SEMINARARBEIT. Kreditrisiko und Ausfallwahrscheinlichkeit mittels Ratings basierter Reduktionsmodelle

Größe: px
Ab Seite anzeigen:

Download "SEMINARARBEIT. Kreditrisiko und Ausfallwahrscheinlichkeit mittels Ratings basierter Reduktionsmodelle"

Transkript

1 SEMINARARBEIT im Rahmen der Lehrveranstaltung Seminar aus Finanzwirtschaft (SBWL Alternative Investments) Wintersemester 2014 Kreditrisiko und Ausfallwahrscheinlichkeit mittels Ratings basierter Reduktionsmodelle eingereicht bei Fischer, Edwin, O.Univ.-Prof. Mag. Dr.rer.soc.oec. Institut für Finanzwirtschaft Karl-Franzens-Universität Graz eingereicht von Philipp Perissutti Katharina Wagenhofer Graz, November 2014

2 Ehrenwörtliche Erklärung Wir erklären ehrenwörtlich, dass wir die vorliegende Arbeit selbstständig und ohne fremde Hilfe verfasst, andere als die angegebenen Quellen nicht benutzt und die den Quellen wörtlich oder inhaltlich entnommenen Stellen als solche kenntlich gemacht haben. Die Arbeit wurde bisher in gleicher oder ähnlicher Form keiner anderen inländischen oder ausländischen Prüfungsbehörde vorgelegt und auch noch nicht veröffentlicht. Die vorliegende Fassung entspricht der eingereichten elektronischen Version. 20. November 2014 Philipp Perissutti Katharina Wagenhofer

3 Inhaltsverzeichnis Abbildungsverzeichnis... II Abkürzungsverzeichnis... III Symbolverzeichnis... IV 1 Einleitung Definitionen Kreditrisiko und Ausfallwahrscheinlichkeit Ratings Ratingklassen und deren Ausfallwahrscheinlichkeit Kreditrisikomodelle Strukturelle Modelle Reduktionsmodelle Das Modell von Jarrow, Lando und Turnbull (1997) Einführung Ratingklassen und Ausfallwahrscheinlichkeiten im zeitdiskreten Fall Ergebnisse des Modells Beispiel Das Modell von Das und Tufano (1996) Einführung Modellbeschreibung Fazit Literaturverzeichnis I

4 Abbildungsverzeichnis Abbildung 1: Empirisch ermittelte Ausfallquoten und idealisierte Ausfallwahrscheinlichkeiten (Daten )...4 Abbildung 2: Kreditrisikomodelle...5 Abbildung 3: Beispielhafte Übergangsmatrix Abbildung 4: Ausfallwahrscheinlichkeit JLT-Modell versus vereinfachte Schätzung II

5 Abkürzungsverzeichnis bzw. CDS EAD EL LGD JLT IRB OTC S&P PD VaR z.b. beziehungsweise Credit Default Swap Exposure at Default Expected Loss Loss Given Default Jarrow/Lando/Turnbull Internal-Ratings- based Over the counter Standard & Poor s Probability of Default Value-at-Risk zum Beispiel III

6 Symbolverzeichnis B C f f i K M n p Q Q q ij q ij r S s t T τ v X π δ σ Wert des Geldmarktkontos Cash Flows Forward Rate der risikolosen Nullkuponanleihe Forward Rate der risikobehafteten Nullkuponanleihe der Ratingklasse i Kreditausfall maturity Anzahl der Jahre Preis einer risikolosen Nullkuponanleihe Matrix der historischen Übergangswahrscheinlichkeiten Matrix der risikoneutralen Übergangswahrscheinlichkeiten historische Übergangswahrscheinlichkeit der Ratingklasse i in die Rating klasse j risikoneutrale historische Übergangswahrscheinlichkeit der Ratingklasse i in die Ratingklasse j risikoloser Zinssatz Zustandsraum der Ratings Spread heutiger Zeitpunkt Zeitpunkt der Fälligkeit Zeitpunkt des Kreditausfalls Preis einer risikobehafteten Nullkuponanleihe Zustandsvariable für das Risiko Risikoprämie Erlösquote Standardabweichung IV

7 Einleitung 1 Einleitung Die Messung und Bewertung von Kreditrisiken stellt ein sehr aktuelles Thema in der Wissenschaft und Praxis dar. Vor allem vor dem Hintergrund der Entwicklung von Basel 3 und Solvency 2 wird die Bedeutung dieses Gebiets deutlich. In der Literatur gibt es eine Vielzahl an Modellen zur Bewertung des Kreditrisikos, welche in Strukturelle Modelle und Reduktionsmodelle unterschieden werden können. Das Ziel dieser Arbeit ist die Darstellung des Kreditrisikos und der Ausfallwahrscheinlichkeit mittels ratingbasierter Reduktionsmodelle. Es sollen die Modelle von Jarrow/Lando/ Turnbull und Das/Tufano beschrieben, deren Vorgehensweise erläutert und die Ergebnisse dargestellt werden. Im Abschnitt 2 wird auf die Definition des Kreditrisikos und der Ausfallwahrscheinlichkeit eingegangen. Des Weiteren werden in diesem Abschnitt Ratings und die sich daraus ergebenden ratingspezifischen Ausfallwahrscheinlichkeiten erläutert. Im dritten Abschnitt wird das Modell von Jarrow/Lando/Turnbull beschrieben und die Ergebnisse dargestellt. Zur besseren Verständlichkeit des Modelles wird ein Beispiel angeführt. Im vierten und letzten Abschnitt wird auf die Modellerweiterung von Das/Tufano eingegangen, welches das Jarrow/Lando/Turnbull um eine stochastische Recovery Rate erweitert. 2 Definitionen 2.1 Kreditrisiko und Ausfallwahrscheinlichkeit Unter dem Begriff des Kreditrisikos versteht man alle negativen Folgen bzw. Risiken aus dem eingehen eines Kontraktes in ein Kreditgeschäft. 1 Um Kreditrisiken abschätzen zu können, ist der Expected Loss eine der wichtigsten Maßzahlen. 2 Der Expected Loss gibt die Höhe des Verlustes an, den der Gläubiger aus einem Kreditkontrakt erwarten kann. 3 Der Expected Loss (EL) wird mit den drei Größen Probability of Default (PD), Exposure 1 Vgl. Bielecki; Rutkowski (2002), S Vgl. Öhler; Unser (2002), S. 207f. 3 Vgl. Ong (1999), S

