Skip to main content
SpringerLink
Log in

Die Kreditwürdigkeitsprüfung

  • Chapter
Kontodaten-Analyse für die Bonitätsprüfung im Firmenkundenkreditgeschäft

Part of the book series: Hallesche Schriften zur Betriebswirtschaft ((HSBW,volume 7))

  • 233 Accesses

Zusammenfassung

Der Begriff der Kreditwürdigkeitsprüfung umfaßt alle Maßnahmen, die darauf ausgerichtet sind, das Risiko einer Kreditvergabe zu bestimmen.54 Das Ergebnis einer derartigen Prüfung ist ein Urteil über die Fähigkeit des Kunden seinen Zins- und Tilgungsverpflichtungen in der Zukunft nachzukommen.55 Diese Fähigkeit wird als Kreditwürdigkeit oder synonym als Bonität des Kreditnehmers bezeichnet.56 Da jedoch eine Aussage über die zukünftige Kapitaldienstfähigkeit des Kunden getroffen werden muß, besteht bei jeder Kreditwürdigkeitsprüfung die Gefahr einer Falscheinschätzung der Bonität des Kreditnehmers.57 Hierbei sind zwei Arten von Fehleinschätzungen möglich.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 74.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. Vgl. Kuhlmann, J., Ausgliederung, 1992, S. 12.

    Google Scholar 

  2. Vgl. Rödl, H., Kreditrisiken, 1979, S. 14; auch Bönkhoff, F.J., Kreditwürdigkeitsprüfung, 1983, S. 18.

    Google Scholar 

  3. Vgl. Heno, R, Kreditwürdigkeitsprüfung, 1983, S. 11.

    Google Scholar 

  4. Vgl. Bönkhoff, F. J., Kreditwürdigkeitsprüfung, 1983, S. 13.

    Google Scholar 

  5. Vgl. Friedl, H. H., Anforderungen, 1996, S. 142.

    Google Scholar 

  6. Vgl. Hartmann, B., Kreditprüfung, 1965, S. 13; auch Kreim, E., Finanzplanung, 1977, S. 17 f; auch Hagenmüller, K. F., Bankbetrieb, 1987, S. 35.

    Google Scholar 

  7. Vgl. Krause, C., Neuronale Netze, 1993, S. 9.

    Google Scholar 

  8. Zu qualitativen Kriterien vgl. Zellweger, B., Kreditwürdigkeitsprüfung, 1987, S. 26 ff; auch Huß, M., RISK, 1989, S. 320 ff; auch Fritz, M., Indikatorkonstellationen, 1991, S. 119 ff. Zur Bedeutung von quantitativen Daten, vor allem dem Jahresabschluß, vgl. Niehaus, H.-J., Früherkennung, 1987, S. 157 ff; auch Feidicker, M., Kreditwürdiggkeitsprüfung, 1992, S. 184 ff.

    Google Scholar 

  9. Vgl. Baetge, J., Bilanzen, 1994, S. 7.

    Google Scholar 

  10. Vgl. Wächtershäuser, M., Kreditrisiko, 1971, S. 18; auch Brakensiek, T., Kalkulation, 1991, S. 7.

    Google Scholar 

  11. Vgl. Hagenmüller, K. F., Bankbetrieb, 1987, S. 239.

    Google Scholar 

  12. Vgl. Bönkhoff, F. J., Kreditwürdigkeitsprüfung, 1983, S. 1.

    Google Scholar 

  13. Vgl. Hartmann, B., Kreditprüfung, 1965, S. 10; auch Steiner, M., Kreditwürdigkeitsprüfung, 1994, S. 425; auch Roß, H.-P., Kreditrevision, 1995, S. 18.

    Google Scholar 

  14. Vgl. Wächtershäuser, M., Kreditrisiko, 1971, S. 70.

    Google Scholar 

  15. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 20.

    Google Scholar 

  16. Vgl. Hüls, D., Früherkennung, 1995, S. 9.

    Google Scholar 

  17. Vgl. Weinrich, G., Kreditwürdigkeitsprognosen, 1978, S. 25.

    Google Scholar 

  18. Vgl. Schierenbeck, H., Bankmanagement, 1994, S. 656 f.

    Google Scholar 

  19. Vgl. Buchner, R., Grundzüge, 1981, S. 199; auch Kuhlmann, J., Ausgliederung, 1992, S. 12. Unter Kreditwürdigkeitsprüfung soll im folgenden sowohl die erstmalige als auch die laufende Überprüfung der Kreditnehmerbonität verstanden werden. Hartmann bezeichnet die laufende Bonitätsanalyse als Kreditüberwachung. Val. Hartmann. B.. Kreditprüfung, 1965. S. 13.

