Rating
Definition
Definition Rating: Ein Rating ist eine risikoorientierte Beurteilung eines Kreditnehmers oder
einer Transaktion (einer Fazilität) für einen bestimmten Zeithorizont. Das Rating lässt eine
qualitative Risikoeinschätzung zu. Darüber hinaus steht es normalerweise in enger Beziehung
zu Risikokenngrößen wie der Ausfallwahrscheinlichkeit („PD-Rating“), der Verlustquote bei
Ausfall („LGD-Rating“) oder dem erwarteten Verlust („EL-Rating“). Die Ratingbeurteilung wird
auf einer standardisierten Skala vorgenommen. Die Ratingausprägungen stehen in engem
Zusammenhang mit Werten der Risikoparameter.
 Ratings sollen Kreditnehmer bzw. Transaktionen in homogene Gruppen mit ähnlichen
Risikoparametern einteilen.
 Manche Ratings berücksichtigen nicht nur den Risikoaspekt gemäß Definition sondern
enthalten auch eine Chancen orientierung (Fonds-Ratings, Eigenkapitalratings z.B. im
Aktiensektor)
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
1
Rating
Arten von Ratings
 Ersteller: externes Rating vs. Internes Rating
 Beurteiltes Objekt: Kreditnehmerratings / Emittentenratings vs. Transaktionsratings /
Fazilitätenratings / Emissionsratings
 Zeithorizont: kurzfristiges Rating / short term rating vs. Langfristiges Rating (long term rating)
 Einbezogene Faktoren:
 betrachtete Risikoträger: individual rating vs. rating after support/burden
 Währungseffekte: foreign currency rating vs. local currency rating
 Abhängigkeit vom Konjunkturzyklus: Point-in-Time-Ratings vs- Through-the-Cycle-Ratings
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
2
Rating
Qualitative Beschreibung der Ratingskalen von Moody‘s und Standard & Poor‘s
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
3
Rating
Aufsichtsdefinition eines internen Ratings
Der Begriff „Ratingsystem“ umfasst alle Methoden, Prozesse, Kontrollen, Datenerhebungen
und DV-Systeme, die zur Bestimmung von Kreditrisiken, zur Zuweisung interner Ratings
und zur Quantifizierung von Ausfall- und Verlustschätzungen dienen. Basel II, RV Tz. 394
Der Begriff „Ratingsystem“ [...] umfasst jede der Methoden, Verfahrensabläufe, Steuerungs- und
Überwachungsprozeduren und Datenerfassungs- und Datenverarbeitungssysteme, die die
Einschätzung von Adressrisiken, die Zuordnung von IRBA-Positionen zu Ratingstufen oder
Risikopools (Rating) und die Quantifizierung von Ausfall- und Verlustschätzungen für eine
Bestimmte Art von IRBA-Positionen unterstützen. E-SolvV §59 (1)
IRBA: Internal ratings-based approach, Ansatz zur Eigenkapitalunterlegung in Banken, der auf bankinternen
Ratings basiert
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
4
Rating
Ratingmethoden
 Im Ratingprozess werden unter Anwendung einer Ratingmethode die relevanten Informationen über
einen Kreditnehmer / eine Transaktion in eine Einstufung auf der Ratingskala (d.h. in eine Ratingklasse)
aggregiert.
 Beispiel: Kreditnehmerrating
Merkmale des Kreditnehmers
Ratingmethode
• Bilanzkennzahlen
• Managementqualität
• Wettbewerbsumfeld
• wirtschaftliches Umfeld (Branche/Land)
• weitere Risikoträger mit unterstützender
oder belastender Wirkung (Konzerneinbindung, Haftungsverbünde, ...)
• Alter
• Einkommen
• ...
