Risikozerlegung und Risikoattribution
|
|
- Edmund Förstner
- vor 8 Jahren
- Abrufe
Transkript
1 Risikozerlegung und Risikoattribution Stephen Wehner Senior Consultant
2 Agenda 1. Risikomaße und deren Eigenschaften. Risikomodell von Markowitz 3. Risikoattribution 4. Zuordnungsproblem von Covarianzrisiko 5. Mehrfaktoren Risikomodelle 6.Risikozerlegung im fundamentalen Mehrfaktorenmodell 7. Trennung von Risikoattribution und Risikozerlegung im Mehrfaktorenmodell 8. Risikoattribution nach Asset Allocation und Asset Selection
3 Risikomaße und deren Eigenschaften (I) Standardabweichung der Rendite ( ) ( ) σ ( R) = E R E R i i i etabliertes Risikomaß einfach zu interpretieren in Renditeeinheiten einfach zu schätzen Erwartungstreuer Schätzer: n 1 Std Ri Ri R 1 ( ) = ( ) n i= 1
4 Risikomaße und deren Eigenschaften (II) Varianz der Rendite ( ) ( ( )) ( ( )) σ Ri = σ Ri = E Ri E R i Quadrat der Standardabweichung Erwartungstreuer Schätzer n 1 Var Ri Ri R 1 ( ) = ( ) n i= 1
5 Risikomaße und deren Eigenschaften (III) σ d.h. falls x R + x R + Const ( ) 1 1 ( ) σ ( ) ( ) = x σ R + x R + x x Cov R R , 1σ 1 σ 1 ρx, xσ 1 σ = x R + x R + x x R R ( ) ( ) ( ) ( ) R1, R unkorreliert, gilt: σ R + R = σ R + σ R ( ) ( ) ( ) Korrelation Varianz ist im Gegensatz zur Standardabweichung additiv
6 Risikomaße und deren Eigenschaften (IV) Beispiel: Aktive Rendite Tracking Error RA = RPort RBench σ R = σ R R ( ) ( ) A Port Bench = σ R + σ R Cov R, R ( ) ( ) ( ) Port Bench Port Bench Risikozerlegung
7 Risikomaße und deren Eigenschaften (V) Fazit Risikozerlegungen lassen sich immer nur über den Varianzoperator bestimmen und nicht direkt über die Standardabweichung Sofern die Zerlegungsvariablen nicht unkorreliert sind, entstehen immer gemischte Covarianz Terme, die sich nicht mehr eindeutig den Zerlegungsvariablen zuordnen lassen
8 Risikomaße und deren Eigenschaften (VI) Beispiel: ( R1) ( R ) R1, R σ = 3%, σ = 4%, ρ = 0 ( R) = ( R + R ) = ( R ) + ( R ) σ σ σ σ 1 1 ( 0,03) ( 0,04) = + = 0, , 0016 = 0, 005 σ ( R) = 0,005 = 5% d.h. für prozentuale Attribution gilt: 1 trägt mit 9/5, R mit 16/5 zum Gesamtrisiko von R bei R
9 Risikomodell von Markowitz (I) σ R Port i i i = 1 n Gewicht von Asset i = w R Rendite von Asset i n n n ( RPort ) = wi σ ( Ri ) + ww i jcov( Ri, Rj ) i= 1 i= 1 j= 1 i j ( R ) Cov( R, R ) σ 1 1 n T w1 w1 = w n w n Cov( Rn, R1 ) σ ( Rn)
10 Risikomodell von Markowitz (II) Nachteile: quadratischer Schätzaufwand: n + n Varianzen und Covarianzen müssen geschätzt werden zur Schätzung müssen mindestens ebensolange Zeitreihen zur Verfügung stehen Neuemmissionen (keine Historie) können nicht in die Risikoberechnung integriert werden das Risikomodell bietet keine natürliche Risikozerlegung, d.h. Risikoquellen werden nicht transparent
11 Risikoattribution (I) Markowitz Modell: Assets werden zunächst in verschiedene Klassen (z.b. Assetklassen, Sektoren, Style-Segmente, Durationklassen, etc.) eingeteilt m R = w R Port k k k = 1 Gewicht von Klasse k Rendite von Klasse k
12 Risikoattribution (II) σ m m n = + ( R ) ( ) ( ) Port wkσ Rk wk w ' Cov Rk, R ' k= 1 k= 1 k = 1 ' k k ' k k Problem: Sofern Renditen der ex ante festgelegten Klassen nicht unkorreliert sind treten hohe positive oder negative Covarianzen auf, d.h. nur ein Teil des Risikos läßt sich so eindeutig zuordnen
13 Risikoattribution (III) Nachteil: kein slice and dice möglich, d.h. Zerlegung nur nach vordefinierter Atrribution möglich Portfolio US-Equity Swiss Equity Finanz Finanz Keine Risikozerlegung nach Sektoren möglich! Attribution muß erst neu definiert werden.
14 Zuordnungsproblem von Covarianzrisiko Zwei Ansätze werden in der Literatur vorgeschlagen: 1.Gleichverteilung des Covarianzrisikos σ R + R = σ R + Cov R, R + σ R + Cov R, R ( ) ( ) ( ) ( ) ( ) mit Risikobeitrag von R Risikobeitrag von 1 R. Verteilung nach prozentualen Varianzbeiträgen ( ) ( ) ( ) σ ( R1 ) Risikobeitrag von σ ( R+ R ) (, ) ( ) ( 1 )( (, )) σ R + R = σ R + α Cov R R + σ R + α Cov R R α = 1 R Risikobeitrag von 1 R
15 Mehrfaktoren Risikomodelle (I) R r = β F + ε i l l i l = 1 F ε mit l, i unkorreliert Faktorrendite Faktorsensitivität ( F) Cov( F, F ) σ 1 1 r T β1 β1 σ ( Ri ) = + σ εi β r β r Cov ( Fr, F1 ) σ ( Fr) ( ) Faktorkovarianzmatrix (FCM)
16 Mehrfaktoren Risikomodelle (II) Portfoliorendite R = x R n Port i i i= 1 Port T Port β 1 β 1 n RPort FCM xi i Port Port i= 1 β r β r σ = + σ ε ( ) ( ) mit β n Port i l = xi l i= 1 β
17 Mehrfaktoren Risikomodelle (III) Vorteile: Schätzaufwand linear: es müssen nur noch n β- Werte und die Faktorkovarianzmatrix geschätzt werden Natürliche Risikozerlegung entlang der Risikofaktoren Niedrige Covarianzterme, falls Faktoren unkorreliert; Anforderung an Faktorauswahl
18 Mehrfaktorenmodelle (I) Statistische Faktormodelle (Faktorbestimmung mittels Hauptkomponentenanalyse) Makroökonomische Faktormodelle Fundamentale Faktormodelle strukturelle Faktormodelle
19 Mehrfaktorenmodelle (II) Faktoreigenschaften orthogonal Interpretation hoher Erklärungsgehalt stabil im Zeitablauf Modelltypen Statistisch Makro. Fundamental nahezu bei entspr. Research
20 Risikozerlegung im fundamentalen Mehrfaktorenmodell Risk Decomposition (Barra Aegis)
21 Risikozerlegung im fundamentalen Mehrfaktorenmodell Risk Decomposition (BarraOne)
22 Risikozerlegung im fundamentalen Mehrfaktorenmodell Nachteil: Risikozerlegung entlang der Risikofaktoren, nicht aber nach Attributionsschema des Investmentprozesses!! Beispiel: Barra Sektoren Global Equity Modell MSCI Sektoren Klassifikation
23 Risikoattribution mit Mehrfaktorenmodellen Groups by Scheme (BarraOne)
24 Risikoattribution nach Asset Allocation und Asset Selection σ ( R ) = σ R R active port bench ( ) EQ EQ FI FI ( portrport portrport Rbench ) EQ EQ FI FI EQ EQ FI FI ( portrport portrport benchrbench benchrbench ) = σ ω + ω = + + σ ω ω ω ω = + ( ) + EQ ωactive ( ω ω ) R ω R ω R FI ωactive EQ EQ EQ EQ FI FI FI FI EQ EQ FI FI σ ωbench ωport ωbench Rport ωbench + port bench port bench bench + bench bench = ( R R ) + R + ( R R ) + EQ FI Ractive Ractive EQ EQ EQ EQ EQ FI FI FI FI σ ωbench port bench ωactive port ωbench port bench ωac tive EQ EQ FI FI EQ EQ FI FI ( benchractive benchractive activerport activerport ) σ ω ω ω ω = EQ EQ FI FI EQ EQ FI FI = σ ωbenchractive + ωbenchr active + σ ωactiverport + ωactiver port + COV Rselection, R Rselection Rallocation ( allocation ) R FI port
