Gegenstand der vorliegenden Dissertation sind stochastische Kontrollprobleme, denen sich Agenten im Zusammenhang mit Entscheidungen auf Finanzmärkten gegenübersehen. Der erste Teil der Arbeit behandelt die Maximierung des erwarteten Nutzens des Endvermögens eines Finanzmarktinvestors. Für den Investor ist eine Beschreibung der optimalen Handelsstrategie, die zur numerischen Approximation geeignet ist sowie eine Stabilitätsanalyse der optimalen Handelsstrategie bzgl. kleinerer Fehlspezifikationen in Nutzenfunktion und Anfangsvermögen, von höchstem Interesse. In stetigen Marktmodellen beweisen wir Stabilitätsresultate für die optimale Handeslsstrategie in geeigneten Topologien. Für hinreichend differenzierbare Nutzenfunktionen und zeitstetige Marktmodelle erhalten wir eine Beschreibung der optimalen Handelsstrategie durch die Lösung eines Systems von stochastischen Vorwärts-Rückwärts-Differentialgleichungen (FBSDEs). Der zweite Teil der Arbeit beschäftigt sich mit optimalen Stopproblemen für einen Agenten, dessen Ertragsprozess von einem Ausfallsereignis abhängt. Unser Hauptinteresse gilt der Beschreibung der Lösungen vor und nach dem Ausfallsereignis und damit dem besseren Verständnis des Verhaltens des Agenten bei Auftreten eines Ausfallsereignisses. Wir zeigen wie sich das optimale Stopproblem in zwei einzelne Teilprobleme zerlegen lässt: eines, für das der zugrunde liegende Informationsfluss das Ausfallereignis nicht beinhaltet, und eines, in welchem der Informationsfluss das Ausfallereignis berücksichtigt. Aufbauend auf der Zerlegung des Stopproblems und der Verbindung zwischen der Optimalen Stoptheorie und der Theorie von reflektierenden stochastischen Rückwärts-Differentialgleichungen (RBSDEs), leiten wir einen entsprechenden Zerlegungsansatz her, um RBSDEs mit genau einem Sprung zu lösen. Wir beweisen neue Existenz- und Eindeutigkeitsresultate von RBSDEs mit quadratischem Wachstum. / This thesis studies stochastic control problems faced by agents in financial markets when making decisions. The first part focuses on the maximization of expected utility from terminal wealth for an investor trading in a financial market. Of utmost concern to the investor is a description of optimal trading strategy that is amenable to numerical approximation, and the stability analysis of the optimal trading strategy w.r.t. "small" misspecification in his utility function and initial capital. In the setting of a continuous market model, we prove stability results for the optimal wealth process in the Emery topology and the uniform topology on semimartingales, and stability results for the optimal trading strategy in suitable topologies. For sufficiently differentiable utility functions, we obtain a description of the optimal trading strategy in terms of the solution of a system of forward-backward stochastic differential equations (FBSDEs). The second part of the thesis deals with the optimal stopping problem for an agent with a reward process exposed to a default event. Our main concern is to give a description of the solutions before and after the default event and thereby better understand the behavior of the agent in the presence of default. We show how the stopping problem can be decomposed into two individual stopping problems: one with information flow for which the default event is not visible, and another one with information flow which captures the default event. We build on the decomposition of the optimal stopping problem, and the link between the theories of optimal stopping and reflected backward stochastic differential equations (RBSDEs) to derive a corresponding decomposition approach to solve RBSDEs with a single jump. This decomposition allows us to establish existence and uniqueness results for RBSDEs with drivers of quadratic growth.

No description available.

Given a finite set K of terminals in the plane. A rectilinear Steiner minimum tree for K (RST) is a tree which interconnects among these terminals using only horizontal and vertical lines of shortest possible length containing Steiner point. We show the complexity of RST i.e. belongs to NP-complete. Moreover we present an approximative method of determining the solution of RST problem proposed by Sanjeev Arora in 1996, Arora's Approximation Scheme. This algorithm has time complexity polynomial in the number of terminals for a fixed performance ratio 1 + Epsilon.

