Die empirischen Eigenschaften von Finanztiteln machen deutlich wie wichtig es ist, alle relevanten Informationen in die Asset Allokation mit einzubeziehen, robuste Methoden anzuwenden und die zugrunde liegenden Daten korrekt zu interpretieren und zu messen. Ebenso wird deutlich, dass nicht nur die absolute Stärke einer Abhängigkeit, wie es bei der linearen Korrelation der Fall ist, zwischen Finanzwerten ausschlaggebend ist, sondern die Struktur der Abhängigkeit. Da traditionelle Optimierungsmethoden dies nicht vermögen, sind in den vergangen Jahren neue Methoden entstanden. Eine dieser Methoden ist die Optimierung eines Portfolios durch Kopulas. Kopulas ermöglichen die Trennung der Abhängigkeitsstruktur von den Randverteilungen der zugrunde liegenden Werte. Sie stammen ursprünglich aus dem Versicherungsbereich, wo sie der Modellierung extremer Ereignisse dienen, werden in den letzten Jahrzehnten jedoch vermehrt auch zur Modellierung von Ausfallwahrscheinlichkeiten im Kreditbereich genutzt. In dieser Arbeit wird die Optimierung eines Portfolios mithilfe von Kopulas vorgestellt, wobei zuerst allgemeine Grundlagen der Portfoliooptimierung diskutiert werden und letztlich die Effizienzgerade eines Portfolios bestehend aus drei Assets berechnet wird. Das herangezogene Risikomaß ist der Expected Shortfall oder Conditional Value at Risk. Die Arbeit ist wie folgt aufgebaut: Kapitel 2 beschreibt den Prozess der Portfoliooptimierung und wichtige Gundlagen. Nach einer kritischen Beleuchtung des Themas wird in Kapitel 3 das Konzept der Kopulas vorgestellt. In Kapitel 4 werden die theoretischen Ergebnisse anhand eines praktischen Beispiels umgesetzt, Kapitel 5 schließt diese Arbeit zusammenfassend ab.

Excerpt

Inhaltsverzeichnis

1. Problemstellung und Ziel der Arbeit

1.1. Beschreibung der Problemstellung
1.2. Spezialfall alternative Investments und deren spezifische Probleme
1.3. Estimation Risk vs. Model Risk
1.4. Ziel der Arbeit

