Zusammenfassung
Der Beitrag behandelt Probleme und Anwendungspotenziale bei der Übertragung der originär regulatorisch geprägten spektralen Risikomaße, einschließlich des Conditional Value-at-Risk als ihrem prominentesten Vertreter, in den Kontext betriebswirtschaftlicher Entscheidungsprobleme. Dabei werden zwei Grundformen von restriktiven, und ökonomisch unplausiblen, Randlösungstendenzen oder ,,Plunging“ offengelegt. Die erste Form von Randlösungen wird unmittelbar durch die regulatorische Axiomatik induziert und ist allen spektralen Risikomaßen inhärent. Sie bewirkt etwa, dass bei der optimalen Vermögensaufteilung zwischen einer risikofreien und einer riskanten Anlage niemals diversifiziert wird. Eine zweite Form von Randlösungen geht auf das spezielle Risikospektrum des Conditional Value-at-Risk zurück. Im Kontext optimaler Versicherungsentscheidungen mittels stop-loss-Kontrakt führt dieses dazu, dass die Versicherung bei Verwendung spektraler Risikomaße als Zielfunktion entweder gar nicht oder nur zum minimalen Selbstbehalt abgeschlossen wird. Ähnliche Schwächen finden sich auch in anderen Anwendungen, etwa bei der der Ermittlung optimaler Bestellmengen im Newsvendor-Modell. Wir können zeigen, dass diese zweite Form von Randlösungstendenzen bereits innerhalb der Klasse der spektralen Risikomaße, etwa durch die Anwendung der Subklasse der power spektralen Risikomaße anstelle des Conditional Value-at-Risk, behoben werden kann.
Notes
Die Repräsentation (6) gilt sowohl für stetige, als auch für diskrete Zufallsvariablen. Bei der Diskussion betriebswirtschaftlicher Entscheidungsprobleme werden wir uns zu Demonstrationszwecken bisweilen auf diskrete (bzw. an anderen Stellen auf stetige) Zufallsvariablen beschränken, und werden die getroffene Beschränkung dann zu Beginn der entsprechenden Abschnitte jeweils kenntlich machen.
Für den Fall \(\rho _{\phi }(R)=-r\) ist jedes \(\beta \in [0,1]\) optimal. Wir nehmen nachfolgend ohne Beschränkung der Allgemeinheit an, dass sich der Investor dann für die Randlösung \(\beta ^{*}=0\) entscheidet.
Die Reichweite dieses Resultats geht über die Vermögensaufteilung zwischen einer riskanten und einer risikofreien Anlage hinaus. Brandtner (2013) zeigt, dass (unter einigen schwachen Existenzbedingungen) das Separationstheorem von Tobin (1958) für spektrale Risikomaße gilt, d.h. auch wenn eine risikofreie und n riskante Anlagen existieren, stellen alle \((\mu , \rho _{\hat{\phi }})\)-Investoren ihr optimales Portfolio aus der risikofreien Anlage und dem riskanten Tangentialportfolio zusammen. Dieses ersetzt im Setting mit n riskanten Anlagen die obige riskante Anlage, sodass das Plunging erhalten bleibt.
Inwieweit sich dieses Resultat auf andere Klassen stetiger Verteilungen erweitern lässt, ist derzeit eine offene Forschungsfrage. Die Auflösung des Plunging für normalverteilte Wertpapierrenditen ist dadurch bedingt, dass spektrale Risikomaße in diesem Fall als Linearkombination von Erwartungswert und Standardabweichung (vgl. (16)) notiert werden können. Für andere (stetige) Verteilungen liegen die Verhältnisse komplizierter, insbesondere wird die Abhängigkeitsstruktur zwischen den Wertpapierrenditen dann nicht vollständig durch den Korrelationskoeffizienten erfasst, sodass eine Analyse auf dem Konzept der Copulas zur vollständigen Erfassung auch nichtlinearer Abhängigkeiten aufbauen muss (z.B. Embrechts et al. 2002).
Die in diesem Abschnitt hergeleiteten Resultate können kanonisch auf beliebige reellwertige Zufallsvariablen erweitert werden. Die Annahme stetiger und streng monoton wachsender Verteilungsfunktionen stellt lediglich sicher, dass die Resultate der komparativ-statischen Analysen spektraler Risikomaße nicht durch die fehlende Eindeutigkeit der Quantilfunktion überlagert (und verkompliziert) werden.
