Credit-Scoring. Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk-Managements


Hausarbeit, 2011
39 Seiten, Note: 1,3

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Methodische Vorgehensweise

2 Credit – Scoring
2.1 Grundlagen
2.1.1 Grundbegriffe
2.1.2 Ziele
2.1.3 ScoringVerfahren
2.2 Prinzip des Scorings
2.2.1 Allgemeine Voraussetzungen
2.2.2 Privatkundengeschäft
2.2.3 Firmenkundengeschäft
2.3 Möglichkeiten und Probleme des Scorings
2.3.1 Vor- und Nachteile
2.3.2 Chancen und Risiken
2.3.3 Perspektiven

3 Fazit
3.1 Ergebnis
3.2 Maßnahmen
3.3 Konsequenzen

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Die drei Säulen von Basel II

Abbildung 2: Verlustverteilung

Abbildung 3: Arten des Scoring

Abbildung 4 :Bonitätsanalyse Privathypotheken

Abbildung 5: Einflussfaktor der Fiwi-Daten bei Privatkunden

Abbildung 6: Bonitätsanalyse Firmenkunden

Abbildung 7: D&B Risiko-Indikator und D&B Score

Abbildung 8: Der D&B Risiko-Indikator und das Ausfallrisiko

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Im Zuge der Vorlesung „Risikomanagement“ bei Prof. Dr. René-Claude Urbatsch im Studienlehrgang Wirtschaftsingenieurswesen des Studien- und Technologie Transfer Zentrum Weiz in Kooperation mit der Fachhochschule Mittweida war es meine Aufgabe eine Belegarbeit über das Thema

Credit – Scoring

Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk Managements

zu verfassen.

Dabei wird im ersten Schritt auf die Grundlagen des Credit – Scorings eingegangen um sich dadurch ein Grundverständig über das Themengebiet und die Funktionsweise zu erarbeiten wobei im zweiten Schritt auf deren Vorteile, Nachteile, Chancen und Risiken eingegangen wird.

1.1 Problemstellung

Die Wirtschaftskrise hat einiges verändert, doch ein Punkt ist sehr deutlich geworden, der operativen Kontrolle und Steuerung von finanziellen Risiken muss in Zukunft eine höhere Bedeutung zugeschrieben werden. Während vor der Wirtschaftskrise das Hauptaugenmerk auf Währungs-, Zins-, und Liquiditätsmanagement lag, sollte nach der Krise, vermehrt auf die kontinuierliche Kontrolle und Steuerung des Kontrahenten Risikos und der dazu gehörenden Kreditlimits geschaut werden. Dies sollten elementare Bestandteile eines Risikomanagements sein.[1] Das Credit-Scoring kann ein solcher elementarer Bestandteil sein.

1.2 Zielsetzung

Ziel dieser Arbeit ist es das umfangreiche Thema Credit-Scoring; zusammen zu fassen und die durch das Credit-Scoring entstehenden Vor- und Nachteile sowie Chancen und Risiken im Rahmen des Risk Managements zu erarbeiten.

1.3 Methodische Vorgehensweise

In der nachfolgenden Arbeit möchte ich das Thema die Credit – Scoring Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk Managements sowie die dazu nötigen Grundlagen erläutern.

Im Punkt 2 bis 2.1.3 sowie deren Unterpunkten werde ich Credit-Scoring grundlegend betrachten und erklären. Des Weiteren werde ich auf Ziele und mögliche verschiedene Scoring Verfahren näher eingehen.

Unter 2.2 wird das Prinzip des Scorings und benötigte Voraussetzungen des Scorings um dieses zu betreiben betrachtet. Aufgrund der verschiedenen Möglichkeiten Unternehmen und Privatpersonen einem Scoring zu unterziehen wird explizit auf das Privatkunden- und das Firmenkundengeschäft eingegangen.

Anschließend werden in 2.3 die Möglichkeiten und Probleme des Scorings, deren Vor- und Nachteile, Chancen und Risiken und die möglichen Perspektiven behandelt.

