Die Anforderungen im Portfoliomanagement werden immer anspruchsvoller und komplexer. Andererseits stehen im Bereich der Risikoanalyse, Simulation und Portfoliokonstruktion heute neue Methoden zur Verfügung, um den praktischen Anforderungen gerecht zu werden. Im Rahmen dieses Intensivkurses setzen Sie diese neuen Methoden unmittelbar auf der Grundlage von Matlab® um. Die Veranstaltung richtet sich gezielt an fortgeschrittene Teilnehmer, die bereits über hinlängliche Erfahrung in Bezug auf den praktischen Einsatz von Excel™ im Portfoliomanagement verfügen.

Hinweis: Dieses Seminar wendet sich an fortgeschrittene Excel™-Anwender, die mit leistungsfähigen und fortgeschrittenen Methoden im Portfoliomanagement arbeiten wollen und daher den Umstieg auf leistungsfähigere Werkzeuge (Matlab®) suchen.

Für Tag 2 & 3 sind vorhandene Grundkenntnisse in Matlab® (werden in Tag 1 vermittelt) jedoch zwingend erforderlich.

Tag 2: Moderne Ansätze zur Simulation von Risikoanalysen

Monte-Carlo-Simulationen und Bootstrapping mit Matlab®

• Überblick: Konstruktion von Monte-Carlo-Simulationen mit Matlab®
• Monte-Carlo-Simulationen im Multi-Asset-Fall:
  Erzeugung der Korrelationsstruktur mit Cholesky-Faktorisierung und Faktormodellen
• Bootstrapping: Generierung von Renditereihen anhand historischer Beobachtungen  

PC-Fallstudie mit Matlab®:
- Bootstrapping und Monte-Carlo-Simulationen in der Multi-Asset-Anwendung  

Monte-Carlo-Simulationen bei nicht normalverteilten Renditen

• Untersuchung von Renditen im Hinblick auf Normalverteilungseigenschaft
• Monte-Carlo-Simulationen bei nicht normalverteilten Renditen:
  z. B. Derivate, Hedge Funds, High Yield
• Generierung nicht normalverteilter simulierter Renditereihen mittels Kerndichteschätzungen
• Aufbau von Monte-Carlo-Simulationen in Matlab® bei nicht normalverteilten Renditen

PC-Fallstudie mit Matlab®:
- Simulationsbasierte Bewertung und Risikoanalyse einer (rechtsschiefen) Wertsicherungsstrategie

Analyse und Steuerung des Ausfallrisikos

• Berechnung ausfallorientierter Maße in der Praxis
• Simulation und Beurteilung von Portfolios anhand von Ausfallmaßen
• Einfache Downside-Risk-Optimierung: Safety-First-Ansätze
• Semivarianzbasierte Optimierung mit symmetrischen Co-Lower Partial Moments

PC-Fallstudie mit Matlab®:
- Optimierung der Strategischen Asset Allocation mittels Safety-First-Ansätzen

Tag 3: Neue Ansätze der Portfoliooptimierung

Downside-Risk-Optimierung im praktischen Portfoliomanagement

• Anspruchsvollere Downside-Risk-Optimierung:
  Berücksichtigung asymmetrischer Co-Lower Partial Moments
• Schätzung der Co-Lower Partial Moments in der Praxis
• Portfoliooptimierung mit multidimensionalem Risikobudget
• Eigenschaften des Portfolios im Vergleich zu einem Markowitz-Portfolio
• Anwendungsmöglichkeiten im praktischen Portfoliomanagement

PC-Fallstudien mit Matlab®:
- Semivarianzbasierte Optimierung mit asymmetrischen Koausfall
- Telser-Optimierung mit multidimensionalem Risikobudget

Robuste Optimierungsverfahren für die Asset Allocation

• Praktische Probleme traditioneller Optimierungsverfahren
• 3 Wege zur Lösung der praktischen Problembereiche
• Berücksichtigung der Prognoseunsicherheit in der Optimierung
• Robuste Optimierung mit korrigiertem Renditeschätzer
• Worst-case-robuste Optimierung nach Tütüncu/Koenig
• Portfolio Resampling: Der Ansatz von Broadie
• Stärken und Schwächen der Ansätze und Empfehlungen für den praktischen Einsatz

PC-Fallstudie mit Matlab®:
- Robuste Optimierung der Globalen Asset Allocation am praktischen Beispiel