Content

2.8 Interne Kreditrisikomodelle - Herausforderungen für die Banken in:

Werner Gleißner, Karsten Füser

Praxishandbuch Rating und Finanzierung, page 96 - 107

Strategien für den Mittelstand

3. Edition 2014, ISBN print: 978-3-8006-3876-5, ISBN online: 978-3-8006-3877-2, https://doi.org/10.15358/9783800638772_96

Series: Finance Competence

Bibliographic information
2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 81 Einen Einblick über die aktuell nach deutschem Recht allgemein berücksichtigungsfähigen Sicherheiten liefert § 154 SolvV i. V. m. den §§ 155 – 157 SolvV, § 162 SolvV und den §§ 158 – 161 SolvV. Hierbei ist entscheidend, dass die rechtliche Wirksam- und Durchsetzbarkeit solcher Sicherheiten gegeben sein muss (§ 154 I S2 SolvV). Im Rahmen von Basel III wird der Kreis der anerkennungsfähigen Garantiegeber näher spezifi ziert. Demnach dürfen Banken lediglich Staaten und sonstige öffentliche Sektoren, Banken und Wertpapierhäuser sowie andere extern geratete Institutionen (z. B. Mutter-, Tochter- und Konzernunternehmen) als Garantiegeber akzeptieren.82 All diesen Sicherungsgebern ist gemein, dass ihr Risikogewicht geringer sein muss, als das des eigentlichen Schuldners. Für Banken, die den IRB-Basisansatz verwenden, gilt zudem, dass intern geratete Unternehmen ebenfalls anerkannt werden können. 2.7.8 Engagementbeurteilung Die Entscheidung darüber, ob ein Kredit gewährt wird, treffen die Banken unter Berücksichtigung der Bonität des (potenziellen) Kreditnehmers sowie der Bewertung von Sicherheiten und Garantien. Daran hat sich mit Inkrafttreten von Basel II nichts geändert und es wird sich auch mit Inkrafttreten von Basel III nichts ändern. Bedingt durch die in Basel II vorgeschriebenen in Abhängigkeit von Bonität und Besicherung von den Banken vorzuhaltende Eigenkapitalunterlegung der Kreditrisiken ist es zu einer Spreizung der Kreditkonditionen gekommen. Die Spreizung der Konditionen wird dabei insbesondere durch den Wettbewerb der Banken untereinander determiniert. Gewährt eine Bank weiterhin an alle Antragsteller Kredite zu einheitlichen Konditionen, so verliert sie auf Dauer ihre „guten“ Kreditnehmer, die bei einer anderen Bank günstigere Konditionen erhalten. Hierzu parallel erfährt sie einen „Zulauf schlechter Kreditnehmer“, die bei anderen Banken einen höheren Zins zahlen müssten. Kreditinstitute, die nicht risikoabhängige Kreditkonditionen stellen, sind daher auf Dauer nicht überlebensfähig und werden vom Markt gedrängt (Prinzip der „adversen Selektion“).83 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 2.8.1 Grundlagen Die Empfehlungen des Baseler Ausschuss für Bankenaufsicht in Form des zweiten Baseler Rahmenwerks „Basel II“ wurden mit dem Inkrafttreten der Solvabilitätsverordnung am 01.01.2007 sowie mit den sich daraus ergebenden Änderungen der Mindestanforderungen an das Risikomanagement (MaRisk) in Deutschland umgesetzt. Das Ziel war hierbei, die Eigenkapitalvereinbarung Basel I von 1988 zu ersetzen. Basel II besteht aus drei tragenden Elementen („Säulen“, siehe Abbildung 18): Mindestanforderungen an die Eigenmittel, einem Überprüfungsverfahren durch die Aufsichtsbehörden und einem wirksamen Einsatz der Marktdisziplin. Während der Entwicklung von Basel II war das Baseler Komitee einerseits bestrebt, die Eigenkapitalausstattung insgesamt mindestens auf dem damals bereits nach Basel I bestehenden 8 %-Niveau zu halten, andererseits sollte der Bezug zwischen Eigenkapitalunterlegung und Risiken deutlicher herausgearbeitet werden. Erklärtes Ziel der Politik des Baseler Ausschusses ist es, eine größere Übereinstimmung zwischen dem 82 Vgl. hierzu und zum Folgenden „Basler Ausschuss für Bankenaufsicht“(2010), S. 60 f 83 Vgl. auch Gögel/Pinn (2001), S. 12. 2. Grundlagen der Finanzierung und des Ratings82 ökonomischem und dem aufsichtsrechtlichem Kapitalbedarf zu erreichen. Mit Eigenkapital zu unterlegende Risikoarten sind hierbei Kredit-, Markt- und allgemeine Betriebsrisiken ( Operational Risk). Im Zuge der Finanzkrise nach 2007 hat sich gezeigt, dass die durch Basel II bewirkten Änderungen keineswegs ausreichend waren, um das mit der Bankenbranche verbundene systemische, globale Risiko eindämmen zu können. Daher wurden mit Basel III u. a. die Anforderungen an die Eigenmittel verschärft, Kapitalerhaltungspuffer für Krisenzeiten eingeführt, einzuhaltende Verschuldungsgrade (Leverage Ratio) etabliert, Liquiditätserfordernisse verstärkt und das Handelsbuch grundsätzlich überarbeitet (insbesondere Kontrahentenrisiken). Die drei bekannten Säulen aus Basel II bleiben allerdings erhalten, wobei sich geringfügige Erweiterungen in ihren Beschreibungen ergeben haben: • Säule I steht für erweiterte Mindestanforderungen an die Eigenmittel sowie Liquiditätserfordernisse • Säule II beinhaltet einen erweiterten aufsichtlichen Überprüfungsprozess für die unternehmensweit vorzufi ndenden Risikomanagement- und Investitionsplanungsprozesse • Säule III zielt auf eine erweiterte Offenlegung von Risiken sowie auf die Marktdisziplin ab In diesem Abschnitt soll insbesondere auf einen Teilaspekt der ersten Säule eingegangen werden, der den Einsatz interner Risikomess-Systeme der Banken als Grundlage für die Bemessung der Eigenkapitalanforderungen vorsieht. Interne Risikomess-Systeme sind durch die Aufsichtsbehörde genehmigen zu lassen und müssen einer Vielzahl quantitativer sowie qualitativer Richtlinien entsprechen. 3-Säulen-Konzept Abbildung 18: Das 3-Säulen-Konzept Im Rahmen von Basel II können alle bereits erwähnten Risikoarten durch interne Messmethoden erfasst werden: in der Vergangenhe it wurden zunächst die Kreditrisiken und etwas später dann die Marktrisiken mit Modellen gemessen, wohingegen die Gruppe der sonstigen Risiken wie Betriebs-, Rechts-, oder Reputationsrisiken noch 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 83 heute nur implizit über Mindestquoten abgebildet werden, obwohl diese Risiken zunehmend ein Gefährdungspotenzial (für Banken) bilden. Neu ist die quantitative Behandlung von Liquiditätsrisiken. Zwar wurden interne Liquiditätsmodelle bereits vorher eingesetzt, doch erst mit Basel III gibt es ausführliche, internationale aufsichtliche Vorgaben zum Liquiditätsmanagement. Heute gilt es, den vielfältigen Formen der Risiken dergestalt Rechnung zu tragen, dass die klassischen Risiken (z. B. Kredit-, Markt- oder Zinsrisiken) und die sonstigen Risiken im Rahmen einer Gesamt(risiko)aggregation und -steuerung innerhalb einer Bank eine adäquate Verknüpfung erfahren. Werden die internen Modelle durch die Aufsichtsbehörde abgenommen, so entfällt seitens der Banken die Notwendigkeit einer separaten Rechnung zur Ermittlung der zur Risikounterlegung erforderlichen Eigenmittel.84 Konzentrieren wir uns an dieser Stelle nunmehr auf den Bereich der Modelle klassischer Kreditrisiken. 2.8.2 Interne vs. externe Ratings zur Eigenmittelbestimmung Die momentane Regelung sieht zur Bestimmung der Mindesteigenkapitalanforderungen für Kreditrisiken drei alternative Ansätze vor, die unter Basel III zwar inhaltliche Änderungen erfahren, in ihrer Klassifi zierung jedoch weiterhin Bestand haben werden: • die modifi zierte Standardmethode oder KSA, Kreditstandardansatz, • den IRB-Basisansatz (IRBA steht für Internal Rating Based Approach) und • den fortgeschrittenen IRB-Ansatz. Die Standardmethode basiert auf externen Ratings und nutzt die durch die Aufsichtsbehörde vorgegebenen Risikogewichte, die in Abhängigkeit einer externen Bonitätsbeurteilung z. B. für Kredite an Staaten, Banken und Unternehmen gelten. Da keine speziellen Mindestanforderungen formuliert wurden, ist die Nutzung des Standardansatzes ohne Genehmigung der Aufsicht möglich. In diesem Zusammenhang liegt die wesentliche Erweiterung unter Basel III darin, dass den Banken nun empfohlen wird, unabhängig vom Vorliegen eines externen Ratings für den Schuldner abzuschätzen, ob das sich aufgrund des Standardansatzes ergebende Risikogewicht dem tatsächlichen Risikogehalt des Kredites/Kreditportfolios entspricht.85 Mit anderen Worten sollte selbst ein Institut, das den aufsichtsrechtlichen Kreditrisiko-Standardansatz zur Eigenmittelbestimmung nutzt, in der Lage sein den Risikogehalt seiner Kredite mittels interner Modelle abzuschätzen. Die IRB-Ansätze bauen dagegen auf den internen Ratings einer Bank auf. Sie nutzen individuell berechnete Risikogewichte und müssen speziellen Mindestanforderungen genügen. Da interne Kreditrisikomodelle das ökonomische Risiko eines Kreditengagements/ -portfolios i. d. R. besser abbilden können als die auf externen Ratings basierende Standardmethode, führen sie tendenziell zu niedrigeren Eigenkapitalanforderungen. Aus diesem Grund müssen sie zwingend durch die Aufsichtsbehörde genehmigt werden. Ein internes Rating hat gegenüber dem externen Rating folgende Vorteile: • es entstehen keine Rating-Kosten (für den Kreditantragsteller); • es können seitens der Bank z. B. ergänzend Informationen aus der Kontoführung des Kreditantragstellers berücksichtigt werden; • die Bonitätsbeurteilungen sind zeitnah; • es können harte und weiche Kriterien zur Beurteilung des Kreditantrages herangezogen werden; 84 Vgl. Guthoff/Pfi ngsten/Schuermann (1999), S. 1184. 85 Vgl. hierzu und zum Folgenden „Basler Ausschuss für Bankenaufsicht“ (2010), S. 58 f. 2. Grundlagen der Finanzierung und des Ratings84 • es lassen sich aus internen Ratings Ausfallwahrscheinlichkeiten ableiten, die im Vergleich zu externen Ratings den wahren ökonomischen Risiken deutlich näher kommen. Externe Ratings hingegen haben eine Reihe von Nachteilen für Banken: • die Urteile externer Rating-Agenturen sind „willkürlich“ bzw. im Einzelfall nicht nachvollziehbar; • es erfolgt eine „Problemverschiebung“: man vertraut „blind“ der Beurteilungskompetenz der Rating-Agenturen; • die Anerkennung weiterer Rating-Agenturen durch die nationalen Aufsichtsbehörden ist überdies unzureichend geregelt; • ordnungspolitisch sind externe Ratings problematisch, da weite Teile der bundesdeutschen Kreditwirtschaft infolge der hiesigen „Rating-Lücke“ kaum geratete Schuldner aufweisen; • es gilt die Einstufungsdifferenzen bei unterschiedlichen Agenturen zu behandeln („kein Cherry Picking“); • die Diskussion über die Anerkennung von Ratings ohne Auftrag ist offen und wird kontrovers diskutiert. Neben genannten Vorteilen ist ein leistungsfähiges internes System zum Kreditrisikomanagement und -controlling sowie zur Ableitung (risiko-) adjustierter Risikoprämien bei einer Bank wegen des kontinuierlich zunehmenden Wettbewerbs am Markt ohnehin eine unabdingbare Voraussetzung für ein erfolgreiches Agieren am Markt. Es gilt deshalb, innerhalb der Banken die durch Basel II geforderten Scoring- und Rating- Landschaften sowie die Organisation des Kreditgeschäfts zeitnah Basel III-konform zu gestalten, um zukünftig anhand der durch die Systeme determinierten Ausfallwahrscheinlichkeiten auch das aufsichtlich vorzuhaltende Eigenkapital zur Abdeckung der ökonomischen Risiken bestimmen zu können. 2.8.3 Kreditrisikomodelle und portfolioorientiertes Kreditrisikomanagement Modernes Kreditrisikomanagement reicht heute weit über die Einzelgeschäftorientierung hinaus, die nur die beiden klassischen Komponenten „Kreditwürdigkeitsprüfung“ und „Kreditüberwachung“ beinhaltet. Kreditgeschäft wird heute portfolioorientiert betrieben, mit einem damit einhergehenden aktiven Kreditportfoliomanagement. Wir sehen somit die Beurteilung eines einzelnen Kreditengagements lediglich als den Beginn zu einer sich hieran anschließenden umfassenden Steuerung eines Kreditportfolios an. Wie auch im Markowitz-Ansatz, dem Leitmodell des Assetmanagements, steht auch hier die Verteilung des zur Verfügung stehenden Anlagebetrages auf nicht perfekt miteinander korrelierte Investments im Fokus. So sollen effi ziente Portfolios konstruiert werden, d. h. Portfolien, deren erwartete Rendite nur durch eine Erhöhung des Risikos gesteigert werden kann. Kreditrisiken und (die daraus resultierenden) Portfoliorisiken sind eng miteinander verbunden. Den Kreditrisiken, die sich auf ein einzelnes Engagement beziehen, stehen die Portfoliorisiken als resultierende Größe gegenüber. Man spricht in diesem Zusammenhang z. B. von Klumpenrisiken durch Großkredite oder Risikokonzentrationen, denen es aus Sicht des Risikomanagements und -controllings mit verbesserten Systemen zur Bonitätsprüfung, höherer Diversifi kation und/oder besserer Besicherung zu begegnen gilt. Ziel ist dabei stets, nicht primär das Risiko des Einzelengagements zu reduzieren, sondern das Portfoliorisiko in der Summe zu minimieren: Über diese Überlegungen gehen Modelle hinaus, die die hinter den ermittelten Korrelationen stehenden kausalen Strukturen analysieren. Ursache einer ermittelten Korrelation der Ausfallwahrscheinlichkeiten von Krediten könnten dahinter stehende gemein- 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 85 same Ursachen sein. Letztendlich bietet es sich damit an, die Ausfallwahrscheinlichkeiten einzelner Kredite und damit auch des Gesamtportfolios auf diese bestimmenden Risikofaktoren zurückzuführen. Diese könnten beispielsweise makroökonomische Variablen wie die Geld- oder Kapitalmarktzinsen, der Investitions- oder Konsumklimaindex und der Ölpreis sein. Solche multifaktoriellen Portfoliorisikoansätze sind methodisch in der Nähe der Arbitrage-Pricing-Theorie angesiedelt. Der Begriff der Kreditrisikomodelle ist heute durch verschiedenartige Vorgehensweisen mehrfach belegt. Hervorzuheben sind die Asset-Value-Modelle von J.  P. Morgan (Credit Metrics) und das KMV-Modell von Kealhofer, McQuown und Vasicek. Ihnen stehen die sogenannten Intensity-Models Credit Risk+ von Credit Suisse Financial Products und Credit Portfolio View von Tom Wilson gegenüber. Gebräuchlich ist an dieser Stelle ebenso die Unterscheidung zwischen Default-Mode-Modellen, die ausschließlich die binären Zustände „default“ oder „non-default“ von Unternehmen betrachten, die als Zufallsvariable mit einem zeitlichen Bezug modelliert werden können, und Mark-to- Market-Modellen, die Verluste auf Basis der Änderungen der Marktpreise determinieren. Im Vergleich zu Default-Mode-Modellen können bei Mark-to-Market-Modellen neben den Zuständen „default“ und „non-default“ auch weitere, dazwischen liegende Zustände verarbeitet werden. Sie ermöglichen es somit beispielsweise neben den Ausprägungen „Konkurs“ oder „Vergleich“ auch die „bloße Verschlechterung eines Kreditratings“ zu verarbeiten. Die Modelle unterscheiden sich somit vor allem in der Defi nition des (Ausfall-) Risikos. Alle Ansätze haben ein gemeinsames Ziel, die Bestimmung von Ausfallwahrscheinlichkeiten und -risiken, wie es schon die frühen mathematisch-statistischen Ansätze von Altmann oder klassische versicherungsmathematische Vorgehensweisen zum Ziel hatten. Die abschließende Ermittlung der Wahrscheinlichkeitsverteilungen der Verluste aus dem Kreditportfolio kann hierbei analytisch oder durch Simulationen erfolgen. Je nach Wahl der Modellparameter ist oftmals jedoch nur eine Lösung mit Hilfe der Simulation möglich.86 Empirische Analysen bankinterner Rating-Verfahren zeigen häufi g, dass die eigentlich anzustrebende Informationseffi zienz nicht erreicht wird87, weshalb beispielsweise das zukünftige Kreditrating eines Schuldners nicht von vergangenen Ratings unabhängig ist. Input-Informationen, die wenige Interpretationsspielräume offen lassen – insbesondere die Jahresabschlussdaten  – werden tendenziell deutlich schlechter bewertet als die interpretationsabhängigen qualitativen Kriterien. Dies ist zudem als Indikator dafür zu sehen, dass auch die Person des Kreditbearbeiters – und damit die psychologische Entscheidungstheorie – beim Aufbau von Kredit-Rating-Systemen zukünftig eine stärkere Beachtung fi nden müssen, sofern von diesem bewertete Daten (z. B. zur Managementqualität) in den internen Kreditrisikomodellen verwendet werden sollen. Aus der psychologischen Forschung ist beispielsweise bekannt, dass gerade die Einschätzung von Wahrscheinlichkeiten in erheblichem Umfang durch subjektive Einfl üsse verzerrt sind (vgl. z. B. die sogenannte Verfügbarkeits-Heuristik und die sogenannte Repräsentativitäts-Heuristik der „Prospect-Theorie“88). Die Anforderung, geeignete interne quantitative Ratings auf Basis modernster Verfahren zu entwickeln bleibt hiervon jedoch unberührt, u. a. auch deshalb, weil eine 1 : 1-Übertragung der Beurteilungsprozesse der Rating-Agenturen prinzipiell nicht möglich ist. Grundsätzlich sind Anwender (Nutzer) und die beurteilten Objekte (An- 86 Vgl. Guthoff/Pfi ngsten/Schuermann (1999), S. 1183. 87 Weber/Krahanen/Foßman (1999), S. 117–142. 88 Vgl. Kahnman/Tversky (1974), S. 430–454 und die Anwendung auf das Entscheidungsverhalten in Unternehmen in Gleißner (2000c). 2. Grundlagen der Finanzierung und des Ratings86 leihen, Schuldverschreibungen, Firmen, Privatpersonen, etc.) interner und externer Verfahren verschieden. Ein Beurteilungssystem muss portfoliospezifi sch konstruiert werden, d. h. sein Anwendungsbereich muss klar umrissen sein. Alle Einheiten im Portfolio müssen sinnvoll durch die gleichen Risikotreiber beschreibbar sein. Zur Erhöhung der Objektivität sollte ein Ratingsystem größtenteils auf quantitativen Elementen basieren. Ziel aller Ansätze ist es, zu einer Standardisierung, Objektivierung, Erleichterung und Beschleunigung des Kreditvergabeprozesses zu gelangen. Interne Ansätze bestehen üblicherweise aus einer standardisierten Datenerfassung, einem transparenten mathematisch-statistischen Verfahren und zumindest einem Modul zur Übersetzung und Validierung der Rating-Ergebnisse. Ihre Aufgabe ist somit die Informationsverdichtung zur Entscheidungsfi ndung, z. B. durch Analyse von Bilanz- und GuV-Größen unter Beachtung von sonstigen Daten (z. B. Branchenaussichten, Managementqualität, ...). 2.8.4 Entwicklung von Kreditrisikomodellen Der Entwicklung von Kreditrisikomodellen bzw. erweiternd der Konzeption von komplexen Risikomanagement-Systemen fällt bei weitem nicht nur ein wissenschaftlich/ wirtschaftlich geprägtes Interesse einzelner Banken oder Beratungsgesellschaften, sondern eine marktseitig und aufsichtsrechtlich untermauerte Bedeutung zu. Seit Jahren setzt sich die Modellentwicklung mit hohem Innovationstempo mit immer neuen Verfahren auseinander, wobei eine Schrittgeschwindigkeit erreicht wurde, die nur bedingt von der Seite der Datenbereitstellung bzw. -verfügbarkeit mitgegangen werden konnte. Dies führt heute vielerorts dazu, dass die Schere zwischen praktisch vorhandener Datenqualität und Anforderungen der Modellentwickler an Datenqualität weit auseinander geht. Spätestens mit der Einführung von Basel II haben Banken damit begonnen, ihre internen Daten aus dem Kreditgeschäft systematisch aufzubereiten. Die Einführung des KonTraG in Deutschland hat im Hinblick auf die Problematik der Datenbeschaffung und Datenqualität neue Perspektiven eröffnet. Die vom KonTraG geforderte intensive regelmäßige und systematische Risikoanalyse bei Aktiengesellschaften hat dazu geführt, dass die innerhalb der Unternehmen verfügbaren Informationen, die für die Bewertung der Bonität eines Firmenkunden von Bedeutung sind, wesentlich verbessert werden konnten. Es bietet sich heute deshalb an, die in den Unternehmen verfügbaren Informationen unmittelbar zu nutzen. Zu denken ist hier auch an den Aufbau von – möglichst standardisierten – Schnittstellen zwischen Unternehmen und Kreditinstituten. Für Unternehmen würde ein Anreiz bestehen, risikorelevante Informationen zeitnah an die Bank weiterzugeben und so die Transparenz bei der Risikobeurteilung durch das Kreditinstitut zu verbessern, wenn man als Gegenleistung von Seiten des Kreditinstitutes dementsprechend den Unternehmen günstigere Konditionen einräumt. Hierfür müssten in vielen Fällen durchaus auch Spielräume bestehen, da letztendlich bei den eingeräumten Konditionen in gewissem Umfang auch Zuschläge für die Unsicherheit bezüglich der tatsächlichen Bonität eines Kunden eingeräumt werden. Diese Maßnahmen führen dazu, dass die heute noch festzustellenden umfangreichen Informationsasymmetrien zwischen den Firmenkunden und den fi nanzierenden Kreditinstituten zumindest partiell etwas abgebaut werden könnten. Ein besonders hoher Anreiz für die Schaffung solcher Schnittstellen zum Kreditinstitut besteht bei Unternehmen, die eine belegbar gute Bonität haben. Die im Zusammenhang mit dem Aufbau der neuen Risikomanagementsysteme von Unternehmen erarbeiteten innovativen Verfahren der Analyse von Risiken – zu denken ist hier beispielsweise an die in die Unternehmensplanung integrierten Risiko- 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 87 aggregationsverfahren auf Basis der Monte-Carlo-Simulation89 – werden nun auch im Bankenbereich intensiver genutzt. Betrachten wir nach diesen perspektivischen Überlegungen nun den Aufbau interner Kreditrisikomodelle . Gleich ist allen Ansätzen die prinzipielle Vorgehensweise im Rahmen der Modellbildung , die durch sechs Phasen beschrieben werden kann: 1. Auswahl eines Modells, 2. Bestimmung der Modellparameter, 3. Entwicklung des Modells, 4. Test des Modells, 5. Anwendung des Modells, 6. Überwachung des Modells. Jede Modellierung erfordert somit zunächst nach der Problembeschreibung i. d. R. den Aufbau einer Datenstichprobe aus adäquaten problembezogenen quantitativen und qualitativen90 Daten91, die es oft aus verschiedensten Quellen zusammenzusetzen gilt. Dies setzt bereits ein präzises Wissen hinsichtlich der Spezifi ka der zu beurteilenden Untersuchungsgegenstände (z. B. eines Kreditnehmers/eines Unternehmens) voraus, die innerhalb der Datenstichprobe durch Merkmale beschrieben werden und mittels einer „gut/schlecht“-Defi nition gegeneinander abzugrenzen sind. „Im (Firmenkunden-)Kreditgeschäft sind die Objekte die zu klassifi zierenden Unternehmen, die beobachteten Merkmale Unternehmensdaten wie betriebswirtschaftliche Kennzahlen und die überschneidungsfreien Teilmengen sind eine bestimmte Klasse von Unternehmen, die einen bestimmten Mindeststandard erfüllt oder nicht.“92 Prinzipiell wird bei den meisten zu entwickelnden Ansätzen zwischen zwei Ausprägungen (eines Zustandes) unterschieden. Um innerhalb einer Stichprobe zwischen einzelnen Fällen zu unterscheiden, unter denen dann das auf der Basis der Stichprobe entwickelte Modell zu differenzieren hat, sind alternativ zu einer solchen 2-Klassen-Defi nition („gut“ vs. „schlecht“) auch andere Einteilungen denkbar. So bieten sich beispielsweise Mahnungen, ein möglicher Zahlungsverzug (als Formen einer schwächeren Leistungsstörung), ein Einzelwertberichtigungsbedarf oder das Anstehen einer Insolvenz (auch in Form der Größe „Days to Default“) als mögliche Kriterien an. Erfahrungswerte belegen, dass die gesamte Entwicklungsdauer eines (internen) Ansatzes, z. B. zur Kreditwürdigkeitsprüfung im Konsumentenkreditgeschäft oder im Bereich der Firmenkundenkreditgeschäfts, durch folgende Zeitaufwände beschrieben werden können: 89 Gleißner/Meier (1999), S. 926–929 und Gleißner (2011). 90 Ein zeitgemäßes Verfahren zur Bonitätsbeurteilung sollte heute auch qualitative Merkmale, z. B. aus Anhang und Lagebericht, berücksichtigen, um ein umfassenderes Unternehmensbild im Rahmen der Bewertung zu beurteilen. Es bietet sich hierbei an, verbal formulierte Aussagen wie „niedrig“, „durchschnittlich“ oder „hoch“ mittels der Fuzzy Logik vorzuverarbeiten. Alternativ kann z. B. auch an eine Lancaster-Skalierung gedacht werden. 91 Da es bislang in der Betriebswirtschaft keine Insolvenztheorie gibt, fehlen theoretische Anleitungen, welche Merkmalskomponenten überhaupt bonitätsrelevant sind und welche Ausprägungen für eine gute oder schlechte Bonität sprechen. Die zur Kreditbeurteilung eingesetzten Kennzahlen werden daher empirisch ermittelt. Soll auf ihrer Basis ein Rating durchgeführt werden, ist es zweckmäßig, nur solche Kennzahlen auszuwählen, die eine möglichst monotone Beziehung zur Bestandsfestigkeit aufweisen, das heißt, dass die besseren Unternehmen in der Regel – je nach Kennzahlendefi nition – die größeren oder kleineren Kennzahlen aufweisen. Vgl. Blochwitz/Eigermann (1999), Effi ziente Kreditrisikobeurteilung durch Diskriminanz-analyse mit qualitativen Merkmalen, erschienen im Handbuch „Kreditrisikomodelle und -derivate“, hrsg. von Roland Eller und Walter Gruber. 92 Vgl. Blochwitz/Eigermann (1999). 2. Grundlagen der Finanzierung und des Ratings88 • ein Drittel Datenerhebung und Vorverarbeitung der Daten, • ein Drittel Modellentwicklung und -validierung sowie • ein weiteres Drittel zum Einbetten des entwickelten Modells in die vorhandene EDV-Landschaft. Entwicklungsdauern von mehreren Mann-Monaten und -Jahren sind in Banken keine Seltenheit, sondern eher die Regel. Ein Grund hierfür fi ndet sich sicher in der zunehmenden Komplexität der Ansätze, die aber in der Vergangenheit i. d. R. auch zu einem damit einher gehenden Anstieg der Beurteilungsqualitäten führte. Grundsätzlich sollte man die Idee verfolgen, ein modulares quantitatives Bonitätsbeurteilungsverfahren aus mehreren Einzelkomponenten aufzubauen, welches in der Lage ist, die am Markt konkurrierenden Ansätze, d. h. z. B. Punktbewertungsverfahren oder neuronale Netzwerke, aufzunehmen. Im Allgemeinen sollte es so offen sein, verschiedene Methoden horizontal und vertikal zu hybriden Ansätzen verknüpfen zu können. Bei der horizontalen Verknüpfung könnten beispielsweise zunächst verschiedene Teilergebnisse durchaus mit verschiedenen Verfahren ermittelt werden, die dann mit einem weiteren Modul erst zu einem Endresultat in Form eines Gesamtratings verdichtet werden. Man spricht demgegenüber von einer vertikalen Kombination, wenn Einzelverfahren hintereinandergeschaltet werden, um z. B. zunächst eine Groblösung zu ermitteln, die dann von einem nachgeschalteten Verfahren noch verfeinert wird. Problematisch ist hierbei jedoch der Aspekt, dass die Komplexität des Systems das Verständnis desselben erschweren könnte. Die Grenzen der Ansätze liegen unter anderem darin begründet, dass die vereinfachte Abbildung der Realität in der Modellbildung nicht gelingt, die Zeitstabilitätshypothese nicht greift, oftmals mit fehlenden oder fehlerhaften Daten gearbeitet wird bzw. werden muss, es dem Modell an Dynamik fehlt oder die Repräsentativität einer Stichprobe nicht gegeben ist. Eine weitere grundsätzliche Grenze der heute implementierten Ansätze bei den internen Kreditrisikomodellen besteht in Art und Umfang der verarbeiteten Informationen. Nach wie vor ist der Schwerpunkt der ausgewerteten Informationen unternehmensinterner Art, und hier sind es wiederum insbesondere Informationen aus dem Jahresabschluss. Betrachtet man die in die Kreditratingmodelle einfl ießenden Informationen, so gewinnt man den Eindruck, dass diese im Kern darauf abzielen, die „Risikotragfähigkeit “ des Unternehmens zu beurteilen. Wenig Beachtung fi ndet hingegen der auf das Unternehmen einwirkende und abzudeckende Risikoumfang („Risk Exposure“), der oft primär über pauschale Branchenbewertungen abgebildet wird. Für eine adäquate Beurteilung der Bonität bzw. der Ausfallwahrscheinlichkeit eines Kredites ist es jedoch erforderlich zu prüfen, ob der auf das Unternehmen entfallende Risikoumfang dem unternehmerischen Risikodeckungspotenzial entspricht. Gerade für eine fundierte Beurteilung des Risikoumfangs fehlen jedoch zurzeit noch häufi g geeignete Informationen in den Kreditrisikomodellen. Wie bereits weiter oben ausgeführt, bieten hier die Risikomanagementsysteme, wie sie Aktiengesellschaften im Zusammenhang mit dem Kontroll- und Transparenzgesetz (KonTraG) aufbauen, neue Perspektiven bei einer adäquaten Beurteilung des Risikoumfangs von Unternehmen. Die vorliegenden Erfahrungen bei der Risikoanalyse und Risikoaggregation solcher Unternehmen zeigen, dass es hierbei unumgänglich ist, eine vollständige Risikoanalyse vorzunehmen, die alle wesentlichen Risikofelder – strategische Risiken, Absatzmarktrisiken, Finanzmarktrisiken, rechtlich politische Risiken und Leistungsrisiken – umfasst. Auch wenn es noch immer in der Betriebswirtschaft keine umfassende Theorie der Insolvenz gibt, zeigen doch die vorliegenden empirischen Untersuchungen (z. B. der Deutschen Bundesbank), dass Insolvenzfälle besonders im Umfang durch Absatzmarktrisiken verursacht werden, die beispielsweise darin bestehen, dass es ei- 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 89 nem Unternehmen nicht gelungen ist, Markttrends zu folgen und so wettbewerbsfähig zu bleiben. Darüber hinaus ist sehr oft festzustellen, dass letztendlich der Konkurs eines Unternehmens dadurch ausgelöst wurde, dass das verfügbare Eigenkapital dem eigentlich vorhersehbaren bzw. abschätzbaren aggregierten Gesamtrisikoumfang nicht entsprochen hat. Bei einer fundierten Bewertung der Angemessenheit der Eigenkapitalausstattung eines Unternehmens ist es beispielsweise unumgänglich, zunächst den Umfang der Absatzmarktrisiken (also z. B. der Volatilität der Absatzpreise und Absatzmengen) abzuschätzen. Branchenvergleichswerte z. B. für das Eigenkapital helfen hier nicht. Ergänzend sind selbstverständlich auch Umsatzschwankungen infolge von (angebotsseitigen) Leistungsrisiken, bedingt z. B. durch die Witterungs- oder Personenabhängigkeit der Leistungserstellungsprozesse, zu beachten. Inwieweit eine insoweit abzuschätzende normale Variabilität des Umsatzes eines Unternehmens in einer bestimmten Branche zu Gewinnschwankungen führt, hängt offensichtlich von der Kostenstruktur des Unternehmens ab. Ein hoher Anteil fi xer Kosten am Umsatz führt zu einer hohen Empfi ndlichkeit gegenüber Umsatzschwankungen. Zu welchen Schwankungen der Eigenkapitalrentabilität (und damit zu einer Inanspruchnahme der Eigenkapitalreserven) die zunächst ermittelten normalen Umsatzschwankungen führen, hängt wiederum vom Verschuldungsgrad ab (Financial-Leverage-Effekt ). Offensichtlich ist, dass man für eine fundierte Beurteilung der Angemessenheit der Eigenkapitalausstattung eines Unternehmens und damit eine daraus abzuleitende Berechnung der Ausfallwahrscheinlichkeit zwingend Informationen über den Umfang der Absatzmarktrisiken, der Leistungsrisiken sowie die Flexibilität der Kostenstruktur benötigt. Die gezielte Auswertung üblicher Marktschwankungen in bestimmten Branchen mit Hilfe statistisch-ökonometrischer Verfahren sowie die Auswertung von marktstrategischen Faktoren (Wettbewerbskräfte93) bietet in Verbindung mit einer detaillierten Analyse der Flexibilität der Kostenstruktur und der Stabilität der Leistungserstellungsprozesse neue Ansatzpunkte für den Ausbau interner Kreditrisikomodelle. Diese neuen Methoden werden umso leistungsfähiger sein, je stärker hierfür Unternehmensdaten von Seiten der Firmenkunden zur Verfügung gestellt werden. Ferner bietet sich für den Aufbau der internen Kreditrisikomodelle an, die Überlegungen, die kausale und defi nierte Zusammenhänge zwischen Risikodeterminanten (insbesondere auch exogene Einfl üsse) stärker gewichten, intensiver zu berücksichtigen. Beispielsweise fordern die Aufsichtsbehörden inzwischen neben der Durchführung normaler Stresstests ebenso die Durchführung ‚reverser Stresstests‘. Während man bei normalen Stresstests für eine bestimmte Risikoparameterkonstellation die erforderliche Deckungsmasse ermittelt, gibt man bei reversen Stresstests die Deckungsmasse exogen vor und prüft, ab welchen Werten für die Risikoparameter die Deckungsmasse überschritten wird. Auch in Zukunft werden die Interdependenzen von Risikodeterminanten im Fokus der Aufsicht liegen. So sieht die europäische Regulierung inzwischen umfangreiche Maßnahmen zum Management von Risikoverbindungen zwischen Ratings vor. 2.8.5 Kritische Beurteilung von Ratingsystemen94 Die 2007 begonnene Finanzmarktkrise hat gezeigt, dass Banken die sie bedrohenden Risiken unterschätzt haben. Deutliche Zeichen dafür waren Bankenzusammenbrüche, hohe Credit Spreads und die Notwendigkeit staatlicher Unterstützung. Eine häufi g diskutierte Quelle der Krise sind Defi zite in der Risikoquantifi zierung und Risiko- 93 Vgl. Porter (1989). 94 Gleißner (2009c). 2. Grundlagen der Finanzierung und des Ratings90 aggregation, die zu geringe Risiken ausgewiesen haben könnten. Damit steht letztlich die Qualität der heute verfügbaren, internen Risikomanagementsysteme und Risikomodelle der Kreditinstitute auf dem Prüfstand. Es besteht eine offensichtliche Notwendigkeit, Risiken zu quantifi zieren: was nicht messbar ist, kann nicht gesteuert und kontrolliert werden. Dennoch müssen auch die Grenzen und Probleme statistischer und quantitativer Risikomesskonzepte beachtet werden. Hier liegt für die Risikomanagementbranche enormes Lern- und Verbesserungspotenzial, das durch die Krise neu ins Bewusstsein gerufen wurde. Heri und Zimmermann95 verweisen beispielsweise darauf, dass bei der Übertragung von aus historischen Daten abgeleiteten statistischen Zusammenhängen auf die Zukunft immer angenommen wird, dass das zugrunde liegende Verhalten der Menschen sich nicht ändert. Tatsächlich ergeben sich jedoch erhebliche Instabilitäten der Modellstruktur und damit auch der Risikoquantifi zierung infolge von Erwartungsbildungsprozessen und Lernverhalten der Individuen („Verhaltensrisiko“).96 Erhebliche Probleme bestehen zudem, wenn Risikomodelle Aussagen über Stresssituationen treffen sollen, da sich diese in ihren Eigenschaften wesentlich von der „Normalsituation“, beispielsweise im Hinblick auf die Korrelationsstruktur unterscheiden. In der Realität ist eine ideale Datenverfügbarkeit fast nie erfüllt. Eine Risikoquantifi zierung basiert meist nur auf unbefriedigend wenigen Vergangenheitsdaten, vorliegende Vergangenheitsdaten lassen sich bestenfalls mit Einschränkungen als repräsentativ für die Zukunft ansehen – schlimmstenfalls liegen überhaupt keine nutzbaren Vergangenheitsdaten vor, so dass ausschließlich subjektive Schätzungen durch Experten eine Risikoquantifi zierung ermöglichen. Je weniger historische Daten vorliegen, desto schwieriger wird die korrekte Wahl und Kalibrierung des Modells. Das sogenannte Modellrisiko, also das Risiko, dass durch die Entwicklung des Modells auf unsicherer Datengrundlage verursacht wird, steigt sprunghaft an. Welche Perspektiven für die Modellbildung ergeben sich also aus dem Problem, dass Modellparameter (z. B. die Standardabweichung einer Normalverteilung) selbst nicht sicher auf Basis empirischer Daten schätzbar sind? Es könnte zur Vermeidung einer Scheingenauigkeit durchaus sinnvoll sein, diese Unsicherheit hinsichtlich der Risikoschätzung selbst transparent darzustellen, also ein „Metarisiko“ zu modellieren.97 Bei einem derartigen „Metarisiko “ wird beispielsweise der Parameter einer Wahrscheinlichkeitsverteilung zur Beschreibung eines Risikos selbst wieder als unsicher aufgefasst, also durch eine Wahrscheinlichkeitsverteilung zweiter Ordnung beschrieben. Aufgrund der begrenzten Verfügbarkeit historischer Daten lässt sich grundsätzlich ledig lich ein Intervall (eine Bandbreite) für den unbekannten Parameter einer Wahrscheinlichkeitsverteilung angeben. Der Parameter der Wahrscheinlichkeitsverteilung ist selbst wiederum durch eine Wahrscheinlichkeitsverteilung beschrieben.98 Zur Berücksichtigung dieser Parameterunsicherheit ist eine zweistufi ge Monte-Carlo-Simulation erforderlich, also die Verknüpfung der Wahrscheinlichkeitsverteilung des originären Risikos und des Parameterrisikos. Dabei wird zunächst in jedem Simulationslauf 95 In Anlehnung an Heri/Zimmermann (2001) 96 Vgl. Bieta/Milde (2009). 97 Vgl. Sinn (1980) sowie Camerer/Weber (1992). 98 Zum Jeffrey-Intervall, das auf einer Beta-Verteilung basiert, siehe Brown/Cai/DasGupta (2001). 2.8 Interne Kreditrisikomodelle – Herausforderungen für die Banken 91 der unsichere Parameter geschätzt, um mit diesem anschließend aus der so spezifi zierten Wahrscheinlichkeitsverteilung die letztlich interessierende Zufallsvariable (z. B. Anzahl der Ausfälle) zu berechnen. Die Berücksichtigung der Schätzunsicherheit (Parameterunsicherheit) führt insgesamt zu einem höheren Risikoumfang, der im Rahmen einer stochastischen Planung des Risikomanagements berücksichtigt werden sollte.99 Ein Beispielergebnis für eine solche Meta-Analyse zeigt Abbildung 19. Deutlich zu sehen ist, dass der Einbezug einer Schätzunsicherheit die Verteilung deutlich hin zu höheren Risiken (hier: höheren Insolvenzzahlen) verschiebt. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20,00% 15,00% 10,00% 5,00% 0,00% W ah rs ch ei nl ic hk ei t Anzahl Kündigungen ohne Schätzunsicherheit mit Schätzunsicherheit Abbildung 19: Beispiel einer Wahrscheinlichkeitsverteilung mit und ohne Schätzunsicherheit100 Für die Beurteilung des zukünftigen (Kredit-) Ratings eines Unternehmens, also eine Beurteilung einer Planung aus Sicht der Gläubiger, ist die Kenntnis von Risiken und Planungsunsicherheit erforderlich. Die Quantifi zierung der Risiken erfolgt durch geeignete Verteilungsannahmen (im Risikokatalog) bzw. bei Risiken der Planung (Planungsunsicherheiten) über Schwankungen (Standardabweichung der Normalverteilung) oder die Dreiecksverteilung. Die Risikoaggregation erfolgt mit Hilfe der Monte-Carlo-Simulation, wobei die statistischen Auswertungen nun auf Szenarien durchgeführt werden, die sich über die gewünschte Anzahl an Perioden erstrecken. Dabei ermöglicht die Verknüpfung von Planung mit Risikoinformationen die Erstellung der schon erwähnten „stochastischen“ Ratingprognosen, die einen Entwicklungskorridor, d. h. eine realistische „Bandbreite“ der zukünftigen Ratingentwicklung und auch der Unternehmenskennzahlen anzeigen. 99 Siehe Dannenberg (2007) und Gleißner (2009e). 100 Dannenberg (2007), S. 633. 2. Grundlagen der Finanzierung und des Ratings92 Nicht nur in Anbetracht der nicht sicher vorhersehbaren Zukunft erscheint diese Ergänzung zur traditionellen (einwertigen) Ratingprognose sinnvoll. Durch die Angabe solcher „Bandbreiten“ werden Scheingenauigkeiten vermieden, die Planungssicherheit selbst kritisch diskutierbar und zudem die Voraussetzungen dafür geschaffen, dass bei der Abweichungsanalyse ermittelt werden kann, welche der tatsächlich eingetretenen Abweichungen auf im Vorhinein bekannte Risiken zurückzuführen sind (und welche völlig unvorhergesehen waren). Die Transparenz über die Planungssicherheit ist zudem notwendige Voraussetzung für eine wertorientierte Steuerung. Bei einer stochastischen Ratingprognose können die Insolvenzursachen, nämlich Überschuldung und Illiquidität, während der Simulation für jeden einzelnen Lauf überprüft werden. Nach der Simulation werden die Fälle, in denen einer dieser Insolvenzgründe aufgetreten ist, in Relation zu der Gesamtzahl der Simulationsläufe gesetzt und so direkt aus der Simulation eine Ausfallwahrscheinlichkeit (getrennt nach Illiquiditätswahrscheinlichkeit und Überschuldungswahrscheinlichkeit) bestimmt. Die erhaltenen Werte werden in eine Ratingnote transformiert und das „Direktrating“ wird ohne den Umweg über Finanzkennzahlen abgeleitet. Illiquidität 0 % 0,05 % 2,17 % 5,01 % 8,06 % 10,93 % 13,55 % 16,07 % Überschuldung 0,05 % 2,17 % 5,01 % 8,06 % 10,93 % 13,55 % 16,07 % 18,29 % Insolvenz 0,05 % 2,17 % 5,01 % 8,06 % 10,93 % 13,55 % 16,07 % 18,29 % Bedingte Illiquidität 0 % 0 % 0 % 0 % 0 % 0 % 0 % 0 % Bedingte Überschuldung 0,05 % 2,12 % 2,9 % 3,22 % 3,11 % 2,95 % 2,91 % 2,65 % Bedingte Insolvenz 0,05 % 2,12 % 2,9 % 3,22 % 3,11 % 2,95 % 2,91 % 2,65 % Tabelle 7: Beispielhafte Ergebnisse für Direktrating (Ausfallwahrscheinlichkeit) Ratingprognosen sind zudem Grundlage, um alternative Rating-Strategien, also Maßnahmenbündel zur Optimierung von Rating und Finanzierung, vergleichen zu können (vgl. zum Vorgehen Abschnitt 4.7, insbesonders das Fallbeispiel in 4.8). 2.9 Exku rs: Test der Qualität von Ratingsystemen In diesem Exkurs wird erläutert, wie Kreditinstitute und Ratingagenturen die Qualität ihrer Ratingsysteme (ex post) belegen können. Die meisten Verfahren zur Validierung von Ratingsystemen nutzen Maßnahmen zur Beurteilung der Prognosegenauigkeit (Calibrating Power) und Trennschärfe (Discriminative Power)101. Calibrating Power misst die Fähigkeit eines Ratingverfahrens, die Ausfallquote innerhalb einer Ratingklasse möglichst zuverlässig zu prognostizieren. Trennschärfe besitzt ein Ratingverfahren, wenn es gut in der Lage ist, zwischen bonitätsstarken und -schwachen Kreditnehmern (solventen und insolventen) zu unterscheiden. Ausgangspunkt für die Messung der Trennschärfe sind Kontingenztabellen, die bei Nutzung mehrerer Rating-Klassen beispielsweise folgende Struktur haben: 101 Siehe Reichling/Kryvko (2010).

Chapter Preview

References

Zusammenfassung

Rating und Finanzierung unter Basel III

Mit Basel III hat der sogenannte Baseler Ausschuss ein neues Regelwerk mit Eigenkapitalvorschriften für Banken veröffentlicht, das ab 2013 schrittweise in Kraft tritt. Während Basel II vor allem die Risikomessung zum Gegenstand hat, geht es in den neuen Regelungen um die Definition des Eigenkapitals und die erforderlichen Mindestquoten. Das stellt insbesondere mittelständische Firmen, die auf weitere Kreditvergabe durch Banken angewiesen sind, vor neue Herausforderungen.

Das Praxishandbuch Rating und Finanzierung stellt Firmen Bausteine für eine ratingorientierte Unternehmensführung zur Verfügung.

Die Schwerpunkte:

- Rating als Erfolgsfaktor

- Analyse der eigenen Situation: Wie gut ist unser Rating?

- Optimierung des Ratings

- IT-gestützte Hilfsmittel für das Rating

- Die Zukunft von Rating und Finanzierung

Besonders praktisch

sind die Checklisten zur Analyse und Optimierung des eigenen Unternehmens sowie die CD mit der Software Quick-Rater, die eine Eigenbewertung des Unternehmens ermöglicht.

Die Autoren

Dr. Werner Gleißner ist Vorstand der FutureValue Group AG und Dr. Karsten Füser ist Partner bei Ernst&Young.

Zielgruppe

Mitarbeiter in den Finanzabteilungen mittelständischer Unternehmen.