Der Messung von Kreditrisiken durch geeignete Kennzahlen kommt nicht nur aufgrund aufsichtsrechtlicher Notwendigkeit eine fundamentale Bedeu-tung zu. Die Überlebensfähigkeit einer Bank hängt von der korrekten Quan-tifizierung ihrer Risiken ab und fordert die uneingeschränkte Funktionstüch-tigkeit der Risikosysteme. Der Nutzen von Kreditrisikomaßen setzt genau hier an. Kreditrisikomaße verfolgen das Ziel, Gefahren der Zukunft darzu-stellen, in dem sie beispielsweise mittels einer Wahrscheinlichkeitsvertei-lung potenzielle Verluste eines Kreditportfolios modellieren und somit die aus Einzelrisiken aggregierte Verlustverteilung berechnen.
Die notwendige realitätsnahe Einschätzung von Kreditrisiken hängt eklatant von der Güte der Berechnungsprämissen ab und ist mitunter ein Grund dafür, dass bislang kein allgemeiner Standard für die Kreditrisikomessung definiert werden konnte. Die Finanzkrise war Treiber dafür, dass gängige Risikomaße in die Kritik geraten sind. Sie verdeutlichte, dass Zukunfts-prognosen von Krisen einschließlich ihrer Auswirkungen schlichtweg uto-pisch sind. Die Realität ist immer komplexer als die beste Berechnung.
Die nachstehenden Ausführungen untersuchen Kreditrisikomaße und die Methoden zur Modellierung von Verlustverteilungen hinsichtlich ihrer An-wendbarkeit und Eignung unter normalen Umständen. Die Relevanz und Komplexität von Kreditrisikomaßen in einer Krise sind nicht Gegenstand der Untersuchung. Im Kapitel 2 werden Grundlagen und damit verbundene Themeneingrenzungen dargestellt. Dabei wird zunächst der Begriff des Kreditrisikos definiert bevor die verschiedenen Kreditrisikokategorien und Risikofaktoren skizziert werden. Die Besonderheiten der Kreditrisikomes-sung sowie Anforderungen an Kreditrisikomaße werden in dem Kapitel ab-schließend betrachtet. Kapitel 3 stellt verschiedene Downside-Risikomaße dar, die in Bezug auf die spezifischen Besonderheiten von Kreditrisiken kritisch analysiert werden. Ziel ist die Validierung hinsichtlich ihrer Pra-xistauglichkeit und Eignung als adäquate Kreditrisikomaße.
Als Basis für die Kreditrisikomessung wird in Kapitel 4 die Modellierung der Verlustverteilung in diversen gängigen Methoden vorgestellt. Ziel ist die Untersuchung der theoretischen Qualität und praktischen Anwendbarkeit. Ein numerisches vereinfachtes Beispiel soll als Einstieg dienen. Die Arbeit schließt in Kapitel 5 mit einer Reflektion der Ergebnisse.
Inhaltsverzeichnis
1 Einleitung
2 Grundlagen und Definitionen
2.1 Das Kreditrisiko
2.2 Ausprägungen und Risikotreiber von Kreditrisiken
2.3 Kreditrisikomessung – Besonderheiten und Anforderungen
3 Risikomaße zur Quantifizierung des Kreditrisikos
3.1 Downside Risikomaße
3.2 Value-at-Risk
3.3 Expected Shortfall
3.4 Lower Partial Moments
4 Modellierung der Verlustverteilung
4.1 Beispielhafte Ermittlung der Verlustverteilung (Binomialmodell)
4.2 Varianz-Kovarianz-Ansatz
4.3 Historische Simulation
4.4 Monte Carlo Simulation
5 Fazit
Zielsetzung & Themen
Diese Arbeit untersucht die Eignung und Anwendbarkeit verschiedener Kreditrisikomaße sowie Methoden zur Modellierung von Verlustverteilungen im Bankwesen. Dabei steht die entscheidungstheoretische Analyse der quantitativen Methoden im Fokus, um die Anforderungen an eine realitätsnahe Risikoeinschätzung zu validieren.
