Seminar: Quantitatives Risikomanagement Grundlegende Konzepte des Risikomanagements Risikofaktoren und die Verlustverteilung.
|
|
- Viktoria Lichtenberg
- vor 8 Jahren
- Abrufe
Transkript
1 Prof: Hanspeer.Scmili Bereuung: Julia Eisenberg Sun,Fang Seminar: Quaniaives Risikomanagemen Grunlegene Konzepe es Risikomanagemens 2.. Risikofakoren un ie Verlusvereilung 2.. Allgemeine Definiion Wir beobacen en Warsceinlickeisraum ( Ω, F, Ρ) V(s) is er Wer es Porfolios in em Zeipunk s. bezeicne en Zeiorizon, z.b. ein Tag oer zen Tagen. Der Verlus,er aus einem Porfolio in em Zeiraum [s,s+ ] is urc: Die Vereilung von [ s, s + ] wir Verlusvereilung genann. Bemerkung 2. Wir beracen als fesen Zeiraum. In iesem Fall is es zweckmäßig, Zei in Eineien zu messen. Sei Y(s) ein Prozess un urc : = = V V,( ) Y eine Folge mi N Y : = Y ( ),ann wir er Verlus bescrieben. Zum Beispiel, in Markrisikomanagemen wir er Verlus äufig auf Tagesbasis gemessen, aber in Finanzmoellen wir ie Zei in er Regel auf Jaresbasis gemessen. Da ein Jar 365 Tagen a, sezen wir = /365, oer ein Jar von 250 Arbeisagen sezen wir = /250. Die Zufallvariablen V s V s [ ] : =, ( + s s+ ) V un () V + bezeicnen jeweils er Wer es Porfolios am Tag un +, un + is er Verlus zwiscen en Tagen zu +. Ein -imensional Zufallsvekor a Komponenen Risikofakoren Ζ = ( Z, Z, ),... ' a folgene Darsellung. V (, ) = f Ζ (2)
2 ,wo f eine messbare Funkion is. V eiss Risikoabbilung. Die Auswal er Risikofakoren äng von em Porfolio ab. Häufig verwenee Risikofakoren sin logarimisc Preise er finanziellen Vermögenswere, Erräge sowie logarimisce Wecselkurse. Sei ( X ) N eine Folge von Risikofakoränerungen un X := Z. Z Aus (2) können wir en Verlus es Pofolios bescreiben urc: ( (, ) (, )) = f + Z + X f Z + + (3) Wenn Ζ bekann is, wir ie Verlussvereilung von er Risikofakoränerung X + abängen. Wir bescreiben ier einen neuen Begriff. Der Verlusoperaor [ ] : l R R is efinier als l x : = f +, Ζ + x f, Ζ, x R, [ ] ( ) ( ) Un offensiclic [ ] [ ] + = l X +. (4) Is f ifferenzierbar is, so beobacen wir ie Approximaion erser Ornung + in er Gleicung (3), ann gil + : = f (, Z ) + f zi (, Z ) X +, i, i= (5) wobei ie Inizes von f ie pariellen Ableiung bezeicnen. Dann is er linear Verlusoperaor gegeben urc l[ ] ( X ) : = (, ) z (, f Z + f Z ) i xi i= (6) Bemerkung 2.2 Bei er Enwicklung von Formeln (2) zu (6) sin wir avon ausgegangen, ass ie Zei in Eineien gemessen wir. Dami mi Mark-Konvenion in unseren Beispielen zu zieen, wir es mancmal ie Abbilungen er Form g (s, Z) berace, wobei ie Zei s in Jaren gemessen wir; in iesem Fall ie Gleicungen (2) un (3) weren umgeform zu
3 ( ( ) ) : = g +, Ζ + X g, Z, + + wobei ie änge es Risikomanagemenzeiraums im Jar is. Die lineare Version er Gleicung (5) kann wie folg bescrieben weren: g Z g Z X + : = s (, ) + zi (, ) +, i i=. Bemerkung 2.3 In unserer Definiion von Verlus es Porfolios nemen wir an, ass ie Zusammensezung es Porfolios über en Zeiraum unveräner bleib Beinge un unbeinge Verlusvereilung Die Differenz zwiscen beinger un unbeinger Verlusvereilung äng sark von er Risikofakoränerungen ab. Nemen wir an, ass ie Risikofakoränerung eine saionäre Vereilung F X auf R a. Das beeue im Wesenlicen, ass ie Vereilung von ( ) N is. (siee Kapiel 4) Sei ϕ X konsan eine σ -Algebra, ie öffenlic zugänglice Informaionen zum Zeipunk bescreib. ϕ σ { X s } = ( : ) wir of als ie Gescice bis zum Zeipunk s (einscließlic Zeipunk ) genann. FX Typiscerweise + ϕ bezeicne ie beinge Vereilung von X + gegeben ϕ. Die beinge Verlusvereilung F ϕ + is efinier als ie Vereilung es Verlusoperaors [ ] (.) l uner F ϕ X + Für l R, gil [ ] 2..3 Risikoabbilung Beispiel 2.4. ( ) F l = P l X l ϕ = P l ϕ ϕ Beracen wir ein Porfolio von Akien. Sei λi ie Anzal er Akien i im Porfolio zum Zeipunk. Der Preis-Prozess er Akie i wir urc ( S, i ) N
4 bezeicne. Aus er Praxis in Finanz- un Risiko-Managemen benuzen wir logarimisce Preise als Risikofakoren, z.b. wir nemen an Z, i : = ln S, i, i Die Risikofakoränerungen is ann X+, i = ln S+, i ln S, i.dann bekommen Wir V = λ exp un ami ( Z, ) i= i i = V V + + = λ exp ( Z +, ) λ exp( Z, ) i i i i i= i= ( exp( ln S +, ) exp( ln S, )) = λ i= i i i ( S+, i ) ( S i ) exp ln = λ exp ln ( S, ) exp( ln S, ) i i i i= exp ln, = λ exp exp ln exp ln i= = λis, i ( X +, i ) i= ( X +, ) ( S, ) ( S, ) i i i i ( exp ) Der linearer Verlus + ergib sic als + = λi, i +, i =, i +, i i= i= S X V w X wobei as Gewic, ( λ, ) w : = S / V en Weraneil er Akien i am Gesamwer es i i i Porfolios angib. Der ensprecene lineare Verlusoperaor is urc l X = V w X : = V w x gegeben. Nemen wir an, ass ie Zufallvariable X ' [ ] i=, i i eine Vereilung mi Erwarungswer µ un Kovarianzmarix a. Mi en allgemeinen Regeln für ie Erwarungswer un ie Varianz eralen wir sofor ' ( [ ] ) = un [ ] E l X V w µ 2 ' Var l X = V w w Beispiel 2.5 (Europäisce Call-Opion) Eine europäisce Call-Opion mi Basispreis K un Ausuebungszeipunk T gib em Inaber as Rec, nic aber ie Verpflicung, eine Akie in T zu einem Preis von K zu kaufen. Wir verwenen ie Black-Scoles-Formel für ie Bewerung unseres Porfolios. (9) Definiere ie Funkion BS C als
5 (, ;, σ,, ) : ( s) BS r T C s S r K T = SΦ Ke Φ 2 (0) wobei Φ für ie Sanar-Normalvereilung bezeicne, r is en seigen risikolosen Zinssaz, σ bezeicne ie Volailiä auf järlicer Basis es Unerlying Akie, un = ( S K ) + r + ( T s) ln / 2 σ 2 σ T s un 2 = σ T s () Wir ineressieren uns für ie äglicen Verluse un sezen = /250. Daer nemen wir an Z ( ln S, r, σ ) ' = als Risikofakoren. Nac em Black-Scoles-Formel er Wer er Call-Opion am Tag enspric (,exp;, σ,, ) V = C Z r K T. BS Die Risikofakoränerungen weren wie folg bescrieben: ( ln ln,, ) X = S S r r σ σ, s.. er linearer Verlus is: ( BS BS exp BS BS σ ) = C + C Z X + C X + C X. + s s +, r +,2 +,3 2.2 Messungen es Risikos In er Praxis weren Risikomasse für viele Zwecke verwene. Die wicigsen Zwecke sin ie folgenen: () Besimmung es Risikokapials un er Kapialunerlegung. Eine er wicigsen Funkionen es Risikomanagemens in em Finanzsekor is Besimmung es Kapials, welces als Buffer gegen unerwaree Verluse in einer Finanzinsiuion ses voranen sein soll. (2) Managemen Insrumen. Risikomassen weren of bei Managemen als Massen zur Begrenzung er Risiken verwene. (3) Versicerungsprämien. Versicerungsprämien kompensieren as Risiko,as eine Versicerungsgesellscaf übernimm. Die Höe ieser Kompensaion kann als Maß für as Risiko angeseen weren Ansäze zur Messung es Risikos Die Ansäze zur Messung es Risikos lassen sic in vier verscieene Kaegorien zusammenfassen: imaginärer Kapialwer ; Masse für Fakorsensiiviä; Risikomasse basieren auf Verlusvereilung; Risikomasse basieren auf Szenarien. Imaginärer Kapialwer-Ansaz: Das is er älese Ansaz zur Quanifizierung es Risikos eines Porfolios. In em imaginären Kapialwer is as Risiko eines Porfolios als ie Summe er imaginären Were er einzelnen Werpapiere efinier.
