Generalthema: Ausgewählte Fragen der Fremdfinanzierung
|
|
- Birgit Albert
- vor 8 Jahren
- Abrufe
Transkript
1 Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/000 Zuständiger Mitarbeiter: Dipl.-Kfm. Dirk Niedereichholz Generalthema: Ausgewählte Fragen der Fremdfinanzierung Thema V: Ermittlung des Value at Risk für Kreditportfolios Gliederung A. Einführung Philipp Baumgart (15 min.) I. Was ist der Value at Risk? II. Wieso soll der Value at Risk ermittelt werden? III. Statistische Grundlagen 1. Grundbegriffe. Kovarianz und Korrelationskoeffizient 3. Normalverteilung und asymmetrische Verteilung 4. Perzentil einer Verteilung B. Risikomanagement für Kreditportfolios Min Luo (5 min.) I. Abgrenzung von Markt- und Kreditrisiken II. Bedeutung des Kreditrisikomanagements III. Traditionelle Steuerungsmechanismen C. Ermittlung des Value at Risk I. Grundlagen Philipp Baumgart (15 min.) II. Besonderheiten bei der Renditeverteilung von Kreditportfolios III. Modelle zur Ermittlung des Value at Risk bei Kreditportfolios Min Luo (15 min.) 1. Varianz-Kovarianz-Methode. Historische Simulation 3. Monte-Carlo-Simulation 4. Vergleich D. Credit Metrics von J. P. Morgan Prof. Dr. Hartmut Schmidt I. Credit Metrics als Modell zur Ermittlung des VaR 1. Ermittlung der Marktwertverteilung einer Forderung. Ermittlung der Marktwertverteilung eines Portfolios 3. Ermittlung der Verlustwerte 4. Ermittlung des VaR II. Sonstige Analyseziele von Credit Metrics
2 Was ist der Value-at-Risk? Definition: Der Value-at-Risk mißt den in Währungseinheiten bewerteten Verlust, der während eines bestimmten Zeitraums mit einer vorgegebenen Wahrscheinlichkeit nicht überschritten wird.
3 Wieso soll der Value-at-Risk ermittelt werden? vorher: Geldgeschäft derzeit: Geschäft mit dem Risiko Bestandhaltungs- und Transaktionsleistungen Marktrisiken Kreditrisiken Risikomanagement ist zur Kernkompetenz geworden.
4 Spezielles Risikomanagement identifiziert, mißt bewertet, steuert und kontrolliert versicherbare Risiken. Risiko bezeichnet die Gefahr einer negativen Abweichung des tatsächlichen vom erwarteten Wert eines Ereignisses.
5 Forderungen nach dem Value-at-Risk extern Bankenaufsicht: Eigenkapitalunterlegung bei Kreditvergabe, dient dem Gläubigerschutz (Insolvenzvorbeugung). intern Risikomanagement: Bereitstellung von economic capital (= VaR) zum Schutz vor externen Verlusten. Baseler Ausschuß für Bankenaufsicht (int.): Einheitliche internationale Lösung zur Wahrung der Wettbewerbsgleichheit.
6 Statistische Grundlagen: Zufallsvariabel X: ω Χ( ω ), ω Ω Verteilung von X: P (x) = P (xεb) Diskrete Verteilungen mit einer endlichen Trägermenge Stetige (kontinuierliche) Verteilungen mit der Dichtefunktion f (x). f (x) dx = 1 empirische Erwartungswert Varianz E (x) = 1/N x n Var (x) = [x-e (x) ] f (x) dx
7 Kovarianz Y x, y X Die mittlere Abweichung der einzelnen Wertepaare xi, yi vom Mittelpunkt x, y bezeichnet die Kovarianz: cov x,y = 1/N (x i y i xy)
8 Zusammenhang der Variablen cov x,y = positiv cov x,y = negativ cov X,Y = 0 Y y y x x x Kovarianz ist ein relatives Maß des Zusammenhangs. Korrelationskoeffizient Grad der Abweichung r = cov (x,y) /s x s y -1 r 1-1: perfekt negativ korreliert 0: keine Korrelation 1: perfekt positiv korreliert
9 Verteilungen Normal asymmetrisch f (x) f (x) N(µ, σ ) negative Schiefe longer left tail µ = 0 x µ = 0 x µ = E (x) und σ = Var (x) Standardisierung: Χ µ σ
10 Perzentil einer N (0,1) f(x) -,58 µ = 0,58 x Fx(a) = P(- <x a) F x (x) = P(- <x F x -1 (p) ) = p
11 Kreditrisiken: Risiken sind die Gefahr einer negativen Abweichung von dem erwarteten Wert eines Ereignisses. Die Kreditrisiken beziehen sich auf die Gefahr der Wertverluste der Kreditgeschäfte. Die Risiken können wegen der Verschlechterung der Bonität des Kreditnehmers und der Wirtschaftskondition, oder wegen der falschen Festsetzung der Risikoprämie, sowie wegen der falschen Bestimmung der Kreditdauer entstehen. I. Abgrenzung von Markt- und Kreditrisiken: 1. Bei gegebener Ratingklasse sind Werte eines Kreditportfolios nicht normal verteilt. < -,81 -,81 0 >,81,81 99% Konfidenzintervall VaR 0,995
12 - Im Kreditgeschäft wird das Risiko vornehmlich Down-Side -Risiko sein. Folgende Kennzahlen sind für die Beschreibung der Verteilung notwendig: Schiefe: α = n k= 1 [( µ ) / δ ] w k R 3 w k : Eintrittswahrscheinlichkeit (3 < α < -3) α = 0 => symmetrische Normalverteilung α < 0 => Schiefe nach rechts ( vorwiegend Down-Side-Risk mit R < µ α > 0 => Schiefe nach links Die Schiefe zeigt die asymmetrische Verteilung aller Zufallsvariablen. Kurtosis : β n = w k= 1 k [( R µ ) / δ ] 4 3
13 Die Kurtosis ist eine Meßzahl für die Wölbung der Verteilung aller Zufallsvariablen. β = 0 β > 0 β < 0 => Normalverteilung => Die Zufallsvariablen konzentrieren sich (kleinere Kreditrisiken) => Die Zufallsvariablen zerstreuen sich (größere Kreditrisiken) - Die Ermittlung des VaR erfolgt nur durch das Perzentil-Verfahren.. Identifikation der Kreditrisiken: Ausfallrisiken bedeuten hundertprozentigen Wertverlust eines Kredites. Die Ausfallrisiken einzelner Kredite führen zum Wertverlust eines Kreditportfolios. Die Wertveränderung kann durch die Verteilung ausgedrückt werden Bonitätsrisiken entstehen durch die Veränderung der Rating-Klasse eines Kreditnehmers. Im Gegensatz zu den Marktrisiken implizieren die Bonitätsrisiken eines Kreditportfolios, daß die Veränderung der Kreditfaktoren (µ, δ) nicht antizipierbar sind.
14 3. Die Kreditrisiken sind zu schwer kontrollieren - Genauso wie die Marktrisiken bestehen die Kreditrisiken aus systematischen Risiken und unsystematischen Risiken, wobei die unsystematischen Risiken diversifizierbar sind. - Im Gegensatz zu den Marktrisiken werden die unsystematischen Kreditrisiken durch die Ratingklasse (µ, δ - Prinzip) ausgedrückt. Die systematischen Risiken sind aufgrund der Nicht-Normalverteilung schwer zu ermitteln. ( z.b. die Kombination von zwei Anleihen mit jeweils mit AA und BBB Klasse)
15 Abgrenzung von Markt- und Kreditrisiken Marktrisiken: VaR ist ein geeignetes Mittel, um die Marktrisiken eines Portfolios zu R µ N = δ messen. (, 1) Ausfallswahrscheinlichkeit Die Veränderung der Marktrisiken unterliegt der Random Walk Hypothese mit K t +1 = Kt + et. e t bezieht sich auf die Wertveränderung und ist von den Werten der Vergangenheit unabhängig. Sie kann durch die Normalverteilung interpretiert werden. Die Entwicklung von Wertpapierkursen, Wechselkursen oder Zinssätzen kann sich in zwei Richtungen bewegen. Es entstehen dadurch sowohl Down- Side -Risiko als auch Up-Side -Risiko. VaR 0,9775 = ,45% Die standardisierte Normalverteilung mit µ = 0und δ = 1
16 II. Bedeutung des Kreditrisikomanagements 1. Kreditgeschäft ist eine der Hauptertragsquellen der Bank. - eine wichtige Ertragsquelle im kommerziellen Bankgeschäft - Hauptfinanzierungsquelle für die klein- und mittelständigen Betriebe.. Die Komplexität des Managements für Kreditportfolios - Erkennung der Bonität des Kreditnehmers ( Unternehmensstruktur, Eigenkapitalausstattung, Qualität des Managements, Umsatz- und Gewinnentwicklung, Marktprospekt für die Produkte, aktuelle Wirtschaftskondition ) - Festlegung der Ausfallwahrscheinlichkeitsfunktion des Kredites, Festlegung der Risikoprämie, der Kreditsumme und der Kreditdauer (Fristentransformation, Inflationsgefahr). - Die Zusammensetzung des Kreditportfolios, um die Kreditrisiken zu minimieren.
