In this Master’s Thesis, we address the issue of how to measure the risk of fraud in hedge funds. Using hedge fund data that is available to potential investors - return time series reported to hedge fund databases - we derive tools to assess the respective hedge fund’s fraud risk. These tools will be motivated by fraud cases and fraud-related patterns and are then derived by means of statistical methods and the framework of hypothesis tests. In addition, we will provide efficient R implementations for the tools such that they can be applied to large data sets in a routinely manner by investors and authorities alike. From the tools we extract a score that will serve as a measure for fraud risk of the time series. In a final step, we apply our methods to hedge fund and stock data and find that indeed hedge funds exhibit lower data quality than stocks, and a significant number of hedge funds receives a high score indicating elevated risk of fraud. These positive results provide evidence of the high informative power and usefulness of the introduced test-apparatus.     «

In this Master’s Thesis, we address the issue of how to measure the risk of fraud in hedge funds. Using hedge fund data that is available to potential investors - return time series reported to hedge fund databases - we derive tools to assess the respective hedge fund’s fraud risk. These tools will be motivated by fraud cases and fraud-related patterns and are then derived by means of statistical methods and the framework of hypothesis tests. In addition, we will provide efficient R implementat...     »

Diese Masterarbeit beschäftigt sich damit, wie man das Betrugsrisiko von Hedgefonds messen kann. Als Daten benutzen wir die für potentielle Investoren zugänglichen Zeitreihen von Renditen, welche von Hedgefonds an diverse Hedgefond-Datenbanken geliefert werden. Auf Basis dieser Daten leiten wir Instrumente ab, welche das jeweilige Betrugsrisiko für einen Hedgefond beurteilen. Als Motivation für diese Instrumente dienen bekannte Betrugsfälle und mit Betrug in Zusammenhang stehende Muster in den Zeitreihen, und daran anknüpfend werden die Instrumente mit Hilfe von statistischen Methoden und Hypothesentests hergeleitet. Zudem stellen wir effizient in R implementierte Programme für die einzelnen Instrumente zur Verfügung, so dass sie routinemäßig von Investoren und Behörden auf große Datenmengen angewandt werden können. Von diesen Instrumenten leiten wir eine Punktzahl ab, die als Maß für das Betrugsrisiko dient. Abschließend wenden wir die eingeführten Instrumente auf Hedgefond- und Aktiendaten an. Diese Analyse zeigt, dass unsere Methodik Hedgefonds in der Tat niedrigere Datenqualität zuordnet als Aktien, insbesondere erhält eine nennenswerte Anzahl von Hedgefonds eine hohe Punktzahl, welche andeutet, dass diese Hedgefonds ein besonders hohes Betrugsrisiko aufweisen. Diese positiven, empirischen Resultate bestätigen den hohen Informationsgehalt und die Nützlichkeit der in dieser Arbeit präsentierten Methodik.     «

Diese Masterarbeit beschäftigt sich damit, wie man das Betrugsrisiko von Hedgefonds messen kann. Als Daten benutzen wir die für potentielle Investoren zugänglichen Zeitreihen von Renditen, welche von Hedgefonds an diverse Hedgefond-Datenbanken geliefert werden. Auf Basis dieser Daten leiten wir Instrumente ab, welche das jeweilige Betrugsrisiko für einen Hedgefond beurteilen. Als Motivation für diese Instrumente dienen bekannte Betrugsfälle und mit Betrug in Zusammenhang stehende Muster in den...     »