25 Risikoattribution nach Asset Allocation und Asset Selection R R R ω ω ω x port x bench x active x port x bench x active Return of asset class x within portfolio Return of asset class x within benchmark Active Return of asset class x Weight of asset class x within portfolio Weight of asset class x within benchmark Active weight of asset class x
26 Risikoattribution nach Asset Allocation und Asset Selection ω EQ active = ω = FI active 0 EQ EQ FI FI ( ) σ ( R ) = σ ω R + ω R active bench active bench active EQ EQ FI FI = σ ωportractive + ωportr active Rselection
27 Risikoattribution nach Asset Allocation und Asset Selection R EQ active = R = FI active 0 EQ EQ FI FI ( ) σ ( R ) = σ ω R + ω R active active port active port EQ EQ FI FI = σ ωactiverbench + ωactiver bench Rallocation
28 Vielen Dank für Ihre Aufmerksamkeit
Portfoliomanagement: Konzepte und Strategien
Thorsten Poddig / Ulf Brinkmann / Katharina Seiler Portfoliomanagement: Konzepte und Strategien Theorie und praxisorientierte Anwendungen mit Excel TM 2. überarbeitete Auflage UHLENBRUCH Verlag, Bad Soden/Ts.
MehrVorlesung 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
Mehr6. PORTFOLIOTHEORETISCHE GRUNDLAGEN
Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS 9 ANHANGSVERZEICHNIS 13 ABBILDUNGSVERZEICHNIS 14 TABELLENVERZEICHNIS 17 TEILI: EINLEITUNG 19 1. AUSGANGSLAGE 19 2. ASSET ALLOCATION 21 2.1. Assetklassendiversifikation
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
Mehr1 Grundlagen des Portfolio Managements Mathematische Grundlagen im Portfolio Management Grundlagen der modernen Portfoliotheorie 203
Inhaltsübersicht 1 Grundlagen des Portfolio Managements 17 2 Mathematische Grundlagen im Portfolio Management 123 3 Grundlagen der modernen Portfoliotheorie 203 4 Die Anwendung des aktiven Portfolio Managements
MehrDas LGT Fixed Income Risikomodell: Unser Ansatz zur Risikoattribution im Bondbereich. Dr. Frank Härtel, LGT Capital Management AG
Das LGT Fixed Income Risikomodell: Unser Ansatz zur Risikoattribution im Bondbereich Dr. Frank Härtel, LGT Capital Management AG Agenda Warum ein spezielles Bond-Risikomodell? Risikomodell für Aktien Traditionelles
MehrMPT in der Praxis Am Beispiel der Software Asset Allocation Expert
MPT in der Praxis Am Beispiel der Software Asset Allocation Expert P. Gügi, Seite 1 Lernziele Wie Tool in Praxis eingesetzt? Was heisst Risiko ist 10%? Wie wird Risiko prognostiziert? Einsatz VaR, Beta,
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrKorrelationen in Extremsituationen
Svend Reuse Korrelationen in Extremsituationen Eine empirische Analyse des deutschen Finanzmarktes mit Fokus auf irrationales Marktverhalten Mit einem Geleitwort von doc. Ing. Martin Svoboda, Ph. D. und
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
MehrQuantitatives Risikomanagement
Quantitatives Risikomanagement Korrelation und Abhängigkeit im Risikomanagement: Eigenschaften und Irrtümer von Jan Hahne und Wolfgang Tischer -Korrelation und Abhängigkeit im Risikomanagement: Eigenschaften
MehrTheorie und Praxis der Geldanlage
Max Lüscher-Marty Theorie und Praxis der Geldanlage Band 2: Portfoliomanagement, technische Analyse und Behavioral Finance Verlag Neue Zürcher Zeitung Inhaltsverzeichnis 1 Basiskennzahlen des Portfoliomanagements
MehrFondsvermögensverwaltung PatriarchSelect Ertrag (August 2007)
Multi-Manager GmbH Gewähr für die Richtigkeit der Analysen und getroffenen Aussagen. Angaben zur bisherigen Wertenwicklung erlauben Prognose für die Zukunft. Die übernimmt Gewähr Fondsvermögensverwaltung
Mehr"From Capital to Cash" Alles nur Theorie? Die Sicht einer Versicherung. 4. Mai 2017 Michael Christen Zurich Insurance Company Ltd CUREMhorizonte
"From Capital to Cash" Alles nur Theorie? Die Sicht einer Versicherung 4. Mai 2017 Michael Christen Zurich Insurance Company Ltd CUREMhorizonte "From Capital to Cash" Alles nur Theorie? Die Sicht einer
MehrTheorie und Praxis der Geldanlage
Max Lüscher-Marty Theorie und Praxis der Geldanlage Band 2: Portfoliomanagement, Technische Analyse und Behavioral Finance 2., überarbeitete Auflage NZZ Libro 7 Inhaltsverzeichnis 1 Kennzahlen des Portfoliomanagements
MehrMorningstar Direct Workshop
Morningstar Direct Workshop Thomas Maier, Client Solutions Consultant Morningstar Investment Konferenz 2010 2010 Morningstar, Inc. All rights reserved. Was ist Morningstar Direct Institutionelle Research
MehrAsset Allocation 2015: Neue Herausforderungen im Risikomanagement? investmentforum Univ.-Prof. DDr. Thomas Dangl 23.04.2015
Asset Allocation 2015: Neue Herausforderungen im Risikomanagement? investmentforum Univ.-Prof. DDr. Thomas Dangl 23.04.2015 Nicht zur Weitergabe an Dritte bestimmt! Agenda 1. Überblick: Asset Allocation
MehrRenditequellen der Anlagemärkte
Renditequellen der Anlagemärkte Analyse von Risikoprämien empirische Erkenntnisse PPCmetrics AG Dr. Diego Liechti, Senior Consultant Zürich, 13. Dezember 2013 Inhalt Einführung Aktienrisikoprämie Weitere
MehrFinanzmarkttheorie HS 14
Finanzmarkttheorie HS 1 RISK AND RETURN Stetiger Zinssatz: Folie Durchschnittliche Returns: Folie Varianz (Stichprobe) Normalverteilung: Folie 1 ff Korrelation: Kovarianz: Time Aggregation: Tests Normalverteilung:
MehrIhr Lotse zum perfekten Portfolio
Ihr Lotse zum perfekten Portfolio Während die Mehrzahl der privaten, aber auch der professionellen Investoren einem perfekten Timing und der richtigen Einzelauswahl die größte Bedeutung beimessen, liefert
MehrJürgen Fuchs Private Equity Fluch oder Segen?
