Schwerpunkt Kreditrisiko

Unsere Abteilung begleitet Kreditinstitute bei der Umsetzung der neuen Eigenkapitalrichtlinien f¨r Kreditinstitute ("Basel II"), die Ende 2006 die derzeitige pauschale Eigenkapitalunterlegung von acht Prozent ("Basel I") ablösen und durch eine dem Kreditrisiko des Bankportfolios entsprechende ersetzen soll.

Zur Konzeption des zugehörigen Ratings werden zunächst Einzelanalysen der Variablen im Hinblick auf ihre Trennfähigkeit zwischen Ausfall und Nichtausfall vorgenommen.
Die nächsten Schritte sind die Schätzung von Scores und Ausfallwahrscheinlichkeiten. Hier ist das Ziel, eine optimale Gewichtung der Einflussfaktoren im Kredit-Score zu ermitteln. Für die gleichzeitige Schätzung von Scores und Ausfallwahrscheinlichkeiten aus Querschnittsdaten eignen sich statistisch-ökonometrische Ansätze (Logit-Modell, logistische Diskriminanzanalyse). Für diese Verfahren gibt es eine Vielzahl von Erweiterungen, die das Modell in verschiedenen Aspekten flexibler gestalten.
Panel- und Verweildauermodelle werden verwendet, wenn Beobachtungen über mehrere Jahre vorliegen. Neuronale Netze, Klassifikationsbäume, Schätzung unter Monotonierestriktionen und semiparametrische Modelle dienen zur Modellprüfung und zum Auffinden geeigneter Variablentransformationen.

Die wichtigsten Optimalitätskriterien für die Bewertung von Scores oder Ratings sind die Trennschärfe zwischen guten und schlechten Krediten und die Kalibrierung (Genauigkeit) der geschätzten Ausfallwahrscheinlichkeiten.
Klassische Trennschärfemaße quantifizieren den Abstand zwischen den Score-Verteilungen von Ausfällen und Nichtausfällen. Beispielhaft seien hier Lorenz- und ROC-Kurven sowie daraus abgeleitete Kennzahlen (Gini-Koeffizient, Accuracy Ratio) genannt.

Das Rating-System einer Bank sollte mit Hilfe von Back- und Stresstesting einer regelmäßigen Evaluation unterzogen werden. Aus statistischer Sicht kommen für beide Evaluationsziele Resampling-Ansätze (Monte-Carlo-Methoden, Bootstrap) zur Anwendung.