Quantitative risk assessment with Excel - Cheatsheet

Grundlegende Excel-Funktionalitäten zur Risikoberechnung

Definition:

Nutzung grundlegender Excel-Funktionen für die Berechnung von Risiken.

Details:

• Aufbereiten und Bereinigen von Daten: FILTER, SORTIEREN, ENTFERNEN VON DUPLIKATEN
• Summarische und statistische Funktionen: SUMME, MITTELWERT, VARIANZ, STABD (Standardabweichung)
• Wahrscheinlichkeitsberechnungen: BINOM.VERT, POISSON.VERT, NORM.DIST
• Szenario-Analysen: WENN, WENNS, SVERWEIS, WVERWEIS
• Diagrammerstellung zur Visualisierung von Risiken: Säulendiagramme, Kreisdiagramme, Wahrscheinlichkeitsverteilungen
• Sensitivitäts- und Szenarioanalyse: DATENTABELLEN, SZENARIO-MANAGER
• Finanzielle Funktionen: ZINS, ZW, RMZ

Datenanalyse und Visualisierung in Excel

Definition:

Datenanalyse und Visualisierung in Excel beinhaltet die Untersuchung von Datensätzen zur Erkennung von Mustern und Trends sowie die Darstellung dieser Daten in grafischer Form.

Details:

• Nutze Pivot-Tabellen zur Datenzusammenfassung
• Verwende Diagramme (z.B. Balkendiagramme, Liniendiagramme) zur Visualisierung von Daten
• Anwendung von Funktionen wie =MITTELWERT(), =VARIANCE(), =STDEVS() für statistische Analysen
• Bedingte Formatierungen zur Hervorhebung von Datenpunkten
• Erstelle benutzerdefinierte Diagramme für bessere visualisierungsspezifische Anforderungen
• Nutze Datenvalidierung zur Sicherstellung der Genauigkeit
• Verbindung zu externen Datenquellen für erweiterte Analysen

Erstellen von benutzerdefinierten Makros zur Risikobewertung

Definition:

Definiere benutzerdefinierte Makros in Excel zur Automatisierung und Vereinfachung von Risikobewertungen; nutze VBA (Visual Basic for Applications).

Details:

• Erstelle Makros für Berechnungen und Datenanalysen.
• Schreibe Makros in der VBA-Entwicklerumgebung.
• Anwendung: Makrorekorder, manuellen Code schreiben.
• Kernkonzepte: Schleifen, Bedingungen, Variablen, Funktionen.
• Beispielcode: Risiko-Simulation mittels For-Schleife.
• Alt + F11 zum Öffnen der VBA-Entwicklerumgebung.
• Sub- und Function-Prozeduren.
• Debugging: Breakpoints, Debug.Print.

Anwendung von Szenario-Analyse-Tools in Excel

Definition:

Anwendung von Szenario-Analyse-Tools in Excel zur Bewertung von verschiedenen Zukunftsszenarien auf Basis von Eingabevariablen. Wichtig für das Risikomanagement und die Entscheidungsfindung.

Details:

• Einrichtung von Szenario-Manager: Datentabellen und Eingabevariablen definieren.
• Erstellung von Szenarien: Unterschiedliche Wertkombinationen der Eingabevariablen.
• Analyse: Szenarien vergleichen, um Auswirkungen auf Zielgrößen zu verstehen.
• Formeln: \texttt{=SUMME()}, \texttt{=MITTELWERT()}, \texttt{=VAR.S()}
• Tools: Was-wäre-wenn-Analyse, Datentabellen, Solver.

Monte-Carlo-Simulation: Erzeugen von Zufallszahlen und Anwendung in Finanzmodellen

Definition:

Verwendung der Monte-Carlo-Simulation zur Erzeugung von Zufallszahlen zur Vorhersage und Modellentwicklung in der Finanzbranche.

Details:

• Zufallszahlen: Erzeugung durch algorithmische Methoden (Pseudorandom-Nummern-Generatoren).
• Verteilungen: Anwendung verschiedener Verteilungen (normal, lognormal, uniform) je nach Modellanforderung.
• Simulationen: Durchführung vieler Durchläufe (Iteration) zur Annäherung an die Wahrscheinlichkeitsverteilung der Ergebnisse.
• Finanzmodelle: Risikobewertung, Preisfindung von Derivaten, Portfolio-Optimierung.
• Excel: Einsatz von Funktionen wie RAND() und RANDBETWEEN() zur Zufallszahlenerzeugung.

Bewertung und Interpretation von Wahrscheinlichkeitsverteilungen durch Simulationsergebnisse

Definition:

Bewertung und Interpretation von Ergebnissen, die durch die Simulation von Wahrscheinlichkeitsverteilungen erzielt wurden.

Details:

• Verwendung von Simulationstechniken (z.B. Monte-Carlo Simulation) zur Analyse von Verteilungen.
• Anwendung der Simulationsergebnisse zur Risikobewertung und Entscheidungsfindung.
• Ermittlung von Kennzahlen wie Erwartungswert, Varianz und Quantilen.
• Visualisierungen von Ergebnissen (Histogramme, Boxplots).
• Vergleich der simulierten Verteilungen mit theoretischen oder historischen Daten.
• Berücksichtigung der Unsicherheit und Sensitivitätsanalyse.

Value at Risk (VaR) und Expected Shortfall Berechnungen

Definition:

Maße zur Quantifizierung potentieller Verluste in einem Portfolio bei gegebenem Konfidenzniveau über einen bestimmten Zeitraum. VaR gibt den maximal erwarteten Verlust an, Expected Shortfall den durchschnittlichen Verlust, wenn dieser über dem VaR liegt.

Details:

• VaR: \( \text{VaR}_{\beta} = \text{inf} \big\{ x \big| P(X \leq x) \geq \beta \big\} \)
• Expected Shortfall: \( \text{ES}_{\beta} = E \big[ X | X > \text{VaR}_{\beta} \big] \)

Black-Scholes-Formel und deren Anwendung in der Optionsbewertung

Definition:

Black-Scholes-Modell zur Berechnung des theoretischen Preises europäischer Optionen.

Details:

• Grundformel: \[C = S_0 N(d_1) - X e^{-rT} N(d_2)\]
• Parameter:
  • \[d_1 = \frac{\ln(S_0 / X) + (r + \sigma^2 / 2)T}{\sigma \sqrt{T}}\]
  • \[d_2 = d_1 - \sigma \sqrt{T}\]
  • \[N(\cdot) \text{: kumulative Verteilungsfunktion der standardnormalverteilung}\]
  • \[S_0 \text{: aktueller Aktienkurs}\]
  • \[X \text{: Ausübungspreis}\]
  • \[r \text{: risikofreier Zinssatz}\]
  • \[T \text{: Restlaufzeit der Option}\]
  • \[\sigma \text{: Volatilität des Aktienkurses}\]
• Annahmen: log-normalverteilte Aktienkurse, konstante Risikofreie Zinsen.
• Anwendung: Optionsbewertung (Kauf- und Verkaufsoptionen)
• Excel: Implementierung mittels Formeln und Makros zur Berechnung der Preisbildung.