abzugeben 16.03.2012 an LK@wacc.de) Aufgabe 1 Betrachten Sie die Cashflows der Abbildung 1 (Auf- und Abwärtsbewegungen finden mit gleicher Wahrscheinlichkeit statt). 1 Nehmen Sie an, dass

Mehr

Portfolio Management

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

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

2 Zufallsvariable und Verteilungsfunktionen

2 Zufallsvariable und Verteilungsfunktionen 8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

Optionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009

Optionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009 nach Black-Scholes mit sprüngen 2. Februar 2009 nach Black-Scholes mit sprüngen Inhaltsverzeichnis 1 Einleitung Optionsarten Modellannahmen 2 Aktienmodell Beispiele für e ohne Sprung 3 nach Black-Scholes

Mehr

AUTOMATISIERTE HANDELSSYSTEME

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

Mehr

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de 1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte

Mehr

Beispiel 6 (Multivariate Normalverteilung)

Beispiel 6 (Multivariate Normalverteilung) Beispiel 6 (Multivariate Normalverteilung) Sei X N(µ,Σ). Es existiert eine Matrix A IR d k, sodass X d = µ+az wobei Z N k (0,I) und AA T = Σ. Weiters gilt Z = RS wobei S ein gleichmäßig verteilter Zufallsvektor

Mehr

Investition und Finanzierung

Investition und Finanzierung - Zusatzfolien zur Portfoliotheorie und CAPM- Portfoliotheorie Die Portfoliotheorie geht auf Harry Markowitz zurück. Sie gibt Anlegern Empfehlungen, wie sie ihr Vermögen auf verschiedenen Anlagemöglichkeiten

Mehr

Wirtschaftswissenschaftliches Forum

Wirtschaftswissenschaftliches Forum Wirtschaftswissenschaftliches Forum Prof. Dr. Dr. Andreas Löffler Universität Paderborn Investitionsneutrale Steuersysteme unter Unsicherheit Investitionsneutrale Steuersysteme unter Unsicherheit Wirtschaftswiss.

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5 4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit

Mehr

Portfolioselektionstheorie grafisch und intuitiv mit GeoGebra

Portfolioselektionstheorie grafisch und intuitiv mit GeoGebra Portfolioselektionstheorie grafisch und intuitiv mit GeoGebra LUCIA DEL CHICCA, MARKUS HOHENWARTER, LINZ In diesem Beitrag beschäftigen wir uns mit einem Optimierungsproblem aus der Finanzwelt: gegeben

Mehr

Seminar Bewertungsmethoden in der Personenversicherungsmathematik

Seminar Bewertungsmethoden in der Personenversicherungsmathematik Seminar Bewertungsmethoden in der Personenversicherungsmathematik Bonus, das Binomial- und das Black-Scholes-Modell I Carolin Wilms 18.05.2010 Mathematisches Institut der Universität zu Köln Sommersemester

Mehr

Neoklassische Kapitalmarkttheorie und Behavioral Finance

Neoklassische Kapitalmarkttheorie und Behavioral Finance Neoklassische Kapitalmarkttheorie und Behavioral Finance von Jessica Plöger 1. Auflage Neoklassische Kapitalmarkttheorie und Behavioral Finance Plöger schnell und portofrei erhältlich bei beck-shop.de

Mehr

Kapitalmarkttheorie: Vorbereitungen

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

Mehr

Portfoliotheorie ( H. Markowitz/ J. Tobin) : Warum sollte man nicht alle Eier in einen Korb legen? Referat Finanzwirtschaft 6. FS

Portfoliotheorie ( H. Markowitz/ J. Tobin) : Warum sollte man nicht alle Eier in einen Korb legen? Referat Finanzwirtschaft 6. FS Portfoliotheorie ( H. Markowitz/ J. Tobin) : Warum sollte man nicht alle Eier in einen Korb legen? 1 Gliederung: 1.Allgemeines: 1.1 Definition des Begriffs Portfolio 1.1.1 Rendite 1.1.2 Risiko 1.1.3 Liquidität

Mehr

CAPM Die Wertpapierlinie

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

Mehr

Bestimmung einer ersten

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

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =

, dt. $+ f(x) = , - + < x < +,  > 0.  2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) = 38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

4 Das Overlap-Konzept

4 Das Overlap-Konzept 4 Das Overlap-Konzept Das Overlap-Konzept wurde in [31] ausführlich beschrieben. Im folgenden werden wir die Aspekte darlegen, die nötig sind, um das Konzept zu implementieren, und werden uns dabei eng

Mehr