Faszination Finanzmathematik Aufgaben, Prinzipien und Methoden
|
|
- Emil Kurzmann
- vor 7 Jahren
- Abrufe
Transkript
1 Interdisziplinäres Seminar Der Mathematische Blick, Faszination Finanzmathematik Aufgaben, Prinzipien und Methoden Ralf Korn 1. Was ist Finanzmathematik? 2. Risiko modellieren, nutzen, beschränken: Optimales Investment 3. Der Erwartungswert-Varianz-Ansatz im Ein-Perioden-Modell 4. Optionsbewertung Einfache Modelle und Prinzipien 5. Moderne Finanzmathematik in Praxis und Forschung
2 0. Was habe ich im Blick?
3 0. Was habe ich im Blick? Risiko, genauer: Finanzielles Risiko
4 0. Was habe ich im Blick? Risiko, genauer: Finanzielles Risiko Ziel: Mathematische Beschreibung ( Modellierung ) des Versicherung ( Hedging ) gegen Folgen des Ausnutzen ( Portfolio-Optimierung ) des Risikos in der Finanzmathematik
5 0. Was habe ich im Blick? Risiko, genauer: Finanzielles Risiko Ziel: Mathematische Beschreibung ( Modellierung ) des Versicherung ( Hedging ) gegen Folgen des Ausnutzen ( Portfolio-Optimierung ) des Risikos in der Finanzmathematik Zusätzlich: Varianten/Anwendungen für den Schulunterricht
6 1. Was ist Finanzmathematik? Financial mathematics Modeling of stock and bond prices Optimal investment (Optimal portfolios) Option pricing Risk management
7 1. Was ist Finanzmathematik? Financial mathematics Modeling of stock and bond prices Optimal investment (Optimal portfolios) Option pricing Risk management Welche Mathematik wird benötigt? Stochastik (insbesondere stochastische Prozesse) Statistik Stochastische Analysis (Itô-Kalkül) (Nicht-lineare) Optimierung Partielle Differerentialgleichungen Stochastische Steuerung (Dynamische Optimierung) Numerische Methoden Monte Carlo Methoden
8 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal?
9 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal? 1.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten Endvermögen führt, also ϕ* ϕ ( ) = ( ) X T max X T ϕ
10 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal? 1.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten Endvermögen führt, also Alternativen: ϕ* ϕ ( ) = ( ) X T max X T ϕ 1,03 1,025 1,02 1,015 1,01 1,005 1 Dax Festgeld 0, Apr. 1. Mai. 31. Mai. 30. Jun. 30. Jul. 29. Aug. 28. Sep.
11 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal? 1.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten Endvermögen führt, also ϕ* ϕ ( ) = ( ) X T max X T aber: nur möglich, wenn die Aktienkurse im voraus bekannt wären! ϕ
12 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal? 1.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten Endvermögen führt, also ϕ* ϕ ( ) = ( ) X T max X T aber: nur möglich, wenn die Aktienkurse im voraus bekannt wären! ϕ 2.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten erwarteten Endvermögen führt, also ϕ* ϕ ( ( )) = ( ) ( ) E X T max E X T ϕ
13 2. Risiko modellieren, nutzen, beschränken: Optimales Investment Gegeben: Anfangskapital X ( 0) ϕ Gesucht: Optimales Endvermögen X ϕ ( T ) Was heißt optimal? 1.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten Endvermögen führt, also ϕ* ϕ ( ) = ( ) X T max X T aber: nur möglich, wenn die Aktienkurse im voraus bekannt wären! ϕ 2.Idee: Bestimme die Investmentstrategie ϕ *, die zum größten erwarteten Endvermögen führt, also ϕ* ϕ ( ( )) = ( ) ( ) E X T max E X T ϕ aber: führt zum Investment des gesamten Kapitals in die Aktie mit der höchsten erwarteten Rendite hohes Risiko, sehr riskante Strategie Also: Finde (und löse!) eine Aufgabenstellung, bei der sowohl das Risiko als auch der (mittlere) Ertrag angemessen berücksichtigt werden
14 3. Der Erwartungswert-Varianz-Ansatz im Ein-Perioden-Modell Markowitz (1952, 59): Wähle als Risikomaß die Varianz der Portfolio-Rendite und maximiere den Erwartungswert der Portfolio-Rendite bei beschränkter Varianz Genauer: R ( ) P T p i i i = Rendite des i. Wertpapiers mit µ i = E ( Ri ), σ ij = Cov( Ri, R j ), pi ( ) π= π,..., π ' Portfoliovektor 1 d R π π ( T) X d = = πiri Portfoliorendite mit x π ( ) E R i= 1 d π π iµ i π ' µ, Var( R ) i= 1 = = d = π σ π = π' σπ i, j= 1 i ij j Maximiere den erwarteten Ertrag bei beschränkter Varianz (EV) d max π ' µ NB.: π 0, π= 1, π' σπ C π R d i i= 1 i
15 Ein einfaches Beispiel: DAX oder Sparbuch? Daten: Zeithorizont 1 Jahr Sparzins: 5 % DAXdaten: 20 % mittlere Rendite 15 % Standardabweichung ( Volatilität ) Alternativen: 1,03 1,025 1,02 1,015 1,01 1,005 1 Dax Festgeld 0, Apr. 1. Mai. 31. Mai. 30. Jun. 30. Jul. 29. Aug. 28. Sep.
