Spelling suggestions: "subject:"extremwerttheorie"" "subject:"mehrwerttheorie""
1 |
Statistics of Multivariate Extremes with Applications in Risk ManagementHerrera, Rodrigo 30 October 2009 (has links) (PDF)
The contributions of this thesis have mainly a dual purpose: introducing several multivariate statistical methodologies where in the major of the cases only stationary of the random variables is assumed, and also highlight some of the applied problems in risk management where extreme value theory may play a role. Mostly every chapter is selfcontained, they have its own more detailed introduction and short conclusion. / Die Kontributionen von dieser Dissertation haben ein doppeltes Ziel: die Darstellung von vielen multivariaten statistischen Verfahren, wobei in der Mehrheit der Fälle nur Stationarität von den Zufallsvariablen angenommen wurde, und die Anwendungen in Risikomanagement in welchem Extremwerttheorie eine wichtige Rolle spielen könnte. Die Struktur der Arbeit ist eigenständig, mit einer detaillierten Einführung und kurzen Zusammenfassung in jedem Kapitel.
|
2 |
Schätzung maximaler Wartezeiten mittels Extremwertverteilung an lichtsignalgesteuerten KnotenpunktenDrache, Lisa 04 July 2018 (has links) (PDF)
In dieser Arbeit wurde erstmalig die Anwendung der Extremwerttheorie auf Wartezeiten eines lichtsignalgesteuerten Verkehrsknotenpunktes untersucht. Anhand der Verkehrsstärken eines realen Knotenpunktes wurden mit der Simulationssoftware PTV Vissim 100 Datensätze mit individuellen Wartezeiten erzeugt. Als Referenz wurde eine zweite Simulationsreihe durchgeführt. Diese erfolgte mit 15 % höherer Verkehrsstärke. Mittels der Blockmaximum-Methode wurden aus den erzeugten Datensätzen die Maxima ausgewählt, welche mit der Maximum-Likelihood Methode an eine Extremwertverteilung angepasst wurden. Die Bewertung der Schätzung wurde mit dem Kolmogorov-Smirnov Test vorgenommen. Anschließend wurde die Wahrscheinlichkeit, dass bestimmte Wartezeiten überschritten werden (Value at Risk) berechnet. Im Ergebnis konnten 22 % der geschätzten Extremwertverteilungen mit ausreichender Güte angepasst werden. Für die restlichen Datensätze sollte nach Alternativen zur angemessenen Beschreibung gesucht werden.
|
3 |
Statistics of Multivariate Extremes with Applications in Risk ManagementHerrera, Rodrigo 06 July 2009 (has links)
The contributions of this thesis have mainly a dual purpose: introducing several multivariate statistical methodologies where in the major of the cases only stationary of the random variables is assumed, and also highlight some of the applied problems in risk management where extreme value theory may play a role. Mostly every chapter is selfcontained, they have its own more detailed introduction and short conclusion. / Die Kontributionen von dieser Dissertation haben ein doppeltes Ziel: die Darstellung von vielen multivariaten statistischen Verfahren, wobei in der Mehrheit der Fälle nur Stationarität von den Zufallsvariablen angenommen wurde, und die Anwendungen in Risikomanagement in welchem Extremwerttheorie eine wichtige Rolle spielen könnte. Die Struktur der Arbeit ist eigenständig, mit einer detaillierten Einführung und kurzen Zusammenfassung in jedem Kapitel.
|
4 |
Über Zusammenhänge von leichten Tails, regulärer Variation und Extremwerttheorie / On Some Connections between Light Tails, Regular Variation and ExtremesJanßen, Anja 03 November 2010 (has links)
No description available.
|
5 |
Extreme-Value Analysis of Self-Normalized Increments / Extremwerteigenschaften der normierten InkrementeKabluchko, Zakhar 23 April 2007 (has links)
No description available.
