Logo Logo
Hilfe
Kontakt
Switch language to English
An Integrated System for Market Risk, Credit Risk and Portfolio Optimization Based on Heavy-Tailed Medols and Downside Risk Measures
An Integrated System for Market Risk, Credit Risk and Portfolio Optimization Based on Heavy-Tailed Medols and Downside Risk Measures
Gängige Theorien der mathematischen Finanzwirtschaft wie zum Beispiel der Mean-Variance-Ansatz zur Portfolio-Selektion oder Modelle zur Bewertung von Wertpapieren basieren alle auf der Annahme, dass Renditen im Zeitablauf unabhngig und identisch verteilt sind und einer Normalverteilung folgen. Empirische Untersuchungen liefern jedoch signifikante Hinweise dahingehend, dass diese Annahme f¨ur wichtige Anlageklassen unzutreffend ist. Stattdessen sindWertpapierrenditen zeitabh¨angige Volatilit¨aten, Heavy Tails (schwere Verteilungsr¨ander), Tail Dependence (Extremwertabh¨angigkeit) sowie Schiefe gekennzeichnet. Diese Eigenschaften haben Auswirkungen sowohl auf die theoretische als auch praktischeModellierung in der Finanzwirtschaft. Nach der Pr¨asentation des theoretischen Hintergrundes spricht die Arbeit die Modellierungsprobleme an, die sich aus diesen h¨aufig beobachteten Ph¨anomenen ergeben. Speziell werden Fragen bez¨uglich der Modellierung von Marktund Kreditrisiken volatiler M¨arkte behandelt als auch Probleme bei der Portfolio-Optimierung unter Verwendung alternativer Risikomae und Zielfunktionen. Fragen der praktischen Implementierung wird dabei besondere Aufmerksamkeit gewidmet., The cornerstone theories in finance, such as mean-variance model for portfolio selection and asset pricing models, that have been developed rest upon the assumption that asset returns follow an iid Gaussian distribution. There is, however, strong empirical evidence that this the assumption does not hold for most relevant asset classes. Financial return series typically exhibit volatility clustering, heavy-tailedness, tail dependence, and skewness. These properties have implications for both theoretical and practical modeling in finance. After providing some theoretical background, this thesis addresses modeling issues arising from these commonly observed phenomena. Specifically, questions pertaining assessing and modeling market- and credit-risk in volatile markets and portfolio-optimization problems under use of alternative risk measures and objective functions are investigated. Practical implementation is a concern throughout the analysis.
Financial Modeling, Market Risk, Portfolio Optimization, Stable Distributions
Racheva-Iotova, Borjana
2010
Englisch
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Racheva-Iotova, Borjana (2010): An Integrated System for Market Risk, Credit Risk and Portfolio Optimization Based on Heavy-Tailed Medols and Downside Risk Measures. Dissertation, LMU München: Fakultät für Mathematik, Informatik und Statistik
[thumbnail of Racheva-Iotova_Borjana.pdf]
Vorschau
PDF
Racheva-Iotova_Borjana.pdf

1MB

Abstract

Gängige Theorien der mathematischen Finanzwirtschaft wie zum Beispiel der Mean-Variance-Ansatz zur Portfolio-Selektion oder Modelle zur Bewertung von Wertpapieren basieren alle auf der Annahme, dass Renditen im Zeitablauf unabhngig und identisch verteilt sind und einer Normalverteilung folgen. Empirische Untersuchungen liefern jedoch signifikante Hinweise dahingehend, dass diese Annahme f¨ur wichtige Anlageklassen unzutreffend ist. Stattdessen sindWertpapierrenditen zeitabh¨angige Volatilit¨aten, Heavy Tails (schwere Verteilungsr¨ander), Tail Dependence (Extremwertabh¨angigkeit) sowie Schiefe gekennzeichnet. Diese Eigenschaften haben Auswirkungen sowohl auf die theoretische als auch praktischeModellierung in der Finanzwirtschaft. Nach der Pr¨asentation des theoretischen Hintergrundes spricht die Arbeit die Modellierungsprobleme an, die sich aus diesen h¨aufig beobachteten Ph¨anomenen ergeben. Speziell werden Fragen bez¨uglich der Modellierung von Marktund Kreditrisiken volatiler M¨arkte behandelt als auch Probleme bei der Portfolio-Optimierung unter Verwendung alternativer Risikomae und Zielfunktionen. Fragen der praktischen Implementierung wird dabei besondere Aufmerksamkeit gewidmet.

Abstract

The cornerstone theories in finance, such as mean-variance model for portfolio selection and asset pricing models, that have been developed rest upon the assumption that asset returns follow an iid Gaussian distribution. There is, however, strong empirical evidence that this the assumption does not hold for most relevant asset classes. Financial return series typically exhibit volatility clustering, heavy-tailedness, tail dependence, and skewness. These properties have implications for both theoretical and practical modeling in finance. After providing some theoretical background, this thesis addresses modeling issues arising from these commonly observed phenomena. Specifically, questions pertaining assessing and modeling market- and credit-risk in volatile markets and portfolio-optimization problems under use of alternative risk measures and objective functions are investigated. Practical implementation is a concern throughout the analysis.