Messung und Management von Kreditportfoliorisiken

3.2 Die Datenbasis Grund für die Datenprobleme ist zum einen, dass sich der Zeithorizont zwischen Markt- und Kreditportfolios deutlich unterscheidet: Während man bei der Marktrisikomessung von einem bis zu zehn Tagen ausgeht, beträgt die fiktive Haltedauer von Krediten mindestens ein Jahr24. Zum andern gibt es im Gegensatz zu Aktien, bei denen Daten direkt aus den Preisen liquider, gut beobachtbarer Märkte geschätzt werden können, für Kredite im Normalfall weniger oder ungenauere Marktinformationen. Auch die Seltenheit von Ausfällen macht es fast unmöglich aus Werten der Vergangenheit stabile Schätzungen zu erhalten25. Korrelationen in Kreditrisikomodellen müssen daher aus besser zu schätzenden Parametern modelliert werden. 3.3 Weitere Unterschiede Zusätzlich ist zu beachten, dass die üblichen VaR-Wahrscheinlichkeitsparameter bei der Marktrisikomessung im Bereich von 95 bis 99 % liegen, die Spanne bei der Kreditrisikomessung dagegen von 99 bis 99,98 % reicht. Ein weiteres Problem kann die Informationsasymmetrie darstellen, von der Kreditrisiken im Gegensatz zu Marktrisiken betroffen sind26. Im Normalfall hat beispielsweise ein Gläubiger weit mehr Informationen über seinen Kreditnehmer als eine dritte Person. Ein Kreditnehmer wiederum hat mehr Informationen über sein Unternehmen als der Gläubiger. 4 Der Aufbau eines Kreditrisikomodells [...]

In diesem Abschnitt wird zunächst auf die formalen Ziele der Kreditrisikomodelle eingegangen. Ein wesentlicher Aspekt ist hierbei das Value-at-Risk-Konzept und das ökonomische Kapital. Im Weiteren soll dann auf die Vorteile eingegangen werden, die diese aus der Marktrisikomessung bekannten Größen für die Bewertung von Kreditrisíken mit sich bringen. 2.1 Formale Ziele der Kreditrisikomodelle Ziel aller hier diskutierten Ansätze zur Messung von Kreditportfoliorisiken ist die Ermittlung von Wahrscheinlichkeitsverteilungen (bei diskret modellierten Verlustbeträgen) bzw. Wahrscheinlichkeitsdichteverteilungen (bei stetig modellierten Verlustbeträgen) für die Verluste des Kreditportfolios, die jedem denkbaren Portfolioverlust die Eintrittswahrscheinlichkeit zuordnen11. Aus dieser Verteilung können dann nicht nur Erwartungswert und Standardabweichung des Kreditportfolioverlustes, sondern vor allem auch der für Kreditrisiken wichtigere VaR abgeleitet werden12. Dabei wird eine Wahrscheinlichkeit a, z.B. 0,9998, vorgegeben, mit der eine bestimmte Verlusthöhe nicht überschritten wird13. Die Bank weiß dann, dass sie nur in 0,02 Prozent der Fälle einen höheren Verlust erleidet, als beim VaR-Ansatz errechnet. Die Wahrscheinlichkeit a wird in diesem Zusammenhang auch als a-Quantil der Verlustverteilung bezeichnet. 2.2 Der Nutzen von modernen Kreditrisikomodellen und das ökonomische Eigenkapital Der wesentliche Vorteil des VaR-Ansatzes ist die Möglichkeit, das gesamte Kreditportfoliorisiko zu quantifizieren, was die Abschätzung der ökonomisch adäquaten Eigenkapitalunterlegung erlaubt. Das ökonomische Eigenkapital (EC) wird hierbei als der Kapitalbetrag definiert, der zur Absicherung der risikobehafteten Aktivitäten einer Bank [...]

Im Zuge dieser Entwicklungen in Forschung und Praxis wurden verbesserte Rating- und Scoring-Ansätze einschließlich sensibler Frühwarnsysteme entwickelt und es entstanden ausgefeiltere Modelle zur Bepreisung von Kreditrisiken (wie zum Beispiel das risk adjusted return on capital Modell (RAROC))4. Der wichtigste Schritt war jedoch, von der Einzelbetrachtung eines Kredits zur Portfolioanalyse überzugehen, um auf diese Weise sogenannte Klumpenrisiken5 zu vermeiden und Diversifikationseffekte voll auszuschöpfen. In diesem Zusammenhang werden derzeit vor allem die Modelle CreditMetrics6 von J. P. Morgan, CreditRisk+7 von Credit Suisse Financial Products (CSFP), CreditPortfolioView8 von McKinsey und das KMV-Modell9 diskutiert10. In der vorliegenden Arbeit sollen die modernen, portfolioorientierten Kreditrisikomodelle ausführlich dargestellt werden. Dabei stehen mit CreditRisk und CreditMetrics zwei der vier oben genannten Ansätze als Vertreter verschiedener Klassen von Kreditrisikomodellen im Vordergrund. Ziel ist es, zum einen Aussagen darüber machen zu können, welcher Ansatz für ein bestimmtes Kreditportfolio bzw. einen bestimmten Anwender am besten geeignet ist, und zum andern mit den Vor- und Nachteilen der Ansätze die Gründe für eine mögliche Anerkennung von internen Modellen seitens der Bankenaufsicht zu diskutieren. Im zweiten Abschnitt werden die Ziele der Kreditrisikomodelle beschrieben und die daraus resultierenden Vorteile erarbeitet. Das dritte Kapitel beantwortet die Frage, wie sie sich dabei aufgrund verschiedener Prämissen von den Marktrisikomodellen unterscheiden. Der grundsätzliche Aufbau eines Kreditrisikomodells ist dann Gegenstand des vierten Teils. Hier werden die wichtigsten Schritte und Begriffe vorgestellt. Darauf aufbauend folgt im fünften Abschnitt die Klassifizierung der oben genannten Ansätze nach verschiedenen Gesichtspunkten. Dort erweist es sich als sinnvoll, dass sich die folgende Untersuchung auf die Modelle CreditRisk und CreditMetrics als jeweilige Vertreter einer Klasse konzentriert. Deshalb werden diese beiden Modelle im sechsten und siebten Kapitel ausführlich dargestellt. Der achte Teil der Arbeit dient dem Vergleich der beiden Ansätze. Hier wird geprüft, wie sie sich in Risikodefinition, empirischer Datenbasis und technischer Konzeption unterscheiden. Im neunten Abschnitt steht dann die Kalibrierung von CreditRisk und CreditMetrics im [...]