Erneut können die hier hergeleiteten Resultate auf beliebige reellwertige Zufallsvariablen erweitert werden. Die Annahme stetiger und streng monoton wachsender Verteilungsfunktionen erleichtert die Demonstration wesentlicher Effekte, denn sie stellt sicher, dass die Resultate der komparativ-statischen Analysen nicht durch die fehlende Eindeutigkeit der Quantilfunktion überlagert werden.
References
Acerbi C (2004) Coherent representations of subjective risk-aversion. In: Risk mmeasures for the 21st century. Wiley, Chichester, pp 147–208
Acerbi C (2002) Spectral measures of risk: a coherent representation of subjective risk aversion. J Bank Finance 26(7):1505–1518
Acerbi C, Simonetti P (2002) Portfolio optimization with spectral measures of risk. Working Paper
Acerbi C, Tasche D (2002) On the coherence of expected shortfall. J Bank Finance 26(7):1487–1503
Adam A, Houkari M, Laurent J-P (2008) Spectral risk measures and portfolio selection. J Bank Finance 32(9):1870–1882
Ahmed S, Cakmak U, Shapiro A (2007) Coherent risk measures in inventory problems. Eur J Oper Res 182(1):226–238
Alexander GJ, Baptista AM (2002) Economic implications of using a mean-VaR model for portfolio selection: a comparison with mean-variance analysis. J Econ Dyn Control 26(7–8):1159–1193
Alexander GJ, Baptista AM (2004) A comparison of VaR and CVaR constraints on portfolio selection with the mean-variance model. Manage Sci 50(9):1261–1273
Alexander GJ, Baptista AM (2006) Does the basle capital accord reduce bank fragility? An assessment of the value-at-risk approach. J Monet Econ 53(7):1631–1660
Arrow KJ (1965) Aspects of the theory of risk-bearing. Yrjö Jahnsson lectures
Arrow KJ (1963) Uncertainty and the welfare economics in medical care. Am Econ Rev 53(5):941–973
Artzner P, Delbaen F, Eber J-M, Heath D (1999) Coherent measures of risk. Math Finance 9(3):203–228
Auer B, Schuhmacher F (2012) Normalverteilung, Value-at-Risk und Expected Shortfall. WISU - Das Wirtschaftsstudium 11(2012):1502–1509
Balbas A, Garrido J, Mayoral S (2009) Properties of Distortion Risk Measures. Methodology and Computing in Applied Probability 11(3):385–399
Bamberg G (1986) The hybrid model and related approaches to capital market equilibria. In: Capital market equilibria. Spinger Verlag
Bamberg G, Spremann K (1981) Implications of constant risk aversion. Zeitschrift für Operations Research 25(7):205–224
Bank für Internationalen Zahlungsausgleich (2006) Internationale Konvergenz der Eigenkapitalmessung und Eigenkapitalanforderungen. Bank für Internationalen Zahlungsausgleich
Barbi M, Romagnoli S (2012) Optimal hedge ratio under a subjective re-weighting of the original measure. Working Paper
Bassett GW, Koenker R, Kordas G (2004) Pessimistic portfolio allocation and choquet expected utility. J Financial Econom 2(4):477–492
Benati S (2003) The optimal portfolio problem with coherent risk measure constraints. Eur J Oper Res 150(3):572–584
Bertsimas D, Lauprete G, Samarov A (2004) Shortfall as a risk measure: properties optimization and applications. J Econ Dyn Control 28(7):1353–1381
Brandtner M (2012) Risikomessung mit kohärenten, spektralen und konvexen Risikomaßen: Konzeption, entscheidungstheoretische Implikationen und finanzwirtschaftliche Anwendungen. Schriften zur quantitativen Betriebswirtschaftslehre. Springer Gabler
Brandtner M (2013) Conditional Value-at-Risk, spectral risk measures and (non-)diversification in portfolio selection problems—A comparison with mean-variance analysis. J Bank Finance 37(12):5526–5537
Brandtner M, Kürsten W (2014) Solvency II, regulatory capital, and optimal reinsurance: How good are Conditional Value-at-Risk and spectral risk measures? Insur Math Econ 59(11):156–167
Cai J, Tan KS, Weng C, Zhang Y (2008) Optimal reinsurance under VaR and CTE risk measures. Insur Math Econ 43(1):185–196
Cai J, Tan KS (2007) Optimal Retention for a Stop-Loss Reinsurance under the VaR and CTE Risk Measures. ASTIN Bulletin 37(1):93–112
Cass D, Stiglitz JE (1970) The structure of investor prefrences and asset returns, and separability in portfolio allocation: a contribution to the pure theory of mutual funds. J Econ Theory 2(2):122–160
Chen YF, Xu M, Zhang ZG (2009) A risk-averse newsvendor model under the CVaR criterion. Oper Res 57(4):1040–1044
