Aufrufe
vor 2 Jahren

RISIKO MANAGER 03.2018

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.

6

6 RISIKO MANAGER 03|2018 gen Vor- und Nachteile eignet sich im Fall von Staatsratings insbesondere ein Ordered-Logit-Modell zur quantitativen Bonitätsbeurteilung. Dieses Modell wird im Folgenden angewendet. Dafür müssen jedoch zunächst die relevanten Risikofaktoren für Staaten identifiziert werden. Dies erfolgt im nachfolgenden Abschnitt. Identifikation der relevanten Risikofaktoren bei Staaten Die maßgeblichen Bonitätsdeterminanten von Staaten sind makroökonomischer Natur und lassen sich grundsätzlich in binnenwirtschaftliche Risikofaktoren, fiskalische Risikofaktoren und außenwirtschaftliche Risikofaktoren unterscheiden. Die wichtigsten Subfaktoren dieser drei Kategorien werden nachfolgend vorgestellt. Dabei wird auch eine theoretisch begründete Hypothese über den Einfluss auf die Bonität aufgestellt. Die binnenwirtschaftlichen Risikofaktoren betreffen die Struktur und Leistung einer Volkswirtschaft. Dazu zählen: BIP pro Kopf: Das BIP pro Kopf ist ein Indikator für die potenzielle Steuerbasis eines Staats. Je größer die verfügbare Steuerbasis ist, desto mehr Einnahmen kann der Staat durch seine Steuerhoheit generieren, wodurch die Fähigkeit zur Schuldentilgung gesteigert wird. Darüber hinaus ist das BIP pro Kopf ein Proxy für den Entwicklungsstand einer Volkswirtschaft (beispielsweise klassifiziert die Weltbank das Wohlstandsniveau aller Staaten in Abhängigkeit des BIP pro Kopf in „low-income“, „lower-middle-income“, „upper-middle-income“ und „high-income“) sowie für die politische und institutionelle Stabilität eines Staats [vgl. Cantor, Packer 1996, S. 39]. Zwischen dem BIP pro Kopf und der Kreditwürdigkeit von Staaten dürfte daher ein positiver Zusammenhang bestehen. Reales BIP-Wachstum: Ein positives reales BIP-Wachstum sichert langfristig die Wirtschaftskraft und verbreitert die Steuerbasis einer Volkswirtschaft. Zudem trägt ein hohes Wirtschaftswachstum zur Verbesserung weiterer makroökonomischer Faktoren, wie beispielsweise einer Senkung der Arbeitslosigkeit oder einer Steigerung der Realeinkommen, bei. Dadurch wird auch das Risiko sozialer Konflikte oder politischer Instabilität gemindert [vgl. Afonso 2002, S. 9]. Des Weiteren senkt ein positives BIP-Wachstum ceteris paribus die relative Verschuldung, d. h. die Staatsverschuldung in Relation zum BIP, sodass ein positiver Effekt auf die Bonität unterstellt wird. Arbeitslosenquote: Eine geringe Arbeitslosigkeit deutet auf eine gute konjunkturelle Situation einer Volkswirtschaft sowie auf einen flexiblen Arbeitsmarkt hin. Neben diesen ökonomischen Aspekten wirkt sich eine hohe Beschäftigung zudem vorteilhaft auf die Finanzlage eines Staats aus. So sinken die Ausgaben für die Sozialsysteme, während gleichzeitig die Steuerbasis verbreitert wird [vgl. Afonso et al. 2011, S. 4]. Es dürfte daher ein negativer Zusammenhang zwischen der Arbeitslosenquote und der Bonität eines Staats bestehen. Inflationsrate: Der Einfluss der Inflationsrate auf die Kreditwürdigkeit eines Staats ist nicht eindeutig. Sowohl bei den fiskalischen als auch bei den ökonomischen Auswirkungen von Inflation können gegenläufige