Johannes Merkl Pořadí knih

Die zukünftigen Werte des CDS-Spreads hängen nicht nur von historischen Werten ab, sondern auch von anderen Variablen, wie im Modell von Merton (1974) beschrieben. Daher wird in der Literatur häufig auf lineare Regressionsmodelle zurückgegriffen, die jedoch keine Nicht-Linearitäten, Nicht-Stationaritäten und Feedback-Effekte berücksichtigen können. Das lineare Zustandsraummodell, das diese Eigenschaften integriert, wird in dieser Studie erstmals zur Prognose von CDS-Spreads verwendet. Zunächst wird die Struktur sowie die Schätzung von Zustands- und Parametern in linearen Zustandsraummodellen behandelt, da sie sich deutlich von herkömmlichen Regressionsmodellen unterscheiden. Es wird ausführlich erörtert, unter welchen Bedingungen die Modellparameter konsistent und effizient geschätzt werden können. Anschließend werden Prognosemodelle vorgestellt, die das Random-Walk-Modell um verschiedene Autokorrelationen und Beziehungen zwischen Variablen erweitern. Zudem wird der Zusammenhang zwischen dem tatsächlichen und dem theoretischen CDS-Spread für Prognosezwecke untersucht. Ein theoretischer Rahmen wird geschaffen, um die Prognosegüte der Modelle vergleichbar zu machen. Am Beispiel des iTraxx CDS Europe Index zeigt sich, dass das Random-Walk-Modell den CDS-Spread angemessen abbildet. Während andere Modelle in bestimmten Fällen bessere Prognosen liefern können, lassen sich diese Vorteile nicht in Gewinne umsetzen, was auf eine hohe I

In den deutschen Kreditinstituten wird zunehmend erkannt, dass die Kreditrisikosteuerung ein zentraler Bestandteil des Bankcontrollings ist. Um Steuerungsmaßnahmen zu ergreifen, muss zunächst das Kreditrisiko quantifiziert werden. Dabei wird nicht nur das Risiko auf Einzelgeschäftsebene betrachtet, sondern auch die Risikoquantifizierung auf Gesamtportfolioebene in den Fokus gerückt, da zwischen den Kreditnehmern eines Portfolios Risikozusammenhänge bestehen. In der Praxis wurden verschiedene Kreditportfoliomodelle entwickelt, um die tatsächliche Risikosituation eines Portfolios abzubilden. Oftmals werden diese Modelle jedoch ohne das notwendige Hintergrundwissen angewendet, was zu fehlerhaften Interpretationen der Ergebnisse führen kann. Dies kann falsche Steuerungsmaßnahmen zur Folge haben und das Rendite-/Risikoverhältnis eines Kreditinstituts verschlechtern. Die vorliegende Arbeit zielt darauf ab, die Funktionsweise von Kreditportfoliomodellen zu erklären. Neben einer detaillierten Darstellung kommerzieller Modelle wird die Simulation von Kreditrisiken eines Beispielportfolios durchgeführt. Es wird ein klarer Zusammenhang zwischen Inputparametern wie Ausfallwahrscheinlichkeit und Ratingklasse und den Ergebnissen aufgezeigt. Zudem wird betont, dass die alleinige Betrachtung des Value at Risk oft nicht ausreicht; der gesamte oder erwartete Verlust sollte ebenfalls berücksichtigt werden. Schließlich werden die Vor- und Nachtei