Prüfungskolloquium SAV
|
|
- Hermann Franke
- vor 6 Jahren
- Abrufe
Transkript
1 Modellierung der Inflation in der Berechnung des Abwicklungsrisikos im SST in der Nichtlebenversicherung Prüfungskolloquium SAV Irina Sikharulidze, SST, FINMA 19. November 2010
2 Modellierung der Inflation in der Berechnung des Abwicklungsrisikos im SST Das übliche Statement im SST-Bericht eines Sachversicherers: die Teuerung ist in den Schadendreiecken implizit mitberücksichtigt. Ist dies korrekt? 19/11/2010 Prüfungskolloquium SAV 2
3 Grundlagen des Abwicklungsrisikos im SST Gemäss Notation des Technischen Dokumentes zum SST: mit dem Best Estimate der Schadenrückstellungen Das Verhältnis impliziert rsp. als Zufallsvariable auf dem filtrierten Wahrscheinlichkeitsraum zum Zeitpunkt t=0. 19/11/2010 Prüfungskolloquium SAV 3
4 Modellierung des Abwicklungsrisikos im SST R PY (1) - R PY (0) = f ( Schadenfaktor, Inflationsfaktor, Superimposed Inflationsfaktor, Kostenfaktor, Kosteninflationsfaktor, Zufallsrisiko Parameterwahl, Modellfaktor, ) ~ lognormal (μ, σ 2 ) Parameter risiko 19/11/2010 Prüfungskolloquium SAV 4
5 Statistik der Inflation 19/11/2010 Prüfungskolloquium SAV 5
6 Inflation in der Bewertung des Best Estimates der Rückstellungen Marktkonsistente Bewertung der Verpflichtungen: Historische Daten: Trendanalyse, Inflationsbereinigung ; Schätzung der erwarteten künftigen jährlichen Schadenund Kostenaufwände ; Schätzung der erwarteten künftigen Teuerung ; Festlegung der Cashflows: ; Diskontierung mit der nominalen risikolosen Zinskurve : 19/11/2010 Prüfungskolloquium SAV 6
7 Inflationseffekt in den Schadenjahren Inflation in der Bewertung des Best Estimates der Rückstellungen Inflationseffekt in der Abwicklung ultimate Kalenderjahreffekt der Inflation /11/2010 Prüfungskolloquium SAV 7
8 Konstante Inflation im Chain-Ladder Verfahren Übliche pragmatische Annahme über die Inflation und ihre Folgen: Annahme der konstanten monetären Inflation: Bei der Bewertung unter dem Chain-Ladder Verfahren wird die konstante relative Inflation in den CL-Faktoren implizit mitberücksichtigt: Folglich wird die Schwankung der Inflation bei der Risikomessung aufgrund der nichtindexierten historischen Daten implizit berücksichtigt. 19/11/2010 Prüfungskolloquium SAV 8
9 Konstante Inflation im Chain-Ladder Verfahren Einschränkungen der Annahme über die implizierte Berücksichtigung der Inflation: Wirkt nur unter Chain-Ladder Verfahren Keine Linearität im Preisanstieg im Laufe der Jahre (z.b. stark schwankende monetäre Inflation in den 70er Jahre in D) Vernachlässigt die Effekte der superimposed inflation 19/11/2010 Prüfungskolloquium SAV 9
10 Spezialfälle UVG Geschäft Teuerungsausgleich via Teuerungszulagenfonds Aktuell festgestellte Defizite des Teuerungsfonds Asbestosgeschäft Starker Einfluss der superimposed Inflation Vielfältige Einflussfaktoren Rückversicherungsgeschäft Zusammenspiel der speziellen Eigenschaften der Verträge und der Inflation 19/11/2010 Prüfungskolloquium SAV 10
