Value at Risk-Quantifizierung unter Verwendung von Hochfrequenzdaten

Die Quantifizierung und die Steuerung von Risiken gehören seit jeher zu den Kernkompetenzen von Finanzinstituten. Nach einigen spektakulären Verlusten anfangs der 90er Jahre,¹ die auf ungenügendes Management von finanziellen Risiken zurückzuführen waren, ist das Risikomanagement aber regelrecht revolutioniert worden. Dabei hat sich ein Konzept durchgesetzt, das einfach zu interpretieren ist und als Value at Risk (VaR) bezeichnet wird. Dieses Konzept basiert auf finanzmarkttheoretischen Modellen und statistischen Verfahren und trägt der zunehmend komplexeren und volatileren Finanzwelt Rechnung. Der VaR beschreibt die Höhe eines Verlustes, die mit einer bestimmten Sicherheit während einer festgelegten Zeitperiode (Haltedauer) nicht überschritten wird.

Im ersten Teil dieser Arbeit steht die Beschreibung der Risikoquantifizierung mittels Value at Risk (VaR) unter besonderer Berücksichtigung von Hochfrequenzdaten im Vordergrund. Dazu wird der VaR als Risikomass erläutert und in Verbindung mit Datenreihen, bestehend aus Transaktionsdaten von zentralisierten oder dezentralisierten Handelsplätzen, gebracht. Zeitreihenmodelle stellen eine wichtige Grundlage bei der Ermittlung von VaR-Werten für eine grosse Vielzahl von unterschiedlichen Frequenzen dar. Deshalb werden gängige Rendite-und Volatilitätsmodelle im Rahmen von Zeitreihenverfahren dargestellt, die innerhalb der Risikoquantifizierung eine zentrale Rolle spielen. Die Beschreibung von VaR-Modellen schliesst den theoretischen ersten Teil ab.

Nach den theoretischen Ausführungen des ersten Teils sollen die Tick-by-Tick-Daten von ausgewählten Aktien aufbereitet und untersucht werden. Dazu werden typische Merkmale von Zeitreihen bestehend aus Aktienrenditen und Varianzen für unterschiedliche Frequenzen analysiert, um diese anschliessend besser modellieren und deren Verteilungen prognostizieren zu können.