16 Ein einfaches Beispiel: DAX oder Sparbuch? Daten: Zeithorizont 1 Jahr Sparzins: 5 % DAXdaten: 20 % mittlere Rendite 15 % Standardabweichung ( Volatilität ) Portfoliovektor ( π, π) = ( π,1 π) π ( ) ( ) ( ) E R π µ 1 π µ µ µ π µ 0, 15 π 0, 20 Var R = + = + = + =: ( ) π 2 ( ) = + 2 ( 1 ) + ( 1 ) π σ π π σ π σ ( 1 π) σ 0, 0225 ( π 2π 1) : f( π) = = + = g π, 1
17 Ein einfaches Beispiel: DAX oder Sparbuch? Daten: Zeithorizont 1 Jahr Sparzins: 5 % DAXdaten: 20 % mittlere Rendite 15 % Standardabweichung ( Volatilität ) Portfoliovektor ( π, π) = ( π,1 π) π ( ) ( ) ( ) E R π µ 1 π µ µ µ π µ 0, 15 π 0, 20 Var R = + = + = + =: ( ) π 2 ( ) = + 2 ( 1 ) + ( 1 ) π σ π π σ π σ ( 1 π) σ 0, 0225 ( π 2π 1) : f( π) = = + = Die Lösung des Problems (EV) ist folglich dazu äquivalent zunächst alle Punkte aus [0, 1] zu finden, für die f( π) 1 c gilt, (Betrachtung der Werte einer nach oben geöffneten Parabel) dann das Maximum einer Geraden über diesem Bereich zu finden. g π, 1
18 Ein einfaches Beispiel: DAX oder Sparbuch? Daten: Zeithorizont 1 Jahr Sparzins: 5 % DAXdaten: 20 % mittlere Rendite 15 % Standardabweichung ( Volatilität ) Portfoliovektor ( π, π) = ( π,1 π) π ( ) ( ) ( ) E R π µ 1 π µ µ µ π µ 0, 15 π 0, 20 Var R = + = + = + =: ( ) π 2 ( ) = + 2 ( 1 ) + ( 1 ) π σ π π σ π σ ( 1 π) σ 0, 0225 ( π 2π 1) : f( π) = = + = Die Lösung des Problems (EV) ist folglich dazu äquivalent zunächst alle Punkte aus [0, 1] zu finden, für die f( π) 1 c gilt, (Betrachtung der Werte einer nach oben geöffneten Parabel) dann das Maximum einer Geraden über diesem Bereich zu finden. Kann analytisch und (empfehlenswert!) graphisch gelöst werden. g π, 1
19 Graphisches Beispiel Daten: µ = 0.05, µ = 0.20, σ = σ = σ = 0, σ = 0.15 = , c = 0,
20 Graphisches Beispiel Daten: µ = 0.05, µ = 0.20, σ = σ = σ = 0, σ = 0.15 = , c = 0, Zugehörige Bilder: Varianzfunktion und Nebenbedingung 2 0,025 0,02 0,015 0,01 f(p1) NB 0, ,2 0,4 0,6 0,8 1 Zulässiger Bereich für π 1
21 Graphisches Beispiel Daten: µ = 0.05, µ = 0.20, σ = σ = σ = 0, σ = 0.15 = , c = 0, Zugehörige Bilder: 2 Varianzfunktion und Nebenbedingung Zielfunktion und zulässiger Bereich 0,025 0,25 0,02 0,2 0,015 0,01 f(p1) NB 0,15 0,1 g(p1) 0,005 0, ,2 0,4 0,6 0, ,2 0,4 0,6 0,8 1 Zulässiger Bereich für π 1 Optimale Lösung für π 1 = 0.6 Lösung : π = 0.6, π = 0.4, opt.rendite = 0.11, Varianz =
22 Wie funktioniert das in der Realität? Teils sehr große Portfolios (mit weit über 100 Anlagemöglichkeiten) Große Probleme mit der Schätzung der benötigten Parameter (insbesondere den mittleren Renditen und den Kovarianzen) Varianten von Markowitz mit o Mehrperiodenmodellen o Anderen Risikomaßen als die Varianz o Impliziten Schätzungen der Renditen aus dem Marktgleichgewicht heraus kombiniert mit Expertenwissen (Black-Litterman-Ansatz) o.
23 Wie funktioniert das in der Realität? Teils sehr große Portfolios (mit weit über 100 Anlagemöglichkeiten) Große Probleme mit der Schätzung der benötigten Parameter (insbesondere den mittleren Renditen und den Kovarianzen) Varianten von Markowitz mit o Mehrperiodenmodellen o Anderen Risikomaßen als die Varianz o Impliziten Schätzungen der Renditen aus dem Marktgleichgewicht heraus kombiniert mit Expertenwissen (Black-Litterman-Ansatz) o. Frage: Kann man sich gegen die Risiken des Aktienhandel absichern?
24 4. Optionsbewertung Einfache Modelle und Prinzipien Was sind Optionen?
25 4. Optionsbewertung Einfache Modelle und Prinzipien Was sind Optionen? Verträge, die eine zukünftige Zahlung unsicherer Höhe garantieren Zahlungen hängen von einer zugrunde liegenden Größe ab ( Derivate )
26 4. Optionsbewertung Einfache Modelle und Prinzipien Was sind Optionen? Verträge, die eine zukünftige Zahlung unsicherer Höhe garantieren Zahlungen hängen von einer zugrunde liegenden Größe ab ( Derivate ) Einfachstes Beispiel: a) Eine Europäische Kaufoption ( call ) auf eine Aktie mit Fälligkeit T und Strike K ist ein Vertrag, der seinem Besitzer das Recht (aber nicht die Pflicht!) gibt, in T eine Aktie zum Preis K vom Verkäufer der Option zu erwerben
27 4. Optionsbewertung Einfache Modelle und Prinzipien Was sind Optionen? Verträge, die eine zukünftige Zahlung unsicherer Höhe garantieren Zahlungen hängen von einer zugrunde liegenden Größe ab ( Derivate ) Einfachstes Beispiel: a) Eine Europäische Kaufoption ( call ) auf eine Aktie mit Fälligkeit T und Strike K ist ein Vertrag, der seinem Besitzer das Recht (aber nicht die Pflicht!) gibt, in T eine Aktie zum Preis K vom Verkäufer der Option zu erwerben S T K + ( ) Mathematisch: Identifiziere die Option mit ihrer Endzahlung von ( )
28 4. Optionsbewertung Einfache Modelle und Prinzipien Was sind Optionen? Verträge, die eine zukünftige Zahlung unsicherer Höhe garantieren Zahlungen hängen von einer zugrunde liegenden Größe ab ( Derivate ) Einfachstes Beispiel: a) Eine Europäische Kaufoption ( call ) auf eine Aktie mit Fälligkeit T und Strike K ist ein Vertrag, der seinem Besitzer das Recht (aber nicht die Pflicht!) gibt, in T eine Aktie zum Preis K vom Verkäufer der Option zu erwerben S T K + ( ) Mathematisch: Identifiziere die Option mit ihrer Endzahlung von ( ) b) Eine Europäische Verkaufsoption ( put ) auf eine Aktie mit Fälligkeit T und Strike K ist ein Vertrag, der seinem Besitzer das Recht (aber nicht die Pflicht!) gibt, in T eine Aktie zum Preis K an den Verkäufer der Option zu verkaufen K S T + ( ) Mathematisch: Identifiziere die Option mit ihrer Endzahlung von ( ) (Schulanwendung: Abschnittsweise definierte Funktionen)
29 Händler denken oft graphisch (Schüler auch...): Payoffdiagramme Call Put Optionszahlung Optionszahlung ( ( T ) K ) + P 1 K ( P ( T )) + K 1 K Aktienpreis K Aktienpreis
30 Weitere Beispiele: Amerikanische Optionen Exotische Optionen ( K ) o Barriereoptionen z.b. S ( T ) 1 o Asiatische Optionen z.b. ( ) o Cliquet-Optionen + i 1 { S( t) > H t 0, T } in T T S t dt K T in T 0 + ( i ) S ( ti 1 ) S ( t ) n S t P + max min max min αi, Ci, Fi, C, F in T i= 1 i 1 n B = αisi T K i= 1 o Basket Optionen z.b. ( ) und nahezu beliebig viele weitere, komplexe Beispiele... +
