Tutorium BiF WS19

Tutorium mathematische & statistische Grundlagen
Basics in Finance, WS 2019
Daniel Zeiner
h1648678@s.wu.ac.at
Sprechstunde: Montag, 15.00-16.00

D4.4.013 (am 14.10.: keine Sprechstunde)
Daniel Zeiner (WU) Basics in Finance Oktober 2019

Überblick
1 Erwartungswert und Varianz
2 Kovarianz
3 Korrelation
4 Doppelsummen
5 Regression & Beta
6 Excel- Anfänge
2017| DataDaniel
Analytics
Zeiner (WU) Basics in Finance Oktober 2019
Rendite
2017| DataDaniel
Analytics
Zeiner (WU) Basics in Finance Oktober 2019
Rendite
Aktie A B
Kaufpreis/Anfangskapital 50 100
Verkaufspreis/Endkapital 100 150
• Welche Aktie hat die höhere Rendite?

Rendite
Aktie A B
Kaufpreis/Anfangskapital 50 100
Verkaufspreis/Endkapital 100 150
Kapitalzuwachs 50 50
Rendite 100% 50%
• Die Rendite ist die prozentuelle Veränderung im Vergleich zur Vorperiode

Erwartungswert & Varianz

Erwartete Rendite & Varianz | Aufgabe 1 - Apple Inc.
Jahr Schlusskurs
2011 53.58
2012 71.03
2013 76.76
2014 107.95
2015 104.69
• Schätzen Sie den Erwartungswert und die Varianz der Rendite von Apple Inc.

Rendite
$% &$%'( $% $%'( $%
𝑟" = = − = −1
$%'( $%'( $%'( $%'(
𝒓𝒕 ist die Rendite zum Zeitpunkt 𝑡

𝑿𝒕 ist der Kurs zum Zeitpunkt 𝑡
𝑿𝒕&𝟏 ist der Kurs zum Zeitpunkt 𝑡 − 1

$% &$%'( $%
𝑟" = = −1
$%'( $%'(
Rendite | Apple Inc.
𝑟 $45(4' 645(( $45(4 72.19

01203 3 &23 &231.90:<;200=
$45(( $45(( :9.:;
𝑟 $ 7<.7<
0129 3 45(> &23 &231,1;1<7129@
$45(4 72.19
𝑟 $ 217.@:
012= 3 45(A &23 &231.=1<992=09
$45(> 7<.7<
𝑟 $ 21=.<@
012: 3 45(B &23 &23&1.1912@@2<<
$45(A 217.@:

Rendite | Apple Inc.
Jahr Schlusskurs Rendite

2011 53.58
2012 71.03 0.325681224
2013 76.76 0.080670139
2014 107.95 0.406331423
2015 104.69 -0.030199166

Erwartungswert
• Sei X eine diskrete Zufallsvariable mit den Realisationen 𝑥D und den dazugehörigen
Wahrscheinlichkeiten 𝑝D , wobei 𝑖 = 1,2, … , 𝑁 , dann berechnet man den Erwartungswert wie
folgend:
M M
𝐸 𝑋 = L 𝑝D N 𝑥D = L 𝑃 𝑋 = 𝑥D N 𝑥D
D32 D32
• Schätzer für den Erwartungswert:
M
1
𝑋 = L 𝑥D
𝑁
D32

Erwartungswert |Rendite
• Daraus folgt für den Erwartungswert der Rendite:
M
𝐸 𝑅 = L 𝑝D NQR
D32
• Schätzer für den Erwartungswert der Rendite:
M
1
𝐸 𝑅 = L 𝑟"
𝑁
"32

Schätzer Erwartungswert Rendite | Apple Inc.
=
1
𝐸 𝑅STTUV = L 𝑟"
4
"32
1
𝐸 𝑅STTUV = (𝑟2 + 𝑟0 + 𝑟9 + 𝑟=)
4
1
𝐸 𝑅STTUV = (0.325681224 + 0.080670139 + 0.406331423 + (−0.030199166))
4
= 0.195620905

Varianz
• Die Varianz ist die erwartete quadratische Abweichung einer Zufallsvariable X von ihrem
Erwartungswert E 𝑋 :
𝑉𝑎𝑟 𝑋 = 𝐸 (𝑋 − 𝐸 𝑋 )0
• Sei X eine diskrete Zufallsvariable mit dem Erwartungswert 𝐸 𝑋 , dann berechnet man die
Varianz wie folgend:
M M
𝑉𝑎𝑟 𝑋 = L 𝑝D N 𝑥D − 𝐸 𝑋 0 = L 𝑃 𝑋 = 𝑥D N (𝑥D − 𝐸 𝑋 )0
D32 D32

Varianz
• Schätzer für die Varianz:
M
1
𝑉𝑎𝑟 𝑋 = 𝜎^ 0 = L(𝑥D − 𝐸 𝑋 )0
𝑁−1
D32

Renditen | Apple Inc.

