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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Referenzen
Vgl. Kuhlmann, J., Ausgliederung, 1992, S. 12.
Vgl. Rödl, H., Kreditrisiken, 1979, S. 14; auch Bönkhoff, F.J., Kreditwürdigkeitsprüfung, 1983, S. 18.
Vgl. Heno, R, Kreditwürdigkeitsprüfung, 1983, S. 11.
Vgl. Bönkhoff, F. J., Kreditwürdigkeitsprüfung, 1983, S. 13.
Vgl. Friedl, H. H., Anforderungen, 1996, S. 142.
Vgl. Hartmann, B., Kreditprüfung, 1965, S. 13; auch Kreim, E., Finanzplanung, 1977, S. 17 f; auch Hagenmüller, K. F., Bankbetrieb, 1987, S. 35.
Vgl. Krause, C., Neuronale Netze, 1993, S. 9.
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.
Vgl. Baetge, J., Bilanzen, 1994, S. 7.
Vgl. Wächtershäuser, M., Kreditrisiko, 1971, S. 18; auch Brakensiek, T., Kalkulation, 1991, S. 7.
Vgl. Hagenmüller, K. F., Bankbetrieb, 1987, S. 239.
Vgl. Bönkhoff, F. J., Kreditwürdigkeitsprüfung, 1983, S. 1.
Vgl. Hartmann, B., Kreditprüfung, 1965, S. 10; auch Steiner, M., Kreditwürdigkeitsprüfung, 1994, S. 425; auch Roß, H.-P., Kreditrevision, 1995, S. 18.
Vgl. Wächtershäuser, M., Kreditrisiko, 1971, S. 70.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 20.
Vgl. Hüls, D., Früherkennung, 1995, S. 9.
Vgl. Weinrich, G., Kreditwürdigkeitsprognosen, 1978, S. 25.
Vgl. Schierenbeck, H., Bankmanagement, 1994, S. 656 f.
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.
Val. Mayer, G., Beurteilung, 1964, S. 12 f; auch Dorka, J., Kundenverbundanalyse. 1990. S. 46.
Zu den möglichen Informationsquellen vgl. Hartmann, B., Kreditprüfung, 1965, S. 14–21.
Vgl. auch Abschnitt 7.1.1 der vorliegenden Arbeit sowie Kreim, E., Kreditentscheidung, 1988, S. 261; auch Schmoll, A., Risikoklassen, 1992, S. 997 ff.
Vgl. Strack, H., Beurteilung, 1976, S. 5; auch Häußler, W. M., Punktbewertungen, 1981, S.1; auch Huß, M., RISK, 1989, S. 311.
Zu den Einsatzmöglichkeiten formalisierter Verfahren in der Kreditwürdigkeitsprüfung vgl. Gebhardt, G., Eignung, 1981, S. 225–234.
Vgl. Ohlenroth, W., Reuter, A., Zensuren, 1985, S. 336; auch Köllhofer, D., Moderne, 1989, S. 146.
Vgl. Krause, C., Neuronale Netze, 1993, S. 12.
Vgl. Baetge, J., Objektivierung, 1970, S. 16 f.
Vgl. Bräutigam, J., Küllmer, H., Objektivierung, 1972, S.9; auch Krause, C., Neuronale Netze, 1993, S. 12.
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.
Vgl. FitzPatrick, P. J., Comparison, 1932, S. 589 ff; auch Beaver, W., Predictors, 1966. S. 71 ff.
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.
Vgl. Diez, B., Krisenunternehmen, 1987, S. 83; auch Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 194; auch Bleier, E., Unternehmensanalyse, 1989. S. 168 f.
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.
Vgl. Krause, C., Neuronale Netze, 1993, S. 17.
Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 226 ff und S. 247.
Vgl. Hüls, D., Früherkennung, 1995, S. 9.
Vgl. Baetge, J., Niehaus, H.-J., Verfahren, 1989, S. 150.
Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 242.
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.
Vgl. Hüls, D., Früherkennung, 1995, S. 27.
Vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 91.
Vgl. Buchner, R., Statistik, 1985, S. 355.