31 Warum handelt man mit Optionen?
32 Warum handelt man mit Optionen? - Absicherungfunktion - Spekulationsfunktion
33 Warum handelt man mit Optionen? - Absicherungfunktion - Spekulationsfunktion Absicherung: Wirkung eines Puts im Portfolio aus Aktie + Put mit Strike K Zahlungen K Portfolio Aktie Put K Aktienkurs
34 Warum handelt man mit Optionen? - Absicherungfunktion - Spekulationsfunktion Absicherung: Wirkung eines Puts im Portfolio aus Aktie + Put mit Strike K Zahlungen K Portfolio Aktie Put K Aktienkurs Schulanwendung: Konstruktion gewünschter Zahlungsprofile ( Legobaukasten )
35 Warum handelt man mit Optionen? - Absicherungfunktion - Spekulationsfunktion Absicherung: Wirkung eines Puts im Portfolio aus Aktie + Put mit Strike K Zahlungen K Portfolio Aktie Put K Aktienkurs Schulanwendung: Konstruktion gewünschter Zahlungsprofile ( Legobaukasten ) Praxisanwendung: Gasanstalt-Aktienverkauf der Stadt Kaiserslautern an die Stadtsparkasse
36 Was kosten Optionen?
37 Was kosten Optionen? Einfachstes Beispiel: Ein-Perioden-Binomial Modell Optionsbeispiel: (Europ.) Calloption auf eine Aktie mit Strike K=100 (keine Zinsen) Aktienpreise: Optionszahlung : t = 0 t=t t=t 0, ,2 95 0
38 Was kosten Optionen? Einfachstes Beispiel: Ein-Perioden-Binomial Modell Optionsbeispiel: (Europ.) Calloption auf eine Aktie mit Strike K=100 (keine Zinsen) Aktienpreise: Optionszahlung : t = 0 t=t t=t 0, , Preisvorschlag für die Calloption:? E(Optionszahlung) = 0, ,2 0 = 16
39 Was kosten Optionen? Einfachstes Beispiel: Ein-Perioden-Binomial Modell Optionsbeispiel: (Europ.) Calloption auf eine Aktie mit Strike K=100 (keine Zinsen) Aktienpreise: Optionszahlung : t = 0 t=t t=t 0, , Preisvorschlag für die Calloption:? E(Optionszahlung) = 0, ,2 0 = 16 => im allgemeinen der falsche Preis!!!! h
40 Was kosten Optionen? Einfachstes Beispiel: Ein-Perioden-Binomial Modell Optionsbeispiel: (Europ.) Calloption auf eine Aktie mit Strike K=100 (keine Zinsen) Aktienpreise: Optionszahlung : t = 0 t=t t=t 0, , Preisvorschlag für die Calloption:? E(Optionszahlung) = 0, ,2 0 = 16 => im allgemeinen der falsche Preis!!!! Warum???
41 Hauptgrund: Annahme der Arbitragefreiheit Es existiert keine Möglichkeit eines risikolosen Gewinns ohne Einsatz eigenen Kapitals.
42 Hauptgrund: Annahme der Arbitragefreiheit Es existiert keine Möglichkeit eines risikolosen Gewinns ohne Einsatz eigenen Kapitals. Eine Arbitragemöglichkeit ist eine Investmentstrategie mit Startvermögen X(0) = 0 und einem Endvermögen von X(T ) im Zeithorizont T mit X(T ) 0, P( X(T ) > 0) > 0.
43 Hauptgrund: Annahme der Arbitragefreiheit Es existiert keine Möglichkeit eines risikolosen Gewinns ohne Einsatz eigenen Kapitals. Eine Arbitragemöglichkeit ist eine Investmentstrategie mit Startvermögen X(0) = 0 und einem Endvermögen von X(T ) im Zeithorizont T mit X(T ) 0, P( X(T ) > 0) > 0. Typische Beispiele von Arbitragemöglichkeiten: Kostenlose Lose oder Lottoscheine Kostenloses Essen (wirklich?) Weitere Beispiele?
44 Hauptgrund: Annahme der Arbitragefreiheit Es existiert keine Möglichkeit eines risikolosen Gewinns ohne Einsatz eigenen Kapitals. Eine Arbitragemöglichkeit ist eine Investmentstrategie mit Startvermögen X(0) = 0 und einem Endvermögen von X(T ) im Zeithorizont T mit X(T ) 0, P( X(T ) > 0) > 0. Typische Beispiele von Arbitragemöglichkeiten: Kostenlose Lose oder Lottoscheine Kostenloses Essen (wirklich?) Weitere Beispiele? Wie lässt sich das Arbitrageprinzip bei der Optionsbewertung umsetzen?
45 Duplikationsprinzip und Arbitrageprinzip: Sind zwei Zahlungsströme in der Zukunft identisch, so haben sie auch heute den gleichen Wert.