Der 3. und letzte Punkt wird über die Ergebnisse, notwendige Maßnahmen und zu beachtende oder daraus resultierende Konsequenzen informieren.

2 Credit – Scoring

2.1 Grundlagen

Die Grundlagen sollen die wichtigsten Begriffe, Ziele und verschiedene Verfahren von Credit-Scoring erklären und erläutern.

2.1.1 Grundbegriffe Scoring

Der Begriff Scoring kommt aus dem Englischen und bedeutet so viel wie zählen, einstufen, rechnen und bewerten.[2]

Schufa

Schufa ist die Kurzbezeichnung für Schutzgemeinschaft für allgemeine Kreditsicherung. Es ist eine Gemeinschaftseinrichtung der kreditgebenden Wirtschaft in Form einer Holding AG.[3] Sitz der Holding AG ist in Wiesbaden. Der Zweck der Schufa ist es ihre Partner vor Ausfällen von Krediten zu schützen. Nach Meinung der Schufa leistet sie einen großen Beitrag beim Schutz der Verbraucher gegenüber Überschuldung.[4]

Basel II

Der Baseler Ausschuss für Bankenaufsicht legte im Jahr 1999 ein Konsultationspapier vor, welches die Eigenkapitalunterlegung von Kreditrisiken von der Basis aus neu entwickelte. Die vorläufige Endversion welche mehrmals überarbeitet wurde gibt es seit 2004 und ist auch bekannt unter Basel II.[5]

Die Anforderungen von Basel II werden in drei Säulen gezeigt:[6]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Die drei Säulen von Basel II[7]

Probability of Default

Probability of Default ist ein Begriff für die Wahrscheinlichkeit, dass ein Kreditnehmer in einer bestimmten Periode einen Ausfall seines Kredites erfährt. Eine einfache Möglichkeit zur Bewertung der Ausfallwahrscheinlichkeit ist die anschließend gezeigte Kohortenmehode. Am Beginn werden alle Kreditnehmer in die so genannten Kohorten oder auch Gruppen eingestuft. Bei der Einteilung soll möglichst darauf geachtet werden das die einzelnen Kreditnehmer annähernd gleiche Ausfallwahrscheinlichkeiten haben. In der folgenden Phase wird die Zeitspanne gewählt. Aus Erfahrung besteht oft nur die Möglichkeit als Zeitspanne die Kreditlaufzeiten zu nehmen. Auf Basis von wenigen Aufzeichnungen von Ausfällen wird oft die Probability of Default für eine Zeitspanne von einem Jahr gewählt. Aus der Berechnung einer solchen einjährigen Probability of Default kann durch den Einsatz von bestimmten Annahmen eine Probability of Default für willkürliche Perioden berechnet werden.

Bemerkung:

Diese Methode beinhaltet zwei kritische Annahmen, sollten diese Annahmen nicht erfüllt werden, wird die Ausfallwahrscheinlichkeit bei der Schätzung verzerrt werden:

1. Annahme: Das Ende eines Kredites innerhalb der definierten Periode ist ausgeschlossen.
2. Annahme: Kredite welche innerhalb der definierten Periode neu vergeben werden haben die gleiche Ausfallwahrscheinlichkeit wie bereits bestehende.[8]

Exposure at Default

Das Kreditexposure ist die geplante Höhe des Kredites bei einem Ausfall. Je nach Kreditart können sich hier große Unterschiede ergeben. Wenn man ein Hypothekendarlehen und einen Kontokorrentkredit betrachtet wird dies drastisch aufgezeigt. Bei einem Hypothekendarlehen verringert sich die Restschuld über die Laufzeit. Bei einem Kontokorrentkredit wird keine Tilgung vorgenommen. Ein solcher Kredit wird endfällig und sehr oft ist die Kreditlinie im Falle einer Insolvenz überzogen. Der Exposure at Default verringert sich bei einem Kontokorrentkredit nicht über die Zeit sondern über die Bonität.[9]

Loss given Default - Jener prozentuale Teil einer Forderung, der für den Kreditgeber im Falle einer Insolvenz eines Kreditnehmers verloren geht wird als Loss Given Default oder auch Verlustquote bei Ausfall bezeichnet. Der Lost Given Default ist wie auch der Probability of Default und das Exposure at Default eine der bedeutendsten Variablen wenn man ein Kreditrisiko beziffern möchte.[10]

Value at Risk

Unter dem Begriff Value at Risk versteht man die Höhe des Verlusts der mit einer Wahrscheinlichkeit von z.B. 93% oder 98% binnen einer definierten Periode nicht überstiegen wird. Es ist eine Kennzahl mit welcher auch das Risiko von großen Portfolios beschrieben werden kann.[11]

Conditional value at risk

Der zu erwartende Wert einer riskanten Größe welche unter dem Wert des Value at Risk liegt wird Conditional value at risk oder auch expected shortfall genannt. Der Conditional value at risk gibt an welchen Unterschied bei Eintritt eines Extremfalls, also bei Überschreitung vom Value at Risk, zu kalkulieren ist. Es wird die Wahrscheinlichkeit einer hohen Abweichung und auch die Höhe der Abweichung die darüber hinaus geht bestimmt.[12]

Verlustverteilung

Die Eintrittswahrscheinlichkleit von Verlusten wird mit der Verlustverteilung definiert. Aus dieser Verteilung ist es möglich, Risikokennzahlen festzulegen und Wahrscheinlichkeiten für alle möglichen Verlustereignisse zu definieren. Des Weiteren lässt sich aus ihr die Risikostruktur eines Portfolios heraus lesen. In der folgenden Abbildung ist eine Verlustverteilung dargestellt, ersichtlich sind auch weitere wichtige Risikokennzahlen.[13]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Verlustverteilung[14]

Ökonomisches Kapital

Wenn eine Bank einen Kredit vergibt muss sie für dieses Geschäft eine Reserve haben, diese Reserve wird Ökonomisches Kapital genannt.[15]

Sehr Abhängig ist das Ökonomische Kapital vom Wahrscheinlichkeitsniveau des Value at Risk.[16]

Erwarteter Verlust

Die Ausfallwahrscheinlichkeit ist ein Maß, dass das Risiko eine Kreditengagements beschreibt. Nur diese Ausfallwahrscheinlichkeit reicht nicht aus um das Risiko in Geld zu definieren. Aus diesem Grund wird die Ausfallwahrscheinlichkeit mit dem wahrscheinlichen Verlust multipliziert. Das Produkt dieser beiden Faktoren ist der erwartete Verlust.[17]

Unerwarteter Verlust

Der erwartete Verlust ist nur ein Zahlenwert, dieser Zahlenwert kann aber nicht die Variabilität der Verlustereignisse bestimmen. Es wird eine Kennzahl benötigt mit welcher bestimmt werden kann wie ein realisierter Verlust vom erwarteten Verlust abweicht. Daher wird dieser unerwartete Verlust bestimmt, dieser wird normalerweise durch die Standardabweichung als Verlust gemessen.[18]

Auch die Streuung die bei der Verlustverteilung auftreten kann wird als unerwarteter Verlust bezeichnet.[19]

2.1.2 Ziele

Vorrangiges Ziel des Credit-Scoring ist eine Prognose des Risikos. Credit-Scoring soll auch zur Verallgemeinerung bei der Vergabe von Krediten dienen. Der individuelle Eindruck über die Vertrauenswürdigkeit beim Kreditsachbearbeiter soll durch ein:

- einheitliches
- standardisiertes
- wissenschaftliches
- geprüftes
- schnelles und
- aussagekräftiges

Verfahren unterstützt oder gar durch dieses Verfahren ersetzt werden.

Hintergrund ist ein sich laufend veränderter Markt des Kreditgeschäftes. Es werden Methoden zur Kreditrisikobewertung gesucht die nicht auf einer persönlichen Basis beruhen, da unpersönliche Geschäfte gegenüber dem Kreditvertrag mit einem Kreditnehmer zu dem persönliche, geographische und institutionelle Beziehungen bestehen immer mehr zunehmen. Des Weiteren werden mit dem Credit-Scoring Kosteneinsparungen beabsichtigt. Die Kreditsachbearbeitung soll aufgrund der Standardisierung schneller und einfacher und damit kostengünstiger gemacht werden. Anwender von Scoring Verfahren sind der Meinung das Credit-Scoring mehr Gerechtigkeit und schnellere Kreditvergabe bei niedrigeren Kosten bedeutet. Es können viele Kredite vergeben werden die ohne Credit-Scoring abgelehnt würden.[20]

Das Credit-Scoring verfolgt eine möglichst exakte und sachliche Vorhersage über die Kreditwürdigkeit oder Bonität eines Kreditnehmers. Durch die Durchführung von verschiedenen Scoring-Verfahren erhofft man sich eine deutlich erhöhte Ergebnisrelevanz als bei der Beurteilung durch Mitarbeiter aus der Bank.[21]

Auch wenn schon zum Teil vorhin erwähnt möchte ich die Ziele des Credit-Scoring nochmals kurz auflisten:

- Ermittlung des potentiellen Risikos
- Effizientere und qualifiziertere Beurteilung der Bonität von Kunden
- Automatisierung bei der Bearbeitung von Anträgen im Kreditgeschäft
- Vermeidung der Überschuldung von Kreditnehmern[22]
- Schnellere Kreditvergabe
- Kostengünstigere Kreditvergabe[23]

2.1.3 Scoring Verfahren

Bei der Recherche bin ich auch auf viele verschiedene Arten des Scorings gestoßen in der Abbildung unten sieht man häufige Arten des Scorings welche anschließend an diese Abbildung kurz erläutern werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Arten des Scoring[24]

Markt-Scoring

Markt-Scoring wird u.a. vom Unternehmen Market Intelligence betrieben. Es bedeutet das auf Basis von empirischen Analyseergebnissen Zielgruppen sowie das Potential von Märkten ermittelt werden soll um diese dann zu klassifizieren bzw. zu segmentieren. Als Beispiel wird hier vom Unternehmen Market Intelligence die Optimierung der Post Verteilung genannt.[25]

Werbe-Scoring

Bei diesem Verfahren soll eine Vorhersage über das zukünftige Kaufverhalten und die Kaufkraft getroffen werden. In weiterer Folge soll herausgefunden werden wie sich die Kunden durch Werbemaßnahmen angesprochen fühlen und ob diese Werbetätigkeit ihre Wirkung nicht verfehlt. Der herausgefundene Score Wert soll auch Aufschluss darüber geben welche Produkte beworben werden sollen bzw. wie die Werbebotschaft an den Verbraucher gelangt und letztendlich ob eine Werbung überhaupt Sinn macht.[26]

Commercial Scoring[27]

Bei der Technik des Commercial Scorings setzt sich der Input der Daten nur aus unternehmensbezogenen Informationen zusammen. Dieses Verfahren kommt im Firmenkundengeschäft zur Anwendung sobald ein Mengensegment standardisiert bearbeitet werden soll. Der Augenmerk bei diesem Verfahren ist es den Kreditentscheidungsprozess zu vereinfachen und zu beschleunigen. Die Kreditkompetenz ist dabei aber an erster Stelle zu sehen. Einen großen Einfluss am Erfolg einer Score Karten Anwendung hat die Qualität der Anwendung als auch wie professionell und kreativ ein Kreditor ist. Aus diesem Grund sollte eine qualitätsorientierte Verwendung der Transparenz in der Umsetzung von Beurteilungen nach technischen und inhaltlichen Kriterien in der Findung von Entscheidungen über die Einführung von Commercial Scoring einbezogen werden.

Es ist darauf zu achten, dass die kreditnehmende Stelle selbst auch eine ausgeprägte Risikokultur betreibt. In der Gegenwart werden die meisten Insolvenzen durch ein nicht existierendes Risikomanagement hervorgerufen. Hervorragend bewährt hat sich in der Praxis im Gegensatz dazu ein strategisch und operativ ausgerichtetes Informationsmanagement. Eindeutige Verträge, ein sehr gut funktionierendes Debitoren-Management und ein korrekt gestalteter Notwehrmaßnahmenkatalog sollen an dieser Stelle als denkbare Ansätze zur Risikovermeidung ausreichen.

Verhaltens-Scoring

Von einem Verhaltens-Scoring oder Behaviour Scoring spricht man wenn das Risiko von Kreditausfällen von bereits bestehenden Kunden dauerhaft auf Basis ihres Verhaltens kontrolliert wird. Die exakte Bewertung von Verhaltens-Scorings liegt einer statistischen Methode zu Grunde, welche in der Lage ist, unzählige von Faktoren kontinuierlich zu analysieren und die wichtigsten Punkte zu identifizieren.[28]

Das Verhaltens-Scoring wird oft bei der Vorbereitung von Cross-Sales Aktionen und in der Steuerung von Portfolios eingesetzt.[29]

Inkasso-Scoring

Inkasso-Scoring hat in bei der Bewertung der Zahlungswahrscheinlichkeit bei offenen Forderungen in den letzten Jahren sehr stark Fuß gefasst. Neben Analysen welche die vorhandenen Negativinformationen beinhalten, nehmen integrierte Score Karten, welche die eigenen Erfahrung des Unternehmens sowie mögliche externe Informationen berücksichtigen, immer mehr an Bedeutung zu. Dabei ist die Implementierung in den Prozess des Unternehmens von großer Bedeutung. Das Inkasso-Scoring ermöglicht einen Unterschied von Schuldnergruppen mit einer sehr hohen und solche mit einer sehr niedrigen Zahlungswahrscheinlichkeit. Desto größer die Anzahl der Debitoren desto größer wird der Effekt durch das Inkasso-Scoring sein. Dabei können die Daten der Kundennutzen zunehmend berücksichtigt werden.[30]

2.2 Prinzip des Scorings

Unter 2.2 Prinzip des Scorings sollen die allgemeinen Voraussetzungen für ein Scoring Verfahren erläutert werden, des Weiteren wird betrachtet wie Scoring im Privatkundengeschäft und im Firmenkundengeschäft angewandt wird.

2.2.1 Allgemeine Voraussetzungen

Zielgröße Ausfallwahrscheinlichkeit

Die Bewertung soll die Kreditnehmer nicht nur nach dem Ausfallrisiko ordnen, sondern es sollten durch diese Bewertung auch die Wahrscheinlichkeiten für etwaige Ausfälle betrachtet bzw. zugeordnet werden. Solche Wahrscheinlichkeiten von Ausfällen sind die Basis für das Risikomanagement, wie beispielsweise risikoadjustierten Pricing. Aus diesem Grund wird auch häufig die logistische Regression verwendet, da mit dieser die Wahrscheinlichkeit von Ausfällen direkt modelliert werden können.[31]

Vollständigkeit[32]

Basel II fordert bei der Vergabe von Ratingklassen, dass alle wichtigen und existierenden Informationen vorliegen und miteingebunden werden sollen. Das wiederum bedeutet aber nicht das Schätzungen, wie z.B. die Schätzung der Ausfallwahrscheinlichkeit, auf dieser Grundlage aller vorhandenen und möglichen bonitätsrelevanten Eigenschaften gebildet werden soll.

Bei den meisten Modellierungsarten wird aus diesem Grund nur eine Selektion dieser Eigenschaften heran gezogen. Um diese Vollständigkeit trotzdem zu erlangen wird zumindest von allen vergleichbaren Eigenschaften eine in die Modellierung aufgenommen.

So ist es möglich das man z.B. bei Bilanzmodellen die Bilanzkennzahlen die als Eigenschaft herangenommen werden können, in folgende inhaltlichen Gruppen eingeteilt werden:

- Cashflow
- Ertrag
- Vermögen
- Verschuldung

Auf Grund der hohen Wechselbeziehungen zwischen Ertragskennzahlen wird nur eine geringe Anzahl oder vielmehr nur eine einzige dieser Kennzahlen in ein Modell miteingebunden. Wenn zu viele solcher ähnlicher Kennzahlen miteingebunden werden desto höher ist die Prognoseunsicherheit eines solchen Modells. Als Beispiel: erhöht sich der Gewinn vor Steuern so wird auch der Gewinn nach Steuern sich erhöhen, aus diesem Grund reicht es aus nur eine dieser beiden Kennzahlen in das Modell miteinzubeziehen.

Objektivität

Wenn zwei verschiedene Bearbeiter bzw. Mitarbeiter die gleichen Informationen unabhängig voneinander bearbeiten, sollten die gleichen Score Werte bzw. dasselbe Rating als Ergebnis raus kommen. Dieses Problem der Objektivität tritt weniger bei mathematischen bzw. formellen Score Modellen auf, sondern vielmehr bei der Extraktion qualitativer Informationen und eventuellen Overruling Möglichkeiten. Um diese wichtige Objektivität zu erlangen, sind strenge Vorgaben und die Einhaltung dieser Vorgaben bei der Ermittlung der qualitativen Informationen sowie bei der Anwendung des Overrulings sehr wichtig.[33] Unter Overruling wird die manuelle Änderung von automatisch ermittelten Ergebnissen auf der Basis von Einzelfallentscheidungen verstanden.[34]

Akzeptanz

Die Akzeptanz eines Score Modells sollte vom Anwender, z.B. Mitarbeiter der Bank, und von der Person oder dem Unternehmen an dem es angewendet wird gegeben sein. Wird es mit Vorbehalten eingesetzt kann das Scoring-Modell nie diesen Nutzen Erreichen den es erreichen würde, wenn es von allen Beteiligten voll und ganz akzeptiert wird. Vor allem bei methodischen komplizierten Modellen ist es oft schwer die nötige Akzeptanz aufzubauen. Als Hilfe dienen hier oft Informationen bzw. Hilfen zu gewissen Interpretationen zu den verschiedenen Modellen. Die Akzeptanz kann auch dadurch erhöht werden, dass alle Beteiligten schon bei der Entwicklung miteinbezogen werden und so die Modelle von Grund auf kennen. Nur aufgrund von möglichen Manipulationen können nicht alle Modelle beliebig transparent gemacht werden.[35]

[...]


[1] Vgl. Schräder , T., & Hampel, T. (2009). Risikofaktor Bank. Der Treasurer(Juli/August 2009). S.10 f.

[2] Vgl. http://www.bundestag.de/dokumente/analysen/2006/Scoring.pdf [Stand 05.06.2011]

[3] Vgl. http://wirtschaftslexikon.gabler.de/Definition/schufa.html [Stand 05.06.2011]

[4] Vgl. http://wirtschaftslexikon.gabler.de/Definition/schufa.html [Stand 05.06.2011]

[5] Vgl. Klement, J. (2007). Kreditrisikohandel, Basel II und interne Märkte in Banken. Augsburg: Gabler Verlag. S. 177

[6] Vgl. http://www.noweco.com/risk/riskd14.htm [Stand 05.06.2011]

[7] Quelle: http://www.noweco.com/risk/riskd14.htm [Stand 05.06.2011]

[8] Vgl. Schmeisser, W., Eckstein, P., & Boche, M. (2009). Bankcontrolling mit Kennzahlen - unter Berücksichtigung einer kritischen Anwendung von Kennzahlen am Beispiel der Mezzaninen Finanzierung. München: Rainer Hampp Verlag. S.13 f.

[9] Vgl. Schmeisser, Eckstein, & Boche: a.a.O. S.14 f.

[10] Vgl. Honal, M. (2009). Loss Given Default von Mobilien-Leasingverträgen. Wiesbaden: Gabler. S.32f.

