Dr. Oberländer
Dr. Oberländer
  • Видео 149
  • Просмотров 59 909
Diskrete Finanzmathematik #56
Alte Klausuraufgaben:
00:00 Sommersemester 2020, Aufgabe 3
23:51 Sommersemester 2021, Aufgabe 1
40:57 Sommersemester 2021, Aufgabe 2
57:30 Sommersemester 2021, Aufgabe 3
01:12:12 Sommersemester 2019, Aufgabe 4
Просмотров: 204

Видео

Einführung in die Finanzmathematik Teil 2 (Mathematik #44)
Просмотров 96Год назад
In diesem Video werden die Rentenrechnung und die Tilgungsrechnung behandelt. Es werden Tilgungspläne mit fallenden und konstanten Annuitäten erstellt. Der erste Teil zu dieser Einführung in die Finanzmathematik ist hier zu finden: ruclips.net/video/NfrOsM48-c8/видео.html Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universit...
Einführung in die Finanzmathematik Teil 1 (Mathematik #43)
Просмотров 176Год назад
In diesem Video werden unter anderem die Zinseszinsformel und die Barwertformel erklärt. Der zweite Teil zu dieser Einführung in die Finanzmathematik ist hier zu finden: ruclips.net/video/FnbdznEsoCw/видео.html Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
Wieso funktioniert die Ungarische Methode? (Mathematik #42)
Просмотров 358Год назад
In diesem Video wird plausibel gemacht, wieso die Ungarische Methode zur Lösung eines linearen Zuordnungsproblems überhaupt funktioniert. Um dem Ganzen folgen zu können, sollte man sich vorher das folgende Video ansehen: ruclips.net/video/q3NTrjrGX64/видео.html Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensbu...
Beispiel für ein lineares Zuordnungsproblem mit zu maximierender Zielfunktion (Mathematik #41)
Просмотров 582Год назад
In diesem Video wird anhand eines Beispiels gezeigt, wie ein lineares Zuordnungsproblem mit einer zu maximierenden Zielfunktion gelöst werden kann. Dabei kommt natürlich wieder die Ungarische Methode zum Einsatz. Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
ET17: Das Bernoulli-Prinzip - Messung der Risikoaversion mit dem Arrow-Pratt-Maß (MWI #49)
Просмотров 630Год назад
In diesem letzten Video zu den Grundlagen der Entscheidungstheorie geht es nochmal um das Bernoulli-Prinzip bei Entscheidungen unter Risiko. Die Suche nach einem geeigneten Risikomaß führt uns zum Arrow-Pratt-Maß, welches auch als lokale absolute Risikoaversion bezeichnet wird.
ET16: Das Bernoulli-Prinzip - Risikoneutralität, Risikoaversion und Risikofreude (MWI #48)
Просмотров 228Год назад
In diesem sechszehnten Video zu den Grundlagen der Entscheidungstheorie geht es weiterhin um Entscheidungen bei Risiko. Es wird gezeigt, durch welche Risikonutzenfunktionen sich Risikoneutralität, Risikoaversion und Risikofreude bei Anwendug des Bernoulli-Prinzips ausdrücken lassen und wie die entsprechenden Sicherheitsäquivalente und Risikoprämien grundsätzlich aussehen.
ET15: Das Bernoulli-Prinzip - Sicherheitsäquivalent und Risikoprämie (MWI #47)
Просмотров 747Год назад
In diesem fünfzehnten Video zu den Grundlagen der Entscheidungstheorie geht es weiterhin um Entscheidungen bei Risiko. Im Rahmen des Bernoulli-Prinzips werden das Sicherheitsäquivalent und die Risikoprämie erläutert.
ET14: Das Bernoulli-Prinzip - Risikonutzenfunktion und Erwartungsnutzen (MWI #46)
Просмотров 290Год назад
In diesem vierzehnten Video zu den Grundlagen der Entscheidungstheorie geht es weiterhin um Entscheidungen bei Risiko. Es wird das Bernoulli-Prinzip vorgestellt. Mit Hilfe einer Risikonutzenfunktion wird ein Erwartungsnutzen berechnet.
ET13: Entscheidungen bei Risiko - Das St. Petersburger Spiel, Bayes-Regel-Paradoxon (MWI #45)
Просмотров 176Год назад
In diesem dreizehnten Video zu den Grundlagen der Entscheidungstheorie geht es weiterhin um Entscheidungen bei Risiko. Es wird das St. Petersburger Spiel vorgestellt, welches als vermeintliches Paradoxon oft als Argument gegen die Bayes-Regel vorgebracht wird.
Die Ungarische Methode zur Lösung eines linearen Zuordnungsproblems (Mathematik #40)
Просмотров 1,2 тыс.Год назад
In diesem Video wird erklärt, wie ein lineares Zuordnungsproblem aussieht und wie es mit Hilfe der Ungarischen Methode gelöst werden kann. Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
