Moderne Portfoliotheorie
|
|
- Julius Blau
- vor 7 Jahren
- Abrufe
Transkript
1 ortfoliooptimierung nach Markowitz Moderne ortfoliotheorie Carlos Nasher Universität Hamburg Hamburg, 12. Mai 2009
2 ortfoliooptimierung nach Markowitz Moderne ortfoliotheorie 1. Theoretische Grundlagen 2. Empirische Untersuchung
3 Das Markowitz-Modell bewertet ein ortfolio ausschließlich anhand von Rendite und Risiko Modellannahmen Anleger verhalten sich risikoavers Investitionsobjekte sind beliebig teilbar Keine Berücksichtigung von Transaktionskosten und Steuern lanungszeitraum beträgt eine eriode Bewertungskriterien sind erwartete Rendite und erwartetes Risiko (Standardabweichung der Rendite) Für jedes Asset sind der Rendite-Erwartungswert, die Rendite- Varianz sowie sämtliche Korrelationen mit den übrigen Assets bekannt 3
4 Die statischen Kennzahlen eines ortfolios sind die erwartete ortfoliorendite und die ortfoliovarianz Statistische Kennzahlen eines ortfolios Erwartete ortfoliorendite: ortfoliovarianz: n w i i i1 n n wi i 2 wiw j ij i1 i1 i j n n i1 j1 ww i j ij 4
5 Die statistischen Kennzahlen eines ortfolios lassen sich in einem Rendite-Risiko Diagramm darstellen Rendite-Risiko Diagramm 5
6 Unterschiedliche Gewichtungen der Assets innerhalb des ortfolios ergeben verschiedene Rendite-Risiko Kombinationen Rendite-Risiko Diagramm (3 Allokationen) 6
7 Unterschiedliche Gewichtungen der Assets innerhalb des ortfolios ergeben verschiedene Rendite-Risiko Kombinationen Rendite-Risiko Diagramm (23 Allokationen) 7
8 Unterschiedliche Gewichtungen der Assets innerhalb des ortfolios ergeben verschiedene Rendite-Risiko Kombinationen Rendite-Risiko Diagramm (500 Allokationen) 8
9 Unterschiedliche Gewichtungen der Assets innerhalb des ortfolios ergeben verschiedene Rendite-Risiko Kombinationen Rendite-Risiko Diagramm (5000 Allokationen) 9
10 Für gegebene Assets ergibt sich ein Rand erreichbarer Rendite- Risiko Kombinationen Rendite-Risiko Diagramm 10
11 Unter den Modellannahmen ergibt sich ein "effizienter Rand" auf dem alle optimalen ortfolios liegen Rendite-Risiko Diagramm 11
12 Optimale ortfolios lassen sich mithilfe eines Optimierungsansatzes finden Definition des Optimierungsproblems in Summendarstellung n n 2 ww i jij i1 j1 min! Unter den Nebenbedingungen: n w w 1 i i i i1 i1 n 12
13 Optimale ortfolios lassen sich mithilfe eines Optimierungsansatzes finden Definition des Optimierungsproblems in Matrizendarstellung 2 T w w min! Unter den Nebenbedingungen: w = Matrix der Anteilsgewichte (nx1) = Varianz-Kovarianz Matrix = Erwartungswertvektor = Vektor mit n Einsen w T T w 1 13
14 Die Berechnung anhand von Summenzeichen erfordert eine explizite Summierung der einzelnen Terme Summendarstellung für den 2 Asset Fall ww i jij i1 j1 2 w1w1 11 w2w2 22 w1w2 12 w2w1 21 w w 2w w
15 Das Falk'sche Schema bietet eine einfache Möglichkeit zur Matrizenmultiplikation Matrizenmultiplikation für den 2 Asset Fall 2 T w w Falk sches Schema T w w w w w w w
16 Das Falk'sche Schema bietet eine einfache Möglichkeit zur Matrizenmultiplikation Matrizenmultiplikation für den 2 Asset Fall 2 T w w Falk sches Schema T w w w w 1 2 w w w w w w w w w w w w
17 Die Darstellung in Matrixalgebra reduziert den rogrammieraufwand erheblich Vergleich beider Lösungen 2 w T w w w w w w w w w w w 2w w ww i jij i1 j1 w w 2w w nn Summanden 17
18 Optimale ortfolios lassen sich mithilfe eines Optimierungsansatzes finden Definition des Optimierungsproblems in Matrizendarstellung 2 T w w min! Unter den Nebenbedingungen: w = Matrix der Anteilsgewichte (nx1) = Varianz-Kovarianz Matrix = Erwartungswertvektor = Vektor mit n Einsen w T T w 1 18