6 Der Voreil es imaginären Kapialwer -Ansazes is seine Einfacei. Maß für Fakorsensiiviä: Maß für Fakorsensiiviä gib ie Veränerung es Weres eines Porfolios bei Veränerung er Risikofakoren. Darüber inaus verursac as Maß für Fakorsensiiviä Probleme bei er Aggregaion er Risiken. Daer sin iese Masse nic ser nüzlic. Risikomasse basieren auf Verlusvereilung: Das Konzep er Verlusvereilung is sinnvoll für ie Besimmung er Höe einer Kapialanforerung, nic nur für ein Porfolio, as aus einem einzigen Insrumen bese, sonern auc für ie ganze Finanzinsiuion. Ricig gescäz spiel ie Verlusvereilung auc Aufrecnungs- un Diversifikaionseffeke wier. Es gib auc Probleme bei er Benuzung er Verlusvereilung. z.b Alle Scäzung über ie Verlusvereilung sin auf en vergangenen Daen basier. Risikomasse basieren auf Szenarien: Das Risiko eines Porfolios wir urc en maximalen Verlus es Porfolios gemessen. Wir geben jez eine formale Bescreibung. Sei { x x } χ =,... n er Risikofakoränerungen (Szenarien) un einen Vekor w = [ ] n w,... w 0, bezeicne Gewic. Beracen wir ein Porfolio von riskanen n Werpapieren un l [ ] bezeicne en ensprecenen Verlusoperaor. Das Risiko es Porfolios ergib sic wie folg Bemerkung 2.9 { } ψ =, (6) [ ] : max wl [ ] ( x, ),..., wnl w [ ] ( x χ n ) Nemen wir an, ass l [ ] (0) = 0,.. er Wer er Posiion bleib unveräner, wenn alle Risikofakoren gleic bleiben. Das is sinnvoll für ein kleines Risikomanagemenzeiraum. Es bezeicne δ x as Dirac-Maß, er Warsceinlickeismasse auf, w = x δ x = un ρ [ ] bezeicne ie Menge χ,w 0, sons R, { 0,..., 0} ρ δ δ δ δ [ ] = w, x + ( w ) w ( w ) n x + w χ n n Dann gil ϕ { E ( l ) P ρ[ χ ]} = max Χ : (7) P [ χ ] [ ], w, w Risikomasse basieren auf Szenarien sin ser nüzlice Risikomanagemen-Insrumene für Porfolien, ie vergleicesweise wenig
7 Risikofakoren aben. Das Problem is Besimmung von Szenarien un Gewicsfakoren Value-a-Risk Definiion 2.0 (Value-a-Risk). Sei ( 0,). Value-a-Risk (VaR) von em Porfolio zum Nivea is ie kleinse Zal l, so ass ie Warsceinlickei, ass er Verlus as Niveau l überscreie, nic größer als ( - ) is. { } { } VaR = inf l R : P > l = inf l R : F l In er probabilisiscen Version is VaR ein Quanil er Verlusvereilung. Typisce Were für sin = 0,95 oer =0,99. Im Markrisikomanagemen is er Zeiraum in er Regel ein Tag oer zen Tage, im Kreirisikomanagemen un operaionellen Risikomanagemen is in er Regel ein Jar. Das Bil 2. illusrier en Begriff VaR. 95%-VaR is ie urcgeene senkrece inie.der urcscnilice Verlus is als gepunkee senkrece abgebile. Beacen Sie, ass ie urcscnilice Verlus negaiv is (E () = -2,6). Das beeue, ass wir einen Gewinn erwaren, aber en recen Teil er Verlusvereilung is ziemlic lang im Vergleic mi em linken Teil. Die 95%-VaR beeue, ass wir mi ie Cance von 5% minesens iesen Berag verlieren. (8) Abbilung 2. Ein Beispiel für eine Verlusvereilung mi 95%-VaR is mi einer verikalen inie gekennzeicne, er expece sorfall is mi einer gesricelen inie gekennzeicne. Bemerkung 2.. (Mean-VaR). Wir bezeicnen mi µ en Erwarungswer er Verlusvereilung. Mancmal benuz
8 man Mean VaR : =VaR µ sa VaR. Wenn er Zeiraum nur einen einen Tag beräg, wir Mean VaR als Täglice Earnings a Risk (EaR) genann. Die Unerscie zwiscen VaR un Mean VaR is von geringer Beeuung in as Markrisikomanagemen, weil er Zeiraum kurz is un µ nae an Null is. Es wir im Kreigescäf von Beeuung, weil er Zeiraum länger is. Weil Quanile eine wicige Rolle im Risikomanagemen spielen, geben wir jez eine wicige Definiion. Definiion 2.2. (Umkerfunkion an Quanilfunkion) (i ) Sei T: R R eine Funkion. Die Umkerfunkion von T is efinier als { } : inf : T y = x R T x y (ii ) Sei F Vereilungsfunkion, ie Umkerfunkion F is als Quanilfunkion von F genann. Für ( 0,) ie -Quanilfunkion von F is gegeben urc { } : inf : q F = F = x R F x Für eine Zufallvariable X mi Vereilungsfunkion F benuzen wir of ie alernaive Screibweise q ( X ) : q ( F ) =. Wenn F seig un sreng monoon wacsen is, ann aben wir q ( F ) F ( ) =,wobei F ie allgemeine Umkerfunkion von F is. emma 2.3 x R is as -Quanil von er Vereilungsfunkion F genau ann, wenn F ( x ) 0 ; F ( x ) < für alle x < x 0. Beispiel 2.4 (VaR für Normal-un -Verlusvereilung). 2 Sei Vereilungsfunkion F normal vereil mi Erwarungswer µ un Varianz σ. Für ( 0,) fes, gil Mean = + Φ un VaR σ ( ) VaR µ σ = Φ (9) Wobei Φ ie Sanar-Normalvereilungsfunkion is un Φ ( ) as Quanil von Φ is. 0 Der Beweis is einfac, a F sreng monoon wacsen is. Nac emma 2.3 braucen wir nur zu zeigen, ass F ( VaR ) =. Jez aben wir
9 µ P( VaR ) = P Φ ( ) = Φ ( Φ ( )) = σ Dieses Ergebnis is in em Varianz-Kovarianz-Ansaz verwene (auc als Dela-Normal-Ansaz genann). Ein weieres nüzlices Beispiel is ie -Verlusvereilung. Nemen wir an, für Verlus besiz ( µ ) / σ eine Sanar--Vereilung mi Freieisgra υ.dann 2 aben wir ~ (,, ) υ µ σ un E()= µ, Var() = 2 / ( 2) υσ υ fürυ > 2. Dann bekommen wir VaR = + v µ (20) wobei υ ie Vereilungsfunkion von Sanar--Vereilung is Weiere Kommenare über VaR Nic-Subaiiviä: VaR als Risikomass wure kriisier, a es sclece Aggregaionseigenscafen a. An ieser Selle bemerken wir, ass Nic-Subaiiviä beeue: wenn wir zwei Verlusvereilungen F un F 2 für zwei Porfolios aben un F bezeicne ie gesame Verlusvereilung es Gesamporfolioes = + 2. Es is nic zwingen, aß q ( F ) q ( F ) + q ( F ), so ass er VaR es Gesamporfolioes urc ie 2 Summe er VaR er einzelnen Porfolios nac oben bescränk is. Moell-Risiko un Markliquiiä: In er Praxis weren VaR-Zalen of falsc inerpreier, was irrefüren un sogar gefärlic is; ie Aussage, ass ie äglice Value-a-Risk mi em Konfienzniveau = 99% von einem besimmen Porfolio gleic l is. verse man als mi einen Warsceinlickei von 99% wir er Verlus kleiner als l. " Es gib zwei Grüne,warum iese Inerpreaion falsc is: () Moell-Risiko. Moel-Risiko is efinier als as Risiko, ass eine Verlüse enseen, weil ie verweneen Risikomanagemen-Moelle falsc sin oer einige er zugrunliegenen Annamen ieser Moelle in er Praxis nic erfüll sin. (2) Markliquiiä.Ein Mark für ein Werpapier wir liqui genann, wenn ie Anleger können große Mengen von Werpapieren in kürzeser Zei kaufen oer verkaufen one ass er Werpapierpreis sark beeinfluss wir. Umgeker, ein Mark kann als illiqui genannen weren Anere Risikomassen,ie auf er Verlusvereilung basier. Varianz:
