Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/330328 
Autor:innen: 
Erscheinungsjahr: 
2025
Schriftenreihe/Nr.: 
Forschung am ivwKöln No. 1/2025
Verlag: 
Technische Hochschule Köln, Institut für Versicherungswesen (ivwKöln), Köln
Zusammenfassung: 
Für Unternehmen werden die Anforderungen an die Genauigkeit bei der Bewertung von Risiken aufgrund interner und externer Faktoren zunehmend höher. Dies erfordert komplexere Modelle und Berechnungsmethoden, sowohl auf der Ebene von Einzelrisken als auch auf der Ebene von Risikoportfolios. Häufig führen Unternehmen daher Monte-Carlo-Simulationen zur Ermittlung von Risiko-Kennzahlen durch. In der vorliegenden Arbeit wird eine numerische Alternative, basierend auf dem stochastischen Begriff der charakteristischen Funktion, vorgestellt und in drei komplexeren Fallbeispielen angewendet. Es zeigt sich, dass bei den hier gewählten Fallbeispielen die Abweichungen zwischen den Ergebnissen der beiden Methoden nicht signifikant sind.
Zusammenfassung (übersetzt): 
For companies, the requirements for accuracy in risk assessment are becoming increasingly stringent due to internal and external factors. This necessitates more complex models and calculation methods, both at the level of individual risks and at the level of risk portfolios. Companies therefore often use Monte Carlo simulations to determine risk indicators. This paper presents a numerical alternative based on the stochastic concept of the characteristic function and applies it to three complex case studies. It shows that, in the case studies selected here, the differences between the results of the two methods are not significant.
Schlagwörter: 
Risikoquantifizierung
charakteristische Funktion
numerisches Ableiten
numerische Integration
kombinierte Verteilungen
operationelle Risiken
Risk quantification
characteristic function
numerical differentiation
numerical integration
combined distributions
operational risks
JEL: 
G
G2
G29
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Research Report

Datei(en):
Datei
Größe
682.29 kB





Publikationen in EconStor sind urheberrechtlich geschützt.