Welche Anlagestrategie ist in ”normalen“, welche ist in Krisenzeiten besser geeignet?

Berechnung von Value at Risk und Conditional Value at Risk

Exposé Écrit pour un Séminaire / Cours , 2011 , 20 Pages , Note: 2,3

Gestion d'entreprise - Investissement et Financement

Der Value at Risk (VaR) stellt ein Maß zur Risikoquantifizierung dar. Eingesetzt sowohl von Finanzinstituten und Industrieunternehmen als auch von Regulierungsbehörden, bietet er den Vorteil gegenüber anderen Risikomaßen, dass eine Aggregation des Marktrisikos auf eine einzelne Kennzahl stattfindet. Der VaR stellt den Verlust des Marktwertes einer Risikoposition dar, der über einen bestimmten Zeitraum, bei gegebener Sicherheitswahrscheinlichkeit nicht überschritten wird. Dies ist insbesondere dann von Bedeutung, wenn es darum geht Portfolios zu bewerten, da in diesen verschiedene Risikofaktoren zusammengefasst sind.

In dieser Arbeit soll der Frage nachgegangen werden, inwiefern es mit Hilfe des VaR möglich ist eine Anlagestrategie zu identifizieren, die sowohl in ” normalen“ als auch in Krisenzeiten vorteilhaft ist. Dabei soll ein besonderes Augenmerk darauf gelegt werden, ob sich die Entscheidung für oder wider eine Anlagestrategie anhand der Kriterien national und international treffen lässt. Diese Problemstellung erhält
angesichts global agierender Unternehmen und internationalisierter Kapitalmärkte zunehmend an Bedeutung. Zu diesem Zweck werden im Folgenden vier Portfolios erstellt, die sich durch ihren Diversifikationsgrad unterscheiden. Bei der Berechnung des VaR kann grundsätzlich zwischen analytischen Verfahren und Simulationsverfahren unterschieden werden. In dieser Arbeit sollen drei Methoden zur Bestimmung des VaR angewendet und deren Ergebnisse verglichen werden.

Der Varianz-Kovarianz-Ansatz zählt zu den analytischen Verfahren und nimmt eine Normalverteilung der Renditen an. Die historische Simulation bedient sich historischer Marktdaten, um eine Neubewertung des Portfolios vorzunehmen (vgl. Oehler und Unser, 2001, S.161). Da sich die tatsächliche Verteilung von Renditen oftmals von der einer Normalverteilung unterscheidet und es infolge dessen zu einer Unterschätzung der möglichen Verluste kommen kann, soll in einem dritten Schritt der VaR-x berechnet werden. Bei diesem wird die Normalverteilungsannahme gegen die Annahme einer Student-t Verteilung ersetzt. Der Rest der Arbeit ist wie folgt aufgebaut: In Abschnitt 2 erfolgt die Beschreibung des Datensatzes sowie dessen Test auf zu erfüllende statistische Eigenschaften. Abschnitt 3, welcher die empirische Umsetzung beinhaltet, wird gefolgt vom Backtesting, in dem die Prognosegüte des VaR untersucht wird.

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 Einleitung

2 Daten
2.1 Verwendete Daten
2.2 Bereinigung der Daten
2.3 Test statistischer Eigenschaften der Zeitreihe
2.3.1 Test auf schwache Stationarität
2.3.2 Test auf Autokorrelation

3 Empirische Umsetzung
3.1 Stetige Rendite
3.2 Varianz-Kovarianz-Ansatz
3.3 Historische Simulation
3.4 VaR-x

4 Backtesting

5 Zusammenfassung und Fazit

Literaturverzeichnis

• Université: University of Marburg
• Cours: Seminar Finanzierung und Banken
• Note: 2,3
• Auteur: Kathrin Kass (Auteur)
• Année de publication: 2011
• Pages: 20
• N° de catalogue: V435639
• ISBN (ebook): 9783668765429
• ISBN (Livre): 9783668765436
• Langue: allemand
• mots-clé: Value at Risk, Conditional Value at Risk, Zeitreihenanalyse, Stationarität, Autokorrelation, Varianz-Kovarianz, logarithmierte Renditen, Jarque–Bera–Test, Nullhypothese, Diversifikation, student-t, backtesting