10 Die Varianz is ein gues Konzep, as einfac analysier weren kann. Aber Varianz als Risikomass a zwei Naceile: () Auf em ecniscen Bereic, wenn wir Varianz benuzen, müssen wir avon ausgeen, ass as zweie Momen es Verlusevereilung exisier. (2) Auf er konzepionellen Bereic, weil es keinen Unerscie zwiscen posiiven un negaiven Abweicungen vom Mielwer gib, is Varianz ein gue Risikomass nur für ie Vereilung, ie symmerisc um en Mielwer is, wie ie Normalvereilung oer, ganz allgemeinen, ie ellipisce Vereilungen, ie in Kapial 3 besprocen weren. Expece Sorfall: Definiion 2.5(Expece Sorfall) Für einen Verlus mi E ( ) p un ie Vereilungsfunkion Expece Sorfall mi en Niveau ( 0,) un is efinier als F bezeicne ie ES = qu ( F ) u, (23) Wobei q ( F ) F ( u) u = ie Quanilfunkion von F bezeicne. Expece Sorfall is in Zusammenang mi VaR se, weil ES = VaRu u. Offensiclic äng ES nur von er Vereilung von ab un ES VaR. emma 2.6. Für ein Verlus mi seigen Vereilungsfunkion F un ein (0,) aben wir ( ; ) E q ES = = E VaR wobei A F is. ( ) Wir aben ie Noaion E (X; A): = E (X I A ) für eine inegrierbare Zufallvariable X, verwene. Beweis: Sei U ein Zufallvariable un auf em Inervall [0,] gleic vereil. Es is eine wolbekanne Tasace, ass ie Zufallvariable F ( U ) ( ; ) a. Wir müssen zeigen, ass ( ) Vereilungsfunkion E q = F u u.jez aben wir ( ) ( ) E ; q = E F U ; F U F = E F U ; U (24) F In ie leze Gleicung aben wir ie Tasace benuz, ass F sreng wacsen
11 is, wenn F seig is. Dann eralen wir ( ; ) =. E F U U F u u Bemerkung 2.7 Für eine nic seige Verlusvereilungsfunkion F is ie Gleicung (24) nic für alle geeigne, saessen aben wir ie folene Gleicung: ES = E q + q P q ( ( ; ) ( )) Beispiel 2.8. (Expece sorfall für Gauß-Verlusvereilung). Nemen wir an, ass ie Verlusvereilung Für (0, ) fes aben wir ( Φ ) ϕ ES = µ + σ (25) 2 F normal vereil is mi Erwarungswer µ un Varianzσ. wobeiϕ ie Dice er Sanar-Normalvereilung is. Der Beweis is einfac, zuers aben wir (26) µ µ µ ES = µ + σ E q σ σ σ Daer kann men en Expece Sorfall für = ( ) ( % ) ϕ Φ % : µ / σ berecnen. Dann gil ϕ ( Φ ( )) ϕ Φ ( ) ES = l l l = l = Beispiel 2.9. (Expece Sorfall für -Verlusvereilung). Sei erverlus bezeicne, s.. = ( ) % : µ / σ besiz Sanar--Vereilung mi Freieisgraυ. Nemen wir an, assυ >. Dann aus Beispiel 2.8 aben wir ES = µ + σ ES. Expece Sorfall von er Sanar--Vereilung is leic urc ireke Inegraion berecne weren.es gil ES ( v ( )) + v ( ) 2 g v υ % = (27) v wobei v ie Vereilungsfunkion is un g v ie Dice bezeicne. emma Seien i i eine Folge von Zufallvariablen ii mi Vereilungsfunkion N F, ann gil
12 lim n n( ) i= i, n = ES (28) n ( ) Wobei, n... n, n Ornungssaisiken von,... n bezeicen. Beispiel 2.2. (VaR un ES für ie Akienerräge). Wir alen äglice Verluse in einer besimmen Akie, er akuelle Wer enspricv = 0,000. Erinnern Sie sic an Beispiel 2.4, ass er Verlus für ieses Porfolio wir von + = V X+ gegeben, wobei X + äglic log-reurn er Akie bezeicne. Wir geen avon aus, ass Erwarungswer von X + null is un σ = 0.2/ 250 is.wir nemen an, ass ie Volailiä auf järlicer Basis er Akie 20% is. Wir vergleicen zwei verscieene Moelle, un zwar (i) eine normalen Vereilung un (ii) eine -Vereilung mi Freieigra υ = 4. Sei -Vereilung eine symmerisce Vereilung, so ass große absoluen Were mi groß warsceinlickei als in er normalen Vereilung aufri weren. In Tabelle 2. sellen wir VaR un ES für beie Vereilung un verscieene Were von. Die meisen Risikomanager würen beaupen, ass ie -Vereilung riskaner als ie Normalevereilung is, a nac er -Vereilung große Verluse mi großer Warsceinlickei aufreen. Wenn wir VaR mi en Niveau 95% oer 97,5% benuzen, um as Risiko zu messen, wir ie normale Vereilung auf minesens so riskan wie as T-Vereilung, nur wenn ein Niveau über 99%, besiz ie -Vereilung as öere Risiko. 2.3 Sanar-Meoen für Markrisiken 2.3. Varianz-Kovarianz-Meoe Die Risikofakoränerungen X + besiz eine mulivariae Normalvereilung (enweer unbeing oer being). D.. X N ( µ ) ~, +,wobei µ ie Erwarungswer is un Kovarianzmarix bezeicne. Wir geen avon aus, ass er linearer Verlus in Bezug auf ie Risikofakoren eine inreicen genaue
13 Annäerung für en asäclicen Verlus is un l[ ] ( X ) =. Der linearer + + Verlusoperaor wir als folgene Funkion berace. D.. + ( x) ( c b x) wobei = + (29) c un b Konsan sin. Eine wicige Eigenscaf er mulivariae Normalvereilung is, ass ie lineare Funkion (29) von X + ' ' = ~ N ( c b µ, b b ) l X + + [ ] ( ) eine univariae Normalvereilung aben muss. Wir aben (30) Naceile er Meoe: Die Varianz-Kovarianz-Meoe biee eine einface analyisce ösung für ie Risikomessung. Diese Bequemlickei erreic urc ie folgenen zwei Annamen: ()inearisierung kann nic immer eine gue Annäerung an as Verälnis zwiscen en Verlus un ie Veränerungen es Risikofakors bieen. (2)Die Anname er Normaliä is nic realisisc für ie Vereilung er Risikofakoränerungen für as äglice Daum un vielleic auc für ie wöcenlicen un sogar monalicen Daen Hisorisce Simulaion Hisorisce Simulaions-Meoe kann man sic als Scäzung er Vereilung auf Verlusoperaors uner en Were X,... X geac weren. Uner Anwenung n+ em Verlusoperaor wir iese Meoe bescrieben. Wir eralen eine Folge von isorisc simulieren Verluse als [ ] Die Were { s = l X s : s = n +,... } %. (32) % s zeig, was as akuelle Porfolio passieren wir, wenn ie Risikofakoränerung am Tag s aufri. Voreile un Naceile er Meoe: Die isorisce Simulaions-Meoe is zwar ser arakiv: Es is einfac zu implemenieren; keine saisisce Scäzung für mulivariaen Vereilung von X is erforerlic; Insbesonere geben wir keine Annamen über ie Abängigkei zwiscen em Risikofakoränerungen. Aber er Erfolg es Ansazes äng von unserer Fäigkei ab. Wir sollen ausreicene Mengen von relevanen, syncronisier Daen für alle Risikofakoren sammeln Mone-Carlo-Meoe Die Mone-Carlo-Meoe is ein ziemlic allgemeiner Begriff für alle Annäerung für ie Messung es Risikos. Der erse Scri es Verfarens is ie Wal es Moells un ie Kalibrierung es Moells für isorisce Risikofakoränerungen Χ,..., Χ. Naürlic solle es ein Moell sein, von em man leic simulieren kann, a in er zweien Sufe wir m n+
