Interview

Interview mit David X. Li

Entscheidend sind die quantitativen Methoden

Redaktion RiskNET02.11.2016, 11:52

Nach der Pleite von Lehman Brothers im September 2008 und der anschließenden Finanzkrise suchte die Öffentlichkeit nach Ursachen, Erklärungen und nicht zuletzt Schuldigen. Durch die vielbeachteten Artikel "Recipe for disaster: The formula that killed Wall Street" (Felix Salmon, Wired Magazine, 17 (3), 2009) und "The formula that felled Wall St" (Sam Jones, Financial Times, April 24, 2009) erhielt David X. Li unfreiwillig weltweite Aufmerksamkeit und personifizierte für viele den prototypischen Quant, der mit der Erfindung des Gauß’schen Copula-Modells den Handel mit Portfolio-Kreditderivaten erst ermöglichte. Sein Aufsatz "On default correlation: A copula function approach" (Journal of Fixed Income 9 (4): 43–54, 2000) wurde bis heute 1.709 Mal zitiert (Google Scholar, 3. Oktober 2016) und in der finanzmathematischen Community oft hart kritisiert. Doch ist die Erklärung so einfach? Hätte ein anderes Modell für gemeinsame Firmenausfälle die Krise tatsächlich verhindert?

Wir sprechen mit David X. Li selbst, der uns ausführlich und exklusiv über die technischen und historischen Hintergründe seines Modells berichtet und seine persönliche Sicht auf obige Kritik schildert. Dabei diskutieren wir über Herausforderungen in der Konstruktion komplexer finanzmathematischer Modelle und deren Anwendung. Wir erläutern auch, welche Einschränkungen das Gauß'schen-Copula-Modell tatsächlich besitzt, wer schon früh über diese berichtete und was dies für Anwendungen bedeutet. Die Fragen stellten Prof. Dr. Matthias Scherer, selbst Autor wissenschaftlicher Arbeiten im Bereich Copulas und Kreditrisiko sowie Frank Romeike, geschäftsführender Gesellschafter RiskNET sowie Chefredakteur der Fachzeitschrift RISIKO MANAGER.

Welche Anwendung hatten Sie im Sinn, als Sie die mittlerweile als Gauß'sches-Copula-Modell für Kreditausfälle bekannte Formel entwickelten?

David Li: Eigentlich wollten wir Mitte der Neunziger Jahre praktische Probleme in unserem Vertriebs- und Handelsgeschäft in der Financial Products Group der CIBC angehen. Beispielsweise sorgten wir uns um den gemeinsamen Ausfall von Referenzkredit und Gegenpartei in klassischen CDS-Verträgen (Credit Default Swaps). Dies betraf beispielsweise vor der Asienkrise einen CDS mit der Korean Development Bank als Referenzwert und einer japanischen Bank als Gegenpartei. 1996 bis 1999 boten wir im Kreditderivatgeschäft mit Schwellenmärkten bereits kleine Basket-Kreditderivate wie FTD- (First To Default) und STD- (Second To Default)Verträge. Cash-CDOs und CBOs waren bereits auf dem Markt, ebenso verschiedene Credit Linked Notes.

Wie entdeckten Sie Copulas als methodisches Instrument? Besteht eine Verbindung zu Ihrem wissenschaftlichen Hintergrund in der Versicherungsmathematik, und sind Sie mit Forschern aus dem Wissenschaftsbetrieb im Gespräch?

David Li: Von Copulas hörte ich erstmals von meinem Kollegen Jacques Carriere, als wir beide an der Universität Manitoba Versicherungsmathematik unterrichteten. Er war an einem Forschungsprojekt mit Professor Jed (Edward) Frees und seinem damaligen Doktoranten Emiliano Valdez an der Universität Wisconsin beteiligt. Emiliano ist nun Professor für Versicherungsmathematik an der Universität Connecticut. Bei dem Projekt sollte die Bewertung der gemeinsamen Leibrente unter Berücksichtigung des Phänomens des "gebrochenen Herzens" untersucht werden.

Herkömmlicherweise haben Versicherungsmathematiker die Lebenserwartung eines Paares voneinander unabhängig bewertet: jeweils nach den entsprechenden Sterbetafeln für Männer und Frauen. Aber als Paar lebt man unter einem Dach, geht zusammen auf Reisen und teilt gewisse Risiken. Je älter die Leute werden, desto stärker sind sie aufeinander angewiesen. Bei Paaren im fortgeschrittenen Alter hat der Tod eines Partners auf den überlebenden enorme Auswirkungen, wobei diese Auswirkungen, wie empirische Studien belegen, nicht einmal symmetrisch sind: Wenn die Frau zuerst stirbt, hat dies viel stärkere Folgen für den Mann als umgekehrt. Bei empirischen Studien mit Daten von Great West Life fanden die Forscher eine positive Korrelation der Überlebenszeiten bei Paaren und untersuchten die Auswirkungen auf die Bewertung gemeinsamer Leibrenten mithilfe von Copula-Funktionen. Dank Jacques wusste ich von diesen Forschungsarbeiten, stieg aber nicht zu sehr in die Details ein, da ich noch mit meiner eigenen Doktorarbeit zu einem ganz anderen Thema beschäftigt war. Bevor ich diese Arbeit abschloss, übernahm ich an der Business School der Universität Manitoba einen unbefristeten Lehrauftrag.

Anfangs investierte ich jede Menge Arbeit in die Überlegung, wie man das von Duffie und Singleton eingeführte stochastische Hazard-Rate-Modell auf Preise für CDOs anwenden könnte. Allerdings gelang es mir nicht, das Modell genau auf den Markt abzustimmen. Zudem waren das für die Trader tendenziell zu viele Parameter, und selbst in einer NT-3.0-Umgebung, die 1996 oder 1997 gerade auf den Markt gekommen war, erwies sich die geforderte Rechenleistung einfach als enorm. Ich machte mich auf die Suche nach einer "einfachen" Lösung und bat deshalb Emiliano, mir sein Arbeitspapier mit Jed und Jacques zukommen zu lassen. Per Fax sendete er mir also "Understanding relationship using copula function", während ich für die CIBC Financial Products Group in New York arbeitete. Damals stand Roger Nelson kurz vor der Veröffentlichung seines Buchs zu Copulas. Ich bat ihn um einen Vorabzug mit dem festen Versprechen, mir sofort das Buch zu kaufen, wenn es auf dem Markt wäre. Er sendete mir den Vorabzug als PDF-Datei. Natürlich kaufte ich dann auch wie versprochen das eigentliche Buch. Vielleicht hat ja die Tatsache, dass ich in meinem Artikel auf sein Werk verwiesen habe, dazu beigetragen, dass sich sein Buch besser verkaufte. Auf jeden Fall konnte ich beim Lesen seines Buchs und der darin angegebenen Referenzen eine Menge über Copula-Funktionen lernen. Professor Paul Embrechts hielt 1999 an der Columbia University einen Vortrag über Copula-Funktionen mit Anwendungen im Risikomanagement. Ich sprach ihn darauf an, dass ich seit einigen Jahren Copula-Formeln einsetzte, worauf er mich erstaunt nach dem Zweck fragte. Zur Ermittlung der Preise von Kreditderivaten, entgegnete ich. Übrigens habe ich auch den Forschungsbericht gelesen, den Shaun Wang für die Casualty Society of Actuaries (CAS) über die Anwendung bei der Kapitalallokation verfasst hat. Und dann habe ich mich in der New York Public Library intensiv mit Konferenzprotokollen zu Copula-Funktionen beschäftigt, insbesondere solchen Artikeln, die sich mit dem Aufbau von Copula-Funktionen anhand von Extremwertverteilungen beschäftigten.

