Simulationsverfahren. Schwerpunkt: Monte Carlo Simulation

Größe: px
Ab Seite anzeigen:

Download "Simulationsverfahren. Schwerpunkt: Monte Carlo Simulation"

Transkript

1 Simulationsverfahren Schwerpunkt: Monte Carlo Simulation

2 Agenda 1. Was ist eine Simulation? 2. Verschiedene Arten von Simulation 3. Einsatzgebiete von Simulationen 4. Geschichte der MC Simulation 5. Warum die Monte Carlo Simulation ausgewählt wurde 6. Ziele der Monte Carlo Simulation 7. Fallbeispiel 8. Demo 9. Vorteile / Nachteile 10. Aufgaben 11. Quellen / Links 2

3 1. Was ist eine Simulation? Möglichst realitätsnahe Nachbildung Modellbildung realer oder fiktiver Systeme mit dynamischen Prozessen Eine mögliche Wirklichkeit wird an einem experimentierbaren Modell erstellt Vorbereitung, Durchführung und Auswertung von Simulationsexperimenten anhand des Modells Im Simulationsmodell existieren: Bereitgestellte Grundprinzipien und Methoden Zusammenhang zwischen Struktur und Verhalten des Systems Ziel: Erkenntnisse gewinnen, die auf die Wirklichkeit übertragbar sind. 3

4 2. Verschiedene Arten von Simulation Simulation Simulation deterministisch stochastisch statisch dynamisch Monte-Carlo-Simulation 4

5 2. Verschiedene Arten von Simulation stochastisch deterministisch statisch Einflussgrößen werden durch den Zufall bestimmt Einflussgrößen sind festgelegt Der zeitliche Aspekt wird nicht berücksichtigt dynamisch kontinuierlich diskret Der zeitliche Aspekt wird eingebunden Stetige Veränderung des Modells Sprunghafte Veränderung des Modells 5

6 3. Einsatzgebiete von Simulationen Wann werden Simulationen genutzt? Das System kann in seiner Umgebung zerstört werden Es müssen gewonnene analytische Betrachtungen validiert werden Das Modell lässt sich für Simulationen leichter modifizieren Die zu untersuchenden Vorgänge sind extrem schnell/langsam Das Personal komplexer Anlagen wird gefährdungsfrei geschult Das System gibt es noch nicht, soll aber getestet werden Die Komplexität des Systems erlaubt keine geschlossene analytische Betrachtung Quellle: Einführung in Operations Research, DOI: / _10 6

7 3. Einsatzgebiete von Simulationen Chirurgische Ausbildung Bauplanung Flugsimulation Windkanalexperimente Entscheidungsfindung in der BWL Umbau von Fertigungsanlagen Simulation von Explosionen Geologische Simulation

8 4. Geschichte der Monte Carlo Simulation Kernphysiker Enrico Fermi benutzte 1930 bereits eine auf Zufallszahlen basierende Methode um Eigenschaften des kürzlich neu entdeckten Neutrons zu untersuchen Geprägt durch den polnischen Mathematiker Stanislaw Ulam, während des 2. Weltkrieges im Manhattan Projekt Entwicklung der Atombombe Berechnung von Kernreaktionen Von Ulam und John von Neumann während des Manhattan Projekt unter Verwendung der damals zur Verfügung stehenden Computer weiterentwickelt Quelle: 8

9 4. Geschichte der Monte Carlo Simulation Zur Verschwiegenheit verpflichtet, erhielt die Simulation den Namen Monte Carlo Fokus lag auf der Anwendbarkeit, Verbreitung und Praxisrelevanz bzgl. der Prognose betriebswirtschaftlicher Fragestellungen MC-Simulationen gibt es in nahezu allen Branchen, Beispiele: Logistikplanung bei DHL, GLS, DB usw. Unternehmensberatungen und Risikoabteilungen nutzen MC- Simulationen zur Risikoanalyse Die Monte Carlo Simulation zeigt Eintrittswahrscheinlichkeiten verschiedener Ereignisse Quelle: 9

10 5. Warum die Monte Carlo Simulation? Einfaches erstellen von Diagrammen zur Visualisierung der verschiedenen Ereignisvarianten und deren Eintrittswahrscheinlichkeiten Besonders für Reports oder Meetings wertvoll Hohe Skalierbarkeit: Analytiker können Wertekombinationen testen und Einflüsse nachvollziehen Computergestützt und schnell erlernbar 10

11 6. Nutzen der Monte Carlo Simulation Instrumentelle Simulation zur Lösung mathematischer Probleme mit Verwendung von Zufallsgrößen im Gegensatz zu deterministischen Methoden Wahrscheinlichkeitsergebnisse Grafisch aufbereitet Empfindlichkeitsanalyse Szenario-Analyse Eingabekorrelation Quelle: 11

12 6. Die Monte Carlo Simulation in der BWL Naturwissenschaftler prüfen mit Simulationen Theorien Betriebswissenschaftler suchen nach der optimalen unternehmerischen Entscheidung Etabliert im Risikomangement Mengenunsicherheiten Preisunsicherheiten Risikopositionen wie Zusatzleistungen Währungsrisiken Generierung von vielen Einzelszenarien, die zwischen Worst-Case und Best-Case Szenario liegen. Quelle: 12

13 7. Fallbeispiel Monte Carlo Simulation im Risk-Management Unsicherheit zukünftiger Ereignisse Gesetzlich vorgeschrieben Überlebenswichtig Grundvoraussetzung: Identifikation von Risiken 13

14 7. Fallbeispiel Angebotserstellung für ein Projekt Wird das angestrebte Gewinnziel erreicht? Wahrscheinlichkeit für Erreichen des Gewinnziels Wahrscheinlichkeit für Verfehlen des Gewinnziels Verlustrisiko Welche Risiken haben den höchsten Impact? Value-at-Risk Fallbeispiel ist angelehnt an 14

15 7. Fallbeispiel 1. Schritt Szenario 0 erstellen Personalkosten ,00 Personalgemeinkosten (140%) ,00 Materialkosten ,00 Materialgemeinkosten (30%) ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Equipment ,00 Fracht ,00 Sonstiges ,00 Verwaltungskosten ,00 GESAMT ,00 Ziel: 7,5 % Gewinn Formel: Gewinn = Ertrag - Kosten Angebotspreis: ,00 15

16 7. Fallbeispiel 2. Schritt Risiken identifizieren und bewerten Planwert Personalkosten ,00 Personalgemeinkosten (140%) ,00 Materialkosten ,00 Materialgemeinkosten (30%) ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Subunternehmer ,00 Equipment ,00 Fracht ,00 Sonstiges ,00 Verwaltungskosten ,00 Einflussfaktoren Vertragsklauseln Zinssätze Steuersätze Erfahrungswerte Verteilung? Risiko Bewertung % Min Max 80% 120% 130% 150% 90% 150% 20% 70% 100% 100% 95% 105% 80% 120% 97% 112% 90% 105% 95% 102% 98% 102% 100% 100% 80% 120% 100% 100% 16

17 7. Fallbeispiel 2. Schritt Planwert Risiko Bewertung % Mittelwert Min Max Personalkosten ,00 80% 120% ,00 Personalgemeinkosten (140%) ,00 130% 150% ,67 Materialkosten ,00 90% 150% ,33 Materialgemeinkosten (30%) ,00 20% 70% ,00 Subunternehmer ,00 100% 100% ,00 Subunternehmer ,00 95% 105% ,00 Subunternehmer ,00 80% 120% ,00 Subunternehmer ,00 97% 112% ,00 Subunternehmer ,00 90% 105% ,67 Subunternehmer ,00 95% 102% ,00 Equipment ,00 98% 102% ,00 Fracht ,00 100% 100% ,00 Sostiges ,00 80% 120% ,00 Verwaltungskosten ,00 100% 100% ,00 Erwartungswerte GESAMTKOSTEN , , , ,67 Gewinn , , , ,33 7,5 % 26,49% -10,25% 6,65% Best-Case Worst-Case Erwartungswert 17

18 7. Fallbeispiel 3. Schritt Zufallszahlen generieren Generierung von Zufallszahlen für jede Variable innerhalb der festgelegten Range generiert. Auf Grundlage der Verteilungsfunktion Qualität der Ergebnisse abhängig von Güte der Zufallszahlen (möglichst zufällig) Anzahl der Durchläufe (Iterationen) Gesetz der großen Zahl 18

19 7. Fallbeispiel 3. Schritt Zufallszahlen generieren Dreiecksverteilung 19

20 7. Fallbeispiel 4. Schritt Zufallszahlen komprimieren und darstellen Zusammenfassen der Szenarien in grafischen Darstellungen Wahrscheinlichkeitsverteilung Kumulierte Wahrscheinlichkeit 20

21 7. Fallbeispiel 5. Schritt Auswertung mit Hilfe statistischer Werte Statistik Wert Betriebswirtschaftliche Interpretation Minimum Maximum -5,93 % Gewinnprognose des ungünstigsten simulierten Szenarios 19,72% Gewinnprognose des günstigsten simulierten Szenarios Arithmetisches Mittel 5,96 % Der zu erwartende Gewinn (Erwartungswert) liegt bei 5,96 % Quantil 5 % -0,21 % 5% Wahrscheinlichkeit, dass Gewinn unter - 0,21 % fällt Quantil 95 % 12,58 % 95 % Wahrscheinlichkeit,dass Gewinn unter 12,58 % bleibt 21

22 7. Fallbeispiel 5. Schritt Weitere Werte: Value-at-Risk (VaR) 95 % Value-at-Risk (VaR) 99 % Wahrscheinlichkeiten für das erreichen bestimmter Werte: Break-Even-Point 22

