HUDU

Finanzmarktökonometrie


€ 66,95
 
kartoniert
Sofort lieferbar
April 1999

Beschreibung

Beschreibung

Finanzmarktökonometrie bietet eine umfassende Darstellung des zeitkontinuierlichen Modellierungsansatzes und seiner Anwendung in Ökonometrie, empirischer Kapitalmarktforschung und Optionsbewertung. Dabei liegt ein Schwerpunkt auf der Theorie, Simulation, Filterung und Parameterschätzung zeitstetiger Systeme. Besonders praxisrelevant ist hierbei die Annahme, daß Daten nur zu bestimmten Zeitpunkten als Panel oder Zeitreihen erhältlich sind. Zusätzlich wird davon ausgegangen, daß nur Teile des Systemzustands meßbar und mit Meßfehlern behaftet sind. Der aus der System- und Kontrolltheorie stammende kontinuierlich-diskrete Zustandsraum-Ansatz wird in Finanzmarktökonometrie konsequent auf Modellierungsprobleme derivativer Finanzprodukte angewandt. Umfangreiche graphische Darstellungen erläutern und verdeutlichen dem Leser die mathematische Formulierung der Thematik.

Inhaltsverzeichnis

1. Zeitstetige Modellierung.- I. Zeitstetige Dynamische Systeme.- 2. Deterministische Differentialgleichungen.- 2.1 Nichtlineare Systeme 1. Ordnung.- 2.2 Lineare Systeme 1, Ordnung.- 2.2.1 Inhomogene Gleichungen.- 2.2.2 Nichtautonome inhomogene Gleichungen.- 2.3 Beispiele.- 3. Stochastische Differentialgleichungen.- 3.1 Differentialgleichungen mit zufälligen Parametern.- 3.2 Wiener-Prozeß und weißes Rauschen.- 3.3 Stochastische Integrale und Itô-Differentialgleichungen.- 3.4 Itô-Kalkül.- 3.4.1 Totales Differential bei deterministischen Funktionen.- 3.4.2 Itô-Formel und Itô-Taylor-Entwicklung.- 3.4.3 Beispiele.- 3.5 Stratonovich-Integrale.- 3.6 Itô oder Stratonovich ?.- 3.7 Lineare stochastische Differentialgleichungen.- 3.8 Vorwärts- und Rückwärtsgleichung.- 3.8.1 Kramers-Moyal-Entwicklung.- 3.8.2 Fokker-Planck-Gleichung.- 3.8.3 Beispiele.- 3.8.4 Kolmogoroff- und Feynman-Kac-Formel.- 3.9 SDE, Markoff- und Diffusionsprozesse.- 3.10 Gleichungen für die Momente.- 4. Simulation von Differentialgleichungen.- 4.1 Deterministische Differentialgleichungen.- 4.2 Stochastische Differentialgleichungen.- 4.3 Starke und schwache Konvergenz.- 4.4 Beispiele.- 4.4.1 Wiener-Prozeß und weißes Rauschen.- 4.4.2 Geometrische Brownsche Bewegung.- 5. Zustandsraum-Modelle und Zustandsschätzung.- 5.1 Definition.- 5.2 Modelle mit farbigen Rauschtermen und Personeneffekten.- 5.3 CAR-, CARMA- und CARMAX-Modelle.- 5.4 Optimale Schätzung von Zuständen.- 5.5 Kalman-Filter (diskreter Fall).- 5.6 Kalman-Filter (kontinuierlich-diskreter Fall).- 5.7 Kalman-Bucy-Filter (kontinuierlicher Fall).- 5.8 Kalman-Glätter.- 5.9 Erweiterter Kalman-Filter (kontinuierlich-diskreter Fall).- 5.10 Nichtlinearer kontinuierlich-diskreter Filter.- 5.11 Gaußscher Kerndichte-Filter (kontinuierlich-diskreter Fall).- 5.12 Diskretisiertes kontinuierliches Sampling (DKS).- 5.13 Funktional-Integral-Filter (FIF).- 5.14 Zusammenfassung der nichtlinearen Filteralgorithmen.