„Value at Risk“ - Wirtschaftswissenschaften: Startseite · „Value at Risk“ Methoden zur...
Transcript of „Value at Risk“ - Wirtschaftswissenschaften: Startseite · „Value at Risk“ Methoden zur...
„Value at Risk“
Methoden zur Quantifizierung von Marktpreisrisiken
- Ein empirischer Vergleich -
Dr. Michael Auer
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 1
Inhalt:
1. Motivation und Definition von VAR
2. Zielsetzung des Vergleichs
3. Methoden zur Quantifizierung von Marktpreisrisiko
4. Backtesting
5. Minibank & Marktdaten
6. Risk Engine
7. Ergebnis Beispiele
8. Erweiterungen
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 2
Zukuntsziel: Integriertes Risikocontrolling/-management
Probleme:• Abdeckung aller Risiken• •
• Korrelationen• • Methodenunterschiede• • Trennung Risikoarten• • • • Derzeit vielversprechende An-sätze zur Integration von Markt- undKreditrisiken, darüber hinaus aber:• Anfangsstadium, noch viele Fragen
OR
MR KR
IntegriertesRisiko-
controlling/-management
GR
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 3
Motivation zur VaR Ermittlung
• Vereinheitlichung: -> VaR ist ein einheitlicher Maßstab der Risikoeinschätzungeiner Vielzahl von verschiedenen Risikopositionen und Portfolios untereinheitlichen Kriterien.
• Limitierung / Steuerung: -> Die Messung und Limitierung des VaR istfundamental für die Portfolio Steuerung
• Kapitalunterlegung: -> VAR dient zur Bestimmung des risikogebundenenKapitals, welches erforderlich ist, um die jeweils eingegangenen Risiken zudecken. Dies dient dem Schutz des Unternehmens.
• Kapitalallokation: -> VaR gibt der Geschäftsleitung die Möglichkeit dasverfügbare Kapital optimal auf die Geschäftsaktivitäten mit einem entsprechendenVerzinsungsanspruch zu verteilen. Betrachtet wird dabei das Verhältnis „Return onRisk“.
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 4
Allgemeine Definition von VaR bei Marktrisiko
Value at Risk (VaR) ist ein Maß für den prognostizierten Verlust aus einembetrachteten Portfolio in Folge von Marktwert- bzw. Kurswert- Veränderungen(Marktpreisrisiko) innerhalb eines bestimmten Zeitraums (Haltedauer), der miteiner bestimmten Wahrscheinlichkeit (abh. vom Konfidenzniveau) nichtüberschritten wird. -> Statistische Schätzung
Marktwert-Veränderungen0VAR
Konfidenz-niveau z.B. 99%
Haltedauer: 1 Tag -> d.h. Was kann von heute auf morgen passieren?
Annahme: Die betrachteten Positionen werden während der Haltedauer nichtverändert.
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 5
Zielsetzung des Vergleichs
! Worin unterscheiden sich die Methoden und wo liegen die jeweiligen Stärken undSchwächen?
! Welche Methode eignet sich für die VAR Ermittlung des jeweiligen Produktesam besten?
! Welche Methode eignet sich für die VAR Schätzung des Portfolios am besten?
! Wie verändert sich die Güte der VAR Schätzung in Abhängigkeit derParametereinstellungen?
! Wie können die empirisch ermittelten Eigenschaften der jeweiligen Methodetheoretisch begründet werden?
! Wie kann die VAR Schätzung der jeweiligen Methode verbessert werden?
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 6
Ansätze zur Ermittlung von VaR
Allgemeine Annahme: historische Marktbewegung des Risikofaktors S liefert einegute Schätzung für die zukünftige Wertveränderung ∆V
local valuation ∆V = β * ∆S
Linearer Zusammenhang (Sensitivität β) zwischen dem Marktwert der Position unddem jeweiligen Risikofaktor
-> Varianz Kovarianz Ansatz
full valuation ∆V = V(S1) - V(S0)
Vollständige mark to market Bewertung => keine Annahme hinsichtlich desZusammenhanges zwischen dem Portfoliowert und dem Risikofaktor.
