Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko
|
|
- Walter Tiedeman
- vor 8 Jahren
- Abrufe
Transkript
1 Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr
2 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 2
3 1.1 Ziel Bestimmung der Verlustverteilung für beide Modelle Empirischer Test des Modellverhalten Ähnlichkeit der Modelle Sensitivität bzgl. der zugrunde liegenden Parameter Intuition für Verhalten der Modelle in der Praxis entwickeln Notwendig: Synthetische Portfolios, um die Modelle unter vergleichbaren Bedingungen zu testen 3
4 1.2 CreditRisk+ und CreditMetrics CreditRisk+: Default Probability Model Individuelle Ausfallwahrscheinlichkeiten abhängig vom systematischen Risikofaktor Verlustverteilung über wahrscheinlichkeitserzeugende Funktion bestimmt Bernoulli Verteilung Poisson Approximation CreditMetrics: Ordered Probit Model Kreditereignisse verursacht durch Veränderungen in latenten Variablen Ausfallkorrelationen zwischen den Kreditereignissen Bestimmt durch Monte Carlo Simulation CM2S Reduziertes CreditMetrics Modell Nur zwei Zustände: Kreditausfall Kein Kreditausfall Grund: Vergleichbarkeit der Modelle 4
5 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 5
6 2.1 Konstruktion des Kreditportfolios Ziel ist es ein reales Bankportfolio zu konstruieren Datenherkunft: Federal Reserve Board surveys of large banking organizations Low, average und high Very low: sehr schwaches Bankportfolio in der Rezession. Mindestens 50% speculative grade. Society of Actuaries (SoA) Portfoliokonzentration Portfolio aus mittelgroßen und großen privat platzierten Krediten 6
7 2.1 Konstruktion des Kreditportfolios Portfoliokonstruktion Kreditqualität Berücksichtigung durch unterschiedliche Verteilungen der einzelnen Kreditqualitäten (very low, low, average und high) 25% 83% 7
8 2.1 Konstruktion des Kreditportfolios Anzahl der Schuldner Standardmäßig auf n = 5000 gesetzt. Variation zur Überprüfung der Robustheit Konzentration des Portfolios Kalibrierung gemäß des SoA Datensatzes Zwei Schritte zur Bestimmung der Konzentration 1. Aufteilung aller Schuldner über die Ratinggrade 2. Bestimmung der Verteilung der Exposures innerhalb der Ratingklassen 8
9 2.1 Konstruktion des Portfolios q " = n " v " q " : n " : v " : n " # n g v g g Prozentualer Anteil des Exposures im Ratinggrad Durchschnittliche Anzahl der Schuldner im Ratinggrad Durchschnittlicher Buchwert in den SoA Daten in Ratinggrad soll entsprechend der Exposureanteile in den SoA Daten verteilt werden Lösbares LGS Die q " werden über die n " innerhalb eines Ratinggrades verteilt Bildung einer kummulativen Verteilung der Kreditgrößen Normierung der n " Kreditgrößen mit dem Gesamtexposure Verteilung der Kreditgrößen unabhängig von Veränderungen von n " Zum Test der Robustheit wird ein Portfolio mit gleich großen Krediten konstruiert " " " 9
10 2.1 Konstruktion des Kreditportfolios Weitere Anpassungen des Portfolios LGD ist konstant und beträgt λ = 0,3 CM2S: Der Verlust ist eine fixe Größe des Exposures Im CreditRisk+ Modell muss die Verteilung der Exposures diskretioniert werden. Durch Wahl der Basiseinheit des Exposures: λ * 5tes Perzentil der Kreditgrößenverteilung 10
11 2.2 Kalibrierung des Kreditportfolios Ziel der Kalibrierung: Ausfallwahrscheinlichkeit und Korrelation sind sehr wichtig für die Form der Verlustverteilung Die Modelle sollen die gleichen Ausfallwahrscheinlichkeiten und Korrelationen der Ausfallraten haben. Da die Modelle in ihrem Aufbau unterschiedlich sind, ist der Kalibrierungsprozess aufwendig Die Kalibrierung erfolgt auf einen ein jährigen Risikohorizont Zur Vereinfachung wird nur ein Risikofaktor x verwendet 11
12 2.2 Kalibrierung des Kreditportfolios Innerhalb der Ratingklassen sind die Schuldner statistisch identisch p : unbedingte Ausfallwahrscheinlichkeit " p : langfristige durchschnittliche jährliche Ausfallwahrscheinlichkeit w : Risikogewicht (Faktorladungen der Modelle) " sind in einer Ratingklasse gleich. Die Risikofaktoren (Faktorladungen) werden modellabhängig bestimmt Bestimmen sich aus den historischen Ausfallvolatilitäten Zur Bestimmung sind zwei Schritte notwendig 12
13 2.2 Kalibrierung des Kreditportfolios 1. Schritt: Bestimmung der Volatilitäten der historischen Ausfallraten Historische Ausfallrate: ˆ p "t = ˆ d "t ˆ n "t Anzahl der Ausfälle innerhalb einer Ratingklasse zur Anzahl der Schuldner Varianz der bedingten Ausfallraten: V [ p " (x)] = [ ] # E 1 & ˆ V ˆ p " $ ' % n " () p ˆ " (1# p ˆ " ) $ 1# E 1 ' %& n ˆ " () 13
14 2.2 Kalibrierung des Kreditportfolios Herleitung der bedingten Varianz: [ ] = E V ˆ V ˆ p " E V p ˆ " x, ˆ [ [ p " x, n ˆ ]] + V E p ˆ " " x, ˆ [ [ n ]] = E% V ˆ " 2 % n ˆ " # $ d " x, n ˆ & [ " ]( ( ' [ [ n ]] " $ = E p " (x)(1# p " (x))' & 2 ) % n ˆ " ( # = E 1 & $ % n ˆ " '( (E [ p (x) " ] ) (V p " (x) # = E 1 & $ % n ˆ " '( ( p " (1) p " ) )V [ p " (x)]) [ ] + E[ p " (x)] 2 )) 14
15 2.2 Kalibrierung des Kreditportfolios Ergebnis ist problematisch: In den Ratingklassen AAA und AA keine Ausfälle Berechnung der Volatilität nicht möglich. Lösung: Anpassung der Werte, so dass sie plausibel sind Bedingte normierte Standardabweichung der Ausfallwahrscheinlichkeit 15
16 2.2 Kalibrierung des Kreditportfolios 2. Schritt: Dieser Schritt ist modellabhängig CreditMetrics: Die Varianz ist durch eine bivariate Normalverteilung gegeben V " # Var p " (x) [ ] = $(C ", C ", w " 2 ) % p " 2 C " ist der Schwellenwert des Kreditausfalls Die Risikogewichte werden durch die obige Formel eindeutig bestimmt und lassen sich aus der Formel herleiten. CreditRisk+: Zwei Risikofaktoren: systematischer und idiosynkratischer Risikofaktor Idiosynkratischer Risikofaktor, da diversifizierbar, hat eine Varianz = 1 und einen Erwartungswert = 1 Der systematische Risikofaktor wird gleich dem gegebenen x gesetzt w " ist das Gewicht des systematischen Faktors σ ist die Standardabweichung des Risikofaktors 16
17 2.2 Kalibrierung des Kreditportfolios Varianz der Ausfallwahrscheinlichkeit: V " = Var [(1# w " + w " x) ] = p " w " $ Gegeben " folgt: ( ) 2 w " = V " p " # σ hat einen starken Einfluss auf die Verteilung der x. Dies liegt an der Gamma-Verteilung des Risikofaktors Portfolioverluste reagieren sehr sensibel auf Veränderungen von σ Kein Nachteil für CreditRisk+. CreditMetrics unterstellt einfach Normalverteilung Empfehlung für CreditRisk+: Setze σ gleich Eins Entspricht Einsektorenkalibrierung 17
18 2.2 Kalibrierung des Kreditportfolios 18
19 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 19
20 3. Simulation 20
21 3.1 Methoden Unterschiedliche Kalkulation der Ergebnisse CreditRisk+: Analytische Ermittlung der Daten CreditMetrics: Berechnung der Daten mittels einer Monte Carlo Verlustverteilung In jedem Quadranten: Zusammengefasste Statistiken und Perzentilwerte zu einer Portfoliokreditqualitätsklasse Skewness und Kurtosis sind für eine Zufallsvariable y definiert. Eine hohe Kurtosis impliziert hohe Portfolioverluste 21
22 3.2 Simulationsergebnisse BBB- AAA 22
23 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 23
24 4. Robustheit der Ergebnisse Anzahl der Schuldner: Keinen signifikanten Einfluss auf das Verlustrisiko Verteilung der Kreditgrößen: SoA Daten: unterschiedliche Größen Vergleichsportfolio: alle gleich groß Kein signifikanter Einfluss Standardisierte Volatilität: Verdopplung der Volatilität Risikogewichte erhöhen sich Extreme Perzentilwerte nehmen stark zu Diskretionierung: Basiseinheit der Exposures: fache des 5ten Perzentils der Verteilung der Kreditgrößen Variation von " " verändert die Perzentilwerte nur minimal 24