Jürgen Fuchs Private Equity Fluch oder Segen? IGEL Verlag Jürgen Fuchs Private Equity Fluch oder Segen? 1.Auflage 2008 ISBN: 978 3 86815 959 2 IGEL Verlag GmbH, 2008. Alle Rechte vorbehalten. Dieses ebook
MehrStatistik II für Betriebswirte Vorlesung 12
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die
MehrSeminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
MehrErläuterung 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
MehrBeispiel 6 (Multivariate Normalverteilung)
Beispiel 6 (Multivariate Normalverteilung) Sei X N(µ,Σ). Es existiert eine Matrix A IR d k, sodass X d = µ+az wobei Z N k (0,I) und AA T = Σ. Weiters gilt Z = RS wobei S ein gleichmäßig verteilter Zufallsvektor
MehrMultivariate Verteilungen und Copulas
Multivariate Verteilungen und Copulas Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j
MehrQuantitative Ideen der technischen Intermarketanalyse
Quantitative Ideen der technischen Intermarketanalyse Vortrag Preisverleihung der VTAD März 2007, Bad Soden Technische Intermarket Analyse John Murphy (1991) ist der Ausgangspunkt Einteilung der Finanzmärkte
MehrPassive und aktive Entscheidungen im institutionellen Portfoliomanagement
Wirtschaft Eric Quast Passive und aktive Entscheidungen im institutionellen Portfoliomanagement Diplomarbeit Freie wissenschaftliche Arbeit zur Erlangung des Grades eines Diplom-Kaufmanns Passive und
MehrPortfolio-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
MehrResearch Quarterly Oktober Hedgefonds-Indizes Infrastruktur-Indizes Private Equity Indizes Rohstoff-Indizes
Research Quarterly Oktober 2014 Hedgefonds-Indizes Infrastruktur-Indizes Private Equity Indizes Rohstoff-Indizes Hedgefonds-Indizes Rendite YTD 3. Quartal 2014 2. Quartal 2014 Rendite p.m. Rendite p.a.
MehrFaktorbewertungsniveaus und Drawdown Risiko
Faktorbewertungsniveaus und Drawdown Risiko Michael Halling (Stockholm School of Economics & Swedish House of Finance) 3 2018-04-20 Agenda Setting the stage : Bewertungsniveaus, Faktoren, Drawdown Risiko.
Mehry = b 0 + b 1 x 1 x 1 ε 1. ε n b + b 1 1 x n 2) Hat die Größe x einen Einfluss auf y, d.h. gilt die Hypothese: H : b 1 = 0
8 Lineare Modelle In diesem Abschnitt betrachten wir eine spezielle Klasse von statistischen Modellen, in denen die Parameter linear auftauchen Wir beginnen mit zwei Beispielen Beispiel 8 (lineare Regression)
MehrResearch Quarterly Juli Hedgefonds-Indizes Infrastruktur-Indizes Private Equity Indizes Rohstoff-Indizes
Research Quarterly Juli 2014 Hedgefonds-Indizes Infrastruktur-Indizes Private Equity Indizes Rohstoff-Indizes Hedgefonds-Indizes Rendite YTD 2. Quartal 2014 1. Quartal 2014 Rendite p.m. Rendite p.a. Rendite
MehrResearch Paper Nr. 3 / 2014. Strategie, Taktik oder Stockpicking?
Research Paper Nr. 3 / 2014 Strategie, Taktik oder Stockpicking? Management Summary In diesem Research Paper zeigen wir eine Analyse auf Basis von 41 kleinen, mittleren sowie grossen Schweizer Pensionskassen.