46 Duplikationsprinzip und Arbitrageprinzip: Sind zwei Zahlungsströme in der Zukunft identisch, so haben sie auch heute den gleichen Wert. Anwendung auf das Optionsbewertungsproblem: ψ, in Bargeld (oder: festverzinslichem Investment) und Aktie duplizieren, so gilt: Der Optionspreis muss mit dem Anfangsvermögen übereinstimmen, das zum Verfolgen der Duplikationsstrategie benötigt wird. Kann man die Endzahlung der Option exakt durch eine Handelsstrategie ( ϕ)
47 Duplikationsprinzip und Arbitrageprinzip: Sind zwei Zahlungsströme in der Zukunft identisch, so haben sie auch heute den gleichen Wert. Anwendung auf das Optionsbewertungsproblem: ψ, in Bargeld (oder: festverzinslichem Investment) und Aktie duplizieren, so gilt: Der Optionspreis muss mit dem Anfangsvermögen übereinstimmen, das zum Verfolgen der Duplikationsstrategie benötigt wird. Kann man die Endzahlung der Option exakt durch eine Handelsstrategie ( ϕ) Im Beispiel: ψ, ϕ with Finde ( ) ψ + 120ϕ = 20 ψ + 95ϕ = 0 ψ = 76 ϕ = 0, 8 Optionspreis= ψ + 100ϕ = 4
48 Duplikationsprinzip und Arbitrageprinzip: Sind zwei Zahlungsströme in der Zukunft identisch, so haben sie auch heute den gleichen Wert. Anwendung auf das Optionsbewertungsproblem: ψ, in Bargeld (oder: festverzinslichem Investment) und Aktie duplizieren, so gilt: Der Optionspreis muss mit dem Anfangsvermögen übereinstimmen, das zum Verfolgen der Duplikationsstrategie benötigt wird. Kann man die Endzahlung der Option exakt durch eine Handelsstrategie ( ϕ) Im Beispiel: ψ, ϕ with Finde ( ) ψ + 120ϕ = 20 ψ + 95ϕ = 0 ψ = 76 ϕ = 0, 8 Optionspreis= ψ + 100ϕ = 4 Interpretation des Optionspreises: Optionspreis = 4 = E P ( T ) 0,2 * ,8* 0 = 20 wobei das Wahrscheinlichkeitsmaß Q durch Q P ( T ) E Q ( P ( T )) = 100 = p gegeben ist. ( + ( ) ) Q 1 ( 1 ) Q( P1 ( T ) ) 1 Q=risiko-neutrales Maß = 120 = 0, 2 = 95 = 0,8 und
49 Anwendungen im Schulunterricht: Lösen einfacher Gleichungssysteme (weitere Optionstypen) Diskussion der neu entstandenen Wahrscheinlichkeiten! Warum liefern andere Preise Arbitragemöglichkeiten? Unterschiede: Preis Gutes/schlechtes Geschäft Verallgemeinerung auf Mehr-Perioden-Binomialmodelle...
50 5. Moderne Finanzmathematik in Praxis und Forschung Bisher vorgestellte Modelle: Ein-Periodenmodelle sind zu einfach (insbes. im Binomialfall) Mehr-Perioden-Verallgemeinerungen werden schnell sehr aufwändig (warum???) Dynamik des Aktienpreises und der Entscheidungsmöglichkeiten fehlt ALLIANZ (XETRA) Okt Dez Feb Mrz Mai Jul Aug Okt 98
51 ALLIANZ (XETRA) Okt Dez Feb Mrz Mai Jul Aug Okt 98 Beachte: Irreguläre Bewegung im Zeitablauf ( Nicht-glatt ) (lokal) keine vorhersehbare Tendenz, Fluktuationen dominieren
52 ALLIANZ (XETRA) Okt Dez Feb Mrz Mai Jul Aug Okt 98 Beachte: Irreguläre Bewegung im Zeitablauf ( Nicht-glatt ) (lokal) keine vorhersehbare Tendenz, Fluktuationen dominieren Notwendig: Zeitstetige Preismodellierung (Geeignete stochastische Prozesse!) Zeitstetige Modellierung der Handelsstrategien (Keine Prophetengaben..) Übertragung der finanzmathematischen Prinzipien (Risiko, Arbitrage, Duplikationsprinzip)
53 Der Black-Scholes Markt -1- Fundamentaler Baustein: Brownsche Bewegung W(t) W ( 0) = 0, W() t W() s N ( 0,t s), stationäre Zuwächse W( u) W() r unabhängig von W() t W() s, s t r u unabhängige Zuwächse Eigenschaften: nirgends differenzierbar Pfade haben unendliche Länge Brownsche Bewegung modelliert den Zufallseinfluss (mehrdim. Verallgemeinerung einfach), Itô-Kalkül notwendig
54 Der Black-Scholes Markt -2- Aktienpreis (einfachstes Modell): Geometrische Brownsche Bewegung ( ) 2 () ( 0) 1 ( σ) σ () = +, () S t S exp b t W t ( ) = ( ) ( ) E S t S exp b t relativ gute Approximation der realen Welt (wenn auch verbesserbar!)
55 Das Duplikationsprinzip im Black-Scholes-Markt Satz: Optionsbewertung im Black-Scholes-Modell a) Im allgemeinen Black-Scholes-Modell (n Aktien, n-dimensionale Brownsche Bewegung) kann jede beliebige (europäische) Endzahlung B durch das Verfolgen einer geeigneten Handelsstrategie im Bond und den n Aktien exakt (!) dupliziert werden ( Vollständigkeit des Marktes ). b) Im allgemeinen Black-Scholes-Modell ist der eindeutige Preis einer Option mit Endzahlung B gegeben durch Q rt ( ) E e B Hierbei ist das Maß Q eindeutig durch die Tatsache bestimmt, dass für alle Wertpapiere unter Q gilt. rt ( ()) E S t = s e ( risiko-neutrale Bewertung ) Q i i
56 Direkte Anwendung des Satzes auf Calls und Puts: Satz: Die Black-Scholes-Formel (Fall n=1) a) Der Preis eines europäischen Calls mit Fälligkeit T und Strike K ist zur Zeit t gegeben durch () S t ( σ )( ) ( σ )( ) S() t 2 1 S() t 1 2 ln + r+ K 2 T t ln + r K 2 T t r( T t) Φ Ke Φ σ T t σ T t, wobei Φ (.) die Verteilungsfunktion der Standardnormalverteilung ist. b) Der Preis eines europäischen Puts mit Fälligkeit T und Strike K ist zur Zeit t gegeben durch Ke ( t) r T ( σ )( ) ( σ)( ) S() t 1 2 S() t 1 2 ln r K 2 T t ln r K 2 T t Φ S() t Φ σ T t σ T t. Beachte: Der Driftparameter b der Aktie geht nicht in den Preis ein!
57 Erfolg des Black-Scholes-Modells und der Black-Scholes-Formel Beides sind in Forschung und Praxis akzeptierte Benchmarks (neue Modelle/Formeln müssen besser sein und BS-Modell als Spezialfall enthalten) Haupterfolgsgrund bei BS-Formel: Unabhängigkeit von b Nobelpreis 1997 für Robert Merton und Myron Scholes für ihre Arbeiten zur Black- Scholes-Formel (heißt seit dem Black-Scholes-Merton-Formel )
58 Erfolg des Black-Scholes-Modells und der Black-Scholes-Formel Beides sind in Forschung und Praxis akzeptierte Benchmarks (neue Modelle/Formeln müssen besser sein und BS-Modell als Spezialfall enthalten) Haupterfolgsgrund bei BS-Formel: Unabhängigkeit von b Nobelpreis 1997 für Robert Merton und Myron Scholes für ihre Arbeiten zur Black- Scholes-Formel (heißt seit dem Black-Scholes-Merton-Formel ) Kritik am Black-Scholes-Modell Normalverteilungsannahme kann keine extremen Schwankungen ( Crashs ) erklären Volatilitätsclustering wird beobachtet, nicht durch BS-Modell erklärbar...