23 8. Fallbeispiel: Projektkalkulation Ein Unternehmen der Lebensmittelindustrie (IDEKA) möchte ein neues CRM- System einführen. Ein Konkurrent kam uns zuvor und hat bereits sein Angebot dem potentiellen Kunden unterbreitet. Da uns ein exzellenter Ruf im CRM-Business vorauseilt, möchte IDEKA ein Gegenangebot von uns erstellt haben, bevor sich IDEKA endgültig entscheidet. Nach einem ersten Meeting mit IDEKA können wir den Angebotspreis der Konkurrenz abschätzen. Dieser liegt bei ca Es stellt sich nun die Frage, ob es uns möglich ist, mit dem Angebot der Konkurrenz gleichzuziehen oder dieses sogar zu unterbieten. Typische Fragen die dabei den CEO beschäftigen werden, sind: Wie viel Gewinn kann ich maximal\ minimal erzielen? Welche Kosten kommen auf mich mindestens\ maximal zu? Wie wahrscheinlich sind diese Minima und Maxima-Werte? Wie riskant ist das Geschäft für mein Unternehmen? 23

24 8. Fallbeispiel: Projektkalkulation Zuschlagskalkulation aus dem Projektcontrolling: Gewinn (7,5%) und Risiko (???) zur Live-Demo 24

25 9. Vorteile Der Monte Carlo Simulation Als Standardinstrument anerkannt Bei multidimensionalen Risiken einsetzbar Schärfung des Risikobewusstseins Graphische Darstellung Hohe Auswertbarkeit 25

26 9. Nachteile der Monte Carlo Simulation Scheingenauigkeit Entwicklung der Formel schwierig Variablenbestimmung schwierig Modellcharakter 26

27 10. Aufgaben Beschreiben Sie kurz den Grundgedanken der Monte Carlo Simulation Erläutern Sie den Prozess der Monte Carlo Simulation Nennen Sie Vor-und Nachteile der Monte Carlo Simulation 27

28 11. Quellen / Literatur / Wissenswertes Software: Excel CrystalBall Montecarlito Freeware ModelRisk4 - Freeware Software-Tools: MATLAB 28

29 11. Quellen / Literatur / Wissenswertes en+von+simulationen&source=bl&ots=selhvucakd&sig=s8uuicduysazjhdk10qx3 5IsQy4&hl=de&ei=3HOlTreCOMfPhAfKmNzdBA&sa=X&oi=book_result&ct=result& resnum=5&ved=0ceuq6aewba#v=onepage&q=arten%20von%20simulationen&f= false n+von+simulationen&source=bl&ots=bsa2q6p2x3&sig=tfdcnm7nfsptahqbnrjev h185ba&hl=de&ei=3holtrecomfphafkmnzdba&sa=x&oi=book_result&ct=result &resnum=9&ved=0cgaq6aewca#v=onepage&q&f=false 29

Monte-Carlo-Simulation

Monte-Carlo-Simulation Modellierung und Simulation Monte-Carlo-Simulation Universität Hamburg Johannes Schlundt 7. Januar 2013 Monte-Carlo-Simulation Johannes S. 1/31 Inhalt Motivation Geschichtliche Entwicklung Monte-Carlo-Simulation

Mehr

Monte Carlo Simulation (Grundlagen)

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

Mehr

Hauptseminar. Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit. Robert John 2.11.2011

Hauptseminar. Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit. Robert John 2.11.2011 Hauptseminar Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit Robert John 1 Inhalt Herkunft Stochastische Schätzung Monte-Carlo-Methode Varianzreduktion Zufallszahlen Anwendungsgebiete

Mehr

Inhaltsverzeichnis. Teil A Simulationen in der Unternehmenssteuerung Grundlagen 23

Inhaltsverzeichnis. Teil A Simulationen in der Unternehmenssteuerung Grundlagen 23 Geleitwort 11 Vorwort 15 Teil A Simulationen in der Unternehmenssteuerung Grundlagen 23 1 Einleitung 25 1.1 Das Orakel als Simulationsmethode 25 1.2 Die ersten Versuche zum»systematischen«umgang mit der

Mehr

Risikosimulation zur Optimierung der Finanzierungsplanung von Projekten

Risikosimulation zur Optimierung der Finanzierungsplanung von Projekten Risikosimulation zur Optimierung der Finanzierungsplanung von Projekten Dresden, 18.06.2012 Agenda Motivation Notwendigkeit einer Risikosimulation Grundlagen der Monte-Carlo-Simulation Konzept einer 4-Stufen-Risikosimulation

Mehr

Die Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation

Die Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation Die Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation Studiengang Informatik Jens Schiborowski 8. Januar 2009 Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik 1 Abstract

Mehr

Investition und Risiko. Finanzwirtschaft I 5. Semester

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

Mehr

Monte Carlo Simulationen

Monte Carlo Simulationen Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und

Mehr

Riskikomanagement. No risk, no fun? No risk, no project! PROJEKTMANAGEMENT I - 18. Risikomanagement

Riskikomanagement. No risk, no fun? No risk, no project! PROJEKTMANAGEMENT I - 18. Risikomanagement Riskikomanagement No risk, no fun? No risk, no project! Risikomanagement 1 Ein paar Fragen zum Start Was sind Risiken? Wie gehen Sie mit Risiken um? Welche Bedeutung hat das Risiko in einem Projekt? Risikomanagement

Mehr

Fotios Filis. Monte-Carlo-Simulation

Fotios Filis. Monte-Carlo-Simulation Fotios Filis Monte-Carlo-Simulation Monte-Carlo-Methoden??? Spielcasino gibt Namen Monte Carlo war namensgebend für diese Art von Verfahren: Erste Tabellen mit Zufallszahlen wurden durch Roulette-Spiel-Ergebnisse

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

MA Projekt: Langfristige Kapitalmarktsimulation

MA Projekt: Langfristige Kapitalmarktsimulation MA Projekt: Langfristige Kapitalmarktsimulation Einführung in die Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring

Mehr

Risikoanalyse mittels Monte-Carlo-Simulationen (mit Crystal Ball ) - am Beispiel des RoI-Kennzahlenbaums für Banken

Risikoanalyse mittels Monte-Carlo-Simulationen (mit Crystal Ball ) - am Beispiel des RoI-Kennzahlenbaums für Banken Risikoanalyse mittels Monte-Carlo-Simulationen (mit Crystal Ball ) - am Beispiel des RoI-Kennzahlenbaums für Banken Prof. Dr. Uwe Christians FHTW Berlin Fachbereich 3 Wirtschaftswissenschaften I Das Spielcasino

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das

Mehr

Schriftliche Ausarbeitung zum Vortrag Monte-Carlo-Simulation

Schriftliche Ausarbeitung zum Vortrag Monte-Carlo-Simulation Schriftliche Ausarbeitung zum Vortrag Monte-Carlo-Simulation Universität Hamburg Fachbereich Informatik Johannes Schlundt 20. März 2013 Inhaltsverzeichnis 1 Motivation 2 2 Geschichte 2 3 Monte Carlo Simulation

Mehr

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,

Mehr

Die Monte-Carlo-Methode mit Pseudound Quasi-Zufallszahlen

Die Monte-Carlo-Methode mit Pseudound Quasi-Zufallszahlen Hauptseminar Methoden der experimentellen Teilchenphysik WS 2011/2012 Die Monte-Carlo-Methode mit Pseudound Quasi-Zufallszahlen Marco A. Harrendorf Karlsruhe Institut für Technologie, Bachelor Physik Vortrag

Mehr

Fact Sheet Risiko- & Chancen- Management

Fact Sheet Risiko- & Chancen- Management www.parm.com successful projects Fact Sheet Risiko- & Chancen- Management Vergleichbarkeit Ihrer Risiken und Chancen unternehmensweit Mit unserer Risiko- & Chancen-Management Lösung haben Sie ihre unternehmensweiten

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18

Mehr

1 Einleitung. 1.1 Motivation

1 Einleitung. 1.1 Motivation 1 Einleitung 1.1 Motivation Eine zunehmende Globalisierung in Verbindung mit der Verbreitung des elektronischen Handels, stets kürzer werdende Produktlebenszyklen und eine hohe Variantenvielfalt konstituieren

Mehr

Die Monte-Carlo-Methode mit Pseudo- und Quasi-Zufallszahlen

Die Monte-Carlo-Methode mit Pseudo- und Quasi-Zufallszahlen Die Monte-Carlo-Methode mit Pseudo- und Quasi-Zufallszahlen Marco A. Harrendorf Hauptseminar Methoden der experimentellen Teilchenphysik WS 2011/2012 Karlsruhe Institut für Technologie (KIT) 25.11.2011

Mehr

Risiko und Symmetrie. Prof. Dr. Andrea Wirth

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

Mehr

Simulation von Zinsentwicklungen und Bewertung von gängigen Finanzprodukten

Simulation von Zinsentwicklungen und Bewertung von gängigen Finanzprodukten Simulation von Zinsentwicklungen und Bewertung von gängigen Finanzprodukten Andreas Eichler Institut für Finanzmathematik Johannes Kepler Universität Linz 1. Februar 2010 1 / 7 Gliederung 1 Was ist Finanzmathematik

Mehr

Computational Finance

Computational Finance Computational Finance Kapitel 2.1: Einführung in die Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4

Mehr

EXCEL in der Wirtschaftsmathematik

EXCEL in der Wirtschaftsmathematik Hans Benker EXCEL in der Wirtschaftsmathematik Anwendung von Tabellenkalkulationsprogrammen für Studenten, Dozenten und Praktiker Springer Vieweg Inhaltsverzeichnis TEIL I: Einführung in EXCEL 1 Das Tabellenkalkulationsprogramm

Mehr

Anwendung von Zufallszahlen bei der Monte-Carlo-Simulation

Anwendung von Zufallszahlen bei der Monte-Carlo-Simulation Vorlesungsreihe Simulation betrieblicher Prozesse Anwendung von Zufallszahlen bei der Monte-Carlo-Simulation Prof. Dr.-Ing. Thomas Wiedemann email: wiedem@informatik.htw-dresden.de HOCHSCHULE FÜR TECHNIK

