Im Kreislauf „Risikomanagement“ (Identifizieren – Messen – Steuern – Überwachen) hat die Messung von Risiken zentrale Bedeutung. Erst wenn unterschiedliche Risiken möglichst genau quantifiziert werden, ist eine Steuerung und Überwachung möglich.

Um das Ausfallrisiko einzelner Adressen sachgerecht messen zu können, müssen Banken/Sparkassen und institutionelle Investoren risikorelevante Aspekte sammeln, strukturieren, gewichten und geeignet kalibrieren.

Die RSU unterstützt ihre Kunden bei der Kreditrisikomessung mit einer Reihe von Tools/Verfahren, die unsere mehr als 35 Methodikexperten permanent prüfen, validieren und weiterentwickeln.

Die Beurteilung von Kreditrisiken ist seit jeher die Kernkompetenz von Banken/Sparkassen. An dieser Stelle entscheidet sich für das Institut, ob es wirtschaftlich arbeiten kann oder nicht. Wegen der überragenden Bedeutung der Finanzbranche für die Gesamtwirtschaft unterliegt dieser Teil des Bankgeschäfts umfassenden regulatorischen Vorgaben und Prüfungen. Die Entwicklung und der Betrieb von Risikomessverfahren, die durchgehend allen ökonomischen und regulatorischen Standards der Bankenbranche erfüllt – das ist die Kernkompetenz der RSU, zu diesem Zweck wurde das Unternehmen 2003 gegründet.

Institutionelle Investoren hilft die RSU dabei, in einem herausfordernden Marktumfeld die richtigen Investitionsentscheidungen zu treffen. Die Kombination aus zunehmender Duration, steigender Illiquidität und neuen (sog. alternativen) Assetklassen erfordert eine besondere Transparenz bezüglich des Verhältnisses von Renditechancen und verbundenen Risiken. Neben den ökonomischen Erfordernissen müssen Investoren zudem die regulatorische Anforderungen nach einer internen Risikobewertung aus Solvency II, VAG oder CRA III erfüllen.

Die internen Ratingverfahren basieren auf einem europaweit einzigartigen Datenpool von Finanzierungsdaten für das Großkundengeschäft und ermöglichen eine ganzheitlichen Risikoanalyse des Kreditnehmers durch den Analysten: So gehen quantitative und qualitative Informationen in die Beurteilung ebenso ein wie eventuelle Warnsignale oder Haftungsverbünde.

Der Risk Analyzer liefert eine automatisierte Bonitätsaussage zu einer Adresse, die auf der statistischen Analyse von Kapitalmarktinformationen zu dieser Adresse beruht.

Um das Kreditrisiko sinnvoll beurteilen zu können, ist nicht nur relevant, ob eine Verbindlichkeit zurückgezahlt wird, sondern auch, wie hoch der Verlust im Falle eines Ausfalls sein wird. Mit unseren Verfahren zur Verlustschätzung ermitteln unsere Kunden eine statistisch valide Schätzung für diese Risikokomponente.

Um Steuerungsimpulse möglichst frühzeitig setzen zu können, sind Frühwarnsysteme für sich abzeichnende Bonitätsverschlechterungen unabdingbar. Risk Guard analysiert kapitalmarktbasierte Adressen und liefert mit ausreichendem zeitlichen Vorlauf (bis zu einem Jahr) Warnsignale für auftretende Ausfallrisiken.

Die wirkungsvolle Risikofrüherkennung ist ein essentieller Baustein im Risikomanagement nicht nur von Banken und institutionelle Investoren, sie spielt auch in anderen Branchen eine wesentliche Rolle, so z.B. bei Industrieunternehmen im Supply Chain Risk Management.

Ratings als wesentlicher Faktor der Risikomessung werden i.d.R. jährlich oder anlassbezogen erstellt. Für das unterjährige laufende Monitoring von Kreditrisiken kann auf Marktdaten wie Aktienkurse, CDS zurückgegriffen werden. Für börsennotierte Unternehmen können Kapitalmarktdaten so die Grundlage für die aktuelle Einschätzung erhöhter Ausfallrisiken bilden. Der marktdatenbasierte Risk Analyzer bietet Investoren neben der automatisierten Risikobewertung von Einzeladressen auch aufschlussreiche Analysen von Branchen und Peer Groups.