17 - ZielKonflikte zwischen dem Gewinnmaximierungsprinzip und der Einhaltung der KWG-Regelung - Die Großkrediteinzelobergrenze begrenzt die insgesamt an einen Kreditnehmer vergebenden Kredite auf 5% des haftenden Eigenkapitals - Die Gesamtgroßkreditobergrenze darf das achtfache der Eigenmittel nicht überschreiten.
18 III. Traditionelle Steuerungsmechanismen 1. Der Risikohorizont in Krümmels Modell der Einzelkreditentscheidung A. Das freie Eigenkapital bestimmt das maximale Einzelkreditangebot. B. Beim maximalen Einzelkreditangebot ist eine Ausfallwahrscheinlichkeit von annähernd Null gerade akzeptabel, bei kleineren Krediten auch höhere Ausfallwahrscheinlichkeiten. C.Wird eine bestimmte maximale Ausfallwahrscheinlichkeit überschritten, führt das stets dazu, daß die Bank dem Kreditnehmer kein Kredit einräumt, auch dann nicht, wenn nach einem kleineren Kredit gefragt wird.
19 D.In den durch die Thesen 1 bis 3 abgesteckten Grenzen geht eine höhere Ausfallwahrscheinlichkeit auch mit einer höheren vereinbarten Verzinsung einher. Kommentar: - Grundlegende Gedanke für VaR und die Einführung der Risikoprämie - Die Portfoliotheorie auf die Einzelkreditentscheidung anzuwenden ist nicht möglich. Deswegen haben die traditionellen Ansätze in der Praxis noch große Bedeutung. - Die Risikopräferenz der Bank kommt besser zum Ausdruck. - Differenzierung einzelner Kreditnehmer nicht durch die standardisierte Rating-Klasse, sondern durch einzelne Überprüfung - Zeit- und arbeitsintensiv für die Verwaltung von großer Menge Kreditgeschäfte Fazit: VaR-Konzept für Kreditportfolios und die Einzelkreditentscheidungen können sich gut ergänzen.
20 Ermittlung des Value-at-Risk Konfidenzniveau α Risiko Chance α E = erwartete Rendite VAR(α) = α-quantil der Verlustverteilung
21 III. Modelle zur ermittlung des VaR bei Kreditportfolios - Wie drückt sich die Rating-Klasse einer Anleihe in der Verteilung aus? (z.b. eine BBB-Anleihe)? - Die Verteilung eines Kreditportfolios mit Rating-Klasse BBB AAA AA A BBB BB B CCC Zahlungs unfähig Wahrscheinlich 0,0 0,33 5,95 86,93 5,30 1,17 0,1 0,18 keit in % (a) Portfoliowert(b) 109,37 109,19 108,66 107,55 10, 98,10 83,64 51,13 Der Erwartungswert: (Summe a b) = 107,09 Varianz = 8,9477
22 93,7% 6,77% 0,3% 1,47% 99,98% 83,64 98,10 10, 107,09 107,55 109,19 - akkumulierte Wahrscheinlichkeit - zeigt die Verteilungswahrscheinlichkeit der Wertveränderung (Wahrscheinlichkeit einer Ratingveränderung in einem Jahr für BBB) - Verteilung anderer Ratingklasse mit anderen Kreditfaktoren (µ, σ)
23 - Ermittlung der Kreditfaktoren (µ, σ) der (annahmegemäß) multivariablen Normalverteilung A. Es wird ein fiktiver Gesamtkreditportfolio angenommen, das aus allen historischen Daten (µ, σ) ti des Kreditportfolios besteht. B. Wenn sich dabei um die normalen Marktrisiken handelt, werden die folgende Formel verwendet δ µ p = = = n i= 1 j= 1 n n n xi δ i + i= 1 i= 1 j i n n p x i i = 1 x µ i i x j ρ ij δ i δ j x i x j ρ ij δ i δ j Da die Werte des Kreditportfolios nicht normal verteilt sind, wird die Ermittlung der Kreditfaktoren (µ p, σ p ) für den gesamten Kreditportfolio etwas kompliziert.
