Advertisement

Begriffsbildung

  • Karsten Füser

Zusammenfassung

Das Ziel des Einsatzes von Scoring-/Rating-Systemen kann allgemeingültig in Form einer (ersten) Arbeitsdefinition wie folgt beschrieben werden: Bonitätsbeurteilungsverfahren sollen den Kreditvergabeprozess objektivieren, eine effizientere Gestaltung des Kreditvergabe-Entscheidungsprozesses sicherstellen (Minimierung des „time to credit“) und nicht zuletzt die mit einem Engagement verbundenen Ausfallrisiken senken. Prinzipiell soll die Nutzung von Scoring-/Rating-Verfahren damit zu einer transparenten, modularen, einheitlichen und nachvollziehbaren Trennung zwischen „guten“ und „schlechten“ Risiken führen und so die Qualität der Beurteilung einer natürlichen Person — in diesem Fall sprechen wir vom Scoring — bzw. einer Firma (juristischen Person) — hier sprechen wir zukünftig einheitlich vom Ratingerhöhen. Ein Kreditnehmer-Scoring/Rating ist damit sachlogisch eine Verdichtung der Bonitätsmerkmale eines Kreditnehmers zu einem Gesamturteil, das die Krisenwahrscheinlichkeit und den potenziellen Risikogehalt indirekt zum Ausdruck bringt, und ist somit gewissermaßen eine Kurzschrift für einen bestimmten mit einem Kreditnehmer verbundenen Risikograd.35

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 35.
    Vgl. Rolfes, B./Emse, C. (2000), S. 681.Google Scholar
  2. 36.
    Die Kreditfähigkeit sagt aus, ob ein potenzieller Kreditnehmer aufgrund der gegenwärtigen und zukünftigen Vermögens- und Ertragslage wirtschaftlich überhaupt in der Lage ist, die Kreditsumme samt Zinsen zurückzuzahlen. Vgl. Groth, F.-J. (1999), S. 946. Vgl. auch Helbling, C. (1999), S. 784.Google Scholar
  3. 37.
    Die Kreditwürdigkeit bezieht sich mehr auf persönliche Voraussetzungen sowie Fach-, Management- und Sozialkompetenz, also auf die qualitativen oder nicht finanzwirtschaftlichen Faktoren. Vgl. Groth, F.-J. (1999), S. 946.Google Scholar
  4. 38.
    Vgl. Groth, F.-J. (1999), S. 945. Vgl. auch Christ, B. (2000), S. 48.Google Scholar
  5. 39.
    Vgl. Behr, G./Kind, A. (1999), S. 63.Google Scholar
  6. 40.
    Vgl. Schumann, M../Lohrbach, T./Bährs, P. (1992), S. 1.Google Scholar
  7. 41.
    Vgl. zum Thema „Stichprobenaufteilung“ zum Beispiel Baetge, J./Baetge, K./Kruse, A. (1999a), S. 1374.Google Scholar
  8. 42.
    Vgl. Hub, P.K. (1992), S. 17.Google Scholar
  9. 43.
    Vgl. Christ, B. (2000), S. 47.Google Scholar
  10. 44.
    Vgl. Hackl, P./Maderbacher, M. (1999), S. 985–995. Hackl/Maderbacher zeigen Möglichkeiten auf, aus den Ergebnissen einer Kontodatenanalyse auch Wahrscheinlichkeiten für die wirtschaftliche Überlebensfähigkeit abzuschätzen. Eine grobe Schätzung zeigt laut Hackl/Maderbacher einen Prognosevorsprung von mindestens 22 Monaten gegenüber einer negativen wirtschaftlichen Einschätzung auf Basis von Bilanzdaten. A. a. O. steht: „Die Bewegungen und Salden eines Kontokorrentkontos bilden unter bestimmten Voraussetzugen einen wesentlichen Teil des finanziellen Gebarens des Kontoinhabers ab. (...) Es ist von entscheidender Bedeutung, wie lange das Limit überzogen wird, ob die Habenbuchung vor der Sollbuchung eintrifft, ob sich die Frequenz der Habenbuchungen verringert etc. Ein gesundes Unternehmen hält ein ständiges, kurzfristiges Gleichgewicht im Bereich der liquiden Mittel. Es ist daher nahe liegend, die Analyse von Kontodaten als Methode der Kreditüberwachung, das heißt zur kontinuierlichen Beobachtung des aktuellen Kreditengagements, einzusetzen.“ Aus dem Fazit a. a. O.: „Die Ergebnisse zeigen, dass die dynamische Kontodatenanalyse ein hervorragendes Instrument zum Erkennen von Unregelmäßigkeiten in den Zahlungsströmen eines Kontokorrentkontos ist. Das Beobachten von Signalen auf der Basis von geeigneten Kennzahlen erlaubt es, Verschlechterungen der wirtschaftlichen Entwicklung eines Unternehmens mit einem Prognosevorsprung von etwa zwei Jahren gegenüber Verfahren der Bilanzanalyse zu erkennen.“ Schwaiger sagt in diesem Kontext: „Aus der Geschäftsbeziehung zum Unternehmen kann die Bank wichtige Informationen für ihr bankinternes Rating gewinnen. Eine zentrale Informationsquelle ist dabei das Bankkonto, welches Einblicke in das Zahlungsverhalten des Unternehmens gewährleistet. Die Kontoanalyse ist aber nur bei bestehenden Geschäftsbeziehungen möglich; bei Neuanträgen ist diese allerdings nicht vorhanden. In diesem Falle werden häufig Auskunfteien kontaktiert. (...) Wenn Auskunfteien neben der Analyseauch eine Inkassofunktion innehaben, steht auch ihnen eine analog zur Kontoinformation sehr wichtige Datenquelle für die Analyse des Zahlungsverhaltens zur Verfügung.“ Vgl. Schwaiger, W. S. A. (2000), S. 384.Google Scholar
  11. 45.
