Citation link:
https://nbn-resolving.org/urn:nbn:de:hbz:467-4712
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
schupp.pdf | 1.59 MB | Adobe PDF | View/Open |
Dokument Type: | Doctoral Thesis | metadata.dc.title: | Approximative bedingte Unabhängigkeit in Finanzzeitreihen | Authors: | Schupp, Petra | Institute: | Statistik, Risikoanalyse & Computing | Free keywords: | Value at Risk, stochastic volatility series | Dewey Decimal Classification: | 510 Mathematik | GHBS-Clases: | TKQ | Issue Date: | 2010 | Publish Date: | 2010 | Abstract: | Stochastische Volatilitätszeitreihen sind häufig verwendete Modelle für Finanzzeitreihen, da auf Finanzmärkten keine konstante Volatilität beobachtet wird. Bedeutende Spezialfälle stellen hierbei GARCH-Zeitreihen dar, in denen die Volatilität als gewichtete Summe der quadrierten vorhergehenden Beobachtungen modelliert wird. Solche Zeitreihen werden in der Finanzliteratur als geeignete Modelle für kurzfristige, z.B. tägliche Renditen angesehen. Oftmals wird jedoch von Seiten des Bankenaufsichtsrechts eine Risikomessung auf Basis einer längerfristigen Haltedauer wie z.B. von 10-Tages-Renditen gefordert. Die Promotionsarbeit stellt zunächst den Prognosebegriff für stochastische Volatilitätszeitreihen heraus. Im Anschluss daran liefert das Hauptresultat, dass n aufeinander folgende Folgenglieder von bestimmten stochastischen Volatilitätszeitreihen, insbesondere GARCH(1,1)-Zeitreihen, approximativ bedingt unabhängig und identisch verteilt (iid) gegeben der Vergangenheit sind. Als Maß für den Fehler dieser Approximation wird der Variationsabstand verwendet. Des Weiteren wird der Zusammenhang von GARCH(1,1)- und allgemeinen stochastischen Volatilitätszeitreihen untersucht, der Parameter der bedingten iid Approximation eingeführt und ausführlich untersucht. In der Finanzwirtschaft wird eine Quantifizierung des Risikos größtenteils über den Value at Risk (VaR) vorgenommen. Als Anwendung des Hauptresultats erfolgt die Prognose einer obere Schranke des n-Tages VaR einer stochastischen Volatilitätszeitreihe. Anschließend wird dieser prognostizierte VaR durch Backtesting also mittels statistischer Tests validiert. Zuletzt werden die theoretischen Resultate durch Simulationen und reale Datensätze beispielhaft erläutert. |
URN: | urn:nbn:de:hbz:467-4712 | URI: | https://dspace.ub.uni-siegen.de/handle/ubsi/471 | License: | https://dspace.ub.uni-siegen.de/static/license.txt |
Appears in Collections: | Hochschulschriften |
This item is protected by original copyright |
Page view(s)
409
checked on Dec 28, 2024
Download(s)
106
checked on Dec 28, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.