Vergleich von alternativen Verfahren zur Berechnung des Value-at-Risk anhand internationaler Aktienindizes

Inhaltsverzeichnis

1. EINLEITUNG

1.1. MOTIVATION

1.2. ZIEL UND AUFBAU DER ARBEIT

2. VALUE-AT-RISK ALS RISIKOMASS

2.1. RISIKOMAßE

2.2. MARKTRISIKO

2.3. ANFORDERUNGEN AN RISIKOMASSE

2.4. DEFINITION DES VALUE-AT-RISK (VAR)

2.5. KRITIK

3. EMPIRISCHE EIGENSCHAFTEN VON AKTIENRENDITEN

3.1. STATIONARITÄT

3.2. STYLIZED FACTS

3.3. VOLATILITY CLUSTERING

4. EIGENKAPITALVORSCHRIFTEN NACH BASEL II

5. ALTERNATIVE VAR-VERFAHREN UND VALIDIERUNG DER VALUE-AT-RISK-PROGNOSEN

5.1. HISTORISCHE SIMULATION

5.1.1. Vorgehen

5.1.2. Bewertung der Historischen Simulation

5.2. VAR-PROGNOSE MIT UNIVARIATEN GARCH-MODELLEN

5.2.1. ARCH

5.2.2. GARCH

5.2.3. VaR Prognose mit dem GARCH(1,1)-Modell

5.2.4. Beurteilung der univariaten GARCH-Modelle

5.3. FILTERED HISTORICAL SIMULATION (FHS)

5.3.1. Vorgehen

5.3.2. Beurteilung der FHS

6. BACKTESTING

6.1. UNCONDITIONAL COVERAGE

6.2. CONDITIONAL COVERAGE

6.2.1. Christoffersens Interval Forecast Test

6.2.2. Joint Test

7. EMPIRISCHE SIMULATIONSSTUDIE

7.1. ÜBERBLICK

7.2. DATENGRUNDLAGE UND DESKRIPTIVE STATISTIK

7.3. ANWENDUNG DER ALTERNATIVEN VAR ANSÄTZE

7.4. OUT-OF-SAMPLE VAR-PROGNOSEERGEBNISSE

7.4.1. HS

7.4.2. GARCH (1,1)

7.4.3. FHS

7.5. BEURTEILUNG DER BACKTESTING-ERGEBNISSE

7.6. INTERPRETATION DER BACKTESTING-ERGEBNISSE

8. FAZIT

Zielsetzung & Themen

Die Arbeit untersucht und vergleicht verschiedene alternative Methoden zur Berechnung des Value-at-Risk (VaR), um eine präzise Prognose des Marktrisikos bei internationalen Aktienindizes zu ermöglichen und die Einhaltung regulatorischer Anforderungen (Basel II) zu gewährleisten.

• Analyse und Vergleich parametrischer (GARCH), nicht-parametrischer (Historische Simulation) und semi-parametrischer (Filtered Historical Simulation) VaR-Ansätze.
• Untersuchung der Prognosegüte der Modelle mittels Backtesting-Verfahren (Unconditional und Conditional Coverage).
• Evaluierung der Auswirkungen unterschiedlicher Schätzfensterlängen und Konfidenzniveaus auf die berechneten Eigenkapitalanforderungen.
• Empirische Anwendung der Modelle auf vier internationale Aktienindizes (RTS, S&P 500, HSI, Euro Stoxx 50) über einen elfjährigen Zeitraum.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1. EINLEITUNG: Das Kapitel motiviert die Bedeutung der Marktrisikomessung im modernen Finanzcontrolling und definiert das Ziel, verschiedene VaR-Modelle hinsichtlich ihrer Prognosegüte zu vergleichen.

2. VALUE-AT-RISK ALS RISIKOMASS: Hier wird der theoretische Rahmen des Value-at-Risk definiert, dessen Anforderungen erläutert und eine kritische Würdigung des Maßes vorgenommen.

3. EMPIRISCHE EIGENSCHAFTEN VON AKTIENRENDITEN: Dieses Kapitel behandelt die für die Modellierung entscheidenden statistischen Eigenschaften von Renditezeitreihen, wie Stationarität, Fat Tails und Volatilitäts-Cluster.

4. EIGENKAPITALVORSCHRIFTEN NACH BASEL II: Es wird der regulatorische Rahmen erläutert, in dem der VaR als Standardmaß zur Bestimmung der Eigenkapitalanforderung für Marktrisiken dient.

5. ALTERNATIVE VAR-VERFAHREN UND VALIDIERUNG DER VALUE-AT-RISK-PROGNOSEN: Vorstellung und methodische Herleitung der drei untersuchten Ansätze: Historische Simulation, GARCH-Modelle und Filtered Historical Simulation.

6. BACKTESTING: Einführung in die formal-statistischen Verfahren zur Überprüfung der Prognosegüte, insbesondere Unconditional und Conditional Coverage Tests.

7. EMPIRISCHE SIMULATIONSSTUDIE: Darstellung der Anwendung der Modelle auf reale Daten, Durchführung der Backtests und Interpretation der Ergebnisse unter verschiedenen Parametereinstellungen.

8. FAZIT: Zusammenfassende Bewertung der Ansätze, wobei die Filtered Historical Simulation als überlegen gegenüber den klassischen Methoden identifiziert wird.

Schlüsselwörter

Value-at-Risk, VaR, Marktrisiko, Historische Simulation, GARCH, Filtered Historical Simulation, Backtesting, Finanzcontrolling, Eigenkapitalanforderungen, Volatilität, Aktienindizes, Prognosegüte, Renditezeitreihen, Basel II, Risikomanagement

Häufig gestellte Fragen

Worum geht es in der Arbeit grundlegend?

Die Arbeit befasst sich mit dem Vergleich verschiedener mathematischer Verfahren zur Berechnung des Value-at-Risk (VaR), um Marktrisiken bei Aktienanlagen präzise abzuschätzen.

Welche Themenfelder sind zentral?

Zentral sind die theoretischen Grundlagen des Risikomanagements, die statistischen Eigenschaften von Finanzmarktdaten und die regulatorischen Vorgaben für Banken.

Was ist das primäre Ziel der Untersuchung?

Das Ziel ist die Identifikation desjenigen VaR-Modells, das bei unterschiedlichen Marktbedingungen die höchste Prognosegenauigkeit liefert und gleichzeitig regulatorische Eigenkapitalanforderungen effizient erfüllt.

Welche wissenschaftliche Methode wird verwendet?

Es wird eine empirische Simulationsstudie durchgeführt, die verschiedene statistische Modelle (HS, GARCH, FHS) auf reale historische Kursdaten anwendet und deren Ergebnisse mittels statistischer Backtesting-Tests validiert.

Was wird im Hauptteil behandelt?

Der Hauptteil umfasst die detaillierte Vorstellung der drei VaR-Modelle, die Erläuterung der Backtesting-Methodik sowie die Durchführung und Auswertung der Simulation mit verschiedenen Aktienindizes.

Welche Schlüsselbegriffe charakterisieren die Arbeit?

Die wichtigsten Begriffe sind Value-at-Risk, Backtesting, Volatilitätsmodellierung (GARCH), stationäre Renditezeitreihen und regulatorische Basel-II-Anforderungen.

Warum ist die Wahl des Schätzfensters bei der Historischen Simulation kritisch?

Die Wahl ist kritisch, da ein zu kurzes Fenster zu volatilen und ein zu langes Fenster zu trägen Reaktionen auf aktuelle Marktveränderungen führen kann, was das Risiko falsch einschätzt.

Warum schneidet die Filtered Historical Simulation (FHS) in der Studie am besten ab?

Die FHS kombiniert die Vorteile der GARCH-basierten Varianzmodellierung mit der Flexibilität nicht-parametrischer Ansätze, was zu den stabilsten und genauesten Backtesting-Ergebnissen führte.