Value at Risk. Methoden zur Quantifizierung von Marktpreisrisiken. - Ein empirischer Vergleich - Dr. Michael Auer
|
|
- Maja Straub
- vor 8 Jahren
- Abrufe
Transkript
1 Value at Risk Methoden zur Quantifizierung von Marktpreisrisiken - Ein empirischer Vergleich - Dr. Michael Auer
2 Inhalt: 1. Motivation und Definition von VAR 2. Zielsetzung des Vergleichs 3. Methoden zur Quantifizierung von Marktpreisrisiko 4. Backtesting 5. Minibank & Marktdaten 6. Risk Engine 7. Ergebnis Beispiele 8. Erweiterungen Stand: , 08:29 1
3 Zukuntsziel: Integriertes Risikocontrolling/-management OR Probleme: Abdeckung aller Risiken MR Integriertes Risiko- controlling/- management GR KR Korrelationen Methodenunterschiede Trennung Risikoarten Derzeit vielversprechende Ansätze zur Integration von Markt- und Kreditrisiken, darüber hinaus aber: Anfangsstadium, noch viele Fragen Stand: , 08:29 2
4 Motivation zur VaR Ermittlung Vereinheitlichung: -> VaR ist ein einheitlicher Maßstab der Risikoeinschätzung einer Vielzahl von verschiedenen Risikopositionen und Portfolios unter einheitlichen Kriterien. Limitierung / Steuerung: -> Die Messung und Limitierung des VaR ist fundamental für die Portfolio Steuerung Kapitalunterlegung: -> VAR dient zur Bestimmung des risikogebundenen Kapitals, welches erforderlich ist, um die jeweils eingegangenen Risiken zu decken. Dies dient dem Schutz des Unternehmens. Kapitalallokation: -> VaR gibt der Geschäftsleitung die Möglichkeit das verfügbare Kapital optimal auf die Geschäftsaktivitäten mit einem entsprechenden Verzinsungsanspruch zu verteilen. Betrachtet wird dabei das Verhältnis Return on Risk. Stand: , 08:29 3
5 Allgemeine Definition von VaR bei Marktrisiko Value at Risk (VaR) ist ein Maß für den prognostizierten Verlust aus einem betrachteten Portfolio in Folge von Marktwert- bzw. Kurswert- Veränderungen (Marktpreisrisiko) innerhalb eines bestimmten Zeitraums (Haltedauer), der mit einer bestimmten Wahrscheinlichkeit (abh. vom Konfidenzniveau) nicht überschritten wird. -> Statistische Schätzung Konfidenzniveau z.b. 99% VAR 0 Marktwert- Veränderungen Haltedauer: 1 Tag -> d.h. Was kann von heute auf morgen passieren? Annahme: Die betrachteten Positionen werden während der Haltedauer nicht verändert. Stand: , 08:29 4
6 Zielsetzung des Vergleichs! Worin unterscheiden sich die Methoden und wo liegen die jeweiligen Stärken und Schwächen?! Welche Methode eignet sich für die VAR Ermittlung des jeweiligen Produktes am besten?! Welche Methode eignet sich für die VAR Schätzung des Portfolios am besten?! Wie verändert sich die Güte der VAR Schätzung in Abhängigkeit der Parametereinstellungen?! Wie können die empirisch ermittelten Eigenschaften der jeweiligen Methode theoretisch begründet werden?! Wie kann die VAR Schätzung der jeweiligen Methode verbessert werden? Stand: , 08:29 5
7 Ansätze zur Ermittlung von VaR Allgemeine Annahme: historische Marktbewegung des Risikofaktors S liefert eine gute Schätzung für die zukünftige Wertveränderung V local valuation V = β * S Linearer Zusammenhang (Sensitivität β) zwischen dem Marktwert der Position und dem jeweiligen Risikofaktor -> Varianz Kovarianz Ansatz full valuation V = V(S1) - V(S0) Vollständige mark to market Bewertung => keine Annahme hinsichtlich des Zusammenhanges zwischen dem Portfoliowert und dem Risikofaktor. -> Historische Simulation, Monte Carlo Simulation Stand: , 08:29 6
