Kreditrisikomodellierung und -steuerung: ein Überblick
|
|
- Wilhelm Graf
- vor 8 Jahren
- Abrufe
Transkript
1 Kredtrskomodellerung und -steuerung: en Überblck PRMIA - Munch Chapter Dr. Andreas Zelke HypoVerensbank München Group Credt Rsk Control (CRC1) andreas.zelke@hvb.de +49(0)89/ September 2004, München
2 Agenda Enführung Überblck Ausfallmodelle Abhänggketen zwschen enzelnen Kredtnehmern Korrelatonen und Copulas Portfolomodellerung Portfolomodell-Ansätze Verlustvertelungen Rskosteuerung Rskoadjustertes Prcng Aktves Portfolomanagement Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 2
3 Enführung Kredtrsko Ausfälle Ausfallwahrschenlchketen und Ausfallzeten
4 Kredtrsko - Versuch ener Engrenzung - Ausfall Änderung der Bontät des Kredtnehmers ken Ausfall Zethorzont kurzfrstg mttel- bs langfrstg Geschäftsabscht Spekulaton auf Spreadänderungen Unternehmensfnanzerung Steuerung Marktrsko Kredtrsko Im Folgenden betrachten wr das klasssche Kredtrsko, wobe der ausfallorenterte Ansatz m Vordergrund steht. Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 4
5 Was versteht man unter enem Ausfall? - Basel II Defnton - Zahlungsverzug Kredtforderung vorausschtlch ncht voll zurückgezahlt Wertberchtgung Konkurs Restrukturerung mt ökon. Verlust etc. (z.b. Zffer 453) BASEL II - Zffer 452 A default s consdered to have occurred wth regard to a partcular oblgor when ether or both of the two followng events have taken place. The bank consders that the oblgor s unlkely to pay ts credt oblgatons o the bankng group n full, wthout recourse by the bank to actons such as realsng securty (f held). The oblgor s past due more than 90 days on any materal credt oblgaton to the bankng group.... Quelle: Basel Commttee, Internatonal Convergence of Captal Measurement and Captal Standards, June 2004 Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 5
6 Ausfallhstoren am Bespel von S&P s - S&P s Ratng B - Ausfallhstore für B-Ratng (S&P's) 16,00% 1200 Ausfallrate 14,00% 12,00% 10,00% 8,00% 6,00% 4,00% 2,00% ,00% Anzahl gerateter Unternehmen 2002 Jahr Ausfallrate Anzahl Quelle: Standard & Poor s, Ratngs Performance 2002, www2.standardandpoors.com, February 2003 Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 6
7 Interne Ratngs - Ratng- und Scorng-Verfahren - Bank-nterne Enstufung der Kredtwürdgket an Hand relevanter Krteren auf ener bank-nternen Skala, z.b. 1,, 8. Im Rahmen des Internal Ratng Based Approach (IRB) von Basel II entschedend für Kaptalunterlegung Voraussetzungen für Anwendung nsbesondere: Mndestanforderungen erfüllt (Prozesse, Datenhstore, Aufbau, Objektvtät ) statstsch funderte Kalbrerung und Valderung Konsequenz: Ratng-Systeme werden härter und trennschärfer Parade-Bespel : Scorng-Verfahren m Konsumentenkredtgeschäft hohe Grundgesamthet (vele Anträge, ausrechend vele Ausfälle) Beschränkung auf wenge, objektv verfügbare Informatonen statst. Verfahren: Dskrmnanzanalyse, Logt-Modelle, Entschedungsbäume kommerzelle Software-Solutons, z.b. SAS Enterprse Mner Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 7
8 Ausfallwahrschenlchketen und Mgratonen - Enjährge und kumulerte Ausfallwahrschenlchket - (Enjährge) Ausfallwahrschenlchket PD (probablty of default) Ratng z.b.: 1,..., 8 Wahrschenlchket, dass Kredtnehmer nnerhalb der nächsten 12 Monate ausfällt nach Ratng % 6.10% 0.50% 0.09% 0.05% 0.03% 0.02% 0.01% % 91.40% 7.00% 0.50% 0.20% 0.11% 0.06% 0.03% % 2.20% 91.30% 5.20% 0.55% 0.35% 0.15% 0.10% von % 0.25% 4.70% 89.00% 4.40% 0.80% 0.50% 0.30% Ratng % 0.12% 0.40% 6.15% 82.40% 7.40% 2.00% 1.50% % 0.10% 0.28% 1.00% 5.00% 80.60% 7.00% 6.00% % 0.03% 0.21% 0.75% 2.00% 10.00% 57.00% 30.00% % 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% % Ausfallspalte Mehrjährge (kumulerte) Ausfallwahrschenchket PD(t) t=2,3,4 Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 8
