Ein Ausfallkorb (Default Basket, Basket Default Swap, BDS) ist die Bündelung einer relativ geringen Anzahl einzelner Kreditpositionen. Der Sicherungsgeber (Investor) verpflichtet sich, den i-ten Forderungsausfall zu übernehmen und wird als ith-to-default-Käufer bezeichnet. Da es sich um die Bündelung einer relativ geringen Anzahl von, möglicherweise sehr heterogenen Kreditpositionen handelt, lassen sich herkömmliche Modellierungsansätze aus dem Kreditrisiko nicht direkt zur Risikobewertung anwenden. Der vorliegende Beitrag stellt deshalb Möglichkeiten vor, eine Risikobewertung für Ausfallkörbe vorzunehmen. Der Modellierungsansatz über das Ein-Faktormodell ist dabei sehr stark an die typische Kreditrisikomodellierung angelehnt, weicht aber in einigen Punkten auch erheblich davon ab. Zentrales Anliegen dieses Artikels ist es daher, die wesentlichen Mechanismen zu verdeutlichen, welche die Risikobewertung in diesem Modell beeinflussen. Hierbei wird insbesondere das Zusammenspiel von Abhängigkeitsstruktur (in Form der Korrelation), Ausfallwahrscheinlichkeiten der Einzelpositionen und den Ausfallwahrscheinlichkeiten für die Risikogeber betrachtet.

In this paper we discuss the inverse problem of the identification of mechanical stresses by measuring the deformation of an electric potential field in a so called differential strain gauge (D-DMS). We derive a mathematical model, where the forward operator is given in terms of an elliptic boundary value problem. Derivatives of the forward operator are considered and the solution of the inverse problem via a least-squares minimization is introduced. Here, the discretized problem is solved with the Gauss-Newton method. Numerical studies of practical interest are presented.

Universiẗat, Diss., 1995--Frankfurt (Main). / Zsfassung in dt. und engl. Sprache.

University, Diss., 2002--Kaiserslautern.

We investigate extreme studentized and normalized residuals as test statistics for outlier detection in the Gauss-Markov model possibly not of full rank. We show how critical values (quantile values) of such test statistics are derived from the probability distribution of a single studentized or normalized residual by dividing the level of error probability by the number of residuals. This derivation neglects dependencies between the residuals. We suggest improving this by a procedure based on the Monte Carlo method for the numerical computation of such critical values up to arbitrary precision. Results for free leveling networks reveal significant differences to the values used so far. We also show how to compute those critical values for non‐normal error distributions. The results prove that the critical values are very sensitive to the type of error distribution. / Wir untersuchen extreme studentisierte und normierte Verbesserungen als Teststatistik für die Ausreißererkennung im Gauß-Markov-Modell von möglicherweise nicht vollem Rang. Wir zeigen, wie kritische Werte (Quantilwerte) solcher Teststatistiken von der Wahrscheinlichkeitsverteilung einer einzelnen studentisierten oder normierten Verbesserung abgeleitet werden, indem die Irrtumswahrscheinlichkeit durch die Anzahl der Verbesserungen dividiert wird. Diese Ableitung vernachlässigt Abhängigkeiten zwischen den Verbesserungen. Wir schlagen vor, diese Prozedur durch Einsatz der Monte-Carlo-Methode zur Berechnung solcher kritischen Werte bis zu beliebiger Genauigkeit zu verbessern. Ergebnisse für freie Höhennetze zeigen signifikante Differenzen zu den bisher benutzten Werten. Wir zeigen auch, wie man solche Werte für nicht-normale Fehlerverteilungen berechnet. Die Ergebnisse zeigen, dass die kritischen Werte sehr empfindlich auf den Typ der Fehlerverteilung reagieren.

In this paper we discuss the inverse problem of the identification of mechanical stresses by measuring the deformation of an electric potential field in a so called differential strain gauge (D-DMS). We derive a mathematical model, where the forward operator is given in terms of an elliptic boundary value problem. Derivatives of the forward operator are considered and the solution of the inverse problem via a least-squares minimization is introduced. Here, the discretized problem is solved with the Gauss-Newton method. Numerical studies of practical interest are presented.

We investigate extreme studentized and normalized residuals as test statistics for outlier detection in the Gauss-Markov model possibly not of full rank. We show how critical values (quantile values) of such test statistics are derived from the probability distribution of a single studentized or normalized residual by dividing the level of error probability by the number of residuals. This derivation neglects dependencies between the residuals. We suggest improving this by a procedure based on the Monte Carlo method for the numerical computation of such critical values up to arbitrary precision. Results for free leveling networks reveal significant differences to the values used so far. We also show how to compute those critical values for non‐normal error distributions. The results prove that the critical values are very sensitive to the type of error distribution. / Wir untersuchen extreme studentisierte und normierte Verbesserungen als Teststatistik für die Ausreißererkennung im Gauß-Markov-Modell von möglicherweise nicht vollem Rang. Wir zeigen, wie kritische Werte (Quantilwerte) solcher Teststatistiken von der Wahrscheinlichkeitsverteilung einer einzelnen studentisierten oder normierten Verbesserung abgeleitet werden, indem die Irrtumswahrscheinlichkeit durch die Anzahl der Verbesserungen dividiert wird. Diese Ableitung vernachlässigt Abhängigkeiten zwischen den Verbesserungen. Wir schlagen vor, diese Prozedur durch Einsatz der Monte-Carlo-Methode zur Berechnung solcher kritischen Werte bis zu beliebiger Genauigkeit zu verbessern. Ergebnisse für freie Höhennetze zeigen signifikante Differenzen zu den bisher benutzten Werten. Wir zeigen auch, wie man solche Werte für nicht-normale Fehlerverteilungen berechnet. Die Ergebnisse zeigen, dass die kritischen Werte sehr empfindlich auf den Typ der Fehlerverteilung reagieren.

Die Dissertation beschäftigt sich mit Parameteridentifikationsproblemen, wie sie häufig in Fragestellungen der Festkörpermechanik zu finden sind. Hierbei betrachten wir die Identifikation von Materialparametern -- die typischerweise die Eigenschaften der zugrundeliegenden Materialien repräsentieren -- aus gemessenen Verformungen oder Belastungen eines Testkörpers. In mathematischem Sinne entspricht dies der Lösung von Identifikationsproblemen, die eine spezielle Klasse von inversen Problemen bilden. Der Inhalt der Dissertation ist folgendermaßen gegliedert. Nach dem einführenden Abschnitt 1 wird in Abschnitt 2 ein Überblick von Optimierungs- und Regularisierungsverfahren zur stabilen Lösung nichtlinearer inverser Probleme diskutiert. In Abschnitt 3 betrachten wir die Identifikation von skalaren und stückweise konstanten Parametern in linearen elliptischen Differentialgleichungen. Hierbei werden zwei Testprobleme erörtert, die Identifikation von Diffusions- und Reaktionsparameter in einer allgemeinen elliptischen Differentialgleichung und die Identifikation der Lame-Konstanten in einem Modell der linearisierten Elastizität. Die zugrunde liegenden PDE-Modelle und Lösungszugänge werden erläutert. Insbesondere betrachten wir hier Newton-artige Algorithmen, Gradientenmethoden, Multi-Parameter Regularisierung and den evolutionären Algorithmus CMAES. Abschließend werden Ergebnisse einer numerischen Studie präsentiert. Im Abschnitt 4 konzentrieren wir uns auf die Identifikation von verteilten Parametern in hyperelastischen Materialmodellen. Das nichtlineare Elastizitätsproblem wird detailiert erläutert und verschiedene Materialmodelle werden diskutiert (linear elastisches St.-Venant-Kirchhoff Material und nichtlineare Neo-Hooke, Mooney-Rivlin und Modified-Fung Materialien. Zur Lösung des resultierenden Parameteridentifikationsproblems werden Lösungsansätze aus der optimalen Steuerung in Form eines Newton-Lagrange SQP Algorithmus verwendet. Die Resultate einer numerischen Studie werden präsentiert, basierend auf einem zweidimensionales Testproblem mit einer sogenannten Cook-Mebran. Abschließend wird im Abschnitt 5 die Verwendung adaptiver FEM für die Lösung von Parameteridentifikationsproblems kurz erörtert. / The dissertation is focussed on parameter identification problems arising in the context of structural mechanics. At this, we consider the identification of material parameters - which typically represent the properties of an underlying material - from given measured displacements and forces of a loaded test body. In mathematical terms such problems denote identification problems as a special case of general inverse problems. The dissertation is organized as follows. After the introductive section 1, section 2 is devoted to a survey of optimization and regularization methods for the stable solution of nonlinear inverse problems. In section 3 we consider the identification of scalar and piecewise constant parameters in linear elliptic differential equations and examine two test problems, namely the identification of diffusion and reaction parameters in a generalized linear elliptic differential equation of second order and the identification of the Lame constants in the linearized elasticity model. The underlying PDE models are introduced and solution approaches are discussed in detail. At this, we consider Newton-type algorithms, gradient methods, multi-parameter regularization, and the evolutionary algorithm CMAES. Consequently, numerical studies for a two-dimensional test problem are presented. In section 4 we point out the identification of distributed material parameters in hyperelastic deformation models. The nonlinear elasticity boundary value problem for large deformations is introduced. We discuss several material laws for linear elastic (St.-Venant-Kirchhoff) materials and nonlinear Neo-Hooke, Mooney-Rivlin, and Modified-Fung materials. For the solution of the corresponding parameter identification problem, we focus on an optimal control solution approach and introduce a regularized Newton-Lagrange SQP method. The Newton-Lagrange algorithm is demonstrated within a numerical study. Therefore, a simplified two-dimensional Cook membrane test problem is solved. Additionally, in section 5 the application of adaptive methods for the solution of parameter identification problems is discussed briefly.

Diese Arbeit ist ein Überblick über die Ideen und Methoden der dynamischen stochastischen Modellierung von normalverteilten und nicht-normalverteilten Prozessen. Nach einer Einführung der allgemeinen Modellform werden Aussagemöglichkeiten wie Filtern, Glätten und Vorhersagen diskutiert und das Problem der Identifikation unbekannter Hyperparameter behandelt. Die allgemeinen Ausführungen werden an zwei Fallstudien, einer Zeitreihe des mittleren jährlichen Grundwasserspiegels und einer Zeitreihe von Tagesmittelwerten von SO2-Emissionen illustriert. (Autorenref.) / Series: Forschungsberichte / Institut für Statistik

In this thesis, the structure of pure measures is investigated. These are elements of the dual of the space of essentially bounded functions. A more precise representation of the dual space of the space of essentially bounded functions is given, leading to the definition and analysis of density measurs which constitute a new large class and yield numerous new examples of pure measures which are well-suited for applications in very general Divergence Theorems. The existence of pure normal measures for sets of finite perimeter is demonstrated. These yield Gauß formulas for essentially bounded vector fields having divergence measure. Furthermore, a result of Silhavy is extended. In particular, it is shown that a Gauß-Green Theorem for unbounded vector fields having divergence measure necessitates the use of pure measures acting on the gradient of the scalar field.