8 Risikoarten / Risikofaktoren Verschiedene Risikoarten innerhalb des Marktpreisrisikos Kurswertänderungsrisiko Volarisiko Kurswertänderung Kurswert Kurswert Underlying Hohe Optionsvola Niedrige Optionsvola Zeit Zeit Zinsänderungsrisiko Spreadrisiko Zins Veränderung der Zinsstrukturkurve Zins Risikobehaftete Zinsstrukutrkurve Spread Risikofreie Zinsstrukturkurve Laufzeit Laufzeit Stand: , 08:29 7
9 Varianz-Covarianz-Ansatz (1) Linearer VAR Ansatz unter der Annahme das Veränderungen der Risikofaktoren normalverteilt um den Mittelwert µ=0 sind Ermittlung des overnight Value at Risk VaR ON : 1. Analyse der relevanten Risikofaktoren, Zerlegung jeder Position in die jeweiligen Basis-Cashflow-Komponenten, Mapping der Komponenten zu den entsprechenden Risikofaktoren 2. Ermittlung des present value V i (mit i=1,..., N) jeder Cashflow Komponente i 3. Das Value at Risk VaR ergibt sich gemäß VAR = S Σ T S Stand: , 08:29 8
10 Varianz-Covarianz-Ansatz (2) VAR T = S Σ S falls Σ positiv semidefinit1 mit: S= ( fσ1v1δ1,..., fσiviδi,..., fσnvnδn) und Σ= 1... ρ ρ... N1 ρ 1N 1 Σ : Korrelationsmatrix (N x N) σ i : Standardabweichung der Veränderung des Risikofaktors i δ i : Sensitivität des Marktwertes der Position bezüglich des Risikofaktors i V i : Barwert des Cashflows für den Risikofaktor i f : Faktor, abhängig vom Konfidenzniveau α (Annahme: Normalverteilung) z.b. f = 1,65 für α=95% S T : Spaltenvektor von S 1 Σ ist positiv semidefinit, falls x Σ x T 0 x 0 Stand: , 08:29 9
11 Mapping Produktabhängige Zuordnung von Cashflow Komponenten der Einzelpositionen eines Portfolios zu den jeweiligen Risikofaktoren. Beispiel: Zinspositionen -> Risikofaktoren als Gridpoints der Zinskurve Zuordnung eines einzelnen Cashflow auf die Risikofaktoren Cashflow i Risikofaktoren j Risiko-/Varianzerhaltung => Var() r = Var( α r + ( 1 α) r ) ! σ = α σi + 2α( 1 α) ρijσiσ j + ( 1 α) σ α= b± b 2 4 ac j 2a 2 2! a = σi + σ j 2ρijσiσ j b = 2 ij i j ρσσ σ j c = σ j σ i j Stand: , 08:29 10
12 Historische Simulation Bewertung zu einem bestimmten Stichtag mit historischen Bewertungsparametern Beispiel: Gewöhnlicher Differenzenansatz2 Einzelposition: (t,t) = P (f,...,f,t) P (f,...,f,t) Di i 1,t k,t i 1,t 1 k,t 1 Pi( f1, t,..., fk, t, T) : Marktwert der Position i zum Stichtag T mit den Bewertungsparametern f,..., f zum Zeitpunkt t. Die Restlaufzeit bleibt konstant. 1, t k, t Mit Konfidenzniveau α folgt VaR aus der empirischen Häufigkeitsverteilung. = PR( D ( t) > VAR) mit: t { t 0, t 1,..., t N } α i i Portfolio: D = P i (f1,t,..., fk,t,t) P i (f1,t 1,..., fk,t p (t,t) 1,T) i i 2 Weitere Ansätze sind spezifischer Differenzenansatz sowie gewöhnlicher / spezifischer Ratenansatz Stand: , 08:29 11
13 Monte Carlo Simulation Die zukünftige Veränderung der Risikofaktoren wird über normalverteilte Zufallsziehungen und einem stochastischen Prozess simuliert. Vorgehensweise: 1. Wähle stochastischen Prozeß, z.b. S j,t + t Sj,T σ jε j,t t = e und die jew. Parameter 2. Generiere Sequenz von unabhängigen Zufallszahlen η1,..., ηn (N Anzahl der Simulationen z.b. N=500), transformiere daraus korrelierte Zufallszahlen ε1,..., εn und leite daraus die Sequenz der Preise bzw. Risikofaktoren S,..., ab 1 SN 3. Berechne den Wert des jeweiligen Produktes bzw. Portfolios FT + t gemäß den erzeugten Preisen 4. Wiederhole den Schritt 3 für alle N Simulationsschritte. Daraus erhält man die empirische Verteilung der Werte FT + t,..., FT + t. Für das Konfidenzniveau α ergibt sich das VaR aus der empirischen Verteilung. Stand: , 08:29 12
