3. Analyzing, Measuringand Forecasting Financial Risks (WIN-Programm)

Parameterschätzung als auch die asymptotische Theorie hierfür sind neu in der
Literatur. Diese Regressionsmethode hat vielfältige Anwendungsmöglichkeiten im
Bereich der Risikoschätzung und -vorhersage für die Risikomaße VaR und (vor
allem) ES. Dies ist insbesondere relevant in naher Zukunft durch das Einbeziehen
von ES in die Handelsvorschriften des BASEL Commitee of Banking Supervision
(BASEL 3.5 und das kommende BASEL 4).
In einem dritten Projekt konstruieren wir einen Backtest (welcher testet, ob
Vorhersagen für die Risikomaße richtig spezifiziert wurden und zu den realisier-
ten Aktienkursen passen) für ES basierend auf unserem neuen Regressionsmodell.
Dieser Backtest ist der erste Test, welcher nur den ES testet, wobei die anderen
Tests in der Literatur immer Kombinationen verschiedener Risikomaße oder die
komplette Verteilung testen. Unser neuer Backtest hat sehr gute Eigenschaften in
Bezug auf die Fähigkeit festzustellen, welche Vorhersagen und Modelle für den
ES von Finanzkursen statistisch gesehen realistisch sind und welche nicht. Diese
Eigenschaften unseres Tests, üblicherweise genannt size und power, sind besser als
die der existierenden alternativen Backtests für ES. Die Konstruktion gut funktio-
nierender Evaluierungsmethoden für ES ist insbesondere relevant in Bezug auf die
Veiwendung von ES als Standardrisikomaß des BASEL Komitees, welches noch
keine sinnvollen Evaluationsmethoden für ES vorgeschlagen hat.
Ein viertes Forschungsprojekt, zusammen mit Dr. Tobias Fissler vom Impe-
rial College London und Prof. Dr. Johanna F. Ziegel von der Universität Bern hat
mehrere Ziele, die hauptsächlich im Bereich der statistischen Theorie liegen, wo-
bei die Ergebnisse sich aber an praktischen Problemen im Risikomanagement ori-
entieren. Zum einen sollen die Beweise im zweiten Forschungsprojekt auf einen
allgemeinen Fall von Zeitreihendaten verallgemeinert werden. Zudem soll eine
untere Schranke für die asymptotische Varianz der Parameterschätzung für den
Zeitreihenfall angegeben werden. Dadurch soll auch ein bisher unbekanntes sta-
tistisches Phänomen exemplarisch aufgezeigt werden: Im Falle von Regressions-
arten, die gleichzeitig mehrere verschiedene statistische Funktionale modellieren,
kann die untere Schranke der asymptotischen Varianz zwar durch Z-Schätzung
(GMM-Schätzung), jedoch nicht durch M-Schätzung erreicht werden.
Das zweite Forschungsprojekt wurde im Jahr 2017 bei den folgenden Kon-
ferenzen vorgestellt: 1. im statistischen Institutsseminar an der Universität Bern
im April 2017, 2. bei dem 3rd Ko La Workshop on Finance and Econometrics in
Lancester im Mai 2017, 3. auf dem World Statistics Congress in Marrakesh im Juli
2017, und 4. auf dem European Meeting der Econometric Society in Lissabon im
August 2017. Zudem wurde das dritte Forschungsprojekt im Dezember 2017 auf
der 1 Ith International Conference on Computational and Financial Econometrics
in London vorgestellt. Bei allen Konferenzen konnte wertvolles und hilfreiches
Feedback gesammelt und Kontakt zu Wissenschaftlern mit ähnlichen Forschungs-
interessen geknüpft werden.

301