59 Forschungsaspekte: Geeignete(re) Aktienpreismodelle: Stochastische Volatilität, Lévy Modelle,... Schnelle und genaue Algorithmen zur Bewertung komplexer, pfadbahängiger Optionen Kreditderivate, Modellierung hochdimensionaler Abhängigkeiten Parameterschätzung (wenig Beobachtungen, hohe Genauigkeit) Umsetzung zeitstetiger Portfolio-Optimierungsmethoden... Umsetzung in Industrieprojekten im Fraunhofer ITWM
60 Forschungsaspekte: Geeignete(re) Aktienpreismodelle: Stochastische Volatilität, Lévy Modelle,... Schnelle und genaue Algorithmen zur Bewertung komplexer, pfadbahängiger Optionen Kreditderivate, Modellierung hochdimensionaler Abhängigkeiten Parameterschätzung (wenig Beobachtungen, hohe Genauigkeit) Umsetzung zeitstetiger Portfolio-Optimierungsmethoden... Umsetzung in Industrieprojekten im Fraunhofer ITWM (Weitere) Aspekte für den Schulunterricht: Approximation der Normalverteilung durch die Binomialverteilung (Zentraler Grenzwertsatz Binomialmodell Black-Scholes-Modell ) Monte Carlo Simulation zur Berechnung von Optionspreisen (Starkes Gesetz der großen Zahl) Spannendes und aktuelles Thema für interdisziplinären Unterricht!
61 und bitte bedenken:
62 und bitte bedenken: o Es gibt keine Arbitragemöglichkeit (und das ist auch gut so!)
63 und bitte bedenken: o Es gibt keine Arbitragemöglichkeit (und das ist auch gut so!) o Es ist gut, nicht alles auf ein Pferd zu setzen
64 und bitte bedenken: o Es gibt keine Arbitragemöglichkeit (und das ist auch gut so!) o Es ist gut, nicht alles auf ein Pferd zu setzen o Verwirrende Angebote sind selten gut, aber oft teuer
65 und bitte bedenken: o Es gibt keine Arbitragemöglichkeit (und das ist auch gut so!) o Es ist gut, nicht alles auf ein Pferd zu setzen o Verwirrende Angebote sind selten gut, aber oft teuer o Das Argument Die Modelle waren falsch ist eine gern genommene, aber fast immer falsche Ausrede
66 und bitte bedenken: o Es gibt keine Arbitragemöglichkeit (und das ist auch gut so!) o Es ist gut, nicht alles auf ein Pferd zu setzen o Verwirrende Angebote sind selten gut, aber oft teuer o Das Argument Die Modelle waren falsch ist eine gern genommene, aber fast immer falsche Ausrede o Nicht jeder, der unverständliche Begriffe benutzt, hat auch verstanden, was er am Finanzmarkt tut
Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern
Algorithmen und Software für moderne Finanzmathematik Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern Gliederung: Was ist Finanzmathematik? Wie wird man reich? Portfolio-Optimierung
MehrInhaltsverzeichnis. Teil I
Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung
MehrPortfoliotheorie, Risikomanagenient und die Bewertung von Derivaten
Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte
MehrProf. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München
Finanzmärkte und Mathematik tik Prof. Dr. Georg Schlüchtermann Ludwig-Maximilians Universität München und Hochschule München Inhalt Bewertung von Finanzprodukten Welche mathematischen Modelle werden verwendet?
MehrOptionspreistheorie Seminar Stochastische Unternehmensmodelle
Seminar Stochastische Unternehmensmodelle Lukasz Galecki Mathematisches Institut Universität zu Köln 1. Juni 2015 1 / 30 Inhaltsverzeichnis 1 Was ist eine Option? Definition einer Option Übersicht über
MehrPortfoliotheorie, Risikomanagement und die Bewertung von Derivaten
Springer-Lehrbuch Portfoliotheorie, Risikomanagement und die Bewertung von Derivaten Bearbeitet von Jürgen Kremer 1. Auflage 2011. Taschenbuch. xvi, 471 S. Paperback ISBN 978 3 642 20867 6 Format (B x
MehrDas Black-Scholes Modell
Vathani Arumugathas Das Black-Scholes Modell 1 Das Black-Scholes Modell Vathani Arumugathas Seminar zu Finanzmarktmodellen in der Lebensversicherung, Universität zu Köln 10. Juni 016 Inhaltsverzeichnis
MehrDas Black-Scholes-Merton Modell
Agenda Lehrstuhl für Volkswirtschaftstheorie Westfälische Wilhelms-Universität Münster May 12, 2006 Teil I Agenda 2 Zur Erinnerung Das Lemma von Ito Die vereinfachten Annahmen an den Finanzmarkt Teil II
MehrWie Derivate die Finanzwelt veränderten
Franz Reiter 16. Dezember 2016 Aufbau Grundlagen Exotische Optionen Capital Asset Pricing Model Black-Scholes-Formel Derivat Derivat ist ausgestelltes Recht zum Kauf bzw. Verkauf von bestimmten Basiswerten
MehrFaszination Finanzmathematik: Probleme, Methodik und Prinzipien
Math Semesterber (2008) 55: 19 42 DOI 10.1007/s00591-007-0029-8 FORSCHUNG, LEHRE UND ANWENDUNG Faszination Finanzmathematik: Probleme, Methodik und Prinzipien Ralf Korn Eingegangen: 7. Juli 2007 / Angenommen:
MehrInhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74
1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................