- Grundlagen des Kreditrisikomanagements und Risikodefinitionen
- Kritische Analyse von Downside-Risikomaßen (VaR, Expected Shortfall, LPM)
- Methoden der Verlustverteilungsmodellierung (Binomialmodell, Simulationen)
- Gegenüberstellung von theoretischer Eignung und praktischer Anwendbarkeit
Auszug aus dem Buch
3.2 Value-at-Risk
Der Value-at-Risk (VaR) ist ein spezifisches Quantilmaß, definiert als der maximale Verlust, der mit einer bestimmten Wahrscheinlichkeit innerhalb eines bestimmten Zeitraumes nicht überschritten wird.21 Der VaR kann als ökonomisches Kapital interpretiert werden, welches die Bank vor eklatanten Verlusten absichern soll.22 Die Wahrscheinlichkeit wird mittels eines Vertrauensintervalls festgelegt. Je höher dieses Konfidenzniveau gewählt wird, desto sicherer wird zwar der Verlustwert abgebildet, dessen exakte und verlässliche Berechnung wird damit allerdings beeinträchtigt. Ebenso wird durch ein sehr hohes Konfidenzniveau die existenzielle Validierung des Risikomaßes erschwert.23
Bezogen auf die zugrunde liegende Verteilung wird zwischen parametrischen und nicht-parametrischen VaR differenziert. Für die Bestimmung von parametrischen VaR gilt die Annahme, dass Verluste einer analytisch bestimmbaren Verteilung folgen. Die Ermittlung von nicht-parametrischen VaR erfolgt auf Basis historischer Daten, wodurch kein spezielles stochastisches Modell unterstellt wird. Auf die Methoden zur Modellierung von Verlustverteilungen wird im Kapitel 4 gesondert eingegangen.
Der VaR erfüllt die Anforderungen der Monotonie, der positiven Homogenität und der Translationsinvarianz. Die Stärken des VaR sind die leichte Interpretierbarkeit und das Ausdrücken eines potenziellen Verlustes in Geldeinheiten. Dadurch kann der Wert als ökonomisches Kapital zur Verlustabdeckung genutzt werden.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Notwendigkeit der Kreditrisikomessung ein und skizziert die methodische Vorgehensweise der Arbeit.
2 Grundlagen und Definitionen: Hier werden zentrale Begriffe wie Kreditrisiko, Ausfallrisiko sowie die Anforderungen an Risikomaße definiert.
3 Risikomaße zur Quantifizierung des Kreditrisikos: Dieses Kapitel analysiert verschiedene Downside-Risikomaße, insbesondere Value-at-Risk, Expected Shortfall und Lower Partial Moments.
4 Modellierung der Verlustverteilung: Hier werden gängige Methoden zur Modellierung, wie das Binomialmodell, der Varianz-Kovarianz-Ansatz, die Historische Simulation und die Monte Carlo Simulation, vorgestellt.
5 Fazit: Das Fazit fasst die Ergebnisse zusammen und bewertet die Eignung der untersuchten Methoden für die Bankpraxis.
Schlüsselwörter
Kreditrisiko, Risikomessung, Value-at-Risk, Expected Shortfall, Verlustverteilung, Monte Carlo Simulation, Historische Simulation, Banken, Risikomanagement, Ausfallrisiko, Bonitätsrisiko, Finanzkrise, Modellierung, Eigenkapital, Risikotragfähigkeit.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der quantitativen Messung von Kreditrisiken in Banken und analysiert, welche Kennzahlen und Modellierungsmethoden für eine realitätsnahe Risikobewertung geeignet sind.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen die Definition von Kreditrisiken, die Untersuchung von Risikomaßen (wie VaR oder ES) sowie die verschiedenen Ansätze zur Modellierung von Verlustverteilungen.
Was ist das primäre Ziel der Forschungsarbeit?
Ziel ist die kritische Validierung von Kreditrisikomaßen und Modellierungsmethoden im Hinblick auf ihre theoretische Qualität und praktische Anwendbarkeit im Bankgeschäft.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine entscheidungstheoretische Analyse, die bestehende Modelle und Kennzahlen vergleicht und unter Berücksichtigung definierter Axiome bewertet.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die Analyse spezifischer Risikomaße (Kapitel 3) und die Untersuchung mathematischer Methoden zur Verlustverteilungsmodellierung (Kapitel 4).
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Kreditrisiko, Value-at-Risk, Expected Shortfall, Verlustverteilung und verschiedene Simulationsmethoden wie die Monte Carlo Simulation.
Warum ist der Value-at-Risk als Risikomaß umstritten?
Der VaR gilt als nicht kohärent, da ihm die Eigenschaft der Subadditivität fehlt, was bei diversifizierten Portfolios zu fehlerhaften Risikoeinschätzungen führen kann.
Welchen Vorteil bietet die Monte Carlo Simulation?
Sie zeichnet sich durch Verteilungs- und Vergangenheitsfreiheit aus, was sie zur theoretisch und praktisch bewährtesten Methode zur Modellierung unter normalen Umständen macht.
Welche Rolle spielen die Lower Partial Moments?
LPMs sind eine Klasse von Downside-Risikomaßen, die jedoch laut Arbeit die Anforderungen an ein kohärentes Risikomaß im Vergleich am geringsten erfüllen.
- Arbeit zitieren
- Rabea Hacker (Autor:in), 2013, Messung von Kreditrisiken. Eine entscheidungstheoretische Analyse, München, GRIN Verlag, https://www.grin.com/document/265969