-> Historische Simulation, Monte Carlo Simulation
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 7
Risikoarten / RisikofaktorenVerschiedene Risikoarten innerhalb des Marktpreisrisikos
Kurswert-änderung
Zeit
Kurs-wert
Kurswertänderungsrisiko
NiedrigeOpt ionsvola
Zeit
KurswertUnder-lying
HoheOpt ionsvola
Volarisiko
L aufzeit
Z in s Verän derun g derZ in sst ruk t urk urv e
Zins änderung s ris ik o
Laufzeit
ZinsRisikobehaftete
Zinsst rukutrkurve
RisikofreieZinsst rukturkurve
Spread
Spreadrisiko
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 8
Varianz-Covarianz-Ansatz (1)
Linearer VAR Ansatz unter der Annahme das Veränderungen der Risikofaktorennormalverteilt um den Mittelwert µ=0 sind
Ermittlung des overnight Value at Risk VaRON:
1. Analyse der relevanten Risikofaktoren, Zerlegung jeder Position in die jeweiligenBasis-Cashflow-Komponenten, Mapping der Komponenten zu den entsprechendenRisikofaktoren
2. Ermittlung des present value Vi (mit i=1, ... , N) jeder Cashflow Komponente i
3. Das Value at Risk VaR ergibt sich gemäß TSS VAR ⋅Σ⋅−=
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 9
Varianz-Covarianz-Ansatz (2)
TSS VAR ⋅Σ⋅−= falls Σ positiv semidefinit1 mit:
S f V f V f Vi i i N N N= ( , ... , , ..... , )σ δ σ δ σ δ1 1 1 und Σ =
1
1
1
1
21
1
. . .
. . . . . .
. . .
ρρ
ρ
N
N
Σ : Korrelationsmatrix (N x N)σ i : Standardabweichung der Veränderung des Risikofaktors iδi : Sensitivität des Marktwertes der Position bezüglich des Risikofaktors iVi : Barwert des Cashflows für den Risikofaktor if : Faktor, abhängig vom Konfidenzniveau α (Annahme: Normalverteilung)
z.B. f = 1,65 für α=95%ST : Spaltenvektor von S
1 Σ ist positiv semidefinit, falls x Σ xT ≥ 0 ∀ x ≥ 0
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 10
Mapping
Produktabhängige Zuordnung von Cashflow Komponenten der Einzelpositioneneines Portfolios zu den jeweiligen Risikofaktoren.
Beispiel: Zinspositionen -> Risikofaktoren als Gridpoints der Zinskurve
Cashflow
Risikofaktoren
Zuordnung eines einzelnen Cashflow auf dieRisikofaktoren
i j
Risiko-/Varianzerhaltung => Var r Var r ri j( ) ( ( ) )= ⋅ + − ⋅α α1
! σ α σ α α ρ σ σ α σ2 2 2 2 22 1 1= + − + −i ij i j j( ) ( ) α =− ± −b b ac
a
2 4
2
! a i j ij i j= + −σ σ ρ σ σ2 2 2 b ij i j j= −2 2 2ρ σ σ σ c j= −σ σ2 2
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 11
Historische Simulation
Bewertung zu einem bestimmten Stichtag mit historischen Bewertungsparametern
Beispiel: Gewöhnlicher Differenzenansatz2
Einzelposition: )T,f,...,f(P)T,f,...,f(P)T,t(D 1t,k1t,1it,kt,1ii −−−=
P f f Ti t k t( , . . . , , ), ,1 : Marktwert der Position i zum Stichtag T mit den Bewertungs-parametern f ft k t1, ,, . . . , zum Zeitpunkt t . Die Restlaufzeit bleibt konstant.
Mit Konfidenzniveau α folgt VaR aus der empirischen Häufigkeitsverteilung.α i iPR D t VAR= >( ( ) ) mit: { }t t t t N∈ 0 1, , ... ,
Portfolio: ∑−∑= −−i
1t,k1t,1ii
t,kt,1ip )T,f,...,f(P)T,f,...,f(P)T,t(D
2 Weitere Ansätze sind spezifischer Differenzenansatz sowie gewöhnlicher / spezifischer Ratenansatz
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 12
Monte Carlo Simulation
Die zukünftige Veränderung der Risikofaktoren wird über normalverteilteZufallsziehungen und einem stochastischen Prozess simuliert.
