Aufrufe
vor 6 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.

8

8 RISIKO MANAGER 03|2018 Gleichung 02 Tab. 02 Ratingverteilung Instrument Ratingscore G F E D C B A Anzahl im Datensatz 12 13 16 16 20 37 10 Quelle: Eigene Darstellung. Tab. 03 Risikofaktor (Zusammenhang) Quelle: Eigene Darstellung. Instrument Operationalisierung der Risikofaktoren Symbol Definition Quelle BIP pro Kopf (+) GDPPC BIP pro Kopf aus 2016 in Tausend US-Dollar Moody’s Reales BIP- Wachstum (+) Arbeitslosenquote (-) Inflationsrate (-) Staatsverschuldung in Relation zum BIP (-) Haushaltssaldo in Relation zum BIP (+) Bankensektor- Stressindikator (-) Nettoauslandsverschuldung in Relation zum BIP (-) Leistungsbilanzsaldo in Relation zum BIP (+) Devisenreserven (+) GDPG UR INF DBT FB FSI NXD CAB FXR Durchschnittliches jährliches reales BIP-Wachstum zwischen 2014 und 2016 in Prozent Durchschnittliche Arbeitslosenquote zwischen 2014 und 2016 in Prozent des Erwerbspersonenpotenzials Quadrierte Abweichung von 2 Prozent bei der durchschnittlichen jährlichen Änderungsrate des Verbraucherpreisindex zwischen 2014 und 2016 in Prozentpunkten Quotient aus Staatsverschuldung und BIP aus 2016 in Prozent Durchschnittlicher Quotient aus Haushaltssaldo und BIP zwischen 2014 und 2016 in Prozent Dummy-Variable, die den Wert „1“ annimmt, falls gemessen am Macro-Prudential Indicator eine mittlere bis hohe Wahrscheinlichkeit eines Systemstresses im Bankensektor vorliegt Quotient aus Nettoauslandsverschuldung und BIP aus 2016 in Prozent Durchschnittlicher Quotient aus Leistungsbilanzsaldo und BIP zwischen 2014 und 2016 in Prozent Kumulierte Devisenreservebestände der Zentralbank aus 2016 in Milliarden US-Dollar Moody’s Fitch Moody’s Moody’s Moody’s Fitch Fitch Moody’s Moody’s Foreign-Currency-Ratings sind dagegen unabhängig von der Fähigkeit zur Monetarisierung der Staatsschulden und bilden das fundamentale Bonitätsrisiko eines Staats ab [vgl. Packer 2003, S. 57 f.]. Die 124 betrachteten Ratings teilen sich wie in Tab. 02 wiedergegeben auf die aggregierten Ratingkategorien auf. Eine Übersicht aller im Datensatz verwendeten Staaten, ihrer Ratingeinstufung durch Moody’s sowie dem aggregierten Ratingscore sind in Tab. 09 zu finden. Neben der Aggregation der Ratings müssen die theoretisch hergeleiteten Risikofaktoren durch konkrete quantitative Kennzahlen operationalisiert werden. Die einzelnen Kennzahlen sind von Moody’s und Fitch teilweise adjustiert, um eine Vergleichbarkeit zwischen den Staaten bei uneinheitlicher nationaler Definition zu gewährleisten. Die Operationalisierung erfolgt anhand Tab. 03. Bei den Risikofaktoren reales BIP-Wachstum, Arbeitslosenquote, Inflationsrate, Haushaltssaldo in Relation zum BIP und Leistungsbilanzsaldo in Relation zum BIP wird jeweils der Durchschnittswert aus den vergangenen drei Jahren verwendet. Dies spiegelt den „Through-the-cycle“-Ansatz der Ratingagenturen bei Long-Term-Ratings wider. Grund dafür ist, dass die Ratings langfristig stabil sein und nicht prozyklisch auf konjunkturelle Einflüsse reagieren sollen [vgl. Amato, Furfine 2004, S. 2642]. Durch die Durchschnittsbildung werden einmalige und konjunkturelle Effekte geglättet und ein längerfristiger Trend dargestellt [vgl. Afonso et al. 2011, S. 5]. Beim Risikofaktor Inflation wird wegen des theoretisch hergeleiteten negativen quadratischen Zusammenhangs eine Transformation der Variable vorgenommen und die Abweichung der Inflationsrate von 2 Prozent quadriert. Eine langfristige Inflationsrate von 2 Prozent p. a. wird allgemein als stabiles Preisniveau angesehen, sodass positive und negative Abweichungen von diesem Inflationsziel Risiken darstellen [vgl. Orphanides 2003, S. 653]. Durch die Transformation der Variable wird der vermutete Zusammenhang linear abgebildet und kann dadurch in das Regressionsmodell aufgenommen werden. Der Bankensektor-Stressindikator wird als