- 5.15 Beispiele.- 6. Parameterschätzung: Lineare Systeme.- 6.1 Lineare Systeme mit konstanten Koeffizienten.- 6.1.1 Identifikation der System-Matrizen.- 6.1.2 Exakte ML-Schätzung.- 6.1.3 Systeme ohne Meßmodell.- 6.1.4 Approximative ML-Schätzung.- 6.1.5 Beispiel: Das Phillips-Modell.- 6.1.6 Beispiel: Einstellung zu Gastarbeitern.- 6.2 Unregelmäßige Zeitabstände und fehlende Werte.- 6.2.1 AR-Modell mit exogenen Variablen (Sprung-Funktionen, Polygonzüge und Spline-Funktionen).- 6.2.2 Gemischte Stock- und Flow-Daten.- 6.3 Lineare Systeme mit zeitabhängigen Koeffizienten.- 6.3.1 Beispiel: variable Wachstumsmodelle.- 6.3.2 Beispiel: Brownsche Brücke.- 6.4 Parameterschätzung mit zeitstetigen Daten.- 7. Parameterschätzung: Nichtlineare Systeme.- 7.1 Diskretisiertes kontinuierliches Sampling.- 7.2 Erweiterter Kalman-Filter mit fehlenden Werten.- 7.3 EKF und Erweiterung des Systemzustands.- 7.4 Vorhersage-Fehler-Methoden.- 7.4.1 Zusammenhang mit der ML- und KQ-Methode.- 7.4.2 Rekursive Identifikation.- 7.5 Beispiel: Grenzzyklus-Modell.- 7.6 Exakte Likelihood mit Hilfe der Fokker-Planck-Gleichung.- 7.7 Beispiel: Diffusion im bimodalen Potential.- 7.8 Kerndichte-Filter, DKS und Funktional-Integral-Filter.- 7.8.1 ML-Methode.- 7.8.2 Bayes-Methode.- II. Statistische Bewertung von Optionen.- 8. Zeitstetige finanzwirtschaftliche Prozesse.- 8.1 Wiener-Prozeß und geometrische Brownsche Bewegung.- 8.2 CEV-Diffusionsprozesse.- 8.3 Modelle mit stochastischen Volatilitäten/GARCH-Limes.- 8.4 Verallgemeinerte Itô-Prozesse.- 9. Black-Scholes-Differentialgleichung.- 9.1 Optionen.- 9.2 Rückwärtsgleichung mit Inhomogenität.- 9.3 Martingal-Maß und der Satz von Girsanov.- 9.4 Feynman-Kac-Formel und Greensche Funktionen.- 9.5 Spezialfälle.- 9.5.1 Black-Scholes-Formel.- 9.5.2 Cox-Ross-Optionspreis-Formel (CEV-Modell).- 9.6 Numerische Lösungsmethoden.- 9.6.1 Monte Carlo-Simulation der Feynman-Kac-Formel.- 9.6.2 Endliche Differenzen-Methoden.- 10. Parameterschätzung.- 10.1 ML-Schätzung von Diffusionskoeffizienten.- 10.2 GBB: Maximum-Likelihood-Methode.- 10.2.1 stetige Datensätze.- 10.2.2 diskrete Datensätze.- 10.3 CEV-Modell.- 10.3.1 Kleinste-Quadrate-Methoden.- 10.3.2 Approximative und exakte ML-Schätzung.- 10.3.3 Zusammenfassung.- 10.4 Schätzmethoden für allgemeine Itô-Prozesse.- 10.5 Multivariate Ansätze und State Space-Modelle.- Stochastische Volatilitäten.- 11. Ausgewählte Aktien und Optionsscheine.- 11.1 Allianz.- 11.2 Münchner Rück.- 11.3 Bayer 87/97.- 11.4 Bayer 85/95.- 11.5 Simulierter CEV-Optionsschein.- 11.6 Zusammenfassung.- Abkürzungen und Bezeichnungen.
EAN: 9783790812046
ISBN: 3790812048
Untertitel: Zeitstetige Systeme und ihre Anwendung in Ökonometrie und empirischer Kapitalmarktforschung. 1999. Auflage. Book.
Verlag: Physica
Erscheinungsdatum: April 1999
Seitenanzahl: 352 Seiten
Format: kartoniert
Es gibt zu diesem Artikel noch keine Bewertungen.Kundenbewertung schreiben