11 Fazit zur Modellierung der Inflation in der Berechnung des Abwicklungsrisikos im SST Die Inflation wird im SST nicht als ein eigenständiger Risikofaktor, sondern als Bestandteil des Best Estimate der Rückstellungen modelliert; Im Best Estimate Wert der Rückstellungen ist die künftige erwartete Inflation marktkonsistent abgebildet; Im Abwicklungsrisiko wird (unter anderem) die Wertveränderung des Best Estimate der Rückstellungen aufgrund der Schwankung der Inflationskurve im 1-Jahreshorizont abgebildet; Der in der Praxis verbreitete Ansatz über die implizierte Berücksichtigung der Inflation aufgrund der historischen Daten ist nur unter bestimmten Voraussetzungen und Annahmen gültig. 19/11/2010 Prüfungskolloquium SAV 11
12 Vielen Dank Irina Sikharulidze Quantitatives Risikomanagement Versicherungen FINMA Einsteinstrasse Bern irina.sikharulidze@finma.ch 19/11/2010 Prüfungskolloquium SAV 12
Informationsveranstaltung zur Modellierung des UVG-Geschäfts im SST ab 2014 Bewertung und Risikoquantifizierung der UVG-Verpflichtungen
Informationsveranstaltung zur Modellierung des UVG-Geschäfts im SST ab 2014 Bewertung und Risikoquantifizierung der UVG-Verpflichtungen FINMA, Quantitatives Risikomanagement Irina Sikharulidze René Dahms.
MehrPrüfungskolloquium SAV 20. November 2008 Timofei Makarov
Thema: "Welche Genauigkeit kann bei der Bestimmung von Rückstellungen unter Berücksichtigung von Prozess-Risiko als auch von Parameter- und Messfehlern erwartet werden?" Prüfungskolloquium SAV 20. November
MehrDie Bewertung der eingebetteten Optionen in der Lebensversicherung
Die Bewertung der eingebetteten Optionen in der Lebensversicherung Prüfungskolloquium 19.11.2010 Beat Wäfler Eingebettete Optionen In Lebensversicherungsprodukten können für den Versicherungsnehmer beispielsweise
MehrDas Bornhuetter Ferguson Prinzip. Über Gemeinsamkeiten bekannter Reservierungsverfahren
AbD 2V AbM BFV BFP Bsp Über Gemeinsamkeiten bekannter Reservierungsverfahren Klaus D. Schmidt Lehrstuhl für Versicherungsmathematik TU Dresden Mathias Zocher Aktuariat Nichtleben Allianz Suisse Dresden,
MehrMarkt- und Kreditrisiken im SST-Standardmodell
Markt- und Kreditrisiken im SST-Standardmodell Tagung: KVG-Solvenztest Grundlagen zur Umsetzung Luca Alberucci Übersicht Einführung in den SST Das SST-Marktrisiko Standardmodell Das SST-Kreditrisiko Standardmodell
MehrSolvenz II Zweck & Nutzen. PORIS User-Group Treffen 2012
Solvenz II Zweck & Nutzen PORIS User-Group Treffen 2012 Worum geht es? Gewinn 1 schafft Wert 2 vernichtet Wert 1 RoRAC 1 0 2 2 1 vernichtet Wert 2 schafft Wert Risiko 2 Worum geht es? Gewinn Versicherung
MehrBewertung nach market consistent valuation principles
MCV Versicherung SST Bewertung nach market consistent valuation principles mit Fokus auf Optionen und Garantien Thomas Reichert Aktuariat Geschäftsfelder Leben Basler Versicherungen Vortrag beim Prüfungskolloquium
MehrDie Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski
Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation Jens Schiborowski Gliederung Einführung Monte-Carlo-Simulation Definition von Monte-Carlo-Simulation Einsatzgebiete von Monte-Carlo-Simulation
MehrAnforderungen an Krankenversicherer unter SST und Solvency II. Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16.
