Skip to main content

Rating als Instrument zur Senkung der Kreditkosten von Unternehmen

  • Chapter
Book cover Optimale Fremdfinanzierung nach Basel II
  • 2352 Accesses

Auszug

Die Umsetzung von Basel II in die nationale Gesetzgebung wird vermutlich zu einer Spreizung zwischen Zinssätzen für sichere und ausfallrisikobehaftete Kredite führen, weil die Eigenkapitalunterlegungspflicht und damit die Kosten für Banken mit Zunahme des Ausfallrisikos steigen. Zur Einschätzung des unerwarteten Verlustes aus Krediten an den Mittelstand werden von den Banken vor allem interne Ratingverfahren Verwendung finden, da mittelständische Unternehmen aufgrund der hohen Kosten für externe Bonitätsbeurteilungen in der Regel keine externen Bonitätsbeurteilungen in Auftrag geben können. Zudem ist die Eigenkapitalbelastung der Banken für Kreditrisiken bei Anwendung eines internen Ansatzes geringer als bei Verwendung des Standardansatzes mit externen Ratingurteilen. Mit Hilfe von internen Ansätzen muß von den Banken im Rahmen einer Bonitätsanalyse vor allem die Ausfallwahrscheinlichkeit eines Kre dites geschätzt werden. Eine Erleichterung der Bestimmung von Ausfallwahrscheinlichkeiten wird durch die Verwendung von Bonitätsklassen erreicht; Kreditnehmer mit ähnlichem Bonitätsurteil werden derselben Bonitätsklasse zugeordnet. Die anhand historischer Daten ermittelte durchschnittliche Ausfallwahrscheinlichkeit einer Ratingklasse wird jedem Kredit bzw. Unternehmen dieser Ratingklasse zugewiesen.

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

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 69.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 79.99
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.

Literaturverzeichnis

  1. Vgl. Poddig, T.; Oelerich, A. (2003). Seite 61.

    Google Scholar 

  2. Vgl. Basel Committee on Banking Supervision (2006).

    Google Scholar 

  3. Für das im Kreditrisikomanagement verwendete Ratingverfahren einer genossenschaftlichen Zentralbank vgl bspw. Düerkop, Carsten; Pagel, Dirk (2005), Seiten 1251 ff.

    Google Scholar 

  4. Die Gefahr der Unmöglichkeit von Zins-und Tilgung szahlungen entsteht vor allem durch die Streuung der Nettogeinne vor Steuern. Vgl. hierzu Schäfer, Henry (2002), Seiten 104 f.

    Google Scholar 

  5. Vgl. Wiegel, K.D. (1985), oder Schmoll Anton (2001), Seite 889.

    Google Scholar 

  6. Vgl. Hartmann-Wendels, Thomas; Pfingsten, Andreas; Weber, Martin (2000), Seite 151.

    Google Scholar 

  7. Vgl. Brakensiek, T. (1991), Seite 14.

    Google Scholar 

  8. Vgl. Hartmann-Wendels, Thomas; Pfingsten, Andreas; Weber, Martin (2000), Seite 151.

    Google Scholar 

  9. Vgl. Blattmann, Patrick A. (2000), Seiten 144–145, Müller-Masia, Christoph; Hahnenstein, Lutz; Holzberger, Harriet; Söhlke, Thomas (2005). Seite 71.

    Google Scholar 

  10. Rudolph, Bernd (1995), Seite 893 und die dort angegebene Literatur. Vgl. Berblinger, Jürgen (1996), Seite 34.

    Google Scholar 

  11. Vgl. Blaumann, Patrick A. (2000), Seite 148.

    Google Scholar 

  12. Für Zulassungskriterien für Ratingagenturen vgl. bspw. Hose, Christian (2002), Seite 71 f.

    Google Scholar 

  13. Vgl. Füser, Karsten (2001), Seite 37.

    Google Scholar 

  14. Vgl. Eigermann, Judith (2002), Seite 29 und die dort angegebene Literatur.

    Google Scholar 

  15. Vgl. Munsch, Michael; Weiß, Bernd; Rating (2001), Seite 11.

    Google Scholar 

  16. Vgl. Schierenbeek, Henner (1999), Seiten 253 ff.

    Google Scholar 

  17. Vgl. Hundt, L; Neitz, B.; Grabau, F. (2003), Seite 16 ff. Die Standards we rden hier nicht an geführt, da im folgenden insbesondere interne Ratingverfahren von Bedeutung sind.