• Experteneinschätzung
• Diskriminanzanalyse
• lineare Regression
• Logit-/Probit-Regression
• Kausalmodell
• z.B. Merton-Modell
• z.B. Simulationsmodell
• Hybridmethode (Kombination)
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
Rating
5
Rating
Analyse der Hierarchie potenziell relevanter Faktoren für ein PD-Rating
Region 1
Region n
Gesamtwirtschaftliche Faktoren
- BIP-Wachstum, langfristiger Zins, Inflation,...
Region 2
Branchenspezifische Faktoren
- Branchenwachstum, Branchenrentabilität, Leerstände bei
Immobilien, ...
...
Kreditnehmerspezifische Faktoren
...
PD
- Jahresabschlusskennziffern (EK-Rendite, Umsatzrentabilität, ...)
- qualitative Faktoren (Planung, Management, Position im
Wettbewerbsumfeld, ...)
- ...
...
Region 4
Region 3
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
6
Rating
Systematisierung der Faktoren, die in ein Rating einfließen
 Die Menge der bei der Risikoanalyse potenziell relevanten Faktoren wird in der Praxis häufig anhand der
sog. „Fünf C‘s“ der Kreditanalyse systematisieren:
 Character (Unternehmerpersönlichkeit und –integrität)
 Capital (Vermögenslage des Kreditnehmers)
 Capacity (sachliches und personelles Leistungsvermögen des Kreditnehmers)
 Collateral (Sicherheitensituation)
 Cycle (Konjunkturzyklus)
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
7
Rating
Anforderungen an den Prozess der Ratingerstellung
 Reproduzierbarkeit / Zuverlässigkeit: wiederholtes Rating gleicher Objekte soll zum selben Ergebnis führen
 Informationseffizienz: Alle verfügbaren Informationen sollten bei der Ratingerstellung verwendet werden.
 Anreizkompatibilität: Es sollten keine Anreize vorhanden sein, Ratings zu „manipulieren“ => interne /
externe Überwachung
 Validität: geschätzte / prognostizierte Risikoparameter und tatsächliche Realisierungen sollten innerhalb
einer Ratingklasse in einer Beobachtungsperiode im Rahmen der zu erwartenden statistischen
Unsicherheiten übereinstimmen. Die entsprechende Überprüfung erfolgt im Rahmen des sog. Backtestings,
einem Element der „Ratingvalidierung“.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
8
Rating
Anwendungsbereich von Ratingverfahren
 In einem heterogenen Portfolio kommen für verschiedene Kundengruppen typischerweise unterschiedliche,
ggfs. auch methodisch verschiedene Ratingverfahren zum Einsatz.
 Beispiel: „Ratinglandschaft“ einer Landesbank
Länderrating
STAATEN
Transferrisiko
Transferrisiko
Konjunkturfaktor
Konjunkturfaktor
VERB.
Gebiets
Gebiets-körperschaften
körperschaften-rating
rating
ABS
ABS
(Ext.
(Ext. Rating)
Rating)
Scoring
Scoring
LBS
/
Bauspardarlehen
LBS / Bauspardarlehen
Rating
Rating
Versicherungen
Versicherungen
FIRMEN
BANKEN
Rating
Rating
Private
Private
Investoren
Investoren
Rating
Rating
Leveraged
Leveraged
Finance
Finance
Rating
Rating
Leasing
Leasing-gesellschaften
gesellschaften
Rating
Rating Fonds
Fonds
Bankenrating
Bankenrating
(incl.
(incl. Autobanken)
Autobanken)
SubstitutionsSubstitutions
Substitutions-rating
rating Banken
Banken
Rating
Rating
Investmentbanken/
Investmentbanken/
Broker/Dealer
Broker/Dealer
Rating
Rating
Gewerbe
Gewerbe-immobilien
immobilien
Rating
Rating
Flugzeug
Flugzeug-finanzierungen
finanzierungen
Rating
Rating
PF
Cash
PF Cash Flow
Flow
(Energie/Industrie,
(Energie/Industrie,
Infrastruktur,
Infrastruktur,
TelekommuniTelekommunikationsnetze)
kationsnetze)
Rating
Rating
Structured
Structured
Commodity
Commodity
Trade
Trade Finance
Finance
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
SPEZIALFINANZIERUNGEN
Zentralstaaten
Zentralstaaten //
Zentralbanken
Zentralbanken
Firmenrating
Firmenrating
(incl.
