Modellierung von Preisprozessen: Stochastische Volatilität
|
|
- Ida Schmitz
- vor 8 Jahren
- Abrufe
Transkript
1 Modellierung von Preisprozessen: Stochastische Volatilität Jochen Krebs
2 Gliederung 1. Ausgangssituation 2. Volatilitätsbegriffe 3. Ursachen von Volatilitätsschwankungen 4. Ein Volatilitäts-Informations-Modell 5. Stochastische Volatilität und die stilisierten Fakten 6. Überblick über Stochastic-Volatility Modelle 7. Das Two-State Modell 8. Das Standard-Stochastic-Volatility Modell
3 1. Ausgangssituation 1. Ausgangssituation Volatilität = Maß für die Preisvariabilität über eine Zeitspanne. Marktteilnehmer glauben nicht an konstante Volatilität. Stilisierte Fakten: Volatilitätscluster, Beträge und Quadrate der Renditen sind positiv autokorreliert. ARCH-Modelle tragen den veränderlichen Schwankungen der Renditen nur bedingt Rechnung, da die Volatilität in t nach Modellwahl vollständig durch die Prozessvergangenheit bestimmt wird. Makroökonomische Neuigkeiten verursachen einen kurzzeitigen, geringen Volatilitätsanstieg. Die Volatilität ist in Krisenzeiten hoch und in entspannten Phasen niedrig. Große Depression (Phase sehr hoher Volatilität) Watergate Affäre 1973 (Phase hoher Volatilität beendet durch Rücktritt von Nixon) Finanzkrise 1987, 11. September 2001 (den Ereignissen folgte eine Phase extrem hoher Volatilität)
4 2. Volatilitätsbegriffe 2. Volatilitätsbegriffe Beispiele für Gebrauchsformen des Volatilitätsbegriffs: 1. Die Volatilität der Siemens-Aktie ist 30 % pro Jahr. 2. Die jährliche Volatilität der Pfund-Dollar-Wechselkurs betrug %. 3. Die Volatilität einer Rendite vom 23. auf den 24. Dezember betrug (0.01) Die Volatilität eines Preisprozesses ist ein mean-reverting stochastischer Prozess. 5. Eine europäische Call-Option mit Kaufdatum , Ausübungszeitpunkt und Strike-Preis 20 Euro hat eine Volatilität von 0.15.
5 2. Volatilitätsbegriffe Unterschiedliche Interpretationen: 1. Volatilität als Parameter (z.b. der geom. Brownschen Bewegung). 2. Historische Volatilität der letzten n Renditen r t n,.., r t 1: ( ) 1 1 n 2 s = (r t i r) 2 n 1 Umfasst ein Jahr N Perioden, so kann s N als Schätzung der Ein-Jahres-Volatilität herangezogen werden. 3. Konditionale Volatilität: die Standardabweichung einer zukünftigen Rendite, gegebenen bereits bekannte Größen (frühere Renditen). Dazu benötigt man ein Zeitreihenmodell und eine vorausgehende Parameterschätzung an Hand historischer Daten. Modellwahl: z.b. ARCH. Einfachstes Beispiel: i=1 h t = w + α(r t 1 µ) 2 + βh t 1 Schätzung der Modellparameter w, α, µ, β über eine lange Zeitreihe. h t = (0.01) 2 für den Return vom auf den
6 2. Volatilitätsbegriffe 4. Stochastische Volatilität: Volatilität σ wird als nicht konstant angenommen. (σ t) t ist also ein stochastischer Prozess ( Volatilitätscluster möglich). Mit Hilfe von (r 2 t ) t, ( r t ) t lassen sich Informationen über (σ t) t gewinnen. 5. Implizierte Volatilität: im einfachsten Fall derjenige Parameter σ, für den der Marktpreis c M einer Option dem nach der Black-Scholes-Formel berechneten theoretischen Wert entspricht (dasjenige σ mit c(σ) = c M )). Allgemeiner: σ(t, K) mit c(σ(t, K)) = c M (T, K) (T Ausübungszeitpunkt, K Strike Preis). Optionspreise sind eine wichtige Vorhersagequelle für Volatilität.