    Google Scholar 

  20. Val. Mayer, G., Beurteilung, 1964, S. 12 f; auch Dorka, J., Kundenverbundanalyse. 1990. S. 46.

    Google Scholar 

  21. Zu den möglichen Informationsquellen vgl. Hartmann, B., Kreditprüfung, 1965, S. 14–21.

    Google Scholar 

  22. Vgl. auch Abschnitt 7.1.1 der vorliegenden Arbeit sowie Kreim, E., Kreditentscheidung, 1988, S. 261; auch Schmoll, A., Risikoklassen, 1992, S. 997 ff.

    Google Scholar 

  23. Vgl. Strack, H., Beurteilung, 1976, S. 5; auch Häußler, W. M., Punktbewertungen, 1981, S.1; auch Huß, M., RISK, 1989, S. 311.

    Google Scholar 

  24. Zu den Einsatzmöglichkeiten formalisierter Verfahren in der Kreditwürdigkeitsprüfung vgl. Gebhardt, G., Eignung, 1981, S. 225–234.

    Google Scholar 

  25. Vgl. Ohlenroth, W., Reuter, A., Zensuren, 1985, S. 336; auch Köllhofer, D., Moderne, 1989, S. 146.

    Google Scholar 

  26. Vgl. Krause, C., Neuronale Netze, 1993, S. 12.

    Google Scholar 

  27. Vgl. Baetge, J., Objektivierung, 1970, S. 16 f.

    Google Scholar 

  28. Vgl. Bräutigam, J., Küllmer, H., Objektivierung, 1972, S.9; auch Krause, C., Neuronale Netze, 1993, S. 12.

    Google Scholar 

  29. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 59. Zwar werden mit formalisierten Verfahren in der Regel nur quantitative Daten verarbeitet. Bei einer geeigneten Codierung können aber ebenfalls qualitative Daten analysiert werden. Vgl. Häußler, W. M., Punktebewertung, 1981, S. B79 ff.

    Google Scholar 

  30. Vgl. FitzPatrick, P. J., Comparison, 1932, S. 589 ff; auch Beaver, W., Predictors, 1966. S. 71 ff.

    Google Scholar 

  31. Vgl. Beaver, W., Predictors, 1966, S. 83 ff. Zuvor hatten bereits FitzPatrick und Tamari Jahresabschlußkennziffern von guten und schlechten Unternehmen einander gegenübergestellt, ohne jedoch kritische Trennwerte abzuleiten. Vgl. FitzPatrick, P. J., Comparison, 1932, S. 589 ff.

    Google Scholar 

  32. Vgl. Diez, B., Krisenunternehmen, 1987, S. 83; auch Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 194; auch Bleier, E., Unternehmensanalyse, 1989. S. 168 f.

    Google Scholar 

  33. Vgl. Beaver, W., Predictors, 1966, S. 84; auch Beermann, K., Prognosemöglichkeiten, 1976, S. 80; auch Weibel, P. F., Bonitätsbeurteilung, 1978, S. 206 f; auch Hüls, D., Früherkennung, 1995, S. 144.

    Google Scholar 

  34. Vgl. Krause, C., Neuronale Netze, 1993, S. 17.

    Google Scholar 

  35. Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 226 ff und S. 247.

    Google Scholar 

  36. Vgl. Hüls, D., Früherkennung, 1995, S. 9.

    Google Scholar 

  37. Vgl. Baetge, J., Niehaus, H.-J., Verfahren, 1989, S. 150.

    Google Scholar 

  38. Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 242.

    Google Scholar 

  39. Für frühe empirische Studien vgl. bspw. Beermann, K., Prognosemöglichkeiten, 1976, S. 98 ff; auch Weinrich, G., Kreditwürdigkeitsprognosen, 1978, S. 98 ff; auch Gebhardt, G., Insolvenzprognosen, 1980, S. 242 ff. Für aktuellere empirische Studien vgl. z.B. Leker, J., Frühdiagnose, 1993, S. 236 ff; auch Hüls, D., Früherkennung, 1995, S. ff. Zum statistischen Hintergrund vgl. bspw. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 90 ff; auch Brosius, G., Brosius, F., SPSS, 1995, S. 771 ff.

    Google Scholar 

  40. Vgl. Hüls, D., Früherkennung, 1995, S. 27.

    Google Scholar 

  41. Vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 91.

    Google Scholar 

  42. Vgl. Buchner, R., Statistik, 1985, S. 355.

    Google Scholar 

  43. Vgl. Sachs, L., Angewandte, 1992, S. 201 f.

    Google Scholar 

  44. Vgl. Gebhardt, G., Lnsolvenzprognosen, 1980, S. 278 und 282; auch Niehaus, H.-J., Früherkennung, 1987, S. 150 und 156; auch Keysberg, G., Diskriminanzanalyse, 1989, S. 85; auch Hüls, D., Früherkennuna. 1995. S. 263 f.

