Ohne ein fundiertes mathematisches Grundwissen sind moderne Finanzanalyse, Portfoliomanagement und Risikomanagement nicht denkbar. Das in vierter Auflage erschienene Buch "Statistik, Ökonometrie, Optimierung" konzentriert sich – und unterscheidet sich daher wesentlich von der Mehrzahl der statistischen und ökonometrischen Einführungen – auf die wichtigsten Methoden und Verfahren, welche für die Finanzanalyse und das Portfoliomanagement von Bedeutung sind, in kompakter Weise auf etwa 800 Seiten. Die Autoren haben das Ziel verfolgt, möglichst wenige Methoden zu vermitteln, mit denen sich jedoch möglichst viele typische finanzwirtschaftliche Probleme und Aufgaben lösen lassen. Daher werden dem Leser kein umfassender Methodenüberblick bzw. tief gehende Detailbetrachtungen geboten.

Der Aufbau des Buches ist stringent und logisch. Das Buch gliedert sich in die Teilbereiche Statistik, Ökonometrie und Optimierung. Teil A startet – quasi zum Aufwärmen – mit einem Kompaktkurs der "Statistischen Grundlagen". Während dieser Aufwärmphase begegnet der Leser Begriffen wie Wahrscheinlichkeitsrechnung, Verteilungen, Erwartungswert, Varianz, Kovarianz, Standardabweichung, Korrelationskoeffizient und Grenzwertsätze. Es folgt eine kompakte Einführung in die finanzmathematischen Grundlagen und statistischen Konzepte (Kurse und Renditen als Zufallsvariablen, Autokovarianz, Autokorrelation, diskrete und stetige Renditen, Renditeprognose und -berechnung, Portfoliooptimierung nach Markowitz, Monte-Carlo-Simulation) und moderne Risikomaße (Volatilität, Semivarianz, Ausfallwahrscheinlichkeit, Value at Risk, Tracking Error).

Der zweite Teil B (Ökonometrie) konzentriert sich auf einfache und multiple lineare Regression (Parameterschätzung und Gütekriterien, Bestimmtheitsmaß- und Korrelationskoeffizient, CAPM-Fallstudie, Fallstudie Performancemessung), die Modellanalyse mittels Hypothesentests (t- und F-Test, Durbin-Watson, Breusch-Pagan-Test, White-Test, Fallstudie Performanceattribution) sowie eine Fallstudie zur Renditeprognose mit Hilfe von Regressionsmodellen.

Der abschließende dritte Teil C (Optimierung) gibt einen Überblick über verschiedene Optimierungsverfahren (Lineare und quadratische Optimierung, Suchverfahren, First- und Second-Order-Verfahren) und vertieft anschließend anhand diverser Fallstudien die Methoden der lineraren, der quadratischen und der nichtlinearen Optimierung.

Im Anhang finden die Leser Einführungen in die Grundlagen der Matrizenrechnung sowie die Regressionsanalyse mit Excel. Im Buch werden diverse Excel-VBA-Programmcodes zur Umsetzung von praktischen Optimierungsfragen zur Verfügung gestellt. Ferner wird auch gezeigt, wie sich die dargestellten Probleme mit Hilfe der Excel-Optimierungsfunktion ("Solver") lösen lassen. Außerdem stellen die Autoren auf einer Internetseite umfangreiches Begleitmaterial (u. a. Excel-Dateien und Foliensätze) zur Verfügung.

Alle dargestellten Methoden werden auf der einen Seite methodisch fundiert dargestellt und auf der anderen Seite in ihrer praktischen Anwendung mit Hilfe von konkreten Beispielen und Fallstudien beschrieben. Dabei steht der integrierte Einsatz bzw. die kombinierte Anwendung der diversen Einzelmethoden im Vordergrund. Somit handelt es sich bei der Veröffentlichung sowohl um ein einführendes Lehrbuch als auch ein effizientes Handbuch und Nachschlagwerk. Das Buch kann uneingeschränkt sowohl Studenten als auch Praktikern (etwa Risikomanagern, Finanzanalysten und Portfoliomanagern) empfohlen werden. Fazit: Ein kompaktes und logisch strukturiertes Buch zu einem „studentenfreundlichen“ Preis-Leistungs-Verhältnis.

Rezension von Frank Romeike