8 Definitionen at Default (EAD) und Loss Given Default (LGD) berechnet. Unter dem EAD versteht man den Positionswert bei Ausfall, unter der PD die Ausfallwahrscheinlichkeit und unter dem LGD versteht man die Verlustquote bei Ausfall. 4 Der Expected Loss ergibt sich aus der Multiplikation von EAD, LGD und PD. 5 Da der Expected Loss aber nur den Erwartungswert des Verlustes eines Kredites angibt, ist er somit kein Risikomaß. Um den Risikogehalt eines Kredites zu messen gibt es andere Risikokennzahlen wie den Value-at-Risk (VaR) oder die Standardabweichung der Verluste (Unexpected Loss). 6 An dieser Stelle ist anzumerken, dass die oben Risikomaße einer Normalverteilung unterliegen. Die Verteilung von Kreditrückzahlungen ist jedoch in der Regel nicht normalverteilt, da es in den meisten Fällen zur vollständigen Rückzahlung der Kreditverbindlichkeiten kommt. 7 Unter dem Begriff Ausfallrisiko versteht man, dass eine der beiden Vertragsparteien in einem Finanzkontrakt nicht in der Lage ist, seine vertraglichen Verpflichtungen in vollem Umfang zu erfüllen. Man spricht dann von einem Default bzw. von einem Credit-Event. 8 Für die Schätzung der Ausfallwahrscheinlichkeit gibt es eine große Vielfalt an Methoden. Diese Methoden können in zwei verschiedene Gruppen eingeteilt werden: Ratings und Marktdaten. Wenn Aussagen über die Ausfallwahrscheinlichkeit mittels Marktdaten getroffen werden sollen, so kann dies über Aktienkurse, Anleihenkurse und CDS-Spreads erfolgen. Die in der Praxis am weitverbreitetste Methode ist die der Ratings, bei dem die Kreditnehmer entsprechend ihrer Bonität einer Ratingklasse, die mit Ausfallwahrscheinlichkeiten verknüpft ist, zugeordnet werden Ratings Ein Rating stellt eine Bonitätsbeurteilung und somit eine Einschätzung des Kredit- bzw. Ausfallrisikos eines Kreditnehmers dar. Im Gegensatz dazu ist ein Ratingverfahren die Art 4 Vgl. Hartmann-Wendels; Pfingsten; Weber (2010), S Vgl. Hartmann-Wendels; Pfingsten; Weber (2010), S Hartmann-Wendels; Pfingsten; Weber (2010), S Vgl. Hartmann-Wendels; Pfingsten; Weber (2010), S. 501f. 8 Vgl. Bielecki; Rutkowski (2002), S Vgl. Hartmann-Wendels; Pfingsten; Weber (2010), S. 502f. 2

9 Definitionen und Weise, wie ein solches Rating erstellt wird. 10 Die Bonitätseinstufung eines Kreditnehmers über ein Rating dient als Kriterium für die Bestimmung des risikoangemessenen Zinssatzes und zusätzlich auch für die nach Basel geforderte Eigenkapitalunterlegung der Banken für vergebene Kredite. 11 Für die Bonitätsprüfung der Kreditnehmer ist ein Rating vorzunehmen. Dieses kann entweder von den Banken selbst (internes Rating) oder durch eine Ratingagentur (externes Rating) durchgeführt werden. 12 Im Gegensatz zu den internen Ratings werden externe Ratings oftmals veröffentlicht Ratingklassen und deren Ausfallwahrscheinlichkeit Die Abstände zwischen den unterschiedlichen Klassen sind nicht metrisch messbar. Zudem kann einer Ratingklasse auch nicht direkt eine Ausfallwahrscheinlichkeit zugerechnet werden, sondern lediglich eine historische Ausfallquote. Die jeweiligen Ausfallquoten werden empirisch aus ex post eingetretenen Ausfällen pro Ratingklasse und Jahr ermittelt. Empirische Ausfallquoten sind von dem betrachteten Zeitraum abhängig und folglich nicht konstant. 14 Aus Abbildung 1 lassen sich die empirisch ermittelten durchschnittlichen Ausfallquoten für die jeweilige Ratingklasse von Standard & Poor s und Moody s entnehmen. Es ist jedoch zu erwähnen, dass die historische Ausfallquote nicht mit der Bonitätseinschätzung übereinstimmen muss. Deswegen werden idealisierte Ausfallwahrscheinlichkeiten als Schätzer herangezogen. 15 Zum Beispiel ist die Ausfallquote der Moody s-ratingklasse Baa2 um 0,06 Prozent niedriger als die der besseren Ratingklasse Baa1. Da Kreditlaufzeiten aber in der Regel über einen längeren Zeithorizont als ein Jahr laufen, werden hierfür kumulierte historische Ausfallquoten und deren idealisierten Ausfallwahrscheinlichkeiten herangezogen Vgl. Reichling; Bietke; Henne (2007), S Vgl. Reichling; Bietke & Henne (2007), S.44f. 12 Vgl. Reichling; Bietke & Henne (2007), S Vgl. Öhler; Unser (2002), S Vgl. Reichling; Bietke; Henne (2007), S Vgl. Reichling; Bietke; Henne (2007), S Vgl. Reichling; Bietke; Henne (2007), S.78. 3

10 78 Externes Rating Kreditrisikomodelle Standard & Poor s Ratingklasse Durchschnittlich e Ausfa llqu ote ( in % p. a.) Moody s Ratingklasse Durchschnittlich e Ausfa llqu ote ( in % p. a.) I dealisiert e Ausfallw ahrsch einlichkeit ( in % p. a.) AAA 0,00 Aaa 0,00 0,01 AA+ AA A 0,00 0,00 0,03 Aa1 Aa2 Aa3 0,00 0,00 0,05 0,02 0,03 0,04 A+ A A 0,02 0,05 0,05 A1 A2 A3 0,00 0,03 0,04 0,05 0,06 0,09 BBB+ BBB BBB 0,12 0,22 0,35 Baa1 Baa2 Baa3 0,21 0,15 0,50 0,13 0,16 0,39 BB+ BB BB 0,44 0,94 1,33 Ba1 Ba2 Ba3 0,70 0,65 2,38 0,67 1,17 2,03 B+ B B 2,91 8,38 10,32 B1 B2 B3 3,33 7,14 11,97 3,51 6,08 10,54 CCC 21,94 Caa 23,65 18,27 Tabelle 13: Empirisch ermittelte Ausfallquoten und idealisierte Ausfallwahrscheinlichkeiten (Daten für S&P von 1981 bis 2000, für Moody s von 1983 bis Abbildung 2002) 1: Empirisch ermittelte Ausfallquoten und idealisierte Ausfallwahrscheinlichkeiten (Daten ) Quelle: Reichling; Bietke; Henne (2007), S Kumulierte Ausfallquoten und -wahrscheinlichkeiten Da die Laufzeit eines Kreditengagements in Deutschland in der Regel mehrere Jahre beträgt, ist neben dem Ein-Jahres-Horizont auch die Betrachtung von längeren Zeiträumen interessant. Tabelle 14 zeigt hierfür die historischen Mehr-Jahres-Ausfallquoten (kumulierte Ausfallquoten) für ausgewählte S&P-Ratingklassen und Tabelle 15 gibt idealisierte Kreditrisikomodelle Mehr-Jahres-Ausfallwahrscheinlichkeiten (kumulierte Ausfallwahrscheinlich- 3 keiten) an. Zur Bewertung von risikobehaftetem Fremdkapital können verschieden Modelle bzw. Ansätze unterschieden werden. Grundsätzlich gibt es in der Literatur eine Unterteilung der Kreditrisikomodelle in zwei Gruppen. Es können hier, wie in Abbildung 2 ersichtlich, Strukturelle Modelle und Reduktionsmodelle unterschieden werden. 17 Alternativ gibt es in einem Teil der empirischen Literatur eine Einteilung in drei Gruppen, wobei Rating basierte Modelle, die bei der oben genannten Unterteilung den Reduktionsmodellen zugehörig waren, eine dritte, eigenständige Modellgruppe darstellen Vgl. Mair (2010), S Vgl. Felsenheimer; Gisdakis; Zaiser (2006), S