    „Die meistgenutzte Dienstleistung der SCHUFA sind Auskünfte über natürliche Personen: Angaben zur Person, Informationen über den Abschluss und die vertragsgemäße Abwicklung eines Geschäfts sowie Angaben über die nicht vertragsgemäße Abwicklung von Geschäften. In diese Auskünfte fließen auch Daten aus öffentlichen Verzeichnissen und amtlichen Bekanntmachungen ein. Beinhaltet die Auskunft Daten über die vertragsgemäße Abwicklung von Geschäften, so bescheinigt sie den Vertragspartnern die gute Bonität ihrer Kunden. Dies vereinfacht die Kreditentscheidung bzw. den Geschäftsabschluss mit Kreditrisiko. Werden dem Vertragspartner Daten über nicht vertragsgemäß abgewickelte Geschäfte seiner Kunden mitgeteilt, schützen ihn diese vor erhöhten Risiken oder sogar Kreditausfällen. Ein weiterer Service der SCHUFA ist es, die Vertragspartner über neu bekannt gewordene Entwicklungen bei ihren Kunden zu informieren (Kontenbetreuung). Mit dem ASS Auskunft-Scoring-Service sind Prognosen möglich, mit welcher Wahrscheinlichkeit Kredite vertragsgemäß zurückgezahlt werden. Score-Informationen dienen dem Vertragspartner als Ergänzung zu bereits vorhandenen Bewertungssystemen und verbessern damit deren Aussagekraft.“ Stein, D. (2000), S. 554–556.Google Scholar
  12. 46.
    Vgl. Hub, P.K. (1992), S. 16–21.Google Scholar
  13. 47.
    Ein Kreditausfall tritt ein, wenn ein Kreditnehmer die Forderung nicht oder nicht rechtzeitig begleicht. Das Ausfallrisiko (die Gefahr eines Kreditausfalls in der Zukunft) besteht aus den Komponenten Einzelrisiko und Risikobeitrag. In ratingbasierten Ansätzen wird das Einzelrisiko durch die Rating-Klasse determiniert. Damit kommt der Bewertung eines Kredits hinsichtlich seiner Bonität, das heißt der Einschätzung der Fähigkeit der Kreditbedienung, und der Zuordnung einer Forderung zu einer bestimmten Rating-Klasse eine besondere Bedeutung zu. Vgl. Peil, D./Egger, E. (2000), S. 414.Google Scholar
  14. 48.
    Eine Untersuchung des DSGVhat gezeigt, dass die subjektiven Bonitätseinschätzungen gegenüber der objektiv erhobenen Aktenlage bis zu drei Bonitätseinstufen abwichen und darüber hinaus die verwendeten Kriterien und Maßstäbe nicht nur von Sparkasse zu Sparkasse, sondern sogar innerhalb eines einzelnen Instituts von Sachbearbeiter zu Sachbearbeiter divergierten. Vgl. Reuter, A./Wagemann, R. (1996), S. 290–292. Vgl. hierzu auch Keyzlar, F./Wagner, B. (1996), S. 25–29. Dort steht: „Ein erfolgreicher Kreditbetreuer kann in der Regel auf fundierte Praxis und Erfahrung zurückblicken und trifft bei Kreditentscheidungen auch ohne Scoring meistens die richtige Wahl. Internationale Studien haben zum Beispiel ergeben, dass die triviale Regel, jenen Kunden, die kein Konto bei der Bank haben, keinen Kredit zu geben, schon ein Großteil der Problemfälle vermeiden hilft. (...) Ferner ist bekannt, dass speziell bei Kreditentscheidungen durch die Subjektivität und durch erwiesene psychologische Fallen, zum Beispiel jene der selektiven Wahrnehmung, trotz geringer Ausfallquoten viele schlechte Kredite, die vermeidbar wären, gemacht werden und mit noch wesentlich mehr guten Kreditkunden fälschlicherweise kein Geschäft zustande kommt.“ Vgl. auch Elsas, R. et al. (1999), S. 190–198.Google Scholar
  15. 49.
    „Die Beurteilungen des Experten sind dabei grundsätzlich nicht frei von subjektiven Einflüssen der Vergangenheit und der aktuellen Stimmungslage.“ Wilbert, R. (1991), S. 1381.Google Scholar
  16. 50.
    Vgl. Oser, P. (1995), S. 784.Google Scholar
  17. 51.
    Vgl. Hub, P. K. (1992), S. 17.Google Scholar
  18. 52.
    Vgl. Schumann, M../Lohrbach, T./Bährs, P. (1992), S. 1.Google Scholar
  19. 53.
