Lösungshinweise für die Klausur. Finanzwirtschaft I
|
|
- Dirk Giese
- vor 7 Jahren
- Abrufe
Transkript
1 Prof. Dr. Siegfried Trautmann Lehrstuhl für Finanzwirtschaft / FB 03 Johannes Gutenberg-Universität Mainz Lösungshinweise für die Klausur zur Vorlesung Finanzwirtschaft I (040 WS 2003/ Februar 2004 Lösung Aufgabe (Entscheidung bei Sicherheit a ZF: U(x, x 2, x 3, x 4, d d 2 Max NB: 80x + 50x x x 4 + y A 0 y B 0 400, 60x 30x 2 90x 3 20x 4, y A 0 +, 2y B 0 + y A y B 0, 40x 20x 2 40x 3 20x 4, y A +, 2y B + d 2 0, 0 x, x 2, x 3, x 4, d 2 0. b Der endogene Kalkulationszinsfuß rt end eines Investitions- und Finanzierungsprogramms in Periode t ist derjenige Zinsfuß, auf dessen Basis die Kapitalwertregel das optimale I&F-Programm liefert: rt end ˆπt ˆπ t+ für t 0,..., T, wobei ˆπ t und ˆπ t+ endogene Aufzinsungsfaktoren sind. Der interne Zinsfuß einer Investition ist derjenige Zinsfuß r, bei dessen Verwendung als Kalkulationszinfuß der Kapitalwert dieser Investition Null ist. Der endogene Kalkulationszinsfuß im Einperiodenfall ist der interne Zinsfuß der letzten gerade noch durchgeführten Investitionsmaßnahme bzw. der letzten gerade noch akzeptierten Finanzierungsmaßnahme. (Im Einperiodenfall kann der interne Zinsfuß der letzten gerade noch durchgeführten
2 Investitionsmaßnahme der endogene Kalkulationszinsfuß sein. Der exogene Kalkulationszinsfuß r e ist die Rendite alternativer Kapitalverwendungsmöglichkeiten des repräsentativen Anteilseigners. Im Einperiodenfall stimmt der exogene KZF mit dem endogenen KZF überein, wenn der erste der Rendite der letzten gerade noch akzeptierten Finanzierungsmaßnahme entspricht. c Die Geldaufnahmebeschränkung in t0 ist nicht restriktiv ( <400. Die überschüssigen Finanzmittel können in t0 und in t zu einem Zinssatz von 0% angelegt werden, d.h. die Schattenpreise für knappe Ressourcen sind wie folgt: ˆπ 0, 2, ˆπ,, ˆπ 2. Die Endwerte der Investitions- und Finanzierungsmaßnahmen: EW (I 80, , , 2 > 0, EW (I 2 50, , , 5 < 0, EW (I 3 80, , , 2 > 0, EW (I 4 00, , > 0, EW (F A 0, 2 +,, 0, EW (F B 0, 2, 2, 0, < 0, EW (F A, +, 0, EW (F B,, 2 0, < 0. Das optimale Investionsprogramm: (ˆx, ˆx 2, ˆx 3, ˆx 4, ŷ0 A, ŷ0 B, ŷ A, ŷ B (, 0,,, 40, 0, 324, 0. Der optimale Zielfunktionswert: , + ˆd 2 0, ˆd 2 556, 4. Der endogene Kalkulationszinsfuß: r0 end r0 A 0%, r end r A 0%. d Weil die Investitions- und Finanzierungsalternativen beliebig teilbar sind und der Investor das Ziel Endwertmaximierung verfolgt > Eigenschaft.8 (Starke Dualität: d.h. 556,4 (400*,2+9,2+42,2+2. e Die komplementären Schlupfbeziehungen: ˆπ 0 (400 80ˆx 50ˆx 2 80ˆx 3 00ˆx 4 ŷ A 0 + ŷ B 0 0, ˆπ (0 + 60ˆx + 30ˆx ˆx ˆx 4 +, ŷ A 0, 2ŷ B 0 + ŷ A ŷ B 0, ˆπ 2 (0 ( 40ˆx 20ˆx 2 40ˆx 3 20ˆx 4 +, ŷ A, 2ŷ B + ˆd 2 0, ˆx ( 80ˆπ ˆπ + 40ˆπ 2 + ˆv 0, ˆx 2 ( 50ˆπ ˆπ + 20ˆπ 2 + ˆv 2 0, ˆx 3 ( 80ˆπ ˆπ + 40ˆπ 2 + ˆv 3 0,
3 ˆx 4 ( 00ˆπ ˆπ + 20ˆπ 2 + ˆv 4 0, ŷ0 A (ˆπ 0, ˆπ + 0ˆπ 2 + ŵ 0, ŷ A (0ˆπ 0 + ˆπ, ˆπ 2 + ŵ 2 0, ŷ0 B ( ˆπ 0 +, 2ˆπ + 0ˆπ 2 + ŵ 3 0, ŷ B (0ˆπ 0 ˆπ +, 2ˆπ 2 + ŵ 4 0, ˆv ( ˆx 0, ˆv 2 ( ˆx 2 0, ˆv 3 ( ˆx 3 0, ˆv 4 ( ˆx 4 0. Überprüfung: Die optimalen Werte ((ˆx, ˆx 2, ˆx 3, ˆx 4, ŷ A 0, ŷ B 0, ŷ A, ŷ B (, 0,,, 40, 0, 324, 0 und ˆπ (, 2;, ; in die obigen BD einsetzen, ˆv i ausrechnen > alle komplementären Schlupfbeziehungen sind erfüllt. Lösung Aufgabe 2 (Konvexe Optimierungsprobleme a ZF d 3 Max NB: 6x 2 + 6x x + 4x 2 6 6x + 4x x 22x 2 + d 3 0 x, x 2, d 3 0 Wegen d 3 d 3 0 und d 3 > 0 lässt sich dies umformen zu ZF: 26x + 22x 2 Max NB: 6x 2 + 6x x + 4x 2 6 6x + 4x 2 8 x, x 2 0 Gradient zur. NB: (2x, 2x 2 ( 2 0 Hesse-Matrix zur. NB: 0 2, Hauptminoren: 2 und 44 Alle Hauptminoren sind positiv und somit ist die. NB konvex. ZF sowie 2. und 3. NB sind linear. Somit handelt es sich um ein konvexes Optimierungsproblem.
4 8 b NB: x 2 3 x2 NB2: x x NB3: x x Optimale Lösung ist Schnittpunkt der Gleichungen zu NB2 und NB3: ( x, x 2 (0, 5;, 25 ẐF 40, 5 c Die Slater-Bedingung für die nichtlineare NB ist für (0,5; 0,5 erfüllt: 6 0, , < 6 Die Lagrangefunktion lautet: L(x, x 2, u, u 2, u 3 26x + 22x 2 + u (6 6x 2 6x u 2 (6 2x 4x 2 + u 3 (8 6x 4x 2 Da die. NB für die Optimallösung nicht bindend ist, erhalten wir mit der KT-Komplementärbedingung û u 0, dass û 0 gilt. Aus den Komplementärbedingungen x x ( x, û x (26 2û 2 6û 3 0, 5(26 2û 2 6û 3 0 x 2 x 2 ( x, û x 2 (22 4û 2 4û 3, 25(22 4û 2 4û 3 0 erhält man ein Gleichungssystem mit Lösung (û 2, û 3 (, 75; 3, 75. Damit überprüft man die KT-Bedingungen: i x , , x , , ii erfüllt wegen i iii x, x 2 0 iv u 6 6 0, 5 2 6, , 25 > 0 u , 5 4, u , 5 4, v erfüllt wegen iv und û 0 vi u, u 2, u 3 0 Da alle Kuhn-Tucker-Bedingungen erfüllt sind, ist ( x, x 2 (0, 5;, 25 die optimale Lösung. Lösung Aufgabe 3 (Entscheidung bei Unsicherheit a Da es bekannt ist, daß der Investor gierig ist, kann die FSD-Regel angewendet werden (u (z > 0. Gemäß dieser Regel werden die Investitionsalternativen, 2, 5, 6 und 8 von Alternativen 3, 4 und 7 dominiert.
