Bibliographic Metadata

Title
Value at Risk : Bayesscher Zugang und Verfikation konkreter Probleme anhand von ausgewählten Monte Carlo Methoden
Additional Titles
Value at Risk - Bayesian Approach an the Verification of Concrete Problems Using Selective Monte Carlo Methods
AuthorKraiger, Björn
CensorPilz, Jürgen ; Borovcnik, Manfred
Published2006
DescriptionX, 203 S. : graph. Darst.
Institutional NoteKlagenfurt, Alpen-Adria-Univ., Diss., 2006
Annotation
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers
LanguageGerman
Bibl. ReferenceKB2006 26 ; OeBB
Document typeDissertation (PhD)
Keywords (DE)Value at Risk / Conditional Value at Risk / Monte Carlo Methoden / Stationärität / GARCH-Modell / Stochastisches Volatilitätsmodell / Markov Ketten / Kurtosis
Keywords (GND)Value at Risk / GARCH-Prozess / Markov-Ketten-Monte-Carlo-Verfahren
URNurn:nbn:at:at-ubk:1-21919 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Value at Risk [3.34 mb]
Links
Reference
Classification
Abstract (German)

Die vorliegende Arbeit befasst sich mit dem Thema Bayesscher Zugang zum Value at Risk. Mit diesem Maà sollen Risiken bezÃglich verschiedener Investitionen vergleichbar werden und Vorhersagen fÃr Verluste getroffen werden kÃnnen. Der Aufbau dieser Niederschrift wurde chronologisch so gestaltet, dass die einzelnen Schritte logisch nachvollziehbar sind. Der Leser sollte somit nach intensiver BeschÃ$ftigung mit den Inhalten dieser Abhandlung nicht von Ungereimtheiten Ãberrascht werden.

In Kapitel 1 werden die Begriffe Value at Risk und bedingter Verlust beschrieben. Abschnitt 2 geht auf den Zusammenhang spezifischer Schlagworte ein und erlÃ$utert die Grundidee generalisierter autoregressiver bedingter heteroskedastischer Prozesse.

Des Weiteren wird eine Klasse von Extremwertverteilungen vorgestellt und die Grundidee der ParameterschÃ$tzung eingefÃhrt und ausgewertet. In Abschnitt 5 wird der Begriff der Markovkette definiert und dessen wichtigsten Eigenschaften in Bezug auf MCMC Methoden festgehalten. Der Hinweis auf die Existenz stationÃ$rer Verteilungen samt der Definition und der ausfÃhrlichen ErlÃ$uterung der Wirkungsweise von Ébergangswahrscheinlichkeiten soll dem Leser Einblick in die Vorgehensweise der beschriebenen Algorithmen geben.

Kapitel 7 stellt einen LÃsungsvorschlag fÃr die bayessche Parameterevaluierung im GARCH(1,1)-Modell zur VerfÃgung.

Auch fÃr Stochastische VolatilitÃ$tsmodelle werden LÃsungsvorschlÃ$ge angeboten, welche auf den bayesschen Vorgehensweisen der in Kapitel 6 fuÃenden Methoden aufbauen. Modelldiagnose und ModellprÃfung stellen eine offensichtliche Herausforderung an jedes statistische Modell dar. Daher wird in Kapitel 9 Auf die MÃglichkeit die StationÃ$ritÃ$t und Konvergenz der Stichprobenalgorithmen zu prÃfen hingewiesen werden. Den Abschluss der Untersuchungsreihe bildet ein ausfÃhrlicher Hinweis auf die DarstellungsmÃglichkeit der Kurtosis

Abstract (English)

No abstract available

Stats
The PDF-Document has been downloaded 13 times.