Aufrufe
vor 6 Jahren

RISIKO MANAGER 07.2016

  • Text
  • Institute
  • Unternehmen
  • Banken
  • Risiko
  • Risiken
  • Valuation
  • Modelle
  • Prudent
  • Insbesondere
  • Standardansatz
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 07|2016 H(t) (engl. hump terms) zu flexibleren Kurven mit identischem Startpunkt und gleichem Konvergenzniveau erweitert werden. Dies wird durch Festsetzen der Bedingungen und gewährleistet. Exemplarisch bieten sich für die erste Spezifikation aus Gleichung 08 verallgemeinerte additive Terme der Form , bzw. für die zweite Spezifikation aus Gleichung 08 multiplikative Terme der Form an jeweils für zwei beliebige Überlebensfunktionen und (siehe Gleichung 09). Für die Wahl der Verteilung aus Beispiel b.) für und sowie einer Exponentialverteilung für ergeben sich dann explizit die bekannten Nelson-Siegel-Kurven aus Gleichung 03, wenn eine Umparametrisierung mit vorgenommen wird. Schätzung der unbekannten Parameter Hat man sich für eines der oben genannten parametrischen Verfahren entschieden, verbleibt die Schätzung der unbekannten Modellparameter. Vernachlässigt man dabei zunächst die Existenz unterschiedlicher Ratingklassen und unterstellt die Verfügbarkeit eines vollständigen Datensatzes für die ersten N Jahre, so reduziert sich das Schätzproblem auf die Wahl eines geeigneten Minimierungskriteriums (beispielsweise quadratische oder absolute Abstände zwischen Beobachtungspunkten und theoretischer Modellkurve) sowie der anschließenden Lösung eines nichtlinearen Minimierungsproblems. Realistisch ist es dabei, von einer eingeschränkten Datenhistorie für die ersten Jahre auszugehen. Darüber hinaus ist im Rahmen der Schätzung sicherzustellen, dass die PD-Kurven unterschiedlicher Ratingklassen überschneidungsfrei sind und eine entsprechende Monotonie entsprechend der einjährigen Risikoklassifikation aufweisen. Idealerweise kann dies direkt über die Vorabspezifikation entsprechender Parameter der PD-Kurven erreicht werden. Zur exemplarischen Illustration der beschriebenen Methoden zeigt Abb. 2 bedingte PD-Kurven für verschiedene parametrische Modellierungsansätze. Dazu wurden in einem ersten Schritt für einen Zeithorizont von zehn Jahren zeitdiskrete bedingte PDs durch Aufmultiplizieren der gemittelten Standard & Poor‘s Rating-Migrationsmatrix für die Jahre 1981 bis 2013 erzeugt. Anschließend wurden die parametrischen Verteilungsmodelle durch Minimierung der quadratischen Abstände zu diesen Datenpunkten angepasst. Während beispielsweise die Chen-Verteilung restriktiv in ihrer Verlaufsform ist, zeigen insbesondere die Fisk-Verteilung und das Nelson-Siegel-Modell (in Form von Gleichung 03) ein flexibles Anpassungsverhalten mit stabilen Konvergenzeigenschaften. Fazit und Ausblick Die Modellierung von PD-Kurven mit parametrischen Verteilungsmodellen kann einen wichtigen Beitrag zur Bestimmung von erwarteten Verlusten für langfristige Zeithorizonte leisten. Die Anforderungen, die dabei an geeignete methodische Ansätze gestellt werden, sind zum einen hohe Flexibilität im Hinblick auf die Anpassung an Datenpunkte vorab bestimmter diskreter PD-Kurven, zum anderen ein stabilies Konvergenzverhalten, das Extrapolation auch über lange Zeithorizonte ermöglicht. Weitführende Fragestellungen, insbesondere im Kontext der Rechnungslegungsvorschrift IFRS 9 ergeben sich durch die Anforderung, auch konjunkturelle Einflüsse in PD Profile zu integrieren. Dies könnte beispielsweise durch die Einführung weiterer Parameter im Sinn makroökonomischer Kovariablen oder zusätzlicher Höckerterme realisiert werden. Die hier dargestellten Inhalte spiegeln die Sichtweise der Autoren