Diese Dissertation behandelt verschiedene Aspekte moderner Ökonometrie und Machine Learnings. Kapitel 2 stellt einen neuen Schätzer für die Regressionsparameter in einem Paneldatenmodell mit interaktiven festen Effekten vor. Eine Besonderheit unserer Methode ist die Modellierung der factor loadings durch nichtparametrische Funktionen. Wir zeigen die root-NT-Konvergenz sowie die asymptotische Normalverteilung unseres Schätzers. Kapitel 3 betrachtet die rekursive Schätzung von Quantilen mit Hilfe des stochastic gradient descent (SGD) Algorithmus mit Polyak-Ruppert Mittelwertbildung. Der Algorithmus ist rechnerisch und Speicher-effizient verglichen mit herkömmlichen Schätzmethoden. Unser Fokus ist die Untersuchung des nichtasymptotischen Verhaltens, indem wir eine exponentielle Wahrscheinlichkeitsungleichung zeigen. In Kapitel 4 stellen wir eine neue Methode zur Kalibrierung von conditional Value-at-Risk (CoVaR) basierend auf Quantilregression mittels Neural Networks vor. Wir modellieren systemische Spillovereffekte in einem Netzwerk von systemrelevanten Finanzinstituten. Eine Out-of-Sample Analyse zeigt eine klare Verbesserung im Vergleich zu einer linearen Grundspezifikation. Im Vergleich mit bestehenden Risikomaßen eröffnet unsere Methode eine neue Perspektive auf systemisches Risiko. In Kapitel 5 modellieren wir die gemeinsame Dynamik von Kryptowährungen in einem nicht-stationären Kontext. Um eine Analyse in einem dynamischen Rahmen zu ermöglichen, stellen wir eine neue vector error correction model (VECM) Spezifikation vor, die wir COINtensity VECM nennen. / This thesis focuses on different aspects of the union of modern econometrics and machine learning. Chapter 2 considers a new estimator of the regression parameters in a panel data model with unobservable interactive fixed effects. A distinctive feature of the proposed approach is to model the factor loadings as a nonparametric function. We show that our estimator is root-NT-consistent and asymptotically normal, as well that it reaches the semiparametric efficiency bound under the assumption of i.i.d. errors. Chapter 3 is concerned with the recursive estimation of quantiles using the stochastic gradient descent (SGD) algorithm with Polyak-Ruppert averaging. The algorithm offers a computationally and memory efficient alternative to the usual empirical estimator. Our focus is on studying the nonasymptotic behavior by providing exponentially decreasing tail probability bounds under minimal assumptions. In Chapter 4 we propose a novel approach to calibrate the conditional value-at-risk (CoVaR) of financial institutions based on neural network quantile regression. We model systemic risk spillover effects in a network context across banks by considering the marginal effects of the quantile regression procedure. An out-of-sample analysis shows great performance compared to a linear baseline specification, signifying the importance that nonlinearity plays for modelling systemic risk. A comparison to existing network-based risk measures reveals that our approach offers a new perspective on systemic risk. In Chapter 5 we aim to model the joint dynamics of cryptocurrencies in a nonstationary setting. In particular, we analyze the role of cointegration relationships within a large system of cryptocurrencies in a vector error correction model (VECM) framework. To enable analysis in a dynamic setting, we propose the COINtensity VECM, a nonlinear VECM specification accounting for a varying system-wide cointegration exposure.