11 Kreditrisikomodelle Abbildung 2: Kreditrisikomodelle Quelle: Mair (2010), S Strukturelle Modelle Bei den Strukturellen Modellen kommt es zu einer Quantifizierung des Kreditrisikos durch Anwendung der Optionspreistheorie, wobei es zu einer Berechnung der Ausfallwahrscheinlichkeit, der Risikoprämie und der Credit Spreads kommen kann. 19 Strukturelle Modelle basieren auf der Arbeit von Merton 20, die wiederum auf der Optionspreistheorie nach Black und Scholes 21 fußt. Diese Modelle basieren auf der Annahme, dass es zu einem Kreditausfall kommt, wenn durch exogen oder endogen induzierte Ereignisse der Wert einer Unternehmung (Marktwert der Aktiva) einen bestimmten Grenzwert z.b. den Wert der Schulden unterschreitet. Hierbei werden stochastische Prozesse für den Unternehmenswert definiert, der den Kreditausfall indirekt auslöst Reduktionsmodelle Reduktionsmodelle werden auch Intensitätsmodelle genannt und stellen die am meisten verwendeten Modelle zur Kreditrisikomessung dar. In diesen Modellen werden Kreditausfälle als exogene Events modelliert. 23 Kreditausfälle werden losgelöst von fundamentalen 19 Vgl. Felsenheimer; Gisdakis; Zaiser (2006), S Vgl. Merton (1974). 21 Vgl. Black; Scholes (1973). 22 Vgl. Huschens; Locarek-Junge (2000), S Vgl. Felsenheimer; Gisdakis; Zaiser (2006), S

12 Kreditrisikomodelle Unternehmensdaten betrachtet und erlauben in der Modellbetrachtung einen zufällig eintretenden Ausfall. 24 Die Wahrscheinlichkeitsverteilung der Kreditausfälle wird aus historischen Daten von externen Ratingagenturen oder aus Marktpreisen gewonnen. Im Gegensatz zu den Strukturellen Modellen bieten Reduktionsmodelle keine ökonomische Begründung für den Ausfall. Dies stellt den Grund dafür da, dass diese Modelle als Reduzierte Modelle bezeichnet werden. Das Ziel dieser Modelle ist eine marktkonsistente Darstellung der Preise von Krediten bzw. risikobehafteten Anleihen und der daraus implizit bestehenden Ausfallwahrscheinlichkeit. Der zentrale Bestandteil der Modellierung ist der stochastische Ausfallzeitpunkt. Reduktionsmodelle beschreiben also ein Kreditereignis, in dem der Schuldner in einem Kredit-Kontrakt nicht mehr in der Lage ist seine vertraglich vereinbarten Verpflichtungen zu erfüllen, als Zeitpunkt, in dem ein wachsender stochastischer Prozess eine exponentialverteilte Zufallsvariable überschreitet. Der Ausfallzeitpunkt wird in einem homogenen Poisson-Prozess als erster Sprungzeitpunkt definiert, dessen Intensität auch als Ausfallwahrscheinlichkeit beschrieben wird. 25 Die Modellklasse hat den Ursprung in den Arbeiten von Jarrow/Turnbull (1995) und Jarrow/Lando/Turnbull (1997). Jarrow/Turnbull modellieren die Ausfallwahrscheinlichkeit als ersten Sprung in einem Poisson-Prozess. Später bei Jarrow/Lando/Turnbull werden die Ausfallwahrscheinlichkeiten an ein Rating der Unternehmen geknüpft. Darüber hinaus berücksichtigen Das/Tufano (1996) stochastische Recovery Rates. Die Arbeit von Mandan/Unal (1998) wählt auf diese Modelle aufbauend die Entwicklung des Aktienkurses zur Modellierung der Ausfallwahrscheinlichkeit anstelle eines Ratings. Nach diesen Arbeiten sind auch noch die Erweiterungen von Lando (1998) und Duffie/Singleton (1999) zu nennen. Beide dieser Modellerweiterungen sowie bei Das/Tufano wird die Korrelation zwischen Ausfallrisiko und Zinsrisiko berücksichtigt, die in den Arbeiten davor als unabhängig betrachtet wurden. 26 Auf die Modelle von Jarrow/Lando/Turnbull (1997) und Das/Tufano (1996), welche die Gruppe der ratingbasierten Reduktionsmodelle darstellt, wird in den nächsten Abschnitten dieser Arbeit noch genauer eingegangen. 24 Vgl. Starck; Trautmann (2006), S. 474f. 25 Vgl. Starck; Trautmann (2006), S. 474f. 26 Vgl. Theis (2010), S.12. 6

13 Das Modell von Jarrow, Lando und Turnbull (1997) 4 Das Modell von Jarrow, Lando und Turnbull (1997) 4.1 Einführung Das Modell von Jarrow/Lando/Turnbull (JLT-Modell) stellt das erste Modell dar, in dem Ratings bei der Bewertung von risikobehafteten Vermögensgegenständen den maßgeblichen Indikator für einen Kreditausfall darstellen. Das Modell mit dem Titel A Markov Model for the Term Structure of Credit Risk Spreads wurde 1997 entwickelt und kann für die Bepreisung und das Hedging von Anleihen mit eingebetteten Optionen, von OTC Derivate mit Gegenparteiausfallsrisiko, von Municipal Bonds und von Kreditderivaten verwendet werden. Des Weiteren kommt es auch zum Einsatz des JLT-Modells im Risikomanagement, da es möglich ist aus dem Modell das Kreditrisikoprofil über die gesamte Dauer eines Kreditgeschäftes oder eines Kreditportfolios abzuleiten. Hierbei können das maximale Kreditrisiko und das erwartete Kreditrisikoprofil über die Zeit berechnet werden. Ausgehend von einer bestimmten Ratingklasse können Aussagen getroffen werden, mit welcher Wahrscheinlichkeit es nach einer bestimmten Zeit zu Migrationen in andere Ratingklassen oder zu einem Ausfall kommt. 27 Bei der Positionierung innerhalb der Kreditrisikomodelle distanzieren sich Jarrow/Lando/ Turnbull und kritisieren an den Strukturellen Modellen, dass diese Ansätze in der Praxis schwer zu implementieren sind, da deren implizite Annahme, dass alle Vermögensgegenstände in der Realität handelbar und beobachtbar sind, nicht zutreffend ist. Zusätzlich verlangt die Anwendung der Strukturellen Modelle, dass die Rangigkeit aller Verbindlichkeiten des Unternehmens in den Bewertungsprozess implementiert wird, was in der Realität aber eine große Herausforderung darstellt. Als dritter Kritikpunkt wird genannt, dass diese Modelle nicht das Rating von Unternehmen in ihre Bewertung mit einbeziehen und somit Kreditderivate, deren Auszahlung von Ratings abhängig ist, nicht bewertet werden können Vgl. Jarrow; Lando; Turnbull (1997), S. 481ff. 28 Vgl. Jarrow; Lando; Turnbull (1997), S