Anforderungen an Krankenversicherer unter SST und Solvency II Prüfungskolloquium zum Aktuar SAV Michele Casartelli, 16. November 2012 Grundlagen Hauptziele von Solvenzvorschriften: Schutz von Versicherungsnehmern
MehrMathematische Ansätze im Enterprise Risk Management
Mathematische Ansätze im Enterprise Risk Management Mathematisches Seminar FB MN 02.12.2008 Seite 1 Risk Management Aufteilung des RM in zwei Teilgebiete: - Quantitatives RM (QnRM) - Statistische und stochastische
Mehrfür Nichtleben-Versicherungsunternehmen betreffend die Schätzung der Parameter des SST- Standardmodells
WEGLEITUNG für Nichtleben-Versicherungsunternehmen betreffend die Schätzung der Parameter des SST- Standardmodells Ausgabe vom 16. Dezember 2011 Zweck Diese Wegleitung ist eine Arbeitshilfe zur Schätzung
Mehr7. SCHWEIZER SOLVENZ TEST für das Geschäft der beruflichen
III. SOLVENZ 59 7. SCHWEIZER SOLVENZ TEST für das Geschäft der beruflichen Vorsorge 7.1. Einführung Wegen der speziellen Struktur des Geschäftes der beruflichen Vorsorge in der Schweiz (im Folgenden kurz
MehrNichtlebenversicherungsmathematik Aus welchen Teilen besteht eine Prämie Zufallsrisiko, Parameterrisiko, Risikokapital Risikomasse (VaR, ES) Definition von Kohärenz Zusammengesetze Poisson: S(i) CP, was
MehrStochastische Kapitalmarktszenarien in der Versicherungswirtschaft
Stochastische Kapitalmarktszenarien in der Versicherungswirtschaft Thomas Gleixner 2. September 2013 Agenda Stochastische Kapitalmarktszenarien Bewertung von Optionen und Garantien Chance/Risiko-Projektion
MehrAllgemeine Pensionskasse der SAirGroup Berechnung des Fortführungsinteresses durch ALM-Projektion. 11. Dezember 2003
Allgemeine Pensionskasse der SAirGroup Berechnung des Fortführungsinteresses durch ALM-Projektion W W W. W A T S O N W Y A T T. C O M 11. Dezember 2003 2 Grundlagen Versichertenbestand per 1.1.2003 (von
MehrSST: - In Kraft - Ab 2011 verbindlich - Modellabhängig
Standardmodell oder internes Modell in der Lebensversicherung? Prüfungskolloquium zum Aktuar SAV 2010 Caroline Jaeger, Allianz Suisse Ursprung der Fragestellung Solvency I: - Risikounabhängig - Formelbasiert
MehrSST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Auswirkungen
SST und Solvency II im Vergleich für die Einzellebensversicherung: Kriterien und Dr. Nils Rüfenacht Prüfungskolloquium Aktuar SAV Bern, 1. Juni 2012 1 / 16 Inhalt 1 Entwicklung des SST und Solvency II
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrZur Diskontierung der Versicherungsverpflichtungen im SST
Association Suisse de s Actuaire s Schweizerische Aktuarvereinigung Swiss Association of Actuaries Zürich, den 21. April 2011 Autoren: Philipp Keller, Alois Gisler, Mario V. Wüthrich Zur Diskontierung
MehrKMVU-Weiterbildung. QIS5 und MaRisk(VA) Dozenten: Prof. Dr. Dietmar Pfeifer / Dr. Doreen Straßburger
KMVU-Weiterbildung QIS5 und MaRisk(VA) 17.08.2010 Dozenten: Prof. Dr. Dietmar Pfeifer / Dr. Doreen Straßburger 1 / 32 KMVU-Weiterbildung QIS 5 und MaRisk(VA) Inhalt Teil I: Die QIS 5 1. Die Solvency II-Bilanz
MehrITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation
ITWM Workshopserie 2012: Mehrfaktor-Zinsmodelle und ihre Implementation Aspekte des 2-Faktor-Hull-White-Modells 8. November 2012 Inhalt Weshalb ein Mehrfaktor Modell? 2-Faktor-Modelle Das ursprüngliche
MehrAnalyse von Querschnittsdaten. Spezifikation der unabhängigen Variablen
Analyse von Querschnittsdaten Spezifikation der unabhängigen Variablen Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Annahmen gegeben? kategoriale Variablen Datum 3.0.004 0.0.004
MehrSAV Prüfungskolloquium Reservierung in der Lebensversicherung im Zeichen der Finanz- und Wirtschaftskrise
SAV Prüfungskolloquium Reservierung in der Lebensversicherung im Zeichen der Finanz- und Wirtschaftskrise Manuela Baumann Bern, 20. November 2009 Agenda Arten versicherungstechnischer Rückstellungen Bestimmung
MehrDes Weiteren wird die zugehörige Modellierung im SST-Standardmodell beschrieben, wobei auf Prämienüberträge
WEGLEITUNG für die Bewertung und Risikoabbildung der Verpflichtungen des UVG-Bestandes im SST Ausgabe vom 31. Oktober 2014 Zweck Diese Wegleitung enthält Informationen und Erläuterungen zur marktkonsistenten
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrEidgenössische Finanzmarktaufsicht FINMA Zürich, 19.10.2012 Herr Thorsten Pfeiffer Einsteinstrasse 2
Association Suisse des Actuaires Schweizerische Aktuarvereinigung Swiss Association of Actuaries Eidgenössische Finanzmarktaufsicht FINMA Zürich, 19.10.2012 Herr Thorsten Pfeiffer Einsteinstrasse 2 3003
MehrRisiko-Reporting in der Lebensversicherung. Was sollte man reporten und warum? SAV-Kolloquium, 1. Juni 2012 Dr. Markus Engeli, Swiss Life AG
Risiko-Reporting in der Lebensversicherung. Was sollte man reporten und warum? SAV-Kolloquium, 1. Juni 2012 Dr. Markus Engeli, Swiss Life AG Agenda 1. Eingrenzung des Themas 2. Externes Risiko-Reporting
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
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
MehrAlterungsrückstellungen in der Krankenzusatzversicherung
Alterungsrückstellungen in der Krankenzusatzversicherung Zürich, 20. Januar 2014 Monika Buholzer CSS Versicherung - INTRAS - ARCOSANA Agenda Ausgangslage Zweck der Alterungsrückstellungen Methode FINMA
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrEinsatz Risikobewertung, Entscheidungsfindung und Simulation
Einsatz von @Risk: Risikobewertung, Entscheidungsfindung und Simulation Case Study Insolvenzwahrscheinlichkeit eines Unternehmens Risikoregister 1 Case Study: Insolvenzwahrscheinlichkeit eines Unternehmens
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
MehrWie wird die Erfüllbarkeit von Zinsgarantien in der Lebensversicherung sichergestellt (regulatorisch / Risikomanagement)?
Wie wird die Erfüllbarkeit von Zinsgarantien in der Lebensversicherung sichergestellt (regulatorisch / Risikomanagement)? Prüfungskolloquium SAV 24.05.2013 Ralph Metzger Inhalt 1. Einleitung 2. Regulatorische
Mehr{20. November 2012} Langfristeffekte von TV-Werbung: Der ROI Analyzer.