Diese Dissertation stellt drei sich ergänzende Fortschritte in der statistischen Modellierung multivariater Daten vor und behandelt Herausforderungen im Bereich des modellbasierten Clusterings für hochdimensionale Daten, der Analyse longitudinaler Daten sowie der multivariaten Verteilungsregression. Der erste Forschungszweig konzentriert sich auf tiefe Gaußsche Mischmodelle, eine leistungsfähige Erweiterung herkömmlicher Gaußscher Mischmodelle. Wir erforschen Bayessche Inferenz mit Sparsamkeitsprioris zur Regularisierung der Schätzung tiefer Mischmodelle und stellen ein innovatives tiefes Mischmodell von Faktormodellen vor, das in der Lage ist, hochdimensionale Probleme zu bewältigen. Der zweite Forschungsstrang erweitert tiefe Mischmodelle von Clustering zu Regression. Unter Verwendung des tiefen Mischmodells von Faktormodellen als Prior für Zufallseffekte stellen wir einen innovativen Ansatz vor: tiefe Mischmodelle von linearen gemischten Modellen, der lineare gemischte Modelle so erweitert, dass er den Komplexitäten longitudinaler Daten mit vielen Beobachtungen pro Subjekt und komplexen zeitlichen Trends gerecht wird. Dieser Forschungszweig überwindet Beschränkungen gegenwärtiger Modelle und präsentiert eine anpassungsfähige Lösung für hochdimensionale Szenarien. Der dritte Forschungszweig setzt sich mit der Herausforderung auseinander, wahrhaft multivariate Verteilungen im Kontext von Generalisierten Additiven Modellen für Ort, Skala und Form zu modellieren. Wir präsentieren einen innovativen Ansatz, der Copula-Regression nutzt, um die Abhängigkeitsstruktur mittels einer Gauß-Copula zu modellieren. Dies ermöglicht die gemeinsame Modellierung hochdimensionaler Vektoren mit flexiblen marginalen Verteilungen. Hier erleichtert bayessche Inferenz die effiziente Schätzung des stark parametrisierten Modells und führt zu einem äußerst flexiblen Ansatz im Vergleich zu bestehenden Modellen. / This thesis introduces three complementary advancements in statistical modeling for multivariate data, addressing challenges in model-based clustering for high-dimensional data, longitudinal data analysis, and multivariate distributional regression. The first research strand focuses on deep Gaussian mixture models, a powerful extension of ordinary Gaussian mixture models. We explore the application of Bayesian inference with sparsity priors to regularize the estimation of deep mixtures, presenting a novel Bayesian deep mixtures of factor analyzers model capable of handling high-dimensional problems. The inclusion of sparsity-inducing priors in the model contributes to improved clustering results. A scalable natural gradient variational inference algorithm is developed to enhance computational efficiency. The second research strand extends deep mixture models from clustering towards regression. Leveraging the deep mixtures of factor analyzers model as a prior for random effects, we introduce a novel framework, deep mixtures of linear mixed models that extends mixtures of linear mixed models to accommodate the complexities of longitudinal data with many observations per subject and intricate temporal trends. We describe an efficient variational inference approach. This research addresses the limitations of current models and provides a flexible solution for high-dimensional settings. The third research strand tackles the challenge of modeling truly multivariate distributions in the context of Generalized Additive Models for Location, Scale, and Shape. We propose a novel approach utilizing copula regression to model the dependence structure through a Gaussian copula, allowing for joint modeling of high-dimensional response vectors with flexible marginal distributions. Here, Bayesian inference facilitates efficient estimation of the highly parameterized model, introducing a highly flexible and complementary approach to existing models.

Seit Satoshi Nakamoto Bitcoin (BTC) erschaffen hat, ist der Kryptowährungsmarkt oft im Zentrum von Diskussionen über den Wert von Kryptos. Trotz dieser Debatten bleibt der Markt lebendig, mit aktiven Investoren, die im Handel, der Absicherung, Spekulation, Investition, Verleihen, Ausleihen und der Innovation neuer Mechanismen engagiert sind. Im ersten Kapitel untersuchen wir die Absicherungseffektivität von Bitcoin-Futures gegenüber BTC und anderen Krypto-Expositionen. Angesichts der Volatilität der Kryptopreise könnte die Zuverlässigkeit von Futures zur Absicherung fraglich sein. Wir demonstrieren, dass mit einem auf Kopulae basierenden Hedging-Verhältnis BTCF effektiv gegen BTC für verschiedene Risikopräferenzen, modelliert durch Risikomaße, absichern kann. Im zweiten Kapitel extrahieren wir die im BTC-Markt eingebetteten Jump-Prämien. Die Studie wird durch häufige Preissprünge motiviert. Unsere Analyse zeigt, dass die risikoprämienspezifischen Einblicke in positive und negative Jumps Aufschluss darüber geben, wie der BTC-Optionsmarkt auf größere Ereignisse reagiert; die Prämien besitzen prädiktive Kraft für Renditen von delta-gehedgten Optionen, was mögliche Gewinne aus dem Handel mit Krypto-Optionen erklärt. Die Sprungrisikoprämien sind gute Indikatoren, um die von BTCF implizierten volatilen Carry-Kosten zu erklären. Im dritten Kapitel erforschen wir den Krypto-Kreditmarkt. Dieser teilt Schlüsselmerkmale mit anderen Non-Recourse-Darlehen, z.B. Sicherheitsanforderungen und Verfahren für Margin Calls. Der Markt operiert ohne eine konventionelle Zinsstruktur. Um dies zu ergänzen, schlagen wir eine faire Zinsstruktur vor, indem wir die Krypto-Kreditausleihposition als amerikanische Barrier-Option modellieren. / Since Satoshi Nakamoto created Bitcoin (BTC), the cryptocurrency market has often been at the center of discussions about the value of cryptocurrencies. Despite these debates, the market remains vibrant, with active investors engaged in trading, hedging, speculation, investment, lending, borrowing, and the innovation of new mechanisms. In the first chapter, we examine the hedging effectiveness of Bitcoin futures against BTC and other crypto exposures. Given the volatility of crypto prices, the reliability of futures for hedging might be questionable. We demonstrate that a Copula-based hedging ratio can effectively hedge BTCF against BTC for various risk preferences modeled by risk measures. In the second chapter, we extract the jump premiums embedded in the BTC market. The study is motivated by frequent price jumps. Our analysis shows that risk premium-specific insights into positive and negative jumps provide understanding of how the BTC options market responds to major events; the premiums have predictive power for the returns of delta-hedged options, which explains potential gains from trading crypto options. Jump risk premiums are good indicators for explaining the volatile carry costs implied by BTCF. In the third chapter, we explore the crypto lending market. This market shares key characteristics with other non-recourse loans, such as security requirements and procedures for margin calls. However, the market operates without a conventional interest rate structure. To address this, we propose a fair interest rate structure by modeling the crypto lending position as an American barrier option.

