Credit Risk I. Einführung in die Kreditrisikomodellierung. Georg Pfundstein Betreuer: Rupert Hughes-Brandl. 02. Juli 2010
|
|
- Linda Marielies Salzmann
- vor 8 Jahren
- Abrufe
Transkript
1 Credit Risk I Einführung in die Kreditrisikomodellierung. Georg Pfundstein Betreuer: Rupert Hughes-Brandl 02. Juli 2010 Georg Pfundstein Credit Risk I 02. Juli / 40
2 Inhaltsverzeichnis 1 Grundlagen Basel II Rating 2 Grundlegende Begriffe 3 Verteilungsannahmen Bernoulli Modell Poisson Modell 4 Portfoliomodelle Ein-Faktor-Merton Modelle CreditMetrics und KMV CreditRisk + CreditPortfolioView Intensitätsmodelle Beispiel Kritikpunkte 5 Zusammenfassung 6 Quellen Georg Pfundstein Credit Risk I 02. Juli / 40
3 Grundlagen Modellierung des künftigen Ausfallverhalten der Kreditnehmer. Kreditausfall: Nicht vertragsmäßige Erfüllung der Zahlungsverpflichtungen eines Kreditnehmers. Hauptproblem bei der Modellierung sind die Abhängigkeiten der einzelnen Kredite innerhalb eines Portfolios. Beweggründe für statistisch orientiertes Kreditrisikomanagement: Steigerung der Wettbewerbsfähigkeit durch Optimierung der Portfolios. Nachhaltige und risikoorientierte Steuerung des Kreditinstituts. Externer Druck zum Einsatz statistischer Verfahren bei der Kreditrisikomessung durch die Basler Papiere. Georg Pfundstein Credit Risk I 02. Juli / 40
4 Basel II 1974: Gründung des Basel Committee on Banking Supervision nach großer Bankeninsolvenz. Erarbeitung von Empfehlungen für die Bankenaufsicht. Bessere Erfassung der Risiken bei Kreditvergabe und risikogerechtere Gestaltung der Eigenkapitalvorsorge. Nur für international tätige Institute bindend. Umsetzung in Deutschland durch MaRisk und Solvabilitätsverordnung. Georg Pfundstein Credit Risk I 02. Juli / 40
5 Rating Beschreibt Kreditwürdigkeit eines Kreditnehmers unter Einbezug von quantitativen sowie qualitativen Informationen. AAA Ausfallrisiko ist fast Null. AA Leichtes Ausfallrisiko, trotzdem sichere Anlage. A Sichere Anlage, solang kein unvorhergesehenes Ereigniss die Wirtschaftslage beeinträchtigt. BBB Durchschnittliche Anlage. Bei Verschlechterung der Wirtschaftslage ist mit Problemen zu rechnen. BB Bei Verschlechterung der Wirtschaftslage ist mit Ausfällen zu rechnen. Spekulative Anlage. B Bei Verschlechterung der Wirtschaftslage sind Ausfällen wahrscheinlich. Spekulative Anlage. CCC Nur bei günstiger Entwicklung sind keine Ausfälle zu erwarten. CC Hohe Wahrscheinlichkeit eines Zahlungsausfalls. C Insolvenzverfahren beantragt aber noch nicht in Zahlungsverzug. D In Zahlungsverzug. Georg Pfundstein Credit Risk I 02. Juli / 40
6 Rating Zuordnung historischer Ausfall- bzw. Migrationswahrscheinlichkeiten: P(R i R j ) AAA AA A BBB BB B C D AAA AA A BBB BB B C D Georg Pfundstein Credit Risk I 02. Juli / 40
7 Erwarteter Verlust Der erwartete Verlust ist durch: Verlustquote bei Ausfall LGD Forderungshöhe bei Ausfall EAD (EAD = OUT + γ COMM) Ausfallwahrscheinlichkeit DP = p bestimmt: L = EAD LGD I D, mit P(D) = DP EL = E(L) = EAD LGD P(D) = EAD LGD DP m m EL PF = EL i = EAD i LGD i DP i i=1 i=1 Georg Pfundstein Credit Risk I 02. Juli / 40
8 Unerwarteter Verlust Maßzahl zur Bewertung der Variabiltät der zufälligen Verluste: UL = V(L) = EAD LGD DP(1 DP) UL PF = V(L PF ) m m = EAD i EAD j LGD i LGD j i=1 j=1 DP i (1 DP i ) DP j (1 DP j ) Cov(DP i, DP j ) ρ = 0: perfekte Diversifikation. ρ = 1: Ausfall eines Kredits führt zum Ausfall der anderen Kredite. ρ = 1: perfekte anti-korrelation. Georg Pfundstein Credit Risk I 02. Juli / 40
9 Value at Risk & Ökonomisches Kapital Unter Value at Risk versteht man das α-quantil des Portfolioverlustes, also den Verlust der mit einer Wahrscheinlichkeit von α nicht überschritten wird: VaR α = inf{q > 0 P(L PF q) α}. Ökonomisches Kapital als zusätzliche Rücklage gegen Kreditausfälle: EC α = VaR α EL PF Georg Pfundstein Credit Risk I 02. Juli / 40
10 Expected Shortfall & Risikobeiträge Unter dem Expected Shortfall versteht man den erwarteten Verlust, falls der Verlust den Value at Risk bereits überschritten hat: E(L PF L PF VaR α ). Oft ist man allerdings nicht allein an den Risikokennzahlen eines Portfolios interessiert, sondern vielmehr an dem Beitrag eines einzelnen Kreditnehmers an einer bestimmten Risikokennzahl eines Portfolios. Georg Pfundstein Credit Risk I 02. Juli / 40
11 Verlustverteilung Abbildung: Beispielhafte Verlustverteilung aus Bluhm et al. [2006]. Georg Pfundstein Credit Risk I 02. Juli / 40
12 Verteilungsannahmen Betrachtung von zwei Zuständen (Ausfall, nicht Ausfall). Ausfälle hängen von zugrundeliegenden ökonomischen Faktoren ab. Verteilungsparameter unterliegen einer Schwankung, sind also selber stochastisch. Mischverteilung Geschlossene Form der Verlustverteilung. Unabhängige Ausfälle gegeben einer Realisation der zugrundeliegenden Parameter. Georg Pfundstein Credit Risk I 02. Juli / 40
13 Bernoulli Modell und Ausfälle L = (L 1,..., L m ) folgen einer Bernoulliverteilung L i B(1, p i ) Korrelation der Ausfälle über Mischverteilung. m P(L 1 = l 1,..., L m = l m ) = p l i i (1 p i) 1 l i df (p 1,..., p m ) E(L i ) = E(P i ) [0,1] m i=1 V(L i ) = E(P i )(1 E(P i )) Cov(L i, L j ) = E(L i L j ) E(L i )E(L j ) = Cov(P i, P j ) Corr(L i, L j ) = Cov(P i, P j ) E(Pi )(1 E(P i ) E(P j )(1 E(P j )) Mit einheitlichen Ausfallwahrscheinlichkeiten und Varianzen: Corr(L i, L j ) = V(P) p(1 p) Georg Pfundstein Credit Risk I 02. Juli / 40
14 Poisson Modell und Ausfälle folgen einer Poissonverteilung L i Pois(λ i ) Korrelation der Ausfälle wieder über Mischverteilung. P(L 1 = l 1,..., L m = l m) = e m m j=1 λ λ l i j i [0, ) m l i! df (λ 1,..., λ m ) E(L i) = E(Λ i ) i=1 V(L i) = V(E(L i Λ)) + E(V(L i Λ)) = V(Λ i ) + E(Λ i ) Cov(L i, L j) = Cov(Λ i, Λ j ) Corr(L i, L j) = Cov(Λ i, Λ j ) V(Λi ) + E(Λ i ) V(Λ j ) + E(Λ j ) Mit einheitlichen Ausfallwahrscheinlichkeiten und Varianzen: Corr(L i, L j) = V(Λ) V(Λ) + E(Λ) = D Λ D Λ + 1, mit D Λ = V(Λ) E(Λ) Georg Pfundstein Credit Risk I 02. Juli / 40
15 Portfoliomodelle Portfoliomodelle können in die folgenden Typen unterteilt werden: Asset-Wert Modelle: CreditMetrics und KMV Macroökonomische Modelle: CreditPortfolioView Versicherungsmathematische Modelle: CreditRisk + Intensitätsmodelle: CreditRisk + Georg Pfundstein Credit Risk I 02. Juli / 40
16 Ein-Faktor-Merton Modelle Erklärung der Korrelation durch zugrundeliegende Faktoren. Industrie- oder Länderspezifische Faktoren. Vermögenswert (Asset-Wert) einer Firma unterliegt einem schwankenden Prozess. Kreditausfall, falls der Vermögenswert A (i) t unter eine Schranke c i fällt: L i = I (i) {A B(1; P(A(i) t <c i } T < c i)). Vermögenswert folgt Brownscher Bewegung A (i) t = A (i) 0 exp[(µ i 1 2 σ2 i )t + σ i B (i) t ] Georg Pfundstein Credit Risk I 02. Juli / 40
17 Ein-Faktor-Merton Modelle Abbildung: Beispielhafter Vermögenswertprozess aus Bluhm et al. [2006]. Georg Pfundstein Credit Risk I 02. Juli / 40
18 Ein-Faktor-Merton Modelle Darstellung des Asset-Wertes über Renditen. Level 1 (Aufteilung in spezifischen und systematischen Teil): R i = β i φ i + ɛ i Level 2 (Darstellung des systematischen Faktors durch Industrie und Länder Indizes): K K 0 K φ i = ω i,k ψ k mit ω i,k = ω i,k = 1. k=1 k=1 k=k 0 +1 Level 3 (Globaler Industrie und Länderindex): ψ = BΓ + δ R = βw (BΓ + δ) + ɛ Georg Pfundstein Credit Risk I 02. Juli / 40
19 Ein-Faktor-Merton Modelle Abbildung: Risikozerlegung im Faktoren Modell aus Bluhm et al. [2002]. Georg Pfundstein Credit Risk I 02. Juli / 40
20 CreditMetrics und KMV log-renditen r i hängen von nur einem systematischen Faktor Y N(0, 1) ab: r i = ϱ i Y + 1 ϱ i ɛ i, Aus p i = P(r i < c i ) und r i N(0, 1) folgt: L i = I {ri <c i } B(1; P(r i < c i )) und c i = Φ 1 (p i ). Ausfallkorrelation: ρ ij = Corr(L i, L j ) Assetkorrelation: Corr(r i, r j ) = ϱ i ϱj Georg Pfundstein Credit Risk I 02. Juli / 40
21 CreditMetrics und KMV Auf eine Realisation des systematischen Faktors Y bedingte Ausfallwahrscheinlichkeit: p i (y) = P(r i < c i Y = y) = P( ϱ i Y + 1 ϱ i ɛ i < c i Y = y) ( = P ɛ i < c i ) ϱ i Y Y = y 1 ϱi ( ci ) ϱ i y = Φ. 1 ϱi Georg Pfundstein Credit Risk I 02. Juli / 40
