Extremwertstatistik mit Anwendungen in Finanzund Versicherungsmärkten - Cheatsheet.pdf

Extremwertstatistik mit Anwendungen in Finanzund Versicherungsmärkten - Cheatsheet
Extremwertstatistik mit Anwendungen in Finanzund Versicherungsmärkten - Cheatsheet Grundlagen der Extremwertverteilung Definition: Grundverständnis der Verteilung extremer Ereignisse und ihrer Wahrscheinlichkeiten. Details: Die Extremwertverteilung beschreibt das Verhalten von Maximal- oder Minimalwerten in statistischen Daten. Drei Typen von Extremwertverteilungen: Gumbel, Fréchet und Weibull. Wi...

© StudySmarter 2024, all rights reserved.

Extremwertstatistik mit Anwendungen in Finanzund Versicherungsmärkten - Cheatsheet

Grundlagen der Extremwertverteilung

Definition:

Grundverständnis der Verteilung extremer Ereignisse und ihrer Wahrscheinlichkeiten.

Details:

  • Die Extremwertverteilung beschreibt das Verhalten von Maximal- oder Minimalwerten in statistischen Daten.
  • Drei Typen von Extremwertverteilungen: Gumbel, Fréchet und Weibull.
  • Wichtige Formeln: Fisher-Tippett-Grenzwertsatz.
  • Typ I (Gumbel): \( F(x) = e^{-e^{-(x-\beta)/\tau}} \)
  • Typ II (Fréchet): \( F(x) = \begin{cases} 0 & x \le 0 \ e^{-x^{-\beta}} & x > 0 \ \end{cases} \)
  • Typ III (Weibull): \( F(x) = \begin{cases} e^{-(\tau - x)^\beta} & x \le \tau \ 1 & x > \tau \ \end{cases} \)
  • Wichtige Anwendungen in den Bereichen Versicherungsmathematik und Finanzmarktanalysen.

Gumbel-Verteilung, Fréchet-Verteilung und Weibull-Verteilung

Definition:

Gumbel-Verteilung, Fréchet-Verteilung und Weibull-Verteilung sind spezifische Extremwertverteilungen, die in der Extremwertstatistik zur Modellierung extremer Ereignisse, z. B. in Finanz- und Versicherungsmärkten, verwendet werden.

Details:

  • Gumbel-Verteilung: Modelliert den maximalen Wert aus einer Serie unabhängiger und identisch verteilter Zufallsvariablen.
  • Fréchet-Verteilung: Wird für stark schwankende Daten verwendet, z. B. in Finanzmärkten. Formel für die Verteilungsfunktion: \[ F(x) = e^{-x^{-\beta}} \], Parameter: \( \beta > 0 \).
  • Weibull-Verteilung: Kann für Lebensdaueranalysen verwendet werden. Verteilungsfunktion: \[ F(x; \beta, \tau) = 1 - e^{-(x/ \tau)^{\beta}} \], Parameter: \( \beta > 0 \), \( \tau > 0 \).

Blockmaxima-Ansatz und Peaks-over-Threshold-Ansatz

Definition:

Blockmaxima-Ansatz: Extremwerttheorie, nutzt Blockmaxima für Modellierung. Peaks-over-Threshold-Ansatz: Modellierung von Werten über Schwellenwerten.

Details:

  • Blockmaxima-Ansatz: Daten in Blöcke teilen, Maximum in jedem Block analysieren.
  • Peaks-over-Threshold-Ansatz (POT): Schwellenwert wählen, alle Werte darüber analysieren.
  • Mathematische Basis:
    • Blockmaxima: Gumbel-, Fréchet-, oder Weibull-Verteilung.
    • POT: Generalisierte Pareto-Verteilung (GPD).
  • Blockmaxima-Ergebnisse: Konvergenz gegen Generalisierte Extremwertverteilung (GEV).
  • POT-Ergebnisse: Konvergenz gegen GPD.
  • Anwendungen: Risikoabschätzung in Finanzen und Versicherung.

Identifikation extremer Ereignisse in finanziellen Zeitreihen

Definition:

Identifikation extremer finanzieller Ereignisse, z.B. plötzliche Marktbewegungen; nutzt Extremwerttheorie, um Risiken abzuschätzen.