Die vorliegende Arbeit behandelt das biologische Phänomen der Dormanz mit Hilfe mathematischer Modellierung. Dormanz beschreibt dabei einen reversiblen Zustand von Individuen, in dem die metabolische Aktivität reduziert wird und die Resistenz gegen Natureinflüsse erhöht ist. Der erste Teil der Arbeit widmet sich den ökologischen Eigenschaften. Hier wird zunächst ein Moranmodell vorgestellt, welches verschiedene Modellierungsarten von Dormanz aus der Populationsgenetik vereint und unter verschiedenen Skalierungen den schwachen seed-bank Koaleszenten und den starken seed-bank Koaleszenten als anzestralen Prozess innehat. Dadurch werden die Parameter der Koaleszenten vergleichbar. Als Anwendung betrachten wir die sogenannte species abundance distribution, welche mithilfe von Koaleszenten beschrieben werden kann. Der zweite Teil beschäftigt sich mit den Auswirkungen von Dormanz auf evolutionäre Eigenschaften und beginnt mit einer Einführung in die Theorie von adaptive dynamics. Dort werden auch verschiedene Möglichkeiten der Modellierung von Dormanz in individuenbasierten Modellen besprochen. Danach befassen wir uns mit der Erweiterung eines Modells für sympatrische Speziation um den Aspekt der Dormanz. Die canonical equation of adaptive dynamics wird - motiviert durch ein Modell mit Dormanz - für schnellere Mutationsraten aus dem sogenannten power-law Mutationsregime für einen Grenzfall hergeleitet. Die Arbeit schließt mit dem dritten Teil, in welchem ein individuenbasiertes Modell für die Entwicklung von Krebs unter dem Einfluss von Chemotherapie und unter Berücksichtigung von Dormanz vorgestellt wird. In Simulationsstudien wird untersucht, inwiefern Dormanz zu Misserfolg einer Therapie beiträgt. Ein weiteres Ziel ist die Analyse von Kombinationsbehandlung mit einem Medikament welches mit dormanten Zellen interagieren kann insbesondere unter Betrachtung verschiedener Therapieansätze zur Behandlung von dormanten Krebszellen. / The present thesis uses mathematical modelling to investigate the consequences of dormancy. Dormancy describes a reversible and protected state of reduced metabolic activity which enhances an individual's resilience to hazardous conditions. In this sense, dormancy acts as a protection mechanism against habitats with unfavourable environments. The thesis considers the impact of dormancy on ecological, evolutionary and in its broadest sense pathogenic properties of microbial populations. The first part is concerned with studying the impact of dormancy on ecology. For this, a Moran model is presented which unifies different models of dormancy from population genetics and exhibits the weak seed-bank coalescent and the strong seed-bank coalescent as the scaling limit of the ancestral process. As an application we consider the species abundance distribution which can be described using coalescent theory. In the second part we consider the influence of dormancy on evolutionary properties. The modelling framework for this is the theory of adaptive dynamics. We then show that competition-induced dormancy may favour sympatric speciation. A key aspect in the derivation of this result is the canonical equation of adaptive dynamics. We extend this equation - motivated by a model including dormancy - to power-law mutations in a limiting case. We conclude the thesis with the third part where we provide an individual-based model for the treatment of cancer with chemotherapy under consideration of dormant cancer cells. Using simulation studies, we investigate how dormancy may contribute to treatment failure. Another goal of this chapter is to analyse combination treatment with a drug which directly targets dormant cancer cells and to formulate general observations regarding various strategies to counter cancer cell dormancy.

Die Zeitschrift Electronic Transactions on Numerical Analysis (ETNA) wurde in den früheren 1990er Jahren als eines der ersten Open Access Journale in Mathematik gegründet. Herausgegeben wird die Zeitschrift vom Institute of Computational Mathematics an der Kent State University (Ohio, USA) in Zusammenarbeit mit der dortigen Universitätsbibliothek. Abweichend vom üblichen Modell über Article Processing Charges finanziert sich die Zeitschrift ausschließlich durch die Kent State University sowie gelegentliche freiwillige Beiträge von Autoren. Heute ist ETNA ein sehr erfolgreiches Journal in der angewandten Mathematik, das zeigt, dass auch nicht-kommerzielle Open Access Angebote qualitativ hochwertig funktionieren können.