22 CreditMetrics und KMV Abbildung: Bedingte Ausfallwahrscheinlichkeit in Abhängigkeit der Wirtschaftslage aus Bluhm et al. [2002]. Georg Pfundstein Credit Risk I 02. Juli / 40
23 CreditMetrics und KMV Abbildung: Bedingte Ausfallwahrscheinlichkeit in Abhängigkeit der Wirtschaftslage und der unbedingten Ausfallwahrscheinlichkeit aus Bluhm et al. [2002]. Georg Pfundstein Credit Risk I 02. Juli / 40
24 CreditMetrics und KMV Unbedingter prozentualer Verlust bei homogenen Portfolios: ( P LR PF = LGD k ) ( ) m = p(y) k (1 p(y)) m k dφ(y) m k Grenzverteilung für große uniforme Portfolios (m ) LR (m) PF ( Φ 1 m LGD p(y ), mit p(y ) = Φ (p) ) ϱy 1 ϱ Dichtefunktion der Grenzverteilung ( 1 ϱ (Φ 1 (x)) 2 f p,ϱ (x) = (Φ( 1) (p) Φ 1 (x) ) 1 ϱ) 2. ϱ 2 2ϱ Georg Pfundstein Credit Risk I 02. Juli / 40
25 CreditMetrics und KMV Grenzverteilung hängt nur noch von der Ausfallwahrscheinlichkeit p und der Assetkorrelation ϱ ab. Schätzung durch historische Daten. Geschlossene Form der Verlustverteilung im Fall der Grenzverteilung. Geschlossene Form bei uniformen Portfolios durch Mischverteilung. Ansonsten keine geschlossene Form, sondern Herleitung der Verteilung mit Hilfe einer Monte-Carlo Simulation. Georg Pfundstein Credit Risk I 02. Juli / 40
26 CreditRisk + Versicherungsmathematischer Ansatz. Basierend auf einer Poisson-Mischverteilung. Intensitäten werden über Gammaverteilung bestimmt. Geschlossene Form der Verlustverteilung. Unabhängige Sektoren S = (S 1,..., S N ) repräsentieren Industriezweige, Länder, Regionen oder jegliche andere ökonomische Einflüsse. Ausfallintensität über Sektorgewichte 0 ω ik 1 mit N k=1 ω ik 1 bestimmt. Spezifisches Restrisiko: ω i0 = 1 N k=1 ω ik Georg Pfundstein Credit Risk I 02. Juli / 40
27 CreditRisk + Jedem Sektor ist eine unabhängig Gammaverteilte Intensitätrate Λ (k) Γ(α k, β k ) zugeordnet. Risiko eines Sektors gegeben durch λ (k) = E(Λ (k) ) = α k β k σ (k) = V(Λ (k) ) = α k βk 2. Diskretisierung der Verluste zu Exposure Bändern: ( ) EADi LGD i υ i = round Korrektur der Ausfallwahrscheinlichkeit. L 0 Georg Pfundstein Credit Risk I 02. Juli / 40
28 CreditRisk + Bedingte Ausfallwahrscheinlichkeit eines Kreditnehmers i: p(s) i = p i N k=0 ω ik S k. Erwarteter Portfolioverlust: m E(L PF (S)) = p(s) i υ i = N i=1 k=0 S k m i=1 ω ik p i υ i Unerwarteter Portfolioverlust: m V(L PF (S)) = υi 2 p i + i=1 ( N m k=1 i=1 ω ik p i υ i)2 1 α k Ausfallkorrelation zweier Kreditnehmer: pi p j N ρ ij = ω ik ω jk V(S k ) (1 pi )(1 p j ) Georg Pfundstein Credit Risk I 02. Juli / 40 k=1
29 CreditRisk + Herleitung der Verlustverteilung mit Hilfe von Wahrscheinlichkeitserzeugenden Funktionen. Poisson-Gamma-Mischverteilung mit Γ(α, β) entspricht einer negativen Binomialverteilung NB(α k, 1/(1 + β k )) Auf einen Sektor bedingte Wahrscheinlichkeitserzeugende Funktion der Verlustanzahl: ( ) 1 β αk k 1+β G L (z) = k (k) 1 β k 1+β k z Welche Exposure Bänder sind von dem Verlust betroffen? Georg Pfundstein Credit Risk I 02. Juli / 40
30 CreditRisk + Wahrscheinlichkeit eines Ausfalles in einem Exposure Band: P(B k = υ [j] ) = 1 ω ik λ i λ (k) i [j] Verteilung der Verluste in Sektor k: 1 β k G L = 1+β k (k)(z) 1 β k 1 me 1+β k λ (k) j=1 i [j] ω ikλ i z υ [j] Verteilung der Portfolioverluste: N G L (z) = k=1 1 β k 1 β k 1+β k 1 λ (k) me j=1 1+β k i [j] ω ikλ i z υ [j] α k α k. Georg Pfundstein Credit Risk I 02. Juli / 40
31 CreditPortfolioView Modellierung der Abhängigkeit der Kreditausfälle von der Konjunktur. Risikosegmente reagieren unterschiedlich auf Wirtschaftslage. Seperate Migrationsmatrizen für jedes Segment: 1 Ausfallwahrscheinlichkeit p s anhand von Macroökonomischen Faktoren. 2 Wirtschaftslage aus Sicht eines Segements durch Risikoindex r s = ps r s < 1 positive Wirtschafstentwicklung. r s > 1 negative Wirtschaftsentwicklung. 3 Bedingte Migrationsmatrizen M (s) m (s) ij = α ij (r s 1) + m ij, mit n α ij = 0, α ij 0 für i < j und α ij 0 für i > j. j=1 p s : Georg Pfundstein Credit Risk I 02. Juli / 40
