Kreditrisikomanagement in Banken. Instrumente und Methoden der Kreditrisikosteuerung


Diplomarbeit, 2004

122 Seiten, Note: 2,0


Leseprobe

Inhaltsverzeichnis

1 Einleitung

2 Theoretische und rechtliche Grundlagen des Kreditgeschäfts
2.1 Definitionen und Begriffsabgrenzungen
2.1.1 Probleme der asymmetrischen Informationsverteilung
2.1.2 Definition des Kreditrisikos
2.1.3 Aufgaben und Instrumente des Kreditrisikomanagements
2.2 Bankenaufsichtsrechtliche Regelungen zum Kreditgeschäft
2.2.1 Aktuelle Regelungen des Grundsatz I und des KWG
2.2.2 Basel II
2.2.2.1 Das Konzept von Basel II
2.2.2.2 Überblick über die Ratingansätze in Basel II
2.2.2.3 Auswirkungen von Basel II auf das Kreditrisikomanagement

3 Instrumente und Methoden der Kreditrisikosteuerung in Banken
3.1 Kreditwürdigkeitsprüfung im Firmenkundenkreditgeschäft
3.1.1 Instrumente der Kreditwürdigkeitsprüfung
3.1.1.1 Jahresabschlussanalyse
3.1.1.2 Diskriminanzanalyse
3.1.1.3 Künstliche Neuronale Netze
3.1.1.4 Expertensysteme
3.1.1.5 Kontodatenanalyse
3.1.2 Kreditratingsysteme
3.1.3 Vergleichender Überblick
3.2 Risikoadjustierte Kreditbepreisung
3.2.1 Erwartete und unerwartete Verluste
3.2.2 Verfahren zur Ermittlung von Standardrisikokosten
3.2.2.1 Das Versicherungsprinzip
3.2.2.1.1 Bestimmung des Credit Exposures
3.2.2.1.2 Bestimmung der expected recovery rate
3.2.2.1.3 Bestimmung der expected default probability
3.2.2.2 Das Optionspreismodell
3.2.3 Kritische Würdigung der risikoadjustierten Kreditbepreisung
3.3 Kreditportfoliosteuerung
3.3.1 Zielsetzung und Klassifizierung der Portfoliomodelle
3.3.2 Probleme bei der Quantifizierung des Portfoliorisikos
3.3.3 Kreditportfoliomodelle
3.3.3.1 CreditRisk+™
3.3.3.2 CreditPortfolioView™
3.3.3.3 CreditMetrics™
3.3.3.4 Credit Portfolio Manager™
3.3.4 Vergleich der Modelle
3.4 Instrumente zur Begrenzung des Kreditrisikos
3.4.1 Organisatorische und aufsichtsrechtliche Maßnahmen
3.4.2 Diversifikation von Kreditrisiken
3.4.3 Übertragung von Kreditrisiken

4 Schlussbetrachtung

Anhang

Literatur- und Quellenverzeichnis

Abbildungsverzeichnis

Abbildung 1: Gesamtinsolvenzen in Deutschland von 1993 bis 2003

Abbildung 2: Insolvenzentwicklung in Europa von 1997 bis 2002

Abbildung 3: Das 3-Säulen-Konzept von Basel II

Abbildung 4: Bivariate Diskriminierung nach Umsatzrendite und Eigenkapitalquote

Abbildung 5: Verteilung der Werte der Trennfunktion über die Gesamtheit „guter" und „schlechter" Kreditengagements

Abbildung 6: Künstlich Neuronales Netz mit einer Zwischenschicht

Abbildung 7: Trennung solventer und insolventer Unternehmen in einer KNN-Analyse

Abbildung 8: Aufbau eines Expertensystems

Abbildung 9: Formular für die Anwendung des Kreditrating-Systems des BVR

Abbildung 10: Grundgleichung der Kalkulation von Standard-Risikokosten

Abbildung 11: Wahrscheinlichkeitsverteilung für Kreditverluste

Abbildung 12: Vorgehensweise bei der Ermittlung des erwarteten Marktwertes eines marktfähigen Kredits

Abbildung 13: Von den (Forward-) Zerobondrenditen über die Kreditbarwerte zum Erwartungswert am Ende der Betrachtungsperiode

Abbildung 14: Funktionsweise von Kreditderivaten

Tabellenverzeichnis

Tabelle 1: Risiken des Kreditgebers

Tabelle 2: Risikogewichtung nach Basel II für Forderungen an Unternehmen gem. S&P-Notation

Tabelle 3: gebräuchliche Kennziffern der Jahresabschlussanalyse

Tabelle 4: Vor- und Nachteile der Verfahren zur Kreditwürdigkeitsprüfung

Tabelle 5: Rechnungskomponenten des Kreditrisikos

Tabelle 6: Volumenstruktur des Beispiel-Kreditportfolios durch Exposure-Bänder

Tabelle 7: Bestimmung der Verlustverteilung in CreditRisk+™

Tabelle 8: Projizierung von Ausfallraten und Risikofaktoren mit Hilfe der Monte-Carlo-Simulation

Tabelle 9: Migrationsmatrix (One-year transition matrix) für acht Ratingklassen

Tabelle 10: Vergleichender Überblick verschiedener Kreditportfoliomodelle

Tabelle 11: Systematisierung der Ansätze zur Kreditrisikobegrenzung

Tabelle 12: Instrumente zum Transfer von Kreditrisiken

Tabelle 13: Zuordnung geeigneter Kreditderivate-Strukturen zur Limitierung verschiedenartiger Risiken

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Vor dem Hintergrund der gesamtwirtschaftlichen Schwäche in den letzten Jahren und dem uneinheitlichen Marktumfeld sind regelmäßig hieraus resultierende steigende Insolvenzzahlen zu verzeichnen. Dabei ist ein Höchststand nach dem anderen zu registrieren.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Gesamtinsolvenzen in Deutschland von 1993 bis 2003[1]

Die vorstehende Abbildung zeigt hierbei insbesondere den seit 2000 dramatischen und fortlaufenden Anstieg an Insolvenzen. Zu berücksichtigen ist diesbezüglich insbesondere die mit Wirkung vom 01.01.2000 in Kraft getretene Insolvenzrechtsreform.

So ermöglicht die Reform nicht nur Unternehmen und Kaufleuten die Durchführung eines Insolvenzverfahrens, sondern macht sie durch die geschaffene Restschuldbefreiung nach 7 Jahren Disziplin jetzt auch für Privatpersonen attraktiv. Nebenziel der Reform war jedoch auch die Erhaltung von Unternehmen und nicht wie zuvor üblich die scheinbar willkürliche Zerschlagung im Rahmen eines Konkursverfahrens.

Dies ist jedoch kein Einzelphänomen, welches nur Deutschland betrifft. Wie die nachfolgende Abbildung zeigt, ist eine ähnliche Entwicklung in ganz Europa zu verzeichnen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Insolvenzentwicklung in Europa von 1997 bis 2002[2]

Ergebnis eines Insolvenzverfahrens ist aber auch heute noch regelmäßig die Liquidierung eines Unternehmens und im Falle einer Verbraucherinsolvenz die so genannte Restschuldbefreiung.

Dies bedeutet insbesonders für die Gläubiger, dass sie mit Ihren Forderungen gegenüber dem Insolvenzschuldner vielfach vollständig oder mit großen Teilen ausfallen.

Hierin besteht für Kreditinstitute als den wohl häufigsten Kreditgebern ein ganz besonderes Risiko. So ist es Antritt der Banken, sich durch geeignete Maßnahmen vor Kreditausfällen zu schützen und - soweit irgend möglich - diese drohende Gefahr bereits vor Kreditvergabe zu erkennen und zu vermeiden.

Das Management von Risiken, die sich aus dem Kreditgeschäft für Banken ergeben, bildet somit einen immer stärker werdenden Schwerpunkt in der Banksteuerung. Diese Diplomarbeit gibt einen Einblick in die bestehenden Aufgaben und Instrumente des Kreditrisikomanagements in Banken. Nach einer kurzen Einführung, welche einige grundlegende Begriffe definiert und den rechtlichen Rahmen und dessen aktuelle Entwicklung absteckt, folgt ein Überblick, wie Kreditrisiken entstehen sowie entdeckt werden können, wie mit Risiken einzelner Kredite sowie den Kreditrisiken eines Portfolios umgegangen werden kann und welche Möglichkeiten zur Steuerung bzw. Begrenzung dieser Risiken die aktuellen Entwicklungen bereitstellen. Diese Arbeit orientiert sich dabei insbesondere an aktuellen Themen und in der Praxis relevanten Sachverhalten.

2 Theoretische und rechtliche Grundlagen des Kreditgeschäfts

2.1 Definitionen und Begriffsabgrenzungen

2.1.1 Probleme der asymmetrischen Informationsverteilung

Die Entstehung von Kreditrisiken wird im Allgemeinen auf eine ungleiche Verteilung von Informationen zwischen dem Kreditgeber und dem Kreditnehmer zurückgeführt. Diese asymmetrische Informationsverteilung und ihre möglichen Folgen beschreibt die Principal-Agent-Theorie.

Principal-Agent-Theorie

Eine asymmetrische Informationsverteilung liegt vor, wenn die Vertragspartner über relevante Sachverhalte unterschiedlich gut informiert sind.[3]

hidden

information

Im Falle der „hidden information“ besteht der unterschiedliche Informationsstand bereits vor Abschluss eines Kreditvertrages (ex ante). In diesem Fall wird sich der Marktpreis an der durchschnittlichen Bonität der Kreditnehmer orientieren.

adverse selection

Allerdings werden Kreditnehmer mit einer überdurchschnittlichen Bonität durch den für sie zu hohen Marktpreis auf den Kredit verzichten. Hierdurch verbleiben dem Kreditgeber nur noch die durchschnittlichen und unterdurchschnittlichen, also die schlechteren, Risiken. Es kommt zu einer „adverse selection“. (Grafische Darstellung siehe Anhang I.)

hidden action

Entsteht die asymmetrische Informationsverteilung jedoch erst nach Abschluss des Kreditvertrages (ex post), tritt das Problem der „hidden action“ auf. Bei dieser versteckten Handlung kann der Kreditgeber (principal) die Mittelverwendung durch den Kreditnehmer (agent) nur unzureichend kontrollieren. Gleichzeitig besteht für den Kreditnehmer ein gewisser Anreiz, risikoreichere Geschäfte zu tätigen, da deren Erfolg im Wesentlichen ihm zugute kommt, während das Risiko des Misserfolgs in Form des Ausfallrisikos vom Kreditgeber getragen wird.[4]

moral hazard

Als eine Folge aus der Kenntnis der Problematik der „hidden action“ resultiert beim Kreditgeber ein „moral hazard“, da dieser die Anstrengungen des Kreditgebers und die Art der Mittelverwendung nur unzureichend beobachten kann.[5]

Zur Reduzierung dieser Probleme existieren verschiedene Lösungsansätze. Dies kann z.B. in Form von freiwillig bereitgestellten bewertungsrelevanten Informationen durch den Kreditnehmer erfolgen oder durch eine Verwendungskontrolle der Kreditmittel durch die Bank. Letzteres erfolgt in der Praxis häufig bei so genannten Bauzwischenkonten, bei denen die Auszahlung gegen Rechnung oder nach Baufortschritt erfolgt.

Weiterhin ist die Bestellung bzw. Hereinnahme von Kreditsicherheiten oder auch die Vereinbarung von Kreditauflagen (financial covenants) üblich und dient der Reduktion von Informationsasymmetrien.[6] Eine vollständige Vermeidung von Informationsasymmetrien ist jedoch nicht möglich, sodass das Kreditrisiko erhalten bleibt.

2.1.2 Definition des Kreditrisikos

Dass Schuldner auf einmal den vereinbarten Kapitaldienst nicht mehr leisten können oder wollen, lässt sich bis in die Antike zurückverfolgen. Diese Gefahr oder Unsicherheit wurde jedoch früher insbesondere bei bilateralen Krediten gesehen und betraf den Bankier. Daher der Begriff des Kreditrisikos.[7]

In der heutigen Zeit erstreckt sich die Gefahr, dass der Schuldner ausfällt, auf praktisch alle Finanzgeschäfte. So spricht man vom Gegenparteirisiko, wobei der Begriff des Kreditrisikos als Oberbegriff erhalten bleibt.

Definition

Kreditrisiko

Büschgen spricht von einem Kreditrisiko im engeren Sinne, welches sich hauptsächlich auf das klassische Kreditgeschäft bezieht und einem Eindeckungsrisiko, das im Bereich der Termingeschäfte auftritt.[8]

Die Definition des Kreditrisikos im engeren Sinne bildet die Grundlage für die nachfolgenden Ausführungen, wobei dies sich auf Risiken aus unerwarteten Verlusten bezieht. (Siehe Kapitel 3.2.1 bzw. Anhang V)

Das originäre Kreditrisiko setzt sich aus dem Ausfall-, dem Bonitäts-, dem Liquiditäts-, dem Sicherungs-, und dem Länderrisiko zusammen. Nach dieser Begriffsinterpretation entstehen Kreditrisiken aus der Gefahr, dass der Schuldner einen vereinbarten Kreditvertrag nicht abredegemäß erfüllt.[9]

Bonitäts- und Ausfallrisiko

Mit dem Ausfallrisiko wird hierbei die Gefahr bezeichnet, dass der Schuldner beispielsweise durch Insolvenz ausfällt, während das Bonitätsrisiko einen Wertverlust, bedingt durch die Verschlechterung der Schuldnerbonität, darstellt. Das Ausfallrisiko wird insofern als Extremfall des Bonitätsrisikos gesehen[10] und in der Literatur häufig nicht separat beschrieben.

Liquiditätsrisiko

Das Liquiditätsrisiko beinhaltet die Gefahr, dass der Schuldner den vereinbarten Kapitaldienst nicht zu den festgelegten Terminen leistet und somit diese Gelder dem Kreditgeber nicht für etwaige andere Geschäfte zur Verfügung stehen.

Sicherungsrisiko

Als Sicherungsrisiko wird der etwaige Wertverlust der bestellten Kreditsicherheiten bezeichnet. (Zu üblichen Sicherheiten siehe Anhang II)

Länderrisiko

International tätige Kreditinstitute sehen sich des Weiteren dem Länderrisiko gegenüber, welches darin besteht, dass das Domizilland des Kreditnehmers aus wirtschaftlichen oder politischen Gründen die Zahlungen des Schuldners verhindert oder einschränkt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Risiken des Kreditgebers[11]

Derivative

Kreditrisiken

Neben den originären Kreditrisiken können auch unerwartete Probleme bei der Refinanzierung entstehen. Auf eine detaillierte Darstellung dieser derivativen Kreditrisiken wird verzichtet, weil in Banken zur operativen Steuerung dieser Risiken andere Instrumentarien eingesetzt werden. Der Vollständigkeit halber sind sie in Tabelle 1 mit aufgeführt.

2.1.3 Aufgaben und Instrumente des Kreditrisikomanagements

Aufgabe des Kreditrisikomanagements ist es, die im vorigen Abschnitt vorgestellten, insbesondere die originären, Kreditrisiken zu antizipieren, zu bewerten und zu steuern.

Zur Erfüllung dieser Aufgaben stehen den Kreditinstituten verschiedene Instrumente zur Verfügung, welche sich in ursachen- und wirkungsbezogene Maßnahmen differenzieren lassen.

Ursachenbezogene Maßnahmen

Mittels ursachenbezogener Maßnahmen soll die Eintrittswahrscheinlichkeit von Kreditrisiken bzw. der Ungewissheitsgrad über ihren Eintritt herabgesetzt werden, um somit die Möglichkeit der Schadensentstehung frühzeitig einzudämmen.[12] In diesem Zusammenhang wurden in den vergangenen Jahren v.a. verschiedene Methoden der Kreditwürdigkeitsprüfung entwickelt. Expertensysteme und künstliche neuronale Netze, um nur zwei zu nennen, stellen die neueren Entwicklungen dar. Doch trotz dieser immer sensibleren Systeme lässt sich der Eintritt von Kreditverlusten nicht gänzlich verhindern, sodass zur weiteren Kompensation wirkungsbezogene Maßnahmen ergriffen werden.

Wirkungsbezogene Maßnahmen

Die wirkungsbezogene Risikosteuerung zielt auf die Beschränkung und Steuerung des dennoch verbleibenden potenziellen Schadens ab. Hierbei sollen die Auswirkungen von Schadensfällen so weit wie möglich – zum Beispiel durch die Hereinnahme von Sicherheiten[13] – eingedämmt werden, sodass die Existenz der Bank zu keinem Zeitpunkt gefährdet wird (Stichwort: „Risikotragfähigkeit“).

Des Weiteren können sowohl die ursachen-, als auch die wirkungsbezogenen Maßnahmen auf Einzelkreditengagements oder das gesamte Kreditportfolio bezogen werden.[14]

2.2 Bankenaufsichtsrechtliche Regelungen zum Kreditgeschäft

Im Rahmen der Bedeutung, welche einem funktionierendem Finanz- und Bankensystem beigemessen wird, existiert von staatlicher Seite die Absicht, diese Funktionsfähigkeit zu erhalten. Hierzu wurden von der Bankenaufsicht u.a. Regelungen zur Liquidität und zum Eigenkapital getroffen. Der 2. Baseler Ausschuss für Bankenaufsicht hat in den vergangenen Jahren eine Revision des derzeitig gültigen Akkords von 1988 erarbeitet und neue Empfehlungen zur Stärkung der Solidität und Stabilität des internationalen Bankensystems herausgegeben, welche den neuesten Entwicklungen und Risiken Rechnung tragen. Diese „internationale Konvergenz der Kapitalmessung und Eigenkapitalanforderungen“ wird im Allgemeinen unter dem Begriff „Basel II“ subsumiert und soll voraussichtlich Ende 2006 / Anfang 2007 in Kraft treten.[15]

Das Kreditrisikomanagement in Banken wird im Rahmen von Basel II weiter an Bedeutung gewinnen. Nachfolgend werden deshalb wichtige aktuelle Regelungen und Entwicklungen sowie im Anschluss daran die Anforderungen von Basel II skizziert.

2.2.1 Aktuelle Regelungen des Grundsatz I und des KWG

Grundsatz I

Im Grundsatz I werden die Regelungen zum Eigenkapital der Kreditinstitute beschrieben. Insbesondere die so genannten Risikoaktiva sind mit Eigenmitteln zu unterlegen. Zu den Risikoaktiva gem. § 4 des Grundsatzes I zählen vor allem auch Kredite.[16]

Gemäß § 13 Grundsatz I werden die Risikoaktiva in verschiedene Bonitätsklassen unterteilt, welchen jeweils Gewichtungsfaktoren zugeordnet sind.[17] Diese gewichteten Risikoaktiva müssen gemäß § 2 Grundsatz I täglich zum Geschäftsschluss mit mindestens 8 % des haftenden Eigenkapitals, welches im § 10 KWG definiert ist, unterlegt sein.

KWG

Das Kreditwesengesetz (KWG) hält zudem in § 13 weitere, für das Kreditgeschäft wichtige, Regelungen vor. Demnach bedarf es gem. Abs. 1 einer unverzüglichen Meldung an die Deutsche Bundesbank, wenn Kredite an einen Kreditnehmer die Grenze von 10 % des haftenden Eigenkapitals übersteigen, so genannter Großkredit. Diese Kredite dürfen jedoch gem. Abs. 3 die maximale Obergrenze von 25 % des haftenden Eigenkapitals nicht übersteigen, so genannte Großkrediteinzelobergrenze. Bezogen auf das gesamte Kreditportfolio der Bank, darf die Summe aller Großkredite nicht das Achtfache des haftenden Eigenkapitals übersteigen.[18]

Des Weiteren sind Kreditinstitute nach § 18 KWG verpflichtet, sich ab Euro 250.000,00 zu gewährender Kredite an einen Kreditnehmer, Einblick in die wirtschaftlichen Verhältnisse des Kreditnehmers zu verschaffen. Dies erfolgt insbesondere durch Vorlage von Jahresabschlüssen und betriebswirtschaftlichen Auswertungen.[19]

2.2.2 Basel II

Nachdem nunmehr im vorigen Abschnitt der derzeitig gültige Handlungsrahmen skizziert wurde, soll im Folgenden die neue Baseler Eigenkapitalvereinbarung (Basel II) näher vorgestellt werden.

2.2.2.1 Das Konzept von Basel II

An der bestehenden Regelung wird insbesondere das zu grobe Risikogewichtungsschema kritisiert, da das den jeweiligen Positionen anhaftende Risiko nur unzureichend wiedergegeben werde.[20] Ebenso würden neu entwickelte Produkte und Verfahren zur Risikomessung und -steuerung nur pauschal oder unzureichend berücksichtigt.

Daher hat der Baseler Ausschuss für Bankenaufsicht die Eigenkapitalvereinbarung von 1988 überarbeitet und ein gleichsam auf drei Säulen basierendes Konzept geschaffen.

Drei-Säulen-Konzept

Die erste Säule definiert dabei die Eigenkapitalanforderungen an die Kreditinstitute, während die zweite Säule die Überprüfungsverfahren der Bankenaufsicht festlegt, welche als Folge der neu zu implementierenden Risikomessverfahren notwendig werden. Die dritte Säule betrifft die Verbesserung der Marktdisziplin und -transparenz mittels Vorschriften und Empfehlungen zur Offenlegung.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Das 3-Säulen-Konzept von Basel II[21]

Erste Säule

Die Regelungen der ersten Säule halten an der bestehenden Mindesteigenkapitalunterlegung der Risikoaktiva von mindestens 8 % fest. Neu hinzugekommen ist die geforderte Unterlegung von operationellen Risiken mit Eigenkapital.[22]

Die Berechnung folgt somit der folgenden Formel:

Abbildung in dieser Leseprobe nicht enthalten

Im Nachfolgenden soll nur das Kreditrisiko Gegenstand der näheren Betrachtungen sein. Basel II bietet hierbei 3 Verfahren zur Messung von Kreditrisiken. Neben der Standardmethode sind dies die Basismethode und der fortgeschrittene Ansatz, welche beide auf internen Ratings beruhen.

2.2.2.2 Überblick über die Ratingansätze in Basel II

Standardansatz

Nach dem Standardansatz erfolgt die Ermittlung der Risikogewichte mittels externer Bonitätsbeurteilungen von Ratingagenturen, deren Bonitätseinstufungen, in einem Anerkennungs- und Zuordnungsverfahren durch die Bankenaufsicht, den Risikogewichten zugeordnet werden.[23] Die bisherigen Einstufungen von 0 %, 20 %, 50 % und 100 % werden durch eine zusätzliche Stufe von 150 % ergänzt.[24] Diesen Kategorien werden die Schuldnergruppen entsprechend ihrer Bonität zugeordnet[25], wobei sich der Baseler Ausschuss für Bankenaufsicht an der Notationsmethodik der Ratingagentur Standard & Poor´s (S&P) orientiert hat. Beispielhaft folgt eine Darstellung der Zuordnung der Risikogewichte für Forderungen gegen Unternehmen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Risikogewichtung nach Basel II für Forderungen an Unternehmen gem. S&P-Notation[26]

Kritik

Als Kritik kann hier angeführt werden, dass eine nicht vorliegende Bonitätseinstufung zu einer geringeren Eigenkapitalunterlegung führt als eine schlechte Beurteilung unter BB-. Hierdurch ist es möglich, durch das Unterlassen einer Beurteilung, in Ahnung des schlechten Ergebnisses, die notwendige Eigenkapitalunterlegung zu reduzieren. Größere Bedeutung findet dies jedoch noch bei den im Folgenden beschriebenen internen Ratings basierten Ansätzen (IRB-Ansätze), da hier die Kreditnehmer durch das Kreditinstitut selbst geratet werden.

IRB-Ansätze

Diese IRB-Ansätze erlauben es den Kreditinstituten, die Einstufung zur Eigenkapitalunterlegung mittels eigener Mess- und Berechnungsmethoden durchzuführen. Es werden hierbei die Größen unerwarteter Verlust (UL = unexpected Loss) und erwarteter Verlust (EL = expected Loss) unterschieden. Während die erwarteten Verluste separat behandelt werden, erfolgt für die unerwarteten Verluste eine Bestimmung der Risikogewichtsfunktionen.[27] Die zugrunde liegenden Aktiva werden in die Forderungsklassen Unternehmen, Staaten, Banken, Retail und Beteiligungen unterteilt, wobei diese wiederum in Unterklassen eingeteilt werden. In Abhängigkeit der Risikokomponenten Ausfallwahrscheinlichkeit des Kreditnehmers (PD = Probability of Default), Verlustquote bei Ausfall (LGD = Loss Given Default), dem ausstehenden Forderungsbetrag bei Ausfall (EAD = Exposure at Default) sowie der effektiven Restlaufzeit (M) werden die Bonitätsgewichte ermittelt.[28]

Basisansatz vs. fortgeschrittenen Ansatz

Der IRB-Ansatz wird abgestuft in einen Basisansatz und einen fortgeschrittenen Ansatz. Beim Basisansatz schätzen die Institute lediglich die Ausfallwahrscheinlichkeit des Kreditnehmers selbst und verwenden im Restlichen vorgegebene Werte. Beim fortgeschrittenen Ansatz hingegen sind alle relevanten Parameter von der Bank selbst zu ermitteln.[29]

Sowohl im Standardansatz als auch in den IRB-Ansätzen kann das Kreditrisiko durch die Hereinnahme von Sicherheiten bzw. die Verwendung von Instrumenten zur Kreditrisikominderung, wie z.B. Garantien, Kreditderivate oder Nettingvereinbarungen, reduziert werden. Dies führt somit dann auch zu einer Reduktion der notwendigen Eigenmittelunterlegung.

2.2.2.3 Auswirkungen von Basel II auf das Kreditrisikomanagement

Ratinglücke

Es ist in der Bundesrepublik Deutschland zu beobachten, dass nur wenige Unternehmen von Ratingagenturen bewertet worden sind. Dies beschränkt sich im Regelfall auf börsennotierte Großunternehmen. Der überwiegende Teil, hier insbesondere die Klein- und Mittelstandsunternehmen (KMU), wurden bislang nicht durch aufsichtsrechtlich anerkannte Agenturen geratet. In diesem Zusammenhang spricht man auf einer „Ratinglücke“. Hieraus ergibt sich die Notwendigkeit für die Kreditinstitute, sich bei der Messung des Kreditrisikos auf die IRB-Ansätze zu konzentrieren.

Konsequenzen der IRB-Ansätze

Für die Institute und Verbände bedeutet dies jedoch die Veränderung und Anpassung der bestehenden Risikomanagementsysteme, um die aufsichtsrechtlichen Anforderungen zu erfüllen und eine Zulassung zu erhalten.[30] Insbesondere die Entwicklung von vollkommen neuen Ratingsystemen in Bezug auf die Anzahl und Differenzierung der Ratingklassen sowie die Trennschärfe und Berücksichtigung von quantitativen als auch qualitativen Bonitätsmerkmalen ist hierbei zu nennen.

Backtesting/ Stresstesting

Im Weiteren soll durch die geforderte Überwachung der Ratingsysteme und -prozesse eine möglichst genaue Schätzung der Ausfallwahrscheinlichkeiten erreicht werden. Im Besonderen sind hier Backtesting- und Stresstestingverfahren zu nennen.[31]

Korrelationen

Ein besonderes Anspruchsmoment an die Entwicklung neuer Kreditrisikomodelle stellt die Berücksichtigung von Korrelationen dar. In den vergangenen Jahren wurde daher sehr intensiv an den Modellen gearbeitet und vor allem zu einem großen Teil die notwendige Datenbasis geschaffen, um die aufsichtsrechtliche Freigabe zu erhalten. Als eines der ersten Modelle, welches anerkannt wurde, ist das genossenschaftliche System VR-Control mit dem integrierten BVR-II-Rating zu nennen.

3 Instrumente und Methoden der Kreditrisikosteuerung in Banken

Mithilfe der Steuerung von Kreditrisiken sollen zukünftig zu erwartende Kreditrisiken antizipiert, bewertet und durch eignete Maßnahmen begrenzt werden. Nach den zuvor skizzierten theoretischen und rechtlichen Rahmenbedingungen wird im Folgenden auf die Problematiken der Kreditrisikosteuerung näher eingegangen. Hierbei werden die Instrumente der Kreditwürdigkeitsprüfung, der Ermittlung von Risikoprämien bei Einzelkrediten, die Kreditportfoliosteuerung sowie die Kreditrisikolimitierung näher vorgestellt.

Das Hauptaugenmerk wird nachfolgend dabei auf das Firmenkundengeschäft gelegt, da dies i.d.R. mit dem weitaus größeren Risiko behaftet ist, als das Privatkundengeschäft. Die Ausführungen zum Privatkundenkreditgeschäft dienen lediglich der Vollständigkeit.

3.1 Kreditwürdigkeitsprüfung im Firmenkundenkreditgeschäft

Elemente der Kreditwürdigkeitsprüfung

Zentrales Element der Kreditwürdigkeitsprüfung, die regelmäßig vor der eigentlichen Kreditvergabe liegt (ex ante), ist die so genannte Kapitaldienstfähigkeit. Diese beschreibt die Fähigkeit des Kreditnehmers, den laufenden anfallenden Kapitaldienst, bestehend aus Zins- und/oder Tilgungsleistungen, zu den vereinbarten Zeitpunkten zu erbringen.

- Privatkunden

Im Privatkundengeschäft werden hierzu üblicherweise die monatlichen laufenden Einnahmen den entsprechenden monatlichen Ausgaben gegenübergestellt. Ein verbleibender Einnahmenüberschuss steht dann für den zu erbringenden Kapitaldienst zur Verfügung.

- Firmenkunden

Im Firmenkundenkreditgeschäft ist diese einfache Gegenüberstellung nicht ausreichend. Es müssen erst Gewinne erwirtschaftet werden, um den Kapitaldienst erbringen zu können. Deren Höhe ist jedoch für die Zukunft nur schwer vorhersagbar.