9 Ausfallzeten Idee: Modellerung der Zet T A bs zum Ausfall (Ausfallzet) T A wrd als Zufallsvarable aufgefasst falls T A > 1 Jahr: ken Ausfall m nächsten Jahr Mehrjahres-Horzont mt Berückschtgung des typschen Mgratonsverhaltens Bespel:S&P Corporate Bond Default Term Structure (2002) 1 100% BBB 90% BB 80% B 70% Technsche Randbemerkung: PD(t) = P[ T A < t ] st de Vertelungsfunkton der Zufallsvarable T A 60% 50% 40% PD( T A ) st glechvertelt % 20% 0 10% 0% Jahre Smulere glechvertelte Zufallsvarable Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 9
10 Überblck Ausfallmodelle Vermögenswertmodelle Intenstätsmodelle
11 Von Aktenkursen zu Vermögenswerten - Bestmmung der Marktwerte der Assets - Unternehmen gehen Konkurs aufgrund von Überschuldung Lqudtätsengpässen aus anderen Gründen, z.b. schlagend werdenden operatonellen Rsken Vermögenswertmodelle grefen de Überschuldung als Konkursursachse auf, allerdngs ncht n ener blanzellen, sondern n ener Marktwertbetrachtung: Aktva Passva aus Optonspresansatz berechnet: Assetwert Assetvolatltät Egenkaptal aufgefasst als Call-Opton auf Assets mt Strke glech Buchwert des Fremdkaptals Vermögenswerte (Assets) A Fremdkaptal F Egenkaptal E am Markt beobachtet: Aktenkurs Volatltät Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 11
12 Grundlegende Idee von Vermögenswertmodellen - Structural Models, spezell: Merton-Modell - Assetwert und Assetvolatltät Verbndlchketenstruktur Ansatz: Asset-Returns R A folgen Brown scher Bewegung mt Drft Assetwert PD Ausfallschranke Erwartungswert Marktwert der Aktva am Ende des Evaluerungshorzontes Entschedung, ob Ausfall Ausfallschranke c für Vermögenswertprozess R A : c = N -1 [PD] Zet (n Tagen) Modell setzt perfekte Märkte voraus (analog Optonspresmodell) Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 12
13 Vermögenswertmodelle n der Praxs - Bespel: Moody s KMV Credt Montor - Credt Montor U-European Bank Sample-E25 U-European Bank Sample-E U-German Austran Bank Sample-E Ba Ca Caa B Baa BBB A Aa CC CCC B BB A AA.02 Aaa AAA 08/99 01/00 07/00 01/01 07/01 01/02 07/02 01/03 07/03 01/04 07/04 Quelle: Moody s KMV Credt Montor, Database Fnancal 07/04; user defned aggegates Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 13
14 Vermögenswertmodelle n der Praxs - Schwachstellen und Ensatzgebete n der Praxs - Schwachstellen (enfaches Merton-Modell): enfaches Merton-Modell führt ncht auf realstsche PDs Berückschtgung von Blanzstruktur und Off-Balance-Sheet Geschäften Engeschränktes Ausfallszenarum Term Structure, nsbesondere unterjährge, unplausbel Ensatz n Praxs (komplexere Modelle): KMV Credt Montor Modell st z.t. Black Box Frühwarnnstrument Drekte PD-Ermttlung als Abglech zu nternem Ratng Mergers and Acqustons Marktwertbetrachtung führt zu hoher Volatltät: Schwankungen m Aktenkurs schlagen voll durch Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 14
15 Intenstätsmodelle - Reduced Form Models - Ansatz versucht ncht, Ausfalleregnsse von Blanzstruktur her zu erklären Statt dessen: Ausfälle eregnen sch sprunghaft mt (z.b. ratng-abhängger) Intenstät λt Anzahl Ausfälle 2 1 Im enfachsten Fall: Intenstät st zetlch konstant Posson Vertelung 0 P [ N = k ] Anzahl Ausfälle t = e λ t ( λt ) k! k Zet t Wahrschenlchket, n der Zet (0,t] genau k Ausfälle zu beobachten Anschaulch für enen Kredtnehmer: λ t ensprcht n etwa Ausfallwahrschenlchket Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 15
16 Intenstätsmodelle - Modellerung der Intenstät - Überlebenswahrschenlchket S(t) (Survval Probablty) bs zur Zet t: ( t) S ( t ) = P [ Nt = 0] = e x p λ S ( t ) ( λ ) = exp dt t Intenstät zetabhängg aber determnstsch Intenstät stochastsch 5,00% 4,00% S ( t ) [ ( λ )] exp = E dt t 3,00% 2,00% 1,00% 0,00% Bespel CIR-Prozess: 10,00% dλ = κ ) dt t ( λt λ 0 + σ λ t dw t 8,00% 6,00% 4,00% 2,00% 0,00% λ = 4% 0 κ = 2. 3 σ = 25% Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 16
