Generalthema: Ausgewählte Fragen der Fremdfinanzierung

Größe: px
Ab Seite anzeigen:

Download "Generalthema: Ausgewählte Fragen der Fremdfinanzierung"

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

- 2-2. a) Definieren Sie kurz Risiko und Risikomanagement?

- 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:

Mehr

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

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

Mehr

AUTOMATISIERTE HANDELSSYSTEME

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

Mehr

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

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

CreditMetrics. Portfoliokreditrisko Seminar. Korrelation und Asset Value Ansatz. 17. Oktober 2007 Robert Schilling

CreditMetrics. Portfoliokreditrisko Seminar. Korrelation und Asset Value Ansatz. 17. Oktober 2007 Robert Schilling Korrelation und Ansatz Portfoliokreditrisko Seminar 7. Oktober 007 Robert Schilling Seminarleitung: PD Dr. Rafael Weißbach Universität Mannheim Berechnung des Exposures Schätzung der Volatilität Schätzung

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

Statistischer Mittelwert und Portfoliorendite

Statistischer Mittelwert und Portfoliorendite 8 Wahrscheinlichkeitsrechnung und Statistik Statistischer Mittelwert und Portfoliorendite Durch die immer komplexer werdenden Bündel von Investitionen stellen Investorinnen und Investoren eine Vielzahl

Mehr

Risikomanagement und Statistik. Raimund Kovacevic

Risikomanagement und Statistik. Raimund Kovacevic Risikomanagement und Statistik Raimund Kovacevic Dieses Werk ist Urheberrechtlich geschützt. Jede Vervielfältigung ohne Einverständnis des Autors ist verboten. Risiko hazard, a chance of bad consequences,

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

4. Versicherungsangebot

4. 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

Portfoliorisiko und Minimum Varianz Hedge

Portfoliorisiko 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

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

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE 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

Mehr

13.5 Der zentrale Grenzwertsatz

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

Mehr

Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model

Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Matthias Eltschka 13. November 2007 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitung 4 2.1 Diversifikation...........................

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X)

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X) Ich habe eine Frage zur Tschebyschew Ungleichung. In der Aufgabe 4 des Übungsblattes 3 benötigt man ja die Ungleichung. In diesem Falle war der Bereich (0, 20) symmetrisch um den Erwartungswert µ = 5.

Mehr

DIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006

DIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006 TU Bergakademie Freiberg Fakultät für Wirtschaftswissenschaften Matrikel-Nr.: Name (optional): Studienrichtung: Fakultät: Semesterzahl: DIPLOMPRÜFUNG Prüfungsfach: Prüfer: Examen Bankbetriebslehre (PO99-120

Mehr

Schwächt Basel II die Schwachen?

Schwächt Basel II die Schwachen? AKAD-Forum WHL Lahr 2007 1 Prof. Schwächt Basel II die Schwachen? Professur Controlling Prof. und Dr. Accounting, H.-Ch. Brauweiler Prorektor AKAD-FH Leipzig Ethische Implikationen des Risikoaufschlags

Mehr

Risikoeinstellungen empirisch

Risikoeinstellungen 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

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen

Mehr

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 2002/2003 Zuständiger

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte 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

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen 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

Mehr

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall

Mehr

Inhalte Kurs Finanz- und Risikosteuerung

Inhalte Kurs Finanz- und Risikosteuerung Inhalte Kurs Finanz- und Risikosteuerung Studieninhalte (DS = Doppelstunde á 90 Minuten) Grundlagen der Bankensteuerung Finanzmathematische Grundlagen 12 DS Dynamische Verfahren der Investitionsrechnung

Mehr

Basel II. Die Transparenz als Chance begreifen. am Beispiel der. Carl Giesecke & Sohn. 15. Juni 2004. Jan Christmann & Markus Furtwängler

Basel II. Die Transparenz als Chance begreifen. am Beispiel der. Carl Giesecke & Sohn. 15. Juni 2004. Jan Christmann & Markus Furtwängler Basel II Die Transparenz als Chance begreifen am Beispiel der Carl Giesecke & Sohn 15. Juni 2004 Jan Christmann & Markus Furtwängler AGENDA Hintergrund Einführung in Basel II Vorbereitung auf Basel II

Mehr

Abhängigkeiten zwischen Großschäden

Abhängigkeiten zwischen Großschäden Abhängigkeiten zwischen Großschäden Holger Drees, Universität Hamburg I. Typen von Abhängigkeiten II. Modelle für abhängige Großschäden III. Fallstudie: Dänische Feuerversicherung I. Typen von Abhängigkeiten

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Portfolio Management

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

Mehr

Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung. GenoPOINT, 28.

Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung. GenoPOINT, 28. Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung GenoPOINT, 28. November 2013 Agenda 1. Ausgangslage 2. Übergreifende Sichtweise auf Immobilienrisiken

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

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,

Mehr

6522: Capital Markets and Risk Management

6522: Capital Markets and Risk Management (Bitte in Blockschrift) Name... Vorname... Matrikelnummer... Punkte Aufgabe 1:... Aufgabe 2:... Aufgabe 3:... Aufgabe 4:... Aufgabe 5:... Aufgabe 6:... Total :... UNIVERSITÄT BASEL Dr. Patrick Wegmann

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

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage Arnd Wiedemann Risikotriade Zins-, Kredit- und operationelle Risiken 2., überarbeitete Auflage . XI 1 Einleitung: Risikomessung als Fundament der Rendite-/Risikosteuerung 1 2 Zinsrisiko 3 2.1 Barwertrisiko

Mehr

Generalthema: Organisationsformen des Kreditgeschäfts. Fragen Thema 3: Risikomanagement der Kreditbank

Generalthema: Organisationsformen des Kreditgeschäfts. Fragen Thema 3: Risikomanagement der Kreditbank Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur BBL und ABWL Wintersemester 2004/2005 Zuständiger Mitarbeiter: Dipl.-Kfm. Sandro Zarß Generalthema:

Mehr

R 2 RISIKEN DES RISIKOMANAGEMENTS

R 2 RISIKEN DES RISIKOMANAGEMENTS R 2 RISIKEN DES RISIKOMANAGEMENTS Wolfgang Bühler Lehrstuhl Finanzierung Universität Mannheim Universität Hamburg Fachbereich Wirtschaftswissenschaften 20. Januar 2003 TODESFALLRISIKEN 09. Oktober 02 08.

Mehr

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P)

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P) Universität Hohenheim Institut für Betriebswirtschaftslehre Lehrstuhl für Bankwirtschaft und Finanzdienstleistungen Matthias Johannsen Stuttgart, 11.02.2004 LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank

Mehr

Risikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken

Risikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken Arnd Wiedemann Risikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken 3., überarbeitete Auflage Inhaltsübersicht Band I X[ Inhaltsübersicht Band I Zins-, Kredit- und operationeile Risiken

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. 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

Mehr

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ.

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ. Verwaltungsart: Mandat Referenzwährung: EUR Anlagestrategie: konservativ Geschätzter Kunde Als Beilage erhalten Sie Ihre Vermögensaufstellung per 31.12.2009 mit folgendem Inhalt: - Konsolidierte Gesamtübersicht

Mehr

Herzlich Willkommen zur Vorlesung Statistik

Herzlich Willkommen zur Vorlesung Statistik Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

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

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

Abschlussklausur der Vorlesung Bank I, II:

Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 23 Name: Matrikelnummer: Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur

Mehr

Generalthema: Kreditrisikomanagement. Thema 4: CreditRisk+ Gliederung

Generalthema: Kreditrisikomanagement. Thema 4: CreditRisk+ Gliederung Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003 Zuständiger Mitarbeiter: Dipl.-Kfm. Stefan Krohnsnest

Mehr

Bonitätsrisiko und Unternehmensanleihen

Bonitätsrisiko und Unternehmensanleihen Bonitätsrisiko und Unternehmensanleihen Burkhard Erke Montag, März 31, 2008 Die Folien orientieren sich an (a) Unterrichtsmaterialien von Backus (NYU) und (b) Neuere Entwicklungen am Markt für Unternehmensanleihen,

Mehr

Ein möglicher Unterrichtsgang

Ein 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

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum)

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum) Skriptum zur Veranstaltung Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik 1. Version (mehr Draft als Skriptum) Anmerkungen, Aufzeigen von Tippfehlern und konstruktive Kritik erwünscht!!!

Mehr

Portfoliotheorie. Von Sebastian Harder

Portfoliotheorie. Von Sebastian Harder Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und

Mehr

Statistik 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 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

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

Systematik und ökonomische Relevanz traditioneller Performancemaße

Systematik und ökonomische Relevanz traditioneller Performancemaße Systematik und ökonomische Relevanz traditioneller Performancemaße Vortrag an der Universität Hamburg am 18. Juni 2001 PD Dr. Marco Wilkens IFBG der Georg-August-Universität Göttingen 1 Gliederung 1. Einleitung

Mehr

Risikodiversifikation. Birgit Hausmann

Risikodiversifikation. 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.

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelationsanalysen Kovariation und Kovarianz Korrelation: - Interpretation

Mehr

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

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

Mehr

Abschlussklausur des Kurses Bank I, II: Finanzintermediation und Regulierung / Risiko- und Ertragsmanagement der Banken

Abschlussklausur des Kurses Bank I, II: Finanzintermediation und Regulierung / Risiko- und Ertragsmanagement der Banken Seite 1 von 18 Abschlussklausur des Kurses Bank I, II: Finanzintermediation und Regulierung / Risiko- und Ertragsmanagement der Banken Hinweise: o o o o o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer

Mehr

Füllmenge. 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

Füllmenge. 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

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

Vorlesung 7: Value-at-Risk für Kreditrisiken

Vorlesung 7: Value-at-Risk für Kreditrisiken Vorlesung 7: Value-at-Risk für Kreditrisiken 17. April 2015 Dr. Patrick Wegmann Universität Basel WWZ, Department of Finance patrick.wegmann@unibas.ch www.wwz.unibas.ch/finance Die Verlustverteilung im

Mehr

Bankmanagement II Übung WS 2009/10

Bankmanagement II Übung WS 2009/10 Systematische Risiken sind im Bankgeschäft unvermeidbar (Gefahr eines Bank Run) Delegierter Schutz von Gläubiger Interessen ist effizienter Gefahr eines internationalen Wettbewerbes um laxe Regulierungsstandards

Mehr

CAPM Die Wertpapierlinie

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

Mehr

Risikomessung und Value at Risk Wintersemester 2013/14

Risikomessung und Value at Risk Wintersemester 2013/14 Risikomessung und Value at Risk Wintersemester 2013/14 Walter Sanddorf-Köhle Statistik und Ökonometrie Foliensatz Nr. 11 Version vom 24. Januar 2014 1 / 45 6.5.1 Bisherige Vorgehensweise zur Berechnung

Mehr

Portfolio-Optimierung und Capital Asset Pricing

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

Mehr

Börsen in Theorie und Praxis. Börsenwelt:

Börsen in Theorie und Praxis. Börsenwelt: Börsen in Theorie und Praxis Börsenwelt: Einführung Aktienanalyse 29. Oktober 2010 1 Die Risiken der Aktienanlage KAPITALMARKT ist ein RISIKO- und KAPITALMARKT Überlassung von KAPITAL geht stets einher

Mehr

FIT FOR RATING. Rating-Verfahren aus Sicht der Banken verstehen. und zur Steigerung des eigenen Unternehmenserfolgs richtig einsetzen

FIT FOR RATING. Rating-Verfahren aus Sicht der Banken verstehen. und zur Steigerung des eigenen Unternehmenserfolgs richtig einsetzen FIT FOR RATING Rating-Verfahren aus Sicht der Banken verstehen und zur Steigerung des eigenen Unternehmenserfolgs richtig einsetzen Fit for Rating - Folie 1 Ablauf Überblick zum Thema Rating (ca. 60 Minuten)

Mehr

Risikodiversifikation. Steffen Frost

Risikodiversifikation. Steffen Frost Risikodiversifikation Steffen Frost 1. Messung Risiko 2. Begriff Risiko 3. Standardabweichung 4. Volatilität 5. Gesamtrisiko 6. Systematische & unsystematisches Risiko 7. Beta und Korrelation 8. Steuerung

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

Prüfung 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. 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:

Mehr

Die Performance von Stillhaltergeschäften

Die Performance von Stillhaltergeschäften Thomas Schmidt Die Performance von Stillhaltergeschäften Covered Call Writing im Backtest Masterarbeit Schmidt, Thomas: Die Performance von Stillhaltergeschäften: Covered Call Writing im Backtest. Hamburg,

Mehr

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes

Mehr

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

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

Mehr

Bank I/II. (Deutsch) (Bank Management & Financial Intermediation) Hinweise:

Bank I/II. (Deutsch) (Bank Management & Financial Intermediation) Hinweise: Name: Matrikelnummer: Bank I/II (Deutsch) (Bank Management & Financial Intermediation) Hinweise: Schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur und auf jeden Bogen. Als Hilfsmittel ist

Mehr

Finanzierung und Investition. Sicherer Zins und Zeitpräferenz (S. 198)

Finanzierung und Investition. Sicherer Zins und Zeitpräferenz (S. 198) Kruschwitz/Husmann (2012) Finanzierung und Investition 1/26 Kruschwitz/Husmann (2012) Finanzierung und Investition 2/26 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. 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

Mehr

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung

Mehr

Rating nach Basel II eine Chance für den Mittelstand. Rating eine Einführung Christian Jastrzembski und Dirk Tschirner

Rating nach Basel II eine Chance für den Mittelstand. Rating eine Einführung Christian Jastrzembski und Dirk Tschirner Rating nach Basel II eine Chance für den Mittelstand Rating eine Einführung Christian Jastrzembski und Dirk Tschirner Agenda Definition und Ziele des Ratings Grundlagen Ratingprozess und Ratingverfahren

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.

DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR. Weitere Files findest du auf www.semestra.ch/files DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR. Valuation Übung 4 Moderne Portfoliotheorie Gruppe

Mehr

Corporate Finance WS. Gliederung

Corporate Finance WS. Gliederung Corporate Finance Gliederung 1 Wiederholung zum Thema Renditeberechnungen 2 Wiederholung betriebswirtschaftlicher Grundlagen 3 Wiederholung statistischer Grundlagen 4 Grundlegende statistische Konzepte

Mehr

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft

FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Klausur: Banken und Börsen (31521) Prüfer: Univ.-Prof. Dr. Michael Bitz Termin: 3. März 2011 Aufgabe 1 2 3 Summe (3 Aufgaben) maximale Punktzahl

Mehr

MaRisk-relevante Anpassungen im Kreditportfoliomodell. GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH

MaRisk-relevante Anpassungen im Kreditportfoliomodell. GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH im Kreditportfoliomodell GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH Agenda Überblick KPM-KG Bedeutung des Portfoliomodells für den MaRisk-Report MaRisk-relevante Anpassungen MaRisk-relevante

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst. Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Die neuen Eigenkapitalanforderungen der Banken BASEL II

Die neuen Eigenkapitalanforderungen der Banken BASEL II Die neuen Eigenkapitalanforderungen der Banken BASEL II Ein Thema für das Gesundheitswesen? 26.07.2004 2004 Dr. Jakob & Partner, Trier www.dr-jakob-und-partner.de 1 Was bedeutet Basel II? Nach 6-jährigen

Mehr

Basel II - Die Bedeutung von Sicherheiten

Basel II - Die Bedeutung von Sicherheiten Basel II - Die Bedeutung von Sicherheiten Fast jeder Unternehmer und Kreditkunde verbindet Basel II mit dem Stichwort Rating. Dabei geraten die Sicherheiten und ihre Bedeutung - vor allem für die Kreditkonditionen

Mehr

Erläuterung des Vermögensplaners Stand: 3. Juni 2016

Erläuterung des Vermögensplaners Stand: 3. Juni 2016 Erläuterung des Vermögensplaners 1 Allgemeines 1.1. Der Vermögensplaner stellt die mögliche Verteilung der Wertentwicklungen des Anlagebetrags dar. Diese verschiedenen Werte bilden im Rahmen einer bildlichen

Mehr

Der Hedgefonds-Effekt

Der Hedgefonds-Effekt Franz-Joseph Busse, Julia Nothaft Der Hedgefonds-Effekt FinanzBuch Verlag Inhalt Hedgefonds-Investments-Assetklasse mit lukrativen Renditechancen und überschaubaren Risiken? 13 1. Ausgangspunkt und Untersuchung

Mehr

Überblick über die Tests

Überblick 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

Mehr

Creditpointklausur Seminar zum Bank- und Finanzmanagement Sommersemester 2006. nicht-programmierbarer Taschenrechner

Creditpointklausur Seminar zum Bank- und Finanzmanagement Sommersemester 2006. nicht-programmierbarer Taschenrechner en und Betriebliche Finanzwirtschaft Prof. Dr. Bernd Rolfes Creditpointklausur Seminar zum - und Finanzmanagement Sommersemester 2006 DATUM: 04. August 2006 BEARBEITUNGSZEIT / PUNKTE: 60 Minuten / 60 Punkte

Mehr

Genexpression. Expression eines einzelnen Gens. Expressionsmessung. Genexpressionsmessung. Transkription (Vorgang) Genexpression

Genexpression. Expression eines einzelnen Gens. Expressionsmessung. Genexpressionsmessung. Transkription (Vorgang) Genexpression Genexpressionsmessung Genexpression Transkription (Vorgang) Genexpression (quantitativ) Wieviele m-rna Moleküle eines bestimmten Gens sind in den Zellen? Genomische Datenanalyse 8. Kapitel Wie mißt man

Mehr

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008 Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung

Mehr

Risikomanagement: Hintergrund und Ziele

Risikomanagement: Hintergrund und Ziele Risikomanagement: Hintergrund und Ziele Beispiel 1 Anfangskapital V 0 = 100 Spiel: man verliert oder gewinnt 50 mit Wahrsch. jeweils 1/2. Kapital nach dem Spiel V 1 = { 150 mit Wahrsch. 1/2 50 mit Wahrsch.

Mehr

Fragen und Aufgaben zu Kapitel I1

Fragen und Aufgaben zu Kapitel I1 1 Fragen und Aufgaben zu Kapitel I1 1. Nennen Sie zu den genannten Begründungen, warum sich Banken so verhalten, als ob sie risikoscheu seien, einige Gegenargumente. Eigeninteresse der Bankmanager Gegenargumente:

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur 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

Mehr

1.3 Die Beurteilung von Testleistungen

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

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben

Mehr