Risikovorsorge nach Kriterien gemäß IFRS 9 - msgGillardon AG
Risikovorsorge nach Kriterien gemäß IFRS 9 - msgGillardon AG
Risikovorsorge nach Kriterien gemäß IFRS 9 - msgGillardon AG
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
G 59071<br />
09 . 2013<br />
IRB-konformes LGD-Modell<br />
<strong>Risikovorsorge</strong> <strong>nach</strong><br />
<strong>Kriterien</strong> <strong>gemäß</strong> <strong>IFRS</strong> 9<br />
Inhalt<br />
1, 6 <strong>Risikovorsorge</strong> <strong>nach</strong> <strong>Kriterien</strong><br />
<strong>gemäß</strong> <strong>IFRS</strong> 9<br />
3 Standpunkt, Kurz & Bündig<br />
12 Buchbesprechung<br />
13 Kreditportfoliosysteme unter<br />
Säule 2 von Basel III<br />
17 Wege zu einem integrierten<br />
Risikomanagement<br />
21 SEPA im Risikomanagement<br />
25 Solvency II: Die Luft ist raus<br />
27 Personalien<br />
30 Produkte & Unternehmen<br />
32 Impressum<br />
Die derzeit in Diskussion stehenden Anforderungen zur Bildung der<br />
<strong>Risikovorsorge</strong> <strong>gemäß</strong> <strong>IFRS</strong> 9 – auch bekannt unter dem Stichwort Impairment<br />
– werden künftig voraussichtlich zu einer Vielzahl an Fragestellungen<br />
führen, die in Abhängigkeit der vorliegenden Daten und der<br />
zugrundeliegenden Prognosemodelle verschiedene Lösungsszenarien<br />
beinhalten können. Hierbei steht vor allem eine konsistente Verwendung<br />
der Eingangsgrößen zur Ermittlung des erwarteten Verlusts unter Berücksichtigung<br />
verschiedenster Anforderungen aus Rechnungslegung sowie<br />
Bankenregulierung im Vordergrund.<br />
Angesichts der Vielzahl an Modellen,<br />
die kapitalmarktorientierte Kreditinstitute<br />
zur Erfüllung der unterschiedlichen<br />
Anforderungen einsetzen, erscheint<br />
es wünschenswert, jenes durch Kopplung<br />
von Gemeinsamkeiten und explizite Modellierung<br />
von Unterschieden vorhandene<br />
Optimierungspotenzial auszuschöpfen.<br />
Nachfolgend wird anhand eines Praxisbeispiels<br />
ein Lösungsansatz vorgestellt, wie<br />
aus einem IRB-konformen Verlustquotenschätzer<br />
ein adäquates <strong>IFRS</strong>-konformes<br />
Prognosemodell für ein Mengengeschäftsportfolio<br />
abgeleitet werden kann.<br />
In vielen Unternehmen bzw. Finanzinstituten<br />
befinden sich bereits heute<br />
ausgefeilte Modelle zur Messung und<br />
Steuerung der Kreditrisiken im Einsatz,<br />
die allgemein als Adressrisikoparameter<br />
(hierbei sind insbesondere Verfahren zur<br />
Prognose von Ausfallwahrscheinlichkeiten<br />
Fortsetzung auf Seite 6<br />
Anzeige<br />
Menschen beraten, Ideen realisieren.<br />
Zukunftsweisendes Know-how für Ihr erfolgreiches<br />
Adress- und Spreadrisikomanagement<br />
Seminar: Adress- und Spreadrisiken – Die wesentlichen Ergebnistreiber für Banken<br />
vom 24. bis 26. Juni 2013 in Hannover<br />
Seminar: Adressrisikoparameter PD, LGD und CCF – Aufsichtsrechtliche Anforderungen<br />
und Verfahren zur Schätzung und Validierung vom 3. bis 5. September 2013 in Hannover<br />
> www.msg-gillardon.de/seminare
6 Ausgabe 09/2013<br />
Fortsetzung von Seite 1 Controlling und Rechnungswesen erreicht<br />
t Gleichung 01<br />
(PD), Verlustquoten (LGD) und Kreditkonversionsfaktoren<br />
(CCF) zu nennen)<br />
bezeichnet werden. Aus diesen Komponenten<br />
wird unter Berücksichtigung der<br />
Forderungshöhe der erwartete Verlust<br />
bzw. der Expected Loss (EL), beispielsweise<br />
eines Kreditportfolios, ermittelt. Weiterhin<br />
stellen diese eine wesentliche Grundlage<br />
für die Unternehmenssteuerung und das<br />
Risikomanagement dar.<br />
Als Basisrestriktionen für deren Ermittlung<br />
sind bei Finanzinstituten die regulatorischen<br />
Anforderungen (die Anforderungen<br />
sind in der Solvabilitätsverordnung<br />
bzw. künftig in der Capital Requirements<br />
Directive bzw. der Capital Requirements<br />
Regulation, CRD IV/CRR, explizit formuliert)<br />
einzuhalten. Dies gilt insbesondere<br />
für Institute, die ihre Eigenkapitalunterlegung<br />
