- Start
- Simulationsmethoden zur Berechnung des "Value at Risk". Historische Simulation und "Monte-Carlo-Simulation"
Simulationsmethoden zur Berechnung des "Value at Risk". Historische Simulation und "Monte-Carlo-Simulation"
Angebote / Angebote:
Studienarbeit aus dem Jahr 2002 im Fachbereich Statistik, Note: 1, 0, Universität zu Köln (Wirtschaftswissenschaftliche Fakultät), Sprache: Deutsch, Abstract: Der Wert eines Portfolios von Finanzanlagen wird durch
verschiedene Risikofaktoren beeinflusst. Diese Risikofaktoren sind
diverse Marktpreise wie Aktienkurse, Zinssätze, Wechselkurse etc.
An den Wertänderungen des Portfolios, d.h. Gewinnen oder
Verlusten, kann die Abhängigkeit von den Risiken gemessen werden.
Ein verbreitetes Maß zur Messung der Marktrisiken ist der
"Value at Risk" (VaR). Kurz gefasst mißt VaR den größtmöglichen Verlust aus einem Portfolio über eine Zeitperiode mit
einer gegebenen Wahrscheinlichkeit. VaR ist ein
monetäres Maß, das die verschiedenen Marktrisiken in
eine Kennzahl komprimiert. Deswegen eignet sich der VaR dafür,
den Informationsbedarf der Unternehmensleitung, der Aktionäre und
Investoren zu decken.
Der VaR wird aus einem Quantil einer Verteilung von
Portfolio-Wertänderungen berechnet. Wenn die genaue Verteilung
nicht bekannt ist, wird sie durch eine Häufigkeitsverteilung der
simulierten Wertänderungen approximiert. Damit befassen sich
Simulationsmodelle: historische Simulation, bei der die
Wertänderungen aus den historischen Daten abgelesen werden, und
Monte-Carlo-Simulation, die das Verhalten der Risikofaktoren durch
die Erzeugung der zufälligen Preispfaden an Hand eines
stochastischen Modells simuliert.
Nach einer kurzen Definition und Beschreibung der Modelle zur
Bestimmung des VaR werden in dieser Arbeit die
Simulationsmodelle genauer untersucht. Es werden zwei
Varianten der historischen Simulation, der Portfolio- und der
Faktoransatz dargestellt und an einem Beispiel verdeutlicht. Weiter wird die Monte-Carlo-Simulation allgemein und an einem
theoretischen und empirischen Beispiel der geometrischen
Brownschen Bewegung betrachtet. Dabei werden auch Methoden der
Generierung der Zufallszahlen dargestellt. Außerdem wird in der
Arbeit auf die Vor- und Nachteile der beiden Modelle eingegangen.
Folgt in ca. 10 Arbeitstagen