Beispiel für ein lineares Optimierungsproblem mit unendlich vielen Optimallösungen (Mathematik #39)
Просмотров 453Год назад
In diesem Video wird das Simplex-Verfahren zur Lösung eines linearen Optimierungsproblems eingesetzt, wobei sich heraus stellt, dass das LP unendlich viele Optimallösungen hat. Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
Lineare Programmierung - Simplex-Verfahren Teil 4 (Mathematik #38)
Просмотров 748Год назад
In diesem Video wird die Erklärung des Simplex-Verfahrens zur Lösung eines linearen Optimierungsproblems anhand eines Beispiels fortgesetzt (Teil 4 von 4). Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
Lineare Programmierung - Simplex-Verfahren Teil 3 (Mathematik #37)
Просмотров 1,2 тыс.Год назад
In diesem Video wird die Erklärung des Simplex-Verfahrens zur Lösung eines linearen Optimierungsproblems anhand eines Beispiels fortgesetzt (Teil 3 von 4). Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
Lineare Programmierung - Simplex-Verfahren Teil 2 (Mathematik #36)
Просмотров 1,3 тыс.Год назад
In diesem Video wird die Erklärung des Simplex-Verfahrens zur Lösung eines linearen Optimierungsproblems anhand eines Beispiels fortgesetzt (Teil 2 von 4). Dieses Video ist Teil einer Videoserie, die aus der Vorlesung "Mathematik (für Wirtschaftswissenschaftler)" an der Universität Regensburg entstanden ist.
ET12: Entscheidungen bei Risiko - Die Bayes-Regel (MWI #44)
Просмотров 196Год назад
ET12: Entscheidungen bei Risiko - Die Bayes-Regel (MWI #44)
ET11: Entscheidungen bei Ungewissheit - Zustands-Effizienz und Zustands-Dominanz (MWI #43)
Просмотров 113Год назад
ET11: Entscheidungen bei Ungewissheit - Zustands-Effizienz und Zustands-Dominanz (MWI #43)
ET10: Entscheidungen bei Ungewissheit - Laplace-Regel (MWI #42)
Просмотров 133Год назад
ET10: Entscheidungen bei Ungewissheit - Laplace-Regel (MWI #42)
ET09: Entscheidungen bei Ungewissheit - Savage-Niehans-Regel (MWI #41)
Просмотров 138Год назад
ET09: Entscheidungen bei Ungewissheit - Savage-Niehans-Regel (MWI #41)
ET08: Entscheidungen bei Ungewissheit - Hurwicz-Regel (MWI #40)
Просмотров 121Год назад
ET08: Entscheidungen bei Ungewissheit - Hurwicz-Regel (MWI #40)
ET07: Entscheidungen bei Ungewissheit - Maximin-Regel und Maximax-Regel (MWI #39)
Просмотров 147Год назад
ET07: Entscheidungen bei Ungewissheit - Maximin-Regel und Maximax-Regel (MWI #39)
Lineare Programmierung - Simplex-Verfahren Teil 1 (Mathematik #35)
Просмотров 1,5 тыс.Год назад
Lineare Programmierung - Simplex-Verfahren Teil 1 (Mathematik #35)
Lineare Programmierung - Allgemeine Erkenntnisse als Voraussetzung für dem Simplex (Mathematik #34)
Просмотров 331Год назад
Lineare Programmierung - Allgemeine Erkenntnisse als Voraussetzung für dem Simplex (Mathematik #34)
Lineare Programmierung - Sensitivitätsanalyse anhand der grafischen Lösung (Mathematik #33)
Просмотров 1,2 тыс.Год назад
Lineare Programmierung - Sensitivitätsanalyse anhand der grafischen Lösung (Mathematik #33)
ET06: Entscheidungen bei Sicherheit - Zielgewichtung (MWI #38)
Просмотров 244Год назад
ET06: Entscheidungen bei Sicherheit - Zielgewichtung (MWI #38)
ET05: Entscheidungen bei Sicherheit - Lexikographische Ordnung (MWI #37)
Просмотров 229Год назад
ET05: Entscheidungen bei Sicherheit - Lexikographische Ordnung (MWI #37)
ET04: Entscheidungen bei Sicherheit - Ziel-Effizienz und Ziel-Dominanz (MWI #36)
Просмотров 254Год назад
ET04: Entscheidungen bei Sicherheit - Ziel-Effizienz und Ziel-Dominanz (MWI #36)
ET03: Entscheidungen bei Sicherheit - Grundlagen (MWI #35)
Просмотров 196Год назад
ET03: Entscheidungen bei Sicherheit - Grundlagen (MWI #35)
ET02: Das Grundmodell der Entscheidungslehre (MWI #34)
Просмотров 195Год назад
ET02: Das Grundmodell der Entscheidungslehre (MWI #34)
Lineare Programmierung - Grafische Lösung eines linearen Optimierungsproblems (Mathematik #32)
Просмотров 725Год назад
Lineare Programmierung - Grafische Lösung eines linearen Optimierungsproblems (Mathematik #32)