Die Zeitschrift Electronic Transactions on Numerical Analysis (ETNA) wurde in den früheren 1990er Jahren als eines der ersten Open Access Journale in Mathematik gegründet. Herausgegeben wird die Zeitschrift vom Institute of Computational Mathematics an der Kent State University (Ohio, USA) in Zusammenarbeit mit der dortigen Universitätsbibliothek. Abweichend vom üblichen Modell über Article Processing Charges finanziert sich die Zeitschrift ausschließlich durch die Kent State University sowie gelegentliche freiwillige Beiträge von Autoren. Heute ist ETNA ein sehr erfolgreiches Journal in der angewandten Mathematik, das zeigt, dass auch nicht-kommerzielle Open Access Angebote qualitativ hochwertig funktionieren können.

Diese Arbeit untersucht eine Reihe multiplikativer Preiseinflussmodelle für das Handeln in einer riskanten Anlage. Unser risikoneutraler Investor versucht seine zu erwartenden Handelserlöse zu maximieren. Zunächst modellieren wir den vorübergehende Preiseinfluss als deterministisches Funktional der Handelsstrategie. Wir stellen den Zusammenhang mit Limit-Orderbüchern her und besprechen die optimale Strategie zum Auf- bzw. Abbau einer Anlageposition bei a priori unbeschränkem Anlagehorizont. Anschließend lösen wir das Optimierungsproblem mit festem Anlagehorizon in zwei Schritten. Mittels Variationsrechnung lässt sich die freie Grenzefläche, die Kauf- und Verkaufsregionen trennt, als lokales Optimum identifizieren, was entscheidend für die Verifikation globaler Optimalität ist. Im zweiten Teil der Arbeit erweitern wir den zwischengeschalteten Markteinflussprozess um eine stochastische Komponente, wodurch optimale Strategien dynamisch an zufällige Liquiditätsschwankungen adaptieren. Wir bestimmen die optimale Liquidierungsstrategie im zeitunbeschränkten Fall als die reflektierende Lokalzeit, die den Markteinfluss unterhalb eines explizit beschriebenen nicht-konstanten Grenzlevels hält. Auch dieser Beweis kombiniert Variationsrechnung und direkten Methoden. Um nun eine Zeitbeschränkung zu ermöglichen, müssen wir Semimartingalstrategien zulassen. Skorochods M1-Toplogie ist der Schlüssel, um die Klasse der möglichen Strategien in einer umfangreichen Familie von Preiseinflussmodellen, welche sowohl additiven, als auch multiplikativen Preiseinfluss umfasst, mit deterministischer oder stochastischer Liquidität, eindeutig von endlichen Variations- auf allgemeine càdlàg Strategien zu erweitern. Nach Einführung proportionaler Transaktionskosten lösen wir das entsprechende eindimensionale freie Grenzproblem des optimalen unbeschränkten Handels und beleuchten mögliche Lösungsansätze für das Liquidierungsproblem, das mit dem Verkauf der letzten Anleihe endet. / In this thesis, we study a class of multiplicative price impact models for trading a single risky asset. We model price impact to be multiplicative so that prices are guaranteed to stay non-negative. Our risk-neutral large investor seeks to maximize expected gains from trading. We first introduce a basic variant of our model, wherein the transient impact is a deterministic functional of the trading strategy. We draw the connection to limit order books and give the optimal strategy to liquidate or acquire an asset position infinite time horizon. We then solve the optimization problem for finite time horizon two steps. Calculus of variations allows to identify the free boundary surface that separates buy and sell regions and moreover show its local optimality, which is a crucial ingredient for the verification giving (global) optimality. In the second part of the thesis, we add stochasticity to the auxiliary impact process. This causes optimal strategies to dynamically adapt to random changes in liquidity. We identify the optimal liquidation strategy in infinite horizon as the reflection local time which keeps the market impact process below an explicitly described non-constant free boundary level. Again the proof technique combines classical calculus of variations and direct methods. To now impose a time constraint, we need to admit semimartingale strategies. Skorokhod's M1 topology is key to uniquely extend the class of admissible controls from finite variation to general càdlàg strategies in a broad class of market models including multiplicative and additive price impact, with deterministic or stochastic liquidity. After introducing proportional transaction costs in our model, we solve the related one-dimensional free boundary problem of unconstrained optimal trading and highlight possible solution methods for the corresponding liquidation problem where trading stops as soon as all assets are sold.