7 3. Ursachen von Volatilitätsschwankungen 3. Ursachen von Volatilitätsschwankungen Inflation, Beschäftigungszahlen und industrielle Produktion beeinflussen die Volatilität von Aktien, Wechselkursen und Zinssätzen langfristig zu einem kleinen Anteil (Schwert 1989). Die Aktienvolatilität ist zu einem gewissen Anteil abhängig vom absoluten Marktwert der Aktie (Leverage Effekt: Volatilität steigt bei negativen Renditen stärker als bei entsprechenden positiven Renditen). Asymmetrische Informationen bedingen Veränderungen der Volatilität (Brock, LeBaron 1996, Timmermann 2001, Johnson 2001). Volatilität und Handelsvolumen sind positiv korreliert (aber vermutlich besteht kein direkter kausaler Zusammenhang) (Karpoff 1987, Gallant Rossi, Tauchen 1992). Neue Marktinformationen beeinflussen die Volatilität (empirisch schwer nachweisbar, da unklar ist, welche Informationen marktrelevant sind). Ökonomische Schlagzeilen haben einen signifikanten Einluß (Melvin, Yin 2000, Chang, Taylor 2003).
8 4. Ein Volatilitäts-Informations-Modell 4. Ein Volatilitäts-Informations-Modell Ziel: Erfassung der Auswirkung neuer Marktinformationen auf die Volatilität. Modellierung: Annahme eines effizienten Markts. Die täglichen Renditen r t haben den Erwartungswert µ. Die Anzahl der Neuigkeiten/Informationen in t ist eine Zufallsvariable: N t. Bei Eintreten der Neuigkeit i am Tag t ändert sich der logarithmierte Preis um ɛ i,t, wobei ɛ i,t iid N (µ, σ 2 ). Alle ɛ i,t sind untereinander unabhängig und unabhängig von N t.
9 4. Ein Volatilitäts-Informations-Modell Dann gilt: N t r t = µ + ɛ i,t mit ɛ iid i,t N (µ, σ 2 ) (1) i=1 Daher ist r t Nt =n t normalverteilt mit Varianz Var(r t N t = n t) = n tσ 2. Als Modell ergibt sich somit: r t = µ + σ tu t mit σ 2 t = N tσ 2, wobei u t iid N(0, 1) und u t unabhängig von σ t ist.
10 4. Ein Volatilitäts-Informations-Modell Die Volatilität σ t ändert sich, wenn sich die Anzahl der auf dem Markt eintreffenden Informationen ändert (aus (1)). Sind die Anzahlen von Neuigkeiten positiv autokorreliert, so sind es auch die Volatilitäten. In diesem Fall liegt ein Volatilitätsclustering vor. Unter weiteren Annahmen sind das erwartete Handelsvolumen und die Anzahl der eintreffenden Markinformationen proportional zueinander. In diesem Fall sind Volumen und Volatilität positiv korreliert. Kritik am Modell: Öffentlich zugängliche Informationen sind nicht die einzige Quelle für Preisänderungen (Insiderinformationen, Preisänderungen durch Spekulationen).
11 5. Stochastic-Volatility-Modelle und die stilisierten Fakten 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Grundlegendes Stochastic-Volatility-Modell (SV-Modell): r t = µ + σ tu t, u t iid N (0, 1) σ t positive Zufallsvariable mit mehr als einem Wert (σ t) t N stationär, E(σt 4 ) < (σ t) t N positiv autokorreliert (σ t) t N, (u t) t N stochastisch unabhängig Abgrenzung zu ARCH-Modellen: Var(σ t r t 1, r t 2,..) > 0. Die Bedingung der Unabhängigkeit von (σ t) t und (u t) t impliziert: E(f 1(σ t, σ t 1,..)f 2(u t, u t 1,..)) = E(f 1(σ t, σ t 1,..))E(f 2(u t, u t 1,..))