Effekte auftreten. Fiskalisch sinkt bei einer hohen Inflationsrate der reale Wert der in heimischer Währung denominierten Staatsverschuldung. Gleichzeitig dürften jedoch die nominalen Zinsen und damit die Zinslast des Staats steigen, was wiederum zu einer höheren Verschuldung führt [vgl. Afonso 2002, S. 9]. Ökonomisch können deflationäre Tendenzen eine Aufschiebung von Konsum und Investitionen zur Folge haben und damit das Wirtschaftswachstum dämpfen. Eine niedrige Inflation ist dagegen ein Indiz für eine nachhaltige und unabhängige Geldpolitik sowie für institutionelle Stabilität [vgl. Mellios, Paget- Blanc 2006, S. 4]. Stark inflationäre Entwicklungen wirken sich wiederum negativ auf das Wirtschaftswachstum aus und deuten auf strukturelle Probleme einer Volkswirtschaft hin (z. B. eine Monetarisierung der Staatsverschuldung) [vgl. Cantor, Packer 1996, S. 39]. Insgesamt wird daher ein negativer quadratischer Zusammenhang zwischen der Inflationsrate und der Bonität eines Staats angenommen. Formalisiert wird dieser Regressor als quadrierte Abweichung der Inflationsrate vom Zielwert 2 Prozent (man kann diese Größe auch als Indikator für die Steuerbarkeit der Geldmenge durch die Zentralbank interpretieren). Die fiskalischen Risikofaktoren beziehen sich auf die Finanzlage des Staates. Dazu zählen insbesondere die Haushaltsund Verschuldungssituation: Staatsverschuldung in Relation zum BIP: Je höher die Verschuldung eines Staats ist, desto größer sind in der Regel die Zinslast und der Refinanzierungsbedarf, und desto schwieriger ist die Bedienung der Schulden. Die Rückzahlungsfähigkeit hängt dabei auch vom Einnahmenpotenzial des Staats ab, sodass die Verschuldung ins Verhältnis zum BIP gesetzt wird. Ab einer bestimmten Schuldenlast bewerten die Marktteilnehmer die Schuldentragfähigkeit als unzureichend, und die Nachfrage nach Staatsanleihen sinkt. Eine hohe relative Staatsverschuldung korrespondiert daher mit einem höheren Ausfallrisiko, sodass ein negativer Einfluss auf die Kreditwürdigkeit bestehen dürfte [vgl. Rowland, Torres 2004, S. 20]. Haushaltssaldo in Relation zum BIP: Hohe Haushaltsdefizite eines Staats implizieren eine mangelnde Fähigkeit, Einnahmen zu generieren oder eine unzureichende Ausgabenkontrolle [vgl. Afonso 2002, S. 10 f.]. Bei anhaltenden Defiziten steigt ceteris paribus die Schuldenlast. Diese Aspekte lassen auf einen positiven Zusammenhang zwischen dem Haushaltssaldo und der Bonität schließen. Bankensektor-Stressindikator: Neben der direkten Staatsverschuldung sind auch die Eventualverbindlichkeiten bei der Finanzlage eines Staats zu beachten. In diesem Zusammenhang ist insbesondere der heimische Bankensektor von Bedeutung, da oftmals eine gegenseitige Abhängigkeitsbeziehung zwischen dem Staat und den Banken besteht. Auf der einen Seite treten die Banken als relativ große Nachfrager von Staatsanleihen an den Kapitalmärkten auf. Auf der anderen Seite könnte der Fiskus im Falle systemrelevanter Bankenschieflagen staatliche Rettungsmaßnahmen (beispielsweise Bail-outs) vornehmen, die den Staatshaushalt belasten [vgl. Acharya et al. 2014, S. 2710; De Bruyckere et al. 2013, S. 4794]. Ein stabiler Bankensektor mit geringem Stresspotenzial dürfte

Kreditrisiko 7 sich daher positiv auf die Bonität eines Staats auswirken. Die außenwirtschaftlichen Risikofaktoren betreffen den Handel und Kapitalverkehr mit dem Ausland. Insbesondere in Schwellenländern haben außenwirtschaftliche Ungleichgewichte oder Währungskrisen in der Vergangenheit (beispielsweise während der Asienkrise) zu Ausfällen geführt [vgl. Reinhart 2002, S. 167 f.]. Zu den wichtigsten außenwirtschaftlichen Indikatoren zählen: Nettoauslandsverschuldung in Relation zum BIP: Bei einer hohen Nettoauslandsverschuldung steigt die Gefahr, dass die in Fremdwährung denominierten Verbindlichkeiten einer Volkswirtschaft nicht mehr bedient werden können. Es besteht eine hohe Anfälligkeit für externe Schocks in Form von Kapitalabzügen und Währungsabwertungen [vgl. Afonso 2002, S. 10]. Sollten internationale Investoren das Vertrauen in die wirtschaftliche Entwicklung eines Lands verlieren und ihr investiertes Kapital abziehen, wertet die Währung ab und die Fremdwährungsverbindlichkeiten der inländischen privaten und öffentlichen Schuldner steigen in ihrem realen Wert. Sollten die Verbindlichkeiten dadurch nicht mehr bedient werden können, kann ein Teufelskreis aus weiteren Kapitalabzügen und Währungsabwertungen resultieren, der auch in der Zahlungsunfähigkeit eines Staats münden kann [vgl. Hilscher, Nosbusch 2010, S. 241 f.]. Daher kann ein negativer Einfluss der Nettoauslandsverschuldung auf die Kreditwürdigkeit eines Staats angenommen werden. Leistungsbilanzsaldo in Relation zum BIP: Anhaltende Leistungsbilanzdefizite müssen durch Kapitalzuflüsse aus dem Ausland finanziert werden, sodass ceteris paribus die Auslandsverschuldung und die Abhängigkeit des öffentlichen und privaten Sektors von ausländischen Kapitalgebern ansteigen [vgl. Cantor, Packer 1996, S. 39]. Dementsprechend dürfte zwischen dem Leistungsbilanzsaldo und der Bonität eines Staats ein positiver Zusammenhang bestehen. Devisenreserven: Durch hohe Devisenreserven lassen sich sowohl Leistungsbilanzdefizite und Kapitalabzüge finanzieren als auch Währungsabwertungen stabilisieren. Die Devisenreserven stellen demnach einen Puffer gegen externe Schocks dar und schützen den Staat vor einem Ausfall seiner Fremdwährungsverbindlichkeiten, sodass ein positiver Einfluss auf die Bonität angenommen wird [vgl. Afonso et al., 2011, S. 5; Rowland, Torres 2004, S. 21]. Empirische Schätzung der Determinanten des Ratings von Staaten durch ein Ordered-Logit- Modell Inwiefern die theoretisch hergeleiteten Risikofaktoren die Ratings von Staaten bestimmen, wird nachfolgend mit einem Ordered Logit-Modell empirisch untersucht. Dafür werden in den folgenden Abschnitten die Methodologie und der Datensatz vorgestellt und die Schatzergebnisse sowie die Modellgüte ausgewertet. Gleichung 01 Methodologie Das Ordered-Logit-Modell basiert auf einer unbeobachteten latenten abhängigen Variablen y i* . Die latente Variable bestimmt sich aus den unabhängigen Variablen wie in Gleichung 01 dargestellt. Dabei stellen x ik die Ausprägungen der K identifizierten Risikofaktoren beim jeweiligen Staat i dar. Die Regressionskoeffizienten b k messen den Einfluss der einzelnen Risikofaktoren auf die latente Variable. e i ist der logistisch verteilte Störterm [vgl. Verbeek 2017, S. 230]. Tab. 01 Quelle: Eigene Darstellung. Instrument Aggregation der Ratingskala * Aus der latenten Variablen y i kann über die Schätzung von Klassengrenzen das Rating als beobachtete polytome Variable y i zugeordnet werden. Zur trennschärferen Abgrenzung der Ratingklassen wird die Ratingskala von Moody’s gemäß der in Tab. 01 skizzierten Zuordnung auf sieben Ratingstufen aggregiert. Daraus ergibt sich das Ordered Logit-Modell wie in Gleichung 02 dargestellt. μ bezeichnet dabei jeweils den Schwellenwert, der die Grenze zwischen den Ratingstufen festlegt. Die unbekannten Parameter in (1) und (2), d. h. die Regressionskoeffizienten b k sowie die Schwellenwerte μ 1 bis μ 6 , werden über eine Maximum-Likelihood-Schätzung bestimmt [vgl. Verbeek 2017, S. 230]. Datensatz und Datenaufbereitung Die Ordered Logit-Regression wird auf Basis eines Querschnittsdatensatzes durchgeführt. Dafür werden die Ratings von Moody’s und die volkswirtschaftlichen Kennzahlen von Moody’s und Fitch für alle Staaten für das Jahr 2016 verwendet. Als Ratings werden die Long-Term-Foreign-Currency-Ratings der jeweiligen Staaten gewählt. Dadurch wird die Vergleichbarkeit der einzelnen Ratings gewährleistet, die bei Local-Currency-Ratings nicht gegeben wäre. Denn Local-Currency-Ratings berücksichtigen die Fähigkeit eines Staats, die in heimischer Währung denominierten Verbindlichkeiten durch die Zentralbank zu monetarisieren. Besteht die Möglichkeit einer Monetarisierung der Staatsschulden, ist das Local-Currency-Rating eines Staats bei gleichen fundamentalen Risikofaktoren besser als bei einem Staat, der Beschränkungen beim Gelddrucken unterliegt. Die Rating Aaa Aa1 - Aa3 A1 - A3 Baa1 - Baa3 Ba1 - Ba3 B1 - B3 Caa1 - C Aggregierte Ratingeinstufung G F E D C B A

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_07.2019
RISIKO MANAGER 08.2019
RISIKO MANAGER 09.2019
RISIKO MANAGER 10.2019
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.