Aufrufe
vor 3 Jahren

RISIKO MANAGER 09.2017

  • Text
  • Verbindlichkeiten
  • Banken
  • Blockchain
  • Risiko
  • Informationen
  • European
  • Schuldner
  • Datenfelder
  • Factor
  • 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.

6

6 RISIKO MANAGER 09|2017 noch jegliche Erfahrung hinsichtlich Datenqualität oder -konsistenz. Zusätzlich erstreckt sich die Berichtsflicht zunächst nur auf Kredite an Unternehmen. b. ABS Loan-Level-Initiative der EZB Als Teil der ABS Loan-Level-Initiative der EZB wurde das European Data- Warehouse (ED) im Jahr 2012 als erste zentrale Datenbank in Europa für die Sammlung, Validierung und Verteilung von standardisierten Einzelkreditdaten aus europäischen Verbriefungstransaktionen (Asset-Backed-Securities, ABS) geschaffen. Die Datentemplates decken verschiedene Assetklassen ab und umfassen dabei auch Informationen über NPLs. Per 1. Juli 2017 enthielt die ED Datenbank Details zu ca. 500.000 NPLs. Trotz der umfangreichen Erfahrung, die das ED im Umgang mit Loan-Level-Daten erworben hat, enthalten die verwendeten Datentemplates noch nicht genügend Detailinformationen, um reine NPL-Transaktionen zu unterstützen. c. Templates der Ratingagenturen Einige Ratingagenturen haben spezifische Datentemplates für NPL-Transaktionen veröffentlicht, die entweder allgemein gehalten sind oder sich eher an länderspezifischen Besonderheiten orientieren. Während die Datentemplates umfangreicher sind, als die der beiden zuvor genannten Initiativen, so sind sie zum einen nicht standardisiert und zum anderen enthalten sie nicht jene Informationen, die für die Überwachung oder Regulierung des Markts notwendig sind. d. National Datentemplates Einige europäische Länder haben bereits nationale Templates zur Erfassung von NPL-Daten eingeführt. Als Beispiel sei das Template der italienischen Zentralbank genannt, das 57 Eingabefelder umfasst. Meldepflichtige Banken in Italien müssen dieses Template auf halbjährlicher Basis befüllen. e. Templates von Asset Managern und Servicern Einige Servicer und Asset Manager verfügen über umfangreiche Erfahrungen im Management von NPL-Portfolien und habe diese genutzt, um eigene maßgeschneiderte Templates zu entwickeln. Diese fallen zwar sehr detailliert für die jeweilige Assetklasse und das jeweilige Land aus, können indes nicht auf einfache Weise standardisiert werden, um so als Ausgangspunkt für ein pan-europäisches Template zu dienen. f. Leitfaden der EZB zur Behandlung von non-performing loans Im März 2017 veröffentlichte die EZB den „Leitfaden für Banken zu notleidenden Krediten”. 5 Dieser enthält zwar kein eigenes Datentemplate, dennoch bietet der Leitfaden genügend Informationen zu den unterschiedlichen aufsichtsrechtlichen (EU / EBA) und Rechnungslegungsstandards (IAS / IFRS), um ein solches zu erstellen. 2. Herausforderungen bei der Transparenz von NPL Die wesentliche Herausforderung für die Entwicklung eines standardisierten und effizienten Templates zur Datenerfassung von NPLs ist die inhärente Komplexität gerade dieser Kredite. Dem ersten Anschein nach werden zahlreiche Datenfelder beim Ausfall des Kunden bzw. Kredits irrelevant, in der Praxis gibt es indes viele Nuancen hinsichtlich des aktuellen Ausfall-Status (z. B. Forebearance-Maßnahmen, Stand eines Gerichtsverfahrens usw.). Zudem werden für die Be- und Verwertung der Sicherheiten umfangreiche Detailinformationen benötigt (z. B. gesamtschuldnerische Haftung eines Vermögensgegenstands für mehrere Kredite, aktuelle Objektinformationen). a. Zersplitterung und nationale Besonderheiten von NPLs Die Zersplitterung der Transparenzbemühungen in Europa ist vor allem den unterschiedlichen Rechnungslegungsstandards und nationalen Meldepflichten geschuldet. Insolvenzgesetze und Regeln zur Abwicklung leistungsgestörter Kredite erschweren die grenzüberschreitende Vergleichbarkeit von Kreditausfällen, verlängern die Dauer und mindern den Erfolg von Verwertungsmaßnahmen. Diese Zersplitterung behindert die Entwicklung eines Datentemplates, das sowohl einen hohen Grad an pan-europäischer Vergleichbarkeit gewährleisten als auch nationale Besonderheiten berücksichtigen muss. b. Problem bei Definitionen Die Frage, was ein non-performing loan genau zu diesem macht, ist in keinster Weise trivial. Während die Definition „90 days past due“ die geläufigste Definition ist, ist die Fragestellung nach dem Zusammenhang von non-performing, Ausfall (Default), Wertminderung (Impairment) oder Unwahrscheinlichkeit des Begleichens der Verbindlichkeit (Unlikely-to-pay) komplex. Der Leitfaden der EZB aus dem März 2017 bietet hier einen umfassenden Überblick. Er richtet sich indes zunächst an jene signifikanten europäischen Kreditinstitute, die dem Single