12 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Stilisierte Fakten von Preisprozessen: 1. Leptokurtische Verteilung (Kurtosis k r > 3), fat tails. 2. Renditen r t sind höchstens gering autokorreliert. 3. rt 2, r t positiv autokorreliert Volatilitätsclustering. Momente von r t: E(r t) = µ Var(r t) = E((r t µ) 2 ) = E(σ 2 t u 2 t ) = E(σ 2 t )E(u 2 t ) = E(σ 2 t ) E((r t µ) 4 ) = E((σ tu t) 4 ) = E(σ 4 t )E(u 4 t ) = 3E(σ 4 t )
13 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Kurtosis(r t) = E((rt µ)4 ) = 3E(σ4 t ) (Var(r t)) 2 (E(σt 2 )) = 3 [ (E(σ 2 t )) 2 + Var(σt 2 ) ] 2 (E(σt 2 )) 2 ( ) = Var(σ2 t ) > 3 (E(σt 2 )) 2 cov(r t, r t+τ ) = cov(σ tu t, σ t+τ u t+τ ) = E((σ tu t)(σ t+τ u t+τ )) E(σ tu t)e(σ t+τ u t+τ ) = E(σ tσ t+τ )E(u t)e(u t+τ ) E(σ t)e(u t)e(σ t+τ )E(u t+τ ) = 0 0 = 0 für alle τ N ρ r (τ) = cov(rt, rt+τ ) (Var(r t)) 2 = 0 für alle τ N
14 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Korrelation von s t = (r t µ) 2 : cov(s t, s t+τ ) = cov(σt 2 ut 2, σt+τ 2 ut+τ 2 ) = E(σt 2 ut 2 σt+τ 2 ut+τ 2 ) E(σt 2 ut 2 )E(σt+τ 2 ut+τ 2 ) = E(σt 2 σt+τ 2 )E(ut 2 )E(ut+τ 2 ) E(σt 2 )E(ut 2 )E(σt+τ 2 )E(ut+τ 2 ) = E(σt 2 σt+τ 2 ) E(σt 2 )E(σt+τ 2 ) = cov(σt 2, σt+τ 2 ) > 0 für alle τ N da σ 2 t als positiv autokorreliert vorausgesetzt wurde. Also: ρ s(τ) > 0 für alle τ N Wir werden sehen: ρ s(τ) = kr 3 3(k r 1) ρ σ 2(τ). Man kann zeigen, dass auch die Beträge der erwartungsbereinigten Renditen r t µ positiv autokorreliert sind.
15 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Folgerung: Die grundlegenden stilisierten Fakten werden durch die vorgestellte Klasse von SV-Prozessen abgebildet. Freiheitsgrad: Wahl von (σ t) t. Bemerkungen: Allgemeinere SV-Prozesse erhält man, wenn man die Forderung, dass (u t) t ein Gaußprozess ist, aufgibt. Auch stochastisch abhängige Prozesse (σ t) t, (u t) t sind von Interesse, da nur auf diese Weise der Leverage-Effekt der Volatilität bezüglich der Renditen modelliert werden kann. Diese Situation ist jedoch sehr viel komplizierter, was sich bereits in der Berechnung der Momente zeigt. Im Folgenden werden Zeitreihenmodelle zur Volatilitätsschätzung eingesetzt, ohne dass die genauen Bedingungsfaktoren der Volatilitätsänderungen bekannt sind. Die Schätzung der Volatilitäten σ t erfolgt über die Renditen r t. Optionspreise tragen weitere Informationen bei, die zur Vorhersage von zukünftiger Volatilität verwendet werden können.
