Varianzminimierung in stochastischen Modellen

Bei der Portfolioerstellung wird der normale Investor§versuchen seinen erwarteten Ertrag zu maximieren,§während er gleichzeitig versucht sein Risiko, das oft§durch einen Varianzterm dargestellt wird, zu§minimieren. Bei dualen Entscheidungsproblemen kann§die Unsicherheit, die durch einen Varianzterm§charakterisiert§werden kann, entscheidend durch aktives Lernen§gemindert werden. Zwar trifft man bei praktischen§Anwendungen immer wieder auf§Varianzminimierungsprobleme, aber die§Varianzminimierung ist bei der Optimierung ein§bekanntes Problem. Dies ist auf die Eigenschaften der§Nichtkonvexität und Nichtseparabilität§zurückzuführen. Die traditionelle stochastische§Entscheidungstheorie beschäftigt§sich mit einem einzigen zu minimierenden Objekt, dem§Erwartungswert der Zielfunktion. In diesem Buch wird§ein neuartiger Lösungsansatz für§Varianzminimierungsprobleme§vorgestellt. Es werden Konvexitäts- und§Seperationsschemata benutzt, um die analytischen und§rechnerischen Schwierigkeiten in der§Varianzminimierung zu umgehen. §Dieses Buch richtet sich an Portfolioanalysten und§Risikocontroller, die mit den Grundlagen des§Operations Research und der Statistik vertraut sind.