Vorgehensweise:
1. Wähle stochastischen Prozeß, z.B. t
T,jtT,jt,jjeSS
∆εσ∆+ ⋅= und die jew. Parameter
2. Generiere Sequenz von unabhängigen Zufallszahlen η η1 , . . . , N (N Anzahl derSimulationen z.B. N=500), transformiere daraus korrelierte Zufallszahlen ε ε1 , . . . , N
und leite daraus die Sequenz der Preise bzw. Risikofaktoren N1 S,...,S ab
3. Berechne den Wert des jeweiligen Produktes bzw. Portfolios tTF ∆+ gemäß denerzeugten Preisen
4. Wiederhole den Schritt 3 für alle N Simulationsschritte. Daraus erhält man dieempirische Verteilung der Werte 500
tT1
tT F,...,F ∆+∆+ . Für das Konfidenzniveau α ergibtsich das VaR aus der empirischen Verteilung.
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 13
Korrelierte Zufallszahlen
Eigenwert - Zerlegung der reellen, symmetrischen Korrelationsmatrix Σ
TADA ⋅⋅=Σ
D: Diagonalmatrix mit den Eigenwerten λ i von Σ in der HauptdiagonalenA: Die Spalten von A enthalten die normierten Eigenvektoren von Σ
Für ein Set N unabhängiger Zufallszahlen η η η η= ( , , . . . , )1 2 N erhält man durch
T2
1
DA η⋅⋅=ε ein Set mit korrelierten (Korrelationsmatrix Σ) Zufallszahlen
ε ε ε ε= ( , , . . . , )1 2 N
Voraussetzung: Korrelationsmatrix R positiv definit3
3 Ansonsten besteht Gefahr negativer Eigenwerte
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 14
Backtesting (1) - Allgemein
Backtesting: Vergleich der VAR Schätzung mit den tatsächlich eingetretenenMTM Veränderungen => Ermittlung der empirischen Überschreitungsrate
-15.000.000,00
-10.000.000,00
-5.000.000,00
0,00
5.000.000,00
10.000.000,00
15.000.000,00
31.0
7.96
23.0
7.96
15.0
7.96
05.0
7.96
27.0
6.96
19.0
6.96
11.0
6.96
31.0
5.96
22.0
5.96
13.0
5.96
03.0
5.96
24.0
4.96
16.0
4.96
04.0
4.96
27.0
3.96
19.0
3.96
11.0
3.96
01.0
3.96
22.0
2.96
14.0
2.96
06.0
2.96
29.0
1.96
19.0
1.96
11.0
1.96
03.0
1.96
21.1
2.95
13.1
2.95
05.1
2.95
MTM change
VAR-COVAR 0.01
Hist.-Sim 0.01
MC-Sim 0.01
Abb Minibank: VAR Vergleich von 01.12.95 bis 31.07.96 (ca. 165 Stichtage)
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 15
Backtesting (2) – BIS Ampelprinzip
Anzahl der Überschreitungen für das 99% Konfidenzniveau
Anzahl
Über-schreit-
ungen
Zuschlags-
faktor
Grüne Zo-ne
≤ 4 0
5 0,4
6 0,5
7 0,65
8 0,75
Gelbe Zo-ne
9 0,85
Rote Zone ≥ 9 1
0%
20%
40%
60%
80%
100%
HS MC VC
% Anteil grün% Anteil gelb
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 16
Backtesting (3) - Überschreitungsrate
Über längeren Zeitraum wird analysiert, wie häufig die tatsächlich eingetreteneMTM Veränderung tx die prognostizierte VAR Schätzung überschreitet.
