 |
Methoden und ihre praktischen Anwendungen in Finanzanalyse und Portfoliomanagement Thorsten Poddig / Hubert Dichtl / Kerstin Petersmeier  |
Vorwort, Einleitung, Inhaltsverzeichnis sowie sämtliche Materialien und Dokumentationen stehen für Sie in unserem Download-Bereich kostenlos zur Verfügung. |
|
Warum dieses Buch für Sie wichtig ist:
Das moderne Portfoliomanagement setzt hohe Anforderungen an das Methodenwissen der beteiligten Personen. Fragestellungen wie die korrekte Berechnung des Value-at-Risk, die sachgerechte Anwendung der Portfoliooptimierung oder die Ermittlung der Performance erfordern ein tiefes Verständnis für die dahinter stehenden Methoden. Ohne diese Voraussetzung besteht die Gefahr, das Zahlenwerk unrichtig zu interpretieren und dadurch folgenschwere Fehlentscheidungen zu treffen. Bislang mangelte es an einem verständlichen und praxisorientierten Arbeitsbuch, das die modernen Methoden des Portfoliomanagements systematisch darstellt und Schritt-für-Schritt anhand von Beispielen erläutert. Diese Lücke wird mit dem Werk von Poddig/ Dichtl/ Petersmeier geschlossen.
|
Teil A: Statistik
 | Statistische Grundlagen (Wahrscheinlichkeitsrechnung, Verteilungen, Erwartungswert, Varianz, Kovarianz, Standardabweichung, Korrelationskoeffizient, Grenzwertsätze) |
| Finanzmathematische Grundlagen und statistische Konzepte (Kurse und Renditen als Zufallsvariablen, Autokovarianz, Autokorrelation, diskrete und stetige Renditen, Renditeprognose und -berechnung, Portfoliooptimierung nach Markowitz, Monte-Carlo-Simulation) |
| Moderne Risikomaße (Volatilität, Semivarianz, Ausfallwahrscheinlichkeit, Value-at-Risk, Tracking Error) |
| Punkt- und Intervallschätzungen (Konfidenzintervalle für den Erwartungswert und die Varianz) |
Teil B: Ökonometrie:
| Lineare Regression (Parameterschätzung und Gütekriterien, Bestimmtheitsmaß- und Korrelationskoeffizient) |
| Fallstudie: CAPM, Marktmodell und Schätzung von Betafaktoren |
| Fallstudie: Performancemessung (Grundlagen, Benchmarks, Sharpe- / Treynor-Ratio) |
| Modellanalyse mittels Hypothesentests (t- und F-Test, Durbin-Watson, Breusch-Pagan-Test, White-Test) |
| Fallstudie: Performanceattribution (Messung der Selektions- und Timingfähigkeit, Jensen-Alpha-Maß, quadratische Regression) |
| Weitere Probleme bei der Regressionsanalyse ("Spurious Regressions", Multikollinearität, einfache Korrelationsanalyse, Chow, Ramsey) |
| Fallstudie: Renditeprognose mit Hilfe von Regressionsmodellen(Grundprinzip von Kurs- bzw. Renditeprognose, Datenaufbereitung, Auswahl der erklärenden Variablen, Schätzung der Regressionsparameter, Evaluierung der Prognosegüte, Performancemessung) |
Teil C: Optimierung:
| Verfahren im Überblick (Lineare und quadratische Optimierung, Suchverfahren, First- und Second-Order-Verfahren) |
| Fallstudie: Index Tracking mit Hilfe der linearen und nichtlinearen Optimierung) |
| Fallstudie: Downside-Risk Optimierung |
| Nichtlineare Optimierung (Verfahren ohne Gradienten, einfaches und konjugiertes Gradientenabstiegverfahren, Newton-Verfahren) |
| Berücksichtigung von Nebenbedingungen in der Portfoliooptimierung |
| Fallstudie: Ermittlung impliziter Volatilitäten |
| Ermittlung des Minimum-Varianz-Portfolios |
| Aktive Optimierung am Beispiel eines Aktienportfolios |
| Inklusive MS Excel™ Visual Basic-Quellcode für die Portfoliooptimierung |