Kreditinstitute in Deutschland sind sehr daran interessiert ihre Kreditvergabe vorher genau zu analysieren. Doch durch die hohen Insolvenzzahlen der letzten Jahre haben auch die Banken hohe Forderungsausfälle zu verzeichnen. In diesem Zusammenhang stellt sich nunmehr die Frage nach der zukünftigen Entwicklung der wirtschaftlichen Verhältnisse eines Kreditnehmers. Daraus entsteht als nächstes die Frage, welche Methoden hierfür am sinnvollsten geeignet sind.
Dieses Buch gibt nach einer kurzen Einführung einen Überblick auf die verschiedenen Methoden der Kreditwürdigkeitsprüfung und versucht die Antwort zu dieser Frage näher zu bringen.
Inhaltsverzeichnis
A. Einleitung
B. Grundlagen der Kreditwürdigkeitsprüfung
I. Kreditfähigkeit und Kreditwürdigkeit
II. Abgrenzung der Kreditwürdigkeit
1. Persönliche Kreditwürdigkeit
2. Materielle Kreditwürdigkeit
III. Die Ziele der Kreditwürdigkeitsprüfung
C. Die Methoden
I. Die Jahresabschlussanalyse
1. Kennzahlen der Vermögenslage
2. Kennzahlen der Finanzlage
3. Kennzahlen der Ertragslage
4. Beurteilung der Jahresabschlussanalyse
II. Die Empirische Bilanzanalyse
III. Die multivariate Diskriminanzanalyse
1. Ablauf des Verfahrens
2. Beurteilung der multivariaten Diskriminanzanalyse
IV. Die Nearest Neighbour Klassifikation
1. Prinzip der Nearest Neighbour Klassifikation
2. Nearest Neighbour Klassifikation einzelner Punkte
3. Nearest Neighbour Klassifikation durch Punktemengen
V. Methoden der Künstlichen Intelligenz
1. Expertensystem
2. Neuronale Netze
3. Fuzzy-Logik
VI. Bankinternes Rating
D. Schlussbetrachtung
Zielsetzung & Themen
Die Hausarbeit setzt sich zum Ziel, einen Überblick über die verschiedenen Verfahren der Kreditwürdigkeitsprüfung bei gewerblichen Unternehmen zu geben, um Banken bei der Minimierung von Kreditausfallrisiken zu unterstützen.
- Grundlegende Definitionen der Kreditfähigkeit und Kreditwürdigkeit
- Klassische Methoden wie die Jahresabschlussanalyse und Bilanzkennzahlen
- Statistische Verfahren wie die multivariate Diskriminanzanalyse
- Moderne Ansätze der Mustererkennung (Nearest Neighbour)
- Methoden der Künstlichen Intelligenz (Expertensysteme, Neuronale Netze, Fuzzy-Logik)
Auszug aus dem Buch
1. Expertensystem
Das Expertensystem ist ein spezielles Computerprogramm, das Merkmale von Unternehmen, wie z.B. Kennzahlen, anhand von Wenn-Dann-Beziehungen ordnet. Dieses System baut auf der in Kapitel C. III. vorgestellten Diskriminanzanalyse auf. Gerade bei Unternehmen, die durch die Diskriminanzanalyse nicht eindeutig einer Klasse zugeordnet werden können, die also im Bereich der Trenngerade liegen, kommt dieses System zum Einsatz. Die Deutsche Bundesbank nennt dies regelbasierte Nachbearbeitung. Die Wenn-Dann-Beziehungen werden verbal formuliert, beispielsweise: „Wenn Gesamtleistung etwa gleich und Umsatzrendite gestiegen, dann erhöhte Gesamtkennzahl.“
Die Unternehmenskennzahlen werden ebenfalls mit einer Eigenschaft wie „gestiegen“, „etwa gleich“ oder „gesunken“ gekennzeichnet. Eine Zugehörigkeitsfunktion bestimmt zu welchem Grad eine Eigenschaft gegeben ist. Dieser Grad und die Gewichtung der dazugehörigen Wenn-Dann-Regel wirken sich auf die Veränderung der Gesamtkennzahl aus, die durch die Diskriminanzanalyse entstanden ist. Um eine Verwässerung des Ergebniskerns aus der Diskriminanzanalyse zu vermeiden, erhöht bzw. verringert sich die Gesamtkennzahl nicht über bzw. unter einen festgelegten Wert.