32 Intensitätsmodelle Zeitstetige Erweiterung von CreditRisk +. Ausfallzeit für jeden Kreditnehmer. Ausfall falls Ausfallzeit in betrachtetem Zeitrahmen [0, T ] liegt. Intensitätsprozess durch stochastische Differenzialgleichung: dλ(t) = κ(θ λ(t))dt + σ λ(t)db(t) + J(t) Jump Prozess J(t) unabhängig von Brownscher Bewegung (B(t)) t 0 mit exponentialverteilten Sprunghöhen und Poissonverteilten Zeitpunkten. Modellierung abhängiger Ausfallzeitpunkte durch Addition von unabhängigen Identitätsprozessen: λ i = X c + X i Georg Pfundstein Credit Risk I 02. Juli / 40
33 Beispiel Abbildung: Beispielportfolio aus Bluhm et al. [2006]. Georg Pfundstein Credit Risk I 02. Juli / 40
34 Beispiel Verlustverteilung durch CreditMetrics mit ϱ = 0: Verlust in EUR Wahrscheinlichkeit kum. Wahrscheinlichkeit % % % % % % % % % % Verlustverteilung durch CreditMetrics mit ϱ = 0.20: Verlust in EUR Wahrscheinlichkeit kum. Wahrscheinlichkeit % % % % % % % % % % % % % % % % % % % % % % % % Georg Pfundstein Credit Risk I 02. Juli / 40
35 Beispiel Verlustverteilung durch CreditRisk + mit ρ = 0: Verlust in EUR Wahrscheinlichkeit kum. Wahrscheinlichkeit % % % % % % % % % % Verlustverteilung durch CreditRisk + mit ρ = 0.009: Verlust in EUR Wahrscheinlichkeit kum. Wahrscheinlichkeit % % % % % % % % % % % % % % % % % % % % Georg Pfundstein Credit Risk I 02. Juli / 40
36 Beispiel Verlustkennzahlen bei CreditMetrics: Verlustkennzahlen bei CreditRisk + : ϱ = 0 ϱ = 0.20 EL UL VaR ρ = 0 ρ = EL UL VaR Keine großen Unterschiede zwischen den beiden Modellen. Georg Pfundstein Credit Risk I 02. Juli / 40
37 Kritikpunkte Verzicht auf Marktrisiko, dass heißt konstante Zinssätze. Wahl eines geeigneten Default Points. Normalverteilungsannahme der log-renditen. Überdispersion bei Poissonverteilung. Ausfallwahrscheinlichkeiten der Ratingagenturen: Wahrscheinlichkeiten beruhen auf den unterschiedlichsten Firmen und Konjunkturstadien. Überschätzung der Ausfälle durch Mittelwertsbildung. Langsame Reaktion auf Änderungen (Migrationen). Wahre Migrationswahrscheinlichkeiten i.a. größer. Mangel an historischen Ausfällen in den besten Kategorien. Aber Tests auf Benchmark Portfolios bringen bei allen Modellen sinnvolle Ergebnisse. Georg Pfundstein Credit Risk I 02. Juli / 40
38 Zusammenfassung Optimierung der Portfolios durch Kreditrisikomanagement. Richtlinien durch Basel II. Korrelation zwischen den Ausfällen ist Zentrale Einflussgröße. Einbezug der Korrelation über Mischverteilungsansatz. Verschiedene Modellierungsansätze: Vermögenswertprozess mit Länder- oder Industriespezifischen Einflussfaktoren. Poisson-Gamma-Mischverteilung mit Sektorspezifischen Intensitäten. Bedingte Migrationsmatrizen anhand Macroökonomischer Einflussgrößen. Erweiterungen für CreditRisk + Zukünftige Einbindung von stochastischen Zinssätzen Georg Pfundstein Credit Risk I 02. Juli / 40
39 Zusammenfassung Gegenüberstellung der bekanntesten Modelle: KMV CreditMetrics CreditRisk + CPV Entwickler RiskMetrics Moody s Credit Suisse McKinsey (Chase Group) Ansatz Asset-Wert Asset-Wert Versicherungsmathematisch Macroökonomisch Risikotreiber Vermögenswert Eigenkapital Ausfallintensität Wirtschaftslage Verteilungsannahme Bernoulli Bernoulli Poisson Korrelationen Faktoren Faktoren Sektoren Segmente Verlustverteilung Simulation Simulation geschlossene Form Simulation Georg Pfundstein Credit Risk I 02. Juli / 40
40 Quellen C. Bluhm, L. Fahrmeir, and A. Henking. Kreditrisikomessung: Statistische Grundlagen, Methoden und Modellierung. Springer, C. Bluhm, L. Overbeck, and W. Wagner. An Introduction to Credit Risk Modelling. Taylor and Francis Ltd., M. Crouhy, D. Galai, and R. Mark. A comparative analysis of current credit risk models. Journal of Banking & Finance, 24:59 117, Georg Pfundstein Credit Risk I 02. Juli / 40
Credit Risk I. Einführung in die Kreditrisikomodellierung. Georg Pfundstein. Ludwig-Maximilians-Universität München. 31. August 2010.
