Kreditausfallrisiken. Modellierung der Verlustverteilung im Risikomanagement E-Book

Robert Brüch

• Herausgeber: Studylab
• Sprache: Deutsch

Veröffentlichungsjahr: 2018

Beschreibung

Im Februar 2008 musste Bear Stearns, die bis dato fünftgrößte Investmentbank der Welt, Konkurs anmelden. Auch andere Banken gerieten in der amerikanischen Subprime-Krise ins Schwanken. Hintergrund war ein mangelndes Risikomanagement, das eine Reihe von Kreditausfällen nicht im Blick hatte. Diese entstanden, da Bear Stearns aufgrund von hohen Renditeaussichten Hypothekenkredite an Schuldner mit unzureichender Bonität vergab. Seitdem müssen Banken ihr internes Risikomanagement stetig weiterentwickeln. Vor allem die Messung und Bewertung von Kreditrisiken spielen dabei eine wichtige Rolle. Den Ausgangspunkt für die moderne Kreditrisikosteuerung bildet die Quantifizierung des Kreditrisikos. Auf dieser Basis fußen verschiedene Kreditportfoliomodelle, die eine statistisch und ökonomisch fundierte Verlustverteilung ermöglichen. Oftmals werden diese Kreditrisikomodelle ohne fundierte Kenntnisse ihrer Funktionsweise angewendet. Der Wirtschaftswissenschaftler Robert Brüch erläutert in seiner Publikation deshalb alle wichtigen Grundlagen des Modells CreditMetricsTM. Anhand eines fingierten Beispiels veranschaulicht er außerdem die praktische Modellierung der Verlustverteilung und gibt wertvolle Tipps für deren Umsetzung. Aus dem Inhalt: -Kreditrisiko; -Kreditausfall; -Verlustverteilung; -Risikomanagement; -Subprime-Krise

Leseprobe

Impressum:

Copyright (c) 2018 GRIN Verlag / Open Publishing GmbH, alle Inhalte urheberrechtlich geschützt. Kopieren und verbreiten nur mit Genehmigung des Verlags.

Bei GRIN macht sich Ihr Wissen bezahlt! Wir veröffentlichen kostenlos Ihre Haus-, Bachelor- und Masterarbeiten.

Jetzt bei www.grin.com

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung

2 Grundlagen der Kreditrisikomodellierung

2.1 Charakterisierung von Kreditrisiken

2.1.1 Risikodefinition

2.1.2 Ratings

2.2 Grundbegriffe

2.2.1 Verlustverteilung

2.2.2 Schätzung der Parameter

2.2.3 Korrelation und Diversifikation

3 Modellklassifizierung und Einführung in CreditMetrics

3.1 Modellklassen

3.1.1 Unternehmenswertmodelle

3.1.2 Intensitätsmodelle

3.2 CreditMetrics

3.2.1 Grundidee und Einzeltitelbetrachtung

3.2.2 Betrachtung auf Portfolioebene

4 Modellierung des Kreditrisikos unter CreditMetrics

4.1 Portfolio und Modellparameterschätzung

4.2 Monte-Carlo-Simulation der Verlustverteilung

4.2.1 Ausgangsmodell

4.2.2 Abwandlung der Ausfallwahrscheinlichkeit

4.2.3 Abwandlung der Forderungshöhe

4.2.4 Abwandlung der Verlustquote

4.2.5 Abwandlung der Assetkorrelation

4.2.6 Abwandlung auf heterogene Modellparameter

5 Kritische Würdigung von CreditMetrics

6 Fazit

Anhang

Formelverzeichnis

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Abbildung 1: Portfolioverlustverteilung mit Risikokennzahlen (Eigene Darstellung, angelehnt an Henking, Bluhm & Fahrmeir 2006)

Abbildung 2: Kreditrisikoergebnis - ex-post Betrachtung (vgl. Schierenbeck, 2001)

Abbildung 3: Forderungshöhe in Kontext von CCF und URD (vgl. Eckert et al., 2016)

Abbildung 4: Stufenkonzept zur Determinierung des Portfolioverlustes (vgl. Eckert et al., 2016)

Abbildung 5: Portfoliodiversifikation (Eigene Darstellung, angelehnt an Meier, 2004)

Abbildung 6: Unternehmenswertdarstellung mittels Aktiva und Passiva (Eigene Darstellung, angelehnt an Daldrup, 2003)

Abbildung 7: Eigen- und Fremdkapitalprofil im Unternehmenswertmodell (Eigene Darstellung, angelehnt an Summer, 2007)

Abbildung 8: Verlustverteilung – Ausgangsmodell (Eigene Darstellung)

Abbildung 9: Verlustverteilung - Abwandlung des Parameters PD (Eigene Darstellung)

Abbildung 10: Verlustverteilung - Abwandlung des Parameters EAD (Eigene Darstellung)

Abbildung 11: Verlustverteilung - Abwandlung des Parameters LGD (Eigene Darstellung)

Abbildung 12: Verlustverteilung - Abwandlung des Parameters  (Eigene Darstellung)

Abbildung 13: Sensitivitätsanalyse des EC - Abwandlung des Parameters 𝜌 (Eigene Darstellung)

Abbildung 14: Verlustverteilung - Abwandlung auf heterogene Modellparameter (Eigene Darstellung)

Tabellenverzeichnis

Tabelle 1: Einjährige durchschnittliche Ausfallwahrscheinlichkeiten zu S&P Ratingklassen

Tabelle 2: Einjährige durchschnittliche Migrationsmatrix zu S&P Ratingklassen in %

Tabelle 3: Eigen- und Fremdkapitalwert bei Fälligkeit im Unternehmenswertmodell (Eigene Darstellung, angelehnt an Cremers & Walzner, 2009a)

Tabelle 4: Modellklassenvergleich (Eigene Darstellung)

Tabelle 5: Recoveryklassen mit zugehörigen Recovery Rates in % (Eigene Darstellung, angelehnt an Emery, 2007)

Tabelle 6: PD-Einteilung des künstlichen Portfolios (Eigene Darstellung)

Tabelle 7: Analysekennzahlen – Abwandlung des Parameters PD (Eigene Darstellung)

Tabelle 8: Analysekennzahlen – Abwandlung des Parameters EAD (Eigene Darstellung)

Tabelle 9: Analysekennzahlen – Abwandlung des Parameters LGD (Eigene Darstellung)

Tabelle 10: Analysekennzahlen – Abwandlung des Parameters  (Eigene Darstellung)

Tabelle 11: Inanspruchnahme und CCF in Kontext von Ratingklassen (Eigene Darstellung, angelehnt an Asarnow & Marker, 1995)

Tabelle 13: Kennzahlen – Abwandlung auf heterogene Modellparameter (Eigene Darstellung)

1 Einleitung

Mit dem 1988 erstmalig veröffentlichten Konsultationspapier vom Basler Ausschuss für Bankenaufsicht (vgl. Basel Committee on Banking Supervision, 1988) wurde die grundlegende Eigenkapitalunterlegung von Kreditrisiken bereits entscheidend umstrukturiert. Spätestens allerdings mit der europaweiten Einführung des Nachfolgeregelwerks Basel II (vgl. Basel Committee on Banking Supervision, 2004) zu Beginn des Jahres 2007 verstärkte sich der Fokus auf die Kreditwirtschaft nochmals. Durch das darin enthaltene Drei-Säulen-Modell wurden Unzulänglichkeiten des vorherigen Aufsichtsrechts bezüglich mangelnder Differenzierung nach Bonität, unzureichender Berücksichtigung von Kreditsicherheiten und oberflächlicher Offenlegung des Risikomanagementprozesses verbessert.

Dramatisiert wurde das Thema durch die zur gleichen Zeit in den USA entstehende Subprime-Krise, die zu fundamentalen Umbrüchen an den weltweiten Finanzmärkten führte. James Cayne, damaliger CEO von The Bear Stearns Companies (Bear Stearns), wurde zu einem prägenden Gesicht der Krise. Einst bekannt für seinen stets skeptischen und vorausschauenden Führungsstil, gelang es auch Cayne nicht, Bear Stearns’ schnellen Absturz von einer konservativen Wall-Street Investmentbank bis hin zu einem zusammenbrechenden Kartenhaus abzuwenden. Als ein Hauptgrund wurde mangelndes Risikomanagement genannt, zurückzuführen auf eine sehr hohe, nicht ausreichend prognostizierte Zahl an Kreditausfällen (vgl. Canals-Cerdá & Kerr, 2015). Diese entstanden, da Bear Stearns eine der vielen Banken war, die aufgrund von hohen Renditeaussichten Hypothekenkredite zur Finanzierung des Eigenheims an Schuldner mit unzureichender Bonität vergaben. Als Konsequenz musste die bis dato fünftgrößte Investmentbank der Welt, mit einer Bilanzsumme von 423,3 Milliarden US-Dollar (Stand Mai 2007, vgl. Natschke, 2009), bereits im Februar 2008 im Zuge der Finanzkrise Konkurs anmelden. J.P. Morgan Chase & Co. (J.P. Morgan) bereitete daraufhin, im Rahmen eines mit der Federal Reserve Bank geschnürten Rettungspakets, ein Übernahmeangebot vor, um den kompletten Absturz einer der größten Investmentbanken abzuwenden.

Auf Basis dieser unzureichenden Kalkulationen der Risiken und der aufgezeigten Schwächen der Bankenregulierung im Rahmen der Subprime-Krise, wurde Anfang der Jahres 2014 das weitreichendste Regulierungsvorhaben des finanziellen Sektors, Basel III (vgl. Basel Committee on Banking Supervision, 2011), ins Leben gerufen.

Insbesondere aufgrund der genannten Fehler in der Kreditrisikoprognose, die durch die Subprime-Krise und den daraus entstandenen Turbulenzen an den Finanzmärkten offenbart wurden, und der Neuerungen im Bereich der Regularien, wird von den Banken eine stetige Weiterentwicklung des internen Risikomanagements verlangt. Die Messung und die Bewertung von Kreditrisiken erfahren dabei eine hohe Aufmerksamkeit, da sie aus den verschiedenen auf eine Bank einwirkenden Risikoarten den Teil beschreiben, der den größten Einfluss auf das finanzielle Dasein eines Unternehmens darstellt (vgl. Fischer, 2001). Den Ausgangspunkt für die moderne Kreditrisikosteuerung bildet dabei die Quantifizierung des Kreditrisikos. Zunächst erfolgt die Betrachtung der Einzelgeschäftsebene über eine Kreditwürdigkeitsprüfung. Anschließend dehnt sich die Risikoquantifizierung auf die Gesamtportfolioebene aus, um den wesentlichen Einfluss von Ausfallkorrelationen zu berücksichtigen (vgl. Klement, 2007). Demzufolge ist das Ziel jedes Unternehmens die exakte Quantifizierung des Portfoliorisikos in Form von Kennzahlen unter Berücksichtigung von Diversifikationseffekten (vgl. Schulte & Horsch, 2002).

Auf dieser Basis wurden verschiedene Kreditportfoliomodelle entwickelt, da diese eine Möglichkeit darstellen, eine statistisch und ökonomisch fundierte Verlustverteilung eines Kreditportfolios für einen fixierten zukünftigen Zeitraum darzustellen. Mit diesen quantitativen Modellen soll schlussendlich eine qualitative Aussage darüber getroffen werden, ob das vorgehaltene ökonomische Eigenkapital in Verbindung mit den vereinnahmten Risikoprämien zur Abdeckung der Verluste ausreicht.