Kreditrisiko 9 Dummy-Variable in das Modell aufgenommen und basiert auf dem Macro‐Prudential Indicator von Fitch. Dieser stuft die Wahrscheinlichkeit für einen Systemstress im Bankensektor auf Basis von Ungleichgewichten zwischen dem privaten Kreditwachstum, der realen Aktien- und Immobilienpreisentwicklung sowie dem effektiven Wechselkurs jeweils zu ihrem langfristigen Durchschnitt ein [vgl. Fitch 2017, S. 37 f.]. Resultiert daraus eine geringe Stresswahrscheinlichkeit wird die Dummy-Variable als „0“ kodiert, bei mittlerer bis hoher Wahrscheinlichkeit als „1“. Empirische Ergebnisse Um den Einfluss der einzelnen Risikofaktoren auf den Ratingscore der Staaten empirisch zu untersuchen, eignet sich zunächst eine grafische Gegenüberstellung der Variablen. Dadurch können erste Zusammenhänge zwischen den Risikofaktoren erkannt werden. Abb. 01 zeigt die grafische Auswertung der binnenwirtschaftlichen Risikofaktoren. Dabei lässt sich beim Boxplot-Diagramm zwischen dem Ratingscore und dem BIP pro Kopf (GDPPC) ein positiver Zusammenhang ablesen. Staaten mit einem hohen Ratingscore haben in der Regel auch ein hohes BIP pro Kopf. Beim realen BIP-Wachstum ist dagegen eher kein grundsätzlicher Zusammenhang erkennbar. Hier nimmt bei den unteren Ratingklassen lediglich die Streuung etwas zu. Die Boxplot-Diagramme zwischen dem Ratingscore und der Arbeitslosenquote (UR) sowie zwischen dem Ratingscore und der Inflationsrate (INF) implizieren dagegen tendenziell einen negativen Zusammenhang. Insbesondere bei der Arbeitslosenquote nimmt darüber hinaus die Streuung in den unteren Ratingklassen zu. Abb. 02 stellt die fiskalischen Risikofaktoren grafisch gegenüber. Aus dem Boxplot-Diagramm zwischen dem Ratingscore und der relativen Staatsverschuldung (DBT) lässt sich ein negativer Zusammenhang zwischen den beiden Variablen ableiten. Je höher die Ratingklasse, desto geringer ist in der Regel die Verschuldung in Relation zum BIP. Der Einfluss des Haushaltssaldos (FB) auf den Ratingscore scheint tendenziell positiv zu sein. Abb. 01 30 20 10 0 100 75 50 25 0 10 5 0 −5 Grafische Auswertung der binnenwirtschaftlichen Risikofaktoren Ratingscore GDPPC GDPG UR INF ● ● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ●●● ●● ● ●● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● Corr: −0.187 ● ● ●● ● Corr: −0.27 Corr: 0.118 ● ● ● ● ● ●●● ● ● ● Corr: −0.15 ● ● Corr: −0.312 50 ● ● 40 ● ● ● ● ●● 30 ● ● ● Corr: ● ● ● ●● ● ● ● ● 20 ● ● ● ● ● ● ● ● ● ● ●● ●● ● ● ● ● ● ● ●● ●● ● ● −0.0413 ● ● ● ● ● ● ● 10 ● ● ● ● ● ● ● ●●● ●●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● 0 ● 800 ● ● ● ● ● ● ● 600 400 ● ● ● 200 ● ● ● ● ● ● ●●●● ●●● ●● ● ●●● ● ●● ●● ● ●●● ● ●●● ● ● ● ● ● ● ● ● ● ●●●●● ● ●● ● ● ● ● ● ● ● ●●●● ● ● ● ● ● ● 0 ● ● ●●● ● ● ● ● ● ● A B C D E F G 0 25 50 75 100 −5 0 5 10 0 10 20 30 40 50 0 200 400 600 800 Quelle: Eigene Darstellung. Abb. 02 30 20 10 0 200 150 100 50 0 10 5 0 −5 −10 −15 1.00 0.75 0.50 0.25 0.00 Quelle: Eigene Darstellung. Grafische Auswertung der fiskalischen Risikofaktoren Ratingscore DBT FB FSI ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ●● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ●● ● ● ●● ● ● ● ●● ● ●● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ●● ● ● ● Corr: −0.345 ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ●●● ● ●● ● ● ● ● ● ● ● ● Corr: −0.0703 Corr: 0.0235 0 50 100 150 200 −10 −5 0 5 10 0.00 0.25 0.50 0.75 1.00 ● ● ● ● Ratingscore GDPPC GDPG UR INF Ratingscore DBT FB FSI

RISIKO MANAGER

 

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