Authors: Berens, Tobias
Title: Quantitatives Portfoliomanagement - neue Ansätze in Portfoliooptimierung und Risikosteuerung
Language (ISO): de
Abstract: Die vorliegende kumulative Dissertation umfasst fünf in sich abgeschlossene Beiträge zu neuen Ansätzen in der Portfoliooptimierung und der Risikosteuerung. Der erste Beitrag der vorliegenden Arbeit befasst sich grundlegend mit den Einsatzmöglichkeiten von statistischen Tests auf eine konstante Kovarianzmatrix sowie auf konstante Varianzen und paarweise Korrelationen im Rahmen der Minimum-Varianz-Portfoliooptimierung. Es werden Problemfelder bei der Anwendung der Tests herausgearbeitet und diskutiert. Zudem wird evaluiert, ob der Einsatz der Tests zu verbesserten Risiko-Rendite-Verhältnissen führt. Der darauf folgende Beitrag baut auf diesen Erkenntnissen auf und erarbeitet Lösungsansätze für die zuvor dargelegten Herausforderungen beim Einsatz von Strukturbruchtests in der Portfoliooptimierung. In diesem Rahmen wird eine automatisierte Anlagestrategie erarbeitet und deren Leistungsfähigkeit analysiert. Der dritte Beitrag befasst mit der Diskussion der gewünschten Eigenschaften von Value-at-Risk-Überschreitungen. Dies führt zu der Entwicklung neuer statistischer Tests, die sehr intuitiv, einfach zu implementieren und sehr häufig eine überlegene Testgüte im Vergleich zu den bislang existierenden Ansätzen besitzen. Im folgenden Beitrag werden unterschiedliche Modelle zur Schätzung von Value-at-Risk- und Expected Shortfall-Prognosen untersucht. Der Fokus dieser Analyse liegt dabei auf der Anwendung unterschiedlicher Strategien zur Bestimmung der Länge einer für die Parametrisierung erforderlichen Datenhistorie. Dabei kommen einfache Ansätze, wie beispielsweise rollierende Datenhistorien mit unterschiedlichen Längen, aber auch komplexere Methoden, wie Strukturbrüche und Strategie-Kombinationen zum Einsatz. Der abschließende Beitrag setzt sich ebenfalls mit unterschiedlichen Ansätzen zur Schätzung von Value-at-Risk- und Expected Shortfall-Prognosen auseinander. Der thematische Schwerpunkt liegt hier auf der multivariaten Portfoliosicht mit statischen und dynamischen Korrelationsmodellen. Es wird der Frage nachgegangen, ob sich die Präzision der Modelle erhöht, wenn die Schätzung der Korrelationsmodelle auf einer durch verschiedene Strukturbruchtests definierten Datenhistorie beruht.
Subject Headings: Portfoliooptimierung
Risikomanagement
URI: http://hdl.handle.net/2003/33670
http://dx.doi.org/10.17877/DE290R-7013
Issue Date: 2014
Appears in Collections:Professur Finance

Files in This Item:
File Description SizeFormat 
Dissertation.pdfDNB2.41 MBAdobe PDFView/Open


This item is protected by original copyright



This item is protected by original copyright rightsstatements.org