MehrEinführung in die Diskrete Finanzmathematik
Jürgen Kremer Einführung in die Diskrete Finanzmathematik Mit 37 Abbildungen /IS 4y Springer Ein-Perioden- Wertpapiermärkte 1 1.1 Portfolios 5 1.2 Optionen und Forward-Kontrakte 8 1.2.1 Optionen 8 1.2.2
MehrNikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen
Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen IGEL Verlag Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen 1.Auflage 2009 ISBN: 978 3 86815 358
MehrEinführung in die Diskrete Finanzmathematik
Springer-Lehrbuch Einführung in die Diskrete Finanzmathematik Bearbeitet von Jürgen Kremer 1. Auflage 2005. Taschenbuch. XVI, 500 S. Paperback ISBN 978 3 540 25394 5 Format (B x L): 15,5 x 23,5 cm Gewicht:
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
MehrAktien, Derivate, Arbitrage. - 1c -
: Eine Einführung in die moderne Finanzmathematik Prof. Dr. Dietmar Pfeifer Institut für Mathematik chwerpunkt Versicherungs- und Finanzmathematik Kursverläufe des DA: agesgang 5.1.211 Wochengang Jahresgang
MehrPortfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra
Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra Lucia Del Chicca Markus Hohenwarter Seminar Mathematech, JKU 14 Mai 2015 Die Problemstellung Es ist allgemein bekannt, dass wenn wir ein bestimmtes
MehrPortfoliomanagement I
Wolfgang Breuer Marc Gürtler Frank Schuhmacher Portfoliomanagement I Grundlagen 3., aktualisierte und überarbeitete Auflage GABLER Inhaltsverzeichnis IX Verzeichnis wichtiger Symbole XIII I Problemstellung
MehrMathematische Behandlung des Risikos in der Portfolio-Optimierung
Mathematische Behandlung des Risikos in der Portfolio-Optimierung Michael Manger Mathematisches Institut Universität Bayreuth Seminar Stochastische Dynamische Optimierung Bayreuth, 5. März 2008 Michael
Mehr2 Das Marktmodell C1(WS08/09) [2] 1
2 Das Marktmodell 2.1 Ein allgemeines Finanzmarktmodell 2.2 Aufsteigende Systeme von σ-algebren und adaptierte Prozesse 2.3 Elementare Handelsstrategien im Finanzmarktmodell 2.4 Die σ-algebra der previsiblen
MehrBewertung von europäischen und amerikanischen Optionen
Bewertung von europäischen und amerikanischen Optionen 3. Vortrag - Mathematische Analyse / Beweise und Numerische Resultate Technische Universität Berlin Institut für Mathematik 1. Februar 2008 Inhaltsverzeichnis
MehrFINANZMATHEMATIK. Toker Claudia, Hackner Denise
FINANZMATHEMATIK Toker Claudia, Hackner Denise AKTIEN Aktien Ökonomische Grundlagen Graphische Darstellung von Aktienkursverläufen Aktienkurs und Aktienindex Die Rendite einer Aktie Statistik der Aktienmärkte
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen
MehrFinanzmathematik Wie funktioniert eigentlich Hedging?
Finanzmathematik Wie funktioniert eigentlich Hedging? Dr. Michael J. Winckler IWR, Universität Heidelberg AK Anwendungsorientierte Mathematik 10. Mai 2016,Karlsruhe-Neureuth Dr. Michael J. Winckler IWR,
MehrMoment Swaps. Volatilität, Korrelation und andere Verteil ungsmomente als eigene Asset-Klasse. Stephan Krügel
Stephan Krügel Moment Swaps Volatilität, Korrelation und andere Verteil ungsmomente als eigene Asset-Klasse Frankfurt School of Finance & Management Bankakademie-Verlag 1. Moment Swaps: Anlagemedium zum
MehrValue at Risk. Sandra Radl Sandra Radl Value at Risk / 31
Value at Risk Sandra Radl 24.01.2018 Sandra Radl Value at Risk 24.01.2018 1 / 31 Inhaltsverzeichnis 1 Definition Zeithorizont 2 Berechnungsmethoden Historische Simulation Lineares Modell Quadratisches
MehrWas kosten Garantien?
Alternative Zinsgarantien in der Lebensversicherung, Köln, 1. Juni 2012 Was kosten Garantien? Prof. Dr. Ralf Korn Technische Universität Kaiserslautern, Fachbereich Mathematik EI-QFM und Fraunhofer ITWM
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
MehrVorlesung im Rahmen des Studienschwerpunktes Finanzen. Derivate 1
Vorlesung im Rahmen des Studienschwerpunktes Finanzen Derivate 1 gelehrt von Prof. Dr. Christian Schlag und Dipl. Math. Angelika Esser Professur für Derivate und Financial Engineering Fachbereich Wirtschaftswissenschaften
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrDynamische Portfolio-Optimierung mit partieller Information und beschränktem Ausfallrisiko
1 / 36 Dynamische Portfolio-Optimierung mit partieller Information und beschränktem Ausfallrisiko Ralf Wunderlich Brandenburgische Technische Universität Cottbus gemeinsam mit Jörn Sass (TU Kaiserslautern)
MehrVorstellung des Lehrangebots - Bereich F: Stochastik
Vorstellung des Lehrangebots - Bereich F: Stochastik Andreas Eberle Institut für angewandte Mathematik Juli 2013 Stochastikvorlesungen im Bachelor I Einführung in die Wahrscheinlichkeitstheorie (WiSem)
MehrONLINE-SEMINAR REIHE. Devisenoptionen. Schwabe, Ley & Greiner
ONLINE-SEMINAR REIHE Devisenoptionen Warum gibt es Optionen? Begriff un Wesen... Absicherung gegen Währungskursänerungen. Käufer einer Devisenoption: Recht,...... eine bestimmte Währung... zu einem bestimmten
Mehr1 Grundlagen des Portfolio Managements Mathematische Grundlagen im Portfolio Management Grundlagen der modernen Portfoliotheorie 203
Inhaltsübersicht 1 Grundlagen des Portfolio Managements 17 2 Mathematische Grundlagen im Portfolio Management 123 3 Grundlagen der modernen Portfoliotheorie 203 4 Die Anwendung des aktiven Portfolio Managements
MehrMoney 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
MehrRalf und Elke Korn. Optionsbewertung und Portfolio-Optimierung
Ralf und Elke Korn Optionsbewertung und Portfolio-Optimierung raus dem Programm Mathematik Stochastik für Einsteiger von N. Henze Einführung in die Wahrscheinlichkeitstheorie und Statistik von U. Krengel
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrInhaltsverzeichnis. Bibliografische Informationen digitalisiert durch
1 Einfuhrung 1 1.1 Zum Risikobegriff 1 1.2 Geschichtliches 4 1.2.1 Frühe Geschichte der Risikoanalyse als Geschichte der Stochastik... 6 1.2.2 Entwicklungen im Finanz- und Versicherungswesen 7 1.3 Bedeutung
MehrMathematische Werkzeuge R. Neubecker, WS 2018 / 2019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 018 / 019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen 1 Optimierung Optimierungsprobleme Suche nach dem Maximum oder Minimum
MehrWas ist Kreditrisiko? Zitat von McNeil, Frey und Embrechts (2005):
Was ist Kreditrisiko? Zitat von McNeil, Frey und Embrechts (2005): Credit risk is the risk that the value of a portfolio changes due to unexpected changes in the credit quality of issuers or trading partners.