5 b V ar(r 4 > V ar(r 7 > V ar(r 3. c Der Investor ist risikoavers, da u (z αexp( αz > 0 und u (z α 2 exp( αz < 0 -> es kann also die SSD-Regel angewendet werden. Gemäß der SSD-Regel (betrachte die Flächen unterhalb der Investitionsalternativen und vergleiche sie miteinander werden die Investitionen 4 und 7 von Investition 3 dominiert. d Bei einer RNF mit CARA, wie z.b. bei einer exponentiellen RNF, und bei normalverteilten Rückflüssen. e Erwartungswert der unsicheren Alternative null ist, ist die vom Investor geforderte Risikoprämie näherungsweise proportional zum Arrow-Pratt-Maß für die absolute Risikoaversion: Lösung Aufgabe 4 (Portfoliotheorie π(ω, Z 2 σ2 u (ω u (ω. a Die Tobin-Separation (auch als One-Fund-Theorem bekannt besagt, daß eine Portefeuilleauswahlentscheidung in zwei Schritten durchgeführt werden kann:. Schritt: Ermittlung des optimalen risikobehafteten Portfolios, welches unabhängig ist vom Grad der Risikoaversion des Entscheiders (bzw. des Tangentialportefeuilles zu r f. 2. Schritt: Auswahl des (individuell optimalen Mischportfolios, bestehend aus risikoloser Geldanlage bzw. -aufnahme und dem risikobehafteten Portfolio aus Schritt. Die Two-Fund-Separation besagt, daß ein Randportefeuille aus einer linearen Kombination von zwei beliebigen, aber nicht identischen Randportefeuilles erzeugt werden kann. Es liegt in diesem Fall keine risikolose Geldanlagebzw. aufnahmemöglichkeit vor. b. Ansatz: Um das Portefeuille zu erhalten, das bei der vorgebenen erwarteten Rendite µ P das minimale Risiko besitzt, ist die Lagrange-Funktion L(x, λ 2 x Vx + λ((µ P r f x (µ r f
6 zu minimieren. Die Lösung der LF x muß die folgenden Optimalitätsbedingungen erfüllen: x ( x, λ V x λ(µ r f 0, λ ( x, λ (µ P r f x (µ r f 0 Da die Kovarianzmatrix V regulär ist, kann die erste Optimalitätsbedingung durch Multiplikation von V auf beiden Seiten der Gleichung nach x aufgelöst werden: x V λ(µ r f 0. Durch Multiplikation der beiden Seiten der obigen Gleichung mit λ Substitution y x erhält man λ und y V (µ r f y ( 0, 5, 5 2, 5 0, 0, 05 0, 2 0, 05 0, 3 0, 05 0, 05 0, 5 0, 25 Bestimmung der relativen Anteile der Wertpapiere A, B und C am Tangentialportefeuille T : x T y A + y B + y C y
7 x T ( ( 0, 5, 5 2, 5 /9 3/9 5/9 4, 5 Bestimmung der Rendite des Tangentialportefeuilles: µ T x T µ ( /9 3/9 5/9 0, 2 4 0, 0, 2 0, 3 Die Rendite des Portefeuilles P setzt sich aus der Rendite des Tangentialportefeuilles und der der risikolosen Anlage wie folgt zusammen: µ P x P T µ T + x P r f r f Daraus ergibt sich für die Anteile der risikolosen Anlage und des Tangentialportefeuilles am Portefeuille P : x P r f µ P µ T r f µ T 0, 5 0, 24 0, 05 0, 24 0, 4856, x P T x P r f 0, 544. Bestimmung der relativen Anteile der Wertpapiere A, B und C am Portefeuille P : x P x P T x T x P 0, 544x T 0, 544 /9 3/9 5/9 0, , 75 0, Ansatz: ( Bestimmung der Informationsmatrix und ihrer Inversen:
8 A (µ V (µ ( 0, 0, 0, 2 0, 3 V 0, 2 0, 3 ( 0 0, 0, 2 0, ( (, 4 6 a b 6 30 b c ( ( A c b c b det A b a ac b 2 b a ( ( , 4 7/30 (2 Bestimmung der erwarteten Rendite des Tangentialportefeuilles T : (Eigenschaft 5A.3 r f µ Z a bµ T b cµ T, 0, 05 µ Z, 4 6µ T 6 30µ T, µ T 0, 2 4. (3 Bestimmung der Zusammensetzung des Tangentialportefeuilles T : (Eigenschaft 5A. ( x T V (µ A µt }{{} unabhängig von RandPFP V (µ A ( ( 5 7/30 5 4/3 0 /3 5 2/3 x T V (µ A ( µt 5 4/3 0 /3 5 2/3 ( 0, 24 /9 3/9 5/9
9 (4 Bestimmung der Zusammensetzung des Portefeuilles P aus Tangentialportefeuille T und der risikolosen Anlage: 0, 5 x P T 0, x P r f 0, 05 Daraus ergibt sich für die relativen Anteile der risikolosen Anlage und des Tangentialportefeuilles am Portefeuille P : x P r f µ P µ T r f µ T 0, 5 0, 24 0, 05 0, 24 0, 4856, x P T x P r f 0, 544. (5 Bestimmung der relativen Anteile der Wertpapiere A, B und C am Portefeuille P : x P x P T x T c Siehe Skript. Oder: x P 0, 544x T 0, 544 /9 3/9 5/9 0, , 74 0, 2858 Es werde der Vermögensanteil α in das Randportefeuille P und der Rest, ( α, in das Randportefeuille Q investiert. Der Erwartungswert der Rendite des resultierenden Portefeuilles R beträgt: Die Struktur des Portefeuilles R: µ R αµ P + ( αµ Q. x R αx p + ( αx Q ( ( αv (µ A µp + ( αv (µ A µq ( ( V (µ A µp µq (α + ( α ( V (µ A αµp + ( αµ Q α + ( α ( V (µ A µr
10 Das Portefeuille R erfüllt die Eigenschaft 5A. und ist also auch ein Randportefeuille. Fazit: Jedes beliebige Randportefeuille kann durch eine lineare Kombination zweier beliebiger, nicht identischer Randportefeuilles erzeugt werden. d Vorteile des Marktmodells: ( Der geringere Schätzaufwand der Inputdaten, da die Kovarianzen der WP-Renditen nicht geschätzt werden müssen. (2 Der geringere Rechenaufwand. Nachteil(e des Martkmodells: Gefahr der zu starken Vereinfachung, da eine Beschränkung auf nur einen renditebestimmenden Faktor vorgenommen wird. Dabei können wichtige Beziehungen zwischen den Wertpapierrenditen vernachlässigt werden, die jedoch im Modell von Markowitz durch die Kovarianzen zwischen den einzelnen Renditen erfasst werden.
Finanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.
Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 2.
MehrKlausur zur Vorlesung. Finanzwirtschaft II (SS 2010) 27. Juli 2010
Prof. Dr. Siegfried Trautmann Lehrstuhl für Finanzwirtschaft / FB 03 Johannes Gutenberg-Universität 55099 Mainz Klausur zur Vorlesung Finanzwirtschaft II (SS 2010) 27. Juli 2010 Herr/Frau Name: Vorname:
MehrKapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2
Kapitel 12 Lagrange-Funktion Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28 Optimierung unter Nebenbedingungen Aufgabe: Berechne die Extrema der Funktion unter der Nebenbedingung
MehrInvestition und Finanzierung
- Zusatzfolien zur Portfoliotheorie und CAPM- Portfoliotheorie Die Portfoliotheorie geht auf Harry Markowitz zurück. Sie gibt Anlegern Empfehlungen, wie sie ihr Vermögen auf verschiedenen Anlagemöglichkeiten
MehrMathematische Behandlung des Risikos in der Portfolio-Optimierung
Mathematische Behandlung des Risikos in der Portfolio-Optimierung Michael Manger Mathematisches Institut Universität Bayreuth Seminar Stochastische Dynamische Optimierung Bayreuth, 5. März 2008 Michael
MehrLehrstuhl für Finanzierung Universitätsprofessor Dr. Jochen Wilhelm
Lehrstuhl für Finanzierung Universitätsprofessor Dr. Jochen Wilhelm A b s c h l u s s k l a u s u r z u r V o r l e s u n g K a p i t a l m a r k t t h e o r i e W i n t e r s e m e s t e r 1 9 9 9 / 2
Mehr2. Rechnen Sie auf mindestens fünf genaue Ziffern (das sind nicht notwendigerweise fünf Nachkommastellen) im Endergebnis. 1
Fach: Prüfer: Finanzierung und Investition Prof. Dr. Dr. A. Löffler Veranstaltung: W2261 Entscheidungstheorie WS 8/9 Name Vorname Matrikelnummer Punkte Note Beachten Sie bitte folgende Hinweise: 1. Schreiben
Mehrwf = w 0 +E( x) Die Definition des Angebotspreises p a = wf w 0 ergibt daher: p a = E( x)
Satz: Im Fall dass die Nutzenfunktion des Entscheidungsträgers linear bezüglich des End-Vermögens ist, stimmt der Angebotspreis einer Lotterie mit deren Erwartungswert E( x) überein Da U linear ist, gilt:
MehrHistorische Renditen, Experteninterviews, Analyse von Marktpreisen
1 Portfoliotheorie 1.1 Grundlagen der Portfoliotheorie 1.1.1 Welche vier grundsätzlichen Anlageziele werden von Investoren verfolgt? Minimales Risiko Liquidation wenn nötig Hohe Rendite Gewinnmaximierung
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
MehrWahl des optimalen Portefeuilles I - Präferenzunabhängige Vorauswahl
der Universität Hamburg (Investition Wahl des optimalen Portefeuilles I - Präferenzunabhängige Vorauswahl Ein PF ist dann effizient, wenn sich aus den gegebenen Wertpapieren kein anderes PF zusammenstellen
MehrFernUniversität in Hagen Fakultät für Wirtschaftswissenschaft
FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Klausur: Finanz- und bankwirtschaftliche Modelle Prüfer: Univ.-Prof. Dr. Michael Bitz Termin: 3. September 011 Aufgabe 1 3 Summe maximale Punktzahl
MehrFinanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.
Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 3.