Langfristeffekte von TV-Werbung: Der ROI Analyzer raimund.wildner@gfk-verein.org Agenda Glanz und Elend der Bestimmung des ROI der Werbung Das Modell des ROI Analyzer Auswertungsbeispiele Zusammenfassung
MehrProf. Dr. Helmut Gründl Solvency II auf dem Prüfstand. Asset Management unter Solvency II
Prof. Dr. Helmut Gründl Solvency II auf dem Prüfstand Asset Management unter Solvency II Wien, 13. September 2016 Agenda 1 Einführung von Solvency II und Auswirkungen auf die Unternehmenspolitik 2 Solvency
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 6. Januar 2011 Bernd Klaus, Verena Zuber Das
MehrEinführung in die (induktive) Statistik
Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung
MehrVergleich der CHF-Zinskurven für die Diskontierung der Verpflichtungen im SST und in Solvency II, QIS 5. Prüfungskolloquium SAV, 19 November 2010
Vergleich der CHF-Zinskurven für die Diskontierung der Verpflichtungen im SST und in Solvency II, QIS 5 Prüfungskolloquium SAV, 19 November 2010 Inhaltsverzeichnis / Agenda Swiss Solvency Test (SST) und
MehrSupra Assurance SA und Assura SA. Fragen und Antworten für Versicherte
14. November 2012 Supra Assurance SA und Assura SA Fragen und Antworten für Versicherte Einsteinstrasse 2, 3003 Bern Tel. +41 (0)31 327 91 00, Fax +41 (0)31 327 91 01 www.finma.ch A294412/GB-G/G-SKO Inhaltsverzeichnis
MehrVorlesung 1: Einleitung
Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben
MehrNutzen-Kosten-Analyse
Nutzen-Kosten-Analyse von Dr. Horst Harnisch o. Professor für Volkswirtschaftslehre an der Universität Augsburg unter Mitarbeit von Dr. Peter Biene und Dr. Manfred Schlumberger Verlag Franz Vahlen München
MehrNikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen
Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen IGEL Verlag Nikolay Kachakliev Volatilitätsprodukte Eigenschaften, Arten und Bewertungen 1.Auflage 2009 ISBN: 978 3 86815 358
Mehr21. November Rolf Schenker
Risiko Arbeitslosigkeit Cabaret Voltaire 21. November 2013 Rolf Schenker Risiko Arbeitslosigkeit 1. Berechnung der Arbeitslosenquote 2. Regionale Unterschiede innerhalb der 3. Zeitliche Entwicklungen 4.
MehrDVGW W392 Wasserverlust in Rohrnetzen Erläuterungen und Hintergründe zu Kennzahlen im überarbeiteten Entwurf
DVGW W392 Wasserverlust in Rohrnetzen Erläuterungen und Hintergründe zu Kennzahlen im überarbeiteten Entwurf Torben Keck, Stadtwerke München November 2015 SWM intern Worum geht s im Vortrag? DVGW W392E:2015E
MehrStellungnahme zur Anhörung des Bundestages am 19. März 2012
Freie Universität Berlin, Fachbereich Wirtschaftswissenschaft Boltzmannstr. 20, 14195 Berlin Prof. Dr. Dr. Giacomo Corneo Institut für Öffentliche Finanzen und Sozialpolitik Boltzmannstr. 20 D-14195 Berlin
MehrMultivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
MehrFRP 5 Prüfung der Vorsorgeeinrichtung gemäss Art. 52e Abs. 1 BVG
FRP 5 Prüfung der Vorsorgeeinrichtung gemäss Art. 52e Abs. 1 BVG Nach der a.o. Generalversammlung vom 29.11.2011 FRP 5 Prüfung der Vorsorgeeinrichtung gemäss Art. 52e Abs. 1 BVG / Stand 29.11.2011 Fachrichtlinie
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
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
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 (3) Überblick. Deskriptive Statistik I 2. Deskriptive
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
MehrWas kosten Garantien?
Alternative Zinsgarantien in der Lebensversicherung, Köln, 1. Juni 2012 Was kosten Garantien? Prof. Dr. Ralf Korn Technische Universität Kaiserslautern, Fachbereich Mathematik EI-QFM und Fraunhofer ITWM
MehrRelative Atommassen. Stefan Pudritzki Göttingen. 8. September 2007
Relative Atommassen Stefan Pudritzki Göttingen 8. September 2007 Berechnung der relativen Atommassen Nach dem derzeitigen Kenntnisstand können die relativen Atommassen der chemischen Elemente mit einem
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrSeminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrFF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6
Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Konfidenzintervalle, Gauß scher Mittelwerttest) 1. Bei einem bestimmten Großraumflugzeug sei die Auslastung
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
MehrModellbildung und Simulation
Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:
Mehr6. Statistische Schätzung von ARIMA Modellen
6. Statistische Schätzung von ARIMA Modellen Vorschau: ARIMA Modelle Modellidentifikation verschiedene Schätzverfahren Modelldiagnostik Fallstudien Zeitreihenanalyse 1 6.1 ARIMA Modelle Bisher: ARMA(p,q)-Modelle:
MehrVorlesung 6: Alternativen zur Erwartungsnutzentheorie
Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 6 (FS 11) Alternativen zur Erwartungsnutzentheorie 1 / 21 1.
MehrInflation - Fluch oder Segen für die berufliche Vorsorge?
Inflation - Fluch oder Segen für die berufliche Vorsorge? Dr. Dominique Ammann, Partner PPCmetrics AG Financial Consulting, Controlling & Research, www.ppcmetrics.ch Inhalt Inflation und Zinsniveau Auswirkungen
MehrMehrkosten beim Bauen und Umbauen
Darf s ein bisschen mehr sein? Mehrkosten beim Bauen und Umbauen Lic. iur. Christian Bär, Rechtsanwalt, LL.M. Fachanwalt SAV Bau- und Immobilienrecht Seite 1 Inhalt 1. Ausgangslage: Werkvertrag a) Risikofaktor
MehrInflation! Ein Risiko? Bericht aus der Schaden-/Unfallversicherung Vortrag qx-club, 05.08.2014 Dr. Marcel Wiedemann, Aktuariat Komposit, HUK-COBURG
Inflation! Ein Risiko? Bericht aus der Schaden-/Unfallversicherung Vortrag qx-club, 05.08.2014 Dr. Marcel Wiedemann, Aktuariat Komposit, HUK-COBURG Inhalt 1 Einleitung 2 Risiken in der Schaden-/Unfallversicherung
MehrLösungshinweiseshinweise zur Einsendearbeit 2 zum Kurs 41520, Banken und Börsen, SS 2008
1 Lösungshinweise zur Einsendearbeit 2: SS 2008 Banken und Börsen, Kurs 41520 Aufgabe 1: Value at Risk a) Die UNIVERSALBANK möchte den Value at Risk als Risikokennzahl zur Messung bankspezifischer Risiken
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
MehrDas Zinsänderungsrisiko variabler Bankgeschäfte
Das Zinsänderungsrisiko variabler Bankgeschäfte Risikoanalyse und Bewertung variabler Hypotheken und Spargelder von Dr. Werner Burger Verlag Paul Haupt Bern Stuttgart Wien xi Inhaltsübersicht IX XI Abbildungsverzeichnis
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrDie Auswirkung von Lebenserwartung und Inflation auf die Versorgungslücke
Altersvorsorge Die Auswirkung von Lebenserwartung und Inflation auf die Versorgungslücke von Dipl.-Kfm. Dirk Klinkenberg, Lohmar, www.instrumenta.de Tue ich genug für die Altersvorsorge? Immer mehr Menschen
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrVersicherungsnachrichten
Einschätzungen von ING Investment Management 1. August 2013 Versicherungsnachrichten Long-Term Guarantees Assessment Study Ergebnisse und Konsequenzen für die Kapitalanlage Die im Juni 2013 veröffentlichte
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