Effiziente und effektive Risikofrühwarnung stellt hohe Ansprüche an die zeitnahe Verfügbarkeit von risikorelevanten Daten. Zudem soll eine möglichst hohe Abdeckung des Portfolios erreicht werden. Mit einem Frühwarnsystem wie Risk Guard, das auf täglicher Basis Warnsignale für Unternehmen, Branchen und Länder liefert, ist genau das gewährleistet. Neben Markdaten werden mit Hilfe von Machine Learning auch Nachrichten ausgewertet und können somit frühzeitig auf drohende Bonitätsverschlechterungen nicht nur bei Kapitalmarktadressen, sondern auch bei nicht-börsennotierten Unternehmen wie z.B. Mittelstand hinweisen.

Risk Guard kann Steuerungsimpulse für den Abbau von Investments oder eine Neuausrichtung der Portfolioallokation liefern. Als automatisiertes Frühwarnsystem kann es zudem eine gezieltere Allokation der Ressourcen für das Kreditmonitoring ermöglichen.

Seit Einführung der Basel II-Anforderungen sind die regulatorischen Erwartungen an das Risikomanagement der Banken die dadurch induzierten Aufwände in den Banken kontinuierlich gestiegen. Der EZB-Leitfaden für interne Modelle (Oktober 2019) bietet einen Ausweg aus diesem Dilemma, indem er die Möglichkeit bietet, aus gepoolten Daten entwickelte Ratingmodelle zu verwenden. Dieser europaweit relativ unbekannte sogenannte Pool-Ansatz existiert in Deutschland bereits seit Einführung des Basel-Akkords und hat sich bei einigen der größten deutschen IRB-Banken bestens bewährt.

Bei der Modellierung von Low Default Portfolios stellt der Mangel an historischen Daten und Ausfallerfahrungen für die Banken das größte Problem dar. Dies gilt vor allem für das Großkundengeschäft, also Kredite an Großunternehmen oder Banken, Projekt- oder gewerbliche Immobilienfinanzierungen. Durch die Teilnahme an einem Pool-Ansatz tragen die Banken mit ihren Daten zu einem stetig wachsenden Datenpool bei, der die Basis für die entsprechenden IRB-Modelle darstellt.

Auf Basis dieses kooperativen Datenpools entwickelt und betreibt die RSU mehrere IRB-zugelassene Modelle. Dabei ist der zur Verfügung stehende Datensatz deutlich größer als die individuellen Datensätze der Institute, die diesen Ansatz teilen. Diese breite Datenbasis an historischen und Ausfalldaten bietet den Modellierungsteams der RSU eine solide Basis für differenzierte Modelle. Während eine begrenzte Datenmenge zu einem allgemeineren Modellierungsansatz führt, bei dem oft mehrere Asset-Klassen in ein Modell eingepasst werden, ermöglicht der Zugriff auf eine umfangreiche Datenmenge eine genauere und differenziertere Modellierung.

Aufgrund der umfassenden Datenmengen weisen die Modelle eine hohe zeitliche Stabilität auf, was für die internen Kreditprozesse eines Instituts von zentraler Bedeutung ist.

Auch in der Argumentation gegenüber Aufsichtsbehörden und Wirtschaftsprüfern sind die verbesserten statistischen Möglichkeiten immens hilfreich.

Der Beitritt zu einem Pool-Ansatz geht mit einer spezifischen Arbeitsteilung einher. Die RSU übernimmt die Verantwortung für die zentrale Modellierung, weite Teile der Modellvalidierung und alle zentralen IT-Aufgaben. Die Institute kümmern sich um ihren Teil der Modellvalidierung sowie um alle internen Prozesse und bringen ihre Expertise dort ein.

Auch wenn angesichts der Regelungen von Basel III/IV interne Ratingverfahren noch höhere Anforderungen erfüllen müssen als bisher, genießt die Möglichkeit, mit eigenen Verfahren die notwendigen Eigenkapitalanforderungen (RWA) zu ermitteln und zu steuern, nach wie vor eine hohe Attraktivität.

Am Grundprinzip des IRBA hat sich seit der Einführung Mitte der 2000er nichts verändert: Auf Basis einer hinreichend zeitlich langen und bezogen auf die Anzahl der Kreditnehmer möglichst breiten Stichprobe werden Modelle zur Prognose der Ausfallwahrscheinlichkeit (PD) und ggf. Verlustschwere (LGD) abgeleitet. Mit Ausrollen der CRR und insbesondere den ab 2022 gültigen EBA Guidelines zur Schätzung von Risikoparametern hat die Aufsicht ihre Anforderungen konkretisiert und die Komplexität weiter erhöht.

Die vor diesem Hintergrund aufsichtlich zugelassenen Modelle der RSU ermöglichen es den Kunden durch die Integration in den Datenpool ihre eigenen Daten gemeinsam mit einer starken Datenbasis derer aller Kunden zusammenzubringen. Auf diesem Datenschatz basieren die langjährig erprobten und weiterentwickelten Verfahren der RSU.
Die RSU unterstützt ihre Kunden auch umfangreich in den erforderlichen aufsichtlichen Abnahme- oder Nachschauprüfungen.

Mit dem am 01.01.2018 in Kraft getretenen IFRS 9-Standard wurde der bisherige Incurred Loss-Ansatz durch ein Lifetime Expected Credit Loss-Modell ersetzt. Während die Risikovorsorge bislang vor allem basierend auf bereits eingetretenen Verlusten ermittelt wurde, ergibt sich durch die Regelungen aus IFRS 9 die Notwendigkeit, erwartete Verluste zu bevorsorgen, und hierbei verstärkt auch zukünftige Erwartungen über die komplette Laufzeit eines Finanzinstruments mit einzuwerten und zu berücksichtigen (Lifetime-Sicht).

Neben bereits aus der Kreditrisikomessung bekannten Komponenten wie PD, LGD und CCF, stellt die RSU für die Anwendung im Kontext IFRS 9 auch zu den RSU-Ratingverfahren passende Migrationsmatrizen und PD-Profile (MMX/PDP) zur Verfügung, die einen essentiellen Baustein zur Ermittlung des Lifetime-ECL darstellen.

Darüber hinaus ermöglichen die WEB-basierten Anwendungen Macro Analyzer PD (MAP) und Macro Analyzer Collateral (MAC) eine Mehrjahres-Analyse der zukünftigen Entwicklung von Ausfallraten und CTs sowie Sicherheitenwertverläufen in Abhängigkeit von makroökonomischen Erwartungen. Bei den Analysen können hierbei vom Anwender grundsätzlich beliebig viele unterschiedliche makroökonomische Szenarien/Prognosen über mehrere Jahre eingewertet werden.

Die RSU-Komponenten erfüllen grundsätzlich alle IFRS 9-Anforderungen und werden regelmäßig aktualisiert, validiert und weiterentwickelt.

Nationale (BaFin) sowie Europäische Aufsicht (EZB, EIOPA) verlangen regelmäßige Stresstests zur kontinuierlichen Prüfung der regulatorischen Kapitalanforderungen.
Damit verbunden ist die Aufgabe, den Einfluss von Krisenszenarien auf zukünftige Kreditverluste sowie die Kreditqualität zu quantifizieren

Darüber hinaus wird der Stresstest in den letzten Jahren immer mehr zu einem zentralen Baustein der Gesamtbanksteuerung. Stresstestmodelle dienen dazu, auf Basis von makroökonomischen Entwicklungen die Ausfallraten bzw. mittleren PDs der internen Ratings zu prognostizieren. So können die Fragen nach den zu erwartenden RWA-Auswirkungen, nach dem Risikokapitalbedarf oder der Risikovorsorge beantwortet werden.

Der Stress Test Analyzer der RSU transformiert frei wählbare makroökonomische (Stress-)Szenarien zu Shifts für Ausfallraten und PD-Anpassungen auf Länder-, Branchen- und Assetklassenebene sowie in zu erwartende CDS-Verläufe.

Finanzmarktinformationen sind fundamentale Bestandteile eines Datenhaushaltes der Finanz-, Versicherungs,- aber auch der verarbeitenden Industrie. Bei Banken findet die Verarbeitung dieser Daten gewöhnlich im Handel, Risikocontrolling, bei der Überprüfung der Marktgerechtheit, im Portfoliomanagement und Reporting statt.

Professionelles Marktdaten-Management hat sich dabei längst als eigene Disziplin etabliert, die den Unternehmenserfolg maßgeblich unterstützen kann. Hier geht es nicht nur um Konditionen und Rabatte. Vielmehr werden in dieser zentralen Instanz alle externen Marktdateninformationen koordiniert, geprüft und optimiert.

Das zu verarbeitende Datenvolumen wächst dabei permanent. Die in den letzten Jahren wirksam gewordenen Regularien haben die Anforderungen an Marktdaten noch einmal deutlich verschärft – insbesondere in puncto Qualität.

Zuverlässigkeit und der insbesondere bei Banken deutlich wachsende Kostendruck spielen darüber hinaus eine immer wichtigere und übergeordnete Rolle.

Ob komplexe Projekte oder spezielle Inhouse Lösungen von Unternehmen – ohne Einbindung externer Lösungen lassen sich die meisten Vorhaben in diesem Bereich nicht mehr umsetzen. Unternehmenseigene Ressourcen sind ebenso begrenzt wie das vorhandene Fachwissen.

Die Lösungen der RSU bieten Vorteile durch