2011 53.58
2012 71.03 0.325681224
2013 76.76 0.080670139
2014 107.95 0.406331423
2015 104.69 -0.030199166
Erwartungswert 0.195620905

Schätzer Varianz | Rendite von Apple Inc.
2 2
𝑉𝑎𝑟 𝑅STTUV = ∑M
D32 (𝑟D − 𝐸 𝑅STTUV ) = 0 ∑=D32(𝑟D − 𝐸 𝑅STTUV )0
M&2 =&2
1
= N ((0.325681224 − 0.195620905)0 + (0.0867139 − 0.195620905)0
3
+ (0.406331423 − 0.195620905)0+ (−0.030199166 − 0.195620905)0
= 0.041840997
• 𝑟2 = 0.325681224, 𝑟0 = 0.0867139, 𝑟9 = 0.406331423 , 𝑟= = −0.030199166

• 𝐸 𝑅STTUV = 0.195620905

Kovarianz zweier Zufallsvariablen

Kovarianz| Aufgabe 2 – Microsoft Corporation
Jahr Schlusskurs
2011 23.05
2012 24.39
2013 35.20
2014 44.90
2015 55.08
• Schätzen Sie den Erwartungswert der Rendite von Microsoft Corporation

• Schätzen Sie die Varianz der Rendite von Microsoft Corporation
• Berechnen Sie die Kovarianz zwischen den Renditen von Apple Inc. und Microsoft Corporation

Renditen | Microsoft Corp.

2011 23.05
2012 24.39 0.05834490
2013 35.20 0.443214432
2014 44.90 0.275568182
2015 55.08 0.226726058
$% &$%'( $%
• 𝑟" = $%'(
= $%'(
−1

Schätzer Erwartungswert Rendite | Microsoft Corp.
=
1
𝐸 𝑅hDiQjkjl" = L 𝑟"
4
"32
2
𝐸 𝑅hDiQjkjl" = (𝑟2 + 𝑟0 + 𝑟9 + 𝑟=)
=
1
𝐸 𝑅hDiQjkjl" = (0.058134490 + 0.443214432 + 0.275568182 + 0.226726058)
4
= 0.250910791

Schätzer Varianz der Rendite | Microsoft Corp.
2 2
𝑉𝑎𝑟 𝑅hDiQjkjl" = ∑M
D32(𝑟D − 𝐸 𝑅hDiQjkjl" )0 = ∑=D32(𝑟D − 𝐸 𝑅hDiQjkjl" )0
M&2 =&2
1
= N ((0.058134490 − 0.250910791)0 +(0.443214432 − 0.250910791)0
3
+ (0.275568182 − 0.250910791)0 + (0.226726058 − 0.250910791)0
= 0.025112094
• 𝑟2 = 0.058134490, 𝑟0 = 0.443214432, 𝑟9 = 0.275568182, 𝑟= = 0.226726058

• 𝐸 𝑅hDiQjkjl" = 0.250910791

Kovarianz
• Die Kovarianz misst den linearen Zusammenhang zweier Zufallsvariablen X und Y mit
gemeinsamer Wahrscheinlichkeitsverteilung. Wenn 𝐸 𝑋 und 𝐸 𝑌 existieren, gilt :
𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸 (𝑋 − 𝐸 𝑋 ) N (𝑌 − 𝐸 𝑌 )
• Seien X und Y zwei Zufallsvariablen mit den Realisationen 𝑥D , 𝑦D und den dazugehörigen
Wahrscheinlichkeiten 𝑝D , wobei 𝑖 = 1,2, … , 𝑁, dann berechnet man die Kovarianz wie folgend:
M
𝐶𝑜𝑣 𝑋, 𝑌 = 𝐸 (𝑋 − 𝐸 𝑋 ) N (𝑌 − 𝐸 𝑌 ) = L 𝑝D N (𝑥D − 𝐸 𝑋 ) N (𝑦D − 𝐸 𝑌 )
D32

Schätzer der Kovarianz
• Schätzer für die Kovarianz:

M
1
𝐶𝑜𝑣 𝑋, 𝑌 = L (𝑥D − 𝐸 𝑋 ) N (𝑦D − 𝐸 𝑌 )
𝑁−1
D32
𝑪𝒐𝒗 𝑿, 𝒀 > 𝟎
Ø Positiver linearer Zusammenhang
Ø hohe (niedrige) Werte von X gehen mit hohen (niedrigen) Werten von Y einher
𝑪𝒐𝒗 𝑿, 𝒀 = 𝟎
Ø Kein linearer Zusammenhang zwischen X und Y
𝑪𝒐𝒗 𝑿, 𝒀 < 𝟎
Ø Negativer linearer Zusammenhang
Ø hohe (niedrige) Werte von X gehen mit niedrigen (hohen) Werten von Y einher

Renditen | Apple Inc. & Microsoft Corp.
𝑟2 0.325681224 0.05834490
𝑟0 0.080670139 0.443214432
𝑟9 0.406331423 0.275568182
𝑟= -0.030199166 0.226726058
Erwartungswert 0.195620905 0.250910791
Varianz 0.041840997 0.025112094

Kovarianz | Zwischen Apple Inc. & Microsoft Corp.
=
1
𝐶𝑜𝑣 𝑅STTUV , 𝑅hDiQjkjl" = L (𝑟STTUV,D − 𝐸 𝑅STTUV ) N (𝑅hDiQjkjl" − 𝐸 𝑅hDiQjkjl" )
4−1
D32
1
= N ((0.325681224 − 0.195620905) N (0.058134490 − 0.250910791)
3
+ (0.406331423 − 0.195620905) N (0.275568182 − 0.250910791)
+ (0.080670139 − 0.195620905) N (0.443214432 − 0.250910791)
+ (−0.030199166 − 0.195620905) N (0.226726058 − 0.250910791)
= −0.0121736761

Kovarianz | ABER…
• Die Kovarianz ist nicht standardisiert!
Ø Daher kann die Kovarianz von der negativen Unendlichkeit bis zur positiven Unendlichkeit reichen. Somit
hängt der Wert für eine perfekte lineare Beziehung von den Daten ab. Da die Daten nicht standardisiert
sind, ist es schwierig, die Stärke der Beziehung zwischen den Variablen zu ermitteln.

Korrelation

Korrelation| Aufgabe 3
• Analysten einer Investmentbank schätzen die Entwicklung des ATX und der OMV Aktie anhand der
Wirtschaftslage Österreichs (Bruttoinlandsprodukt) für die nächsten Monate folgendermaßen ein:
ATX
Wirtschaftslage Gut Mittel Schlecht
Wahrscheinlichkeit 0.1 0.6 0.3
Rendite 0.25 0.1 -0.15
Wirtschaftslage Gut Mittel Schlecht

Wahrscheinlichkeit 0.1 0.6 0.3
Rendite 0.4 0.05 -0.02
• Berechnen Sie jeweils den Erwartungswert und die Varianz der Renditen sowie die Kovarianz zwischen der
Marktrendite (ATX) und der OMV Aktie und den Korrelationskoeffizienten der Renditen

Erwartungswert| OMV & ATX
M
𝐸 𝑅 = L 𝑝D NQR
"32
9
𝐸 𝑅Sy$ = L 𝑝D NQz{6 31.2N1.0:|1.<N1.2|1.9N &1.2: 31.1=
R
"32
9
𝐸 𝑅}h~ = L 𝑝D NQ•€• 31.2N1.=1|1.<N1.1:|1.9N &1.10 31.1<=
R
"32

M
Varianz| OMV & ATX 𝑉𝑎𝑟 𝑋 = L 𝑝D N 𝑥D − 𝐸 𝑅 0
D32
9
0
𝑉𝑎𝑟 𝑅Sy$ = L 𝑝D N 𝑥Sy$R − 𝐸 𝑅Sy$
D32
0 0 0
= 0.1 N 0.25 − 0.04 + 0.6 N 0.1 − 0.04 + 0.3 N −0.15 − 0.04 = 0.0174
9
0
𝑉𝑎𝑟 𝑅}h~ = L 𝑝D N 𝑥}h~R − 𝐸 𝑅}h~
D32
0 0 0
= 0.1 N 0.40 − 0.064 + 0.6 N 0.05 − 0.064 + 0.3 N −0.02 − 0.064 = 0.013524

Kovarianz| OMV & ATX
𝐶𝑜𝑣 𝑅Sy$ , 𝑅}h~ = ∑M

D32 𝑝D N 𝑟Sy$ − 𝐸 𝑅Sy$ N 𝑟}h~ − 𝐸 𝑅}h~
= 0.1 N 0.25 − 0.04 N 0.40 − 0.064

+ 0.6 N 0.1 − 0.04 N 0.05 − 0.064
+ 0.3 N −0.15 − 0.04 N −0.02 − 0.064
= 0.01134

Korrelation
• Da die Kovarianz nicht standardisiert ist, kann man keine Aussage über die Stärke der linearen Beziehung
zwischen 2 Zufallsvariablen treffen.
• Daher verwendet man den Korrelationskoeffizienten 𝜌
• Seien X und Y zwei Zufallsvariablen, dann berechnet man 𝜌 wie folgend:
…j† ($,‡)
𝜌ƒ,„ =
ˆ6 Nˆ‰
Ø Hierfür benötigen wir die Kovarianz und Standardabweichungen

• Standardabweichung: 𝑉𝑎𝑟𝑖𝑎𝑛𝑧 = 𝜎 0 = 𝜎
• Es gilt −1 ≤ 𝜌 ≤ 1

Übersicht| ATX & OMV
ATX
Wirtschaftslage Gut Mittel Schlecht Wirtschaftslage Gut Mittel Schlecht
Wahrscheinlichkeit 0.1 0.6 0.3 Wahrscheinlichkeit 0.1 0.6 0.3
Rendite 0.25 0.1 -0.15 Rendite 0.4 0.05 -0.02
Erwartungswert 0.04 Erwartungswert 0.064

Varianz 0.0174 Varianz 0.013524
𝐶𝑜𝑣 𝑅Sy$ , 𝑅}h~ = 0.01134

Korrelation| Berechnung
𝐶𝑜𝑣(𝑅Sy$ , 𝑅}h~) 0.01134

𝜌•z{6,••€• = = = 0.74
𝜎𝑅Sy$ N 𝜎𝑅}h~ 0.0174 N 0.013524

Vergleich| Kovarianz & Korrelation
• Welcher Plot zeigt eine größere Korrelation?

• Welcher Plot zeigt eine größere Kovarianz?

Vergleich| Kovarianz & Korrelation
Plot 1 Plot 2
Korrelation 0.9176675 0.298982
Kovarianz 6.85162 27.56547
• Korrelation zwischen -1 und 1

Ø Zeigt die Stärke an
• Kovarianz ist nicht standardisiert!

Ø Zeigt nur die Richtung an

Doppelsummen

Portfoliovarianz mit N Assets
• Die Varianz der Rendite eines Portfolios mit N Assets ist gegeben durch
M M
𝜎Ž 0 = L L 𝑥D N 𝑥• N 𝜎D,•
D32 •32
• 𝑥D und 𝑥• stehen für die Gewichtung des jeweiligen Assets im Portfolio

Portfoliovarianz mit 3 Assets | Aufgabe 4
• Gegeben ist eine Kovarianzmatrix von 3 Assets
0.003172 0.006229 -0.004210

0.006229 0.013709 0.000534
-0.004210 0.000534 0.052235
• Berechnen Sie die Varianz eines Portfolios, das diese 3 Aktien mit folgender Gewichtung enthält:
𝑋}h~3 0.2, 𝑋•‘‘j = 0.3, 𝑋’jk" = 0.5

Portfoliovarianz mit 3 Assets
9 9
𝜎Ž 0 = L L 𝑥D 𝑥• 𝜎D,•
D32 •32
= 𝑥2 𝑥2 𝜎2,2 + 𝑥2 𝑥0 𝜎2,0 + 𝑥2 𝑥9 𝜎2,9

+ 𝑥0 𝑥2 𝜎0,2 + 𝑥0 𝑥0 𝜎0,0 + 𝑥0 𝑥9 𝜎0,9
+ 𝑥9 𝑥2 𝜎9,2 + 𝑥9 𝑥0 𝜎9,0 + 𝑥9 𝑥9 𝜎9,9
= 𝑥2 𝑥2 𝜎2 0 +𝑥0 𝑥0 𝜎0 0 + 𝑥9 𝑥9 𝜎9 0 + 2𝑥2 𝑥0 𝜎2,0 + 2𝑥2 𝑥9 𝜎2,9 + 2𝑥0 𝑥9 𝜎0,9

Berechnung Portfoliovarianz
0.003172 0.006229 -0.004210

0.006229 0.013709 0.000534
-0.004210 0.000534 0.052235
𝑋}h~3 0.2, 𝑋•‘‘j = 0.3, 𝑋’jk" = 0.5
𝜎Ž 0 = 𝑥2 𝑥2 𝜎2 0 +𝑥0 𝑥0 𝜎0 0 + 𝑥9 𝑥9 𝜎9 0 + 2𝑥2 𝑥0 𝜎2,0 + 2𝑥2 𝑥9 𝜎2,9 + 2𝑥0 𝑥9 𝜎0,9
= 0.20 N 0.003172 + 0.30 N 0.013709 + 0.50 N 0.052235

+2 N 0.2 N 0.3 N 0.006229 + 2 N 0.2 N 0.5 N −0.00421
+2 N 0.3 N 0.5 N 0.000534 = 0.01448512

Berechnung Portfoliovarianz | Verständnisstütze Kovarianzmatrix
0.003172 0.006229 -0.004210 • Asset mit demselben Asset

à gewichtete Varianz
0.006229 0.013709 0.000534
-0.004210 0.000534 0.052235 • Asset mit einem anderen Asset
à 2 mal gewichtete Kovarianz
𝑋}h~3 0.2, 𝑋•‘‘j = 0.3, 𝑋’jk" = 0.5
𝜎Ž 0 = 𝑥2 𝑥2 𝜎2 0 +𝑥0 𝑥0 𝜎0 0 + 𝑥9 𝑥9 𝜎9 0 + 2𝑥2 𝑥0 𝜎2,0 + 2𝑥2 𝑥9 𝜎2,9 + 2𝑥0 𝑥9 𝜎0,9

Berechnung Portfoliovarianz | Kovarianzmatrix mit N Assets
Asset 1 Asset 2 Asset 3 … Asset n

Asset 1 𝜎2 0 𝜎2,0 𝜎2,9 … 𝜎2,“
Asset 2 𝜎0,2 𝜎0 0 𝜎0,9 … 𝜎0,“
Asset 3 𝜎9,2 𝜎9,0 𝜎9 0 … 𝜎9,“
…. … … … … …
Asset n 𝜎“,2 𝜎“,0 𝜎“,9 … 𝜎2 0
• Die Kovarianzmatrix hilft die Portfoliovarianz mit beliebig vielen Assets zu berechnen
à Sie ist also skalierbar!
Merke: Man kann die Kovarianz nur zwischen zwei Assets berechnen!

Regressionen

Regression| Intuition am Beispiel Pokémon
• Wie viele Pokémon fange ich wenn ich x Kilometer gehe?

Regression| Intuition am Beispiel Pokémon
• Mit Regressionsgeraden

Regression
• Eine Lineare Regression modelliert den Zusammenhang zwischen einer abhängigen
numerischen Variable Y und einer oder mehrerer unabhängigen erklärenden numerischen
Variablen X
𝑦D3 ” | •ƒR| –R
• 𝛼 und 𝛽 sind unbekannte Parameter der Grundgesamtheit

• 𝜖D sind iid ( independent & identical distributed) Fehler mit dem Erwartungswert 0 und einer
Varianz 𝜎 0

Regression
• Das optimale Modell wird durch die Minimierung der Fehler 𝜖D gefunden

Beta
𝐶𝑜𝑣(𝑋, 𝑌)
𝛽=
𝑉𝑎𝑟(𝑋)
• X: Erklärende Variable
Ø Bsp.: Rendite eines Marktes/Indizes
• Y: Abhängige Variable
Ø Bsp.: Rendite einer Aktie
• Im Finance ist der Betafaktor, einfach ausgedrückt, ein Gradmesser, der angibt, wie stark die
Aktie im Vergleich zum Markt schwankt.

Regression| OMV ~ ATX

Übersicht | Formeln
Theoretisch Schätzer
M M
1
Erwartungswert 𝐸 𝑋 = L 𝑝D N 𝑥D 𝑋 = L 𝑥D
𝑁
D32 D32
M M
1
Varianz 𝜎 0 = L 𝑝D N 𝑥D − 𝐸 𝑋 0
𝜎^ 0 = L(𝑥D − 𝐸 𝑋 )0
𝑁−1
D32 D32
M M
1
Standardabweichung 𝜎= 𝜎0 = L 𝑝D N 𝑥D − 𝐸 𝑋 0 𝜎^ = L(𝑥D − 𝐸 𝑋 )0
𝑁−1
D32 D32
M
M 1
𝜎^ƒ„ = L(𝑥D − 𝐸 𝑋 ) N (𝑦D − 𝐸 𝑌 )
Kovarianz 𝜎ƒ„ = L 𝑝D N (𝑥D − 𝐸 𝑋 ) N (𝑦D − 𝐸 𝑌 ) 𝑁−1
D32
D32
𝐶𝑜𝑣(𝑋, 𝑌) 𝜎^ƒ„
Korrelation 𝜌ƒ„ = 𝜎^ƒ„ =
𝜎ƒ N 𝜎„ 𝜎^ƒ N 𝜎^„
𝐶𝑜𝑣(𝑋, 𝑌)
Beta 𝛽=
𝑉𝑎𝑟(𝑋)

Exkurs: Excel-Anfänge

Download der Daten| Tesla Inc.
https://finance.yahoo.com/quote/TSLA?p=TSLA
Download der Daten |Anpassen des Zeitraums und der Frequenz
https://finance.yahoo.com/quote/TSLA/history?p=TSLA

In Excel | CSV öffnen in einem leeren Excel Sheet

In Excel | Änderung Dezimalzeichen von Punkt zu Komma
al t&
do ws
s neu Win Apple
do w
Win

al t&
do ws
s neu Win Apple
do w
Win

al t&
do ws
s neu Win Apple
do w
Win

In Excel | Für die spätere Rechnung werden wir den Adjusted Close

In Excel | Regression der Rendite mit der Marktrendite

In Excel | Regression der Rendite mit der Marktrendite

In Excel | Regression

In Excel | Regression

In Excel | Regressionsgerade einfügen

In Excel | Das Marktbeta kann man schon hier ablesen

In Excel | Alternativer Weg über Datenanalyse in Excel



Tutorium BiF WS19

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Tutorium BiF WS19

Hochgeladen von

Copyright:

Verfügbare Formate

Tutorium mathematische & statistische Grundlagen

Basics in Finance, WS 2019

Sprechstunde: Montag, 15.00-16.00

Daniel Zeiner (WU) Basics in Finance Oktober 2019

5 Regression & Beta

Verkaufspreis/Endkapital 100 150

• Welche Aktie hat die höhere Rendite?

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Verkaufspreis/Endkapital 100 150

Rendite 100% 50%

• Die Rendite ist die prozentuelle Veränderung im Vergleich zur Vorperiode

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

𝒓𝒕 ist die Rendite zum Zeitpunkt 𝑡

Daniel Zeiner (WU) Basics in Finance Oktober 2019

𝑟 $45(4' 645(( $45(4 72.19

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Jahr Schlusskurs Rendite

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Schätzer für den Erwartungswert:

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Daraus folgt für den Erwartungswert der Rendite:

• Schätzer für den Erwartungswert der Rendite:

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Schätzer für die Varianz:

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Jahr Schlusskurs Rendite

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• 𝑟2 = 0.325681224, 𝑟0 = 0.0867139, 𝑟9 = 0.406331423 , 𝑟= = −0.030199166

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Schätzen Sie den Erwartungswert der Rendite von Microsoft Corporation

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Jahr Schlusskurs Rendite

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• 𝑟2 = 0.058134490, 𝑟0 = 0.443214432, 𝑟9 = 0.275568182, 𝑟= = 0.226726058

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Schätzer für die Kovarianz:

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Erwartungswert 0.195620905 0.250910791

Varianz 0.041840997 0.025112094

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

• Die Kovarianz ist nicht standardisiert!

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Wirtschaftslage Gut Mittel Schlecht

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Daniel Zeiner (WU) Basics in Finance Oktober 2019

𝐶𝑜𝑣 𝑅Sy$ , 𝑅}h~ = ∑M

= 0.1 N 0.25 − 0.04 N 0.40 − 0.064

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Ø Hierfür benötigen wir die Kovarianz und Standardabweichungen

Daniel Zeiner (WU) Basics in Finance Oktober 2019

Erwartungswert 0.04 Erwartungswert 0.064

𝐶𝑜𝑣 𝑅Sy$ , 𝑅}h~ = 0.01134

Daniel Zeiner (WU) Basics in Finance Oktober 2019