Credit Risk I Einführung in die Kreditrisikomodellierung. Georg Pfundstein Ludwig-Maximilians-Universität München 31. August 2010 Abstract Portfoliomanagement und die damit einhergehende Risikomessung
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
MehrKreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008
Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung
MehrVergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko
Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion
MehrCommercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
MehrZielsetzung. Problematik
Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen
MehrAdressenausfallrisiken. Von Marina Schalles und Julia Bradtke
Adressenausfallrisiken Von Marina Schalles und Julia Bradtke Adressenausfallrisiko Gliederung Adressenausfallrisiko Basel II EU 10 KWG/ Solvabilitätsverordnung Adressenausfallrisiko Gliederung Rating Kreditrisikomodelle
MehrCommercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit
Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall
MehrRisiko- und Kapitalsteuerung in Banken. MN-Seminar 12.05.2009 Martina Böhmer
Risiko- und Kapitalsteuerung in Banken MN-Seminar 12.05.2009 Martina Böhmer Risiko- und Kapitalsteuerung in Banken Basel II Risiko- und Kapitalsteuerung in Banken 25 a Absatz 1 KWG Kreditinstitute sind
MehrRisikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken
Arnd Wiedemann Risikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken 3., überarbeitete Auflage Inhaltsübersicht Band I X[ Inhaltsübersicht Band I Zins-, Kredit- und operationeile Risiken
MehrCredit Risk+: Eine Einführung
Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.
MehrRating: Bedeutung und Auswirkungen
Rating: Bedeutung und Auswirkungen Ohne Rating kein Kredit und ohne Kredit kein Wachstum Basel II/Basel III und MaRisk schreiben den Banken Rating als Instrument der Risikomessung verbindlich vor. Es handelt
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrEinführung in das Kreditportfoliorisiko TEIL II. 12. September 2007 Verena Arendt
Einführung in das Kreditportfoliorisiko TEIL II 12. September 2007 Verena Arendt 1 1. Einführung 2. Modelle 3. Parameter a. Expected Loss b. Unexpected Loss c. Loss Distribution 4. Basel II 5. Conclusion
MehrMaRisk-relevante Anpassungen im Kreditportfoliomodell. GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH
im Kreditportfoliomodell GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH Agenda Überblick KPM-KG Bedeutung des Portfoliomodells für den MaRisk-Report MaRisk-relevante Anpassungen MaRisk-relevante
MehrArnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage
Arnd Wiedemann Risikotriade Zins-, Kredit- und operationelle Risiken 2., überarbeitete Auflage . XI 1 Einleitung: Risikomessung als Fundament der Rendite-/Risikosteuerung 1 2 Zinsrisiko 3 2.1 Barwertrisiko
MehrModellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung
Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrVorlesung 7: Value-at-Risk für Kreditrisiken
Vorlesung 7: Value-at-Risk für Kreditrisiken 17. April 2015 Dr. Patrick Wegmann Universität Basel WWZ, Department of Finance patrick.wegmann@unibas.ch www.wwz.unibas.ch/finance Die Verlustverteilung im
Mehrwww.meyer-technik.de Rating 20. April 2007 Seite 1
Rating 20. April 2007 Seite 1 Was ist Rating? Bewertung der Bonität Ein Rating ist eine durch spezifische Symbole einer ordentlichen Skala ausgedrückte Meinung über - die wirtschaftliche Fähigkeit, - die
MehrValue at Risk Einführung
Value at Risk Einführung Veranstaltung Risk Management & Computational Finance Dipl.-Ök. Hans-Jörg von Mettenheim mettenheim@iwi.uni-hannover.de Institut für Wirtschaftsinformatik Leibniz Universität Hannover
MehrRatingklasse 3.9 Rang 75
BilanzBranchenrating Bericht: Musterbranche (Oenace-2008, 3-Steller, Gruppe: Mustergruppe) Der vorliegende Bericht wurde auf Basis einer Kooperation zwischen der KSV1870 Information GmbH und der KMU Forschung
MehrErmittlung des Ausfallrisikos
Ermittlung des Ausfallrisikos Das Ausfallrisiko, dessen Ermittlung maßgeblich von der Datenqualität der Vorsysteme abhängt, nimmt in der Berechnung der Eigenmittelanforderung einen relativ geringen Stellenwert
MehrBaKRS - BRIC and Konsortium Rating Service. Entwicklung des Systems: Igelmann/Bernard Cornfeld Technische Umsetzung: skydevment und Tr0nYx
BaKRS - BRIC and Konsortium Rating Service Entwicklung des Systems: Igelmann/Bernard Cornfeld Technische Umsetzung: skydevment und Tr0nYx 1 Inhaltsverzeichnis 1 Bestandteile des Ratings 3 2 Anleihen 3
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrFIT FOR RATING. Rating-Verfahren aus Sicht der Banken verstehen. und zur Steigerung des eigenen Unternehmenserfolgs richtig einsetzen
FIT FOR RATING Rating-Verfahren aus Sicht der Banken verstehen und zur Steigerung des eigenen Unternehmenserfolgs richtig einsetzen Fit for Rating - Folie 1 Ablauf Überblick zum Thema Rating (ca. 60 Minuten)
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrAnlage zur Konditionenübersicht für Endkreditnehmer
Unternehmen stehen wirtschaftlich sehr unterschiedlich da; ebenso gibt es vielfältige Besicherungsmöglichkeiten für einen Kredit. Risikogerechte Zinsen berücksichtigen dies und erleichtern somit vielen
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
MehrFinancial Leverage. und die unendliche Rendite des Eigenkapitals und ihr Risiko
Financial Leverage und die unendliche Rendite des Eigenkapitals und ihr Risiko Gliederung 1. Der Leverage-Effekt 2. Die Leverage-Chance 3. Die Leverage-Gefahr 4. Das Leverage-Risiko 5. Schlussfolgerungen
MehrFinanzwirtschat Ⅶ. Basel II und Rating. Meihua Peng Zhuo Zhang
Finanzwirtschat Ⅶ Basel II und Rating Meihua Peng Zhuo Zhang Gliederung Geschichte und Entwicklung Inhalt von Basel II - Die Ziele von Basel II - Die drei Säulen Rating - Begriff eines Ratings - Externes
MehrCreditMetrics. Portfoliokreditrisko Seminar. Korrelation und Asset Value Ansatz. 17. Oktober 2007 Robert Schilling
Korrelation und Ansatz Portfoliokreditrisko Seminar 7. Oktober 007 Robert Schilling Seminarleitung: PD Dr. Rafael Weißbach Universität Mannheim Berechnung des Exposures Schätzung der Volatilität Schätzung
MehrDie drei Kernpunkte der modernen Portfoliotheorie
Die drei Kernpunkte der modernen Portfoliotheorie 1. Der Zusammenhang zwischen Risiko und Rendite Das Risiko einer Anlage ist die als Varianz oder Standardabweichung gemessene Schwankungsbreite der Erträge
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrHerzlich willkommen! Unternehmensrating - Hintergründe und Auswirkungen Markus Glogowski Firmenkundenbetreuer VR Bank Kaufbeuren Tel.