14 unabängigen Risikofakoränerungen für ie näcse Zei simulieren, ie wir als % ( m),... X % zeicnen. X + + Naceile er Meoe: Für großes Porfolio kann er Recenaufwan er Mone-Carlo-Ansaz ereblic sein, a jeer Simulaion er Neubewerung es Porfolios erforer. Dies is besoners problemaisc, wenn as Porfolio viele Derivae, eren Preisen nic in gesclossener Form enäl kann Verluse über merere Perioen un Skalierung Biser aben wir Ein-Perioe-Verlusvereilung un ami verbunene Risikomassen in Berac gezogen. Es is of er Fall is, ass wir Maßnamen, um as Risiko für en Verlusvereilung über merere Perioen für Ein-Perioe Verlus scließen möcen.das wir in Kap.4 bescrieben. Skalierung. Es wäre scön, wenn wir eine einface Regeln für ie Umwanlung von Ein-Perioen-Risikomassen in -Perioen Risikomassen (> )aben. wir bezeicnen en Verlus vom Zeipunk in en näcsen Perioen urc ( ) +. Aus Gleicung () un (3) aben wir ( ) (, ) (, ) = V V = f + Z f Z ( f (, Z ) f (, Z )) = + + Χ + + Χ = : Χ ( ) l [ ] + i i= wobei l [ ] einen Verlusoperaor zum Zeipunk für ie -Perioen-Verlus beeue. Die allgemeine Frage is, wie as Risikomass für ie Vereilung ( ) + angewan wir. Den H-Perioen Verlusoperaor is verscieen von em Ein-Perioe Verlusoperaor in Siuaionen, in enen ie Abbilung explizi von er Zei abäng (z.b. Derivae-Porfolios). Zum Beispiel beracen wir en Fall, ie Abbilung nic auf [ ] em Kalener Zei abäng,.. l[ ] X = l X. Die lineare Form ieser ' Operaor is [ ] l X b X = für einen Vekor b, ie zur Zeipunk bekann is. Wir beracen as einfacere Problem er Skalierung für Risikomassen uner Anwenung er linearen Verlusvereilung. Dann gil ( ) l X b X ' + = [ ] + i = + i i= i= (33)
15 Das folgene Beispiel zeig einen besoners einfacen Fall, in em wir eine ser einface Skalierung aben, ie als Quarawurzel er Zeiperioe genommen wir. Beispiel (Quarawurzel er Zeiperioe). Nemen wir an, as Risikofakoränerungen sin ii mi er Vereilung ( 0, ) N. i= + i un ie Vereilung von Dann gil X ~ N ( 0, ) ( ) + is ( ) + ~ N 0, b b. sei ( ) ES Expece Sofall, wir aben ES φ Φ ( ) ( ) = σ Wobei b b 2 σ =, offensiclic ES ( ) ES = un mi änlicer Screibweise, VaR ( ) VaR = Backesing Nemen wir an, ass zum Zeipunk wir Scäzungen für VaR un Expece Sorfall für eine Perioe un -Perioen macen. Wir bezeicnen ie reale Ein-Perioe Risikomassen bei, VaR un VaR un ES un ie reale -Perioen Massen bei, ES. Wir müssen wissen, wie üblic, über ie Frage, ob iese Mass für ie unbeinge oer beinge Verlusvereilung benuz weren kann. Zum Beispiel, in en lezeren Fall verweisen wir,, ( ) ( ), ( ), (, ) = F = + + > VaR F ES E VaR F +, Durc er Definiion er VaR aben wir, ass P ( + f VaR ) = -, so ass ie Warsceinlickei für eine so genanne Überscreiung er VaR is gleic -. In er Praxis is as Risikomass aus en Daen gescäz weren un wir vorsellen ein Inikaor für Überscreiung er VaR: ) : )( ) I + = I I { + : = I ( ),, } + > VaR, { + > VaR } (34) Wir erwaren, ass iese Inikaoren wie Bernoulli Zufallsvariablen mi erfolgreice Warsceinlickei in er Näe ( ) veralen Ein anscaulices Beispiel Wir scließen as Kapiel mi einem Beispiel, ass einige er Ieen, ie wir erwän aben,wir in Kapiel 3 un 4 argesell. Wir beracen ie Anwenung er Meoen aus er allgemeinen Kaegorien er Varianz-Kovarianz un isoriscer Simulaions-Meoen für as Porfolio eines Invesors in en inernaionalen
16 Akieninizes. Wir nemen an, er Invesor aben Pfun (GBP) un möce in er Financial Times 00 Akien Inex (FTSE 00), ie Sanar & Poors 500 (S & P500) un er Swiss Marke Inex (SMI) invesieren. Der Anleger a somi Wärungsrisiko in US-Dollar (USD) un Scweizer Franken (CHF) un er Wer es Porfolios äng von fünf Risikofakoren ab (rei og-inex-were un zwei log-wecselkurse). Die ensprecenen Risikofakoren Rückker in em Zeiraum 992 bis 2003 sin in Bil 2.2 gezeig. An em Tag sezen wir en Gesamwer er Porfolio V in Pfun um un ie Gewice es Profolios (FTSE00, S & P500 un SMI)sin 30%, 40% un 30%.Mi einem änlicen Grun zum Beispiel 2.4 eralen wir en Verlusoperaor l e e e [ ] ( Χ ) = ( 0.3 x x + x x ) 3 x5 ( ) Un l[ ] ( X ) 0.3x 0.4( x x ) 0.3( x x ) = , wobei x, x2 un x 3 log-reurn für en rei Inizes bezeicnen un x4 un x 5 log-reurn für GBP / USD un GBP / CHF Wecselkurse bezeicnen. Unser Ziel is, VaR mi Niveau 95% un 99% für alle Arbeisage in en Jaren 996 bis 2003 zu berecnen. Wir beracen en Ferien in einzelnen Märken, so eralen run 260 Tagen Risikofakorerräge in jeem Jar.
17 Bil 2.2: Zeireie er Risikofakoränerungen. Diese sin ie og-reurn von (a)ftse00, (b)s & P500 un(c) SMI-Inizes sowie og-reurn für () GBP / USD un (e)gbp / CHF-Wecselkurs in em Zeiraum 992 bis Wir nuzen ie lezen 000 isoriscen Daen X,..., 999 X für alle VaR für Tag + mi er folgenen Meoen zu besimmen: VC. Sanar unbeinge Varianz-Kovarianz-Meoe mi mulivariaen Gaußscen Risikofakoränerungen. HS. Sanar unbeinge isorisce Simulaions-Meoe. VC-. Eine unbeinge Varianz-Kovarianz-Meoe, bei em eine mulivariae -Vereilung is für er Risikofakoränerungen geeigne.(sie Kap 3) VC-MGARCH. Eine beinge Version er Varianz-Kovarianz-Meoe, bei em eine mulivariae GARCH-Moell mi mulivariae normale Innovaionen wir verwene, um ie beinge Kovarianzmarix es Risikos für er Risikofakoränerungen am näcsen Tag zu scäzen. (sie Kap 4) VC-EWMA. Eine änlice Meoe wie VC-MGARCH, aber eine merimensionale Version er EWMA Meoe wir verwene, um ie beinge Kovarianzmarix für ie Risikofakoränerungen am näcsen Tag zu scäzen.