    „(...) Wie schon bei der Darstellung der Kreditwürdigkeitsprüfung als Entscheidungsmodell herausgestellt wurde, kann der Verlust bei der Fehlprognose eines ,schlechten‘ Kreditnehmers sehr hoch ausfallen, weil dort der gesamte zur Verfügung gestellte Kapitalbetrag gefährdet ist. Dieser Verlust wiegt ungleich schwerer als der entgangene Gewinn eines nicht abgeschlossenen, aber in Wahrheit, guten’ Kredits.“ Mrzyk, A. P. (1999), S. 70.Google Scholar
  20. 54.
    Vgl. hierzu auch die von Baetge/Thun vorgestellte Fehlerfläche des BBR Baetge-Bilanz-Rating in Everling, O./Riedel, S.-M./Weimerskirch, P. (Hrsg.) (2000), S. 165.Google Scholar
  21. 55.
    Vgl. Baetge, J./Baetge, K./Kruse, A. (1999a), S. 1376.Google Scholar
  22. 56.
    Hub, P. K. (1992), S. 16.Google Scholar
  23. 57.
    Vgl. Rolfes, B./Emse, C. (2000), S. 681.Google Scholar
  24. 58.
    Vgl. Christ, B. (2000), S. 48.Google Scholar
  25. 59.
    Kassberger, S./Wentges, P. (1999), S. 23–50.Google Scholar
  26. 60.
    Vgl. Peil, D./Egger, E. (2000), S. 414.Google Scholar
  27. 61.
    Gögel, S./Everling, O. (2000), S. 63.Google Scholar
  28. 62.
    Vgl. Lesko, M./Vorgrimler, S. (2000), S. 8–11. Lesko/Vorgrimler sagen: „Während Risikozuschläge bisher eher pauschal ermittelt wurden (zum Beispiel über mittlere historische Wertberichtigungsquoten), werden zunehmend genauere Verfahren eingesetzt. Institute, die sich nicht anpassen, laufen Gefahr, attraktive Geschäfte zu verlieren und andererseits solche mit nicht auskömmlichen Margen abzuschließen.“ Hierzu sagten Arnold/Meier. „Das Konditionieren der Kredite erfolgte bis Mitte der neunziger Jahre mehrheitlich zu so genannten Einheitspreisen. Diese berücksichtigen die Risikokosten von Krediten mit gleichwertigen Sicherheiten unabhängig vom Gegenparteienrisiko als Pauschale, welche den durchschnittlich notwendigen Wertberichtigungen für diese Kredite entspricht. (...) Es stellt sich jedoch die Frage, zu welchen Rentabilitätsunterschieden es käme, wenn man die Risikokosten nicht pauschal, sondern differenziert und zwar entsprechend dem durch die Gegenpartei verursachten Risiko zuordnen könnte.“ Arnold, R./Meier, C. (2000), S. 29.Google Scholar
  29. 63.
    Beispiel einer Ausfalldefinition, die im Rahmen der Vergabe von Kreditkarten an Privatpersonen genutzt wird: „In der Untersuchung galt ein Kunde als insolvent, wenn die Lastschrift über die monatlichen Umsätze des Kunden vom kontoführenden Kreditinstitut des Kunden zurückgegeben wurde, also eine Rücklastschrift vorlag, und der Kunde den betreffenden Betrag auch nach Mahnung nicht beglichen hat.“ Vgl. Baetge, K./Kruse-Irle, A. (2000), S. 872.Google Scholar
  30. 64.
    Bei Krediten mit ausgewiesenen Rückständen hat sich im Laufe der Zeit die Erkenntnis durchgesetzt, dass Einzelwertberichtigungen erforderlich sind. Normalerweise wird an den Mahnstatus angeknüpft. Es dürfte fraglich sein, ob allein die Tatsache, dass ein Kredit die erste, zweite oder dritte Mahnung erhalten hat, ein ausreichendes Kriterium für die Einzelwertberichtigung sein kann; da das Kreditinstitut die Veränderung des Mahnstatus selbst in der Hand hat, kann es den Bestand in den einzelnen Mahnstufen steuern. Hinzu kommt, dass der Mahnrhythmus unterschiedlich ist. Wenn bei einem Institut/in einer Abteilung im 10-Tagesrhythmus und bei einem anderen Institut/in einer anderen Abteilung im Monats-Rhythmus gemahnt wird, dann sind die Mahnstufen vom Risikogehalt her gesehen nicht vergleichbar.Google Scholar
  31. 65.
    Als Zeitpunkt des Eintritts der Insolvenz kann z. B. grundsätzlich auf das Datum des Antrags auf Eröffnung eines Vergleichsoder Insolvenzverfahrens abgestellt werden.Google Scholar
  32. 66.
    Vgl. Christ, B. (2000), S. 48.Google Scholar
  33. 67.
    Vgl. Baetge, J./Kruse, A./Uthoff, C. (1996), S. 275.Google Scholar
  34. 68.
    Vgl. Baetge, J./Schmedt, U./Hüls, D./Krause, C./Uthoff, C. (1994), S. 337–343.Google Scholar
  35. 69.
    Everling, O. (2000), S. 5.Google Scholar
  36. 70.
    Vgl. Arnold, R./Meier, C. (2000), S. 29–35.Google Scholar
  37. 71.
    Vgl. Groth, F.-J. (1999), S. 949.Google Scholar
  38. 72.
    Vgl. hierzu auch Heinrich, M. (1999), S. 42–45.Google Scholar
  39. 73.
    Vgl. Feulner, W. (1980). Zu beachten ist an dieser Stelle, dass die einzelne Kreditvergabe eines Kreditsachbearbeiters nicht isoliert betrachtet werden kann, sondern im Kontext der Kreditvergabepolitik zu werten ist. Jede Einzelkreditvergabe und damit verbunden auch die spätere zwingend erforderliche Kreditüberwachung im Kreditportfolio zur Risikosteuerung des Instituts bestimmen gemeinsam das Gesamtergebnis des Kreditgeschäfts der Bank.Google Scholar
  40. 74.
    „In der Vergangenheit wurde das Bankvokabular durch die Abgrenzung ,guter‘ von ,schlechten’ Kunden beherrscht. Bonitätsurteile wurden meist in Prosa mit mehr oder weniger interpretationsfähigen und auslegungsbedürftigen Formulierungen zu Papier gebracht. Der geschickte Kreditsachbearbeiter oder rhetorisch gewandte Firmenkundenbetreuer behielt nahezu unabhängig vom Verlauf der Kundenbeziehung in jedem Fall Recht, indem er durch entsprechende Nebensätze und Ergänzungen entweder auf die doch auch zu berücksichtigenden Risiken oder auf die trotz schlechter Finanzkennzahlen doch gegebenen Entwicklungsmöglichkeiten des Kunden hinwies. Mit Ratings wird den in alten Kreditakten vorzufindenden, dehnbaren Begriffen ein Ende gesetzt.“ Gögel, S./Everling, O. (2000), S. 62–64. „Für manche Beobachter findet im Kreditgeschäft der Banken gegenwärtig ein geradezu dramatischer Umbruch der Handlungsweisen statt. Standen Entscheidungen auf Basis individueller Erfahrungen noch bis vor kurzer Zeit im Zentrum des Kreditmanagements, so werden diese nun von systematischen Analysemethoden ergänzt, wenn nicht sogar zunehmend verdrängt, die bis dato insbesondere aus dem Wertpapiergeschäft bekannt gewesen sind.“ Elsas, R. et al. (1999), S. 190.Google Scholar
  41. 75.
    Bzgl. der intuitiven Verfahren zur Kreditwürdigkeitsprüfung soll an dieser Stelle („Herr Kollege“) Oser wie folgt zu Wort kommen: „Unter intuitiven Verfahren der Kreditwürdigkeitsprüfung versteht man die subjektive Informationsaufnahme und -Verarbeitung während eines Kundengesprächs ohne besondere Verfahrensunterstützung. Allerdings ist dieses Verfahren, dessen Effizienz in erster Linie durch die persönliche (Erfahrung, Intuition) und die fachliche (Sachkenntnis) Qualifikation des jeweiligen Kreditsachbearbeiters bestimmt wird, grundsätzlich nicht frei von subjektiven Einflüssen und der aktuellen Stimmungslage des Beurteilenden. Kritisch anzumerken ist zu diesem Verfahren denn auch, dass es zum einen nicht geeignet ist, den Informations- und Entscheidungsprozess, der zu einer Aussage über die Kreditwürdigkeit des Kreditnehmers führt, transparent und mithin für Dritte nachvollziehbar und nachprüfbar zu gestalten. Zum anderen ist dieses Verfahren insbesondere bei ,Neulingen’ im Kreditgeschäft, denen eine langjährige Erfahrung fehlt, nicht uneingeschränkt anwendbar.“ Oser, P. (1995), S. 787.Google Scholar
  42. 76.
    In Anlehnung an Günther, Th./Grüning, M. (2000), S. 39–59. Zu den Sonstigen Verfahren können ergänzend die clusteranalytischen Ansätze, die Irrtumskorrektur-Algorithmen, die Adaptions-Algorithmen der stochastischen Approximation, Nearest-Neighbor-Regeln sowie adaptive Clustering-Techniken gezählt werden.Google Scholar
  43. 77.
    Vgl. Ingerling, R. (1980), S. 17.Google Scholar
  44. 78.
    Vgl. Schumann, M./Lohrbach, T./Bährs, P. (1992), S. 30.Google Scholar
  45. 79.
    Oftmals wird der Begriff des Scorings auch allgemein als Oberbegriff für Punktbewertungsverfahren genutzt. Wir wollen weiterhin zwischen den Scoring-Verfahren zur Bewertung der Bonität von natürlichen Personen und den Rating-Verfahren zur Beurteilung der Kreditwürdigkeit von Firmen differenzieren.Google Scholar
  46. 80.
    Feulner, W. (1980), S. 22.Google Scholar
  47. 81.
    Vgl. Siegel, B./Degener, R. (1989), S. 455–458.Google Scholar
  48. 82.
    Vgl. Oehler, A./Unser, M. (2001), S. 213.Google Scholar
  49. 83.
    Keyzlar, F./Wagner, B. (1996), S. 25–29.Google Scholar
  50. 84.
    Im Rahmen der Entwicklung von Scoring- und insbesondere auch Expertensystemen kann es vorkommen, dass ein Experte sein Vorgehen gar nicht (in Regeln) formulieren kann, Regeln vergisst zu formulieren oder Merkmale falsch „bepunktet“. Die Wahrscheinlichkeit, durch Expertenbefragungen ein valides System zu entwickeln, ist gering. Dieses Problem wird in der Literatur als das so genannte Bottle-Neck-Problem der Wissensakquisition beschrieben.Google Scholar
  51. 85.