14 Das Modell von Jarrow, Lando und Turnbull (1997) Beim JLT-Modell, das arbitragefrei ist, wird der Kreditausfall als ein exogener Prozess beschrieben, der somit nicht von den Vermögensgegenständen des Unternehmens abhängig ist. 29 Daher wird dieses Modell auch der Modellgruppe der Reduktionsmodelle zugeordnet. Das Modell beschreibt den Kreditausfall als einen Markov-Prozess mit einem endlichen Zustandsraum der Kreditratings. Ein Markov-Prozess ist ein stochastischer Prozess in diskreter bzw. stetiger Zeit, mit dem sich Migrationsprozesse stochastisch modellieren und analysieren lassen. Der Prozess ist so ausgestaltet, dass der nächste Zustand X t+1 bei bekanntem Zustand X t unabhängig von der Vergangenheit X t 1,, X 0 ist. Somit hängt der Preis nur von dem Preis der Vorperiode ab. 30 Das Modell weist folgende Eigenschaften auf: 31 Unterschiedliche Rangigkeit von Schulden eines Unternehmens können durch unterschiedliche Erlösquoten berücksichtigt werden. Das Modell kann mit jedem beliebigen Modell zur risikolosen Zinsstrukturkurve kombiniert werden (z.b. Cox, Ingersoll und Ross 32 ). Es werden historische Übergangswahrscheinlichkeiten für Ratings verwendet, um die in der Bewertung verwendeten Pseudowahrscheinlichkeiten zu berechnen. Das Modell kann verwendet werden um Optionen auf Kredite oder Kreditderivate zu bewerten bzw. zu hedgen. Eine der zentralen Annahmen des Modells ist, dass die risikolose Zinsstrukturkurve und der Prozess des Kreditausfalls stochastisch unabhängig sind. Diese Annahme wird zur Erleichterung der empirischen Untersuchung getroffen und könnte aber jederzeit fallengelassen werden, ohne die Ergebnisse zu ändern. 33 Diese Annahme scheint durchaus plausibel zu sein, da zumindest bei Investment Grade Unternehmen die historischen Ausfallwahrscheinlichkeiten über die Zeit relativ konstant sind. Die Ausfallwahrscheinlichkeiten von High-Yield Unternehmen sind zwar etwas volatiler, jedoch noch immer relativ konstant 29 Vgl. Jarrow; Lando; Turnbul (1997), S Vgl. Henking; Bluhm; Fahrmeier (2006), S. 150f. 31 Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Cox; Ingersoll; Ross (1985). 33 Vgl. Jarrow; Turnbull (1995). 8

15 Das Modell von Jarrow, Lando und Turnbull (1997) mit einer Standardabweichung der Ausfallwahrscheinlichkeiten der mit B gerateten Unternehmen von 5,04% zwischen 1970 und Das Jarrow/Lando/Turnbull Modell stellt eine Erweiterung des Jarrow/Turnbull Modells 35 aus dem Jahr 1995 dar, weshalb die für das JLT-Modell relevanten Aspekte kurz vorgestellt werden sollen. In dem Modell werden risikolose und risikobehaftete Nullkuponanleihen aller Laufzeiten und ein risikoloses Geldmarktkonto gehandelt. Der Wert des Geldmarktkontos zum Zeitpunkt t ergibt sich mit Hilfe der risikolosen Spot Rate r folgendermaßen: 36 t 1 B(t) = exp ( i=0 r(i) ) (1) Der Preis p einer risikolosen Nullkuponanleihe zum Zeitpunkt t ergibt sich durch Diskontierung der sicheren Zahlung zum Zeitpunkt T: 37 p(t, T) = E t( B(t) B(T) ) (2) Wenn eine Unternehmung ihre Verbindlichkeiten nicht mehr im vertraglich vereinbarten Ausmaß leisten kann, so bedeutet dies nicht, dass es zu einem totalen Ausfall kommen muss. In diesem Fall zahlt das Unternehmen δ < 1 Einheiten Geld, wobei δ die Erlösquote darstellt, die von der Rangigkeit der Verbindlichkeit abhängt. In dem Modell von Jarrow/ Lando/Turnbull wird die Erlösquote als konstant angesehen. Wenn τ den Zeitpunkt des Kreditausfalls darstellt, dann ergibt sich der Wert v der risikobehafteten Nullkuponanleihe wie folgt: 38 v(t, T) = p(t, T)(δ + (1 δ)q t(τ > T)) (3) 34 Vgl. Jarrow; Lando; Turnbull (1997), S. 483f. 35 Vgl. Jarrow; Turnbull (1995). 36 Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S

16 Das Modell von Jarrow, Lando und Turnbull (1997) Der Wert einer risikobehafteten Nullkuponanleihe wird in Gleichung 3 als Produkt der risikolosen Nullkuponanleihe und der Auszahlung zur Fälligkeit dargestellt. Der Ausdruck Q t(τ > T) stellt die Wahrscheinlichkeit dar, dass der Kreditausfall nicht während der Laufzeit der Nullkuponanleihe stattfindet. Die Modellierung der Wahrscheinlichkeitsverteilung erfolgt mittels Martingal-Wahrscheinlichkeiten und ist einer der zentralen Bestandteile dieser Arbeit Ratingklassen und Ausfallwahrscheinlichkeiten im zeitdiskreten Fall Die Verteilung des Kreditausfallzeitpunktes erfolgt mittels einer zeitdiskreten Markov Kette mit einem endlichen Zustandsraum S = {1,2,.., K}. Die Zustände 1,2,... entsprechen dabei den, durch die Ratingagenturen definierten, Ratingklassen. 40 So entspricht der Zustand 1 dem Rating Aaa der Ratingagentur Moody s und die niedrigste Ratingklasse K-1 der Ratingklasse C. 41 Der Zustand K entspricht einem Kreditausfall und ist zugleich ein absorbierender Zustand d.h. es wird vereinfachend angenommen, dass ein insolventes Unternehmen nicht saniert werden kann und in diesem Zustand auch in den Folgeperioden bleibt. Diese Markov-Kette wird durch eine K K Übergangsmatrix spezifiziert: 42 Q = q 11 q 21 q 12 q 22 q K 1,1 i q K 1,2 { 0 0 q 1K q 2K i q K 1,K 1 } (4) Bei dieser Matrix gilt q ij 0 für alle i, j, i j und q ii 1 K j=1 q ij J i. Die Zeilen i der Matrix kennzeichnen die ursprüngliche Ratingklasse und die Spalten j der Matrix bezeichnen die Ratingklasse am Ende der Periode. Im diskreten Fall geht man üblicherweise von einem Jahr als Zeitintervall aus. Der Term q ij repräsentiert demnach die historisch ermittelte Wahrscheinlichkeit innerhalb eines Jahres von der Klasse i zur Klasse j zu wechseln. Eine 39 Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Moody s (2014). 42 Vgl. Jarrow; Lando; Turnbull (1997), S

17 Das Modell von Jarrow, Lando und Turnbull (1997) Eigenschaft dieser Übergangsmatrix ist es, dass die von Null verschiedenen Übergangswahrscheinlichkeit entlang der Diagonale konzentriert sind. Dies lässt sich dadurch erklären, dass eine Verbesserung oder Verschlechterung eines Ratings eine fundamentale bzw. langfristige Entwicklung des Unternehmens voraussetzt, was in der Betrachtungsperiode von einem Jahr praktisch kaum vorkommt. Dies Übergangs- oder Migrationsmatrix wird als zeithomogen betrachtet d.h. die historisch ermittelten einjährigen Ausfallwahrscheinlichkeiten werden als konstant angesehen. Auch an dieser Stelle haben Untersuchungen zur Gültigkeit dieser Annahme gezeigt, dass dies für Investment Grade Unternehmen eher zutrifft als für High Yield Unternehmen. Dieser Annahme folgend können auch Übergangsmatrizen mit den Übergangswahrscheinlichkeiten q ij (0, n) über einen Zeitraum von n Jahren berechnet werden. Die Berechnung der mehrjährigen Übergangsmatrix erfolgt durch das n-fache Produkt der einjährigen Übergangsmatrix: Q 0,n = Q n. 43 Unter der oben beschriebenen Voraussetzung eines vollkommenen Marktes und der Abwesenheit von Arbitragemöglichkeiten ergibt sich die Übergangsmatrix vom Zeitpunkt t zum Zeitpunkt t+1 unter der Martingal Wahrscheinlichkeit wie in Gleichung 5 dargestellt. 44 Eine korrekte Bewertung eines risikobehafteten Vermögensgegenstandes verlangt anstelle der realen, historisch ermittelten Ausfallwahrscheinlichkeiten die Verwendung von risikoneutralen oder Pseudowahrscheinlichkeiten. 45 q 11 (t,t+1) q 12 (t,t+1) q 1K (t,t+1) Q t,t+1 = ( q 21 (t,t+1) q K 1,1 (t,t+1) 0 q 22 (t,t+1) q K 1,2 (t,t+1) 0 q 2K (t,t+1) q K 1,K (t,t+1) 1 ) (5) mit q ij (t, t + 1) 0 i, j, i j K q ii (t, t + 1) 1 q ij (t, t + 1) j=1 j i q ij (t, t + 1) > 0, wenn q ij > 0 für 0 t τ 1 43 Vgl. Jarrow; Lando; Turnbull (1997), S. 487f. 44 Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Felsenheimer; Gisdakis; Zaiser (2006), S. 260f. 11