Herzlich willkommen! Unternehmensrating - Hintergründe und Auswirkungen billiges Geld für gute Kreditkunden Rating Bonität ansteigende Pleitewelle Kreditklemme Kreditausfälle Themen: Was ist Rating? Warum
MehrBASEL. Prof. Dr. Dr. F. J. Radermacher Datenbanken/Künstliche Intelligenz. franz-josef.radermacher@uni-ulm.de
Prof. Dr. Dr. F. J. Radermacher Datenbanken/Künstliche Intelligenz franz-josef.radermacher@uni-ulm.de Seite 2 Eigenkapitalunterlegung laut Basel I Aktiva Kredite, Anleihen etc. Risikogewichtete Aktiva
MehrRisikodiversifikation. Birgit Hausmann
diversifikation Birgit Hausmann Übersicht: 1. Definitionen 1.1. 1.2. diversifikation 2. messung 2.1. messung im Überblick 2.2. Gesamtaktienrisiko und Volatilität 2.3. Systematisches und Betafaktor 2.4.
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrPortfolioorientierte Quantifizierung des Adressenausfall- und Restwertrisikos im Leasinggeschäft - Modellierung und Anwendung
Portfolioorientierte Quantifizierung des Adressenausfall- und Restwertrisikos im Leasinggeschäft - Modellierung und Anwendung von Dr. Christian Helwig Fritz Knapp Verlag Jßg Frankfurt am Main Abbildungsverzeichnis
Mehrvon Thorsten Wingenroth 358 Seiten, Uhlenbruch Verlag, 2004 EUR 98,- inkl. MwSt. und Versand ISBN 3-933207-42-8
Reihe Portfoliomanagement, Band 17: RISIKOMANAGEMENT FÜR CORPORATE BONDS Modellierung von Spreadrisiken im Investment-Grade- Bereich von Thorsten Wingenroth 358 Seiten, Uhlenbruch Verlag, 2004 EUR 98,-
MehrGeneralthema: Kreditrisikomanagement. Thema 4: CreditRisk+ Gliederung
Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003 Zuständiger Mitarbeiter: Dipl.-Kfm. Stefan Krohnsnest
MehrKreditrisikomanagement in Deutschland. Expertenbefragung 2010 von palaimon consulting
Kreditrisikomanagement in Deutschland Expertenbefragung 2010 von palaimon consulting Über palaimon consulting Folie Experten 1 für Investment / Daten / Risiken palaimon consulting ist seit 2007 Rechtsnachfolger
MehrKreditratings und Innovation Wann ist ein Risiko eine Chance?
Kreditratings und Innovation Wann ist ein Risiko eine Chance? Vortrag für die SOFI- Tagung: "Finanzmarktkapitalismus - Arbeit - Innovation" 11./12. März 2013 Natalia Besedovsky Gliederung 1. Ratingpraktiken
MehrSehr stark AA IFS-Ratings bezeichnen eine sehr niedrige Erwartung von Zahlungsausfällen
Fitch Finanzstärkesiegel Fitch verleiht Versicherern mit einem Finanzstärkerating (Insurer Financial Strength Rating, IFS-Rating) ab A- (Finanzkraft stark) das begehrte Finanzstärkesiegel. Das IFS-Siegel
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrPrüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29.
Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Januar 2008 Prüfungsmodus Prüfungsdauer schriftliche Klausur 60 Minuten Punktemaximum:
MehrPension Liability Management. Ein Konzept für die Liquiditätsplanung in der betrieblichen Altersversorgung. BAV Ludwig
Ein Konzept für die Liquiditätsplanung in der betrieblichen Altersversorgung Gesellschaft für betriebliche Altersversorgung university-logo Problematik Ziele interne Finanzierung Vorteile der internen
MehrValue-at-Risk. Kann man das Risiko steuern? Finanzwirtschaft VI Matthias Paesel Hochschule Magdeburg-Stendal (FH)
Value-at-Risk Kann man das Risiko steuern? Gliederung I. Was versteht man unter Value-at-Risk? II. Anwendung des Value-at-Risk III. Grenzen des Value-at-Risk IV. Fazit V. Literatur Was versteht man unter
MehrBasel II - Die Bedeutung von Sicherheiten
Basel II - Die Bedeutung von Sicherheiten Fast jeder Unternehmer und Kreditkunde verbindet Basel II mit dem Stichwort Rating. Dabei geraten die Sicherheiten und ihre Bedeutung - vor allem für die Kreditkonditionen
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrKVG-Solvenztest Update 2013
KVG-Solvenztest Update 2013 Monika Buholzer, CSS Markus Meier, Azenes Au Premier HB Zürich 22. März 2012 1. Frage: Höhere oder tiefere Reserven? SST Solvency Ratio divided by Solvency 1 Ratio 1.6 1.4 1.2
MehrPrüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement
Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement Die Prüfung zur Vorlesung Finanzierungstheorie und Wertpapiermanagement umfasst 20 Multiple Choice Fragen, wofür insgesamt 90 Minuten zur
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrAsymmetrische Informationen Musterlösung Aufgabe 7.3 und 7.5
1 A 7.3 Erläutern Sie mögliche Probleme asymmetrischer Informationsverteilung auf a) einem Kreditmarkt. b) einem Versicherungsmarkt. c) dem Arbeitsmarkt. Lösungsskizze (ACHTUNG: Mit Hilfe der Stichpunkte
MehrRisikomanagement: Hintergrund und Ziele
Risikomanagement: Hintergrund und Ziele Beispiel 1 Anfangskapital V 0 = 100 Spiel: man verliert oder gewinnt 50 mit Wahrsch. jeweils 1/2. Kapital nach dem Spiel V 1 = { 150 mit Wahrsch. 1/2 50 mit Wahrsch.
MehrQuantifizierung von Risiken
Quantifizierung von Risiken Alpiq Group Risk Management Olten, 31. Oktober 2013 Was ist ein Risiko? Ein Risiko ist die Beschreibung eines Ereignisses mit der Möglichkeit einer negativen Auswirkung. In
MehrSummer Workshop Mehr Innovationskraft mit Change Management
Your Partner in Change. Your Partner in Innovation. Summer Workshop Mehr Innovationskraft mit Change Management Praxisbeispiel: Innovation im Tagesgeschäft etablieren www.integratedconsulting.at 1 Ausgangslage,
MehrBonitätsrisiko und Unternehmensanleihen
Bonitätsrisiko und Unternehmensanleihen Burkhard Erke Montag, März 31, 2008 Die Folien orientieren sich an (a) Unterrichtsmaterialien von Backus (NYU) und (b) Neuere Entwicklungen am Markt für Unternehmensanleihen,
MehrVgl. Ehrmann, Harald: Kompakt-Training Risikomanagement: Rating - Basel II, Ludwigshafen (Rhein), 2005, S.52, 188, 201.
Ausfallwahrscheinlichkeit: Die Ausfallwahrscheinlichkeit Probability of Default (PD) gibt die prozentuale Wahrscheinlichkeit für die Nichterfüllung innerhalb eines Jahr an. Beispiele: Forderungsausfälle,
Mehreea-kommunen im Vergleich Das Benchmark
eea-kommunen im Vergleich Das Benchmark Warum das Benchmark 1? Der Begriff des Benchmark bürgert sich langsam auch in der Kommunalpolitik ein und die Erfahrung zeigt, dass die Kommunen das Benchmark aus
MehrSharePoint Demonstration
SharePoint Demonstration Was zeigt die Demonstration? Diese Demonstration soll den modernen Zugriff auf Daten und Informationen veranschaulichen und zeigen welche Vorteile sich dadurch in der Zusammenarbeit
MehrRisikomanagement und Statistik. Raimund Kovacevic
Risikomanagement und Statistik Raimund Kovacevic Dieses Werk ist Urheberrechtlich geschützt. Jede Vervielfältigung ohne Einverständnis des Autors ist verboten. Risiko hazard, a chance of bad consequences,
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrGliederung. 1. Prolog 1. 2. Zinsinstrumente* 19
VIII Z I N S E N, A N L E I H E N, KREDITE Gliederung 1. Prolog 1 1.1 Inhalt und Aufbau 1 1.1.1 Erste Orientierung J 1.1.2 Zur dritten Auflage 4 1.1.3 Course-Outline 6 IAA Didaktik 9 1.2 Literatur und
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrMädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62
Unabhängigkeit ================================================================== 1. Im Rahmen der sogenannten JIM-Studie wurde in Deutschland im Jahr 2012 der Umgang von Jugendlichen im Alter von 12 bis
MehrDER SELBST-CHECK FÜR IHR PROJEKT
DER SELBST-CHECK FÜR IHR PROJEKT In 30 Fragen und 5 Tipps zum erfolgreichen Projekt! Beantworten Sie die wichtigsten Fragen rund um Ihr Projekt für Ihren Erfolg und für Ihre Unterstützer. IHR LEITFADEN
MehrIst die öffentliche Finanzierung günstiger? Michael Klein Zürich, 10. September 2013
