Die vorliegende Arbeit stellt im Folgenden die RAPM-Kennzahlen eingehend dar. Die anschließende Fallstudie der Schwäbischen Bank AG zeigt zunächst die Steuerungsmöglichkeiten auf Gesamtbankebene auf. Darauf aufbauend wird dann ein untergliederter Geschäftsbereich unter Berücksichtigung verschiedener Szenarien optimiert.
Inhaltsverzeichnis
1. Einführung
1.1. Gegenstand und Zielsetzung der Arbeit
2. Risikoadjustierte Performancemaße
2.1. Risikobestimmung mittels Value-at-Risk
2.2. Risikoadjustierte Performance-Kennzahlen
2.2.1. RORAC
2.2.2. RAROC
3. Fallstudie
3.1. Fallbeschreibung
3.2. Betrachtung des Gesamtbankportfolios
3.3. Optimierung des Investmentgeschäfts
3.4. Einführung einer weiteren Nebenbedingung
4. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Möglichkeiten und Grenzen der Portfoliooptimierung durch den Einsatz risikoadjustierter Performancemaße, insbesondere RORAC und RAROC, zur effizienten Steuerung von Finanzdienstleistungsunternehmen.
- Methodische Grundlagen der Risikomessung mittels Value-at-Risk
- Funktionsweise und Anwendung von RORAC und RAROC zur Performancemessung
- Analyse von Fallbeispielen zur Portfoliosteuerung in Banken
- Optimierung von Geschäftsbereichen unter Berücksichtigung von Risikolimits
- Kritische Würdigung der Eignung risikoadjustierter Kennzahlen unter Nebenbedingungen
Auszug aus dem Buch
2.1. Risikobestimmung mittels Value-at-Risk
Der Value-at-Risk (VaR) ist definiert als maximaler Verlust den ein Portfeuille von Finanzinstrumenten mit einer festgelegten Wahrscheinlichkeit (Konfidenzniveau) innerhalb eines bestimmten zukünftigen Zeitraums (Haltedauer) überschreiten kann. Je höher dabei das Konfidenzniveau gewählt wird, umso risikoaverser ist ein Unternehmen.
Die Ausfallwahrscheinlichkeiten können unter Annahme der Standardnormalverteilung einem bestimmten Wert zugeordnet werden. Die folgende Tabelle zeigt einen Auszug der Ausfallwahrscheinlichkeiten und die statistisch zugeordneten Werte.
Typischerweise wird in der Praxis ein Konfidenzniveau zwischen 90 und 99,9 % gewählt. Die Ratingagentur Standard & Poor verlangt für die höchsten Ratings AAA bis AA- eine maximale Ausfallwahrscheinlichkeit von 0,02 – 0,05%, die in die Eigenkapitalunterlegung einfließen muss.
Dabei werden extreme negative Ergebnisentwicklungen abgebildet, die zwar mit einer geringen Eintrittswahrscheinlichkeit belegt sind, aber dennoch ein „Polster“ an wirtschaftlichem Eigenkapital erfordern. Dieses Eigenkapital steht dabei nicht in beliebiger Höhe als Risikodeckungsmasse zur Verfügung und stellt somit eine knappe Ressource dar.
Zusammenfassung der Kapitel
1. Einführung: Das Kapitel erläutert die Bedeutung risikoadjustierter Kennzahlen für die Steuerung der Finanzindustrie vor dem Hintergrund zunehmender Deregulierung und verschärften Wettbewerbs.
2. Risikoadjustierte Performancemaße: Hier werden die theoretischen Grundlagen der Risikomessung mit dem Value-at-Risk sowie die Berechnung und Anwendung der Kennzahlen RORAC und RAROC dargestellt.
3. Fallstudie: Anhand der Schwäbischen Bank AG wird praxisnah aufgezeigt, wie diese Kennzahlen zur Optimierung von Geschäftsbereichen und zur Steuerung des Gesamtbankportfolios eingesetzt werden können.
4. Fazit: Das Fazit fasst zusammen, dass risikoadjustierte Kennzahlen zwar prinzipiell zur Steuerung geeignet sind, jedoch bei komplexen Nebenbedingungen oder nicht normalverteilten Risiken an ihre Grenzen stoßen.
Schlüsselwörter
Risikoadjustierte Performancemaße, Portfoliooptimierung, RORAC, RAROC, Value-at-Risk, Banksteuerung, Eigenkapital, Risikomanagement, Finanzindustrie, Kapitaleffizienz, Rendite, Downside Risk, Korrelation, Risiko-Ertragssteuerung, Performance-Kennzahlen
Häufig gestellte Fragen
Worum geht es in dieser Seminararbeit grundlegend?
Die Arbeit befasst sich mit dem Einsatz von risikoadjustierten Performancekennzahlen wie RORAC und RAROC, um Bankgeschäfte und Portfolios in einem Umfeld knappen Eigenkapitals effizient zu steuern.
Welche zentralen Themenfelder werden bearbeitet?
Die Schwerpunkte liegen auf der methodischen Risikoerfassung mittels Value-at-Risk, der Berechnung spezifischer Kennzahlen zur Rentabilitätsmessung und der praktischen Anwendung in einer Fallstudie.
Was ist das primäre Ziel der Untersuchung?
Das Hauptziel ist die Untersuchung der Portfoliooptimierung hinsichtlich einer maximalen Rendite bei gleichzeitiger Einhaltung von Risikolimits und effizienter Eigenkapitalallokation.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit verwendet eine Kombination aus theoretischer Herleitung der Kennzahlen, mathematischer Modellierung der Portfoliozusammensetzung (Lagrange-Ansatz) und einer praxisorientierten Fallstudienanalyse.
Was steht im Hauptteil der Arbeit im Fokus?
Im Hauptteil wird zunächst die mathematische Herleitung der Performancekennzahlen erläutert, gefolgt von einer detaillierten Fallstudie einer Bank, bei der verschiedene Korrelationsszenarien und Nebenbedingungen bei der Portfoliooptimierung durchgespielt werden.
Was zeichnet die Arbeit inhaltlich aus?
Die Arbeit verbindet theoretische Konzepte der Portfoliotheorie mit praktischen Restriktionen, wie sie im Bankalltag vorkommen, und zeigt die Grenzen bei der Berücksichtigung mehrerer Nebenbedingungen auf.
Wie wird das Risiko des Gesamtportfolios in der Fallstudie berechnet?
Das Risiko wird über den Value-at-Risk bestimmt, wobei im weiteren Verlauf der Fallstudie die Korrelationen zwischen den einzelnen Geschäftsbereichen einbezogen werden, um das Portfoliorisiko realistischer abzubilden.
Warum erreicht das untersuchte Portfolio laut Fallstudie nicht sofort den Ziel-RORAC?
Die ersten Berechnungen zeigen, dass ohne Berücksichtigung der Korrelationseffekte und bei bestimmten Nebenbedingungen die Zielvorgaben nicht vollständig erfüllt werden, was auf suboptimale Allokationen hinweist.
Welche Alternative zum Value-at-Risk wird im Fazit erwähnt?
Das Fazit schlägt den Conditional-Value-at-Risk (CVaR) als Alternative vor, da der VaR kein subadditives Risikomaß ist und somit bei nicht normalverteilten Strukturen zu Problemen führen kann.
- Quote paper
- Andreas Varnholt (Author), 2006, Portfoliooptimierung mittels risikoadjustierter Performancekennzahlen, Munich, GRIN Verlag, https://www.grin.com/document/66113
