Die Zusammenhänge zwischen Markt- und Liquiditätsrisiken in dem Kontext der Value-at-Risk Prognosen

Inhaltsverzeichnis

Einleitung

Value at Risk

Definition

Berechnung des Value at Risk

Methoden

Bestimmung der Volatilität mit EWMA

Marktrisiko

Liquiditätsrisiko

Liquidity Adjusted Value at Risk

Implementierung des Liquiditätsrisikos in den VaR Ansatz

Disskusion

Die Ermittlung von α der Geld/Brief Spannen Verteilung

Probleme der Verteilung aufgrund von fat tails

Überprüfung der Korrelationsannahme

Erweiterung des Modells durch die Kovarianz

Empirische Untersuchung

Daten

Berechnung

Empirische Ergebnisse

Backtesting

Kupiecs POF-Test

Ampel-Ansatz (traffic light approach)

Christoffersons Independence-Test

Joint-Test

Backtesting Ergebnisse

Zusammenfassung

Zielsetzung & Themen

Die vorliegende Bachelorarbeit untersucht die Zusammenhänge zwischen Markt- und Liquiditätsrisiken und deren Integration in Value-at-Risk-Prognosen (VaR). Ziel ist es, das konventionelle VaR-Modell durch die Berücksichtigung von Liquiditätsrisiken – insbesondere Geld-Brief-Spannen – sowie potenziellen Kovarianz-Effekten zu erweitern und die Prognosefähigkeit dieser modifizierten Ansätze im Vergleich zum Standardmodell zu evaluieren.

• Analyse und Berechnung von Value-at-Risk-Modellen unter Berücksichtigung von Liquiditätsrisiken.
• Empirische Untersuchung anhand von SDAX-Unternehmen über einen zehnjährigen Zeitraum (2007-2017).
• Überprüfung der Korrelationsannahmen zwischen Renditen und Geld-Brief-Spannen.
• Validierung der Prognosemodelle durch umfangreiche Backtesting-Verfahren wie den POF-Test, den Ampel-Ansatz und Christoffersons Independence-Test.

Auszug aus dem Buch

Zusammenfassung der Kapitel

Einleitung: Einführung in die Thematik der Kapitalmarktrisiken und die Notwendigkeit der Erweiterung des Value-at-Risk-Modells um Liquiditätskomponenten.

Value at Risk: Definition des VaR und Erläuterung der verschiedenen Berechnungsmethoden sowie der Volatilitätsbestimmung mittels EWMA.

Marktrisiko: Erläuterung der Entstehung von Marktrisiken und deren systematische Quantifizierung im Kontext der Volatilität.

Liquiditätsrisiko: Differenzierung des Liquiditätsrisikos in Marktliquiditätsrisiko und Finanzierungs-Liquiditätsrisiko sowie Erläuterung der Marktcharakteristika.

Liquidity Adjusted Value at Risk: Darstellung der Implementierung des exogenen Liquiditätsrisikos in das bestehende VaR-Rahmenwerk.

Disskusion: Kritische Auseinandersetzung mit der Verteilung von Geld-Brief-Spannen, den Auswirkungen von fat tails und der Prüfung von Korrelationsannahmen.

Empirische Untersuchung: Anwendung der Modelle auf SDAX-Daten unter Nutzung rollierender Zeitfenster zur Überprüfung der Prognosegüte.

Backtesting: Erläuterung und Anwendung statistischer Testverfahren zur Überprüfung der Modellgenauigkeit der VaR-Ansätze.

Zusammenfassung: Fazit der Arbeit hinsichtlich der Effektivität der Modell-Erweiterungen und Ausblick auf zukünftige Forschungsfragen.

Schlüsselwörter

Value at Risk, VaR, Marktrisiko, Liquiditätsrisiko, Geld-Brief-Spanne, EWMA, Backtesting, SDAX, Kovarianz, Rendite, Volatilität, Finanzmarktkrise, Prognosefähigkeit, Modell-Validierung, Risikomanagement.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit beschäftigt sich mit der Risikomessung im Finanzwesen, konkret mit der Verbesserung der Value-at-Risk-Prognosen durch die Integration von Liquiditätsrisiken und statistischen Korrekturen.

Was sind die zentralen Themenfelder der Untersuchung?

Die zentralen Themen sind das klassische Marktrisiko, die Liquiditätsrisiken (insbesondere Geld-Brief-Spannen), verschiedene VaR-Berechnungsmethoden sowie Methoden zur Validierung dieser Modelle (Backtesting).

Was ist das primäre Ziel oder die Forschungsfrage?

Das primäre Ziel ist es, zu untersuchen, ob die Einbeziehung von Liquiditätskosten und Kovarianz-Effekten in das Standard-VaR-Modell zu einer präziseren und effektiveren Risikoprognose führt.

Welche wissenschaftliche Methode wird verwendet?

Es werden mathematisch-statistische Methoden zur VaR-Berechnung genutzt, ergänzt durch eine empirische Untersuchung mit rollierenden Fenstern und Backtesting-Verfahren wie der Kupiec-POF-Test oder der Ampel-Ansatz.

Was wird im Hauptteil der Arbeit behandelt?

Der Hauptteil umfasst die theoretische Herleitung der Modelle, die Diskussion ihrer Schwächen (z. B. Normalverteilungsannahme, fat tails) sowie die empirische Anwendung auf eine Stichprobe von SDAX-Unternehmen.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Arbeit lässt sich durch Begriffe wie Value at Risk, Liquiditätsrisiko, Backtesting, Geld-Brief-Spanne und Finanzmarkt-Risikomanagement charakterisieren.

Warum spielt die Geld-Brief-Spanne eine so entscheidende Rolle für das Modell?

Sie dient als Indikator für exogene Liquiditätskosten. Da das Standard-VaR diese Kosten oft ignoriert, führt ihre Integration zu einer realistischeren Einschätzung des Risikos in volatilen Phasen.

Welches Ergebnis liefert die Untersuchung der Kovarianz-Erweiterung?

Die Untersuchung zeigt, dass die Integration der Kovarianz zwischen Rendite und Geld-Brief-Spanne keine signifikante Verbesserung der Modellprognosen bewirkt und in der Praxis vernachlässigbar ist.

Wie schneiden die erweiterten Modelle im Backtesting ab?

Die Modelle mit Liquiditätsanpassung (LiqAdj-VaR) performen im Backtesting deutlich besser als der einfache VaR, da sie eine höhere Abdeckung der Verluste bieten und die strengen statistischen Tests (POF/Joint-Test) eher bestehen.

Welche Schlussfolgerung zieht der Autor zur Prognosefähigkeit des VaR?

Der Autor kommt zu dem Schluss, dass der VaR – insbesondere in der erweiterten Form – ein nützliches Werkzeug im Risikomanagement bleibt, jedoch in Extremphasen der Finanzmärkte keine absolute Genauigkeit garantieren kann.