Комментарии

  • @GuidoReimer-v1k
    @GuidoReimer-v1k Месяц назад

    Tip Top, hat gut geholfen!

  • @littlemaary3223
    @littlemaary3223 4 месяца назад

    super erklärt, vielen dank!

  • @lbanol1436
    @lbanol1436 5 месяцев назад

    Hallo, ist es möglich, die pdf-Datei zu erhalten?

  • @jesse08150
    @jesse08150 5 месяцев назад

    sehr gut und einfach erklärt.

  • @j3ramy
    @j3ramy 7 месяцев назад

    Hey, vielen Dank für die tolle Erklärung! :) Ist die neue Zielfunktionszeile im Endtableau dann 7/2x1 + 5/2x4 + 3/2x2 = 15,5 (b-Spalte) oder doch 4x1 + 1x2 + 3/2x3 + 5/2x5 = 15,5? Woran kann man in dem Endtableau zusätzlich die Schattenpreise erkennen?

    • @dr.oberlaender
      @dr.oberlaender 7 месяцев назад

      Vielleicht verstehe ich die Frage nicht richtig, aber es gibt keine "neue Zielfunktionszeile". Die Zielfunktion ist und bleibt 4 * x1 + 1 * x2. Man kann aber den optimalen Wert der Zielfunktion an der 15,5 im Endtableau ablesen (wenn man möchte; oder halt einfach die optimalen x-Werte in die Zielfunktion einsetzen). In der Tabelle, wie ich sie im Video gezeigt habe, sind die Schattenpreise die mit -1 multiplizierten Werte aus der letzten Zeile. Also Schattenpreis 3/2 für x3 und Schattenpreis 5/2 für x5. Für die anderen x ist der Schattenpreis immer Null.

    • @j3ramy
      @j3ramy 7 месяцев назад

      @@dr.oberlaender Vielen Dank für die schnelle Antwort! Zu dem ersten Punkt: Ich meine, wenn man beispielsweise die Gewinnfunktion aufstellt um zu testen wie sich der Gewinn bei einer Änderung der Kapazität verändern würde. Die wäre dann G = x1 + x2 + Die Schlupfvariablen in der Nicht-Basis, richtig? Ist das dann die vorletzte Zeile in dem Endtableau?

    • @dr.oberlaender
      @dr.oberlaender 7 месяцев назад

      @@j3ramy Aus der letzten Zeile kann man immer ablesen, wie sich die Zielfunktion verändern würde, wenn man die entsprechende Nicht-Basis-Variable (und nur diese) im Wert um eine Einheit erhöhen würde. Wenn man daraus eine zur ursprünglichen Zielfunktion äquivalente neue Zielfunktion aufstellen möchte, dann würde diese wie folgt lauten: z(x1,x2,x3,x4,x5) = -3/2 * x3 - 5/2 * x5 + 15,5. Dies ist bei der im Video gezeigten Vorgehensweise leider nur aus der vorletzten und letzten Zeile zusammenzustückeln.

  • @mvxarmbrstr4366
    @mvxarmbrstr4366 9 месяцев назад

    Vielen Dank!

  • @jp5483
    @jp5483 9 месяцев назад

    danke!

  • @christopheraschendorf3853
    @christopheraschendorf3853 10 месяцев назад

    Du hast dich massivst versprochen. Das ist nicht akzeptabel und extrem fatal!

  • @CocainAndCrackBlowinTheHaze
    @CocainAndCrackBlowinTheHaze 10 месяцев назад

    Hervorragendes Erklärungsvideo!

  • @Omar-zk2ku
    @Omar-zk2ku 10 месяцев назад

    Welche App wurde im Video für das Mitschreiben benutzt?

    • @dr.oberlaender
      @dr.oberlaender 10 месяцев назад

      Die App (für Windows) heißt "PDF Annotator".