    Google Scholar 

  18. Aus empirischen Studien ist ersichtlich, daß bereits die Berücksichtigung weniger Kennzahlen zu sehr guten Ergebnissen der Bonitätseinschätzung führen. Vgl. hierfür auch Baetge, J. (1994), Seiten 1–10, oder Oestereicher, A.; Piotrowski-Aller, S. (1996), Seiten 335–371. Der Beurteilungsprozeß von externen Ratingagenturen kann entnommen werden aus Baum, B. (1987), Seite 13.

    Google Scholar 

  19. Vgl. Everling, Oliver (1991), Seite 21.

    Google Scholar 

  20. Die Darstellung der Zuordnung von Ratingsymbolen zu Definitionen der Ratingklassen und deren Deutung der Risikosituation von Unternehmen wird häufig als Masterskala bezeichnet, Vgl. Everling, O. (2002), Seite 966 ff.

    Google Scholar 

  21. Vgl. Rösch, Daniel (2001), Seite 5.

    Google Scholar 

  22. Vgl. für die Berücksichtigung von zukunftsorien tierten Prognosedaten Bretschneider, Thomas; Reiss, Wolf-gang; Sehneider, Karen (2005), Seiten 8 ff.

    Google Scholar 

  23. Einen zusammenfassenden Überblick gibt unter anderem Füser, Karsten (2001), Seiten 54 ff.

    Google Scholar 

  24. Vgl. Rösch, Daniel (2001), Seite 6.

    Google Scholar 

  25. Die Verfähren zur Bestimmung de s Marktwertes von Unternehmen auf der Basis von zukünftigen Zahlungen sind zum einen das Ertragswertverfahren, zum andern die Discounted Cash Flow-Verfahren. Eine kurze Beschreibung wird im Kapitel zur Bestimmung des Kred itzinssatzes gegeben. Für eine formale Darstellung siehe auch Schönbucher, Philipp J. (2000) Seiten 21 f.

    Google Scholar 

  26. Vgl. Rösch, Daniel (2001), Seite 6; bzw. Rolfes, Bernd (1999), Seiten 337–339.

    Google Scholar 

  27. Vgl. Rolfes, Bernd (1999), Seite 356.

    Google Scholar 

  28. Zu den weiterführenden Modellen zählen die sogena nnten first generation struct ural form models und die second generation structural form models. Vgl. hierzu Altman, Edward; Resti, Adrea; Sironi Andrea (2002).

    Google Scholar 

  29. Vgl. Rolfes, Bernd (1999), Seiten 353 f.

    Google Scholar 

  30. Unter Ausfallintensität wird die durchschnittlich e Ausfallrate verstanden, i.d.R. gemessen als erwartete Anzahl von Ausfällen pro Jahr. Siehe bspw. Kiesel, Rüdiger; Schmid, Bernd, Seite 10.

    Google Scholar 

  31. Vgl. Rösch, Daniel (2001), Seite 6.

    Google Scholar 

  32. Wagner, Jörg (2002), Seite 9.

    Google Scholar 

  33. Vgl. Berblinger, Jürgen (1996), Seiten 64–65.

    Google Scholar 

  34. Vgl. Falkenstein, Erik; Boral, Andrew K.; Carty, Lea V. (2000), Seite 35.

    Google Scholar 

  35. Vgl. zu den Haftungsverhältnissen der Gesellsehaftsformen z.B.: Olfert, Klaus; Reichel, Christopher (2003).

    Google Scholar 

  36. Es sei hier darauf hingewiesen daß sich die verwendeten Kennzahlen von Bonitätsanalysen durch Jahresabschlußdaten zwischen verschiedenen Branchen unterscheiden. Vgl. hierzu Rüsberg, Lars (1992), Seiten 32 ff.

    Google Scholar 

  37. Vgl. hier und im folgenden Berblinger, Jürgen (1996), Seite 66. Risikoindikatoren können auch entnommen werden: Ewert, Ralf; Szczesny, Andrea (2002) Seite 576 ff.

    Google Scholar 

  38. Vgl. Berblinger, Jürgen (1996), Seiten 66–67.

    Google Scholar 

  39. Vgl. Grof, Erika (2002), Seite 111.

    Google Scholar 

  40. Coenenberg, Adolf G. (2005), Seiten 956 ff.

    Google Scholar 

  41. Vgl. Grof, Erika (2002), Seiten 112 f.

    Google Scholar 

  42. Einen umfassenden Überblick über Bilanzkennzahlen und die zu berechnenden Größen gibt unter an derem Coenenberg, Adolf G. (2005).

    Google Scholar 

  43. Vgl. Berblinger, Jürgen (1996), Seiten 67–68.

    Google Scholar 

  44. Vgl. Grunwald, Egon; Grunwald, Stephan (1999), Seite 73.

    Google Scholar 

  45. Eine Übersicht gibt beispielswei se Perridon, Lous; Steiner, Manfred (2004), Vgl. auch Wöhe, Günter; Bilstein, Jürgen (1998). Für einen umfassenden Kennzahlenkatalog vgl. auch Feidicker, Markus (1992), Seiten 58 ff. oder Hüls, Dagmar (1995), Seiten 75 ff., oder Coenenberg, Adolf G. (2005).

    Google Scholar 

  46. Vgl. Baetge, Jörg; Sieringhaus, Isabel (1996), Seite 225.

    Google Scholar 

  47. Vgl. Rolfes, Bernd (1999), Seite 341.

    Google Scholar 

  48. Vgl. Rolfes, Bernd (1999), Seite 338.

    Google Scholar 

  49. Vgl. Rolfes, Bernd (1999), Seite 338.

    Google Scholar 

  50. Zu umfangreichen Kennzahlenkatalogen vgl. Feidicker, Markus (1992), Seiten 58 ff. oder Hüls, Dagmar (1995), Seiten 75 ff.

    Google Scholar 

  51. Vgl. Standard and Poor’s (2002), Seiten 54 f.

    Google Scholar 

  52. Vgl. Baetge, Jörg; Sieringhaus, Isabel (1996), Seiten 223 f. Dicken, Andre Jacques (1997), Seite 60.

    Google Scholar 

  53. Darüber hinaus führt der Ei nsatz von mathematischen/statistischen Verfahren im Vergleich zur traditionellen Kreditwürdigkeitsprüfung zu einer kostengüns tigeren Ermittlung der Bonität. Vgl. auch Baetge, J. (1998), Seiten 751–758.

    Google Scholar 

  54. Vgl. Rolfes, Bernd (1999), Seite 338.

    Google Scholar 

  55. Vgl. Füser, Karsten (2001), Seite 88.

    Google Scholar 

  56. Vgl. Rolfes, Bernd (1999), Seite 339.

    Google Scholar 

  57. Erstmals wurde das Verfahren 1968 von Altman für die Klassifikation von solventen und insolventen Unternehmen eingesetzt. Vgl. Altman, E. I. (1968), Seiten 589–609.

    Google Scholar 

  58. Vgl. zum Einbezug von qualitativ en Merkmalen Blochwitz, Stefan; Eigermann, Judith (2000), Seiten 58–73.

    Google Scholar 

  59. Vgl. Bleier, Ernst (1989), Seiten 175 f.

    Google Scholar 

  60. Vgl. Rolfes, Bernd (1999), Seite 344. Vgl. für die formale Aufstellung des Diskriminanzkriteriums Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff; Weiber, Rolf (1996), Seite 99 f.

    Google Scholar 

  61. Vgl. Baetge, Jörg; Sieringhaus, Isabel (1996), Seiten 229–231.

    Google Scholar 

  62. Vgl. Fahrmeir, Ludwig; Häußler, Walter; Tutz, Gerhard (1996), hier Seite 379. Feilmeier, M.; Fergel, L.; Segerer, G. (1981), Seite B26.