Vgl. Sachs, L., Angewandte, 1992, S. 201 f.
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.
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.
Vgl. Gebhardt, G., Insolvenzprognosen, 1980, S. 261.
Vgl. Morrison, D. G., Interpretation, 1969, S. 156 f; auch Perlitz, M., Bilanzanalyse, 1979, S. 838.
Vgl. Keysberg, G., Diskriminanzanalyse, 1989, S. 73.
Vgl. Weinrich, G., Kreditwürdigkeitsprognosen, 1978, S. 125; auch Gebhardt, G., Insolvenzprognosen, 1980, S. 261.
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.
Vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate, 1994, S. 100 f.
Vgl. Fisher, R. A., Multiple, 1936, S. 179 ff.
Vgl. Durand, D., Risk, 1941, S. 125.
Vgl. Altman, E. I., Prediction, 1968, S. 589 ff.
Vgl. Beermann, K., Prognosemöglichkeiten, 1976, S. 98 ff.
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.
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.
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.
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.
Vgl. Schönbrodt, B., Erfolgsprognosen, 1981, S. 185.
Vgl. Baetge, J., Beuter, H., Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 751 f.
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.
Val. Duda, R.O., Hart, P.E., Pattern, 1973, S. 114 ff.
Vgl. Schneider, D., Warnung, 1985, S. 1492 f; auch Burger, A., Klassifikation, 1994, S. 1167 ft.
Vgl. Schneider, D., Schritte, 1989, S. 637; auch Burger, A., Klassifikation, 1994, S. 1167 f.
Vgl. Baetge, J., Krause, C., Mertens, P., Kritik, 1994, S. 1184.
Vgl. Höfer, K., Prognose, 1978, S. 462 f; auch Christians, U., Entwicklung, 1986, S. 119 ff.
Vgl. Steiner, M., Unternehmenskredit, 1979, S. 181; auch Joy, O. M., Tolefson, J. O., Financial, 1975, S. 728.
Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S.158 ff.
Vgl. Hüls, D., Früherkennung, 1995, S. 279 ff.
Vgl. ebenda, S. 282.
Vgl. zu regressionsanalytischen Verfahren Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 288 ff; auch Hartung, J., Elpelt, B., 1992, Multivariate Statistik, S. 132 ff.
Vgl. Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 285.
Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 253 f.
Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 135.
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.
Zur linearen Regressionsanalyse vgl. Bleymüller, J., Gehlert, G., Gülicher, H., Statistik, 1992, S. 139 ff.
Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 254 f.
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.
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.
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.
Vgl. Feidicker, M., Kreditwürdigkeitsprüfung, 1992, S. 142.
Vgl. Fouquet, K. P., Sanierungswürdigkeitsanalyse, 1987, S. 295 und 299 f.
Vgl. Mühlbayer, M., Erfolgsanalyse, 1986, S. 267
Vgl. Fouquet, K.P., Sanierungswürdigkeitsanalyse, 1987, S. 308 ft.
Vgl. Hamer, M. M., Sensitivity, 1983, S. 298.
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.
Vgl. Fischer, J. H., Mustererkennung, 1981, S. 64. Zu den verschiedenen Arten von Mustern vgl. Mertens, P., Theorie, 1977, S. 779 f.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 123.
Vgl. Fischer, J. H., Mustererkennung, 1981, S. 63.
Vgl. Mertens, P., Theorie, 1977, S. 790 f.
Vgl. Fischer, J. H., Mustererkennung, 1981.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 124.
Vgl. Ebenda, S. 148 ff.
Vgl. Ebenda, S. 153.
Vgl. Ebenda, S. 156.
Vgl. Niemann, H., Methoden, 1974, S. 15 f und S. 203.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 159 f.
Vgl. Ebenda, S. 161.
Vgl. Niemann, H., Methoden, 1974, S. 224 und S. 300.
Vgl. Niemann, H., Methoden, 1974, S. 14; auch Mertens, P., Theorie, 1977, S. 780; auch Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 133 f.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 171.
Vgl. Niemann, H., Methoden, 1974, S. 29.
Vgl. Ebenda, S. 151.
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.
Vgl. Niemann, H., Methoden, 1974, S. 133 ff.
Vgl. Fischer, J. H., Mustererkennung, 1981, S. 81 ff.
Vgl. hierzu die Abbildung 11 bei Fischer, J. H., Mustererkennung, 1981, S. 89.
Vgl. Niemann, H., Methoden, 1974, S. 326 ff.
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.
Vgl. Niemann, H., Methoden, 1974, S. 165.
Vgl. Eisenhut, M., Diagnose, 1996, S. 62.
Vgl. Ebenda, S. 226 ff.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 228.
Vgl. Niemann, H., Methoden, 1974, S. 249.
Vgl. Eisenhut, M., Diagnose, 1996, S. 67.
Vgl. Ebenda, S. 282 ff.
Zu verschiedenen Möglichkeiten, die Anzahl der Cluster zu bestimmen vgl. Fritz, M., Indikatorkonstellationen, 1991, S. 97 ff.
Vgl. Vogel, F., Probleme, 1975, S. 5 f.
Vgl. Steinhausen, D., Langer, K., Clusteranalyse, 1977, S. 14 f.
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.
Vgl. Steinhausen, D., Langer, K., Clusteranalyse, 1977, S. 75.
Vgl. Ebenda, S. 98.
Vgl. Ebenda, S. 100.
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.
Vgl. Heno, R., Kreditwürdigkeitsprüfung, 1983, S. 185.
Vgl. Friedman, J. H., Decision, 1977.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 270; auch Grenz, T., Dimensionen, 1987. S. 41.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 289.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 164.
Vgl. Lohrbach, T., Einsatz, 1994, S. 147.
Vgl. Hofmann, H.-J., CART, 1990, S. 946.
Vgl. Lohrbach, T., Einsatz, 1994, S. 147 f.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 158 ff.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 273.
Vgl. Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J., Classification, 1984, S. 113 ft.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 274.
Vgl. Lohrbach, T., Einsatz, 1994, S. 148 f.
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.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 276.
Vgl. Ebenda, S. 276 ff; auch Hofmann, H.-J., CART, 1990, S. 957.
Vgl. Ladiges, B., Mehrstufiqe, 1992, S. 80.
Vgl. Ebenda, S. 169 f.
Vgl. Ebenda, S. 152.
Vgl. Hofmann, H.-J., CART, 1990, S. 957.
Vgl. Lohrbach, T., Einsatz, 1994, S. 151 ff.
Vgl. Ebenda, S. 152 f.
Vgl. Ebenda, S. 153.
Vgl. Hofmann, H.-J., CART, 1990, S. 957 f.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 271 und 281.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 220 ff.
Vgl. Frydman, H., Altman, E. I., Kao, D.-L., Distress, 1985, S. 287 ff.
Vgl. Hauschildt, J., Wissensbasis, 1990, S. 525 ff.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 86.
Val. Harmon, P., King, D., Expertensysteme, 1986, S. 56.
Vgl. Möller, H., Expertensysteme, 1994, S. 42.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 88.
Vgl. Möller, H., Expertensysteme, 1994, S. 39.
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.
Vgl. Möller, H., Expertensysteme, 1994, S. 40.
Vgl. Ebenda, S. 89.
Vgl. Ebenda, S. 51.
Vgl. Bullinger, H. J., Fähnrich, K. P., Systeme, 1988, S. 102.
Vgl. Möller, H., Expertensysteme, 1994, S. 47.
Vgl. Daniel, M., Striebel, D., Intelligenz, 1993, S. 43.
Vgl. Klee, H. W., Akzeptanz, 1989, S. 266.
Vgl. Möller, H., Expertensysteme, 1994, S. 44.
Vgl. Zelewski, S., Schwierigkeiten, 1991, S. 13.
Vgl. Lebsanft, E., Gill, U., Expertensysteme, 1987f, S. 141 ff.
Für weitere Anwendungsfelder von Expertensystemen vgl. Mertens, P., Finanzwirtschaft, 1989, S. 285.
Vgl. Mertens, P., Borkowski, V., Geis, W., Anwendungen, 1993, S. 8.
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.
Vgl. Möller, H., Expertensysteme, 1994, S. 28.
Vgl. Bullinger, H. J., Fähnrich, K. P., Systeme, 1988, S. 94.
Vgl. Zelewski, S., Expertensysteme, 1989, S. 185.
Vgl. Ladiges, B., Mehrstufige, 1992, S. 96 f.
Vgl. Möller, H., Expertensysteme, 1994, S. 28 f.
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.
Vgl. Möller, H., Expertensysteme, 1994, S. 57.
Vgl. Zelewski, S., Schwierigkeiten, 1991, S. 13.
Vgl. Drabich-Wächter, G. v., Generation, 1988, S. 591.
Vgl. Baetge, J., Hüls, D., Uthoff, C., Netze, 1995, S. 22.
Vgl. Anders, U., Netze, 1996, S. 164.
Zur Abgrenzung des Begriffs der Künstlichen Intelligenz vgl. Daniel, M., Striebel, D., Intelligenz, 1993.
Vgl. Roias, R., Theorie, 1993, S. 3.
Vgl. Baetge, J., Kruse, A., Uthoff, C., Bonitätsklassifikationen, 1996, S. 274 f.
Vgl. Rumelhart, D. E., Hinton, G. E., McClelland, J. L., Framework, 1986, S. 48 f.
Vgl. Krause, C., Neuronale Netze, 1993, S. 41 f.
Vgl. McCord Nelson, M., Illingworth, W. T., Nets, 1991, S. 50 f.
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.
Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 436.
Vgl. Baetge, J., Schmedt, U., Hüls, D., Krause, C., Uthott, C., Bonitatsbeurteilung, 1994, S. 338.
Vgl. Rehkugler, H., Poddig, T., Netze, 1992, 5. 41 b.
Vgl. Hebb, D. O., Behavior, 1949.
Vgl. Dorffner, G., Konnektionismus, 1991, S. 32 t.
Vgl. Ebenda, S. 33 f.
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.
Vgl. Erxleben, K., Baetge, J., Feidicker, M., Koch, H., Krause, C., Mertens, P., Klassifikation, 1992, S. 1241.
Vgl. Ebenda, S. 1242.
Vgl. Rosenblatt, F., Neurodynamics, 1962.
Vgl. Minski, M. L., Papert, S. A., Perceptrons, 1962.
Vgl. Hopfield, J., Networks, 1982, S. 2554 ff.
Vgl. Rehkugler, H., Poddig, T., Aktienkursprognose, 1990; auch Schöneburg, E., Nieß, J., Sauter, U., Aktienkursprognose, 1990, S. XIII ff.
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.
Vgl. Schumann, M., Lohrbach, T., Bährs, P., Kreditwürdigkeitsprognose, 1992.
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.
Vgl. NeuralWare Inc., Computing, 1991, S. 36.
Vgl. Ebenda, S. 35 f.
Vgl. Krause, C., Neuronale Netze, 1993, S. 63. •
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.
Vgl. NeuralWare Inc., Computing, 1991, S. 35 f.
Vgl. Krause, C., Neuronale Netze, 1993, S. 63.
Vgl. Ebenda, S. 67 f.
Vgl. Ebenda, S. 74.
Vgl. Kurbel, K., Entwicklung, 1992, S. 13.
Eine Ubersicht zu Expertensystemen im Finanz- und Rechnungswesen findet sich bei Mertens. Vgl. Mertens, P., Finanzwirtschaft, 1989, S. 282 ff.
Vgl. Becker, J., Prischmann, M., Modelle, 1991, S. 19.
Vgl. Dorffner, G., Konnektionismus, 1991, S. 23 ff.
Vgl. Ebenda, S. 21.
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.
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.
Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 429.
Vgl. Leker, J., Beurteilung, 1994, S. 605.
Vgl. Kerling, M., Poddig, T., Klassifikation, 1994, S. 481.
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.
Vgl. Rehkugler, H., Poddig, T., Netze, 1992, S. 413.
Rights 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