Aufrufe
vor 1 Jahr

RISIKO MANAGER 06.2018

  • Text
  • Banken
  • Risiken
  • Institute
  • Risiko
  • Simulation
  • Insbesondere
  • Zinsen
  • Historischen
  • Kurzlaufend
  • Regulierung
RISIKO MANAGER ist das führende Medium für alle Experten des Financial Risk Managements in Banken, Sparkassen und Versicherungen. Mit Themen aus den Bereichen Kreditrisiko, Marktrisiko, OpRisk, ERM und Regulierung vermittelt RISIKO MANAGER seinen Lesern hochkarätige Einschätzungen und umfassendes Wissen für fortschrittliches Risikomanagement.

14

14 RISIKO MANAGER 06|2018 Risikofrüherkennung Nutzung künstlicher Intelligenz in der Adressrisikosteuerung Das Risiko eines Kreditausfalls (Adressrisiko) ist nach wie vor eines der Hauptrisiken für Banken und Sparkassen. Klassische Modelle zur Steuerung dieser Risiken weisen allerdings eine Reihe von Defiziten auf: Bei der Ermittlung der regulatorisch und ökonomisch gebotenen Eigenkapitalkosten werden in der Regel die Besonderheiten des betroffenen Kreditportfolios nicht beachtet. Zudem unterstützen die Modelle nur die Quantifizierung des Risikos, eine aktive Steuerung ist nicht möglich. Diese Defizite lassen sich beseitigen: durch die Kombination von Verlustdatenbank und Risikoinventur, bekannt aus der Steuerung operationeller Risiken, sowie durch den Einsatz technischer Möglichkeiten wie künstlicher Intelligenz. Wenn Institute das Kreditrisiko in ihrem Portfolio quantifizieren wollen, existieren hierfür im Wesentlichen zwei unterschiedliche Gruppen von Ansätzen. Die eher regulatorisch getriebenen Ansätze berechnen die erforderliche Eigenkapitalunterlegung konto- oder kundenbezogen anhand eines definierten Formelwerks. Diese Methoden berücksichtigen Besonderheiten des Portfolios, wie zum Beispiel dessen Granularität, in Form von Aufschlägen. Der Mangel an diesem Ansatz: Insbesondere in den Fällen, in denen ein Kreditinstitut sich eng an die aufsichtsrechtlichen Vorgaben hält, werden Eigenarten des Portfolios nicht berücksichtigt, beispielsweise ein besonderes Geschäftsmodell und der Fokus auf ein Geschäftsgebiet. Die Folge: Wenn zwei Banken bei der Bewertung ihrer Risiken ähnliche Parameter verwenden, kommen sie zu einer ähnlichen Eigenkapitalunterlegung, selbst wenn sich die Geschäftsmodelle, die regi- onale Ausrichtung oder andere Kriterien erheblich voneinander unterscheiden. Ein weiterer Weg, Risiken im Kreditportfolio zu ermitteln, ist der Stresstest. Dieser führt zwar bei der Betrachtung verschiedener Institute zu vergleichbaren Ergebnissen, was die wechselnden Faktoren angeht, die das Kreditrisiko bestimmen. Ob es sich hierbei aber tatsächlich um die wesentlichen Faktoren einer betrachteten Bank handelt, ist unklar. Ein solches Ergebnis käme im Zweifel eher zufällig zustande, da die Bankenaufsicht einheitliche und nicht auf eine Bank individuell abgestimmte Vorgaben trifft. Das Wesen der Steuerung operationeller Risiken Im Gegensatz zu den Modellen der Kreditrisikosteuerung geht die Steuerung operationeller Risiken traditionell einen anderen Weg. Institute bauen hierfür eine Verlustdatenbank auf und führen eine Risikoinventur durch. Ziel der Schadensfalldaten-

Kreditrisiko 15 Abb. 01 Instrument Risiko und Schäden in der Risikosteuerung Verlustdatenbank und Risikoinventur in der Kreditrisikosteuerung Risiko Erkennung (vor Eintritt) Abbildung in der Risikolandkarte bzw. Risikoinventur in Form von Szenarien Eintritt Schadensereignis Schaden Schadensfalldatenbank bank ist eine bankweite strukturierte Erhebung tatsächlich eingetretener Schadensfälle, die auf schlagend gewordene operationelle Risiken zurückzuführen sind. Wesentliche Inhalte der Verlustdatenbank sind die Ursache des Schadensfalls, der Schadensfall selbst, die Auswirkungen und die betroffenen Geschäftsfelder, sowohl aus Verursachersicht als auch aus Schadensträgersicht. Banken identifizieren mit diesem Vorgehen wesentliche Risikoquellen im Unternehmen und schärfen das Risikobewusstsein der Mitarbeiter, indem sie eingetretene Verluste transparent machen. Zusätzlich zu historischen Schadensereignissen werden auch Szenarioanalysen durchgeführt und Risikoindikatoren ermittelt. Die wesentlichen Wirkungsmechanismen in der Risikosteuerung sind in Abb. 01 zusammengefasst. Ergänzend zur Verlustdatenbank bewerten Banken operationelle Risiken in Form einer Risikoinventur. Damit erfüllen sie die im Besonderen Teil BTR 4 der MaRisk definierte Forderung, wesentliche operationelle Risiken zumindest jährlich zu identifizieren und zu beurteilen. Neben der Analyse historisch eingetretener interner und externer Schadensfälle sollen auf diese Weise auch noch nicht eingetretene, aber denkbare Verluste hinsichtlich der Schadenshäufigkeit und Schadenshöhe prognostiziert werden. In der Regel sammeln und bewerten Institute potenzielle Schadensereignisse in Form von Risikoassessments und schätzen deren Steuerungsmöglichkeit. Hier schließt sich der Kreis zur Verlustdatenbank: Die tatsächlich beobachteten und die in der Risikoinventur erfassten Positionen können im Sinne eines Backtestings abgeglichen werden. Schlussendlich ist die Zielsetzung beider Methoden, die Basis statistischer Verfahren zu bilden, um Prognosen zu zukünftigen Schadensfällen abgeben zu können und so bereits vor Eintritt neuer Schäden entsprechende Gegenmaßnahmen einzuleiten. Abb. 02 Kontowirksam Das beschriebene Vorgehen für operationelle Risiken lässt sich auf die Kreditrisikosteuerung übertragen: Die Verlustdatenbank soll, wie oben ausgeführt, » den Schadensfall, » seine Ursache, » seine Höhe und » die betroffenen Geschäftsfelder beschreiben. Für schlagend gewordene Kreditrisiken liegen diese Informationen in der Regel sehr präzise und detailliert vor. Ein sehr gutes Beispiel hierfür ist das auf Einzelgeschäftsebene kalkulierte Adressrisikoergebnis, wie es zum Beispiel die Volks- und Raiffeisenbanken im Rahmen von VR-Control nutzen. Das Adressrisikoergebnis umfasst unter anderem einen Bonitäts- und einen Sicherheiteneffekt, die beide die Anforderungen an eine Verlustdatenbank erfüllen: Sie beschreiben genau die Höhe eines Verlusts, der durch die Veränderung der Bonität eines Kontrahenten oder durch die Wertveränderungen der gestellten Sicherheiten eingetreten ist. Durch die eindeutige Zuordnung zu einem Geschäft und den Kon- Instrument Ökonomische und buchhalterische Komponenten der Verlustdatenbank Ökonomische Betrachtung Bonitätseffekt (verursacht durch Anpassung der Bonität des Kontrahenten) Sicherheiteneffekt (verursacht durch Schwankungen der Sicherheitenwerte) Laufzeiteffekte (verursacht durch Änderungen der Restlaufzeit) Buchhalterische Betrachtung Zuführung zu EWB, PWB und pEWB Auflösung von EWB, PWB und pEWB Direktabschreibungen

RISIKO MANAGER

RISIKO MANAGER 01.2019
RISIKO MANAGER 02.2019
RISIKO MANAGER 03.2019
RISIKOMANAGER_04.2019
RISIKO MANAGER 05.2019
RISIKO MANAGER 06.2019
RISIKO MANAGER 01.2018
RISIKO MANAGER 02.2018
RISIKO MANAGER 03.2018
RISIKO MANAGER 04.2018
RISIKO MANAGER 05.2018
RISIKO MANAGER 06.2018
RISIKO MANAGER 07.2018
RISIKO MANAGER 08.2018
RISIKO MANAGER 09.2018
RISIKO MANAGER 10.2018
RISIKO MANAGER 01.2017
RISIKO MANAGER 02.2017
RISIKO MANAGER 03.2017
RISIKO MANAGER 04.2017
RISIKO MANAGER 05.2017
RISIKO MANAGER 06.2017
RISIKO MANAGER 07.2017
RISIKO MANAGER 08.2017
RISIKO MANAGER 09.2017
RISIKO MANAGER 10.2017
RISIKO MANAGER 01.2016
RISIKO MANAGER 02.2016
RISIKO MANAGER 03.2016
RISIKO MANAGER 04.2016
RISIKO MANAGER 05.2016
RISIKO MANAGER 06.2016
RISIKO MANAGER 07.2016
RISIKO MANAGER 08.2016
RISIKO MANAGER 09.2016
RISIKO MANAGER 10.2016
RISIKO MANAGER 01.2015
RISIKO MANAGER 02.2015
RISIKO MANAGER 03.2015
RISIKO MANAGER 04.2015
RISIKO MANAGER 05.2015
RISIKO MANAGER 06.2015
RISIKO MANAGER 07.2015
RISIKO MANAGER 08.2015
RISIKO MANAGER 09.2015
RISIKO MANAGER 10.2015
RISIKO MANAGER 11.2015
RISIKO MANAGER 12.2015
RISIKO MANAGER 13.2015
RISIKO MANAGER 15-16.2015
RISIKO MANAGER 17.2015
RISIKO MANAGER 18.2015
RISIKO MANAGER 19.2015
RISIKO MANAGER 20.2015
RISIKO MANAGER 21.2015
RISIKO MANAGER 22.2015
RISIKO MANAGER 23.2015
RISIKO MANAGER 24.2015
RISIKO MANAGER 25-26.2015
 

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