Simulation von Value at Risk und Conditional Value at Risk bei Wechselkursrisiken

Diplomarbeit aus dem Jahr 2006 im Fachbereich Mathematik - Stochastik Note: 20 Friedrich-Schiller-Universität Jena (Wirtschaftswissenschaftliche Fakultät) Sprache: Deutsch Abstract: Die vorliegende Arbeit widmet sich der entscheidenden Bedeutung der Wahl eines geeigneten Risikomodells indem mittels zweier verschiedener Value at Risk bzw Conditional Value at Risk (expected shortfall) -Berechnungsmethoden - der Historische Simulation und der Monte Carlo Simulation - für jeweils gleiche Portfolien überprüft wird ob diese trotz theoretisch gleichen Risikos zu verschiedenen Ergebnissen führen. Das Ziel ist es dabei folgende Kernfragen zu beantworten:I.Welche Auswirkung hat die Wahl der Berechnungsmethode auf die Höhe der jeweiligen Risikokennzahl?II.Welche Auswirkung hat die Wahl der Berechnungsmethode auf die Anzahl der Fälle die von der Risikokennzahl nicht erfasst werden?III.Welche Auswirkung hat die Wahl der Berechnungsmethode auf die Höhe der Eigenkapitalunterlegung?IV.Welche Auswirkung hat die Wahl der Risikokennzahl (VaR oder CVaR) auf die Höhe der Eigenkapitalunterlegung?V.Welche Auswirkung hat die Wahl der Berechnungsmethode auf die Präferenzreihenfolge eines Entscheiders der a) nur aufgrund der Risikokennzahl und b) nur aufgrund der Höhe der Eigenkapitalunterlegung entscheidet?VI.Welche Auswirkung hat die Wahl der Risikokennzahl auf die Präferenzreihenfolge eines Entscheiders der nur aufgrund der Höhe der Risikokennzahl entscheidet?Zur Beantwortung dieser Fragen werden in Kapitel 2 grundlegende Überlegungen zur Messung von Marktrisiken bei der Kapitalanlage durchgeführt. Die beiden Risikokennzahlen VaR und CVaR werden ausführlich erläutert und verglichen. Am Ende des Kapitels wird das bereits erwähnte Backtesting in der speziellen Form der „Basler Ampel dargestellt. Daraufhin werden in Kapitel 3 die beiden unterschiedlichen Berechnungsmethoden „Historische Simulation und „Monte Carlo Simulation mit ihren Vor- und Nachteilen erklärt.