[11] Vgl. Hans , L. G., & Tietz, V. (2007). Das große Börsenlexikon: Kompaktes Börsenwissen von A-Z. München: FinanzBuch Verlag. S. 297

[12] Vgl. Hilz-Ward, R., & Everling, O. (2009). Risk Performance Management - Chancen für ein besseres Rating. Wiesbaden: Gapler Verlag. S. 94

[13] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L. (2006). Kreditrisikomessung: Statistische Grundlagen, Methoden und Modellierung. Berlin: Springer Verlag. S. 25 f.

[14] Quelle: Henking, A., Bluhm , C., & Fahrmeir, L. (2006). Kreditrisikomessung: Statistische Grundlagen, Methoden und Modellierung. Berlin: Springer Verlag. S. 26

[15] Vgl. Busse, F.-J. (1996). Grundlagen der betrieblichen Finanzwirtschaft. München: Oldenbourg Wissenschaftsverlag. S. 842

[16] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S. 31

[17] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.23

[18] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.24

[19] Vgl. Martin, M. R., Reitz, S., & Wehn, C. S. (2006). Kreditderivate und Kreditrisikomodelle: Eine mathematische Einführung. Wiesbaden: Vieweg + Teubner. S.17

[20] Vgl. Weichert, T. (Juni 2008). Kredit-Scoring: Angemessene Kreditentscheidung? Bank und Markt, S. 19-22.

[21] Vgl. Vetter, M. (05. Oktober 2009). Kreditwürdigkeit per Datensammlung. Creditreform, S. 28.

[22] Vgl. Urbatsch, R.-C., & Kunath, T. (1999). Credit-Scoring : Grundlagen, Arten, Funktionsweise und Implementierung. Mittweida ; Rosswein. S. 11

[23] Vgl. Weichert, T.: a.a.O. S. 19-22.

[24] Quelle: Urbatsch, R.-C., & Kunath, T. (1999). Credit-Scoring : Grundlagen, Arten, Funktionsweise und Implementierung. Mittweida ; Rosswein. S. 18

[25] Vgl. http://www.marketintelligence-gmbh.de/dokumente/Market_Intelligence.pdf [Stand 03.07.2011]

[26] Vgl. https://www.datenschutzzentrum.de/scoring/060404-kreditscoring.htm [Stand 03.07.2011]

[27] Vgl. Urbatsch, R.-C., & Kunath, T. (1999). Credit-Scoring : Grundlagen, Arten, Funktionsweise und Implementierung. Mittweida ; Rosswein. S. 17

[28] Vgl. http://www.spss.ch/eupload/File/PDF/CornerDEWEB.pdf [Stand 04.07.2011]

[29] Vgl. http://www.scoren.ch/index.php/warum-scoring/scoring3.html [Stand 04.07.2011]

[30] Vgl. http://www.dresdencreditreform.de/inkasso/inkassoscoring.html [Stand 04.07.2011]

[31] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.208

[32] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.208 f.

[33] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.209

[34] Vgl. http://wirtschaftslexikon.gabler.de/Archiv/1020573/overruling-v1.html [Stand 05.07.2011]

[35] Vgl. Henking, A., Bluhm , C., & Fahrmeir, L.: a.a.O. S.209

Ende der Leseprobe aus 39 Seiten

Details

Titel
Credit-Scoring. Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk-Managements
Hochschule
Hochschule Mittweida (FH)  (Wirtschaftsingenieurwesen)
Note
1,3
Autor
Jahr
2011
Seiten
39
Katalognummer
V374795
ISBN (eBook)
9783668521537
ISBN (Buch)
9783668521544
Dateigröße
985 KB
Sprache
Deutsch
Schlagworte
Credit - Scoring Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk Managements, Banken, Finanzen, finance, weltwirtschaft, creditscoring, scoring, kredit
Arbeit zitieren
Stefan Stebegg (Autor), 2011, Credit-Scoring. Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk-Managements, München, GRIN Verlag, https://www.grin.com/document/374795

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Credit-Scoring. Vorteile, Nachteile, Chancen und Risiken im Rahmen des Risk-Managements


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