19 Der Lagrange Ansatz stellt ein einfaches Verfahren zur Bestimmung der optimalen Lösung dar Lösung des Optimierungsproblems mittels Lagrange Ansatz Umstellen der Nebenbedingungen: w w T T Aufstellen der Langrange Funktion: L w w w w T T T
20 Der Optimierungsansatz liefert eine lineare Beziehung zwischen dem Erwartungswert-Vektor und dem Allokationsvektor Lösung der Optimierungsproblems L w w w w T T T Differenzieren der Lagrange Funktion nach der Gewichtungsmatrix: L 2 w w Umstellen und Einsetzen der Nebenbedingungen ergibt die Lösung: w g h 20
21 Der Optimierungsansatz liefert eine lineare Beziehung zwischen dem Erwartungswert-Vektor und dem Allokationsvektor Ergebnis des Optimierungsprozesses Allokationsvektor effizienter ortfolios: Mit den Hilfskoeffizienten: w g h 1 g B D A 1 h C D A A T 1 T 1 C T B D BC A
22 Das globale Minimum Varianzportfolio lässt sich unter Vernachlässigung der ortfolierendite vereinfacht berechnen Das globale Minimum Varianz ortfolio 2 T w w min! unter der NB: T w 1 globales MV w g g 2 g 1 C A C 1 C 1 22
23 ortfoliooptimierung nach Markowitz Moderne ortfoliotheorie 1. Theoretische Grundlagen 2. Empirische Untersuchung
24 Anhand einer Untersuchung von 6 DAX Aktien soll die einfache Berechnung mithilfe gängiger Standardsoftware gezeigt werden raktisches Beispiel Bildung eines ortfolios aus den Aktien der 6 DAX Unternehmen: Allianz BMW HypoVereinsbank Continental SA Volkswagen Schätzung der erwarteten Renditen und der erwarteten Volatilitäten auf Basis der diskreten Eintagesrenditen vom bis zum
25 Die geschätzte Varianz-Kovarianz Matrix bildet den Ausgangspunkt der quantitativen Untersuchung Varianz-Kovarianz Matrix Allianz BMW HVB Conti SA VW Allianz 0, , , , , , BMW 0, , , , , , HVB 0, , , , , , Conti 0, , , , , , SA 0, , , , , , VW 0, , , , , ,
26 Die Bestimmung der globalen MV erfolgt anhand der eingeführten Berechnungsformeln Rendite-Risiko Diagramm des Beispielportfolios 26
27 Mithilfe des eingeführten Optimierungsansatzes, lässt sich das varianzminimale ortfolio finden Bestimmung des globalen MV A T 1 T 1 C 2, ,6382 T 1 2 B 0,0020 D BC A 4,6929 Allokationsvektor: w g 1 C 1 0, ,1080 0,1602 0, , ,1486 Kennzahlen der globalen MV: g 2 g A C 1 C 0, ,
28 Zur Vergleichbarkeit werden die ortfoliokennzahlen annualisiert Kennzahlen des globalen MV Gewichtungen Allianz 23,45% erwartete ortfoliovolatilität p.a. g, ann 23,82% BMW 10,80% HVB 16,02% Conti 30,09% erwartete Rendite p.a. g, ann 12,03% SA 4,78% VW 14,86% 28
29 Durch Diversifikation lässt sich das Gesamtrisiko signifikant reduzieren Vergleich: Globales MV vs. Einzelwerte Globales MV Allianz SA g, ann 23,82% ann 32,29% ann 52,56% g, ann 12,03% 12,70% ann 35,92% ann 29
30 Unter der Vorgabe einer bestimmten ortfoliorendite, lässt sich ebenfalls das optimale ortfolio ermitteln Rendite-Risiko Diagramm des Beispielportfolios 21%? 30
31 Mithilfe des eingeführten Optimierungsansatzes, ergibt sich das varianzminimale ortfolio, welches eine Rendite von 21% hat Bestimmung des 21%-MV A T 1 2,0021 C T ,6382 T 1 2 B 0,0020 D BC A 4,6929 0, ,1995 0, h C A g 1 B A D 0, , , D 24, , , ,16 737, 72 92, 60 31
32 Mit der zuvor bestimmten linearen Beziehung ergibt sich der optimale Allokationsvektor Kennzahlen des 21%-MV Allokationsvektor des 21%-MV: Varianz des 21%-MV: 0, ,3175 0,0246 w g h 0,0391 0, , w w T 0,
33 Zur Vergleichbarkeit werden die ortfoliokennzahlen annualisiert Kennzahlen des 21%-MV Gewichtungen Allianz 22,66% (23,45%) erwartete ortfoliovolatilität p.a., ann 28,14% BMW 31,75% (10,80%) HVB 2,46% (16,02%) erwartete Rendite p.a., ann 21,00% Conti 3,91% (30,09%) SA 27,62% (4,78%) VW 11,59% (14,86%) 33
Substitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
Mehr1 Grundlagen des Portfolio Managements Mathematische Grundlagen im Portfolio Management Grundlagen der modernen Portfoliotheorie 203
Inhaltsübersicht 1 Grundlagen des Portfolio Managements 17 2 Mathematische Grundlagen im Portfolio Management 123 3 Grundlagen der modernen Portfoliotheorie 203 4 Die Anwendung des aktiven Portfolio Managements
MehrFinanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.
Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 2.
MehrPortfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra
Portfolio-Selektionstheorie grafisch und intuitiv mit GeoGebra Lucia Del Chicca Markus Hohenwarter Seminar Mathematech, JKU 14 Mai 2015 Die Problemstellung Es ist allgemein bekannt, dass wenn wir ein bestimmtes
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
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
MehrMathematische Werkzeuge R. Neubecker, WS 2018 / 2019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 018 / 019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen 1 Optimierung Optimierungsprobleme Suche nach dem Maximum oder Minimum
MehrPortfoliorisiko und Minimum Varianz Hedge
ortfoliorisiko und Minimum Varianz Hedge Vertiefungsstudium Finanzwirtschaft rof. Dr. Mark Wahrenburg Überblick Messung von Risiko ortfoliodiversifikation Minimum Varianz ortfolios ortfolioanalyse und
MehrPortfolio- und Kapitalmarkttheorie
Portfolio- und Kapitalmarkttheorie 2-WP-Fall der Portfoliotheorie Prof. Dr. Daniela Lorenz Julius-Maximilians-Universität Würzburg Sommersemester 2018 Organisatorisches Literatur Hintergrund Beispiel Annahmen
MehrFinanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.
Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 3.
MehrWährungsabsicherungen für internationale Portfolios mit dem Schweizer Franken als Referenzwährung
Währungsabsicherungen für internationale Portfolios mit dem Schweizer Franken als Referenzwährung Masterarbeit in Wirtschaftswissenschaften am Institut für Banking und Finance der Universität Zürich bei
Mehr10.5 Maximum-Likelihood Klassifikation (I)
Klassifikation (I) Idee Für die Klassifikation sind wir interessiert an den bedingten Wahrscheinlichkeiten p(c i (x,y) D(x,y)). y Wenn man diese bedingten Wahrscheinlichkeiten kennt, dann ordnet man einem
Mehr6. PORTFOLIOTHEORETISCHE GRUNDLAGEN
Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS 9 ANHANGSVERZEICHNIS 13 ABBILDUNGSVERZEICHNIS 14 TABELLENVERZEICHNIS 17 TEILI: EINLEITUNG 19 1. AUSGANGSLAGE 19 2. ASSET ALLOCATION 21 2.1. Assetklassendiversifikation
MehrAsset Management mit OLZ & Partners
Asset Management mit OLZ & Partners Asset Management mit OLZ & Partners Minimum Varianz als Alternative zum kapitalgewichteten Indexieren Assets under Management in Mio. CHF OLZ & Partners Entwicklung
MehrHistorische Renditen, Experteninterviews, Analyse von Marktpreisen
1 Portfoliotheorie 1.1 Grundlagen der Portfoliotheorie 1.1.1 Welche vier grundsätzlichen Anlageziele werden von Investoren verfolgt? Minimales Risiko Liquidation wenn nötig Hohe Rendite Gewinnmaximierung
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
MehrAlpha, Beta & co. Outperformance richtig bewerten. Dipl.-Kfm. Christoph Lang
α β Alpha, Beta & co. Outperformance richtig bewerten. Dipl.-Kfm. Christoph Lang 1 Fondskategorien (Peergroups) 500,00% 450,00% 400,00% 350,00% 300,00% 250,00% 200,00% 150,00% 100,00% 50,00% Auswertungszeitraum
MehrLagrange-Multiplikatoren
Lagrange-Multiplikatoren Ist x eine lokale Extremstelle der skalaren Funktion f unter den Nebenbedingungen g i (x) = 0, dann existieren Lagrange-Multiplikatoren λ i, so dass grad f (x ) = λ i grad g i
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrDimensionen. Mathematik. Grundkompetenzen. für die neue Reifeprüfung