MehrMathematische Werkzeuge R. Neubecker, WS 2018 / 2019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 018 / 019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen 1 Optimierung Optimierungsprobleme Suche nach dem Maximum oder Minimum
MehrEntscheidungstheorie (SBWL) SS08
Fach: Prüfer: Veranstaltung: CP anrechnen lassen für: ggfls. streichen und dann bitte Veranstaltung und Prüfungsnummer angeben Banken und Finanzierung Prof. Dr. Dr. A. Löffler Entscheidungstheorie (SBWL)
MehrInvestitionsentscheidung auf Basis des CAPM
Investitionsentscheidung auf Basis des CAPM Wie viel Rendite darf ich fordern, wie viel Rendite muss ich anbieten in einer risikobehafteten Welt? Von Zhao, Wei Annahmen des CAPM Auf der Grundlage der Portfoliotheorie
MehrSubstitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
MehrEndklausur Entscheidungstheorie WS 2009/2010 (A) S. 1 von 10. W2263 Entscheidungstheorie Endklausur
Endklausur Entscheidungstheorie WS 2009/2010 (A) S. 1 von 10 Zwischenklausur Fach: Prüfer: Veranstaltung: Finanzierung und Investition Prof. Dr. Dr. A. Löffler W2263 Entscheidungstheorie Endklausur Name
MehrMaterialien zur Vorlesung. Portfolio-Selektion
Materialien zur Vorlesung Portfolio-Selektion Burkhard Erke Quellen: Schmidt/Terberger, Kap. 8; Brealey/Myers, Kap. 7/8 Juli 2002 Lernziele Diversifikation mindert das Risiko eines Portefeuilles Effiziente
MehrKlausurrepetitorium ABWL
Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches
MehrSeminararbeit Finanz- und Versicherungsmathematik. Portfoliomanagement. Kamila Rachimova
Seminararbeit Finanz- und Versicherungsmathematik Portfoliomanagement Kamila Rachimova 31. Juli 2015 Inhaltsverzeichnis 1 Einführung 4 1.1 Nutzenfunktionen............................... 4 1.2 Risikobereitschaft...............................
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
MehrGeometrische Interpretation
Geometrische Interpretation Stefanie Riedel 10. Mai 2010 1 Starke und schwache Dualität über Wertemengen Wir betrachten eine einfache geometrische Interpretation dualer Funktionen aus der Menge G: G =
MehrLösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 =
Lösungsskizzen zu den Klausuraufgaben zum Kurs 4 Algorithmische Mathematik 4KSL3 6 Punkte Aufgabe. Die Folge (a n ) n N natürlicher Zahlen a n sei rekursiv definiert durch a 0 = 0, a n = a n + n falls
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre. Lösungshinweise zur Einsendearbeit 2 (WS 2010/2011)
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 010/011 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
MehrKAPITEL 3. Konvexe Funktionen
KAPITEL 3 Konvexe Funktionen Sei F R n ein Definitionsbereich und f : F R eine Funktion. Unter dem Epigraphen von f versteht man die Menge epif = {(x, z) R n+1 x F, z R, z f(x)}. Man nennt f konvex, wenn
Mehr6. PORTFOLIOTHEORETISCHE GRUNDLAGEN
Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS 9 ANHANGSVERZEICHNIS 13 ABBILDUNGSVERZEICHNIS 14 TABELLENVERZEICHNIS 17 TEILI: EINLEITUNG 19 1. AUSGANGSLAGE 19 2. ASSET ALLOCATION 21 2.1. Assetklassendiversifikation
MehrAufgabe 4.23 *: (Portefeuilletheorie und CAPM)
Aufgabe 43 *: (Portefeuilletheorie und CAPM) (Quelle: Bitz, M und Ewert, J, Übungen in Betriebswirtschaftslehre, 8 Aufl, München 014) Dem risikoscheuen Anleger SCHEU bietet sich zunächst nur die Möglichkeit,
MehrÜbung 5, Analytische Optimierung
Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =
MehrTaschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik
Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik von Wolfgang König, Heinrich Rommelfanger, Dietrich Ohse, Oliver Wendt, Markus Hofmann, Michael Schwind, Klaus Schäfer, Helmut Kuhnle, Andreas
Mehr[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrVersicherungsökonomie Lösungshinweise zu dem Aufgabenblatt zu Vorlesung 4
Georg Nöldeke Frühjahr 2012 Versicherungsökonomie Lösungshinweise zu dem Aufgabenblatt zu Vorlesung 4 1. Ist Individuum 1 risikoneutral, so ist u konstant. Insbesondere gilt also für beliebieg Allokationen
MehrPortfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra
Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra Lucia Del Chicca Markus Hohenwarter Seminar Mathematech, JKU 14 Mai 2015 Die Problemstellung Es ist allgemein bekannt, dass wenn wir ein bestimmtes
MehrNochmal: Indifferenzwahrscheinlichkeiten und Nutzenfunktion Reihung: Selbständigkeit Erfolg Geschäftsführer Vorstandsassistent Insolvenz
Nochmal: Indifferenzwahrscheinlichkeiten und Nutzenfunktion Reihung: Selbständigkeit Erfolg Geschäftsführer Vorstandsassistent Insolvenz Ref.-L.1: Selbst. Erfolg Sicher (300000) π = 1 1-π = 0 Selbständigkeit
MehrMultivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
MehrDynamische Systeme und Zeitreihenanalyse // Zustandsraummodelle und Kalman Filter 15 p.2/??