Ihrer berühmten Publikation [Li, David X.: On default correlation: A copula function approach. Journal of Fixed Income 9 (4): S. 43-54 (2000)] erwähnen Sie verschiedene Copula-Familien. Warum kam dann letzten Endes in der Finanzindustrie das Gauß'sche Copula-Modell zum Einsatz?

David Li: Dies lässt sich auf die Modellierung der Vermögensrendite eines Finanzinstituts zurückführen. Gemäß der These von Merton lässt sich das Vermögen als Lognormalprozess darstellen und somit die Rendite als Normalprozess. Wenn man das Problem allerdings aus technischer Perspektive betrachtet, erkennt man, dass bei der Erstellung einer gemeinsamen Verteilung anhand gegebener Grenzwerte viele andere Copula-Funktionen zum Einsatz kommen können. An unserem Trading Desk haben wir zahlreiche unterschiedliche Copula-Funktionen untersucht, wie die Frank-Copula und Misch-Copulas, die auf Extremwertverteilungen basieren. Sobald man die Korrelation mithilfe der gleichen Rangkorrelation kontrolliert, lassen sich die Auswirkungen unterschiedlicher Copula-Funktionen untersuchen. Meiner Meinung nach war noch nicht der Punkt erreicht, an dem der feine Unterschied erfasst wird, den unterschiedliche Copula-Funktionen in der Frühphase des Einsatzes von Copula-Funktionen in der Modellierung von Kreditportfolios machen können. Außerdem müssen die gewählten Copulas und die darin enthaltenen Parameter ökonomisch interpretiert werden. Meinem Wissen nach plädierten einige quantitative Analysten bei Lehman ein paar Jahre lang für die Student-t-Copula, aber letztlich fanden die Anwender bei der Bewertung von CDO-Tranchen kaum Unterschiede zwischen der Gauß'schen Copula und der Student-t-Copula.

In dem Paper nannte ich ein paar Copula-Funktionen. Beim Beispiel eines CDS mit risikobehafteter Gegenpartei kam eine Misch-Copula zum Einsatz, bei dem der FTD-Preisgebung hingegen die Gauß'sche Copula.

Ich plädierte nicht gezielt für die Gauß'sche Copula und schon gar nicht für die Gauß'sche Einfaktor-Copula. Stattdessen präsentierte ich das Ganze als generelles Rahmenmodell und zeigte den Zusammenhang zwischen der Gauß'schen Copula und Mertons Einperioden-Modell auf. Die Marktteilnehmer benötigen ein einfaches Modell, um miteinander kommunizieren zu können. Manche verwenden bei der Bewertung von Optionen die implizite Volatilität und gehen dabei davon aus, dass wir alle die Black-Scholes-Formel nutzen. Wir greifen beim Handel mit CDX oder Itraxx-Tranchen auf die Gauß'sche Einfaktor- (bzw. Einparameter)-Copula zurück. Meiner Meinung nach ist die Gauß'sche Copula wegen ihrer ökonomischen Interpretation und ihrer Einfachheit, insbesondere mit einem einzigen Korrelationsparameter, so beliebt geworden.

War (oder ist) sich die Branche bewusst, dass verschiedene Portfolio-Ausfallmodelle die gleiche Abhängigkeitsstruktur wie die Gauß'sche Copula aufweisen, wobei der Begriff Copula in der Regel nicht erwähnt wird?

David Li: Es gab schon einige Leute, die dies eingesetzt haben, ohne aber das Konzept der Copula-Funktionen zu kennen. Joe Pimbley, der 1995 für Moody’s tätig war, schrieb einen zwölfseitigen Artikel darüber, wie man ein dynamisches Modell für gemeinsame Ausfälle erstellt. Darin beschrieb er alle wichtigen Elemente eines dynamischen Modells für Kreditportfolios – stochastisches Zinsmodell für die Renditekurve, dynamisches Modell für Spreads – und bettete den Ausfall mit entsprechenden Tests bei jedem Zeitschritt in den Prozess ein. Allerdings gab er nicht an, eine Modellbildung der Ausfallzeit vorzunehmen und die Vermögensrendite zur Korrelation einzusetzen. Viele der Artikel zur Modellbildung bei Krediten wurden im Zeitraum 1994 bis 2000 veröffentlicht. Duffie und Singleton publizierten ihren Artikel "Modeling term structures of defautable bonds" 1994 als Arbeitspapier, die Endfassung dann 1999. Das Jarrow-Turnbull-Papier wurde 1995 veröffentlicht, etwa zur gleichen Zeit 1995 auch das technische KMV-Dokument von Vasicek. CreditMetrics Technical Document von JP Morgan, CreditRisk+: Technical Documentation von CSFB und CreditPortfolio View von McKinsey wurden allesamt in den Jahren 1997 und 1998 veröffentlicht. Da ich ja im Kreditbereich praktisch arbeite, verfolgte ich diese Entwicklungen in der Forschung damals genau und führte sie mir ausführlich zu Gemüte. Mit den meisten Autoren stand ich in direktem Kontakt. Professor Turnbull war zunächst für CIBC als Berater und dann Vollzeit tätig, als auch ich dort arbeitete. Damals wurden die meisten Ideen, wie sich das Konzept der Copula-Funktion bei Krediten anwenden lässt, entwickelt, untersucht und umgesetzt, um praktische Probleme bei der Preisfindung und dem Handel mit Kreditderivaten zu lösen und Kreditportfolios zu modellieren. Professor Turnbull war ein gefragter Gesprächspartner und dürfte einer der ersten Wissenschaftler gewesen sein, dem ich die Idee, Copulas zur Modellbildung bei Kreditportfolios einzusetzen, vorlegte. 1995 lernte ich Professor Duffie kennen. Immer wieder wandte ich mich an ihn, um seinen Rat einzuholen und über die jüngsten Entwicklungen in der Welt der Wissenschaft auf dem Laufenden zu sein. Anlässlich der Tagung zum 50-jährigen Bestehen der Society of Actuaries (SOA) in San Francisco im Jahr 2000 organisierte ich eine Veranstaltung zum Thema Modellierung von Kreditportfolios. Dazu lud ich Chris Finger, einen der drei Autoren von CreditMetrics, Tom Wilde als wichtigsten Akteur hinter CreditRisk+ und Tom Wilson, der bei McKinsey CreditPortfolioView erstellt hatte, ein. Wir wissen nun, dass KMV und CreditMetrics auf der Gauß'schen Copula-Funktion gründen, auch wenn sie in den Ansätzen nicht explizit verwendet wird. Als ich Anfang 1999 zur RiskMetrics Group stieß, sprach ich mit Chris Finger über die Ähnlichkeit des CreditMetrics-Ansatzes und der Gauß'schen Copula-Funktion. Zwei Nachmittage verbrachten wir vor einer Tafel, um uns durch die Materie zu arbeiten. Chris Finger empfahl mir nachdrücklich, darüber einen Artikel zu verfassen. Ich verfasste den Artikel als eines der Forschungspapiere der RiskMetrics Group. Chris leitete das Arbeitspapier an Micky Bahtia weiter, der mir eine baldmögliche Veröffentlichung empfahl.

