Kreditriskoberechnungbei der Swiss Life

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kreditriskoberechnungbei der Swiss Life"

Transkript

1 Kreditriskoberechnungbei der Swiss Life Theorie und Praxis der Modellierung des Kreditrisikos von Kapitalanlagen. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

2 Agenda 1. Risikoarten und Standardmodelle. 2. Ziel der Risikoberechnung. 3. Vorstellung des CreditMetricsModells. a) Berechnung des Future Valuesfür eine Position. b) Modellierung der Abhängigkeiten zwischen den Kreditnehmern. 4. Simulationsalgorithmus zur Kreditriskoberechnung. 5. Praktische Berechnung einiger Portfolios. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

3 Kreditrisiko -Arten Man unterscheidet zwischen zwei Arten des Kreditrisikos: 1. Credit Default Risk: Das Risiko, Geld zu verlieren, weil ein Kreditnehmer einen Zahlungsausfall verursacht. 2. Credit Migration Risk: Das Risiko, Geld zu verlieren, weil sich die Kreditwürdigkeit (das sog. Rating) eines Kreditnehmers verändert. Die Veränderung (=Migration) kann allerdings auch einen Gewinn verursachen! Dieser Vortrag behandelt das Credit Migration Risk. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

4 Standard Modelle zur Kreditrisikoberechnung Modell Creditrisk+ CreditMetrics KMV CreditPortfolioView Sponsor CSFB JP Morgan Moodys McKinsey Berechnung Analytisch Simulation Analytisch Simulation Die Swiss Life verwendete im letzten Jahr das CreditRisk+ Modell. Seit dem wird das CreditMetrics Modell eingesetzt. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

5 Ziel der Kreditrisikoberechnung: Ermittlung eines Geldbetrages, der das 1-Jahres Kreditrisiko eines Portfolios abdeckt! V(0) : Heutiger Marktwert des Portfolios. V(1) : Wert des Portfolios in einem Jahr. r : risikoloser heutiger Zins für ein Investment mit Anlagedauer 1 Jahr. V1 () ( 1+ rv0 ) ( ) V : = 1+ r V misst den Gewinn/Verlust (abgezinst auf heute) zwischen zwei Handlungsalternativen: A1: Das Portfolio bleibt für ein Jahr ohne Zu-/Verkäufe strukturell konstant. A2: Das gesamte Portfolio wird zum Marktwert verkauft und das Geld für ein Jahr risikolos angelegt. Die FinMa verlangt: Es muss der Erwartungswert der 1% grössten Verluste abgedeckt sein, d.h. die Höhe des geforderten Risikokapitals ist gleich dem Expected Shortfall: ES 0.01 [ V]. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

6 Vorstellung des CreditMetrics Modells Das CreditMetrics Modell enthält zwei wesentliche Annahmen: 1. Jede Position erhält einen Zukunftswert (Future Value) dessen stochastische Schwankung ausschliesslich vom zukünftigen Ratingabhängt. Alle anderen potentiell unsicheren Grössen (wie Zinsen oder Wechselkurse etc.) werden als fest bzw. deterministisch gegeben unterstellt. 2. Die Kreditnehmern erwirtschaften eine Rendite auf ihr jeweiliges Anlagevermögen. Diese Renditen (Asset Returns) sind untereinander korreliert. Allerdings wird die Korrelation der Asset Returns nicht direkt gemessen, sondern indirekt aus den Korrelationen von Aktienreturns (Stock Returns) bestimmt. Diese Annahmen werden im weiteren Verlauf erläutert. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

7 Ratingabhängiger Futurevalue Zur Berechnung des Geldbetrages V muss nur die Verteilung des zukünftigen Portfoliowertes V(1) bestimmt werden. Die übrigen Grössen V(0) und r sind fest und bekannt. V(1) ist die Summe der Zukunftswerte (kurz: FV für Futurevalue) aller Positionen: = V1 (): FVi Der Futurevalue FV einer einzelnen Position ist eine Funktion der heute unbekannten Kreditwürdigkeit des Debitors in einem Jahr. Diese wird über ein externes Rating rat gemessen (zur Bedeutung der Ratings siehe Tabelle 1) und ist eine nominale Zufallsvariable mit Werten in {AAA, AA+,, C, D}. i BBB BBB 77.1% t=0 t=1 AAA 0.3% A 8.2% B 13.9% D 0.5% Im allgemeinen wird die bedingte Verteilung (gegeben das heutige Rating rat 0 ) des zukünftigen Ratings rat über eine Transitionsmatrix (siehe Tabelle 2) gegeben. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