Dimensionen Mathematik 7 GK Grundkompetenzen für die neue Reifeprüfung Inhaltsverzeichnis Buchkapitel Inhaltsbereiche Seite Komplexe Zahlen Algebra und Geometrie Grundbegriffe der Algebra (Un-)Gleichungen
Mehr5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren
5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination
MehrAufgabe 1 (25 Punkte) DIPLOMPRÜFUNG. TU Bergakademie Freiberg Fakultät für Wirtschaftswissenschaften
TU Bergakademie Freiberg Fakultät für Wirtschaftswissenschaften Matrikel-Nr.: Name (optional): Studienrichtung: Fakultät: Semesterzahl: 1 Aufgabe 1 (25 Punkte) (a) Was versteht man in der Asset Allocation
Mehrneue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner und Andreas Platen
S. Maier-Paape: Allokation für Portfolios VTAD München, 20.09.2017 Inhalt: neue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner
MehrWiederholung. Divide & Conquer Strategie
Wiederholung Divide & Conquer Strategie Binäre Suche O(log n) Rekursives Suchen im linken oder rechten Teilintervall Insertion-Sort O(n 2 ) Rekursives Sortieren von a[1..n-1], a[n] Einfügen von a[n] in
MehrMathematische Behandlung des Risikos in der Portfolio-Optimierung
Mathematische Behandlung des Risikos in der Portfolio-Optimierung Michael Manger Mathematisches Institut Universität Bayreuth Seminar Stochastische Dynamische Optimierung Bayreuth, 5. März 2008 Michael
MehrTaschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik
Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik von Wolfgang König, Heinrich Rommelfanger, Dietrich Ohse, Oliver Wendt, Markus Hofmann, Michael Schwind, Klaus Schäfer, Helmut Kuhnle, Andreas
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
Mehr) 10% ist (jeder würde in diese Aktie investieren, der Preis
OFIN Pingo Fragen 1. Der Wert eines Gutes... lässt sich auf einem vollkommenen KM bewerten bestimmt sich durch den relativen Vergleich mit anderen Gütern 2. Jevon's Gesetz von der Unterschiedslosigkeit
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 31. Mai 2011 4. Methode der kleinsten Quadrate Geschichte: Von Legendre, Gauß und Laplace zu Beginn des 19. Jahrhunderts eingeführt. Die Methode der
MehrInvestition und Finanzierung
- Zusatzfolien zur Portfoliotheorie und CAPM- Portfoliotheorie Die Portfoliotheorie geht auf Harry Markowitz zurück. Sie gibt Anlegern Empfehlungen, wie sie ihr Vermögen auf verschiedenen Anlagemöglichkeiten
MehrIhr Lotse zum perfekten Portfolio
Ihr Lotse zum perfekten Portfolio Während die Mehrzahl der privaten, aber auch der professionellen Investoren einem perfekten Timing und der richtigen Einzelauswahl die größte Bedeutung beimessen, liefert
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrPortfoliotheorie. Von Meihua Peng
Portfoliotheorie Von Meihua Peng Inhalt Allgemeines Annahmen Rendite, Volatilität Diversifikation Kovarianz Minimum-Varianz-Modell Kritisch Würdigung der Portfoliotheorie Literatur Finanzwirtscaft Ⅵ. Portfoliotheorie
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrEinführung in die Diskrete Finanzmathematik
Jürgen Kremer Einführung in die Diskrete Finanzmathematik Mit 37 Abbildungen /IS 4y Springer Ein-Perioden- Wertpapiermärkte 1 1.1 Portfolios 5 1.2 Optionen und Forward-Kontrakte 8 1.2.1 Optionen 8 1.2.2
MehrInhaltsverzeichnis. Teil I
Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrPortfoliotheorie, Risikomanagenient und die Bewertung von Derivaten
Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte
MehrSchulcurriculum Mathematik für die August-Dicke-Schule Qualifikationsphase Grundkurs
Stand 04.11.2016 Grundlage Kernlehrplan G8 für die Sekundarstufe II (2014) Seite 1 von 6 Die angegebenen Zeiträume sind nur Anhaltswerte. Bei einem Rahmen von 30 Wochen ergeben sich mögliche Freiräume.
