Diplomarbeit aus dem Jahr 2010 im Fachbereich BWL - Investition und Finanzierung, Note: 1,7, Universitat Mannheim, Veranstaltung: Risikomanagement, Sprache: Deutsch, Abstract: Seit langer Zeit wurde bei der Untersuchung von Finanzmarktdaten statistische Methoden angewendet, die eine konstante Volatilitat voraussetzen. Der Grund hierfur war das Fehlen einer Alternative, die die sich uber die Zeit hinweg variierende Volatilitat von Finanzmarktdaten betrachtet. Ein wichtiger Durchbruch in der OEkonometrie, der diesen Umstand zu berucksichtigen versucht, ist die Klasse der sogenannten Autoregressive Conditional Heteroskedasticity (ARCH)-Modelle von Professor Robert Engle im Jahr 1982. Sie ermoeglicht die signifikant bessere Beschreibung der Eigenschaften von Zeitreihen und die Modellierung von sich zeitlich verandernden Volatilitaten. Die ARCH-Famile und deren Verallgemeinerung (GARCH-Modelle) werden im zweiten Kapitel der vorliegenden Arbeit als Grundlage vorgestellt. Um den GARCH-Prozess zu verdeutlichen, wird ein Anwendungsbeispiel gebracht, wobei die Renditezeitreihe des Deutsche Aktienindex (DAX) als Datenquelle fur die Parameterschatzung des GARCH-Modells verwendet wird. Anhand der Schatzung werden die Volatilitaten des DAX anschliessend prognostiziert. Allerdings sind diese Modelle auf ihre univariate Betrachtung beschrankt, weil sich die bedingte Varianz nur auf eine Finanzzeitreihe bezieht und daher unabhangig ist. Ausserdem spielt nicht nur die Berucksichtigung der sich zeitlich verandernden Volatilitat, auch das Verstandnis uber die gegenseitigen und dynamischen Beziehungen zwischen Renditen verschiedener Wertpapiere eine immer wichtigere Rolle fur den Entscheidungsprozess. Denn oekonomische Globalisierung und Internetkommunikation unterstutzen die Integration der weltweiten Finanzmarkte signifikant, wodurch solche Wechselbeziehungen ausgebaut werden. Deshalb werden im dritten Kapitel die multivariaten generalisierten ARCH (GARCH)-Modelle, die
Read More
