RiskNET eLibrary


Credit Risk


In dem Kapitel werden die verschiedenen prinzipiellen Möglichkeiten vorgestellt, Verlustverteilungen zu bestimmen. Um eine plausible Verlustverteilung für ein Portfolio zu erhalten, reicht es jedoch in der Regel nicht aus, ein Verteilungsmodell zu bestimmen und mit den richtigen Parameterwerten zu befüllen. Vielmehr sind hierzu komplexere Modelle nötig, bei deren Formulierung die zuvor besprochenen Verteilungsmodelle mit ihren Eigenschaften von besonderer Bedeutung sind. Modelle dieser Art besprechen wir in Kapitel 6. Selbst wenn wir ein Portfoliomodell formuliert haben, müssen wir noch die Verlustverteilung und deren (Risiko-) Kennzahlen berechnen. Hierzu steht uns ein umfangreiches Instrumentarium zur Verfügung, dessen wichtigste Werkzeuge wir in diesem Kapitel einführend beschreiben. Probekapitel aus: Kreditrisikomessung – Statistische Grundlagen, Methoden und Modellierung [Andreas Henking, Christian Bluhm, Ludwig Fahrmeir, 312 S., Springer Verlag, Berlin 2006.]
Henking 14774 Downloads 11.12.2006
Datei downloaden
We consider a problem of real-world risk-return analysis of credit portfolios in a multi-objective function setting with respect to additional constraints. For the approximation of a set of feasible, risk-return-efficient portfolio structures in this setting we discuss a flexible approach that incorporates multi-objective evolutionary and local search methods as well as specific features of the CreditRisk+ model. We apply the hybrid approach to a sample loan portfolio to illustrate its working principle. [Autoren: Frank Schlottmann, Detlef Seese, Michael Lesko, Stephan Vorgrimler, Quelle: Gundlach, M. / Lehrbass, F. (Eds.): CreditRisk+™ in the Banking Industry]
Schlottmann 6248 Downloads 08.12.2006
Datei downloaden
We discuss four different approaches to the estimation of sector weights for the CreditRisk+ model from German real-world data. Using a sample loan portfolio, we compare these approaches in terms of the resulting unexpected loss risk figures. [Autoren: Michael Lesko, Frank Schlottmann, Stephan Vorgrimler, Quelle: Gundlach, M. / Lehrbass, F. (Eds.): CreditRisk+™ in the Banking Industry]
Lesko 7516 Downloads 08.12.2006
Datei downloaden
In this article we focus on the latent variable approach to modelling credit portfolio losses. This methodology underlies all models that descend from Merton's firm-value model (Merton 1974). In particular, it underlies the most important industry models, such as the model proposed by the KMV corporation and CreditMetrics. In these models default of an obligor occurs if a latent variable, often interpreted as the value of the obligor's assets, falls below some threshold, often interpreted as the value of the obligor's liabilities. Dependence between default events is caused by dependence between the latent variables. The correlation matrix of the latent variables is often calibrated by developing factor models that relate changes in asset value to changes in a small number of economic factors. [Rüdiger Frey, Swiss Banking Institute, University of Zurich / Alexander J. McNeil, Department of Mathematics, ETH Zurich / Mark A. Nyfeler, Investment Office RTC, UBS Zurich]
Frey 8301 Downloads 07.12.2006
Datei downloaden
Ein Rating soll darüber Auskunft geben, mit welcher Wahrscheinlichkeit Schuldner Zins- und Tilgungszahlen für Kredite leisten werden. Da ein Urteil über die Solvenz von morgen anhand der Bilanz von gestern nur bedingt möglich ist, gewinnen „weiche“ Faktoren und immaterielle Vermögensgegenstände an Bedeutung. Viele Banken berücksichtigen heute schon Einflussgrößen wie die Qualität des Managements und die Flexibilität der Produktionsprozesse. Erstaunlich ist, dass dem wichtigsten Werttreiber von Unternehmen kaum Beachtung geschenkt wird: der Marke.
Schiller 7772 Downloads 06.12.2006
Datei downloaden
Mit der Revision der Eigenkapitalübereinkunft aus dem Jahr 1988, kurz Basel II genannt, verfolgt der Baseler Ausschuss für Bankenaufsicht das Ziel, ein flexibles risikosensitives System für die Quantifizierung von Kreditrisiken zu schaffen. Insbesondere durch die Verwendung bankintern bestimmter Ratings soll das Ausmaß des eingegangenen Kreditrisikos bei einem Geschäft und damit die Höhe des für dieses Risiko als Puffer vorzuhaltenden Eigenkapitals ermittelt werden. Je schlechter das Rating eines Kunden ist, desto mehr Eigenkapital muss ein Institut für einen Kredit an diesen Kunden vorhalten. Basel II stellt die Ermittlung eines risikosensitiven Bonitätsgewichts für eine Forderung oder eine Geschäftsart in den Mittelpunkt der Kreditrisikoquantifizierung. Wählt ein Institut den internen Rating-Ansatz (Internal Ratings-Based Approach, IRB) als Alternative zum obligatorischen Standardansatz, hat es die Wahl zwischen dem Basisverfahren und dem fortgeschrittenen Verfahren.1 Im IRB-Ansatz wird das Bonitätsgewicht insbesondere von dem Parameter „Ausfallwahrscheinlichkeit (Probability of Default; PD)“ und einer vom Baseler Ausschuss vorgegebenen Risikogewichtsfunktion bestimmt (IRB-Formel). [Autoren und Quelle: Hermann Schulte-Mattler und Ulrich Daun, in: RATINGaktuell, Heft 3 Juni/Juli, S. 66-71]
Schulte-Mattler 4077 Downloads 04.12.2006
Datei downloaden
Ende Juni 2004 veröffentlichte der Baseler Ausschuss für Bankenaufsicht das endgültige Basel-II-Papier. Im Rahmen des Internal Ratings-Based Approach (IRB-Ansatz) wird den Instituten damit erstmalig die Anwendung bankinterner Rating-Systeme zur Berechnung der Eigenkapitalunterlegung gestattet. Wie Ihnen unser Beitrag zeigt, kann die Qualität des verwendeten Rating-Systems durch die Trennschärfe beschrieben und grafisch bzw. numerisch angegeben werden. [Autoren und Quelle: Hermann Schulte-Mattler, Ulrich Daun und Thorsten Manns, in: RATINGaktuell, Heft 6 Dezember/Januar, S. 46-52]
Schulte-Mattler 13240 Downloads 04.12.2006
Datei downloaden
Standard credit portfolio models do not model market risk factors, such as risk-free interest rates or credit spreads, as stochastic variables. Various studies have documented that a severe underestimation of economic capital can be the consequence. However, integrating market risk factors into credit portfolio models increases the computational burden of computing credit portfolio risk measures. In this paper, the application of various importance sampling techniques to an integrated market and credit portfolio model are presented and the effectiveness of these approaches is tested by numerical experiments. The main result is that importance sampling can reduce the standard error of the percentile estimators, but it is rather difficult to make statements about when the IS approach is especially effective. Besides, the combination of importance sampling techniques originally developed for pure market risk portfolio models with techniques originally developed for pure default mode credit risk portfolio models is less effective than simpler two step-IS approaches. [Author: Peter Grundke, Department of Banking, University of Cologne]
Grundke 8380 Downloads 28.11.2006
Datei downloaden
Using a modified version of the methodology used in Elton et al. (2001), this paper reexamines how default, taxes and systematic risk measures influence corporate credit spreads for investment grade corporate bonds for the 1987-1996 time period. The methodological improvements not only change the estimates for the default and tax components of credit spreads materially but the factors from the Fama and French three-factor model no longer help to explain the remaining variation in credit spreads. In contrast, a good portion of the variation in the remaining (unexplained) spread is explained by measures of aggregate bond liquidity. [Author: Lawrence Kryzanowski, Wassim Dbouk (Concordia University)]
Kryzanowski 7815 Downloads 28.11.2006
Datei downloaden
The probability of default (PD) is one of the key variables in credit risk management. By using PD estimates as input to pricing and capital requirement calculations, one should be concerned of how good these estimates are. Confidence intervals are thereby a convenient way to assess the range that covers the true, but unknown parameter with a certain confidence probability. In this paper, we discuss the issues occurring in the construction of confidence intervals for a binomial proportion, and assess the magnitude of estimation uncertainty for exemplary but representative credit portfolios. To give an economic meaning to the range of errors, we translate the PD confidence interval into a risk-weight confidence interval by applying the Basel II IRB approach. The two main conclusions are: (i) The magnitude of estimation uncertainty can be substantial and is economically relevant. (ii) The choice of confidence interval matters and differences between intervals can be large. [Author: Jochen Lawrenz, Department of Banking & Finance, University of Innsbruck]
Lawrenz 8122 Downloads 28.11.2006
Datei downloaden