24 Beispiel: zwei Kreditportfolios (µ, σ) t-, (µ, σ) t-1 mit folgender Werverteilungswahrscheinlichkeit. 1 Wahrscheinlichkeit 60% 40% Portfoliowert (µ, σ) t- => µ= 0, ,6 100=9, σ = (10-9) 0,6+(80-9) 0,4=58 1 Wahrscheinlichkeit 0% 80% Portfoliowert (µ, σ) t-1 => µ=0, 10+0,8 80=88, σ = (10-88) 0,+(80-88) 0,8)=56 Zusammensetzung: Gesamtkreditportfolio jeweils 50% µ p = 88 0,5+9 0,5=90 COV(1,)=[(10-9)(10-88)+(10-9)(80-88)+(80-9)(10-88)+(80-9)(80-88)]/=800 σ p =[0,5(58+56)+*0,5*800] 1/ =4,41 Garch-Methode: unterschiedliche Gewichtung der Kreditfaktoren (µ, σ) t-, (µ, σ) t-1
25 - Ermittlung der Wertveränderung eines Kreditportfolios A. Um den VaR zu ermitteln, muß die Verteilung der Wertveränderung eines Kreditportfolios untersucht werden -> (µ t, δ t ) B. Die Wertveränderungen eines Marktportfolios unterliegen eines stochaistischen Prozesses und kann z.b. durch den Wiener Prozeß erklärt werden: (I: Jahreszinssatz) x = a t + b µ t = I t δ t =δ t t 1/ Daraus folgt, daß die Verteilung der Wertveränderungen eines Kreditportfolios wie folgendes beschreiben werden kann µ t = 0 δ t =δ t t 1/ Beispiel: µ p = 90, σ p =4,41, t = 0,01 Jahr = 3,65 Tage, µ t = 0, δ t =4,41 0,01 1/ =,441 µ t+ t, = 0, δ t+ t =4,41 1,01 1/ = 4,53 t
26 1. Varianz-Kovarianz-Methode A. Ermittlungsverfahren des Varianz-Kovarianz-Ansatzes 1. Das Portfolio bzw. seine einzelnen Instrumente werden in gewisse standardisierte Risikopositionen umgerechnet.. Aus historischen Daten werden die Parameter der (annahmegemäß) multivariablen Normalverteilung der Marktfaktoren geschätzt. 3. Mit den Standardabweichungen und Korrelationen der Marktfaktoren werden die Standardabweichungen und Korrelationen der Wertveränderungen der standardisierten Risikopositionen berechnet. 4. Mit den gängigen Formeln wird die Standardabweichung des Portfolios berechnet, die bei dem gegebenem Konfidenzniveau den VaR kennzeichnet.
27 Historische Simulation: A. Das Ermittlungsverfahren der Historischen Simulation: 1. Der Wert eines Kreditportfolios in einer bestimmten Haltedauer wird als Funktion der Werte der Marktfaktoren ausgedrückt. - (µ t, δ t ) ist bekannt. Aus allen Marktdaten in dem letzten Betrachtungszeitraum (mit bestimmten Tagen) werden die Veränderungen der Werte der Marktfaktoren ermittelt. - Ermittlung von (µ t, δ t ) 3. Durch Anwendung der historischen relativen Veränderungen (µ t, δ t ) ergeben sich eine Anzahl von möglichen Werten innerhalb des Betrachtungszeitraums für die Marktfaktoren am Folgetag. Ermittlung von (µ t+ t, δ t+ t ) 4. Diese werden auf das zu bewertende heutige Kreditportfolio angewendet, für das somit die bestimmte Anzahl innerhalb des Betrachtungszeitraums von Werten des Kreditportfolios für den nächsten Tag berechnet werden.
28 5. Subtrahieren wir von diesen Werten den heutigen Wert des Kreditportfolios, so erhalten wir eine bestimmte Anzahl von Gewinn- oder Verlustwerten. Die Werte werden nach der Größe eingeordnet. 6. Sofern davon nach dem VaR-Prinzip ein Wert negativ ist, wird sein Absolutbetrag als VaR genommen. Andersfalls ist der VaR gleich Null. Interpretation der Historischen Simulation durch ein Beispiel. - Ausgangslage: VaR 0,95 (max. Wertverlust mit Konfidenzintervall von 95% ) Haltedauer: 3,65 Tag, (Marktfaktoren (µ t, δ t ) für jede 3,65 Tag bekannt und konstant) Betrachtungszeitraum: letzte 365 Tage (100 Untersuchungsproben) (3,65) 1 : Wert des Kreditportfolios R 1 = 5,5 Mio. DM (stoch. Probe) mit µ 1 = 6 Mio. DM, δ 1 = 0,30 (gegeben) (3,65): Wert des Kreditportfolios R = 4 Mio. DM ( stoch. Probe) mit µ = 5 Mio. DM, δ = 0,5 (gegeben)..
