Einsatz von Bayesianischen Netzwerken im Management von operationellen Risiken E-Book

Mark-Werner Dreisörner

• Herausgeber: GRIN Verlag
• Sprache: Deutsch

Veröffentlichungsjahr: 2009

Beschreibung

Studienarbeit aus dem Jahr 2008 im Fachbereich BWL - Unternehmensführung, Management, Organisation, Note: 1,3, Universität Mannheim, Veranstaltung: Ausgewählte Fragen des Versicherungsmanagements, Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, vorzuführen, dass und inwieweit sich Bayes’sche Netze nutzen lassen, um operationelle Risiken zu managen. Unter Risikomanagement wird vor allem die Identifikation, Bewertung und Steuerung von Risiken sowie die Überwachung der Effektivität und Effizienz der Steuerungsmaßnahmen verstanden. Es soll gezeigt werden, dass sich besonders Bayes-Netze zur Abbildung operationeller Risiken eignen, weil für diese Risikoart kaum historische Verlustdaten vorliegen und Bayes-Netze aus unterschiedlichen Quellen – empirischen Kenntnissen und qualitativen Daten – schöpfen können. Zudem soll diese Arbeit zeigen, welche Möglichkeiten Bayes-Netze bieten, um den Zusammenhang zwischen Ursache und Wirkung zu untersuchen, der für Versicherer von entscheidender Bedeutung ist, und um die Risikomanager in ihren Entscheidungen zu unterstützen.

Leseprobe

Inhaltsverzeichnis

1. Einleitung.

2. Operationelle Risiken.

2.1. Definitionsansätze.

2.1.1. Allgemeine Definition.

2.1.2. Solvency II

2.2. Regulierung als Anreiz zur Risikoerfassung.

3. Aufbau Bayesianischer Netzwerke

3.1. Gerichtete, azyklische Graphen

3.2. Bedingte Wahrscheinlichkeiten

3.3. Bayes-Theorem

3.4. Inferenz.

4. Risikoerfassung und -steuerung mit Bayes-Netzen

4.1. Risikospezifische Konstruktion

4.1.1. Feststellung der relevanten Variablen

4.1.2. Ermittlung der Priori-Wahrscheinlichkeiten.

4.2. Aktualisierung des Netzwerkes.

4.3. Netzwerkbewertung und -vergleich.

4.4. Einsatz des Netzwerkes

4.4.1. Allokation von Risikokapital

4.4.2. Szenarioanalyse

4.4.3. Entscheidungsunterstützung

5. Schlussbetrachtung.

Anhang A: Abbildungen

Anhang B: Tabellen

Page 1

Page 3

Page 4

Tabellenverzeichnis

Tab. 1: Risikokategorisierung des ORIC .................................................................................35

Tab. 2: Beispielhafte Wahrscheinlichkeitstabelle für X4|X2, X3.........................................38

Tab. 3: Priori-Verteilungen im Bayes-Netz der Capitol .........................................................39

Page 5

Abkürzungsverzeichnis

CEAComité Européen des AssurancesCEIOPSCommittee of European Insurance and Occupational Pensions Supervisorsengl. englisch IAISInternational Association of Insurance Supervisorsi.d.R. in der Regel i.H.v. in Höhe von MCRMinimum Capital RequirementORICOperational Risk ConsortiumQISQuantitative Impact StudySCRSolvency Capital RequirementSolvV Solvabilitätsverordnung S. Seite Tab. Tabelle

Page 6

1. Einleitung

Das operationelle (auch operative) Risiko gehört zu den jüngeren Risiken, mit denen sich die Wissenschaft auseinandersetzt. Erst in den späten 80er-Jahren wurde dem operationellen Risiko wegen tief greifender wirtschaftlicher Veränderungen Beachtung geschenkt.1Untersuchungen zeigen, dass Verluste in Versicherungsunternehmen in den meisten Fällen interne Ursachen haben.2So erlitt z.B. der US-VersichererPrudential Insurance Company1994 einen hohen Vertrauensschaden, als Regulierungsbehörden bei ihm Wertpapierbetrug aufdeckten, der u.a. auf Praktiken der Geschäftsführung und Falschangaben bzgl. des Umsatzes gewachsen war. Aber auch externe Ereignisse können Auslöser eines operationellen Verlustes sein: Versicherungen, deren Büros im New Yorker World Trade Center untergebracht waren, hatten am 11. September 2001 den Tod von Mitarbeitern, die Vernichtung der Büroräume sowie den auf den Terroranschlag folgenden Geschäftsausfall zu beklagen.3

Unabhängig von der Verlusthöhe, die operationelle Risiken verursachen, werden sie in Überlegungen zu Absicherung und Kontrolle von Risiken aber meist vernachlässigt. Denn die Irrtümer, Versäumnisse und Kontrollfehler, die zu geringen Verlusten führen, werden schnell als unumgängliche, regelmäßige Störungen abgetan. Hohe Verluste sind zwar offensichtlicher, treten aber seltener auf und werden deswegen als unwahrscheinlich und unbedeutend ignoriert.4Derlei Nachlässigkeiten erfordern ein Risikomanagement mit einem adäquaten Modell, um das Versicherungsunternehmen vor dem Ruin zu schützen. Bayesianische Netzwerke kommen als ein solches Modell in Frage. Sie sind in jüngerer Zeit für verschiedene Anwendungen im Risikomanagement entdeckt worden. Während ihr Gebrauch in Finanzinstitutionen bisher auf bestimmte Einzelbereiche beschränkt war (z.B. Kreditrisiko-Scoring in Banken), wird das Einsatzgebiet von Bayes-Netzen zunehmend auch auf Unternehmensrisiken im weiteren Sinne ausgedehnt, insbesondere auf das operationelle Risiko.5Die geplante Umsetzung der Versicherungsregulierung Solvency II von 2012 an wird den Einsatz von Bayes-Netzen voraussichtlich weiter vorantreiben.6

1Vgl. FOLLMANN 2007, S. 12

2Vgl. CONFERENCEOFINSURANCE SUPERVISORY SERVICES 2002, § 1.3

3Vgl. Beispiele für Verluste aus operationellem Risiko in HOFFMANN 2002, S. XXVII-XXX

4Vgl. HOFFMANN 2002, S. XXI

5Vgl. COWELL/VERRALL/YOON 2007, S. 795f.

6Vgl. FOLLMANN 2007, S. 87