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