(incl.
kommunalnahe
kommunalnahe
Unternehmen)
Unternehmen)
9
Rating
Ratingmethoden: Experteneinschätzung
 Für die Beurteilung des Kreditnehmers wird eine Liste von Beurteilungskriterien herangezogen
 Ein Experte beurteilt die Ausprägung der einzelnen Kriterien.
Beurteilungsbogen für Unternehmen
Bewerten Sie folgende Kategorien zwischen 1 (sehr gut)
und 10 (sehr schlecht)
Kategorie
Profitabilität
Wachstumspotenzial
Konkurrenzsituation
Fähigkeiten des Managements
...
Beurteilung
3
4
4
2
...
 Die Beurteilungskriterien werden zu einer Ratingklasse aggregiert.
 Gebräuchliche Aggregationsmethoden:
• gerundeter Durchschnitt
• gerundeter gewichteter Durchschnitt
• schlechteste Kategorie bestimmt Ratingklasse
• nichtlineare Aggregation
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
10
Rating
Diskriminanzanalyse
• multivariates Verfahren zur Analyse von Gruppenunterschieden =>
Bonitätsunterschiede
• ermöglicht, die Unterschiedlichkeit von zwei oder mehreren Gruppen hinsichtlich
einer Menge von Variablen zu untersuchen
• ermöglicht die Bestimmung / Prognose der Gruppenzugehörigkeit von
Elementen (Klassifizierung)
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
11
Rating
Diskriminanzanalyse - Ablaufschritte
• Definition der Gruppen
• Formulierung der Diskriminanzfunktion
• Schätzung der Diskriminanzfunktion
• Prüfung der Diskriminanzfunktion
• Prüfung der Merkmalsvariablen
Gruppe A
Gruppe B
Y
Diskriminanzachse
YA
Yi < Y => Gruppe A
Yi > Y => Gruppe B
Y
= b0 + b1 X1 + b2 X2 + ... + bj Xj
YB
= Diskriminanzfunktion / Trennkriterium
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
12
Rating
Diskriminanzanalyse - Beispiel
Z-Score Bankruptcy Model (Altman)
Z  1,2
WorkingCap ital
RetainedEarnings
EBIT
MarketValu eofEquity
Sales
 1,4
 3,3
 0,6
 0,999
TotalAsset s
TotalAsset s
TotalAsset s
BookValueo fTotalLiabilities
TotalAsset s
• Statistisch hergeleitet über Diskriminanzanalyse aus einer historischen
Stichprobe mit Unternehmensdaten
• Schwellenwerte:
• Z > 2,99: „Safe“ Zone
• 1,8 < Z < 2,99: „Grey“ Zone
• Z < 1,8: „Distress“ Zone
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
13
Rating
Diskriminanzanalyse – Beispiel zum Z-Score-Modell
Z-Score
7
6
5
Safe Zone
4
Z-Score
3
Downgrade
Grey Zone
2
1
Distress Zone
0
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
Quelle: Altman
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
14
Rating
Lineare Regression
• Für einen bestehenden oder potenziellen Kreditnehmer i kann der Ausfall über folgende
Zufallsvariable modelliert werden:
1
Yi  1i  
0
Kunde i fällt aus
Kunde i fällt nicht aus
• Die Wahrscheinlichkeitsverteilung dieser binären Variablen ist:
• Wahrscheinlichkeit für Ausprägung 1 (Ausfall):
PDi
• Wahrscheinlichkeit für Ausprägung 0 (kein Ausfall):
1 – PDi
• Der Erwartungswert von Yi lässt sich daher folgendermaßen berechnen:
Erwartungswert[Yi] = 0 x (1 – PDi) + 1 x PDi = PDi
• Durch diesen Zusammenhang kann die PDi mit den Merkmalen des Kreditnehmers Xi1, ...,
Xik über folgendes lineares Wahrscheinlichkeitsmodell berechnet werden:
PDi = a + b1 Xi1 + b2 Xi2 + ... + bk Xik
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
15
Rating
Lineare Regression
• Die Parameter dieses Modells (a, b1, b2, ... , bk) können mittels linearer Regression aus den
beobachteten Daten geschätzt werden.