17 Korrelatonsmodellerung am Bespel von Vermögenswert-Modellen
18 Korrelatonen anschaulch - Abhänggketen und Korrelatonen - Allgemener Begrff: (Un)Abhänggket (von Eregnssen, Zufallsvarablen) Häufg herangezogen: Korrelaton 3.0% 2.0% 1.0% 0.0% -1.0% -2.0% -3.0% -4.0% Referenz Korr 100% Korr -100% Korr -47% Korrelatonen klener Ens wrken volatltätsreduzerend Bsp. Aktenportfolo: Volatltät des Portfolos st gernger als de gewchtete Summe der Volatltäten der enzelnen Akten: σ 2 =, j w w j ρ j σ σ j w σ Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 18 2 DIVERSIFIKATION
19 Korrelerte Bewegung der Asset-Returns - Gemensame Ausfallwahrschenlchket JPD,j - Unkorrelerte Vermögenswertprozesse Korrelerte Vermögenswertprozesse (r = 30%) 140 Frma Frma 80 Frma j c j 80 Frma j c j 60 c 60 c De beden Frmen korreleren über hre Vermögenswertprozesse mtenander Asset-(Return-)Korrelatonen her spezell: Gemensame Ausfallwahrschenlchket JPD j = N [ N ( PD ), N ( PD ), ρ j j ] (Jont Probalty of Default) c j c N 2 : zwedmensonale Standardnormalvertelung Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck Dr. A 28. Sept Sete 19
20 Ausfall-Korrelatonen - Zusammenhang mt Asset-Korrelatonen - Im Vermögenswertmodell nduzeren de Asset-Korrelatonen de Ausfall- Korrelatonen: JDP j = N [ N [ PD ], N [ PD ], ρ j j ] Grafsch für PD = PD j = 1%: Ausfallkorrelaton ρ Ausfall j = JPD j PD PD PD ( 1 PD ) PD j (1 PD j ) j Ausfall-Korrelatonen snd typscherwese ca. enen Faktor 10 klener als Asset-Return-Korrelatonen Asset-Return- Korrelaton Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 20
21 Modellerung von Korrelatonen - Ansatz über Faktormodelle - Idee: Beschrebung der Entwcklung der (normerten) Asset-Wert-Returns durch gemensame (normerte) Enflussfaktoren: R M = α F + k =1 k k Faktor k N[0,1]-vert. s ε Rest N[0,1]-vert. α s k : : Abhänggket des Returns R vom Faktor F k Höhe des durch de M Faktoren ncht beschrebbaren Antels Normerungsbedngung: Corr ( R, R ) = 1 systematscher Antel spezfscher Antel Bestmmung der Abhänggketen und der Größe des Restterms durch Regresson der Return-Zetrehen gegen de Faktor-Zetrehen Möglchket zur Korrelatonsmodellerung ncht-börsennoterter Unternehmen Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 21
22 Modellerung von Korrelatonen - Faktormodelle: Bespele - Typsche n den Modellen auftauchende Faktoren Länderspezfsche Faktoren (z.b. Aktenkursndex) Branchenspezfsche Faktoren (z.b. Branchenndex) makroönomsche Faktoren (Zns, Arbetslosenquote) andere (z.b. Rohstoffprese) Induzerung ener Korrelaton über gemensame Faktoren: Frma A Corr > 0 Faktor Corr > 0 Frma B A und B snd deshalb korrelert, wel se bede mt dem gemensamen Faktor korreleren. Bespel: VW und BMW korreleren über enen gemensamen Faktor Automoblbranche Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 22
23 Abhänggketen über Copulas - Allgemener Ansatz zur Erzeugung von Abhänggketen - unvarate Vertelungsfunktonen F 1 (x 1 ) F k (x k ) COPULA C multvarate Vertelungsfunkton F(x 1, x k ) F ( x, K, xk ) = C ( F 1 ( x 1 ), K, F ( x 1 k k )) Separerung: Abhänggketsstruktur und Randvertelungen Genererung von Abhänggketen zwschen Zufallsvarablen Copula: Funkton C: [0,1] k D [0,1] mt (auf [0,1]) unformen Randvertelungen C ( z1 k 1 1 k k, K, z ) = P ( Z z, K, Z z ) Z 1 Z k glechvertelt auf [0,1] Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA- 23