Mehr

Monte-Carlo- Simulation. Seminar zur Vorlesung Teilchendetektoren und Experiment an ELSA

Monte-Carlo- Simulation. Seminar zur Vorlesung Teilchendetektoren und Experiment an ELSA Monte-Carlo- Simulation Seminar zur Vorlesung Teilchendetektoren und Experiment an ELSA Übersicht Einleitung Simulation mit Geant4 generierte Daten Zusammenfassung 2 Simulation Mathematische Modellierung

Mehr

Inhaltsverzeichnis. TEIL I: Einführung in EXCEL

Inhaltsverzeichnis. TEIL I: Einführung in EXCEL Inhaltsverzeichnis TEIL I: Einführung in EXCEL 1 Das Tabellenkalkulationsprogramm EXCEL... 1 1.1 Tabellenkalkulation... 1 1.2 Anwendungsgebiete... 1 1.3 Hilfefunktionen... 2 2 Benutzeroberflächen der Versionen

Mehr

Value at Risk Einführung

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

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

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

Oracle Capacity Planning

Oracle Capacity Planning Seminarunterlage Version: 2.03 Version 2.03 vom 8. Juli 2014 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen oder

Mehr

Bestimmung logistikgerechter Zielbestände

Bestimmung logistikgerechter Zielbestände Bestimmung logistikgerechter Zielbestände Institut für Produktionsmanagement und Logistik ( I P L ) Prof. Dr. Klaus-Jürgen Meier www.i-p-l.de Prof. Dr.-Ing. Klaus-Jürgen Meier Seite - 1 - Typische Problemstellungen

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Einführung in die Statistik mit EXCEL und SPSS

Einführung in die Statistik mit EXCEL und SPSS Christine Duller Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage Mit 71 Abbildungen und 26 Tabellen Physica-Verlag Ein Unternehmen

Mehr

Statistik. R. Frühwirth. Statistik. fru@hephy.oeaw.ac.at. VO 142.090 http://tinyurl.com/tu142090. Februar 2010. R. Frühwirth Statistik 1/536

Statistik. R. Frühwirth. Statistik. fru@hephy.oeaw.ac.at. VO 142.090 http://tinyurl.com/tu142090. Februar 2010. R. Frühwirth Statistik 1/536 fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/536 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: Wahrscheinlichkeitsrechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

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

Mehr

Der Fristentransformationserfolg aus der passiven Steuerung

Der Fristentransformationserfolg aus der passiven Steuerung Der Fristentransformationserfolg aus der passiven Steuerung Die Einführung einer barwertigen Zinsbuchsteuerung ist zwangsläufig mit der Frage nach dem zukünftigen Managementstil verbunden. Die Kreditinstitute

Mehr

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

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

Mehr

IBM COGNOS PERFORMANCE. Smarter Decisions. Better Results.

IBM COGNOS PERFORMANCE. Smarter Decisions. Better Results. IBM COGNOS PERFORMANCE Smarter Decisions. Better Results. 1 Risikomanagement Entwurf eines Referenzmodells auf Basis Cognos TM1 Frank Hofmann - Staedtler Mars GmbH & Co. KG, Konzerncontrolling Peter Lohmann

Mehr

Energieeffiziente und vorausschauende Steuerung von Stadtschnellbahnsystemen

Energieeffiziente und vorausschauende Steuerung von Stadtschnellbahnsystemen Faculty for Transportation and Traffic Sciences Friedrich List Institute for Intelligent Transportation Systems Chair for Traffic Control Systems and Process Automation Energieeffiziente und vorausschauende

Mehr

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller Physica-Lehrbuch Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch von Christine Duller Neuausgabe Einführung in die Statistik mit EXCEL und SPSS Duller schnell

Mehr

Entscheidungsunterstützungssystem zur Projektbewertung von Onshore- Windenergieprojekten in Schwellenländern

Entscheidungsunterstützungssystem zur Projektbewertung von Onshore- Windenergieprojekten in Schwellenländern Entscheidungsunterstützungssystem zur Projektbewertung von Onshore- Windenergieprojekten in Schwellenländern, Larissa Kurz, Michael H. Breitner Leibniz Universität Hannover Agenda Motivation und Relevanz

Mehr

riskkv Scorenalyse riskkv Scoring Seite 1 von 9

riskkv Scorenalyse riskkv Scoring Seite 1 von 9 riskkv Scorenalyse riskkv Scoring Seite 1 von 9 Das Modul dient der flexiblen Erstellung, Auswertung und Verwendung von Scores. Durch vordefinierte Templates können in einer Einklicklösung bspw. versichertenbezogene

Mehr

Zielsetzung. Problematik

Zielsetzung. Problematik Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen

Mehr

Commercial Banking. Kreditportfoliosteuerung

Commercial Banking. Kreditportfoliosteuerung Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung

Mehr

2. Wie wird Risikomanagement angewendet? Der Risikomanagement-Prozess Die Schritte des Risikomanagements Die Einbettung in Managementsysteme

2. Wie wird Risikomanagement angewendet? Der Risikomanagement-Prozess Die Schritte des Risikomanagements Die Einbettung in Managementsysteme 2. Wie wird Risikomanagement angewendet? Der Risikomanagement-Prozess Die Schritte des Risikomanagements Die Einbettung in Managementsysteme Seite 27 Der Risikomanagement-Prozess Im Vorfeld: (Erst-)Definition

Mehr

Einführung in die Mathematik für Volks- und Betriebswirte

Einführung in die Mathematik für Volks- und Betriebswirte Einführung in die Mathematik für Volks- und Betriebswirte Von Prof. Dr. Heinrich Bader und Prof. Dr. Siegbert Fröhlich Mit 45 A bbildungen 8. A uflage R. Oldenbourg Verlag München Wien INHALTSVERZEICHNIS

Mehr

Warteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker

Warteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker Warteschlangen Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker Inhaltsverzeichnis 1. Einleitung...1 2. Aufgaben...2 3. Simulation einer Warteschlange mit dem Würfel...2 4.

Mehr

Die Weibullanalyse mit Excel Kenngrößen für Zuverlässigkeit und Lebensdauer

Die Weibullanalyse mit Excel Kenngrößen für Zuverlässigkeit und Lebensdauer QUALITY-APPS Applikationen für das Qualitätsmanagement Die Weibullanalyse mit Excel Kenngrößen für Zuverlässigkeit und Lebensdauer Autor: Dr. Konrad Reuter Die Weibull-Verteilung ist ein statistisches

Mehr

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Dolga Olena Otto-von-Guericke-Universität Fakultät für Informatik Seminar-Das virtuelle Labor Inhaltsverzeichnis Überblick Geschichte Anwendung -Bereiche -Spezielle Methoden Mathematische

Mehr

Elektronische Sicherheitssysteme

Elektronische Sicherheitssysteme Josef Börcsök Elektronische Sicherheitssysteme Hardwarekonzepte, Modelle und Berechnung f 2., überarbeitete Auflage Hüthig Verlag Heidelberg Inhaltsverzeichnis 1 Einleitung 1 1.1 Gründlegende Forderungen

Mehr

Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems

Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems Weimarer Optimierungs- und Stochastiktage 6.0 Peter Gust // Christoph Schluer f Lehrstuhl Konstruktion (Engineering Design)

Mehr

Seminar Finanzmathematik

Seminar Finanzmathematik Seminar Finanzmathematik Simulationen zur Black-Scholes Formel von Christian Schmitz Übersicht Zufallszahlen am Computer Optionspreis als Erwartungswert Aktienkurse simulieren Black-Scholes Formel Theorie

Mehr

3 Monte-Carlo-Simulationen

3 Monte-Carlo-Simulationen 3 Monte-Carlo-Simulationen In diesem Kapitel soll mit der so genannten Monte-Carlo-Methode ein wichtiges Anwendungsgebiet des in Kapitel 2 erarbeiteten Begriffs- und Methodenapparats detaillierter beleuchtet

Mehr

Risikomanagement: Aufgabensammlung I

Risikomanagement: Aufgabensammlung I Thema Dokumentart Risikomanagement: Aufgabensammlung I Lösungen Theorie im Buch "Integrale Betriebswirtschaftslehre" Teil: E2 Risikomanagement Risikomanagement: Aufgabensammlung I Aufgabe 1 1.1 Definieren

Mehr

Operations Strategie und Management. - Projektmanagement - Helmut M. Dietl 1

Operations Strategie und Management. - Projektmanagement - Helmut M. Dietl 1 Operations Strategie und Management - Projektmanagement - Helmut M. Dietl 1 Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter einem Projekt versteht was Projektmanagement bedeutet wie

Mehr

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG 21. Mai 2015 Thomas Gleixner Agenda 1. Was ist Kapitalapproximation (und wen sollte das interessieren)? 2. Etablierte Methoden 3. Erfahrungen

Mehr

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN

PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN PROF. DR. BRIGITTE WERNERS UNTERNEHMENSFORSCHUNG UND RECHNUNGSWESEN INFORMATIONEN ZU DEN WAHLPFLICHTMODULEN IM BACHELORSTUDIENGANG IN MANAGEMENT & ECONOMICS AGENDA Was ist OR / Management Science Wer kann

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

Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt

Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 014 Inhaltsverzeichnis Inhaltsverzeichnis 1 Was sind Monte Carlo Simulationen? 3 Zufallszahlen 3

Mehr

Monte Carlo und Projektwirtschaftlichkeit

Monte Carlo und Projektwirtschaftlichkeit Monte Carlo und Projektwirtschaftlichkeit 4. [GGSC] Erfahrungsaustausch Kommunale Geothermieprojekte Alexandros Savvatis / Dr. Thomas Reif Erdwerk GmbH / [Gaßner, Groth, Siederer & Coll.] Die Themen: I.

Mehr

AG Risiken im geologischen System

AG Risiken im geologischen System 1 Fachkonferenz 27. Mai 2011 AG Risiken im geologischen System Informations- und Dialogprozess zum Aufsuchen und Fördern von Erdgas aus unkonventionellen Lagerstätten Dr.-Ing. Anozie Ebigbo Münster, 27.

