Point-in-Time vs. Through-the-Cycle

Diplomarbeit von Florian Hock

Problemstellung:

Bei Einheitspreisen endet die Kreditvergabebereitschaft bei schwächeren Bonitäten und in konjunkturschwachen Zeiten sehr früh. Die neuen Baseler Eigenkapitalvorschriften (Basel II) fordern eine höhere Übereinstimmung von regulatorischem und ökonomischem Kapital. Dieses Ziel soll unter anderem durch eine genauere Bestimmung des Kreditrisikos und eine risikoadäquate Bepreisung der Kredite erreicht werden.

Für „significant banks“ sieht dabei der sogenannte Internal-Ratings-Based-Approach (IRB-Ansatz) in seiner Standardausprägung die Einrichtung interner Ratingsysteme zur Schätzung der Ausfallwahrscheinlichkeit vor. In der fortgeschrittenen Ausprägung wird zusätzlich die Entwicklung interner Kreditrisikomodelle gefordert, die weitere Komponenten des Kreditrisikos schätzen können.

Für die Modellierung des Adressenausfallrisikos im Zeitablauf sind im Rahmen von internen Ratingsystemen zwei Idealtypen zu unterscheiden: Point-in-Time (PIT) und Through-the-Cycle (TTC). Die Risikoschätzungen von Point-in-Time-Ratingsystemen schwanken im Zeitablauf stark in Abhängigkeit von konjunkturellen Einflüssen. Through-the-Cycle-Systeme hingegen streben eine (relative) Stabilität der Klassifizierung über den gesamten Konjunkturzyklus an. In vielen Kreditrisikomodellen werden die Ratingdaten weiterverarbeitet. Die Zyklizität dieser Modelle hängt somit auch von der Art des gewählten Ratinginputs ab. Wie kann eine Bank diese zyklischen Effekte in ihrer Risikosteuerung berücksichtigen?

Nach einer kurzen Klärung der Frage, inwiefern Schwankungen im Zeitablauf ein Problem der Kreditrisikomessung darstellen, werden die beiden Rating-Paradigmen charakterisiert. Danach wird anhand von Problemfeldern der Kreditrisikosteuerung untersucht, welcher der Ansätze für die bankinterne Ermittlung des Kreditrisikos geeignet erscheint. Diese Grundfragen umfassen Eigenkapitalunterlegung, (Risiko-)-Kapitalallokation und Kreditbepreisung und werden als Anwendungszwecke von Ratingverfahren und Risikomodellen aufgefasst.

Das Hauptaugenmerk liegt auf den beiden letzteren Punkten. Vor- und Nachteile möglicher Ausgestaltungen werden dann ausgehend von spezifischen Anforderungen und praktischen Restriktionen der beiden Problemkreise diskutiert.

Inhaltsverzeichnis:

Textprobe:

Kapitel 3.2.4.2, Untersuchung der Zyklizität der Komponenten:

Von der Grundausrichtung her ist bei Credit Portfolio View die Zyklizität gegeben, die bei CreditMetrics vernachlässigt wird. Damit wird der in Kapitel 2.1 gezeigte Zusammenhang berücksichtigt. Ausfallraten und Migrationswahrscheinlichkeiten werden wie im CreditMetrics-Modell aus Daten der Ratingagenturen gewonnen. Allerdings werden nicht langjährige Durchschnitte verwendet, sondern historische Zusammenhänge zwischen makroökonomischen Faktoren und den Ausfallraten.

Die Analyse erfolgt unter expliziter Berücksichtigung verschiedener Branchenzyklen und Zyklusanfälligkeiten. Durch eine Einordnung der Kreditnehmer in Segmente kann damit eine genauere Risikoeinschätzung in Bezug auf die aktuelle gesamtwirtschaftliche Situation vorgenommen werden als mit den Durchschnittsdaten der Agenturen.

Auch hier müssen einer Bank bestimmte Eigenschaften der Agenturdaten bewusst sein. Idealtypisch sollte eine Agentur die Konjunkturszenarien in der Ratingnote berücksichtigen. Kommt es allerdings zu einem einschneidenden konjunkturellen Ereignis, das im Normalfall mit zeitlicher Verzögerung bekannt wird, müsste sich dies in einer Ratingänderung widerspiegeln. Agenturratings weisen ihrerseits eine gewisse Zeitverzögerung auf, die über die Zeitreihenanalyse von CPV automatisch in die Beurteilung einfließt. Diese Verzögerungen kommen mitunter wegen begrenzter personeller Ressourcen der Ratingagenturen zustande, nicht jeder Wert kann zeitnah beobachtet werden. Zeitliche Nähe ist auch wegen des internen Abstimmungsaufwands der Agenturen nicht gewährleistet, Ratingnoten sind teilweise lediglich das Ergebnis eines bürokratischen Prozesses. Die langsame Reaktionsweise der Agenturen führte laut einer Untersuchung dazu, dass noch drei Monate vor Ausfall 4,0% der von Standard & Poor’s und 2,7% der von Moody’s gerateten, ausgefallenen Unternehmen Investmentgradestatus besaßen. Resultat der Zeitverzögerung sind mitunter auch folgende Situationen, in denen die PD einer Ratingklasse r größer ist als diejenige einer schlechteren Ratingklasse n>r. Beobachtet wurde zum Beispiel, dass die Ausfallwahrscheinlichkeit von AA-Werten 0,19% betrug, während in der Klasse BB ein Unternehmen lediglich eine Ausfallwahrscheinlichkeit von 0,17% aufwies.

Die Korrelationen der Kreditnehmer werden modellendogen durch die Bildung verschiedener Segmente und deren unterschiedliche Reagibilität auf Makro-Faktoren berücksichtigt. Es muss hierzu kein Aktienindex verwendet werden, womit die Problematik nicht-börsennotierter Unternehmen umgangen wird.

Trotzdem werden in großem Umfang historische Zusammenhänge herangezogen und in die Zukunft fortgeschrieben. Da aber die Prognoseunsicherheit über eine Simulation der Residualterme berücksichtigt wird, erscheint die Fortschreibung zulässig. Problematisch erscheint hingegen die Anwendung des Modells auf Märkte, die nicht mit der Datenbasis übereinstimmen.

Fazit: Die beiden untersuchten Modelle müssen sich daran messen lassen, inwieweit sie die in Kapitel 3.2.1 aufgestellten Anforderungen an die Kapitalallokation erfüllen. Zunächst sollen Sie eine Grundlage für ein aktives Kreditportfoliomanagement auf Basis des Credit-Value-at-Risk bereitstellen. Diese Anforderung wird von beiden Modellen erfüllt, da sie eine marktwertorientierte Bewertung des Portfolios ermöglichen.

Weiterhin sollen die Modelle zeitnahe Steuerungsdaten zur Verfügung stellen. Es muss eine Steuerung in Abhängigkeit des gesamtwirtschaftlichen Umfelds möglich sein. Diese Forderung erfüllt m.E. nur das Modell von Credit Portfolio View.