Dynamische Systeme und Zeitreihenanalyse Zustandsraummodelle und Kalman Filter Kapitel 15 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Zustandsraummodelle
MehrBeispiel 6 (Multivariate Normalverteilung)
Beispiel 6 (Multivariate Normalverteilung) Sei X N(µ,Σ). Es existiert eine Matrix A IR d k, sodass X d = µ+az wobei Z N k (0,I) und AA T = Σ. Weiters gilt Z = RS wobei S ein gleichmäßig verteilter Zufallsvektor
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
MehrProxies, Endogenität, Instrumentvariablenschätzung
1 4.2 Multivariate lineare Regression: Fehler in den Variablen, Proxies, Endogenität, Instrumentvariablenschätzung Literatur: Wooldridge, Kapitel 15, Appendix C.3 und Kapitel 9.4 Wahrscheinlichkeitslimes
MehrÜbungsaufgaben zur Portfolio-Selection-Theorie:
Übungsaufgaben zur Portfolio-Selection-Theorie: Aufgabe 1 Nachfolgend finden Sie die umweltzustandsabhängigen Renditen der Aktien A und B: S 1 S 2 S 3 S 4 S 5 WK 0,2 0,2 0,2 0,2 0,2 r A 0,18 0,05 0,12
MehrLineare Klassifikationsmethoden
Verena Krieg Fakultät für Mathematik und Wirtschaftswissenschaften 08. Mai 2007 Inhaltsverzeichnis 1. Einführung 2. Lineare Regression 3. Lineare Diskriminanzanalyse 4. Logistische Regression 4.1 Berechnung
MehrDas Lagrange-duale Problem
Das Lagrange-duale Problem Tobias Kulke 29. April 2010 1 Einführung Für jedes Paar (λ, ν) mit λ 0 liefert die Langrange-duale Funktion ( ) p g(λ, ν) = inf L(x, λ, ν) = inf f 0 (x) + λ i f i (x) + ν i h
MehrBachelor Modulprüfung. Höhere Mathematik III für die Fachrichtung Physik. Lösungsvorschläge
KARLSRUHER INSTITUT FÜR TECHNOLOGIE (KIT) Institut für Analysis Priv.-Doz. Dr. Peer Kunstmann Markus Antoni WS 22/23 Bachelor Modulprüfung Höhere Mathematik III für die Fachrichtung Physik Lösungsvorschläge
MehrKlausur DI/LA F 2006 LA : 1
Klausur DI/LA F 26 LA : Aufgabe (4+2=6 Punkte): Gegeben seien die Matrix A und der Vektor b mit λ A = λ und b = λ a) Bestimmen Sie die Werte λ R, für welche das Gleichungssystem Ax = b genau eine, keine
MehrLösungen Test 1 - Lineare Algebra
Name: Seite: Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Test - Lineare Algebra Dozent: R. Burkhardt Büro: 4. Klasse:. Studienjahr Semester: Datum: HS 8/9 Bemerkung Alle Aufgaben
Mehr10. Übung zur Linearen Algebra I -
. Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@FU-Berlin.de FU Berlin. WS 29-. Aufgabe 37 i Für welche α R besitzt das lineare Gleichungssystem 4 αx + αx 2 = 4x + α + 2x 2 = α genau eine,
MehrKlausur Mathematik, 1. Oktober 2012, A
Klausur, Mathematik, Oktober 2012, Lösungen, A 1 Klausur Mathematik, 1. Oktober 2012, A Die Klausureinsicht ist Do, 8.11.2012 um 18:00 in MZG 8.136. Die Klausur ist mit 30 Punkten bestanden. Falls Sie
MehrTopologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
MehrMathematik 2 für Wirtschaftsinformatik
für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar
MehrOptimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung
Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Dr. Nico Düvelmeyer Freitag, 24. Juni 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Dualität Motivation Duales LP Dualitätssätze
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrDiplomvorprüfung LA H 06 VD : 1
Diplomvorprüfung LA H 6 VD : Aufgabe : (3 + + = 6 Punkte) Gegeben sei die Matrix A = a) Bestimmen Sie die Eigenwerte von A b) Bestimmen Sie alle Eigenvektoren der Matrix A c) Ist die Matrix A invertierbar?