18 Das Modell von Jarrow, Lando und Turnbull (1997) Da in diesem Fall die Martingal-Wahrscheinlichkeiten vom gesamten Prozess bis zum Zeitpunkt t abhängen, muss dieser Prozess ein Markov Prozess sein. Zur Erleichterung der empirischen Implementation werden einige Restriktionen eingeführt, so dass die Risikoprämienanpassung π folgende Bedingung erfüllt: 46 q ij (t, t + 1) = π i (t)q ij für alle i, j, i j (6) Die Risikoprämienanpassung transformiert historische in risikoneutrale Ausfallwahrscheinlichkeiten, welche zur Bewertung verwendet werden müssen. π i (t) ist eine deterministische Funktion der Zeit und kann folgend berechnet werden: 47 π i (0) = [p(0,1) vi (0,1)] p(0,1) (1 δ)q ik für i = 1,, K 1 (7) 1 Unter der Annahme, dass Q 0,t existiert und die Erlösquote bekannt ist, kann die Risikoanpassung folgend berechnet werden: π i (t) = K j=1 q i,j (8) p(0,t+1) (1 δ) q i,k 1 (0, t) p(0,t+1) vi (0,t+1) p (0, t + 1) heutiger Preis einer risikolosen Nullkuponanleihe mit einer Laufzeit t+1 v i (0, t + 1) 1 q i,j heutiger Preis einer risikobehafteten Nullkuponanleihe der Ratingklasse i xx mit einer Laufzeit von t+1 inverse Übergangswahrscheinlichkeit von Ratingklasse i zu j Die Matrix Q 0,n, die eine n-stufige Übergangsmatrix darstellt, um vom Zustand i zum Zeitpunkt t = 0 zum Zustand j zum Zeitpunkt t = n zu migrieren, muss folgende Bedingung erfüllen: 48 Q 0,n = Q 0,1 Q 1,2,, Q n 1,n (9) 46 Vgl. Jarrow; Lando; Turnbull (1997), S. 488f. 47 Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S

19 Das Modell von Jarrow, Lando und Turnbull (1997) Nur für den Spezialfall, dass die Funktion π(t) eine konstante Matrix über die Zeit ist, kann man Q 0,n als Q 0,n = Q n darstellen. Unter Einsetzung dieser Ergebnisse in Gleichung 6 kann nun berechnet werden, mit welcher Wahrscheinlichkeit das Unternehmen zur Fälligkeit T noch solvent ist. Es wird folgend bestimmt, mit welcher Wahrscheinlichkeit der Default τ nach der Fälligkeit T eintritt: 49 Q ti (τ > T) = j K q ij (t, T) = 1 q ik (t, T) (10) Aus der Formel zur Berechnung der Solvabilität und dem daraus ableitbaren Preis einer risikobehafteten Nullkuponanleihe können nun Credit Risk Spreads berechnet werden: 50 f i (t, T) f(t, T) = log ( vi (t,t+1) ) v i (t,t) ( log (p(t,t+1) )) (11) p(t,t) f i (t, T) f(t, T) Forward Rate für risikobehaftete Nullkuponanleihe für Unternehmen der xratingklasse i Forward Rate für risikolose Nullkuponanleihe 4.3 Ergebnisse des Modells Im Folgenden werden die Ergebnisse des Modells und die Implikation daraus dargestellt. Folgende Abbildung zeigt eine beispielhafte Übergangsmatrix für ein Jahr. 0,87 0,10 0,02 0,01 0,05 0,84 0,10 0,01 Q 0,1 = ( ) 0 0,05 0,85 0, Abbildung 3: Beispielhafte Übergangsmatrix Quelle: In Anlehnung an Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S Vgl. Jarrow; Lando; Turnbull (1997), S

20 Das Modell von Jarrow, Lando und Turnbull (1997) In diesem Beispiel gibt es vier mögliche Zustände bzw. vier Ratingklassen. Die Wahrscheinlichkeit im nächsten Jahr in der gleichen Ratingklasse zu sein beläuft sich für die erste Ratingklasse auf 87%, die Wahrscheinlichkeit sich um eine Ratingklasse zu verschlechtern beläuft sich auf 10%, die Wahrscheinlichkeit nach einem Jahr in der dritten Ratingklasse zu sein auf 2% und die Wahrscheinlichkeit eines Ausfalls beläuft sich auf 1%. In einem zeitdiskreten Fall könnte man den Versuch machen und die Überlebenswahrscheinlichkeit in den nächsten zwei Jahren als (1 0,01) 2 = 0,9999 zu berechnen, was einer zweijährigen Ausfallwahrscheinlichkeit von 0,01% entsprechen würde. Diese Vorgehensweise würde aber die Wahrscheinlichkeit eines Downgrades in schlechtere Ratingklassen und der in der nächsten Periode mögliche Ausfall in diesen Ratingklassen nicht miteinbeziehen. 51 Abbildung 4 zeigt die Ausfallwahrscheinlichkeit, deren vereinfachte Berechnung oben beschrieben wurde, als gestrichelte Linie und die Ausfallwahrscheinlichkeit, die mittels des JLT-Modells berechnet wurde, als durchgehende Linie. Aus der Abbildung wird ersichtlich, dass die Ausfallwahrscheinlichkeit der ersten Ratingklassen konstant unterschätzt wird und dieser Effekt mit fortlaufender Zeit immer stärker wird. Die erste und zweite Ratingklasse haben, wie in Abbildung 3 dargestellt, dieselbe Wahrscheinlichkeit für einen direkten Ausfall innerhalb des ersten Jahres. Dennoch ist die zweite Ratingklasse bei mehrjähriger Betrachtung ausfallgefährdeter, da diese Ratingklasse näher bzw. mit größerer Wahrscheinlichkeit in die dritte Ratingklasse migriert, die eine höhere Ausfallwahrscheinlichkeit aufweist als die ersten beiden. 52 Jarrow/Lando/Turnbull zeigen in ihrem Modell auch, dass es möglich ist, dass Credit Spreads mit zunehmender Zeit absinken können. Dies trifft vor allem auf schlechtere Ratingklassen zu. Wie Gleichung 10 zeigt, wird der Credit Spread aus den Forward Rates abgeleitet, bei denen es zu keinem Ausfall vor dem Laufzeitende kommt. Folglich kann der Spread sinken, wenn ein Unternehmen in einer schlechten Ratingklasse eine bestimmte Zeit nicht ausgefallen ist, da mit der steigender Laufzeit auch die Wahrscheinlichkeit zu- 51 Vgl. Henking; Bluhm; Fahrmeir (2005), S. 225f. 52 Vgl. Jarrow; Lando; Turnbull (1997), S

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

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

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

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

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

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

Mehr

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

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

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

Risikoneutrale und risikoaverse Ausfallwahrscheinlichkeiten von Anleihen

Risikoneutrale und risikoaverse Ausfallwahrscheinlichkeiten von Anleihen SEMINARARBEIT über das Thema Risikoneutrale und risikoaverse Ausfallwahrscheinlichkeiten von Anleihen eingereicht bei o. Univ.-Prof. Mag. Dr. Edwin O. Fischer Institut für Finanzwirtschaft vorgelegt von

Mehr

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008 Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung

Mehr

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

Die Kreditrisiken ein (un)wichtiges Thema für stochastische Unternehmensmodelle?

Die Kreditrisiken ein (un)wichtiges Thema für stochastische Unternehmensmodelle? Die Kreditrisiken ein (un)wichtiges Thema für stochastische Unternehmensmodelle? qx Club, Köln, 03.11.2009 Laszlo Hrabovszki Dr. Michael Leitschkis Konzern-Aktuariat Personenversicherung Generali Deutschland

Mehr

Hochschule Rhein-Main. Sommersemester 2015

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

Mehr

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

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

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

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

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

Mehr

Credit Risk+: Eine Einführung

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

Mehr

Abschlussklausur der Vorlesung Bank I, II:

Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 23 Name: Matrikelnummer: Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur

Mehr

von Thorsten Wingenroth 358 Seiten, Uhlenbruch Verlag, 2004 EUR 98,- inkl. MwSt. und Versand ISBN 3-933207-42-8

von Thorsten Wingenroth 358 Seiten, Uhlenbruch Verlag, 2004 EUR 98,- inkl. MwSt. und Versand ISBN 3-933207-42-8 Reihe Portfoliomanagement, Band 17: RISIKOMANAGEMENT FÜR CORPORATE BONDS Modellierung von Spreadrisiken im Investment-Grade- Bereich von Thorsten Wingenroth 358 Seiten, Uhlenbruch Verlag, 2004 EUR 98,-

Mehr

Basel II - Die Bedeutung von Sicherheiten

Basel II - Die Bedeutung von Sicherheiten Basel II - Die Bedeutung von Sicherheiten Fast jeder Unternehmer und Kreditkunde verbindet Basel II mit dem Stichwort Rating. Dabei geraten die Sicherheiten und ihre Bedeutung - vor allem für die Kreditkonditionen

Mehr

Commercial Banking. Kreditderivate

Commercial Banking. Kreditderivate Commercial anking Kreditderivate Commercial anking Wahrenburg 1 Financial Engineering: Zerlegung eines Corporate onds Emittent C Company Nominal USD 100 Mio. Laufzeit 10 Jahre Coupon 6% p.a., jährliche

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

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 7. Februar

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

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

Mehr

34 5. FINANZMATHEMATIK

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

Mehr

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

Generalthema: Kreditrisikomanagement. Thema 4: CreditRisk+ Gliederung

Generalthema: Kreditrisikomanagement. Thema 4: CreditRisk+ Gliederung Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003 Zuständiger Mitarbeiter: Dipl.-Kfm. Stefan Krohnsnest

Mehr

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

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

Mehr

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage Arnd Wiedemann Risikotriade Zins-, Kredit- und operationelle Risiken 2., überarbeitete Auflage . XI 1 Einleitung: Risikomessung als Fundament der Rendite-/Risikosteuerung 1 2 Zinsrisiko 3 2.1 Barwertrisiko

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

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P)

LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P) Universität Hohenheim Institut für Betriebswirtschaftslehre Lehrstuhl für Bankwirtschaft und Finanzdienstleistungen Matthias Johannsen Stuttgart, 11.02.2004 LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank

Mehr

Seminar Quantitatives Risikomanagement

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

Mehr

Klassische Risikomodelle

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

Mehr

B.A. Seminar Derivate: Märkte & Produkte

B.A. Seminar Derivate: Märkte & Produkte B.A. Seminar Derivate: Märkte & Produkte B. Nyarko S. Opitz Lehrstuhl für Derivate Sommersemester 2014 B. Nyarko S. Opitz (UHH) B.A. Seminar Derivate: Märkte & Produkte Sommersemester 2014 1 / 23 Organisatorisches

Mehr

Basel II und Konsequenzen für Land- und Forstwirte

Basel II und Konsequenzen für Land- und Forstwirte Basel II und Konsequenzen für Land- und Forstwirte Herbstseminar 2005 Zukunftsperspektiven der Land- und Forstwirtschaft / Neue Bewirtschaftungsformen / Finanzierungsfragen Montag, 21.11.2005 Dr. Christian

Mehr

Informationen zur Vorlesung. Praxisorientierte Banksteuerung. Dr. Tobias Schlüter. Univ.-Prof. Dr. Thomas Hartmann-Wendels Dipl.

Informationen zur Vorlesung. Praxisorientierte Banksteuerung. Dr. Tobias Schlüter. Univ.-Prof. Dr. Thomas Hartmann-Wendels Dipl. Informationen zur Vorlesung Praxisorientierte Banksteuerung Univ.-Prof. Dr. Thomas Hartmann-Wendels Dipl.-Math David Fritz Seminar für allgemeine BWL und Universität zu Köln Allgemeine Informationen (Stand

Mehr

Irrfahrten. Und ihre Bedeutung in der Finanzmathematik

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

Mehr

Zinsen, Anleihen, Kredite

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

Mehr

Kredit-Rating. Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten

Kredit-Rating. Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten Kredit-Rating Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten Von der Wirtschaftswissenschaftlichen Fakultät der Universität Leipzig genehmigte DISSERTATION

Mehr

Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik

Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz Dimitri Senik Agenda Risikomanagement bei Fonds: neue regulatorische Vorschriften Risikomessung gemäss KKV-EBK Risikomanagement

Mehr

Strategien zum Hedging des Credit Valuation Adjustment

Strategien zum Hedging des Credit Valuation Adjustment Strategien zum Hedging des Credit Valuation Adjustment Raffaela Handwerk Inhalt Einleitung... 1 CVA als Formel... 1 Ziele des CVA-Hedgings... 2 Sensitivitäten des CVA... 3 Hedging-Möglichkeiten... 4 Alternativen

Mehr

Inhalte Kurs Finanz- und Risikosteuerung

Inhalte Kurs Finanz- und Risikosteuerung Inhalte Kurs Finanz- und Risikosteuerung Studieninhalte (DS = Doppelstunde á 90 Minuten) Grundlagen der Bankensteuerung Finanzmathematische Grundlagen 12 DS Dynamische Verfahren der Investitionsrechnung

Mehr

Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe

Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe Wintersemester 2009/2010 Sanierung von Unternehmen in der Krise Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe Banksyndikus Arne Wittig, 5. November

Mehr

- 2-2. a) Definieren Sie kurz Risiko und Risikomanagement?

- 2-2. a) Definieren Sie kurz Risiko und Risikomanagement? Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/2000 Zuständiger Mitarbeiter:

Mehr

Finanzmathematik. Absichern und Bewerten von Optionen. Arnold Janssen / Klaus Janßen

Finanzmathematik. Absichern und Bewerten von Optionen. Arnold Janssen / Klaus Janßen Finanzmathematik Absichern und Bewerten von Optionen Arnold Janssen / Klaus Janßen Universität Düsseldorf 27.09.2012 Rohstoffe, Devisen, Aktien, Kredite,... haben Preise, die im Laufe der Zeit zufällig

Mehr

Pricing der Ausfallrisikoprämien auf der Basis von Credit Spreads Andreas Beck / Peter Jacob

Pricing der Ausfallrisikoprämien auf der Basis von Credit Spreads Andreas Beck / Peter Jacob 6/2000 Bank 3 Risikomanagement 34 Pricing der Ausfallrisikoprämien auf der Basis von Credit Spreads Andreas Beck / Peter Jacob Im Interbankengeschäft werden Credit Spreads bei der Kalkulation von Ausfallrisikoprämien

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 9 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 9 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement

Mehr

Das Black-Scholes Marktmodell

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

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

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

Mehr

IFRS 9: Neue Regelungen für Finanzinstrumente

IFRS 9: Neue Regelungen für Finanzinstrumente IFRS 9: Neue Regelungen für Finanzinstrumente Rechnungslegung Versicherungen UpDate 2010 23. November 2010 / Thomas Smrekar Änderung des IAS 39 in Folge der Finanzmarktkrise - Vermeidung prozyklischer

Mehr

COSI Credit Linked Note mit Referenzanleihe Leistung schafft Vertrauen

COSI Credit Linked Note mit Referenzanleihe Leistung schafft Vertrauen COSI Credit Linked Note mit Referenzanleihe Leistung schafft Vertrauen IB Financial Products Februar 2015 Seite 2 CLN bieten zurzeit mehr als herkömmliche Obligationen Sie suchen nach einer Alternative

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

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

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Finanzwirtschat Ⅶ. Basel II und Rating. Meihua Peng Zhuo Zhang

Finanzwirtschat Ⅶ. Basel II und Rating. Meihua Peng Zhuo Zhang Finanzwirtschat Ⅶ Basel II und Rating Meihua Peng Zhuo Zhang Gliederung Geschichte und Entwicklung Inhalt von Basel II - Die Ziele von Basel II - Die drei Säulen Rating - Begriff eines Ratings - Externes

Mehr

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen)

Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Bericht zur Prüfung im Oktober 2004 über Finanzmathematik (Grundwissen) Peter Albrecht (Mannheim) Die Prüfung des Jahres 2004 im Bereich Finanzmathematik (Grundwissen) wurde am 09. Oktober 2004 mit diesmal

Mehr

Risikoklassifizierungen aus Sicht der Bank - Bankinternes Kreditrisikomanagement und Folgen für das Kredit-Pricing -

Risikoklassifizierungen aus Sicht der Bank - Bankinternes Kreditrisikomanagement und Folgen für das Kredit-Pricing - Vortrag zur Euroforum Konferenz Immobilien in Bilanz und Rating in: Frankfurt/M. am 09. u. 10.9.2002 Risikoklassifizierungen aus Sicht der Bank - Bankinternes Kreditrisikomanagement und Folgen für das

Mehr

Prof. Dr. Christian Bauer Geld, Kredit, Währung WS 2009/10 Geld, Kredit, Währung

Prof. Dr. Christian Bauer Geld, Kredit, Währung WS 2009/10 Geld, Kredit, Währung Folie 1 A Grundlagen I. Stilisierte Fakten II. Funktionen des Finanzsektors B Zinstheorie I. Zinsbildung II. Zinsstruktur Gliederung C Staatliche Ordnung der Finanzmärkte I. Die Europäische Zentralbank

Mehr

Ergebnisbericht der Deutschen Aktuarvereinigung e.v. Kreditrisikomodellierung von ausfallbehafteten Kapitalanlagen in Versicherungsunternehmen

Ergebnisbericht der Deutschen Aktuarvereinigung e.v. Kreditrisikomodellierung von ausfallbehafteten Kapitalanlagen in Versicherungsunternehmen Ergebnisbericht der Deutschen Aktuarvereinigung e.v. Kreditrisikomodellierung von ausfallbehafteten Kapitalanlagen in Versicherungsunternehmen Köln, 05.02.2014 Präambel Die Arbeitsgruppe Kapitalanlagemodellierung

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

Kreditrisikomodelle State of the Art

Kreditrisikomodelle State of the Art Georg-August-Universität Göttingen Institut für Wirtschaftsinformatik Professor Dr. Matthias Schumann Platz der Göttinger Sieben 5 37073 Göttingen Telefon: + 49 551 39-44 33 + 49 551 39-44 42 Telefax:

Mehr

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013

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

Mehr

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

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

Prüfungsklausur Kreditwirtschaft

Prüfungsklausur Kreditwirtschaft Seite 1 von 7 Name: Matrikelnummer: Prüfungsklausur Kreditwirtschaft Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur und auf jeden Bogen. o Legen Sie die Klausur sowie

Mehr

Risikogerechter Verfahrenszinssatz für Förderungskredite

Risikogerechter Verfahrenszinssatz für Förderungskredite Risikogerechter Verfahrenszinssatz für Förderungskredite Allgemeines Die Richtlinien für die wesentlichen Bundesförderungsaktionen wurden neu gefasst und mit Beginn des Jahres 2007 in Kraft gesetzt. Die

Mehr

Quantitative Finance

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

Mehr

Derivate und Bewertung

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

Mehr

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

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

Mehr

Seminar: Warum wir falsch liegen und trotzdem weiter machen!

Seminar: Warum wir falsch liegen und trotzdem weiter machen! Seminar: Warum wir falsch liegen und trotzdem weiter machen! 22. April 2010 Aktuelle in Banken und Versicherungen Allgemeines Alle Vorträge beinhalten aktuell angewandte Theorien und Methoden und sind

Mehr

Das IRB-Modell des Kreditrisikos im Vergleich zum Modell einer logarithmisch normalverteilten Verlustfunktion

Das IRB-Modell des Kreditrisikos im Vergleich zum Modell einer logarithmisch normalverteilten Verlustfunktion Frankfurt School Working Paper Series No. 102 Das IRB-Modell des Kreditrisikos im Vergleich zum Modell einer logarithmisch normalverteilten Verlustfunktion by Michael Vetter and Prof. Dr. Heinz Cremers

Mehr

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29.

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Januar 2008 Prüfungsmodus Prüfungsdauer schriftliche Klausur 60 Minuten Punktemaximum:

Mehr

RISIKOPRÄMIEN AUF MARKTBASIS

RISIKOPRÄMIEN AUF MARKTBASIS BANK-FORUM Juni 2 No 2 RISIKOPRÄMIEN AUF MARKTBASIS Risikogerechte Preisgestaltung im Kreditgeschäft Über Kreditrisikomessung wird viel diskutiert, seltener über die Konsequenzen in der Preisgestaltung

Mehr

Erhebungszweck Die Erhebung zur Kreditqualität dient der Analyse und frühzeitigen Erkennung von Kreditrisiken.

Erhebungszweck Die Erhebung zur Kreditqualität dient der Analyse und frühzeitigen Erkennung von Kreditrisiken. Seite 1/6 Erhebung zur Kreditqualität Erläuterungen Erhebungszweck Die Erhebung zur Kreditqualität dient der Analyse und frühzeitigen Erkennung von Kreditrisiken. I. Allgemeines Erhebungskreis Meldepflichtig

Mehr

Internationale Finanzierung 6. Bewertung von Aktien

Internationale Finanzierung 6. Bewertung von Aktien Übersicht Kapitel 6: 6.1. Einführung 6.2. Aktienbewertung mittels Kennzahlen aus Rechnungswesen 6.3. Aktienbewertung unter Berücksichtigung der Wachstumschancen 6.4. Aktienbewertung mittels Dividenden

Mehr

Untersuchungen zum Thema Tracking Error

Untersuchungen zum Thema Tracking Error Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors

Mehr

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 2002/2003 Zuständiger

Mehr

Rating: Bedeutung und Auswirkungen

Rating: Bedeutung und Auswirkungen Rating: Bedeutung und Auswirkungen Ohne Rating kein Kredit und ohne Kredit kein Wachstum Basel II/Basel III und MaRisk schreiben den Banken Rating als Instrument der Risikomessung verbindlich vor. Es handelt

Mehr

ZERTIFIKATE spielend beherrschen

ZERTIFIKATE spielend beherrschen UDI ZAGST / MICHAEL HUBER RUDI ZAGST / MICHAEL HUBER ZERTIFIKATE ZERTIFIKATE spielend beherrschen spielend beherrschen Der Performance-Kick Der Performance-Kick für Ihr für Portfolio Ihr Portfolio inanzbuch

Mehr

Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 Kapitel 1 - Renditen auf Finanzmärkten 37 Kapitel 2 - Risiko auf Finanzmärkten 61

Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 Kapitel 1 - Renditen auf Finanzmärkten 37 Kapitel 2 - Risiko auf Finanzmärkten 61 Inhaltsverzeichnis Kapitel 0 - Einführung und Grundlagen 11 0.1 Gegenstandsbereich der Finance als wissenschaftliche Disziplin 0.2 Kernthemen der Finance 0.3 Entwicklungsmerkmale der Finanzmärkte - 0.4

Mehr

Seminar "Quantitatives Risikomanagement"

Seminar Quantitatives Risikomanagement Seminar "Quantitatives Risikomanagement" Kreditrisikomanagement I Tina Ruess Mathematisches Institut der Universität zu Köln Wintersemester 2009 Betreuung: Prof. Schmidli, J. Eisenberg Contents i Chapter

Mehr

Seminar Finanzmathematik

Seminar Finanzmathematik Seminar Finanzmathematik Simulationen zur Black-Scholes Formel Seite 1 von 24 Zufallszahlen am Computer 3 Gleichverteilte Zufallszahlen 3 Weitere Verteilungen 3 Quadratische Verteilung 4 Normalverteilung

Mehr

Semiparametrisches Kredit Scoring

Semiparametrisches Kredit Scoring Semiparametrisches Kredit Scoring Marlene Müller Fraunhofer Institut für Techno- und Wirtschaftsmathematik (ITWM) Kaiserslautern Bernd Rönz, Wolfgang Härdle Center for Applied Statistics and Economics

Mehr

Kapitalmarktlinie. von Kirstin Muldhoff

Kapitalmarktlinie. von Kirstin Muldhoff Capital Asset Pricing Model Kapitalmarktlinie von Kirstin Muldhoff Gliederung 1. Wiederholung Portfoliotheorie 2. Capital Asset Pricing Model (CAPM) (Kapitalmarktmodell) 2.1 Voraussetzungen des CAPM 2.2

Mehr

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik

Money out of nothing? - Prinzipien und Grundlagen der Finanzmathematik Francesca BIAGINI, München, Daniel ROST, München Money out of nothing? - Prinziien und Grundlagen der Finanzmathematik Die Finanzmathematik hat als jüngste mathematische Diszilin in den letzten 15 Jahren

Mehr

C (Kernmodul) in der Studienrichtung Grundlagen (basic) / Spezialisierung (specialised)

C (Kernmodul) in der Studienrichtung Grundlagen (basic) / Spezialisierung (specialised) Modulbeschrieb Fincancial Investments 29.04.2009 Seite 1/7 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp Modulniveau Dotation Modulkurse Eingangskompetenzen Anschlussmodule Bemerkungen W.SRFBC41.05

Mehr

Bank I/II. (Deutsch) (Bank Management & Financial Intermediation) Hinweise:

Bank I/II. (Deutsch) (Bank Management & Financial Intermediation) Hinweise: Name: Matrikelnummer: Bank I/II (Deutsch) (Bank Management & Financial Intermediation) Hinweise: Schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur und auf jeden Bogen. Als Hilfsmittel ist

Mehr

AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX

AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX CREDITREFORM RISIKOMANAGEMENT Creditreform entwickelte ein Scoring (Punktbewertungs)-Verfahren, das eine Risikobestimmung des Kunden vornimmt. Im Kern werden

Mehr

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip

Mehr

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,

Mehr

Hedging von Zinsrisiken. Vertiefungsstudium Finanzwirtschaft Prof. Dr. Mark Wahrenburg. Bond Yields und Preise von Zerobonds

Hedging von Zinsrisiken. Vertiefungsstudium Finanzwirtschaft Prof. Dr. Mark Wahrenburg. Bond Yields und Preise von Zerobonds Hedging von Zinsrisiken Vertiefungsstudium Finanzwirtschaft Prof. Dr. Mark Wahrenburg Bond Yields und Preise von Zerobonds 3 Zerobonds mit Nominalwert F=100 yield to maturity r=10% (horizontale Zinskurve),

Mehr

Das Management von Marktpreis- und Kreditrisiken im europäischen Stromgroßhandel

Das Management von Marktpreis- und Kreditrisiken im europäischen Stromgroßhandel Andreas Pschick Das Management von Marktpreis- und Kreditrisiken im europäischen Stromgroßhandel OR1N Verlag Inhaltsverzeichnis Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis

Mehr

Seminar zur speziellen Betriebswirtschaftslehre Kreditrisiko. Thema 4 Backtesting von Portfoliomodellen für Kreditrisiko

Seminar zur speziellen Betriebswirtschaftslehre Kreditrisiko. Thema 4 Backtesting von Portfoliomodellen für Kreditrisiko Seminar zur speziellen Betriebswirtschaftslehre Kreditrisiko Thema 4 Backtesting von Portfoliomodellen für Kreditrisiko Vortrag von Igor Grinberg, Kai Hartmanshenn und Stephan Pueschel am 30.01.2002 Gliederung

Mehr

Berücksichtigung von Korrelationen im Kreditportfolio

Berücksichtigung von Korrelationen im Kreditportfolio Georg-August-Universität Göttingen Institut für Wirtschaftsinformatik Professor Dr. Matthias Schumann Platz der Göttinger Sieben 5 37073 Göttingen Telefon: + 49 551 39-44 33 + 49 551 39-44 4 Telefax: +

Mehr

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

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

Mehr

Sicherheit und Mehr. Strukturierte Anleihen

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

Mehr

Mit Risk Parity risiko bewusst investieren

Mit Risk Parity risiko bewusst investieren 24 Risk Parity Mit Risk Parity risiko bewusst investieren Das Wesen von Risk Parity in einem Begriff zusammengefasst, trifft es Diversifikation wohl am besten. Diversifikation leistet über einen genügend

Mehr

Kapitel 4: Binäre Regression

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

Mehr

Kreditrisikotransfer

Kreditrisikotransfer Bernd Rudolph Bernd Hofmann Albert Schaber Klaus Schäfer Kreditrisikotransfer Moderne Instrumente und Methoden 2., überarbeitete und erweiterte Auflage Springer Gabler Inhaltsverzeichnis 1 Neue Instrumente

Mehr

Susanne Kruse. Formelsammlung. Aktien-, Zins- und. Währungsderivate. Springer Gabler

Susanne Kruse. Formelsammlung. Aktien-, Zins- und. Währungsderivate. Springer Gabler Susanne Kruse Formelsammlung Aktien-, Zins- und Währungsderivate Springer Gabler Inhaltsverzeichnis Notations- und Abkürzungsverzeichnis XI Teil I Finanzmathematische Grundlagen 1 Grundprinzipien der Finanzmathematik

Mehr