This thesis develops a new method called Factor Model Quantile Simulation (FMQS) which may be applied to generate returns on many different types of correlated financial assets. Here we employ a stochastic volatility jump diffusion model for the market return and factor model quantile regressions for stock returns to illustrate the application of FMQS to correlated stock returns. The quantile regressions allow us to build a distribution function for each stock return, conditional on the market return generated by the diffusion model. It is these conditional distribution functions that we use to generate correlated values for the stock returns. An application to Value at Risk and Expected Shortfall demonstrates the use of this approach. As an example, the method is applied using empirical data of the stocks in the Dow Jones Industrial Average index.     «

This thesis develops a new method called Factor Model Quantile Simulation (FMQS) which may be applied to generate returns on many different types of correlated financial assets. Here we employ a stochastic volatility jump diffusion model for the market return and factor model quantile regressions for stock returns to illustrate the application of FMQS to correlated stock returns. The quantile regressions allow us to build a distribution function for each stock return, conditional on the market...     »

Diese Masterarbeit entwickelt eine neue Methode, genannt Factor Model Quantile Simulation (FMQS), die verwendet werden kann um Renditen verschiedener korrelierter Finanzprodukte zu generieren. Hier wenden wir ein sogenanntes `stochastic volatility jump diffusion model' und quantile Regression in Kombination mit einem Faktorenmodell an, um die Anwendung von FMQS hinsichtlich korrelierter Aktienrenditen zu zeigen. Die quantile Regression ermöglicht es, die Verteilungsfunktionen der Aktienrenditen bedingt auf die Marktrenditen des Diffusionsmodells zu schätzen. Mit diesen bedingten Verteilungsfunktionen generieren wir anschließend Werte für die Aktienrenditen. Eine Anwendung bezüglich der Berechnung von Value at Risk und Expected Shortfall demonstriert die Applikation der neuen Methode. Zur Illustration wird FMQS auf empirische Daten der Aktien im Dow Jones Industrial Average Index angewendet.     «

Diese Masterarbeit entwickelt eine neue Methode, genannt Factor Model Quantile Simulation (FMQS), die verwendet werden kann um Renditen verschiedener korrelierter Finanzprodukte zu generieren. Hier wenden wir ein sogenanntes `stochastic volatility jump diffusion model' und quantile Regression in Kombination mit einem Faktorenmodell an, um die Anwendung von FMQS hinsichtlich korrelierter Aktienrenditen zu zeigen. Die quantile Regression ermöglicht es, die Verteilungsfunktionen der Aktienrenditen...     »