24 Abhänggketen über Copulas - Ensatz n der Praxs - Gegeben multvarate Vertelungsfunkton F mt Randvertelungen F 1 F k. Dann st Bespel: C ( z, K, z 1 ) = F ( F ( z ), K, F Anwendung z.b.: Erzeugung von Abhänggketsstrukturen be Ausfallzeten, aber auch be den oben besprochenen Vermögenswertprozessen zur Erzeugung von Verlustvertelungen mt größerer Masse be hohen Verlusten Spezeller Charme von korrelerten Ausfallzeten mt wenger Aufwand zu smuleren als Mult-Step-Monte-Carlo Ensatz n der Praxs v.a. m Zusammenhang mt Mehrjahres-Verlustvertelungen, we se z.b. zur Rskomodellerung von ABS/CLO benötgt werden ( z 1 1 k 1 1 k k ) ) ene Copula. Theorem von Sklar bvarate Gauss-Copula 1 1 C Gauss 2 ( z 1, z 2 ; ρ ) = N 2 ( N ( z 1 ), N ( z 2 ) ; ρ ) Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 24
25 Korrelatonsmodellerung - En etwas anderer Blckwnkel - Ausfallkorrelatonen legen typscherwese m enstellgen Prozentberech drekte emprsche Bestmmung auf Grundlage von jährlchen Ausfalldaten praktsch kaum möglch Daher Annäherung über en Modell, das de Ausfallkorrelatonen ndrekt nduzert. Im Falle von Vermögenswertmodellen: Faktormodell, das Korrelatonen von Asset-Returns beschrebt Asset-Returns können über den Optonspresansatz m Pnzp täglch (oder auf noch kürzerer Zetskala) gemessen werden trotzdem stellt korrekte Spezfzerung des Faktormodells und der Asset-Return-Korrelatonen ene große Herausforderung dar Für de Portfolomodellerung ferner von entschedendem Vortel: bedngt auf ene bestmmte Faktorrealsaton fallen de Kredtnehmer unabhängg vonenander aus Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 25
26 Portfolomodellerung Generelles zu Portfolomodellen Verlustvertelung des Homogenen Portfolos Ncht-homogene Portfolos und Klumpenrsken
27 Was st en Portfolomodell? PORTFOLIO Kredtnehmer Exposures Scherheten PD LGD Laufzet... MARKT Aktenkurs- Returns Indzes makroökon. Faktoren... PORTFOLIO- VERLUSTVERTEILUNG Modellspezfkatonen nsbesondere: Faktormodell Häufgket Verlusthöhe Credt Metrcs KMV Portofolomodell Credt Rsk+... Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 27
28 De Verlustvertelung enes Kredtportfolos - Unexpected Loss, Value-at-Rsk und Expected Shortfall - Vorgabe enes 99%-, z.b. T = 1 Jahr Vorgabe enes Konfdenznveaus zur Defnton des VaR, z.b. 99.9% Bestmmung der Verlustvertelung, z.b. durch Monte-Carlo-Smulaton Bestmmung der Rskogrössen an Hand der Verlustvertelung Wahrschenlchkets dchte bzw. Häufgketsvertelung der Verluste Standardabw. Unexpected Loss Expected Shortfall erwarteter Verlust oberhalb Schranke S Im Mttel snd nur 0.1% der Verluste größer als EL + VaR (99.9%) 0 Mttelwert S 99.9% - Quantl Verlusthöhe Expected Loss Value-at-Rsk Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 28
29 Warum braucht man en Portfolomodell? Annahme: Informatonen zu engetretenen Portfoloverlusten über de letzten 20 Jahre % 0.5% 1.0% 1.5% 2.0% 2.5% 3.0% 3.5% 4.0% 4.5% 5.0% 5.5% 6.0% Verlustquote Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 29
30 Homogenes Portfolo - Enfaktormodell-Ansatz mt homogenem Portfolo - Enfaktormodell-Ansatz: Faktor Y beschrebt anschaulch den Enfluss der Gesamtkonjunktur auf de Kredtausfälle R = ρ Y + 1 ρ ε Verlustvertelung exakt berechenbar für homogenes Portfolo mt unendlch velen Kredtnehmern Vascek-Vertelung F V für den prozentualen Portfoloverlust L %, d.h. den Portfoloverlust pro verlustgefährdetem Volumen : Homogenes Portfolo L % = LP ( EXPP LGD ) gleche PD gleche Assetkorrelaton gleches Exposure (kene Konzentratonen) F V Q ( x ) = (99,9%-Quantl) = P[ L % N < x ] = N [ PD ] % N N ρ N [ x ] N [ PD ] ρ ρ 1 ρ [99.9% ] Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 30
31 Warum setzt man ncht Korrelaton glech Null? - Ene nahe legende Abkürzung - Ausfallkorrelatonen snd typscherwese sehr gerng (< 5%) Annahme der Unabhänggket würde Rechnungen stark verenfachen Bespel: homogenes Telportfolo mt 1000 Kredtnehmern Ausfallwahrschenlchket 6% Assetkorrelaton 15% ( Ausfallkorrelaton ca. 4,5%) Näherung: Normalvertelung Näherung: Vascek-Vertelung 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12% 13% 14% 15% 16% 17% 18% Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 31
32 Welche Näherung trfft besser? - Analytsch vs. smulert - Monte-Carlo-Smulaton (20000 Smulatonen) Vascek-Vertelung 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12% 13% 14% 15% 16% 17% 18% 19% 20% Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 32
33 Bespele für Vascek-Vertelungen - PD=2% und unterschedlche Assetkorrelatonen - r=20% r=15% r=10% r=5% 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12% Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 33
34 Schlussfolgerungen - für de Praxs zu beachten - Korrelaton hat enen ganz entschedenden Enfluss Fehler m Ansatz des Korrelatonsnveaus wrken sch dramatsch aus Vertelung st sehr unsymmetrsch je höher de Korrelaton, desto schefer häufgster beobachteter Verlust legt deutlch unterhalb erwartetem Verlust Möglcher Fallstrck für Kalbrerungen n der Praxs: stellt man de Ausfallwahrschenlchketen des Ratngsystems n etwa auf de am häufgsten beobachtete Ausfallrate en, so wrd der erwartete Verlust (und der VaR) deutlch unterschätzt Haupttreber für Portfolorsko m En-Faktormodell-Ansatz: PD Korrelatonsnveau und ncht zu vergessen: LGD (Loss Gven Default) Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 34
35 Klumpenrsken - Theore und Praxs - De bsher vorgestellten Ansätze baseren auf enem (quas)homogenen Portfolo mt unendlch velen Kredtnehmern, anders ausgedrückt: Enzeladresskonzentratonen (Klumpen) wurden per Defnton ausgeschlossen Klumpenrsken können auch m Enfaktormodell behandelt werden, allerdngs m allgemenen nur noch über ene Monte-Carlo-Smulaton In der Verlustvertelung werden Klumpenrsken als solche jedoch erst relatv spät schtbar Aber Verscherungsprnzp funktonert n der Praxs nur, wenn Portfolo ausrechend homogen st En Klumpen kommt selten allen Rskodeckungsmasse aus praktscher Scht gernger als z.b. 99,9%-Rskokaptal Steuerung über Lmte ggf. separate Begrenzung für Telprotfolos Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 35
36 Wann wrd ene Klumpen schtbar? - Homogenes Portfolo mt PD=1.5% und 10% Assetkorrelaton - 6,0% 5,0% 99%- Quantl Homogen 6,0% 5,0% mttlerer Klumpen (2.4%) 4,0% 4,0% 3,0% 3,0% 2,0% 2,0% 1,0% 1,0% 0,0% 0,0% 0,00% 1,34% 2,68% 4,02% 5,36% 6,70% 8,04% 9,38% 10,72% 12,06% 13,40% 14,74% 16,08% 17,42% 18,76% 0,00% 1,36% 2,72% 4,08% 5,44% 6,80% 8,16% 9,52% 10,88% 12,24% 13,60% 14,96% 16,32% 17,68% 19,04% 6,0% 5,0% 4,0% großer Klumpen (9.1%) 6,0% 5,0% 4,0% großer Klumpen (9.1%) Klumpen-PD 6% 3,0% 2,0% 3,0% 2,0% na endlch! 1,0% 1,0% 0,0% 0,0% 0,00% 1,36% 2,72% 4,08% 5,44% 6,80% 8,16% 9,52% 10,88% 12,24% 13,60% 14,96% 16,32% 17,68% 19,04% 0,00% 1,39% 2,78% 4,17% 5,56% 6,95% 8,34% 9,73% 11,12% 12,51% 13,90% 15,29% 16,68% 18,07% 19,46% Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 36
37 Was ändert sch durch Marktwertwertansatz? - Bespel für Barwertbetrachtung (Mark-to-Model) - neben Ausfall/Ncht-Ausfall auch Bontätsveränderungen/Mgratonen wchtg Wesentlch höherere Anforderungen an Input-Daten; z.b.: Ertragsdaten (Znsenkünfte, Provsonen etc.) Laufzetprofle der Cash-Flows, z.b. Tlgungsprofle Credt-Spread-Informatonen beenflussen Wert 0,35% 0,30% 99%- Quantl 0,25% 0,20% 0,15% 0,10% 0,05% 0,00% Insgesamt: deutlch bretere Vertelung als m ausfallorenterten Modell -4,00% -2,68% -1,36% -0,04% 1,28% 2,60% 3,92% 5,24% 6,56% 7,88% 9,20% 10,52% 11,84% 13,16% 14,48% 15,80% up-sde Potenzal V 0 höhere Extremverluste Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 37
38 Mehrfaktormodelle Gegenüber dem Enfaktoransatz können Mehrfaktormodelle en wesentlch dfferenzerteres Bld des Portfolorskos geben. Insbesondere Berückschtgung von dfferenzerteren Korrelatonen zwschen je zwe Kredtnehmern z.b. auf Grund hrer Zugehörgket zu bestmmen Regonen und Branchen Branchen- und Länder-spezfschen Konzentratonen m Portfolo Dversfkatonseffekten n endlchen ncht-homogenen Portfolos Aber Mehrfaktormodelle snd nur so gut we hre Kalbrerung (n der Praxs schwerg) Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 38
39 Rskosteuerung Lmterung Kaptalallokaton und Prcng Kredtdervate ABS
40 Lmterung und Prcng - von der Portfoloscht zurück aufs Enzelgeschäft - Enfachste Form der Portfolosteuerung: Exposure-Lmterung auf Enzel-Kredtnehmer/Konzernebene für enzelne Branchen, Regonen, Geschäftsfelder Mt den vorgestellten Portfolomodellen können de Größen erwartetes Rsko (EL) unerwartetes Rsko (VaR, ES) ökonomsches Kaptal für das nächste Jahr auf Portfoloebene berechnet werden. Zum Prcng des Enzelgeschäft snd nun noch folgende Schrtte zu lesten: Herunterbrechen des Kaptals aufs Enzelgeschäft Zuordnung von Rskokosten Berückschtgung von admnstratven Kosten Berückschtgung der Laufzet des Geschäfts Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 40
41 Herunterbrechen des ökonomschen Kaptals - Bespel: ökonomsches Kaptal über VaR bestmmt - VaR st ene nur auf Portfoloebene defnerte Größe => das ökonomsche Kaptal st zunächst nur auf Portfoloebene defnert Spezalfall: (quas-)homogenes Portfolo mt sehr velen Kredtnehmern % N [ PD ] + ρ N VaR = EXP LGD N 1 ρ Allgemen: Ansätze zum [99. 9%] Herunterbrechen des ökonomschen Kaptals: 1 BASEL II 99.9% VaR P VaR 99.9% Enfache Summaton Enzelbetrag nur abhängg von Egenschaften des Enzelkredts über Captal Multpler und Betrag zur Standardabwechung gemäß Zuwachs des VaR be (nfntesmaler) enfach, aber ungenau genau, aber schwerger zu rechnen Erhöhung des Exposures EXP k Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 41
42 Berechnung der Rskokosten - SRK und Egenkaptalkosten (EKK) - Idee: EL wrd durch Standardrskokosten (SRK) verdent und stellt ersten Verlustpuffer dar. SRK P = EL P SRK = EL = PD LGD EXP Darüber hnaus gehende Verluste bs zu ener Obergrenze n Höhe des VaR snd mt Egenkaptal zu hnterlegen. EKK EKK P = = VaR VaR P VaR Verznsungssatz VaR Verznsungssatz VaR = P VaR Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 42
43 Rsk-Return-Kennzahlen - Sharpe-Rato, RAROC und Rsk-Return-Steuerung - Sharpe Rato: S R r = σ R r Rendte über rskofreem Zns Volatltät der Überrendte Rskomaß Standardabwechung nsb. geegnet für normalvertelte Prozesse Typsche Kennzahl zur Kennzechnung von Aktenkursrendten RAROC, RORAC, RARORAC etc.:.d.r. von der Form: Ertrag Kosten EL ökon. Kaptal Rskoadjusterung Rsk Adjusted Return On Captal Return On Rsk Adjusted Captal Rsk Adjusted Return On Rsk Adjusted Captal zur Vertelung passendes Rskomaß, z.b. VaR für Verlustvertelungen unterschedlche Varanten der Rskoadjusterung; ggf. Captal Beneft Vergütung m Zähler Rsk-Return-Steuerung: z.b. Forderung enes Mndest-RAROC Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 43
44 Berückschtgung der Laufzet - Ratng-Mgratonen - Obwohl de SRK m betrachteten Jahr auf den EL des Portfolos führen, sollten se jedoch ncht drekt für de Berechnung der Kredtmarge genommen werden. Grund: das Portfolo und sen EL verändern sch m Zetverlauf, de Kredtmarge blebt aber konstant nsbesondere verschlechtern sch gute Ratngs m Mttel Berückschtgung des Effektes durch Laufzetfaktoren (LZF) SRK = EL LZF ( PD ) abhängg von Bontät De Veränderung des Portfolos wrd herbe durch de Ratng-Mgratonsmatrx beschreben. Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 44
45 Aktves Portfolomanagement - Möglche Abgrenzung und Toolkt - Zentrale Rsk Control Flalen Orgnator Lmterung Branchenampel Prcng Syndzerung Unterbetelgungen (Tel)Portfolo(ver)käufe Verbrefungen Investtonen n ABS Kredtdervate... Portofolo- management- Enhet Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 45
