Kreditriskoberechnungbei der Swiss Life

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

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

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

Mehr

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

Einführung in das Kreditportfoliorisiko TEIL II. 12. September 2007 Verena Arendt

Einführung in das Kreditportfoliorisiko TEIL II. 12. September 2007 Verena Arendt Einführung in das Kreditportfoliorisiko TEIL II 12. September 2007 Verena Arendt 1 1. Einführung 2. Modelle 3. Parameter a. Expected Loss b. Unexpected Loss c. Loss Distribution 4. Basel II 5. Conclusion

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

Value at Risk. Sandra Radl Sandra Radl Value at Risk / 31

Value at Risk. Sandra Radl Sandra Radl Value at Risk / 31 Value at Risk Sandra Radl 24.01.2018 Sandra Radl Value at Risk 24.01.2018 1 / 31 Inhaltsverzeichnis 1 Definition Zeithorizont 2 Berechnungsmethoden Historische Simulation Lineares Modell Quadratisches

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

Thomas Heidorn Christian Schäffler. Finanzmathematik. in der Bankpraxis. Vom Zins zur Option. 7. Auflage. ö Springer Gabler

Thomas Heidorn Christian Schäffler. Finanzmathematik. in der Bankpraxis. Vom Zins zur Option. 7. Auflage. ö Springer Gabler Thomas Heidorn Christian Schäffler Finanzmathematik in der Bankpraxis Vom Zins zur Option 7. Auflage ö Springer Gabler Inhaltsverzeichnis 1 Grundlagen der Finanztheorie 3 1.1 Gegenwartswerte und Opportunitätskosten

Mehr

Basiswissen Investment Teil 2: Anleihen. Oktober 2016

Basiswissen Investment Teil 2: Anleihen. Oktober 2016 Basiswissen Investment Teil 2: Anleihen Oktober 2016 Die Anleihe ist ein verzinsliches Wertpapier, mit dem sich Staaten, Unternehmen und Institutionen Fremdkapital verschaffen wird i. d. R. regelmäßig

Mehr

Was ist Kreditrisiko? Zitat von McNeil, Frey und Embrechts (2005):

Was ist Kreditrisiko? Zitat von McNeil, Frey und Embrechts (2005): Was ist Kreditrisiko? Zitat von McNeil, Frey und Embrechts (2005): Credit risk is the risk that the value of a portfolio changes due to unexpected changes in the credit quality of issuers or trading partners.

Mehr

Vergleich der Portfoliomodelle I Seminar Portfoliokreditrisiko

Vergleich der Portfoliomodelle I Seminar Portfoliokreditrisiko Vergleich der Portfoliomodelle I Seminar Portfoliokreditrisiko Manuel Molitor Agenda 1. WEF Kritik 2. 3. vs 4. in 5. in 6. 2 Eigenschaften Nur auf Ausfall-Ereignisse fokussiert Ausfälle sind Poisson-Verteilt

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

Finanzmathematik in der Bankpraxis

Finanzmathematik in der Bankpraxis Thomas Heidorn Finanzmathematik in der Bankpraxis Vom Zins zur Option 6., überarbeitete und erweiterte Auflage GABLER Inhaltsverzeichnis 1 Grundlagen der Finanztheorie 3 1.1 Gegenwartswerte und Opportunitätskosten

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

Finanzmathematik in der Bankpraxis

Finanzmathematik in der Bankpraxis Finanzmathematik in der Bankpraxis Vom Zins zur Option Bearbeitet von Thomas Heidorn, Christian Schäffler 7. Auflage 2017. Buch. X, 330 S. Hardcover ISBN 978 3 658 13447 1 Format (B x L): 14,8 x 21 cm

Mehr

Risikomodellierung im Standardmodell

Risikomodellierung 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

Mehr

Inhaltsverzeichnis. Teil I

Inhaltsverzeichnis. Teil I Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung

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

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte

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

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

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

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

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

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

Interne Solvenzmodelle für Non-Life Versicherungen in in der Schweiz

Interne Solvenzmodelle für Non-Life Versicherungen in in der Schweiz Prüfungskolloquium SAV Prüfungskolloquium SAV Interne Solvenzmodelle für Non-Life Versicherungen in in der Schweiz Biel, Biel, 23.11.2006 23.11.2006 Sandra Sandra Fehlmann Fehlmann Agenda Historischer

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

Ermittlung der Kapitalanforderungen für das Spreadrisiko

Ermittlung der Kapitalanforderungen für das Spreadrisiko Ermittlung der Kapitalanforderungen für das Spreadrisiko Beim Spreadrisiko handelt es sich um das Risiko, dass sich der Wert der Basiseigenmittel aufgrund von Bewegungen der Marge aktueller Marktzinsen

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

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

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

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

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

Erläuterung des Vermögensplaners Stand: 3. Juni 2016

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

Mehr

Der 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

Thomas Thuspaß. Credit Spread Risiken: Messung und Integration. in Portfoliomodelle. Verlag Dr. Kovac