Zusammenfassung der Kapitel
A. Einleitung: Die Einleitung erläutert die Relevanz der Kreditwürdigkeitsprüfung angesichts steigender Insolvenzzahlen und beschreibt das Ziel, geeignete Methoden zur Risikominimierung zu identifizieren.
B. Grundlagen der Kreditwürdigkeitsprüfung: In diesem Kapitel werden Begriffe wie Kreditfähigkeit und -würdigkeit definiert und in persönliche sowie materielle Aspekte unterteilt, zudem werden die Ziele der Prüfung benannt.
C. Die Methoden: Dieses Hauptkapitel bietet eine detaillierte Übersicht und Analyse gängiger Prüfungsverfahren, von der klassischen Bilanzanalyse über statistische Modelle bis hin zu modernen KI-gestützten Ansätzen.
D. Schlussbetrachtung: Das Fazit bewertet die Praxistauglichkeit der untersuchten Methoden und hebt die zukünftige Bedeutung Künstlicher Neuronaler Netze hervor.
Schlüsselwörter
Kreditwürdigkeitsprüfung, Jahresabschlussanalyse, Bankinternes Rating, Insolvenzprognose, Diskriminanzanalyse, Nearest Neighbour Klassifikation, Künstliche Intelligenz, Expertensystem, Neuronale Netze, Fuzzy-Logik, Bonität, Risikoklassen, Kapitaldienstfähigkeit, Unternehmenskennzahlen, Kreditausfallrisiko.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit den verschiedenen Methoden, die Kreditinstitute einsetzen, um die Kreditwürdigkeit gewerblicher Unternehmen zu prüfen und somit das Ausfallrisiko zu minimieren.
Was sind die zentralen Themenfelder?
Die Themenfelder umfassen die Definition von Kreditwürdigkeit, die Analyse von Jahresabschlusskennzahlen, mathematisch-statistische Prognosemodelle sowie den Einsatz von Künstlicher Intelligenz im Bankwesen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, einen Überblick über theoretisch diskutierte und praktisch angewandte Verfahren zur Beurteilung der Bonität von Kreditnehmern zu geben und deren Eignung zu bewerten.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit basiert auf einer Literaturanalyse und dem Vergleich verschiedener mathematischer und softwaregestützter Verfahren wie der Diskriminanzanalyse und neuronaler Netze.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die klassische Jahresabschlussanalyse, die empirische Bilanzanalyse, die multivariate Diskriminanzanalyse, die Nearest Neighbour Klassifikation sowie verschiedene Ansätze der Künstlichen Intelligenz.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen gehören Kreditwürdigkeitsprüfung, Rating, Insolvenzprognose, Bilanzanalyse und Künstliche Intelligenz.
Wie unterscheidet sich die persönliche von der materiellen Kreditwürdigkeit?
Die persönliche Kreditwürdigkeit fokussiert auf die Zuverlässigkeit und Qualifikation des Antragstellers, während die materielle Kreditwürdigkeit die Kapitaldienstfähigkeit und wirtschaftliche Lage anhand von Kennzahlen prüft.
Warum nutzen Banken zunehmend Expertensysteme?
Expertensysteme dienen als regelbasierte Nachbearbeitung, um Unternehmen, die bei statistischen Verfahren wie der Diskriminanzanalyse in einem Grenzbereich liegen, präziser klassifizieren zu können.
Welchen Vorteil bieten Neuronale Netze gegenüber klassischen Verfahren?
Neuronale Netze können eigenständig aus Beispielen lernen, auch wenn keine expliziten Regeln für den Problemkreis vorliegen, und verarbeiten komplexe Verbindungen von Kennzahlen dynamisch.
- Quote paper
- Sebastian Becker (Author), 2006, Methoden der Kreditwürdigkeitsprüfung, Munich, GRIN Verlag, https://www.grin.com/document/61959