18 HS-CONDEVT. Eine beinge Meoe uner Verwenung er Kombinaion von GARCH-Moell un EVT (exreme Wer-Teorie). (sie Kap 7) Aus en Ergebnissen in Tabelle 2.2 scließen wir, ass ie rei unbeinge Meoen (VC, HS-un VC-) sin in er Regel von ie beinge Meoen überroffen. Aber in en Jaren 997, 998 un 2002 sin Überscreiungen sclec urc ie unbeingen Meoen beanel un füren zu vieler Überscreiungen von VaR mi em Niveau 95% un 99%. Die isorisce Simulaion is in Varianz-Kovarianz auf em 99%-Niveau bevorzug, aber es gib eine scwace eisung auf em 95%-Niveau. Es gib eine Verbesserung auf en 99%-Niveau uner ie beingungslose Varianz-Kovarianz-Meoe für eine mulivariae -Vereilung, aber asäclic mac alles sclimmer auf em 95%-Niveau. Die bese Meoe is HS-CONDEVT, ie mi em Exremwer Teorie un GARCH-Moell kombinier.
19 In em Bil 2.3 aben wir nur ie Jare 2002 berace un zeig ie asäclicen Verluse zusammen mi Risikomaßen un Überscreiung für ie gegebene zwei Meoen: HS un HS-GARCH-. In iesem Jar war ie sanare isorisce Simulaions-Meoe nic gu. Es gib 26 Überscreiungen von er 95%-VaR un 7 Überscreiungen von er 99%-VaR, oer ewa oppel so viele wie zu erwaren wäre. Das HS-GARCH--Meoe is in er age, sic en Veränerungen er Überscreiungen es gesamen Jares 2002 zu reagieren un es gib 9 un 4 Überscreiungen; as is mer als erware bei er 95%-Niveau, aber is eine gue eisung auf em 99%-Niveau. Bil.2.3 Täglicer Verlus im Jare 2002 mi Risikomassen ((a).95%-var,(b).99%-var) un auc Überscreiungen für ie Meoe HS un HS-GARCH-. HS VaR is urc eine urcgezogene inie bezeicne un Überscreiungen sin urc Kreise bezeicne; HS-GARCH- is urc eine gesricele inie mi Dreiecken bezeicne.
Motivation. Finanzmathematik in diskreter Zeit
Moivaion Finanzmahemaik in diskreer Zei Eine Hinführung zu akuellen Forschungsergebnissen Alber-Ludwigs-Universiä Freiburg Prof. Dr. Thorsen Schmid Abeilung für Mahemaische Sochasik Freiburg, 22. April
MehrAufgabe T1: Eine Druckgasflasche (V=50l) sei gefüllt mit Stickstoff unter einem Druck von 300 bar.
ysikkurs i Raen des Forbildungslerganges Indusrieeiser Facricung arazeuik anuar 008 Lösungen Wärelere Aufgabe : Eine Drucasflasce (V50l) sei gefüll i icksoff uner eine Druck von 00 bar. ϑ a) Wieviel ol
MehrAufgabenblatt 1. Lösungen. A1: Was sollte ein Arbitrageur tun?
Aufgabenbla 1 Lösungen 1 A1: Was solle ein Arbirageur un? Spo-Goldpreis: $ 5 / Unze Forward-Goldpreis (1 Jahr): $ 7 / Unze Risikoloser Zins: 1% p.a. Lagerkosen: Es gib zwei Handelssraegien, um in einem
Mehr15. Netzgeräte. 1. Transformator 2. Gleichrichter 3. Spannungsglättung 4. Spannungsstabilisierung. Blockschaltbild:
Ein Nezgerä, auch Nezeil genann, is eine elekronische Schalungen die die Wechselspannung aus dem Sromnez (230V~) in eine Gleichspannung umwandeln kann. Ein Nezgerä sez sich meisens aus folgenden Komponenen
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit SS 2008
Phillips Kurve (Blanchard Ch.8) 151 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrBericht zur Prüfung im Oktober 2008 über Finanzmathematik und Investmentmanagement
Beric zur rüfung im Okober 008 über Finanzmaemaik und Invesmenmanagemen (Grundwissen) eer Albrec (Manneim) Am 7 Okober 008 wurde zum drien Mal eine rüfung im Fac Finanzmaemaik und Invesmenmanagemen nac
MehrSERVICE NEWSLETTER. Einführung in die Mechanik Teil 2: Kinematik (2)
Einührung in ie Mechanik Teil : Kinemaik Ausgabe: 9 / 4 In iesem Teil er Reihe wollen wir anhan eines Zahlenbeispiels en Deomaionsgraienen als zenrale Größe zur Beschreibung er Deormaion in er Kinemaik
MehrThema : Rendite und Renditemessung
Thema : Rendie und Rendiemessung Lernziele Es is wichig, die Zeigewichung der Rendie als ennzahl zu versehen, den Unerschied zwischen einer koninuierlichen und einer diskreen erzinsung zu begreifen und
MehrINSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11
INSIU FÜR NGENDE HYSI hysikalisches rakikum für Suierene er Ingenieurswissenschafen Universiä Hamburg, Jungiussraße 11 elier-ärmepumpe 1 Ziel äleleisung, ärmeleisung un ie Leisungsziffer einer elier-ärmepumpe
MehrPreisniveau und Staatsverschuldung
Annahme: Preisniveau und Saasverschuldung Privae Wirschafssubjeke berücksichigen bei ihren Enscheidungen die Budgeresrikion des Saaes. Wenn sich der Saa in der Gegenwar sark verschulde, dann muss der zusäzliche
MehrBericht zur Prüfung im Oktober 2007 über Finanzmathematik und Investmentmanagement
Berich zur Prüfung im Okober 7 über Finanzmahemaik und Invesmenmanagemen (Grundwissen) Peer Albrech (Mannheim) Am 5 Okober 7 wurde zum zweien Mal eine Prüfung im Fach Finanzmahemaik und Invesmenmanagemen
MehrThema 6: Kapitalwert bei nicht-flacher Zinsstruktur:
Thema 6: Kapialwer bei nich-flacher Zinssrukur: Markzinsmehode Bislang unersell: i i kons. (, K, T) (flache Zinskurve) Verallgemeinerung der KW-Formel auf den Fall beliebiger Zinskurven jedoch ohne weieres
MehrFallstudie zu Projektbezogenes Controlling :
Projekbezogenes Conrolling SS 2009 Fallsudie zu Projekbezogenes Conrolling : Thema: Erfolgspoenzialrechnung Lehrsuhl für Beriebswirschafslehre, insb. Conrolling Projekbezogenes Conrolling SS 2009 LITERATUR
MehrPraktikum Grundlagen der Elektrotechnik Versuch 5. Matrikelnummer:... ...
FH D FB 3 Fachhochschule Düsseldorf Universiy of Applied Sciences Fachbereich Elekroechnik Deparmen of Elecrical Engineering Prakikum Grundlagen der Elekroechnik Versuch 5 Name Marikelnummer:... Anesa
MehrDie Halbleiterdiode. Demonstration der Halbleiterdiode als Ventil.
R. Brinkmann hp://brinkmanndu.de Seie 1 26.11.2013 Diffusion und Drif Die Halbleierdiode Versuch: Demonsraion der Halbleierdiode als Venil. Bewegliche Ladungsräger im Halbleier: im n Leier sind es Elekronen,
MehrDie Sensitivität ist eine spezielle Form der Zinselastizität: Aufgabe 1
Neben anderen Risiken unerlieg die Invesiion in ein fesverzinsliches Werpapier dem Zinsänderungsrisiko. Dieses Risiko läss sich am einfachsen verdeulichen, indem man die Veränderung des Markweres der Anleihe
MehrMusterlösungen zur Klausur. Grundlagen der Regelungstechnik. vom
Muserlösungen zur Klausur Grundlagen der Regelungsecni vom 4.9. Aufgabe : Linearisierung Pune A. Linearisierung des niclinearen Terms der Modellgleicungen, wobei und die üllsände im Gleicgewic sind. B.