Thomas Thuspaß. Credit Spread Risiken: Messung und Integration. in Portfoliomodelle. Verlag Dr. Kovac Thomas Thuspaß Credit Spread Risiken: Messung und Integration in Portfoliomodelle Verlag Dr. Kovac Hamburg 2014 XIII Geleitwort Vorwort V IX XIII 1 Einleitung 1 2 Risiken von Staats- und Unternehmensanleihen

Mehr

Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Springer-Lehrbuch Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Bearbeitet von Jürgen Kremer 1. Auflage 2011. Taschenbuch. xvi, 471 S. Paperback ISBN 978 3 642 20867 6 Format (B x

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

Performance-Report per 30. Juni 2013

Performance-Report per 30. Juni 2013 Performance-Report per 30. Juni 2013 PERFORMANCE-REPORT St. Gallen/Zürich, 12.07.2013, 11:31:23 / NEP Informationsblatt (171999) Konsolidierung Seite 2 Kontakt, Controlling: Kontakt, Reporting: Kontakt,

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

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

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

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

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

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

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

Finanzielles Risikomanagement

Finanzielles Risikomanagement Tutorium Finanzielles Risikomanagement 10.07.2017 Nico Steyer Risikomanagement - Tutorium Folie 1 1. 10.07.2017 (16:00 17:30 Uhr): Grundlagen Value-at-Risk-Ansätze Kreditrisiken 2. 12.07.2017 (18:00 19:30

Mehr

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff

Mehr

Bonitätsfunktion. Beitragsjahr 2017

Bonitätsfunktion. Beitragsjahr 2017 Bonitätsfunktion gemäß Entschädigungseinrichtungs- Finanzierungsverordnung (EntschFinV) Beitragsjahr 217 28. März 217 Risikokategorien und Risikoindikatoren Risikokategorien Risikoindikatoren Gewichtung

Mehr

Bonitätsfunktion. Beitragsjahr 2018

Bonitätsfunktion. Beitragsjahr 2018 Bonitätsfunktion gemäß Entschädigungseinrichtungs- Finanzierungsverordnung (EntschFinV) Beitragsjahr 218 6. Dezember 217 Risikokategorien und Risikoindikatoren Risikokategorien Risikoindikatoren Gewichtung

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

2. Risikoparameter Ausfall, Verlustrate und Forderungshöhe bei Ausfall

2. Risikoparameter Ausfall, Verlustrate und Forderungshöhe bei Ausfall 2. Risikoparameter Ausfall, Verlustrate und Forderungshöhe bei Ausfall Kreditrisiko bezeichnet das Risiko, dass sich der Wert eines Kreditportfolios wegen unerwarteter Veränderungen der Kreditqualität

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

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

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

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

Die Korrelation von Merkmalen

Die Korrelation von Merkmalen Die Korrelation von Merkmalen In der Analse von Datenmaterial ist eines der Hauptziele der Statistik eine Abhängigkeit bzw. einen Zusammenhang zwischen Merkmalen zu erkennen. Die Korrelation ermittelt

Mehr

Eine zweidimensionale Stichprobe

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

Mehr

Kreditrisikomodelle: Bewertung von Kreditderivaten und Portfoliomodelle zur Kreditrisikomessung

Kreditrisikomodelle: Bewertung von Kreditderivaten und Portfoliomodelle zur Kreditrisikomessung Dissertation zur Erlangung des Doktorgrades (rerum politicarum) ander Wissenschaftlichen Hochschule für Unternehmensführung - Otto-Beisheim-Hochschule - Vallendar Kreditrisikomodelle: Bewertung von Kreditderivaten

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

Risikoklassifizierung von Bondm-Anleihen

Risikoklassifizierung von Bondm-Anleihen Risikoklassifizierung von Bondm-Anleihen Technische Dokumentation Einleitung Grundlegende Idee einer Risikoklassifizierung von Wertpapieren ist es, deren Risiken zu bewerten und anschließend Produkte mit

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

Was können Risikomesssysteme tatsächlich leisten?

Was können Risikomesssysteme tatsächlich leisten? Was können Risikomesssysteme tatsächlich leisten? Magdeburger Finanzmarktdialog 9. Juni 2011 Prof. Dr. Peter Reichling Otto-von-Guericke-Universität Magdeburg / Forschungszentrum für Sparkassenentwicklung

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

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

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

70 Wichtige kontinuierliche Verteilungen

70 Wichtige kontinuierliche Verteilungen 70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche

Mehr

n... Laufzeit der Kapitalanlage = Zeit, während der Zinsen zu zahlen sind (oder gezahlt werden) in Zinsperioden (z.b. Jahre)

n... Laufzeit der Kapitalanlage = Zeit, während der Zinsen zu zahlen sind (oder gezahlt werden) in Zinsperioden (z.b. Jahre) 2. Zinsrechnung 2.1. Grundbegriffe K... Kapital (caput das Haupt) = Betrag, der der Verzinsung unterworfen ist; Geldbetrag (Währung) z... Zinsen = Vergütung (Preis) für das Überlassen eines Kapitals für