Details:

  • Extremwerttheorie (EVT) zur Analyse von Randverteilungen extremer Ereignisse
  • Verwendung von Block-Maxima und Peak-Over-Threshold (POT) Methoden
  • Gumbel-, Fréchet- und Weibull-Verteilungen zur Modellierung extremer Ereignisse
  • Quantilschätzungen, z.B. Value-at-Risk (VaR) und Expected Shortfall (ES)
  • Formeln:
  • Für Block-Maxima: \(M_n = \text{max}(X_1, ..., X_n)\)
  • Für POT: \(P(X > x \,|\, X > u) \approx (1 + \frac{ξ(x-u)}{σ})^{-1/ξ}\), mit \( u \) als Schwellenwert
  • Var Modell: \(VaR_{\alpha} = F_X^{-1}(1 - \alpha) \)

Modellierung der extremen Werte von Aktienrenditen

Definition:

Modellierung der extremen Werte von Aktienrenditen zur Bewertung des Risikos und der Potenziale von seltenen und großen Preisschwankungen in Finanzmärkten.

Details:

  • Extreme Value Theory (EVT) zur Analyse der Verteilung extremer Aktienrenditen.
  • genutzt werden Block-Maxima-Methoden oder Peaks-over-Threshold (POT) Methode.
  • Gumbel, Fréchet und Weibull als mögliche Verteilungen für extreme Werte.
  • Generalized Extreme Value (GEV) Verteilung zur Modellierung von Block-Maxima.
  • Generalized Pareto-Verteilung (GPV) für die POT Methode.
  • Bestimmung des Value at Risk (VaR) und Conditional Value at Risk (CVaR) basierend auf extremen Werten.
  • Parameter Schätzung via Maximum-Likelihood Methode oder Hill-Schätzer.

Anwendung von Copulas zur Abhängigkeitsmodellierung

Definition:

Einsatz von Copulas zur Modellierung der Abhängigkeiten zwischen verschiedenen Risikofaktoren, häufig verwendet in Finanz- und Versicherungsmärkten.

Details:

  • Copulas ermöglichen die Trennung von Randverteilungen und Abhängigkeitsstrukturen.
  • Beliebte Copula-Typen: Gauss-, t-, und Archimedische Copulas (z.B. Gumbel, Clayton, Frank).
  • Formel zur Multivariaten Copulafunktion: \[C(u_1, u_2, ... , u_d) = P(U_1 \leq u_1, U_2 \leq u_2, ..., U_d \leq u_d)\]
  • Voraussetzung: Kenntnis der marginalen Verteilungen und der Strukturparameter.
  • Endlichkeitseigenschaften: Schließt Sklar's Theorem ein.
  • Empirische Copulas für Daten: Schätzungen basierend auf empirischen Verteilungen.
  • Praktische Anwendung: Risikomanagement, Portfoliotheorie, Pricing von Finanzderivaten.

Maximum-Likelihood-Schätzung

Definition:

Verfahren zur Parameterschätzung in statistischen Modellen durch Maximierung der Likelihood-Funktion.

Details:

  • Likelihood-Funktion: \( L(\theta; x) = f(x | \theta) \)
  • Log-Likelihood: \( l(\theta; x) = \log L(\theta; x) \)
  • Schätzparameter: \( \hat{\theta}_{ML} = \arg \max_{\theta} l(\theta; x) \)
  • Anwendung in Finanz- und Versicherungsmodellen zur Schätzung extremer Ereignisse

Monte-Carlo-Simulationen zur Risikobewertung

Definition:

Monte-Carlo-Simulation zur Risikobewertung verwendet Zufallssamples und statistische Techniken zur Analyse und Bewertung von Risiken in Finanz- und Versicherungsmärkten.

Details:

  • Zufallsgenerierung von Input-Werten zur Simulation möglicher Szenarien
  • Wiederholung des Prozesses tausende Male zur Erstellung einer Wahrscheinlichkeitsverteilung
  • Berechnung von Metriken wie Value at Risk (VaR) und Conditional Value at Risk (CVaR)
  • Verwendung in Stress-Tests und Szenario-Analysen
  • Erfordert hohe Rechenleistung und komplexe Algorithmen
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden