Bonitätsbeurteilungsverfahren sollen den Kreditvergabeprozess effizient und objektiv gestalten. Damit liegt der Schwerpunkt moderner Rating/ Scoringverfahren zum einen in der zeitlichen Verkürzung des Entscheidungsprozesses und zum anderen in der Senkung des Ausfallrisikos. Man unterscheidet hierbei zum einen das „Scoring“, welches sich vornämlich auf natürliche Personen bezieht und zum anderen das „Rating“, dessen Zielgruppe die juristischen Personen sind. Inhaltlich verdichtet ein „Scoring“ bzw. „Rating“ die Bonitätsmerkmale eines Kreditnehmers zu einem Gesamturteil, dass quantitativ den Risikograd wiederspiegelt, welches ein Kredit-Engagement für eine Bank mit sich bringt.
Formal wird das quantitative Urteil auch als „Ausfallwahrscheinlichkeit“ bezeichnet.
1.1 Konzeption
Allgemein ist ein „Scoring“ oder „Rating“ so zu entwickeln, dass sich die Ergebniswerte auf Ausfallwahrscheinlichkeiten projizieren lassen. „Es sollten nach herrschender Meinung mindestens acht (zehn) verschiedene Ergebnisklassen und ebenso viele Wahrscheinlichkeitsintervalle (vor einer Entwicklung) definiert werden, die zum Beispiel Rückschlüsse auf bestimmte (disjunkte) Formen einer Zahlungsstörung ermöglichen.“ Darüber hinaus sollte die Ermittlung einer Bonitätsklasse möglichst anhand von objektiven Kriterien stattfinden, damit eine unabhängige, vergleichbare Beurteilung verschiedener Kunden möglich wird.
Inhaltsverzeichnis
1. Definition Scoring/ Rating
1.1 Konzeption
1.2 Rahmenbedingungen
1.3 Ziel der Scoring-/ Rating-Modelle
2. Grundsätzliche Beurteilung von Scoring-/ Rating-Ansätzen
3. Probleme bei der Entwicklung eines Scoring-Modells
4. Unterschiedliche Verfahren der Insolvenzprognose
5. Statistische Verfahren
5.1 Geeignete Merkmale für Scoring-Systeme
5.1.1 Chi-Quadrat-Test
5.1.1.1 Praktische Umsetzung
5.1.2 Die Normalverteilung
5.1.2.1 Praktische Umsetzung
5.1.3 Mittelwert-Analysen (Tests)
5.1.3.1 Praktische Umsetzung
5.2 Probleme bei der Isolierung einzelner Merkmale
6. Lineare multiple Regression
6.1 Praktische Umsetzung
7. Beispiel zur Diskriminanzanalyse
Zielsetzung & Themen
Die Arbeit verfolgt das Ziel, die Leistungsfähigkeit verschiedener statistischer Verfahren zur Kreditanalyse zu untersuchen und aufzuzeigen, wie diese zur Effizienzsteigerung und Risikominimierung im Kreditvergabeprozess beitragen können.
- Grundlagen und Konzeption von Scoring- und Rating-Modellen
- Fehleranalyse in der quantitativen Kreditbeurteilung
- Methodik statistischer Verfahren zur Identifikation von Bonitätsindikatoren
- Anwendung multivariater Verfahren wie der linearen Regression und Diskriminanzanalyse
Auszug aus dem Buch
2. Grundsätzliche Beurteilung von Scoring-/ Rating-Ansätzen
Eine Bank, die zu großzügig Kredite vergibt, läuft Gefahr, Kreditverluste durch ausbleibende Rückzahlungen, zu erleiden. Andersherum würde eine Bank, die sich bei der Kreditvergabe zu restriktiv verhält Verluste aus dem entgangenen, positivem Geschäft erleiden (i.S.v. Opportunitätskosten).
In der quantitativen Analyse, zur Beurteilung von Scoring-/ Rating-Ansätzen beschreibt man diesen Sachverhalt über den Fehler 1.Art (α) bzw. Fehler 2.Art (β). Die Nullhypothese (H0) lautet in diesem Fall :
H0: Der Kredit ist „faul“ !
Die Bank entscheidet, die richtige Nullhypothese abzulehnen. Der Kredit wird irrtümlich als „gut“ eingestuft. In der Konsequenz führt dieses zum Fehler erster Art. Ein „schlechter“ Kredit wird als „gut“ eingestuft. Die richtige Hypothese wird abgelehnt. Die Wahrscheinlichkeit, einen Fehler 1.Art zu begehen, wird in der schließenden Statistik auch als Irrtumswahrscheinlichkeit (α) bezeichnet.
Zusammenfassung der Kapitel
1. Definition Scoring/ Rating: Einführung in die Begrifflichkeiten und Ziele von Bonitätsbeurteilungsverfahren zur Effizienzsteigerung der Kreditvergabe.
2. Grundsätzliche Beurteilung von Scoring-/ Rating-Ansätzen: Analyse der Risiken bei Fehlentscheidungen in der Kreditvergabe anhand von Fehler 1. Art und Fehler 2. Art.
3. Probleme bei der Entwicklung eines Scoring-Modells: Erläuterung, wie die Zielgruppendefinition und geschäftspolitische Ziele die Modellqualität beeinflussen.
4. Unterschiedliche Verfahren der Insolvenzprognose: Übersicht über verschiedene qualitative und quantitative Methoden zur Prognose von Unternehmenskrisen.
5. Statistische Verfahren: Detaillierte Untersuchung statistischer Tests wie Chi-Quadrat, Normalverteilung und Mittelwertvergleiche zur Identifikation von Bonitätsindikatoren.
6. Lineare multiple Regression: Vorstellung eines merkmalsübergreifenden Ansatzes zur Erklärung der Ausfallwahrscheinlichkeit mittels Regression.
7. Beispiel zur Diskriminanzanalyse: Darstellung der historischen Entwicklung und praktischen Anwendung der Diskriminanzfunktion nach Altmann.
Schlüsselwörter
Scoring, Rating, Bonitätsbeurteilung, Insolvenzprognose, Kreditausfallrisiko, Ausfallwahrscheinlichkeit, Chi-Quadrat-Test, Normalverteilung, t-Test, lineare multiple Regression, Diskriminanzanalyse, Kreditvergabeprozess, statistische Verfahren, Fehler 1. Art, Fehler 2. Art
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Leistungsfähigkeit statistischer Verfahren zur Kreditanalyse im Kontext von Scoring- und Rating-Modellen.
Was sind die zentralen Themenfelder der Arbeit?
Die Arbeit behandelt die konzeptionellen Grundlagen der Bonitätsprüfung, die quantitative Analyse von Fehlerrisiken bei der Kreditvergabe sowie verschiedene statistische Methoden zur Prognose von Kreditausfällen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, aufzuzeigen, wie statistische Verfahren dazu beitragen können, Kreditvergaben objektiver zu gestalten und die Qualität der Risikobeurteilung zu erhöhen.
Welche wissenschaftliche Methodik wird verwendet?
Es werden verschiedene quantitative Methoden wie der Chi-Quadrat-Test, der Kolmogorov-Smirnov-Test, Mittelwert-Analysen, die lineare multiple Regression sowie die Diskriminanzanalyse auf Basis fiktiver Datensätze unter SPSS angewendet.
Was wird im Hauptteil der Arbeit detailliert behandelt?
Der Hauptteil erörtert Probleme bei der Modellentwicklung, führt in die statistische Fehleranalyse ein und erläutert praxisorientiert die Anwendung unterschiedlicher Prognosemodelle anhand von Beispieldaten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich primär über Begriffe wie Scoring, Rating, Insolvenzprognose, Ausfallwahrscheinlichkeit und statistische Analyseverfahren wie Regression und Diskriminanzanalyse definieren.
Warum ist die Unterscheidung von Fehler 1. Art und Fehler 2. Art für Banken so wichtig?
Die Unterscheidung ist essentiell, da sie das Verlustrisiko durch faule Kredite (Fehler 1. Art) gegen die entgangenen Chancen durch zu restriktive Kreditvergabe (Fehler 2. Art) abwägt.
Welche Rolle spielt die Software SPSS in diesem Dokument?
SPSS dient als Werkzeug zur praktischen Umsetzung der statistischen Verfahren, um an fiktiven Datensätzen zu demonstrieren, wie Merkmale (wie z.B. das Alter) zur Bonitätsprognose genutzt werden können.
- Citation du texte
- Tim Hamann (Auteur), 2004, Scoring Modelle: Die Leistungsfähigkeit der verschiedenen statistischen Verfahren zur Kreditanalyse sollen aufgezeigt werden, Munich, GRIN Verlag, https://www.grin.com/document/31631
