Da der Kapitalmarkt starken Schwankungen unterworfen ist, stehen Investoren vor dem Problem das Risiko der Anlagemöglichkeiten zu messen. Traditionell werden die historischen Schwankungen als Maß für das Risiko verwendet. Da insbesondere die Volatilität von Aktienkursen aber das Phänomen der Clusterbildung aufweist, ist ein komplexerer Modellierungsansatz nötig, um dies mitzuberücksichtigen. Clusterbildung kann mittels GARCH-Prozessen sehr gut dargestellt werden, da hier die Volatilität des Fehlerterms abhängig ist von den vorangegangenen Volatilitäten. In der Arbeit werden zunächst die theoretischen Eigenschaften von GARCH-Prozessen dargestellt und auf die Probleme bei der Schätzung der Parameter eingegangen. Als Alternative zur klassischen Maximum Likelihood Schätzung wird ein Ansatz über Markov Chain Monte Carlo Methoden gewählt. Abschließend werden die Ergebnisse der zwei Ansätze zur Risikomodellierung anhand empirischer Daten verglichen.     «

Da der Kapitalmarkt starken Schwankungen unterworfen ist, stehen Investoren vor dem Problem das Risiko der Anlagemöglichkeiten zu messen. Traditionell werden die historischen Schwankungen als Maß für das Risiko verwendet. Da insbesondere die Volatilität von Aktienkursen aber das Phänomen der Clusterbildung aufweist, ist ein komplexerer Modellierungsansatz nötig, um dies mitzuberücksichtigen. Clusterbildung kann mittels GARCH-Prozessen sehr gut dargestellt werden, da hier die Volatilität des Fehl...     »