RiskNET eLibrary
Sie möchten Ihre Publikation gerne in unserer eLibrary veröffentlichen?
Methoden
Die Regulierungsinitiativen, die als Reaktion auf die Finanzkrise in den letzten Monaten gestartet, diskutiert, torpediert, verändert, verzögert, zerredet, verworfen, wieder aufgenommen und inzwischen (zumindest teilweise) auch schon umgesetzt wurden, sind inzwischen so vielfältig wie unüberschaubar. Ob diese umfangreichen (und teilweise widersprüchlichen) Vorhaben tatsächlich dazu beitragen, die tiefgreifenden Verwerfungen innerhalb des Finanzsektors nachhaltig zu bereinigen, darf indes bezweifelt werden. Bekanntlich gilt nach wie vor: "regulation means preventing the last crisis" und somit sei die Frage erlaubt, ob Effektivität und Effizienz von Regulierungsansätzen, die als Reaktion auf die Lehman-Pleite primär zur Verhinderung künftiger Bankenkrisen geplant wurden, auch vor dem Hintergrund einer Staatsschuldenkrise noch gewährleistet werden können.
26455 Downloads01.01.2013
Datei downloaden Auch im Risikomanagement muss zur Kenntnis genommen werden, dass Menschen nicht gemäß des Idealbilds eines vollkommen rationalen, Nutzen maximierenden Homo Oeconomicus agieren. Insbesondere bei der Beurteilung von Wahrscheinlichkeiten, der Einschätzung von Risiken und damit auch der Bedeutung von Risikosteuerungsmaßnahmen zeigen sich viele Anomalien, die die Praxis des Risikomanagements bestimmen. Für den Risikomanager im Unternehmen hat die Kenntnis solcher Bewertungsanomalien eine große Bedeutung. Im Artikel werden die wesentlichen Erkenntnissen der Entscheidungspsychologie (als Teil der kognitiven Psychologie) für das Risikomanagement zusammenfassend dargestellt.
[Quelle: Werner Gleißner/Frank Romeike: Psychologische Aspekte im Risikomanagement - Bauchmenschen, Herzmenschen und Kopfmenschen, in: Risk, Compliance & Audit, 06/2012, S. 43-46.]
[Quelle: Werner Gleißner/Frank Romeike: Psychologische Aspekte im Risikomanagement - Bauchmenschen, Herzmenschen und Kopfmenschen, in: Risk, Compliance & Audit, 06/2012, S. 43-46.]
6654 Downloads18.12.2012
Datei downloaden Wie erfolgreich sind wir und was macht uns eigentlich erfolgreich? Diese elementare Frage stellt sich insbesondere wenn es darum geht, nicht nur kurzfristig Gewinn zu erzielen, sondern nachhaltig zu wirtschaften. Dabei kann jedes Unternehmen ein individuelles Erfolgsgeheimnis haben: das eine setzt möglicherweise auf hoch qualifiziertes Personal, das andere auf effiziente Logistikwege und wieder andere auf innovative Technologien. Oftmals handelt es sich dabei um eine Kombination harter und weicher Bausteine. Diese Erfolgsfaktoren (Key Performance Indicators, KPI) zu erhalten und auszubauen, ist eine zentrale Aufgabe guter Unternehmensführung. Im Forschungsprojekt "Viko – Vitalitätskompass" wurde genau dieser Fragestellung auf den Grund gegangen und mit der betrieblichen Frühwarnsoftware "Viko" eine praktikable Lösung geschaffen.
Autoren:
Dr. Oliver Crönertz ist Lehrkraft an der Hochschule für Technik und Wirtschaft Dresden sowie Geschäftsführer der Mitt-Systeme GmbH.
Peter Kögler ist Doktorand an der Wirtschaftsuniversität Prag (VSE) und als wissenschaftlicher Mitarbeiter sowie in der Lehre an der Hochschule für Technik und Wirtschaft Dresden tätig.
Bert Reichert ist wissenschaftlicher Mitarbeiter an der Hochschule für Technik und Wirtschaft Dresden sowie freiberufliche Lehrkraft.
Oliver Zimmert ist Doktorand an der TU Bergakademie Freiberg sowie Business Insight Analyst bei der T-Systems Multimedia Solutions GmbH.
Autoren:
Dr. Oliver Crönertz ist Lehrkraft an der Hochschule für Technik und Wirtschaft Dresden sowie Geschäftsführer der Mitt-Systeme GmbH.
Peter Kögler ist Doktorand an der Wirtschaftsuniversität Prag (VSE) und als wissenschaftlicher Mitarbeiter sowie in der Lehre an der Hochschule für Technik und Wirtschaft Dresden tätig.
Bert Reichert ist wissenschaftlicher Mitarbeiter an der Hochschule für Technik und Wirtschaft Dresden sowie freiberufliche Lehrkraft.
Oliver Zimmert ist Doktorand an der TU Bergakademie Freiberg sowie Business Insight Analyst bei der T-Systems Multimedia Solutions GmbH.
6001 Downloads05.12.2012
Datei downloaden Gerade durch die Erfahrungen der jüngsten Wirtschafts- und Finanzkrise wird kaum mehr eine Unternehmensführung an der Bedeutung der Fähigkeiten im Umgang mit Unsicherheiten und Risiken der Zukunftsentwicklung zweifeln. In Anbetracht der nicht sicher vorhersehbaren Zukunft sollten gerade auch mittelständische Unternehmen ihre Fähigkeiten im Management ihrer Chancen und Risiken sowie in der Krisenprävention ausbauen. In der Literatur und der Praxis wird in diesem Zusammenhang häufig behauptet, dass speziell bei solchen mittelständischen Unternehmen "einfache", nicht-quantitative Risikomanagement-Systeme aufzubauen seien. Beispielhaft zu nennen sei hier die Empfehlung von Reichmann/Kissler, die ein einfaches organisiertes Risikomanagement vorschlagen, das letztlich die Risiken in "Risk Maps" zusammenfasst und auf eine Risikoquantifizierung weitgehend verzichtet. Aber ist dies sinnvoll und ausreichend?
[Quelle: Risk, Compliance & Audit 05/2012]
Autoren: Dr. Werner Gleißner, Vorstand FutureValue Group AG, Leinfelden-Echterdingen und Mitglied der Redaktion Risk, Compliance & Audit (RC&A).
Frank Romeike, Geschäftsführender Gesellschafter RiskNET GmbH, Brannenburg und verantwortlicher Chefredakteur Risk, Compliance & Audit (RC&A).
[Quelle: Risk, Compliance & Audit 05/2012]
Autoren: Dr. Werner Gleißner, Vorstand FutureValue Group AG, Leinfelden-Echterdingen und Mitglied der Redaktion Risk, Compliance & Audit (RC&A).
Frank Romeike, Geschäftsführender Gesellschafter RiskNET GmbH, Brannenburg und verantwortlicher Chefredakteur Risk, Compliance & Audit (RC&A).
11673 Downloads26.10.2012
Datei downloaden The Liquidity Coverage Ratio (LCR), of Basel III sets the bank’s potential cash outflows in relation to its capacity to counterbalance them by creating hypothetical inflows from assets which are believed to be repoable or saleable. The implementation of the LCR in a bank seems to be a straightforward exercise, which can somehow be seen as decoupled from the more sophisticated internal models a bank might use to manage its funding liquidity economically.
If a bank, however wants to be able to manage the LCR not only monthly in retrospective – as mandatory in Basel III – but on an on-going, forward-looking basis, it will need to simulate its future balance sheet. This is already very near to economic risk management techniques.
If a bank, however wants to be able to manage the LCR not only monthly in retrospective – as mandatory in Basel III – but on an on-going, forward-looking basis, it will need to simulate its future balance sheet. This is already very near to economic risk management techniques.
6417 Downloads26.09.2012
Datei downloaden Eine im Jahr 2012 durchgeführte Befragung deutscher Kreditinstitute bietet Orientierung über den aktuellen Stand und Herausforderungen hinsichtlich der Quantifizierung operationeller Risiken. Der sich in Richtung komplexer Fragestellungen verschobene Umgang mit operationellen Risiken wird dabei branchenweit analysiert, um Transparenz im Thema zu schaffen. Genauer beleuchtet werden unter anderem die im operationellen Risiko eingesetzten Methoden, der Aspekt der Verzahnung mit anderen Themengebieten sowie die konkrete Ausgestaltung der von den Instituten genutzten Quantifizierungsmodelle.
[Autoren: Marion Hoffstetter und Marc Daferner]
[Autoren: Marion Hoffstetter und Marc Daferner]
7377 Downloads25.09.2012
Datei downloaden Risk Kit ist ein Werkzeug für das Rapid Prototyping von Risikoanalysen und Monte-Carlo Simulationen. Der vorliegende Text beschreibt an einem Beispiel wie Monte-Carlo Simulationen und Risikoanalysen mit Risk Kit durchgeführt werden können.
9158 Downloads28.08.2012
Datei downloaden Die aktuelle Finanz- und Wirtschaftskrise hat einige sehr wichtige Erkenntnisse der Ökonomie wieder einmal in Erinnerung gerufen: 1. Nicht vorhergesehene, schwerwiegende Ereignisse und rasante Kursbewegungen an den Kapitalmärkten (Crashs) sind wahrscheinlicher und schwerwiegender, als das die meisten traditionellen Prognose- und Risikomanagementmodelle indizieren. 2. Gerade makroökonomische Umfeldveränderungen (Schocks) gehören zu den offensichtlichen Risiken von Unternehmen. Sie werden aber im Vergleich zu den internen Risiken noch recht wenig beachtet. 3. Die Modelle für die Risikoquantifizierung, speziell bei Banken und Versicherungen, sind wie alle Modelle fehlerbehaftet und die verwendeten Parameter sind unsicher – und genau diese Modellunsicherheit wird selbst kaum berücksichtigt.
[Quelle: RISIKO MANAGER 05/2012, S. 1, 6-16]
[Quelle: RISIKO MANAGER 05/2012, S. 1, 6-16]
5995 Downloads22.08.2012
Datei downloaden The Liquidity Coverage Ratio (LCR) in Basel III deals with funding or illiquidity risk of individual banks. For a given (stress) scenario, the banks’ risk adjusted cash exposure (Total Net Cash Outflows) in 30 days is calculated and set into relation with its High Quality Liquid Asset (HLA) holdings. The underlying idea is to ensure that the bank can cover an eventual cash shortage in the first month with the cash it could get by ‘liquifying’ its HLA.
Although in principal this concept is addressing the problem of a bank’s illiquidity correctly, it is too raw to be used or a bank’s internal liquidity risk management. From the various possible enhancements, we will focus in this article on the bank’s CounterBalancing Capacity, the economically more elaborated version of the HLA. In the LCR there are only three classes of liquifiability of securities: HLA1, HLA2, and the rest which is considered as ‘not liquid’. In practice, an asset’s liquifiability can range from ‘immediately liquifiable’ (e.g. in a central banks refinancing window) to piecewise liquifiability in time with changing haircuts and prices and is also scenario-dependent.
Specifying the liquifiability of each asset separately would be arduous and hardly consistent. To circumvent this, we define an algorithm to assign a number to each individual asset (its Liquifiability Index LiX). The LiX expresses for a pre-defined scenario the asset’s assumed liquifiability as a number, e.g. from zero (completely illiquid) to 100 (best conceivable liquifiability). We will subsequently fine-tune an asset’s LiX to mirror the asset’s specific liquifiability relative to an average asset with the same credit rating. Because the LiX numbers are linearly ordered (0, 1, 2, ... , 99, 100) we can then for practical purposes sort assets with a comparable LiX in liquifiability groups (e.g. from 80 to 90) and assume they have (almost) the same liquifiability in our model. The first is to group securities together that will behave similarly in the chosen scenario.
[Authors: Matthias Küstner, Robert Fiedler and Darren Brooke]
Although in principal this concept is addressing the problem of a bank’s illiquidity correctly, it is too raw to be used or a bank’s internal liquidity risk management. From the various possible enhancements, we will focus in this article on the bank’s CounterBalancing Capacity, the economically more elaborated version of the HLA. In the LCR there are only three classes of liquifiability of securities: HLA1, HLA2, and the rest which is considered as ‘not liquid’. In practice, an asset’s liquifiability can range from ‘immediately liquifiable’ (e.g. in a central banks refinancing window) to piecewise liquifiability in time with changing haircuts and prices and is also scenario-dependent.
Specifying the liquifiability of each asset separately would be arduous and hardly consistent. To circumvent this, we define an algorithm to assign a number to each individual asset (its Liquifiability Index LiX). The LiX expresses for a pre-defined scenario the asset’s assumed liquifiability as a number, e.g. from zero (completely illiquid) to 100 (best conceivable liquifiability). We will subsequently fine-tune an asset’s LiX to mirror the asset’s specific liquifiability relative to an average asset with the same credit rating. Because the LiX numbers are linearly ordered (0, 1, 2, ... , 99, 100) we can then for practical purposes sort assets with a comparable LiX in liquifiability groups (e.g. from 80 to 90) and assume they have (almost) the same liquifiability in our model. The first is to group securities together that will behave similarly in the chosen scenario.
[Authors: Matthias Küstner, Robert Fiedler and Darren Brooke]
11825 Downloads27.06.2012
Datei downloaden Betriebswirtschaftliche Simulationen werden häufig genannt, wenn es um geeignete Methoden zur Vorbereitung von Managemententscheidungen gerade in turbulenten Zeiten geht. Der breite Einsetzbarkeit dieser Methoden und der mit Ihnen verbundene Nutzen scheinen daher dem Management transparent. Jedoch ist die Wahrnehmung, dass Simulationen, verglichen mit anderen Methoden, weiterhin eine Art Schattendasein führen. Die empirische Evidenz zur Nutzung von Simulationen durch Unternehmen im deutschsprachigen Raum ist aber bisher sehr begrenzt. Daher kann man über mögliche Gründe für diese Vermutung nur spekulieren. Dies zum Anlass nehmend hat sich die Studie „Simulationen in der Unternehmenssteuerung“, die in Kooperation der Technischen Universität Hamburg-Harburg, der RiskNET GmbH und der C21 Consulting GmbH durchgeführt wurde, folgenden Fragen gewidmet:
> In welcher Relation steht der Einsatz von Simulationsmethoden im Vergleich zu anderen Steuerungsinstrumenten?
> Welche Unternehmen und betrieblichen Funktionen setzen Simulationsmethoden ein und seit wann?
> Welche Gründe sprechen für bzw. gegen einen Einsatz von Simulationen?
> Welche (operativen) Schwierigkeiten werden beim Einsatz wahrgenommen?
> Wie werden die Simulationsergebnisse genutzt?
> Welche Bedeutung messen Unternehmen dem Einsatz von Simulationen bei?
Ziel der Studie war es, ein differenziertes Bild zum Einsatz von Simulationen in der Unternehmenspraxis zu gewinnen. Im Mittelpunkt stand die Identifikation von möglichst allgemeingültigen Zusammenhängen und Faktoren, die diese wahrgenommene Diskrepanz zwischen Nutzen und Anwendung dieser Methoden erklären (oder widerlegen). Aus diesem Grund konzentriert sich die Studie nicht auf eine bestimmte Simulationsmethode.
[Autoren: Matthias Meyer/Frank Romeike, Jan Spitzner]
> In welcher Relation steht der Einsatz von Simulationsmethoden im Vergleich zu anderen Steuerungsinstrumenten?
> Welche Unternehmen und betrieblichen Funktionen setzen Simulationsmethoden ein und seit wann?
> Welche Gründe sprechen für bzw. gegen einen Einsatz von Simulationen?
> Welche (operativen) Schwierigkeiten werden beim Einsatz wahrgenommen?
> Wie werden die Simulationsergebnisse genutzt?
> Welche Bedeutung messen Unternehmen dem Einsatz von Simulationen bei?
Ziel der Studie war es, ein differenziertes Bild zum Einsatz von Simulationen in der Unternehmenspraxis zu gewinnen. Im Mittelpunkt stand die Identifikation von möglichst allgemeingültigen Zusammenhängen und Faktoren, die diese wahrgenommene Diskrepanz zwischen Nutzen und Anwendung dieser Methoden erklären (oder widerlegen). Aus diesem Grund konzentriert sich die Studie nicht auf eine bestimmte Simulationsmethode.
[Autoren: Matthias Meyer/Frank Romeike, Jan Spitzner]
22482 Downloads12.06.2012
Datei downloaden 