RiskNET eLibrary
Sie möchten Ihre Publikation gerne in unserer eLibrary veröffentlichen?
Im ersten Teil der Serie wurde eine Einführung hinsichtlich der Definition und Modellierung der Recovery Rate in Kreditrisikomodellen gegeben. Es wurde deutlich, dass im allgemeinen die in der Praxis verwendeten Kreditrisikomodelle sehr komplexe Ansätze für die Modellierung der Ausfallwahrscheinlichkeit bieten. Bei der Modellierung der Recovery Rate jedoch wurden häufig sehr vereinfachende bzw. empirisch nicht belegbare Überlegungen angestellt. Im zweiten Teil der Serie, wurde dann die historische Entwicklung von Bond Default Preisen sowie mögliche Einflussvariablen auf die aggregierte Recovery Rate eines Jahres untersucht. Es wurde deutlich, dass die Verwendung einer konstanten Recovery Rate, wie sie in manchen Kreditrisikomodellen getroffen wird, nicht haltbar ist.
Im dritten und letzten Teil der Serie soll daher näher darauf eingegangen werden, wie die Recovery Rate einzelner Kredite in Abhängigkeit von Faktoren wie Seniority, Kapitalstruktur oder Industriezugehörigkeit eines Unternehmens praxisnah geschätzt werden kann. Als exemplarisches Beispiel wird hierbei das von Moody’s verwendete Modell LossCalc vorgestellt. Dieses kann – trotz seiner mathematischen Einfachheit - als Musterbeispiel für die Entwicklung von angewandten Modellen zur Schätzung der Recovery Rate angesehen werden.
[Quelle: Stefan Trück/Jens Deidersen/Peter Niebling: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 3 – Moody’s LossCalc und die Schätzung von individuellen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 12-21.]
Im dritten und letzten Teil der Serie soll daher näher darauf eingegangen werden, wie die Recovery Rate einzelner Kredite in Abhängigkeit von Faktoren wie Seniority, Kapitalstruktur oder Industriezugehörigkeit eines Unternehmens praxisnah geschätzt werden kann. Als exemplarisches Beispiel wird hierbei das von Moody’s verwendete Modell LossCalc vorgestellt. Dieses kann – trotz seiner mathematischen Einfachheit - als Musterbeispiel für die Entwicklung von angewandten Modellen zur Schätzung der Recovery Rate angesehen werden.
[Quelle: Stefan Trück/Jens Deidersen/Peter Niebling: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 3 – Moody’s LossCalc und die Schätzung von individuellen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 12-21.]
3637 Downloads06.08.2009
Datei downloaden Bei der Modellierung des Kreditrisikos wurde die Recovery Rate bislang häufig wenig beachtet. Meist wurde die Annahme einer fixen Recovery Rate getroffen oder der historische Durchschnitt der Recovery Rates für verschiedene seniority-Klassen verwendet. Ein solches Vorgehen ist jedoch insofern problematisch, da die vereinfachten Annahmen zu einer Fehleinschätzung des Kreditrisikos und somit möglicherweise zu einer ungenügenden Kapitalausstattung der Kreditinstitute bzw. einer falschen Bewertung von Krediten und Anleihen führen können.
Dies ist aber letztendlich nicht nur im Hinblick auf ein funktionierendes Risikomanagement bedenklich, sondern auch bezüglich der Erfüllung der Richtlinien des neuen Basler Akkords zur Eigenkapitalausstattung von Banken, in dem eine emiprisch gestütze Schätzung der Recovery Rates vorgesehen ist. Der folgende Artikel beschäftigt sich insofern mit der Erläuterung, Modellierung und Schätzung von Recovery Rates.
[Quelle: Stefan Trück/Jens Deidersen/S. T. Rachev: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 1 – Einführung und Modellierung der Recovery Rate, in: RiskNEWS, 3. Jg., Nr. 11, Freiburg i.Br. 2002, S. 7-19.]
Dies ist aber letztendlich nicht nur im Hinblick auf ein funktionierendes Risikomanagement bedenklich, sondern auch bezüglich der Erfüllung der Richtlinien des neuen Basler Akkords zur Eigenkapitalausstattung von Banken, in dem eine emiprisch gestütze Schätzung der Recovery Rates vorgesehen ist. Der folgende Artikel beschäftigt sich insofern mit der Erläuterung, Modellierung und Schätzung von Recovery Rates.
[Quelle: Stefan Trück/Jens Deidersen/S. T. Rachev: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 1 – Einführung und Modellierung der Recovery Rate, in: RiskNEWS, 3. Jg., Nr. 11, Freiburg i.Br. 2002, S. 7-19.]
7207 Downloads06.08.2009
Datei downloaden Im ersten Teil der Serie wurde eine Einführung hinsichtlich der Definition und Modellierung der Recovery Rate in Kreditrisikomodellen gegeben. Es wurde deutlich, dass im allgemeinen die in der Praxis verwendeten Kreditrisikomodelle sehr versierte Ansätze für die Modellierung der Ausfallwahrscheinlichkeit bieten. Bei der Modellierung der Recovery Rate jedoch wurden häufig sehr vereinfachende bzw. empirisch nicht belegbare Überlegungen angestellt. Die Annahme einer konstanten Recovery Rate oder auch deren Modellierung als stochastische Variable unabhängig von der Ausfallwahrscheinlichkeit, wie sie in einigen Kreditrisikomodellen getroffen wird, sind letztendlich mehr als fraglich.
Im zweiten Teil der Serie, soll nun die historische Entwicklung von Bond Default Preisen sowie mögliche Einflussvariablen auf die aggregierte Recovery Rate untersucht und erläutert werden.
[Quelle: Stefan Trück/Jens Deidersen/S. T. Rachev: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 2 – Einflussfaktoren und Schätzung von durchschnittlichen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 7-17.]
Im zweiten Teil der Serie, soll nun die historische Entwicklung von Bond Default Preisen sowie mögliche Einflussvariablen auf die aggregierte Recovery Rate untersucht und erläutert werden.
[Quelle: Stefan Trück/Jens Deidersen/S. T. Rachev: Default Recovery Rates – Theoretische Modellierung und empirische Studien, Teil 2 – Einflussfaktoren und Schätzung von durchschnittlichen Recovery Rates, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 7-17.]
3390 Downloads06.08.2009
Datei downloaden Nachdem im ersten Beitrag die Bedeutung des Risikomanagements in der Logistik hinterfragt wurde, stand im zweiten Beitrag die Risikoanalyse als bedeutende Phase des Risikomanagements im Mittelpunkt. Dabei wurde festgestellt, dass Logistikleistungen durch die Verknüpfung elementarer Prozesse zu logistischen Prozessketten erbracht werden. Risikoanalysen in der Logistik sollten daher prozessbezogen durchgeführt werden. Als Grundlage einer prozessbezogenen Risikoanalyse wurde die Methode der ereignisgesteuerten Prozessketten (EPK) vorgeschlagen, die zur Prozessdokumentation und -modellierung angewandt wird. Auf der Basis der Prozessketten lassen sich, wie gezeigt wurde, unerwünschte Ereignisse identifizieren. Diese dienen als Ausgangspunkt für die Identifizierung und Bewertung von Ursachen und potenziellen Konsequenzen. Zur Ursachenanalyse wurde die Fehlerbaumanalyse, für die Untersuchung der potenziellen Konsequenzen die Ereignisbaumanalyse empfohlen. Im Rahmen des Risikomanagements schließt sich an die Risikoanalyse die Generierung, Bewertung und Auswahl von risikopolitischen Maßnahmen an. Diese Phase ist Schwerpunkt des vorliegenden Beitrags.
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 3) - Risikopolitische Maßnahmen, in: Risk-News, 4. Jg., Nr. 3, Freiburg i.Br. 2003, S. 22-33.]
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 3) - Risikopolitische Maßnahmen, in: Risk-News, 4. Jg., Nr. 3, Freiburg i.Br. 2003, S. 22-33.]
4684 Downloads06.08.2009
Datei downloaden Der erste Beitrag zum Thema Risikomanagement in der Logistik untersuchte die Fragestellung, welche Bedeutung dem Risikomanagement in der Logistik zukommt. Dabei wurde festgestellt, dass sich a) Logistiksysteme durch eine hohe Komplexität auszeichnen, aufgrund derer Logistikrisiken entstehen können, und dass b) logistische Risiken auch durch Entwicklungen der Umwelt und der entsprechenden Anforderungen (oftmals von Kundenseite) induziert werden. Bislang existiert kein strukturierter und fundierter Ansatz, um Logistikrisiken zu identifizieren, zu bewerten sowie durch geeignete Maßnahmen zu reduzieren. Hieraus ergibt sich die Notwendigkeit, Risikomanagement als elementaren Baustein in das Logistikmanagement zu integrieren.
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 2) - Prozesskettenbezogene Risikoanalyse, in: RiskNEWS, 4. Jg., Nr. 2, Freiburg i.Br. 2003, S. 55-67.]
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 2) - Prozesskettenbezogene Risikoanalyse, in: RiskNEWS, 4. Jg., Nr. 2, Freiburg i.Br. 2003, S. 55-67.]
4670 Downloads06.08.2009
Datei downloaden In jüngerer Zeit wurde – vor Allem in der praxisorientierten Literatur – der Begriff "Risikomanagement in der Logistik" geprägt. Weder Risikomanagement noch Logistik sind allerdings betriebliche Funktionen, die völlig neuartig sind, auch wenn sie einer stetigen Anpassung in Bezug auf ihre Inhalte unterliegen. Es stellt sich daher die Frage, ob Risikomanagement in der Logistik als eigenständiger Ansatz angesehen werden kann oder ob hiermit nur alter Wein in neue Schläuche gegossen wird. Der vorliegende Beitrag versucht, diese Frage zu beantworten.
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 1) - Alter Wein in neuen Schläuchen?, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 57-68.]
[Quelle: Huth, Michael: Risikomanagement in der Logistik (Teil 1) - Alter Wein in neuen Schläuchen?, in: RiskNEWS, 4. Jg., Nr. 1, Freiburg i.Br. 2003, S. 57-68.]
4053 Downloads06.08.2009
Datei downloaden Die adäquate und systematische Kommunikation über Risiken und die vorhandenen Fähigkeiten im Risikomanagement sind für Unternehmen entscheidend. Dies betonen verschiedene Analysen der jüngeren Vergangenheit. In diesem Beitrag werden mögliche Problemfelder beim Austausch relevanter Risikoinformationen innerhalb einer Organisation aufgezeigt und mögliche Ansatzpunkte zur Optimierung der Kommunikation zur Diskussion gestellt.
10309 Downloads14.07.2009
Datei downloaden Rationale ökonomische Entscheidungen sind abhängig von erwarteten Erträgen (Renditen) und Risiken. Für diese Entscheidungen maßgeblich ist dabei grundsätzlich der aggregierte Gesamtumfang an Risiken, der sich aus den Einzelrisiken und ihren Wechselwirkungen (stochastischen Abhängigkeiten) ergibt. Die Berechnung des Gesamtumfangs der Unternehmensrisiken und des daraus resultierenden Bedarfs an Risikodeckungspotenzial (speziell Eigenkapital) erfordert den Einsatz von Simulationsverfahren (Monte Carlo Simulation), da analytische Lösungen nur für in der Praxis meist wenig realistische Spezialfälle (Normalverteilung) existieren bzw. berechenbar sind.
[Gleißner, W., Schrei, Th., Wolfrum, M.: Neue Ansätze im Risikomanagement der OMV, in: Controller Magazin, Mai/Juni 2009, S. 93-99]
[Gleißner, W., Schrei, Th., Wolfrum, M.: Neue Ansätze im Risikomanagement der OMV, in: Controller Magazin, Mai/Juni 2009, S. 93-99]
4217 Downloads08.07.2009
Datei downloaden Mit dem Ziel, es Industrie- und speziell Pharmaunternehmen zu ermöglichen, ihre Risikolage besser zu verstehen und sowohl risikobasiert als auch wertorientiert steuern zu können, wird ein Konzept für einen integrierten unternehmensweiten Risikomanagementansatz vorgestellt. Er basiert auf der Erstellung eines stochastischen Unternehmensmodells und der Verwendung von Simulationstechniken zur Ergebnisanalyse und -darstellung.
8434 Downloads30.06.2009
Datei downloaden Auf Basis der SAS-Datenbank werden die operationellen Verluste der letzten 10 Jahre von Versicherungsunternehmen analysiert. Es wird der Loss-Distribution-Approach verwendet. Zur Schätzung der Verlusthöhen wird auf die flexible G+H-Verteilung zurückgegriffen. Ferner wird die Extremwerttheorie gegenübergestellt.
8526 Downloads19.06.2009
Datei downloaden 