Cherny AS (2006) Weighted VaR and its properties. Finance Stoch 10(3):367–393
Cheung KC (2010) Optimal reinsurance revisited—a geometric approach. ASTIN Bull 40(1):221–239
Chi Y, Tan KS (2011) Optimal reinsurance under VaR and CVaR risk measures: a simplified approach. ASTIN Bull 41(2):487–509
Choi S, Ruszczynski A (2008) A risk-averse newsvendor with law invariant coherent measures of risk. Oper Res Lett 36(1):77–82
Cotter J, Dowd K (2006) Extreme spectral risk measures: an application to futures clearinghouse margin requirements. J Bank Finance 30(12):3469–3485
Cotter J, Dowd K (2010) Estimating financial risk measures for futures positions: a non-parametric approach. J Futures Mark 30(7):689–703
Cui W, Yang J, Wu L (2013) Optimal reinsurance minimizing the distortion risk measure under general reinsurance premium principles. Insur Math Econ 53(1):74–85
De Giorgi E (2002) A note on portfolio selection under various risk measures. Working Paper
Dedu S, Ciumara R (2010) Restricted optimal retention in stop-loss reinsurance under VaR and CTE risk measures. Proc Rom Acad Ser A 11(3):213–217
Deng X, Zhang Y, Zhao P (2009) Portfolio optimization based on spectral risk measures. Int J Math Anal 34(3):1657–1888
Denneberg D (1988) Non-expected-utility preferences: the dual approach. In: Geld, Banken und Versicherungen, Verlag Versicherungswirtschaft, Karlsruhe
Doherty NA, Eeckhoudt L (1995) Optimal insurance without expected utility: the dual theory and the linearity of insurance contracts. J Risk Uncertain 10(2):157–179
Dowd K, Cotter J, Sorwar G (2008) Spectral risk measures: properties and limitations. J Financial Serv Res 34(1):61–75
Dowd K, Blake D (2006) After VaR: the theory estimation, and insurance applications of quantile-based risk measures. J Risk Insur 73(2):193–229
Eeckhoudt L, Gollier C, Schlesinger H (1991) Increases in risk and deductible insurance. J Econ Theory 55(2):435–440
Embrechts P, McNeil AJ, Straumann D (2002) Correlation and dependence in risk management: properties and pitfalls. In: Dempster M (ed) Risk management: value-at-risk and beyond. Cambride University Press
Faldzinski M, Osinska M, Zdanowicz T (2012) Detecting risk transfer in financial markets using different risk measures. Cent Eur J Econ Model Econom 1(4):45–64
Fichtinger J (2010) The single-period inventory model with spectral risk measures. Phd-Thesis, Vienna University of Economics and Business
Föllmer H, Schied A (2002) Convex measures of risk and trading constraints. Finance Stoch 6(4):429–447
Frittelli M, Gianin ER (2002) Putting order in risk measures. J Bank Finance 26(7):1473–1486
Gollier C, Schlesinger H (1996) Arrow’s theorem on the optimality of deductibles: a stochastic dominance approach. Econ Theory 7(2):359–363
Gotoh J-Y, Takano Y (2007) Newsvendor solutions via conditional value-at-risk minimization. Eur J Oper Res 179(1):80–96
Gürtler M (2002) Der IRB-Ansatz im Rahmen von Basel II. Die Betriebswirtschaft 62(4):S. 450–452
Hadar J, Russell W (1969) Rules for ordering uncertain prospects. Am Econ Rev 59(1):25–34
Hanisch J (2006) Risikomessung mit dem Conditional Value-at-Risk: Implikationen für das Entscheidungsverhalten. Verlag Dr, Kovac, Hamburg
Hartmann-Wendels T, Pfingsten A, Weber M (2007) Bankbetriebslehre, 4. Aufl. Springer Verlag, Berlin
Heath D, Ku H (2004) Pareto equilibria with coherent measures of risk. Math Finance 14(2):163–172
Jammernegg W, Kischka P (2007) Risk-averse and risk-taking newsvendors: a conditional expected value approach. Rev Manag Sci 1(1):93–110
Jammernegg W, Kischka P (2009) Risk preferences and robust inventory decisions. Int J Prod Econ 118(2):269–274
Khouja M (1999) The single-period newsvendor problem: literature review and suggestions for future research. Omega Int J Manag Sci 27(5):537–555
Konrad KA, Skaperdas S (1993) Self-insurance and self-protection: a nonexpected utility analysis. GENEVA Pap Risk Insur Theory 18(2):131–146
Krokhmal P, Palmquist J, Uryasev S (2002) Portfolio optimization with conditional value-at-risk objective and constraints. J Risk 4(1):43–68
Kürsten W (2005) Finanzierung. In: Bitz M, Domsch M, Ewert R, Wagner F (Hrsg) Vahlens Kompendium der Betriebswirtschaftslehre. Vahlen Verlag, München, pp 173–235