8 Tabelle 1: Die Ratingcodes und ihre Bedeutung Moody's Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 Caa Ca C S & P AAA AA+ AA AA- A+ A A- BBB+ BBB BBB- BB+ BB BB- B+ B B- CCC CC C D Bewertung Bei diesen Schuldverschreibungen (Triple A) besteht praktisch kein Ausfallrisiko. Die Fähigkeit des Schuldners zur Erfüllung seiner finanziellen Verpflichtungen ist außergewöhnlich gut. Schuldverschreibungen mit diesem Rating haben eine nur geringfügig schlechtere Qualität als die Anleihen von Schuldnern höchster Bonität. Insgesamt handelt es sich um sehr sichere Anleihen. Die Fähigkeit der Schuldner zur Erfüllung ihrer Zahlungsverpflichtungen ist gut. Jedoch könnten unvorhergesehene gesamtwirtschaftliche oder branchenspezifische Umstände sich negativ auf die Zahlungsfähigkeit der Schuldner auswirken. Schuldner mit diesen Ratingsverfügen nur über eine durchschnittliche Bonität. Bei Verschlechterungen der wirtschaftlichen Rahmenbedingungen ist es eher wahrscheinlich, dass auch die Fähigkeit der Schuldner zur Erfüllung ihrer finanziellen Verpflichtungen leiden wird. Insbesondere fehlt es an ausreichenden Schutzvorkehrungen, um die Zahlungsfähigkeit auch in Krisenzeiten sicherzustellen. Bei diesem Rating muss eine Anleihe bereits als spekulativ eingestuft werden. Es bestehen größere Unsicherheitsfaktoren oder Risiken bei einer Verschlechterung der geschäftlichen, finanziellen oder wirtschaftlichen Bedingungen. Insbesondere fehlt es an einer wirksamen Vorsorge des Schuldners, in derartigen Fällen die Erfüllung seiner Verbindlichkeiten sicherzustellen. Der Schuldner verfügt zwar gegenwärtig noch über ausreichende finanzielle Mittel, um seine Verbindlichkeiten erfüllen zu können. Es ist aber wahrscheinlich, dass bei einer nachteiligen Veränderungen der geschäftlichen oder wirtschaftlichen Rahmenbedingungen auch die Fähigkeit oder Bereitschaft des Schuldners zur Erfüllung seiner finanziellen Verpflichtungen beeinträchtigt wird. Es besteht daher eine größere Gefahr des Zahlungsverzugs. Es besteht unter den gegenwärtigen Rahmenbedingungen eine gewisse Wahrscheinlichkeit dafür, dass der Schuldner seinen Zahlungsverpflichtungen nicht nachkommen wird. Pünktliche Zins- und Tilgungsleistungen können vermutlich nur bei günstigen geschäftlichen, finanziellen und wirtschaftlichen Bedingungen erfolgen. Der Schuldner befindet sich bereits in Zahlungsverzug oder es ist schon ein Insolvenzantrag gestellt worden. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

9 Tabelle 2: Transitions-Matrix (1 Jahr) Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

10 Berechnung des Future Values für eine festverzinsliche Anleihe Bei der Berechnung des ratingabhängigenfuturevalues sind zwei Fälle zu berücksichtigen: 1. Im Falle einer Ratingänderungsind Cashflows, deren Fälligkeit später als ein Jahr von heute liegt, mit der vom neuen Ratingabhängigen 1-Jahres Forwardrate f 1,t (rat) abdiskontiert. 2. Bei Ausfall der Anleihe wird das Produkt von Verwertungsrate und Nominalwert berechnet. Die Verwertungsrate ergibt sich aus dem Loss GivenDefault (LGD) und ist üblicherweise eine betaverteilte Zufallsvariable. Zur Vereinfachung wird hier der Erwartungswert benutzt. CFt 1) FV( rat) =, rat " D" t 1 [ 1+ f ( rat)] t 1 1t, 2) FV(" D") = Nom ( 1 LGD) In der obigen Formel wird unterstellt, das die innerhalb des Betrachtungshorizontes gezahlten Coupons risikolos angelegt werden. Falls die Coupons zum Nachkauf der Anleihe genutzt werden, ergibt sich: 1 t CFt 1a) FV( rat) = CFt [ 1+ ft1, ( rat)] +, rat " D" t 1 t< 1 t [ 1+ f1t, ( rat)] aufgezinste Cashflows fällig bis 1 Jahr abgezinste Cashflows fällig ab 1 Jahr Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

11 Nachtrag: Berechnung von risikoadjustierten Forward Rates Bei gegebenen Marktwert MV und risikoloser Zero Rate r t lässt sich der individuelle Spread s* einer Anleihe mit Cashflows CF t aus der folgenden Gleichung implizit (über ein iteratives Verfahren) berechnen: MV = t> 0 CF [ 1+ r + s] t t t Weiterhin lässt sich für jedes Ratingein durchschnittlicher Credit Spread š(rat) aus Anleihen derselben Ratingkategorie schätzen (siehe Abb. 1). Die Spreadänderung bei einem Ratingsprung von rat 0 auf ein beliebiges neues Rating rat ist dann: s ( rat): = s( rat) s( rat ) rat 0 0 Die Summe aus risikolosem Zins r t, individuellem Spread s* und durchschnittlicher Spreadänderung s bei einem Ratingübergang liefert einen risikoadjustierten Diskontzinssatz i t (rat) gemäß: i rat r s s rat * t( ): = t + + rat 0 ( ) Die risikoadjustierte Forward Rate ergibt sich dann implizit aus der folgenden Gleichung: ( 1+ i ( rat)) ( 1+ f ( rat)) = ( 1+ i ( rat)) t 1 1 1t, t t Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

12 Abb. 1: Entwicklung der Credit Spreadsim Zeitraum Jan Sept Spread in bps AAA AA A BBB BB B CCC Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

13 Modellierung der Abhängigkeiten zwischen den Debitoren Annahmen: 1. Das neue Rating rat ist intervallweise funktional abhängig von den Assetreturns. (Die Länge der Intervalle ergibt sich aus der Transitionsmatrix). 2. Die Assetreturns sind linear abhängig von den Stockreturns. 3. Die Stockreturns R i sind normalverteilt und korreliert mit Koeffizient ρ. i M i wobei R ~ N01 (, ) und ε ~ N01 (, ) unabhängig sind. M R = ρ R + 1 ρ ε i Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

14 Beispiel zur Berechnung der Ratingintervalle Zunächst müssen die Intervalle aus der Transitionsmatrixberechnet werden. Die rechten Intervallgrenzen sind Quantile der Standardnormalverteilung. Die Niveaus ergeben sich aus der Verteilungsfunktion der Transitionswahrscheinlicheiten. (Zur Vereinfachung gebe es nur 4 Ratings: A,B,C und D) Transitionsmatrix Verteilungsfkt. der Trans.-Matrix A B C D A B C D A A B B C C D D Zugehörige Ratingintervalle A B C D A (, 134. ] (. 134, 175. ] (. 175, 233. ] ( 233., ) B (, 175. ] ( 175., 134. ] (. 134, 205. ] ( 205., ) C (, 233. ] ( 233., 123. ] ( 123., 175. ] (. 175, ) D (, ) Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

15 Ein einfaches Beispiel für zwei Bonds Das Portfolio bestehe aus zwei Anleihen der UBS und CS, die jeweils mit B bzw. C geratet sind. Die Korrelation zwischen den Aktienreturns sei ρ=0.25. Aus den Modellannahmen folgt, daß die Aktien Returns bivariat normalverteilt mit Korrelation 0.25 sind. Die Wahrscheinlichkeit für einen Ratingübergang(B,C) (C,B) lässt sich in diesem Fall durch eine Approximation der zweidimensionalen Verteilungsfunktion Φ(x,y) relativ genau analytisch bestimmen: Prat { = Crat, = B} = PR { (. 134, 205. ], R ( 233., 123. ]} = UBS UBS CS ( R, R )~ N UBS CS CS ; Φ( 205., 123. ) Φ(. 134, 123. ) Φ( 205., 233. ) +Φ(. 134, 233. ) = Im Falle der Unabhängigkeit (ρ=0) lässt die gemeinsame Verteilung der neuen Ratings natürlich auch ohne die Normalverteilung einfach als Produkt der jeweiligen Transitionswahrscheinlichkeitenberechnen. Ansonsten (insbesondere für grosse Portfolios) bleibt nur die Simulation! Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

16 Simulations Algorithmus Benötigte Daten: Credit Spreads, Transitionsmatrix, risikolose Zero Rates, Korrelation, Verlustquoten. Simulation: Für k=1 bis N Simulationsläufe: 1. ΔV k =0. 2. Erzeuge den Marktreturn R M ~N(0;1). 3. Für alle Debitoren i: 3.1 Erzeuge ε i und berechne den Stockreturn: Abschluss: R = ρ R + 1 ρ ε i M i 3.2 Berechne das neue Rating rat und daraus FV(rat). 3.3 Berechne ΔV k = ΔV k + ΔFV i (rat). Berechne den Mittelwert der 1% kleinsten Werte der ΔV k. Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

17 VielenDank für ihre Geduld Kreditrisikoberechnung bei der Swiss Life, Carl-Heinz Meyer, Hagen, den

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

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

Vorlesung 7: Value-at-Risk für Kreditrisiken

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

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen 6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,

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

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

Kreditratings und Innovation Wann ist ein Risiko eine Chance?

Kreditratings 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

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

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

Mehr

4592 Kapitalmarkt und Risikomanagement, WS 2001/02. Übung 2

4592 Kapitalmarkt und Risikomanagement, WS 2001/02. Übung 2 4592 Kapitalmarkt und Risikomanagement, WS 2001/02 Übung 2 Abgabe bis spätestens 29.1.2002 Assistenz: christian.buhl@unibas.ch Die Übung gilt bei Erreichen von mindestens 60 Punkten als bestanden (maximal

Mehr

Bonitäts- und Zinsrisiken

Bonitäts- und Zinsrisiken Bonitäts- und Zinsrisiken Was ist Rating? Von Aneta Nowak Rentenpapiere sind nicht risikolos! Arten von Risiken: Ausfallrisiken (Bonitätsrisiken) Zinsrisiken Sonstige Risiken wie z.b. das Inflationsrisiko

Mehr

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

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

Mehr

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

Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß

Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß Stefan Graf WiMa 2011 Ulm November 2011 Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß Seite 2 Agenda Chance-Risiko-Profile Nominale

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

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

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

Mehr

Kreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz

Kreditrisikomodell 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

Mehr

Credit Metrics: Eine Einführung

Credit Metrics: Eine Einführung Credit Metrics: Eine Einführung Volkert Paulsen July 23, 2009 Abstract Credit Metrics ist ein Kredit Risko Modell, daß den Verlust quantifiziert, der durch eine Bonitätsveränderung von Schuldnern verursacht

Mehr

Bonitätsrisiko und Unternehmensanleihen

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

Mehr

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

InstitutionalOpti-Cash M

InstitutionalOpti-Cash M Stand: 17.01.2011; Seite 1 von 6 Stammdaten Fondsart Geldmarktfonds Entwicklung VaR(99/10) in den letzten 12 Monaten ISIN Auflegungsdatum Fondsvermögen [EUR] LU0274789303 01.12.2006 128.296.521,65 0,1

Mehr

Corporate Finance. Corporate Bonds

Corporate Finance. Corporate Bonds Corporate Finance Corporate Bonds 1 Corporate Bonds Wertpapiere, die dem Inhaber einen schuldrechtlichen Anspruch auf Zins und Tilgung verbriefen (Inhaberschuldverschreibung) 2 Corporate Bonds Wertpapiere,

Mehr

Gefährliche Wechselwirkung von Markt- und Kreditrisiko: Beispiel Fremdwährungskredite

Gefährliche Wechselwirkung von Markt- und Kreditrisiko: Beispiel Fremdwährungskredite Gefährliche Wechselwirkung von Markt- und Kreditrisiko: Beispiel Fremdwährungskredite Thomas Breuer Martin Jandačka Klaus Rheinberger Martin Summer PPE Research Centre, FH Vorarlberg, Austria Oesterreichische

Mehr

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

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

Mehr

Kreditrisikomanagement in Banken unter besonderer Berücksichtigung ausgewählter Kreditrisikomodelle

Kreditrisikomanagement in Banken unter besonderer Berücksichtigung ausgewählter Kreditrisikomodelle Technische Universität Ilmenau Fakultät für Wirtschaftswissenschaften Institut für Betriebswirtschaftslehre Fachgebiet Finanzwirtschaft/Investition Prof. Dr. R. Trost Kreditrisikomanagement in Banken unter

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung

Mehr

Erläuterung des Vermögensplaners Stand: 3. Juni 2016

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

Mehr

Basel II und Rating. Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft. Christian Lust

Basel II und Rating. Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft. Christian Lust Basel II und Rating Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft Geschichtlicher Überblick Basel I Basel II -Ziele -Die drei Säulen Rating -Geschichte und Definition -Ratingprozess und systeme -Vor-

Mehr

Prozentangaben bezogen auf Total Deckungswerte Bareinlagen 3 % 2 % 6 % Anleihen 55 % 55 % 55 % Strukturierte Produkte 1 % 1 % 1 % 4 % 5 % 2 %

Prozentangaben bezogen auf Total Deckungswerte Bareinlagen 3 % 2 % 6 % Anleihen 55 % 55 % 55 % Strukturierte Produkte 1 % 1 % 1 % 4 % 5 % 2 % Eidgenössisches Finanzdepartement EFD Bundesamt für Privatversicherungen BPV Rechnungslegung & Kapitalanlagen Gesamtmarktauswertungen 1. Asset Allocation Gesamtmarkt und Teilmärkte am 31.12.27 Generell

Mehr

404a. Anlagerichtlinien. Vom 17. April 2015. Die Kirchenleitung hat in ihrer Sitzung am 17. April 2015 nachstehende Anlagerichtlinien beschlossen.

