Titelaufnahme

Titel
Über die Aggregation von Value-at-Risk und Expected Shortfall - Schranken und klassische Verteilungsfamilien / von Agnes Karlinger
Weitere Titel
On the Aggregation of Value-at Risk and Expected Shortfall - Bounds and classical families of distributions
Verfasser / Verfasserin Karlinger, Agnes
Begutachter / BegutachterinHubalek, Friedrich
ErschienenWien, 2018
Umfangiii, 58, VIII Seiten : Diagramme
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2018
Anmerkung
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Value-At-Risk / Expected Shortfall / Aggregation von Risikomaßen / Fréchet-Problem
Schlagwörter (EN)Value-At-Risk / Expected Shortfall / Aggregation of risk measures / Fréchet problem
URNurn:nbn:at:at-ubtuw:1-114808 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Über die Aggregation von Value-at-Risk und Expected Shortfall - Schranken und klassische Verteilungsfamilien [3.16 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

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.

Zusammenfassung (Englisch)

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.

Statistik
Das PDF-Dokument wurde 20 mal heruntergeladen.