MehrAbiturprüfung Baden-Württemberg 1986
001 - hp://www.emah.de 1 Abirprüfng Baden-Würemberg 1986 Leisngskrs Mahemaik - Analysis Z jedem > 0 is eine Fnkion f gegeben drch f x x x e x ; x IR Ihr Schabild sei K. a Unersche K af Asympoen, Schnipnke
MehrKapitel 11 Produktion, Sparen und der Aufbau von Kapital
apiel 11 Produkion, Sparen und der Aufbau von apial Vorbereie durch: Florian Barholomae / Sebasian Jauch / Angelika Sachs Die Wechselwirkung zwischen Produkion und apial Gesamwirschafliche Produkionsfunkion:
MehrBrush-up Kurs Wintersemester 2015. Optionen. Was ist eine Option? Terminologie. Put-Call-Parität. Binomialbäume. Black-Scholes Formel
Opionen Opionen Was is eine Opion? Terminologie Pu-Call-Pariä Binomialbäume Black-Scholes Formel 2 Reche und Pflichen bei einer Opion 1. Für den Käufer der Opion (long posiion): Rech (keine Pflich!) einen
MehrDie Bauteile 1,2,3 sind gelenkig miteinander verbunden, in A und B gelagert und durch das Gewicht G 1 der Scheibe 1 belastet.
Aufgabe S1 F10 Die auteile 1,2,3 sind gelenkig miteinander verbunden, in A und gelagert und durc das Gewict G 1 der Sceibe 1 belastet. Annamen: Die Gelenke seien reibungsfrei. Das Material der Sceibe 1
Mehr26 31 7 60 64 10. 16 6 12 32 33 9
Lineare Algebra / Analyische Geomerie Grundkurs Zenrale schrifliche Abiurprüfungen im Fach Mahemaik Aufgabe 4 Fruchsäfe in Berieb der Geränkeindusrie produzier in zwei Werken an verschiedenen Sandoren
MehrBeispiel für die Berechnung des Wärmedurchgangskoeffizienten eines zusammengesetzten Bauteiles nach DIN EN ISO 6946
Pro Dr-Ing hena Krawietz Beispiel ür ie Berechnung es Wärmeurchgangskoeizienten eines zusammengetzten Bauteiles nach DIN EN ISO 6946 DIN EN ISO 6946: Bauteile - Wärmeurchlasswierstan un Wärmeurchgangskoeizient
MehrPhysik für Bauingenieure
Fachbereich Physik Prof. Dr. Ruolf Feile Dipl. Phys. Markus Domschke Sommersemester 00 4. 8. Juni 00 Physik für Bauingenieure Übungsblatt 9 Gruppenübungen. Konensator Zwei quaratische Metallplatten mit
MehrREX und REXP. - Kurzinformation -
und P - Kurzinformaion - July 2004 2 Beschreibung von Konzep Anzahl der Were Auswahlkrierien Grundgesamhei Subindizes Gewichung Berechnung Basis Berechnungszeien Gewicheer Durchschniskurs aus synheischen
MehrFachrichtung Mess- und Regelungstechniker
Fachrichung Mess- und egelungsechniker 4.3.2.7-2 chüler Daum:. Tiel der L.E. : Digiale euerungsechnik 3 2. Fach / Klasse : Arbeiskunde, 3. Ausbildungsjahr 3. Themen der Unerrichsabschnie :. -Kippglied
Mehr1. Mathematische Grundlagen und Grundkenntnisse
8 1. Mahemaische Grundlagen und Grundkennnisse Aufgabe 7: Gegeben sind: K = 1; = 18; p = 1 (p.a.). Berechnen Sie die Zinsen z. 18 1 Lösung: z = 1 = 5 36 Man beache, dass die kaufmännische Zinsformel als
Mehr4.7. Prüfungsaufgaben zum beschränkten Wachstum
.7. Prüfungsaufgaben zum beschränken Wachsum Aufgabe : Exponenielle Abnahme und beschränkes Wachsum In einem Raum befinden sich eine Million Radonaome. Duch radioakiven Zerfall verminder sich die Zahl
MehrBericht zur Prüfung im Oktober 2009 über Grundprinzipien der Versicherungs- und Finanzmathematik (Grundwissen)
Berich zur Prüfung i Okober 9 über Grundrinziien der Versicherungs- und Finanzaheaik (Grundwissen Peer lbrech (Mannhei 6 Okober 9 wurde zu vieren Mal eine Prüfung i Fach Grundrinziien der Versicherungs-
MehrHerzlich willkommen zur Demo der mathepower.de Aufgabensammlung
Herzlich willkommen zur der Um sich schnell innerhalb der ca. 350.000 Mahemaikaufgaben zu orienieren, benuzen Sie unbeding das Lesezeichen Ihres Acroba Readers: Das Icon finden Sie in der links sehenden
MehrSR MVP die Sharpe Ratio des varianzminimalen
Prüfung inanzmahemaik und Invesmenmanagemen 4 Aufgabe : (4 Minuen) a) Gegeben seien zwei Akien mi zugehörigen Einperiodenrendien R und R. Es gele < ρ(r,r )
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
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Saisik II Übung 4: Skalierung und asympoische Eigenschafen Diese Übung beschäfig sich mi der Skalierung von Variablen in Regressionsanalysen und mi asympoischen Eigenschafen von OLS. Verwenden Sie dazu
Mehr5. Flipflops. 5.1 Nicht-taktgesteuerte Flipflops. 5.1.1 NOR-Flipflop. Schaltung: zur Erinnerung: E 1 A 1 A 2 E 2.
AO TIF 5. Nich-akgeseuere Flipflops 5.. NO-Flipflop chalung: E A zur Erinnerung: A B A B 0 0 0 0 0 0 0 E 2 A 2 Funkionsabelle: Fall E E 2 A A 2 0 0 2 0 3 0 4 Erklärungen: Im peicherfall behalen die Ausgänge
MehrSeminar Bewertungsmethoden in der Personenversicherungsmathematik
Seminar Bewerungsmehoden in der Personenversicherungsmahemaik Akuarielle und finanzmahmaische Bewerung I Xiaoying Xu Mahemaisches Insiu der Universiä zu Köln Sommersemeser 2010 Bereuung: Prof Schmidli,
Mehr6. In einem Experiment wurden für die Bewegung eines Spielzeugautos folgende Messwerte aufgenommen:
Aufgaben zur gleicförigen Bewegung Aufgaben. Ein Radfarer are u 7.00 Ur in Leipzig und fär i der ileren Gecwindigkei 0 / nac Berlin. U 9.00 Ur fär ein Auo on deelben Punk in dieelbe Ricung ab. E beiz die
MehrINPUT-EVALUATION DER ZHW: PHYSIK SEITE 1. Serie 1
INPUT-EVALUATIN DER ZHW: PHYSIK SEITE 1 Serie 1 1. Zwei Personen ziehen mi je 500 N an den Enden eines Seils. Das Seil ha eine Reissfesigkei von 600 N. Welche der vier folgenden Aussagen is physikalisch
Mehr5 Versicherung auf mehrere Leben
Versicherung auf mehrere Leben 59 5 Versicherung auf mehrere Leben Zie: nassen der bekannen ehoden, um Lebensversicherungen auf zwei oder mehrere Leben kakuieren zu können. Beisiee: Renenversicherung auf
MehrHamburg Kernfach Mathematik Zentralabitur 2013 Erhöhtes Anforderungsniveau Analysis 2
Hmburg Kernfch Mhemik Zenrlbiur 2013 Erhöhes Anforderungsniveu Anlysis 2 Smrphones Die Mrkeinführung eines neuen Smrphones vom Elekronikherseller PEAR wird ses ufgereg erwre. Zur Modellierung der Enwicklung
MehrZUKUNFT BILDEN. Die Bildungsinitiative der Region. Februar 2015. Journalistische Darstellungsformen. Teil 3
ZUKUNFT Februar 2015 Journalistisce Darstellungsformen Teil 3 Das Projekt zur Bildungsförderung für Auszubildende getragen von starken Partnern Initiatoren: Förderer und Stiftungspartner: INHALT Journalistisce
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
MehrDer Raum C liegt dicht in L p
Universiä Posdam Vorlesung Funkionalanalysis, SS 2009. (Dr. Seen Frölic Maias Ludewig Marikelnummer 73580 Daum: 8.05.2009 Der Raum C lieg dic in L p Überblick Aus der Vorlesung is bekann, dass der Raum
Mehrb) Man erwärmt auf einer Herdplatte mit einer Leistung von 2,0 kw zehn Minuten lang zwei Liter Wasser von 20 C.
Wärmelehre. a) Berechne, wie viel Energie man benöig, um 250 ml Wasser von 20 C auf 95 C zu erwärmen? b) Man erwärm auf einer Herdplae mi einer Leisung von 2,0 kw zehn Minuen lang zwei Lier Wasser von
MehrSignal- und Systemtheorie for Dummies
FB Eleroechni Ewas Signal- und Sysemheorie or Dummies Version - Juli Oh No!!!! Pro. Dr.-Ing. ajana Lange Fachhochschule Merseburg FB Eleroechni Pro. Dr.-Ing. ajana Lange Signal- und Sysemheorie or Dummies
MehrAnalog-Elektronik Protokoll - Transitorgrundschaltungen. Janko Lötzsch Versuch: 07. Januar 2002 Protokoll: 25. Januar 2002
Analog-Elekronik Prookoll - Transiorgrundschalungen André Grüneberg Janko Lözsch Versuch: 07. Januar 2002 Prookoll: 25. Januar 2002 1 Vorberachungen Bei Verwendung verschiedene Transisor-Grundschalungen
MehrVersuch 1 Schaltungen der Messtechnik
Fachhochschule Merseburg FB Informaik und Angewande Naurwissenschafen Prakikum Messechnik Versuch 1 Schalungen der Messechnik Analog-Digial-Umsezer 1. Aufgaben 1. Sägezahn-Umsezer 1.1. Bauen Sie einen
MehrMathematik III DGL der Technik
Mahemaik III DGL der Technik Grundbegriffe: Differenialgleichung: Bedingung in der Form einer Gleichung in der Ableiungen der zu suchenden Funkion bis zu einer endlichen Ordnung aufreen. Funkions- und
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrSchriftliche Abiturprüfung Technik/Datenverarbeitungstechnik - Leistungskurs - Hauptprüfung. Pflichtteil
Sächsisches Saasminiserium Gelungsbereich: Berufliches Gymnasium für Kulus und Spor Fachrichung: Technikwissenschaf Schuljahr 20/202 Schwerpunk: Daenverarbeiungsechnik Schrifliche Abiurprüfung Technik/Daenverarbeiungsechnik
MehrMS Michelson-Interferometer
MS Michelson-Interferometer Blockpraktikum Herbst 2007 (Gruppe 2b) 24. Oktober 2007 Inhaltsverzeichnis 1 Grunlagen 2 1.1 Aufbau.................................... 2 1.2 Interferenzmuster...............................
MehrAbschlussprüfung an Fachoberschulen in Bayern Mathematik mit CAS 2015 Analysis A2 Ausbildungsrichtung Technik
MK.7.05 B5_T_A MK_Loes.xmc Abschlussprüfung an Fachoberschulen in Bayern Mahemaik mi 05 Analysis A Ausbilungsrichung Technik.0 Gegeben sin ie reellen Funkionen f a : x --> x x x Definiionsmenge D fa R
MehrArbeit zur Lebens-Geschichte mit Menschen mit Behinderung Ein Papier des Bundesverbands evangelische Behindertenhilfe e.v.
Arbeit zur Lebens-Geschichte mit Menschen mit Behinderung Ein Papier des Bundesverbands evangelische Behindertenhilfe e.v. Meine Lebens- Geschichte Warum ist Arbeit zur Lebens-Geschichte wichtig? Jeder
MehrOptische Abbildung mit Einzel- und Tandemobjektiven
Optische Abbilung mit Einzel- un Tanemobjektiven. Wirkungsgra einer Abbilung mit einem Einzelobjektiv Mit einem Einzelobjektiv wir ein strahlener egenstan er Fläche A [m ] un er Ausstrahlung M W m au ein
MehrPrüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2010
Prüfung Grunprinzipien er Versicherungs- un Finanzmahemaik Aufgabe : (5 Minuen a Gegeben sei ein einperioiger Sae Space-Mark mi rei Zusänen, er aus rei Werpapieren besehe, einer sicheren Anlage zu % sowie
MehrUnternehmensbewertung
Unernehmensbewerung Brush-up Kurs Winersemeser 2015 Unernehmensbewerung 1. Einführung 2. Free Cash Flow 3. Discouned-Cash-Flow-Bewerung (DCF) 4. Weighed average cos of capial (wacc) 5. Relaive Bewerung/
MehrHTL Kapfenberg pc_reifeprüfungsaufgaben_ma_11_bsp.31.mcd Seite 1 von 7
HTL Kapfenberg p_reifeprüfungsaufgaben_ma Bsp.3.m Seie von 7 Angaben zu Aufgabe 3: Ein shwingfähiges mehanishes Sysem is mi einem geshwinigeisproporionalem Dämpfer ausgesae. Folgene in iesem Zusammenhang
MehrSeminararbeitspräsentation Risiko und Steuern. On the Effects of Redistribution on Growth and Entrepreneurial Risk-taking
Seminararbeispräsenaion Risiko und Seuern On he Effecs of Redisribuion on Growh and Enrepreneurial Risk-aking aus der Vorlesung bekann: Posiionswahlmodell Selbssändigkei vs. abhängige Beschäfigung nun
Mehr3.2 Festlegung der relevanten Brandszenarien
B Anwendungsbeispiel Berechnungen Seie 70.2 Feslegung der relevanen Brandszenarien Eine der wichigsen Aufgaben beim Nachweis miels der Ingenieurmehoden im Brandschuz is die Auswahl und Definiion der relevanen
MehrBericht zur Prüfung im Oktober 2006 über Finanzmathematik und Investmentmanagement
Berich zur Prüfung im Okober 006 über Finnzmhemik und Invesmenmngemen Grundwissen Peer Albrech Mnnheim Am 07. Okober 006 wurde zum ersen Ml eine Prüfung im Fch Finnzmhemik und Invesmenmngemen nch PO III
MehrWarum ist die Frage, wem ein Leasingobjekt zugerechnet wird, wichtig? Welche Vorteile kann ein Leasinggeber (eine Leasinggesellschaft) ggf. erzielen?
1) Boschafen von Kapiel 7 Welche Eigenschafen ha ein Finanzierungs-Leasing-Verrag? Warum is die Frage, wem ein Leasingobjek zugerechne wird, wichig? FLV, vollkommener Kapialmark und Gewinnseuer Welche
MehrLösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
Mehr2. Schärfentiefe des Mikroskops
Seie 3 Prakikum Nr. 11 urclic-mikrskp. Scärfeniefe des Mikrskps.1 Gemerisc-pisce Scärfeniefe Wird ein Objek mi Tiefenausdenung fgrafier (der auf eine Masceibe abgebilde), s is nur ein ebener Scni durc
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Mehr4. Kippschaltungen mit Komparatoren
4. Kippschalungen mi Komparaoren 4. Komparaoren Wird der Operaionsversärker ohne Gegenkopplung berieben, so erhäl man einen Komparaor ohne Hserese. Seine Ausgangsspannung beräg: a max für > = a min für
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
MehrSeminar Bewertungsmethoden in der Personenversicherungsmathematik
Seminar Bewerungsmehoden in der Personenversicherungsmahemaik Technische Reserven und Markwere I Sefanie Schüz Mahemaisches Insiu der Universiä zu Köln Sommersemeser 2010 Bereuung: Prof. Hanspeer Schmidli,
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
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrKosten der Verzögerung einer Reform der Sozialen Pflegeversicherung. Forschungszentrum Generationenverträge Albert-Ludwigs-Universität Freiburg
Kosen der Verzögerung einer Reform der Sozialen Pflegeversicherung Forschungszenrum Generaionenverräge Alber-Ludwigs-Universiä Freiburg 1. Berechnungsmehode Die Berechnung der Kosen, die durch das Verschieben
MehrEmbedded & Software Engineering
Embedded & Sofware Engineering echnik.mensch.leidenschaf ENGINEERING Individuelle und professionelle Enwicklungen Mixed Mode biee Ihnen im Bereich Embedded & Sofware Engineering professionelle Enwicklungsdiensleisungen
MehrGrundlagen zeitveränderlicher Signale, Analyse von Systemen der Audio- und Videotechnik
3. Nichperiodische Signale 3.1 ω ω ω dω Nichperiodische Signale endlicher Länge Die Fourierransformaion zerleg nichperiodische Signale endlicher Länge in ein koninuierliches endliches Frequenzspekrum.
MehrD-MAVT/D-MATL Analysis I HS 2018 Dr. Andreas Steiger. Lösung - Serie 5
D-MAVT/D-MATL Analysis I HS 08 Dr. Anreas Steiger Lösung - Serie 5 MC-Aufgaben (Online-Abgabe). Es sei f : [a, b] R eine Funktion. Welce er folgenen Aussagen ist rictig? (a) (b) f ist stetig f ist ifferenzierbar.
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:
MehrLösung - Serie 3. D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. 1. MC-Aufgaben (Online-Abgabe)
D-MAVT/D-MATL Analysis I HS 07 Dr. Anreas Steiger Lösung - Serie 3. MC-Aufgaben (Online-Abgabe). Es sei ie Funktion f : [0, ) [0, ) efiniert urc f() = ln( + ), wobei er Logaritmus ln zur Basis e ist. Welce
Mehr17. Kapitel: Die Investitionsplanung
ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus
MehrGrundlagen der Informatik III Wintersemester 2010/2011
Grundlagen der Informaik III Winersemeser 21/211 Wolfgang Heenes, Parik Schmia 11. Aufgabenbla 31.1.211 Hinweis: Der Schnelles und die Aufgaben sollen in den Übungsgruppen bearbeie werden. Die Hausaufgaben
MehrInstitut für Allgemeine Mechanik der RWTH Aachen
Insiu für Allgemeine Mecanik der RWTH Aacen Prof. Dr.-Ing. D. Weicer 7.Übung Mecanik II SS 7 4.6.7 Abgabeermin 7.Übung:.6.7 4: Ur. Aufgabe Zwei fläcengleice Querscnie a) und b) werden wie dargesell belase.
MehrKleiner Satz von Fermat
Kleiner Satz von Fermat Satz Kleiner Satz von Fermat Sei p P. Dann gilt a p a mo p für alle a Z. Wir führen zunächst eine Inuktion für a 0 urch. IA a = 0: 0 p 0 mo p. IS a a+1: Nach vorigem Lemma gilt
MehrZinsstruktur und Barwertberechnung
5A-0 Kapiel Zinssrukur und Barwerberechnung 5A-1 Kapielübersich 5A.1 Zinssrukur (Einführung) 5A.2 Zinssrukur und Rendie 5A.3 Spo- und Terminzinssäze 5A.4 Formen und graphische Darsellung 5A.5 Zusammenfassung
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrNachtrag Nr. 93 a. gemäß 10 Verkaufsprospektgesetz (in der vor dem 1. Juli 2005 geltenden Fassung) Unvollständiger Verkaufsprospekt
Nachrag Nr. 93 a gemäß 10 Verkaufsprospekgesez (in der vor dem 1. Juli 2005 gelenden Fassung) vom 27. Okoer 2006 zum Unvollsändiger Verkaufsprospek vom 31. März 2005 üer Zerifikae auf * ezogen auf opzins
MehrLehrstuhl für Finanzierung
Lehrsuhl für Finanzierung Klausur im Fach Finanzmanagemen im Winersemeser 1998/99 1. Aufgabe Skizzieren Sie allgemein die von Kassenhalungsproblemen miels (sochasischer) dynamischer Programmierung! Man
MehrWaschwasseraufbereitung gemäß Anhang 49 der Abwasserverordnung Kreislaufwasserbehandlung
Wascwasseraufbereitung 3 Wascwasseraufbereitung gemäß Anang 49 er Abwasserverornung Kreisaufwasserbeanung Ma Gmb, Tecnisce Daten un Preise 2016 zzg. MwSt. 97 3 Wascwasseraufbereitung Vorbeanungsbecken
MehrAufbau von faserbasierten Interferometern für die Quantenkryptografie
Aufbau von faserbasieren nerferomeern für die uanenkrypografie - Gehäuse, Phasensabilisierung, Fasereinbau - Maserarbei im Sudiengang Elekroechnik und nformaionsechnik Veriefungsrichung Phoonik an der
Mehr11 Sequentielle Schaltungen
11 Sequenielle Schalungen E 1 E 2 Kombinaorische Schalung A 2 A=f(E) E n A 1 A m E 1 A 1 E 2 Sequenielle A 2 Schalung E n A=f(E, Z) Z'=g(E, Z) A m Abbildung 1: Kombinaorische / Sequenielle Schalung Z'
MehrWas ist das Budget für Arbeit?
1 Was ist das Budget für Arbeit? Das Budget für Arbeit ist ein Persönliches Geld für Arbeit wenn Sie arbeiten möchten aber nicht mehr in einer Werkstatt. Das gibt es bisher nur in Nieder-Sachsen. Und in
MehrMachen Sie Ihre Kanzlei fi für die Zukunf! Grundvoraussezung für erfolgreiches Markeing is die Formulierung einer Kanzleisraegie. Naürlich, was am meisen zähl is immer noch Ihre fachliche Kompeenz. Aber
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
MehrValue Based Management
Value Based Managemen Vorlesung 5 Werorieniere Kennzahlen und Konzepe PD. Dr. Louis Velhuis 25.11.25 Wirschafswissenschafen PD. Dr. Louis Velhuis Seie 1 4 CVA Einführung CVA: Cash Value Added Spezifischer
MehrWir wollen nun die gegenseitige Lage von Punkten, Geraden und Ebenen untersuchen.
Lebezieunen Lebezieunen Wir wollen nun die eenseiie Le von Punken, Gerden und benen unersucen.. Le eines Punkes bezülic einer Gerden Ds is eine scon beknne Übun. Nics deso roz ier noc einml ein Beispiel.
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
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
MehrBarocker Kontrapunkt Invention: idealtypische ( akademische ) Form
Hans Peter Reutter: Invention 1 Baroker Kontrapunkt Invention: iealtypishe ( akaemishe ) Form Bis zum Ene er Barokzeit sin ie Bezeihnungen für polyphone Formen eigentlih ziemlih austaushbar: Fuge, Rierar,
MehrKondensator und Spule im Gleichstromkreis
E2 Kondensaor und Spule im Gleichsromkreis Es sollen experimenelle nersuchungen zu Ein- und Ausschalvorgängen bei Kapaziäen und ndukiviäen im Gleichsromkreis durchgeführ werden. Als Messgerä wird dabei
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
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrGrundschaltung, Diagramm
Grundschalung, Diagramm An die gegebene Schalung wird eine Dreieckspannung von Vs (10Vs) angeleg. Gesuch: Spannung an R3, Srom durch R, I1 Der Spannungsverlauf von soll im oberen Diagramm eingezeichne
MehrStochastischer Prozess S(t) z.b. Rauschspannung
s () () s (2) () s (i) () Sochasischer Prozess S() z.b. Rauschspannung 0 Bild : Analoges zufälliges Signal 2 P(S ) 0, P(S s ) P(S s 2 ) s s 2, P(S ). s() P S (s) b a /2 M b s a Bild 2: Sochasisches Signal
Mehr3.3. Aufgaben zur Binomialverteilung
.. Aufgaben zur Binomialverteilung Aufgabe 1: Ziehen mit Zurücklegen und Binomialverteilung Ein sechsseitiger Würfel wird zehnmal geworfen. a) Wie groß ist die Wahrscheinlichkeit, nur beim ersten Mal die
Mehr