bzw. die risikogewichteten Aktiva<br />
(RWA) unter Anwendung des IRB-Ansatzes<br />
bestimmen.<br />
Die Herausforderung entsteht im Moment<br />
dadurch, dass sich die Anforderungen<br />
an die Ermittlung des EL der Rechnungslegung<br />
(<strong>IFRS</strong> 9) und diejenigen der<br />
Bankenregulierung (SolvV/CRD IV/CRR)<br />
in vielen Aspekten grundlegend unterscheiden.<br />
Allerdings befinden sich insbesondere<br />
die Vorgaben zur Quantifizierung<br />
der <strong>Risikovorsorge</strong> <strong>nach</strong> <strong>IFRS</strong> 9 noch in<br />
weitreichender Diskussion (als Folge der<br />
Finanzmarktkrise beschäftigte sich das International<br />
Accounting Standards Board<br />
mit der Fragestellung, welches Kreditrisikovorsorgemodell<br />
den Nachteil der Prozyklizität<br />
des bisher <strong>nach</strong> <strong>IFRS</strong> vorgeschriebenen<br />
Incurred Loss Model reduzieren<br />
kann, woraus im Exposure Draft 2009/12<br />
der Vorschlag der sogenannten Expected<br />
Loss Impairment Method resultierte. Bis<br />
heute wurden dazu weitere Vorschläge zur<br />
Konsultation gestellt, unter anderem auch<br />
im Juni 2011 der Three-Bucket-Approach.<br />
Hierzu existiert eine Vielzahl an weiterführender<br />
Literatur, auf die an dieser Stelle<br />
verwiesen wird), so dass bis dato noch kein<br />
abschließendes Ergebnis erzielt werden<br />
konnte.<br />
werden. Dies ist jedoch nur dann möglich,<br />
wenn trotz unterschiedlicher Vorgaben beide<br />
Sichtweisen auf vergleichbaren bzw.<br />
ineinander überführbaren Eingangsgrößen<br />
basieren.<br />
Während für den Risikoparameter PD<br />
vor allem der Risikohorizont – ein Jahr<br />
oder Gesamtlaufzeit – relevant ist, zeigen<br />
sich beim LGD vor allem methodische<br />
Unterschiede bei der Bestimmung der realisierten<br />
Verlustquote (die realisierte Verlustquote<br />
entspricht der tatsächlich ermittelten<br />
und wird in der Literatur unter anderem<br />
auch als empirische, historische oder<br />
auch ex post Verlustquote bezeichnet), die<br />
einen elementaren Einfluss auf das spezifische<br />
Prognosemodell ausüben. Gerade<br />
anhand des vorliegenden Beitrags lassen<br />
sich die divergierenden Vorgaben sowie<br />
mögliche Lösungsansätze anschaulich demonstrieren.<br />
Zentrale regulatorische<br />
Anforderungen im Vergleich<br />
Der LGD prognostiziert generell den Anteil<br />
des Verlusts eines Vertrags bzw. eines<br />
Schuldners infolge eines Ausfalls gemessen<br />
an der Inanspruchnahme zum Ausfallzeitpunkt<br />
(diese Größe wird auch als Exposure<br />
at Default bezeichnet). Grundsätzlich<br />
existieren verschiedene methodische Ansätze<br />
zur Schätzung einer geeigneten Verlustquote,<br />
wobei im vorliegenden Beitrag<br />
diese Quote als Workout-LGD ermittelt<br />
wird und als Zielgröße direkt die Prognose<br />
einer Verlustquote erfolgt. Ausgangsbasis<br />
ist hierbei die realisierte Verlustquote<br />
(<strong>nach</strong>folgend als RLGD bezeichnet), die<br />
sich aus Exposure at Default (EAD) sowie<br />
einer Menge an mit einem Diskontfaktor<br />
DF versehenen Zahlungsströmen CF<br />
(beispielsweise Rückflüsse aus Sicherheiten<br />
oder Belastungen von direkten<br />
sowie gegebenenfalls indirekten Kosten)<br />
wie in t Gleichung 01 berechnen lässt<br />
(im hier dargestellten Beispiel sind annahme<strong>gemäß</strong><br />
nur Ausfälle integriert, die<br />
bereits beispielsweise durch Gesundung<br />
oder Abwicklung bzw. Ausbuchung beendet<br />
worden sind).<br />
Konkret ermittelt wird dabei der relative<br />
Verlust in Relation zum EAD, den der Kreditgeber<br />
durch das Eintreten eines Ausfalls<br />
erleidet. Sowohl im Fall eines LGD <strong>nach</strong><br />
<strong>IFRS</strong> als auch <strong>nach</strong> IRB wird die Höhe der<br />
realisierten Verlustquote wesentlich durch<br />
die Besicherung des Vertrags sowie die<br />
Werthaltigkeit und Anrechenbarkeit von<br />
Sicherheiten beeinflusst. Dies begründet<br />