Kürsten W (2006) Corporate Hedging, Stakeholderinteresse und Shareholder Value. Journal für Betriebs-wirtschaft 56(1):3–31
Kürsten W, Brandtner M (2009) Kohärente Risikomessung versus individuelle Akzeptanzmengen : Anmerkungen zum impliziten Risikoverständnis des “Conditional Value-at-Risk”. Zeitschrift für betriebswirtschaftliche Forschung 61(6):358–381
Kusuoka S (2001) On law invariant coherent risk measures. Adv Math Econ 3(1):83–95
Leitner J (2005) A short note on second-order stochastic dominance preserving coherent risk measures. Math Finance 15(4):649–651
Machina MJ (1995) Non-expected utility and the robustness of the classical insurance paradigm. GENEVA Pap Risk Insur Theory 20(1):9–50
McNeil AJ, Frey A, Embrechts P (2005) Quantitative risk management: concepts, techniques and tools. Princeton University Press, Princeton
Pratt JW (1964) Risk aversion in the small and in the large. Econometrica 32(1/2):122–136
Rockafellar RT, Uryasev S (2000) Optimization of conditional value-at-risk. J Risk 2(3):21–41
Rockafellar RT, Uryasev S (2002) Conditional Value-at-Risk for general loss distributions. J Bank Finance 26(7):1443–1471
Roell A (1987) Risk Aversion in Quiggin and Yaari’s rank-order model of choice under uncertainty. Econ J 97(Supplement: Conference Papers):143–159
Ross SA (1981) Some stronger measures of risk aversion in the small and the large with applications. Econometrica 49(3):621–638
Rothschild M, Stiglitz JE (1970) Increasing risk: I a definition. J Econ Theory 2(3):225–243
Sarin RK, Weber M (1993) Risk-value models. Eur J Oper Res 70(2):135–149
Schlesinger H (1997) Insurance demand without the expected utility paradigm. J Risk Insur 64(1):19–39
Sereda EN, Bronshtein EM, Rachev ST, Fabozzi FJ, Sun W, Stoyanov SV (2010) Distortion risk measures in portfolio optimization. In: Guerard, J.B. (hrsg.) Handbook of portfolio construction. Springer Verlag, pp 649–673
Sriboonchitta S, Nguyen HT, Kreinovich V (2010) How to relate spectral risk measures and utilities. Int J Intell Technol Appl Stat 3:141–158
Szegoe G (2002) Measures of risk. J Bank Finance 26(7):1253–1272
Tan KS, Weng C, Zhang Y (2011) Optimality of general reinsurance contracts under CTE risk measure. Insur Math Econ 49(1):175–187
Tan KS, Weng C, Zhang Y (2009) VaR and CTE criteria for optimal quota-share and stop-loss reinsurance. N Am Actuar J 13(4):459–482
Tao, M./Ren, X./Yang, Y. (2009): Construction and choice of risk spectrum function, in: Journal of Beijing University of Chemical Technology (Natural Science Edition), 36:105–109
Tasche D (2002) Expected Shortfall and beyond. J Bank Finance 26(7):1519–1533
Tobin J (1958) Liquidity preference towards risk. Rev Econ Stud 67(2):65–86
Trost R (1991) Entscheidungen unter Risiko: Bernoulliprinzip und duale Theorie. Verlag Peter Lang, Frankfurt/Main
Wächter HP, Mazzoni T (2013) Consistent modeling of risk averse behavior with spectral risk measures. Eur J Oper Res 229:487–495
Wagner M (2010) Non-proportional reinsurance with risk preferences. Ger J Risk Insur 99(1):83–97
Wang SS, Young VR, Panjer HH (1997) Axiomatic characterization of insurance prices. Insur Math Econ 21(2):173–183
Wilhelm JE (2008) Risikoaversion und Risikomessung - Ein Blick ins Innere des Bernoulli-Prinzips. In: Oehler A, Terstege U (Hrsg) Finanzierung, Investition und Entscheidung: Einzelwirtschaftliche Analysen zur Bank- und Finanzwirtschaft - Festschrift für Michael Bitz zum 65. Geburtstag gewidmet. Springer Verlag, Wien, p. 447–490
Yaari ME (1987) The dual theory of choice under risk. Econometrica 55(1):95–115
Yamai Y, Yoshiba T (2002) Comparative analyses of expected shortfall and value-at-risk: their estimation error decomposition, and optimization. Monet Econ Stud 20(1):87–122
Yamai Y, Yoshiba T (2005) Value-at-risk versus Expected Shortfall: A practical perspective. J Bank Finance 29(4):997–1015
Zhou M, Dong H, Xu J (2011) Optimal combinational of quota-share and stop-loss reinsurance contracts under VaR and CTE with a constrained reinsurance premium. J Syst Sci Complex 24(1):156–166
Author information
Authors and Affiliations
Corresponding author
Additional information
Ich danke Wolfgang Kürsten, dem Herausgeber Engelbert Dockner sowie zwei anonymen Gutachtern für ihre wertvollen Anmerkungen und Verbesserungsvorschläge.