Mehrpowered by raute-wirtschaft.de
Modernes Portfoliomanagement Stephan WS 07/08 1 SAA: VaR-Ansatz VaR= für 1-Jahresrenditen VaR= für kumulierte n-jahresrenditen Frage: Ab wann kann konfident (Konfidenzparameter λ) mit einer kumulierten
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 5. Juli 2011 Zunächst: PCA (Hauptkomponentenanalyse) ist eine mathematische Prozedur, die eine Anzahl von (möglicherweise korrelierten) Variablen
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrNiedrigzinsphase und Asset Allokation
Niedrigzinsphase und Asset Allokation Dr. Wolfram Gerdes Vorstand Kapitalanlagen und Finanzen Kirchliche Versorgungskassen Dortmund Zinsloses Risiko statt risikoloser Zins? 12 10 8 Zinssatz 10-jährige
MehrEine 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,
MehrVorlesung 8a. Kovarianz und Korrelation
Vorlesung 8a Kovarianz und Korrelation 1 Wir erinnern an die Definition der Kovarianz Für reellwertige Zufallsvariable X, Y mit E[X 2 ] < und E[Y 2 ] < ist Cov[X, Y ] := E [ (X EX)(Y EY ) ] Insbesondere
MehrUntersuchungen zum Thema Tracking Error
Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors
MehrDer Verlust in Zahlen
Risikokennzahlen für Fonds II Der Verlust in Zahlen Berechnung, Aussagegehalt und Praxistauglichkeit von Downside-Risikomaßen Dirk Arning, 28. August 2017 Agenda 1. Zusammenfassung von Teil 1 Risikokennzahlen
MehrRisikomanagement mit ETFs
Risikomanagement mit ETFs Agenda I. Markttrend Risikofokus II. Risikosteuerung durch Diversifikation III. Trennung von Alpha und Beta für das Management von Tracking Error und Kosten IV. Praxisbeispiel:
Mehr«PASSIVES» ANLEGEN AUF VERSCHIEDENEN ANLAGEEBENEN
«PASSIVES» ANLEGEN AUF VERSCHIEDENEN ANLAGEEBENEN Dr. Stephan Skaanes, CFA, CAIA, Senior Consultant PPCmetrics AG Financial Consulting, Controlling and Research www.ppcmetrics.ch Zürich, 22. April 2009
MehrValuation Übung 3 Moderne Portfoliotheorie. Adrian Michel Universität Bern
Valuation Übung 3 Moderne Portfoliotheorie Adrian Michel Universität Bern Aufgabe 1 Richtigstellung falscher Aussagen 2 Aufgabe 1 a) > Um aus zwei Aktien ein risikoloses Portfolio bilden zu können, müssen
MehrWeisungen OAK BV W 05/2013
deutsch Oberaufsichtskommission Berufliche Vorsorge OAK BV Weisungen OAK BV W 05/2013 Massgebliche Kennzahlen sowie weitere Informationspflichten für Anlagestiftungen Ausgabe vom: 19.12.2013 Letzte Änderung:
MehrRisikomanagementkonferenz. Neue Ansätze in der Asset Allocation. Stefan Heinemann Mainz, 7. November 2013
Risikomanagementkonferenz Neue Ansätze in der Asset Allocation Stefan Heinemann Mainz, 7. November 2013 Übersicht 2 Bestandsaufnahme (Beispielportfolio LV): Verpflichtungsseite (Laufzeiten/Garantiezinsen)
MehrStudie: Offene Immobilienfonds steigern Rendite und reduzieren Risiken. Offene Immobilienfonds für erfolgreiche. Asset Allocation unverzichtbar.
Investment-Information Studie: Offene Immobilienfonds steigern Rendite und reduzieren Risiken Bundesverband Investment und Asset Management e.v. Offene Immobilienfonds für erfolgreiche Asset Allocation
MehrAmpega Rendite Rentenfonds
. November 2 bis 3. Oktober 23 Detailanalysen für die Zeit von:. Januar 23 bis 3. Oktober 23 7..23 :54:23 V.48 Inhaltsverzeichnis 3. Oktober 23 bis 3. Oktober 23 Beschreibung Seite Gesamtfonds-Analysen...
MehrAmpega Rendite Rentenfonds
Detailanalysen für die Zeit von: 1. Januar 213 bis 31. August 213 4.9.213 11:45:9 V1.46 Inhaltsverzeichnis Beschreibung Seite Gesamtfonds-Analysen... 1 Ergebnisbeiträge im Überblick... 2 Rendite Entwicklung...
MehrWelche Style-Indices treiben die Fondsperformance?
Welche Style-Indices treiben die Fondsperformance? Ergebnisse für das Stoxx-Universum Elisabeth Stocker und Niklas Wagner Universität Passau Rüdiger Sälzle FondsConsult Research AG FondsConsult Investmentkonferenz
MehrWelche Style-Indices treiben die Fondsperformance?
Welche Style-Indices treiben die Fondsperformance? Ergebnisse für das Stoxx-Universum IDS - Analysis and Reporting Services München, 18. Februar 2010 1. Motivation 2. Investment-Styles 3. Performance-Modell
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrInvestment & Actuarial Consulting, Controlling and Research.
Investment & Actuarial Consulting, Controlling and Research. www.ppcmetrics.ch Marktscreen Senior Secured Loans Anzahl Anbieter Verwaltetes Vermögen in der Anlagekategorie (Global) Verwaltetes Vermögen
MehrWahrscheinlichkeitsrechnung und Statistik
7. Vorlesung - 2018 Bemerkung: Sei X = X 1,..., X n Zufallsvektor. Der n dimensionale Vektor EX = EX 1,..., EX n ist der Erwartungswert des Zufallsvektors X. Beispiel: Seien X, Y N0, 1. X, Y sind die Koordinaten
MehrBASF Asset Management Investieren mit langfristigem Horizont. Dr. Gerhard Ebinger, Vice President, BASF SE Risikomanagement-Konferenz,
BASF Asset Management Investieren mit langfristigem Horizont Dr. Gerhard Ebinger, Vice President, BASF SE Risikomanagement-Konferenz, 07.11.2017 BASF Investieren mit langfristigem Horizont Agenda 1. Überblick
MehrLösungshinweise für die Klausur. Finanzwirtschaft II
Prof. Dr. Siegfried Trautmann Lehrstuhl für Finanzwirtschaft / FB 03 Johannes Gutenberg-Universität 55099 Mainz Lösungshinweise für die Klausur zur Vorlesung Finanzwirtschaft II (SS 2003) 08. August 2003
MehrPortfolio 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
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrGegeben 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
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
MehrELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK
DIETER RASCH ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK MIT 53 ABBILDUNGEN UND 111 TABELLEN ZWEITE, BERICHTIGTE UND ERWEITERTE AUFLAGE s-~v VEB DEUTSCHER VERLAG DER WISSENSCHAFTEN BERLIN 1970
Mehr1. Referenzpunkt Transformation
2.3 Featurereduktion Idee: Anstatt Features einfach wegzulassen, generiere einen neuen niedrigdimensionalen Featureraum aus allen Features: Redundante Features können zusammengefasst werden Irrelevantere
MehrFinanzierung 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
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrPPCmetrics AG Investment & Actuarial Consulting, Controlling and Research.
PPCmetrics AG Investment & Actuarial Consulting, Controlling and Research. www.ppcmetrics.ch Alternative Risikoprämien - Klassifikation und Überblick Summit 4, portfolio institutionell PPCmetrics AG Lukas
MehrVorlesung 12a. Zerlegung der Varianz
Vorlesung 12a Zerlegung der Varianz 1 Im zufälligen Paar (X, Y ) 2 Im zufälligen Paar (X, Y ) sei Y reellwertig mit endlicher Varianz. Im zufälligen Paar (X, Y ) sei Y reellwertig mit endlicher Varianz.
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
Mehrneue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner und Andreas Platen
S. Maier-Paape: Allokation für Portfolios VTAD München, 20.09.2017 Inhalt: neue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner
MehrFACTOR INVESTING: AKTUELLER STAND UND ZUKÜNFTIGE HERAUSFORDERUNGEN
BAI Alternative Investment Insight 41 Alternative Solutions for Uncorrelated Returns FACTOR INVESTING: AKTUELLER STAND UND ZUKÜNFTIGE HERAUSFORDERUNGEN dichtl research & consulting GmbH Dr. Hubert Dichtl
Mehr1. Grundbegri e. T n i=1 A i = A 1 \ A 2 \ : : : \ A n alle A i treten ein. na = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt.
. Grundbegri e Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt ein, wenn ein! A eintritt. ist auch das sichere Ereignis,
Mehr67 Zufallsvariable, Erwartungswert, Varianz
67 Zufallsvariable, Erwartungswert, Varianz 67.1 Motivation Oft möchte man dem Resultat eines Zufallsexperiments eine reelle Zahl zuordnen. Der Gewinn bei einem Glücksspiel ist ein Beispiel hierfür. In
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist definiert als Var X := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
MehrITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation
ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation Aspekte des 2-Faktor-Hull-White-Modells 8. November 2012 Inhalt Weshalb ein Mehrfaktor Modell? 2-Faktor-Modelle Das ursprüngliche
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
MehrAlternative Anlagen: Chancen für Anleger Kritische Fragen und wertvolle Tipps
Alternative Anlagen: Chancen für Anleger Kritische Fragen und wertvolle Tipps PPCmetrics AG Dr. Andreas Reichlin, Partner Schaan, 6. Februar 2014 Einführung Grundlegende Überlegungen «No risk no return»
MehrModerne Portfoliotheorie
ortfoliooptimierung nach Markowitz Moderne ortfoliotheorie Carlos Nasher Universität Hamburg Hamburg, 12. Mai 2009 ortfoliooptimierung nach Markowitz Moderne ortfoliotheorie 1. Theoretische Grundlagen
Mehrvon Alexander Obeid 502 Seiten, Uhlenbruch Verlag, 2004 EUR 98,- inkl. MwSt. und Versand ISBN
Reihe Portfoliomanagement, Band 18: PERFORMANCE-ANALYSE VON SPEZIALFONDS Externe und interne Performance-Maße in der praktischen Anwendung von Alexander Obeid 502 Seiten, Uhlenbruch Verlag, 2004 EUR 98,-
MehrProf. Dr. Marc Gürtler WS 2015/2016. Prof. Dr. Marc Gürtler. Klausur zur 10/12 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft
Prof. Dr. Marc Gürtler WS 015/016 Prof. Dr. Marc Gürtler Klausur zur 10/1 SWS-Vertiefung Empirische Finanzwirtschaft Finanzwirtschaft Lösungsskizze Prof. Dr. Marc Gürtler WS 015/016 Aufgabe 1: (11+5+1+8=56
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrPERFORMANCE-MESSUNG UND COPULA-FUNKTIONEN
PERFORMANCE-MESSUNG UND COPULA-FUNKTIONEN EINE SYNTHESE von Dr. Martin Schulz Erstgutachter: Zweitgutachter: Vorsitzender der mündlichen Prüfung: Prof. Dr. Manfred Steiner Prof. Dr. Günter Bamberg Prof.
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
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ Die Varianz von X ist definiert als Var[X] := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
MehrRisikomodellierung im Standardmodell
Risikomodellierung im Standardmodell Q- C L U B B E R L I N 7. M A I 0 D R. P E T E R T A K Á C S C O N S I N T O G M B H D R. R O L F M E R T I G G L U O N V I S I O N G M B H Themen Theorie Risikomodellierung
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
MehrVerbesserte Anlageentscheidungen durch die Verwendung von Strukturbrüchen
Verbesserte Anlageentscheidungen durch die Verwendung von Strukturbrüchen Erstellt für: VTAD e.v. Regionalgruppe Frankfurt 21.06.2011 Im Jahr 2010 gefördert durch: Agenda 1 Vorstellung 2 Motivation & Problemstellung
MehrFinreon Sustainable IsoPro
Finreon Sustainable IsoPro Trennung von Nachhaltigkeit und Portfoliokonstruktion Dr. Ralf Seiz, CEO Finreon, Lehrbeauftragter Universität St.Gallen Zürich, 5. Dezember 2013 Agenda Finreon & Inrate Nachhaltig
MehrPortfoliomanagement. R. Oldenbourg Verlag München Wien. o. Professor für Betriebswirtschaftslehre. 2., überarbeitete und ergänzte Auflage
Portfoliomanagement Von Dr. Klaus Spremann o. Professor für Betriebswirtschaftslehre an der Universität St. Gallen und Direktor am Schweizerischen Institut für Banken und Finanzen 2., überarbeitete und
MehrFamily-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
MehrInhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74
1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................
Mehr