edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Ying Chen
Titel: Adaptive risk management
Gutachter: Vladimir Spokoiny; Wolfgang Härdle
Erscheinungsdatum: 13.02.2007
Volltext: pdf (urn:nbn:de:kobv:11-10075379)
Fachgebiet(e): Wirtschaft
Schlagwörter (ger): Risikomanagement, Heavy-Tailed Verteilung, Lokale parametrische Methoden, Hochdimensionale Datenanalyse
Schlagwörter (eng): Risk management, Heavy-tailed distribution, Local parametric methods, High-dimensional data analysis
Einrichtung: Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät
Zitationshinweis: Chen, Ying: Adaptive risk management; Dissertation, Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät , publiziert am 13.02.2007, urn:nbn:de:kobv:11-10075379
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.

Abstract (ger):
In den vergangenen Jahren ist die Untersuchung des Risikomanagements vom Baselkomitee angeregt, um die Kredit- und Bankwesen regelmäßig zu aufsichten. Für viele multivariate Risikomanagementmethoden gibt es jedoch Beschränkungen von: 1) verlässt sich die Kovarianzschätzung auf eine zeitunabhängige Form, 2) die Modelle beruhen auf eine unrealistischen Verteilungsannahme und 3) numerische Problem, die bei hochdimensionalen Daten auftreten. Es ist das primäre Ziel dieser Doktorarbeit, präzise und schnelle Methoden vorzuschlagen, die diesen Beschränkungen überwinden. Die Grundidee besteht darin, zuerst aus einer hochdimensionalen Zeitreihe die stochastisch unabhängigen Komponenten (IC) zu extrahieren und dann die Verteilungsparameter der resultierenden IC beruhend auf eindimensionale Heavy-Tailed Verteilungsannahme zu identifizieren. Genauer gesagt werden zwei lokale parametrische Methoden verwendet, um den Varianzprozess jeder IC zu schätzen, das lokale Moving Window Average (MVA) Methode und das lokale Exponential Smoothing (ES) Methode. Diese Schätzungen beruhen auf der realistischen Annahme, dass die IC Generalized Hyperbolic (GH) verteilt sind. Die Berechnung ist schneller und erreicht eine höhere Genauigkeit als viele bekannte Risikomanagementmethoden.
Abstract (eng):
Over recent years, study on risk management has been prompted by the Basel committee for the requirement of regular banking supervisory. There are however limitations of many risk management methods: 1) covariance estimation relies on a time-invariant form, 2) models are based on unrealistic distributional assumption and 3) numerical problems appear when applied to high-dimensional portfolios. The primary aim of this dissertation is to propose adaptive methods that overcome these limitations and can accurately and fast measure risk exposures of multivariate portfolios. The basic idea is to first retrieve out of high-dimensional time series stochastically independent components (ICs) and then identify the distributional behavior of every resulting IC in univariate space. To be more specific, two local parametric approaches, local moving window average (MWA) method and local exponential smoothing (ES) method, are used to estimate the volatility process of every IC under the heavy-tailed distributional assumption, namely ICs are generalized hyperbolic (GH) distributed. By doing so, it speeds up the computation of risk measures and achieves much better accuracy than many popular risk management methods.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 10 Zugriffe PDF: 46 Zugriffe Startseite: 3 Zugriffe PDF: 6 Zugriffe Startseite: 5 Zugriffe PDF: 9 Zugriffe Startseite: 3 Zugriffe PDF: 15 Zugriffe Startseite: 6 Zugriffe PDF: 14 Zugriffe Startseite: 4 Zugriffe PDF: 20 Zugriffe Startseite: 14 Zugriffe PDF: 11 Zugriffe PDF: 23 Zugriffe PDF: 17 Zugriffe Startseite: 4 Zugriffe PDF: 14 Zugriffe Startseite: 13 Zugriffe PDF: 45 Zugriffe Startseite: 1 Zugriffe PDF: 43 Zugriffe PDF: 39 Zugriffe PDF: 36 Zugriffe PDF: 50 Zugriffe PDF: 38 Zugriffe Startseite: 6 Zugriffe PDF: 20 Zugriffe Startseite: 2 Zugriffe PDF: 24 Zugriffe Startseite: 5 Zugriffe PDF: 28 Zugriffe Startseite: 7 Zugriffe PDF: 22 Zugriffe Startseite: 3 Zugriffe PDF: 18 Zugriffe Startseite: 3 Zugriffe PDF: 21 Zugriffe Startseite: 6 Zugriffe PDF: 15 Zugriffe Startseite: 12 Zugriffe PDF: 14 Zugriffe Startseite: 4 Zugriffe PDF: 19 Zugriffe Startseite: 5 Zugriffe PDF: 24 Zugriffe PDF: 32 Zugriffe Startseite: 2 Zugriffe PDF: 12 Zugriffe Startseite: 6 Zugriffe PDF: 29 Zugriffe Startseite: 6 Zugriffe PDF: 28 Zugriffe Startseite: 4 Zugriffe PDF: 18 Zugriffe Startseite: 8 Zugriffe PDF: 34 Zugriffe Startseite: 5 Zugriffe PDF: 28 Zugriffe Startseite: 7 Zugriffe PDF: 30 Zugriffe Startseite: 5 Zugriffe PDF: 18 Zugriffe Startseite: 5 Zugriffe PDF: 15 Zugriffe Startseite: 6 Zugriffe PDF: 31 Zugriffe Startseite: 10 Zugriffe PDF: 43 Zugriffe
Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Sep
14
Oct
14
Monat Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Aug
14
Sep
14
Oct
14
Startseite 10 3 5 3 6 4 14     4 13 1         6 2 5 7 3 3 6 12 4 5   2 6 6 4 8 5 7 5 5 6 10
PDF 46 6 9 15 14 20 11 23 17 14 45 43 39 36 50 38 20 24 28 22 18 21 15 14 19 24 32 12 29 28 18 34 28 30 18 15 31 43

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 180 (4.74 pro Monat)
  • PDF – 949 (24.97 pro Monat)
 
 
Generiert am 26.11.2014, 06:34:37