46 Kredtdervate - Schematsche Funktonswese bem Credt Default Swaps - Bespel: HVB kauft von Commerzbank Protecton gegen Ausfall von Semens n Höhe des Nomnalbetrages enes Darlehens an Semens HVB Semens-Darlehen Spread s Commerzbank Semens Referenzanlehen Be enem Ausfall von Semens erhält de HVB ene Ausglechzahlung HVB Nomnalbetrag Recovery Commerzbank Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 46
47 ABS - Schematsche Funktonswese ener trancherten Struktur - Pool + Struktur Senor Abscherung CDS Motvaton für Orgnator Reg. Kaptal-Entlastung Rskotransfer Fundng Blanzelle Aspekte Arbtrage Mezzanne Equty Notes AAA A BBB BB Motvaton für Investor attraktve Spreads Dversfkaton Rsko-Aspekte Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 47
48 Nochmals Korrelatonen... - Snd hohe Korrelatonen ene konservatve Abschätzung? - Bespel: Homogenes Portfolo mt PD=1%, LGD= 100% grobe Abschätzung des EL der Tranchen Korrelaton Equty Mezzanne Senor 5% 76% 2.6% 0.00% 15% 59% 4.5% 0.00% 30% 43% 5.7% 0.06% Fazt: Hohe Korrelatonen snd nur für Senor Tranchen ene konservatve Abschätzung 1% 9% Eq. Mezzanne Dr. Andreas Zelke HypoVerensbank München Kredtrskomodellerung und steuerung: en Überblck PRMIA 28. Sept Sete 48
nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrCommercial Banking. Controlling Kalkulation und Banksteuerung. Teilbereiche des Controlling
Commercal Bankng Controllng Kalkulaton und Banksteuerung elbereche des Controllng Produktkalkulaton: Enzelkostenrechnung Performancerechnung (Erfolgsanalyse) Kaptalallokaton, Kapaztätsausbauentschedung
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrIT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.
IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung
MehrFunds Transfer Pricing. Daniel Schlotmann
Danel Schlotmann Fankfut, 8. Apl 2013 Defnton Lqudtät / Lqudtätssko Lqudtät Pesonen ode Untenehmen: snd lqude, wenn se he laufenden Zahlungsvepflchtungen jedezet efüllen können. Vemögensgegenstände: snd
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrCKE Trainingsbausteine. Portfoliomanagement und Risikomanagement Strom und Erdgas Fünf kreative Tage, die Sie weiterbringen werden
CKE Tranngsbaustene Portfolomanagement und Rskomanagement Strom und Erdgas Fünf kreatve Tage, de Se weterbrngen werden Ihr Zel Se nteresseren sch für den Energemarkt n all senen Facetten, möchten Produkte
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrCredit Analyzer RISK CONSULTING GROUP. Technische Dokumentation. Methode und Implementierung des Kreditrisiko-Modells. Release 5.0. www.rcg.
Credt Analyzer Release 5.0 Technsche Dokumentaton Methode und Implementerung des Kredtrsko-Modells RISK CONSTING GROU www.rcg.ch Release 1.0: 08/1999 Release.0: 10/001 Release 3.0: 01/005 Release 4.0:
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrDie Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
Mehrphil omondo phil omondo Skalierung von Organisationen und Innovationen gestalten Sie möchten mehr Preise und Leistungen Workshops und Seminare
Skalerung von Organsatonen und Innovatonen gestalten phl omondo Se stehen vor dem nächsten Wachstumsschrtt hrer Organsaton oder haben berets begonnen desen aktv zu gestalten? In desem Workshop-Semnar erarbeten
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrMULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt
MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrDer Parameter Migrationsmatrix Teil I
Der Parameter Mgratonsmatrx el I Anne-Chrstne Barthel Semnar Portfolokredtrsko Unverstät Mannhem 22..27 Glederung. Bedeutung der Mgratonsmatrx 2. Schätzung der Mgratonsmatrx. Statstscher Hntergrund: Markov-Ketten.
MehrKreditrisikomodelle und Diversifikation erschienen in: Zeitschrift für Bankrecht und Bankwirtschaft (ZBB), 14. Jahrgang, 2002, S.9-17.