404a. Anlagerichtlinien. Vom 17. April 2015. Die Kirchenleitung hat in ihrer Sitzung am 17. April 2015 nachstehende Anlagerichtlinien beschlossen. 404a Vom 17. April 2015 (KABl. S. 148) Die Kirchenleitung hat in ihrer Sitzung am 17. April 2015 nachstehende beschlossen. I. Zielsetzung und Grundlage 1. Das Vermögen der Kirche hat dienende Funktion.

Mehr

Messung von Rendite und Risiko. Finanzwirtschaft I 5. Semester

Messung 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

Mehr

Kreditrisiko. 2.1 Default Mode-Modelle

Kreditrisiko. 2.1 Default Mode-Modelle Kreditrisiko 2 2.1 Default Mode-Modelle Adressenausfallrisiko ist das Risiko, dass eine natürliche oder juristische Person oder eine Personenhandelsgesellschaft, gegenüber der das Institut einen bedingten

Mehr

Null-Serie *LÖSUNGSBLÄTTER* Die Prüfung besteht aus 5 Aufgaben, alle Aufgaben können unabhängig voneinander gelöst werden.

Null-Serie *LÖSUNGSBLÄTTER* Die Prüfung besteht aus 5 Aufgaben, alle Aufgaben können unabhängig voneinander gelöst werden. Null-Serie *LÖSUNGSBLÄTTER* Fach: Zeit: 3 Stunden Die Prüfung besteht aus 5 Aufgaben, alle Aufgaben können unabhängig voneinander gelöst werden. 1. Bitte überprüfen Sie, ob Sie alle Prüfungsunterlagen

Mehr

Inhaltsverzeichnis. Vorwort zur zweiten Auflage. Vorwort zur ersten Auflage

Inhaltsverzeichnis. Vorwort zur zweiten Auflage. Vorwort zur ersten Auflage Inhaltsverzeichnis Vorwort zur zweiten Auflage Vorwort zur ersten Auflage v viii 1 Märkte und Produkte 1 1.1 Motivation: Das Gesicht der Finanzkrise............. 1 1.2 Grundlegende Begriffe.......................

Mehr

Zielsetzung. Problematik

Zielsetzung. Problematik Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen

Mehr

Credit Risk I. Einführung in die Kreditrisikomodellierung. Georg Pfundstein Betreuer: Rupert Hughes-Brandl. 02. Juli 2010

Credit Risk I. Einführung in die Kreditrisikomodellierung. Georg Pfundstein Betreuer: Rupert Hughes-Brandl. 02. Juli 2010 Credit Risk I Einführung in die Kreditrisikomodellierung. Georg Pfundstein Betreuer: Rupert Hughes-Brandl 02. Juli 2010 Georg Pfundstein Credit Risk I 02. Juli 2010 1 / 40 Inhaltsverzeichnis 1 Grundlagen

Mehr

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005

Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005 Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit

Mehr

Kenngrößen von Zufallsvariablen

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

Mehr

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten

Mehr

Klausur des Faches Investment Banking and Capital Markets

Klausur des Faches Investment Banking and Capital Markets Kurs Portfoliomanagement Seite 1 von 6 10.07.2009 Klausur des Faches Investment Banking and Capital Markets Matrikelnummer: Bearbeitungshinweise: Es müssen alle Aufgaben bearbeitet werden. Bearbeitungszeit:

Mehr

Risikomanagement an Landwirtschaftlichen Kreditkassen

Risikomanagement an Landwirtschaftlichen Kreditkassen Risikomanagement an Landwirtschaftlichen Kreditkassen Ergebnisse der 1. Projektetappe und Konzept für weiteres Vorgehen Ruedi Krummenacher suissemelio- Tagung vom 1.12.2009 in Olten 1 Definition Risikomanagement

Mehr

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat

Mehr

Risiko- und Kapitalsteuerung in Banken. MN-Seminar 12.05.2009 Martina Böhmer

Risiko- und Kapitalsteuerung in Banken. MN-Seminar 12.05.2009 Martina Böhmer Risiko- und Kapitalsteuerung in Banken MN-Seminar 12.05.2009 Martina Böhmer Risiko- und Kapitalsteuerung in Banken Basel II Risiko- und Kapitalsteuerung in Banken 25 a Absatz 1 KWG Kreditinstitute sind

Mehr

Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer

Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer xxx 0 Agenda Der Aufbau der Solvenz-Bilanz Zur Begriffsbestimmung des SCR Die Auswirkung

Mehr

Copula Funktionen. Eine Einführung. Nils Friewald

Copula Funktionen. Eine Einführung. Nils Friewald Copula Funktionen Eine Einführung Nils Friewald Institut für Managementwissenschaften Abteilung Finanzwirtschaft und Controlling Favoritenstraße 9-11, 1040 Wien friewald@imw.tuwien.ac.at 13. Juni 2005

Mehr

QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren) von KFZ-Batterien des Typs

QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren) von KFZ-Batterien des Typs Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 1, Tel 3914 jutta.arrenberg@th-koeln.de QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren)

Mehr

11. April 2011. Geldtheorie und -politik. Definition und Bestimmung von Zinssätzen (Mishkin, Kapitel 4)

11. April 2011. Geldtheorie und -politik. Definition und Bestimmung von Zinssätzen (Mishkin, Kapitel 4) Geldtheorie und -politik Definition und Bestimmung von Zinssätzen (Mishkin, Kapitel 4) 11. April 2011 Überblick Barwertkonzept Kreditmarktinstrumente: Einfaches Darlehen, Darlehen mit konstanten Raten,

Mehr

Wirtschaftsstatistik Normalverteilung

Wirtschaftsstatistik Normalverteilung Fachhochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 1, Tel 39 14 jutta.arrenberg@fh-koeln.de Wirtschaftsstatistik Normalverteilung Aufgabe 10.1 Die Lebensdauer

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

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

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden? 1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

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

Mehr

Simple Solvency. Ein Solvenzmodell für deutsche Lebensversicherer. Holger Bartel 03.11.2014

Simple Solvency. Ein Solvenzmodell für deutsche Lebensversicherer. Holger Bartel 03.11.2014 Simple Solvency Ein Solvenzmodell für deutsche Lebensversicherer Holger Bartel 03.11.2014 Simple Keine Simulation Keine Cashflows Keine Zeitschrittigkeit Aber: Komplexe Interaktion der Inputparameter Solvency

Mehr

BCA Investment Research Erläuterungen zur Kapitalmarktanalyse Aktien

BCA Investment Research Erläuterungen zur Kapitalmarktanalyse Aktien Aktien Aktienmärkte -1 Tag; -1 Tag(%) Gibt den jeweiligen Index-Stand vom Vortag an sowie die Veränderung zum Vortag in Prozent. Ytd Year to date : ist die Rendite des Indizes vom Jahresanfang bis zum

Mehr

Risikomanagement eienr Kreditgenossenschaft - Die Studenten des Lehrstuhls für BWL, Bank- und Kreditwirtschaft der Universität Würzburg bei der VR

Risikomanagement eienr Kreditgenossenschaft - Die Studenten des Lehrstuhls für BWL, Bank- und Kreditwirtschaft der Universität Würzburg bei der VR Risikomanagement eienr Kreditgenossenschaft - Die Studenten des Lehrstuhls für BWL, Bank- und Kreditwirtschaft der Universität Würzburg bei der VR Bank Kitzingen eg Aufbau einer Kreditgenossenschaft Satzung

Mehr

Definition Jahresabschlussanalyse

Definition Jahresabschlussanalyse Definition Jahresabschlussanalyse Unter Jahresabschlussanalyse (oftmals verkürzt als Bilanzanalyse bezeichnet) versteht man die Summe aller Tätigkeiten, die darauf gerichtet sind, aus Informationen unterschiedlicher

Mehr

SVSP Risikoklassifizierung (Value at Risk) - FAQ

SVSP Risikoklassifizierung (Value at Risk) - FAQ SVSP Risikoklassifizierung (Value at Risk) - FAQ 1. Mit welchen Methoden wird die Risikokennzahl berechnet? Der SVSP nutzt zur Berechnung von VaR die historische Simulation. Diese Methode ist weit verbreitet

Mehr

2. Rechnen mit Wahrscheinlichkeiten

2. Rechnen mit Wahrscheinlichkeiten 2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie

Mehr

Aufgaben Brealey/Myers/Allen [2005], Kapitel 20

Aufgaben Brealey/Myers/Allen [2005], Kapitel 20 Institut für Geld- und apitalverkehr Optionen Folie 0 Institut für Geld- und apitalverkehr Quiz: 1, 2,, 4, 5, 7, 8, 9, 10, 11 Practice Questions: 1, 2,, 4, 5, 7, 8, 11, 12, 1 (erst nach Bearbeitung von