• Für die lineare Regression sind folgende Informationen aus der Datensammlung
notwendig:
• die beobachteten Merkmale der Kreditnehmer zu Beginn der Beobachtungsperiode
• die Information, ob der Kreditnehmer in dieser Periode ausgefallen ist oder nicht
 Y1 
 
 Y2 
Y 

 
Y 
 n
n
k
Yi
Xij
1 X11

1 X21
X
 

1 X
n1

 X1k 

 X2k 
  

 Xnk 
# der Kreditnehmer im Datensatz
# der Merkmale
1: Kreditnehmer i ist ausgefallen; 0: Kreditnehmer i ist nicht ausgefallen
Merkmal j des Kreditnehmers i
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
16
Rating
Lineare Regression – praktische Probleme bei der Identifikation von Ausfallereignissen
31.12.04
31.12.03
12
13
Fall trägt nur zu N12 bei
12
D
12
D
Fall trägt zu N12 und D12 bei
Fall trägt zu N12 und D12 bei
12
Fall trägt nur zu N12 bei
12
12
Fall trägt nicht zu N12 und nicht zu D12 bei (?)
D
12
D
12
12
D
D
Fall trägt nicht zu N12 und nicht zu D12 bei (?)
Fall trägt nur zu N12 bei
12
Fall trägt nur zu N12 bei
12
Fall trägt nicht zu N12 und nicht zu D12 bei (?)
12
12
Fall trägt zu N12 und D12 bei
Fall trägt nicht zu N12 und nicht zu D12 bei
Ziel: Bestimmung der 1-Jahres-Ausfallrate in Ratingklasse 12, R12 , für das Jahr 2004
R12 = D12/N12
N12: Grundgesamtheit der Kreditnehmer, die Ratingklasse 12 zugeordnet werden
D12: Anzahl der Ausfälle, die beim 1-Jahres-Horizont in Klasse 12 auftreten
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
17
Rating
Lineare Regression
• Der Parametervektor (a, b1, b2, ... , bk) wird über folgende Formel der Kleinste-QuadrateMethode (OLS) berechnet:
b = (X‘X)-1X‘Y
• Beispiel: Die Unternehmen des Portfolios können mit zwei Merkmalen beschrieben werden.
Merkmal 1 ist der Umsatz in Millionen Euro und Merkmal 2 ist die Höhe der
Verbindlichkeiten in Millionen Euro. Berechnen Sie die Ausfallwahrscheinlichkeit für
folgende Kreditnehmer mittels linearer Regression:
Kunde 1: Merkmal 1 = 10; Merkmal 2 = 50
Kunde 2: Merkmal 1 = 30; Merkmal 2 = 40
Kunde 3: Merkmal 1 = 20; Merkmal 2 = 300
Gegeben sind folgende Parameter: a = 0,01; b1 = -0,008; b2 = 0,002
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
18
Rating
Lineare Regression
Lösung:
PD des Kunden 1: 0,01 – 0,008 x 10 + 0,004 x 50 = 13%
PD des Kunden 2: 0,01 – 0,008 x 30 + 0,004 x 40 = -7%
PD des Kunden 3: 0,01 – 0,008 x 20 + 0,004 x 300 = 105%
=> In einem linearen Regressionsmodell kann nicht ausgeschlossen werden, dass die
Schätzung der Ausfallwahrscheinlichkeit unter 0% oder über 100% liegt. Eine Lösung
besteht darin, diese Werte auf 0% bzw. 100% zurückzusetzen.
PD des Kunden 2: 0,01 – 0,008 x 30 + 0,004 x 40 = -7%
PD des Kunden 3: 0,01 – 0,008 x 20 + 0,004 x 300 = 105%
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
=> 0%
=> 100%
19
Rating
Lineare Regression - Beurteilung
• Vorteile:
• einfaches mathematisches Verfahren
• Einfluss der Merkmale auf die PD kann aus den Parametern direkt abgelesen werden
• Nachteile:
• Das Modell kann nicht ausschließen, dass die PD außerhalb [0%;100%] liegt
• Der Einfluss der Merkmale wird über ihren gesamten Bereich als konstant modelliert.
Es ist aber davon auszugehen, dass es für jedes Merkmal zentrale Bereiche gibt, wo
sich Veränderungen des Merkmals sehr stark auswirken, während sich Veränderungen
im Randbereich nur minimal auf die PD auswirken.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
20
Rating
Logistische Regression
• Die logistische Regression (Logit-Modell) ist der logistischen Regression ähnlich, hat aber
nicht die Nachteile der linearen Regression:
• PD ist immer im Intervall [0%;100%]
• Einfluss der Merkmale ist nicht konstant
• Die logistische Regression benötigt dieselben Daten (Merkmale und Ausfälle der
Kreditnehmer) wie die lineare Regression.
• Die Merkmale der Kreditnehmer werden bei der logistischen Regression zwar noch linear
verbunden, der resultierende Score hängt jedoch nichtlinear mit der zu erklärenden
Variablen (Ausfalldaten) zusammen. Da in diesem Fall die Kleinste-Quadrate-Methode
(OLS) nicht mehr ohne weiteres verwendet werden kann, ist die Schätzung der Parameter
schwieriger.
• Dem logistischen Modell liegt die logistische Verteilungsfunktion zu Grunde:
ex
1
G(x) 

x
1 e
1 e  x
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
21
Rating
Logistische Regression
• Die Ausfallwahrscheinlichkeit ergibt sich aus den Merkmalen Xij des Kreditnehmers i über
folgende Formel:
PDi 
1
1 e (αβ1Xi1 β2 Xi2 βk Xik )

1
1 e  P (X)
• P(X) ist der sog. „lineare Prädiktor“
• Die Parameter des Modells können über eine Maximum-Likelihood-Schätzung (MLE)
bestimmt werden.
• Dazu muss folgende Likelihood-Funktion verwendet werden:
n
Yi
# der Kreditnehmer im Datensatz
1: Kreditnehmer i ist ausgefallen; 0: Kreditnehmer i ist nicht ausgefallen
L  PD1Y1  (1 PD1)(1Y1 )  PD nYn  (1 PD n )(1Yn )
• In einem iterativen Verfahren werden die Parameter (a, b1, b2, ... , bk) durch die
Maximierung von L bestimmt.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
22
Rating
Logistische Regression
Default/Non-Default, Cumulative PD
L( P( X )) 
exp(P( X ))
1  exp(P( X ))
Default (1)
Non-Default (0)
Score=P(X)
 Kumulative Verteilungsfunktion einer logistischen Verteilung wird an historische Beobachtungen (Ratingscore | 0/1)
angepasst
 freie Parameter sind die Gewichte der erklärenden Faktoren (Ratingfaktoren)
 Variation der Gewichte der erklärenden Faktoren entspricht dem „Durchspielen“ verschiedener Ratingvarianten (d.h.
Schemata zur Ermittlung des Ratingscores)
 Optimierung auf ein Performancemaß (z.B. mittlere Devianz – entspricht in etwa der Likelihood)
Interpretation: Von allen möglichen Gewichten zeichnen sich die optimierten Gewichte dadurch aus, dass mit ihnen die Wahrscheinlichkeit,
die tatsächlich beobachteten Daten zu beobachten, am höchsten ist.
 aus Optimum des Performancemaßes wird optimale Gewichtung abgeleitet
 Ergebnis ist Zuordnung einer Ausfallwahrscheinlichkeit zu jedem Ratingscore: PD = L(P(X))
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
23
Rating
Logistische Regression
• Beispiel: Die Unternehmen des Portfolios können mit zwei Merkmalen beschrieben werden.
Merkmal 1 ist der Umsatz in Millionen Euro und Merkmal 2 ist die Höhe der
Verbindlichkeiten in Millionen Euro. Zu berechnen ist die Ausfallwahrscheinlichkeit für
folgende Kreditnehmer mittels logistischer Regression:
Kunde 1: Merkmal 1 = 10; Merkmal 2 = 50
Kunde 2: Merkmal 1 = 30; Merkmal 2 = 40
Kunde 3: Merkmal 1 = 20; Merkmal 2 = 300
Gegeben sind folgende Parameter: a = -4; b1 = -0,03; b2 = 0,009
Lösung:
PD des Kunden 1: 1 / (1 + exp(4 + 0,03 x 10 – 0,009 x 50) = 2,08%
PD des Kunden 2: 1 / (1 + exp(4 + 0,03 x 30 – 0,009 x 40) = 1,06%
PD des Kunden 3: 1 / (1 + exp(4 + 0,03 x 20 – 0,009 x 300) = 13,01%
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
24
Rating
Vergleich Lineare Regression vs. Logistische Regression
• Ergebnis der linearen oder logistischen Regression und Bestimmung der Ratingklasse:
• Das Ergebnis einer linearen oder logistischen Regression sind die Parameter, mit
welchen die PD für jeden Kreditnehmer für eine gegebene Laufzeit berechnet werden
kann
• Diese Laufzeit entspricht der Beobachtungsperiode, die für die Daten (Ausfälle und
Merkmale) gewählt worden ist.
• Beispielsweise werden am Anfang einer einjährigen Periode die Merkmale der
Kreditnehmer beobachtet und die Ausfälle in dieser einjährigen Periode erfasst, dann
erhält man aus dem Regressionsmodell einjährige PDs.
• Die berechnete PD für jeden Kreditnehmer kann entweder direkt für diese Laufzeit
verwendet werden oder zur Zuordnung des Kreditnehmers zu einer Ratingklasse.
• Jede Ratingklasse ist dabei durch ein PD-Intervall definiert, z.B.:
Ratingklasse 1 enthält alle Kreditnehmer mit einer PD zwischen 0% und 0,05%
Ratingklasse 2 enthält alle Kreditnehmer mit einer PD zwischen 0,05% und 0,2%
...
Ratingklasse n enthält alle Kreditnehmer mit einer PD zwischen 20% und 100%
• Durch die Anwendung von Migrationsmatrizen kann dann die PD für eine beliebige
Laufzeit bestimmt werden.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
25
Rating
Vergleich Lineare Regression vs. Logistische Regression
• Vorteile von Regressionsmodellen
• Objektives Verfahren zur Bestimmung des Ratings
• Das wiederholte Rating eines Kreditnehmers ergibt immer die gleiche Ratingklasse.
• Möglichkeit der Interpretation des Einflusses der Merkmale auf die PD
• Nachteile von Regressionsmodellen
• Schlechte Datenqualität und schlechte Auswahl der Merkmale kann PD stark verzerren
• Zusatzwissen der Experten geht verloren
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
26
Rating
Hybride Methoden
• Oft findet man in der Praxis Kombinationen von Regressionsmodellen und
Experteneinschätzungen.
• Dabei werden die Ergebnisse des Regressionsmodells zur Einteilung in die vorläufigen
Ratingklassen verwendet.
• Der Experte kann dann aufgrund seiner Einschätzung des Kreditnehmers das vorläufige
Rating in gewissen Grenzen nach oben oder unten korrigieren („Overruling“)
• Diese Änderung durch den Experten kann entweder direkt oder anhand eines
Beurteilungsbogens erfolgen.
• Vorteile
• Experte kann mit Zusatzinformationen über einen Kreditnehmer, die nicht durch die
Merkmale im Regressionsmodell abgedeckt sind, die Qualität des Ratings verbessern.
• Nachvollziehbarkeit des Ratings ist besser als bei reiner Experteneinschätzung
• Nachteile:
• Ratings sind unter Umständen nicht objektiv, weil Experten von persönlichen Interessen
beeinflusst sind.
• Dasselbe Unternehmen kann von zwei Experten verschieden eingeordnet werden.
• Schlechte Datenqualität und schlechte Auswahl der Merkmale kann PD stark verzerren.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
27
Rating
Zusammenfassung Ratingmethoden
• Bei der Entwicklung interner Ratingprozesse werden die Merkmale des Kreditnehmers unter
Anwendung einer Ratingmethode zu einer Ratingklasse verdichtet
• Es stehen verschiedene Ratingmethoden zur Auswahl. Diese unterscheiden sich vor allem
darin, ob die Einschätzung aus einem statistischen Modell oder von einem Experten kommt.
• Die Wahl der Ratingmethode und der Merkmale kann für verschiedene Gruppen von
Kreditnehmern unterschiedlich sein.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
28
Rating
Auswahl der Ratingmethode
• Die Wahl der Ratingmethode und der Merkmale ist entscheidend für die Qualität des internen
Ratingprozesses.
• Ziel ist es, jeden Kreditnehmer der Bank in eine Ratingklasse einzuteilen und dabei die volle
Information über diesen Kreditnehmer zu nutzen.
• Eine Bank wird für verschiedene Gruppen von Kreditnehmern unterschiedliche Merkmale und
unterschiedliche Ratingmethoden verwenden.
• Dabei ist zu entscheiden, ob die Ratingmethode eine reine hybride Experteneinschätzung, ein
rein statistisches Verfahren, ein kausales Modell oder eine hybride Methode sein soll.
• Die Wahl der Ratingmethode für eine Gruppe von Kreditnehmern baut auf folgenden Kriterien
auf:
• Größe des Portfolios: Je größer das Portfolio ist, desto leichter können statistische
Verfahren angewendet werden.
• Anzahl der Ausfälle: Je mehr Ausfälle beobachtet werden, desto leichter können
statistische Verfahren angewendet werden.
• Homogenität des Geschäfts: Je gleichartiger die Geschäfte sind, desto leichter können
statistische Verfahren angewendet werden.
• Datenqualität: Je besser die Datenqualität ist, desto leichter können statistische
Verfahren angewendet werden.
29
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
Rating
Auswahl der Ratingmethode
• Die Auswahl der Merkmale für eine Gruppe an Kreditnehmern ist von der gewählten
Ratingmethode abhängig:
• Experteneinschätzung: Der Experte wählt jene Merkmale der Kreditnehmer aus, die
seiner Meinung nach die Ausfallwahrscheinlichkeit am besten erklären.
• Statistische Verfahren: Bei regressionsbasierten Modellen werden zuerst alle potenziell
wichtigen Merkmale ausgewählt. Danach kann mittels Signifikanztest (z.B. Wald-Test)
ermittelt werden, ob ein bestimmtes Merkmal Erklärungskraft zur Bestimmung der
Ausfallwahrscheinlichkeit hat.
Zum Vergleich verschiedener Modelle können Maße für die Anpassungsgüte
herangezogen werden (z.B. Devianz).
• Es können grob folgende Gruppen von Kreditnehmern unterschieden werden:
• Privatkunden
• Unternehmen
• Banken
• Spezialfinanzierungen
• Staaten
• Für jede dieser Gruppen müssen die Ratingmethode und die darin eingehenden
Merkmale bestimmt werden.
Kreditrisikomanagement und Ratingverfahren, SS 2010, Dr. G. Knöchlein
30

Rating