Banken, Kapitalanlagegesellschaften und Versicherungen unterstützen wir beispielsweise bei Aufgaben wie

  • Modellierung von Marktrisiken (Messung von absoluter und relativer Risk Exposure, Zinsrisiken und Zinskurvenmodelle, Hedging z.B. im ALM, Besonderheiten in Emerging Markets)
  • Modellierung von Kreditrisiken (Analyse von Abhängigkeiten insbesondere bei Asymmetrie, Modellrisiken, Value at Risk vs. Expected Shortfall, Basel II: PD, LGD, EAD, dynamisch modelliertes Credit Risk Exposure und Portfoliomanagement)
  • Modellierung von Operational Risk (Schadensmodellierung, Loss Databases, Information Risk Management wie z.B. Technische Ausfallrisiken und Fraud Detection, Self Asssessments, Robustheitsuntersuchungen, Key Risk Generators und LDA)
  • Modellierung von Liquiditätsrisiken (idiosynkratische und systematische Liquiditätsrisikofaktoren, Fristenkongruenz im ALM: Cash Flow Forecasting, Stresstests, Transaktionsrisiken: Spreadanalysen, Analysen von Tradingvolumina und Order Books)
  • Entwicklung von Ratings
  • Portfolio-Optimierung (Markowitz, Black-Litterman, Alternativen)
  • Simulationen für das Asset Liability Management
  • Mitentwicklung und Validierung quantitativer Trading-Strategien

Oft spielt hier auf Grund großer Datenmengen und komplexer numerischer Probleme auch die effiziente Programmierung eine wichtige Rolle.

Ihr Nutzen

Als Auftraggeber aus der Finanzindustrie profitieren Sie einerseits von unserem Experten-Know-How in der Statistik, Finanzmathematik und Versicherungsmathematik, insbesondere der Ökonometrie und Optimierung, andererseits von unseren Erfahrungen im Umgang mit großen Datenbanken. Dank hervorragender Kenntnisse in Matlab, SAS, SPSS wie auch in R und in Spezialprogrammen wie z.B. Eviews sowie in Hochsprachen (C++, Java) können wir unsere Arbeit nahtlos in bestehende Systeme integrieren.

Dienstleistungen in der Finanzbranche

Typische Aufgaben, die wir übernehmen, sind beispielsweise

  • Schätzung zeitreihenanalytischer Verfahren bzw. stochastischer Prozesse (ARCH/GARCH, Heston, ARIMA, VAR-Modelle, VEqC, Kointegration)
  • Kalibrierung von Modellen für das Pricing von Derivaten (Optionsmodelle, Zinsstrukturmodelle)
  • Anpassung geeigneter multivariater Verteilungsmodelle (Mischverteilungen, Anpassung von Copulas, CAVIAR, Analyse von Co-Movements)
  • Berechnung von Kennzahlen (VaR, Expected Shortfall, Sharpe Ratio)
  • Entwicklung von Rating- und Scoringmodellen
  • Replikation von Hedgefonds-Strategien
  • Simulationen für die Entwicklung von Portfolien oder für Stresstests

Wir bieten auch Kurse und Seminare in Statistik auf verschiedenen Niveaus an, zugeschnitten auf Ihre Bedürfnisse.

Des Weiteren haben wir umfangreiche Erfahrung bei der Unterstützung von Doktorarbeiten und anderen empirischen Studien im Bereich der Finanzwissenschaften.