Mehr

Portfolio Insurance - CPPI im Vergleich zu anderen Strategien

Portfolio Insurance - CPPI im Vergleich zu anderen Strategien Roger Uhlmann Portfolio Insurance - CPPI im Vergleich zu anderen Strategien Haupt Verlag Bern Stuttgart Wien Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbol- und

Mehr

Ganzheitliche Risikomessung im Sinne des Anlegers

Ganzheitliche Risikomessung im Sinne des Anlegers Ganzheitliche Risikomessung im Sinne des Anlegers Für alle Anlageprodukte / Wertpapiere gilt Risikofreier Zins 1% + Risikoprämien? + Management? - Kosten abhängig von der Anlage - Steuer abhängig von der

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+

Mehr

Börsen- und Anlage-Workshop. Modul 4: Forderungswertpapiere Anleihen Teil 2

Börsen- und Anlage-Workshop. Modul 4: Forderungswertpapiere Anleihen Teil 2 Börsen- und Anlage-Workshop Modul 4: Forderungswertpapiere Anleihen Teil 2 Modul 4 Forderungswertpapiere - Anleihen Inhalt: Rahmenbedingungen Analyse/Bewertung von Anleihen Risiken bei Anleihen Rating

Mehr

Klausur zur Vorlesung Financial Engineering und Structured Finance

Klausur zur Vorlesung Financial Engineering und Structured Finance Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz und Bankwirtschaft Klausur zur Vorlesung Financial Engineering und Structured Finance Prof. Dr. Marco Wilkens 6. Februar

Mehr

Übungsblatt 9. f(x) = e x, für 0 x

Übungsblatt 9. f(x) = e x, für 0 x Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable

Mehr

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Übung zu Forwards, Futures & Optionen

Übung 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:

Mehr

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung

Seminar 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

Mehr

Endgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: )

Endgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: ) A A1a 2197120 on on A A1a 2311330 on on on on on on on A A1a 2316420 on on A A1a 2332345 on on on on on on on A A1a 2371324 on on on on on on on A A1a 2382962 on on A A1a 2384710 on on on on on on on A

Mehr

Frage 1: Bewertung und Analyse von festverzinslichen Wertpapieren (50 Punkte)

Frage 1: Bewertung und Analyse von festverzinslichen Wertpapieren (50 Punkte) Frage 1: Bewertung und Analyse von festverzinslichen Wertpapieren (50 Punkte) Sie arbeiten bei einer international tätigen Bank als Portfolio Manager. Eine Kundin zeigt Ihnen ihre gegenwärtigen Anlagen,

Mehr

Die Performance von Aktien und Obligationen in der Schweiz (1926-2015): Update

Die Performance von Aktien und Obligationen in der Schweiz (1926-2015): Update DIE PERFORMANCE VON AKTIEN UND OBLIGATIONEN IN DER SCHWEIZ (1926-2015): UPDATE Die Performance von Aktien und Obligationen in der Schweiz (1926-2015): Update Die folgende Abbildungen und Tabellen enthalten

Mehr

Ü b u n g s b l a t t 15

Ü 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

Mehr

Schweizer Leadership Pensions Forum 2014

Schweizer Leadership Pensions Forum 2014 Schweizer Leadership Pensions Forum 2014 Corporate Bonds in welchen Bereichen liegen die attraktivsten Opportunitäten? Michael Klose Head Fixed Income AMB Schweiz Swiss Life Asset Managers 29 Oktober 2014

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=schließende Statistik) Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die

Mehr

Marcus R.W. Martin Stefan Reitz. Carsten S. Wehn. Kreditderivate und. Kreditrisikomodelle. Eine mathematische Einführung

Marcus R.W. Martin Stefan Reitz. Carsten S. Wehn. Kreditderivate und. Kreditrisikomodelle. Eine mathematische Einführung Marcus R.W. Martin Stefan Reitz Carsten S. Wehn Kreditderivate und Kreditrisikomodelle Eine mathematische Einführung 2., überarbeitete und erweiterte Auflage ö Springer Spektrum Inhaltsverzeichnis Vorwort

Mehr

Portfoliorisiko und Minimum Varianz Hedge

Portfoliorisiko und Minimum Varianz Hedge ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und

Mehr

Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos

Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos Wirtschaft Daniel Wagenknecht Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos Masterarbeit FOM Hochschule für Oekonomie & Management, Frankfurt am Main Berufsbegleitender

Mehr

Swisscanto (LU) Bond Invest Global High Yield

Swisscanto (LU) Bond Invest Global High Yield S Swisscanto (LU) Bond Invest Global High Yield High-Yield-Obligationen in Kürze Begriff Die Fähigkeit eines Unternehmens seine Kredite zurückzuzahlen wird von Ratingagenturen wie zum Beispiel S&P bewertet.