29 3. Die Veränderung der Marktfaktoren unterliegt einer Normalverteilung. Die Ermittlung der (µ t, δ t ) kann durch ein bestimmtes Modell z.b. den Wiener Prozeß ermittelt werden. δ t 5 6 µ t = = 0, = δ1 t = 0,3 0,01 = Standardisierung der Stichprobe aus dem ersten 3,65 Tagen Daraus folgt, 0,03 R µ 1 5,5 6 N( 1, 1) = N(, 1) = N( 1,67, δ 0,30 µ R t 1 1 = 1,67 0,03+ ( 0,04) = 0,0901 = µ 1( 1+ R 1) = 6(1 0,0901) 3, t t = So können wir 3,66 Mio. DM als den Mittelwert für die nächsten 3,65 Tag bestimmen. 3,66 6 =,34 Mio. DM Verlust 1)
30 Es bedeutet, daß in den nächsten 3,65 Tagen, also in (3,65) ein Verlust von,36 Mio. DM auftreten kann. 4. Es werden insgesamt 100 Gewinn- oder Verlustwerte ermittelt. Die Werte werden nach der Größe eingeordnet. Der fünftschlechteste Wert (100 0,05=5) ist z.b.,4 Mio. DM. Dann wird,4 Mio. DM der VaR. Monte-Carlo-Simulation: Das wesentliche Merkmal der Monte-Carlo-Simulation ist die freie Vorgabe von angenommenen Verteilungen der Marktfaktren (beliebige, viele Untersuchungsrealisationen). Ansonsten ist die Vorgehenweise der Historischen Simulation sehr ähnlich. Das Ermittlungsverfahren der Monte-Carlo-Simulatiuon: 1. Der Wert eines Kreditportfolios in einer bestimmten Haltedauer wird als Funktion der Werte der Marktfaktoren ausgedrückt.. - (µ t, δ t ) ist bekannt
31 . Aus allen Marktdaten werden durch einen Zufallsgenerator sehr viele Realisationen für mögliche Werte der Marktfaktoren ermittelt. - Ermittlung von (µ t, δ t ) 3. Durch Anwendung der historischen relativen Veränderungen (µ t, δ t ) ergeben sich eine Anzahl von möglichen Werten innerhalb des Betrachtungszeitraums für die Marktfaktoren am Folgetag. Ermittlung von ((µ t+ t, δ t+ t ) 4. Diese werden auf das zu bewertende heutige Kreditportfolio angewendet, für das somit die bestimmte Anzahl innerhalb des Betrachtungszeitraums von Werten des Kreditportfolios für den nächsten Tag berechnet werden. 5. Subtrahieren wir von diesen Werten den heutigen Wert des Kreditportfolios, so erhalten wir eine bestimmte Anzahl von Gewinn- oder Verlustwerten. Die Werte werden nach der Größe eingeordnet. 6. Bei einer gegebenen Wahrscheinlichkeit wird der VaR ermittelt.
32 Vergleich: Die Varianz-Kovarianz-Methode ist relativ einfach umzusetzen. Allerdings wird die Aussagefähigkeit des GARCH-Verfahrens durch die Nicht-Standardnormalverteilung der Kreditrisiken eingeschränkt. Rechnerisch kann das GARCH-Verfahren wegen der Gewichtung der Varianzen sehr kompliziert sein. Die Historische Simulation ist ein sehr einfaches, und leicht implementierbares Verfahren. Die Schwäche liegt in der Theorielosigkeit und der völligen Ausrichtung an der eher kurzfristigen Vergangenheit. Die Monte-Carlo-Simulation zeigt ihre Stärke in der Flexibilität, mit der die Verteilungen variiert werden können. Als Schwäche gelten der erhebliche Rechenaufwand und die Auswahlskriterien für einen Zufallsgenerator.
33 D. I. 1. Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 1 -
34 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt V = 6 ( ) 6 (1+ 4.3) 6 ( ) 106 (1+ 5.3) = Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - -
35 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 3 -
36 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt µ Total = p iµ s i= 1 i 0.0% % % % = 5.30% % % % = σ s Total = p iµ i µ Total i= 1 = = % % % % % % % % Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 4 -
37 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt D. I.. Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 5 -
38 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt µ Total = p iµ s i= 1 i 0.09% % % % = 0.74% % % % = σ s Total = p iµ i µ Total i= 1 = = % % % % % % % % Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 6 -
39 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 7 -
40 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 8 -
41 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt (Joint migration probabilities with 0.30 asset correlation (%)) Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 9 -
42 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
43 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Erwartungswert und Varianz {Standardabw.} des Portfolios aus zwei Anleihen: Erwartungswert und Standardabweichung der BBB-Anleihe: $ und $.99 Erwartungswert und Standardabweichung der A-Anleihe: $ und $1.49 Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
44 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Varianz-Kovarianz-Matrix Anleihe Anleihe 1 Anleihe Anleihe 3... Anleihe n Anleihe 1 Varianz 1 Kovarianz 1, Kovarianz 1,3 Kovarianz 1,... Kovarianz 1,n Anleihe Kovarianz 1, Varianz Kovarianz,3 Kovarianz,... Kovarianz,n Anleihe 3 Kovarianz 1,3 Kovarianz,3 Varianz 3 Kovarianz 3,... Kovarianz 3,n... Kovarianz 1,... Kovarianz,... Kovarianz 3,... Varianz... Kovarianz...,n Anleihe n Kovarianz 1,n Kovarianz,n Kovarianz 3,n Kovarianz...,n Varianz n Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie - 1 -
45 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Varianz-Kovarianz-Matrix Anleihe Anleihe 1 Anleihe Anleihe 3... Anleihe n Anleihe 1 Varianz 1 Kovarianz 1, Kovarianz 1,3 Kovarianz 1,... Kovarianz 1,n Anleihe Kovarianz 1, Varianz Kovarianz,3 Kovarianz,... Kovarianz,n Anleihe 3 Kovarianz 1,3 Kovarianz,3 Varianz 3 Kovarianz 3,... Kovarianz 3,n... Kovarianz 1,... Kovarianz,... Kovarianz 3,... Varianz... Kovarianz...,n Anleihe n Kovarianz 1,n Kovarianz,n Kovarianz 3,n Kovarianz...,n Varianz n Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
46 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt σ ( T p ) = σ ( T 1 ) + σ ( T ) + Cov( T 1, T ) 11. = Cov Cov = Cov = 1 ( ) Cov = 0.03 Cov( T i, j ) = 1 [ ] σ ( T ) σ ( T ) σ ( T ) p i j Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
47 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie = = = = = = = = = n i n j j i j i p n i i p i i R R i R i R i T T T T E T E T E T p T T p T E R R 1 1, ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( σ σ ρ σ σ
48 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie D. I. 3. Ermittlung der Verlustverteilung V p = Ausgangswert des Portfolios V p = Wertveränderung des Portfolios am Ende des Betrachtungszeitraums ) ( ) ( ) ( ) ( ) ( ) ( 1 p p n i i i p p p p T V V T E V E V T E V E σ = σ = = =
49 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt D. I. 4. Ermittlung des Value at Risk Perzentile der Verlustverteilung Perzentile Formel 95.0 % E( V p ) % E( V p ) 5.0 % E( V p ) % E( V p ) % E( V p ) % E( V p ) % E( V p ) Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
50 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
51 Institut für Geld- und Kapitalverkehr ABWL/BBL-Seminar WiSe 1999/000 der Universität Hamburg Prof. Dr. Hartmut Schmidt Ermittlung des Value at Risk für unser Beispielportfolio V p = $ E( V p ) = = 3.63 ( V p ) = 3.35 Perzentile der Verlustverteilung Perzentile Formel Wert 95.0 % E( V p ) = % E( V p ) 3.63 = % E( V p ) = % E( V p ) = % E( V p ) = % E( V p ) = % E( V p ) = -6.7 Thema V: Ermittlung des Value at Risk für Kreditportfolios , Folie
AUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
Mehr- 2-2. a) Definieren Sie kurz Risiko und Risikomanagement?
Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/2000 Zuständiger Mitarbeiter:
MehrRisikoeinstellungen empirisch
Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569
MehrValue 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
Mehreinfache 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
MehrRisiko 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
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrPortfolioselection. 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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrPortfoliorisiko und Minimum Varianz Hedge
ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und
MehrDie drei Kernpunkte der modernen Portfoliotheorie
Die drei Kernpunkte der modernen Portfoliotheorie 1. Der Zusammenhang zwischen Risiko und Rendite Das Risiko einer Anlage ist die als Varianz oder Standardabweichung gemessene Schwankungsbreite der Erträge
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
Mehr1.3 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
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrRisikodiversifikation. Birgit Hausmann
diversifikation Birgit Hausmann Übersicht: 1. Definitionen 1.1. 1.2. diversifikation 2. messung 2.1. messung im Überblick 2.2. Gesamtaktienrisiko und Volatilität 2.3. Systematisches und Betafaktor 2.4.
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrFremdwährungsanteil bei Tilgungsträgerkrediten bei 86 % eine Analyse der Fremdwährungskreditstatistik 1
Fremdwährungsanteil bei strägerkrediten bei 86 % eine Analyse der Fremdwährungskreditstatistik 1 Christian Sellner 2 Im europäischen Vergleich ist das Volumen der Fremdwährungskredite in Österreich sehr
MehrQuantilsschätzung 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
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrÜbungsaufgaben Tilgungsrechnung
1 Zusatzmaterialien zu Finanz- und Wirtschaftsmathematik im Unterricht, Band 1 Übungsaufgaben Tilgungsrechnung Überarbeitungsstand: 1.März 2016 Die grundlegenden Ideen der folgenden Aufgaben beruhen auf
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrZwei einfache Kennzahlen für große Engagements
Klecksen nicht klotzen Zwei einfache Risikokennzahlen für große Engagements Dominik Zeillinger, Hypo Tirol Bank Die meisten Banken besitzen Engagements, die wesentlich größer sind als der Durchschnitt
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrStatistische 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
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrRingversuch zur 9. Pilztagung des VDB 2005 in Hamburg
Ringversuch zur 9. Pilztagung des VDB 25 in Hamburg Randbedingungen und Zielsetzung des Ringversuches Um den Einfluss der Probenehmer und des verwendeten Verfahren auf die Schwankungen der Ergebnisse zu
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrBeispiel 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.
MehrRating: Bedeutung und Auswirkungen
Rating: Bedeutung und Auswirkungen Ohne Rating kein Kredit und ohne Kredit kein Wachstum Basel II/Basel III und MaRisk schreiben den Banken Rating als Instrument der Risikomessung verbindlich vor. Es handelt
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrFinanzierung: Übungsserie III Innenfinanzierung
Thema Dokumentart Finanzierung: Übungsserie III Innenfinanzierung Lösungen Theorie im Buch "Integrale Betriebswirtschaftslehre" Teil: Kapitel: D1 Finanzmanagement 2.3 Innenfinanzierung Finanzierung: Übungsserie
Mehrwww.meyer-technik.de Rating 20. April 2007 Seite 1
Rating 20. April 2007 Seite 1 Was ist Rating? Bewertung der Bonität Ein Rating ist eine durch spezifische Symbole einer ordentlichen Skala ausgedrückte Meinung über - die wirtschaftliche Fähigkeit, - die
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrPrimzahlen 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
MehrIm 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
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
MehrWirtschaftsmathematik für International Management (BA)
Wirtschaftsmathematik für International Management (BA) Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Lineare Algebra 4 Lineare Programme 5 Folgen und Reihen 6
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrLEITFADEN ZUR SCHÄTZUNG DER BEITRAGSNACHWEISE
STOTAX GEHALT UND LOHN Stollfuß Medien LEITFADEN ZUR SCHÄTZUNG DER BEITRAGSNACHWEISE Stand 09.12.2009 Seit dem Januar 2006 hat der Gesetzgeber die Fälligkeit der SV-Beiträge vorgezogen. So kann es vorkommen,
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrInsiderwissen 2013. Hintergrund
Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen
MehrAbb. 30: Antwortprofil zum Statement Diese Kennzahl ist sinnvoll
Reklamationsquote Stornierungsquote Inkassoquote Customer-Lifetime-Value Hinsichtlich der obengenannten Kennzahlen bzw. Kontrollgrößen für die Neukundengewinnung wurden den befragten Unternehmen drei Statements
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrAbschlußklausur am 21. Mai 2003
Institut für Geld- und Kapitalverkehr Vorlesung Nr. 03.671 der Universität Hamburg Grundlagen der Bankbetriebslehre I Prof. Dr. Hartmut Schmidt Sommersemester 2003 Abschlußklausur am 21. Mai 2003 Bearbeitungsdauer:
MehrGrundlagenschulung. Zweck und Ziel der Marktforschung. grundsätzliche Abgrenzung zum Direktvertrieb. Schulungsprototyp
Grundlagenschulung Zweck und Ziel der Marktforschung grundsätzliche Abgrenzung zum Direktvertrieb Schulungsprototyp 1 Was ist Marktforschung? Marktforschung ist die systematische Sammlung, Aufbereitung
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrPrüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29.
Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Januar 2008 Prüfungsmodus Prüfungsdauer schriftliche Klausur 60 Minuten Punktemaximum:
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrKorrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1
Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
MehrStatistik 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
MehrBundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673. Flachglasbranche.
Bundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673 Ug-Werte für die Flachglasbranche Einleitung Die vorliegende Broschüre enthält die Werte für
MehrDIPLOM. Abschlussklausur der Vorlesung Bank I, II:
Seite 1 von 9 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 9 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement
MehrÜberblick über die Tests
Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt
MehrKommutationszahlen und Versicherungsbarwerte für Leibrenten 2001/2003
Kommutationszahlen und Versicherungsbarwerte für Leibrenten 2001/2003 Tabellen zur jährlich und monatlich vorschüssigen Zahlungsweise Statistisches Bundesamt Impressum Herausgeber: Statistisches Bundesamt
MehrGeneralthema: Ausgewählte Fragen der Fremdfinanzierung
Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/2000 Zuständiger Mitarbeiter:
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrDas Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe
Sozialberichterstattung NRW. Kurzanalyse 02/2010 09.07.2010 12.07.2010 Das Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe 2008
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
MehrAQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)
9.3 Statistische Methoden der Warenannahme (AQL) AQL Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Um was geht es? Stichprobensysteme insbesondere für Eingangsprüfungen. Diese werden durch
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrDas variable Kapitalkonto was ist besonders wichtig? Arbeitsgemeinschaft Medizinrecht, 7.11.2014 Düsseldorf
Das variable Kapitalkonto was ist besonders wichtig? Arbeitsgemeinschaft Medizinrecht, 7.11.2014 Düsseldorf Robert-Perthel-Str. 81, 50739 Köln, Telefon 0221/95 74 94-0, E-Mail: office@laufmich.de variables
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrWas ist das Budget für Arbeit?
1 Was ist das Budget für Arbeit? Das Budget für Arbeit ist ein Persönliches Geld für Arbeit wenn Sie arbeiten möchten aber nicht mehr in einer Werkstatt. Das gibt es bisher nur in Nieder-Sachsen. Und in
Mehr13.5 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
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrAllensbach: Das Elterngeld im Urteil der jungen Eltern
August 2007 Allensbach: Das Elterngeld im Urteil der jungen Eltern Allensbach befragte im Juni 2007 eine repräsentative Stichprobe von 1000 Müttern und Vätern, deren (jüngstes) Kind ab dem 1.1.2007 geboren
MehrProgrammentwicklungen, Webseitenerstellung, Zeiterfassung, Zutrittskontrolle
Version LG-TIME /Office A 8.3 und höher Inhalt 1. Allgemeines S. 1 2. Installation S. 1 3. Erweiterungen bei den Zeitplänen S. 1;2 4. Einrichtung eines Schichtplanes S. 2 5. Einrichtung einer Wechselschicht
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
MehrManuel Schmalz. Abteilungsleiter Vertragsmanagement. Düsseldorf, 25.02.2015
Manuel Schmalz Abteilungsleiter Vertragsmanagement Düsseldorf, 25.02.2015 Standardisierung der Vereinbarung zwischen Provider und Consumer über die Nutzung von technischen Services, insbesondere BiPRO-WebServices
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrPrüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement
Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement Die Prüfung zur Vorlesung Finanzierungstheorie und Wertpapiermanagement umfasst 20 Multiple Choice Fragen, wofür insgesamt 90 Minuten zur
Mehr8. Berechnung der kalkulatorischen Zinsen
8. Berechnung der kalkulatorischen Zinsen 8.1. Allgemeines In der laufenden Rechnung werden im Konto 322.00 Zinsen nur die ermittelten Fremdkapitalzinsen erfasst. Sobald aber eine Betriebsabrechnung erstellt
MehrJahresabschluss der Rechtsformen II
Jahresabschluss der Rechtsformen II Jahresabschluss der Kommanditgesellschaft Quellen: www.bochum.ihk.de http://www.teialehrbuch.de/ 1 Kommanditgesellschaft Allgemeines: Die Kommanditgesellschaft (KG)
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
Mehr