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.

- 159 pages
- English
- PDF
- Available on iOS & Android
eBook - PDF
About this book
Trusted by 375,005 students
Access to over 1 million titles for a fair monthly price.
Study more efficiently using our study tools.
Information
eBook ISBN
9783689520793Edition
1Table of contents
- List of Figures
- List of Tables
- List of Symbols
- 1 Introduction
- 1.1 Motivation and Aims of the Thesis
- 1.2 Course of Investigation
- 2 Scientific Background
- 2.1 CAT Bonds
- 2.2 Machine Learning
- 3 Improving CAT Bond Pricing Models via AdvancedMachine Learning in the Primary Market
- 3.1 Introduction
- 3.2 Data
- 3.3 Empirical Analysis
- 3.4 Interim Conclusion
- 4 Forecasting Accuracy of Advanced Machine Learningand Linear Regression â Evidence from the SecondaryCAT Bond Market
- 4.1 Introduction
- 4.2 Data
- 4.3 Empirical Analysis
- 4.4 Interim Conclusion
- 5 Superior Forecasting with simple AR(1) Models in alow-volatility Environment: Evidence from the CATBond Market
- 5.1 Introduction
- 5.2 Procedure
- 5.3 Empirical Analysis
- 5.4 Interim Conclusion
- 6 Conclusion
- Bibliography