Appendices
Anhang 1: Beweis—Spektrale Risikomaße repräsentieren Arrow-Pratt-Risikoaversion
Notiert man das spektrale Risikomaß als Riemann-Stiltjes-Integral mit der Verteilungsfunktion \(\Phi \) als Integrator und integriert partiell, resultiert
da \(\Phi (p) \ge p \text { f}\ddot{\mathrm{u}}\text {r alle } p \in [0,1]\). \(\square \)
Anhang 2: Beweis von Satz 3.6
Das spektrale Risiko eines Portfolios \(R(\gamma )\) ist gegeben durch
Unter den gesetzten Annahmen \(\sigma _{1}<\sigma _{2}\) und \(corr(R_{1}, R_{2}) \in (-1,1)\) gilt \(a>0, b<0\) und \(c>0\). Die Bedingung erster Ordnung für das optimale \(\gamma \) lautet
Auflösen von (69) nach \(\gamma \) ergibt den optimalen Anteil
Für \(\rho _{\phi }(X_{0}) \rightarrow \infty \) gilt \(t \rightarrow 0\) und somit \(\gamma ^{*} \rightarrow -\tfrac{b}{a}\). Für \(\rho _{\phi }(X_{0}) \rightarrow \tfrac{\sqrt{c}}{b} \cdot (\mu _{1}-\mu _{2})\) gilt \(b^{2}-t^{2} \cdot c \rightarrow 0\) und somit \(\gamma ^{*} \rightarrow 0\). Die Ableitung des optimalen Anteils (69) nach t ist negativ (es gilt \(t<0\))
sodass \(\frac{\partial \gamma ^{*}}{\partial \rho _{\phi }(X_{0})}>0\) und \(\gamma ^{*}\) stetig (aufgrund der Stetigkeit der Wurzelfunktion) und streng monoton wachsend in \(\rho _{\phi }(X_{0})\) ist. \(\square \)
Anhang 3: Beweis von Satz 4.3
Die ,,verzerrte“ Verteilungsfunktion \(\Phi (F(x))\) ist für den Conditional Value-at-Risk gegeben durch (vgl. (17))
Im ersten Fall \(F(x) \in [0,\alpha )\) nimmt die Bedingung erster Ordnung (57) die Form
an und wird Null für \(F(-d^{*})=0\), oder \(d^{*} = - x_{\max }\), wenn \(\alpha >\tfrac{1}{1+\delta }\). Im zweiten Fall \(F(x) \in [\alpha ,1]\) resultiert die Bedingung erster Ordnung
wenn \(\alpha \le \tfrac{1}{1+\delta }\). \(\square \)
Anhang 4: Beweis von Satz 4.5
Die ,,verzerrte“ Verteilungsfunktion \(\Phi (F(x))\) ist für power spektrale Risikomaße gegeben durch (vgl. (20))
Die Bedingung erster Ordnung (57) nimmt somit die Form
an, woraus unmittelbar \(d^{*}=-F^{-1}\left( (1+\delta )^{\frac{1}{b-1}} \right) \) resultiert. \(\square \)
Rights and permissions
About this article
Cite this article
Brandtner, M. Spektrale Risikomaße: Konzeption, betriebswirtschaftliche Anwendungen und Fallstricke. Manag Rev Q 66, 75–115 (2016). https://doi.org/10.1007/s11301-015-0116-1
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11301-015-0116-1
Stichworte
- Spektrale Risikomaße
- Conditional Value-at-Risk
- Bankenregulierung
- Portfolio Selection
- Rückversicherung
- Newsvendor-Modell