16 5. Stochastic-Volatility-Modelle und die stilisierten Fakten Allgemeine Formel für die Kurtosis, falls (u t) t kein Gauß-Prozess ist: Kurtosis(r t) =: k r = k u E(σ 4 t ) (E(σ 2 t )) 2 Für die Autokorrelationsfunktion von s t = (r t µ) 2 ergibt sich dann: ρ s(τ) = cov(st, st+τ ) var(s t) = E(σ4 t ) (E(σ 2 t ) 2 ) var(σ 2 t u 2 t ) = cov(σ2 t, σ 2 t+τ ) var(s t) ρ σ 2(τ) = = var(σ2 t ) var(s t) cov(σ 2 t, σ 2 t+τ ) var(σ 2 t ) ( ) (E(σt 2 ))2 E(σt k u k 4 ) u k (E(σt 2 u ))2 E((σt 2 ut 2 ) 2 ) (E(σt 2 ut 2 )) 2 ρ σ 2(τ) = = k r k u k u (E(u 4 (E(σt 2))2 t )E(σt 4 ) (E(σt 2 )) 2 ) ρ σ 2(τ) k r k u k u (k (E(σ ue(σ 4 t 2))2 t ) (E(σt 2 )) 2 ) ρ σ 2(τ) = kr ku k u(k r 1) ρ σ 2(τ)
17 6. Überblick über Stochastic-Volatility-Modelle 6. Überblick über Stochastic-Volatility-Modelle Rahmen aller SV-Modelle: r t µ = σ tu t In der einfachsten Situation sind (σ t) t, (u t) t stochastisch unabhängig und die Zufallsvariablen u t sind iid und standardisiert. Als Volatilitätsprozess kann z.b. eine endliche Markovkette mit zwei Zuständen gewählt werden (Two-State-Modell). Das sog. Standardmodell erhält man, wenn man den zentrierten, logarithmierten Volatilitätsprozess (log(σ t) µ log(σ) ) t als AR(1)-Prozess ansetzt. Selbst in den einfachsten Fällen ist die Parameterschätzung schwierig. Kompliziertere SV-Modelle: Heavier tails für die Verteilung von r t µ (σt ) t, (u t ) t stochastisch abhängig Multivariate SV-Modelle Kombination von SV-Modellen mit ARCH-Modellen
18 6. Überblick über Stochastic-Volatility-Modelle Vergleich von SV-Modellen mit ARCH-Modellen: SV-Modell: r t µ = σ tu t u t iid N (0, 1), σ t > 0 Var(σ t I t 1) > 0 Zwei Unsicherheitskomponenten bei gegebener Informationsmenge I t 1 = {r t 1, r t 2,...}: in u t und in σ t. ARCH-Modell: r t µ = h tz t z t iid Var(h t I t 1) = 0 Die Substitution h t := σt 2 impliziert nicht, dass SV-Modelle ARCH-Modelle sind, da Var(σ t I t 1) > 0 im Widerspruch zu Var(h t I t 1) = 0 steht.
19 7. Das Two-State-Modell 7. Das Two-State-Modell r t µ = σ tu t, u t iid N (0, 1) σ t = { σl mit Wahrscheinlichkeit p σ H mit Wahrscheinlichkeit 1 p (σ t) t Markov-Prozess: die Wahrscheinlichkeit eines Zustandswechsels hängt nur vom letzten Zustand ab. (σ t) t N stationär, E(σ 4 t ) < (σ t) t N positiv autokorreliert (σ t) t N, (u t) t N stochastisch unabhängig Bemerkungen: Einfachstes SV-Modell. Stilisierte Fakten werden bereits abgebildet. Weniger gute Beschreibung der Renditen als bei Modellen mit kontinuierlicher Volatilitätsverteilung.
20 7. Das Two-State-Modell Zustandswechsel-Wahrscheinlichkeiten: p LH := P{σ t = σ H σ t 1 = σ L } p HL := P{σ t = σ L σ t 1 = σ H } P{σ t+1 = σ L } = P{σ t = σ L σ t+1 = σ L } + P{σ t = σ H σ t+1 = σ L } = P{σ t = σ L } P{σ t+1 = σ L σ t = σ L } + P{σ t = σ H } P{σ t+1 = σ L σ t = σ H } = p(1 p LH ) + (1 p)p HL! = p Also: p HL pp LH = (1 p)p HL beziehungsweise p = P LH + p HL 5 Modellparameter: µ, σ L, σ H, p, p LH (bzw. p HL statt p LH ).
21 7. Das Two-State-Modell Momente von (r t) t: var(r t) = E(σ 2 t ) = pσ 2 L + (1 p)σ 2 H k r = Kurtosis(r t) = 3E(σ4 t ) (E(σt 2 )) = 3(pσ4 L + (1 p)σh) 4 2 (pσl 2 + (1 p)σ2 H )2 Autokorrelation von (σ 2 t ) t und (s t) t = ((r t µ) 2 ) t: ρ σ 2(τ) = φ τ mit φ := 1 p LH p HL k r 3 ρ s(τ) = 3(k r 1) φτ Der Persistenzparameter φ ist für die täglichen Renditen nahezu 1. Die Zustandswechselwahrscheinlichkeiten p LH und p HL sind daher sehr klein. Zustandswechsel sind selten Volatilitätscluster.
22 7. Das Two-State-Modell Parameterschätzung im Two-State-Modell: Likelihoodfunktion L(r 1,.., r n) einer Menge von Renditen = Produkt der bedingten Dichten. Mögliches Schätzverfahren: 1. Schätze µ durch das Datenmittel 1 n n r t. 2. Bestimme das Maximum der Funktion F (σ L, σ H, p LH, p HL ) := log L σl,σ H,p LH,p HL (r 1,.., r n) durch Anwendung des mehrdimensionalen Newton-Verfahrens auf F. t=1
23 7. Das Two-State-Modell Beispiel: DM/Dollar-Wechselkurs-Tagesgewinne. Parameterbestimmung lieferte folgende Werte: µ = , σ L = , σ H = , p = , φ = , p LH = , p HL =
24 7. Das Two-State-Modell Volatilitätsprozess im Beispiel:
25 8. Das Standard-Stochastic-Volatility-Modell 8. Das Standard-Stochastic-Volatility-Modell Einfachste kontinuierliche Verteilung der Volatilität: log(σ t) N (α, β 2 ). Diese Wahl garantiert σ t > 0 für alle t, alle Momente sind berechenbar und jede beliebige Kurtosis kann modelliert werden. Die Autokorrelation des Volatilitätsprozesses ist proportional zur Autokorrelation der absoluten, erwartungsbereinigten Renditen AR(1)-Prozess als einfachste Modellierung des Volatilitätsprozesses. Modellwahl für den Volatilitätsprozess: log(σ t) α = φ(log(σ t 1) α) + η t, η iid t N (0, ση) 2 wobei α = µ log(σ) der Erwartungswert der logarithmierten Volatilität ist. φ=volatilitätsbeständigkeit (Persistenzparameter) ( 1 < φ < 1).
26 8. Das Standard-Stochastic-Volatility-Modell Standard-Stochastic-Volatility-Modell: r t = µ + σ tu t, u t iid N (0, 1) log(σ t) α = φ(log(σ t 1) α) + η t, η t iid N (0, σ 2 η) ση 2 = β 2 (1 φ 2 ) µ, α, β R, 1 < φ < 1 (σ t) t N stationär (σ t) t N positiv autokorreliert (σ t) t N, (u t) t N stochastisch unabhängig
27 8. Das Standard-Stochastic-Volatility-Modell Wichtigste Eigenschaften des Standard-SV-Modells: Alle Momente sind endlich. k r = 3e 4β2. ρ r (τ) = 0 für alle τ > 0. ρ s(τ) > 0 für alle τ > 0. Approximativ gilt: ρ s(τ) c(β)φ τ für eine positive Konstante c(β). Die Autokorrelationsfunktion von r t µ p hat approximativ dieselbe Gestalt wie die Autokorrelationsfunktion von s t = (r t µ) 2.
28 8. Das Standard-Stochastic-Volatility-Modell Linearisierte Darstellung des Standard-SV-Modells: Für l t = log( r t µ ), L t = log(σ t), ξ t = log( u t ) schreiben sich die Bestimmungsgleichungen des Standard-SV Modells als l t = L t + ξ t L t = (1 φ)α + φl t 1 + η t Diese Darstellung ermöglicht die Anwendung von Parameterschätzverfahren wie dem Kalman-Filter. Der Persistenzparameter φ liegt gewöhnlich zwischen 0.95 und 0.99, da die Prozesse r t bzw. rt 2 eine sehr hohe Autokorrelation aufweisen.
29 8. Das Standard-Stochastic-Volatility-Modell Beispiel: DM/Dollar-Wechselkurs-Tagesrenditen. Parameterbestimmung lieferte folgende Werte: µ = , α = 5.155, β = , φ =
30 8. Das Standard-Stochastic-Volatility-Modell Volatilitätsprozess im Beispiel: Starke empirische Hinweise sprechen im Beispiel der Wechselkursrenditen gegen das Two-State Modell (Taylor 1999).
31 8. Das Standard-Stochastic-Volatility-Modell Schlussbemerkung: Stochastic-Volatility Modelle sind eine wertvolle Alternative zu ARCH-Modellen, da sie die stilisierten Fakten ebenfalls nachbilden. Ihr Vorteil liegt in der umfassenderen Einbeziehung von Volatilitätseffekten. Nachteilig ist die deutlich schwierigere Parameterbestimmung selbst für die einfachste Modellwahl (Two-State-Modell).
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
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
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
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
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
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
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
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
MehrFinancial Leverage. und die unendliche Rendite des Eigenkapitals und ihr Risiko
Financial Leverage und die unendliche Rendite des Eigenkapitals und ihr Risiko Gliederung 1. Der Leverage-Effekt 2. Die Leverage-Chance 3. Die Leverage-Gefahr 4. Das Leverage-Risiko 5. Schlussfolgerungen
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
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
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
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.
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrMarkovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015
Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet
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
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
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
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
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
MehrValue at Risk Einführung
Value at Risk Einführung Veranstaltung Risk Management & Computational Finance Dipl.-Ök. Hans-Jörg von Mettenheim mettenheim@iwi.uni-hannover.de Institut für Wirtschaftsinformatik Leibniz Universität Hannover
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
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
Mehr2. Gesundheitsfinanzierung
2. Gesundheitsfinanzierung Inhalte dieses Abschnitts 2.1 Grundmodell der Versicherung Versicherungsmotiv Optimale Versicherungsnachfrage Aktuarisch faire und unfaire Prämien 145 2.1 Grundmodell der Versicherung
Mehr2. Mai 2011. Geldtheorie und -politik. Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6)
Geldtheorie und -politik Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6) 2. Mai 2011 Überblick Bestimmung des Zinssatzes im Markt für Anleihen Erklärung der Dynamik von Zinssätzen Überblick
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
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
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
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
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
MehrHIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN
HIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN Zinsen haben im täglichen Geschäftsleben große Bedeutung und somit auch die eigentliche Zinsrechnung, z.b: - Wenn Sie Ihre Rechnungen zu spät
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrAufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)
Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer
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
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
Mehr11.AsymmetrischeInformation
.AsymmetrischeInformation Informationistnurwichtig,wenneineEntscheidungssituationdurcheinunsicheresUmfeld charakterisiertist.istesvielleichtso,daßauchdieunsicherheitselbstzueinereinschränkung derfunktionsfähigkeitvonmärktenführt?diesistinder
MehrDer Leverage-Effekt wirkt sich unter verschiedenen Umständen auf die Eigenkapitalrendite aus.
Anhang Leverage-Effekt Leverage-Effekt Bezeichnungs- Herkunft Das englische Wort Leverage heisst Hebelwirkung oder Hebelkraft. Zweck Der Leverage-Effekt wirkt sich unter verschiedenen Umständen auf die
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrLösungshinweise zur Einsendearbeit 2 SS 2011
Lösungshinweise zur Einsendearbeit 2 zum Kurs 41500, Finanzwirtschaft: Grundlagen, SS2011 1 Lösungshinweise zur Einsendearbeit 2 SS 2011 Finanzwirtschaft: Grundlagen, Kurs 41500 Aufgabe Finanzierungsbeziehungen
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrAbschlussklausur am 12. Juli 2004
Institut für Geld- und Kapitalverkehr Vorlesung Nr. 03.511 der Universität Hamburg Grundkonzeptionen der Finanzierungstheorie (ABWL / Finanzierung) Dr. Stefan Prigge Sommersemester 2004 Abschlussklausur
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrÜbungsaufgaben Tilgungsrechnung
1 Zusatzmaterialien zu Finanz- und Wirtschaftsmathematik im Unterricht, Band 1 Übungsaufgaben Tilgungsrechnung Überarbeitungsstand: 1.März 2016 Die grundlegenden Ideen der folgenden Aufgaben beruhen auf
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
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrTechnische Analyse der Zukunft
Technische Analyse der Zukunft Hier werden die beiden kurzen Beispiele des Absatzes auf der Homepage mit Chart und Performance dargestellt. Einfache Einstiege reichen meist nicht aus. Der ALL-IN-ONE Ultimate
MehrZahlenoptimierung Herr Clever spielt optimierte Zahlen
system oder Zahlenoptimierung unabhängig. Keines von beiden wird durch die Wahrscheinlichkeit bevorzugt. An ein gutes System der Zahlenoptimierung ist die Bedingung geknüpft, dass bei geringstmöglichem
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
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
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrBei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient.
