Ein Vergleich zwischen der Analytischen und Historischen Value-at-Risk (VaR) Berechnung im Hinblick auf die Prognosequalität der Risikobewertung

Inhaltsverzeichnis

1 Einleitung

1.1 Historische VaR Entwicklung

1.2 Bedeutung für Finanzinstitute und Märkte

1.3 Stand der Forschung im Bereich der Prognosequalität von VaR

1.4 Methodisches Vorgehen und Forschungsziel der Arbeit

2 Theoretischer Hintergrund des VaR und ES

2.1 Definitionen und Konzepte des VaR und ES

2.2 VaR Berechnungsmethoden

2.2.1 Untersuchtes Portfolio und Marktdaten

2.2.2 Historische Simulation

2.2.3 Analytische Delta-Normal-Methode

2.2.4 Gewichtete Historische Simulation

2.2.5 Gewichtete Analytische Delta-Normal-Methode

2.3 Backtesting Verfahren

2.3.1 Baseler Ampeltest Verfahren für VaR

2.3.2 Backtest auf Grundlage des t-Test für ES

3 Durchführung der empirischen VaR-Portfolioanalyse

3.1 Auswertung des VaR auf Basis der Historischen Simulation

3.2 Auswertung des VaR auf Basis der Analytischen Delta-Normal-Methode

3.3 Auswertung des VaR auf Basis der gewichteten Historischen Simulation

3.4 Auswertung des VaR auf Basis der gewichteten Analytischen Delta-Normal-Methode

3.5 Zusammenfassung der Auswertungen

4 Ergebnisse und Diskussion der empirischen VaR-Portfolioanalyse

4.1 Vergleich der Prognoseergebnisse der VaR Berechnungsmethoden

4.2 Bewertung der Prognosequalität der VaR Berechnungsmethoden

4.3 Limitationen der empirischen VaR-Portfolioanalyse

5 Fazit und Ausblick

Zielsetzung & Themen

Die Masterarbeit hat zum Ziel, die Prognosequalität verschiedener Value-at-Risk (VaR) und Expected Shortfall (ES) Berechnungsmethoden anhand eines diversifizierten Portfolios zu vergleichen und zu bewerten, um festzustellen, welche Methode die Risiken präziser quantifiziert.

• Vergleich von VaR-Berechnungsmethoden (Historische Simulation vs. Delta-Normal-Methode)
• Untersuchung von ungewichteten gegenüber gewichteten Ansätzen
• Anwendung von Backtesting-Verfahren zur Überprüfung der Prognosegenauigkeit
• Portfolioanalyse unter Einbeziehung von Aktienindizes, Rohstoffen, Währungen und Kryptowährungen
• Bewertung der Stabilität von Risikomodellen in verschiedenen Marktphasen

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Diese Einleitung führt in die Bedeutung der Risikobewertung ein, definiert die Forschungsfrage bezüglich der Prognosequalität von VaR und ES und erläutert das methodische Vorgehen anhand eines diversifizierten Portfolios.

2 Theoretischer Hintergrund des VaR und ES: In diesem Kapitel werden grundlegende Definitionen, mathematische Konzepte sowie die verschiedenen Berechnungsmethoden des VaR und ES (Historische Simulation und Delta-Normal-Methode) sowie Backtesting-Verfahren detailliert dargestellt.

3 Durchführung der empirischen VaR-Portfolioanalyse: Das Kapitel beschreibt die praktische Anwendung der zuvor erläuterten Berechnungsmethoden auf das gewählte fiktive Portfolio, um tägliche Risikokennzahlen über einen Zeitraum von fünf Jahren zu ermitteln.

4 Ergebnisse und Diskussion der empirischen VaR-Portfolioanalyse: Hier erfolgt der Vergleich und die kritische Bewertung der berechneten VaR-Werte mittels Backtest-Verfahren, um die Prognosequalität der verschiedenen Modelle zu evaluieren und aufgestellte Hypothesen zu prüfen.

5 Fazit und Ausblick: Das Fazit fasst die wesentlichen Ergebnisse der Analyse zusammen und gibt einen Ausblick auf die Anwendbarkeit der Modelle sowie auf Möglichkeiten für zukünftige Forschungsarbeiten.

Schlüsselwörter

Value-at-Risk, VaR, Expected Shortfall, ES, Historische Simulation, Delta-Normal-Methode, Backtesting, Prognosequalität, Risikomanagement, Marktpreisrisiko, Volatilität, Portfolioanalyse, Finanzmarktstabilität, Risikomodelle, Korrelation.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht und vergleicht die Prognosequalität verschiedener Methoden zur Berechnung des Value-at-Risk (VaR) und des Expected Shortfall (ES) unter Anwendung auf ein breit diversifiziertes Anlageportfolio.

Was sind die zentralen Themenfelder der Studie?

Die zentralen Themen sind Risikomanagementmethoden, statistische Marktmodellierung, die Anwendung historischer versus analytischer Berechnungsansätze sowie die Validierung dieser Modelle mittels Backtesting.

Was ist das primäre Ziel der Untersuchung?

Das Ziel ist es, zu beurteilen, wie präzise unterschiedliche VaR- und ES-Berechnungsmodelle (ungewichtet vs. gewichtet) Markt- und Inflationsrisiken vorhersagen, um die Eignung der Modelle für Finanzinstitute zu bewerten.

Welche wissenschaftliche Methode kommt zum Einsatz?

Es werden historische Daten über fünf Jahre für ein Portfolio aus Aktien, Währungen, Edelmetallen und Kryptowährungen genutzt, um Simulationen durchzuführen, die dann statistisch mit t-Tests und Ampel-Backtests validiert werden.

Was wird im Hauptteil der Arbeit behandelt?

Der Hauptteil gliedert sich in die theoretische Fundierung der mathematischen Modelle, die praktische Implementierung der Risikoanalysen und die empirische Gegenüberstellung und Diskussion der erzielten Prognoseergebnisse.

Welche Schlüsselbegriffe charakterisieren die Arbeit?

Wichtige Begriffe sind Value-at-Risk, Expected Shortfall, Backtesting, Prognosequalität, Historische Simulation und Delta-Normal-Methode.

Wie beeinflusst die Gewichtung historischer Daten die Genauigkeit der VaR-Berechnung?

Die Ergebnisse zeigen, dass gewichtete Ansätze tendenziell aktueller auf Marktveränderungen reagieren, jedoch in manchen Phasen anfälliger für Volatilitätsschwankungen sein können als ungewichtete Modelle.

Welche Schlussfolgerung zieht der Autor zur Performance der untersuchten Methoden?

Die analytische Delta-Normal-Methode zeichnete sich durch eine hohe Zuverlässigkeit aus, während die historische Simulation je nach Marktphase unterschiedlich stabil agierte; insgesamt ist eine sorgfältige Selektion der Modelle je nach Marktlage entscheidend.