Bücher von Sibylle Weiss

Studienarbeit aus dem Jahr 2014 im Fachbereich Mathematik - Statistik, Note: 2,0, Brandenburgische Technische Universität Cottbus, Sprache: Deutsch, Abstract: Es gibt viele Ansätze, Risiken innerhalb der Finanzwirtschaft zu bewerten. Während beidseitige Risikomaße (zum Beispiel die Standardabweichung) Schwankungen um einen Erwartungswert betrachten, handelt es sich bei dem Value-at-Risk (VaR) um ein einseitiges, rein verlustorientiertes Risikomaß. Im ersten Teil dieser Arbeit steht die Definition des VaR im Hinblick auf diskrete und hauptsächlich stetige Gewinn- und Verlustverteilungen im Mittelpunkt. Im zweiten Teil werden parametrische und nichtparametrische Schätzmethoden gegenübergestellt und die VaR-Berechnung unter Verwendung des Varianz-Kovarianz-Modells und der historischen Simulation an Beispielen demonstriert.

Bachelorarbeit aus dem Jahr 2015 im Fachbereich BWL - Allgemeines, Note: 2,0, Brandenburgische Technische Universität Cottbus, Sprache: Deutsch, Abstract: Die vorliegende Arbeit vergleicht einen Ausschnitt der aktuellen, staatlichen, monetären Förderprogramme für Existenzgründungen in Deutschland. Dabei werden solche Förderprogramme identifiziert und besonders berücksichtigt, die für die Finanzierung eines Sporthotels in Brandenburg in Frage kommen. Zunächst wird das Hotelprojekt vorgestellt, im Anschluss werden die einschlägigen Förderprogramme auf EU-Ebene, auf Bundesebene sowie auf Landesebene vorgestellt.Um die jeweiligen Förderprogramme in den Kontext der komplexen Förderlandschaft einordnen zu können, werden die an einzelnen Stellen relevanten Förderinstitute kurz vorgestellt. Zuletzt erfolgt eine Beurteilung der Förderprogramme, die sich im Rahmen der Arbeit für die Gründungsfinanzierung eines Sporthotels in Brandenburg als passend herauskristallisiert haben.

Studienarbeit aus dem Jahr 2015 im Fachbereich Mathematik - Statistik, Note: 1,3, Brandenburgische Technische Universität Cottbus, Sprache: Deutsch, Abstract: In dieser Arbeit geht es un dieTheorie bzw. Herleitung der multiplen linearen Regression und ihre Anwendung an einem Beispiel mithilfe von R (Code im Anhang).Wenn danach gefragt wird, ob eine ausgewogene Ernährung das Herzinfarktrisiko reduziert, Führungskräfte überdurchschnittlich gut aussehen oder Kinder aus zerrütteten Familienverhältnissen häufiger zur Flasche greifen als andere, dann kann im Rahmen der Beantwortung dieser Frage eine Regressionsanalyse nützlich sein. Die Regressionsanalyse modelliert Zusammenhänge zwischen einer abhängigen Variable (aV) und einer (einfache Regressionsanalyse) oder mehreren (multiple Regressionsanalyse) unabhängigen Variablen (uV). Ein solches Modell wird auch häufig dafür verwendet, Vorhersagen über die Werte einer abhängigen Variable auf Grundlage der Werte der unabhängigen Variablen zu treffen oder um die Intensität der Beziehung zwischen den Variablen zu identifizieren. Wie auch bei der Korrelationsrechnung bedeutet ein Zusammenhang zwischen abhängigen und unabhängigen Variablen bei der Regressionsanalyse nicht gleichzeitig eine Kausalität. Im Rahmen der Regression wird zwar gegebenenfalls vor Beginn der Rechnung eine Kausalitätsvermutung aufgestellt; ob die unabhängige Variable allerdings als Ursache tatsächlich vor der Wirkung (auf die abhängige Variable) steht, kann lediglich schlüssig argumentiert werden. Stellt sich die Regressionsgleichung als geeigneter Schätzer für die abhängige Variable heraus, so bedeutet das nur, dass mithilfe der unabhängigen Variablen die abhängige Variable hinreichend gut geschätzt werden kann. Eine Form der multiplen Regression ist die multiple lineare Regression, auf deren Theorie im Folgenden kurz eingegangen und die anschließend an einem Beispiel demonstriert wird.