Read more
In den letzten Jahren sind die Messung und die Steuerung von Kreditrisiken aufgrund der verschlechterten makroökonomischen Rahmenbedingungen und der daraus resultierenden Zunahme der Insolvenzen ins Zentrum des Interesses gerückt. Verstärkt wird diese Entwicklung durch die vom Baseler Ausschuss für Bankenaufsicht erarbeiteten Neuregelungen der Eigenkapitalausstattung von Kreditinstituten. Die Modellierung von Kreditportfoliorisiken mithilfe mathematisch-statistischer Analyseverfahren gewinnt vor diesem Hintergrund an Bedeutung.
Matthias Wagatha erarbeitet ein bedingtes Modellgerüst für die Kreditrisikoanalyse, das eine explizite Verknüpfung zwischen systematischen Kreditrisiken und internationalen makroökonomischen Systemen herstellt. Hierzu werden anhand von vektorautoregressiven Modellen in Verbindung mit Kointegrationskonzepten makroökonomische Theorien aufgestellt und überprüft. Durch eine praktische Umsetzung wird der Zusammenhang von Kreditausfallzyklen und Konjunktur verdeutlicht.
List of contents
1 Einleitung.- 2 Methoden der Kointegration und der multivariaten Zeitreihenanalyse.- 2.1 Zeitreihenmodelle.- 2.2 Vektorautoregressive Prozesse.- 2.3 Theone kointegrierter Zeitreihen.- 2.4 Analyse von kointegrierten VAR Systemen.- 2.5 Bootstrap-Verfahren und Monte-Carlo-Simulation.- 3 Ökonomischer Zusammenhang von Konjunktur und systematischen Kreditrisiken.- 3.1 Theoretische Fundierung konjunkturbedingter Ausfallwahrscheinlichkeiten.- 3.2 Risikobegriff und Messung von Kreditrisiken.- 3.3 Ausgewählte empirische Studien zur Untersuchung des Zusammenhangs von Konjunktur und Ausfallwahrscheinlichkeiten.- 3.4 Ergebnisse einer Umfrage zum Kreditrisikomanagement der 100 größten Kreditinstitute in Deutschland.- 3.5 Der Indikatorenansatz - Measurement without Theory?.- 3.6 Vorstellung des eigenen Untersuchungsansatzes.- 4 Empirische Analyse von VAR Modellen der systematischen Kreditrisiken.- 4.1 Datenbasis, Methodik der Untersuchung und Vorauswahl der Indikatoren.- 4.2 Auswahl und Tests der Modellspezifikationen.- 4.3 Kointegrationsanalyse.- 4.4 Rekursive Analyse.- 4.5 Strukturelle Eigenschaften der Ausfallwahrscheinlichkeitensysteme.- 4.6 Prognoseevaluation der VAR Modelle.- 5 Zusammenfassung.- A. Asymptotische Verteilung der Modellschätzer für das saisonal kointegrierte VAR Modell.- B. Verwendetes Datenmaterial.- C. Einheitswurzeltests.- D. Bestimmung der Ordnung der VAR Modelle.- E. Kointegrationsrelationen und Ladungsmatrizen.- F. Berechnung der Pseudoinverse oder Moore-Penrose-Inverse.- G. Impuls Antwort Folgen.- H. Vorhersagefehler-Varianzen.- I. Prognosen und Konfidenzintervalle.- J. Boxplots für die Verteilungen der RMSE-Werte.
About the author
Dr. Matthias Wagatha ist wissenschaftlicher Mitarbeiter von Prof. Dr. Manfred Steiner am Lehrstuhl für Finanz- und Bankwirtschaft der Universität Augsburg.
Summary
In den letzten Jahren sind die Messung und die Steuerung von Kreditrisiken aufgrund der verschlechterten makroökonomischen Rahmenbedingungen und der daraus resultierenden Zunahme der Insolvenzen ins Zentrum des Interesses gerückt. Verstärkt wird diese Entwicklung durch die vom Baseler Ausschuss für Bankenaufsicht erarbeiteten Neuregelungen der Eigenkapitalausstattung von Kreditinstituten. Die Modellierung von Kreditportfoliorisiken mithilfe mathematisch-statistischer Analyseverfahren gewinnt vor diesem Hintergrund an Bedeutung.
Matthias Wagatha erarbeitet ein bedingtes Modellgerüst für die Kreditrisikoanalyse, das eine explizite Verknüpfung zwischen systematischen Kreditrisiken und internationalen makroökonomischen Systemen herstellt. Hierzu werden anhand von vektorautoregressiven Modellen in Verbindung mit Kointegrationskonzepten makroökonomische Theorien aufgestellt und überprüft. Durch eine praktische Umsetzung wird der Zusammenhang von Kreditausfallzyklen und Konjunktur verdeutlicht.
