Neue Methoden für Risikoanalyse, Simulation und Portfoliokonstruktion * 3. bis 5. November 2008 * Jeder Teilnehmer erhält ein kostenloses Exemplar des Lehrbuches "Portfoliomanagement: Konzepte und Strategien" von Poddig/Brinkmann/Seiler.

* HINWEIS: Dieses Seminar wendet sich an fortgeschrittene Excel-Anwender, die das volle Potenzial von Excel im Portfoliomanagement ausloten wollen und den Umstieg auf leistungsfähigere Werkzeuge (Matlab®) suchen. Matlab-Kenntnisse sind nicht erforderlich und werden im Kurs anhand praktischer Fallstudien vermittelt.

Kursinhalt

Moderne Risikomessung und Risikoanalyse "Post Markowitz"

	Risikomessung: Theoretische Grundlagen und Risikokennzahlen in der Praxis
	Umsetzung der Risikomessung mit Excel und Matlab sowie Erstellung eines Excel Add-Ins zur Risikoanalyse
	Aufbau historischer Simulationen
	Systematischer Performancevergleich verschiedener Anlagestrategien
	Historische versus Monte-Carlo-Simulation Zahlreiche Beispielmappen und Matlab-Codes wie zum Beispiel - Berechnung von Risikokennziffern - Historische Simulation von Portfolio Insurance-Strategien

PC-Fallstudie mit Excel™ und Matlab®: Historische Simulation und Test von Anlagestrategien am Beispiel verschiedener Wertsicherungsstrategien

Anspruchsvollere Simulation von Renditeentwicklungen

	Neue Möglichkeiten bezüglich Excel™ im Portfoliomanagement: SimTools, Matrix-Tools, PopTools
	Kurze Auffrischung: Monte-Carlo-Simulationen in Excel™
	Monte-Carlo-Simulationen im Mehr-Asset-Fall: Mehrfaktorenmodelle, Faktorenanalyse und Cholesky-Faktorisierung
	Monte-Carlo-Simulationen bei nicht normalverteilten Renditen (Derivate, Hedge Funds, High Yield etc.)
	Bootstrapping: Generierung von Renditereihen anhand historischer Beobachtungen
	Aufbau von Monte-Carlo Simulationen mit den PopTools/ Excel™ sowie in Matlab
	Aufbau von Risikoanalysen mit PopTools/ Excel™ sowie in Matlab Zahlreiche Beispielmappen und Matlab-Codes wie zum Beispiel - Generierung simulierter Renditereihen, normal und nicht normalverteilt - Simulation von GARCH-Prozessen - Erzeugung der Korrelationsstruktur mit Cholesky-Faktorisierung und Faktormodellen - Bootstrapping - Monte Carlo Simulationen von Portfolio Insurance-Strategien

PC-Fallstudie mit Excel™ und Matlab®: Simulationsbasierte Bewertung und Risikoanalyse von Anlagestrategien am Beispiel von Wertsicherungsstrategien bei nicht normalverteilten Renditen

Steuerung und Analyse des Ausfallrisikos

	Berechnung ausfallorientierter Maße in der Praxis
	Simulation und Beurteilung von Portfolios anhand von Ausfallmaßen
	Einfache Downside-Risk-Optimierung: Safety-First-Ansätze
	Semivarianzbasierte Optimierung mit symmetrischen Co-Lower Partial Moments
	Anspruchsvollere Ansätze: Berücksichtigung asymmetrischer Co-Lower Partial Moments
	Portfoliooptimierung mit multidimensionalem Risikobudget
	Praktische Fallstricke und Anforderungen Zahlreiche Beispielmappen und Matlab-Codes wie zum Beispiel - Semivarianz-basierte Optimierung mit asymmetrischen Koausfall - Safety-First Optimierung - Telser-Optimierung mit multidimensionalem Risikobudget

PC-Fallstudie mit Excel™ und Matlab®: Optimierung der Strategischen Asset Allocation mittels Safety-First-Ansätzen sowie Semivarianz basierter Optimierung

Robuste Optimierungsverfahren für die Asset Allocation

	Praktische Probleme traditioneller Optimierungsverfahren
	3 Wege zur Lösung der praktischen Problembereiche
	Berücksichtigung der Prognoseunsicherheit in der Optimierung: worst-case robuste Optimierung und Optimierung mit korrigiertem Renditeschätzer
	Verwendung von Simulationsverfahren (Resampling) nach Broadie
	Stärken und Schwächen der Ansätze und Empfehlungen für den praktischen Einsatz
	Empfehlungen für die Praxis Zahlreiche Beispielmappen und Matlab-Codes wie zum Beispiel - Worst-case robuste Optimierung nach Tütüncü/Koenig - Optimierung mit korrigiertem Renditeschätzer nach Hirsch/Kleeberg und Ceria/Stubbs - Portfolio Resampling nach Broadie, Visualisierung des Schätzrisikos, Analyse der Ergebnisse

PC-Fallstudie mit Excel™ und Matlab®: Robuste Optimierung der globalen Asset Allocation am praktischen Beispiel

Warum dieser Kurs für Sie wichtig ist:

Die praktischen Fragestellungen im Portfoliomanagement werden immer anspruchsvoller und komplexer. Anderseits stehen im Bereich der Risikoanalyse, Simulation und Portfoliokonstruktion heute neue Methoden zur Verfügung, um den praktischen Anforderungen gerecht zu werden. Im Rahmen dieses Intensivkurses setzen Sie diese neuen Methoden unmittelbar auf der Grundlage von Excel™ um und erweitern deren Leistungspotenzial durch den Einsatz von Matlab®. Die Veranstaltung richtet sich gezielt an fortgeschrittene Teilnehmer, die bereits über hinlängliche Erfahrung in Bezug auf den praktischen Einsatz von Excel im Portfoliomanagement verfügen. Matlab Kenntnisse sind nicht erforderlich und werden im Kurs anhand praktischer Fallstudien vermittelt.

Profitieren Sie von den neuesten Ansätzen im Portfoliomanagement

Sachgerechte Analyse des Downside-Risikos
Die klassischen Risikomaßgrößen wie z.B. die Volatilität und der Tracking Error basieren auf der Normalverteilungsannahme und beziffern auch positive Renditeausschläge als Risiko. Viele Absolute Return Strategien (z.B. Wertsicherungskonzepte) und Assetklassen (z.B. Wandelanleihen) gehorchen jedoch gerade nicht der Normalverteilung und erfordern deshalb auch eine andere Behandlung in der Risikomessung. In der Praxis stehen heute eine Reihe ausfallorientierter Risikomaße zur Verfügung, die in diesem Kurs vorgestellt und mit Excel™ und Matlab® im Rahmen praktischer Fallstudien umgesetzt werden. Sie lernen, wie Sie die verschiedenen Risikomaße gewinnbringend für sich nutzen können und auf welche Probleme Sie beim praktischen Einsatz achten müssen.

Monte-Carlo-Simulationen bei nicht-normalverteilten Renditen
Viele heute in der Praxis genutzte Instrumente (z.B. Derivate) und Assetklassen (z.B. Hedge Funds) gehorchen nicht der Normalverteilung. Eine passgenaue Erfassung solcher Anlagen erfordert eine Simulationsumgebung, welche gezielt die Schiefe und Wölbung von Anlagen modelliert. Diese Fragestellungen greifen wir in diesem Intensivseminar auf und veranschaulichen die praktische Umsetzung auf der Basis von Excel™ und Matlab® im Rahmen einer PC-Fallstudie.

Robuste Asset Allocation: Der Schlüssel zu ausgewogenen Portfoliostrukturen
Die praktischen Erfahrungen mit der Portfoliooptimierung zeigen, dass solche „Optimized Portfolios“ häufig keineswegs optimal sind. Diese Ernüchterung ist allerdings keineswegs auf ein Manko der Portfoliooptimierung an sich, sondern auf die unsachgemäße Anwendung dieser Technik zurückzuführen. So wird in den meisten Anwendungen implizit unterstellt, dass die Prognosen über die Entwicklung der einzelnen Assetklassen sicher feststehen. In der Praxis unterliegen Prognosen über zukünftige Kursentwicklungen gleichwohl großen Unsicherheiten und Prognosefehlern. Die Verfahren der robusten Portfoliooptimierung berücksichtigen diese Prognosefehler explizit in dem Optimierungsansatz und führen damit zu ausgewogeneren Portfoliostrukturen.

Im Rahmen dieses Intensivkurses erarbeiten Sie robuste Optimierungsansätze mit Excel™ und Matlab®. Danach setzen Sie diese dann praktisch am PC um. Der Workshop bietet Ihnen die Umsetzung der robusten Portfoliooptimierung mittels Resampling-Ansätzen auf der Basis von Excel™ und Matlab®.

Alle Dateien zum Mitnehmen
Neben den genannten Fallstudien werden die theoretisch behandelten Konzepte auch anhand von Excel-Beispielmappen und Codebeispielen in Matlab verdeutlicht und praktisch umgesetzt. So entsteht eine kleine „Bibliothek“ an praktischen Beispielen, die als Anregung für die eigenen Problemlösungen dienen könnte. Als Teilnehmer dieses Intensivkurses erhalten Sie sämtliche in diesem Kurs eingesetzte Dateien. Damit ist sichergestellt, dass Sie die erlernten Inhalte am Arbeitsplatz praktisch umsetzen können und somit einen maximalen Nutzen aus diesem Intensivkurs ziehen.