Value at Risk. Methoden zur Quantifizierung von Marktpreisrisiken. - Ein empirischer Vergleich - Dr. Michael Auer

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Value at Risk. Methoden zur Quantifizierung von Marktpreisrisiken. - Ein empirischer Vergleich - Dr. Michael Auer"

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 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

Mehr

Portfolio-Optimierung und Capital Asset Pricing

Portfolio-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

Mehr

Risikomessung und Value at Risk Wintersemester 2013/14

Risikomessung 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

Mehr

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

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

Mehr

Commercial Banking. Kreditportfoliosteuerung

Commercial Banking. Kreditportfoliosteuerung Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

Vorlesung 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

Mehr

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

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

Mehr

Inhalte Kurs Finanz- und Risikosteuerung

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

Mehr

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

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

Mehr

Klausur zur Vorlesung Finanz- und Bankmanagement

Klausur 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

Mehr

Risikomanagement: Hintergrund und Ziele

Risikomanagement: Hintergrund und Ziele Risikomanagement: Hintergrund und Ziele Beispiel 1 Anfangskapital V 0 = 100 Spiel: man verliert oder gewinnt 50 mit Wahrsch. jeweils 1/2. Kapital nach dem Spiel V 1 = { 150 mit Wahrsch. 1/2 50 mit Wahrsch.

Mehr

Risikotriade - Teil Messung von Zins-, Kreditund operationellen Risiken

Risikotriade - 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

Mehr

Portfolio-Optimierung und Capital Asset Pricing

Portfolio-Optimierung und Capital Asset Pricing Portfolio-Optimierung und Capital Asset Pricing Prof. Dr. Nikolaus Hautsch Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin CASE, CFS, QPL Econ Boot Camp, SFB 649, Berlin, 8. Januar

Mehr

Monte Carlo Simulation (Grundlagen)

Monte 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

Mehr

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

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

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen 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

Mehr

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

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

Mehr

Untersuchungen zum Thema Tracking Error

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

Mehr

ARCH- und GARCH-Modelle

ARCH- 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

Mehr

Investition und Risiko. Finanzwirtschaft I 5. Semester

Investition 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

Mehr

Risiko- 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 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

Mehr

Finanzmathematik in der Bankpraxis

Finanzmathematik 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

Mehr

Integration von Marktpreisrisiken Inhaltsverzeichnis

Integration von Marktpreisrisiken Inhaltsverzeichnis Integration von Marktpreisrisiken Inhaltsverzeichnis 1 Kurzzusammenfassung 10 2 Einführende Überlegungen und Definitionen 23 2.1 Systemtheoretische Ausgangsbasis 23 2.1.1 Ergebnis der Bank 24 2.1.2 Innere

Mehr

DIPLOMPRÜFUNG Examen Bankbetriebslehre (PO99-120 Min.) Universitätsprofessor Dr. Klaus Schäfer Sommersemester 2006

DIPLOMPRÜFUNG 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

Mehr

Neue Anforderungen an das Risikomanagement von Sondervermögen der Kapitalanlagegesellschaften

Neue Anforderungen an das Risikomanagement von Sondervermögen der Kapitalanlagegesellschaften Neue Anforderungen an das Risikomanagement von Sondervermögen der Kapitalanlagegesellschaften Bartle Aberer Inhalt Einleitung... 1 Vergleich der Ansätze... 2 Möglichkeiten zur Messung von Marktrisiken...

Mehr

Systematik und ökonomische Relevanz traditioneller Performancemaße

Systematik und ökonomische Relevanz traditioneller Performancemaße Systematik und ökonomische Relevanz traditioneller Performancemaße Vortrag an der Universität Hamburg am 18. Juni 2001 PD Dr. Marco Wilkens IFBG der Georg-August-Universität Göttingen 1 Gliederung 1. Einleitung

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

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

Mehr

CAPM Die Wertpapierlinie

CAPM 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

Mehr

Finanzmathematik in der Bankpraxis

Finanzmathematik in der Bankpraxis Thomas Heidorn Finanzmathematik in der Bankpraxis Vom Zins zur Option 6., überarbeitete und erweiterte Auflage GABLER Inhaltsverzeichnis 1 Grundlagen der Finanztheorie 3 1.1 Gegenwartswerte und Opportunitätskosten

Mehr

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ.