t1tt MMx −= + tM : Marktwert zum Zeitpunkt t
=> Überschreitungsrate ∑=
αα −χζ=ϕT
1tt
)(t
)( )x( T
1mit
sonst
0für x
0
1)x(
>
=ζ
=> Normierte Überschreitungsrate 1
)()(
α−ϕ=ζ
αα =>
1)( >>ζ α => Systematische Unterschätzung des VAR
1)( ≈ζ α => Adäquate Abschätzung des VAR
1)( <<ζ α => Systematische Überschätzung des VAR
)(tαχ : VAR Schätzung zum Zeitpunkt t mit dem Konfidenzniveau α
Beachte Vorzeichenregelung: )(tαχ , tx < 0
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 17
Portfolio „Minibank“
Portfolio basiert auf dem TestportfolioII von Basel für die Proberechnung 1995 undenthält insgesamt 89 Positionen in den Währungen DEM, GBP, USD, JPY
Aktie11
Aktienindex4
FX Option6
FX Spot3
Forward-Cashflow
11
Cap/Floor10
Bond12
Swap15
FRA9
Aktienindexoption8
Die jeweils eingestellten Fälligkeitstermine wurden jeweils konstant gehalten
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 18
Marktdatenhistorie
Der verfügbare Zeitraum für das Backtesting ist abhängig von der Marktdatenhistorie
Backtesting Zeitraum
250 Handelstage250 Handelstage
ZeitStichtag 130.11.95
Stichtag n27.02.97
Verfügbare Marktdatenhistorie
21.11.94 28.02.97
Verfügbarkeit der Marktdatenhistorie von 21.11.94 bis 28.02.97=> Backtesting Zeitraum von 30.11.95 bis 27.02.97 (entspricht ca. 310 Handelstage)
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 19
Datenfluß / Risk Engine
Minibank MarktparameterMasterkalender
VAR / Backtesting Ergebnisse
C++ DLL
Risk engine• Varianz Kovarianz Ansatz• Monte Carlo Simulation• Historische Simulation• Backtesting
" $% & '&(')*'+" ,&-.)/0$1'(23'4'&0)+*
" 56117+*" 8)96::$(6;:'+*'+'&7'&'+
" <7*'+4'&08'&:'*)+*
" =7>):7'&0'56&/016&6>'0'&'&(')*'+
" ?)6+07:''&>700':+
" ,-&09-:7-@**&'*607-+
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 20
Risikofaktoren / Produktmatrix
Varianz Kovarianz Historische Simulation Monte Carlo SimulationZR DR SR AR VR ZR DR SR AR VR ZR DR SR AR VR
Zinsinstrumente:Forward rate Agreement X X X X X XSwap X X X X X XBond X X X X X X X X XForwards X X X X X XCaps / Floors X* X M X X X X X MFX-PositionenFX-Spot X X XFX-Option M X* M X X X X X MAktienpositionen:Synth. Stock index X X X X X XSingle Stocks X X* X X X XEquity options M X X* M X X X X X X X M
Berücksichtigung von: ZR: Zinsrisiko, DR: Devisenkursrisiko, SR: Spreadrisiko, AR: Aktienkursrisiko, VR: Volarisiko(*Nur lineare Berücksichtigung des Risikofaktors – z.B. Delta Näherung)
Kürzel: X: von der jeweiligen Methode berücksichtigte RisikoartM: Risikoart kann durch die Methode nicht berücksichtigt werden
Die schattierten Flächen zeigen Risikoarten, die für die jeweiligen Produkte nicht relevant sind
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 21
Backtesting Minibank - Normierte Überschreitungsrate
0
0,5
1
1,5
2
2,5
3
0,99
0,97
0,95
0,93
0,91
0,89
0,87
0,85
0,83
0,81
0,79
0,77
0,75
0,73
0,71
0,69
0,67
0,65
0,63
0,61
0,59
0,57
0,55
Konfidenzniveau
No
rmie
rte
Üb
ersc
hre
itu
ng
srat
e
VKHSMC
Stützperiode 250 TageHaltedauer 1 TagMC Simulationen 1000Gleichgewichtung
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 22
Backtesting Swaps gemittelt – Gleichgewichtung
Backtesting Swap gemittelt
0
0,2
0,4
0,6
0,8
1
1,2
1,4
0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55
Konfidenzniveau
Mit
tler
e n
orm
iert
e Ü
ber
sch
reit
un
gsr
ate
HS
MC
VC
2T
1tt )rr(
T
1)r( ∑ −=σ
=)rr)(rr(
T
1)r,rcov( jjt
T
1tiitji −∑ −=
=)r()r(
)r,rcov(
ji
jiij σ⋅σ
=ρ
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 23
Backtesting Swaps gemittelt – Exp. Gewichtung
Backtesting Swap gemittelt exp. gewichtet (lambda=0.94)
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55
Konfidenzniveau
Mit
tler
e n
orm
iert
e Ü
ber
sch
reit
un
gsr
ate
HS
MC
VC
2T
1tt
1t )rr()1()r( ∑ −λλ−=σ=
− )rr)(rr()1()r,rcov( jjtT
1tiit
1tji −∑ −λλ−=
=
−)r()r(
)r,rcov(
ji
jiij σ⋅σ
=ρ
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 24
Backtesting Swaps gemittelt – Korrelations Adjustierung
Backtesting Swap gemittelt Korrelations korr. (f=1)
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
0,99 0,97 0,95 0,93 0,91 0,89 0,87 0,85 0,83 0,81 0,79 0,77 0,75 0,73 0,71 0,69 0,67 0,65 0,63 0,61 0,59 0,57 0,55
Konfidenzniveau
Mit
tler
e n
orm
iert
e Ü
ber
sch
reit
un
gsr
ate
HS
MC
VC
)r,rcov()r,rcov()r,rcov()r,rcov( 01jt
0it
0jt
01it
0jt
0itjtit −− ++=
)r()r(
)r,rcov(
0jt
0it
jtitadij σ⋅σ
=ρ
Adjustierung der Korrelation bei nicht synchronen Zeitreihendurch Einführung einer „lag“ Komponente γ
1t,j1t,jt,jt,j0t,j rrr −− ⋅γ+⋅γ=
returns ebeobachtet : r 0j
returns wahre: rj
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 25
Backtesting Aktienindexoptionen ohne Volarisiko gemittelt
Backtesting Stock options ohne volarisiko gemittelt
0
2
4
6
8
10
12
0.99 0.97 0.95 0.93 0.91 0.89 0.87 0.85 0.83 0.81 0.79 0.77 0.75 0.73 0.71 0.69 0.67 0.65 0.63 0.61 0.59 0.57 0.55
Konfidenzniveau
HS
MC
VC
Für den Teil derHistorie wirddas VARunterschätzt
P
t-
P
S
Beispiel:Long call
t-
Verlauf desUnderlyings
Verlauf desOptionspreises
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 26
Variation der Stützperiode
0
1
2
3
4
5
6
50 100 150 200 250
Stützperiode in Tagen
No
rmie
rte
Üb
ersc
hre
itu
ng
srat
e
HSMCVK
Durch Reduzierung der Stützperiode verkleinert sich der Stichprobenumfang der HSerheblich => Verschlechterung der Backtesting Ergebnisse!
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 27
Eigenschaften der Korrelationsmatrix
Ausgehend von der (k, T) Risikofaktoren Matrix X, mit der Zeitreihe (Anzahl derTage der Stützperiode T) des Instrumentes i (von insgesamt k Instrumenten) alsSpaltenvektor ix , gilt für die Kovarianzmatrix C
T
XXC
T
= und für den Rang R gilt damit: )X(R)XX(R)C(R T ==
! Allgemein entspricht der Rang der maximalen Anzahl der linear unabhängigenZeilen-/ Spaltenvektoren
! Der Rang der Kovarianz Matrix C entspricht dem Rang der Matrix X! Der Rang der Kovarianz Matrix C kann somit nicht größer sein als die Anzahl der
Tage der Stützperiode4
D.h. für eine Stützperiode von 50 Tagen und 103 Risikofaktoren enthält dieKovarianzmatrix nur max. 50 linear unabhängige Zeilen/Spaltenvektoren
4 Allgemein gilt für den Rang einer (m,n) Matrix A : R(a)≤min(m,n)
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 28
Monte Carlo Simulation – Variation der Simulationsschritte
0
0,5
1
1,5
2
2,5
3
50 250 500 750 1000 5000 8000
MC Simulationsschritte
No
rmie
rte
Üb
ersc
hre
itu
ng
srat
e
0,990,970,95
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 29
Zusammenfassung
! Backtsting Ergebnisse zeigen i.d.R. leptokurtische Verteilungen
! Die exponentielle Gewichtung führt bei den meisten Einzelprodukten zu besserenBacktesting Ergebnissen
! Die Korrelations Adjustierung führt zu verbesserten Backtesting Ergebnissen
! Beim Varianz Kovarianz Ansatz und der Monte Carlo Simulation wird das VARvon Optionen aufgrund des fehlenden Volarisikos deutlich unterschätzt.
! Insbesondere bei Optionen liefert der spezifische Differenzenansatz deutlichbessere Ergebnisse als der gewöhnliche Differenzenansatz
! Bei der Variation der Stützperiode verschlechtern sich insbesondere dieBacktesting Ergebnisse für die Historische Simulation.
Michael Auer VaR - Methoden zur Quantifizierung von Marktpreisrisiken
Stand: 28.05.04, 08:29 30
Weitere Analysen
" Analyse für alle übrigen Einzelprodukte
" Latin Hypercube Sampling
" Variation der verschiedenen Ansätze zur Historischen Simulation
" Variation des Mappings
" Weitere Variation der Stützperiode
" Exponentielle- versus Gleichgewichtung pro Einzelprodukt
" Vergleich zwischen Jacobi- und Householder Varfahren
" Beta Adjustierung für Aktien