Risikomodellierung, Fallstudien, Umsetzung in R

Das in erster Linie als Statistikprogramm bekannte "R" stellt mit seiner Vielfalt eine gelungene Alternative für das unternehmerische Risikomanagement dar. Um die Möglichkeiten von R im Rahmen des Risikomanagements aufzuzeigen, haben die Autoren Frank Romeike und Manfred Stallinger das Buch "Stochastische Szenariosimulation in der Unternehmenspraxis" geschrieben. Mit diesem verfolgt das Autorenduo das Ziel, eine gute Kombination zwischen einer Einführung in die statistischen Grundlagen und einer praktischen Anwendung im Rahmen von Fallstudien in R zu liefern. Hierfür werden die rund 450 Seiten in zwölf Kapitel gegliedert. 

Das erste Kapitel liefert eine kurze Einführung in das Buch und gibt Hinweise zur Nutzung von R. Darüber hinaus werden Literaturempfehlungen zu R gegeben. Im zweiten Kapitel erfolgt eine Einführung in die faszinierende Welt des Zufalls. In dieser werden die unterschiedlichen Erkenntnisse von bekannten Mathematikern wie Blaise Pascal, Pierre-Simon Laplace und Johann Carl Friedrich Gauß vorgestellt. Daran anschließend wird in Bezug auf Zufälle und ihre Zufälligkeiten die Bedeutung für das Risikomanagement aufgezeigt sowie das Phänomen des schwarzen Schwans beschrieben. Das dritte Kapitel schafft durch die Definitionen wesentlicher Grundbegriffe über das Chancen- und Risikomanagement, die deskriptive Statistik sowie die Inferenzstatistik die Grundlage für das Verständnis der nächsten Kapitel. Im vierten Kapitel werden die Risiken und Chancen in Form von Wahrscheinlichkeitsverteilungen beschrieben. Dabei werden insbesondere die in der Praxis relevanten diskreten und stetigen Verteilungsfunktionen vorgestellt. Für die Nachvollziehbarkeit der Verteilungsfunktionen in R werden die jeweiligen Beispielcodes für R mitgeliefert. 

Hieran anschließend erfolgt in Kapitel fünf ein Einblick in die Risiken in der Unternehmensplanung sowie die Auswirkungen von Maßnahmen zur Risikosteuerung. Als Aufhänger dient die aktuelle Situation rund um das Coronavirus. Für die selbstständige Umsetzung der Beispiele in diesem Kapitel werden umfangreiche Programmcodes für R zur Verfügung gestellt. Für das sechste Kapitel wird die Sichtweise auf stochastische Prozesse erweitert. Diese sind für das Risikomanagement wesentlich, wenn mehrere Perioden betrachtet werden müssen. In Kapitel sieben findet die Vorstellung von praxisrelevanten Risiko- und Performancemaßen mit ihren statistischen Berechnungen statt. Das anschließende achte Kapitel beschäftigt sich mit der Modellierung von Abhängigkeiten der Risiken. Hierbei werden konkret die Ursachen-Wirkungszusammenhänge anhand von Korrelationen und Copulas behandelt und erneut mit Beispielen für R unterstützt. Mit dem neunten Kapitel erfolgt eine praxisorientierte Einführung in die Sensitivitätsanalyse für das Risikomanagement. Diese ermöglicht eine Aussage über den Einfluss eines einzelnen Risikos auf eine Ergebnisgröße wie zum Beispiel auf das Betriebsergebnis oder den Deckungsbeitrag. Mit den entsprechenden Programmcodes für R kann die Sensitivitätsanalyse nachvollzogen werden. Das zehnte Kapitel widmet sich der Optimierung von Maßnahmen zur Risikosteuerung. 

Mit den vorherigen Kapiteln wurden die Grundlagen für das elfte Kapitel gelegt. In diesem werden praxisorientierte Fallstudien behandelt, bei denen entsprechende Szenarien beschrieben werden. Hierbei werden eine risikobehaftete Unternehmensplanung, eine ungewisse mehrphasige Projektplanung, eine Veränderung von Rohstoffpreisen, eine Investitionsentscheidung unter Unsicherheit sowie Informationssicherheits- und Cyberrisiken durchgeführt. Für die Fallstudien werden die entsprechenden Programmcodes für R bereitgestellt. Den Abschluss des Buches bildet mit Kapitel zwölf eine kurze Einführung in R.

Fazit: Das Ziel von Frank Romeike und Manfred Stallinger ist, mit ihrem Buch "Stochastische Szenariosimulation in der Unternehmenspraxis" eine praxisorientierte Einführung von R im Rahmen des Risikomanagements zu geben. Dies ist den Autoren sehr gut gelungen, denn sie liefern zahlreiche Umsetzungshilfen in R. Positiv ist auch, dass sich die Autoren auf die wesentlichen statistischen Grundsätze, die für das Risikomanagement in der Praxis relevant sind, beschränken. Mit den Fallstudien werden praxisnahe Szenarien behandelt, die einen hohen Anwendungsnutzen bieten. Damit stellt das Buch eine gelungene Einführung für das Risikomanagement mit dem Programm R dar und leistet einen wertvollen Beitrag zur Etablierung von R für die Umsetzung von praktischen Fragestellungen im Rahmen des unternehmerischen Risikomanagements. Das Buch kann daher allen, die R im unternehmerischen Risikomanagement einsetzen wollen, nur wärmstens empfohlen werden.