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

Fit for Banking Modul 4 Forderungswertpapiere Teil 2. Modul 4: Forderungswertpapiere - Anleihen. Inhalt: Wissen bringt Gewinn

Fit for Banking Modul 4 Forderungswertpapiere Teil 2. Modul 4: Forderungswertpapiere - Anleihen. Inhalt: Wissen bringt Gewinn Fit for Banking Modul 4: Forderungswertpapiere Teil 2 Wissen bringt Gewinn Modul 4: Forderungswertpapiere - Anleihen Inhalt: Rahmenbedingungen Analyse/Bewertung von Anleihen Risiken bei Anleihen Rating

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler 6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung

Mehr

tatsächlich leisten?

tatsächlich leisten? Was können Risikomesssysteme tatsächlich leisten? Magdeburger g Finanzmarktdialog 9. Juni 2011 Prof. Dr. Peter Reichling Otto-von-Guericke-Universität Magdeburg / Forschungszentrum für Sparkassenentwicklung

Mehr

Asset-Liability-Modell einer Lebensversicherung

Asset-Liability-Modell einer Lebensversicherung Asset-Liability-Modell einer Lebensversicherung Umsetzung eines Bewertungsmodells Seminar Finanzmarktmodelle in der Lebensversicherung betreut von Dr. Zoran Nikolic und Dr. Tamino Meyhöfer Max Gripp, Tanja

Mehr

Inhaltsübersicht. Anhang C Anhang D Anhang E Anhang F Anhang G Anhang H Anhang I Anhang J

Inhaltsübersicht. Anhang C Anhang D Anhang E Anhang F Anhang G Anhang H Anhang I Anhang J Inhaltsübersicht Vorwort Kapitel 1 Kapitel 2 Kapitel 3 Kapitel 4 Kapitel 5 Kapitel 6 Kapitel 7 Kapitel 8 Kapitel 9 Kapitel 10 Kapitel 11 Kapitel 12 Kapitel 13 Kapitel 14 Kapitel 15 Kapitel 16 Kapitel 17

Mehr

InstitutionalOpti-Cash M

InstitutionalOpti-Cash M Stand: 07.02.2011; Seite 1 von 6 Stammdaten Fondsart ISIN Auflegungsdatum Fondsvermögen [EUR] Portfolio Risikokennzahlen VaR ex post (99/10) VaR ex ante (99/10)* Summe der Risikobeiträge (99/10) korreliert

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

Hedge Funds - Strategien und Bewertung

Hedge Funds - Strategien und Bewertung Wirtschaft Andreas Weingärtner Hedge Funds - Strategien und Bewertung Praktikumsbericht / -arbeit Inhaltsverzeichnis 1 Wissenswertes zu Hedge Funds...3 1.1 Hedge Funds ein alternatives Investment...3

Mehr

Solvency II and Nested Simulations - a Least-Squares Monte Carlo Approach

Solvency II and Nested Simulations - a Least-Squares Monte Carlo Approach Grafik and - a Least-Squares Monte Carlo Approach Khischgee Turbat Technische Universität Wien 17. Februar 2016 Grafik 1 2 3 4 Grafik 5 6 Inhalt Grafik Großprojekt der EU-Kommission gültig ab dem 1. Jänner

Mehr

Axel Seemann 9. November Replizierende Portfolios

Axel Seemann 9. November Replizierende Portfolios Axel Seemann 9. November 2009 Replizierende Portfolios Seite 2 Übersicht Was ist ein replizierendes Portfolio? Methodik Ein einfaches Beispiel Seite 3 Was ist ein replizierendes Portfolio? Replizierende

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

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

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003 Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter

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

1 Grundprinzipien statistischer Schlußweisen

1 Grundprinzipien statistischer Schlußweisen Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation

Mehr

Multivariate Verteilungen

Multivariate Verteilungen Multivariate Verteilungen 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 sind abhängig

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

"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 Versicherung 4. Mai 2017 Michael Christen Zurich Insurance Company Ltd CUREMhorizonte "From Capital to Cash" Alles nur Theorie? Die Sicht einer

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

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

Portfolio-Check. Gemeinsam Ihre Anlagen auf Kurs halten.

Portfolio-Check. Gemeinsam Ihre Anlagen auf Kurs halten. Portfolio-Check Gemeinsam Ihre Anlagen auf Kurs halten. Mit diesen Kennzahlen kennen Sie Ihr Risiko 1 Volatilität Wie Sie Schwankungen verstehen und interpretieren Die Titel in Ihrem Portfolio unterliegen

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

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests 1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit

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