2. Grundlagen der Portfoliooptimierung

2.1. Einführung
2.2. Ertragsmessung
2.3. Risikomessung

2.3.1. Varianz
2.3.2. Value at Risk
2.3.3. Höhere Verteilungsmomente

2.3.3.1. Schiefe
2.3.3.2. Kurtosis

2.3.4. Definition des kohärenten Risikos

2.3.4.1. Einführung

2.3.4.2. Bewertung des Value at Risks und der Varianz
2.3.5. Expected Shortfall

2.4. Abbildung der Abhängigkeitsstruktur

2.4.1. Einleitung
2.4.2. Lineare Korrelation

2.4.2.1. Das Konzept
2.4.2.2. Nachteile

2.4.3. Autokorrelation

2.4.3.1. Einführung
2.4.3.2. Umgang mit Autokorrelation

2.4.4. Rangkorrelation

2.4.4.1. Spearman's Rho
2.4.4.2. Kendall's Tau

2.4.5. Tail Dependence
2.4.6. Bewertung von Abhängigkeitskonzepten

2.5. Portfoliooptimierung

2.5.1. Einleitung
2.5.2. Portfolio Selection

2.5.2.1. Einführung
2.5.2.2. Kritik am Mean-Variance-Ansatz

2.5.3. Weitere Ansätze zur Portfoliooptimierung

2.5.3.1. Ansätze basierend auf zwei Verteilungsparametern

2.5.3.1.1. Black-Litterman Modell
2.5.3.1.2. Resampled Mean-Variance Optimization

2.5.3.2. Ansätze basierend auf vier Verteilungsmomenten

2.5.3.2.1. Allgemein
2.5.3.2.2. Polynomial Goal Programming

3. Portfoliooptimierung mithilfe von Kopulas

3.1. Das Konzept der Kopulas

3.1.1. Einführung
3.1.2. Subkopulas

3.1.2.1. Groundedness
3.1.2.2. 2-increasing

3.1.3. Kopulas
3.1.4. Mathematische Eigenschaften

3.1.4.1. Verteilung
3.1.4.2. Satz von Sklar
3.1.4.3. Transformationsinvarianz

3.1.5. Spezialkopulas

3.1.5.1. Fréchet-Hoeffding-Grenzen
3.1.5.2. Produktkopula

3.1.6. Ausgewählte bivariate Kopulafunktionen

3.1.6.1. Parametrische Kopulas

3.1.6.1.1. Einführung
3.1.6.1.2. Normalkopula
3.1.6.1.3. Student-t-Kopula

3.1.6.2. Nicht-parametrische Kopulas

3.1.6.2.1. Einleitung
3.1.6.2.2. Frank-Kopula
3.1.6.2.3. Clayton-Kopula
3.1.6.2.4. Gumbel-Kopula

3.2. Korrelationskoeffizienten im Kontext der Kopulas

3.2.1. Einführung
3.2.2. Spearman's Rho
3.2.3. Kendall's Tau
3.2.4. Lineare Korrelation
3.2.5. Tail Dependence

3.3. Schätzung von Kopulaparametern

3.3.1. Einführung
3.3.2. Exact Maximum Likelihood-Methode
3.3.3. Inference Functions for Margins-Methode
3.3.4. Canonical Maximum Likelihood-Methode
3.3.5. Nicht-parametrische Schätzungen von empirischen Kopulas

3.4. Goodness-of-Fit-Tests
3.5. Vorgehensweise bei der Simulation von Datenreihen

3.5.1. Einleitung
3.5.2. Normalkopula
3.5.3. Student-t-Kopula
3.5.4. Allgemeine Methode

3.6. Portfoliooptimierung mit Kopulas

4. Empirische Anwendung ausgewählter Kopulas

4.1. Einführung
4.2. Datenanalyse

4.2.1. Analyse der Verteilungsparameter
4.2.2. Test auf Normalverteilung
4.2.3. Test auf Autokorrelation
4.2.4. Empirische Korrelationskoeffizienten

4.3. Parameterschätzung
4.4. Goodness-of-Fit Überprüfung
4.5. Berechnung der Effizienzlinien

4.5.1. Vorgehen
4.5.2. Ergebnisse

Zielsetzung und Themenschwerpunkte

Die vorliegende Arbeit befasst sich mit der Portfoliooptimierung und analysiert die Möglichkeiten zur Abbildung der Abhängigkeitsstruktur von verschiedenen Assetklassen durch die Verwendung von Kopulas. Ziel ist es, die traditionellen Ansätze der Portfoliooptimierung, die oft auf der Annahme der Normalverteilung und der linearen Korrelation basieren, zu erweitern und zu verbessern.

Die Rolle von Abhängigkeitsstrukturen in der Portfoliooptimierung
Die Verwendung von Kopulas zur Modellierung von Abhängigkeiten
Die Schätzung von Kopulaparametern und die Überprüfung der Modellgüte
Die Anwendung von Kopulas in der Portfoliooptimierung
Die empirische Analyse von ausgewählten Kopulas

Zusammenfassung der Kapitel

Kapitel 1 führt in die Problemstellung der Arbeit ein und beschreibt die Herausforderungen der traditionellen Portfoliooptimierung bei der Berücksichtigung von Abhängigkeitsstrukturen und alternativen Investments. Kapitel 2 erläutert die Grundlagen der Portfoliooptimierung, einschließlich Ertragsmessung, Risikomessung und verschiedener Ansätze zur Abbildung der Abhängigkeitsstruktur. Kapitel 3 stellt das Konzept der Kopulas vor, inklusive deren mathematischer Eigenschaften und ausgewählter bivariater Kopulafunktionen. Zudem werden Methoden zur Schätzung von Kopulaparametern und die Überprüfung der Modellgüte behandelt. Kapitel 4 präsentiert eine empirische Anwendung ausgewählter Kopulas an Hand realer Daten. Die Analyse umfasst die Untersuchung der Verteilungsparameter, die Parameterschätzung und die Berechnung von Effizienzlinien.

Schlüsselwörter

Portfoliooptimierung, Abhängigkeitsstruktur, Kopulas, Schätzung von Parametern, empirische Anwendung, alternative Investments, Risikomessung, Value at Risk, Expected Shortfall, lineare Korrelation, Tail Dependence, Normalverteilung, Student-t-Verteilung

Excerpt out of 92 pages - scroll top

Details

Title: Grundlagen der Portfoliooptimierung unter Darstellung der Abhängigkeitsstruktur durch Kopulas
College: LMU Munich
Grade: 1,7
Author: Stefan Bures (Author)
Publication Year: 2007
Pages: 92
Catalog Number: V91626
ISBN (eBook): 9783638051835
Language: German
Tags: Grundlagen Portfoliooptimierung Darstellung Abhängigkeitsstruktur Kopulas
Product Safety: GRIN Publishing GmbH

Quote paper: Stefan Bures (Author), 2007, Grundlagen der Portfoliooptimierung unter Darstellung der Abhängigkeitsstruktur durch Kopulas, Munich, GRIN Verlag, https://www.grin.com/document/91626

Grundlagen der Portfoliooptimierung unter Darstellung der Abhängigkeitsstruktur durch Kopulas