    Google Scholar 

  45. Eine Ausnahme hiervon bildet zum Beispiel das für den Sparkassen- und Giroverband entwickelte Bilanzanalysesystem STATBIL. Ein Vergleich von parametrischen und nicht-parametrischen Verfahren fiel hier zugunsten der verteilungsfreien Verfahren aus. Vgl. Stein, J. H. v., Weiterentwicklung, 1984, S. 219.

    Google Scholar 

  46. Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 261.

    Google Scholar 

  47. Vgl. Morrison, D. G., Interpretation, 1969, S. 156 f; auch Perlitz, M., Bilanzanalyse, 1979, S. 838.

    Google Scholar 

  48. Vgl. Keysberg, G., Diskriminanzanalyse, 1989, S. 73.

    Google Scholar 

  49. Vgl. Weinrich, G., Kreditwürdigkeitsprognosen, 1978, S. 125; auch Gebhardt, G., Insolvenzprognosen, 1980, S. 261.

    Google Scholar 

  50. Vgl. Buchner, R., Statistik, 1985, S. 360. Um nach Festlegung eines kritischen Trennwertes die Klassifikation neu zu beurteilender Unternehmen zu erleichtern, wird die Diskriminanzfunktion häufig um ein absolutes Glied ao erweitert, das der Normierung des kritischen Trennwertes auf Null dient. Vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 96 und 101.

    Google Scholar 

  51. Vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 100 f.

    Google Scholar 

  52. Vgl. Fisher, R. A., Multiple, 1936, S. 179 ff.

    Google Scholar 

  53. Vgl. Durand, D., Risk, 1941, S. 125.

    Google Scholar 

  54. Vgl. Altman, E. I., Prediction, 1968, S. 589 ff.

    Google Scholar 

  55. Vgl. Beermann, K., Prognosemöglichkeiten, 1976, S. 98 ff.

    Google Scholar 

  56. Thanner benutzt das Verfahren der Diskriminanzanalyse auch zur Untersuchung von Kontodaten. Vgl. Thanner, W., Kontokorrentverbindung, 1991, S. 203 ff. Hesselmann kombiniert Jahresabschlußdaten mit qualitativen Daten über das Management sowie die Marktstellung. Vgl. Hesselmann, S., Z-/Q-Methode, 1993. Ähnlich Uthoff, der Daten aus dem Auskunftswesen mit Jahresabschlußdaten verknüpft. Vgl. Uthoff, C., Erfolgsoptimale, 1997.

    Google Scholar 

  57. Vgl. Schönbrodt, B., Erfolgsprognosen, 1981, S. 157 ff; auch Schneider, D., Warnung, 1985, S. 1492 f; auch Gemünden, H. G., Defizite, 1988, S. 135 ff; auch Burger, A., Schellberg, B., Rating, 1994, S. 870 ff.

    Google Scholar 

  58. Weitere Kritikpunkte sind die Bestimmung eines kritischen Trennwertes und die Bildung von Güteund Risikoklassen. Diese zwei Punkte werden ausführlich in Abschnitt 6.3.2.2 und 6.3.2.3.4 behandelt.

    Google Scholar 

  59. Eine weitere Optimalitätsbedingung ist die Unabhängigkeit der in der Diskriminanzfunktion verwendeten Kennzahlen. Diese kann jedoch durch den Einsatz der Faktorenanalyse, der Clusteranalyse oder der Korrelationsanalyse sichergestellt werden. Vgl. Fisher, R. A., Multiple, 1936, S. 179 ff; auch Eisenbeis, R. A., Discriminant, 1977, S. 37 ff; auch Fahrmeier, L., Häußler, W., Tutz, G., Diskriminanzanalyse, 1984, S. 316 ff.

    Google Scholar 

  60. Vgl. Schönbrodt, B., Erfolgsprognosen, 1981, S. 185.

    Google Scholar 

  61. Vgl. Baetge, J., Beuter, H., Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 751 f.

    Google Scholar 

  62. Vgl. Niehaus, H.-J., Früherkennung, 1987, S. 156; auch Hüls, D., Früherkennung, 1995, 5. 263. Zu verteilungsfreien Verfahren vgl. Linhart, H., Techniques, 1959, S. 138 ff; auch Kendall, M. G., Discrimination. 1966, S. 165 ff.

    Google Scholar 

  63. Val. Duda, R.O., Hart, P.E., Pattern, 1973, S. 114 ff.

    Google Scholar 

  64. Vgl. Schneider, D., Warnung, 1985, S. 1492 f; auch Burger, A., Klassifikation, 1994, S. 1167 ft.

    Google Scholar 

  65. Vgl. Schneider, D., Schritte, 1989, S. 637; auch Burger, A., Klassifikation, 1994, S. 1167 f.

    Google Scholar 

  66. Vgl. Baetge, J., Krause, C., Mertens, P., Kritik, 1994, S. 1184.

    Google Scholar 

  67. Vgl. Höfer, K., Prognose, 1978, S. 462 f; auch Christians, U., Entwicklung, 1986, S. 119 ff.

    Google Scholar 

  68. Vgl. Steiner, M., Unternehmenskredit, 1979, S. 181; auch Joy, O. M., Tolefson, J. O., Financial, 1975, S. 728.

    Google Scholar 

  69. Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S.158 ff.