    Google Scholar 

  63. Vgl. Grunwald, Egon; Grunwald, Stephan (1999), Seite 105.

    Google Scholar 

  64. Vgl. Oehler, Andreas; Unser, Matthias (2002), Seite 237.

    Google Scholar 

  65. Vgl. Oehler, Andreas; Unser, Matthias (2002), Seite 237.

    Google Scholar 

  66. Vgl. Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff; Weiber, Rolf (1996), Seite 95.

    Google Scholar 

  67. Vgl. Niehaus, Hans-Jürgen (1987), Seite 88.

    Google Scholar 

  68. Für ein künstliches neuronales Netzwerk vgl. bspw. das Modell BP-14 von Baetge, Jörg; Jerschensky, Andreas (1999).

    Google Scholar 

  69. Vgl. unter anderem Wittkemper, H.-G. (1994), Seite 11, oder Füser, K. (1995), Seite 11.

    Google Scholar 

  70. Vgl. Zell, A. (1996), Seite 73 f.

    Google Scholar 

  71. Vgl. Rolfes, Bernd (1999), Seite 349.

    Google Scholar 

  72. Vgl. Füser, Karsten (2001), Seite 70.

    Google Scholar 

  73. Für den genauen Ablauf der Verarbeitung der Daten vgl. beispielsweise Füser, K. (1995).

    Google Scholar 

  74. Vgl. Anders, U. Szczesny, A. (1996), Seite 5.

    Google Scholar 

  75. Vgl. Seimes, Andreas (2002), Seite 147.

    Google Scholar 

  76. Vgl. Carstens, Christoph (2001), Seite 80.

    Google Scholar 

  77. Vgl. Füser, Karsten (2001), Seiten 69 f.

    Google Scholar 

  78. Vgl. Schüler, Thorsten (2002), Seite 96, oder Pytlik, Martin (1995), Seite 121.

    Google Scholar 

  79. Vgl. Oehler, Andreas; Unser, Matthias (2002), Seiten 237–238.

    Google Scholar 

  80. Vgl. hierfür und im folgenden Kaiser, Ulrich; Szczesny, Andrea (2002), Seiten 364 ff.

    Google Scholar 

  81. Für die Schätzung der Koeffizienten der Regressionsverfahren siehe bspw. Fahrmeir, Ludwig; Hamerle, Alfred (1996), Seite 59 ff. Einen Überblick über Maximum-Likelihood-Methoden gibt bspw. Verbeek, M. (2000). Das Verfahren soll hier nicht weiter dargestellt werden, da für das Modell zur Bewertung der Finanzstruktur der Unternehmen keine Regressionsanalysen verwendet werden soll.

    Google Scholar 

  82. Press, S. James; Wilson, Sandra (1978), S. 699–705.

    Google Scholar 

  83. Vgl. für ein Instrumentarium zum regelmäßigen Qualitätscheck bspw. Henking, Andreas; Hüls, Ralf; Krieger, Stefan (2005), Seiten 57 ff.

    Google Scholar 

  84. Es wird also danach gefragt, ob gemessen wurde, was gemessen werden sollte, Vgl. Schneck, Ottmar (1998), Seite 730.

    Google Scholar 

  85. Vgl. o. V. (2003), Seite 61.

    Google Scholar 

  86. Vgl. unter anderem Hamerle, Alfred; Rösch, Daniel (2005), Seite 15, oder Krämer, Walter (2003), Seiten 395–410.

    Google Scholar 

  87. Vgl. Krahnen, Jan P.; Weber, Martin (2001), Seite 14.

    Google Scholar 

  88. Vgl. Norden, Lars; Weber, Martin (2005), Seite 41.

    Google Scholar 

  89. Vgl. IKE Nr. 503.

    Google Scholar 

  90. Vgl. Baetge, Jörg; Baetge, Kai; Kruse, Ariane (2001), Seite 987f.

    Google Scholar 

  91. Vgl. Rolfes, Bernd (1999), Seite 344, oder Dittmar, Thomas; Steiner, Manfred (2000), Seite 439.

    Google Scholar 

  92. Vgl. Dittmar, Thomas; Steiner, Manfred (2000), Seite 439. Die jeweiligen Vor-und Nachteile von Zielvorgaben für Unternehmen und die Vorgehensweise können der Literatur entnommen werden. Vgl. dazu Buchner (1985), Seite 311, Gebhardt (1980), Seite 205 f. und Feidicker, Markus (1992), Seite 197 ff.

    Google Scholar 

  93. Vgl. bspw. Oehler, Andreas; Unser, Matthias (2002), Seite 236.

    Google Scholar 

  94. Vgl. auch Blochwitz, Stefan; Hamerle, Alfred; Hohl, Stefan; Rauhmeier, Robert; Rösch, Daniel (2004), Seiten 1275–1278.

    Google Scholar 

  95. Vgl. bspw. O. V. (2003), Seiten 61–74. Zur Interpretation der Kennzahlenwerte und für charakteristische Werte vgl. bspw. Hoock, Reiner; Lammer, Markus www.agrarverlag.at/raiffeisenblatt/401082.html (Stand 03.05.06) Parchert spricht von benötigten Gini-Koeffizienten in Höhe von mindestens 70% für eine gute Trennfähigkeit. Vgl. Parchert, Ronny (2005), Seiten 363–382. Insbesondere für die Ermittlung der Kennzahl AUC vgl. Engelmann, Bernd; Hayden, Evelyn; Tasche, Dirk (2003), Seite 9–10. Durch die beiden Kennzahlen können Ratingsysteme lediglich nach der Trennschärfe geordnet werden. Eine exakte Prognose der Ausfallwahrscheinlichkeiten ist nicht möglich. Vgl. hierzu Krämer, Walter, Seite 9.

  96. Vgl. für Anwendungen der verschiedenen Verfahren z.B. Grunert, Jens; Noreden, Lars; Weber, Martin (2005), Seiten 509–531, oder Frerichs, Hergen; Wahreburg, Mark (2003), oder Güttler, Andre; Krämer, Walter (2003).

    Google Scholar 

  97. Vgl. Krämer, Walter, Seite 11.

    Google Scholar 

  98. Vgl. Krämer, Walter, Seite 11.

    Google Scholar 

  99. Vgl. o.V. Krämer, Walter, (2003), Seite 68.

    Google Scholar 

  100. Vgl. hierzu Bühler, Wolfgang; Engel, Christoph; Korn, Olaf; Stahl, Gerhard (2002), Seiten 181–217.

    Google Scholar 

  101. Vgl. Meyer zu Selhausen, Hermann (2004), Seite 771.

    Google Scholar 

  102. Vgl. Meyer zu Selhausen, Hermann (2004), Seite 776.

    Google Scholar 

  103. Vgl. Graw, Henning; Keller, Claus Ulrich (2004), Seite 29, oder Ammann, H.; Müller, S. (2004), Seite 279.

    Google Scholar 

  104. Einen Überblick über von Unternehmen als wich tig erachteten Maßnahmen zur Ratingverbesserung gibt bspw. Müller, Stefan; Brackschulze, Kai; Ordemann, Tammo (2005), Seite 129.

    Google Scholar 

  105. Vgl. für Anreize der Unternehmen für die Kenntnis von Ratingkriterien z.B. Hofmann, Gerhard (2004), Seite 575.

    Google Scholar 

  106. Vgl. Thießen, Friedrich (2004), Seite 573. Indikatoren für ergebnisverbessernde Bilanzierungsmaßnahmen finden sich in Graw, Henning; Keller, Claus Ulrich (2004), Seiten 27–31.

    Google Scholar 

  107. Vgl. Thießen, Friedrich (2004), Seite 573.

    Google Scholar 

  108. Vgl. Altman, E.; Saunders, A. (1998), Seiten 1721–1742.

    Google Scholar 

  109. Vgl. Anders, U.; Szezesny, A. (1998), Seiten 892–915.

    Google Scholar 

  110. Vgl. Anders, U.; Szezesny, A. (1998), Seite 903.

    Google Scholar 

  111. Vgl. für andere Untersuchungen zur Trennungsqualität von unterschiedlichen Verfahrensarten beispielhaft Odom, Marcus; Ramesh, Sharda (1990), Seiten 16 3–167 (MDA 74,5%, neu ronales Netzwerkmodell 81,8%), oder Baetge, Jörg (1994), Seiten 4–25 (neuronales Netzwerk 74,4–76,1%), oder Pytlik, Martin (1995) (MDA 77,2%, neuronales Netzwerk zwischen 76,3 und 88,8%).

    Google Scholar 

  112. Vgl. Goldbach, K.; Grabau, F.-R., Hundt, I.; Neitz, B. (2002).

    Google Scholar 

  113. Vgl. für ein beispielhaftes Ratingverfahren für mittelständische Unternehmen Hartmann-Wendels, Thomas; Lieberoth-Leden, Axel; Mählmann, Thomas; Zunder, Ingo (2005), Seiten 1–29.

    Google Scholar 

  114. Vgl. Altman, E.; Saunders, A. (1998), Seiten 1721–1742.

    Google Scholar 

  115. Vgl. Füser, Karsten (2001), Seite 63.

    Google Scholar 

Download references

Rights and permissions

Reprints and permissions

Copyright information

© 2008 Betriebswirtschaftlicher Verlag Dr. Th. Gabler | GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

(2008). Rating als Instrument zur Senkung der Kreditkosten von Unternehmen. In: Optimale Fremdfinanzierung nach Basel II. Gabler. https://doi.org/10.1007/978-3-8349-9690-9_4

Download citation

Publish with us

Policies and ethics