25 4. Robustheit der Ergebnisse 25
26 4. Robustheit der Ergebnisse 26
27 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 27
28 5. Modifiziertes CreditRisk+ Modell CreditRisk+ reagiert sensibel auf Änderungen von σ Grund: Gamma-Verteilung der Risikofaktoren x Gamma-Verteilung hat 2 Effekte: Direkter Effekt: Wenn man σ variiert und w " # konstant hält Veränderung der Randwahrscheinlichkeiten, Erwartungswert und Standardabweichung konstant Grund: Kurtosis der Gamma-Verteilung 3(1+ 2" 2 ) Kurtosis von x gleich der Kurtosis von p i (x) Veränderung von der Verlustverteilung p i (x) führt direkt zu einer Vergrößerung der Ränder 28
29 5. Modifiziertes CreditRIsk+ Modell Indirekter Effekt: CreditRisk+ verwendet die Poisson Approximation um die PGF zu vereinfachen Poisson Approximation induziert Fehler Wird durch steigende Kurtosis von p i (x) vergrößert Um Effekt deutlich zu machen, wird der Fehler eleminiert CreditMetrics: Monte Carlo Simulation nur ein Ausfall möglich CreditRisk+: Poisson Approximation positive Wahrscheinlichkeit für mehrfachen Ausfall Ab einem bestimmten Punkt überschreiten die CreditRisk+ Perzentile die korrespondierende Werte von CreditMetrics 29
30 5. Modifiziertes CreditRisk+ Modell Die Verteilung des systematischen Risikofaktors ist von entscheidender Bedeutung 30
31 Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion des Kreditportfolios 2.2 Kalibrierung des Kreditportfolios 3. Simulation 3.1 Methoden 3.2 Simulationsergebnisse 4. Robustheit der Ergebnisse 5. Modifiziertes CreditRisk+ Modell 6. Fazit 31
32 6. Fazit Solange σ klein ist, liefern die Modelle sehr ähnliche Ergebnisse CR+ sensitiver bzgl. der Kreditqualität, aber CM ist restringiert Sehr sensitiv reagieren beide Modelle auf: Volatilität der Ausfallwahrscheinlichkeit bzw. der Ausfallkorrelation Form der impliziten Verteilung der Risikofaktoren (Gamma-Verteilung) Problem: Modelle induzieren Eigenkapitalentscheidungen Diese sind stark abhängig von höheren Momenten der Verteilung der Risikofaktoren Können nur ungenau geschätzt werden Modelle können nur Anhaltspunkte für das relative Risiko von Portfolien untereinander liefern und keine Kapitalanforderungen 32
Zwei einfache Kennzahlen für große Engagements
Klecksen nicht klotzen Zwei einfache Risikokennzahlen für große Engagements Dominik Zeillinger, Hypo Tirol Bank Die meisten Banken besitzen Engagements, die wesentlich größer sind als der Durchschnitt
MehrCommercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
MehrKreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008
Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung
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
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
MehrModellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung
Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes
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
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
MehrErmittlung des Ausfallrisikos
Ermittlung des Ausfallrisikos Das Ausfallrisiko, dessen Ermittlung maßgeblich von der Datenqualität der Vorsysteme abhängt, nimmt in der Berechnung der Eigenmittelanforderung einen relativ geringen Stellenwert
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
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
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrErfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.
Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme
MehrCommercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit
Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall
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
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
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
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
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
MehrVorgaben der DIN ISO 13528 Statistische Verfahren für Eignungsprüfungen durch Ringversuche
Konsens- oder Referenzwerte in Ringversuchen Möglichkeiten und Grenzen Dr.-Ing. Michael Koch Institut für Siedlungswasserbau, Wassergüte und Abfallwirtschaft der Universität Stuttgart Arbeitsbereich Hydrochemie
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrZielsetzung. Problematik
Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen
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
MehrMaRisk-relevante Anpassungen im Kreditportfoliomodell. GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH
im Kreditportfoliomodell GenoPOINT, 28. November 2013 Dr. Martin Bialek parcit GmbH Agenda Überblick KPM-KG Bedeutung des Portfoliomodells für den MaRisk-Report MaRisk-relevante Anpassungen MaRisk-relevante
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
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
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrRating: Bedeutung und Auswirkungen
Rating: Bedeutung und Auswirkungen Ohne Rating kein Kredit und ohne Kredit kein Wachstum Basel II/Basel III und MaRisk schreiben den Banken Rating als Instrument der Risikomessung verbindlich vor. Es handelt
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
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
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.
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
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
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
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrHedging von Zinsrisiken. Vertiefungsstudium Finanzwirtschaft Prof. Dr. Mark Wahrenburg. Bond Yields und Preise von Zerobonds
Hedging von Zinsrisiken Vertiefungsstudium Finanzwirtschaft Prof. Dr. Mark Wahrenburg Bond Yields und Preise von Zerobonds 3 Zerobonds mit Nominalwert F=100 yield to maturity r=10% (horizontale Zinskurve),
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
MehrDie Übereckperspektive mit zwei Fluchtpunkten
Perspektive Perspektive mit zwei Fluchtpunkten (S. 1 von 8) / www.kunstbrowser.de Die Übereckperspektive mit zwei Fluchtpunkten Bei dieser Perspektivart wird der rechtwinklige Körper so auf die Grundebene
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
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
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
MehrZählstatistik. Peter Appel. 31. Januar 2005
Zählstatistik Peter Appel 31. Januar 2005 1 Einleitung Bei der quantitativen Analyse im Bereich von Neben- und Spurenelementkonzentrationen ist es von Bedeutung, Kenntnis über die möglichen Fehler und
MehrSST: - In Kraft - Ab 2011 verbindlich - Modellabhängig
Standardmodell oder internes Modell in der Lebensversicherung? Prüfungskolloquium zum Aktuar SAV 2010 Caroline Jaeger, Allianz Suisse Ursprung der Fragestellung Solvency I: - Risikounabhängig - Formelbasiert
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
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
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
MehrEinführung in statistische Analysen
Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die
MehrLinearen Gleichungssysteme Anwendungsaufgaben
Linearen Gleichungssysteme Anwendungsaufgaben Lb S. 166 Nr.9 Im Jugendherbergsverzeichnis ist angegeben, dass in der Jugendherberge in Eulenburg 145 Jugendliche in 35 Zimmern übernachten können. Es gibt
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.
MehrVorlesung 7: Value-at-Risk für Kreditrisiken
Vorlesung 7: Value-at-Risk für Kreditrisiken 17. April 2015 Dr. Patrick Wegmann Universität Basel WWZ, Department of Finance patrick.wegmann@unibas.ch www.wwz.unibas.ch/finance Die Verlustverteilung im
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
MehrRatingklasse 3.9 Rang 75
BilanzBranchenrating Bericht: Musterbranche (Oenace-2008, 3-Steller, Gruppe: Mustergruppe) Der vorliegende Bericht wurde auf Basis einer Kooperation zwischen der KSV1870 Information GmbH und der KMU Forschung
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrPension Liability Management. Ein Konzept für die Liquiditätsplanung in der betrieblichen Altersversorgung. BAV Ludwig
Ein Konzept für die Liquiditätsplanung in der betrieblichen Altersversorgung Gesellschaft für betriebliche Altersversorgung university-logo Problematik Ziele interne Finanzierung Vorteile der internen
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
Mehr11.AsymmetrischeInformation
.AsymmetrischeInformation Informationistnurwichtig,wenneineEntscheidungssituationdurcheinunsicheresUmfeld charakterisiertist.istesvielleichtso,daßauchdieunsicherheitselbstzueinereinschränkung derfunktionsfähigkeitvonmärktenführt?diesistinder
MehrSenkung des technischen Zinssatzes und des Umwandlungssatzes
Senkung des technischen Zinssatzes und des Umwandlungssatzes Was ist ein Umwandlungssatz? Die PKE führt für jede versicherte Person ein individuelles Konto. Diesem werden die Beiträge, allfällige Einlagen
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
MehrErläuterungen zu Leitlinien zum Untermodul Krankenversicherungskatastrophenrisiko
Erläuterungen zu Leitlinien zum Untermodul Krankenversicherungskatastrophenrisiko Die nachfolgenden Ausführungen in deutscher Sprache sollen die EIOPA- Leitlinien erläutern. Während die Leitlinien auf
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrCad-OasEs Int. GmbH. 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen. Nutzen Sie dieses Wissen!
