Kreditrisiko am Einzelgeschäft

Größe: px
Ab Seite anzeigen:

Download "Kreditrisiko am Einzelgeschäft"

Transkript

1 Kapitel 6 Kreditrisiko am Einzelgeschäft In Kapitel 2 haben wir den Kosten für das Marktpreisrisiko gewidmet und kostenneutrale Strategien entwickelt. In einigen Situation konnten nur noch erwartete Kosten ermittelt gewerden. Die Höhe des erwarteten Kreditverlusts ist im Finanzgewerbe ein weiterer Risikofaktor, der häufig Standardrisikokosten genannt wird. Der Portfolioverlust ist die Summe der Verluste aus Einzelengagements. Der Erwartungswert ist linear, so dass wir die Frage der Standardrisikokosten eines Portfolios auf die Frage des erwarteten Verlustes des Einzelengagements reduzieren können. Zunächst wollen wir die Auswirkung der ein-jahres Ausfallwahrscheinlichkeit auf die Kostenhöhen studieren. Dabei stellt der Kredit einen geeigneten Einstieg dar. Wir nehmen dabei zunächst an, dass die (ein-jahres) Ausfallwahrscheinlichkeit eines Unternehmens heute dieselbe sei wie in einem Jahr (gegeben das Unternehmen hat bis dahin überlebt). Wenn eine Ausfallwahrscheinlichkeit nicht ausreicht, um das gesamte Ausfallverhalten zu beschreiben, wollen wir eine allgemeinere Bewertung andeuten. Im zweiten Abschnitt geht es dann darum wie wir die Ausfallwahrscheinlichkeit eines Kontrahenten oder eines Engagements festlegen, also z. B. aus einer historischen Stichprobe schätzen können. Dabei soll auch die Frage möglicher Kovariablen erörtert werden. Der Frage, ob die Ausfallwahrscheinlichkeit abhängig von der Zeit ist nähern wir uns dann mittels ökometrischer Tests. Arbeiten dazu sind Hakenes and Altrock (21); Nickell et al. (2); Weißbach and Dette (27); Weißbach et al. 81

2 82 KAPITEL 6. KREDITRISIKO AM EINZELGESCHÄFT (25)). Wir stellen uns zu guter letzt die Frage allgemeiner, also stetig. Nun tritt die spontane Ausfallneigung eines Unternehmens anstelle der pauschalen Ausfallwahrscheinlichkeit. 6.1 Modellierung des Kreditereignisses Häufig kann man den Ausfall eines Kontrahenten als diskretes, dichotomes und daher Bernoulli-verteiltes Ereignis modelliert. Um Betrachtungen verschiedener Zeithorizonte zu ermöglichen wollen wir zunächst den Ausfallzeitpunkt modelleiren. Häufig wird diese Modellierung als event history analysis bezeichnet. Als Referenzen zu dem betrachteten Thema seien Aalen (1978), Andersen et al. (1993), Borgan (1997), Hougaard (21), Kalbfleisch and Prentice (198) und Lee (1992) genannt. (Eine andere Idee der Modellierung extremer Ereignisse betrachten Embrechts et al. (2)). Betrachte die folgende stetige Idee: Der Kontrahent bewegt sich (nach seiner Gründung) durch die Zeit und hat immer ein momentanes Ausfallrisiko P(τ [t,t + dt[ τ t) h(t)dt, wobei τ den (nicht-negativen) Ausfallzeitpunkt symbolisiert und P(τ [t,t + dt[ τ t) h(t) : lim. dt dt Man nennt h(t) die Hazardrate (oder Hazardfunktion) (engl. hazard rate ). Wir wollen annehmen, dass die Hazardrate stetig ist. Es gilt h(t) f(t) 1 F(t) f(t) S(t), wobei f(t) die Dichte, F(t) die kumulative Verteilungsfunktion und S(t) : P(τ > t) 1 F(t) die Überlebenszeitfunktion von τ darstellen. Als heuristische Motivation bemerke, dass h(t)dt f(t)dt S(t) ist. (siehe z. B. Lee (1992)). Man kann eine nicht-negative Zufallsvariable über die Dichte oder äquivalent über die Hazardrate beschreiben. Bei Kenntnis von f( ) ist h( ) bekannt. Es gibt eine

3 6.1. MODELLIERUNG DES KREDITEREIGNISSES 83 monotone Beziehung zwischen der kumulativen Hazardrate H(t) : t h(s)ds und der kumulativen Verteilungsfunktion, denn: H(t) t h(s)ds t f(s) ds log(s(t)) log(1 F(t)) S(s) F(t) 1 e H(t). (6.1) Hierbei wird die Substitutionsregel b a g(h(x))h (x)dx h(b) g(y)dy genutzt. Setze h(a) g(x) 1/x und h(x) S(x), dann ist h (x) f(x) und für die Integrationsgrenzen gilt h() S() 1 und h(t) S(t). Damit ist t f(s) S(s) ds S(t) 1 1 y dy [log(y)] S(t) 1 log(s(t)) log(1) log(s(t)). Somit kennen wir bei Kenntnis von h( ) auch f( ). Es besteht also ein bijektive Beziehung. Die Parametrisierungen einer Verteilungsfamilie über die Dichte und die Hazardrate sind äquivalent. Von Seiten der Praxis gibt es eine Randbedingung, die wir auch schon bei der diskreten Modellierung der Verlustverteilung in Abschnitt 7.1 im Hinterkopf hatten, die Ausfallwahrscheinlichkeit binnen einen Jahres. Genauer sollten wir sagen, die kumulative Ausfallwahrscheinlichkeit eines Jahres (PD von engl. probability of default ). Diese Größe ist im Bankgewerbe exogen gegeben. Sie ist mit dem Rating (externer) Agenturen, aber auch mit internen Bewertungsverfahren eng verbunden. Wo ist die Schnittstelle zum Modell von Sprung- und Zählprozessen? PD 1 P(Kontrahent fällt binnen einen Jahres aus) P(Ausfallzeitpunkt des Kontrahenten 1Jahr) P(τ 1) F(1) 1 e 1 h(s)ds (6.2) Implizit definiert die ein-jahres PD also das Integral 1 h(s)ds log(1 PD 1). Die Form der Hazardrate ist nicht angegeben. Solange wir keine Information über die