    Vgl. Oser, P. (1996), S. 367–375; Feidicker, M. (1992), S. 133ff; Baetge, J./Baetge, K./Kruse, A. (1999a), S. 1373. Vgl. auch Baetge, J. (1980), S. 655.Google Scholar
  52. 86.
    Vgl. hierzu auch Baetge, J./Baetge, K./Kruse, A. (1999a), S. 1373.Google Scholar
  53. 87.
    Vgl. hierzu auch Fleischer, K./Folda, R. (1996), S. 107–105. Bootstrap-Verfahren können dazu genutzt werden, um die Bedeutung einzelner Kennziffern zu beurteilen. Sie dienen damit dazu die trennschärfsten Variablen zu ermitteln.Google Scholar
  54. 88.
    Baetge/Uthoff sprechen in diesem Kontext auch vom Selektionsproblem (Welches sind die bonitätsrelevanten Informationen?), vom Gewichtungsproblem (Welche Bedeutung haben die bonitätsrelevanten Informationen?) und vom Aggregationsproblem (Wie sind die bonitätsrelevanten Informationen zu einem Gesamturteil zu verdichten?). Baetge, J./Uthoff, C. (1996), S. 57.Google Scholar
  55. 89.
    Vgl. zur mathematischen Formulierung der beiden oben genannten Forderungen „großer Mittelwertabstand“ und „kleine Summe der Streuungsquadrate“ die Ausführungen von W. Feulner. Vgl. Feulner, W. (1980), S. 26–30.Google Scholar
  56. 90.
    Leker, J. (1994), S. 602.Google Scholar
  57. 91.
    Dennoch, einen sehr interessanten Ansatz unter Einbeziehung der Möglichkeiten der Fuzzy Logik stellen Blochwitz/Eigermann vor. Vgl. Blochwitz, S./Eigermann, J. (2000), S. 58–72. Sie stellen fest, dass die Einführung qualitativer Mermale die Trefferquote verbessert. A. a. O. steht: „Unsere Untersuchung hat an einem ausgewählten Datenbestand gezeigt, dass die Einbeziehung qualitativer Merkmale in eine Diskriminanzanalyse nützlich ist, weil damit zusätzliche, aus den Bilanzkennzahlen nicht oder nicht unmittelbar ablesbare Informationen verarbeitet werden können. Der praktische Aufwand bei einer solchen Einbeziehung ist verhältnismäßig gering, denn sind die qualitativen Merkmale erst einmal für eine numerische Verarbeitung skaliert, können sie wie alle anderen Kennzahlen verarbeitet werden.“Google Scholar
  58. 92.
    Wilbert, R. (1991), S. 1382. Vgl. zur kritischen Würdigung der Diskriminanzanalyse zum Beispiel Hayn, M. (2000), S. 289 ff.Google Scholar
  59. 93.
    Vgl. Reuter, A./Wagemann, R. (1996), S. 290–292.Google Scholar
  60. 94.
    Codex = C ommerzbank Debitoren Expertensystem.Google Scholar
  61. 95.
    Vgl. Kögel, K. (1999), S. 24–29.Google Scholar
  62. 96.
    Vgl. Wilbert, R. (1991), S. 1383.Google Scholar
  63. 97.
    Vgl. Füser, K. (1995); Füser, K. (1999), S. 11–13; Dietz, J./Füser, K./Schmidtmeier, S. (1996), S. 523–527; Dietz, J./Füser, K./Schmidtmeier, S. (1997), S. 475–489; Füser, K./Schmidtmeier, S./Dietz, J. (1997), S. 177–183.Google Scholar
  64. 98.
    Vgl. zur Funktionsweise zum Beispiel Adam, D./Hering, Th./Welker, M. (1995), S. 507–514 sowie aufbauend Adam, D./Hering, Th./Welker, M. (1995), S. 587–592.Google Scholar
  65. 99.
    Vgl. Hinton, G. E. (1992), S. 134–143.Google Scholar
  66. 100.
    Vgl. Radermacher, F. J. (1992), S. 59–63.Google Scholar
  67. 101.
    Vgl. Mrzyk, A. P.(1999), S. 73 ff.Google Scholar
  68. 102.
    Vgl. Wilbert, R. (1991), S. 1377–1393.Google Scholar
  69. 103.
    Vgl. Kulmann, F./Reucher, E. (2000), S. 113–122. Die Autoren diskutieren a. a. O. u. a. auch Formen der entropieoptimalen Wissensverarbeitung im Rahmen der Entwicklung eines Expertensystems zur Bonitätsprüfung.Google Scholar
  70. 104.
    Vgl. hierzu u. a. Kruse, R./Nauck, D./Klawonn, F. (1995), S. 34–41. A. a. O steht: „Beide Prinzipien sind unabhängig voneinander entwickelt worden und passen von sich aus nicht besonders gut zueinander. Fuzzy Logik hat da ihre Stärken, wo neuronale Netze ihre Schwächen haben, und umgekehrt. Erstrebenswert sind deshalb Kombinationen, welche die Stärken beider Ansätze in sich vereinigen.“ Vgl. auch Preuß, H.-P./Tresp, V. (1994), S. 10–24.Google Scholar
  71. 105.
    Vgl. Leker, J. (1994), S. 605.Google Scholar
  72. 106.
    Vgl. hierzu zum Beispiel Rommelfanger, H. (1993), S. 31–42.Google Scholar
  73. 107.
    Vgl. Baetge, J./Heitmann, Ch. (2000), S. 318–343.Google Scholar
  74. 108.
    Vgl. Füser, K. (1995).Google Scholar
  75. 109.
    Vgl. Rommelfanger, H. (1993), S. 31–42.Google Scholar
  76. 110.
    Oehler, A./Unser, M. (2001), S. 249.Google Scholar
  77. 111.
    Vgl. Enache, D. (1998).Google Scholar
  78. 112.
    Vgl. auch Derigs, U./Schirp, G. (1997), S. 285–293.Google Scholar
  79. 113.
    Zum Kreditgeschäft mit mittelständischen Unternehmen vgl. Köster, J. (1997), S. 602–604; Woidich. R. (1997), S. 21 – 24; Schorr, G. (1998), S. 56–59; Kollbach, W. (1998), S. 68–71; Haupt, G. (1997), S. 66–68.Google Scholar
  80. 114.
    Vgl. Oehler, A./Unser, M. (2001), S. 237.Google Scholar
  81. 115.
    Neuronale Netze versuchen, aus empirischen Beobachtungen objektives Erfahrungswissen zu extrahieren, das zwar implizit in empirischem Datenmaterial vorhanden ist, aber zumeist nicht direkt in Regeln oder Gesetzmäßigkeiten umgesetzt werden kann.Google Scholar
  82. 116.
    Vgl. hierzu auch Keyzlar, F./Wagner, B. (1996), S. 25–29. Dort steht: „Ein von der Bank Austria in Auftrag gegebenes Gutachten zu dieser Thematik (dem Verfahrensvergleich, der Verf.) kommt zum Schluss, dass die Effizienz der verschiedenen Methoden nahezu gleich, der Einsatz solcher Methoden im Bankbereich sinnund wirkungsvoll sei, jedoch in jedem Falle laufendes Controlling, Betreuung und flexible Adaptierung der eingesetzten Methoden auf die sich ständig ändernden Gegebenheiten zwingend verlange.“Google Scholar
  83. 117.
    In den nachfolgenden Kapiteln werden einige Entscheidungsmatrizen diskutiert, die zum Scoring bzw. Rating zurzeit in verschiedenen Banken genutzt werden.Google Scholar
  84. 118.
    Vgl. hierzu auch ältere Ansätze, die zum Beispiel bei Leker dargestellt werden und noch auf vier Risikoklassen basieren. Vgl. Leker, J. (1994), S. 606. Vgl. auch Oehler, A./Unser, M. (2001), S. 255 ff.Google Scholar
  85. 119.
    „Jedes Rating-Symbol ‘transportiert’ indirekt eine Vielzahl von Informationen: die Ausfallwahrscheinlichkeit in einem Jahr, in zwei Jahren, in fünf Jahren, in zehn Jahren und noch mehreren; Informationen über die Wahrscheinlichkeit der Migration von Ratings; Informationen über die Ausfallhöhe im Falle eines Ausfalls; Informationen über die Volatilität der Ausfallwahrscheinlichkeit innerhalb der Rating-Kategorie.“ Gögel, S./Everling, O. (2000), S. 64.Google Scholar
  86. 120.
    Die Ordinalität von Rating-Klassen suggeriert vielfach gleichmäßige Abstände zwischen den Risikoklassen, was in der Tat nicht zutrifft. Durch die Angabe von Ausfallwahrscheinlichkeiten, so wie es u. a. Baetge in Form des Bestandsrisikos praktiziert, erhöht sich die Transparenz und Interpretation einer Klassifikation signifikant. „Das niedrige Skalenniveau des Ratings erlaubt es gegenüber der metrisch ausgeprägten Ausfallwahrscheinlichkeit, für die Interpretation der ‘ Abstände’ zwischen verschiedenen Ausprägungen offen zu sein. So sind regelmäßig nur relativ geringe Bonitätsunterschiede in den obersten Rating-Kategorien zu verzeichnen, während in den untersten Kategorien beträchtliche Unterschiede gesehen werden.“ Everling, O. (2000), S. 6.Google Scholar
  87. 121.
    Vgl. Arnoldussen, L. (2000), S. 308.Google Scholar
  88. 122.
    Ein zeitgemäßes Verfahren zur Bonitätsbeurteilung sollte heute auch qualitative Merkmale, zum Beispiel aus Anhang und Lagebericht, berücksichtigen, um ein umfassenderes Unternehmensbild im Rahmen der Bewertung zu beurteilen. Es bietet sich hierbei an, verbal formulierte Aussagen wie „niedrig“, „durchschnittlich“ oder „hoch“ mittels der Fuzzy Logik vorzuverarbeiten. Alternativ kann zum Beispiel auch an eine Lancaster-Skalierung gedacht werden.Google Scholar
  89. 123.
    „Da es bislang in der Betriebswirtschaft keine Insolvenztheorie gibt, fehlen dort theoretische Anleitungen, welche Merkmalskomponenten überhaupt bonitätsrelevant sind und welche Ausprägungen für eine gute oder schlechte Bonität sprechen. Die zur Kreditbeurteilung eingesetzten Kennzahlen werden daher empirisch ermittelt. Soll auf ihrer Basis ein Rating durchgeführt werden, ist es zweckmäßig, nur solche Kennzahlen auszuwählen, die eine möglichst monotone Beziehung zur Bestandsfestigkeit aufweisen, das heißt, dass die besseren Unternehmen in der Regel — je nach Kennzahlendefinition — die größeren oder kleineren Kennzahlen aufweisen.“ Vgl. Blochwitz, S./Eigermann, J. (2000).Google Scholar
  90. 124.
    RoRaC = Return on Risk-adjusted Capital. Vgl. hierzu zum Beispiel Hille, Ch. T./Burmester, Ch./Otto, M. (2000), S. 190–195; Anders, U. (2000), S. 314–316. In der Literatur zu risikoadjustierten Performancemaßen herrscht nach Anders historisch bedingt eine „wilde Sprachverwirrung“. Gleiche Akronyme werden teilweise mit unterschiedlichen Definitionen belegt. Die wichtigsten Akronyme neben RoRaC sind: RaRoC = Risk adjusted Return on Capital und RaRoRaC = Risk adjusted Return on Risk adjusted Capital. Vgl. hierzu auch Arnold, R./Meier, C. (2000), S. 29–35.Google Scholar
  91. 125.
    Mit der Ableitung risikoadjustierter Margen hat das Wagnis der Kreditherauslage zukünftig seinen Preis. Je höher das Insolvenzrisiko, desto höher ist das Zinsniveau. Arnold/Meier sagen: „Der Druck auf Banken mit Einheitspreisen nimmt stark zu. Das Beibehalten der Quersubventionierung von bonitätsmäßig guten Kunden mit geringem Kreditrisiko (kleine erwartete Risikokosten) zu Kunden mit hohem Kreditrisiko führt zu einer fortlaufenden Abwanderung der ,guten‘ Kunden zu Banken mit risikoorientiertem Pricing. Im Gegenzug erhalten Banken mit Einheitspreisen deren Kunden mit hohem Risiko. (...) Es wird auch sehr maßgebend sein, zu welchem Zeitpunkt eine Bank im Verhältnis zu ihren Konkurrenten das risikoorientierte Pricing implementiert hat. Die letzten Banken werden nämlich die Funktion des ,Auffangbeckens’ für risikoreiche Kredite wahrnehmen, wodurch die Umsetzung eines risikoorientierten Pricings zum Rennen gegen die Zeit wird.“ Vgl. Arnold, R./Meier, C. (2000), S. 30.Google Scholar
  92. 126.
    Vgl. Wilbert, R. (1991), S. 1381.Google Scholar
  93. 127.
    Unmittelbar nach der Kreditvergabeentscheidung beginnt die Kreditüberwachung. Diese hat nach Bellinger in etwa folgende sieben Fragen zu beantworten:Google Scholar
  94. 1.
    Sind in der Person oder in den wirtschaftlichen Verhältnissen des Kreditnehmers Umstände eingetreten, die zu einer ungünstigeren Beurteilung seiner Kreditfähigkeit und Kreditwürdigkeit Anlass geben?Google Scholar
  95. 2.
    Sind in den Sicherheiten, die für den Kredit gegeben wurden, Verschlechterungen eingetreten, die eine Gefährdung des Kredits befürchten lassen?Google Scholar
  96. 3.
    Wurde der Kredit tatsächlich dem Verwendungszweck zugeführt, für den er beansprucht wurde?Google Scholar
  97. 4.
    Hat der Kreditnehmer im Rahmen der eingeräumten Kreditlinie disponiert und vereinbarte Kreditüberschreitungen zurückgeführt?Google Scholar
  98. 5.
    Hat der Kreditnehmer die belasteten Zinsen, Provisionen und sonstigen Kosten bei Fälligkeit gezahlt?Google Scholar
  99. 6.
    Wurde der Kredit an den vereinbarten Terminen pünktlich zurückgezahlt?Google Scholar
  100. 7.
    Wurden alle notwendigen Informationen und Unterlagen vom Kreditnehmer oder auch von Dritten termingerecht einoder nachgereicht?Google Scholar
  101. Vgl. Bellinger, B. (1999), S. 938.Google Scholar
  102. 128.
    Dieckhöner, B. (1999), S. 15.Google Scholar
  103. 129.
    Vgl. Markowitz, H. (1952), S. 77–91.Google Scholar
  104. 130.
    „Insgesamt kann gesagt werden, dass der Diversifikationseffekt eines Portfolios um so höher ist, je geringer die Ausfälle der im Portfolio enthaltenen Kredite bzw. deren Risikoäquivalenzbeträge miteinander korreliert sind. Bei positiver Korrelation fallen Kunden mit hoher Wahrscheinlichkeit gleichzeitig aus.“ Heinrich, M. (1999), S. 43; „Die wichtigste Möglichkeit zur Verminderung des Portfoliorisikos ist die Diversifizierung, die in der Sprache der Portfoliotheorie ,naiv‘, das heißt durch mehr oder weniger gezielte Streuung der Kredite, oder ,effizient’, also vor allem unter Berücksichtigung von Korrelationen, erfolgt.“ Weißenbacher, F./Lausberg, C. (1999), S. 384.Google Scholar
  105. 131.