Projektbeispiele aus der Finanzbranche

Hedgefund-Rating
Unser Bewertungsmodell für Germany's Annual Hedge Funds Award wurde 2008 erstmals vorgestellt und in den letzten zwei Jahren kontinuierlich weiterentwickelt. Darüber berichteten unter anderem das Derivate Magazin, der X-Markets Quarterly Review der Deutschen Bank, Wallstreet Online und der Bundesverband Alternative Investments. Die Präsentation zur Preisverleihung 2010 finden Sie hier.
Risiko-Daten
Das Produkt SENSIS der Deutschen Börse beruht in wesentlichen Teilen auf einem Konzept von STAT-UP zur hierarchischen Simulation nichtlinearer Renditen. Die Deutsche Börse setzte die Methodik im Fuchsbriefe-Test ein; Projektleiter Christian Libor berichtete dazu ausführlich in einem Magazin des Vermögensmanagers avesco.
Kreditrisiko-Modell
Wir entwickelten ein multivariates Prognosemodell (k-Factor-GARCH) für Kreditrisiken als Grundlage für die Entwicklung innovativer strukturierter Produkte. Das Modell sagte die Entwicklung von Indexvolatilitäten und Korrelationen auf Branchen- und Länderebene voraus. Außerdem entwickelten und validierten wir ein Verfahren zur Modellwahl, da klassische Annahmen statistischer Tests verletzt waren (Normalverteilung, Unkorreliertheit). Die Programmierung des Modells sowie der zugehörigen numerischen Optimierungsverfahren und einer eigenen Grafik-Bibliothek erfolgte in C++.
Trading-Strategien
Wir validierten und optimierten quantitative Volatilitätsarbitrage- und Long/Short-Equity-Strategien, die in zwei Fonds für institutionelle Investoren eingesetzt wurden. Zudem stellten wir Risiko- und Performance-Kennzahlen für die Factsheets bereit.
Asset-Liability-Management
Wir erforschten zusammen mit dem Stiftungslehrstuhl Asset Management (EBS) ein ALM-Modell mit einer bayesianischen Komponente. Die Simulation der so genannten "Probabilistic Utility" führten wir mit einem Hybrid-MCMC durch. Dazu wurde ein AL-Portfolio über ein Vector Equation Correction Modell repliziert. Es wurde mit Hilfe von Indizes verschiedener Asset-Klassen kalibriert. Das Modell sollte stabilere Gewichte als die klassischen Markowitz-Optimierung erzielen, eine bessere Abbildung der Risikoaversion eines Investors ermöglichen und schließlich Informationen über die Unsicherheit in der Schätzung der optimalen Asset Allocation liefern. Wir trugen einerseits zur Konzeption bei, andererseits führten wir den kompletten empirischen Teil der Studie einschließlich der Implementierung in R durch.
Volatilitäts-Modell
Wir entwickelten und programmierten ein parametrisches Volatilitätsmodell in der Orc VM API. Programmiersprache war C, wesentliche Anforderungen waren eine sparsame Parametrisierung sowie eine konsistente Interpolation über Strikes und Terms bei der Generierung der Surfaces.
Risiko-Seminare
Wir konzeptionierten und hielten Workshops u.a. zu den Themen Risikomessung und -Steuerung, Klassifikation von Versicherten, Scoring-Verfahren, Basel-II-konforme Berechnung von PD und LGD. Geschult wurden dabei die Software-Pakete SPSS, Stata und R.

Publikationen in der Finanzbranche

  • Schüller K: Reich werden mit Mathematik. Mathe-lmu.de, Juni 2004.
  • Mittnik S, Schüller K: Catching the Spirit of Basel II: Challenges for Financial Risk Management in Transition Economies. Social and Economic Research in Transition Periods Vol. 3.1 2006, ISSN 1727-589X
  • Khan N., Pritchard, D.: Offshore Compliance: Using Regression and Risk Modeling to Select Cases from Large Datasets, 2006 IRS Conference, Washington DC.
  • Schüller K: Da Vinci, die Griechen und das Zittern der Märkte. Derivate Magazin, 1/2007.
  • Schüller K: Leaving Las Vegas. Derivate Magazin, 4/2007.
  • Füss R, Schüller K, Wiethüchter M: Portfolio Selection in Asset Liability Management using Probabilistic Utility Functions. Working Paper, European Business School, 2010