14 Korrelierte Zufallszahlen Eigenwert - Zerlegung der reellen, symmetrischen Korrelationsmatrix Σ Σ = A D T A D: Diagonalmatrix mit den Eigenwerten λ i von Σ in der Hauptdiagonalen A: Die Spalten von A enthalten die normierten Eigenvektoren von Σ Für ein Set N unabhängiger Zufallszahlen η = ( η1, η2,..., ηn) erhält man durch 1 2 T ε = A D η ein Set mit korrelierten (Korrelationsmatrix Σ) Zufallszahlen ε = ( ε1, ε2,..., εn) Voraussetzung: Korrelationsmatrix R positiv definit3 3 Ansonsten besteht Gefahr negativer Eigenwerte Stand: , 08:29 13
15 Backtesting (1) - Allgemein Backtesting: Vergleich der VAR Schätzung mit den tatsächlich eingetretenen MTM Veränderungen => Ermittlung der empirischen Überschreitungsrate , , ,00 0, , , ,00 Stand: , 08: Abb Minibank: VAR Vergleich von bis (ca. 165 Stichtage) MTM change VAR-COVAR 0.01 Hist.-Sim 0.01 MC-Sim 0.01
16 Backtesting (2) BIS Ampelprinzip Anzahl der Überschreitungen für das 99% Konfidenzniveau Anzahl Zuschlags- Überschreit- faktor Grüne Zone ungen % 80% Gelbe Zone 5 0,4 6 0,5 7 0,65 60% 40% % Anteil grün % Anteil gelb 8 0,75 20% 9 0,85 Rote Zone 9 1 0% HS MC VC Stand: , 08:29 15
17 Backtesting (3) - Überschreitungsrate Über längeren Zeitraum wird analysiert, wie häufig die tatsächlich eingetretene MTM Veränderung x t die prognostizierte VAR Schätzung überschreitet. x t = Mt + 1 Mt t M : Marktwert zum Zeitpunkt t T ( α) 1 ( α) 1 => Überschreitungsrate ϕ = ζ( χt x t ) mit ζ(x) = T t = 1 0 ( α) ( α) ϕ => Normierte Überschreitungsrate ζ = => 1 α ( ) ζ α >> 1 => Systematische Unterschätzung des VAR ( ) ζ α 1 => Adäquate Abschätzung des VAR ( ) ζ α << 1 => Systematische Überschätzung des VAR für x > sonst 0 χ ( α) t : VAR Schätzung zum Zeitpunkt t mit dem Konfidenzniveau α Beachte Vorzeichenregelung: ( α) t χ, x t < 0 Stand: , 08:29 16
18 Portfolio Minibank Portfolio basiert auf dem TestportfolioII von Basel für die Proberechnung 1995 und enthält insgesamt 89 Positionen in den Währungen DEM, GBP, USD, JPY Aktie 11 Aktienindex 4 Aktienindexoption 8 FRA 9 Swap 15 FX Option 6 FX Spot 3 Forward- Cashflow 11 Cap/Floor 10 Bond 12 Die jeweils eingestellten Fälligkeitstermine wurden jeweils konstant gehalten Stand: , 08:29 17
19 Marktdatenhistorie Der verfügbare Zeitraum für das Backtesting ist abhängig von der Marktdatenhistorie Backtesting Zeitraum 250 Handelstage 250 Handelstage Stichtag Stichtag n Zeit Verfügbare Marktdatenhistorie Verfügbarkeit der Marktdatenhistorie von bis => Backtesting Zeitraum von bis (entspricht ca. 310 Handelstage) Stand: , 08:29 18
20 Datenfluß / Risk Engine Minibank Masterkalender Marktparameter " $ %&'&(')*'+ ",&-.)/0$1'(2 3'4'&0)+* " * " 8)96:$(6;:'+ *'+'&7'&'+ " <7*'+4'&0 8'&:'*)+* Risk engine Varianz Kovarianz Ansatz Monte Carlo Simulation Historische Simulation Backtesting C++ DLL " =7>):7'&0' 56&/016&6>'0'& '&(')*'+ "?)6+07:' '&>70':+ VAR / Backtesting Ergebnisse Stand: , 08:29 19
21 Risikofaktoren / Produktmatrix Varianz Kovarianz Historische Simulation Monte Carlo Simulation ZR DR SR AR VR ZR DR SR AR VR ZR DR SR AR VR Zinsinstrumente: Forward rate Agreement X X X X X X Swap X X X X X X Bond X X X X X X X X X Forwards X X X X X X Caps / Floors X* X M X X X X X M FX-Positionen FX-Spot X X X FX-Option M X* M X X X X X M Aktienpositionen: Synth. Stock index X X X X X X Single Stocks X X* X X X X Equity options M X X* M X X X X X X X M Berücksichtigung von: ZR: Zinsrisiko, DR: Devisenkursrisiko, SR: Spreadrisiko, AR: Aktienkursrisiko, VR: Volarisiko (*Nur lineare Berücksichtigung des Risikofaktors z.b. Delta Näherung) Kürzel: X: von der jeweiligen Methode berücksichtigte Risikoart M: Risikoart kann durch die Methode nicht berücksichtigt werden Die schattierten Flächen zeigen Risikoarten, die für die jeweiligen Produkte nicht relevant sind Stand: , 08:29 20
22 Backtesting Minibank - Normierte Überschreitungsrate 3 Normierte Überschreitungsrate 2,5 2 1,5 1 0,5 0 0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 Konfidenzniveau Stand: , 08:29 21 Stützperiode 250 Tage Haltedauer 1 Tag MC Simulationen 1000 Gleichgewichtung 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55 VK HS MC
23 Backtesting Swaps gemittelt Gleichgewichtung Backtesting Swap gemittelt 1,4 1,2 Mittlere normierte Überschreitungsrate 1 0,8 0,6 0,4 0,2 1 T 2 σ( r) = (rt r) T t= 1 ρij = cov(ri, rj) σ(ri ) σ(rj) cov( ri, rj) = 1 T T (rit t= 1 ri )(rjt rj) HS MC VC 0 0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55 Konfidenzniveau Stand: , 08:29 22
24 Backtesting Swaps gemittelt Exp. Gewichtung Backtesting Swap gemittelt exp. gewichtet (lambda=0.94) 2 1,8 1,6 Mittlere normierte Überschreitungsrate 1,4 1,2 1 0,8 0,6 0,4 T t 1 2 σ( r) = (1 λ) λ (rt r) t= 1 ρij = cov(ri, rj) σ(ri ) σ(rj) T cov( r, r ) = (1 λ) λ i j t= 1 t 1 (r it r i )(r jt r j ) HS MC VC 0,2 0 0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55 Konfidenzniveau Stand: , 08:29 23
25 Backtesting Swaps gemittelt Korrelations Adjustierung Backtesting Swap gemittelt Korrelations korr. (f=1) Mittlere normierte Überschreitungsrate 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 Adjustierung der Korrelation bei nicht synchronen Zeitreihen durch Einführung einer lag Komponente γ r 0 j,t = γ j,t r j,t + γ cov(rit, rjt ) = cov(r it, r jt ) + cov(r it 1, r jt ) + cov(r it, r jt 1 ) ad cov(rit, rjt ) ρ ij = 0 0 σ(r it ) σ(r jt ) j,t 1 r j,t 1 r 0 j r j : : beobachtete returns wahre returns HS MC VC 0 0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55 Konfidenzniveau Stand: , 08:29 24
26 Backtesting Aktienindexoptionen ohne Volarisiko gemittelt Backtesting Stock options ohne volarisiko gemittelt P Beispiel: Long call P Verlauf des Optionspreises 8 S Für den Teil der Historie wird das VAR unterschätzt t- HS 6 Verlauf des Underlyings MC VC 4 t Konfidenzniveau Stand: , 08:29 25
27 6 Variation der Stützperiode 5 Normierte Überschreitungsrate HS MC VK Stützperiode in Tagen Durch Reduzierung der Stützperiode verkleinert sich der Stichprobenumfang der HS erheblich => Verschlechterung der Backtesting Ergebnisse! Stand: , 08:29 26
28 Eigenschaften der Korrelationsmatrix Ausgehend von der (k, T) Risikofaktoren Matrix X, mit der Zeitreihe (Anzahl der Tage der Stützperiode T) des Instrumentes i (von insgesamt k Instrumenten) als Spaltenvektor x i, gilt für die Kovarianzmatrix C C T X X T = und für den Rang R gilt damit: R(C) = R(X X) = R(X) T! Allgemein entspricht der Rang der maximalen Anzahl der linear unabhängigen Zeilen-/ Spaltenvektoren! Der Rang der Kovarianz Matrix C entspricht dem Rang der Matrix X! Der Rang der Kovarianz Matrix C kann somit nicht größer sein als die Anzahl der Tage der Stützperiode4 D.h. für eine Stützperiode von 50 Tagen und 103 Risikofaktoren enthält die Kovarianzmatrix nur max. 50 linear unabhängige Zeilen/Spaltenvektoren 4 Allgemein gilt für den Rang einer (m,n) Matrix A : R(a) min(m,n) Stand: , 08:29 27
29 Monte Carlo Simulation Variation der Simulationsschritte 3 2,5 Normierte Überschreitungsrate 2 1,5 1 0,99 0,97 0,95 0, MC Simulationsschritte Stand: , 08:29 28
