Schätzung von Verlustquoten Methodische Probleme und Lösungsansätze
|
|
- Lars Neumann
- vor 6 Jahren
- Abrufe
Transkript
1 Schätzung von Verlustquoten Methodische Probleme und Lösungsansätze Thomas Hartmann Wendels Hans Christian Elbracht Forschungsinstitut für Leasing an der Universität zu Köln 1
2 Relevanz des Loss Given Defaults Verlustquote bei Ausfall (LGD) zentraler Parameter zur Quantifizierung von Kreditrisiken (PD, EAD, Korrelation), Einsatzbereiche regulatorische Kapitalanforderungen (Basel II/III, SolvV), MaRisk (Risikoerkennung, -analyse und -steuerung) risikoadjustierte Preisbildung (EL), Allokation von Risikokapital (UL) fortgeschrittener IRB-Ansatz: Entwicklung eigener Modelle zur LGD- Schätzung auf Basis historischer Daten, IRB-Basisansatz: LGD =45%, für Leasing häufig zu hoch angesetzt, Eigenmittelunterlegung und erwarteter Verlust (EL) linear im LGD 2
3 Relevanz des Loss Given Defaults market recovery vs. workout- recovery empirische Arbeiten basieren überwiegend auf market recovery, z.b. Gupton/Stein (2005), Guha (2003), Altman/Gande/Saunders (2004), Hamilton/Gupton/Berthault (2001), Altman/Kishore (1996) empirische Arbeiten zur workout recovery: Hamilton/Carty (1999), Schmit/Stuyck (2002), De Laurentis/Riani (2005), Bellotti/Crook (2009), Grunert/Weber (2009), Bastos (2010), Gürtler/Hibbeln (2011) teilweise geringer Datenumfang, Daten stammen ausschließlich von einem KI; keine Angaben zur Verteilung der Verlustquoten, wenige Angaben zu möglichen Einflussgrößen auf den LGD, keine Schätzung von Verlustquoten 3
4 Verlustdefinition ( 126 SolvV): ökonomischer Verlustbegriff Verlustquote gibt an, welcher Anteil am ausstehenden Forderungsbetrag verloren ist: Workout-LGD Allgemeine Definition EAD: Barwert der noch ausstehenden Mindestleasingzahlungen + Barwert des kalkulierten Restwerts + aufgezinste säumige Leasingraten Erlöse: Verwertungserlöse aus Leasingobjekt, eingehende Leasingraten, Erlöse aus sonstigen Sicherheiten, sonstige Zahlungen, jeweils diskontiert auf den Ausfallzeitpunkt Kosten: direkt zurechenbare Kosten nicht direkt zurechenbare Kosten ( ) RR-1EADKosten-Erlöse-1EADKosten-Erlöse-EADEADVerlusterökonomischLGD= = = = 4
5 Aspekte, die zu beachten sind Ausfalldefinition auf Schuldnerebene ( 125 SolvV) Ausfallgründe Insolvenz 90-Tage-Verzug Wertberichtigung Wiedergesundung! Workout-Prozess Sanierung oder Abwicklung die Vereinfachung LGD aus [0;1] ist nicht immer angemessen regulatorische Vorgaben: LGD-Schätzung zu zwei Zeitpunkten, wirtschaftlicher Verlust nicht negativ, Downturn-LGD keine spezifische Vorgaben an Schätzmodelle und Methoden 5
6 Datensätze Zeitraum Ausgefallene Verträge davon abgewickelt davon wiedergesundet Objektkategorien Anzahl der Verträge durchschnittlicher LGD Fahrzeuge Maschinen/Anlagen EDV/Bürotechnik Technische Geräte Sonstige
7 Wahrscheinlichkeitsdichte der Verlustquote 7
8 Eigenschaften der Verlustverteilung Multi-modale Verteilung der Verlustquoten bleibt (zum Teil) auch erhalten bei Aufspalten nach Objektkategorien Streuung der Verlustquoten sehr hoch Objektkategorie Interquartilsabstand Fahrzeuge Maschinen/Anlagen EDV/Bürotechnik Technische Geräte Sonstige Verlustquoten < 0 und > 1 sind nicht selten!
9 Verteilung der Verlustquoten für unterschiedliche Objektkategorien 9
10 Verlustquote in Abhängigkeit vom relativen Vertragsalter Hypothese EAD LGD 0 Relatives Vertragsalter 1 Objektwert Restwert 10
11 LGD-Schätzung Über alle Objektkategorien, Kundenarten, Vertragsarten hinweg unterscheiden sich die LGDs wiedergesundeter Verträge deutlich von denen abgewickelter Verträge Getrennte Schätzung der LGDs für wiedergesundete und abgewickelte Verträge LGD*pLGD**= G G+ A A1. Verwendung historischer Durchschnittswerte (Mittelwert/Median) als Schätzwerte für p G, LGD G * und LGD A *? oder 2. Identifizierung von Faktoren, die den LGD G, LGD A und p G beeinflussen; Schätzung von LGD G, LGD A und p G in Abhängigkeit von der Ausprägung dieser Faktoren plgd11
12 Schätzprobleme (1) Problem: nicht alle Faktoren, die auf die Höhe von LGD G, LGD A und p G Einfluss haben, sind zu Vertragsbeginn bekannt! Vertragsbeginn Objektmerkmale Objektart neu/gebraucht Kundenmerkmale Gewerblich Privat Branche Vertragsmerkmale Vereinb. Laufzeit Kalk. Restwert Optionsrechte Garant. Restwert Mietvorauszahlung Ausfallzeitpunkt Ausfallgrund Ausfalldatum relatives Vertragsalter bei Ausfall Wert des Objekts Ausfallrate Update erforderlich 132, 9 SolvV Ende des Workouts Abwicklung/Wiedergesundung Verwertung/keine Verwertung Dauer des Workouts 12
13 Schätzprobleme (2) Wie geht man mit der mulit-modalen Form der Wahrscheinlichkeitsdichte der Verlustquote um? 13
14 Schätzprobleme (3) Lösung hängt ab von der Datenverfügbarkeit/Datenqualität Schätzaufwand, der betrieben werden soll der Möglichkeit, Faktoren zu identifizieren, die den LGD systematisch beeinflussen Leistungsfähigkeit der mathematisch/statistischen Verfahren Lösungsansatz p G : historische Durchschnittswerte (evtl. getrennt nach Objektkategorien) LGD A : LGD-Schätzung auf der Basis identifizierter Einflussgrößen; Mischverteilungsansatz zur Berücksichtigung der multimodalen Form der LGD-Verteilung LGD G : historische Durchschnittswerte 14
15 LGD A -Schätzung mit einem Mischverteilungsansatz 15
16 LGD A -Schätzung mit einem Mischverteilungsansatz 16
17 Schätzmethodik Bestimme aus wie vielen Klassen (Verteilungen) sich die Gesamtverteilung zusammensetzt (N) den Typ der Verteilungen (Normalverteilung, Exponentialverteilung,, identischer Verteilungstyp?) die Parameter der Verteilungen (z.b. Erwartungswert, Varianz) die Gewichte π von welchen Faktoren (β X) die Zuordnung zu den Klassen abhängt, und wie der Einfluss ist (Werte für β) die Wahrscheinlichkeit, mit der ein Vertrag j einer Klasse k zugeordnet wird (p jk ) Lösungsmethode: Expectation/Maximization-Algorithmus 17
18 Zuordnung hängt auch von Leasinggeberspezifischen Faktoren ab! 18
19 Qualität der probabilistischen Zuordnung 19
20 Institutsspezifische Klassenzuordnung (LG A) 20
21 Qualität der probabilistischen Zuordnung 21
22 LGD-Verteilung der beiden Cluster 22
23 LGD A -Schätzung mit einem Mischverteilungsansatz 23
24 Qualität der Zuordnung 24
25 LGD A -Schätzung mit einem Mischverteilungsansatz 25
26 Schätzung der Verlustquote innerhalb der einzelnen Klassen Vertragsmerkmale Objektmerkmale Kundenmerkmale 26
27 Validierung Mittlerer quadratischer Fehler Mittlerer absoluter Fehler 1. Median pro Merkmalskombination aus Objektkategorie/Wirtschaftsbereich 2. Lineare Regression ohne Klassenunterschiede 3. 2-Klassen-Mischverteilungsansatz; Zuordnung auf die Klassen mit der 3-nächste-Nachbarn-Methode; lineare Regression pro Klasse Mit Zensierung bei LGD = 0 Ohne Zensierung 27
28 Validierung der Schätzungen 28
29 Offene Punkte Stabilität der Ergebnisse über die Zeit Weitere Einflußgrößen berücksichtigen Downturn-LGD s 29
Kreditrisikomanagement von Leasing-Gesellschaften
Kreditrisikomanagement von Leasing-Gesellschaften Jahreshauptversammlung des Forschungsinstituts für Leasing 16. November 2006 Univ.-Prof. Dr. Thomas Hartmann-Wendels Universität zu Köln Komponenten des
Mehreconstor zbw www.econstor.eu
econstor www.econstor.eu Der Open-Access-Publikationsserver der ZBW Leibniz-Informationszentrum Wirtschaft The Open Access Publication Server of the ZBW Leibniz Information Centre for Economics Hartmann-Wendels,
MehrBankmanagement II Übung WS 2009/10. Bankmanagement II. - Übung im WS 2009/10 - Zusatzfolien Aufgabe 4 d) Dipl.-Kff. Tatjana Guse
Bankmanagement II - Übung im WS 2009/10 - Zusatzfolien Aufgabe 4 d) AUFGABE 4 D) GEBEN SIE EINEN ÜBERBLICK, WELCHE ZIELE MIT DEN NEUEN EIGENKAPITALANFORDERUNGEN VERFOLGT WERDEN. WELCHE METHODEN ZUR ERMITTLUNG
MehrRisikomanagement in Banken Dominik Zeillinger, Oktober 2016
Risikomanagement in Banken Dominik Zeillinger, Oktober 2016 Aufbau von Kreditzinsen Gewinn/Weitere Kosten ZKB / Aufschlag / Spread Standardstück- Kosten Liquiditäts-Kosten Liquiditätsrisiko Kreditzins
MehrSignalverarbeitung 2. Volker Stahl - 1 -
- 1 - Überblick Bessere Modelle, die nicht nur den Mittelwert von Referenzvektoren sondern auch deren Varianz berücksichtigen Weniger Fehlklassifikationen Mahalanobis Abstand Besseres Abstandsmaß basierend
MehrGrundsatze ordnungsgemaben Ratings (GoR)
UWE GAUMERT Grundsatze ordnungsgemaben Ratings (GoR) Organisation des Kreditgeschafts unter Beriicksichtigung der Vorgaben in SolvV und MaRisk bank-verlag medlen Inhaltsverzeichnis 1 Vorwort und Danksagung
MehrIFRS 9 Impairment Umfrage zur EL-Wertminderung
IFRS 9 Impairment Umfrage zur EL-Wertminderung Inhaltsverzeichnis 3 Ausgangslage 5 Aufbau des Datensatzes 6 Analyse der erforderlichen Risikovorsorge nach dem Wertminderungsmodell des ED 12 Vergleich der
MehrRisikomanagement an Landwirtschaftlichen Kreditkassen
Risikomanagement an Landwirtschaftlichen Kreditkassen Ergebnisse der 1. Projektetappe und Konzept für weiteres Vorgehen Ruedi Krummenacher suissemelio- Tagung vom 1.12.2009 in Olten 1 Definition Risikomanagement
MehrSchätzung der Verlustquote (LGD) im Rahmen der Umsetzung des fortgeschrittenen IRB-Ansatzes in der Westdeutschen Immobilienbank
Schätzung der Verlustquote (LGD) im Rahmen der Umsetzung des fortgeschrittenen IRB-Ansatzes in der Westdeutschen Immobilienbank Projektzielsetzung Durch die Änderung der aufsichtsrechtlichen Regelung zur
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 12. Jänner Mathematik. Teil-1-Aufgaben. Korrekturheft
Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS 12. Jänner 2017 Mathematik Teil-1-Aufgaben Korrekturheft Aufgabe 1 Mehrwertsteuer für Hörbücher y = x 1,19 1,07 Ein Punkt für eine korrekte
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrPortfolioorientierte Quantifizierung des Adressenausfall- und Restwertrisikos im Leasinggeschäft - Modellierung und Anwendung
Portfolioorientierte Quantifizierung des Adressenausfall- und Restwertrisikos im Leasinggeschäft - Modellierung und Anwendung von Dr. Christian Helwig Fritz Knapp Verlag Jßg Frankfurt am Main Abbildungsverzeichnis
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrGesamtunternehmenssteuerung am Beispiel einer Leasing- und Factoringgesellschaft
Gesamtunternehmenssteuerung am Beispiel einer Leasing- und Factoringgesellschaft Chancen und Risiken 1 Agenda Vorstellung der abcfinance Gesamtinstitutssteuerung als leasingspezifisches Steuerungskonzept
MehrMindestkonditionen im Kreditgeschäft! Rating und risikoadjustiertes Pricing! Individueller Ansatz! Effiziente Kreditprozesse
Kreditgeschäft Mindestkonditionen im Kreditgeschäft Rating und risikoadjustiertes Pricing Individueller Ansatz Effiziente Kreditprozesse Orientierung an der Erfüllung der Kriterien im Rahmen von Basel
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrMultivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
MehrAdressenausfallrisiken. Von Marina Schalles und Julia Bradtke
Adressenausfallrisiken Von Marina Schalles und Julia Bradtke Adressenausfallrisiko Gliederung Adressenausfallrisiko Basel II EU 10 KWG/ Solvabilitätsverordnung Adressenausfallrisiko Gliederung Rating Kreditrisikomodelle
MehrBasel II - Die Bedeutung von Sicherheiten
Basel II - Die Bedeutung von Sicherheiten Fast jeder Unternehmer und Kreditkunde verbindet Basel II mit dem Stichwort Rating. Dabei geraten die Sicherheiten und ihre Bedeutung - vor allem für die Kreditkonditionen
MehrPrüfung aus Statistik 1 für SoziologInnen. Musterlösung
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 2 Stunden Musterlösung Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort
MehrMultivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrZielsetzung. Problematik
Kreditrisiko-Modellierung für Versicherungsunternehmen Tamer Yilmaz 21. November 2007 Zielsetzung Die Ermittlung der Eigenkapitalhinterlegung für das Kreditrisiko, die auf das Versicherungsunternehmen
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrAnnahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
MehrSicherheiten-Management nach neuer SolvV & neuen MaRisk
Sicherheiten-Management nach neuer SolvV & neuen MaRisk Neue Vorgaben der Bankenaufsicht Auslegungshinweise zur Solvabilitätsverordnung Interne und externe Prüfungserfahrungen 2. Auflage Dr. Olaf Achtelik
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
MehrGrundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrMethoden zur Cluster - Analyse
Kapitel 4 Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine learning in bioinformatics
MehrFakultät für Informatik Übung zu Kognitive Systeme Sommersemester 2016
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 1 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Übungsblatt 3 Maschinelles Lernen und Klassifikation Abgabe online
MehrVorwort Abbildungsverzeichnis Teil I Mathematik 1
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis V XIII Teil I Mathematik 1 1 Elementare Grundlagen 3 1.1 Grundzüge der Mengenlehre... 3 1.1.1 Darstellungsmöglichkeiten von Mengen... 4 1.1.2 Mengenverknüpfungen...
MehrMATHEMATISCHE STATISTIK
EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK UND IHRE ANWENDUNG VON MARTIN HENGST a. o. Professor an der PH Berlin BIBLIOGRAPHISCHES INSTITUT MANNHEIM HOCHSCHULTASCHENBÜCHER-VERLAG INHALTSVERZEICHNIS Vorwort
MehrCreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim
CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrMassemehrung durch Forderungsverwertung
Massemehrung durch Forderungsverwertung Typischer Forderungsbestandsverlauf: wann verwerten? # Forderungen Forderungsbestand? Verwertung Euro / Ausfallrisiko Aufwände Bodensatz Debitoren Management Vorgerichtliches
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrGliederung. Thomas Böduel Dienstag, 15. November 2005 Basel II und Rating 2
Basel II und Rating Gliederung Der Weg zu Basel II Die drei Säulen von Basel II Säule 1: Mindestkapitalanforderungen Kreditausfallrisiko Operationelles Risiko Marktrisiko Säule 2: Bankenaufsicht Säule
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
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
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrGrundkompetenzen (Mathematik Oberstufe)
Grundkompetenzen (Mathematik Oberstufe) AG: Algebra und Geometrie (14 Deskriptoren) FA: Funktionale Abhängigkeiten (35 Deskriptoren) AN: Analysis (11 Deskriptoren) WS: Wahrscheinlichkeit und Statistik
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Ausgangsdaten Bundesliga 2008/2009 Gegeben: Daten zu den 18 Vereinen der ersten Bundesliga
MehrDas Wissen um Ratingveränderungen aufgrund Konjunkturzyklen Grundlage der Kreditportfoliosteuerung bei Banken?
Das Wissen um Ratingveränderungen aufgrund Konjunkturzyklen Grundlage der Kreditportfoliosteuerung bei Banken? RSN Risk Solution Network AG Prof. Dr. Markus Heusler Mitglied der Geschäftsleitung Institut
MehrKapitel 11: Bankenregulierung und Einlagensicherung
Kapitel 11: Bankenregulierung und Einlagensicherung Tabelle 11.1: Entwicklung der deutschen Bankenregulierung Jahr Vorgang Inhalt Hintergrund bis 1930 Teilgesetze bspw. zur Beaufsichtigung von Hypothekenbanken
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrDie Momentenmethode. Vorteil: Oft einfach anwendbar. Nachteil: Güte kann nur schwer allgemein beurteilt werden; liefert zum Teil unbrauchbare
17.1.3 Die Momentenmethode Vorteil: Oft einfach anwendbar. Nachteil: Güte kann nur schwer allgemein beurteilt werden; liefert zum Teil unbrauchbare Lösungen. Sei ϑ = (ϑ 1,...,ϑ s ) der unbekannte, s-dimensionale
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge 40 60 80 Bivariater Zusammenhang: Zusammenhang zwischen zwei Variablen weight (kg) Gibt es einen Zusammenhang zwischen Größe & Gewicht? (am Beispieldatensatz) Offensichtlich positiver
MehrWISSENSCHAFTLICHE BEITRÄGE
WISSENSCHAFTLICHE BEITRÄGE AUS DEM TECTUM VERLAG Reihe Wirtschaftswissenschaften Band 39 Ralph Wirth Best-Worst Choice-Based Conjoint-Analyse Eine neue Variante der wahlbasierten Conjoint-Analyse Tectum
MehrLehr- und Übungsbuch der angewandten Statistik. Von Dr. Bärbel Elpelt und. O. Prof. Dr. Joachim Hartung Fachbereich Statistik der Universität Dortmund
Grundkurs Statistik Lehr- und Übungsbuch der angewandten Statistik Von Dr. Bärbel Elpelt und O. Prof. Dr. Joachim Hartung Fachbereich Statistik der Universität Dortmund Mit ausführlichen Übungs- und Klausurteilen
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrValidierung von Messmethoden. Validierung von Messmethoden
Validierung von Messmethoden Was soll eine gute Messmethode erfüllen? 1. Richtigkeit (accucacy) 2. Genauigkeit (precision) PD Dr. Sven Reese, LMU München 1 Richtigkeit (accuracy) Gibt Auskunft darüber,
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrVergleich der Portfoliomodelle I Seminar Portfoliokreditrisiko
Vergleich der Portfoliomodelle I Seminar Portfoliokreditrisiko Manuel Molitor Agenda 1. WEF Kritik 2. 3. vs 4. in 5. in 6. 2 Eigenschaften Nur auf Ausfall-Ereignisse fokussiert Ausfälle sind Poisson-Verteilt
MehrDie Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs
Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs 1. Klagenfurter KMU Tagung Tanja Schuschnig Alexander Brauneis Institut für Finanzmanagement 25.09.2009
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrEin Portrait deutscher Multi-Markt Exporteure und Importeure
Aktiv auf vielen Auslandsmärkten Ein Portrait deutscher Multi-Markt Exporteure und Importeure AFiD-Workshop, Berlin, 29.-30. März 2017 Joachim Wagner Leuphana Universität Lüneburg und IZA, Bonn 1 Motivation
MehrÜberblick über multivariate Verfahren in der Statistik/Datenanalyse
Überblick über multivariate Verfahren in der Statistik/Datenanalyse Die Klassifikation multivariater Verfahren ist nach verschiedenen Gesichtspunkten möglich: Klassifikation nach der Zahl der Art (Skalenniveau)
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 8. Dezember 2010 Teil V Schließende Statistik 1 Parameterschätzung Erwartungstreue und Konsistenz Maximum-Likelihood
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrLösungshinweise Bankkostenrechnung als zentrales Element des Bankcontrollings
Seite: 15 Lösungshinweise Bankkostenrechnung als zentrales Element des Bankcontrollings 20.1 Standard-Einzelkostenrechnung 1. Schlüsselung der Gemeinkosten ist schwierig zum Teil willkürlich Es wird eine
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
MehrThemenpool teilzentrale Reifeprüfung Mathematik Europagymnasium Auhof, Aubrunnerweg 4, 4040 Linz; Schulkennzahl:
Themenpool teilzentrale Reifeprüfung Mathematik Europagymnasium Auhof, Aubrunnerweg 4, 4040 Linz; Schulkennzahl: 401546 Thema 1: Zahlenbereiche und Rechengesetze Reflektieren über das Erweitern von Zahlenbereichen
MehrWahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen
Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei
MehrKreditorientierte Flugzeugfinanzierung
Bachelorarbeit Daniel Propson Kreditorientierte Flugzeugfinanzierung Chancen und Risiken für ein Kreditinstitut Daniel Propson Kreditorientierte Flugzeugfinanzierung: Chancen und Risiken für ein Kreditinstitut
MehrAnhang 4. Bias durch Überdiagnose von papillären Mikrokarzinomen
Anhang 4 Bias durch Überdiagnose von papillären Mikrokarzinomen Bias durch Überdiagnose von papillären Mikrokarzinomen H. Bertelsmann AG Epidemiologie und Medizinische Statistik Universität Bielefeld Dezember
MehrKlausur zur Mathematik für Biologen
Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt
Mehr4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR
Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrStatistik-Klausur vom
Statistik-Klausur vom 09.02.2009 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen möchte den Einfluss seiner Werbemaßnahmen auf den erzielten Umsatz quantifizieren. Hierfür werden die jährlichen
MehrUnternehmenssteuerung in der Leasingbranche
Unternehmenssteuerung in der Leasingbranche Forschungsinstitut für Leasing an der Universität zu Köln Folie: 1 Aktuelle Entwicklungen 5. MaRisk-Novelle Risikoberichterstattung Risikodatenaggregation -
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrCommercial Banking. Kreditportfoliosteuerung
Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
Mehrdie wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen
Kapitel 8 Schätzung von Parametern 8.1 Schätzmethoden Gegeben seien Beobachtungen Ü Ü ¾ Ü Ò die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen ¾ Ò auffassen. Die Verteilung
MehrÜber den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
MehrÜbungen Teil 1: Weltbevölkerung, Armut, ICT, Lorenzkurve & Gini, Equity. Die Besprechung dieses Übungsblattes findet am Mittwoch, den
Übungen Teil 1: Weltbevölkerung, Armut, ICT, Lorenzkurve & Gini, Equity Allgemeine Informationen Die Übungen finden in 14-tägigem Rhythmus statt abweichende Termine werden in der Vorlesung und auf der
MehrBasiswissen Mathematik, Statistik. und Operations Research für. Wirtschaftswissenschaftler. von. Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen
Basiswissen Mathematik, Statistik und Operations Research für Wirtschaftswissenschaftler von Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen 5., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis
Mehr