MehrU N I V E R S I T Ä T S I E G E N Prüfungsamt Fachbereich Wirtschaftswissenschaften
Diplomprüfung Bachelorprüfung Erstprüfer: Wiedemann Matrikel-Nr.: Prüfungsfach: Allgemeine / Spezielle Betriebswirtschaftslehre Zweitprüfer: Moog Erlaubte Hilfsmittel: Nicht programmierbarer, netzunabhängiger
MehrJürgen Fuchs Private Equity Fluch oder Segen?
Jürgen Fuchs Private Equity Fluch oder Segen? IGEL Verlag Jürgen Fuchs Private Equity Fluch oder Segen? 1.Auflage 2008 ISBN: 978 3 86815 959 2 IGEL Verlag GmbH, 2008. Alle Rechte vorbehalten. Dieses ebook
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrCAPM Die Wertpapierlinie
CAPM Die Wertpapierlinie Systematisches und unsystematisches Risiko Von Dong Ning Finanzwirtschaft 6. Sem. Inhalt Wertpapierlinie (CAPM) Erwartungswert für f r die Rendit Risiken messen 1.Standardabweichung-
MehrÜbungsaufgaben zur Portfolio-Selection-Theorie:
Übungsaufgaben zur Portfolio-Selection-Theorie: Aufgabe 1 Nachfolgend finden Sie die umweltzustandsabhängigen Renditen der Aktien A und B: S 1 S 2 S 3 S 4 S 5 WK 0,2 0,2 0,2 0,2 0,2 r A 0,18 0,05 0,12
MehrGlobale Risiken und ihre Auswirkungen auf das Risikomanagement institutioneller Anleger
Globale Risiken und ihre Auswirkungen auf das Risikomanagement institutioneller Anleger Risikomanagement-Konferenz der Union Investment Frankfurt, 10. November 2011 Chair of Empirical Capital Market Research
MehrDas Problem signifikanter Betaschätzungen
Das Problem signifikanter Betaschätzungen Bachelorarbeit Münchener Forschungspreis für 2. Dezember 2010 Gliederung 1. Problemstellung 2. Praktische Anwendung des Beta-Konzepts 3. Theoretische Grundlagen
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
Mehr78 9. PORTFOLIO THEORIE. Wir vereinfachen nun den Markt. Wir definieren die Rendite des i-ten Aktivs
78 9 PORTFOLIO THEORIE 9 Portfolio Theorie Wir vereinfachen nun den Markt Wir definieren die Rendite des i-ten Aktivs R i = D i q i q i Falls der Aktiv eine Dividende ausbezahlt, ist die Dividende im Preis
MehrZu Thema 18: Beispiele für Aktien mit unterschiedlichen Betas
Zu Thema 18: Beispiele für Aktien mit unterschiedlichen Betas Theorie und Praxis Theoretischer Teil: Auswirkungen unterschiedlicher Betas auf das Schwingungsverhalten einer Aktie zum Index unter idealtypischen
MehrMessung von Zinsrisiken mit dem Value at Risk-Konzept (2) Prof. Dr. Arnd Wiedemann, Universität Siegen erschienen in: WISU 12/2002, S.
