Zusammenfassung
Im Mittelpunkt der nun folgenden Ausführungen stehen Ansätze zur zeitabhängigen — im Sinne einer vollständigen und zeitnahen Erfassung aller bewertungsrelevanten Informationen — Ermittlung der Ausfallwahrscheinlichkeit von Schuldnern. Der Schwerpunkt der Betrachtungen liegt bei der Messung des Ausfallrisikos von Unternehmen. Grundsätzlich eignen sich jedoch die nicht auf Marktpreisen beruhenden Ansätze mit gewissen Modifikationen auch zur Modellierung der Ausfallwahrscheinlichkeit von privaten Schuldnern.
This is a preview of subscription content, log in via an institution to check access.
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
Die Begriffe Ausfallereignis und Defaultereignis werden im folgenden synonym verwendet.
Vgl. hierzu bspw.: Leins, Herwig, [Wissensbasierte Unternehmensanalyse, 1993], S. 2.
Vgl. Schulte, Reinhard, [Kursänderungsrisiken festverzinslicher Wertpapiere,1996], S. 89.
Eine „ideale Welt” setzt in diesem Zusammenhang voraus: (a) Alle Marktteilnehmer sind gleich gut über die zukünftigen Nettoeinzahlungen von Unternehmen und deren Aufteilung auf die Financiers informiert. Es existieren folglich keine Informations-bzw. Transaktionskosten sowie keine Informationsbarrieren. (b) Der Handel mit Finanztiteln findet auf informationseffizienten Kapitalmärkten statt (Vgl. Drukarczyk, Jochen, [Theorie und Politik der Finanzierung, 1993], S. 361f.).
Vgl. Drukarczyk, Jochen, [Theorie und Politik der Finanzierung, 1993], S. 362.
Vgl. Drukarczyk, Jochen, [Theorie und Politik der Finanzierung, 1993], S. 365.
Vgl. §§ 17, 18 und 19 Insolvenzordnung (InsO).
Vgl. Basel Committee on Banking Supervision (Hrsg.), [The Internal Ratings-Based Approach, 2001], S. 30.
Vgl. die Ausführungen im Abschnitt 2.5.
Vgl. Blossfeld, Hans-Peter/Hamerle, Alfred/Mayer, Karl Ulrich, [Ereignisanalyse, 1986], S. 27.
Vgl. hierzu auch die Ausführungen über die Möglichkeiten einer Ausfalldefinition in diesem Abschnitt.
Vgl. hierzu und im folgenden: Blossfeld, Hans-Peter/Hamerle, Alfred/Mayer, Karl Ulrich, [Ereignisanalyse, 1986], S. 31 ff.
Einen Überblick Liber unterschiedliche DCF-Methoden gibt bspw.: Drukarczyk, Jochen, [Unternehmensbewertung, 1996].
Vgl. Schieble, Michael, [Bonitätsprüfung im Firmenkundengeschäft, 2000], S. 20.
Vgl. Hilbert, Andreas/Dittmar, Thomas, [Bonitätsprüfung von Firmenkunden, 1997], S. 4.
Vgl. Schieble, Michael, [Bonitätsprüfung im Firmenkundengeschäft, 2000], S. 22f.
Vgl. Schieble, Michael, [Bonitätsprüfung im Firmenkundengeschäft, 2000], S. 23.
Unter einem Multi-Faktor-Modell soll in diesem Zusammenhang ein Modell der Regressionsanalyse verstanden werden, das die zeitliche Entwicklung der Insolvenzquote einer Branche in Abhängigkeit von exogenen Einflußgrößen darstellt.
Vgl. hierzu bspw. Knapp, Michael/Hamerle, Alfred, [Multi-Faktor-Modell, 1999] bzw. Hamerle, Alfred/Knapp, Michael/Ott, Birgit/Schacht Guido, [Prognose und Sensitivitatsanalyse von Branchenrisiken, 1998].
Vgl. hierzu auch die Ausführungen in Abschnitt 3.1.
Vgl. Nieschlag, Robert/Dichtl, Erwin/Hörschgen, Hans [Marketing, 1991], S. 1023 bzw. Leins, Herwig, [Wissensbasierte Unternehmensanalyse, 1993], S. 33.
Vgl. Weber, Martin/Krahnen, Jan Pieter/Voßmann, Frank, [Risikomessung im Kreditgeschäft, 1999], S. 121.
Vgl. hierzu bspw.: Leker, J./Schewe, G., [Beurteilung des Kreditausfallrisikos, 1998].
Vgl. Weber, Martin/Krahnen, Jan Pieter/Voßmann, Frank, [Risikomessung im Kreditgeschäft, 1999], S. 122.
Vgl. Heinke, Volker G., [Bonitätsrisiko und Credit Rating, 1998], S. 26ff.
Vgl. Moody`s Investors Service (Hrsg.), [Testing for Rating Consistency in Annual Default Rates, 2001], S. 5.
Vgl. Baseler Ausschuß für Bankenaufsicht, [Range of Practice, 2000], S. 21f.
Vgl. Baseler Ausschuß für Bankenaufsicht, [Range of Practice, 2000], S. 21.
Vgl. Standard & Poor’s, [Corporate Ratings Criteria, 2000], S. 41.
Vgl. Berblinger, Jürgen, [Marktakzeptanz des Rating, 1996], S. 58.
Vgl. Moody’s Investors Service (Hrsg.), [Rating Methodology, 1999], S. 6.
Vgl. hierzu bspw.: Moody’s Investors Service (Hrsg.), [Rating Methodology, 1999], S. 7.
Vgl. Standard & Poor’s, [Corporate Ratings Criteria, 2000], S. 41.
Vgl. Abbildung 4–13.
Vgl. Moody’s Investors Service (Hrsg.), [Rating Methodology, 1999], S. 6.
Vgl. die Ausführungen in Abschnitt 4.3.3.
Vgl. sinngemäß hierzu auch: Overbeck, Ludger, [Die Portfolioversion des Asset-Value-Modells, 1999], S. 107.
Auch eine direkte Modellierung der Ausfallwahrscheinlichkeit in Abhängigkeit von bonitätsrelevanten Merkmalen führt zu vergleichbaren Deutungen.
Zum Konzept der diskreten Verweildauermodelle vgl. bspw.: Hamerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988].
Daneben sind noch weitere Ereignisse denkbar: Wird ein Unternehmen als Schuldner betrachtet, könnte man bspw. auf die Unternehmensgründung abstellen.
Vgl. Harnerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988], S. 18.
Vgl. Hamerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988], S. 19.
Vgl. Hamerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988], S. 20.
Vgl. Hamerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988].
Vgl. Hamerle, Alfred/Tutz, Gerhard, [Diskrete Modelle, 1988], S. 37.
Vgl. Shumway, Tyler, [Forecasting Bankruptcy More Accurately, 1999].
Unter statischen Modellen werden in diesem Kontext einperiodige Modelle verstanden.
Vgl. Shumway, Tyler, [Forecasting Bankruptcy More Accurately, 1999], S. 6.
Vgl. Tutz, Gerhard, [Analyse kategorialer Daten, 2000], S. 32.
Vgl. Fahrmeir, Ludwig/Hamerle, Alfred/Tutz, Gerhard, [Multivariate statistische Verfahren, 1996], S. 237ff.
Vgl. Tutz, Gerhard, [Analyse kategorialer Daten, 2000], S. 32.
Vgl. Black, F./ Scholes, M., [The Pricing of Options and Corporate Liabilities, 1973].
Vgl. Merton, Robert, [Pricing of Corporate Debt, 1974].
Vgl. Oehler, Andreas,’ Unser, Matthias, [Finanzwirtschaftliches Risikomanagement, 2000], S. 276f.
Vgl. Merton, Robert, [Pricing of Corporate Debt, 1974], S. 450.
Vgl. Kiesel, Rüdiger/Schmid, Bernd, [Aspekte der Modellierung von Ausfallwahrscheinlichkeiten, 2000], S. 62f.
Vgl. Kiesel, Rüdiger, Schmid, Bernd, [Aspekte der Modellierung von Ausfallwahrscheinlichkeiten, 2000], S. 62f.
Vgl. Crosbie, Peter J., [Modeling Default Risk, 1999], S. 12.
Vgl. Crosbie, Peter J., [Modeling Default Risk, 1999], S. 12.
Vgl. Longstaff, F.A./Schwartz, E.S., [Valuing Risky Fixed and Floating Rate Debt, 1995].
Vgl. Black, F./Cox, J.C., [Valuing Corporate Securities, 1976].
Im Sinne der Baseler Terminologie: „bedingte“ Einschätzung.
Vgl. hierzu auch: Kuck, Andre, [Berücksichtigung makroökonomischer Faktoren in Kreditrisikomodellen, 2000], S. 10f.
Vgl. Drukarczyk, Jochen, [Theorie und Politik der Finanzierung, 1993], S. 85.
Vgl. hierzu die Ausführungen in: Drukarczyk, Jochen, [Theorie und Politik der Finanzierung, 1993], S. 89.
Vgl. Stein, Roger M, [Incompleteness of Merton-type Structural Models, 2000].
Vgl. Sobehart, Jorge R./Keenan, Sean C., [Introduction to Market-Based Credit Analysis, 1999].
Vgl. Jarrow, R. A./Turnbull, S. M. [Intersection of Market and Credit Risk, 1998], S. 10.
Duffle, D./Singleton, K.J., [Econometric Model, 1997]; Duffle, D./Singleton, K.J., [Modeling Term Structures of Defaultable Bonds, 1999]; Jarrow, R. A./Turnbull, S. M. [Pricing Derivatives, 1995]; Jarrow, R. A./Lando, D./Turnbull, S. M. [A Markov Model, 1997]; Lando, D. [On Cox Cox Processes and Credit Risky Securities, 1994].
Vgl. hierzu bspw.: Kiesel, Rüdiger/Schmid, Bernd, [Aspekte der Modellierung von Ausfallwahrscheinlichkeiten, 2000], S. 64f.
In diesem Zusammenhang wird oftmals auf einen Cox/Ingersoll/Ross (CIR-) Prozeß zurückgegriffen (vgl. Kiesel, Rüdiger/Schmid, Bernd, [Aspekte der Modellierung von Ausfallwahrscheinlichkeiten, 2000], S. 65.).
Vgl. Schmid, Bernd/Zagst, Rudi, [A Three-Factor-Defaultable Term Structure Model, 1999].
Eine weitere Möglichkeit der Schätzung der notwendigen Modellparameter ergibt sich durch Anpassung an historische Ausfalldaten.
Vgl. Fahrmeir, Ludwig/Hamerle, Alfred/Tutz, Gerhard, [Multivariate statistische Verfahren, 1996], S. 259.
Voraussetzung hierfür ist eine Veränderung der vernachlässigten Einflußgrößen im Zeitablauf.
Vgl. die Ausführungen in Abschnitt 4.3.3.
Vgl. Stein, Roger M, [Incompleteness of Merton-type Structural Models, 2000) bzw. Sobehart, Jorge R./Keenan, Sean C., [Introduction to Market-Based Credit Analysis, 1999].
Eine detaillierte Übersicht Ober die Ergebnisse finden sich in: Knapp, Michael, [Statistische Default-modelle und Ausfallkorrelationen, 2001].
Hinweise auf die in der Regel zeitverzögerte Wirkung makroökonomischer Größen auf die Insolvenzentwicklung finden sich in: Knapp, Michael/Hamerle, Alfred, [Multi-Faktor-Modell, 1999] bzw. Hamerle, Alfred/Knapp, Michael/Ott, Birgit/Schacht Guido, [Prognose und Sensitivitätsanalyse von Branchenrisiken, 1998].
Vgl. hierzu bspw.: Kaiser, Ulrich/Szczesny, Andrea, [Einfache ökonometrische Verfahren II, 2000].
Vgl. hierzu auch: Kuck, Andrè, [Berücksichtigung makroökonomischer Faktoren in Kreditrisikomodellen, 2000], S. 18.
Vgl. Kaiser, Ulrich/Szczesny, Andrea, [Einfache ökonometrische Verfahren II, 2000].
Als Zeiteffekte werden in diesem Zusammenhang jahresspezifische Dummy-Variablen verstanden.
Vgl. Lennox, Clive, [Identifying Failing Companies, 1999].
Auch in diese Studie gehen die Daten mehrerer Unternehmen Ober einen längeren Zeitraum ein. Eine Beobachtung entspricht auch hier einem „Unternehmensjahr“.
Vgl. hierzu bspw. Abbildung 4–13.
Man beachte die unterschiedliche Skalierung für die Ratingklassen I bzw. 2 bis 5.
Über die 1 000 Simulationsläufe.
Vgl. die Ausführungen in Abschnitt 4.2.2.
Man vgl. hierzu die Ergebnisse einer weiteren Simulationsstudie im Anhang A2.
Man vergleich hierzu Abbildung 4–13.
Vgl. Basel Committee on Banking Supervision, [Credit Risk Modelling, 19991, S. 28.
Vgl. hierzu auch: Kuck, André, [Berücksichtigung makroökonomischer Faktoren in Kreditrisikomodellen, 2000], S. 15.
Vgl. Moody’s Investors Services, [Rating Methodology, 1999], S. 6.
Zur Berechnung vgl. man die Ausführungen in Abschnitt 4.5.1.
Vgl. Moody’s Investors Service (Hrsg.), [Historical Default Rates, 2000].
Vgl. hierzu auch die Untersuchungen von Kuck in: Kuck, André, [Berücksichtigung makroökonomischer Faktoren in Kreditrisikomodellen, 2000], S. 14f.
So ergeben sich bspw. für die „Speculative Grade“-Risikoklassen von Moody’s für die Jahre 1997 bis 1999 eine durchschnittliche Ausfallrate von 3,65%, fIr die Jahre 1994 bis 1999 ein Wert von 2,97%, sowie 4,66% für den Zeitabschnitt 1990 bis 1999 (Vgl. Moody’s Investors Service (Hrsg.), [Historical Default Rates, 2000]).
Rights and permissions
Copyright information
© 2002 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Knapp, M. (2002). Zeitabhängige Modellierung der Ausfallwahrscheinlichkeiten. In: Zeitabhängige Kreditportfoliomodelle. Gabler Edition Wissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-11901-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-663-11901-2_4
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7508-7
Online ISBN: 978-3-663-11901-2
eBook Packages: Springer Book Archive