Class objective(s) (learning outcomes)

Nach Absolvierung dieser Lehrveranstaltung sollen die Studierenden ein grundlegendes Methodenwissen zum praktischen Einsatz der Monte-Carlo Simulation vorweisen können. Darüber hinaus werden sie über ausreichende Kenntnisse verfügen, um angewandte Problemstellungen entweder mittels MS Excel oder der Statistiksoftware R zu lösen. Zudem werden die Studierenden die Grundkonzepte der Kredit-Portfoliomodellierung beherrschen und diese Modelle implementieren können.

Teaching and learning method(s)

Die Vermittlung der Lehrinhalte erfolgt anhand von Präsentationsfolien, die von 2 Lehrveranstaltungsleitern vorgetragen werden. Das Folienskriptum beinhaltet einfache Beispiele (samt Lösungen), welche die Studierenden während der Lehrveranstaltung an ihren Rechnern lösen sollen. Die beiden Lehrveranstaltungsleiter unterstützen die Studierenden dabei . Zur weiteren Vertiefung werden über die LVA-Homepage Hausübungen angeboten und interessierten Studierenden Hilfestellung angeboten.

In case of restricted admission; selection criteria

Die Grundkurse I und II der SBWL Bankbetriebslehre müssen positiv absolviert worden sein!
Vorkenntnisse: Gute statistische Kenntnisse und der geübte Umgang mit Excel sind von Vorteil!

Criteria for successful completion

Der Beurteilungsmodus basiert auf Basis eines Take Home Exams sowie einer Endklausur (+ Nachtermin) mit folgender Gewichtung:
1. Take Home Exam (40%)
2. Endklausur (60%)

Availability of instructor(s) for contact by students

Individuelle Sprechstunden-Termine können per Email an mailto:banking@wu-wien.ac.at vereinbart werden.

Die LVA startet mit den grundlegenden Konzepten der Monte-Carlo Simulation anhand eines einfachen Beispiels zur Bewertung einer Europäischen Call-Option.
Darauf aufbauend folgen verschiedene Techniken, deren Verständnis Voraussetzung für den richtigen Einsatz der Monte-Carlo Simulation ist. Diese bestehen aus dem Konzept zur Generierung von Zufallszahlen, dem Monte-Carlo Fehler, sowie Varianzreduzierenden Verfahren, um eben diesen Fehler zu minimieren. Da für viele Problemstellungen Korrelationen ebenfalls zu berücksichtigen sind, wird überdies ein Algorithmus vorgestellt mit dessen Hilfe korrelierte Zufallszahlen erzeugt werden können.
Nach der Vermittlung der verschiedenen Techniken folgt eine grundlegende Einführung in das Statistikpaket R. Dem Studierenden werden verschiedene Programmierkonzepte anhand einfacher Beispiele gezeigt.
Abschließend werden die Konzepte der bekanntesten Kredit-Portfoliomodelle (Merton, CreditMetrics, Moody’s KMV) vorgestellt und implementiert. Somit können die für das Risikomanagement wichtigen Kennzahlen wie der Credit Value at Risk berechnet werden.

Paul Glasserman: Monte Carlo Methods in Financial Engineering, Springer, 2004; Content relevant for class examination: Keine Angabe; Content relevant for degree examination: Keine Angabe; Recommendation: Keine Angabe