Beschreibung der Focus Methode Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient. 1. F = Failure / Finding An dieser Stelle wird der
MehrAZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"
AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrRuinwahrscheinlichkeiten im Glücksspiel
Ruinwahrscheinlichkeiten im Glücksspiel Wilhelm Stannat Fachbereich Mathematik TU Darmstadt February 24, 2007 Stochastik = Wahrscheinlichkeitstheorie + Statistik Wahrscheinlichkeitstheorie = Mathematische
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
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,
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
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
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
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
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.
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrDie Bundes-Zentrale für politische Bildung stellt sich vor
Die Bundes-Zentrale für politische Bildung stellt sich vor Die Bundes-Zentrale für politische Bildung stellt sich vor Deutschland ist ein demokratisches Land. Das heißt: Die Menschen in Deutschland können
MehrWelchen Nutzen haben Risikoanalysen für Privatanleger?
Welchen Nutzen haben Risikoanalysen für Privatanleger? Beispiel: Sie sind im Sommer 2007 Erbe deutscher Aktien mit einem Depotwert von z. B. 1 Mio. geworden. Diese Aktien lassen Sie passiv im Depot liegen,
MehrAlle gehören dazu. Vorwort
Alle gehören dazu Alle sollen zusammen Sport machen können. In diesem Text steht: Wie wir dafür sorgen wollen. Wir sind: Der Deutsche Olympische Sport-Bund und die Deutsche Sport-Jugend. Zu uns gehören
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
Mehr16 Risiko und Versicherungsmärkte
16 Risiko und Versicherungsmärkte Entscheidungen bei Unsicherheit sind Entscheidungen, die mehrere mögliche Auswirkungen haben. Kauf eines Lotterieloses Kauf einer Aktie Mitnahme eines Regenschirms Abschluss
MehrImpulse Inklusion 2015. Selbst-bestimmtes Wohnen und Nachbarschaft
Impulse Inklusion 2015 Selbst-bestimmtes Wohnen und Nachbarschaft Impulse sind Ideen und Vorschläge. Inklusion bedeutet: Alle Menschen können selbst-bestimmt und gleich-berechtigt am Leben teilnehmen.
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
MehrEva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit
Eva Douma: Die Vorteile und Nachteile der Ökonomisierung in der Sozialen Arbeit Frau Dr. Eva Douma ist Organisations-Beraterin in Frankfurt am Main Das ist eine Zusammen-Fassung des Vortrages: Busines
MehrDie Wirtschaftskrise aus Sicht der Kinder
Die Wirtschaftskrise aus Sicht der Kinder Telefonische Befragung bei 151 Kindern im Alter von 8 bis 12 Jahren Präsentation der Ergebnisse Mai 2009 EYE research GmbH, Neuer Weg 14, 71111 Waldenbuch, Tel.
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrFinanzwirtschaft Teil III: Budgetierung des Kapitals
Finanzmärkte 1 Finanzwirtschaft Teil III: Budgetierung des Kapitals Kapitalwertmethode Agenda Finanzmärkte 2 Kapitalwertmethode Anwendungen Revolvierende Investitionsprojekte Zusammenfassung Kapitalwertmethode
MehrDas Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005
Das Bayes-Theorem Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Ein lahmer Witz Heute im Angebot: Ein praktisches Beispiel zur Einleitung Kurze Wiederholung der Überblick über Reverend
MehrDie drei Kernpunkte der modernen Portfoliotheorie
Die drei Kernpunkte der modernen Portfoliotheorie 1. Der Zusammenhang zwischen Risiko und Rendite Das Risiko einer Anlage ist die als Varianz oder Standardabweichung gemessene Schwankungsbreite der Erträge
Mehr