MehrFinanzmathematik. 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
MehrThomas Heidorn Christian Schäffler. Finanzmathematik. in der Bankpraxis. Vom Zins zur Option. 7. Auflage. ö Springer Gabler
Thomas Heidorn Christian Schäffler Finanzmathematik in der Bankpraxis Vom Zins zur Option 7. Auflage ö Springer Gabler Inhaltsverzeichnis 1 Grundlagen der Finanztheorie 3 1.1 Gegenwartswerte und Opportunitätskosten
MehrInhaltsverzeichnis 1 Einführung Zum Risikobegriff Geschichtliches Frühe Geschichte der Risikoanalyse als Geschichte der Stoc
1 Einführung 1 1.1 Zum Risikobegriff... 1 1.2 Geschichtliches... 4 1.2.1 Frühe Geschichte der Risikoanalyse als Geschichte der Stochastik... 4 1.2.2 Entwicklungen im Finanz- und Versicherungswesen... 7
MehrVorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik
Univ. Leipzig Mathematisches Institut Vertretung Professur Stochastische Prozesse Max v. Renesse email: mrenesse@math.tu-berlin.de Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik
MehrStochastic Volatility and Jumps
Seminar SoSe 2010: Warum wir falsch liegen und trotzdem weitermachen Stochastic Volatility and Jumps Anja Kipke 28. Mai 2010 Betreuung: Rupert Hughes-Brandl, Ulrich Nögel Gliederung 1 2 3 4 5 Stochastic
MehrRisk analysis and valuation of life insurance contracts: Combining actuarial and financial approaches
Risk analysis and valuation of life insurance contracts: Combining actuarial and financial approaches Mario Knoll 5. Dezember 2012 Inhalt Einführung Einführung Produktmerkmal: Zinsgarantien 2 Haupttypen:
MehrSeminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
Mehrf(x) = P (X = x) = 0, sonst heißt Poisson-verteilt mit Parameter (oder Rate) λ > 0, kurz X P o(λ). Es gilt x x! 1 Wahrscheinlichkeitsrechnung 212
1.6.2 Poisson Verteilung Eine weitere wichtige diskrete Verteilung ist die Poisson-Verteilung. Sie modelliert die Anzahl (eher seltener) Ereignisse in einem Zeitintervall (Unfälle, Todesfälle; Sozialkontakte,
Mehr1. EINFÜHRUNG INS STATE-PRICING 1
1. EINFÜHRUNG INS STATE-PRICING 1 1. Einführung ins State-Pricing In diesem Kapitel betrachten wir eine Periode. Das heisst, wir können nur zu den Zeitpunkten 0 und 1 handeln. Im weiteren arbeiten wir
MehrPortfolio- und Kapitalmarkttheorie
Portfolio- und Kapitalmarkttheorie 2-WP-Fall der Portfoliotheorie Prof. Dr. Daniela Lorenz Julius-Maximilians-Universität Würzburg Sommersemester 2018 Organisatorisches Literatur Hintergrund Beispiel Annahmen
MehrFinance compact. Herausgegeben von Heinz Zimmermann. 3., überarbeitete Auflage. Mit Beiträgen von
Finance compact Herausgegeben von Heinz Zimmermann 3., überarbeitete Auflage Mit Beiträgen von Stefan Beiner Andrea Bubb Christian Buhl Wolfgang Drobetz Jacqueline Henn-Overbeck Pascal Pensa Christian
MehrSeminar: Finanzmathematik. Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr
Seminar: Finanzmathematik Bewertung von Barriere Optionen im Black-Scholes Modell sowie die Symmetrie von P. Carr Deniz Atug 4. April 2010 Zusammenfassung Die vorliegende Arbeit gibt eine Einführung in
MehrFinanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.
Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 2.
MehrDie Maximum-Likelihood-Methode
Vorlesung: Computergestützte Datenauswertung Die Maximum-Likelihood-Methode Günter Quast Fakultät für Physik Institut für Experimentelle Kernphysik SS '17 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
MehrFakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II
Statistik II 1. Ergänzungen zur Wahrscheinlichkeitstheorie Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 1. Ergänzungen zur
MehrTeil II Optimierung. Modellgestützte Analyse und Optimierung Kap. 5 Einführung Optimierung. Peter Buchholz 2006
Teil II Optimierung Gliederung 5 Einführung, Klassifizierung und Grundlagen 6 Lineare Optimierung 7 Nichtlineare Optimierung 8 Dynamische Optimierung (dieses Jahr nur recht kurz) (9 Stochastische Optimierungsmethoden
MehrKlassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen
Michael Hafner Klassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen PETER LANG Europäischer Verlag der Wissenschaften Inhaltsverzeichnis Abbildungsverzeichnis.-.
MehrEinleitung. 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
MehrDie Black Scholes Differentialgleichung
Die Black Scholes Differentialgleichung Lutz Kruschwitz und Maria Stefanova 10. September 2007 Inhaltsverzeichnis 1 Einführung 2 2 Delta Hedging 2 2.1 Der Prozess für den Preis des Basistitels........................
MehrMartingal-Maße. Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Manuel Müller Mathematisches Institut
Martingal-Maße Manuel Müller 29.04.2016 Mathematisches Institut Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Seite 2 Martingal-Maße 29.04.2016 Inhaltsverzeichnis
MehrFinanzmathematik in der Bankpraxis
Finanzmathematik in der Bankpraxis Vom Zins zur Option Bearbeitet von Thomas Heidorn, Christian Schäffler 7. Auflage 2017. Buch. X, 330 S. Hardcover ISBN 978 3 658 13447 1 Format (B x L): 14,8 x 21 cm
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrFinancial Engineering
Arnd Wiedemann Financial Engineering Bewertung von Finanzinstrumenten 6., überarbeitete und erweiterte Auflage Inhaltsverzeichnis XXI Inhaltsverzeichnis 1 Financial Engineering 1 2 Finanzmathematische
MehrAnwendungen partieller Differentialgleichungen
Anwendungen partieller Differentialgleichungen Dr. Dominic Breit 27.01.2012 Outline Partielle Differentialgleichungen 1 Partielle Differentialgleichungen 2 3 4 5 Gleichungen Partielle Differentialgleichungen
Mehr1 Financial Engineering Finanzmathematische Grundlagen... 5
XXIII 1 Financial Engineering... 1 2 Finanzmathematische Grundlagen... 5 2.1 Bestimmung der Zinsstrukturkurve... 5 2.1.1 Formen von Zinsstrukturkurven... 5 2.1.2 Ableitung der Zinsstrukturkurve aus Nullkuponanleihen...