grundsätzlich die gemeinsame Betrachtung<br />
beider Größen. Allerdings weisen<br />
die Anforderungen der Rechnungslegung<br />
bzw. der Bankenaufsicht – hier speziell<br />
<strong>gemäß</strong> IRB – wesentliche Unterschiede<br />
in Bezug auf den LGD auf (weitere Abweichungen<br />
werden aus Gründen einer<br />
übersichtlichen Darstellung an dieser<br />
Stelle nicht aufgeführt, da diese auch im<br />
weiteren Verlauf bei der Darstellung des<br />
Lösungsszenarios ver<strong>nach</strong>lässigbar sind,<br />
siehe t Tabelle 01).<br />
Es ist offensichtlich, dass sich allein auf<br />
Basis der divergierenden Anforderungen<br />
als Konsequenz bereits die Ermittlung des<br />
realisierten LGD rein kalkulatorisch unterscheiden<br />
muss. Dies gilt für die Diskontierung<br />
der Zahlungsströme ebenso wie<br />
für die Berücksichtigung von indirekten<br />
Verwertungskosten (bei den indirekten<br />
Kosten handelt es sich um sämtliche interne<br />
Kosten, die durch einen Ausfall induziert<br />
werden, dass heißt beispielsweise die<br />
Bearbeitung des Ausfalls im Mahn- oder<br />
Verwertungsprozess durch entsprechende<br />
interne Abteilungen. Vorwiegend handelt<br />
es sich hierbei um Personal- und Sachkosten,<br />
die aus Sicht der Rechnungslegung<br />
bereits in anderen Bilanzpositionen subsumiert<br />
sind). Während die Auswirkung<br />
durch die Verwendung des Effektivzinssatzes<br />
anstatt eines risikofreien Zinssatzes<br />
Dennoch kann bereits auf den existierenden<br />
Konsultationspapieren bzw. den<br />
t Tab. 01<br />
Unterschiedliche Anforderungen für Verlustquoten <strong>nach</strong><br />
Aufsichtsrecht und Rechnungslegung<br />
darin formulierten Anforderungen aufgesetzt<br />
werden, da generell eine Harmonisierung<br />
aus Rechnungslegung und Bankenregulierung<br />
Thema Aufsichtrecht (SolvV) Rechnungslegung (<strong>IFRS</strong>)<br />
im Hinblick auf die Steu-<br />
Diskontierung Risikofreier Zins + Spread Effektivzins des Vertrags<br />
erungswirkung angestrebt wird. Somit soll<br />
implizit eine Konvergenz zwischen Risiko-<br />
Kosten Direkte + indirekte Kosten Nur direkte Kosten
7<br />
inklusive Spread im vorliegenden Fall eher<br />
eine untergeordnete Rolle spielt, führt die<br />
Berücksichtigung von indirekten Kosten<br />
häufig zu deutlich höheren Verlustquoten<br />
<strong>gemäß</strong> SolvV im Vergleich zu denjenigen<br />
im <strong>IFRS</strong>-Kontext.<br />
Bei der Entwicklung entsprechender<br />
Prognosemodelle für den LGD stellt die<br />
realisierte Verlustquote die abhängige Variable<br />
dar, die durch eine Kombination<br />
aus unsystematischen und systematischen<br />
Risikotreibern möglichst exakt approximiert<br />
werden soll. Modelle dieser Art<br />
müssen in Bezug auf die quantitativen<br />
Anforderungen trennscharf, stabil sowie<br />
angemessen kalibriert sein [in Abhängigkeit<br />
des zugrunde liegenden Portfolios, der<br />
Anzahl an verfügbaren Datensätzen sowie<br />
deren Qualität sind sehr unterschiedliche<br />
Modellierungsansätze denkbar. Als<br />
mögliches Beispiel für ein Retail-Portfolio<br />
sei an dieser Stelle verwiesen auf Mach/<br />
Schlottmann 2008]. Werden diese Modelle<br />
im IRB-Ansatz zur Eigenkapitalunterlegung<br />
verwendet, so sind alle genannten<br />
Anforderungen zwingend zu erfüllen und<br />
werden entsprechend durch die Bankenaufsicht<br />
geprüft.<br />
Daher ist es wünschenswert, angesichts<br />
des hohen Entwicklungsaufwands<br />
IRB-konformer Modelle, entsprechende<br />
Synergien im Hinblick auf die Verlustquotenprognose<br />
der Rechnungslegung zu heben.<br />
Aufgrund der unterschiedlichen Anforderungen<br />
erscheint dies auf den ersten<br />
Blick kaum möglich, ohne entweder erhebliche<br />
Vereinfachungen und damit eventuell<br />
einhergehende Ungenauigkeiten in<br />
Kauf zu nehmen oder parallel ein zusätzliches,<br />
separates Modell zur Abdeckung<br />
der <strong>IFRS</strong>-Spezifika zu entwickeln, was in<br />
der Konsequenz dazu führt, dass ein signifikant<br />
höherer Aufwand anfällt. Beide<br />
Möglichkeiten sind nur eingeschränkt praxistauglich,<br />
so dass ein alternativer Ansatz<br />
vorteilhafter erscheint.<br />
Lösungsansatz<br />
Ausgangspunkt der im Folgenden skizzierten<br />
Überlegungen ist das LGD-Modell,<br />
das für ein Retailportfolio zum Zwecke<br />
der Eigenkapitalunterlegung <strong>nach</strong> dem<br />
IRB-Ansatz entwickelt wurde – <strong>nach</strong>folgend<br />
als IRB-LGD bezeichnet. Hierbei<br />
wurden sämtliche aufsichtsrechtliche<br />
Anforderungen <strong>gemäß</strong> SolvV berücksichtigt,<br />
dass heißt das Modell besteht aus<br />
unterschiedlichen Einzelkomponenten, die<br />
Standardisierter Vogehensprozess für die Entwicklung<br />
von Modellen für Adressrisikoparameter<br />
separat konzipiert wurden. Bereits beim<br />
Modelldesign wurde auf einen möglichst<br />
modularen Aufbau geachtet, um auch den<br />
Rechnungslegungsanforderungen <strong>gemäß</strong><br />
<strong>IFRS</strong> gerecht zu werden – im weiteren<br />
Verlauf als <strong>IFRS</strong>-LGD bezeichnet. Die<br />
einzelnen Module berücksichtigen dabei<br />
insbesondere<br />
• Besicherungsarten,<br />
• Ausfallbeendigungszustände,<br />
• Sicherheitsspannen für Schätzfehler,<br />
• das Risiko eines wirtschaftlichen Abschwungs,<br />
• das Risiko von Marktwertveränderungen<br />
während der Abwicklung und<br />
• Spezialfälle<br />
sowohl für nicht-ausgefallene als auch für<br />
ausgefallene Forderungen in Anlehnung<br />
an die Anforderung eines „besten Schätzers“<br />
<strong>gemäß</strong> § 132 (9) SolvV. Darüber hinaus<br />
wurde die realisierte Verlustquote<br />
RLGD streng <strong>nach</strong> den jeweiligen Vorgaben<br />
<strong>gemäß</strong> IRB und <strong>IFRS</strong> separat ermittelt,<br />
um daraus bereits die Unterschiede<br />
quantitativ bestimmen zu können.<br />
Aufgrund der Tatsache, dass die Anforderungen<br />
an eine IRB-LGD durch das Aufsichtsrecht<br />
seit längerem bekannt sowie<br />
klar spezifiziert sind und deren Erfüllung<br />
auch einer intensiven Prüfung unterzogen<br />
ist, wurde dieses Modell im ersten Schritt<br />
als führend definiert. Die parallele Entwicklung<br />
eines Modells zur Bestimmung<br />
der <strong>IFRS</strong>-LGD wurde als nicht zielführend<br />
t Abb. 01<br />
erachtet, da vor allem eine konsistente Anwendung<br />
der Verlustquotenprognose über<br />
diverse Einsatzgebiete hinweg im Fokus<br />
stand. Fachlicher Hintergrund ist die Erkenntnis,<br />
dass grundsätzlich dieselben Risikotreiber<br />
die Höhe einer Verlustquote determinieren,<br />
unabhängig davon ob die Prognose<br />
zur Bildung der Risiko vorsorge oder<br />
zur Eigenkapitalunterlegung Anwendung<br />
findet. Die Entwicklung des IRB-LGD-Modells<br />
folgte dabei einem standardisierten<br />
Vorgehensprozess <strong>gemäß</strong> t Abb. 01 mit<br />
den Schritten 1 bis 6, der als weitgehend<br />
allgemeingültig angesehen werden kann.<br />
Nach Schätzung und Finalisierung<br />
des IRB-LGD-Modells werden, basierend<br />
auf dessen Ergebnissen, mit Hilfe einer<br />
Überleitungsfunktion die <strong>IFRS</strong>-Vorgaben<br />
integriert. Durch diesen zweistufigen Ansatz<br />
mittels geeigneter Transformation der<br />
IRB-LGD werden potenzielle modellimmanente<br />
Widersprüche von vorneherein<br />
eliminiert und es verbleibt lediglich die<br />
Entwicklung einer geeigneten sowie passenden<br />
Überführungsfunktion. Ziel ist es,<br />
somit auf Basis derselben Datengrundlage<br />
und identifizierten Risikotreibern ein<br />
konsistentes Verlustquotenprognosemodell<br />
für alle Einsatzgebiete zur Verfügung<br />
zu stellen. Dabei ist vor allem das methodische<br />
Vorgehen zur Bestimmung der<br />
Überleitungsfunktion entscheidend, wobei<br />
dieses natürlich stark von den Voraussetzungen<br />
und Gegebenheiten des zugrunde<br />
liegenden Portfolios sowie des Modellansatzes<br />
für die IRB-LGD abhängig ist.
8 Ausgabe 09/2013<br />
Methodisches Vorgehen<br />
Vergleich von IRB- und <strong>IFRS</strong>-RLGD<br />
Das zugrunde liegende, im ersten Schritt<br />
mit Fokus auf IRB-Anforderungen entwickelte<br />
LGD-Modell zur Verlustquotenprognose<br />
differenziert verschiedene<br />
Portfoliosegmente, für die jeweils separate<br />
Modellschätzungen erfolgen. Je Portfoliosegment<br />
werden dabei individuelle<br />
LGD-Schätzer für die möglichen Ausfallbeendigungszustände<br />
eines ausgefallenen<br />
Vertrags entwickelt und mit der jeweiligen<br />
Eintrittswahrscheinlichkeit gewichtet sowie<br />
mittels Erwartungswertansatz zu einer<br />
LGD-Prognose auf Vertragsebene aggregiert.<br />
Im zweiten Schritt ist darüber hinaus<br />
das Ziel, <strong>IFRS</strong>-konforme LGD-Prognosen<br />
als geeignete Risikoparameter für den internationalen<br />
Rechnungslegungsstandard<br />
als Modellergebnis zu generieren. Die<br />
anschließenden Ausführungen und Darstellungen<br />
zeigen dabei das grundlegende<br />
Prinzip anhand eines exemplarischen und<br />
repräsentativen Teilsegments des Gesamt-<br />
LGD-Modells.<br />
t Abb. 02 zeigt beispielhaft die möglichen<br />
auftretenden Konstellationen in der<br />
paarweisen Darstellung von Werten für die<br />
IRB- und <strong>IFRS</strong>-RLGD.<br />
Im dargestellten paarweisen Vergleich<br />
auf Einzelausfallebene ist eine deutliche<br />
Heterogenität der Beobachtungen ersichtlich,<br />
das heißt es sind sowohl ähnliche wie<br />
auch divergierende Tendenzen in der Beziehung<br />
zwischen den beiden realisierten<br />
RLGD-Größen zu beobachten. Eine detaillierte<br />
Betrachtung führt zu der Erkenntnis,<br />
dass bei einer Teilmenge der Beobachtungen<br />
eine relativ ähnliche Größenordnung<br />
vorliegt, allerdings im Falle geringer<br />
<strong>IFRS</strong>-RLGDs eine deutliche Streuung der<br />
entsprechenden IRB-RLGDs zu beobachten<br />
ist. Eine explizite Analyse der Ursachen ist<br />
somit für die weitere Vorgehensweise unerlässlich,<br />
wobei diese Treiber in zwei aufeinanderfolgenden<br />
Schritten identifiziert<br />
werden. Im ersten Schritt werden mit Hilfe<br />
einer Regressionsanalyse diejenigen Merkmale<br />
ermittelt, die durch die statistische<br />
Signifikanz bzw. Vorzeichen ihres Regressionskoeffizienten<br />
ein unterschiedliches<br />
Verhalten zwischen IRB- und <strong>IFRS</strong>-LGD<br />
aufzeigen. In einem weiteren, qualitativen<br />
Beurteilungsschritt, werden diese Informationen<br />
verdichtet und die Treiber hinter den<br />
Merkmalen identifiziert.<br />
Im konkreten Kontext zeigt sich, dass<br />
insbesondere das EAD eines Vertrags einen<br />
wesentlichen Einfluss auf die Differenz<br />
der beiden LGD-Größen ausübt. Einen<br />
ursächlichen Haupttreiber stellt dabei<br />
die Modellierung der indirekten Kosten<br />
dar, die den Ausfallverlaufsprozess und<br />
die Ausfalldauer als maßgebliche <strong>Kriterien</strong><br />
berücksichtigt. Auf Basis empirischer<br />
Analysen wird die These verifiziert, dass<br />
mit geringerem EAD eines Vertrags der<br />
relative Einfluss der indirekten Kosten auf<br />
die Differenz der beiden LGD-Größen ansteigt,<br />
was in Einklang zu der ex ante postulierten,<br />
fachlichen Erwartungshaltung<br />
steht. Während die Diskontierungseffekte<br />
einen eher geringen Einfluss auf die LGD-<br />
Differenzen besitzen, so führt die einseitige<br />
Berücksichtigung indirekter Kosten<br />
über den <strong>nach</strong>gewiesenen Zusammenhang<br />
mit dem EAD zu im Einzelfall erheblichen<br />
LGD-Unterschieden. Die Identifikation der<br />
indirekten Kosten als Haupttreiber für die<br />
Unterschiede der LGDs ermöglicht eine<br />
flexible Adjustierung der IRB-LGD-Werte.<br />
Als nächster Schritt zur Konstruktion einer<br />
geeigneten Überleitungsfunktion wird<br />
als Basis ein <strong>IFRS</strong>-Skalierungsfaktor für<br />
jede Beobachtung i ermittelt, der als Quotient<br />
aus <strong>IFRS</strong>-LGD und IRB-LGD definiert<br />
ist, wie t Gleichung 02 zeigt:<br />
t Abb. 02<br />
Dieser derart berechnete Skalierungsfaktor<br />
liegt erwartungs<strong>gemäß</strong> zwischen<br />
0 und 1, da üblicherweise der <strong>IFRS</strong>-LGD<br />
einen kleineren Wert aufweist als der IRB-<br />
LGD.<br />
Aufgrund der Analysen hinsichtlich der<br />
Abhängigkeit der divergierenden LGD-<br />
Größen von den indirekten Kosten sowie<br />
deren relativen Wirkung bezogen auf das<br />
EAD wird der Ansatz verfolgt, eine adäquate<br />
funktionale Beziehung zwischen dem<br />
Skalierungsfaktor und dem EAD herzustellen<br />
und die IRB-Prognose anhand dieser<br />
Funktion zu korrigieren. t Abb. 03 zeigt<br />
den Zusammenhang zwischen dem EAD<br />
und dem spezifischen Skalierungsfaktor,<br />
wobei zur besseren Darstellung Cluster<br />
gebildet wurden. Es wurden 20 Klassen<br />
gleicher Belegung gebildet, die anhand<br />
des EAD sortiert wurden. Der resultierende<br />
<strong>IFRS</strong>-Skalierungsfaktor je Klasse entspricht<br />
dem Mittelwert der Faktoren je<br />
Gruppe.<br />
t Abb. 03 zeigt einen nahezu monotonen<br />
sowie nicht-linearen Verlauf der Skalierungsfaktoren<br />
mit wachsendem EAD.<br />
Zur Bestimmung eines funktionalen<br />
Zusammenhangs zwischen Skalierungs-<br />
t Gleichung 02<br />
<strong>IFRS</strong> _ RLGDi<br />
<strong>IFRS</strong> _ Skalierungsfaktori<br />
=<br />
IRB _ RLGD<br />
i
9<br />
faktor und EAD wurde ein logarithmischer<br />
Ansatz gewählt, der insbesondere den<br />
abnehmenden Gradienten bei zunehmendem<br />
EAD in realistischer Form abbildet<br />
und gleichzeitig eine angemessene<br />
Skalierung des IRB-LGD im Bereich geringer<br />
EAD-Werte gewährleistet. Da der<br />
Wertebereich der Logarithmusfunktion<br />
nicht beschränkt ist, wurden alle Werte<br />
größer eins auf den Wert eins begrenzt.<br />
Diese Kappung steht im Einklang mit den<br />
beobachteten Werten und stellt somit keine<br />
Einschränkung der Methodik dar. Darüber<br />
hinaus wird der Skalierungsfaktor an<br />
dem kleinsten beobachteten Datenpunkt<br />
begrenzt.<br />
Im konkreten Fall wird der folgende<br />
funktionale Zusammenhang je Cluster<br />
j verwendet und entsprechend <strong>gemäß</strong><br />
t Gleichung 03 parametrisiert:<br />
Die funktionale Glättung ermöglicht<br />
somit einerseits die Ermittlung des <strong>IFRS</strong>-<br />
Skalierungsfaktors über den kompletten<br />
Wertebereich und erfüllt andererseits<br />
gleichzeitig die fachliche Erwartung eines<br />
streng monotonen Funktionsverlaufs, um<br />
den Anstieg der Skalierungsfaktoren bei<br />
zunehmendem EAD geeignet abzubilden,<br />
wie t Abb. 04 veranschaulicht.<br />
Die hohe Anpassungsgüte der Überleitungsfunktion<br />
wird durch ein Bestimmtheitsmaß<br />
– auch als R2 bezeichnet – von<br />
96,53% bestätigt (hierbei handelt es sich<br />
um ein normiertes Maß, das maximal den<br />
Wert 100 Prozent annehmen kann). Der<br />
identifizierte Zusammenhang ist in einem<br />
weiteren Schritt allerdings noch geeignet<br />
zu überprüfen, was mit Hilfe einer initialen<br />
Modellvalidierung auf einer separierten<br />
Stichprobe durchgeführt wurde.<br />
Im Rahmen dieser Validierung wurde<br />
der Nachweis der Eignung der Methodik<br />
bzw. die angemessene Funktionsfähigkeit<br />
des <strong>IFRS</strong>-Skalierungsfaktors erbracht. Ein<br />
sachgerechtes Validierungsvorgehen zur<br />
Analyse der Qualität der <strong>IFRS</strong>-Überleitung<br />
auf Basis von IRB-LGDs ist durch einen<br />
Abgleich der <strong>IFRS</strong>-LGD-Prognose und der<br />
<strong>IFRS</strong>-LGD-Realisation definiert. Aufgrund<br />
der gewählten und dargestellten Modellierungsmethodik<br />
ergibt sich die <strong>IFRS</strong>-LGD-<br />
Prognose im Einzelfall als Ergebnis der<br />
Multiplikation der entsprechenden IRB-<br />
LGD-Prognose mit dem <strong>IFRS</strong>-Skalierungsfaktor,<br />
der in Abhängigkeit des jeweiligen<br />
EAD spezifiziert ist. Der formale Zusammenhang<br />
für die Anwendung des Modells<br />
ergibt sich <strong>gemäß</strong> t Gleichung 04.<br />
Darstellung des Zusammenhangs zwischen EAD<br />
und <strong>IFRS</strong>-Skalierungsfaktor auf Clusterebene<br />
Ergebnis der funktionalen Glättung<br />
j<br />
t Abb. 03<br />
t Abb. 04<br />
t Gleichung 03<br />
( EADj<br />
) + b Störterm<br />
j<br />
<strong>IFRS</strong> _ Skalierungsfaktor = a ln +<br />
t Gleichung 04<br />
+ +<br />
( IRB _ LGD,<br />
EAD) , f ( R<br />
+ × R )<br />
<strong>IFRS</strong> _ LGD = f<br />
:<br />
R<br />
f IRB _ LGD,<br />
EAD = IRB _ LGD . a . ln EAD + b<br />
( ) ( ( ) )<br />
_<br />
mit
10 Ausgabe 09/2013<br />
t Abb. 04 zeigt das Validierungsergebnis<br />
in geclusterter Darstellung, wobei die<br />
Gruppierung anhand der <strong>IFRS</strong>-Prognose<br />
erfolgt und ein Vergleich der Mittelwerte<br />
von Prognosen und Realisationen je Gruppe<br />
dargelegt wird.<br />
Datenpunkte auf der Diagonalen entsprechen<br />
hierbei einer exakten Übereinstimmung<br />
von Verlustquoten für <strong>IFRS</strong>-Realisation<br />
und <strong>IFRS</strong>-Prognose, Datenpunkte<br />
oberhalb der Diagonalen weisen auf eine<br />
Unterschätzung der Prognose im Vergleich<br />
zur Realisation hin, wohingegen Datenpunkte<br />
unterhalb eine Überschätzung anzeigen.<br />
Zu jedem Cluster ist zusätzlich ein<br />
95%-Konfidenzintervall – in der Abbildung<br />
gestrichelt angegeben – integriert. Dieses<br />
berücksichtigt den potenziellen Schätzfehler<br />
unter Berücksichtigung der Anzahl an<br />
Beobachtungen. Die Darstellung basiert<br />
dabei auf IRB-LGD-Prognosen unter Anwendung<br />
eines Sicherheitsaufschlags und<br />
stellt somit eine tendenziell konservative<br />
Vorgehensweise dar.<br />
Das Ergebnis bestätigt, dass sich die gewählte<br />
Methodik der Überleitung der IRB-<br />
LGD-Prognosen mittels adäquater Transformationslogik<br />
als angemessen erweist,<br />
was sich zum einen im monotonen Verlauf<br />
der einzelnen Datenpunkte entlang<br />
der Diagonalen manifestiert. Zum anderen<br />
ist unmittelbar ersichtlich, dass sämtliche<br />
Konfidenzintervalle die je weiligen<br />
prognostizierten Werte ein schließen.<br />
Darüber hinaus wurde im Rahmen der<br />
initialen Validierung zusätzlich noch<br />
der Nachweis erbracht, dass die derart<br />
auf Einzelfallebene gebildeten <strong>IFRS</strong>-<br />
LGD-Prognosen eine angemessene Schätzung<br />
auch auf Portfolioebene gewährleisten.<br />
Vorteile des gewählten Ansatzes<br />
Das dargestellte Lösungsszenario stellt<br />
eine konkrete Möglichkeit für die konsistente<br />
Modellierung eines Risikoparameters<br />
im Kontext IRB und <strong>IFRS</strong> dar.<br />
Die Entwicklung unabhängiger LGD-<br />
Modelle, die die jeweiligen, fachlichen<br />
Anforderungen im IRB-Kontext wie auch<br />
im <strong>IFRS</strong>-Kontext adäquat berücksichtigen,<br />
kann in der Konsequenz zu unterschiedlichen<br />
Modellen mit unterschiedlichen<br />
Risikotreibern führen, was wiederum inkonsistente<br />
Ergebnisse zur Folge haben<br />
kann. Dies wird im oben skizzierten Ansatz<br />
durch die zweistufige Modellierungsvorgehensweise<br />
vermieden.<br />
Ergebnis der Modellvalidierung in Bezug auf den Vergleich<br />
von Prognose und Realisation der <strong>IFRS</strong>-LGD<br />
t Abb. 05<br />
Weiterhin wird die Anzahl der zu schätzenden<br />
Größen signifikant reduziert, was<br />
insbesondere in Bezug auf den Entwicklungsaufwand<br />
wie auch die zukünftigen<br />
Validierungs- und Modellpflegeaspekte<br />
als äußerst effizient beurteilt wird. Als<br />
präferierte Vorgehensweise – vor allem<br />
auch im Hinblick auf die praktische Anwendung<br />
– erweist sich somit der Ansatz,<br />
im ersten Schritt ein IRB-konformes<br />
LGD-Modell zu entwickeln und auf dessen<br />
Basis eine geeignete Überleitung der<br />
IRB-LGD-Prognose hin zu einer <strong>IFRS</strong>konformen<br />
LGD-Prognose darzustellen.<br />
Die Vorteile dieser effizienten und effektiven<br />
Vorgehensweise werden ergänzt<br />
durch die Sicherstellung einer Ausgangsbasis<br />
zur adäquaten bzw. konsistenten<br />
internen Verwendung eines LGD-Modells<br />
einerseits und dessen Prognosen<br />
im Hinblick auf die Gesamtbanksteuerung<br />
andererseits. Das Erreichen einer<br />
ge wissen Konvergenz über viele Disziplinen<br />
hinweg ist als Folge der Finanzmarktkrise<br />
einer der Hauptaspekte der<br />
Neuerungen im Aufsichtsrecht und der<br />
Rechnungslegung. Gerade darin liegt einer<br />
der Hauptvorteile des dargestellten<br />
Ansatzes, da sich grundlegende Veränderungen<br />
an der Risiko situation gleichermaßen<br />
in der Eigen kapitalunterlegung<br />
wie in der <strong>Risikovorsorge</strong> entsprechend<br />
widerspiegeln und dennoch den verschiedenen<br />
Anforderungen Rechnung getragen<br />
wird.<br />
Letztendlich signalisieren die Ergebnisse<br />
aus der Modellentwicklung und der<br />
regelmäßigen Überprüfung mit den geringen<br />
Abweichungen und den fachlich<br />
erklärbaren Zusammenhängen eine hohe<br />
Verlässlichkeit in Bezug auf das Vorgehen.<br />
Die Möglichkeit von schnellen und<br />
zielgerichteten Eingriffen auf Modulebene<br />
bei eventuellem Anpassungsbedarf<br />
rundet dieses Bild noch ab.<br />
Zusammenfassung und Ausblick<br />
In den vorangegangenen Ausführungen<br />
wurde ein konsistenter und quantitativ<br />
motivierter Ansatz zur Zusammenführung<br />
der Anforderungen aus Bankenaufsicht<br />
und Rechnungslegung für die Verlustquotenprognose<br />
mit Hilfe des Adressrisikopa-
11<br />
rameters LGD in effizienter Art und Weise<br />
dargelegt. Nichtsdestotrotz bleiben natürlich<br />
die divergierenden Sichtweisen <strong>nach</strong><br />
dem aktuellen Stand der Diskussionen bestehen.<br />
In Abhängigkeit der weiteren Entwicklung<br />
der Vorgaben zur Bestimmung<br />
der <strong>Risikovorsorge</strong> <strong>nach</strong> <strong>IFRS</strong> 9 können<br />
sich noch weitere zu berücksichtigende<br />
Implikationen ergeben. Darüber hinaus<br />
besteht zusätzlich genereller Forschungsund<br />
Diskussionsbedarf im Gesamtkontext,<br />
das heißt auch über die Verlustquotenprognose<br />
hinaus.<br />
Hierbei stehen vor allem Aspekte im Hinblick<br />
auf den Beobachtungszeitraum sowie<br />
den Übergang von unauffälligen zu auffälligen<br />
Risikopositionen im Fokus, um die<br />
Anforderungen an einen erwarteten Verlust<br />
über die Gesamtlaufzeit – auch als<br />
Expected Loss over the lifetime (ELL) bezeichnet<br />
– abzudecken.<br />
Dabei spielt vor allem der Umgang mit dem<br />
Adressrisikoparameter PD eine wesentliche<br />
Rolle.<br />
Weiterhin ist in diesem Zusammenhang die<br />
Frage zu klären, welche der Kennzahlen in<br />
den betroffenen Gebieten der Gesamtbanksteuerung<br />
künftig den höchsten Stellenwert<br />
einnehmen wird. Denn es ist festzulegen, welcher<br />
der beiden Ansätze zur Ermittlung des<br />
Expected Loss für welche Fragestellungen herangezogen<br />
wird und wie eine ausreichende<br />
Harmonisierung und Konvergenz zwischen<br />
den Standards der Bankenaufsicht und der<br />
Rechnungslegung erreicht werden kann.<br />
Außer Frage steht, dass bei Kreditinstituten<br />
hierfür primär die Adressrisikoparameter PD<br />
und LGD die Grundlage darstellen, die dann<br />
eben auch weitgehend ineinander überführbar<br />
bzw. aufeinander aufbauend sein sollten.<br />
Es lohnt sich in jedem Fall, die weiteren<br />
Entwicklungen intensiv zu beobachten. q<br />
Weiterführender Literaturhinweis:<br />
Mach, Andreas/Schlottmann, Frank (2008): LGD-Schätzung<br />
im Mengengeschäft, in RISIKO MAN<strong>AG</strong>ER, Ausgabe<br />
14/2008, S. 1, 8-11.<br />
Autoren:<br />
Dr. Luis Huergo, Referent Adressrisikocontrolling,<br />
Wüstenrot Bausparkasse <strong>AG</strong>.<br />
Torben Schulz, Referent Adressrisikocontrolling,<br />
Wüstenrot Bausparkasse <strong>AG</strong>.<br />
Andreas Mach, Leiter Center of Competence<br />
Unternehmenssteuerung und Risikomanagement<br />
und Executive Business<br />
Consultant im Management Consulting der<br />
<strong>msgGillardon</strong> <strong>AG</strong>.<br />
Daniel Rudek, Senior Business Consultant<br />
im Management Consulting der <strong>msgGillardon</strong><br />
<strong>AG</strong>.<br />
Anzeige<br />
Kluges Risikomanagement<br />
Das Competence Center Risikomanagement, Regulierung und Accounting der Frankfurt School<br />
bietet für den Ausbau von Qualifikationen zahlreiche modular aufgebaute Zertifikatsstudiengänge:<br />
Meldewesen-Spezialist (Start im April und September 2013)<br />
Kreditrisikomanager (Start im August 2013)<br />
Eigenhandel und Risikocontrolling (Start im April oder Mai 2013)<br />
Liquiditätsrisikomanager (Start im April oder Mai 2013)<br />
Risikomanager für mittelständische Kreditinstitute (Start laufend)<br />
International Certified Accountant (ICA) ® (Start im April und September 2013)<br />
Exzellenzprogramm für Aufsichtsräte (Termin 4.–6. November 2013)<br />
Alle Module der Zertifikatsstudiengänge sowie viele weitere Seminare sind einzeln buchbar.<br />
Ihre Ansprechpartner:<br />
für Buchungen: Denise Shahid, Tel. 069 154008-238, seminare@fs.de<br />
für fachliche Fragen: Christian Schätzlein, Tel. 069 154008-156, c.schaetzlein@fs.de<br />
Weitere Informationen finden Sie unter: www.frankfurt-school.de/rra