<div class="csl-bib-body">
<div class="csl-entry">Karlinger, A. (2018). <i>Über die Aggregation von Value-at-Risk und Expected Shortfall - Schranken und klassische Verteilungsfamilien</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2018.55989</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2018.55989
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/5387
-
dc.description
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
-
dc.description.abstract
Wie kann man voneinander abhängige Risiken aggregieren und messen? Mit dieser Frage beschäftigen wir uns in dieser Diplomarbeit. Dazu werden wir multivariate Verteilungen und die beiden Risikomaße Value-at-Risk und Expected-Shortfall verwenden. Multivariate Verteilungen bestehen aus den einzelnen Randerteilungen und einer Copula, welche die gegenseiteigen Abhängigkeiten der Risiken repräsentiert. Einerseits wollen wir den Fall betrachten, dass die Randverteilungen der einzelnen Risiken gegeben sind und wir obere und untere Grenzen für den Value-at-Risk und den Expected Shortfall suchen, sodass diese für alle Copulae gültig sind. Andererseits wollen wir ein konkretes bivariates Beispiel betrachten und zwei verschiedene numerische Methoden durchführen, um die Verteilung zu berechnen: die numerische Integration und den Arbenz-Embrechts-Puccetti-Algorithmus.
de
dc.description.abstract
How is it possible to aggregate and measure dependent risks? This thesis deals with this question. Therefore, we will use joint probability distribution and two risk measures, Value-at-Risk and Expected Shortfall. Joint probability distributions consist of separate marginal distributions and a copula, which represents the dependence structure. On the one hand we want to consider the case, that the separate marginal distributions are given and we look for upper and lower bounds of the Value-at-Risk and Expected Shortfall. These bounds should be valid for all copulas. On the other hand, we want to consider a bivariate example and conduct two different numerical approaches to calculate the distribution: numerical integration and the Arbenz-Embrechts-Puccetti-Algorithm.
en
dc.language
Deutsch
-
dc.language.iso
de
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Value-At-Risk
de
dc.subject
Expected Shortfall
de
dc.subject
Aggregation von Risikomaßen
de
dc.subject
Fréchet-Problem
de
dc.subject
Value-At-Risk
en
dc.subject
Expected Shortfall
en
dc.subject
Aggregation of risk measures
en
dc.subject
Fréchet problem
en
dc.title
Über die Aggregation von Value-at-Risk und Expected Shortfall - Schranken und klassische Verteilungsfamilien
de
dc.title.alternative
On the Aggregation of Value-at Risk and Expected Shortfall - Bounds and classical families of distributions
en
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2018.55989
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Agnes Karlinger
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
tuw.publication.orgunit
E105 - Institut für Stochastik und Wirtschaftsmathematik