Skip to main content
SpringerLink
Log in

Auswirkungen der Risikomessmethode auf die Anlageperformance – Eine empirische Untersuchung für den Fall definierter Risikolimite in der Planungsrechnung anhand des DAX

  • Original Paper
  • Published:
Zeitschrift für Planung & Unternehmenssteuerung Aims and scope Submit manuscript

Zusammenfassung

Risikomessmodelle werden als Controllinginstrumente hinsichtlich ihrer Güte oft einseitig unter reinen Risikogesichtspunkten getestet. Der Einfluss, den sie auf die Anlageperformance besitzen, wird dabei in der Regel vernachlässigt. Der vorliegende Beitrag zeigt den konzeptionellen Zusammenhang zwischen Risikomessmodellen und Anlageperformance auf und weist ihn empirisch nach. Dabei wird deutlich, dass die Anwendung von Normalverteilungsannahme, historischer Simulation und impliziter Volatilität zur Risikomessung im Rahmen von Limitsystemen zu deutlich unterschiedlichen Portfoliorenditen bei gleichem Portfoliorisiko führen kann. In einer Betrachtung des Risikomanagements aus Performancesicht kann somit erhebliches Potential liegen.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Literatur

  • Albrecht, P. (2006). 25 Jahre Kapitalanlageperformance der deutschen Lebensversicherer: Risiko-/Performanceprofile und risikobereinigte Performancekennzahlen, Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft, N. 165.

  • Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81, 637–654.

    Article  Google Scholar 

  • Bleymüller, J., Gehlert, G., & Gülicher, H. (2008). Statistik für Wirtschaftswissenschaftler (15. Aufl.). München: Vahlen.

    Google Scholar 

  • Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307–327.

    Article  Google Scholar 

  • Deutsche Bank (2009). Finanzbericht 2008. Frankfurt am Main.

  • Deutsche Börse (2006). VDAX-NEW – Der neue Volatilitätsindex der Deutschen Börse. Frankfurt am Main.

  • Deutsche Börse (2007). Leitfaden zu den Volatilitätsindizes der Deutschen Börse, Version 2.4. Frankfurt am Main.

  • Dowd, K. (2000). Adjusting for risk: an improved sharpe ratio. International Review of Economics and Finance, 9(3), 209–222.

    Article  Google Scholar 

  • DZ Bank (2009). Geschäftsbericht 2009. Frankfurt am Main.

  • Eberlein, E., Kallsen, J., & Kristen, J. (2003). Risk management based on stochastic volatility. Journal of Risk, 5(2), 19–44.

    Google Scholar 

  • Engle, R. (1982). Autoregressive conditional heteroscedasticity, with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.

    Article  Google Scholar 

  • Fama, E. (1970). Efficient capital markets: a review of theory and empirical work. Journal of Finance, 25, 383–417.

    Article  Google Scholar 

  • Gebhardt, G., & Daske, H. (2004). Zukunftsorientierte Bestimmung von Kapitalkosten für die Unternehmensbewertung, Working Paper Series: Bd. 134, Finance & Accounting, Frankfurt am Main.

  • Giot, P. (2005). Implied volatility indexes and daily value-at-risk models. Journal of Derivatives, 12, 54–64.

    Article  Google Scholar 

  • Jorion, P. (2007). Value at risk: the new benchmark for controlling market risk. New York: McGraw-Hill.

    Google Scholar 

  • LBBW (2009). Der Geschäftsbericht 2008. Stuttgart.

  • Lister, M. (1997). Risikoadjustierte Ergebnismessung und Risikokapitalallokation. Frankfurt am Main: Knapp.

    Google Scholar 

  • Matten, C. (1996). Managing bank capital: capital allocation and performance measurement. Chichester: Wiley.

    Google Scholar 

  • Meyer, C. (1999). Value at Risk für Kreditinstitute: Erfassung des aggregierten Marktrisikopotentials. Wiesbaden: Deutscher Universitäts-Verlag.

    Google Scholar 

  • Pohl, M., & Schierenbeck, H. (2008). Renditeoptimierung durch die Verbesserung von Risikomodellen. Edition Risikomanagement 1.6. Frankfurt am Main.

  • Schierenbeck, H., Lister, M., & Kirmße, S. (2008). Ertragsorientiertes Bankmanagement, Bd. 2: Risikocontrolling und integrierte Rendite-/Risikosteuerung (9. Aufl.). Wiesbaden: Gabler.

    Google Scholar 

  • Sharpe, W. (1966). Mutual fund performance. Journal of Business, 39(1), 119–138.

    Article  Google Scholar 

  • Sharpe, W. (1994). The sharpe ratio. Journal of Portfolio Management, 21, 49–58.

    Article  Google Scholar 

  • UBS (2009). Geschäftsbericht 2008. Zürich.

  • Zaik, E., Walter, J., Kelling, G., & James, C. (1996). RAROC at bank of America: from theory to practice. Journal of Applied Corporate Finance, 9(2), 83–93.

    Article  Google Scholar 

  • Ziemba, W. (2005). The symmetric downside-risk sharpe ratio. Journal of Portfolio Management (Fall), 32, 108–112.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Abteilung Bankmanagement und Controlling Wirtschaftswissenschaftliches Zentrum (WWZ), Universität Basel, Peter Merian-Weg 6, 4002, Basel, Schweiz

    Michael Pohl

Authors
  1. Michael Pohl
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Michael Pohl.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Pohl, M. Auswirkungen der Risikomessmethode auf die Anlageperformance – Eine empirische Untersuchung für den Fall definierter Risikolimite in der Planungsrechnung anhand des DAX. Z Plan Unternehmenssteuerung 21, 59–80 (2010). https://doi.org/10.1007/s00187-010-0087-2

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00187-010-0087-2

Schlüsselwörter

Search

Navigation