4 84 KAPITEL 6. KREDITRISIKO AM EINZELGESCHÄFT Form der Hazardrate haben, können wir eine konstante Hazardrate h(t) h annehmen. Das entspricht einer Annahme Exponential-verteilter Ausfallzeiten. Die Ausfallwahrscheinlichkeit für ein Jahr lässt sich dann als PD 1 1 e h darstellen. Die Ausfallwahrscheinlichkeit bis zum Zeitpunkt t ist dann durch die ein-jahres Wahrscheinlichkeit gegeben, durch F(t) P(τ t) 1 e t hds 1 e t( log(1 PD 1)) 1 (1 PD 1 ) t. 6.2 Bewertung von Finanzinstrumenten Kredit Bei der Bewertung von Krediten mit Ausfallrisiko sind die vorrangigen (stochastischen) Kosten die des erwarteten Verlusts, auch Standardrisikokosten genannt. Im einfachsten Modell ist der Verlust das Produkt aus (feststehender) Engagementhöhe und Ausfallindikator. Der einzige unbekannte Parameter ist die Ausfallwahrscheinlichkeit, PD genannt (engl. probability of default ). Deren Quantifizierung werden wir im Abschnitt 6.3 behandeln. Wir wollen sie hier zunächst als gegeben annehmen. Wir wollen die Wahrscheinlichkeit nun anwenden, um für Kredite mit mehrfachen Rück- und Zinszahlungen den erwarteten Verlust zu berechnen. Das Problem bearbeiten wir mit Methoden der stochastischen (Sprung)Prozesse. Das Modell für das Kreditgeschäft ist die Serie von Zahlungen a ti an den (zukünftigen) Zeitpunkten t < t 1 <...t n T mit Beginn des Geschäfts in t - O. B. d. A. heute, - und Geschäftsende T. Die Zahlungen werden in der Abbildung 6.1 dargestellt. Die Auszahlung im Zeitpunkt t ist die einzige deterministischen Zahlung, deswegen können wir den Kredit auf die Zahlungen ab t 1 reduzieren. Vereinfachend nehmen wir an, dass der Kredit, nach der Auszahlung in t, nur positive, also Rückzahlungen, aufweist. Wir betrachten also einen typischen Kredit für den der Investor eine Berechnung der Kosten für den erwarteten Ausfall anstellen muss. O. B. d. A. unterdrücken wir den Effekt des Zeitwerts von Geld und denken uns die a ti s als abgeleitete ã ti s über die Diskontierung mit aktueller risikofreier Zinskurve,

5 6.2. BEWERTUNG VON FINANZINSTRUMENTEN 85 a tn a t1 t 1 t n T Abbildung 6.1: Abgezinste zukünftige Zahlungsströme des Kredits r(s) (e.g. EURIBOR). Das heißt wir nehmen an dass a ti ã ti df ti, mit df ti als Abzinsungsfaktor zum Zeitpunkt t i, d. h. df ti e r(t i)t i. Wir betrachten die zwei Fälle der konstanten und der allgemeinen Ausfallintensität. Die konstante Ausfallintensität Üblicherweise dauern Kreditgeschäfte nicht nur ein Jahr. Um den erwarteten Verlust zu berechnen, müssen wir auf Basis der ein-jahres Ausfallwahrscheinlichkeit (die wir hier mit PD 1 bezeichnen wollen) ein Modell für den Ausfall des haftenden Kontrahenten entwickeln. Wenn wir keine Kenntnis über das Ausfallverhalten haben, wollen wir wie im einfachsten Fall der Abschnitts 6.1 annehmen, dass die Ausfallneigung zu jedem Zeitpunkt in der Zukunft - falls er diesen erlebt - gleich ist. Das heißt wir nehmen für die Ausfallzeit τ P(τ [t,t + dt] τ t) hdt an. Die konstante Hazardrate der Höhe h ist wieder äquivalent zur ein-jährigen Ausfallwahrscheinlichkeit PD 1 über den Zusammenhang F(1) 1 e h (6.3)

6 86 KAPITEL 6. KREDITRISIKO AM EINZELGESCHÄFT wobei F(t) : P(τ t). Eine beliebige Ausfallwahrscheinlichkeit ist gegeben durch F(t) 1 e ht. Betrachten wir zunächst einen vereinfachten Kredit bei dem der Anleger dem Kontrahenten eine Einheit einer Währung leiht (oder äquivalent eine Anleihe mit Nominal 1 kauft.) Es wird nur einen Zeitpunkt T in der Zukunft geben, an dem dieser Betrag zurückgezahlt wird. Der Anleger möchte den anfangs ausgehändigten Betrag, die eine Einheit, um die Kosten für den erwarteten Verlust verringern. Die Kosten des gesamten erwarteten Verlusts werden in der Praxis für einen Kredit mit Laufzeit T (in Jahren) häufig mit Hilfe von (6.3) berechnet als T F(1) T(1 e h ). (6.4) Dieser Standardprozedur liegt statistisch das Bernoulli-Modell für den Ausfall zugrunde. Wir wollen nun den Verlust stetig modellieren. Man stelle sich vor, dass der Anleger seinen Kredit über den ganzen Zeitraum beobachtet, und zwar beginnend in t. Das Ende in T lassen wir hier zunächst der Einfachheit halber weg. Die Verlustsituation ist für ihn gegeben durch V t I {τ t}. Um den Kompensator zu bestimmen bemerke wieder, dass Somit ist E(dV t F t ) I {τ t} P(τ [t,t + dt] τ t) I {τ t} hdt. V t Λ t + M t, mit Λ t t I {τ s}hds( I {τ t} ht + I {τ<t} hτ) als kumulativer Intensität. Wegen V und Λ haben wir E(M T ) E(M ), so dass E(V T ) E(Λ T ) + E(M T ) T T EI {τ s} hds f(s)ds F(T) 1 e ht. (6.5)

7 6.2. BEWERTUNG VON FINANZINSTRUMENTEN 87 Bemerkung: Das Nominal 1 haben wir nur der einfachen Darstellung halber gewählt. Für eine Verallgemeinerung auf eine beliebige (bekannte) Zahlung A multipliziert man den Verlust mit demselben. Nun ist es nur bei Anleihen üblich das Nominal bei Laufzeitende zu zahlen. Bei Krediten wird das Nominal üblicherweise am Anfang der Laufzeit ausgegeben und, immer noch vereinfachend, mit Zinsen in T zurückgezahlt. Diese Kreditstruktur nennt man endfällig (engl. bullet ). Bei ausgezahltem Nominal A erfolgt die Abzahlung B (mit Kosten für den erwarteten Verlust) in Höhe von B A 1 (1 e ht ) AehT. (6.6) Formel (6.6) zeigt, dass die Berücksichtigung des erwarteten Verlusts gleichbedeutend ist mit einer stetigen Verzinsung von A mit Zins h (siehe Hull (2)). Letzteres werden wir noch als Fundamentaltheorem bei der Bewertung von Derivativen mit Kreditrisiko kennen lernen. Bei der allgemeinen Zahlungsstruktur mit mehrfacher Zahlung ist der Verlust der stochastische Prozess V t 1 {t τ} a ti 1 {t τ} t i τ 1 {τ ti }a ti. Der Prozess ist in Abbildung 6.2 dargestellt. Um den Kompensator zu berechnen, betrachten wir die erwarteten Inkremente E(dV t F t ) 1 {τ t} a ti E(1 {τ [t,t+dt]} F t ) t i t 1 {τ t} a ti hdt (6.7) t i t Zur Berechnung des erwarteten Verlusts zur Zeit T mit stochastischer Analysis müssen wir den erwarteten Trend zur Zeit T berechnen, da EV T EΛ T.

8 88 KAPITEL 6. KREDITRISIKO AM EINZELGESCHÄFT V t t i τ a t i τ t Abbildung 6.2: Pfad des Verlustprozesses Nun ist EΛ T E T t i s T a ti 1 {τ s} hds a ti E1 {τ s} hds t i s T a ti I {ti s}f(s)ds F(t i )a ti (1 e t i( log(1 PD 1 ) )a ti Zusammen mit (6.3) ergeben sich die erwarteten Verlustkosten. Theorem Der erwartete Verlust eines Kredits mit Laufzeit T an einen haftenden Kontrahenten mit konstanter instantaner Ausfallwahrscheinlichkeit, die durch die ein-jahres Ausfallwahrscheinlichkeit PD 1 festgelegt ist, lässt sich berechnen als E(V T ) (1 (1 PD 1 ) t i )a ti.

9 6.2. BEWERTUNG VON FINANZINSTRUMENTEN 89 Bemerkung: In der Praxis wird für Kredite mit mehrfachen Zahlungen häufig ein ähnlicher Ansatz verwendet wie bei der einfachen Zahlung: Die ein-jahres Wahrscheinlichkeit PD 1 wird für jedes Jahr angewandt und die jährlichen Kosten addiert. D. h. es wird angenommen, dass die Hazardrate konstant ist. In der Tat ist dieses Vorgehen eine Taylorapproximation. Theorem Mit der bekannten Notation und unter Annahme einer konstanten Hazardrate gilt EV T PD 1 t i a ti. (6.8) Die Gleichheit gilt für PD 1. Beweis: Man entwickle die Koeffizienten in Theorem bezüglich der Variable PD 1 in, da Ausfälle im Kreditgeschäft selten sind: 1 (1 PD 1 ) t i ν1 ( 1) ν+1 t i! ν!(t i ν)! PDν 1 Wenn wir eine lineare Approximation benutzen haben wir 1 (1 PD 1 ) t i t i PD 1. Somit haben wir die lineare Taylorapproximation nachgewiesen. Die Bedeutung der Vereinfachung ist bemerkenswert. Betrachte einen 1-jährigen Kredit über 1 Millionen Euro an einen Kontrahenten mit einer ein-jahres PD 1 von 1%. Nehmen wir Annuitätstilgung an. Der erwartete Verlust bezüglich der praktischen Methode (6.8) beträgt 5, 5 Millionen Euro, bzw. 5, 5%. Dagegen beträgt der exakte erwartete Verlust nach Theorem unter Vernachlässigung der Abzinsung 5, 34 Millionen Euro (oder 5, 34%). Diese Differenz von 16 Basispunkten ist deutlich. Allerdings ist die Höhe der Abweichung nicht leicht zu beurteilen, da sie nicht auf jähriger Basis ausgewiesen ist. Eine Division durch 1 ist allerdings nicht möglich, da zukünftige Zahlungen wieder ausfallgefährdet und damit weniger wert sind. Einen fairen Aufschlag berechnen wir anhand der folgenden Verallgemeinerung.