    Guthoff, A./Pfingsten, A./Schuermann, T. (1999), S. 1182.Google Scholar
  106. 132.
    „Konzentrationsanalysen schützen vor ihnen (den Klumpenrisiken, der Verf.), indem sie das Kreditportfolio nach allen erdenklichen Gesichtspunkten aufteilen, beispielsweise nach Kreditnehmern, Branchen, Immobilienarten oder Regionen, und bei Überschreitung festgelegter Toleranzwerte Warnsignale aussenden.“ Weißenbacher, F./ Lausberg, C. (1999), S. 387.Google Scholar
  107. 133.
    Das Portfoliorisiko ist nicht die Summe aller Einzelrisiken. Vielmehr treten auf aggregierten Ebenen Diversifikationseffekte auf. Diese Diversifikation wird durch die Korrelation eines einzelnen Kredits zum Gesamtbankportfolio ausgedrückt. Eine hohe Korrelation bedeutet, dass ein enger Zusammenhang zwischen dem neuen Kredit und dem bestehenden Kreditportfolio existiert. Die Aufnahme eines Kredits mit einer hohen Korrelation zum Portfolio erhöht die Risikoposition der Bank überproportional. Ist die Korrelation gering, aber positiv, so wird sich die Risikoposition durch die Aufnahme des Geschäfts leicht erhöhen. Bei einer negativen Korrelation sinkt die Risikoposition. Durch eine geeignete Mischung von Krediten kann die Risikoposition des Portfolios positiv beeinflusst werden. Hierbei geht es nicht um die Verminderung oder gar Vermeidung von Risiken, sondern vielmehr um ein angemessenes Verhältnis von Risiko und Ertrag. Vgl. Peil, D./Egger, E. (2000), S. 414.Google Scholar
  108. 134.
    „Bei einer rechnungswesen-orientierten Definition des Ausfallrisikos finden nur die Ausfallwahrscheinlichkeiten Verwendung. Die Argumentation besteht darin, dass das Risiko eigentlich nur im Zusammenhang mit dem tatsächlichen Ausfall schlagend wird. Eine buchhalterische Antizipation in Form einer Wertberichtigung ist zwar vorgesehen, doch greift diese erst, wenn ein deutliches Indiz für einen Ausfall vorliegt. Die finanzwirtschaftlich orientierte Definition des Ausfallrisikos zielt nicht nur auf den Ausfall, sondern auch auf die ihr (zumeist) vorangehenden Bonitätsverschlechterungen ab.“ Schwaiger, W. S. A. (2000), S. 377–391.Google Scholar
  109. 135.
    Guthoff, A./Pfingsten, A./Schuermann, T. (1999), S. 1185.Google Scholar
  110. 136.
    Vgl. Jovic, D./Mondello, E. (2000), S. 917–925. VaR-Werte werden heute von Banken im Rahmen des Risikomanagements täglich eruiert und evaluiert. Unabdingbar für das Verständnis dieser Zahlen ist die Kenntnis der Annahmen über die Art des Berechnungsverfahrens (Varianz-Kovarianz-Methode, Historische Simulation, Monte-Carlo-Simulation etc.), das verwendete Konfidenzniveau, die Haltedauer, die historische Betrachtungsperiode sowie die institutseigenen Backtesting- und Stresstesting-Verfahren. Bei den qualitativen Aspekten des Kreditrisikos sind die Struktur des Kreditportfolios, die internen Überwachungs- und Limitprozesse sowie die Methoden der Messung und des Managements von Kreditrisiken zu diskutieren.Google Scholar
  111. 137.
    „Schließlich entstehen durch steigende Liquidität in den sekundären Kreditmärkten und die Zunahme der Kredit- derivate neue Instrumente für ein aktives ex-post-Management des Darlehensbestands der Banken. Einmal vergebene Darlehen müssen nicht mehr bis zur Fälligkeit gehalten werden. Für große, bekannte Namen, bei denen Darlehensverlauf und Handel mit Kreditderivaten möglich sind, wird das Kreditverfahren mehr dem bei syndizierten Darlehen und Anleiheübernahme angewandten Verfahren ähneln. Die Prüfung ex-ante wird sich neben der herkömmlichen Analyse des Kreditnehmers auf neue Überlegungen richten, wie etwa den marktgerechten Preis für den verkauften Teil oder die Wahrscheinlichkeit, auf der Position sitzen zu bleiben.“ Kuritzkes, A./Harris, S./Strothe, G. (2000), S. 43. Vgl. hierzu auch Pfingsten, A. (2000), S. 28. „Kreditderivate und der Handel mit Krediten eröffnen neue Perspektiven im Risikomanagement. Die traditionelle Sichtweise, dass ein Kredit bis zu seiner Fälligkeit in vollem Umfang in die Risikoposition der Bank eingeht, wird durch die Möglichkeit der jederzeitigen Anpassung der Risikoposition an die Wünsche der Anteilseigner abgelöst.“ Peil, D./Egger, E. (2000), S. 414.Google Scholar
  112. 138.
    Vgl. Arnold, R./Meier, C. (2000), S. 32 f.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 2001

Authors and Affiliations

  • Karsten Füser

There are no affiliations available

Personalised recommendations