Publisher's Synopsis
Inhaltsangabe: Einleitung: Aktive und quantitative Banksteuerung wird vor dem Hintergrund sinkender Margen und zunehmender Marktvolatilitäten immer wichtiger. Während das Instrumentarium zur Messung von Wert, Ertrag und Risiko auch mit Blick auf Softwarelösungen vielfältig ist, sind quantitative Methoden zur Findung der richtigen Steuerungsmaßnahmen bisher vernachlässigt worden. Die Mehrzahl der in der Praxis eingesetzten Techniken sind konzeptionell sehr einfach und ignorieren wichtige dynamische Elemente des Portfoliomanagements. Die Studie von Michael Hänselmann (Universität Ulm) setzt an diesem Punkt an. In einer kurzen Einführung werden die Aufgaben und Anforderungen skizziert, die ein Asset-Liability Management Modell idealerweise erfüllen sollte. Das Problem wird mit Hilfe eines mehrstufigen stochastischen Entscheidungsmodells dargestellt, wobei die zukünftigen Szenarien aus dem Ho/Lee-Zinsstrukturmodell generiert werden. Im Zentrum der Arbeit werden drei Lösungsansätze vorgeschlagen, wobei neben der klassischen linearen Optimierung ein Aggregationsalgorithmus, der das Größenwachstum der Szenarienbäume reduziert, und ein Genetischer Algorithmus zur Anwendung kommen. An einer konkreten Modellbank wird gezeigt wie die Lösungsansätze mittels eigener C-Programme umgesetzt werden können und wie sensitiv die optimale Lösung auf eine Veränderung wichtiger Steuerungsparameter reagiert. Inhaltsverzeichnis: Inhaltsverzeichnis: 1.Einleitung1 2.Asset-Liability Management3 2.1Notwendigkeit des ALM3 2.2Risikoursachen und Risikomessung5 2.2.1Unternehmensziele und -risiken5 2.2.2Risikofaktoren6 2.3ALM-Techniken7 3.Das ALM -Modell10 3.1Modellbeschreibung10 3.2Notation13 3.3Modelleigenschaften15 3.3.1Arbitragefreie Szenarien15 3.3.2Benötigte Inputdaten17 3.3.3Größenordnung des ALM-Programms18 4.Lösungsansätze19 4.1Lineare Optimierung mit CPLEX19 4.1.1Das Zinsstrukturmodell nach Ho und Lee19 4.2Aggregationsmethoden24 4.2.1Zustands-Aggregation24 4.2.2Z
