FAQ
© 2019 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-97885
URL: http://ediss.sub.uni-hamburg.de/volltexte/2019/9788/


Analyse von tail-abhängigen Risikofunktionalen

Analysis of tail-dependent risk functionals

Ebel, Daniel

pdf-Format:
 Dokument 1.pdf (6.157 KB) 


SWD-Schlagwörter: Schätzfunktion , Risiko , Extremwertstatistik
Freie Schlagwörter (Deutsch): reguläre Variation , Bedingte Tail Momente , empirische Quantilfunktion , Extremwerttheorie , Asymptotische Statistik
Freie Schlagwörter (Englisch): Hill estimator , conditional tail expectation , risk theory , order statistics , expectiles
Basisklassifikation: 31.70
Institut: Mathematik
DDC-Sachgruppe: Mathematik
Dokumentart: Dissertation
Hauptberichter: Drees, Holger (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 28.05.2019
Erstellungsjahr: 2018
Publikationsdatum: 13.06.2019
Kurzfassung auf Deutsch: Im Bereich der Risiko- und Extremwerttheorie gilt es u.a., einer Risikoverteilung mittels eines geeigneten Risikomaßes $rho$ einen Wert zuzuordnen. Ist $X$ zum Beispiel eine Gewinn- bzw. Verlustposition eines Anlageportfoliosmit Verteilung $F_{X}$, so ist es für ein Unternehmen oft wichtig, darüber in Kenntnis zu sein, wie viel Sicherheitskapital $rho(F_{X})$ es zurücklegen muss, um beispielsweise auch im Extremfall solvent zu bleiben. Auf Grundlage dieses Werts können also wichtige Investitions- und Finanzierungsentscheidungen seitens des Risikomanagements unterstützt werden. Nun ist $F_X$ im Allgemeinen unbekannt, weshalb $rho(F_{X})$ geschätzt werden muss. In dieser Doktorarbeit liegt das Hauptaugenmerk auf Risikomaßen, welche nur vom Tail der Verteilung abhängen, d.h. von extremen Bereichen der Verteilung. Insbesondere werden die Bedingten Tail-Momente nach Methni et. al. und das Expektil nach Newey und Powell als Risikomaße zum Gegenstand der Untersuchung gemacht. Sie können im Wesentlichen als Funktional der sogenannten Tail-Quantilfunktion geschrieben werden.
Kurzfassung auf Englisch: In the area of risk and extreme value theory one of the main tasks is to assign a value to a certain given risk distribution using a risk measure $rho$. Say for instance $X$ is a profit or loss position of an investment portfolio with distribution function $F_X$. Then, a company is often interested in the amount of solvency capital $rho(F_{X})$ it has to reserve to ensure its solvency in extreme scenarios. Important investment and financing decisions in risk management can thus be based on such values. In general, the distribution function $F_X$ is unknown and therefore the quantity $rho(F_X)$ has to be estimated. In this thesis, risk measures that only depend on the tail of the distribution, i.e. of extreme values will be considered. In particular, the focus will be set on the conditional tail moments first introduced by Methni et. al. and the expectile first considered by Newey and Powell. They both can be expressed as a functional of the so called tail quantile function.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende