Zusammenfassung
Zum Ende des vorangegangenen Kapitels wurde die Unzulänglichkeit der derzeit gültigen aufsichtsrechtlichen Behandlung des Kreditrisikos sowie das Potential von institutsinternen Kreditrisikomodellen sowohl für die aufsichtsrechtliche als auch für die bankinterne Verwendung dargelegt. Das nun folgende Kapitel befaßt sich zuerst mit einer Typisierung bekannter Ansätze der Kreditportfoliomodellierung und zeigt den allgemeinen Aufbau sowie einen Überblick über wesentliche Determinanten bzw. Risikoparameter eines Spezialfalls, den Default Mode-Ansatz, der auch den Schwerpunkt aller weiteren Betrachtungen darstellen wird. Darüber hinaus soll in mehreren Simulationsstudien gezeigt werden, wie sensitiv zentrale Risikoparameter von den Determinanten des Kreditrisikos abhängen. In Vorgriff auf die folgenden Kapitel soll eine Simulationsstudie „Künstlicher Kreditmarkt“ kurz vorgestellt werden. Diese dient als Basis weiterer Auswertungen in den anschließenden Kapiteln.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 29f.
Vgl. International Swaps and Derivatives Association (ISDA) (Hrsg.), [Credit Risk and Regulatory Capital, 1998], S. 55 bzw. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 29f.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 30.
Zur Problematik der unterschiedlichen Definition des Ausfallereignisses siehe Abschnitt 4.1. in Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 17.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 22.
Vgl. hierzu die Ausführungen in Abschnitt 4.6.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 28f bzw. Huschens, [Von der Markt-zur Kreditrisikomodellierung, 2000], S. 19.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 28f.
Vgl. Huschens, Stefan/Locarek-Junge, Hermann, [Grundlagen der portfolioorientierten Kreditrisikomessung, 2000], S. 3.
Es existieren auch abgewandelte Modelle, die u. a. einen Ausfall auch während der Kreditlaufzeit modellieren. Man vgl. hierzu die Ausführungen in Abschnitt 4.3.3.
Vgl. Merton. R.C., [Pricing of Corporate Debt, 1974].
Vgl. die Ausführungen in Abschnitt 4.3.3.
Vgl. Wahrenburg, Mark/Niethen Susanne, [Analyse alternativer Kreditrisikomodelle, 2000], S. 4.
Vgl. Hamerle, Alfred, [Statistische Modelle im Kreditgeschäft, 2000], S. 475f.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 16f.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 16f.
Vgl. Broker, Frank, [Quantifizierung von Kreditportfoliorisiken, 2000], S. 23.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 31f.
Zur Definition möglicher Ausfallereignisse vgl, die Ausführungen in Abschnitt 4.1.
Anmerkung: Notwendig wäre die exakte Modellierung der gemeinsamen Auftretenswahrscheinlichkeit aller möglichen Defaultkombinationen der Schuldner im Portfolio. Dies ist für große Portfolios jedoch nicht möglich. Daher erfolgt im folgenden eine Approximation über die Darstellung der Abhängigkeitsbeziehungen jeweils zweier Schuldner.
Für eine zeitabhängige Modellierung des Kreditportfoliorisikos ist eine mögliche Zeitabhängigkeit bspw. des „Ausnutzungsgrades der Kreditlinie“ zu untersuchen. So könnte es z.B. sein, daß in rezessiven Zeiten der Ausnutzungsgrad höhere Werte annimmt als in konjunkturell besseren Zeiten.
Vgl. Huschens, Stefan/Locarek-Junge, Hermann [Grundlagen der portfolioorientierten Kreditrisikomessung, 2000], S. 7.
Vgl. Bröker, Frank, [Quantifizierung von Kreditportfoliorisiken, 2000], S. 23.
Analog den anderen Determinanten ist auch die Recovery-Rate zeitabhängig zu modellieren.
Im Unterschied zur Definition des LGD im Rahmen der neuen Baseler Eigenkapitalvereinbarung von Januar 2001. Dort wird der Blankoanteil als LGD bezeichnet vgl. Basel Committee on Banking Supervision (Hrsg.), [The Internal Ratings-Based Approach to Credit Risk, 2001], S. 6.
Die Begriffe werden im folgenden synonym verwendet.
Vgl. die Ausführungen in Abschnitt 3.2.
Bei gegebener Portfoliozusammensetzung.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 15.
Vgl. Basel Committee on Banking Supervision (Hrsg.), [Credit Risk Modelling, 1999], S. 14.
Vgl. Hamerle, Alfred, [Statistische Modelle im Kreditgeschäft, 2000], S. 481f.
Vgl. hierzu bspw. Guthoff, Anja/Pfingsten, Andreas/Wolf, Juliane, [On the Compatibility of Value at Risk, 1997].
Vgl. Albrecht, P./Maurer, R./Stephan, T., [Shortfall-Performance, 1995], S. 198 bzw. Harlow, W. V., [Asset Allocation in a Downside-Risk Framework, 1991], S. 30.
Vgl. Basel Committee on Banking Supervision, [Credit Risk Modelling, 1999], S. 20.
GE: Geldeinheiten.
Die Schadensverteilungen der Simulationsstudie wurden mit jeweils 50 000 Simulationsläufen erzeugt. Die resultierenden Werte der Risikoparameter stellen daher Schätzungen dar.
Vgl. Hamerle, Alfred, [Statistische Modelle im Kreditgeschäft, 2000], S. 480.
Ohne Beschränkung der Allgemeinheit wird die Studie auf den Kreis der Unternehmen eingeengt. Die Übertragung der Ergebnisse auf andere Kontrahentengruppen wie Privatkunden ist jedoch jederzeit möglich.
Der Umfang des künstlichen Kreditmarkts wurde für eine erweiterte Fragestellung auf 2000 Unternehmen vergrößert. Die im folgenden getroffenen Ausführungen können auf diesen Fall analog angewendet werden.
Höhere Werte dieser Einflußgröße führen ceteris paribus zu geringeren Ausfallwahrscheinlichkeiten.
Rights and permissions
Copyright information
© 2002 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Knapp, M. (2002). Typisierung und allgemeiner Aufbau von Kreditportfoliomodellen. In: Zeitabhängige Kreditportfoliomodelle. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-11901-2_3
Download citation
DOI: https://doi.org/10.1007/978-3-663-11901-2_3
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7508-7
Online ISBN: 978-3-663-11901-2
eBook Packages: Springer Book Archive