Mehr

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014 Sommersemester 2014 Repetitorium zum Staatsexamen für Lehramtsstudenten Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201 Lehrstuhl für ABWL und Wirtschaftsinformatik Prof. Dr. Alexandros

Mehr

Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 2 Konstruieren von technischen Erzeugnissen...4

Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 2 Konstruieren von technischen Erzeugnissen...4 I Inhaltsverzeichnis Abbildungsverzeichnis... IV 1 Einleitung...1 1.1 Problemstellung...1 1.2 Zielsetzung und Aufbau der Arbeit...2 2 Konstruieren von technischen Erzeugnissen...4 2.1 Inhalte des Konstruierens...4

Mehr

Inhalt. Vorwort von Gerhard Stahl 11. Vorwort von Bernhard Schareck 15. Prolog 17

Inhalt. Vorwort von Gerhard Stahl 11. Vorwort von Bernhard Schareck 15. Prolog 17 Vorwort von Gerhard Stahl 11 Vorwort von Bernhard Schareck 15 Prolog 17 Teil I Grundlagen des Risikomanagements in Versicherungsunternehmen 23 Zur Historie des Versicherungsgedankens und des Risikobegriffs

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 348 Konzeption eines Projektvorgehensmodells für die Business-Intelligence-Strategieberatung

Mehr

Fujitsu Siemens Computers GmbH

Fujitsu Siemens Computers GmbH Management Summary Fujitsu Siemens Computers GmbH Report Wirtschaftlichkeitsanalyse Einführung Linux - FSC Der Analysereport beinhaltet die Ergebnisse der Wirtschaftlichkeitsanalyse der Einführung des

Mehr

Software. in der LOGISTIK LOGISTIK. Bestände richtig steuern PRAXIS

Software. in der LOGISTIK LOGISTIK. Bestände richtig steuern PRAXIS LOGISTIK PRAXIS Software Anforderungen, Funktionalitäten und Anbieter in den Bereichen WMS, ERP, TMS und SCM in der LOGISTIK Bestände richtig steuern 80912 München In Kooperation mit dem ISBN 978-3-941418-33-2

Mehr

Zielstellung Chance und Risiko Systematik Vorgehensweise Beispiel: Kreditportfolio Szenarien Zinsaufwand Optimierung Warum MAKROFINANCE?

Zielstellung Chance und Risiko Systematik Vorgehensweise Beispiel: Kreditportfolio Szenarien Zinsaufwand Optimierung Warum MAKROFINANCE? Zimmerstraße 78 10117 Berlin Telefon: +49 (0)30 206 41 76 60 Telefax: +49 (0)30 206 41 76 77 info@makrofinance.de www.makrofinance.de Zielstellung Chance und Risiko Systematik Vorgehensweise Beispiel:

Mehr

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. Marion Hoffstetter

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. Marion Hoffstetter Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken Marion Hoffstetter Frankfurt, 09.10.2014 Dr. Peter & Company Unser Selbstverständnis Klare inhaltliche Fokussierung Wir bieten

Mehr

Die Hautarztpraxis oft komplexer als ein Produktionsbetrieb

Die Hautarztpraxis oft komplexer als ein Produktionsbetrieb Die Hautarztpraxis oft komplexer als ein Produktionsbetrieb Simulationen bieten Wege zu Effizienz und Excellence in Klinik und Praxis Von Dr. Klaus Kühn Stellen Sie sich vor, Sie wollen mit ihrer Hautarztpraxis

Mehr

Monte Carlo Simulation

Monte Carlo Simulation Monte Carlo Simulation Herbert C. Frey Gero Nießen Monte Carlo Simulation Quantitative Risikoanalyse für die Versicherungsindustrie Gerling Akademie Verlag Die im Buch verwendeten Daten und Beispielmodelle

Mehr

Auf nach Monte Carlo zur Risikobewertung bei der Bepreisung von Key-Account Stromkunden

Auf nach Monte Carlo zur Risikobewertung bei der Bepreisung von Key-Account Stromkunden 54 RUBRIK Auf nach Monte Carlo zur Risikobewertung bei der Bepreisung von Key-Account Stromkunden Angesichts der fortschreitenden Wettbewerbsintensivierung im Stromvertrieb gewinnt die individuelle und

Mehr

Rendite vs. Risiko Garantiekonzepte im Vergleich

Rendite vs. Risiko Garantiekonzepte im Vergleich Rendite vs. Risiko Garantiekonzepte im Vergleich Klicken Sie, um das Titelformat zu bearbeiten, Allianz Lebensversicherungs-AG Klicken Sie, um das Format des Untertitel-Masters zu bearbeiten. GDV-Pressekolloquium,

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

Handbuch der Netzplantechnik

Handbuch der Netzplantechnik Handbuch der Netzplantechnik 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Autorenkollektiv Westdeutscher Verlag

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

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

Mehr

Risikoanalysen in der Unternehmensplanung

Risikoanalysen in der Unternehmensplanung Risikoanalysen in der Unternehmensplanung Die nachfolgenden Darstellungen zeigen, wie die Aussagekraft von betrieblichen Planrechnungen erhöht werden kann, indem man Risikoaspekte aktiv in die Planungsmodelle

Mehr

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. 13. Juni 2013 Marion Hoffstetter

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. 13. Juni 2013 Marion Hoffstetter Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken 13. Juni 2013 Marion Hoffstetter I. Dr. Peter & Company AG II. Modell zur Quantifizierung von OpRisk III. Entwicklung eines

Mehr

WILKEN RISIKOMANAGEMENT. BITMARCK-Kundentag 2015. Branche: GKV. Essen, 03. und 04.11.2015 Jochen Endreß

WILKEN RISIKOMANAGEMENT. BITMARCK-Kundentag 2015. Branche: GKV. Essen, 03. und 04.11.2015 Jochen Endreß WILKEN RISIKOMANAGEMENT Branche: GKV BITMARCK-Kundentag 2015 Essen, 03. und 04.11.2015 Jochen Endreß 2 3 RISIKOMANAGEMENT HÄUFIGE PROBLEME BEI DER UMSETZUNG In vielen Unternehmen wird management bisher

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

Extrapolierte Erfahrung wie man Unternehmensplanung im M&A-Prozess absichern kann.

Extrapolierte Erfahrung wie man Unternehmensplanung im M&A-Prozess absichern kann. Allerts Brief 01 2010 03 Fachbeitr ag Extrapolierte Erfahrung wie man Unternehmensplanung im M&A-Prozess absichern kann. Im März 2007 veröffentlichte der Bundesverband der Unternehmensberater in Deutschland

Mehr

Risikomanagement und Klimawandel Empfehlungen der Versicherer

Risikomanagement und Klimawandel Empfehlungen der Versicherer Risikomanagement und Klimawandel Empfehlungen der Versicherer Dr.-Ing. Mingyi Wang, Abt. Sach- und Technische Versicherung, Schadenverhütung, Statistik Risikomanagement Definition und Quo vadis Instrument

Mehr

23. Finanzsymposium Mannheim

23. Finanzsymposium Mannheim 23. Finanzsymposium Mannheim Die Optimierung des Zinsaufwandes unter Berücksichtigung der Risikokennzahl Cashflow-at-Risk Jürgen Sedlmayr, Leiter Helaba Risk Advisory, Bereich Kapitalmärkte Mannheim, 19.

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Kurtosis - der fehlende Knopf bei der Schwingprüfung oder Sigma Dehnung mit B&K Regelsystem 1059

Kurtosis - der fehlende Knopf bei der Schwingprüfung oder Sigma Dehnung mit B&K Regelsystem 1059 Kurtosis - der fehlende Knopf bei der Schwingprüfung oder Sigma Dehnung mit B&K Regelsystem 1059 Wer sich mit der Schwingprüfung in der Umweltsimulation befasst, verwendet dabei oft weißes, also normal-

Mehr

CONSIDEO: Meetings verkürzen Fehler vermeiden besser entscheiden

CONSIDEO: Meetings verkürzen Fehler vermeiden besser entscheiden CONSIDEO: Meetings verkürzen Fehler vermeiden besser entscheiden 1. Einführung: Umgang mit Komplexität Unsere täglichen Herausforderungen: Wie gehen wir mit Komplexität um? Meetingfrust Wer kennt das nicht?

Mehr

Die Monte-Carlo-Simulation

Die Monte-Carlo-Simulation Die Monte-Carlo-Simulation O.Büker 04.09.2008 O.Büker, PTB Institut Berlin 1 von 26 Inhaltsverzeichnis 1 Zur Person 2 Einführung 3 Geschichte 4 Beispiele 5 Ausblick 6 Referenzen O.Büker, PTB Institut Berlin

Mehr

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

2.3 Ableitung optimaler Portfolien unter simultaner Berücksichtigung aller Szenarien

2.3 Ableitung optimaler Portfolien unter simultaner Berücksichtigung aller Szenarien Agenda 1. Traditionelle Asset Allocation nach Markowitz 2. Szenario-basierte Asset Allocation 2.1 Definition zukünftiger Entwicklungsszenarien 2.2 Ableitung optimaler Portfolien für einzelne Szenarien

Mehr

Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik

Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz Dimitri Senik Agenda Risikomanagement bei Fonds: neue regulatorische Vorschriften Risikomessung gemäss KKV-EBK Risikomanagement

Mehr

Datenanalyse mit Python. Dr. Wolfram Schroers

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

Mehr

Seminarvortrag Risikomanagement

Seminarvortrag Risikomanagement Seminarvortrag Risikomanagement Michael Berger Volker Grabsch Björn Schümann HU Berlin 27. Juni 2008 Übersicht Einleitung Identifikation der Risiken Bewertung der Risiken Probleme in der Praxis Übersicht

Mehr

Grundlagen und Basisalgorithmus

Grundlagen und Basisalgorithmus Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg

Mehr