30 Zusammenfassung! Backtsting Ergebnisse zeigen i.d.r. leptokurtische Verteilungen! Die exponentielle Gewichtung führt bei den meisten Einzelprodukten zu besseren Backtesting Ergebnissen! Die Korrelations Adjustierung führt zu verbesserten Backtesting Ergebnissen! Beim Varianz Kovarianz Ansatz und der Monte Carlo Simulation wird das VAR von Optionen aufgrund des fehlenden Volarisikos deutlich unterschätzt.! Insbesondere bei Optionen liefert der spezifische Differenzenansatz deutlich bessere Ergebnisse als der gewöhnliche Differenzenansatz! Bei der Variation der Stützperiode verschlechtern sich insbesondere die Backtesting Ergebnisse für die Historische Simulation. Stand: , 08:29 29
31 Weitere Analysen " Analyse für alle übrigen Einzelprodukte " Latin Hypercube Sampling " Variation der verschiedenen Ansätze zur Historischen Simulation " Variation des Mappings " Weitere Variation der Stützperiode " Exponentielle- versus Gleichgewichtung pro Einzelprodukt " Vergleich zwischen Jacobi- und Householder Varfahren " Beta Adjustierung für Aktien Stand: , 08:29 30
Value 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
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
MehrKlausur zur Vorlesung Finanz- und Bankmanagement
Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz- und Bankwirtschaft [Aufkleber] Klausur zur Vorlesung Finanz- und Bankmanagement Prof. Dr. Marco Wilkens 06. Februar 2012
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
MehrPortfolio-Optimierung und Capital Asset Pricing
Portfolio-Optimierung und Capital Asset Pricing Peter Malec Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin Econ Boot Camp, SFB 649, Berlin, 4. Januar 2013 1. Einführung 2 29 Motivation
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
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
MehrCAPM Die Wertpapierlinie
CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Frank von Oppenkowski 6. Semester Betriebswirtschaftslehre SP Finanzwirtschaft 1 Die Wertpapierlinie (= CAPM) Gliederung 2 Wie man Erträge
MehrRisikoeinstellungen empirisch
Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569
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
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrAufgaben zur Vorlesung Finanzmanagement
Aufgaben zur Vorlesung Finanzmanagement B. rke FH Gelsenkirchen, Abteilung Bocholt February 4, 006 Aufgabenblatt: "Bewertung von Optionen" 1 Lösungshinweise 1 uropean Put Option Zeichnen Sie den einer
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrLÖSUNGSSKIZZE: Aufgaben für die Klausur Bank I, II am 11.02.2004. Teil I: Aufgaben zu Bank I. Aufgabe 1 (Risikoanreiz und Bankgeschäfte; 30P)
Universität Hohenheim Institut für Betriebswirtschaftslehre Lehrstuhl für Bankwirtschaft und Finanzdienstleistungen Matthias Johannsen Stuttgart, 11.02.2004 LÖSUNGSSKIZZE: Aufgaben für die Klausur Bank
MehrDerivate und Bewertung
. Dr. Daniel Sommer Marie-Curie-Str. 0 6049 Frankfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 006/07 Klausur Derivate und Bewertung Wintersemester 006/07 Aufgabe 1: Statische Optionsstrategien
MehrSeminar Finanzmathematik
Seminar Finanzmathematik Simulationen zur Black-Scholes Formel von Christian Schmitz Übersicht Zufallszahlen am Computer Optionspreis als Erwartungswert Aktienkurse simulieren Black-Scholes Formel Theorie
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.
MehrAufgaben Brealey/Myers [2003], Kapitel 21
Quiz: 1, 2, 4, 6, 7, 10 Practice Questions: 1, 3, 5, 6, 7, 10, 12, 13 Folie 0 Lösung Quiz 7: a. Das Optionsdelta ergibt sich wie folgt: Spanne der möglichen Optionspreise Spanne der möglichen Aktienkurs
MehrDIPLOM. Abschlussklausur der Vorlesung Bank I, II:
Seite 1 von 9 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 9 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement
MehrFinancial Engineering....eine Einführung
Financial Engineering...eine Einführung Aufgabe 1: Lösung Überlegen Sie sich, wie man eine Floating Rate Note, die EURIBOR + 37 bp zahlt in einen Bond und einen Standard-Swap (der EURIBOR zahlt) zerlegen
MehrFinanzwirtschaft. Teil II: Bewertung. Zinssätze und Renten
Zinssätze und Renten 1 Finanzwirtschaft Teil II: Bewertung Zinssätze und Renten Agenda Zinssätze und Renten 2 Effektivzinsen Spot-Zinsen Forward-Zinsen Bewertung Kennziffern Zusammenfassung Zinssätze und
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrInternationale Finanzierung 7. Optionen
Übersicht Kapitel 7: 7.1. Einführung 7.2. Der Wert einer Option 7.3. Regeln für Optionspreise auf einem arbitragefreien Markt 7.3.1. Regeln für Calls 7.3.2. Regeln für Puts 7.3.3. Die Put Call Parität
MehrFinanzmanagement 5. Optionen
Übersicht Kapitel 5: 5.1. Einführung 5.2. Der Wert einer Option 5.3. Regeln für Optionspreise auf einem arbitragefreien Markt 5.3.1. Regeln für Calls 5.3.2. Regeln für Puts 5.3.3. Die Put Call Parität
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
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
MehrDie Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer
Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer xxx 0 Agenda Der Aufbau der Solvenz-Bilanz Zur Begriffsbestimmung des SCR Die Auswirkung
MehrKapitle 3: Swaps und Forward Swaps
Kapitle 3: Swaps und Forward Swaps Stefan Ehrenfried Institut für Finanzmathematik Universität Ulm 13.12.2011 Inhaltsverzeichnis 1 Grundlagen 2 Zinsswaps 3 Bewertung 1-jähriger Forward-Swaps Fixed for
MehrARCH- und GARCH-Modelle
ARCH- und GARCH-Modelle Thomas Simon Analyse und Modellierung komplexer Systeme 04.11.2009 homas Simon (Analyse und Modellierung komplexerarch- Systeme) und GARCH-Modelle 04.11.2009 1 / 27 Ausgangssituation
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
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
Mehr11. April 2011. Geldtheorie und -politik. Definition und Bestimmung von Zinssätzen (Mishkin, Kapitel 4)
Geldtheorie und -politik Definition und Bestimmung von Zinssätzen (Mishkin, Kapitel 4) 11. April 2011 Überblick Barwertkonzept Kreditmarktinstrumente: Einfaches Darlehen, Darlehen mit konstanten Raten,
MehrPortfoliorisiko und Minimum Varianz Hedge
ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und
MehrGrundlagen der Monte Carlo Simulation
Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
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
MehrDynamik von Optionen
Dynamik von Optionen Plan Der Optionspreis und seine Einflussfaktoren Wert des Calls / Puts bei unterschiedlichen Marktbedingungen Änderung des Optionspreises bei Änderung eines oder mehrerer Einflussfaktoren
MehrDas Black-Scholes Marktmodell
Das Black-Scholes Marktmodell Andreas Eichler Institut für Finanzmathematik Johannes Kepler Universität Linz 8. April 2011 1 / 14 Gliederung 1 Einleitung Fortgeschrittene Finanzmathematik einfach erklärt
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:
MehrErfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.
Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
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
MehrÜbung zu Forwards, Futures & Optionen
Übung zu Forwards, Futures & Optionen Vertiefungsstudium Finanzwirtschaft Dr. Eric Nowak SS 2001 Finanzwirtschaft Wahrenburg 15.05.01 1 Aufgabe 1: Forward auf Zerobond Wesentliche Eckpunkte des Forwardgeschäfts:
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
MehrInvestition und Finanzierung
Tutorium Investition und Finanzierung Sommersemester 2014 Investition und Finanzierung Tutorium Folie 1 Inhaltliche Gliederung des 3. Tutorium Investition und Finanzierung Tutorium Folie 2 Aufgabe 1: Zwischenform
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrKauf Kurs. letzter Kurs. Gewinn in % / Verlust in 112 ISHARES FTSE MIB ACC 5.599,80 26,79% Italien EUR 49,91 EUR 63,28 26,79%
ei der ausgewiesenen Performance handelt es sich um eine Performance ohne Gebühren und Steuern. Die tatsächliche Performance kann durch abweichende 03.02.14 Referenz-Portfolio Fonds, ETFs und Zertifikate
MehrTarget Volatility & Risk Control Indizes. Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz)
Target Volatility & Risk Control Indizes Ulrich Stoof (Bloomberg LP) & Christian Menn (RIVACON & FH Mainz) Agenda Einleitung/Motivation Der Risk Control Mechanismus Exkurs: Varianz- und Volatilitätsschätzer
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
MehrAufgaben Brealey/Myers [2003], Kapitel 20
Folie 0 Quiz: 1, 2, 3, 4, 5, 8, 9, 11, 12, 13, 14 Practice Questions: 2, 3, 4, 5, 6, 8, 9, 11, 13, 14, 15, 17, 18, 21 Challenge Questions: 2 Folie 1 Lösungshinweis zu Quiz 4: Put-Call Parität: Fälligkeit
MehrSeminar Finanzmathematik
Seminar Finanzmathematik Simulationen zur Black-Scholes Formel Seite 1 von 24 Zufallszahlen am Computer 3 Gleichverteilte Zufallszahlen 3 Weitere Verteilungen 3 Quadratische Verteilung 4 Normalverteilung
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
MehrDIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006
TU Bergakademie Freiberg Fakultät für Wirtschaftswissenschaften Matrikel-Nr.: Name (optional): Studienrichtung: Fakultät: Semesterzahl: DIPLOMPRÜFUNG Prüfungsfach: Prüfer: Examen Bankbetriebslehre (PO99-120
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrCheckliste zur qualitativen Nutzenbewertung
Checkliste zur qualitativen Nutzenbewertung Herausgeber Pentadoc Consulting AG Messeturm Friedrich-Ebert-Anlage 49 60308 Frankfurt am Main Tel +49 (0)69 509 56-54 07 Fax +49 (0)69 509 56-55 73 E-Mail info@pentadoc.com
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
MehrSensitivitätsfaktoren
Sensitivitätsfaktoren Überblick Sensitivitätsfaktoren zeigen die Änderungen des Optionspreises, wenn sich eine Einflussgröße ändert Sensitivitätsfaktoren werden mit einem Optionspreismodell errechnet Einflussgrößen:
MehrDerivate und Bewertung
. Dr. Daniel Sommer Marie-Curie-Str. 30 60439 Franfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 2008/09 Klausur Derivate und Bewertung Wintersemester 2008/09 Aufgabe 1: Zinsurven,
MehrMonte Carlo Simulation (Grundlagen)
Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen
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
MehrInhalte Kurs Finanz- und Risikosteuerung
Inhalte Kurs Finanz- und Risikosteuerung Studieninhalte (DS = Doppelstunde á 90 Minuten) Grundlagen der Bankensteuerung Finanzmathematische Grundlagen 12 DS Dynamische Verfahren der Investitionsrechnung
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
1 3.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind
MehrInvestition und Risiko. Finanzwirtschaft I 5. Semester
Investition und Risiko Finanzwirtschaft I 5. Semester 1 Gliederung Ziel Korrekturverfahren: Einfache Verfahren der Risikoberücksichtigung Sensitivitätsanalyse Monte Carlo Analyse Investitionsentscheidung
MehrRenditequellen der Anlagemärkte
Renditequellen der Anlagemärkte Analyse von Risikoprämien empirische Erkenntnisse PPCmetrics AG Dr. Diego Liechti, Senior Consultant Zürich, 13. Dezember 2013 Inhalt Einführung Aktienrisikoprämie Weitere
MehrVertical-Spreads Iron Condor Erfolgsaussichten
www.mumorex.ch 08.03.2015 1 Eigenschaften Erwartung Preis Long Calls Long Puts Kombination mit Aktien Vertical-Spreads Iron Condor Erfolgsaussichten www.mumorex.ch 08.03.2015 2 www.mumorex.ch 08.03.2015
MehrOptionen - Verbuchung
Optionen - Verbuchung Dieses Dokument begleitet Sie durch die "state-of-the-art" Buchung von Call- und Put- Optionen. Zuerst wird Die Definition von einfachen Calls und Puts (plain vanilla options) wiederholt.