MehrDualität bei konvexer Optimierung
Dualität bei konvexer Optimierung Seminar zur Numerik I im SS 2016 Laslo Hunhold 10. Mai 2016 Ausarbeitung zum Seminarvortrag vom 2. Mai 2016 Mathematisches Institut Mathematisch-Naturwissenschaftliche
MehrFK WMS: Wirtschaftsmathematik 2, Einheit 7/8
FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.
Mehr= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det
Aufgabe 1 Wir wissen, dass sich die Determinante einer Matrix nicht verändert, wenn wir das Vielfache einer Spalte zu einer anderen Spalte bzw. das Vielfache einer Zeile zu einer anderen Zeile addieren.
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre. Lösungshinweise zur Einsendearbeit 2 (WS 2011/2012)
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2011/2012 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre. Lösungshinweise zur Einsendearbeit 2 (WS 2008/2009)
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2008/2009 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit
Mehr1. Aufgabe: Entscheidungen bei Ungewissheit
( WS 2012/13) 1. Aufgabe: Entscheidungen bei Ungewissheit Ein Entscheider steht vor dem Problem aus einer Menge von Investitionsalternativen (a 1, a 2,..., a 5 ) die beste Alternative auszuwählen. Zu welchem
MehrKapitel 8. Erwarteter Nutzen. Intertemporaler Nutzen für Mehrperioden-Entscheidungen
Kapitel 8 Erwarteter Nutzen Josef Leydold c 2006 Mathematische Methoden VIII Erwarteter Nutzen / 27 Lernziele Nutzenfunktion zur Risikobewertung Erwarteter Nutzen Maße für Risikoaversion Indifferenzkurven
MehrKapitalmarktlinie. von Kirstin Muldhoff
Capital Asset Pricing Model Kapitalmarktlinie von Kirstin Muldhoff Gliederung 1. Wiederholung Portfoliotheorie 2. Capital Asset Pricing Model (CAPM) (Kapitalmarktmodell) 2.1 Voraussetzungen des CAPM 2.2
MehrKlausur Entscheidungstheorie WS 2010/2011 S. 1 von 11
Klausur Entscheidungstheorie WS 2010/2011 S. 1 von 11 Fach: Prüfer: Veranstaltung: Finanzierung und Investition Prof. Dr. Dr. A. Löffler W2263 Entscheidungstheorie Name Vorname Matrikelnummer Punkte Beachten
Mehr12 Übungen zu Gauß-Algorithmus
Aufgaben zum Vorkurs B S. 2 Übungen zu Gauß-Algorithmus 2x x 2 = 7x +, 5x 2 = 7 Aufgabe 6: Aufgabe 7: Aufgabe 8: Aufgabe 9: 2x x 2 = x +2x 2 = 2 2x x 2 = 7x +, 5x 2 =, 5 x 2x 2 = x +x 2 = 5 2x +x 2 = 4
Mehr2. Ein Zufallsvektor X IR d ist multivariat normal verteilt dann und nur dann wenn seine charakteristische Funktion folgendermaßen gegeben ist:
Multivariate elliptische Verteilungen a) Die multivariate Normalverteilung Definition 2 Der Zufallsvektor (X 1, X 2,..., X d ) T hat eine multivariate Normalverteilung (oder eine multivariate Gauss sche
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre
Lösungshinweise zur Einsendearbeit des A-Moduls Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre, Kurs 0009, KE 4, 5 und 6, SS 00 Kurs 0009: Finanzierungs- und entscheidungstheoretische
MehrEinführung in Softwaretools zur Nichtlinearen Optimierung
Einführung in Softwaretools zur Nichtlinearen Optimierung 3. April 2017 5. April 2017 Sebastian Garreis, M. Sc. (hons) Johannes Haubner, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
MehrInvestitionsrechnung
Lutz Kruschwitz Investitionsrechnung 3., bearbeitete Auflage TECHNISCHE HOCHSCHULE DARMSTADT f Fochhereich 1 j G e s o m i b i b I i o t h e k Beifie iv- vv i r t:, c h o 11 s I e h r e W DE G Sachgebiete:
MehrFerienkurs Mathematik für Physiker I Blatt 3 ( )
Ferienkurs Mathematik für Physiker I WS 6/7 Ferienkurs Mathematik für Physiker I Blatt 3 (9.3.7) Aufgabe : Matrizenrechung 3 (a) Ermitteln Sie für die Matrix A = 3 4 den Ausdruck A + A + A + 6 A3. 3 4
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 3/4) Aufgabenblatt (9. Januar
MehrAbhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2.
Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2. Lineare Korrelation Annahme: var(x 1 ),var(x 2 ) (0, ). Der Koeffizient
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrMUSTERLÖSUNG DER EINSENDEARBEIT 2 ZUM MODUL 32581*
MUSTERLÖSUNG DER EINSENDEARBEIT 2 ZUM MODUL 32581* INVESTITIONSTHEORIE UND UNTERNEHMENSBEWERTUNG WS 2017/18 Aufgabe 1: Unternehmensbewertung (33 Punkte) Betrachtet sei die nach Endwertmaximierung in t
MehrÜbung zu Kapitalmarkttheorie II
Übung zu Kapitalmarkttheorie II Michael Heyna (MSc) Lehrstuhl für Theoretische Volkswirtschaftslehre Prof Dr Lutz Arnold Universität Regensburg Tel: +49-94-943-703 Raum RW(L) 406 WS 08/09 Inhaltsverzeichnis
MehrLösung - Schnellübung 13
D-MAVT/D-MATL Analysis II FS 7 Dr. Andreas Steiger Lösung - Schnellübung 3. Gegeben sei die Differentialgleichung y + λ 4 y + λ y = 0. Für welche Werte des reellen Parameters λ gibt es eine von Null verschiedene
MehrAufgabe Summe
FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Klausur: Finanz- und bankwirtschaftliche Modelle Prüfer: Univ.-Prof. Dr. Michael Bitz Termin: 23. September 2015 Aufgabe 1 2 3 4 Summe Maximale
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
MehrInhaltsverzeichnis. Innere-Punkte-Verfahren 3. Inhaltsverzeichnis 1
Inhaltsverzeichnis 1 Inhaltsverzeichnis Innere-Punkte-Verfahren 3 1 Theoretische Grundlagen 3 1.1 Die KKT-Bedingungen........................... 3 1.2 Der zentrale Pfad.............................. 4
MehrÜbung zu Kapitalmarkttheorie II
Übung zu Kapitalmarkttheorie II Marina Markheim (MSc) Lehrstuhl für Theoretische Volkswirtschaftslehre Prof Dr Lutz Arnold Universität Regensburg Tel: +49-94-943-2704 Raum RW(L)407 WS 207/208 Inhaltsverzeichnis
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
MehrArbitrage Free Pricing
Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrRechnerpraktikum zur Nichtlinearen Optimierung
Rechnerpraktikum zur Nichtlinearen Optimierung 9. März 2016 11. März 2016 Sebastian Garreis, B. Sc. Philipp Jarde, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl für Mathematische
MehrKonvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.
Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,
MehrRechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung
Rechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung 18.3.14-20.3.14 Dr. Florian Lindemann Moritz Keuthen, M.Sc. Technische Universität München Garching, 19.3.2014 Kursplan Dienstag, 18.3.2014
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrÜbung zu Kapitalmarkttheorie II
Übung zu Kapitalmarkttheorie II Marina Markheim Lehrstuhl für Theoretische Volkswirtschaftslehre Prof. Dr. Lutz Arnold Universität Regensburg Tel: +49-94-94-704 Raum RW(L)407 WS 05/06 WIEDERHOLUNG Aufgabe
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrVorlesung 3: Risikoaversion
Vorlesung 3: Risikoaversion Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 3 (FS 11) Risikoaversion 1 / 21 1. Modellrahmen In diesem Kapitel betrachten wir nur monetäre
MehrLösung zu Aufgabe 1 Blatt 9
Lösung zu Aufgabe 1 Blatt 9 Wir befinden uns in einem arbitragefreien 1-Perioden-Trinomialmodell. Die risikofreie Anlage β ist gegeben durch β 0 = 1 und β 1 = 1 + ρ mit ρ > 1. Die risikobehaftete Anlage
MehrÜbungen zur Speziellen und Allgemeinen Relativitätstheorie
Übungen zur Speziellen und Allgemeinen Relativitätstheorie Blatt 1 WS 08/09 Abgabe: 22.10.2008 Prof. Dr. T. Mannel, S. Faller 1. Galilei-Gruppe Die Gruppe G der Galilei-Transformationen g = g, v, a, λ,
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Gliederung 1 : Einführung 2 Differenzieren 2 3 Deskriptive 4 Wahrscheinlichkeitstheorie
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
MehrDie Lagrange-duale Funktion
Die Lagrange-duale Funktion Gregor Leimcke 21. April 2010 1 Die Lagrangefunktion Wir betrachten das allgemeine Optimierungsproblem wobei minimiere f 0 über D sodass f i 0, i = 1,..., m 1.1 D = h i = 0,
Mehr