Cad-OasEs Int. GmbH 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen Nutzen Sie dieses Wissen! Roland Hofmann Geschäftsführer der Cad-OasEs Int. GmbH Die Cad-OasEs bietet seit mehr als 20 Jahren
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
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
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
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
Mehr1. Weniger Steuern zahlen
1. Weniger Steuern zahlen Wenn man arbeitet, zahlt man Geld an den Staat. Dieses Geld heißt Steuern. Viele Menschen zahlen zu viel Steuern. Sie haben daher wenig Geld für Wohnung, Gewand oder Essen. Wenn
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
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
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
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
MehrDerivate und Bewertung
. Dr. Daniel Sommer Marie-Curie-Str. 0 6049 Frankfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 006/07 Klausur Derivate und Bewertung Wintersemester 006/07 Aufgabe 1: Statische Optionsstrategien
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
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
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
Mehr5 Zusammenhangsmaße, Korrelation und Regression
5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer
Mehr11. Rent-Seeking 117
117 Definitionen Gewinnstreben: Vorhandene Ressourcen werden so eingesetzt, dass Einkommen entsteht und die Differenz aus Einkommen und Kosten maximal wird. Rent-Seeking: Vorhandene Ressourcen werden eingesetzt,
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...
Mehr5.12. Variable Temperaturgradienten über dem Scheibenzwischenraum
5. Numerische Ergebnisse 92 5.12. Variable Temperaturgradienten über dem Scheibenzwischenraum Strukturbildungsprozesse spielen in der Natur eine außergewöhnliche Rolle. Man denke nur an meteorologische
MehrCredit Risk+: Eine Einführung
Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.
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,
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
MehrMYOPIC LOSS AVERSION AND THE EQUITY PREMIUM PUZZLE
MYOPIC LOSS AVERSION AND THE EQUITY PREMIUM PUZZLE Co-Referat Christian Bannwart Cyril Kägi Martin Mosimann Sascha Ritter Klasse BF06TZ.B 30. November 2009 Agenda Thematik Ergänzungen zur Präsentation
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrComprehensive Quantitative Impact Study 2010
Comprehensive Quantitative Impact Study 2010 Handelsbuch (Trading Book) Karsten Stickelmann Zentralbereich Banken und Finanzaufsicht Deutsche Bundesbank Frankfurt am Main, 18. Februar 2010 Wesentliche
Mehrextreme Programming (XP) Hermann Götz Sergij Paholchak Agenda Was ist XP? Grundprinzipien Der Entwicklungsprozess Die Projektplanung Praktiken Vorteile und Nachteile Wann macht XP Sinn für ein Projekt?
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
MehrTipps zur Nutzung der ViT 1 Lernen ViT Üben HAU ViT ViT ViT ViT ViT Testen ViT VORSC Bewerten RAGTIME ViT zur Vollversion ViT
Fit mit Tipps zur Nutzung der s Auf den folgenden Seiten finden Sie 50 Tests mit ähnlichem Inhalt. Damit können Sie z.b. Parallelklassen, Nachzügler, Gruppen oder alle Schüler einer Klasse bei Klassenarbeiten
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
MehrBetriebliche Gestaltungsfelder
Betriebliche Gestaltungsfelder Präsenzkultur aufbrechen Name Autor/in Anlass, Ort und Datum Gefördert vom: 1 Gliederung 1. Präsenzkultur 2. Handlungsfeld: Mobile Arbeit 3. Präsenz ist nicht gleich Leistung
MehrEinführung 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
MehrProLead. Überlassen Sie das Wertvollste in Ihrem Leben nicht dem Zufall gestalten Sie aktiv die Absicherung Ihrer sorgenfreien Zukunft
ProLead Überlassen Sie das Wertvollste in Ihrem Leben nicht dem Zufall gestalten Sie aktiv die Absicherung Ihrer sorgenfreien Zukunft Wir sind Die ProLead UG ist ein Dienstleistungsunternehmen bestehend
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
Mehr9. 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,
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
Mehr