Machine Learning in Empirical CAT Bond Pricing
eBook - PDF

Machine Learning in Empirical CAT Bond Pricing

  1. 159 pages
  2. English
  3. PDF
  4. Available on iOS & Android
eBook - PDF

Machine Learning in Empirical CAT Bond Pricing

About this book

Diese Dissertation befasst sich mit der Prognose von CAT-Bond-Risikoprämien. Sowohl auf dem Primärmarkt als auch auf dem Sekundärmarkt werden zu diesem Zweck klassische lineare Regressionsmodelle mit verschiedenen fortgeschrittenen Verfahren des maschinellen Lernens verglichen. Die Unterschiede in der Prognosegßte zwischen den unterschiedlichen Verfahren werden mittels Diebold-Mariano-Test auf Signifikanz ßberprßft. Auf beiden Märkten liefert ein Random Forest Ansatz die präzisesten Prognoseergebnisse. Fortgeschrittene Methoden des maschinellen Lernens haben gegenßber der traditionellen linearen Regression den Nachteil, dass sie oft als Blackbox angesehen werden. Fßr institutionelle Anleger kann ein Mangel an Transparenz die Anwendbarkeit von Methoden zur Preisprognose einschränken, da sie verpflichtet sind interpretierbare und erklärbare Methoden zu verwenden. Vor diesem Hintergrund werden in dieser Arbeit Verfahren zur Interpretation der aus dem Random Forest ableitbaren Variablenwichtigkeiten angewendet. Liegt kein Gewicht auf der Erklärbarkeit der Ergebnisse, so ist die Anwendung eines autoregressiven Modells zur Prognose von CAT-Bond-Sekundärmarktprämien ausreichend.

Trusted by 375,005 students

Access to over 1 million titles for a fair monthly price.

Study more efficiently using our study tools.

Information

Year
2024
Print ISBN
9783689520069
eBook ISBN
9783689520793
Edition
1

Table of contents

  1. List of Figures
  2. List of Tables
  3. List of Symbols
  4. 1 Introduction
  5. 1.1 Motivation and Aims of the Thesis
  6. 1.2 Course of Investigation
  7. 2 Scientific Background
  8. 2.1 CAT Bonds
  9. 2.2 Machine Learning
  10. 3 Improving CAT Bond Pricing Models via AdvancedMachine Learning in the Primary Market
  11. 3.1 Introduction
  12. 3.2 Data
  13. 3.3 Empirical Analysis
  14. 3.4 Interim Conclusion
  15. 4 Forecasting Accuracy of Advanced Machine Learningand Linear Regression – Evidence from the SecondaryCAT Bond Market
  16. 4.1 Introduction
  17. 4.2 Data
  18. 4.3 Empirical Analysis
  19. 4.4 Interim Conclusion
  20. 5 Superior Forecasting with simple AR(1) Models in alow-volatility Environment: Evidence from the CATBond Market
  21. 5.1 Introduction
  22. 5.2 Procedure
  23. 5.3 Empirical Analysis
  24. 5.4 Interim Conclusion
  25. 6 Conclusion
  26. Bibliography