Ist die öffentliche Finanzierung günstiger? Michael Klein Zürich, 10. September 2013 Private und Öffentliche Finanzierungskosten Finanzierung für Regierungen ist häufig billiger (niedrigerer Zins) als
MehrSenkung des technischen Zinssatzes und des Umwandlungssatzes
Senkung des technischen Zinssatzes und des Umwandlungssatzes Was ist ein Umwandlungssatz? Die PKE führt für jede versicherte Person ein individuelles Konto. Diesem werden die Beiträge, allfällige Einlagen
MehrMertonscher Firmenwertansatz zur Modellierung von Kreditrisiken
Mertonscher Firmenwertansatz zur Modellierung von Kreditrisiken Seminararbeit von Marleen Laakmann 2. Mai 2010 Einleitung Zur Messung und Steuerung von Kreditrisiken gibt es eine Reihe von Methoden und
MehrDer Fristentransformationserfolg aus der passiven Steuerung
Der Fristentransformationserfolg aus der passiven Steuerung Die Einführung einer barwertigen Zinsbuchsteuerung ist zwangsläufig mit der Frage nach dem zukünftigen Managementstil verbunden. Die Kreditinstitute
MehrMarkovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015
Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrAntwort der Landesregierung
Landtag Brandenburg Drucksache 3/5660 3. Wahlperiode Antwort der Landesregierung auf die Kleine Anfrage Nr. 2106 des Abgeordneten Michael Claus Fraktion der DVU Drucksache 3/5485 Nettokreditaufnahme des
MehrComputational Finance
Computational Finance Kapitel 2.2: Monte Carlo Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4 / WiWi-Gebäude
MehrEinführung in statistische Analysen
Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die
MehrBASEL II IMPLEMENTIERUNG DES NEUEN BASELER EIGENKAPITALAKKORDS
BASEL II IMPLEMENTIERUNG DES NEUEN BASELER EIGENKAPITALAKKORDS NEUE EIGENKAPITALANFORDERUNGEN, SUPERVISORY REVIEW PROCESS, OFFENLEGUNGSPFLICHTEN Unterstützung Ihres Instituts bei der Umsetzung der vielfältigen
MehrLösungshinweise zur Einsendearbeit 2 SS 2011
Lösungshinweise zur Einsendearbeit 2 zum Kurs 41500, Finanzwirtschaft: Grundlagen, SS2011 1 Lösungshinweise zur Einsendearbeit 2 SS 2011 Finanzwirtschaft: Grundlagen, Kurs 41500 Aufgabe Finanzierungsbeziehungen
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrZinsanpassung bei Unternehmerkrediten
Zinsanpassung bei Unternehmerkrediten Institut für Bankrecht, 24.06.2008 Mag. Martin Brandstetter Raiffeisenlandesbank OÖ www.rlbooe.at 1 Basel II 3-Säulen-Konzept Seite 2 1. Mindestkapitalanforderungen
MehrEntwicklung des Dentalmarktes in 2010 und Papier versus Plastik.
Sehr geehrter Teilnehmer, hier lesen Sie die Ergebnisse aus unserer Umfrage: Entwicklung des Dentalmarktes in 2010 und Papier versus Plastik. Für die zahlreiche Teilnahme an dieser Umfrage bedanken wir
MehrBasel II und Rating. Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft. Christian Lust
Basel II und Rating Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft Geschichtlicher Überblick Basel I Basel II -Ziele -Die drei Säulen Rating -Geschichte und Definition -Ratingprozess und systeme -Vor-
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrNRW EONIA-Anleihe. Schatzanweisung des Landes Nordrhein-Westfalen
NRW EONIA-Anleihe Schatzanweisung des Landes Nordrhein-Westfalen EONIA Beschreibung EONIA = Euro OverNight Index Average Stellt den offiziellen Durchschnittstageszinssatz dar, der von Finanzinstituten
MehrRisikodiversifikation. Steffen Frost
Risikodiversifikation Steffen Frost 1. Messung Risiko 2. Begriff Risiko 3. Standardabweichung 4. Volatilität 5. Gesamtrisiko 6. Systematische & unsystematisches Risiko 7. Beta und Korrelation 8. Steuerung
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrOracle 9i Real Application Clusters
Oracle 9i Real Application Clusters Seite 2-1 Agenda Einführung Verfügbarkeit / Skalierbarkeit Clusterarchitekturen Oracle Real Application Clusters Architektur Requirements Installation und Konfiguration
MehrHamburger Kreditbarometer Ergebnisse der Sonderbefragung zur Kreditversorgung im Rahmen der Handelskammer-Konjunkturumfrage, I.
Ergebnisse der Sonderbefragung zur Kreditversorgung im Rahmen der Handelskammer-Konjunkturumfrage, I. Quartal 2014 Immer weniger Unternehmen benötigen Fremdfinanzierung aber Finanzierung für kleinere Betriebe
MehrPortfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?
Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko
MehrGeometrische Brownsche Bewegung und Brownsche Brücke
Geometrische Brownsche Bewegung und Brownsche Brücke Korinna Griesing Dozentin: Prof. Dr. Christine Müller 17. April 2012 Korinna Griesing 1 (26) Inhalt Motivation Statistische Methoden Geometrische Brownsche
MehrSST: - In Kraft - Ab 2011 verbindlich - Modellabhängig
Standardmodell oder internes Modell in der Lebensversicherung? Prüfungskolloquium zum Aktuar SAV 2010 Caroline Jaeger, Allianz Suisse Ursprung der Fragestellung Solvency I: - Risikounabhängig - Formelbasiert
Mehr(DIB 5/2001)...2 DAB-
PRESSE Inhaltsverzeichnis Jetzt entscheidet nur noch Basel II (DIB 5/2001)...2 DAB- Architektenrechts- Report (DAB 7/2001)...6 Alles hängt vom Ranking ab (DIB 11/2001)...9 Basel II - Wie beurteilt die
Mehr