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrRisikomessung und Value at Risk Wintersemester 2013/14
Risikomessung und Value at Risk Wintersemester 2013/14 Walter Sanddorf-Köhle Statistik und Ökonometrie Foliensatz Nr. 11 Version vom 24. Januar 2014 1 / 45 6.5.1 Bisherige Vorgehensweise zur Berechnung
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrNeue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz. 31. Mai 2007 Dimitri Senik
Neue Anforderungen an Risikomessung bei kollektiven Kapitalanlagen in der Schweiz Dimitri Senik Agenda Risikomanagement bei Fonds: neue regulatorische Vorschriften Risikomessung gemäss KKV-EBK Risikomanagement
MehrControlling im Key Account Management
Ronald Heckl Controlling im Key Account Management Systematische KAM-Analyse und Kundenwert Zielformulierung Als erstes sollten Sie klären, welche Aufgabe das KAM-Controlling in Ihrem Unternehmen spielt
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrBeispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.
Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrMusterlösung Übung 3
Musterlösung Übung 3 http://www.hoadley.net/options/ http://www.eeh.ee.ethz.ch/en/power/power-systems-laboratory/services 1. Optionsbewertung nach Black / Scholes a) Bewerten Sie eine Call-Option mit den
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
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
MehrCommercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
MehrHochschule Rhein-Main. Sommersemester 2015
Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 29. Juni 2015 Erinnerung Bewertung eines Bonds mit Kupon k, Nominal N, Laufzeit t n: n Π(t) = N k δ(t i 1, t i ) P (t, t i ) + N P (t,
MehrTrends in der risiko- und wertorientierten Steuerung des Versicherungsunternehmens
Trends in der risiko- und wertorientierten Steuerung des Versicherungsunternehmens Inhalt Einleitung Finanzwirtschaftliche Führung von Versicherungsunternehmen Fair Value Prinzip IAS als Accounting Standard
MehrMusterlösung Übung 2
Musterlösung Übung 2 http://www.hoadley.net/options/ http://www.eeh.ee.ethz.ch/en/power/power-systems-laboratory/services 1. Optionsbewertung nach Black / Scholes a) Bewerten Sie eine Call-Option mit den
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
MehrRatings, Style Box & Co. Alexander Ehmann, Fund Analyst Morningstar Deutschland GmbH Wien, 04. März 2007
Ratings, Style Box & Co. Alexander Ehmann, Fund Analyst Morningstar Deutschland GmbH Wien, 04. März 2007 Übersicht Das Morningstar Rating Morningstar Kategorien Kosten Risikobereinigte Rendite Berechnungszeitraum
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
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
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
MehrQuantitative Ideen der technischen Intermarketanalyse
Quantitative Ideen der technischen Intermarketanalyse Vortrag Preisverleihung der VTAD März 2007, Bad Soden Technische Intermarket Analyse John Murphy (1991) ist der Ausgangspunkt Einteilung der Finanzmärkte
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
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
MehrEckpfeiler der neuen Regelung:
Zertifikate-Emittenten weisen im Produktinformationsblatt (PIB) bereits seit einigen Jahren Performance-Szenarien aus. Während die konkrete Bestimmung dieser Szenarien bislang den Emittenten überlassen
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
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
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
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrDie Methode des Robusten Trends und der CAC40 (Frankreich)
Die Methode des Robusten Trends und der CAC40 (Frankreich) von Dr. Hans Uhlig Zusammenfassung Auch für den CAC40 lässt sich ein robuster Trend bestimmen, wie es für den DAX bereits gezeigt werden konnte
Mehr