7 Abb. 02 Verfügbarkeit von Informationen zu Verwertungserlösen in spanischen RMBS Daten 9 Effective sale price ND (lack of information) Acquisition book value Acquisition book value if the property has been only N/A Supervisory Mechanism (SSM) unterliegen. Es bleibt abzuwarten, in welchem Umfang die Empfehlungen der EZB darüber hinaus angenommen und umgesetzt werden. c. Fokus auf die Verwertung von Sicherheiten Im Vergleich zu einem nicht-leistungsgestörten Kredit, der in der Regel zum Buchwert oder mit dem beizulegenden Zeitwert bewertet wird, zeigen NPLs aufgrund der zahlreichen Einflussfaktoren eine wesentlich größere Spannweite an möglichen Bewertungen. Diese Faktoren umfassen dabei nicht nur die Werthaltigkeit der Sicherheit, sondern auch die Kosten der Verwertung, die Dauer des Verfahrens und den Zeithorizont der erwarteten Rückflüsse. Umfangreiche Informationen, die in einem NPL-Datentemplate erfasst werden müssten, um eine verlässliche Bewertung zu gewährleisten, aber in vielen Fällen nur geschätzt werden können. Darüber hinaus gibt es die Kombination von Krediten und den hinterlegten Sicherheiten. Kreditgeber müssen diese nachhalten, um nachvollziehen zu können, welche Ansprüche Dritter zu berücksichtigen sind und wie sie sich auf die Verwertung auswirken. 4,0 % 2,5 % 1,8 % 30,1 % 61,6 % d. IT-Setup, interne Infrastruktur und interne Prozesse Die praktische Erfahrung hat gezeigt, dass dieser Bereich die größte Herausforderung darstellt, da detaillierte Informationen über notleidende Kredite und vor allem deren Besicherung oft nicht elektronisch erfasst wurden. Die Qualität der erfassten Daten wiederum zeigt vor allem bei Sicherheiten sowie deren Verwertung Defizite. Dementsprechend muss zum Teil erheblicher, zusätzlicher manueller Aufwand betrieben werden, der letztendlich mit der Frage abgewogen werden muss, ob die hierdurch verursachten Kosten in einem angemessenen Verhältnis zum Zugewinn an Verlässlichkeit stehen. Erfahrungen im Kontext der ABS Loan-Level-Initiative der EZB Die meisten der zuvor beschriebenen Herausforderungen waren auch bei der Entwicklung der ABS Loan-Level-Initiative der EZB relevant. Das European Data- Warehouse (ED) als designierte Datenbank im Rahmen der Initiative hat in der Zwischenzeit fünf Jahre Erfahrung mit der Sammlung von Einzelkreditdaten (Loan-Level Data) und prüft die gelieferten Daten mit Blick auf Vollständigkeit sowie Richtigkeit durch ein eigens dafür entwickeltes Datenqualitätsmanagementsystem. Dieses System war entscheidend, um nach und nach eine bessere Datenqualität zu erreichen, die anfänglich in vielen Fällen unzureichend war. Für den NPL-Bereich ergibt sich durch die gesteigerte Komplexität eine noch höhere Schwierigkeit. Für eine Diskussion speziell zum Thema Datenqualität verweisen wir auf unseren Artikel „Quality of loan-level data - lessons learned for the Anacredit project”. 6 Entscheidend für die erfolgreiche Umsetzung der ABS Loan-Level-Initiative der EZB waren einheitliche und standardisierte Definitionen der jeweiligen Datenfelder. Standardisierte Datentemplates und Taxonomien je Assetklasse wurden gemeinsam von Vertretern aus der europäischen Verbriefungsindustrie, der EZB und nationalen Zentralbanken entwickelt, wobei die EZB eine Führungsrolle übernommen hatte. Die Taxonomien enthalten Beschreibungen der Datenfelder, Datenformate sowie einige Beispiele. Nationale Besonderheiten wurden durch die Ergänzung von optionalen Feldern separat berücksichtigt, die nur für das jeweilige Land relevant sind. Weitere Erläuterungen und Beispiele finden sich in englischer Sprache auf einer EZB-Website 7 in Form von „FAQs (frequently asked questions)”. Die FAQs sind dynamisch, da ex ante niemals alle Zweifelsfragen hinreichend geklärt werden können. Während anfänglich eine hohe Divergenz zwischen gelieferten und geforderten Daten im Hinblick auf die genauen Definitionen festzustellen war, ist über die Zeit hinweg durch die verschiedenen Datenqualitätsmaßnahmen eine deutliche Verbesserung und Konvergenz erreicht worden. Hintergrund der Divergenz waren vor allem Unterschiede aufgrund nationaler Rechnungslegungsstandards und Aufsichtsrichtlinien, verknüpft mit dem Problem, dass die Daten in der geforderten Form nicht verfügbar und Umrechnungen nicht immer einfach waren. Interessant für die NPL-Diskussion ist die Tatsache, dass die Verbesserung der Datenqualität jener Datenfelder, die für die Verwertung notleidender Darlehen relevant sind, deutlich langsamer voranschreitet und das Niveau oft noch relativ niedrig ist. In einer Studie über das Berichtswesen spanischer Immobiliendarlehen 8 , traditionell die größte Assetklasse innerhalb der europäischen ABS, konnten für ca. 30 Prozent der NPLs keine Daten zum realisierten Verkaufserlös der Immobilien (Datenfeld AR179 im EZB Template) geliefert werden. Abb. 02

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.