10 9 KAPITEL 6. KREDITRISIKO AM EINZELGESCHÄFT Die allgemeine Ausfallintensität Die konstante Hazardrate ist ökonomisch ansprechend, weil sie den neutralen Anspruch, keine Annahme über die Ausfallneigung eines Kontrahenten zu machen for- malisiert. Die Frage ist allerdings, ob wir nicht aus Erfahrungen in der Vergangenheit Schlüsse über die zukünftigen Ausfallneigungen von Kontrahenten ableiten können. So suggeriert z. B. der Produktlebenszyklus, dass die Ausfallneigung nach Ablauf des Zyklusses höher ist als bei einer Unternehmensgründung. Diese Frage kann als Hypothese zur nicht-stationarität der Ausfallraten aufgefasst werden (siehe Lando and Skødeberg (22)). Wir wollen die Frage statistisch untersuchen. Die benötigten Daten bei unserer stetigen Modellierung müssen wieder stetig sein. Banken besitzen solche Daten aus der Historie ihrer Engagements. So kann man die Überlebenszeit nach Engagementeingang als relevante Variable identifizieren. Als homogene Gruppen stellen sich Ratingkategorien dar, die in Banken zur Pauschalisierung der Risikobehandlung verwendet werden. Wir können nun von der Annahme einer konstanten Hazardrate abweichen und eine allgemeine Hazadrate h(t) annehmen. Die Berechnungen zum erwarteten Verlust für das endfällige Darlehen (6.5) verallgemeinern wir mit E(dV t F t ) I {τ t} P(τ [t,t + dt] τ t) I {τ t} h(t) dt, } {{ } :λ(t) mit neuem Intensitätsprozess λ( ). Der erwartete Verlust ist dann E(L T ) E(Λ T ) 1 e T h(s)ds. Die Verallgemeinerung von (6.7) ist E(dV t F t ) 1 {τ t} a ti h(t)dt, t i t so dass sich wieder E(V T ) n F(t i)a ti ergibt. Nur dass die kumulative Verteilungsfunktion F(t) nun nicht mehr durch eine Exponentialverteilung gegeben ist, sondern über die Hazardfunktion F(t i ) 1 e t i h(s)ds. Zusammen gilt Theorem Der erwartete Verlust aus einem Kredit mit Zahlungzeiten t i und Abzinsingsfaktoren df ti, i 1,...,n, bei einem haftenden Kontrahenten Ausfallrisi-

11 6.2. BEWERTUNG VON FINANZINSTRUMENTEN 91 ko gegeben durch die Hazardrate h(t) ist gegeben durch E(V T ) (1 e t i h(s)ds )ã ti df ti. Wie schon erwähnt, wollen wir es nicht bei der Kostenrechnung bewenden lassen. Wir werden die Auswirkung auf die Preisbildung in Form eines konstanten Zuschlags berechnen. Im Fall einer Zahlung haben wir die Implikation in Formel (6.6) schon beobachtet. In der Praxis kann der erwartete Verlust bei einem Kredit nicht zu Anfang des Geschäfts erhoben werden. Nehmen wir an, dass wir einen konstanten Aufschlag ε auf die a ti berechnen wollen. Der zusätzliche Zahlungstrom, der aus dieser Risikoprämie erwächst beträgt P t ε 1 {τ>ti }. Um den erwarteten Verlust aus Theorem zu kompensieren muss die erwartete Prämie gleich dem erwarteten Verlust sein. Die erwartete Prämie E(P T ) ist zu berechnen als ε n e t i h(s)ds. Die konstante Prämie beträgt deshalb ε n (1 t i e h(s)ds )ã ti df ti n t i. e α(s)ds Bemerkung: Für die konstante Hazadrate vereinfacht sich die Prämie zu ε n (1 (1 PD 1) t i )ã ti df ti n (1 PD. 1) t i Für unser Beispiel des 1-jährigen Kredits mit 1% jährlicher Ausfallwahrscheinlichkeit ist ε, 5639%, was sich von 1% im Fall der Standardmethode klar unterscheidet.

4 INHALTSVERZEICHNIS. sie auf aktuelle Probleme der Portfoliobewertung ein.

4 INHALTSVERZEICHNIS. sie auf aktuelle Probleme der Portfoliobewertung ein. Einleitung Die vorliegende Darstellung richtet sich an Studierende der Finanzwirtschaft, - mathematik und -statistik, sowie an Risikoanalysten der Finanzwelt. Gegenstand sind Produkte des Finanzwesens.

Mehr

Aa(t i ) t i. Ab(t i ) Abbildung 2.3: Zahlungsströme des Zinsswaps

Aa(t i ) t i. Ab(t i ) Abbildung 2.3: Zahlungsströme des Zinsswaps 16 KAPITEL 2. LINEARE FINANZPRODUKTE Aa(t 1 )... t 0 Ab(t t 1 t 2 1 )... t i Aa(t i ) Ab(t i ) t n Aa(t n ) Ab(t n ) Abbildung 2.3: Zahlungsströme des Zinsswaps 2.2 Swaps Zins-Swaps Zins-Swaps sind ein

Mehr

Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken

Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken Seminararbeit von Marleen Laakmann 2. Mai 2010 Einleitung Zur Messung und Steuerung von Kreditrisiken gibt es eine Reihe von Methoden und

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

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

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

Mehr

Derivatebewertung im Binomialmodell

Derivatebewertung im Binomialmodell Derivatebewertung im Binomialmodell Roland Stamm 27. Juni 2013 Roland Stamm 1 / 24 Agenda 1 Einleitung 2 Binomialmodell mit einer Periode 3 Binomialmodell mit mehreren Perioden 4 Kritische Würdigung und

Mehr

Seminar Quantitatives Risikomanagement

Seminar Quantitatives Risikomanagement Seminar Quantitatives Risikomanagement Dynamische Kreditrisikomodelle I Olga Voytolovska Mathematisches Institut der Universität zu Köln Wintersemester 29/21 Betreuung: Prof. Schmidli, J. Eisenberg Contents

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele Kapitel 6 Martingale In der Statistik modellieren Martingale z.b. Glücksspiele oder Handelsstrategien in Finanzmärkten und sind ein grundlegendes Hilfsmittel für die statistische Inferenz stochastischer

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

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 29. Juni 2015 Erinnerung Bewertung eines Bonds mit Kupon k, Nominal N, Laufzeit t n: n Π(t) = N k δ(t i 1, t i ) P (t, t i ) + N P (t,

Mehr

Monte Carlo Methoden in Kreditrisiko-Management

Monte Carlo Methoden in Kreditrisiko-Management Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen

Mehr

Credit Risk+: Eine Einführung

Credit Risk+: Eine Einführung Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

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

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

SS 2014 Torsten Schreiber

SS 2014 Torsten Schreiber SS 2014 Torsten Schreiber 221 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird im Bereich der Rentenrechnung die zugehörige zu Beginn eines Jahres / einer Zeitperiode eingezahlt, so spricht

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

Zinsen, Anleihen, Kredite

Zinsen, Anleihen, Kredite Zinsen, Anleihen, Kredite Von Dr. Klaus Spremann o. Professor für Betriebswirtschaftslehre an der Universität St. Gallen und Direktor am Schweizerischen Institut für Banken und Finanzen und Dr. Pascal

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

Gliederung. 1. Prolog 1. 2. Zinsinstrumente* 19

Gliederung. 1. Prolog 1. 2. Zinsinstrumente* 19 VIII Z I N S E N, A N L E I H E N, KREDITE Gliederung 1. Prolog 1 1.1 Inhalt und Aufbau 1 1.1.1 Erste Orientierung J 1.1.2 Zur dritten Auflage 4 1.1.3 Course-Outline 6 IAA Didaktik 9 1.2 Literatur und

Mehr

Klassische Risikomodelle

Klassische Risikomodelle Klassische Risikomodelle Kathrin Sachernegg 15. Jänner 2008 1 Inhaltsverzeichnis 1 Einführung 3 1.1 Begriffserklärung.................................. 3 2 Individuelles Risikomodell 3 2.1 Geschlossenes

Mehr

Nicht-lineare Finanzprodukte

Nicht-lineare Finanzprodukte Kapitel 3 Nicht-lineare Finanzprodukte Im diesem Abschnitt der sogenannten nicht-linearen Produkte wird zur Vereinfachung von einer konstanten und deterministischen Zinskurve ausgegangen. 1 3.1 Aktienoptionen

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Francesca Biagini Mathematisches Institut, LMU biagini@math.lmu.de Münchner Wissenschaftstage im Jahr der Mathematik 21. Oktober 28

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

Unter einer Rente versteht man eine regelmässige und konstante Zahlung.

Unter einer Rente versteht man eine regelmässige und konstante Zahlung. Anwendungen aus der Finanzmathematik a) Periodische Zahlungen: Renten und Leasing Unter einer Rente versteht man eine regelmässige und konstante Zahlung Beispiele: monatliche Krankenkassenprämie, monatliche

Mehr

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Walter Sanddorf-Köhle Foliensatz Nr. 3 1 / 46 Ein Einperiodenmodell Beispiel 5 Betrachtet wird nun ein Wertpapiermarkt mit

Mehr

Nichtlebenversicherungsmathematik Aus welchen Teilen besteht eine Prämie Zufallsrisiko, Parameterrisiko, Risikokapital Risikomasse (VaR, ES) Definition von Kohärenz Zusammengesetze Poisson: S(i) CP, was

Mehr

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Grundzüge der Ereignisdatenanalyse

Grundzüge der Ereignisdatenanalyse Grundzüge der Ereignisdatenanalyse Regressionsmodelle Sommersemester 2009 Regressionsmodelle Event History Analysis (1/48) Übersicht Wiederholung Exponential- und Weibull-Modell Weitere Modelle Regressionsmodelle

Mehr

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen -

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen - Die Duration von Standard-Anleihen - Berechnungsverfahren und Einflussgrößen - Gliederung Einleitendes Herleitung einer Berechnungsvorschrift Berechnungsvorschriften für Standardfälle Einflussgrößen und

Mehr

Einführung in die Optionspreisbewertung

Einführung in die Optionspreisbewertung Einführung in die Optionspreisbewertung Bonn, Juni 2011 MAF BN SS 2011 Huong Nguyen Gliederung Einführung Definition der Parameter Zwei Komponente zur Ermittlung der Optionsprämie Callwert-Kurve Wirkungen

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

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Finanzmathematik 1 11 Folgen und Reihen 1 111 Folgen allgemein 1 112

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Zwei einfache Kennzahlen für große Engagements

Zwei 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

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Kapitalversicherungen

Kapitalversicherungen Kapitalversicherungen Sanela Omerovic Proseminar Versicherungsmathematik TU Graz 11. Dezember 2007 Inhaltsverzeichnis 1 Einführung 1 2 Einfache Versicherungsformen 3 2.1 Todesfallversicherungen (Life Insurance)....................

Mehr

Übungsblatt 13 - Probeklausur

Übungsblatt 13 - Probeklausur Aufgaben 1. Der Kapitalnehmer im Kapitalmarktmodell a. erhält in der Zukunft einen Zahlungsstrom. b. erhält heute eine Einzahlung. c. zahlt heute den Preis für einen zukünftigen Zahlungsstrom. d. bekommt

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Grundlagentest Ungleichungen! Testfrage: Ungleichungen 1 Die Lösungsmenge

Mehr

III Stochastische Analysis und Finanzmathematik

III Stochastische Analysis und Finanzmathematik III Stochastische Analysis und Finanzmathematik Ziel dieses Kapitels ist es, eine Einführung in die stochastischen Grundlagen von Finanzmärkten zu geben. Es werden zunächst Modelle in diskreter Zeit behandelt,

Mehr

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse VL Forschungsmethoden Ereignisdatenanalyse 1 2 3 4 5 Übersicht VL Forschungsmethoden Event Data (1/45) Harold Macmillan, PM 1957-1963 The greatest challenge in politics: events, my dear boy, events Was

Mehr

für die Stadt Wunsiedel

für die Stadt Wunsiedel für die Stadt Wunsiedel 17.07.2013 Inhalt I. Kennzahlenspiegel II. Verschuldungsstruktur im Zeitablauf III. Szenarioanalysen zukünftiger Zinszahlungen IV. Optimierungsvorschlag V. Annahmen VI. Übersicht

Mehr

Die Black-Scholes-Gleichung

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

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

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

Mehr

Zinseszins- und Rentenrechnung

Zinseszins- und Rentenrechnung Zinseszins- und Rentenrechnung 1 Berechnen Sie den Zeitpunkt, an dem sich das Einlagekapital K bei a) jährlicher b) monatlicher c) stetiger Verzinsung verdoppelt hat, wobei i der jährliche nominelle Zinssatz

Mehr

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

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

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Derivate und Bewertung

Derivate und Bewertung . Dr. Daniel Sommer Marie-Curie-Str. 0 6049 Frankfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 006/07 Klausur Derivate und Bewertung Wintersemester 006/07 Aufgabe 1: Statische Optionsstrategien

Mehr

Zinsen, Zinseszins, Rentenrechnung und Tilgung

Zinsen, Zinseszins, Rentenrechnung und Tilgung Zinsen, Zinseszins, Rentenrechnung und Tilgung 1. Zinsen, Zinseszins 2. Rentenrechnung 3. Tilgung Nevzat Ates, Birgit Jacobs Zinsrechnen mit dem Dreisatz 1 Zinsen Zinsrechnen mit den Formeln Zinseszins

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

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:

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

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

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

Mehr

Werbemitteilung. Bonitätsanleihen der Landesbank Berlin. Renditechancen unter der Lupe

Werbemitteilung. Bonitätsanleihen der Landesbank Berlin. Renditechancen unter der Lupe Werbemitteilung Bonitätsanleihen der Landesbank Berlin Renditechancen unter der Lupe Immer einen Blick wert: Bonitätsanleihen der LBB. Wer eine Anlagemöglichkeit mit attraktiven Zinsen sucht, hat nur wenig

Mehr

2. Mai 2011. Geldtheorie und -politik. Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6)

2. Mai 2011. Geldtheorie und -politik. Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6) Geldtheorie und -politik Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6) 2. Mai 2011 Überblick Bestimmung des Zinssatzes im Markt für Anleihen Erklärung der Dynamik von Zinssätzen Überblick

Mehr

Der Zahlungsstrom (Cash Flow)

Der Zahlungsstrom (Cash Flow) Der Zahlungsstrom (Cash Flow) 1. Begriff des Zahlungsstroms Abfolge von Zahlungen in der Zeit. Jedem Zeitpunkt t werden Zahlungen zugeordnet. - Positive Zahlungen bedeuten Einzahlungen - Negative Zahlungen

Mehr

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners 1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Generalthema: Zinsrisikomanagement und der Jahresabschluß von Kreditinstituten Thema 5: Ansätze zur Bewertung von Zinsoptionen

