Lehrstuhl für Quantitative Verfahren, insbesondere Statistik. Forschungsschwerpunkt: Modellierung und Quantifizierung von Finanzmarktrisiken

Transkript

1 1 Lehrstuhl für Quantitative Verfahren, insbesondere Statistik Fakultät Wirtschaftswissenschaften Technische Universität Dresden Dresden (2015) Forschungsprofil Forschungsschwerpunkt: Modellierung und Quantifizierung von Finanzmarktrisiken Publikationen des Lehrstuhls zum Kredit- und Marktrisiko Modellierung und Quantifizierung von Kreditrisiken: [1, 2, 4, 3, 5, 7, 9, 12, 13, 14, 15, 16, 17, 18, 19, 20, 22, 23, 26, 27, 29, 31, 33, 34, 35, 36] Statistische Schätzung von Kreditrisiken: [2, 6, 8, 11, 12, 15, 16, 17, 18, 20, 23, 25, 26, 28, 29, 30, 31, 32, 34] Validierung, Backtesting und Stresstesting von Kreditrisiken: [6, 10, 13, 14, 18, 21, 24] Modellierung und Quantifizierung von Marktrisiken: [3, 22, 36, 37, 39, 40, 41, 44] Statistische Schätzung von Marktrisiken: [37, 38, 39, 40, 42, 43, 45] Durchgeführte Weiterbildungsveranstaltungen, Research-Workshops und Tagungen 1. bis 11. Dresdner Risikotutorium (DRT1 bis DRT11) 1998 bis 2013, gemeinsam veranstaltet mit dem Lehrstuhl für Betriebswirtschaftslehre, insbesondere Finanzwirtschaft und Finanzdienstleistungen, Fakultät für Wirtschaftswissenschaften, Technische Universität Dresden. 1. Dresdner Risikoworkshop (DRW1) 2012, gemeinsam veranstaltet mit dem Lehrstuhl für Betriebswirtschaftslehre, insbesondere Finanzwirtschaft und Finanzdienstleistungen, Fakultät für Wirtschaftswissenschaften, Technische Universität Dresden. Grundlagen der Kreditportfoliomodellierung Modul Q11.24 in der Ausbildung der SRP/IRB-Prüfer der Deutschen Bundesbank, Eltville, , , , , , , , , , , , Credit Scoring Workshop, Abteilung QRM (Querschnitt Risikomodellierung) der Bundesanstalt für Finanzdienstleistungsaufsicht, Eltville,

2 2 Inhaltliche Ausrichtung des Hauptprogramms Statistik im Risikomanagement der Statistischen Woche 2007 in Kiel, Jahrestagung der Deutschen Statistischen Gesellschaft (gemeinsam mit Prof. S. Mittnik, PhD) Research-Workshop Grundlagen der Kreditrisikomodellierung in der Deutschen Bundesbank, Frankfurt am Main, Research-Workshop Grundlagen der Kreditrisikomodellierung in der Bundesanstalt für Finanzdienstleistungsaufsicht, Bonn, Modul Risikoabschätzung durch historische Simulation auf dem Research-Workshop Interne Risikosteuerungsmodelle in der Deutschen Bundesbank, Frankfurt am Main, Research-Workshop Stochastische und historische Simulation im Bundesaufsichtsamt für das Kreditwesen, Berlin, Literatur [1] S. Höse, S. Huschens: Kreditausfallrisiko. In: Praxishandbuch Risikomanagement: Konzepte - Methoden - Umsetzung, Hrsg: W. Gleißner, F. Romeike, Erich Schmidt Verlag, Berlin 2015, S [2] S. Höse, S. Huschens: Credit Portfolio Correlations and Uncertainty. In: Credit Securitisations and Derivatives: Challenges for the Global Markets, Hrsg.: D. Rösch, H. Scheule, John Wiley & Sons, Chichester 2013, S [3] S. Höse, S. Huschens: Stochastic Orders and Non-Gaussian Risk Factor Models. In: Review of Managerial Science 7 (2013), Heft 2, S Online: DOI /s [4] D. Tillich: Bounds for the Expectation of Bounded Random Variables. Dresdner Beiträge zu Quantitativen Verfahren 56/11, [5] D. Tillich: Risikomaßzahlen für Kreditportfoliotranchen. In: AStA Wirtschafts- und Sozialstatistisches Archiv 5 (2011), Heft 1, S [6] S. Höse, S. Huschens: Confidence Intervals for Asset Correlations in the Asymptotic Single Risk Factor Model. In: Operations Research Proceedings 2010, Hrsg.: B. Hu, K. Morasch, S. Pickl, M. Siegle, Berlin: Springer Verlag, 2011, S [7] S. Huschens: Kann es Rückzahlungswahrscheinlichkeiten von 100% geben? Dresdner Beiträge zu Quantitativen Verfahren, 53/10, Mit redaktionellen Änderungen erschienen in bank und markt - Zeitschrift für Retailbanking, Jg. 39, Heft 3/2010, S. 11. [8] S. Höse, S. Huschens: Confidence Intervals for Quantiles of a Vasicek-distributed Credit Portfolio Loss. Dresdner Beiträge zu Quantitativen Verfahren, 51/10, 2010.

