Nichtparametrische un-/bedingte Schätzung der Zinsstruktur

Inhaltsverzeichnis

1 Einleitung

1.1 Problemstellung

1.2 Aufbau der Arbeit

2 Grundkonzepte der Zinsstruktur

2.1 Terminologie

2.1.1 (Null-)Kupon-Anleihen

2.1.2 Zinssatz

2.1.3 Zinsstruktur

2.2 Zinsstrukturtheorien

2.2.1 Traditionelle Theorien

2.2.2 Neuere Theorien

3 Nichtparametrische statistische Verfahren

3.1 Eindimensionale Zufallsgrößen

3.1.1 Kernschätzung der unbedingten Dichte

3.1.2 Kernschätzung der bedingten Verteilung

3.1.3 Kriterien für die Güte von Dichteschätzungen

3.1.4 Bandbreitenwahl

3.1.5 Nichtlineare Regression

3.2 Mehrdimensionale Zufallsgrößen

3.2.1 Kernschätzung multivariater unbedingter Dichten

3.2.2 Bandbreitenwahl

3.2.3 Dimensionsreduktion: Hauptkomponentenanalyse

4 Anwendung auf die Zinsstruktur

4.1 Datenbasis und Konstruktion der Zinsstruktur

4.1.1 Interpolation

4.1.2 Die effektiv verzinsten Periodenlängen α(T1,T2)

4.1.3 Berechnung der Bondpreise (Diskontfaktoren) B(T0,T1)

4.1.4 Nullkupon-DM-LIBOR-Kurve R(T0,T)

4.2 Nichtparametrische Modellierung der Zinsstruktur

4.2.1 Beziehungen zwischen Fristigkeiten

4.2.2 Markow-Eigenschaft der Zinsstruktur

4.2.3 Modell-Matrix

4.2.4 Modell 1: Univariate unbedingte Schätzung

4.2.5 Modell 2: Univariate bedingte Schätzung

4.2.6 Modell 3: Multivariate unbedingte Schätzung

4.2.7 Modell 4: Multivariate bedingte Schätzung

5 Schlußbetrachtungen

5.1 Zusammenfassung

5.2 Ausblick

6 Anhang

6.1 Funktionen in VBA EXCEL

6.1.1 Kernfunktionen

6.1.2 Schätzung der unbedingte Dichtefunktion und Kreuzvalidierung

6.1.3 Regressogramm, Kreuzvalidierung, Schätzfehler von Shibata und Rice

6.1.4 Bedingte Dichtefunktion und Kreuzvalidierung

6.1.5 Bivariate Dichtefunktion

6.2 Ausgangsdaten

Zielsetzung und Themen

Die vorliegende Arbeit untersucht die Anwendbarkeit nichtparametrischer statistischer Verfahren zur Schätzung der Zinsstruktur. Das primäre Ziel besteht darin, die theoretischen Konzepte dieser Methoden systematisch darzustellen und deren Leistungsfähigkeit sowie Grenzen durch eine praktische Anwendung auf historische DM-LIBOR-Zinsdaten (1967–2000) zu evaluieren.

• Grundkonzepte und Theorien der Zinsstruktur
• Nichtparametrische statistische Methoden (Kernschätzung, Regression)
• Methoden zur optimalen Bandbreitenwahl und Dimensionsreduktion
• Empirische Schätzung der Zinsstruktur für unterschiedliche Laufzeitsegmente
• Systematische Evaluierung verschiedener Schätzmodelle anhand von Marktdaten

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Diese Einleitung führt in die Problematik der Zinsstrukturschätzung ein und erläutert den Aufbau der Arbeit.

2 Grundkonzepte der Zinsstruktur: Hier werden die theoretischen Grundlagen, wichtige Definitionen und die klassischen sowie neueren Zinsstrukturtheorien dargelegt.

3 Nichtparametrische statistische Verfahren: Dieses Kapitel behandelt die mathematischen Methoden der Kernschätzung und Regression sowie die Optimierungsparameter wie die Bandbreitenwahl.