Family-Report. Kundennummer. Zürich, 23. Februar 2010 EUR. Referenzwährung: Verwaltungsart: Anlagestrategie: konservativ. Verwaltungsart: Mandat Referenzwährung: EUR Anlagestrategie: konservativ Geschätzter Kunde Als Beilage erhalten Sie Ihre Vermögensaufstellung per 31.12.2009 mit folgendem Inhalt: - Konsolidierte Gesamtübersicht

Mehr

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall

Mehr

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Aufgaben zur Vorlesung Finanzmanagement

Aufgaben 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

Mehr

Risikoanalyse und optimale Portfolios

Risikoanalyse und optimale Portfolios Seminar "Quantitative Finance" Universität des Saarlandes 03. 06. 2009 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3 Gliederung 1 Risikoanalyse 2 Variety Asymmetrie 3 Volatilität Logarithmischer Ertrag

Mehr

Dynamik von Optionen

Dynamik 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

Mehr

Trends in der risiko- und wertorientierten Steuerung des Versicherungsunternehmens

Trends 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

Mehr

Inhaltsverzeichnis XVII. Abkürzungsverzeichnis... XXIII. Symbolverzeichnis...XXVII. Abbildungsverzeichnis...XXXI. Tabellenverzeichnis...

Inhaltsverzeichnis XVII. Abkürzungsverzeichnis... XXIII. Symbolverzeichnis...XXVII. Abbildungsverzeichnis...XXXI. Tabellenverzeichnis... XVII Abkürzungsverzeichnis... XXIII Symbolverzeichnis...XXVII Abbildungsverzeichnis...XXXI Tabellenverzeichnis... XXXV 1 Einführung...1 1.1 Entwicklung und Bedeutung der Optionsbewertung...1 1.2 Problemstellung...4

Mehr

Kreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz

Kreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz Kreditrisikomodell von Jarrow-Lando-Turnbull im Einsatz Dr. Michael Leitschkis Generali Deutschland Holding AG Konzern-Aktuariat Personenversicherung München, den 13.10.2009 Agenda Einführung und Motivation

Mehr

Die 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 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

Mehr

SST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Auswirkungen

SST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Auswirkungen SST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Dr. Nils Rüfenacht Prüfungskolloquium Aktuar SAV Bern, 1. Juni 2012 1 / 16 Inhalt 1 Entwicklung des SST und Solvency II

Mehr

einfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110

einfache 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

Mehr

Risikomanagement: Hintergrund und Ziele

Risikomanagement: Hintergrund und Ziele Risikomanagement: Hintergrund und Ziele Beispiel 1 Anfangskapital V 0 = 100 Spiel: man verliert oder gewinnt 50 mit Wahrsch. jeweils 1/2. Kapital nach dem Spiel V 1 = { 150 mit Wahrsch. 1/2 50 mit Wahrsch.

Mehr

Risikodiversifikation. Steffen Frost

Risikodiversifikation. 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

Mehr

Risk Parity in Stress-Szenarien

Risk Parity in Stress-Szenarien Risk Parity in Stress-Szenarien Investor Circle Building Competence. Crossing Borders. Peter Schwendner peter.schwendner@zhaw.ch Zürich, 10.12.2013 Risk Parity in Stress-Szenarien Die Ideen hinter Risk

Mehr

Profil 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

Profil 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

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

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

Mehr

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?

Portfolioselection. 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

Mehr

InstitutionalOpti-Cash M

InstitutionalOpti-Cash M Stand: 03.05.2011; Seite 1 von 6 Stammdaten Fondsart Geldmarktfonds Entwicklung VaR(99/10) in den letzten 12 Monaten ISIN Auflegungsdatum Fondsvermögen [EUR] LU0274789303 01.12.2006 67.268.501,45 Portfolio

Mehr

Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos

Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos Wirtschaft Daniel Wagenknecht Empirische Analyse ausgewählter Value-at-Risk Ansätze zur Abschätzung des Marktpreisrisikos Masterarbeit FOM Hochschule für Oekonomie & Management, Frankfurt am Main Berufsbegleitender

Mehr

Target 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) 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

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-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

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Datenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org>

Datenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org> Datenanalyse mit Python Dr. Wolfram Schroers Problem Beobachtungen Modell (Annahmen, Vereinfachungen) Vorhersagen Vergleich Python: Stärken und Schwächen Anwendung:

Mehr

Klausur zur Vorlesung Finanz- und Bankmanagement

Klausur 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 07.02.2011 Bitte

Mehr

Materialien zur Vorlesung. Rendite und Risiko

Materialien zur Vorlesung. Rendite und Risiko Materialien zur Vorlesung Rendite und Risiko Burkhard Erke Quellen: Brealey/Myers, Kap. 7 Mai 2006 Lernziele Langfristige Rendite von Finanzanlagen: Empirie Aktienindizes Messung von Durchschnittsrenditen

Mehr

Risikoeinstellungen empirisch

Risikoeinstellungen 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

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur 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

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

CAPM Die Wertpapierlinie

CAPM Die Wertpapierlinie CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Von Dong Ning Finanzwirtschaft 6. Sem. Inhalt Wertpapierlinie (CAPM) Erwartungswert für f r die Rendit Risiken messen 1.Standardabweichung-

Mehr

Portfoliorisiko und Minimum Varianz Hedge

Portfoliorisiko 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

Mehr

Der Fristentransformationserfolg aus der passiven Steuerung

Der 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

Mehr

Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß

Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß Stefan Graf WiMa 2011 Ulm November 2011 Inflationsbereinigte Chance-Risiko-Profile von Lebensversicherungsprodukten Stefan Graf, Alexander Kling, Jochen Ruß Seite 2 Agenda Chance-Risiko-Profile Nominale

Mehr

Generalthema: Ausgewählte Fragen der Fremdfinanzierung

Generalthema: Ausgewählte Fragen der Fremdfinanzierung Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Seminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 1999/000 Zuständiger Mitarbeiter:

Mehr

Messung von Zinsrisiken mit dem Value at Risk-Konzept

Messung von Zinsrisiken mit dem Value at Risk-Konzept Prof. Dr. Arnd Wiedemann Messung von Zinsrisiken mit dem Value at Risk-Konzept Hinweis: Dieses Werk einschließlich seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen

Mehr

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

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

Mehr

ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation

ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation Aspekte des 2-Faktor-Hull-White-Modells 8. November 2012 Inhalt Weshalb ein Mehrfaktor Modell? 2-Faktor-Modelle Das ursprüngliche

Mehr

Derivate und Bewertung

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

Mehr

Quantifizierung von Risiken

Quantifizierung 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

Mehr

Bewertung Strukturierter Produkte mittels Value-at-Risk

Bewertung Strukturierter Produkte mittels Value-at-Risk Bewertung Strukturierter Produkte mittels Value-at-Risk Bachelorarbeit in Banking & Finance am Institut für schweizerisches Bankwesen der Universität Zürich bei Prof. Dr. R. Volkart Verfasser: Matthias

Mehr

Kapitle 3: Swaps und Forward Swaps

Kapitle 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

Mehr

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung

Mehr

Monte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011

Monte-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

Mehr

Computational Finance

Computational 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

Mehr

InstitutionalOpti-Cash M

InstitutionalOpti-Cash M Stand: 07.02.2011; Seite 1 von 6 Stammdaten Fondsart ISIN Auflegungsdatum Fondsvermögen [EUR] Portfolio Risikokennzahlen VaR ex post (99/10) VaR ex ante (99/10)* Summe der Risikobeiträge (99/10) korreliert

Mehr

Kapitalmarkttheorie: Vorbereitungen

Kapitalmarkttheorie: Vorbereitungen 0 Kapitel Kapitalmarkttheorie: Vorbereitungen Kapitelübersicht 1 Renditen 2 Renditen und Halteperioden 3 Rendite-Kennzahlen 4 Durchschnittliche Aktienrenditen und risikofreie Renditen 5 Risiko-Kennzahlen

Mehr

Von den Grundlagen der Monte-Carlo-Methode zur Simulation von Teilchenreaktionen und Teilchendetektoren

Von den Grundlagen der Monte-Carlo-Methode zur Simulation von Teilchenreaktionen und Teilchendetektoren Von den Grundlagen der Monte-Carlo-Methode zur Simulation von Teilchenreaktionen und Teilchendetektoren Michael Unrau HS WS 08/09 14 November 2008 HS 08/09 Monte-Carlo Methoden 14 November 2008 1 / 24

Mehr

Abschlussklausur der Vorlesung Bank I, II:

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

Mehr

Quantitative Ideen der technischen Intermarketanalyse

Quantitative 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

Mehr

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =

, dt. $+ f(x) = , - + < x < +,  > 0.  2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) = 38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die

Mehr

Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung. GenoPOINT, 28.

Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung. GenoPOINT, 28. Übergreifende Sichtweise auf Immobilienrisiken der Bank anhand einer Integration in die Risikosteuerung GenoPOINT, 28. November 2013 Agenda 1. Ausgangslage 2. Übergreifende Sichtweise auf Immobilienrisiken

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung . Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug

Mehr

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner

KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG. 21. Mai 2015 Thomas Gleixner KONVERGENZ IN DER KAPITALAPPROXIMATION FÜR DIE LEBENSVERSICHERUNG 21. Mai 2015 Thomas Gleixner Agenda 1. Was ist Kapitalapproximation (und wen sollte das interessieren)? 2. Etablierte Methoden 3. Erfahrungen

Mehr

Überwachung von Marktpreisrisiken durch Value at Risk

Überwachung von Marktpreisrisiken durch Value at Risk 1 Überwachung von Marktpreisrisiken durch Value at Risk Dr. Hans Rau-Bredow, Würzburg Der Value at Risk Ansatz wurde Anfang der neunziger Jahre von amerikanischen Investmentbanken zur Kontrolle von Finanzmarktrisiken

Mehr

Renditequellen der Anlagemärkte

Renditequellen 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

Mehr

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

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

Mehr

AUTOMATISIERTE HANDELSSYSTEME

AUTOMATISIERTE HANDELSSYSTEME UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie

Mehr

Zinsen, Anleihen, Kredite

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

Mehr

MA Projekt: Langfristige Kapitalmarktsimulation

MA Projekt: Langfristige Kapitalmarktsimulation MA Projekt: Langfristige Kapitalmarktsimulation Einführung in die Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring

Mehr

4592 Kapitalmarkt und Risikomanagement, WS 2001/02. Übung 2

4592 Kapitalmarkt und Risikomanagement, WS 2001/02. Übung 2 4592 Kapitalmarkt und Risikomanagement, WS 2001/02 Übung 2 Abgabe bis spätestens 29.1.2002 Assistenz: christian.buhl@unibas.ch Die Übung gilt bei Erreichen von mindestens 60 Punkten als bestanden (maximal

Mehr

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging

Mehr

Klausur zur Vorlesung Financial Engineering und Structured Finance

Klausur zur Vorlesung Financial Engineering und Structured Finance Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz und Bankwirtschaft Klausur zur Vorlesung Financial Engineering und Structured Finance Prof. Dr. Marco Wilkens 6. Februar

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung 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

Mehr

Seminar Finanzmathematik

Seminar Finanzmathematik Seminar Finanzmathematik Simulationen zur Black-Scholes Formel von Christian Schmitz Übersicht Zufallszahlen am Computer Optionspreis als Erwartungswert Aktienkurse simulieren Black-Scholes Formel Theorie

Mehr

Tageserträge am Aktienmarkt. und die. 200-Tage-Linie. von. Dr. rer. nat. Hans Uhlig. Copyright 2009 - Dr. Hans Uhlig

Tageserträge am Aktienmarkt. und die. 200-Tage-Linie. von. Dr. rer. nat. Hans Uhlig. Copyright 2009 - Dr. Hans Uhlig Tageserträge am Aktienmarkt und die 200-Tage-Linie von Dr. rer. nat. Hans Uhlig Copyright 2009 - Dr. Hans Uhlig Copyright Hinweis Der Text und die Abildungen dieses Beitrages unterliegen dem Urheberrechtsschutz.

Mehr

) 10% ist (jeder würde in diese Aktie investieren, der Preis

) 10% ist (jeder würde in diese Aktie investieren, der Preis OFIN Pingo Fragen 1. Der Wert eines Gutes... lässt sich auf einem vollkommenen KM bewerten bestimmt sich durch den relativen Vergleich mit anderen Gütern 2. Jevon's Gesetz von der Unterschiedslosigkeit

Mehr

Hochschule Rhein-Main. Sommersemester 2015

Hochschule Rhein-Main. Sommersemester 2015 Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 27. April 2015 Diskontfaktoren: Legt man heute (in t) 1 Einheit bis T an, und erhält dafür in T insgesamt x zurück (mit Zinseszins,

Mehr

Risiko und Symmetrie. Prof. Dr. Andrea Wirth

Risiko und Symmetrie. Prof. Dr. Andrea Wirth Risiko und Symmetrie Prof. Dr. Andrea Wirth Gliederung 1. Einleitung Was ist eigentlich Risiko? 2. Risiko Mathematische Grundlagen 3. Anwendungsbeispiele Wo genau liegt der Schmerz des Risikos? 4. Sie

Mehr

Wie die Märkte wirklich funktionieren - und wie nicht

Wie die Märkte wirklich funktionieren - und wie nicht JACK SCHWAGER SINN UND UNSINN AN DER BÖRSE Wie die Märkte wirklich funktionieren - und wie nicht VERZEICHNIS Vorwort Prolog 13 ^ Teil 1 Märkte, Renditen und Risiken Kapitel 1 Ratschläge von Experten 19

Mehr