Messung von Zinsrisiken mit dem Value at Risk-Konzept () rof. Dr. Arnd Wiedemann, Universität Siegen erschienen in: WISU /00, S. 548-553 Teil () des Beitrags beschäftigte sich mit der Berechnung des Value
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen
MehrDeskriptive Statistik. (basierend auf Slides von Lukas Meier)
Deskriptive Statistik (basierend auf Slides von Lukas Meier) Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst
MehrKlausur zur Vorlesung Finanz- und Bankmanagement
Universität Augsburg Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Finanz- und Bankwirtschaft [Aufkleber] Klausur zur Vorlesung Finanz- und Bankmanagement Prof. Dr. Marco Wilkens 07.02.2011 Bitte
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
MehrKlassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
MehrThemenkorb für die mündliche Reifeprüfung aus Mathematik 8B 2016/17
Themenkorb für die mündliche Reifeprüfung aus Mathematik 8B 2016/17 Thema 1: Zahlenbereiche und Rechengesetze Reflektieren über das Erweitern von Zahlenbereichen von den natürlichen Zahlen zu den ganzen,
MehrProjektive Geometrie
Projektive Geometrie Einleitung Was ist projektive Geometrie? eine alternative algebraische Repräsentation von geometrischen Objekten (Punkt, Gerade,...) und Transformationen (Translation, Rotation,...)
MehrValue at Risk. Sandra Radl Sandra Radl Value at Risk / 31
Value at Risk Sandra Radl 24.01.2018 Sandra Radl Value at Risk 24.01.2018 1 / 31 Inhaltsverzeichnis 1 Definition Zeithorizont 2 Berechnungsmethoden Historische Simulation Lineares Modell Quadratisches
MehrValuation Übung 3 Moderne Portfoliotheorie. Adrian Michel Universität Bern
Valuation Übung 3 Moderne Portfoliotheorie Adrian Michel Universität Bern Aufgabe 1 Richtigstellung falscher Aussagen 2 Aufgabe 1 a) > Um aus zwei Aktien ein risikoloses Portfolio bilden zu können, müssen
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
MehrAusgleichungsrechnung - nach der Methode der kleinsten Quadrate -
Computer Vision Ausgleichungsrechnung - nach der Methode der kleinsten Quadrate -.6.5 Problem Beispiel: Bestimmung der Parameter einer Gerade bei gegebenen x und fehlerhaften y y = ax+ b Beschreibung der
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
Mehroder A = (a ij ), A =
Matrizen 1 Worum geht es in diesem Modul? Definition und Typ einer Matrix Spezielle Matrizen Rechenoperationen mit Matrizen Rang einer Matrix Rechengesetze Erwartungswert, Varianz und Kovarianz bei mehrdimensionalen
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrMathematik für Biologen
Dirk Horstmann Mathematik für Biologen 2. überarbeitete und ergänzte Auflage & Springer Spektrum 1 Einstieg und grafische Darstellungen von Messdaten 1 1.1 Grafische Darstellung von Daten und unterschiedliche
MehrKapitel 12. Lagrange-Funktion. Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28. f (x, y) g(x, y) = c. f (x, y) = x y 2
Kapitel 12 Lagrange-Funktion Josef Leydold Mathematik für VW WS 2017/18 12 Lagrange-Funktion 1 / 28 Optimierung unter Nebenbedingungen Aufgabe: Berechne die Extrema der Funktion unter der Nebenbedingung
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
Mehr1 Multivariate Zufallsvariablen
1 Multivariate Zufallsvariablen 1.1 Multivariate Verteilungen Definition 1.1. Zufallsvariable, Zufallsvektor (ZV) Sei Ω die Ergebnismenge eines Zufallsexperiments. Eine (univariate oder eindimensionale)
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrÜbung 5, Analytische Optimierung
Übung 5, 5.7.2011 Analytische Optimierung Aufgabe 5.1 Bei der Herstellung von Konserven werden für Boden und Deckel bzw. für den Konservenmantel verschiedene Materialien verwendet, die g 1 = bzw. g 2 =
MehrKorrekturrand 1 / 3. Viel Erfolg!!! Klausur in Finanzmarkttheorie. Name: Matrikelnummer:
60 55 50 45 40 35 30 124 165 206 247 1 42 83 288 329 370 411 452 493 534 575 616 657 698 739 780 821 862 903 944 985 Klausur in Finanzmarkttheorie Datum: 24.09.2014 Uhrzeit:14.30 16.30 Dauer: 120 Min.
