Dissertation: Risikomanagement für heterogene Finanzportfolios

Risikomanagement für heterogene Finanzportfolios

Finanzmanagement, Band 129

Hamburg 2018, 334 Seiten
ISBN 978-3-8300-9767-9 (Print & eBook)

Backtesting, Finanzmanagement, Finanzportfolio, Heterogene Portfolios, Multivariate Verteilungsmodelle, Portfoliomanagement, Quantitative Finance, Rechnungswesen und Finanzen, Risikoadjustierte Gütemaße, Risikomanagement, Safe Havens, Safe Hedges, Selektionsalgorithmen, Simulationsstudie, Statistical Learning, Value-at-Risk Prognosen

Zum Inhalt

deutsch | english

Die Finanzkrise 2007/2008 hat gezeigt, dass sich die Korrelationen zwischen traditionellen Anlageklassen während der Krise deutlich geändert haben. Insbesondere der Diversifikationseffekt scheint sich in Krisenzeiten deutlich abzuschwächen. Anders ausgedrückt, scheint sich dieser Effekt genau dann zu verringern, wenn dieser am dringendsten benötigt wird (Chua, Kritzman und Page (2009)). Die Bildung von heterogenen Finanzportfolios durch die Aufnahme von alternativen Anlageklassen in die asset Allokation kann als Lösungsmöglichkeit hierfür angesehen werden.

Zur Bildung dieser Portfolios wird insbesondere auf die Resultate des sog. hedge und safe haven-Literaturzweiges zurückgegriffen (Baur und Lucey (2010) sowie Baur und McDermott (2010)). Allerdings ergeben sich aus der Heterogenität methodische Problemstellungen, insbesondere erscheint es unwahrscheinlich, dass heterogene Anlageklassen durch eine identische univariante Verteilung abgebildet werden können. Zur Auswahl eines möglichst passenden Randverteilungsmodells wird ein Selektionsmechanismus entwickelt. Hierzu wird auf die Flexibilität des Copula-Ansatzes (Embrechts et al. (2002)) zurückgegriffen, welcher u.a. die separate Modellierung der Randverteilungen ermöglicht. Zusätzlich werden die ausgewählten Randverteilungsmodelle mit verschiedenen Abhängigkeitsspezifikationen kombiniert. Die Bewertung der heterogenen Finanzportfolios erfolgt aus der Perspektive des Risikomanagements, so dass als Selektionskriterium der Value-at-Risk (VaR) verwendet wird. Die Anwendung dieses Risikomaßes ermöglicht zudem die statistische Validierung der Prognosegüte anhand etablierter Backtestingverfahren (Berkowitz et al. (2011)).



Informationen über das Veröffentlichen wissenschaftlicher Arbeiten.

nach oben