|
6 |
Schätzung maximaler Wartezeiten mittels Extremwertverteilung an lichtsignalgesteuerten KnotenpunktenDrache, Lisa 04 July 2018 (has links)
In dieser Arbeit wurde erstmalig die Anwendung der Extremwerttheorie auf Wartezeiten eines lichtsignalgesteuerten Verkehrsknotenpunktes untersucht. Anhand der Verkehrsstärken eines realen Knotenpunktes wurden mit der Simulationssoftware PTV Vissim 100 Datensätze mit individuellen Wartezeiten erzeugt. Als Referenz wurde eine zweite Simulationsreihe durchgeführt. Diese erfolgte mit 15 % höherer Verkehrsstärke. Mittels der Blockmaximum-Methode wurden aus den erzeugten Datensätzen die Maxima ausgewählt, welche mit der Maximum-Likelihood Methode an eine Extremwertverteilung angepasst wurden. Die Bewertung der Schätzung wurde mit dem Kolmogorov-Smirnov Test vorgenommen. Anschließend wurde die Wahrscheinlichkeit, dass bestimmte Wartezeiten überschritten werden (Value at Risk) berechnet. Im Ergebnis konnten 22 % der geschätzten Extremwertverteilungen mit ausreichender Güte angepasst werden. Für die restlichen Datensätze sollte nach Alternativen zur angemessenen Beschreibung gesucht werden.
|
7 |
Kenngrößen für die Abhängigkeitsstruktur in Extremwertzeitreihen / Characteristics for Dependence in Time Series of Extreme ValuesEhlert, Andree 31 August 2010 (has links)
No description available.
|
8 |
Tail Risk Protection via reproducible data-adaptive strategiesSpilak, Bruno 15 February 2024 (has links)
Die Dissertation untersucht das Potenzial von Machine-Learning-Methoden zur Verwaltung von Schwanzrisiken in nicht-stationären und hochdimensionalen Umgebungen. Dazu vergleichen wir auf robuste Weise datenabhängige Ansätze aus parametrischer oder nicht-parametrischer Statistik mit datenadaptiven Methoden. Da datengetriebene Methoden reproduzierbar sein müssen, um Vertrauen und Transparenz zu gewährleisten, schlagen wir zunächst eine neue Plattform namens Quantinar vor, die einen neuen Standard für wissenschaftliche Veröffentlichungen setzen soll. Im zweiten Kapitel werden parametrische, lokale parametrische und nicht-parametrische Methoden verglichen, um eine dynamische Handelsstrategie für den Schutz vor Schwanzrisiken in Bitcoin zu entwickeln. Das dritte Kapitel präsentiert die Portfolio-Allokationsmethode NMFRB, die durch eine Dimensionsreduktionstechnik hohe Dimensionen bewältigt. Im Vergleich zu klassischen Machine-Learning-Methoden zeigt NMFRB in zwei Universen überlegene risikobereinigte Renditen. Das letzte Kapitel kombiniert bisherige Ansätze zu einer Schwanzrisikoschutzstrategie für Portfolios. Die erweiterte NMFRB berücksichtigt Schwanzrisikomaße, behandelt nicht-lineare Beziehungen zwischen Vermögenswerten während Schwanzereignissen und entwickelt eine dynamische Schwanzrisikoschutzstrategie unter Berücksichtigung der Nicht-Stationarität der Vermögensrenditen. Die vorgestellte Strategie reduziert erfolgreich große Drawdowns und übertrifft andere moderne Schwanzrisikoschutzstrategien wie die Value-at-Risk-Spread-Strategie. Die Ergebnisse werden durch verschiedene Data-Snooping-Tests überprüft. / This dissertation shows the potential of machine learning methods for managing tail risk in a non-stationary and high-dimensional setting. For this, we compare in a robust manner data-dependent approaches from parametric or non-parametric statistics with data-adaptive methods. As these methods need to be reproducible to ensure trust and transparency, we start by proposing a new platform called Quantinar, which aims to set a new standard for academic publications. In the second chapter, we dive into the core subject of this thesis which compares various parametric, local parametric, and non-parametric methods to create a dynamic trading strategy that protects against tail risk in Bitcoin cryptocurrency. In the third chapter, we propose a new portfolio allocation method, called NMFRB, that deals with high dimensions thanks to a dimension reduction technique, convex Non-negative Matrix Factorization. This technique allows us to find latent interpretable portfolios that are diversified out-of-sample. We show in two universes that the proposed method outperforms other classical machine learning-based methods such as Hierarchical Risk Parity (HRP) concerning risk-adjusted returns. We also test the robustness of our results via Monte Carlo simulation. Finally, the last chapter combines our previous approaches to develop a tail-risk protection strategy for portfolios: we extend the NMFRB to tail-risk measures, we address the non-linear relationships between assets during tail events by developing a specific non-linear latent factor model, finally, we develop a dynamic tail risk protection strategy that deals with the non-stationarity of asset returns using classical econometrics models. We show that our strategy is successful at reducing large drawdowns and outperforms other modern tail-risk protection strategies such as the Value-at-Risk-spread strategy. We verify our findings by performing various data snooping tests.
|
Page generated in 0.0563 seconds