4 Anwendung auf die Zinsstruktur: Der praktische Teil der Arbeit wendet die zuvor erläuterten Verfahren auf die DM-LIBOR-Marktdaten an, um verschiedene Modelle zur Zinsstrukturschätzung zu konstruieren.

5 Schlußbetrachtungen: In diesem Kapitel werden die Ergebnisse zusammengefasst und ein Ausblick auf zukünftige Forschungsnotwendigkeiten gegeben.

6 Anhang: Der Anhang enthält die konkreten VBA-Funktionen, die für die Berechnungen der Schätzverfahren in EXCEL verwendet wurden.

Schlüsselwörter

Zinsstruktur, Nichtparametrische Statistik, Kernschätzung, Dichteschätzung, Bandbreitenwahl, DM-LIBOR, Nullkuponanleihe, Regression, Finanzmathematik, Markow-Prozess, Hauptkomponentenanalyse, Finanzderivate, Stochastik, Zinssatz, Zeitstetige Modelle.

Häufig gestellte Fragen

Worum geht es in der Arbeit grundlegend?

Die Arbeit beschäftigt sich mit der Schätzung der Zinsstruktur mittels nichtparametrischer statistischer Verfahren anstelle traditioneller parametrischer Modelle.

Welche zentralen Themenfelder werden behandelt?

Die Schwerpunkte liegen auf den theoretischen Grundlagen der Zinsstruktur, nichtparametrischen Schätzmethoden wie der Kernschätzung sowie deren praktischer Anwendung auf historische LIBOR-Zinssätze.

Was ist das primäre Ziel der Untersuchung?

Das Ziel ist es, den Nutzen und die Grenzen nichtparametrischer Verfahren bei der Zinsstrukturanalyse zu evaluieren, da diese Methoden ohne strenge Verteilungsannahmen auskommen.

Welche wissenschaftlichen Methoden werden verwendet?

Es kommen vorwiegend Methoden der nichtparametrischen Statistik zum Einsatz, insbesondere die Kernschätzung (Dichte- und Verteilungsschätzung) sowie Verfahren zur Dimensionsreduktion wie die Hauptkomponentenanalyse.

Was behandelt der Hauptteil der Arbeit?

Der Hauptteil gliedert sich in die theoretische Herleitung der statistischen Verfahren und deren anschließende Anwendung auf reale DM-LIBOR-Daten, wobei verschiedene Modelle (univariate/multivariate Schätzungen) getestet werden.

Welche Schlüsselwörter charakterisieren die Arbeit?

Zu den zentralen Begriffen gehören Zinsstruktur, nichtparametrische Statistik, Kernschätzung, Bandbreitenwahl, LIBOR-Kurven und die Modellierung stochastischer Prozesse.

Welche Bedeutung hat die Hauptkomponentenanalyse in diesem Kontext?

Die Hauptkomponentenanalyse wird genutzt, um die Dimension der hochdimensionalen Zinsstrukturdaten zu reduzieren, damit nichtparametrische Schätzmethoden überhaupt anwendbar werden.

Warum wird die Kreuzvalidierung zur Bandbreitenwahl eingesetzt?

Die Kreuzvalidierung dient der empirisch fundierten Bestimmung der optimalen Bandbreite, da die theoretisch optimale Bandbreite oft von unbekannten Funktionen abhängt.

Wie werden die DM-LIBOR-Daten für die Schätzung vorbereitet?

Die Daten werden durch Interpolationsverfahren ("Curve-Stripping") aufbereitet, um stetige Zinskurven bzw. Nullkuponraten zu konstruieren, die als Basis für die nichtparametrische Analyse dienen.

Welche Rolle spielt die Markow-Eigenschaft in den Modellen?

Die Markow-Eigenschaft wird in den bedingten Modellen vorausgesetzt, um die zukünftige Entwicklung der Zinsstruktur auf Basis des aktuellen Stands modellieren zu können.