Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen - Möglichkeiten und Grenzen des Verfahrens bei der Bestimmung der Verteilungs- und Intervallprognose der Renditen und Renditevolatilität sowie bei der Berechnung von Value-at-Ri

Bootstrap-Verfahren bei der Berechnung von Prognosen in (G)ARCH-Modellen

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 Einleitung

2 Theoretische Grundlagen

2.1 Zeitreihen als stochastische Prozesse

2.2 Spezielle stochastische Prozesse

2.2.1 White-Noise

2.2.2 ARMA-Prozesse

2.3 Bedingte und unbedingte Verteilungen und Momente höherer Ordnung

3 Modellierung von Renditezeitreihen mittels (G)ARCH-Modellen

3.1 Charakteristika von Renditezeitreihen

3.2 Grundmodelle der (G)ARCH-Modellfamilie

3.2.1 Engle’s ARCH-Modell

3.2.2 Bollerslev’s GARCH-Modell

3.3 Kritik und Optimierungsmöglichkeiten der Grundmodelle

3.4 Parameterschätzung in (G)ARCH-Modellen

3.5 Prognosen mittels (G)ARCH-Modellen

4 Bootstrap-Verfahren

4.1 Definition und Anwendungsgebiete

4.2 Grenzen theoretischer Statistik und Bootstrap-Verfahren als Lösungsansatz

4.3 Konsistenz der Boostrap-Schätzungen

4.4 Anwendung des Bootstrap-Verfahrens auf die Zeitreihen

5 Anwendung des Bootstrap-Verfahrens in Kombination mit (G)ARCH-Modellen bei Prognoseerstellungen

5.1 Verteilungsprognose für Renditen und Volatilität

5.2 Anwendung des Bootstrap-Verfahens bei der Berechnung von Value-at-Risk

5.3 Kritische Würdigung der Anwendung des Bootstrap-Verfahrens bei der Berechnung von Prognosen in (G)ARCH-Modellen

6 Zusammenfassung

Literaturverzeichnis