Das Standardwerk Risikoanalyse von Cottin, Döhler und Schmidt liegt nun in der dritten, aktualisierten und erweiterten Auflage vor (Buchbesprechung zur zweiten Auflage siehe hier). Es bleibt ein maßgebliches Studienbuch für Studenten und Praktiker im Bereich der quantitativen Risikoanalyse – und präsentiert sich erneut als Brücke zwischen mathematischer Theorie, wirtschaftlicher Praxis und regulatorischer Realität.
Das Werk gliedert sich systematisch in sieben umfangreiche Kapitel und behandelt die Risikoanalyse aus mathematischer, ökonomischer und anwendungsorientierter Perspektive. Das einleitende Kapitel bietet eine Einführung in den Risikobegriff sowie seine historische Entwicklung. In der Mathematik und der Ökonomie wird bei der Definition von Risiko in der Regel nicht zwischen positiven und negativen Aspekten unterschieden, sondern Risiko wird allgemein als die Möglichkeit von Wertveränderungen bestimmter Objekte innerhalb eines vorgegebenen Zeitraums oder einer vorgegebenen Entscheidungssituation aufgefasst, so die Autoren. Insbesondere bei finanziellen Risiken, z. B. Aktienkurs- oder Rohstoffpreisentwicklungen, ist unmittelbar klar, dass die fraglichen Veränderungen positiver oder negativer Natur sein können. Im einführenden Kapitel werden außerdem die regulatorischen Rahmenregelungen des Risikomanagements vorgestellt, insbesondere das Gesetz zur Kontrolle und Transparenz im Unternehmensbereich (KonTraG), das Transparenz- und Publizitätsgesetz (TransPuG), der Sarbanes-Oxley Act sowie die Mindestanforderungen an das Risikomanagement von Banken bzw. von Versicherungsunternehmen, die sich aus den Regimen Basel II/III/IV und Solvency II ergeben.
Ein Wermutstropfen in der ansonsten sehr umfassenden Darstellung im einführenden Kapitel ist das Fehlen eines Bezugs zu den aktuellen regulatorischen Entwicklungen rund um das StaRUG (Gesetz über den Stabilisierungs- und Restrukturierungsrahmen für Unternehmen, seit 2021). Gerade im Kontext der Risikoanalyse und Risikoaggregation ist die im StaRUG verankerte Pflicht zur frühen Erkennung bestandsgefährdender Entwicklungen von zentraler Bedeutung – insbesondere für Geschäftsleitungen und Aufsichtsgremien. Die dort geforderte systematische Risikoidentifikation und -bewertung sowie eine aggregierte Gesamtbetrachtung hätten inhaltlich gut in das Kapitel zur Risikoaggregation (Kap. 2.6) und zur Auswahl und Überprüfung von Modellen (Kap. 6) gepasst.
Der inhaltliche Schwerpunkt des Buches liegt in der mathematisch fundierten Modellierung von Risiken. Kapitel 2 widmet sich ausführlich der statistischen Beschreibung und Simulation von Einzelschäden und Schadenanzahlprozessen, der Modellierung extremer Ereignisse sowie der Risikoaggregation. Durch anschauliche Beispiele, zahlreiche Aufgaben und begleitende Softwareunterstützung (R-Code in Kombination Excel) wird der Stoff praxisnah vermittelt.
Kapitel 3 führt in die zentralen Risikokennzahlen ein – von klassischen stochastischen Maßen wie Erwartungswert, Standardabweichung oder Value-at-Risk bis hin zu Sensitivitätskennzahlen und risikoadjustierten Performance-Maßen. Das Werk bettet diese Konzepte sowohl theoretisch als auch anwendungsbezogen ein und bezieht sich dabei explizit auf Finanz- und Versicherungskontexte.
Ein weiteres Highlight ist Kapitel 4 zur Risikoentlastung: Diversifikation, Risikoteilung, Hedging und strukturierte Produkte werden fundiert behandelt. Der Abschnitt über Zertifikate und Optionsstrategien bietet auch für fortgeschrittene Leser interessante Einblicke, etwa in die Bewertung nach dem Black-Scholes-Modell.
Kapitel 5 beleuchtet die Abhängigkeitsmodellierung, u.a. mit Copulas und Tail-Abhängigkeiten, und stellt damit eine wichtige methodische Ergänzung zur klassischen Varianz-Kovarianz-Logik dar. Das Buch nimmt sich dabei auch komplexerer Fragestellungen wie der Modellierung von Extremwerten an – ein Thema, das in der zweiten Auflage erstmals eingeführt wurde und nun noch vertieft wurde.
Kapitel 6 befasst sich mit der Auswahl, Überprüfung und Validierung von Modellen – ein Aspekt, der in der dritten Auflage durch neue Abschnitte zum Backtesting und zur Parameterschätzung bei Copulas erweitert wurde. Das finale Kapitel 7 liefert ein breites Methodeninventar zur Simulation, insbesondere zur Monte-Carlo-Simulation und Bootstrap-Verfahren, und stellt deren Umsetzung mit Beispielen in R dar.
Gegenüber der zweiten Auflage wurde das Werk in mehreren Punkten systematisch erweitert und aktualisiert: Die Integration von Solvency II als nun rechtswirksamem Rahmen wurde umfassend überarbeitet. Erstmals stehen digitale Karteikarten zu den Kapiteln 2 bis 7 zur Verfügung – ein didaktisch wertvoller Zusatz, der die Lernwirksamkeit erhöht. Excel-Dateien und R-Skripte sind nun über eine zentrale GitHub-Seite zugänglich, was den technischen Zugriff erheblich erleichtert. Aufgaben und Selbsttests wurden überarbeitet und teilweise erweitert, etwa zu Themen wie Bootstrap-Analyse, Copula-Schätzung oder Anpassungstests.
Im Vergleich zur zweiten Auflage fällt vor allem auf, dass die Autoren für die dritte Auflage den Praxisbezug weiter gestärkt haben. Insbesondere die R-Beispiele erleichtern die Umsetzung der Methoden in der Praxis.
Fazit: Die dritte Auflage des Buches "Risikoanalyse – Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen" ist weiterhin ein wichtiges Standardwerk für die quantitative Risikoanalyse. Es verbindet mathematische Tiefe mit didaktischer Aufbereitung und hohem Praxisnutzen. Die Aktualisierungen gegenüber der zweiten Auflage sind sinnvoll – insbesondere die Einbindung digitaler Lernmaterialien sowie der R-Code auf der GitHub-Seite.
Das Werk ist weiterhin uneingeschränkt empfehlenswert für Studenten der Wirtschaftsmathematik, Risikomanager und Aktuare, aber auch für Praktiker in Finanz-, Energie- oder Industrieunternehmen. Wer sich mit der fundierten Modellierung von Risiken befassen will, findet hier eine theoretisch fundierte und zugleich praxisorientierte Grundlage.