Generalthema: Zinsrisikomanagement und der Jahresabschluß von Kreditinstituten Thema 5: Ansätze zur Bewertung von Zinsoptionen Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur BBL und ABWL Wintersemester 2003/2004 Zuständiger Mitarbeiter: Dipl.-Kfm. Christian Wolff Generalthema:

Mehr

Zur Diskontierung der Versicherungsverpflichtungen im SST

Zur Diskontierung der Versicherungsverpflichtungen im SST Association Suisse de s Actuaire s Schweizerische Aktuarvereinigung Swiss Association of Actuaries Zürich, den 21. April 2011 Autoren: Philipp Keller, Alois Gisler, Mario V. Wüthrich Zur Diskontierung

Mehr

Berechnung des Grundwertes 27. Zinsrechnung

Berechnung des Grundwertes 27. Zinsrechnung Berechnung des Grundwertes 27 Das Rechnen mit Zinsen hat im Wirtschaftsleben große Bedeutung. Banken vergüten Ihnen Zinsen, wenn Sie Geld anlegen oder berechnen Zinsen, wenn Sie einen Kredit beanspruchen.

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

Optionen. Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg

Optionen. Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg Optionen Vertiefungsstudium Finanzwirtschaft SS 2001 Prof. Dr. Mark Wahrenburg 1 Übersicht Der Optionsvertrag Pay Offs / Financial Engineering Wertgrenzen Put-Call-Paritätsbedingung Bewertung von Optionen

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Notationen. Burkhard Weiss Futures & Optionen Folie 2

Notationen. Burkhard Weiss Futures & Optionen Folie 2 Optionspreismodelle Notationen S t : X: T: t: S T : r: C: P: c: p: s: aktueller Aktienkurs Ausübungspreis (Rest-)laufzeit der Option Bewertungszeitpunkt Aktienkurs bei Verfall risikofreier Zinssatz Preis

Mehr

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

Mehr

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

Kreditmanagement. EK Finanzwirtschaft

Kreditmanagement. EK Finanzwirtschaft EK Finanzwirtschaft a.o.univ.-prof. Mag. Dr. Christian KEBER Fakultät für Wirtschaftswissenschaften www.univie.ac.at/wirtschaftswissenschaften christian.keber@univie.ac.at Kreditmanagement 1 Kreditmanagement

Mehr

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Ausarbeitung zum Vortrag im Seminar Stochastische Dynamische Optimierung vom 18.01.2008 Datum : 18.01.2008 Verfasser: Martin Schymalla

Mehr

Adressenausfallrisiken. Von Marina Schalles und Julia Bradtke

Adressenausfallrisiken. Von Marina Schalles und Julia Bradtke Adressenausfallrisiken Von Marina Schalles und Julia Bradtke Adressenausfallrisiko Gliederung Adressenausfallrisiko Basel II EU 10 KWG/ Solvabilitätsverordnung Adressenausfallrisiko Gliederung Rating Kreditrisikomodelle

Mehr

Das Black-Scholes Marktmodell

Das Black-Scholes Marktmodell Das Black-Scholes Marktmodell Andreas Eichler Institut für Finanzmathematik Johannes Kepler Universität Linz 8. April 2011 1 / 14 Gliederung 1 Einleitung Fortgeschrittene Finanzmathematik einfach erklärt

Mehr

Zinssätze. Elisabeth Köhl. 14. Jänner 2009. Technische Universität Graz

Zinssätze. Elisabeth Köhl. 14. Jänner 2009. Technische Universität Graz Technische Universität Graz 14. Jänner 2009 Inhalt der Präsentation: 1 Allgemeines 1 Zinsen und Zinsesrechnung 2 Zinssatz 1 Effektiver Zinssatz 2 Nomineller Zinssatz 2 Verschiedene 1 Schatzzins 2 LIBOR/EURIBOR

Mehr

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

Mehr

Kapitalwert und Endwert

Kapitalwert und Endwert 4-0 Kapitel Kapitalwert und Endwert 4-1 Kapitelübersicht 4.1 Der Ein-Perioden-Fall 4.2 Der Mehr-Perioden-Fall 4.3 Diskontierung 4.4 Vereinfachungen 4.5 Der Unternehmenswert 4.6 Zusammenfassung und Schlussfolgerungen

Mehr

Allgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch

Allgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 9.1 Allgemeine Regressionsanalyse Daten (X j, Y j ), j = 1,..., N unabhängig Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl.

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden

Mehr

Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern

Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern Algorithmen und Software für moderne Finanzmathematik Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern Gliederung: Was ist Finanzmathematik? Wie wird man reich? Portfolio-Optimierung

Mehr

Target Volatility & Risk Control Indizes. Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz)

Target Volatility & Risk Control Indizes. Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz) Target Volatility & Risk Control Indizes Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz) Agenda Einleitung/Motivation Der Risk Control Mechanismus Exkurs: Varianz- und Volatilitätsschätzer

Mehr

Zinssätze. Georg Wehowar. 4. Dezember 2007

Zinssätze. Georg Wehowar. 4. Dezember 2007 4. Dezember 2007 Grundlagen der Zinsrechnung Verschiedene Anleihen Forward Rate Agreement Forward Zinsen Allgemeines Allgemeine Grundlagen K 0... Anfangskapital K t... Kapital nach einer Zeitspanne t Z

Mehr

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik Irrfahrten Und ihre Bedeutung in der Finanzmathematik Alexander Hahn, 04.11.2008 Überblick Ziele der Finanzmathematik Grundsätzliches zu Finanzmarkt, Aktien, Optionen Problemstellung in der Praxis Der

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

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

Mehr

Test 1 (zu den Kapiteln 1 bis 6)

Test 1 (zu den Kapiteln 1 bis 6) Test 1 1 Test 1 (zu den Kapiteln 1 bis 6) Bearbeitungszeit: 90 Minuten Aufgabe T1.1: Bekanntmachung EUR 1.000.000.000,- Anleihe mit variablem Zinssatz der Fix AG von 2003/2013, Serie 111 Zinsperiode: 12.10.2006

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Finanzmathematisches Basiswissen

Finanzmathematisches Basiswissen Prof. Dr. Arnd Wiedemann Finanzmathematisches Basiswissen Prof. Dr. Arnd Wiedemann Finanzmathe/WS 2012 1 Literatur zur Vertiefung der Finanzmathematik Financial Engineering Bewertung von Finanzinstrumenten

Mehr

Übungsaufgaben zur Einführung in die Finanzmathematik. Dr. Sikandar Siddiqui

Übungsaufgaben zur Einführung in die Finanzmathematik. Dr. Sikandar Siddiqui Übungsaufgaben zur Einführung in die Finanzmathematik Übungsaufgaben Aufgabe 1: A hat B am 1.1.1995 einen Betrag von EUR 65,- geliehen. B verpflichtet sich, den geliehenen Betrag mit 7% einfach zu verzinsen

Mehr

Es handelt sich i.d.r. um eigenständig handelbare Verträge, die dem Käufer das Recht zur Forderung von Ausgleichzahlungen einräumen, wenn

Es handelt sich i.d.r. um eigenständig handelbare Verträge, die dem Käufer das Recht zur Forderung von Ausgleichzahlungen einräumen, wenn Bei Zinsbegrenzungsverträgen werdenzinsoptionen angewandt. Es handelt sich i.d.r. um eigenständig handelbare Verträge, die dem Käufer das Recht zur Forderung von Ausgleichzahlungen einräumen, wenn ein

Mehr

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r ) Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen

Mehr

Quantitative Finance

Quantitative Finance Kapitel 11 Quantitative Finance Josef Leydold c 2006 Mathematische Methoden XI Quantitative Finance 1 / 30 Lernziele für den Teil Quantitative Finance Die Welt der stetigen Zinsen (Renditen) Wichtige Finanzprodukte:

Mehr

1 Commercial Banking SS2002

1 Commercial Banking SS2002 1 Commercial Banking SS2002 1.1 Übung 4 - ausgewählte Lösungen 1. CDO Evaluator (Präsentation) siehe Lösungs-Excel-Sheet. Die Fragen sind zur Anregung bei der selbständigen Arbeit gedacht. 2. Collateralized

Mehr

Bewertung von Forwards, Futures und Optionen

Bewertung von Forwards, Futures und Optionen Bewertung von Forwards, Futures und Optionen Olaf Leidinger 24. Juni 2009 Olaf Leidinger Futures und Optionen 2 24. Juni 2009 1 / 19 Überblick 1 Kurze Wiederholung Anleihen, Terminkontrakte 2 Ein einfaches

Mehr

Wie teuer ist der Verzicht auf eine Zinsdifferenz von 0,5% über die gesamte Laufzeit?

Wie teuer ist der Verzicht auf eine Zinsdifferenz von 0,5% über die gesamte Laufzeit? Martin Cremer Finanzmathematiker Wie teuer ist der Verzicht auf eine Zinsdifferenz von 0,5% über die gesamte Laufzeit? Kornwestheim 2008 Prisma 2008 Martin Cremer Finanzmathematiker Präambel Ausgangspunkt

Mehr

Optionspreisbestimmung nach Cox-Ross-Rubinstein

Optionspreisbestimmung nach Cox-Ross-Rubinstein Optionspreisbestimmung nach Cox-Ross-Rubinstein Michael Beer 8. Mai 000 Inhaltsverzeichnis Einführung und Problembeschreibung. Was sind Optionen?.............................. Modellspezifikation..............................3

Mehr

Differentialgleichungen

Differentialgleichungen Differentialgleichungen Teilnehmer: Phili Bannach Heinrich-Hertz-Oberchule) Levin Keller Herder-Oberchule) Phili Kende Herder-Oberchule) Carten Kubbernuh Andrea-Oberchule) Giang Nguyen Herder-Oberchule)

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE im SS 215 Aufgabe 1 (Innerer Wert, Zeitwert, Basiskurs, Aufgeld) Am 13.4.2 kostete eine Kaufoption

Mehr

NRW EONIA-Anleihe. Schatzanweisung des Landes Nordrhein-Westfalen

NRW EONIA-Anleihe. Schatzanweisung des Landes Nordrhein-Westfalen NRW EONIA-Anleihe Schatzanweisung des Landes Nordrhein-Westfalen EONIA Beschreibung EONIA = Euro OverNight Index Average Stellt den offiziellen Durchschnittstageszinssatz dar, der von Finanzinstituten

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

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

Mehr

Sicherheit und Mehr. Strukturierte Anleihen

Sicherheit und Mehr. Strukturierte Anleihen Sicherheit und Mehr Strukturierte Anleihen Frankfurt am Main, 11. Mai 2005 Suche nach Sicherheit Kapitalgarantie und Performance-Kick gesucht Umfeld ist bestimmt durch niedriges Zinsniveau und Reservation

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr