RiskNET eLibrary
Sie möchten Ihre Publikation gerne in unserer eLibrary veröffentlichen?
Credit Risk
This article seeks to make an assessment of estimation uncertainty in a multi rating class loan portfolio. Relationships are established between estimation uncertainty and parameters such as probability of default, intra and inter rating class correlation, degree of inhomogeneity, number of rating classes used, number of debtors and number of historical periods used for parameter estimations. In addition, by using an exemplary portfolio based on Moody’s ratings, it becomes clear that estimation uncertainty does indeed have an effect on interest rates.
3154 Downloads01.08.2011
Datei downloaden In den letzten Jahren erfreuen sich die Ansätze zur dynamischen Szenario-Analyse in Form von Cash Flow at Risk, EBIT at Risk, Earnings at Risk oder Budget at Risk großer Beliebtheit in der Planung der Unternehmen und deren Risikomanagement. Bei dem vorliegenden E-Book handelt es sich um die im Jahr 2001 erstellte Dissertation zum finanziellen Risikomanagement in Unternehmen von Peter Hager. [Hinweis: Das Werk ist urheberrechtlich geschützt.]
57478 Downloads08.10.2010
Datei downloaden "Arbitrage CDOs" have recorded an explosive growth during the years before the outbreak of the financial crisis. In the present paper we discuss potential sources of such arbitrage opportunities, in particular arbitrage gains due to mispricing. For this purpose we examine the risk profiles of Collateralized Debt Obligations (CDOs) in some detail. The analyses reveal significant differences in the risk profile between CDO tranches and corporate bonds, in particular concerning the considerably increased sensitivity to systematic risks. This has farreaching consequences for risk management, pricing and regulatory capital requirements. A simple analytical valuation model based on the CAPM and the single-factor Merton model is used in order to keep the model framework simple. Then, the conditional expected loss curve (EL profile) is studied in some detail. In the next step, the asset correlation associated with a CDO tranche is estimated treating the structured instrument as a single-name credit instrument (i.e., a loan equivalent). While tractable, the loan-equivalent approach requires appropriate parameterization to achieve a reasonable approximation of the tranche´s risk profile. We consider the tranche as a "virtual" borrower or bond for which a single-factor model holds. Then, the correlation parameter is calculated via a non-linear optimization. This "bond representation" allows to approximate the risk profile (expressed by the EL profile) using a single-factor model and to express the dependence on the systematic risk factor via the corresponding asset correlation. It turns out that the resulting asset correlation is many times higher than that of straight bonds. Then, the Merton type valuation model for the corresponding bond representations is applied for valuation of the CDO tranches. Using a sample CDO portfolio, some opportunities for "CDO arbitrage" are described where it is assumed that investors are guided solely by the tranches’ rating and ignore the increased systematic risk for pricing. In the next section we discuss how tranches with high systematic risk can be generated and how CDO arrangers can exploit this to their advantage. It comes as no surprise that precisely these types of structures featured in many of the CDOs issued prior to the outbreak of the financial crisis.
[Source: Discussion Paper No 13, Series 2: Banking and Financial Studies, 2009, Deutsche Bundesbank, Frankfurt/Main]
[Source: Discussion Paper No 13, Series 2: Banking and Financial Studies, 2009, Deutsche Bundesbank, Frankfurt/Main]
7178 Downloads16.09.2010
Datei downloaden Der Deutsche Bundestag und der Bundesrat haben 2009 das "Gesetz zur Änderung des Bundesdatenschutzgesetzes" (BDSG-Novelle I) betreffend Scoring und Auskunfteien beschlossen, das zum 1. April 2010 in Kraft getreten ist. Ziel der neuen Regelungen ist es unter anderem die Transparenz beim Einsatz von Scoring-Verfahren zu erhöhen. Unternehmen und Auskunfteien sind somit seit Anfang April 2010 dazu verpflichtet, ihren Kunden auf Anfrage deren Scoring schriftlich und verständlich offen zu legen. Wir stellen in diesem Beitrag den rechtlichen Rahmen dieser Gesetzesnovelle vor und entwickeln daraufhin ein Modell, welches eine Offenlegung für Scoringsysteme aller Art ermöglicht. Das entwickelte Konzept garantiert, dass der Kunde ausreichend in die Stärken und Schwächen seiner Bonität Einsicht nehmen kann, ohne gleichzeitig methodisch die Grundlagen multivariater Merkmalsanalysen oder Regressionsmodelle verstehen zu müssen. In einem Beispiel aus dem Bereich des Konsumentenkredit-Scoring wird das Konzept ausgeführt und zeigt eine technische Lösung, so wie sie von Banken jeder Größe implementiert werden kann.
[Quelle: Markus J. Rieder/Olaf Schulze: Ein Modell zur Scoring-Beauskunftung, in: RIsiko MANAGER 11/2010, S. 10-17.]
[Quelle: Markus J. Rieder/Olaf Schulze: Ein Modell zur Scoring-Beauskunftung, in: RIsiko MANAGER 11/2010, S. 10-17.]
5483 Downloads22.06.2010
Datei downloaden Haben die Risikomanagement-Systeme in der Subprime-Krise versagt? Nach einem kurzen Abriss der Ursachen wird gezeigt, dass nicht die Systeme versagten, sondern die Mißachtung einfacher Grundsätze und ein zu großer Risikoappetit die Krise ausgelösten.
4050 Downloads15.03.2010
Datei downloaden Im Rahmen von Risikomanagementsystemen stellen Stresstests eine wichtige methodische Ergänzung zu den „klassischen“ vergangenheitsbezogenen Risikomodellen dar. Dies wurde auch von Seiten der Aufsicht erkannt und spiegelt sich in der Neufassung der MaRisk von 2009 wider. Der Beitrag der Autoren Jürgen Steffan (Mitglied des Vorstands der Wüstenrot Bausparkasse AG), Dr. Marc Kaninke (Leiter Controlling Wüstenrot Bausparkasse AG) und Dr. Andreas Peter (Dr. Peter & Company AG) stellt die Grundzüge der Umsetzung dieser Anforderungen im Geschäftsfeld BausparBank der Wüstenrot & Württembergische-Gruppe dar. Neben der Erfüllung der aufsichtsrechtlichen Anforderungen stand deren betriebswirtschaftlicher Nutzen im Vordergrund.
6605 Downloads12.03.2010
Datei downloaden Enterprise risk management (ERM) has been the topic of increased media attention in recent years. Many organizations have implemented ERM programs, consulting firms have established specialized ERM units, and universities have developed ERM-related courses and research centers. Despite the heightened interest in ERM by academics and practitioners, there is an absence of empirical evidence regarding the impact of such programs on firm value. The objective of this study is to measure the extent to which specific firms have implemented ERM programs and, then, to assess the value implications of these programs. We focus our attention in this study on U.S. insurers in order to control for differences that might arise from regulatory and market differences across industries. We use a maximum-likelihood treatment effects framework to simultaneously model the determinants of ERM and the effect of ERM on firm value. In our ERM-choice equation we find ERM usage to be positively related to factors such as firm size and institutional ownership, and negatively related to reinsurance use, leverage, and asset opacity. By focusing on publicly-traded insurers we are able to estimate the effect of ERM on Tobin’s Q, a standard proxy for firm value. We find a positive relation between firm value and the use of ERM. The ERM premium of 16.5% is statistically and economically significant and is robust to a range of alternative specifications of both the ERM and value equations.
[Authors: Robert E. Hoyt, University of Georgia - C. Herman and Mary Virginia Terry College of Business / Andre P. Liebenberg, University of Mississippi - School of Business Administration]
[Authors: Robert E. Hoyt, University of Georgia - C. Herman and Mary Virginia Terry College of Business / Andre P. Liebenberg, University of Mississippi - School of Business Administration]
5940 Downloads07.01.2010
Datei downloaden Die klassischen Methoden zum Kredit-Scoring sind großteils ausgereizt und deren Vor- und Nachteile den Anwendern in der Praxis sattsam bekannt. Neben derTatsache, dass die Punkte in den Scorekartenaum zu interpretieren sind, wird die klassische Statistik nicht damit fertig, dass die Scorepunkte bei kleinen Datenmengen große Schwankungen aufweisen und durch unterbestimmte Gleichungen die ganze Scorekarte instabil wird. Ausserdem ist es bei den klassischen Verfahren nur schwer möglich, das Wissen um die durchschnittliche Ausfallhäufigkeit einzubringen, und ein Re-Scoring von sich im Zeitablauf verändernden Beständen ist mit größerem Aufwand verbunden, als es nötig erscheint. Von den Methoden der Bayesianischen Statistik hingegen ist bekannt, dass sie abzubilden imstande sind, was intuitiv klar erscheint, und dabei auch für kleine Datenmengen stabile Schätzer liefern. Das wird durch Einbeziehen von Information erreicht, die bereits vor Analyse der Daten vorhanden ist (sogenannte a priori Information) – die Daten dienen dann zur „Anreicherung“ dieser Vorinformation. Dieses Setup hat zum einen den Vorteil, dass auch qualitative Informationen zwanglos eingebracht werden können und erleichtert zum anderen das Neu-Analysieren von Daten, weil die Bayesianischen Verfahren sich aufgrund ihrer Updating-Relation für einen (zeit-)dynamischen Betrieb anbieten.
[Quelle: Rieder, Markus J.: Bayesianisches Kredit-Scoring: Eine innovative Idee zur Messung des Ausfallrisikos, in: RISKNEWS 09/2003, S. 22-33.]
[Quelle: Rieder, Markus J.: Bayesianisches Kredit-Scoring: Eine innovative Idee zur Messung des Ausfallrisikos, in: RISKNEWS 09/2003, S. 22-33.]
4761 Downloads15.09.2009
Datei downloaden Kreditratings sind eines von mehreren Instrumenten, die Investoren bei ihrer Kaufentscheidung von Anleihen und anderen festverzinslichen Anlagen benutzen können. Dieser Leitfaden erläutert, was Ratings sind und was nicht, wer sie verwendet und warum sie für die Kapitalmärkte von Nutzen sein können. Der vorliegende Leitfaden bietet überdies einen Überblick über die verschiedenen Geschäftsmodelle und Methoden von Ratingagenturen. Er beschreibt außerdem ganz allgemein, wie Standard & Poor’s zu ihren Ratingmeinungen über Emittenten und Emissionen gelangt, wie die daraus resultierenden Ratings überwacht und angepasst werden, und wie sie Ratingänderungen im Zeitverlauf untersucht.
6530 Downloads06.08.2009
Datei downloaden Im ersten Teil der Serie wurde eine Einführung hinsichtlich der Definition und Modellierung der Recovery Rate in Kreditrisikomodellen gegeben. Es wurde deutlich, dass im allgemeinen die in der Praxis verwendeten Kreditrisikomodelle sehr komplexe Ansätze für die Modellierung der Ausfallwahrscheinlichkeit bieten. Bei der Modellierung der Recovery Rate jedoch wurden häufig sehr vereinfachende bzw. empirisch nicht belegbare Überlegungen angestellt. Im zweiten Teil der Serie, wurde dann die historische Entwicklung von Bond Default Preisen sowie mögliche Einflussvariablen auf die aggregierte Recovery Rate eines Jahres untersucht. Es wurde deutlich, dass die Verwendung einer konstanten Recovery Rate, wie sie in manchen Kreditrisikomodellen getroffen wird, nicht haltbar ist.
Im dritten und letzten Teil der Serie soll daher näher darauf eingegangen werden, wie die Recovery Rate einzelner Kredite in Abhängigkeit von Faktoren wie Seniority, Kapitalstruktur oder Industriezugehörigkeit eines Unternehmens praxisnah geschätzt werden kann. Als exemplarisches Beispiel wird hierbei das von Moody’s verwendete Modell LossCalc vorgestellt. Dieses kann – trotz seiner mathematischen Einfachheit - als Musterbeispiel für die Entwicklung von angewandten Modellen zur Schätzung der Recovery Rate angesehen werden.
[Quelle: Stefan Trück/Jens Deidersen/Peter Niebling: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 3 – Moody’s LossCalc und die Schätzung von individuellen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 12-21.]
Im dritten und letzten Teil der Serie soll daher näher darauf eingegangen werden, wie die Recovery Rate einzelner Kredite in Abhängigkeit von Faktoren wie Seniority, Kapitalstruktur oder Industriezugehörigkeit eines Unternehmens praxisnah geschätzt werden kann. Als exemplarisches Beispiel wird hierbei das von Moody’s verwendete Modell LossCalc vorgestellt. Dieses kann – trotz seiner mathematischen Einfachheit - als Musterbeispiel für die Entwicklung von angewandten Modellen zur Schätzung der Recovery Rate angesehen werden.
[Quelle: Stefan Trück/Jens Deidersen/Peter Niebling: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 3 – Moody’s LossCalc und die Schätzung von individuellen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 12-21.]
2728 Downloads06.08.2009
Datei downloaden 