1 Kredtrskomodelle und Dversfkaton erschenen n: Zetschrft für Bankrecht und Bankwrtschaft (ZBB), 14. Jahrgang, 2002, S.9-17. Dr. oec. publ. Hans Rau-Bredow, Prvatdozent an der Unverstät Würzburg Kontakt:
MehrBildverarbeitung Herbstsemester 2012. Bildspeicherung
Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
MehrModellierung des Kreditrisikos im Portfoliofall
Frankfurt School Workng Paper Seres No. 27 Modellerung des Kredtrskos m Portfolofall von Henz Cremers und Jens Walzner August 2009 Sonnemannstr. 9 6034 Frankfurt an Man, Germany Phone: +49 (0) 69 54 008
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrSerie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4
45 www.rsknews.de 11.2002 Kredtrsko Sere: Bestmmung von Ausfallwahrschenlchketen - Tel 4 Ausfallwahrschenlchketen m Konjunkturzyklus Credt Portfolo Vew En Betrag von Uwe Wehrspohn Wr haben n unserer Sere
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrFachkräfte- Die aktuelle Situation in Österreich
Chart 1 Fachkräfte- De aktuelle Stuaton n Österrech Projektleter: Studen-Nr.: Prok. Dr. Davd Pfarrhofer F818..P2.T n= telefonsche CATI-Intervews, repräsentatv für de Arbetgeberbetrebe Österrechs (ohne
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrEinführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002
Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrDie risikoadäquate Kalkulation der Fremdkapitalkosten für nicht öffentlich gehandelte Unternehmen
De rskoadäquate Kalkulaton der Fremdkaptalkosten für ncht öffentlch gehandelte Unternehmen Patrck Behr * Schwerpunkt Fnanzen, Unverstät Frankfurt André Güttler ** Schwerpunkt Fnanzen, Unverstät Frankfurt
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
Mehr1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit
3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrBasel III Kontrahentenrisiken
Basel III Kontrahentenrsken Chrstoph Hofmann De Fnanzkrse hat gezegt, dass das aus ncht börsengehandelten (OTC) Dervaten hervorgehende Kontrahentenrsko von entschedender Bedeutung für de Stabltät des Bankensystems
MehrDer Bonus wird nach Zustellung der erforderlichen Formulare 1 bis 3 (siehe Anlage) ausbezahlt.
FFA Far the Game. Far the Warld. An de Generalsekretäre der Mtgleder der FFA Zrkular Nr. 1426 Sao Paulo, 12. Jun 2014 GS/clo-csu-esv Fnanzergebns des Zyklus 2011-2014 - Sonderbonus für de FFA-Mtgledsverbände
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrW i r m a c h e n d a s F e n s t e r
Komfort W r m a c h e n d a s F e n s t e r vertrauen vertrauen Set der Gründung von ROLF Fensterbau m Jahr 1980 snd de Ansprüche an moderne Kunststofffenster deutlch gestegen. Heute stehen neben Scherhet
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
MehrI, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung
Wechselsrom B r A B sn( sn( Wrd de eerschlefe über enen Wdersand kurzgeschlossen fleß en Srom: sn( sn(, : Momenanwere für Srom und Spannung, : Scheelwere für Srom und Spannung ~ sn( sn( Effekvwere für
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrRückblick Regression II: Anpassung an Polynome
Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten
MehrBackup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1
Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrEin Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen
En Vorschlag zur Modellerung von Summenexzedenten- Rückverscherungsverträgen n Internen Modellen Dorothea Ders Preprnt Seres: 27-22 Fakultät für Mathematk und Wrtschaftswssenschaften UNIVERSITÄT ULM En
MehrEinbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren!
Franz Schuck GmbH Enbau-/Betrebsanletung Stahl-PE-Übergang Typ PESS / Typ PESVS Orgnalbetrebsanletung Für künftge Verwendung aufbewahren! Enletung Dese Anletung st für das Beden-, Instandhaltungs- und
MehrIhr geschützter Bereich Organisation Einfachheit Leistung
Rev. 07/2012 Ihr geschützter Berech Organsaton Enfachhet Lestung www.vstos.t Ihr La geschützter tua area rservata Berech 1 MyVstos MyVstos st ene nformatsche Plattform für den Vstos Händler. Se ermöglcht
MehrGesetzlicher Unfallversicherungsschutz für Schülerinnen und Schüler
Gesetzlcher Unfallverscherungsschutz für Schülernnen und Schüler Wer st verschert? Lebe Eltern! Ihr Knd st während des Besuches von allgemen bldenden und berufsbldenden Schulen gesetzlch unfallverschert.
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrVERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE
VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen
MehrLeistungsmessung im Drehstromnetz
Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n
MehrNetzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008
Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrStandortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung
Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
Mehr1. Systematisierung der Verzinsungsarten. 2 Jährliche Verzinsung. 5 Aufgaben zur Zinsrechnung. 2.1. Jährliche Verzinsung mit einfachen Zinsen
1 Systematserung der Verznsungsarten 2 Jährlche Verznsung 3 Unterjährge Verznsung 4 Stetge Verznsung 5 Aufgaben zur Znsrechnung 1. Systematserung der Verznsungsarten a d g Jährlche Verznsung nfache Znsen
MehrWS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9
WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrZwei 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
MehrDie IRB Formel. Zur Berechnung der Mindesteigenmittel für Kreditrisiko. Working Paper Series by the University of Applied Sciences of bfi Vienna
Number 1 / 004 Workng Paper Seres by the Unversty of Appled Scences of bf Venna De IRB Formel Zur Berechnung der Mndestegenmttel für Kredtrsko Laut Drttem Konsultatonspaper und laut Jänner-Formel des Baseler
Mehr