MehrAnsätze zur Ermittlung des Kapitalstocks der europäischen Elektrizitätswirtschaft
1 Ansätze zur Ermittlung des Kapitalstocks der europäischen Elektrizitätswirtschaft Petra Gsodam, Gerald Feichtinger, Heinz Stigler Institut für Elektrizitätswirtschaft und Energieinnovation/TU Graz u
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrWege aus der Eurokrise
Wege aus der Eurokrise Professor Dr. Heiner Flassbeck Direktor der Abteilung für Globalisierung und Entwicklungsstrategien UNCTAD Krisenphänomen hohe Zinsen Zinssätze in % 18 16 14 12 10 8 6 4 Griechenland
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrAktuelles zur QIS. Alf Gohdes Towers Watson. 7. IVS-Forum am 25.09.2012, Köln
Aktuelles zur QIS Alf Gohdes Towers Watson 7. IVS-Forum am 25.09.2012, Köln Verteilung der IORP Mittel in der EU DB Pläne Quelle: CEIOPS: Survey on fully funded, technical provisions and security mechanisms
MehrRisikomessung mit dem Conditional Value-at-Risk
Jendrik Hanisch Risikomessung mit dem Conditional Value-at-Risk Implikationen für das Entscheidungsverhalten. Bibliothek j k Mit einem Geleitwort von \* \, -^ Prof. Dr. Wolfgang Kürsten A; Verlag Dr. Kovac
Mehr3. Prozesse mit kontinuierlicher Zeit
3. Prozesse mit kontinuierlicher Zeit 3.1 Einführung Wir betrachten nun Markov-Ketten (X(t)) t R +. 0 Wie beim Übergang von der geometrischen zur Exponentialverteilung können wir uns auch hier einen Grenzprozess
MehrModelle und Wirklichkeit drahtloser Multi-Hop-Kommunikation. von Benjamin Gerner
Modelle und Wirklichkeit drahtloser Multi-Hop-Kommunikation von Benjamin Gerner Die Idee der MANETs bei Bedarf aufgebaut selbstorganisierend setzt keine bestehende Netzstruktur voraus MANETs im Einsatz
MehrDelta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer
Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden
MehrVorlesung 8b. Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten
Vorlesung 8b Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 Wie gehabt, denken wir uns ein zufälliges Paar X = (X 1,X 2 ) auf zweistufige Weise zustande gekommen:
MehrErläuterung des Vermögensplaners Stand: 3. Juni 2016
Erläuterung des Vermögensplaners 1 Allgemeines 1.1. Der Vermögensplaner stellt die mögliche Verteilung der Wertentwicklungen des Anlagebetrags dar. Diese verschiedenen Werte bilden im Rahmen einer bildlichen
MehrProf. Dr. Alexander Pott Otto-von-Guericke-Universität Magdeburg. 18. September Mathematik und Ökonomie in der Schule 1
Mathematik und Ökonomie in der Schule Prof. Dr. Alexander Pott Otto-von-Guericke-Universität Magdeburg 18. September 2003 Mathematik und Ökonomie in der Schule 1 (Fast) alle an der Schule im Mathematikunterricht
MehrWertrelevanz von Rückstellungen in der Unternehmensbewertung
www.nwb.de Wertrelevanz von Rückstellungen in der Unternehmensbewertung Empirische Analyse der steuerlichen Wert beitrage unter besonderer Berücksichtigung von Versicherungsunternehmen Von Dipl.-Kfm. Jörg
MehrK8 Stetige Zufallsvariablen Theorie und Praxis
K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R
MehrAbbildung des Stromverbrauchs und zukünftiger Stromanwendungen
Abbildung des Stromverbrauchs und zukünftiger Stromanwendungen Seite 1 Abbildung des Stromverbrauchs und zukünftiger Stromanwendungen Zusammenfassung Möglichkeiten zur Abbildung des Stromverbrauchs im
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrKVG-Solvenztest Update 2013
KVG-Solvenztest Update 2013 Monika Buholzer, CSS Markus Meier, Azenes Au Premier HB Zürich 22. März 2012 1. Frage: Höhere oder tiefere Reserven? SST Solvency Ratio divided by Solvency 1 Ratio 1.6 1.4 1.2
Mehr