Eine Analyse des Risikomanagements von Bankkreditportfolios mit überwiegend mittelständischen Kreditnehmern unter Berücksichtigung von Kreditportfoliomodellen

Diplomarbeit von Nina Hauer

Einleitung:

‘Leider erkennt man durch einen (vergangenheitsorientierten) Blick in den Rückspiegel nur selten, wenn/dass/ob hinter der nächsten Kurve ein Elch auf der Straße steht.’ Diese Aussage gilt im Straßenverkehr ebenso wie für das Kreditgeschäft von Banken, denn es ist wohl in beiden Situationen für das ‘Überleben’ von Vorteil, wenn man bereits heute weiß, was hinter einer Kurve wartet. Außerdem zeigt sich hier, dass es nicht möglich ist, zukünftige Risiken zu erfassen, in dem man sich ausschließlich auf die Entwicklungen in der Vergangenheit bezieht, denn nur weil noch nie ein Elch hinter der Kurve stand, muss dies auch für die Zukunft gelten.

Seit den neunziger Jahren haben sich verschiedene Kreditrisikomodelle am Markt etabliert, die versuchen, zukünftige Risiken im Kreditgeschäft zu messen. Allerdings sind die meisten Modelle für die Bedürfnisse des US-amerikanischen Finanzmarktes entwickelt wurden. Dieser weist jedoch in seiner Struktur erhebliche Unterschiede zum deutschen Markt auf. So hat sich in Deutschland keine vergleichbare externe Ratingkultur entwickelt und die börsennotierten Unternehmen haben einen prozentual geringeren Anteil als in den USA. Ziel der Arbeit ist es daher, zu prüfen, ob und unter welchen Bedingungen die Modelle auch für deutsche Kreditportfolios Anwendung finden können, wobei der Fokus auf der Betrachtung von Portfolios mit überwiegend mittelständischen Kreditnehmern liegt. Dabei unterscheiden sich zwei Ebenen. Bei der Betrachtung eines einzelnen Kredites interessiert in erster Linie die Festsetzung des risikoadäquaten Zinssatzes in Abhängigkeit von dem Risikogehalt des Geschäftes. Bei der in dieser Arbeit im Mittelpunkt stehenden Betrachtung des Risikos auf Portfolioebene liegt der Fokus auf der Identifikation und Quantifizierung von Klumpenrisiken durch Branchen- und Größenkonzentrationen. Die Schwierigkeit dabei ist neben der bereits auf Einzelkreditebene bestimmten Ausfallwahrscheinlichkeit, die Abbildung der Interdependenzen der Kreditnehmer untereinander.

Im Fokus der Öffentlichkeit stehen immer wieder spektakuläre Schieflagen international agierender Unternehmen wie die der Barings Bank, EM.TV, Enron oder Worldcom. Allerdings verursachen diese Positionen häufig nur einen geringen Teil des Gesamtverlustes eines Kreditportfolios. Ein nicht zu unterschätzender Anteil liegt bei den Verlusten aus dem Kreditgeschäft mit kleinen und mittelständischen Unternehmen, die Gegenstand dieser Arbeit sein werden. Daraus leitet sich auch die Wahl des Sparkassensektors für eine detaillierte Betrachtung einzelner Instrumente des Risikomanagements im fünften Kapitel ab, der eine wichtige Finanzierungsquelle des Mittelstandes darstellt. Dieser Sektor hält momentan ein Volumen von ca. 64 Mrd. EUR der insgesamt 160 Mrd. EUR notleidenden Kredite in Deutschland. Das ist ein Indiz dafür, dass hier ein besonders hoher Bedarf an geeigneten Instrumentarien des passiven und aktiven Risikomanagements besteht, deren Grundlage häufig Kreditportfoliomodelle bilden.

Aufbau der Arbeit:

Die Arbeit umfasst insgesamt sechs Kapitel, wobei in Kapitel zwei und drei die Grundlagen des Risikomanagements gelegt werden. In Kapitel zwei werden wesentliche Begriffe definiert, sowie die traditionellen und modernen Verfahren des Risikomanagements beleuchtet. Außerdem enthält es eine Betrachtung der aktuellen Situationsanalyse des Bankenmarktes in Deutschland unter besonderer Berücksichtigung von kleinen und mittelständischen Unternehmen.

Das dritte Kapitel gibt Auskunft über die Datenbasis, die für die Anwendung der Kreditportfoliomodelle notwendig ist. Dabei wird analysiert, welche Daten im mittelständischen Kundengeschäft bereits vorhanden sind, welche erhoben werden können und wo es zu Problemen bei der Datenbeschaffung kommen kann.

Gegenstand des vierten Kapitels sind die Kreditportfoliomodelle CreditMetrics, CreditRisk+, KMV-Modell und CreditPortfolioView. Die Beschränkung auf diese vier Modelle begründet sich im Wesentlichen aus folgenden zwei Kriterien: Erstens finden sie in der aktuellen Diskussion die größte Beachtung und sind in der Praxis am weitesten verbreitet. Zweitens sind viele der zusätzlich entwickelten Kreditportfoliomodelle Erweiterungen oder Kombinationen aus den vier hier betrachteten Modellen und dienen bei vielen Entwicklungen als Grundlage für die Modellierung von Kreditrisiken auf Portfolioebene.

Die Betrachtung der einzelnen Modelle beginnt jeweils mit der Grundidee des Modells und einer Einordnung in die verschiedenen Klassifikationsformen der Kreditportfoliomodelle. Darauf folgend wird die technische Konzeption unabhängig von den im Portfolio enthaltenen Positionen erläutert. Abschließend findet eine Überprüfung statt, ob und unter welchen Bedingungen und Annahmen das Modell auf mittelständische Kreditportfolios angewendet werden kann. Kapitel vier schließt mit einem Zwischenfazit, in dem die Modelle anhand verschiedener Kriterien auf ihre Eignung für mittelständisch geprägte Kreditportfolios miteinander verglichen werden.

Nach der theoretischen Analyse der Modelle widmet sich Kapitel fünf einer exemplarischen Betrachtung des Risikomanagement im Sparkassensektor. Eingangs wird die Ratingentwicklung im Mittelstand beleuchtet, worauf eine Vorstellung der Instrumente ‘Risikoadjustiertes Pricing’ und das im Sparkassenbereich in modifizierter Form verwendete Kreditportfoliomodell ‘CreditPortfolioView’ folgt. Der abschließende Ausblick umfasst die Entwicklungstendenzen bezüglich des aktiven Portfoliomanagements im Sparkassensektor.

Inhaltsverzeichnis:

Textprobe:

Kapitel 4.4.4, Vorgehensweise bei mittelständischen Kreditportfolios:

Da das Modell CreditRisk+ im Besonderen für Kreditportfolios mit illiquiden Positionen konzipiert wurde, wie es mittelständische Kreditengagements repräsentieren, sind die notwendigen Anpassungen relativ gering. Daher ist es möglich, den Ablauf, wie er in Kapitel 4.4.3 bereits beschrieben wurde, im Mittelstandsbereich simultan durchzuführen.

Im Folgenden soll kurz das Vorgehen im Bezug auf die Datenpolitik im genossenschaftlichen Verbund erläutert werden, da hier das Kreditportfoliomodell VR-CreditPortfolioManager angewendet wird, dass auf den Grundlagen von CreditRisk+ beruht. Ein Teil der Daten erhebt jedes Institut individuell, der andere Teil wird vom Genossenschaftsverband zentral vorgegeben. Zu den institutsspezifisch erhobenen Daten zählen die Exposures der Kreditengagements sowie die Zuordnung der KMUs zu Branchen und Ratingklasse. Unter Einbezug des verbundeinheitlichen Datenpools werden die Ausfallraten der Kreditengagements sowie die Volatilitäten der verschiedenen Branchen und Ratingklasse geschätzt. So kann jedem Kreditnehmer auf der Basis seines Ratings eine Ausfallwahrscheinlichkeit und Volatilität zugeordnet werden. Auch die Recovery-Rates für die verschiedenen Klassen an Sicherheiten stellt der Genossenschaftsverband mit Hilfe umfangreicher Erfahrungswerte zusammen.

4.4.5, Beurteilung im Hinblick auf die Anwendbarkeit bei mittelständischen Kreditportfolios:

Für die Quantifizierung von Kreditrisiken im Mittelstandsgeschäft ist CreditRisk+ wegen der geringen Datenanforderungen besonders gut geeignet. Denn speziell in diesem Bereich liegen nur sehr wenige empirische Daten vor und jede Approximation kann zu schwerwiegenden Abweichungen in der Risikoeinschätzung führen. Durch die relativ geringen Datenmengen und die Verteilungsannahmen ist es mit CreditRisk+ außerdem möglich, in relativ kurzer Zeit analytisch das Portfoliorisiko zu quantifizieren.

Ein kritisches Merkmal von CreditRisk+ ist das Ausfallparadigma, da es keine Bonitätsveränderungen und somit auch keine Wertveränderungen der Schuldtitel innerhalb der Laufzeit berücksichtigt. Diese Annahme scheint jedoch gerechtfertigt zu sein, da Kreditinstitute im Bereich der Mittelstandskredite tendenziell eine Buy-and-Hold-Strategie verfolgen. Jedoch folgt aus dieser Simplifizierung der Nachteil, dass von der Realität sehr stark abstrahiert wird und weder Abhängigkeitsstrukturen noch Korrelationen berücksichtigt werden können. Die Korrelationen modelliert CreditRisk+ nicht explizit sondern nur implizit über die Volatilitäten der Ausfallwahrscheinlichkeiten und die Zuordnung der Exposures auf Sektoren.

Außerdem nimmt das Modell an, dass die Recovery-Rates der einzelnen Positionen über den Betrachtungszeitraum hinweg konstant sind. Diese Annahme ist jedoch sehr fraglich, da besonders im Bereich der Mittelstandskredite die Recovery-Rates von 0-100% schwanken können. Es wäre hier also von Vorteil, wenn CreditRisk+ eine stochastische Entwicklung modellieren würde.

Problematisch sind auch die Bildung der Hintergrundfaktoren sowie die anteilige Zuordnung der Engagements auf die entsprechenden systematischen und den spezifischen Sektor. Durch die mögliche Subjektivität in der Zuordnung können die erforderlichen objektiven Entscheidungen nicht getroffen werden.

Letztendlich hängt die Anwendbarkeit auch von der Struktur des Portfolios ab. So kommt es bei der Ermittlung der Ausfallvolatilitäten zu erheblichen Schätzfehlern, wenn die Daten nicht mindestens über einen Zeitraum von fünf Perioden erhoben wurden. Ist dies nicht erreichbar, sollten mindestens 200 Engagements pro Sektor vorliegen, um den Schätzfehler möglichst klein zu halten. Dies erfordert eine enorme Datenbasis, die in kleinen Kreditinstituten häufig nicht vorliegt.

Viele der Schwächen, die aus den Annahmen des Modells resultieren, werden jedoch in Kauf genommen, um eine analytische Lösung zu ermöglichen. ‘Sie könnten ausnahmslos leicht vermieden werden, wenn Computersimulationen akzeptiert würden, um das Portfoliorisiko zu berechnen.’