wider und sind nicht notwendigerweise deckungsgleich mit der Position der BayernLB. Quellenverzeichnis sowie weiterführende Literaturhinweise Björk, T./Christensen, B. J. (1999): Interest Rate Dynamics and Consistent Forward Rate Curves, Mathematical Finance 9(4):323–348. Blickle, T./Lakatos, B. G./ Mihálykó. C./Ulbert, Z. (1998): The Hyperbolic Tangent Distribution Family. Powder Technology 97(2):100-108. Bliss, R. R. (1997): Testing Term Structure Estimation Methods. Advances in Futures and Options Research 9:197–231. Bluhm, C./Overbeck, L./Wagner, C. (2010): Introduction to Credit Risk Modeling, Chapman & Hall/CRC Press, New York. Börstler, D./Todorova, L./Ringschmidt, J. (2015): IFRS 9 Impairment von Finanzinstrumenten: Forward Looking Information in der Lifetime-PD-Schätzung. Risikomanager 10(23):1,7-12. Bosse, M. (2015): IFRS-9-konforme Modellierung der Ausfallwahrscheinlichkeit – Verwendung der aufsichtsrechtlichen Ausfallwahrscheinlichkeit für das neue Wertminderungsmodell nach IFRS. Die Wirtschaftsprüfung 68(14):720-731. Chen, Z. (2000): A new Two-Parameter Lifetime Distribution with Bathtub Shape or Increasing Failure Rate Function. Statistics & Probability Letters 49(2):155-161. De Pooter, M. (2007): Examining the Nelson-Siegel Class of Term Structure Models, Tinbergen Institute Discussion Paper 043/4. Diebold, F. X./Piazzesi, M./Rudebusch,G. D. (2005): Modeling Bond Yields in Finance and Macroeconomics. American Economic Review, 95(2):415–420. Diebold, F. X./Rudebusch, G. D./Aruoba, S. B. (2006): The Macroeconomy and the Yield Curve: a Dynamic Latent Factor Approach. Journal of Econometrics, 131(1):309–338. Fisk, P. R. (1961): The Graduation of Income Distributions, Econometrica 29(2): 171–185. Gupta, R./ Kundu, D. (1999): Generalized Exponential Distributions. Australian & New Zealand Journal of Statistics 41(2):173-188. Hallblad, J. (2014): The Multi-year Through-the-cycle and Point-in-time Probability of Default, Masterarbeit Universität Umeå. Nadarajah, S./Cordeiro, G. M./Ortega, E. M. M. (2013): The Exponentiated Weibull Distribution: A Survey. Statistical Papers 54(3):839-877. Nelson, C. R./A. F. Siegel (1987): Parsimonious Modeling Of Yield Curves, Journal of Business 60(4):473–489. Pfeuffer, M./Fischer, M. (2015): Connecting Rating Migration Matrices and the Business Cycle by Means of Generalized Regression Models. Under Review for Applied Stochastic Models in Business and Industry. Pfeuffer, M./Fischer, M. (2015): Computing Expected Loss over Lifetime: Methodological Concepts and Challenges. Working Paper (submitted). Svensson, L. E. O. (1994): Estimating and Interpreting Forward Interest Rates: Sweden 1992-1994, NBER Working Paper Series 4871. Hinweis: Die vorgestellten Ergebnisse entstanden größtenteils im Jahr 2015 im Rahmen einer Masterarbeit mit der LMU München. Autoren Dr. Matthias Fischer, Leitung Credit Portfolio Risk – Measurement & Methodology, BayernLB, München. Marius Pfeuffer, Wiss. Mitarbeiter/Doktorand, Lehrstuhl für Statistik & Ökonometrie, Universität Erlangen-Nürnberg (zuvor LMU München).

agentes – EXPERTS IN FINANCE SOLUTIONS ERM 9 IDV-Anwendungen abgesichert. Mit dem agentes Office Process Manager (aOPM) MaRisk-konforme Verwaltung von Tabellenkalkulationen mit dem Office Process Manager der agentes. Mit Add-In oder als zentrale Serverlösung. Ihre Vorteile: Steigerung der Revisionssicherheit Transparente Dokumentation Informationen auf Knopfdruck Niedrigere Fehlerquote Zeitersparnis von bis zu 15 % Mehr Informationen unter www.agentes.de/aopm agentes.de | info@agentes.de

RISIKO MANAGER

 

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