3 3 [9] S. Huschens, C. Lehmann, D. Tillich: Sensitivities and Worst-Case Correlations for Hitting Probabilities of Portfolio Tranches. In: Journal of Risk Model Validation 4 (2010), Heft 1, S [10] S. Höse, S. Huschens: Model Risk and Non-Gaussian Latent Risk Factors. In: Model Risk: Identification, Measurement and Management, Hrsg.: D. Rösch, H. Scheule. London: Risk Books, 2010, S [11] S. Höse, S. Huschens: Confidence Intervals for Correlations in the Asymptotic Single Risk Factor Model. Dresdner Beiträge zu Quantitativen Verfahren, 50/09, [12] S. Höse, S. Huschens, R. Wania: Rating Migrations. In: Applied Quantitative Finance, Hrsg.: W. K. Härdle, N. Hautsch, L. Overbeck. 2. Aufl., Berlin: Springer, 2009, S [13] S. Höse, S. Huschens: Worst-Case Asset, Default and Survival Time Correlations. In: The Journal of Risk Model Validation 2 (2008), Heft 4, S [14] S. Höse, S. Huschens: Worst-Case and Stressed Correlations in the Asymptotic Single Risk Factor Model. In: Stress Testing for Financial Institutions Applications, Regulations and Techniques, Hrsg.: D. Rösch, H. Scheule. London: Risk Books, 2008, S [15] S. Höse, S. Huschens: Ausfallrisiko. Dresdner Beiträge zu Quantitativen Verfahren, 48/08. Erscheint demnächst in: Handbuch Risikomanagement, Hrsg.: W. Gleißner. Berlin: Erich Schmidt Verlag, [16] K. Vogl: Modellierung der Zeitstruktur von Ratingmigrationen Ein intensitätsbasierter Ansatz zu zeitdiskreten Ratingbeobachtungen. Dissertation, TU Dresden. Aachen: Shaker, [17] S. Höse: Statistische Genauigkeit bei der simultanen Schätzung von Abhängigkeitsstrukturen und Ausfallwahrscheinlichkeiten in Kreditportfolios. Dissertation, TU Dresden. Aachen: Shaker, [18] S. Huschens, A. Karmann, D. Maltritz, K. Vogl: Country Default Probabilities: Assessing and Backtesting. The Journal of Risk Model Validation 1 (2007), Heft 2, S [19] R. Wania: Scoreverfahren für die Kreditrisikomessung unter Berücksichtigung der Abhängigkeit von Ausfallereignissen. Dissertation, TU Dresden. Dresden: TUD- Press, [20] S. Höse, K. Vogl: Modeling and Estimating the Credit Cycle by a Probit-AR(1)- Process. In: From Data and Information Analysis to Knowledge Engineering, Hrsg.: M. Spiliopoulou, R. Kruse, C. Borgelt, A. Nürnberger, W. Gaul, Springer, Berlin, 2006, S

4 4 [21] S. Huschens: Backtesting von Ausfallwahrscheinlichkeiten. In: Risikomanagement aus Bankenperspektive Grundlagen, mathematische Konzepte und Anwendungsfelder, Hrsg.: T. Burkhardt, A. Knabe, K. Lohmann, U. Walther, Berliner Wissenschafts-Verlag, 2006, S [22] S. Huschens: Faktorstruktur und Marktmodelle. In: Kapitalmarkt, Unternehmensfinanzierung und rationale Entscheidungen, Festschrift für Jochen Wilhelm. Hrsg.: W. Kürsten, B. Nietert, Berlin, Heidelberg: Springer, 2006, S [23] S. Höse, K. Vogl: Predicting the Credit Cycle with an Autoregressive Model. Dresdner Beiträge zu Quantitativen Verfahren, 45/05, [24] S. Huschens, G. Stahl: A General Framework for IRBA Backtesting. Bankarchiv Zeitschrift für das gesamte Bank- und Börsenwesen. 53 (2005), S [25] S. Huschens, K. Vogl, R. Wania: Estimation of Default Probabilities and Default Correlations. In: Risk Management: Challenge and Opportunity, second revised and expanded edition. Hrsg.: M. Frenkel, U. Hommel, M. Rudolf, Heidelberg: Springer, 2005, S [26] S. Huschens, G. Stahl: Granularität dominiert Korrelation. Risknews, 1 (2004), Heft 6, S DOI: /risk [27] S. Huschens: Dreizehn Korrelationen in Kreditrisikomodellen. In: Banken, Finanzierung und Unternehmensführung, Festschrift für Karl Lohmann zum 65. Geburtstag. Hrsg.: T. Burkhardt, J. Körnert, U. Walther, Berlin: Duncker & Humblot, 2004, S [28] K. Vogl, R. Wania: BLUEs for Default Probabilities. Dresdner Beiträge zu Quantitativen Verfahren, 37/04, [29] S. Höse, S. Huschens: Sind interne Ratingsysteme im Rahmen von Basel II evaluierbar? Zur Schätzung von Ausfallwahrscheinlichkeiten durch Ausfallquoten. Zeitschrift für Betriebswirtschaft 73 (2003), S [30] S. Höse, S. Huschens: Simultaneous Confidence Intervals for Default Probabilities. In: Between Data Science and Applied Data Analysis, Proceedings of the 26th Annual Conference of the Gesellschaft für Klassifikation e. V., University of Mannheim, July 22-24, Hrsg.: M. Schader, W. Gaul, M. Vichi, Heidelberg: Springer, 2003, S [31] S. Höse, S. Huschens: From Credit Scores to Stable Default Probabilities: A Model Based Approach. In: Exploratory Data Analysis in Empirical Research, Proceedings of the 25th Annual Conference of the GfKl, University of Munich, March 14-16, Hrsg.: O. Opitz, M. Schwaiger, Heidelberg: Springer, 2003, S

5 5 [32] S. Höse, S. Huschens: Estimation of Default Probabilities in a Single-Factor Model. In: Between Data Science and Applied Data Analysis, Proceedings of the 26th Annual Conference of the Gesellschaft für Klassifikation e. V., University of Mannheim, July 22-24, Hrsg.: M. Schader, W. Gaul, M. Vichi, Heidelberg: Springer, 2003, S [33] S. Huschens, K. Vogl: Kreditrisikomodellierung im IRB-Ansatz von Basel II. In: Kreditrisikomanagement Kernbereiche, Aufsicht und Entwicklungstendenzen. 2. Auflage, Hrsg.: A. Oehler, Stuttgart: Schäffer-Poeschel, 2002, S [34] S. Höse, S. Huschens, und R. Wania: Rating Migrations. In: Applied Quantitative Finance, Hrsg: W. Härdle, T. Kleinow, G. Stahl. Berlin: Springer, 2002, S [35] S. Huschens, H. Locarek-Junge: Konzeptionelle und statistische Grundlagen der portfolioorientierten Kreditrisikomessung. Aktualisierte und erweiterte Fassung. In: Kreditrisikomanagement Kernbereiche, Aufsicht und Entwicklungstendenzen. 2., überarbeitete und erheblich erweiterte Auflage. Hrsg.: A. Oehler, Stuttgart: Schäffer-Poeschel, 2002, S [36] S. Huschens: Von der Markt- zur Kreditrisikomessung. In: Wertorientiertes Risiko- Management für Industrie und Handel - Methoden, Fallbeispiele, Checklisten. Hrsg.: W. Gleißner, G. Meier, Wiesbaden: Gabler, 2001, S [37] S. Huschens: Verfahren der Value-at-Risk-Berechnung im Marktrisikobereich. In: Handbuch Risikomanagement. Hrsg.: L. Johanning, B. Rudolph, München: Uhlenbruch, 2000, S [38] S. Huschens: Value-at-Risk-Berechnung durch historische Simulation. Dresdner Beiträge zu Quantitativen Verfahren, 30/00, [39] S. Huschens, J.-R. Kim: A Stable CAPM in the Presence of Heavy-tailed Distributions. In: Measuring Risk in Complex Stochastic Systems (Lecture Notes in Statistics 147). Hrsg.: J. Franke, W. Härdle, G. Stahl, Berlin: Springer, 2000, S [40] S. Huschens, J.-R. Kim: Measuring Risk in Value-at-Risk Based on Student s t- distribution. In: Studies in Classification, Data Analysis and Knowledge Organization. Classification in the Information Age. Proceedings of the GfKl-conference in Dresden Hrsg.: W. Gaul, H. Locarek-Junge, Berlin: Springer, 1999, S [41] S. Huschens: Anmerkungen zur Value-at-Risk-Definition. In: Datamining und Computational Finance (Ergebnisse des 7. Karlsruher Ökonometrie-Workshops), Hrsg.: G. Bol, G. Nakhaeizadeh, K.-H. Vollmer, Heidelberg: Physica, 1999, S [42] S. Huschens: Confidence intervals for the Value-at-Risk. In: Risk Measurement, Econometrics and Neural Networks (Selected Articles of the 6th Econometric- Workshop in Karlsruhe, Germany), Hrsg.: G. Bol, G. Nakhaeizadeh, K.-H. Vollmer, Heidelberg: Physica, 1998, S

6 6 [43] S. Huschens: Konfidenzintervalle für den Value-at-Risk. In: Data Mining. Theoretische Aspekte und Anwendungen. (Beiträge zur Wirtschaftsinformatik, Bd. 27), Hrsg.: G. Nakhaeizadeh, Heidelberg: Physica, 1998, S [44] S. Huschens: Messung des besonderen Kursrisikos durch Varianzzerlegung. Kredit und Kapital Vol. 31, Jg. 1998, S [45] S. Huschens: Genauigkeit von Schätzungen des Risikopotentials. In: Geld, Finanzwirtschaft, Banken und Versicherungen: 1996, Beiträge zum 7. Symposium Geld, Finanzwirtschaft, Banken und Versicherungen an der Universität Karlsruhe vom Dezember Hrsg.: C. Hipp u. a., Karlsruhe: Verlag Versicherungswirtschaft, 1997, S