MehrWas Aktuare über Abhängigkeit wissen sollten
08.05.2017 Renditen BASF BMW Renditen BASF Gold Was wir brauchen Zufallsvariable und Zufallsvektoren uni- und multivariate Verteilungen Abhängigkeitskennziffern Simulationsmethoden Copulamodelle Verteilungen
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrFortgeschrittene Ökonometrie: Maximum Likelihood
Universität Regensburg, Lehrstuhl für Ökonometrie Sommersemester 202 Fortgeschrittene Ökonometrie: Maximum Likelihood Poissonverteilung Man betrachte die poisson-verteilten Zufallsvariablen y t, t =, 2,...,
MehrKolloquium. Hagen (28. Mai 2017) C-Modul: Finanz- und bankwirtschaftliche Modelle (Modul 32521; Kurs 42000)
Kolloquium Hagen (28. Mai 2017) C-Modul: Finanz- und bankwirtschaftliche Modelle (Modul 32521; Kurs 42000) KE 1: Modelle mit symmetrischer Informationsverteilung Dr. Jürgen Ewert Fakultät für Wirtschaftswissenschaft
MehrKorrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model
Korrelationen, Portfoliotheorie von Markowitz, Capital Asset Pricing Model Matthias Eltschka 13. November 2007 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitung 4 2.1 Diversifikation...........................
Mehr7 Anwendungen der Linearen Algebra
7 Anwenungen er Linearen Algebra 7.1 Extremwertaufgaben mit Nebenbeingungen Bemerkung 7.1. Wir behaneln as Problem: Gegeben ist eine zweimal stetig ifferenzierbare Funktion f : R n R un ein stetig ifferenzierbares
Mehr2. Prinzipien der Datenreduktion
2. Prinzipien der Datenreduktion Man verwendet die Information in einer Stichprobe X 1,..., X n, um statistische Inferenz über einen unbekannten Parameter zu betreiben. Falls n groß ist, so ist die beobachtete
MehrEinführung FEM 1D - Beispiel
p. 1/28 Einführung FEM 1D - Beispiel /home/lehre/vl-mhs-1/folien/vorlesung/4_fem_intro/deckblatt.tex Seite 1 von 28 p. 2/28 Inhaltsverzeichnis 1D Beispiel - Finite Elemente Methode 1. 1D Aufbau Geometrie
Mehr2 0,5% - 5,0% 3 5,0% - 12% 4 12% - 20% 5 20% - 30% 6 30% - 80% 7 >80%
Die ESMA hat die finalen Technical Standards zur Berechnung der Risikoklassen im Rahmen der PRIIPs- Verordnung am 7. April veröffentlicht. Die grundsätzliche Herangehensweise für die Risikoeinstufung ist
MehrPortfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?
Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko
MehrRisikosensitivität und Zyklizität regulatorischer Eigenkapitalvorschriften. Rainer Baule, Christian Tallau
Risikosensitivität und Zyklizität regulatorischer Eigenkapitalvorschriften Rainer Baule, Christian Tallau 4. Siegener Jahreskonferenz Risk Governance 13. Oktober 2016 Ökonomisches versus regulatorisches
Mehr5.Tutorium Multivariate Verfahren
5.Tutorium Multivariate Verfahren - Hauptkomponentenanalyse - Nicole Schüller: 27.06.2016 und 04.07.2016 Hannah Busen: 28.06.2016 und 05.07.2016 Institut für Statistik, LMU München 1 / 18 Gliederung 1
MehrGeodätische Woche 2014 Session 6 Theoretische Geodäsie
Enrico Mai (IfE/LUH) & Robin Geyer (ZIH/TUD) Numerische Integration mittels Lie Reihen unter Verwendung von Parallelem Rechnen Geodätische Woche 2014 Session 6 Theoretische Geodäsie Berlin, 07.10.2014
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Sätze PLUS Es gilt für A, B R n n : det(ab) = det A det B (Determinantenmultiplikationssatz)
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
Mehr