Mehr

Anlagerichtlinien für den Evangelischen Kirchenkreis Steinfurt-Coesfeld. Präambel

Anlagerichtlinien für den Evangelischen Kirchenkreis Steinfurt-Coesfeld. Präambel Anlagerichtlinien für den Evangelischen Kirchenkreis Steinfurt-oesfeld oesfeld-borken Präambel Die Kreissynode des Evangelischen Kirchenkreises Steinfurt-oesfeld-Borken begrüßt ausdrücklich, dass die Landeskirche

Mehr

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154 Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch

Mehr

YOU INVEST Webinar Die Anlageklasse Anleihen. 9. April 2014

YOU INVEST Webinar Die Anlageklasse Anleihen. 9. April 2014 Webinar Die Anlageklasse Anleihen 9. April 2014 Referenten Gerhard Beulig Head of Private Client Asset Management ERSTE-SPARINVEST Mag. Dr. Alexander Fleischer Head of Fixed Income Markets ERSTE-SPARINVEST

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Über den Autor 7. Teil Beschreibende Statistik 29

Über den Autor 7. Teil Beschreibende Statistik 29 Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:

Mehr

JB Floored Floater Notes mit Referenzanleihe - in EUR & USD Referenzschuldner-Zertifikat mit bedingtem Kapitalschutz (SVSP Kategorie: 1410)

JB Floored Floater Notes mit Referenzanleihe - in EUR & USD Referenzschuldner-Zertifikat mit bedingtem Kapitalschutz (SVSP Kategorie: 1410) JB Floored Floater Notes mit Referenzanleihe - in EUR & USD Referenzschuldner-Zertifikat mit bedingtem Kapitalschutz (SVSP Kategorie: 1410) Zürich, September 2012 Historisch niedrige Zinsen Die EZB hat

Mehr

1 Dichte- und Verteilungsfunktion

1 Dichte- und Verteilungsfunktion Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

Die Bewertung der eingebetteten Optionen in der Lebensversicherung

Die Bewertung der eingebetteten Optionen in der Lebensversicherung Die Bewertung der eingebetteten Optionen in der Lebensversicherung Prüfungskolloquium 19.11.2010 Beat Wäfler Eingebettete Optionen In Lebensversicherungsprodukten können für den Versicherungsnehmer beispielsweise

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

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de

Mehr

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

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

Mehr

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

Kreditrisikomodelle. Mit Kalibrierung der Input-Parameter. Working Paper Series by the University of Applied Sciences of bfi Vienna.

Kreditrisikomodelle. Mit Kalibrierung der Input-Parameter. Working Paper Series by the University of Applied Sciences of bfi Vienna. Number 3 / 2004 Working Paper Series by the University of Applied Sciences of bfi Vienna Kreditrisikomodelle Mit Kalibrierung der Input-Parameter Version 1.01, July 2004 Robert Schwarz University of Applied

Mehr

Prüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014

Prüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014 Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.

Mehr

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG 21. Mai 2015 Thomas Gleixner Agenda 1. Was ist Kapitalapproximation (und wen sollte das interessieren)? 2. Etablierte Methoden 3. Erfahrungen

Mehr

K8 Stetige Zufallsvariablen Theorie und Praxis

K8 Stetige Zufallsvariablen Theorie und Praxis K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R

Mehr

Anforderungen 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. Anforderungen an Krankenversicherer unter SST und Solvency II Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16. November 2012 Grundlagen Hauptziele von Solvenzvorschriften: Schutz von Versicherungsnehmern

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

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

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

Kreditrisiko (CreditMetrics)

Kreditrisiko (CreditMetrics) Nr. 1 Kreditrisiko (CreditMetrics) Thomas Heidorn Februar 1999 ISSN 1436-9753 Autor: Prof. Dr. Thomas Heidorn Bankbetriebslehre, insb. Risikomanagement und Derivate Hochschule für Bankwirtschaft, Frankfurt

Mehr

Corporates DAX/MDAX Report 2016

Corporates DAX/MDAX Report 2016 Deckungsgrad der Pensionspläne erhöht sich auf 63% Corporates DAX/MDAX Report 2016 Manfred Mönch Die Kapitalanlagen der Dax- und MDax-Werte haben sich seit 2008 fast verdoppelt. Allerdings lag die Rendite

Mehr