Teaching

In dieser Arbeit formulieren wir, motiviert durch das Problem der Vorhersage des Ausbreitungskanals in einem MIMO Übertragungssystem, verallgemeinerte Zustandsraummodelle und Kalman-Filter auf Mannigfaltigkeiten. Die Ausbreitungskanäle lassen sich durch komplexe 3-Weg Tensoren niedrigen Ranges beschreiben. Zur Reduktion der zu schätzenden Parameter dienen Tensorzerlegungen. Zunächst weisen wir nach, dass die Menge dieser Tensorzerlegungen einen homogenen Raum bildet. Im Anschluss formulieren wir Zustandsraummodelle, wobei der Zustandsraum durch den homogenen Raum der Tensorzerlegungen und der Beobachtungsraum, durch den Raum der komplexen 3-Weg Tensoren gegeben ist. Das Vorhersageproblem lösen wir mit Hilfe eines verallgemeinerten Kalman-Filters. Abschließend testen wir durch Simulation eines einfachen Zustandsraummodells, wie gut das gewonnene Verfahren zur Rekonstruktion dient.

In dieser Arbeit wurde betrachtet, in welchen Weisen sich der Begriff glatter Funktionen von Mannigfaltigkeiten auf metrische Räume verallgemeinern lässt. Dabei wurde zunächst untersucht, inwiefern dies mit der Theorie der Frölicher Räume, in der die glatte Struktur durch glatte Kurven beziehungsweise glatte reellwertige Funktionen ausgedrückt ist, möglich ist. Für zwei derartige Ansätze wurde gezeigt, dass diese auf metrischen Räumen mit bereits bekannter glatter Struktur nicht das gewünschte Ergebnis liefern. Anschließend wurden zwei Kategorien beschreiben, die auf natürliche Weise den Begriff der Glattheit auf metrischen Räumen definieren. Für diese wurde gezeigt, dass diese auf Riemannschen Mannigfaltigkeiten die übliche Struktur liefern. An einem weiteren Beispiel wurde gezeigt, dass diese Kategorien auch auf weiteren Räumen wünschenswerte Ergebnisse liefern, an einem weiteren allerdings auch Grenzen der Anwendbarkeit dieser Kategorien aufgezeigt.

In der Versicherungsbranche werden mit dem Modell der logistischen Regression vertragsindividuelle Stornowahrscheinlichkeiten in Abhängigkeit von Beitragsanpassungen geschätzt. Diese werden im Anschluss genutzt, um den erwarteten Gewinn zu Optimieren. Dabei wird zunächst nicht berücksichtigt, dass der im Modell geschätzte Parameter und damit auch der optimierte Gewinn durch einen Konfidenzbereich zu relativieren ist. In dieser Arbeit zeigen wir zunächst die asymptotischen Eigenschaften des Maximum-Likelihood-Schätzers in dem Modell der logistischen Regression, um anschließend für den wahren Parameter einen asymptotischen Konfidenzellipsoid anzugeben. Diesen nutzen wir, um für jede zweifach stetig differenzierbare Funktion mit beschränkter Hesse-Matrix einen uns in der Literatur bisher nicht bekannten asymptotischen Konfidenzbereich herzuleiten. Dieses Ergebnis wird abschließend in einer Fallstudie veranschaulicht.

Diese Arbeit beschäftigt sich mit Daten auf der Sphäre in beliebiger Dimension. In diesem Kontext wird das Problem, einen Konfidenzbereich für den extrinsischen sphärischen Mittelwert zu finden, gelöst. Ein großer Teil der Arbeit behandelt deshalb multivariate Konzentrationsungleichungen, da diese die Lösung für alle Dimensionen ermöglichen. Insbesondere wird ein neuer Beweis für eine Ungleichung von I. Pinelis und A. I. Sakhanenko angegeben, dies geschieht mithilfe der Theorie der Matrixkonzentrationsungleichungen von J. A. Tropp. Diese Ungleichung ermöglicht nun die Konstruktion von nicht-asymptotischen Konfidenzbereichen des sphärischen Mittelwertes. Diese Konstruktion wird abschließend auf echte und simulierte Daten angewendet und mit vorherigen Ergebnissen für den zirkulären Fall sowie der asymptotischen Theorie verglichen.

Diese Arbeit untersucht die impliziten Transaktionskosten von Aktientransaktionen institutioneller Investoren wie Pensionskassen, Versorgungswerke und Versicherungen. Die Bestimmung der impliziten Transaktionskosten erfolgt durch die Kennzahl Market Impact, die die prozentuale Abweichung des Ausführungspreises von einer Benchmark misst. Zur Untersuchung des Market Impacts werden circa 60.000 Transaktionen deutscher Großinvestoren mittels linearer Regressionsmodelle betrachtet und analysiert. Dabei zeigt sich, dass die impliziten Transaktionskosten signifikant von vielen Variablen, durch die sich eine Transaktion charakterisiert, beeinflusst werden. Diese Variablen werden durch die Modelle und Schätzungen ermittelt, beschrieben und mit der vorhandenen Literatur verglichen. Zusätzlich erfolgt eine Identifizierung neuer Kenngrößen, die den Market Impact beeinflussen. Darunter fallen unter anderem ein relativer Liquiditätsfaktor und das Nacht-Momentum. Weiterhin werden das Akaike- und das Bayessche Informationskriterium zur Modellwahl für die Regressionen angewendet und beschrieben. Zudem wird ein Broker identifiziert, für den sich der Market Impact vergleichsweise gut schätzen lässt. Anschließend erfolgen weitere mathematische Modellierungen des Market Impacts, um sich den impliziten Transaktionskosten weiter theoretisch zu nähern.