CreditMetrics. Portfoliokreditrisko Seminar. Korrelation und Asset Value Ansatz. 17. Oktober 2007 Robert Schilling
|
|
- Julia Hafner
- vor 8 Jahren
- Abrufe
Transkript
1 Korrelation und Ansatz Portfoliokreditrisko Seminar 7. Oktober 007 Robert Schilling Seminarleitung: PD Dr. Rafael Weißbach Universität Mannheim
2 Berechnung des Exposures Schätzung der Volatilität Schätzung der Korrelationen VaR des Portfolios bezüglich Kreditrisiken
3 Inhalt.. Portfolioeffekte beim Kreditrisiko Modell : Pfizer und Allianz 3
4 Existenz von Korrelation bei Kreditausfällen? Businessmodelle jeder Firma einzigartig? Beobachtete Ausfälle bzw. Ratingänderungen anhand historischer Zeitreihendaten Vergleich der credit events verschiedener Schuldner zu gleichem Zeitpunkten Indizien für? Gemeinsame Ursachen/Ereignisse: Konjunktur, Finanzkrisen, etc. Indizien für Unabhängigkeit der Bonitätsänderungen? z.b. stabile Häufigkeit von Defaults über die Zeit (für eine Vielzahl an beobachteten Unternehmen, Stichprobe ausreichend groß) 4
5 Historische Ausfallraten Realität/Evidenz: Existenz von, signifikant größer Null (Moody s oder S&P default rate statistics) Quelle: Moody s year default rates and volatilities (Carty & Lieberman [96a]). JPMorgan CM Technical Document Problem: u.a. Beobachtungszeitraum und Konjunktur 5
6 Direkte gemeinsame Ratingänderung Gemeinsame Ratingänderungen, historisch (.34 Firmen, 40 Quartale) Gemeinsame Wahrscheinlichkeiten (in %): Bsp.: Schuldner, P (BBB BBB und A A) = Quelle: JPMorgan CM Technical Document 6
7 Portfolioeffekte bei der Modellierung des Kreditrisikos Kreditrisiko prob( credit event={ugrade, downgrade, default}) > 0 Messung des Kreditrisikos: messbare stochastische Faktoren, die die Eintrittswahrscheinlichkeit und die Größe des Kreditrisikos determinieren Korrekte Modellierung des Portfoliokreditrisikos verlangt Beachtung gemeinsamer Stochastik der gesamten Risikofaktoren - perfektes Modell muss alle beinhalten - Ausfallkorrelationen der KN, Recovery Rates Korrelationen, Korrelation Recovery und Ausfallwahrscheinlichkeit, Praxis: Beschränkung der Analyse von Korrelationseffekten auf stochastische innerhalb der möglichen credit events 7
8 : Konzentration auf Korrelationen von möglichen Credit events {Ratingänderung, Default}, Ausschluss möglicher der recovery rates oder Exposures Annahme der Unabhängigkeit! Argument: Extreme Ratingänderungen (Bonitätszustandsänderungen) wie bei Eintritt Default Zustand mit extremen Wertänderungen verbunden höchste Relevanz für Portfoliowert: Ausfallkorrelation bzw. der Eintritt gemeinsamer Ausfälle mehrerer Schuldner eines Portfolios Auswirkungen der Höhe der Korrelation: Value at Risk sehr sensitiv auf Korrelation 8
9 Credit Metrics Basis Ratingsystem Schuldner mit Einzelrating Ermitlung einer Wahrscheinlichkeitsverteilung für Veränderungen des Portfoliowerts Am Risikohorizint T Risiko: Ratingänderungen der Schuldner zum Riskohorizont T Credit Event: {default, upgrade, downgrade} Interessierende Größen für den Portfoliowert.) Umweltzustände = {(Kombination der Ratingzustände der KN)} (siehe letzte Woche: Bonität/Rating bestimmt CreditSpread PresentValue Verfahren zur Bewertung).) Eintrittswahrscheinichkeiten der Umweltzustände Ziel: Bestimmung der Wahrscheinlichkeitsverteilung für die Veränderung des Portfoliowertes zum Risikohorizont T infolge Bonitätsänderungen 9
10 Modell Modell (Unternehmenswertmodell) nach Merton (974) Indirekter Ansatz Modellierung gemeinsamer Wahrscheinlichkeiten von Ratingänderungen Mögliche credit events: {upgrade, downgrade, default} Keine historischen Daten mehr nötig Ansatz: Unternehmen bestehend aus Assets (Aktiva) und Liabilities (Verbindlichkeiten) -Assets- -Liabilities- 0
11 Idee. Annahme Existenz eines jedem credit event zugrunde liegenden Prozesses Erklärung für einzelne Ratingänderung Erklärung gemeinsamer Ratingänderungen Vorteil: Prozess beobachtbar und erklärbar (i. Ggs. zum Vorgehen direkter Beobachtungen von Ausfallhäufigkeiten). Schätzung der den Prozess bestimmenden Parameter Resultat: Änderung Unternehmenswert Änderung Bonität bzw. Rating Verbesserte Schätzung der gemeinsamen Wahrscheinlichkeit von Bonitätszustandsänderungen
12 Vereinfachung: credit events: {default, non default} Implikation Unternehmenswert: Am Risikohorizont T gilt: a) b) -Assets- -Liabilities- -Assets- -Liabilities- Assets > liabilities Assets < liablities (Zahlungsunfähigkeit) credit event: no default credit event: non default
13 Erweiterung: Interesse an verschiedenen Bonitätszuständen eines Schuldners zwischen default und non default zum Risikohorizont T Ziel: Bestimmung ratingadäquater Wertintervalle der Assetrealisationen in T Ausgangsrating BB Unternehmenswert T Max. Schwankungsbreite damit keine Ratingänderung 3
14 Bestimmung der Renditegrenzen Verteilungsannahme: Aktivarenditen ~ (0,) nv. Wahrscheinlichkeitsmasse unter kritischer Renditegrenze = Ausfallwahrscheinlichkeit gemäß Rating Adäquat für alle Ratingänderungen : Ausgangsrating BBB und Übergangswahrscheinlichkeiten (T) Vorgabe historischer Übergangswahrscheinlichkeiten ( Jahr) je Rating Annahme homogener Schuldner je Rating R BBB default als gesuchte kritische Ausfallrendite gegeben: P(BBB Default)=0.008 Umkehrfunktion der Standardnormalverteilung: N - (P=0.008) = -.9 (R BBB default ) 4
15 Ratingänderung ohne Default gegeben: P (BBB CCC)=0.00 P( R BBB default <R< R BBB CCC ) = P( -.9<R< R BBB CCC ) N (R BBB CCC ) N (R BBB default ) = N (R BBB CCC ) N (-.9) = 0.00 N (R BBB CCC ) = N(-.9) = = N - (P=0.003) = (R BBB CCC ) 5
16 AAA AA A BBB BB B CCC Default 0.0% 0.33% 5.59% 86.9% 5.30%.% 0.% 0.8% R BBB default -Renditeintervall- Rendite T R BBB CCC Quelle: nach JPMorgan CM Technical Document 6
17 Fall: Zwei Kreditnehmer Gemeinsame Wahrscheinlichkeit Ratingänderung zweier Schuldner Annahme: Assetrendite (0,) nv. zwei Assetprozesse P (R BBB <R BBB default und R BB <R BB Default ) R BBB---> default BB > default R ρ RR + π ρ e ( ρ ((R ) R ) dr dr Paarweise Korrelation schätzen (beachte: Volatilitäten der Assetrendite(n) ohne Einfluss, Grund sind standardisierte Renditen) 7
18 Schätzung Assetkorrelation Beobachtung der Assetwerte/-renditen schwierig Aktienkurse/Kursrenditen börsengehandelter Unternehmen allg. Info Korrelation Kursrenditen als Proxy für Korrelation Assetrenditen aber: paarweise Korrelationen aufwändig (M Schuldner M(M-)/ Paare zu schätzen)) Einführung lineares Aktienindex als systematischer Erklärungsfaktor Einteilung nach Land und Branche Wegfall redundanter Branchen (hohe Korrelation) M = Korrelationen systematischen Komponente (Index) Annahmen:. keine Abhängigkeit der firmenspezifischen Komponente (ε). keine Abhängigkeit der unsystematischen Komponente von Renditekorrelationen vollständig von Indexkorrelation erklärt 8
19 Indizes Verfügbarkeit Quelle: nach JPMorgan CM Technical Document 9
20 Lineares Allgemeine Form des Erklärungsmodells: Kursrendite Kreditnehmer j: R = w INDEX + w INDEX w j Kreditnehmer j, j, j,k ε j Daten Betrachtung der Indexrenditen auf Wochenbasis (90 Wochen) Mittelwert und Standardabweichung Paarweise Kovarianzen aller Indexpaare, Indexkorrelationen 0
21 Anwendung Vorgehen:. Festlegung Gewichtungsfaktoren Firma Index/Land Hintergrund: Höhe des Erklärungsgehaltes Index/Land an Firma; Höhe des nicht durch Index erklärten Anteil der Aktienrendite. Standardisierte Rendite als gewichtet Indexrendite und verbleibendem unsystematischen Teil der Rendite 3. Anwendung der Gewichtungsfaktoren zur Schätzung der Korrelation
22 : Pfizer und Allianz Zielstellung: Korrelation Pfizer und Allianz Vorgehen:. Indexpartizipation (systematische Komponente) A) Land USA Branche Pfizer Pharma USA/ Pharma-Chemie 90% Land Branche Deutschland Finance+Banking Insurance Allianz Deutschland/ Finance+Banking, Insurance 5% 75%
23 Information: Korrelationen INDEX Voltilität USA/Pharma D/Insurance D/ Bank+Finanz USA/Pharma.03% D/Insurance.09% D/ Bank+Finanz.5% Quelle: JPMorgan CM Technical Document 3
24 B) Systematische und firmenspezifische Renditekomponente Pfizer: 90% Indexrendite 0% nicht erklärte Rendite Allianz: 80% Indexrendite 0% nicht erklärte Rendite 4
25 Pfizer, standardisierte Renditen: Gewichtung Pfizer US_PHARMA R = wr + Pfizer Summe der Vola muss ergeben w Rˆ w =0.9 Rendite (0,) nv Var(R Pfizer ) = w Var(R US_PHRAMA ) + w Var(Rˆ Pfizer ) w = w = 0.44 Allianz, standardisierte Renditen: Allianz D_Bank D_Insurance R = wr + w R + Allianz! Indexformung aus 5% D/Bank und 75% D/Insurance w 3 Rˆ Volatilität berechnen 5
26 Volatiltät des Index σˆ = 0.75 σ D_Insurance σ D_Bank + *0.75*0.5*ρ (D_Insurance, D_Bank) *σ D_Insurance σ D_Bank = 0.07 Summe Volatilität : 80% erklärt, davon 75% durch D_Insurance, 5% durch D_Bank w 0.75σ = 0.80 σˆ D_Insurance = 0.74 w = 0,5σ 0.80 σˆ D_Bank = 0.5 w 3 = 0.8 = 0.6 6
27 Resultat Gewichtungsfaktoren Pfizer: w 0.9 w 0.44 Allianz: w 0.74 w 0.5 w Einsetzen in Pfizer US_PHARMA R = 0.9 R Rˆ Pfizer Allianz D_Bank D_Insurance R = 0.5 R R + 0.6Rˆ Allianz ideosynkratische Rendite unabhängig 7
28 Korrelation Pfizer Allianz Korrelation im Schuldner Fall ρ = ρ (Pfizer, Allianz) (US_Pharma,D_Insurance) 0.5 ρ (US_Pharma,D_Bank) Korrelationen INDEX Voltilität USA/Phar ma D/ Insurance D/Bank+ Finanz USA/ Pharma.03% D/ Insurance.09% D/Bank+ Finanz.5% ρ (Pfizer, Allianz) = ρ (Pfizer, Allianz) = = 0.7 8
29 9 Gemeinsame Wahrscheinlichkeit ) R R ρ R ((R ) ρ ( R R dr dr e ρ π default BB default BBB--- + > >
30 Recap: Ansatz ( Schuldner Fall) Abhängigkeit Bonität KN Bonität KN Unternehmenswert KN Unternehmenswert KN Linearfaktormodell 30
Commercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
MehrBonitätsrisiko 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,
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
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.
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
MehrCreditMetrics. 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
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
MehrErster Prüfungsteil: Aufgabe 1
Erster Prüfungsteil: Aufgabe Kriterien: Der Prüfling Lösung: Punkte: a) entscheidet sich für passenden Wert 8 000 000 b) wählt ein geeignetes Verfahren zur z. B. Dreisatz Berechnung gibt das richtige Ergebnis
Mehr6. Aktien. Aktien sind Wertpapiere, in denen das Anteilsrecht an einer Aktiengesellschaft verbrieft ist. Rechtsgrundlage: Aktiengesetz
6. Aktien Aktien sind Wertpapiere, in denen das Anteilsrecht an einer Aktiengesellschaft verbrieft ist. Rechtsgrundlage: Aktiengesetz Kennziffern für Aktien Kennzahlen für Aktien Ertragskennzahlen Risikokennzahlen
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
MehrAUTOMATISIERTE 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
MehrCommercial 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
MehrZielsetzung. Problematik
Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen
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
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
MehrSST: - In Kraft - Ab 2011 verbindlich - Modellabhängig
Standardmodell oder internes Modell in der Lebensversicherung? Prüfungskolloquium zum Aktuar SAV 2010 Caroline Jaeger, Allianz Suisse Ursprung der Fragestellung Solvency I: - Risikounabhängig - Formelbasiert
MehrKreditratings und Innovation Wann ist ein Risiko eine Chance?
Kreditratings und Innovation Wann ist ein Risiko eine Chance? Vortrag für die SOFI- Tagung: "Finanzmarktkapitalismus - Arbeit - Innovation" 11./12. März 2013 Natalia Besedovsky Gliederung 1. Ratingpraktiken
MehrVorgaben der DIN ISO 13528 Statistische Verfahren für Eignungsprüfungen durch Ringversuche
Konsens- oder Referenzwerte in Ringversuchen Möglichkeiten und Grenzen Dr.-Ing. Michael Koch Institut für Siedlungswasserbau, Wassergüte und Abfallwirtschaft der Universität Stuttgart Arbeitsbereich Hydrochemie
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
MehrBewertungsfragen gemäss FER 26: Schwankungsreserven Amt für Sozialversicherung und Stiftungsaufsicht des Kantons Bern: BVG-Seminar 2005
Bewertungsfragen gemäss FER 26: Schwankungsreserven Amt für Sozialversicherung und Stiftungsaufsicht des Kantons Bern: BVG-Seminar 2005 Dr. Andreas Reichlin, Partner PPCmetrics AG Financial Consulting,
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
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,
MehrSurvival of the Fittest Wie statistische Modelle an Daten angepasst werden
Tag der Mathematik 2009 Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Thomas Kneib Fakultät für Mathematik und Naturwissenschaften Carl von Ossietzky Universität Oldenburg
MehrWiesbadener Investorentag
Wiesbadener Investorentag Risikoprämien Wiesbaden Donnerstag, 18. Juni 2015 Investieren in Risikoprämien Wie viele Wetten stecken im S&P 500? Traditionell: Jede Aktie ist eine Wette Andererseits: Relevante
MehrMuss das alles so kompliziert sein? Die Digitalisierung der Finanzindustrie zwischen Kundenerwartungen, Regulierung und FinTechs
Muss das alles so kompliziert sein? Die Digitalisierung der Finanzindustrie zwischen Kundenerwartungen, Regulierung und FinTechs Christian Rhino Bereichsvorstand Group Banking Operations, Commerzbank AG
MehrBaKRS - BRIC and Konsortium Rating Service. Entwicklung des Systems: Igelmann/Bernard Cornfeld Technische Umsetzung: skydevment und Tr0nYx
BaKRS - BRIC and Konsortium Rating Service Entwicklung des Systems: Igelmann/Bernard Cornfeld Technische Umsetzung: skydevment und Tr0nYx 1 Inhaltsverzeichnis 1 Bestandteile des Ratings 3 2 Anleihen 3
MehrAsset and Liability Management Wertschwankungsreserven
Asset and Liability Management Wertschwankungsreserven ASIP-Informationsveranstaltung: Aktuelle Knackpunkte der 1. BVG-Revision Dr. Andreas Reichlin, Partner PPCmetrics AG Financial Consulting, Controlling
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrKreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz
Kreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz Dr. Michael Leitschkis Generali Deutschland Holding AG Konzern-Aktuariat Personenversicherung München, den 13.10.2009 Agenda Einführung und Motivation
MehrKlausur 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
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
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
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
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
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
MehrWearables und Gesundheits-Apps
Wearables und Gesundheits-Apps Verbraucherbefragung im Auftrag des Bundesministeriums der Justiz und für Verbraucherschutz Berlin, den 09.0.06 Methodik / Eckdaten Die Umfrage basiert auf Online-Interviews
MehrCAPM Die Wertpapierlinie
CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Frank von Oppenkowski 6. Semester Betriebswirtschaftslehre SP Finanzwirtschaft 1 Die Wertpapierlinie (= CAPM) Gliederung 2 Wie man Erträge
MehrRating 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
MehrInvestition 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
MehrRisikodiversifikation. 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
MehrDIPLOMPRÜFUNG 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
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
Mehr3D Fuß- und Unterschenkelscanverfahren zur Bilddokumentation prä- und postoperativ in der Fußchirugie
3D Fuß- und Unterschenkelscanverfahren zur Bilddokumentation prä- und postoperativ in der Fußchirugie Dr. med. A. Gruber Rheuma Therapie Zentrum Nürnberg Dr.- Ing. F. Jäger Explius GmbH M. Jahn IETEC Orthopädische
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
MehrAnforderungen an Krankenversicherer unter SST und Solvency II. Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16.
Anforderungen an Krankenversicherer unter SST und Solvency II Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16. November 2012 Grundlagen Hauptziele von Solvenzvorschriften: Schutz von Versicherungsnehmern
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
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:
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
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
MehrMehr Ertrag für Ihre Rente Klassisch sicher Chance auf mehr
Mehr Ertrag für Ihre Rente Klassisch sicher Chance auf mehr Klassik modern klassisch sicher, Chance auf mehr Das Thema Altersvorsorge ist für uns alle wichtig. Denn um den Lebensstandard im Alter zu halten,
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
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
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
MehrBeitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV
Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV 1 Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV Gliederung: 1. Grundlagen der Beitragskalkulation in
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrFIT 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)
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
MehrErmittlung des Ausfallrisikos
Ermittlung des Ausfallrisikos Das Ausfallrisiko, dessen Ermittlung maßgeblich von der Datenqualität der Vorsysteme abhängt, nimmt in der Berechnung der Eigenmittelanforderung einen relativ geringen Stellenwert
MehrÜbergreifende 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
MehrIst Asset-Liability-Modeling (ALM) tot?
1 Ist Asset-Liability-Modeling (ALM) tot? Baring Asset Management Kompass 2004 Schlosshotel Kronberg, 4. Februar 2004 Peter Scherkamp Ist Asset-Liability-Modeling (ALM) tot? Antwort: Ja! (... aber nur
MehrÜbung zu Forwards, Futures & Optionen
Übung zu Forwards, Futures & Optionen Vertiefungsstudium Finanzwirtschaft Dr. Eric Nowak SS 2001 Finanzwirtschaft Wahrenburg 15.05.01 1 Aufgabe 1: Forward auf Zerobond Wesentliche Eckpunkte des Forwardgeschäfts:
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
MehrDeutsche Asset & Wealth Management. Marktbericht. Johannes Müller Frankfurt, 17. Februar 2014. Bei diesen Informationen handelt es sich um Werbung
Marktbericht Johannes Müller Frankfurt, 17. Februar 2014 Bei diesen Informationen handelt es sich um Werbung Aktien Die Langfristperspektive Unternehmensgewinne Unternehmensgewinne USA $ Mrd, log* 00 0
MehrRisikosimulation zur Optimierung der Finanzierungsplanung von Projekten
Risikosimulation zur Optimierung der Finanzierungsplanung von Projekten Dresden, 18.06.2012 Agenda Motivation Notwendigkeit einer Risikosimulation Grundlagen der Monte-Carlo-Simulation Konzept einer 4-Stufen-Risikosimulation
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
Mehr2 Evaluierung von Retrievalsystemen
2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...
MehrDIVA-Portfoliomaster Live auf der InvestmentResearch-Tour Februar 2016
Live auf der InvestmentResearch-Tour Februar 2016 Kapitalmärkte: wie geht es weiter? Die Wünsche Ihrer Kunden: wie wählen wir welche Fonds Mit DIVA zum Erfolg 1 Zielgruppe und Ziele Zielgruppe: -Vermittler
MehrForum Datenschutz beim Scoring - Änderung des BDSG - Position der Bankenwirtschaft
Forum Datenschutz beim Scoring - Änderung des BDSG - Position der Bankenwirtschaft Transparenz von Scoring-Verfahren Datenschutz ist Verbraucherschutz Informationsveranstaltung des Landesbeauftragten für
MehrDer 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
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.
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
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
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,
MehrRisiken der gesamtwirtschaftlichen Entwicklung
1 Risiken der gesamtwirtschaftlichen Entwicklung Im Rahmen der regelmäßigen Konjunkturumfrage wurden von den Industrie- und Handelskammern in Niedersachsen seit Herbst 2010 Fragen zu den Risiken der wirtschaftlichen
Mehrsondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit
sondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit liegen, an Bedeutung verlieren. Die Mannschaften haben sich verändert. Spieler
MehrArbeitsblätter. Sinnvolle Finanzberichte. Seite 19
Seite 19 Arbeitsblätter Seite 20 Dieses Arbeitsblatt wird Sie Schritt für Schritt durch das Verfahren von Finanzanalysen geleiten. Sie gehen von Ihren Finanzberichten aus egal wie einfach oder hoch entwickelt
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrUnaufmerksamkeit für eigene Risikofaktoren
Unaufmerksamkeit für eigene Risikofaktoren 40. Kongress der Deutschen Gesellschaft für Allgemeinmedizin und Familienmedizin 2006 Potsdam 1 Dr. Justus Welke Patientenwissen über eigene Risikofaktoren und
MehrZusammenfassende Beurteilung der Unterrichtsbeispiele für Wirtschaft und Recht
Zusammenfassende Beurteilung der Unterrichtsbeispiele für Wirtschaft und Recht In die Auswertung der Beurteilungen der Unterrichtsbeispiele gingen von Seiten der SchülerInnen insgesamt acht Items ein,
MehrNerreter, Grundlagen der Elektrotechnik Carl Hanser Verlag München. 8 Schaltvorgänge
Carl Hanser Verlag München 8 Schaltvorgänge Aufgabe 8.6 Wie lauten für R = 1 kω bei der Aufgabe 8.1 die Differenzialgleichungen und ihre Lösungen für die Spannungen u 1 und u 2 sowie für den Strom i? Aufgabe
MehrWarum Sie dieses Buch lesen sollten
Warum Sie dieses Buch lesen sollten zont nicht schaden können. Sie haben die Krise ausgesessen und können sich seit 2006 auch wieder über ordentliche Renditen freuen. Ähnliches gilt für die Immobilienblase,
MehrMonte 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
MehrErgebnisse der AIKA Trendumfrage. Januar 2015
Ergebnisse der AIKA Trendumfrage Januar 2015 AIKA Trendumfrage: Kein Agenturwachstum ohne Neugeschäft Ein stabiles Bestandskundengeschäft und Zuwächse im Neugeschäft lassen inhabergeführte Agenturen zufrieden
MehrAbitur 2013 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2013 Mathematik GK Stochastik Aufgabe C1 Wissenschaftler der israelischen Ben-Gurion-Universität sind der Frage nachgegangen, ob die Attraktivität eines
MehrAsiatische Anleihen in USD
Asiatische Anleihen in USD Modellportfolio - Mandat für asiatische IG Credit Anleihen in USD Renditesteigerung Modellportfolio Account-Typ Anlageuniversum Anlageziel Benchmark Portfoliowährung Duration
MehrGIPS 2010: Besondere Aspekte II
GIPS 2010: Besondere Aspekte II Susanne Klemm, Ernst & Young GIPS Aperitif der Schweizerischen Bankiervereinigung Zürich, 15.4.2010 Agenda Neuerungen in den GIPS 2010 bezüglich: 1. Presentation & Reporting
MehrMikroökonomik 9. Vorlesungswoche
Mikroökonomik 9. Vorlesungswoche Tone Arnold Universität des Saarlandes 18. Dezember 2007 Tone Arnold (Universität des Saarlandes) 9. Vorlesungswoche 18. Dezember 2007 1 / 31 Volkswirtschaftliche Rente
MehrModellierung 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
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
MehrFolie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA
Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA abgekürzt dient der systematischen Untersuchung von Komponenten
MehrWichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor
Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor Ihre private Gesamtrente setzt sich zusammen aus der garantierten Rente und der Rente, die sich aus den über die Garantieverzinsung
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
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
MehrMaterialien zur Vorlesung. Rendite und Risiko
Materialien zur Vorlesung Rendite und Risiko Burkhard Erke Quellen: Brealey/Myers, Kap. 7 Mai 2006 Lernziele Langfristige Rendite von Finanzanlagen: Empirie Aktienindizes Messung von Durchschnittsrenditen
MehrMetallische Werkstoffe. Zugversuch. Teil 1: Prüfverfahren bei Raumtemperatur /1/
Metallische Werkstoffe Zugversuch Teil 1: Prüfverfahren bei Raumtemperatur /1/ I Grundlagen: Der Zugversuch ist der wichtigste Versuch in der Werkstoffprüfung. Mit diesem Prüfverfahren werden Festigkeitskennwerte
MehrKaufmännische Berufsmatura 2011
Kaufmännische Berufsmatura 0 Serie : Lösungen Serie - Lösungen Prüfungsdauer: Max. zahl: 50 Minuten 00 Bewertungshinweise: Mehrfachlösungen sind nicht gestattet. Als Resultate gelten nur eindeutig gekennzeichnete
Mehr