Studienarbeit aus dem Jahr 2005 im Fachbereich BWL - Allgemeines, Note: 1,3, Johann Wolfgang Goethe-Universitat Frankfurt am Main, Veranstaltung: Angewandte Zeitreihenanalyse, 33 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Zur Berucksichtigung der bei Finanzmarktrenditezeitreihen haufig vorhandenen Volatilitatscluster und leptokurtischen Verteilung wurden univariate Modelle: ARCH und GARCH entwickelt. Nachteil von diesen Modellen ist jedoch, dass sie die bei Finanzmarktdaten haufig anzutreffende gegenseitige Einfluße mehrerer Zeitreihen vernachlassigen. Beispiel fur enge Zusammenhange der Zeitreihen sind Kurse verschiedener Aktien vergleichbarer Firmen. Um diese zu berucksichtigen, wurden univariate GARCH-Spezifikationen auf den multivariaten Fall erweitert. Bei den multivariaten Modellen werden mehrere Prozesse simultan analysiert und die bedingten Varianzen und Kovarianzen verschiedener Prozesse gemeinsam betrachtet. Dies fuhrt zu einer Verbesserung der Modellqualitat und damit zu einer besseren Prognose. Multivariate GARCH-Modelle sind wichtige Hilfsmittel in vielen Anwendungsgebieten der Kapitalmarkttheorie, denn in vielen Gebieten sind kontemporare Beziehungen der Zeitreihen zu beobachten. Die Schatzungen der bedingten Varianzkovarianzmatrix finden Anwendung in den bedingten Asset Pricing Modellen, in der Portfolio-Optimierung, bei der Erforschung der Zusammenhange zwischen den Volatilitaten verschiedener Markte, beim Value at risk, der Bewertung von Optionen, welche mehrere Basiswerte haben und beim Min-Varianz Hedging.