Fr. 58.50

Volatilitätsprognose mit Faktor-GARCH-Modellen - Eine empirische Studie für den deutschen Aktienmarkt. Diss.

German · Paperback / Softback

Shipping usually within 1 to 2 weeks (title will be printed to order)

Description

Read more

Die Schätzung und Prognose der Volatilität von Finanzmarkttiteln hat durch die Verbreitung derivativer Finanzinstrumente und der dafür erforderlichen Bewertungsmodelle an Bedeutung gewonnen. Dabei sind die speziellen Zeitreiheneigenschaften der Volatilitäten durch dynamische Modelle zu berücksichtigen. Thomas Kaiser beschreibt die Vorzüge, die ein neuer multivariater Schätz- und Prognoseansatz, die Faktor-GARCH-Modelle, gegenüber den in der Bankpraxis teilweise schon verbreiteten univariaten GARCH-Modellen besitzt. Der Autor vergleicht diese Modellklasse auch anhand täglicher Notierungen der DAX-Werte mit herkömmlichen heuristischen Prognoseansätzen.

List of contents

1 Einleitung.- I Theoretischer Teil.- 2 Statische Faktormodelle in der Kapitalmarkttheorie.- 3 Dynamische Faktormodelle.- 4 Prognosemodelle.- II Empirischer Teil.- 5 Datenbasis und Eigenschaften.- 6 Ergebnisse der Schätzungen.- 7 Ergebnisse der Prognosen.- 8 Schlußbetrachtung.- A Tabellen.- A.1 Tabellen zu den Eigenschaften der Daten.- A.2 Tabellen zu den Schätzergebnissen.- A.3 Tabellen zu den Prognoseergebnissen.- B Formale Ableitungen.- B.1 Herleitung der Bewertungsgleichung des Faktor-GARCH-Modells..- B.2 Herleitung der Prognosegleichungen für die xGARCH-Modelle...

About the author

Dr. Thomas Kaiser war wissenschaftlicher Angestellter am Lehrstuhl Statistik, Ökonometrie und Empirische Wirtschaftsforschung der Eberhard-Karls-Universität Tübingen. Zur Zeit ist er im Zentralbereich Risk Management Support & Control der Westdeutschen Landesbank tätig.

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.