Aufrufe
vor 6 Jahren

RISIKO MANAGER 06.2015

  • Text
  • Unternehmen
  • Gleichung
  • Informationen
  • Portfolio
  • Deutschen
  • Deutsche
  • Hierbei
  • Risikomanagement
  • Website
  • Modellierung
RISIKO MANAGER ist die führende Fachzeitschrift für alle Experten des Financial Risk Managements in Banken, Sparkassen und Versicherungen.

16 Ausgabe 06/2015

16 Ausgabe 06/2015 schlechtern. Das Anschlagen eines bzw. des ersten K.-o.-Kriteriums hat einen roten Ampelstatus zur Folge. Diese Konstellation trifft im vorliegenden Fall auf die Indikatoren [Beziehung zwischen erstem Kreditnehmer und weiteren Kreditnehmern] und [Rücklastschriften (bezogen auf eigene Darlehensraten)] zu. Die Spalte [Gewichtete RP] ergibt sich, indem die Risikopunkte mit dem Gewichtungswert pro Indikator multipliziert werden. Für den Indikator [Verbraucherpreisindex für Wohnung, Wasser, Strom und Brennstoffe] ist dies z. B. 10 × 0,80. Das Gesamtscoring (34,00 Risikopunkte) ist die Summe der gewichteten Risikopunkte über alle Indikatoren hinweg (t Abb. 02). Einen wichtigen Nutzen liefert in diesem Zusammenhang eine Aler ting- Funktionalität, die die Möglichkeit bietet, den Analysten im Fall einer Überschreitung der Warnmarke bzw. der Anzeige eines roten Ampelstatus, die in der Kopfzeile des Scoringbogens [Forecast] (t Abb. 02) platziert ist, proaktiv per E-Mail zu benachrichtigen. Dieser Fall tritt bei einer Überschreitung der kritischen Marke von 50 Prozent × Summe der gewichteten Risikopunkte ein. Im nächsten Schritt obliegt die Entscheidung dem Analysten bzw. den institutsseitig vorgegebenen Regelungen, ob und inwieweit die Frühwarnung bzw. die Überoder Unterschreitung der fachlich vorgegebenen Schwellenwerte einen belastbaren Ansatzpunkt für eine Anpassung der betreffenden Risikoklassifizierung darstellt. Welche Risikofaktoren die indikatorspezifischen Warnmarken überschritten haben und in die Gesamtbewertung einfließen, ist für den Analysten an den zeilenweisen roten Ampelmarkierungen in der Spalte [Forecast] erkennbar. Wird die Grenze von 25 Prozent der (gewichteten) Gesamtpunktzahl überschritten, deutet eine gelbe Ampelmarkierung auf eine Veränderung hin, die weiter beobachtet werden sollte. Im Vergleich zu einer roten Ampelmarkierung würde der für den Darlehensnehmer zuständige Analyst systemseitig nicht automatisch benachrichtigt werden. Weitere Abstufungen sind möglich. Grundlage für den vorgestellten Bericht zur Frühwarnung sind die dem Scoringmodell zugrunde liegenden internen und externen kunden- und portfoliospezifischen Informationen, die persistent in einer Datenbank vorgehalten werden. Eine Aktualisierung der Daten kann mithilfe automatisierter Batchläufe in einem monatlichen Intervall oder – soweit technisch möglich und mit Blick auf das Institutsportfolio sinnvoll – in kürzeren Zeiträumen erfolgen. Fazit Im vorliegenden Beitrag wurden gemäß den Berichtsanforderungen aus BCBS #239 zwei konkrete Ausgestaltungen von Berichten zur regelmäßigen strukturierten Datenqualitätssicherung und zur Frühwarnung vorgestellt. Grundlage für die Erstellung, Darstellung und Analyse dieser Berichte ist der Einsatz einer leistungsfähigen Business-Intelligence-Technologie. Mit Blick auf den Aspekt der Datenqualität stellt ein standardisierter und aufsichtlich abgestimmter Prüfkern sicher, dass die vorgehaltenen Daten die erforderliche Qualität aufweisen, sodass die Informationen in den Berichten in der geforderten Vollständigkeit, Genauigkeit sowie Aktualität vorliegen und empfängerorientiert zur Verfügung gestellt werden können. Standardisierte Prüfberichte zeigen den prozentualen Erfüllungsgrad der Datenqualitätsanforderungen nach BCBS #239 an und unterstützen bei der Suche nach Verbesserungspotenzialen bei der Datenanlieferung. Für die Zwecke der Frühwarnung lässt sich mithilfe eines komprimierten grafischen Reports ein umfassendes Bild der Risikosituation eines Instituts erzeugen, das eine frühzeitige Reaktion auf externe Einflüsse auch in Krisenzeiten ermöglicht. Dabei werden sowohl negative als auch positive Entwicklungen pro Portfolio angezeigt und visualisiert. Der Aussagegehalt sowie die Prognosegüte des Berichts lassen sich weiter erhöhen, indem die institutsinternen Frühwarnindikatoren um externe und makroökonomische Indikatoren erweitert werden. In einer der nächsten Ausgaben des RISIKO MANAGER werden im vierten Teil dieser Serie zu Risk Data Aggregation die Ergebnisse aus der Veröffentlichung „Progress in adopting the principles for effective risk data aggregation and risk reporting“ des Baseler Ausschusses für Bankenaufsicht vom Januar 2015 analysiert und ein Rückschluss auf die bereits im Dezember 2013 vom Baseler Ausschuss für Bankenaufsicht identische Veröffentlichung (BCBS 268) gezogen. Die Publikationen beinhalten die Ergebnisse einer Befragung großer Kreditinstitute in Bezug auf den Fortschritt ihrer Umsetzungsmaßnahmen im Rahmen von BCBS #239. Quellenverzeichnis und weiterführende Literatur: Baseler Ausschuss für Bankenaufsicht (2013): Grundsätze für die effektive Aggregation von Risikodaten, Dezember 2013. Baseler Ausschuss für Bankenaufsicht (2015): Progress in adopting the principles for effective risk data aggregation and risk reporting, Januar 2015. Deutsche Bundesbank (2012): Anwendungsbeispiele des Fachgremiums „Offenlegungsanforderungen" zur Umsetzung der quantitativen Anforderungen nach Teil 5 der Solvabilitätsverordnung (SolvV) i. V. m. Basel II Säule 3, CRD und E-CRR unter Leitung von Karl-Heinz Hillen und Stefan Kleinschmidt, Stand September 2012. Gabriel, R./Golla, G./Hoppe, T. et al. (2009): Business Intelligence als Enabler des Basel II-Berichtswesens – Auswirkungen der Offenlegungspflichten gemäß Säule III des Baseler Frameworks für den Einsatz eines Reportingsystems, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 21. Jahrgang 2009, Heft 10, S. 538-544. Golla, G. (2010): http://de.wikipedia.org/wiki/Offenlegung_(Marktdisziplin). Golla, G./Hoppe, T./Pastwa, A. et al. (2011): Basel-II- Offenlegung: Best-Practice für standardisiertes Reporting, in: BI-Spektrum, 6. Jahrgang, Heft 4 / Oktober 2011, S. 26-31. Golla, G./Hoppe, T./Klimetzek, C. et al. (2012): Bonitätsbezogene Frühwarnindikatoren und Integration in das Kreditrisikomanagementreporting, in: Frühwarnindikatoren und Krisenfrühaufklärung. Konzepte zum präventiven Risikomanagement, hrsg. von Jürgen Jacobs, Johannes Riegler, Hermann Schulte-Mattler, Günter Weinrich, Wiesbaden 2012, S. 443-463. Golla, G./Hoppe, T./Pastwa, A. et al. (2014): Risk Data Aggregation (RDA). Umsetzung auf Basis von Business Intelligence (BI), in: RISIKO MANAGER, Nr. 8 / 2014, S. 14-19. Golla, G./Hoppe, T./Pastwa, A. (2014): Risk Data Aggregation (RDA). RDA-Umsetzung auf Basis von Business Intelligence (BI), in: BCBS 239. Regulatorische Anforderungen und effiziente Umsetzung, hrsg. von Wilhelm Niehoff / Stefan Hirschmann, Köln 2014, S. 29-41. Golla, G./Hoppe, T./Pastwa, A. (2014): Umsetzung einer leistungsfähigen Reportingplattform und künftige Aufgaben für das Datenmanagement, in: RISIKO MANAGER, Nr. 25-26 / 2014, S. 35-38. Autoren: Dr. Guido Golla, Diplom-Volkswirt, freier Unternehmensberater. Tobias Hoppe, Senior Consultant, SKS Unternehmensberatung GmbH & Co. KG. Dr. Alexander Pastwa, Produktmanager, IHK Gesellschaft für Informationsverarbeitung mbH.

Immer im Bilde mit 17 Fotonachlese Future of Risk – Insurance 2015 Dr. Sven Ludwig, Regional Director, Professional Risk Managers' International Association (PRMIA) sowie SVP, SunGard.

RISIKO MANAGER

 

Copyright Risiko Manager © 2004-2017. All Rights Reserved.