Mathematische Methoden des Marktrisikomanagements

  • H. Locarek-Junge
Chapter

Zusammenfassung

Die Verwendung bankeigener (interner) Modelle zur Risikomessung von Handelspositionen ist mit der 6. KWG-Novelle vom Oktober 1997 zu Zwecken der Bankenregulierung zugelassen worden, wenn diese bestimmte Anforderungen erfüllen. Dies gibt den Banken die Möglichkeit, zur Risikoabsicherung eingegangene Portefeuillepositionen risikomindernd bei der Berechnung des Gesamtrisikos anzusetzen und sie nicht wie im bisher vorgeschriebenen Standardverfahren mit einem Risikozuschlag bei der Berechnung der Eigenkapitalunterlegung belasten zu müssen. Manche Positionen (insbes. Derivate) stellen jedoch erhebliche Anforderungen an die mathematischen und statistischen Methoden zur Ermittlung des adäquaten Risikos. Die in den internen Risikomeßmodellen verwendeten Methoden werden gegenübergestellt und die Problembereiche skizziert.

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

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. BAKRED (Hrsg.) (1997a): Bekanntmachung über die Änderung und Ergänzung der Grundsätze über das Eigenkapital und die Liquidität der Kreditinstitute vom 29. Oktober 1997.Google Scholar
  2. BAKRED (Hrsg.) (1997b): Erläuterungen zur Bekanntmachung über die Änderung und Ergänzung der Grundsätze über das Eigenkapital und die Liquidität der Kreditinstitute vom 29. Oktober 1997.Google Scholar
  3. BAMBERG, G., BAUR, F. (1993): Statistik. 8. Aufl., Oldenbourg, München 1993.Google Scholar
  4. BISHOP, C.M. (1994): Mixture Density Networks. Tech. Rep. NCRG/94/004, Neural Computing Research Group, Aston University, Birmingham.Google Scholar
  5. BIZ (1996a): Überblick über die Rahmenbedingungen der Eigenkapitalvereinbarung zur Einbeziehung der Marktrisiken. Bank für Internationalen Zahlungsausgleich, Basel 1996.Google Scholar
  6. BIZ (1996b): Aufsichtsrechtliches Rahmenkonzept für Backtesting (Rückvergleiche) bei der Berechnung des Eigenkapitalbedarfs zur Unterlegung des Marktrisikos mit bankeigenen Modellen. Bank für Internationalen Zahlungsausgleich, Basel 1996.Google Scholar
  7. BLACK, F., SCHOLES, M. (1973): The Valuation of Options and Corporate Liabilities. Journal of Political Economy 81 (1973), S. 637-654.Google Scholar
  8. BUTLER, J.S., SCHACHTER, B. (1996): Improving Value-at-Risk Estimates by Combining Kernel Estimation with Historical Simulation. Vanderbilt University, Nashville TN/Comptroller of the Currency, Washington, DC.Google Scholar
  9. FRAUENDORFER, K., KÖNIGSPERGER E. (1995): Downside Approximation of the PampL Distribution. RiskLab: Technical Report, Zürich, Dezember 1995.Google Scholar
  10. HENDRICKS, D. (1996): Evaluation of Value-at-Risk Models Using Historical Data. Economic Policy Review, S. 39-70.Google Scholar
  11. HUSCHENS, S., KIM, J.-R (1998): Measuring Risk in Value-at-Risk based on Student’s t-distribution. In: GAUL, W., LOCAREK-JUNGE, H.: Challenges of the Information Society for Data Analysis and Classification, Gabler, Wiesbaden 1998 (to appear).Google Scholar
  12. LOCAREK-JUNGE, H. (1998): Risikomessung in Portefeuilles mit Derivaten. In: Oehler, A. (Hrsg.): Credit Risk und Value-at-Risk Alternativen, Schäffer-Poeschel Verlag, Stuttgart 1998, S. 201 - 227.Google Scholar
  13. LOCAREK-JUNGE, H., PRINZLER, R. (1998): Estimating Value-at-Risk Using Neural Networks. In: Weinhardt, Ch. et.al.: Informationssysteme in der Finanzwirtschaft, Springer, Berlin et.al. 1998.Google Scholar
  14. MORGAN, J.P., REUTERS (1996): RiskMetrics - Technical Document. Morgan Guaranty Trust Company, Reuters Ltd., 4th edition, New York, December 1996.Google Scholar
  15. OPITZ, O. (1989): Mathematik. Oldenbourg, München.Google Scholar
  16. STAHL, G. (1998): Value-at-Risk and Maximum Loss Revisited for Linear Portfolios. Unveröffentlichtes Manuskript.Google Scholar
  17. STUDER G. (1997): Maximum Loss for Measurement of Market Risk. Swiss Federal Institute of Technology, Diss. No. 12397, ETH Zürich, 1997.Google Scholar
  18. WILLIAMS, P.M. (1996): Using Neural Networks to Model Conditional Multivariate Densities. Neural Computation 8, S. 843 - 854.Google Scholar
  19. WILSON, T.C. (1994): Plugging the Gap. RISK, November 1994.Google Scholar
  20. ZANGARI, P. (1996): A VaR Methodology for Portfolios that include Options. RiskMetrics Monitor 1st quarter 1996, S. 4-12.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1999

Authors and Affiliations

  • H. Locarek-Junge
    • 1
  1. 1.Technische UniversitätDresdenGermany

Personalised recommendations