    Google Scholar 

  70. Vgl. Hüls, D., Früherkennung, 1995, S. 279 ff.

    Google Scholar 

  71. Vgl. ebenda, S. 282.

    Google Scholar 

  72. Vgl. zu regressionsanalytischen Verfahren Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 288 ff; auch Hartung, J., Elpelt, B., 1992, Multivariate Statistik, S. 132 ff.

    Google Scholar 

  73. Vgl. Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 285.

    Google Scholar 

  74. Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 253 f.

    Google Scholar 

  75. Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 135.

    Google Scholar 

  76. Verwendet wurde das lineare Wahrscheinlichkeitsmodell zur Kreditwürdigkeitsprüfung von Meyer, P. A., Pifer, H. W., Prediction, 1970, S. 856 ff; auch Collins, R. A., Comparison, 1980, S. 53 ff; auch Mühlbayer, M., Erfolgsanalyse, 1986, S. 255 ff; auch Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 288 ff.

    Google Scholar 

  77. Zur linearen Regressionsanalyse vgl. Bleymüller, J., Gehlert, G., Gülicher, H., Statistik, 1992, S. 139 ff.

    Google Scholar 

  78. Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 254 f.

    Google Scholar 

  79. Folgende Autoren haben die Logit-Analyse für die Kreditwürdigkeitsprüfung verwendet. Vgl. Martin, D., Failure, 1977, S. 256 ff; auch Ohlson, J. A., Ratios, 1980, S. 109 ff; auch Zavgren, C. V., Failure, 1983, S. 28 ff; auch Casey, C. J., Bartczak, N., Distress, 1985, S. 392 ff; auch Mühlbayer, M., Erfolgsanalyse, 1986, S. 259 ff.

    Google Scholar 

  80. Die logistische Funktion wird auch als Sigmoidfunktion bezeichnet. Sie transformiert beliebige Eingangswerte zu Ausgabewerten zwischen Null und Eins. Im Intervall zwischen -1 und +1 werden die Eingabewerte nahezu linear transformiert, außerhalb dieses Wertebereichs erfolgt eine starke Komprimierung. Vgl. Krause, C., Neuronale Netze, 1993, S. 41 f.

    Google Scholar 

  81. Im Rahmen der Kreditwürdigkeitsprüfung wurde die Probit-Analyse verwendet von Gentry, J. A., Newbold, P., Whitford, D. T., Classifying, 1985, S. 149; auch Zmijewski, M. E., Estimation, 1985, S. 65 ff; auch Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 295 ff.

    Google Scholar 

  82. Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 142.

    Google Scholar 

  83. Vgl. Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 295 und 299 f.

    Google Scholar 

  84. Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 267

    Google Scholar 

  85. Vgl. Fouquet, K.P., Sanierungswürdigkeitsanalyse, 1987, S. 308 ft.

    Google Scholar 

  86. Vgl. Hamer, M. M., Sensitivity, 1983, S. 298.

    Google Scholar 

  87. Vgl. Collins, R. A., Comparison, 1980, S. 56; auch Zavgren, C. V., Failure, 1983, S. 30; auch Gentry, J. A., Newbold, P., Whitford, D. T., Classifying, 1985, S. 150; auch Casey, C. J. Jr., Bartczak, N., Distress, 1985, S. 394; auch Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 323. Im Gegensatz hierzu kommen folgende Autoren für die Regressionsanalyse zu besseren Ergebnissen. Vgl. Ohlson, J. A., Ratios, 1980, S. 129; auch Lau, A. H.-L., Distress, 1987, S. 135 f. Für den Bereich des Länderrisikos kommt Schmidt zu dem Ergebnis, daß die Logit-Analyse der multivariaten Diskriminanzanalyse und auch der Clusteranalyse überlegen ist. Vgl. Schmidt, R., Early, 1984, S. 369.

    Google Scholar 

  88. Vgl. Fischer, J. H., Mustererkennung, 1981, S. 64. Zu den verschiedenen Arten von Mustern vgl. Mertens, P., Theorie, 1977, S. 779 f.

    Google Scholar 

  89. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 123.

    Google Scholar 

  90. Vgl. Fischer, J. H., Mustererkennung, 1981, S. 63.

    Google Scholar 

  91. Vgl. Mertens, P., Theorie, 1977, S. 790 f.

    Google Scholar 

  92. Vgl. Fischer, J. H., Mustererkennung, 1981.

    Google Scholar 

  93. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 124.

    Google Scholar 

  94. Vgl. Ebenda, S. 148 ff.

    Google Scholar 

  95. Vgl. Ebenda, S. 153.

    Google Scholar 

  96. Vgl. Ebenda, S. 156.

    Google Scholar 

  97. Vgl. Niemann, H., Methoden, 1974, S. 15 f und S. 203.

    Google Scholar 

  98. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 159 f.

    Google Scholar 

  99. Vgl. Ebenda, S. 161.

    Google Scholar 

  100. Vgl. Niemann, H., Methoden, 1974, S. 224 und S. 300.

    Google Scholar 

  101. Vgl. Niemann, H., Methoden, 1974, S. 14; auch Mertens, P., Theorie, 1977, S. 780; auch Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 133 f.

    Google Scholar 

  102. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 171.

    Google Scholar 

  103. Vgl. Niemann, H., Methoden, 1974, S. 29.

    Google Scholar 

  104. Vgl. Ebenda, S. 151.

    Google Scholar 

  105. Nach Niemann kommen als Gütekriterien ein Abstandsmaß, ein intormationstheoretiscnes Maß und die Schätzung von Fehlerwahrscheinlichkeiten in Frage. Vgl. Niemann, H., Methoden, 1974, S. 133 ff.

    Google Scholar 

  106. Vgl. Niemann, H., Methoden, 1974, S. 133 ff.

    Google Scholar 

  107. Vgl. Fischer, J. H., Mustererkennung, 1981, S. 81 ff.

    Google Scholar 

  108. Vgl. hierzu die Abbildung 11 bei Fischer, J. H., Mustererkennung, 1981, S. 89.

    Google Scholar 

  109. Vgl. Niemann, H., Methoden, 1974, S. 326 ff.

    Google Scholar 

  110. Vgl. Ebenda, S. 165 f. Im gewissen Sinne lassen sich auch die diskriminanzanalytischen Verfahren unter die geometrischen Verfahren der Mustererkennung subsumieren. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 178; auch Fischer, J. H., Mustererkennung, 1981, S. 94 ff.

    Google Scholar 

  111. Vgl. Niemann, H., Methoden, 1974, S. 165.

    Google Scholar 

  112. Vgl. Eisenhut, M., Diagnose, 1996, S. 62.

    Google Scholar 

  113. Vgl. Ebenda, S. 226 ff.

    Google Scholar 

  114. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 228.

    Google Scholar 

  115. Vgl. Niemann, H., Methoden, 1974, S. 249.

    Google Scholar 

  116. Vgl. Eisenhut, M., Diagnose, 1996, S. 67.

    Google Scholar 

  117. Vgl. Ebenda, S. 282 ff.

    Google Scholar 

  118. Zu verschiedenen Möglichkeiten, die Anzahl der Cluster zu bestimmen vgl. Fritz, M., Indikatorkonstellationen, 1991, S. 97 ff.

    Google Scholar 

  119. Vgl. Vogel, F., Probleme, 1975, S. 5 f.

    Google Scholar 

  120. Vgl. Steinhausen, D., Langer, K., Clusteranalyse, 1977, S. 14 f.

    Google Scholar 

  121. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 244. Zu verschiedenen Ähnlichkeitsmaßen in Abhängigkeit vom jeweiligen Skalenniveau der untersuchten Daten val. Fritz, M., Indikatorkonstellationen, 1991, S. 69 ff.

    Google Scholar 

  122. Vgl. Steinhausen, D., Langer, K., Clusteranalyse, 1977, S. 75.

    Google Scholar 

  123. Vgl. Ebenda, S. 98.

    Google Scholar 

  124. Vgl. Ebenda, S. 100.

    Google Scholar 

  125. Vgl. Deimer, R., Clusteranalysemethoden, 1986, S. 85. Zu unterschiedlichen Zielfunktionen vgl. Vogel, F., Probleme, 1975, S. 198 ff; auch Fritz, M., Indikatorkonstel lationen. 1991. S. 90 ff.

    Google Scholar 

  126. Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 185.

    Google Scholar 

  127. Vgl. Friedman, J. H., Decision, 1977.

    Google Scholar 

  128. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 270; auch Grenz, T., Dimensionen, 1987. S. 41.

    Google Scholar 

  129. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 289.

    Google Scholar 

  130. Vgl. Ladiges, B., Mehrstufige, 1992, S. 164.

    Google Scholar 

  131. Vgl. Lohrbach, T., Einsatz, 1994, S. 147.

    Google Scholar 

  132. Vgl. Hofmann, H.-J., CART, 1990, S. 946.

    Google Scholar 

  133. Vgl. Lohrbach, T., Einsatz, 1994, S. 147 f.

    Google Scholar 

  134. Vgl. Ladiges, B., Mehrstufige, 1992, S. 158 ff.

    Google Scholar 

  135. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 273.

    Google Scholar 

  136. Vgl. Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J., Classification, 1984, S. 113 ft.

    Google Scholar 

  137. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 274.

    Google Scholar 

  138. Vgl. Lohrbach, T., Einsatz, 1994, S. 148 f.

    Google Scholar 

  139. Zur Auswahl des optimalen Baumes vgl. Breiman, L., Friedman, J. H., uisnen, H. A., atone, J., Classification, 1984, S. 66 ff und 302 ff; auch Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 274 f.

    Google Scholar 

  140. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 276.

    Google Scholar 

  141. Vgl. Ebenda, S. 276 ff; auch Hofmann, H.-J., CART, 1990, S. 957.

    Google Scholar 

  142. Vgl. Ladiges, B., Mehrstufiqe, 1992, S. 80.

    Google Scholar 

  143. Vgl. Ebenda, S. 169 f.

    Google Scholar 

  144. Vgl. Ebenda, S. 152.

    Google Scholar 

  145. Vgl. Hofmann, H.-J., CART, 1990, S. 957.

    Google Scholar 

  146. Vgl. Lohrbach, T., Einsatz, 1994, S. 151 ff.

    Google Scholar 

  147. Vgl. Ebenda, S. 152 f.

    Google Scholar 

  148. Vgl. Ebenda, S. 153.

    Google Scholar 

  149. Vgl. Hofmann, H.-J., CART, 1990, S. 957 f.

    Google Scholar 

  150. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 271 und 281.

    Google Scholar 

  151. Vgl. Ladiges, B., Mehrstufige, 1992, S. 220 ff.

    Google Scholar 

  152. Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 287 ff.

    Google Scholar 

  153. Vgl. Hauschildt, J., Wissensbasis, 1990, S. 525 ff.

    Google Scholar 

  154. Vgl. Ladiges, B., Mehrstufige, 1992, S. 86.

    Google Scholar 

  155. Val. Harmon, P., King, D., Expertensysteme, 1986, S. 56.

    Google Scholar 

  156. Vgl. Möller, H., Expertensysteme, 1994, S. 42.

    Google Scholar 

  157. Vgl. Ladiges, B., Mehrstufige, 1992, S. 88.

    Google Scholar 

  158. Vgl. Möller, H., Expertensysteme, 1994, S. 39.

    Google Scholar 

  159. Neben regelbasierten Systemen seien auch die fallbasierten Systeme genannt. Diese bedienen sich für Schlußfolgerungen des Case-Based Reasoning, bei dem ein neuer Fall mit einer vorhandenen Fallsammlung durch Einsatz statistischer Methoden verglichen wird. Ein Fall besteht hierbei sowohl aus einer Problembeschreibung als auch einem Lösungsweg und einer Problemlösung. Vgl. Schmidt, R., Finanzmanagement, 1999, S. 258. Für eine Studie zum praktischen Einsatz des Cased-Based Reasoning im Rahmen der Kreditwürdigkeitsprüfung von Firmenkunden vgl. Wilke, W., Bergmann, R., Althoff K.-D., Kreditwürdigkeitsprüfung, 1996.

    Google Scholar 

  160. Vgl. Möller, H., Expertensysteme, 1994, S. 40.

    Google Scholar 

  161. Vgl. Ebenda, S. 89.

    Google Scholar 

  162. Vgl. Ebenda, S. 51.

    Google Scholar 

  163. Vgl. Bullinger, H. J., Fähnrich, K. P., Systeme, 1988, S. 102.

    Google Scholar 

  164. Vgl. Möller, H., Expertensysteme, 1994, S. 47.

    Google Scholar 

  165. Vgl. Daniel, M., Striebel, D., Intelligenz, 1993, S. 43.

    Google Scholar 

  166. Vgl. Klee, H. W., Akzeptanz, 1989, S. 266.

    Google Scholar 

  167. Vgl. Möller, H., Expertensysteme, 1994, S. 44.

    Google Scholar 

  168. Vgl. Zelewski, S., Schwierigkeiten, 1991, S. 13.

    Google Scholar 

  169. Vgl. Lebsanft, E., Gill, U., Expertensysteme, 1987f, S. 141 ff.

    Google Scholar 

  170. Für weitere Anwendungsfelder von Expertensystemen vgl. Mertens, P., Finanzwirtschaft, 1989, S. 285.

    Google Scholar 

  171. Vgl. Mertens, P., Borkowski, V., Geis, W., Anwendungen, 1993, S. 8.

    Google Scholar 

  172. Vgl. Ladiges, B., Mehrstufige, 1992, S. 92. Für die verschiedenen Einsatzgebiete von Expertensystemen sowie eine ausführliche Beschreibung bereits existierender Systeme vgl. Mertens, P., Borkowski, V., Geis, W., Anwendungen, 1993. Speziell für den Einsatz von Expertensystemen bei der Kreditvergabe vgl. Gill, U., Expertensysteme, 1993, S. 1314 f; auch Glasen, F., Kreditwürdigkeitsprüfung, 1993, S. 26 ff; auch Möller, H., Expertensysteme, 1994, S. 122 ff.

    Google Scholar 

  173. Vgl. Möller, H., Expertensysteme, 1994, S. 28.

    Google Scholar 

  174. Vgl. Bullinger, H. J., Fähnrich, K. P., Systeme, 1988, S. 94.

    Google Scholar 

  175. Vgl. Zelewski, S., Expertensysteme, 1989, S. 185.

    Google Scholar 

  176. Vgl. Ladiges, B., Mehrstufige, 1992, S. 96 f.

    Google Scholar 

  177. Vgl. Möller, H., Expertensysteme, 1994, S. 28 f.

    Google Scholar 

  178. Vgl. Regier, H. J., Expertensysteme, 1988, S. 20. Zum Problem der Erarbeitung einer Wissensbasis vgl. auch Krakl, J., Nolte-Hellwig, U., CODEX, 1990, S. 627 ff.

    Google Scholar 

  179. Vgl. Möller, H., Expertensysteme, 1994, S. 57.

    Google Scholar 

  180. Vgl. Zelewski, S., Schwierigkeiten, 1991, S. 13.

    Google Scholar 

  181. Vgl. Drabich-Wächter, G. v., Generation, 1988, S. 591.

    Google Scholar 

  182. Vgl. Baetge, J., Hüls, D., Uthoff, C., Netze, 1995, S. 22.

    Google Scholar 

  183. Vgl. Anders, U., Netze, 1996, S. 164.

    Google Scholar 

  184. Zur Abgrenzung des Begriffs der Künstlichen Intelligenz vgl. Daniel, M., Striebel, D., Intelligenz, 1993.

    Google Scholar 

  185. Vgl. Roias, R., Theorie, 1993, S. 3.

    Google Scholar 

  186. Vgl. Baetge, J., Kruse, A., Uthoff, C., Bonitätsklassifikationen, 1996, S. 274 f.

    Google Scholar 

  187. Vgl. Rumelhart, D. E., Hinton, G. E., McClelland, J. L., Framework, 1986, S. 48 f.

    Google Scholar 

  188. Vgl. Krause, C., Neuronale Netze, 1993, S. 41 f.

    Google Scholar 

  189. Vgl. McCord Nelson, M., Illingworth, W. T., Nets, 1991, S. 50 f.

    Google Scholar 

  190. Die beschriebene Vernetzung wird als feed-forward bezeichnet. Daneben sind aber auch Rückkopplungen, sogenannte feed-backward Netze möglich. Hier ist das Ausgangssignal eines Neurons entweder zugleich ein Eingangssignal desselben Neurons oder das Eingangssignal eines Neurons einer vorgelagerten verdeckten Schicht. Vgl. McCord Nelson, M., Illingworth, W. T., Nets, 1991. S. 51 f.

    Google Scholar 

  191. Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 436.

    Google Scholar 

  192. Vgl. Baetge, J., Schmedt, U., Hüls, D., Krause, C., Uthott, C., Bonitatsbeurteilung, 1994, S. 338.

    Google Scholar 

  193. Vgl. Rehkugler, H., Poddig, T., Netze, 1992, 5. 41 b.

    Google Scholar 

  194. Vgl. Hebb, D. O., Behavior, 1949.

    Google Scholar 

  195. Vgl. Dorffner, G., Konnektionismus, 1991, S. 32 t.

    Google Scholar 

  196. Vgl. Ebenda, S. 33 f.

    Google Scholar 

  197. Vgl. Krause, C., Neuronale Netze, 1993, S. 50. Für ein mehrschichtiges Netz ist die Delta-Regel zu modifizieren, da für die verborgenen Schichten keine Soll-Ausgabewerte existieren. Es wird von der generalisierten Delta-Regel gesprochen. Vgl. Dorffner, G., Konnektionismus, 1991, S. 34 f.

    Google Scholar 

  198. Vgl. Erxleben, K., Baetge, J., Feidicker, M., Koch, H., Krause, C., Mertens, P., Klassifikation, 1992, S. 1241.

    Google Scholar 

  199. Vgl. Ebenda, S. 1242.

    Google Scholar 

  200. Vgl. Rosenblatt, F., Neurodynamics, 1962.

    Google Scholar 

  201. Vgl. Minski, M. L., Papert, S. A., Perceptrons, 1962.

    Google Scholar 

  202. Vgl. Hopfield, J., Networks, 1982, S. 2554 ff.

    Google Scholar 

  203. Vgl. Rehkugler, H., Poddig, T., Aktienkursprognose, 1990; auch Schöneburg, E., Nieß, J., Sauter, U., Aktienkursprognose, 1990, S. XIII ff.

    Google Scholar 

  204. Vgl. Odom, M. D., Sharda, R., Network, 1990, S. 163 ff; auch Erxleben, K., Baetge, J., Feidicker, M., Koch, H., Krause, C., Mertens, P., Klassifikation, 1992, S. 1237 ff. Uthoff wendet die Netzanalyse auf kombinierte Jahresabschlußdaten und qualitative Daten an. Vgl. Uthoff, C., Erfolgsoptimale, 1997.

    Google Scholar 

  205. Vgl. Schumann, M., Lohrbach, T., Bährs, P., Kreditwürdigkeitsprognose, 1992.

    Google Scholar 

  206. Weitere Anwendungsgebiete von Neuronalen Netzen sind die Assoziation (Erkennen von Sprache und Bildern), Datenanalyse (Gruppenbildung), Datenfilterung (Entzerren von Signalen) und Optimierung (zum Beispiel Travelling Salesman Problem). Vgl. NeuralWare Inc., Computing, 1991, S. 35 ff.

    Google Scholar 

  207. Vgl. NeuralWare Inc., Computing, 1991, S. 36.

    Google Scholar 

  208. Vgl. Ebenda, S. 35 f.

    Google Scholar 

  209. Vgl. Krause, C., Neuronale Netze, 1993, S. 63. •

    Google Scholar 

  210. Der Backpropagations-Algorithmus arbeitet nach der Methode der kleinsten Quadrate. Minimiert wird die Summe der Abweichungen zwischen den Soll- und den lstwerten. Vgl. Krause, C., Neuronale Netze, 1993, S. 56.

    Google Scholar 

  211. Vgl. NeuralWare Inc., Computing, 1991, S. 35 f.

    Google Scholar 

  212. Vgl. Krause, C., Neuronale Netze, 1993, S. 63.

    Google Scholar 

  213. Vgl. Ebenda, S. 67 f.

    Google Scholar 

  214. Vgl. Ebenda, S. 74.

    Google Scholar 

  215. Vgl. Kurbel, K., Entwicklung, 1992, S. 13.

    Google Scholar 

  216. Eine Ubersicht zu Expertensystemen im Finanz- und Rechnungswesen findet sich bei Mertens. Vgl. Mertens, P., Finanzwirtschaft, 1989, S. 282 ff.

    Google Scholar 

  217. Vgl. Becker, J., Prischmann, M., Modelle, 1991, S. 19.

    Google Scholar 

  218. Vgl. Dorffner, G., Konnektionismus, 1991, S. 23 ff.

    Google Scholar 

  219. Vgl. Ebenda, S. 21.

    Google Scholar 

  220. Vgl. zum Beispiel Odom, M. D., Sharda, R., Network, 1990, S. 163 ff; auch Erxleben, K., Baetge, J., Feidicker, M., Koch, H., Krause, C., Mertens, P., Klassifikation, 1992, S. 1237 ff.

    Google Scholar 

  221. Eine vergleichende Auflistung verschiedener Untersuchungen, die sowohl die Diskriminanzanalyse als auch die Neuronale Netzanalyse verwendet haben findet sich bei Rehkugler, H., Kerling, M., Einsatz, 1995, S. 306 ff. Die dortige Aufstellung läßt sich um die Analysen von Lohrbach, Gode und Weinrich sowie Krause ergänzen. Gode und Weinrich präferieren die Multivariate Diskriminanzanlayse. Lohrbach wiederum, wie auch Krause, erzielen mit Neuronalen Netzen die besseren Klassifikationsergebnisse. Vgl. Krause, C., Neuronale Netze, 1993, S. 213 ff; auch Lohrbach, T., Einsatz, 1994, S. 323; auch Goede, K., Weinrich, G., Neuronale Netze, 1996, S. 421.

    Google Scholar 

  222. Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 429.

    Google Scholar 

  223. Vgl. Leker, J., Beurteilung, 1994, S. 605.

    Google Scholar 

  224. Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 481.

    Google Scholar 

  225. Baetge versucht der Kritik am black box Charakter eines Neuronalen Netzes zu entgehen, indem er Sensitivitätsanalysen durchführt. Untersucht wird, wie stark eine Veränderung einzelner Kennzahlen sich auf den N-Wert auswirkt. Vgl. Baetge, J., Kruse, A., Uthoff, C., Bonitätsklassifikationen, 1996, S. 279.

    Google Scholar 

  226. Vgl. Rehkugler, H., Poddig, T., Netze, 1992, S. 413.

    Google Scholar 

Download references

Authors
  1. Peter Berlandi
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 2000 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden, und Deutscher Universitäts-Verlag GmbH, Wiesbaden

About this chapter

Cite this chapter

Berlandi, P. (2000). Die Kreditwürdigkeitsprüfung. In: Kontodaten-Analyse für die Bonitätsprüfung im Firmenkundenkreditgeschäft. Hallesche Schriften zur Betriebswirtschaft, vol 7. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-99215-4_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-99215-4_3

  • Publisher Name: Deutscher Universitätsverlag, Wiesbaden

  • Print ISBN: 978-3-8244-7153-9

  • Online ISBN: 978-3-322-99215-4

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation