Asset Liability Management

Slides:



Advertisements
Ähnliche Präsentationen
Termingeschäfte: Futures und Optionen/Forwards/Futures: Terminkauf und -verkauf Flonia Lengu.
Advertisements

Knapsack & Bin Packing Sebastian Stober
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Rekursion vs. Iteration
Einfache Kombinationen aus Fixgeschäften und Optionen / Spreads
Preisbildung für Optionen
Genetische Algorithmen für die Variogrammanpassung
Seminar „Extrapolationsmethoden für zufällige Felder“
Universität Hamburg Institut für Recht der Wirtschaft Finanzierung I+II Ausgewählte Aufgaben.
4.5 Bevölkerung und Mobilität
Ziele – warum?.
ARCH- und GARCH Modelle
Bestimmung des Next-Arrays im KMP-Algorithmus
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (04 – Automaten mit ε-Transitionen) Prof. Dr. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 – Kürzeste Wege) T. Lauer.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (20 - AVL-Bäume: Entfernen, Bruder-Bäume) Prof. Th. Ottmann.
Investitionsrechnungen - dynamische Verfahren
Ausschüttungsbemessung
Hypothesen testen: Grundidee
PG 520 Intelligence Service – gezielte Informationen aus dem Internet
Christian Schindelhauer
Zahlen mit Zahlen ausmessen
F FnFn z Prof. Dr. Johann Graf Lambsdorff Universität Passau SS Spekulationskasse und Portfolio-Theorie.
III: Stochastische Modelle 18. Anwendungen von Markov-Ketten
III: Stochastische Modelle 15. Anwendungen von Markov-Ketten
Zunächst: NKA Matthias: Erweiterung Coupon-Anleihen
PD Kontinuierliche Migrationsmatrix Zusammenfassung:
Projekt Finanzmathematik Optionsbewertung Markus Hahn Institut für Finanzmathematik, Johannes Kepler Universität Linz.
Christoph Kemetmüller
Übung - Finance mit Excel
Effiziente Algorithmen
Effiziente Algorithmen
Schwerpunkte des Vortrages
Kapitel 4 Geld- und Finanzmärkte
Optionspreistheorie Bsp. 8.3 Gehen Sie von den Bedingungen einer Welt mit den beiden Zeitpunkten t=0 (heute) und t=1 (in einem Jahr) aus. Unterstellen.
Bewertung von Optionen
11 Verantwortung
Beispiel: Die Haribu-Aktie
Beispiel 9.10 Theorie der Zinsstruktur
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
präsentiert von: Nicola Schäfer Maria Eickmann Andreas Margraf
Beispiel 8.12 (Selbststudium) Corporate Finance Grundkurs II.
Finanzierung Grundkurs 2 Beispiel 8.1
Zahlungsströme zwischen Akteuren
Corporate Finance Grundkurs II
Einführung in die betrieb- liche Finanzierung GK II Beispiel 5.5 Richard Brand-Haushofer Valentin Hamm.
L. Del Chicca, M. Hohenwarter, JKU, Linz
Kapitel 3.5 Der 1. Hauptsatz für stationäre Fließprozesse
Von Unternehmen und Unternehmern
1 Übung 1 Konstruiere den Regionengraph für folgendes System (Anfang: k = 0) ! Identifiziere in diesem Graph einen Pfad, der EG k  1 bezeugt! k=0k=1k=2.
Analyse der Laufzeit von Algorithmen
Nichtlineare Optimierung
Bipartite Graphen Der Satz von König.
technologischer Fortschritt (g), Bevölkerungswachstum (n), und
Entwicklung eines Atommodells
2. Einzielentscheidungen mit einem Szenarium
 Liquidität folgt Bonität
Effiziente Portfolios Alle dargestellten Finanzinstrumente werden ausschließlich über das Wertpapierdienstleistungsunternehmen „Gesellschaft für Wirtschaftsvergleich.
Gliederung der Vorlesung
Testtheorie (Vorlesung 13: ) Wiederholung: Richtigstellung
Binärbäume.
Das Königsberger Brückenproblem Richard Kemmerzehl Philipp Kreis Unser Thema Königberger Brückeproblem und indirekter Beweis.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
 Präsentation transkript:

Asset Liability Management Ein Modell zur mehrperiodigen Portfoliooptimierung unter Berücksichtigung von Zahlungsverpflichtungen

Gliederung Motivation Binomialmodell Optimierungsproblem Zustandsaggregation

Ziele des ALM Vermeidung des Ruins Minimierung des Bilanzrisikos Maximierung der Rendite

Unterschiede zu Markovitz Anfangsportfolio Portfoliowert abzüglich Zahlungsverpflichtung > 0 Endportfolio t = 0 t = i t = T Es besteht bereits ein Portfolio Es müssen Nebenbedingungen zu vielen Zeitpunkten und je nach zukünftiger Situation sichergestellt werden. Es kann zu jedem Zeitpunkt unter Kenntniss der dann vorliegenden Situation gehandelt werden.

Vorgehen Erstellen eines Modells welches unsichere Szenarien abbildet. Suchen einer dynamischen Handelsstrategie, welche sichere Deckung der Zahlungsverplichtungen gewährleistet.

Binomialmodell Underlying Optionspayoff Risikolose Anlage

Idee Replikation Konstruiere ein Portfolio aus der risikolosen einperiodigen Anlage und dem Underlying, welches zum Folgezeitpukt dem Preis der Option entspricht. 1 2 Kaufe x Anteile der risikolosen Anlage und y Anteile der Aktie =>

Replikation anhand des Beispiels

Mehrere Perioden Vom Endzeitpunkt angefangen kann induktiv der einperiodige Replikationsschritt durch- gefuehrt werden. Das Ergebnis ist dan „Payoff“ der Option für die Vor- periode (Rückwärts-induktion oder backward induction). Problem: Die Anzahl der Zustände wächst exponen- tiell mit der Periodenzahl.

Vereinfachung Falls ds > 1 Drift nach oben. Falls ds = 1 stationär. Rekombinierender Baum: Preis des Underlying nach uptick und anschliessendem downtick invariant. Rückwärtsinduktion funktioniert gleich. Weniger Zustaende, da Pfade zusammengefasst. Dafür werden Zustände mit groesserer W-Keit erreicht. Falls ds > 1 Drift nach oben. Falls ds = 1 stationär. Falls ds < 1 Drift nach unten.

Auszahlung zum Zeitpunkt t im Zustand i. Allgemeiner Schritt Auszahlung zum Zeitpunkt t im Zustand i. mit: also

Risikoneutrales W-Maß Setze Dann muss bei Arbitragefreiheit gelten: und es gilt:

Satz von Harrison und Kreps Die Wertpapierpreise in einem vollkommenen Zustandsraum sind genau dann arbitragefrei, wenn es ein positives risikoneutrales Wahrscheinlichkeitsmaß auf dem Zustandsraum derart gibt, dass in jedem beliebigen Zustand der erwartete einperiodige Ertrag bezogen auf das Wahrscheinlichkeitsmaß identisch ist für alle Wertpapiere.