Ich beschäftige mich intensiv mit all den oben genannten Ansätzen. Mein wichtigstes Anliegen war aber damals, wie sich die praktischen Probleme lösen ließen, die beim Vertrieb und dem Handel mit Kreditderivaten entstanden. Die genannten Ansätze gingen zwar Kreditprobleme jeweils aus einem Blickwinkel an, waren aber nicht alle für den Praxiseinsatz bereit. Beispielsweise stellen CreditMetrics, KMV und CreditPortfolioView weitgehend ein Einperioden-Modell dar, mit dem sich im Kreditrisikomanagement oder dem ökonomischen Kapitalmodell die Verlustverteilung über einen bestimmten Zeitraum ermitteln lässt.

Das Modell ist eine recht einfache Methode, ein kompliziertes Phänomen bzw. Problem in der realen Welt zu beschreiben. Beim Modellieren von Kreditportfolios ist dies eines der kompliziertesten, aber auch wichtigsten Probleme.

Die erste Herausforderung stellte sich durch den Ein-Jahres-Horizont, der von Ratingagenturen und vielen anderen Akteuren, die mit der Modellierung von Kreditportfolios zu tun haben, verwendet wird. Wenn man aber im Handel mit Kreditderivaten die Laufzeitstruktur von Ausfällen abdecken will, muss man sich von diesem festen Zeitraum lösen. In der Praxis ist die Laufzeitstruktur deshalb so wichtig, da ein Institut in der Regel nicht gleich ausfällt, sofern die Schuld nicht gerade fällig wird. Vor der Asienkrise wurde die Korean Development Bank (KDB) häufig gehandelt. Zu Beginn der Asienkrise zeigten die Zinsaufschläge der KDB dann einen ziemlich buckligen Verlauf: Die ersten zwei, drei Jahre stiegen sie an, dann gaben sie nach. Dies war das erste Mal, dass ich eine so eindeutig bucklige Laufzeitstruktur bei Zinsaufschlägen erlebte. Auf den Märkten herrschte damals folgende Einstellung: Die Asienkrise hatte gerade erst begonnen, und niemand wusste, wann der Tiefpunkt erreicht sein würde. Deshalb weiteten sich die Spreads in den ersten zwei, drei Jahren. Dann aber kamen die Märkte zu der Überzeugung, dass Südkorea auch in Zukunft ein guter Ort für Unternehmensanleihen sein dürfte, wenn es in den nächsten zwei bis drei Jahren seine Probleme überwinden sollte. Nun liegt das alles ja schon geraume Zeit zurück: Zu erkennen ist, das bei KDB-Krediten fast genau die Entwicklung zu verfolgen war, die die Händler zu Beginn der Krise erwartet hatten. Deshalb widmete ich mich der Frage, wie man die Laufzeitstruktur der Spreads einbinden könnte. Wir brauchten nicht allzu lange, bis wir eine "Kreditkurve" entwickelt hatten, die als Laufzeitstruktur von Hazard Rates ausgedrückt wird. Die zugrunde liegende Variable ist die Überlebensdauer der einzelnen Kredite. Diese beschreiben wir ganz ähnlich wie diejenige eines Menschen, die in Sterbetafeln ausgedrückt wird. Sobald wir den Ausfall mit der Überlebensdauer ausdrücken, ist es einfach, die Preise für Einzelnamen-CDS zu bestimmen.

Bei der Frage nach dem Zeitpunkt des Ausfalls innerhalb des Prämienzahlungszeitraums griffen wir auf eine kontinuierliche Annäherung zurück statt  auf den sogenannten JP-Morgan- oder Hull-White-Ansatz, bei denen davon ausgegangen wird, dass der Ausfall am Ende oder in der Mitte des Prämienzahlungszeitraums geschieht.

Natürlich gab es auch Fragen zu Verwertungsquoten und den diesbezüglichen Annahmen. Von der Modellbildung her gesehen bevorzugte ich den Duffie-Singleton-Ansatz zur Wiederverwertung, da er einheitlichere Ergebnisse lieferte; insbesondere wenn es um Forward-Transaktionen wie Forward-CDS geht. 1998 veröffentlichte ich mit "Constructing a credit curve" im Risk Magazine einen Artikel bezüglich des Aufbaus einer Kreditkurve, in dem ich die Konzepte "Zeit bis zum Ausfall" bzw. Überlebensdauer einführte, um den Ausfall von Einzeltiteln zu modellieren, und darlegte, wie man anhand von Marktbeobachtungen wie Anleihekursen oder Asset Swap Spreads eine Kreditkurve erstellt. Dies war möglicherweise einer der ersten Artikel zum Aufbau einer Kreditkurve. Wenn man für jeden Titel in einem Kreditportfolio eine Kreditkurve erstellen muss, wünscht man sich eine gemeinsame Verteilung der Überlebenszeiten, um die gemeinsamen Ausfalleigenschaften des Kreditportfolios zu beschreiben. Hier kommen nun Copulas ins Spiel.

Sobald für jeden zugrunde liegenden Faktor in einem Kreditportfolio sämtliche Grenzwertverteilungen der Überlebenszeiten, ausgedrückt als Kreditkurven, bekannt sind, können wir mithilfe einer Copula und der Grenzwertverteilungen eine gemeinsame Verteilung der Überlebenszeiten erstellen.

Dann stellt sich sofort die Frage, welche Copula man verwendet und wie man mit den Parametern der Copula umgeht. Damals wurde das CreditMetrics Technical Document veröffentlicht; zudem las ich 1995 oder 1996 Vasiceks handschriftliche Anmerkungen zur Modellierung von Kreditportfolios. Nun war der Zusammenhang zwischen der Gauß'schen Copula und dem Merton-Modell klar; sofort ergab sich eine Bedeutung für die Korrelationsparameter in der Gauß'schen Copula-Funktion: Korrelation der Kapitalrendite. Wir verwendeten KMV bzw. eine vereinfachte Version, den CreditMetrics-Ansatz für die Korrelation der Kapitalrendite basierend auf Modellen für den Faktor des Eigenkapitalrisikos und den empirischen Zusammenhang zwischen Anlagengröße und idiosynkratischem Risiko eines Unternehmens. Die erste Anwendung ergab sich mit unserem CDS-Buch mit Einzeltiteln, allerdings unter Berücksichtigung des Gegenparteirisikos. Mit einer Copula-Funktion wird die Preisbildung für First-To-Default bzw. Second-To-Default von CBOs ganz einfach. Somit entschieden wir uns für die Gauß'sche Copula-Funktion vor allem deshalb, weil wir die Kapitalrendite eines Unternehmens als Normalverteilung modellieren. In der Originalversion konnten wir, wie bei der Modellierung von Kreditportfolios, in der Korrelationsmatrix unterschiedliche paarweise Korrelationsparameter verwenden anstelle eines Gauß’schen "Einfaktor-" oder "Einparameter"-Copula-Modells, einer vereinfachten Korrelationsstruktur für den Handel. Wir untersuchten mit viel Zeitaufwand, wie sich die Dimensionalitäten in der Korrelation mithilfe diverser Korrelationsstrukturen oder Analysemethoden wie der Hauptachsenanalyse reduzieren ließen.

In der Gruppe für den Handel und die quantitative Analyse von Kreditderivaten diskutierten wir immer wieder über die am besten geeignete Copula-Funktion. Schließlich waren da ja einige Talente vereint: Philippe Hatsdadt, Tarek Himmo, Josh Danziger, Gerson Riddy und Stanley Myint. Ich selbst widmete mich immer wieder der Rangkorrelation und alternativen Copula-Funktionen. Wir mussten die Rangkorrelation kontrollieren und dann die einzelnen Copulas miteinander vergleichen. Ein weiteres Augenmerk galt der Dimension: Schließlich bringt es ja nicht viel, wenn eine Copula nur für niedrige Dimensionen geeignet ist, nicht aber für hohe.

Wann erhielt die Finanzindustrie erste Warnsignale zum Gauß'schen Modell, entweder aus der Wissenschaft [z. B. Tailunabhängigkeit, statische Abhängigkeitsstruktur usw.] oder den Kreditmärkten [z. B: Korrelationskrise 2005, falsche Absicherungsquoten usw.], und wie reagierte sie?

David Li: 2005 fiel es schwer, das Gauß'sche Copula-Modell an den Markt zu kalibrieren, da es Marktunruhen um Ausfälle von Automobilherstellern gab. Der Zinsaufschlag für die Eigenkapitaltranche wurde sehr hoch, und es wurde schwierig, eine Basiskorrelation für bestimmte Mezzanine-Tranchen zu kalibrieren. In einer solchen Situation muss man überlegen, wo die Grundursache liegen könnte. War dies ein Problem des Modells, oder bewertete der Markt bestimmte Tranchen nicht rational? Beispielsweise gab es beim ITRAXX auf europäischer Seite nicht das Problem mit einzelnen Titeln, aber eben auch Schwierigkeiten bei der Kalibrierung der Mezzanine-Tranchen an eine ähnliche Basiskorrelationskurve. Ich sprach mit einem Trader in London und schlug ihm vor, eine Absicherung der Eigenkapitaltranche zu verkaufen und wiederum eine Absicherung der Mezzanine-Tranchen zu kaufen. In wenigen Tagen verdiente er mehr als 10 Mio. US-$ und schlug mir vor, ich solle doch einen internen Hedgefonds auflegen!

Bei einem neuen Markt müssen wir die Gültigkeit von Markt und Modell genau beobachten. Bei einem Fundamentalmarkt mit einfachen Instrumenten dürften die Trader als Ganzes die Preise der gehandelten Instrumente rational einschätzen können. Bei einem brandneuen Markt hingegen fällt es den Tradern wahrscheinlich schwer, gleich am Anfang rationale Bewertungen abzugeben. So stellten bei der Einführung des ITRAXX-Tradings anfangs nur wenige große Investmentbanken in beide Richtungen Kurse für ITRAXX-Tranchen bereit. Jeden Morgen sendeten diese wenigen Banken ihren Kunden Kurse mit Geld/ Brief-Spannen. Eines Tages dann wollte ein Trader den Kurs mit einem größeren Spread in eine bestimmte Richtung bewegen. Zu seiner Überraschung folgten viele andere Institute seinen Kursen und einer Bewegung in die gleiche Richtung.

Wir verwendeten bereits eine geraume Zeit lang die Gauß'sche Einfaktor-Copula und -Basiskorrelation, bevor wir 2005 (kurzzeitig) in Schwierigkeiten gerieten, eine Kalibrierung am Markt vorzunehmen. Zahlreiche Akteure haben sich mit Alternativmodellen beschäftigt. Aber bis heute ist mir kein allgemein akzeptiertes Alternativmodell bekannt, mit dem sich Kreditportfolios zu Handelszwecken modellieren ließen. Das gängigste Modell basiert nach wie vor auf der Gauß'schen Copula und Basiskorrelation, wobei es allerdings gewisse Anpassungen wie zufällige Verwertungsquoten gegeben hat. Auf jeden Fall muss das Gauß'sche Copula-Modell genauer unter die Lupe genommen werden. Die allgemeinen Kritikpunkte sind Tailunabhängigkeit, statische Abhängigkeitsstruktur und schlechte Ergebnisse beim Hedging. Ich möchte gerne an dieser Stelle auf jeden dieser Kritikpunkte eingehen. Tailunabhängigkeit: Wie bereits erläutert, entschieden wir uns für die Gauß'sche Copula-Funktion vor allem deshalb, weil wir die Vermögensrendite mithilfe einer Brown'schen Bewegung modellieren. Fast die gesamte Finanztheorie basiert auf der Normalverteilung. Der Einsatz einer Basiskorrelation ist eine Methode, um bei vorrangigen Tranchen eine "nicht ausreichende Korrelation" anzugehen. Dies ähnelt dem Konzept der impliziten Volatilität. Natürlich könnten wir das gemischte Gauß'sche Copula-Modell verwenden, das bei der Preisbildung von Optionen einem stochastischen Volatilitätsmodell ähnelt.

Statische Abhängigkeitsstruktur: Dies ist ein recht vages Argument. In einem auf der Verteilung der Überlebenszeiten beruhenden Copula-Modell beschreiben wir die einzelnen Kredite lediglich nach dem Kriterium Ausfall / kein Ausfall. Dies ist eine vereinfachte Methode, um die Entwicklung der Kreditqualität zu beschreiben, etwa so, als würde man die Menschheit einfach in "Gute" und "Schlechte" aufteilen. Das Modell hat seine Dynamik, die allerdings vielleicht auch zu stark ausgeprägt ist. Wenn man beispielsweise die Korrelation aus konditionaler Perspektive betrachtet, kann man beobachten, dass die Abhängigkeit unter Umständen zu groß ist: Angenommen, ein Titel weist eine konditionale Abhängigkeit vom Ausfall eines anderen Titels in einem Jahr auf, so würde bei dem erstgenannten Titel und seiner positiven Korrelation die konditionale Hazard Rate sehr schnell ansteigen, aber sehr lange brauchen, bis sie zu ihrem ursprünglichen unkonditionalen Niveau unter dem Gauß'schen Copula-Modell zurückkehrt.

Viele Entwickler von Modellen denken, dass es einer stochastischen Diffusionsgleichung bedarf, damit ein dynamisches Modell vorliegt. Man könnte die Hazard Rate für jeden Kredit mithilfe eines stochastischen Prozesses beschreiben und die Korrelation dann auf Ebene des Hazard-Rate-Prozesses einführen. Dies war der erste Ansatz, den ich verfolgte. Leider ließ sich der Markt damit nur unzureichend erfassen; hinzu kam die enorme Rechenlast. Es dauerte, bis ich das Problem intuitiv verstanden hatte. Hazard Rates kann man sich wie die "Volatilität" eines Ausfallereignisses vorstellen. Wie stark auch immer die auf "Volatilitätsebene" eingeführte Korrelationsstruktur ist: Die Korrelation zu den Ausfallereignissen bleibt sehr niedrig. Duffie und seine Doktoranten forschten intensiv in diesem Bereich, um das stochastische Hazard-Rate-Modell zu verbessern, etwa mithilfe eines gemeinsamen treibenden Faktors in sämtlichen individuellen Hazard-Rate-Prozessen oder durch die Aufnahme eines Sprungs. Dadurch lässt sich die Dynamik in der Realität weitaus besser verstehen. Das Modell ist aber alles andere als einfach: Schließlich benötigt man eine Reihe von Parametern, zudem sind diese Modelle in der Praxis schwierig umzusetzen und zu verwenden. Wie könnten wir mithilfe eines solchen Modells täglich Hunderte Portfoliogeschäfte handhaben?

Zwischen 2005 und 2008 gab es zahlreiche Portfoliomodelle "der zweiten Generation", von denen viele aus dem Bereich der Zinsmodellierung stammten. In diesen Modellen liegt das Augenmerk auf der Entwicklung der Verlustverteilung des Gesamtkreditportfolios; jeder Kreditbeitrag bildet lediglich die Anfangslaufzeitstruktur der erwarteten Verlustverteilung. Die Verlustverteilung über einen bestimmten Zeitraum wird lediglich durch den stochastischen Prozess aus der Gesamtverlustverteilung erfasst. Die Form der Verlustverteilung, die diesen Modellen zugrunde liegt, wurde bislang wenig erforscht. Die Dynamik des individuellen Kreditbeitrags geht grundsätzlich komplett verloren; es besteht lediglich eine Verbindung zur erwarteten Verlustverteilung des Portfolios. Die Absicherung von Kreditrisiken muss zukünftig besser erforscht werden. Sichern wir das Spreadrisiko oder das Ausfallrisiko ab? Es gibt nur wenige empirische Untersuchungen zur Leistung der Absicherung von Kreditspreadrisiken auf Grundlage des Gauß'schen Copula-Modells. Dabei konnte kein endgültiger Schluss gezogen werden. Vielleicht ist mir da etwas entgangen, aber ich habe keine umfassenden Studien zu diesem Thema gefunden. Alex Refman schrieb während seiner Tätigkeit für Bear Sterns einen Forschungsbericht. Bei Citi und Barclays untersuchten wir diese Thematik intensiv, aber kamen zu keinem klaren Ergebnis. Die Absicherung gegen Ausfälle ist noch komplizierter. Beispielsweise beschäftigten wir uns mit der Ausfallabsicherung bei einem kleinen Basketproblem wie FTD. Um eine perfekte Absicherung eines Viertitel-FTD zu gewährleisten, benötigen wir Handelsinstrumente sämtlicher Eintitel-CDS, FTD von jeweils zwei Titeln sowie FTD und STD von jeweils drei Titeln. Zu- dem würde die Überprüfung der Leistung der Absicherung sehr, sehr lange dauern, sofern man keine perfekte Absicherung besitzt. Schließlich ist ein Ausfall ein recht seltenes Ereignis.

All diese Aspekte waren mir wohlbekannt, als ich meine praktische Tätigkeit im Vertrieb und Handel von Finanzinstituten begann; zudem leistete ich mit dem Team, das ich leitete, und meinen Kollegen eine Menge Forschungsarbeit. Aus technischer Sicht ließe sich über Probleme des Gauß'schen Copula-Modells noch einiges sagen, weitaus schwieriger ist es aber, ein Alternativmodell zu finden, mit dem sich die Schwachpunkte beheben ließen. Ich würde gerne mehr wissenschaftliche Forschung in diesem Bereich sehen.

Als Außenstehender könnte man den Eindruck haben, dass die Finanzbranche ihr Risikomanagement bei dem Milliardengeschäft an Collateralized Debt Obligations (CDOs) allein auf einer einfachen Formel aufbaute, die eine einzelne Person in sehr kurzer Zeit entwickelt hat. Steckt in dieser Aussage ein bisschen Wahrheit, oder vereinfacht sie das Ganze zu sehr? Warum gibt es zu so wichtigen Themen wie der Abhängigkeitsmodellierung nicht mehr Forschung oder Zusammenarbeit mit der Welt der Wissenschaft?

David Li: Der Markt entwickelt sich weiter, ob er nun ein Modell zur Hand hat oder nicht. Natürlich ist es hilfreich, ein allgemein akzeptiertes Modell zur Hand zu haben, und beschleunigt mitunter auch die Marktentwicklung eines neuen Produkts. Das Paper wurde im Jahr 2000 veröffentlicht, obwohl das Modell bei CIBC bereits etwa 1997 zum Einsatz gekommen war. Der Markt für Kreditderivate und der Handel mit Kreditportfolios wiederum hatte Anfang der Neunziger begonnen. Die frühe Entwicklung des Markts machte eine saubere Modellbildung erforderlich, um die ganzen Fragen und Herausforderungen zu beantworten, die sich in der Praxis stellten. Bei den Ratingagenturen waren bereits viel früher Modelle für das Portfoliorating zum Einsatz gekommen, beispielsweise das binomiale Expansionsmodell bzw. das BET-Modell. Zu meiner Überraschung ist dieses Modell bei Moody’s immer noch im Einsatz, um CLO-Geschäfte zu bewerten. Ich wünschte mir, mehr Wissenschaftler würden sich diesem Modell intensiv widmen!

Auch wenn ich die erste Arbeit zur Anwendung von Copula-Funktionen bei der Modellierung von Kreditportfolios verfasste, habe ich nicht den Eindruck, das alleine gestemmt zu haben. Wie bereits erwähnt, stand ich mit zahlreichen Wissenschaftlern und Leuten aus der Praxis im Austausch.

All diese trugen erheblich dazu bei, die Idee zu formulieren und letztlich umzusetzen. Ohnehin wurden in jenem Zeitraum zahlreiche alternative Ideen und Ansätze veröffentlicht, was die Weiterentwicklung der Idee vereinfachte. Viele von diesen standen nicht zwangsläufig mit dem Ansatz im Einklang. Beispielsweise traf ich Professor Darrell Duffie einige Male – und jedes Mal beteuerte er: "Ich mag Copulas nicht, aber ich habe einfach noch keine bessere Lösung gefunden." Möglicherweise war Professor Stuart Turnbull der erste Wissenschaftler, dem ich die Idee präsentierte, Copulas bei der Modellierung von Kreditportfolios einzusetzen, aber auch er konnte sich für Copulas nicht sehr begeistern. Ich hatte mehr die Lösung praktischer Probleme im Sinn. Schließlich arbeitete ich im Team für den Handel mit Kreditderivaten, wo täglich neue Ideen für Produkte und Handel aufkamen. Tagsüber saß ich mit Tradern und Strukturierern zusammen, um die praktischen Probleme zu verstehen. Abends kämpfte ich mich dann durch die Forschungspapiere aus Wissenschaft und Industrie, um zu einer überzeugenden Lösung zu gelangen. Ich versuchte, so weit wie möglich, die gesamte wissenschaftliche Forschung ebenso wie die jüngsten Entwicklungen in der Finanzbranche, aufzunehmen.

Als Mann aus der Praxis sprach ich mit anderen – und dabei wiederum vor allem mit Wissenschaftlern – recht offen über technische Probleme, stets in der Hoffnung, dass wir besser geeignete Lösungen finden könnten. Dies sollten insbesondere theoretisch begründete Lösungen sein, nicht nur Lösungen, die man sich in der Finanzbranche mal eben so "zusammengebastelt" hat. Ich referierte dazu an führenden Universitäten wie Columbia, Stanford, Fudan usw.

Eines Tages saßen mein Chef bei Citibank, Thierry Bollier, und ich mit einer Gruppe Wissenschaftlern zu Tisch, darunter Professor Ken French. Thierry stellte genau Ihre Frage: Warum können sich Wissenschaftler nicht stärker mit praktischen Problemen beschäftigen, wie der Modellierung von Kreditportfolios? Ken widersprach zunächst und meinte, unser Problem sei nicht so wichtig wie das Problem einer optimalen Kapitalstruktur im Finanzwesen, gab aber dann zu, dass Wissenschaftler diese Probleme nicht kannten und keine Daten zur Hand hätten.

Ich bin ein großer Befürworter enger wissenschaftlicher Zusammenarbeit, um praktische Probleme anzugehen.

Wenn Sie mit Ihren Erfahrungen von heute noch einmal vor dem Problem stünden: Inwiefern würden Sie Ihre Publikation aus dem Jahr 2000 anders formulieren? Würden Sie sie überhaupt noch einmal verfassen?

David Li: Dies ist eigentlich nur ein technischer Ansatz zur Lösung eines praktischen, heiklen Problems. Damals war ich bei der RiskMetrics Group als Forscher tätig, und dazu zählte auch das Verfassen von Forschungspapieren für Kunden. Dies erklärt, warum der Artikel als Arbeitspapier für die RiskMetrics Group entstand. Ich fasste einfach eine Arbeit zusammen, die ich ein paar Jahre zuvor geleistet hatte. Meine Produktion als Autor hält sich in Grenzen: Schließlich war ich ja in der Praxis tätig und sollte für meinen Arbeitgeber vor allem geschäftliche Probleme lösen. Das Papier ist nicht durch eine starke finanzökonomische Theorie gedeckt. Seit Jahren denke ich über dieses Problem nach und hoffe, dass ich noch ein weiteres Papier zum Thema verfassen kann und den Ansatz in theoretischer Hinsicht ergänzen kann.

Wie äußerten sich die Gutachter zu Ihrem Artikel im Journal of Fixed Income?

David Li: Ich bekam nicht allzu viele Rückmeldungen. Das Journal of Fixed Income richtet sich mehr an Leute aus der Praxis. Der Ansatz war neu, das Thema populär, und somit passte es ganz gut ins Heft.

Kommen wir zum Punkt: Hat Ihr Modell tatsächlich der Wall Street den Todesstoß versetzt, wie es der berühmte Artikel in der Zeitschrift Wired, "Recipe for disaster: The formula that killed Wall Street" behauptet?

David Li: Ausgangspunkt der Finanzkrise war die Subprime-Krise. Mit Subprime bezeichnet man ein Hypothekendarlehen an Kreditnehmer mit schlechter Bonität. Dabei gibt es letzten Endes zwei Risiken: Vorfälligkeitsrisiko und Ausfallrisiko. Dies ist eine ganz andere Situation als bei einer Unternehmensanleihe, bei der es nur Ausfallrisiko gibt. Wie zuvor bereits erläutert, beschreiben wir zunächst mithilfe von Überlebenszeiten ein Ausfallereignis und erstellen anschließend mit Copula-Funktionen eine gemeinsame Verteilung der Überlebenszeiten. Bei Hypotheken müssen wir Ausfall und Vorfälligkeit mit der Multiple-Decrement-Theorie beschreiben. Im Hinblick auf die Modellbildung ist klar, dass dabei kein Copula-Modell zum Einsatz kommen kann. Natürlich wollten manche Leute in der Branche ein solches Modell "hinbiegen", indem sie davon ausgingen, dass die Vorfälligkeit vorab festgelegt und eine Hypothek somit lediglich dem Ausfallrisiko ausgesetzt ist.

Dann muss man festhalten, dass ABS-Bonds und CDOs sich bei der Anzahl an Titeln ziemlich unterscheiden. In einem ABS können sich Tausende bis Zehntausende Kredite verbergen. Bei Portfolios mit Unternehmensanleihen sprechen wir von allenfalls ein paar Hundert Titeln. Die wichtigsten Faktoren für den Ausfall und die Vorfälligkeit von Hypotheken sind das Zinsniveau, die Wertentwicklung der Hauspreise und die Eigenschaften des Kreditnehmers, etwa Beleihungsverhältnis, Bonität, die Frage fester oder variabler Zinssatz usw. Bei Subprime-Krediten nutzte ich ein Modell namens "dynamisch konkurrierendes Risikomodell", in das wir Vorauszahlung und Ausfall mithilfe eines Cox-Modells hatten einfließen lassen und die Bonität des Kreditnehmers und die jeweiligen Darlehensmodalitäten als Kovariaten verwendeten. Dieses Modell war dynamisch angelegt, da es sich ja auch beim Zinssatz und der Entwicklung der Hauspreise um dynamische Variablen handelt. Aus der Perspektive der Modellbildung hat das Gauß'sche Copula-Modell somit nichts mit der Subprime-Krise zu tun. Das Gauß'sche Copula-Modell samt Basiskorrelation kam vielmehr während der Finanzkrise bei CDX und Itraxx sowie bei der Modellierung von Portfolios mit Unternehmensanleihen zum Einsatz, übrigens noch heute. Es sollte einmal verbessert werden, da während der Finanzkrise die Kalibrierung an den Markt schwer fiel. Am gängigsten ist die Verwendung stochastischer  Verwertungsquoten.

Der Autor des besagten Artikels, Felix Salomon, versuchte, mit mir in Kontakt zu treten. Eines Tages erreichte er mich per Switchboard, als ich für CICC in Peking tätig war. Ich musste ihm mitteilen, dass ich aufgrund der Unternehmensrichtlinien nicht mit ihm sprechen könne. Der Artikel überraschte mich, insbesondere der Titel.

Einige wissenschaftliche Arbeiten erwecken den Eindruck, als hätte sich die Finanzkrise verhindern lassen, wenn statt der Gauß'schen Copula eine geeignetere Familie zum Einsatz gekommen wäre. Sehen Sie das auch so – oder macht man es sich da zu einfach?

David Li: Ich sehe das nicht so. Wie bereits erläutert, hat das Modell nichts mit der Finanzkrise und insbesondere nichts mit der Subprime-Krise zu tun. Höchstens könnte das Modell dazu beigetragen haben, den Markt für Kreditderivate aus Portfolios mit Unternehmensanleihen in einen großen Markt zu verwandeln. Natürlich kann man andere Copula-Funktionen verwenden, um eine bessere Übereinstimmung mit den Marktpreisen zu erzielen. Das heißt aber noch lange nicht, dass man das Problem wirklich gelöst hätte; man hat lediglich eine gewisse technische Verbesserung herbeigeführt. Die quantitativen Analysten bei Lehman Brothers plädierten einige Jahre lang für die Student-t-Copula, mussten dann aber zugeben, dass sie sich nicht allzu sehr von der Gauß'schen Copula unterscheidet.

Ich würde mich sehr freuen, wenn Kolleginnen und Kollegen den theoretischen Aspekt des Modells intensiver aus finanzökonomischer Perspektive betrachteten. Bislang ist das Ganze lediglich ein technisches Modell, um ein kompliziertes Problem in den Griff zu bekommen, allerdings ohne theoretische Begründung. Dies ist insofern traurig, als wir uns seit 20 Jahren mit der Problematik von Kreditportfolios beschäftigen, ohne aber zu einer vernünftigen Theorie zu kommen. In meinem Postgraduate-Studium besuchte ich einige entsprechende Kurse, weshalb ich einen theoretischen Durchbruch und einen einfachen technischen Lösungsvorschlag sehr wohl unterscheiden kann.

Nach Meinung eines Kollegen hätte das Gauß'sche Copula-Modell – bei richtiger Auslegung – die Wall Street sogar retten können. Er argumentiert: Wenn man eine kurze Korrelation innerhalb des Gauß'schen Copula-Modells hat (das im Hinblick auf bspw. Extremrisiken nicht konservativ ist), sollte man SEHR vorsichtig sein. Dies hätte für alle Beteiligten ein deutliches Warnsignal sein müssen. Stimmen Sie ihm zu?

David Li: Zu unterschiedlichen Zeiten mit unterschiedlichen Tranchen können unterschiedliche Strategien zum Einsatz kommen. Generell kann man für eine kurze Korrelation sorgen, indem man die Absicherung der Eigenkapitaltranche abstößt oder eine Absicherung der vorrangigen Tranche erwirbt. Je nachdem, wann die Strategie zum Einsatz kommt, sind unterschiedliche Ergebnisse möglich.

Bislang haben wir nur über das Ausfallrisiko gesprochen. Wie sieht es aber mit der Subprime-Krise aus? Kann man einen Bezug zwischen Ihrem Modell und Risiken wie dem "Vorauszahlungsrisiko" oder Veränderungen des Zinssatzes herstellen?

David Li: Wie bereits erläutert: Als quantitativer Analyst sollte man das Gauß'sche Copula-Modell nicht zur Modellierung von Hypotheken nutzen.

Wenn wir die Finanzkrise ab dem Jahr 2008 als sehr teure Fallstudie in quantitativem Missmanagement betrachten, was lässt sich dann daraus lernen, um eine ähnliche Katastrophe in der Zukunft zu verhindern?

David Li: Ich wünschte, wir hätten vor Beginn der Finanzkrise bei Subprime-Hypotheken ein standardmäßiges, öffentliches und allgemein angewandtes Modell gehabt, so wie das Gauß'sche Copula-Modell bei der Modellierung von Portfolios mit Unternehmensanleihen. Ich wünschte mir, mehr Wissenschaftler könnten Zeit und Energie in die Lösung praktischer Probleme investieren. Man könnte zunächst das BET-Modell von Moody’s analysieren, das immer noch beim CLO-Rating zum Einsatz kommt, oder ein Zeitraum nach Zeitraum betrachtendes Copula-Modell, das die Ratingagenturen vor der Finanzkrise zur SIV-Modellierung einsetzten. Ich bin immer noch der Meinung, dass Modelle gute Dienste leisten, um reale Probleme zu lösen. Mittlerweile sind wir im Zeitalter von Big Data und FinTech angekommen – entscheidend sind aber immer noch die quantitativen Methoden.

In der öffentlichen Meinung werden quantitative Modelle pauschal für Misswirtschaft verantwortlich gemacht, und ihr Nutzen steht massiv in Frage. Was entgegnen Sie auf solche Vorwürfe?

David Li: Ein Modell ist immer nur ein Teil des Gesamtgeschäfts. Zum einen müssen wir an besseren Modellen arbeiten, zum anderen benötigen wir vor allem Menschen, die Modelle erstellen können, deren Defizite nachvollziehen und das Geschäft selbst verstehen.

Mittlerweile wird in zahlreichen Büchern, Papieren, Filmen usw. versucht, die Finanzkrise zu erklären. Welche Perspektive kommt dabei Ihren eigenen Erfahrungen am nächsten?

David Li: Über ein Jahr nach der Finanzkrise wollte ich eigentlich gar nichts dazu lesen. Ich arbeitete in Peking, einem anderen Land, einer anderen Volkswirtschaft, und beschäftigte mich mit anderen Problemen. Dann arbeitete ich intensiv mit einer Gruppe von Volkswirtschaftlern zusammen. Wir untersuchten, wie ein so großes Land wie China sich weiterentwickeln könnte und wie die großen Volkswirtschaften voneinander abhängen. Diese Makroperspektive öffnete mir durchaus die Augen hinsichtlich der Finanzkrise. Einiges wäre mir nicht klar geworden, wenn ich weiterhin eine Gruppe quantitativer Analysten geleitet hätte, die den Wertpapierhandel unterstützen soll.

Mittlerweile habe ich einige Bücher zum Thema gelesen; Texte von Michael Lewis sind ohnehin immer wieder eine Freude. Ansonsten habe ich auch Werke von Bernanke und Geitner gelesen sowie Paulsons Memoiren, "Too Big to Fail". Auch die Filme "Der große Crash", "The Big Short" habe ich gesehen. Ein Buch oder ein Artikel kann natürlich nicht alles abdecken, aber man bekommt jeweils andere, interessante Perspektiven.

Nach einer langen Dürrephase erholt sich der CDO-Markt wieder. Sind unsere Methoden mittlerweile so ausgereift, dass wir die damit verbundenen Risiken kontrollieren können?

David Li: Das grundlegende Vorgehen, nämlich Vermögenswerte oder Risiken zu bündeln und anschließend wieder in Tranchen zu zerlegen, gibt es bereits seit mehreren Jahrhunderten. Beim Markt für einfache CDOs sollte das Gauß'sche Copula-Modell mit Basiskorrelation und gewissen Variationen eigentlich ausreichen. Dennoch empfiehlt sich hier weitere Grundlagenforschung.

Wie fühlt es sich eigentlich an, wenn man sein eigenes Bild im Wall Street Journal entdeckt und in gewisser Weise zum Sündenbock für die Finanzkrise gemacht wird?

David Li: Ich habe nie das Licht der Öffentlichkeit gesucht. Mark Whitehouse wurde mir von Professor Paul Glassman an der Columbia University vorgestellt. Er war ein hervorragender Journalist, der ein paar Jahre lang für Reuters gearbeitet hatte, bevor er dann ein Stipendium an der Columbia erhielt, mit dem er einen MBA machen konnte. 2005, als der Kreditmarkt unruhig wurde, wollte Mark mehr darüber erfahren, und Paul verwies ihn an mich. Paul hatte ich 1995 bei einer Simulationskonferenz kennengelernt. Ich half ihm dabei, den Markt besser zu verstehen, und erhoffte mir allenfalls, mit ein oder zwei Zitaten im Investmentteil des Wall Street Journal vertreten zu sein. Aber dann schaffte es die Geschichte, nicht nur über den Markt, sondern auch über die Menschen dahinter, auf die ersten Seiten.

Wie hat die Kreditkrise Sie persönlich betroffen? Welche Rolle spielte die Berichterstattung in den Medien?

David Li: Die Finanzkrise wirkte sich definitiv auf alle aus, die mit strukturierten Kreditprodukten zu tun hatten. 2008 wurde ich zum Chief Risk Officer einer führenden chinesischen Investmentbank ernannt und war dann fast vier Jahre lang in Peking tätig. In den 21 Jahren, in denen ich im Ausland studiert und gearbeitet hatte, hatte sich China in beispielloser Weise weiterentwickelt: beispiellos im Hinblick auf Größe, Tempo und Auswirkungen. Ich war froh, in gewisser Weise mit dem Land und seiner Kultur aufschließen zu können und Teil dieser Entwicklung zu sein. Ich war für große, völlig unterschiedliche Bereiche verantwortlich: So leitete ich das komplette Risikomanagement und baute eine vollkommen neue Gruppe quantitativer Analysten auf. Weiterhin leitete ich ein IT-Team, um ein System für den globalen Aktienhandel samt Algo aufzubauen, ebenso Systeme für Fixed Income und Risikomanagement. Dann beriet ich Regierungsbehörden und Großunternehmen und war in diversen Think-Tanks engagiert.

Die Berichterstattung in den Medien betrifft mich kaum. Meistens habe ich das ignoriert. Ich habe ohnehin in einem sehr technischen Bereich gearbeitet, der für andere Menschen schwer verständlich ist.

Wir konnten kein früheres Interview mit Ihnen finden. Warum haben Sie nicht die Gelegenheit genutzt, Ihre Rolle in der Kreditkrise zu erläutern?

David Li: Ich stehe nicht so gerne im Mittelpunkt. Was die Forschung angeht, diskutiere ich gern mit jedem, der sich dafür interessiert. Die Kreditkrise ist ein riesiges Thema. Ich denke nicht, dass ich darin eine größere Rolle spiele. Vielleicht habe ich einen gewissen Beitrag zur Modellbildung im Kreditbereich geleistet, etwa zur Erstellung der Kreditkurve und der Modellierung eines Kreditportfolios mithilfe der Copula-Funktion. Aus theoretischer Perspektive ist mein Beitrag aber nicht so groß, als dass er das Aufheben rechtfertigen würde.

Wir danken für das ausführliche Gespräch.

David X. Li erhielt 1995 einen Ph.D. in Statistics von der renommierten University of Waterloo. Davor studierte er Mathematik, Aktuarwissenschaften und Finance an verschiedenen kanadischen (Wa- terloo, Laval) und chinesischen (Nankai, Yangzhou) Universitäten. Er besitzt über 20 Jahre an Berufserfahrung in führenden Positionen in der Finanzindustrie, insbesondere im Financial Engineering von Kreditderivaten, und ist Autor zahlreicher Fachpublikationen. Er ist Pionier beim Einsatz von Copulas in der Modellierung von Kreditportfolien.

David X. Li erhielt 1995 einen Ph.D. in Statistics von der renommierten University of Waterloo. Davor studierte er Mathematik, Aktuarwissenschaften und Finance an verschiedenen kanadischen (Wa- terloo, Laval) und chinesischen (Nankai, Yangzhou) Universitäten.

[Das Interview ist erstmalig in Ausgabe 10/2016 der Zeitschrift RISIKO MANAGER im FIRM Special veröffentlicht worden.]

[ Source of images: © gow27 - Fotolia.com ]


Kommentare zu diesem Beitrag

related news

Interview

Interview with Raffael Kalisch

Crises are the best "resilience training"

RiskNET [Editor-in-chief]17.10.2017, 08:10

Engineers refer to a resilient system if failure of one part does not lead to complete failure of all technical systems. An ecosystem is said to be resilient if it returns to its initial condition...

Interview

Quo vadis Big Data?

Big Data and the world of algorithms and analyses

RiskNET [Editor-in-chief]22.09.2017, 13:15

Big data is in fashion. Especially the economy has been calling for greater implementation of new methods of analysis for years. Some people are convinced that they can maintain an overview of...

Interview

Opportunity and risk management

In the shadow of risks there are also opportunities

RiskNET [Editor-in-chief]05.07.2017, 08:54

Political and social risks, economic disagreements and increasing digitalisation – with rising volumes of data to be analysed – the insurance industry has to cope with a very heavy burden. We spoke...

Interview

Interview with Benedikt Doll, biathlete

Meticulous preparation and nothing left to chance

RiskNET [Editor-in-chief]09.06.2017, 08:30

Sport and business have a lot in common. Not just in terms of sponsorship, advertising and TV contracts. The two disciplines also have parallels in the importance of meticulous preparation. Biathlon...

Science

Neuroeconomics

Approaches to study risk taking in neuroscience

Alexander Niklas Häusler | Bernd Weber01.06.2017, 10:03

To interpret insights from the field of neuroeconomics for other disciplines or applications in the domain of financial choices [for a short overview: see Häusler and Weber, 2015], it is important to...