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 21. Dezember 2011 1 Definition Binomialverteilung Geometrische Verteilung Poissonverteilung 2 Standardisierte Verteilung
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter Erwartsungswert und Varianz
MehrFinanzmathematik I Lösung der übriggebliebenen Aufgaben
Prof Dr T Meyer-Brandis H Hoffmann Winter term 05/6 Lösung des letzten Teils von 83: Finanzmathemati I Lösung der übriggebliebenen Aufgaben iv log S log S 0 + R R }{{} :Y +RG R 8 Da der mittlere Teil eine
MehrWäHRUNGSOPTIONEN ALS ZENTRALBANKINSTRUMENT?
WäHRUNGSOPTIONEN ALS ZENTRALBANKINSTRUMENT? 1. Fragestellung 2. Definition der Währungsoption 3. Preisschranken der Kaufsoption 4. Preisschranken der Verkaufsoption 5. Einsatz von Währungsoptionen 2 1.
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
MehrZur Modellierung der Zinsdynamik wird ein verallgemeinertes Zwei-Faktor-Vasicek-Modell für die Entwicklung der risiko-neutralen Short-Rate
Seite 1 von 6 Disclaimer Das folgende Basismodell für die Simulation des Kapitalmarkts wurde im Auftrag der Altersvorsorge (PIA) vom Fraunhofer Institut für Techno- und Wirtschaftsmathematik (Fraunhofer
MehrLebensräume - Lebensträume schaffen und absichern Ein Streifzug durch die Grundlagen aus Finanz- und Versicherungsmathematik
Lebensräume - Lebensträume schaffen und absichern Ein Streifzug durch die Grundlagen aus Finanz- und Versicherungsmathematik Reinhold Kainhofer reinhold@kainhofer.com) http://reinhold.kainhofer.com FAM,
MehrMaterialien zur Vorlesung. Portfolio-Selektion
Materialien zur Vorlesung Portfolio-Selektion Burkhard Erke Quellen: Schmidt/Terberger, Kap. 8; Brealey/Myers, Kap. 7/8 Juli 2002 Lernziele Diversifikation mindert das Risiko eines Portefeuilles Effiziente
MehrGarantiefonds: Vor- und Nachteile von Absicherungsstrategien
Garantiefonds: Vor- und Nachteile von Absicherungsstrategien Universität St.Gallen Basler Fondsforum Basel, 18. Januar 2007 Grosse Vielfalt an Ausgestaltungsmöglichkeiten bei Absicherungsstrategien Garantie
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
Mehrnoch, mit steigendem Zeithorizont wird ein Aktieninvestment durch das EV-Kriterium auch als Instrument mit wachsendem Risiko beurteilt. Nimmt man die
Optimale Portfolios mit beschranktem Value-at-Risk Claudia Kluppelberg Ralf Korn 30. April 1999 Zusammenfassung In Analogie zum klassischen Portfoliooptimierungsansatz nach Markowitz losen wir ein zeitstetiges
MehrDie Bewertung der eingebetteten Optionen in der Lebensversicherung
Die Bewertung der eingebetteten Optionen in der Lebensversicherung Prüfungskolloquium 19.11.2010 Beat Wäfler Eingebettete Optionen In Lebensversicherungsprodukten können für den Versicherungsnehmer beispielsweise
MehrBeispiel 6 (Multivariate Normalverteilung)
Beispiel 6 (Multivariate Normalverteilung) Sei X N(µ,Σ). Es existiert eine Matrix A IR d k, sodass X d = µ+az wobei Z N k (0,I) und AA T = Σ. Weiters gilt Z = RS wobei S ein gleichmäßig verteilter Zufallsvektor
MehrPortfolio Insurance - CPPI im Vergleich zu anderen Strategien
Roger Uhlmann Portfolio Insurance - CPPI im Vergleich zu anderen Strategien Haupt Verlag Bern Stuttgart Wien Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbol- und
MehrKalibrierung eines ökonomischen Szenariengenerators. Albert Meeser und Wiebke Burdag
Kalibrierung eines ökonomischen Szenariengenerators Albert Meeser und Wiebke Burdag Übersicht Einführung Vasicek Modell Black Scholes mit Vasicek Optimierungsalgorithmen Implementierung Ergebnisse der
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrBinomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}.
Binomialverteilung Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder nicht. X = Häufigkeit, mit
MehrBesteuerung von Optionen
Ariane Lindner Besteuerung von Optionen Analyse auf Basis der wirtschaftlichen Betrachtungsweise und der finanzmathematischen Grundlagen Deutscher Universitäts-Verlag IX Inhaltsverzeichnis Inhaltsverzeichnis
MehrProf. Dr. Marc Gürtler Klausur zur Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft SS 2014 Lösungsskizze
Prof. Dr. Marc Gürtler Klausur zur Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft SS 214 Lösungsskizze Aufgabe 1: (16 Punkte) 1) (4 Punkte) Vorsteuergewinn: Lösungsskizze zur Klausur
MehrFinanzmathematik... was ist das?
Finanzmathematik... was ist das? The core of the subject matter of mathematical finance concerns questions of pricing of financial derivatives such as options and hedging covering oneself against all eventualities.
MehrHistorische Renditen, Experteninterviews, Analyse von Marktpreisen
1 Portfoliotheorie 1.1 Grundlagen der Portfoliotheorie 1.1.1 Welche vier grundsätzlichen Anlageziele werden von Investoren verfolgt? Minimales Risiko Liquidation wenn nötig Hohe Rendite Gewinnmaximierung
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste
Mehrneue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner und Andreas Platen
S. Maier-Paape: Allokation für Portfolios VTAD München, 20.09.2017 Inhalt: neue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner
MehrVerschiedene stochastische Prozesse. Ann-Kathrin Ru ger 27. Mai 2013 Institut fu r Stochastik
Verschiedene stochastische Prozesse Ann-Kathrin Ru ger 27. Mai 2013 Institut fu r Stochastik Seite 2 Verschiedene stochastische Prozesse Ann-Kathrin Rüger 27. Mai 2013 Inhalt Stochastische Prozesse Grenzüberschreitende
Mehr