| Author: | Irina Götsch | ISBN: | 9783638435154 |
| Publisher: | GRIN Verlag | Publication: | November 3, 2005 |
| Imprint: | GRIN Verlag | Language: | German |
| Author: | Irina Götsch |
| ISBN: | 9783638435154 |
| Publisher: | GRIN Verlag |
| Publication: | November 3, 2005 |
| Imprint: | GRIN Verlag |
| Language: | German |
Studienarbeit aus dem Jahr 2005 im Fachbereich BWL - Allgemeines, Note: 1,3, Johann Wolfgang Goethe-Universität Frankfurt am Main, Veranstaltung: Angewandte Zeitreihenanalyse, 33 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Zur Berücksichtigung der bei Finanzmarktrenditezeitreihen häufig vorhandenen Volatilitätscluster und leptokurtischen Verteilung wurden univariate Modelle: ARCH und GARCH entwickelt. Nachteil von diesen Modellen ist jedoch, dass sie die bei Finanzmarktdaten häufig anzutreffende gegenseitige Einflüße mehrerer Zeitreihen vernachlässigen. Beispiel für enge Zusammenhänge der Zeitreihen sind Kurse verschiedener Aktien vergleichbarer Firmen. Um diese zu berücksichtigen, wurden univariate GARCH-Spezifikationen auf den multivariaten Fall erweitert. Bei den multivariaten Modellen werden mehrere Prozesse simultan analysiert und die bedingten Varianzen und Kovarianzen verschiedener Prozesse gemeinsam betrachtet. Dies führt zu einer Verbesserung der Modellqualität und damit zu einer besseren Prognose. Multivariate GARCH-Modelle sind wichtige Hilfsmittel in vielen Anwendungsgebieten der Kapitalmarkttheorie, denn in vielen Gebieten sind kontemporäre Beziehungen der Zeitreihen zu beobachten. Die Schätzungen der bedingten Varianzkovarianzmatrix finden Anwendung in den bedingten Asset Pricing Modellen, in der Portfolio-Optimierung, bei der Erforschung der Zusammenhänge zwischen den Volatilitäten verschiedener Märkte, beim Value at risk, der Bewertung von Optionen, welche mehrere Basiswerte haben und beim Min-Varianz Hedging.
Studienarbeit aus dem Jahr 2005 im Fachbereich BWL - Allgemeines, Note: 1,3, Johann Wolfgang Goethe-Universität Frankfurt am Main, Veranstaltung: Angewandte Zeitreihenanalyse, 33 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Zur Berücksichtigung der bei Finanzmarktrenditezeitreihen häufig vorhandenen Volatilitätscluster und leptokurtischen Verteilung wurden univariate Modelle: ARCH und GARCH entwickelt. Nachteil von diesen Modellen ist jedoch, dass sie die bei Finanzmarktdaten häufig anzutreffende gegenseitige Einflüße mehrerer Zeitreihen vernachlässigen. Beispiel für enge Zusammenhänge der Zeitreihen sind Kurse verschiedener Aktien vergleichbarer Firmen. Um diese zu berücksichtigen, wurden univariate GARCH-Spezifikationen auf den multivariaten Fall erweitert. Bei den multivariaten Modellen werden mehrere Prozesse simultan analysiert und die bedingten Varianzen und Kovarianzen verschiedener Prozesse gemeinsam betrachtet. Dies führt zu einer Verbesserung der Modellqualität und damit zu einer besseren Prognose. Multivariate GARCH-Modelle sind wichtige Hilfsmittel in vielen Anwendungsgebieten der Kapitalmarkttheorie, denn in vielen Gebieten sind kontemporäre Beziehungen der Zeitreihen zu beobachten. Die Schätzungen der bedingten Varianzkovarianzmatrix finden Anwendung in den bedingten Asset Pricing Modellen, in der Portfolio-Optimierung, bei der Erforschung der Zusammenhänge zwischen den Volatilitäten verschiedener Märkte, beim Value at risk, der Bewertung von Optionen, welche mehrere Basiswerte haben und beim Min-Varianz Hedging.