Des Weiteren gehören zur Ermittlung der Kreditwürdigkeit auch die Aspekte der bisherigen Erfahrungen mit dem Kreditnehmer, z.B. sein Verhalten bei der Kontokorrentführung, als auch die Bewertung des zur Kreditbesicherung verfügbaren Vermögens. (Bzgl. einer klassifizierenden Übersicht der Verfahren siehe Anhang III)

3.1.1 Instrumente der Kreditwürdigkeitsprüfung

3.1.1.1 Jahresabschlussanalyse

Der Jahresabschluss

Die Jahresabschlussanalyse gehört zu den traditionellen Methoden der Bonitätsanalyse[32] und basiert auf dem Grundsatz des § 246 HGB, nachdem der Jahresabschluss - bestehend aus Bilanz und Gewinn- und Verlustrechnung[33] - ein den tatsächlichen Verhältnissen entsprechendes Bild der Vermögens-, Finanz- und Ertragslage liefern soll.[34]

Vorbereitung der Analyse

Zu Beginn der Jahresabschlussanalyse steht die Aufbereitung der eingereichten Jahresabschlüsse. In der Regel muss das kreditsuchende Unternehmen mindestens die letzten drei Abschlüsse einreichen. Hierdurch soll dem Problem der stichtagsbezogenen Betrachtung des Jahresabschlusses begegnet werden. Die eigentlichen Erkenntnisse können dann aus der Entwicklung der ermittelten Kennzahlen gezogen werden, um eine möglichst zuverlässige Prognose für die weitere Entwicklung abgeben zu können. Die formelle Aufbereitung der Jahresabschlüsse dient hierbei der Gewinnung eines besseren Überblicks, der Vereinheitlichung für die weitere Analyse, der Berücksichtigung von rechtsformspezifischen Unterschieden und der Aufdeckung von bilanzpolitischen Maßnahmen.[35] Die Art und Weise der formellen Aufbereitung unterscheidet sich hierbei jedoch von Bank zu Bank, da jedes Kreditinstitut seine eigenen Kontierungsrichtlinien hat.[36]

Kennzahlen der Analyse

Die im Anschluss folgende Kennzahlenanalyse bildet den eigentlichen Mittelpunkt der Jahresabschlussanalyse. Die Auswahl geeigneter Kennzahlen zur Sicherung einer hohen Prognosegüte für die zukünftige Zahlungsfähigkeit der kreditsuchenden Unternehmung bildet hierbei eine weitere Herausforderung. Die Vielzahl der existierenden Kennzahlen können in bestands- und stromgrößenorientierte Kennzahlen unterschieden werden.[37] In einer anderen Dimension kann auch eine Unterscheidung nach absoluten und relativen Kennzahlen vorgenommen werden. Zu den absoluten Kennzahlen zählen vor allem der Cashflow sowie Betriebs-, Finanz- und das außerordentliche Ergebnis eines Unternehmens.

Zu den relativen Kennziffern gehören im Wesentlichen Rentabilitäts-, Liquiditäts- und Bilanzstrukturkennziffern. Die folgende Tabelle zeigt eine kleine Auswahl der in der Bankpraxis häufig verwendeten Kennziffern zur Bonitätsanalyse.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: gebräuchliche Kennziffern der Jahresabschlussanalyse[38]

Aussagekraft/ Vergleiche

Den so ermittelten Kennzahlen kann erst durch Vergleich mit den branchenspezifischen Durchschnittswerten die nötige Aussagekraft verliehen werden. Durch den eingangs bereits angesprochenen Vergleich von mehren, aufeinander folgenden Geschäftsjahren kann ein Trend abgeleitet werden, welcher in eine Kontextbeziehung zur Branchenentwicklung gesetzt wird. Erst durch diese Maßnahmen erhalten die Kennzahlen den gesuchten Informationsgehalt zur Beurteilung der wirtschaftlichen Unternehmenssituation.

Problem der

Vergangenheit

Ein wesentliches Problem, und auch Hauptkritikpunkt der Jahresabschlussanalyse, ist die vergangenheitsbezogene Betrachtung. Die der Bank vorgelegten bzw. eingereichten Jahresabschlussunterlagen sind regelmäßig bis zu 9 -15 Monate alt, in Einzelfällen sogar bis zu 18 Monate. Dies ist, neben dem Aufwand der Aufstellung, insbesondere auch auf die unterschiedlich langen Zeiträume zurückzuführen, die das HGB dem Unternehmen entsprechend ihrer Rechtsform gewährt. Während Großunternehmen und Kreditinstitute beispielsweise nur 3 Monate Zeit zur Aufstellung ihres Jahresabschlusses haben, stehen kleineren Unternehmen bis zu 6 Monate zur Verfügung.[39]

Problem des Stichtags

Des Weiteren wird der Versuch kritisiert, dass aus den stichtagsbezogenen Daten in der Kennzahlenanalyse teilweise Stromgrößen abgeleitet werden. Die Stichtagsbezogenheit ermöglicht es ebenso dem Unternehmen gezielt bestimmte Geschäfte zum Ende des Geschäftsjahres unter bilanzpolitischen Gesichtspunkten abzuschließen und nach dem Stichtag gleich wieder glatt zu stellen.

Wahlrechte

Ein weiteres Problem bilden die bilanziellen Wahlrechte des Handelsgesetzbuches. Durch Nutzung dieser Wahlrechte und bestehende Kompensationsmöglichkeiten kann die tatsächliche wirtschaftliche Situation verschleiert werden. Ursächlich hierfür ist die Maßgeblichkeit für die Unternehmensbesteuerung. Hierin liegt auch der wesentliche Unterschied zur internationalen Bilanzierung, welche derartige Wahlrechte und Abschreibepflichten nicht kennt.

Trotz dieser bekannten Probleme ist die Jahresabschlussanalyse eine der am weitesten verbreiteten Methoden. Dies ist insbesondere auf die Wirtschaftlichkeit des Verfahrens zurück zuführen, da die Daten verhältnismäßig einfach beschafft werden können und die Analyse i.d.R. EDV-gestützt abläuft.

3.1.1.2 Diskriminanzanalyse

Die Diskriminanzanalyse ist eine weitere Variante der Kreditwürdigkeitsprüfung. Ziel ist es hier mittels einer aufgestellten Diskriminanzfunktion solvente Unternehmen von insolventen bzw. ausfallgefährdeten Unternehmen zu trennen.

Univariate

Diskriminanzanalyse

Dies erfolgt bei der univariaten Diskriminanzanalyse durch die Überprüfung einer einzigen Kennzahl. Hierbei ist die Fehlklassifikation naturgemäß entsprechend hoch.

Multivariate

Diskriminanzanalyse

Durch die Verwendung mehrerer Kennzahlen kann die Verlässlichkeit erheblich gesteigert werden. Es handelt sich dann um eine multivariate Diskriminanzanalyse. Die Fehlklassifikation lässt sich jedoch nicht unendlich weit reduzieren. Es gilt hierbei, eine sinnvolle Anzahl an Kennzahlen zu wählen, welche ein relatives Optimum zwischen Ergebnis bzw. Verlässlichkeit und Aufwand – hier insbesondere der EDV-technische Einsatz – bietet. Die multivariate Diskriminanzanalyse ist vorwiegend bei größeren Banken zu finden.

Diskriminanzfunktion

Die Trennlinie zwischen den solventen Unternehmen und den insolventen wird mittels empirischer Untersuchungen erstellt. Die sich somit ergebene lineare Diskriminanzfunktion hat folgende mathematische Form:

Abbildung in dieser Leseprobe nicht enthalten

Beispiel:

Bivariate Diskriminanzanalyse

Beispielhaft stellt Abbildung 4 eine Bivariate Diskriminanzanalyse mit den Kennzahlen Eigenkapitalquote (EKQ) und Umsatzrentabilität (UR) dar, wobei der Cut-off-Point, der auch als kritischer Trennwert Zkrit bezeichnet wird, bei 10 liegt. Die EKQ wird mit 0,1 und die UR mit 1 gewichtet.

Das bedeutet, dass alle auf der Trennlinie liegenden Unternehmen den Diskriminanzwert 10 aufweisen. Die insolventen Unternehmen mit einem kleineren Diskriminanzwert liegen unterhalb und die solventen Unternehmen mit einem höheren Diskriminanzwert oberhalb der Trennlinie.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Bivariate Diskriminierung nach Umsatzrendite und Eigenkapitalquote[41]

α-Fehler; β-Fehler

Die verschiedenen Analyseansätze, die in der jüngeren Vergangenheit entwickelt wurden, hatten die Zielsetzung die Fehlklassifikationshäufigkeit zu minimieren. Hierbei sollten insbesondere beide möglichen Fehlklassifikationen gleichzeitig reduziert werden. D.h. der Fehler, ein insolventes Unternehmen als solvent auszuweisen, ein so genannter α-Fehler, als auch der Fehler, ein solventes Unternehmen als insolvent auszuweisen, ein so genannter β-Fehler, sollten in Ihrer Erscheinungshäufigkeit auf ein Minimum reduziert werden.

Unter Bezugnahme auf das obige Beispiel werden in der nachfolgenden Grafik die möglichen Fehler als Verteilung der Werte der Trennfunktion dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Verteilung der Werte der Trennfunktion über die Gesamtheit „guter" und „schlechter" Kreditengagements[42]

Durch Reduktion des Überlappungsbereichs kann die Fehlerhäufigkeit beider Fehler minimiert und bei völliger Trennung eliminiert werden. Je weiter hierbei die Mittelwerte der Verteilungen auseinander liegen und je schlanker die Verteilungskurven dabei sind, desto besser kann dies gelingen. Durch statistisch mathematische Suchverfahren werden die Merkmale x1, x2, …, xm und die Gewichte a1, a2, …, am so gewählt, dass sich die Kennzahlenkombination mit der höchsten Trennschärfe ergibt.[43]

Vorteile

Aufgrund des einfachen Grundkonzeptes und der guten Nachvollziehbarkeit der Ergebnisse stellt die Diskriminanzanalyse eine rationale und formalisierte Kreditwürdigkeitsprüfung für Banken dar. Dies begründet den beliebten Einsatz dieses Instrumentes als Insolvenzprognose.

Kritik

Zu kritisieren an diesen Verfahren sind die Probleme, welche aus den beschriebenen Fehlern resultieren. So folgen aus einem großen α-Fehler hohe Kreditausfälle bzw. Wertberichtigungen und aus einem großen β-Fehler Opportunitätsverluste. Ebenso ist zu berücksichtigen, dass die verwendeten Kennzahlen den Jahresabschlussdaten entnommen werden und somit die im Kapitel 3.1.1.1 beschriebenen Probleme ebenso auftreten. Insbesondere sind hier die Probleme der Stichtagsbezogenheit, der Vergangenheitsbezogenheit und der Einflussnahme auf die Daten zu nennen.

Zudem ist aus mathematisch statistischer Sicht die Grundannahme der Normalverteilung problematisch, da diese zu Approximativfehlern führt. Neben den hohen Entwicklungskosten stellt die notwendige Systempflege zur Erhaltung einer hohen Prognose- und Klassifikationsgüte eine erhebliche Schwäche dar. So sind jährliche Anpassungen an die sich ändernden Umweltbedingungen notwendig.

3.1.1.3 Künstliche Neuronale Netze

Wie auch schon die Diskriminanzanalyse, haben „Künstliche Neuronale Netze“ (KNN) die Trennung von solventen und insolventen Unternehmen zum Ziel.

Wesen

Mittels Künstlicher Neuronaler Netze wird versucht, die Funktionsweise von menschlichen Nervenzellen bei der Verarbeitung unstrukturierter Daten nachzuahmen. Ein menschliches Neuron ist ein bestimmter Typ von Nervenzelle, der sich auf die Aufnahme und Weiterleitung von Informationen spezialisiert hat und der sich durch eine besondere Leitfähigkeit und Erregbarkeit auszeichnet. Neuronen sind z.B. die Voraussetzung für Reflexe.[44]

Bestandteile eines KNN

Neuronen verarbeiten mehrere Eingangsgrößen, produzieren jedoch nur einen einzigen Ausgangswert. Dabei ist es gleich, ob die Eingangsgrößen Ergebnisse anderer Neuronen oder die ursprünglichen Ausgangsgrößen sind. Künstliche Neuronale Netze lassen sich somit im Wesentlichen in drei Schichten unterteilen. Eine Eingangsschicht, eine oder mehrere Zwischen- bzw. Verarbeitungsschichten und eine Ausgangsschicht. Abbildung 6 stellt ein typisches neuronales Netzwerk mit einer Zwischenschicht dar.[45]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Künstlich Neuronales Netz mit einer Zwischenschicht[46]

Als Eingabedaten im Rahmen der Kreditwürdigkeitsprüfung können sowohl quantitative als auch qualitative Unternehmensdaten dienen. Bei der Verarbeitung dieser Daten in der Zwischenschicht werden diese gewichtet, komprimiert und an die Ausgangsschicht weitergegeben. Als Ergebnis wird dann ein Wert ausgewiesen der 0 für ein solventes Unternehmen oder 1 für ein insolventes Unternehmen annimmt und somit das Bonitätsurteil darstellt.

Lernfähigkeit

Damit ein Künstliches Neuronales Netz dies leisten kann, muss es lernen und trainiert werden. Im Gegensatz zu Expertensystemen, denen bestimmte Regeln eingegeben wurden, erzeugen neuronale Netze ihre eigenen Regeln aus vorgelegten Beispielen. In diesem Zusammenhang bedeutet Lernen für neuronale Netze u.a. die Veränderung der Verbindungsgewichte. Als Trainingsdaten werden hierfür Vergangenheitsdaten von Kreditfällen verwendet, deren Entwicklung bereits bekannt ist. Nach der Verarbeitung dieser Daten wird das Resultat mit den Ist-Daten verglichen. Mittels eines rückwärts gerichteten Lernalgorithmus können bei Abweichungen die Gewichte der Verarbeitungsschicht so konditioniert werden, dass sie beim nächsten Durchlauf geringere, im Idealfall keine, Abweichungen produzieren.[47]

Lernformen

Zu unterscheiden ist der „überwachte“ bzw. „supervised“ Lernvorgang und der „nicht überwachte“ bzw. „unsupervised“ Lernvorgang. Während beim überwachten Lernvorgang das Ergebnis durch einen Supervisor kontrolliert und dem neuronalen Netz Abweichungen aktiv mitgeteilt werden, fehlt beim nicht überwachten Lernvorgang diese Unterstützung und das neuronale Netz ist gezwungen, Zusammenhänge bzw. Regularien der Eingangsfaktoren selbst zu erkennen und Konzepte auszubilden, welche bestimmte Konstellationen der Eingangsdaten widerspiegeln.[48]

On-Line- vs.

Off-Line-Lernen

Weiterhin ist das On-Line- und das Off-Line-Lernen zu unterscheiden. Während beim Off-Line-Lernen das neuronale Netz durch Trainingsdatensätze konditioniert wird, können keine neuen Datensätze in das System eingebaut werden, was umgekehrt beim On-Line-Lernen jedoch möglich ist.

Grundsätzlich besteht beim fortwährenden Lernvorgang die Gefahr des „Überlernens“, wodurch das neuronale Netz Scheinzusammenhänge generalisiert und sich die Häufigkeit von Fehlklassifikationen wieder erhöht. Dem ist durch einen rechtzeitigen Abbruch des Lernvorgangs oder entsprechender Überwachung des Lernens zu begegnen.

Besonderer Vorteil eines neuronalen Netzes gegenüber der Diskriminanzanalyse ist die Möglichkeit nichtlineare Zusammenhänge zu berücksichtigen.[49]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Trennung solventer und insolventer Unternehmen in einer KNN-Analyse[50]

Aufgrund der hohen Komplexität und teilweisen mangelnden Nachvollziehbarkeit werden neuronale Netze auch als „Blackbox“ bezeichnet.[51]

Dies begründet, neben dem hohen Aufwand für den Aufbau und die laufende Pflege von neuronalen Netzen, i.d.R. die Nichteignung für kleinere Kreditinstitute.

3.1.1.4 Expertensysteme

Wesen

Im Rahmen der Forschungen über künstliche Intelligenz wurden so genannte Expertensysteme entwickelt, die als rechnergestützte Informations- und Planungssysteme zur Problemlösung und Entscheidungsunterstützung zu verstehen sind. Expertensysteme sind dabei in der Lage, die fachliche Kompetenz von Experten und Fachleuten direkt zu speichern und zielgerichtet auszuwerten.[52]

Fakten vs.

Heuristiken

Es wird also die fachliche Intelligenzleistung eines oder mehrerer Experten auf einen Rechner übertragen. Diese fachliche Kompetenz lässt sich in Fakten und Heuristiken unterscheiden. Während die Fakten einen Informationskörper bilden, der weit verbreitetes, öffentlich verfügbares und allgemein anerkanntes Wissen enthält, sind Heuristiken Erfahrungen bzw. größtenteils private und wenig diskutierte Regeln guten Urteilsvermögens, vernünftigen Denkens oder auch guten Ratens, welche die Entscheidungsfindung auf Expertenniveau charakterisieren.[53]

Komponenten

Ein Expertensystem ist durch die folgenden Komponenten gekennzeichnet:[54]

- Die Wissensbasis enthält sämtliches Wissen, auf welches das Expertensystem zurückgreifen kann. Es handelt sich hierbei um Fakten und Regeln, die in einem System von „Wenn …, dann …“ -Beziehungen miteinander verknüpft sind.
- Die Problemlösungskomponente (Inferenzmaschine) dient der Wissensauswertung und ist strikt von der Wissensbasis getrennt.
- Die Erklärungskomponente macht dem Benutzer den Lösungsweg transparent und teilt diesem auf Wunsch die angewendeten Regeln, Lösungsalternativen und ihre Bewertung mit.
- Durch die Wissensakquisitions- oder -erwerbskomponente wird dem Expertensystem mittels eines „Knowledge Engineer“ das Expertenwissen vermittelt. Der Wissensingenieur modelliert hierbei das Fachwissen und stellt die sachlich-logischen Zusammenhänge her.
- Die Dialog- oder Interviewkomponente erfüllt als Schnittstelle zwischen dem Benutzer und dem Expertensystem die Aufgaben des Zugriffs auf die verschiedenen Funktionen des Systems ebenso werden dem Benutzer die in den einzelnen Systemkomponenten entstandenen Fragen übermittelt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Aufbau eines Expertensystems[55]

Vorteile vs. Nachteile

Wesentlicher Vorteil von Expertensystemen ist die Transparenz der Ergebnisse sowie die Verwendung quantitativer als auch qualitativer Aspekte. Als Nachteil hingegen stellt sich neben der schwierigen und komplexen Programmierung solcher Systeme die Akquisition von Fachwissen dar, zumal Experten oftmals nicht bereit sind, ihr vollständiges Fachwissen preiszugeben.[56]

3.1.1.5 Kontodatenanalyse

Wesen

Die Analyse von Kontodaten geht von einem grundsätzlichen Zusammenhang zwischen der wirtschaftlichen Unternehmensentwicklung und der Konten-, respektive der Obligoentwicklung aus. Insbesondere die Liquiditätslage des Unternehmens spiegelt sich im Kontenverlauf, der Inanspruchnahme von Betriebsmittelkrediten und Kreditlinien sowie der Entwicklung des gesamten Obligos wider.[57]

Mögliche

Analyseelemente

Hierbei lassen Entwicklungen der verschiedensten Arten Rückschlüsse auf das Unternehmen und seine Entwicklung zu. So können z.B. die kontinuierlich ansteigende Inanspruchnahme von Kontokorrentkreditlinien und das Auflaufen von Kapitaldiensten zu Darlehen auf Kontokorrentkonten Frühindikatoren für eine angespannte Liquiditätslage oder gar eine drohende Insolvenz sein. Pfändungen oder erforderliche Rückgaben von Lastschriften lassen Rückschlüsse auf entsprechende Verbindlichkeiten bei Drittschuldnern zu. Jedoch ist Vorsicht geboten, denn viele Umsätze lassen auch Interpretationsspielraum zu. So müssen Überweisungen an einen Gerichtsvollzieher (Angabe einer „DR“-Nummer im Verwendungszweck) nicht zwangsläufig bedeuten, dass gegen das Unternehmen vollstreckt wird, es kann sich hierbei ebenso um die Bezahlung eines Gerichtsvollziehers im Rahmen der Beitreibung von Außenständen handeln. Weiterhin bilden kumulierte Haben- und Sollumsätze lediglich Anhaltspunkte, welche Vergleichsdaten z.B. auf Jahresbasis benötigen und immer im Kontext mit weiteren Unternehmensdaten zu beurteilen sind. Insbesondere betriebsfremde Umsätze sind hierbei zu eliminieren, um das Beurteilungsergebnis nicht zu verfälschen.

Vorteile vs. Nachteile

Hauptvorteile der Kontodatenanalyse sind die Aktualität der Daten und die jederzeitige Verfügbarkeit für die Bank. Eine Anforderung der Daten beim Kunden, und damit entsprechende Verzögerungen, entfallen.

Nachteilig hingegen wirkt sich der aktuelle Trend zur „Mehr-Bank-Verbindung“ aus. So stehen der Hausbank nicht mehr alle Daten zur Verfügung und den Nebenbankverbindungen zu wenige, um überhaupt eine sinnvolle Beurteilung vornehmen zu können. Eine Einschätzung von Neukunden entfällt mangels entsprechender Daten hierbei vollständig.

3.1.2 Kreditratingsysteme

Wie bereits in Kapitel 2.2.2.3 angedeutet, haben die meisten Kreditinstitute mittlerweile eigene interne Ratingverfahren im Hinblick auf Basel II entwickelt bzw. von Ihren Verbänden übernommen oder bestehende Verfahren gemäß den Anforderungen von Basel II angepasst und modifiziert. Die nachfolgenden Betrachtungen orientieren sich beispielhaft an den Entwicklungen genossenschaftlicher Kreditinstitute.

Definition

Grundsätzlich sind Kreditratingsysteme Beurteilungsverfahren, mit deren Hilfe Krediturteile mittels einer Kreditnehmerklassifizierung abgegeben werden. Die Klassifizierung erfolgt anhand einer Zuordnung von Punktewerten zu vorgegebenen Merkmalen. Häufig ist hierbei das „Schulnoten-Prinzip“ vorzufinden. Die zu untersuchenden Kreditnehmermerkmale bilden hierbei die Bonitätsindikatoren und die zuzuordnenden Punkte die möglichen Bonitätseinstufungen.[58]

Üblicherweise sind Kreditratingsysteme mehrstufig aufgebaut. Grundsätzlich sind zu unterscheiden die erste Stufe, in welcher beurteilungsrelevante Informationen gesammelt werden, eine zweite Stufe, in der die Bewertung und Gewichtung der gesammelten Informationen erfolgt und eine dritte Stufe, in welcher die Kreditnehmerklassifizierung vorgenommen wird.

1. Stufe:

Daten sammeln

Das Sammeln von relevanten Informationen der ersten Stufe ist in quantitative Informationen, welche sich i.d.R. aus der Auswertung von Jahresabschlussinformationen und betriebswirtschaftlichen Auswertungen ergibt sowie in qualitative Informationen zu unterteilen. Letztere beziehen sich auf eher abstrakte Größen, wie z. B. die Beurteilung des Managements, die Ausbildung und Erfahrung der Unternehmensführung und Mitarbeiter, oder die allgemeine Wettbewerbssituation sowie die Positionierung des Unternehmens am Markt.

2. Stufe:

Bewertung und Gewichtung

In einem zweiten Schritt werden die gesammelten Informationen strukturiert zusammengefasst, bewertet und gewichtet. Hierfür bieten sich vorgefertigte Rating-Formulare an, wie das nachfolgend beispielhaft abgebildete Formular des Bundesverbands der Volksbanken und Raiffeisenbanken (BVR) für das BVR-I-Rating.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 9: Formular für die Anwendung des Kreditrating-Systems des BVR[59]

Die in den vorherigen Kapiteln 3.1.1.1 bis 3.1.1.5 beschriebenen Verfahren kommen bei dieser Bewertung ganz oder teilweise zum Einsatz, wobei regelmäßig mehrere Verfahren miteinander kombiniert werden. Der Jahresabschlussanalyse kommt hierbei naturgemäß die größte Bedeutung zu.

3. Stufe:

Klassifizierung

Die Zusammenfassung und Klassifizierung erfolgt in der dritten Stufe. Im oben abgebildeten Beispiel des BVR-I-Ratings ist dies die letzte Maßnahme, die Bildung des so genannten RBS-Schlüssels. Dieser setzt sich zusammen aus der Risikonote (R), der Bonitätsnote (B) und der Sicherheitennote (S). Letztere wird aus dem prozentualen Anteil der bewerteten Sicherheiten zur Gesamtinanspruchnahme gebildet. Die Bonitätsnote wird mit dem oben abgebildeten Formular ermittelt. Die Risikonote ergibt sich als Ergebnis einer Matrix aus der Bonitätsnote und der Sicherheitennote und beschreibt das Gesamtrisiko. Jede Note kann nach dem Schulnoten-Prinzip die Werte 1 bis 6 annehmen. Jeder mögliche RBS-Schlüssel ist einer der Ratingklassen 10, 20, 30, oder 40 zugeordnet, wobei 10 die beste („ohne Risiko“) und 40 die schlechteste Ratingklasse („ausfallgefährdet, Wertberichtigung vorgenommen“) darstellt.

[...]


[1] Vgl. Verein Creditreform http://www.creditreform.de/angebot/analysen/index.php

[2] Vgl. Verein Creditreform http://www.creditreform.de/angebot/analysen/index.php

[3] Vgl. Hartmann-Wendels/Pfingsten/Weber 1998, S. 97

[4] Vgl. Hölscher 2000, S. 15; Schiller/Tytko 2001, S. 37

[5] Vgl. Schiller/Tytko 2001, S. 33 ff., S. 37

[6] Vgl. Schiller/Tytko 2001, S. 39 ff.

[7] Vgl. Spremann/Gantenbein 2003, S. 201

[8] Vgl. Büschgen 1998, S. 923

[9] Vgl. Schiller/Tytko 2001, S. 5

[10] Vgl. Schierenbeck 2001, S. 256

[11] Eigene Darstellung in Anlehnung an Schiller/Tytko 2001, S. 6

[12] Vgl. Schmoll 2001, S. 877 f.

[13] Zu banküblichen Sicherheiten siehe Anhang II

[14] Vgl. Schmoll 2001, S. 877 f.

[15] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 1 ff.

[16] Vgl. Grundsatz I 2001, § 4

[17] Vgl. Grundsatz I 2001, § 13

[18] Vgl. Kreditwesengesetz 2004, § 13

[19] Vgl. Kreditwesengesetz 2004, § 18

[20] Vgl. Nouy/Cordewener 2001, S. 1091

[21] Eigene Darstellung basierend auf Baseler Ausschuss für Bankenaufsicht 2004, S. 7

[22] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 14 ff.

[23] Bzgl. des Anerkennungs- und Zuordnungsverfahrens siehe Baseler Ausschuss für Bankenaufsicht 2004, S. 26 ff.

[24] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 16 ff.

[25] Vgl. Nouy/Cordewener 2001, S. 1094

[26] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 21

[27] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 54

[28] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 53

[29] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 63

[30] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 92 ff. (insbesondere auch bzgl. der Ausgestaltung der Mindestanforderungen für den IRB-Ansatz)

[31] Vgl. Baseler Ausschuss für Bankenaufsicht 2004, S. 102 ff.

[32] Vgl. Schiller/Tytko 2001, S. 76

[33] Vgl. Handelsgesetzbuch, § 242, Abs. 3

[34] Vgl. Handelsgesetzbuch, § 246

[35] Ähnlich zum Teil Schiller/Tytko 2001, S. 77 ff.

[36] Vgl. Schiller/Tytko 2001, S. 77

[37] Vgl. Schiller/Tytko 2001, S. 79 f.

[38] Eigene Darstellung; Formeln entnommen aus Schiller/Tytko 2001, S. 83 ff.; Hölscher 2000a, S. 18 – 29; weitere siehe auch Coenenberg 2003, S. 915 - 1085

[39] Vgl. Handelsgesetzbuch § 264 Abs. 1 i. V. m. § 267

[40] Bzgl. der oberen Formel vgl. Hölscher 2000a, S. 33

[41] Bzgl. des Beispiels vgl. Hölscher 2000a, S. 33 ff.

[42] Vgl. Hölscher 2000a, S. 35

[43] Vgl. Hölscher 2000a, S. 35

[44] Vgl. Hölscher 2000a, S. 44

[45] Vgl. Hölscher 2000a, S. 44

[46] Entnommen aus Hölscher 2000a, S. 44

[47] Vgl. Hölscher 2000a, S. 45 f.

[48] Vgl. (auch zum On-/Off-Line-Lernen) Hölscher 2000a, S. 46

[49] Vgl. Hölscher 2000a, S. 46 ff.; Schierenbeck 2003, S. 341 ff.

[50] Eigene Darstellung in Anlehnung an Schierenbeck 2003, S. 341

[51] Vgl. Schierenbeck 2003, S. 343

[52] Vgl. Hölscher 2000a, S. 38

[53] Vgl. Hölscher 2000a, S. 39; vgl. Schiller/Tytko 2001, S. 104 f.

[54] Vgl. auch im Folgenden Hölscher 2000a, S. 39 f.

[55] Vgl. Hölscher 2000a, S. 41; ähnlich Schiller/Tytko 2001, S. 105

[56] Ähnlich Schiller/Tytko 2001, S. 107 ff.

[57] Ähnlich auch Schiller/Tytko 2001, S. 109 ff.

[58] In Anlehnung an Schiller/Tytko 2001, S. 126

[59] Entnommen aus Schiller/Tytko 2001, S. 128

Ende der Leseprobe aus 122 Seiten

Details

Titel
Kreditrisikomanagement in Banken. Instrumente und Methoden der Kreditrisikosteuerung
Hochschule
Fachhochschule Kaiserslautern
Veranstaltung
Fernstudiengang Bankmanagement
Note
2,0
Autor
Jahr
2004
Seiten
122
Katalognummer
V36772
ISBN (eBook)
9783638363020
ISBN (Buch)
9783656899198
Dateigröße
1187 KB
Sprache
Deutsch
Anmerkungen
Die Arbeit gewährt einen fundierten Überblick über die aktuellen Instrumente/Methoden des Kreditrisikomanagements in Banken. Neben den Entwicklungen durch Basel II und die MaK werden sowohl die Aufgaben des Kreditrisikomanagements (Antizipation, Bewertung und Begrenzung von Risiken) als auch die 4 bekanntesten Portfoliomodelle, CreditRisk+, CreditPortfolioView, CreditMetrics sowie Credit Portfolio Manager analysiert. Kreditderivate finden i.R. der Risikobegrenzung besondere Berücksichtigung.
Schlagworte
Kreditrisikomanagement, Banken, Instrumente, Methoden, Kreditrisikosteuerung, Fernstudiengang, Bankmanagement
Arbeit zitieren
Diplombetriebswirt (FH) Sven Skiba (Autor), 2004, Kreditrisikomanagement in Banken. Instrumente und Methoden der Kreditrisikosteuerung, München, GRIN Verlag, https://www.grin.com/document/36772

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Kreditrisikomanagement in Banken. Instrumente und Methoden der Kreditrisikosteuerung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden