Performanceorientierte Gesamtbanksteuerung

MA-Thesis / Master von Christian Kienesberger

Einleitung:

In der nachfolgenden Arbeit soll versucht werden, wesentliche Konzepte in der modernen performanceorientierten Gesamtbanksteuerung aufzuzeigen und zu erläutern. Es soll diesbezüglich ein Überblick darüber dargestellt werden, welche Konzeptionen und Modelle im Zuge der Performancemessung sowohl auf Gesamtbank- wie auch auf Portfolio- bzw. Wertpapierebene zur Anwendung kommen können, wobei die behandelten Ansätze wohlgemerkt nur einen möglichen Auszug aus einem sehr breiten Reservoir darstellen. Der Schwerpunkt der Arbeit liegt auf der Behandlung risikoadjustierter wie auch nicht-risikoadjustierter Konzepte zur Leistungsmessung in Banken und soll gleichzeitig zentrale Inputgrößen, welche in ebendiese Ansätze einfließen, näher beleuchten und erklären. Dabei erscheint es als unerlässlich, zuerst den Besonderheiten der Performancemessung und der Steuerung auf Gesamtbankebene einiges an Aufmerksamkeit zu schenken um den Leser unter anderem für die Wechselwirkungen zwischen dem Ertrags- und dem Risikoaspekt im Zuge des rentabilitätsorientierten Bankmanagements zu sensibilisieren. Darüber hinaus soll in einem einleitenden Kapitel auf die zentrale Rolle des Eigenkapitals in der Bankenbranche aufmerksam gemacht werden und auf die starke Regulierung im Bankensektor hingewiesen werden. Der daran anknüpfende Abschnitt hat die Spezifikationen der Gesamtbanksteuerung aus ganzheitlicher Sicht zum Inhalt, wo versucht wird, das Konzept des Residualgewinns, im Sinne der Schaffung eines zusätzlichen Unternehmenswertes auf Bankenebene, zu erläutern. In ebendiesem Abschnitt sollen des Weiteren die wesentlichen Unterschiede, betreffend die Gewinngenerierung aus ganzheitlicher Sicht, zwischen herkömmlichen Industrieunternehmen und Finanzinstituten aufgezeigt werden. Darüber hinaus wird im angesprochenen Abschnitt die Anwendung der ROE-Analyse als nicht-risikoadjustiertem Instrument der Gesamtbanksteuerung näher erläutert und anhand eines konkreten Beispiels auf diverse Strukturkennzahlen näher eingegangen. Dabei wird vor allem auf das ROE-Schema nach Schierenbeck zurückgegriffen, welches zudem in dieser Arbeit den zentralen nicht-risikoadjustierten Ansatz zur Performancemessung auf Ebene der Gesamtbank darstellt. Um die Konzepte im Bereich der risikoadjustierten Performancemessung besser zu verstehen, wurde im darauffolgenden Abschnitt der Identifikation des Risikos und des Risikokapitals im Bankenbereich etwas Raum gewidmet. Im Speziellen wurde dabei das Konzept des Value at Risk, als zentralem Ansatz zur Quantifizierung des Risikokapitals, genauer unter die Lupe genommen. Im anschließenden Kapitel wurde ein besonderes Augenmerk auf die Kategorie der risikoadjustierten Performancemaße gelegt, welche einen der wesentlichen Inhalte dieser Arbeit darstellt. In diesem Zusammenhang wird zunächst versucht, den Leser für das Wechselspiel aus Risiko und Ertrag zu sensibilisieren. In der Folge wird ein Auszug aus möglichen risikoadjustierten Performancemaßen sowohl auf Wertpapier- wie auch auf Portfolioebene dargestellt. Zu guter Letzt soll im Zuge der Erläuterung typischer risikoadjustierter Ansätze der Performancemessung auf Gesamtbank- bzw. Geschäftsfeldebene wieder zur Thematik der Gewinngenerierung aus ganzheitlicher Sicht zurückgekehrt werden. Diesbezüglich ist anzumerken, dass nun aufgrund der Verwendung von Kennzahlen wie dem RORAC (Return on Risk Adjusted Capital) oder dem RAROC (Risk Adjusted Return on Capital) eine Berücksichtigung des Risikoaspekts auf Ebene der Gesamtbank erfolgen kann. Außerdem soll aufgezeigt werden, dass diese Art von Kennzahlen einen möglichen Ansatz zur Eruierung des risikoadjustierten Verzinsungsanspruchs der Eigenkapitalgeber darstellt.

Inhaltsverzeichnis:

Textprobe:

Kapitel 4.3.2, Methoden zur Ermittlung des VaR:

Bezüglich der Ermittlung des VaR stehen, gemäß der allgemeinen Lehre, drei zentrale Methoden zur Disposition. Je nach Festlegung der Verteilung der Modellgrößen und der Verteilung der Portfoliowertänderung sind folgende Konzepte von Relevanz:

Historische Simulation.

Monte Carlo Simulation.

Varianz-Kovarianz Verfahren.

4.3.2.2, Monte Carlo Simulation:

‘The idea behind Monte Carlo is to simulate repeatedly from the random processes governing the prices or returns of the financial instruments we are interested in. For example, if we were interested in estimating a VaR, each simulation would give us a possible value for our portfolio at the end of our holding period. If we take enough of these simulations, the simulated distribution of portfolio values will converge to the portfolio’s unknown ‘true’ distribution, and we can use the simulated distribution of end-period portfolio values to infer the VaR’.

Bei dieser Methode kommt es also zu einer Approximierung der ‘wahren’ Verteilung der Risikofaktoren durch ein wiederholtes Entnehmen einer Stichprobe aus der Grundgesamtheit. Die erhaltenen Ergebnisse bezüglich der ermittelten Strichprobenverteilungen werden anschließend zusammengeführt und es erfolgt eine Annäherung an die tatsächliche Verteilung mit dem Ziel, diese möglichst getreu abzubilden. Diese angenäherte Verteilung bildet wiederum die Grundlage für die anschließende Berechnung des Value at Risk.

Es kann bezüglich der Monte Carlo Simulation zu einer Berücksichtigung einer oder auch mehrerer Risikofaktoren kommen. Wenn mehrere Risikofaktoren in das Modell einfließen ist unter Zuhilfenahme von Korrelationsmatrizen zu agieren.

Als Vorteile der Monte Carlo Simulation können die einfache Handhabbarkeit nach erfolgter erfolgreicher Implementierung und die zahlreich am Markt erhältliche und erforderliche Software genannt werden. Es können mit ihrer Hilfe komplexe stochastische Prozesse ins Modell hineinfließen mit dem Vorteil, mehrere Risikofaktoren gleichzeitig berücksichtigen zu können. Sie kann bei Portfolios, bestehend aus komplexen Finanzinstrumenten, zur Anwendung kommen und ist relativ einfach zu modifizieren. Außerdem kann es durch eine Erhöhung der Stichproben und der Testläufe zu einer höheren Genauigkeit und somit Aussagekraft der Methode kommen. Bei der Berücksichtigung mehrerer Risikofaktoren kann es allerdings zu einer Verlangsamung der Prozesse kommen und es existiert somit ein Trade Off zwischen der Genauigkeit und Komplexität und der beanspruchten Zeit.

4.3.2.3, Varianz-Kovarianz Methode:

Das Varianz-Kovarianz Verfahren stellt wahrscheinlich die einfachste Methode zur Ermittlung des Value at Risk dar. Dabei werden am Markt, beispielsweise von J.P. Morgan/RiskMetrics, erhältliche Informationen betreffend der Korrelationen und Volatilitäten von Wertpapieren als Inputfaktoren für die Methode herangezogen. Es wird dabei eine multivariate Normalverteilung der Risikofaktoren unterstellt und die Korrelationen und Deltas als konstant angenommen. Die verwendeten Volatilitäten entstammen historischen Daten, welche somit die Grundlage des Verfahrens bilden. Wenn sich, wie in der Praxis üblich, mehrere unterschiedliche Wertpapiere im Portfolio befinden, kann man diese Finanzinstrumente mittels eines Cash-flow Mappings auf einfachere Auszahlungsmuster herunter brechen, was es erlaubt, beispielsweise die von RiskMetrics zur Verfügung gestellten Volatilitäten und Korrelationen zur Anwendung kommen zu lassen. Dadurch, dass auch bezüglich des Portfolios eine Normalverteilung der Marktfaktoren und somit auch der Portfolioreturns angenommen wird, können auch in diesem Fall standardisierte statistische Methoden zur Berechnung des VaR verwendet werden. Bei komplexeren Portfolios können Korrelations- und Kovarianzmatrizen Abhilfe schaffen. Als Nachteil dieses Verfahrens kann sicherlich die im Vorhinein getroffene Normalverteilungsannahme der Inputfaktoren und eine somit potentielle Fehleinschätzung der künftigen Entwicklung genannte werden. Außerdem produziert diese Methode inakkurate Schätzungen und Annahmen, wenn sich nicht-lineare Auszahlungsmuster, wie sie beispielsweise bei Optionen der Fall sind, im Portfolio befinden.