  • @CocainAndCrackBlowinTheHaze
    @CocainAndCrackBlowinTheHaze 10 месяцев назад

    Das Ende war zwar ziemlich offen aber insgesamt ein sehr gutes Video zum Thema Simplex-Verfahren

    • @dr.oberlaender
      @dr.oberlaender 10 месяцев назад

      Danke! Der vierte Teil zum Simplex-Verfahren ist dieses Video: ruclips.net/video/VtIJty6eW70/видео.html

  • @foxxi8440
    @foxxi8440 11 месяцев назад

    Auch auf Folie 19 habe ich etwas nicht verstanden. Der Wert des Portfolio (bestehend aus 2 Positionen) zum Zeitpunkt 1 wird dem Auszahlungsprofil gleichgesetzt. Aber das Auzahlungsprofil (1,5 0) entstammt nur der Betrachtung für S2. Der Anteil, den das Festzinspapier abwirft ist nich berücksichtigt. Das Auszahlungsprofil für das gesamte Portfolio müsste lauten (1,7 0,2), nämlich (0,2 + 1,5= 1,7 0,2 + 0 = 0,2). Mir geht es nicht um einen eventuellen Schreibfehler sondern darum, ob ich das Prinzip verstanden habe.

    • @dr.oberlaender
      @dr.oberlaender 11 месяцев назад

      Das Auszahlungsprofil (1,5 0), welches repliziert werden soll, ist das Auszahlungsprofil einer Call-Option auf S2. Dies hat mit dem festverzinslichen Papier erstmal nichts zu tun. Oder anders ausgedrückt: Um mit dem festverzinslichen Papier Zinserträge in t = 1 zu bekommen, müsste natürlich auch erstmal ein entsprechender Betrag darin investiert werden, was ja bei der reinen Betrachtung der Call-Option auf S2 nicht der Fall ist.

  • @foxxi8440
    @foxxi8440 11 месяцев назад

    Vielen Dank, dass Sie den Komplizierten Sachverhalt hier auf so gut nachvollziehbare Weise darstellen. An 2 Stellen hab ich jedoch ein Verständnisproblem: Folie 4: hier wird dargestellt, dass sich das Portfolio S(t=0) zum Zeitpunkt 1 darstellen kann als S(omega1) oder S(omega2) oder … S(omega.k). Mit anderen Worten: Alle Positionen des Portfolio nehmen den Zustand omega.1 ein, oder alle Positionen den Zustand omega.2 usw. Aber theoretisch könnte sich doch jede Position des Portfolio unabhängig entwickeln. Im Zahlenbeispiel mit dem Festpapier (welches nur den Zustand omega.1=omega.2 einnehmen kann) wird dies etwas verdeckt. Nehmen wir aber ein Portfolio aus 2 Aktien. Wert bei t=0 sei für S1 20 und für S2 16. Zum Zeitpunkt t=1 kann S1 den Wert omega.1 =23 oder omega.2 =18 annehmen. S2 respektive die Werte 17 oder 15. Dann ergeben sich doch zum Zeitpunkt t=1 viel mehr Zustände für das Portfolio als nur 2. beispielsweise können beide Aktien steigen, oder beide Aktien fallen, oder die erste steigt während die zweite fällt, oder S1 fällt während S2 steigt. Habe ich etwas Entscheidendes nicht verstanden?

    • @dr.oberlaender
      @dr.oberlaender 11 месяцев назад

      Die Logik der Modellierung ist so: Es wird festgelegt, wie viele verschiedene Zustände es in t = 1 geben kann und dann wird für jedes Finanzinstrument der Wert in den verschiedenen Zuständen aufgeschrieben. Wenn wir das Ganze mit nur zwei Zuständen modellieren, dann ist es eben so, dass vielleicht die eine Aktie immer runter geht, wenn die andere hoch geht und umgekehrt. Wenn Sie Ihr Szenario modellieren wollen, dass es vier verschiedene "Fälle" geben kann (beide Aktien jeweils rauf oder runter unabhängig voneinander), dann können Sie das natürlich machen: Sie haben dann eben vier verschiedene Zustände omega1 bis omega4 im t = 1 und legen die Preise der zwei Aktien in den Zuständen entsprechend fest.

  • @AlessandroCarbonari-j9c
    @AlessandroCarbonari-j9c 11 месяцев назад

    Danke

  • @bensl3308
    @bensl3308 Год назад

    Vielen Dank!

  • @bensl3308
    @bensl3308 Год назад

    Vielen Dank!

  • @bensl3308
    @bensl3308 Год назад

    Vielen Dank!

  • @enesbilir7884
    @enesbilir7884 Год назад

    Vielen Dank für die PERFEKTE Erklärung. Sehr hilfreich!

  • @salamdudu
    @salamdudu Год назад

    Wie kommt man genau auf die 5/3? Bei P1

    • @dr.oberlaender
      @dr.oberlaender Год назад

      Man löst das ursprüngliche Problem erweitert um die Nebenbedingung (C) x1 <= 2 und OHNE die Ganzzahligkeitsbedingung mit Hilfe des Simplex-Verfahrens.

    • @dr.oberlaender
      @dr.oberlaender Год назад

      Das Simplex-Verfahren ist natürlich ein größeres Thema für sich. Wenn man schon grundsätzlich weiß, was ein Lineares Optimierungsproblem ist, dann könnte man z.B. hier einsteigen: ruclips.net/video/L9mRsVWj5Z0/видео.html Ansonsten halt noch ein paar Videos früher.

    • @tiger50508
      @tiger50508 11 месяцев назад

      @@dr.oberlaender das Video ist auf "nicht gelistet". Könnten Sie auch die anderen Teile verlinken? Vielen Dank

    • @dr.oberlaender
      @dr.oberlaender 11 месяцев назад

      @@tiger50508 Jetzt sollte es wieder passen. Die ganze Serie zum Einstieg in die Lineare Programmierung finden Sie in dieser Playlist ruclips.net/p/PLuklISV1aB3u0wK-YEe9thsBU3mGzfMDS ab dem Video "Lineare Programmierung - Grundlagen und eine beispielhafte Entscheidungssituation (Mathematik #31)" oder dann inhaltlich weitreichender in dieser Playlist ruclips.net/p/PLuklISV1aB3tgn4WAtMlhMji7rP6Iz613

  • @BlackSennar
    @BlackSennar Год назад

    Danke Dr. Oberländer, ich bin zwar Student an der Uni Rostock aber durch ihre Videos konnte ich endlich meine Operations Research Prüfung bestehen!

  • @faye6285
    @faye6285 Год назад

    top Erklärung, Vielen Dank!

  • @steevywonder2515
    @steevywonder2515 Год назад

    Danke sehr

  • @carmen.scherzer
    @carmen.scherzer Год назад

    Erste!

  • @finnimstudio
    @finnimstudio Год назад

    Sehr gutes Video. Dankeschön!

  • @gejeudufu3urjdme883
    @gejeudufu3urjdme883 Год назад

    Sie haben meiner Meinung nach das beste Video zum Dijkstra Algorithmus auf ganz RUclips gemacht. Ehrenmann! (Neologismus)

  • @el33n43
    @el33n43 2 года назад

    Super video danke 👍👍

  • @tikonito
    @tikonito 2 года назад

    Ich verstehe kein Wort, aber ich bin mir sicher, dass in diesem Moment hunderte Studenten genau dieses Video suchen. Ich habe einen Like und diesen Kommentar dagelassen, damit der Algorithmus Ihnen das Video auch zeigt.

  • @zeppenfeld3497
    @zeppenfeld3497 2 года назад

    Klasse Video!

  • @calistachigori2301
    @calistachigori2301 2 года назад

    Sie sind der Beste. Sehr tolles und verständlich Video 👏

  • @mijatel7888
    @mijatel7888 2 года назад

    Super Video. Vielen Dank!

  • @BenjaminEnglschall
    @BenjaminEnglschall 2 года назад

    Vielen Dank

  • @eprohoda
    @eprohoda 2 года назад

    like!useful uploading~ felloww.

  • @HoodBossUnchained
    @HoodBossUnchained 2 года назад

    Fcker1

  • @user-cl9kv1vf6k
    @user-cl9kv1vf6k 2 года назад

    Danke Mann

  • @amirjarang6512
    @amirjarang6512 2 года назад

    🙏danke mann

  • @scottlee7086
    @scottlee7086 2 года назад

    p̶r̶o̶m̶o̶s̶m̶ 😁

  • @vegahedge1933
    @vegahedge1933 2 года назад

    Super Videos !

  • @aleksanyan4752
    @aleksanyan4752 2 года назад

    Sehr spannend und gut erklärt, danke für das Video. Das Binomial-Modell fände ich ebenfalls interessant!

    • @dr.oberlaender
      @dr.oberlaender 2 года назад

      Danke! Das Binomialbaum-Modell kommt demnächst dran. Stay tuned!

  • @pastassempa6874
    @pastassempa6874 2 года назад

    Allahu Akbar

    • @dr.oberlaender
      @dr.oberlaender 2 года назад

      Siehe: blog.zeit.de/mathe/allgemein/gott-existenz-mathe/