Sowohl im Rahmen der Finanzkrise ab dem Jahr 2007 als auch wegen aufsichtlicher Anforderungen, wie sie sich aus der Baseler Übereinkunft ( Basel II ) ergeben, rückt das Thema der Messung und des Managements von Kreditrisiken immer mehr in das Licht der öffentlichen Aufmerksamkeit. Nachdem sich der wesentliche Teil des Risikos, dem ein Kreditinstitut ausgesetzt ist, aus den Risiken des Kreditgeschäftes ergibt , soll in dieser Arbeit das Thema Rating näher beleuchtet werden.
In den folgenden Ausführungen wird das Ziel verfolgt, gängige Methoden zur Berechnung in-terner Ratings zu systematisieren und anschließend den Aufbau eines internen Ratings abzubilden. Dazu wird zunächst in Kapitel 2 das Verständnis eines internen Ratings vertieft und hinsichtlich externer Ratings abgegrenzt. Kapitel 3 enthält eine Übersicht über die praxisrelevanten internen Ratingverfahren; es erläutert zudem die mathematisch-statistischen Modelle näher. Anschließend wird der Prozess der Im-plementierung und Validierung eines internen Ratingverfahrens anhand von Moody’s KMV RiskCalc dargestellt.
Inhaltsverzeichnis
1 Einleitung
2 Abgrenzung externes und internes Rating
2.1 Externes Rating
2.2 Internes Rating
3 Marktgängige Modelle zur Bonitätsbeurteilung
3.1. Übersicht
3.2. Mathematisch-statistische Systeme
3.2.1. Multivariate Diskriminanzanalyse
3.2.2. Regressionsmodelle
3.2.3. Neuronale Netze
4 Moody’s KMV RiskCalc Model
4.1. Anforderungen an das Rating
4.2. Entwicklungsstufen
4.2.1. Auswahl von geeigneten Kennzahlen
4.2.2. Kennzahlenkombination und Validierung
4.2.3. Kalibrierung
5 Resümee
Zielsetzung & Themen
Das Hauptziel dieser Arbeit besteht darin, gängige Methoden zur Berechnung interner Ratings zu systematisieren und den Aufbau eines internen Ratings praxisnah zu erläutern. Die Arbeit untersucht insbesondere, wie die Methodik der logistischen Regression, beispielhaft dargestellt am Moody’s KMV RiskCalc Modell, zur Prognose von Ausfallwahrscheinlichkeiten von Schuldnern eingesetzt werden kann.
- Grundlagen und Abgrenzung von externem und internem Rating
- Systematik marktgängiger mathematisch-statistischer Bonitätsmodelle
- Anforderungen an moderne Ratingmodelle
- Prozessschritte der Entwicklung eines quantitativen Ratingmodells
- Anwendung der logistischen Regression in der Kreditrisikomessung
Auszug aus dem Buch
3.2.2. Regressionsmodelle
Regressionsmodelle sind die am häufigsten verwendeten Verfahren zur Bildung von Score-Modellen. Entgegen den oben beschriebenen Anforderungen an die Daten der Diskriminanzanalyse stellen Regressionsmodelle nur geringe Anforderungen an das Datenniveau, wodurch neben quantitativen auch qualitative Bonitätsmerkmale problemlos verarbeitet werden können. Positiv zu bewerten ist zudem der Aspekt, dass die Ergebnisse robuster als die der Diskriminanzanalyse sind. Allerdings muss beachtet werden, dass für dieses Modell hinsichtlich der Modellkalibrierung eine repräsentative Stichprobe insolventer Unternehmen zur Verfügung stehen muss. Die Eigenschaft der direkten Abbildung des Modellergebnisses als Ausfallwahrscheinlichkeit ist positiv zu werten und erleichtert die Kalibrierung des Ratingmodells.
Regressionsmodelle haben das Ziel, die Abhängigkeit einer dualen Variable von anderen unabhängigen Variablen zu modellieren. Wird dieses Schema auf Bonitätsbeurteilungsverfahren angewandt, so steht für die abhängig binäre Variable die Gruppe solvent oder insolvent und für die unabhängigen Variablen die Merkmalausprägungen. Es soll somit anhand bestimmter Bonitätsmerkmale die Zugehörigkeit von Kreditnehmern zu den Gruppen solvent und insolvent bestimmt werden. Grundsätzlich existieren zwei Arten von Regressionsmodellen, Logit- und Probit-Modelle. Die Resultate beider Modelltypen unterscheiden sich allerdings nicht wesentlich. Für die Ratingmodellierung wird in der Praxis häufiger das Logit-Modell verwendet, daher wird auf eine detailliertere Beschreibung des Probit-Modells im weiteren Verlauf verzichtet. Am Ende steht bei der logistischen Regression die Wahrscheinlichkeit, mit der der betrachtete Fall zur solventen Gruppe gehört.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Relevanz der Kreditrisikomessung ein und skizziert das Ziel der Arbeit, Methoden interner Ratings zu systematisieren.
2 Abgrenzung externes und internes Rating: Dieses Kapitel definiert Rating und unterscheidet zwischen extern durch Agenturen erstellten Ratings und bankinternen Verfahren.
3 Marktgängige Modelle zur Bonitätsbeurteilung: Das Kapitel kategorisiert verschiedene Ratingansätze und erläutert mathematisch-statistische Systeme wie Diskriminanzanalyse, Regression und neuronale Netze.
4 Moody’s KMV RiskCalc Model: Dieser Abschnitt beschreibt das Modell von Moody’s als Beispiel, analysiert die Anforderungen an Ratings und erklärt die Entwicklungsstufen eines solchen Modells.
5 Resümee: Das Fazit fasst die Ergebnisse zusammen und betont die zukünftige Bedeutung quantitativer Finanzratings für das Risikomanagement.
Schlüsselwörter
Kreditrisiko, Internes Rating, Ausfallwahrscheinlichkeit, Moody’s KMV RiskCalc, Logistische Regression, Diskriminanzanalyse, Bonitätsbeurteilung, Score-Modelle, Finanzmanagement, Risikomanagement, Quantitative Analyse, Ratingmodellierung, Basel II, Kennzahlenanalyse, Validierung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit internen Ratingverfahren bei Banken, die dazu dienen, die Ausfallwahrscheinlichkeit von Kreditnehmern zu quantifizieren.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen die Unterscheidung zwischen externem und internem Rating, mathematisch-statistische Modelle der Bonitätsbeurteilung und die praktische Anwendung von Ratingmodellen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Systematisierung gängiger Methoden zur Berechnung interner Ratings und die Darstellung des Aufbaus eines internen Ratings anhand des Moody’s KMV RiskCalc Modells.
Welche wissenschaftliche Methode wird primär erläutert?
Die Arbeit fokussiert auf mathematisch-statistische Systeme, insbesondere die logistische Regression, zur Prognose von Schuldnerausfallwahrscheinlichkeiten.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden verschiedene Bonitätsmodelle wie die Diskriminanzanalyse und neuronale Netze erläutert sowie das Moody’s KMV RiskCalc Modell detailliert in seinen Entwicklungsstufen analysiert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind unter anderem Kreditrisiko, Ausfallwahrscheinlichkeit, logistische Regression, internes Rating und Bonitätsbeurteilung.
Warum ist das Moody’s KMV RiskCalc Modell ein zentraler Untersuchungsgegenstand?
Es dient als praxisnahes Beispiel, um den Prozess von der Kennzahlenauswahl über die Modellentwicklung bis hin zur Kalibrierung und Anwendung der logistischen Regression zu veranschaulichen.
Wie unterscheidet sich die logistische Regression von anderen Modellen wie der Diskriminanzanalyse?
Die logistische Regression stellt geringere Anforderungen an das Datenniveau, erlaubt die Verarbeitung qualitativer Merkmale und liefert Ausgabewerte, die direkt als Ausfallwahrscheinlichkeiten interpretierbar sind.
Was ist die Bedeutung der Kalibrierung bei Ratingmodellen?
Die Kalibrierung überführt die Score-Werte des Modells in reale Ausfallwahrscheinlichkeiten, indem sie die im Modell errechnete Verteilung an die tatsächliche Ausfallrate im Portfolio anpasst.
- Arbeit zitieren
- Anonym (Autor:in), 2014, Interne Ratingverfahren bei Banken zur Beurteilung der Ausfallwahrscheinlichkeit von Schuldnern, München, GRIN Verlag, https://www.grin.com/document/294410
