Frühwarnsysteme Modelle, Systeme, Management und Audit Von den statistischen Grundlagen bis zur Umsetzung und Validierung

Transkript

1 Frühwarnsysteme Modelle, Systeme, Management und Audit Von den statistischen Grundlagen bis zur Umsetzung und Validierung

2 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 2

3 Q_PERIOR die neue Kraft im Beratungsmarkt Die Fusion von agens, ESPRiT Consulting und paricon bündelt die Kompetenzen von drei erfolgreichen Firmen. Mit der Fusion entsteht in Deutschland, der Schweiz und in Österreich eine der führenden Business- und IT-Beratungen. In der neuen Firma wird vielfach ausgezeichnete Kompetenz und über 30 Jahre Beratungserfahrung in verschiedenen Branchen integriert. Damit können wir mit über 400 Mitarbeiterinnen und Mitarbeitern künftig noch umfassendere Leistungen aus einer Hand anbieten. Es ist unser Anspruch, erstklassige Leistung und Qualität als Business- und IT-Beratung für unsere Kunden zu erbringen. Daher steht Q für Qualität und _PERIOR ist abgeleitet aus superior. Unser Claim Together With You verbindet die Kernbotschaft und Grundhaltung direkt mit unserem neuen Namen: Denn jedes Projekt gelingt nur dann, wenn wir es in enger Zusammenarbeit mit unseren Kunden realisieren. Seite 3

4 Rahmendaten, Standorte und Kunden Q_PERIOR hat sich erfolgreich entwickelt und verfügt aktuell über 400 hochqualifizierte Mitarbeiter. Rahmendaten Markterfahrung: seit 1977 Umsatz: 70 Mio. EUR* Mitarbeiter: 430* Mehrheitlich im Besitz des Managements Umsatz in Mio. 20 Standorte Deutschland Schweiz Österreich Slowakei USA, Kanada * Mitarbeiter gesamt 400 Kunden Erst- und Rückversicherungen Banken Industrie Öffentlicher Sektor * * 2012 geplant Seite 4

5 Das Leistungsportfolio von Q_PERIOR Wir bieten ein ganzheitliches Angebot mit klarer Ausrichtung in Business Beratung, IT-Beratung und Querschnittsthemen. Business Beratung Kernprozesse Banken Kernprozesse Versicherungen Kundenmanagement Finanzen & Controlling Beschaffungsmanagement Strategisches IT-Management IT Beratung Business Intelligence Technologie & Innovation Querschnittsthemen Audit, Risikomanagement Projekt- & Implementierungsmanagement Seite 5

6 Audit & Risk Risikomanagementsysteme: Von der methodischen Entwicklung bis zur IT-Umsetzung und Audit Audit Banking & Insurance IT-Audit & Security Riskmanagement & Solvency Advisory Gestaltung und Prüfung Interner Kontrollsysteme Prüfung Risikomanagement, Kapitalanlagen und Kredit Prüfung Versicherungstechnik und bankfachliche Prozesse Aufbau- u. Ablauforganisation Revision, Quality Assessments u. Training IT-Sicherheit Prüfung und Beratung, IT-Audit/ PS 330 BCM Business Continuity Management Beratung Datenschutz-Audits/Externer Datenschutzbeauftragter Rating- und Scoring-Modelle Frühwarnmodelle, -systeme und -prozesse Interne Modelle nach Solvency II/ Basel III Aufbau- & Ablauforganisation im Risikomanagement (MaRisk VA/BA) Risikosteuerungs- und -controllingprozesse Risk-Reporting & Datawarehouse unter Solvency II und IFRS FRAUD-Prevention-Management Risk-Datawarehouse Beratung Finanzdienstleister vor, während u. nach Sonderprüfungen Peer Reviews von IT Organisationen hinsichtlich der MaRisk- Konformität von Organisationen, Prozessen und IT Kontrollsystemen Compliance und Corporate Governance Geldwäsche Prävention und Fraud Prevention Management Massendatenanalysen IT-Risikomanagement mit Risikoanalyse, -bewertung, Kontrollzielen und Kennzahlen Beratung zur Kontrollsicherheit ausgelagerter Geschäftsprozesse Tools/Methoden (Auswahl): Uni- und multivariate statistische Modellierung Modellspezifikation bis zur IT Q_Riskmanager Ray (neuronales Netz zur Datenanalyse) ACL SAP GRC Seite 6

7 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 7

8 Aufgabe von Rating und Scoring Kunden-/ Vertragsinformation Antragsteller (Alter, Beschäftigungsverhältnis, Nationalität, Berufsgruppe, Branche, ) Beleihungsauslauf, Bürgschaften, Bonitätsbewertung Rating-/Scoring Modell (logistisches Modell, neuronales Netz, ) Klassifikation Prognose Ausfallwahrscheinlichkeit Abbilden über Rating-/Scoring-Note Zuordnung Masterskala Institut Seite 8

9 Aufgabe von Rating und Scoring Rating und Scoring dienen als Risikomessinstrumente Prognose des Kreditausfallrisikos mittels qualitativer und quantitativer Kundeninformationen Prognosehorizont i. d. R. ein Jahr Rating zur Bewertung von Unternehmen und Spezialfinanzierungen Scoring zur Bewertung von Privatpersonen auf Produktebene Kunde erhält eine Rating- bzw. Scoring-Note Seite 9

10 Aufgabe von Rating und Scoring Zuordnung der Kunden anhand der Rating-/Scoring-Note in die Risikoklassen der Masterskala des Instituts Kernaufgabe der Rating-/Scoring-Note: Steuern der Kompetenzen des Sachbearbeiters als Folge der Risikostrategie des Managements des Instituts (z. B. Gewährung, Ablehnung, Weitervorlage) Eigenkapitalunterlegung der Engagements der jeweiligen Risikoklassen Portfoliobetrachtung, -steuerung und -planung Seite 10

11 Aufgabe von Frühwarnsystemen Verhalten des Engagements (Automatisiertes) Monitoring auf Engagementebene (z. B. Salden, Überziehung/Verzug, externe Information ) Bewertung durch Frühwarnsystem Bewerten des Verhaltens: Aufzeigen eingetretener bzw. Prognose drohender Bonitätsverschlechterung (logistisches Modell, neuronales Netz, ) Reporting und Einsatzmengensteuerung Prozessauslöser Auslösen Prozessfolge (Wechsel in Marktfolge, Aufnahme Watchlist, Übergabe an Intensivbetreuung, Sanierung/Stundung/Vertragsanpassung,.) Seite 11

12 Aufgabe von Frühwarnsystemen Frühwarnsysteme dienen dem unterjährigen Monitoring des Engagements Es hat die Aufgabe, eine eingetretene Risikoerhöhung des Engagements bzw. eine drohende Risikoerhöhung des Engagements aufzuzeigen Kunden-/engagementindividueller Ansatz Seite 12

13 Aufgabe von Frühwarnsystemen Es ist das Instrument der Risiko(gegen)steuerung auf Engagementebene und Prozessauslöser, z. B. Wechsel Markt zu Marktfolge Aufnahme Watchlist mit Gefährdungseinordnung Übergabe an Intensivbetreuung Sanierung/Stundung/Vertragsanpassung Abwicklung bzw. Abgabe/Auflösung des Engagement Rückkehr in den Normalkreditstatus Seite 13

14 Zusammenspiel von Rating/Scoring und Frühwarnsystem Rating/Scoring als initiale Bonitätsbewertung Frühwarnsystem als Monitoring-Instrument und Prozessauslöser zur Gegensteuerung Re-Rating/Verhaltens-Scoring als folgende jährliche Bonitätsbewertung Zeit Seite 14

15 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 15

16 Frühwarnsysteme: aufsichtsrechtliche und ökonomische Motivation Aufsichtsrechtliche Vorschriften Trennung von Markt und Marktfolge und Überwachung der Engagements in der Marktfolge Sicherstellen der Risikoüberwachung und -steuerung Eigenkapitalunterlegung beachten Ökonomische Motivation des Instituts Vermeiden von Kreditausfällen durch frühzeitige Gegensteuerung Auflösen der Geschäftsbeziehung verhindern Moderne Frühwarnsysteme bilden die aufsichtsrechtlichen Vorschriften hinsichtlich der Kontrolle eingegangener Engagements ab und dienen zusätzlich als aktives Instrument zur Gegensteuerung drohender Kreditausfälle sowie dem Verhindern der Auflösung der Kundenverbindung/ des Abwanderns des Kunden und bedürfen daher der kontinuierlichen Trennschärfemessung (ROC, Power, ) der Eingangsgrößen und des Rechenkerns sowie deren statistischer Optimierung Seite 16

17 Frühwarnsysteme: aufsichtsrechtliche und ökonomische Motivation Trennschärfe messen und optimieren Auf Ebene des Einzelfaktors, gesamter Modelle und Fehlertypen ROC-Analysen mit cross-validation runs Fehlalarmquote Trefferquote Seite 17

18 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 18

19 Qualitative und quantitative Frühwarnung: Abhängigkeit von Information, Quantifizierbarkeit und Zeit Es stellt sich die Frage, Information qualitativ/ quantitativ Solvenz des Engagements/ des Kunden in welcher Zeit, mit welcher Art von Information, auf welchem Wege quantifiziert (gemessen) eine Aussage über die Solvenz des Engagements/des Kunden getroffen werden kann Zeit Messbarkeit/ Quantifizierung Seite 19

20 Qualitative und quantitative Frühwarnung: Information, Quantifizierbarkeit und Zeit im Verlauf der Krise Solvenz Fehlallokation Fehldisposition Marktanteilsverluste Umsatzrückgang Ertragsrückgang Dauerhafte Kapazitätsunterauslastung Für das kreditgebende Institut wären die qualitativen Frühwarnungsinformationen von besonderer Relevanz zur Gegensteuerung Diese sind jedoch schwer zu beschaffen, zu standardisieren und zu verarbeiten => Fokus auf quantitative Frühwarnung Liquiditätsmangel Überschuldung Strategische Krise Führungs- Krise Produkt-/Absatz Krise Qualitative Frühwarnung nach: Hennings, Czaplinsky (1997): Die Rolle der Bank in Sanierungsfällen, BANK MAGAZIN 12/97, S 33 ff. Erfolgs- Krise Liquiditäts- Krise Zusammenbruch Akute Gefährdung/ Insolvenz Quantitative Frühwarnung Zeit Art der Information Quantifizierung Seite 20

21 Bestandteile eines Frühwarnsystems Unter einem Frühwarnsystem wird das Zusammenspiel der quantitativen Informationen (Input), des Prognosemodells (FWM), der daraus entstehenden Reportliste (Report) und folgender Frühwarnprozesse zur Gegensteuerung (FWP) verstanden Quantitative Kunden-/ Engagement- Informationen FWM Report FWP Input Prognosemodell Reportliste Frühwarnprozess Seite 21

22 Trennschärfe von Warnindikatoren und Modellen Input mit signifikanter Trennschärfe wählen Signifikanzniveau als Mindest-Power der Einzelfaktoren bestimmen (hier 9,94 % für 300 schlechte und gute) Häufigkeit Power Zufallsmerkmal (300G/1500S, Wiederholun 99,5%-Q 9, Auswahl der Inputfaktoren geben die Power in Quartalen (Q1, Q2, Q3) vor Bonitätsveränderung Power Power FAKTOR Q1 Q2 Q3 FAKTOR Q1 Q2 Q3 1-3,20% 6,77% 3,80% 16 22,76% 10,75% 13,52% 2-2,44% 5,43% 4,29% 17 25,64% 11,06% 6,17% 3 2,55% 4,47% -2,56% 18 25,64% 11,06% 6,17% 4 4,19% 7,79% -1,03% 19 36,56% 22,48% 16,47% 5 4,96% 9,33% 1,03% 20 36,86% 21,51% 16,62% 6 5,68% -2,96% 0,67% 21 36,86% 21,51% 16,62% 7 5,68% -2,95% 0,67% 22 37,41% 22,39% 16,47% 8 7,18% 11,61% 2,21% 23 37,41% 22,39% 16,47% 9 8,89% 6,34% -1,70% 24 38,46% 28,59% 18,59% 10 9,88% 10,94% 13,73% 25 38,46% 28,59% 18,58% 11 11,53% 4,54% 7,18% 26 38,97% 30,40% 20,37% 12 12,94% 16,84% 7,09% 27 39,97% 25,58% 17,73% 13 12,95% 16,85% 7,10% 28 40,08% 29,30% 18,85% 14 19,95% 20,44% 11,78% 29 48,02% 33,93% 24,45% 15 22,75% 10,77% 13,51% 30 49,12% 35,21% 24,98% Power Seite 22

23 Quantitative Frühwarnung: Zentrale Bedeutung des Prognosemodells Das Prognosemodell determiniert den Input, verantwortet die Reportliste und löst damit indirekt die folgenden Frühwarnprozesse aus Quantitative Kunden-/ Engagement- Informationen FWM Report FWP Input Prognosemodell Reportliste Frühwarnprozess Seite 23

24 Möglichkeiten und Grenzen eines quantitativen Frühwarnmodells Prognose der Risikoerhöhung mittels mathematischstatistischer Modelle Validierung und Nutzenmessung möglich Einsatzmengensteuerung Automatisierbar, anwendbar im Massengeschäft Fokus auf Liquidität, Kontound Systemdaten Nur Datensphäre des eigenen Instituts zur Messung vorhanden (*) I. d. R. nur für standardisiertes Geschäft anwendbar und sinnvoll (*) Möglichkeit des Nutzens externer Informationen Seite 24

25 Trennschärfe von Warnindikatoren und Modellen Optimale Anzahl Input-Faktoren: Trade-off zwischen Trennschärfe und IT-Kosten Trennschärfe (Power) Trennschärfe Prognosemodell F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 Auswahl der optimalen Anzahl von Input-Faktoren durch Simulation Hier am Beispiel von Simulationen Prognosemodelle mit jeweils drei (F3) bis zwölf Faktoren (F12) Es zeigt sich der typische konkave Verlauf der Power der Prognosemodelle Sättigung der Information (Power) bei ca. neun Faktoren im beispielhaften Modell Anzahl Faktoren im Modell Basis jeweils 5000 Modelle Seite 25

26 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 26

27 Projekt- und Produktzyklus Frühwarnsysteme Prozess- und Lernkette über die Zeit Wir decken den gesamten Lebenszyklus aufsichtsrechtlich-konformer Frühwarnmodelle und -systeme ab. Validierung Konzeption Dokumentation Entwicklung Unsere Projekterfahrung deckt alle Phasen von der Entwicklung bis zur Validierung von mathematischstatistischen Frühwarnsystemen ab. Unsere Berater verfügen über explizite Prüfungserfahrung durch Bundesbank und BaFin. Umsetzung Parametrisierung Seite 27

28 Projekt- und Produktzyklus Frühwarnsysteme Themenschwerpunkte 1. Modelle und Prozesse 2. Aufsichtsrecht und Audit Konzeption, Entwicklung, Umsetzung von Frühwarnsystemen, Rating- und Scoring-Modellen und Integration in die Bankprozesse Ökonomische Mengensteuerung Nutzen externer Information Schätz- und Testmethodik Redesign Reporting und Einsatzmenge FWS Sicherstellen der Rechtskonformität nach nationalen aufsichtsrechtlichen Vorschriften (z. B. KWG, SolvV, MaRisk BA und CRD IV) Planung, Vorbereitung und Begleitung aufsichtsrechtlicher Abnahmen Unterstützung bzw. Durchführung interner Revisionsaufgaben 3. Validierung und Güte 4. Datenverarbeitung/IT Mathematisch-statistisches Backtesting und Benchmarking bestehender Systeme Prozessanalyse und -optimierung Optimierung Einsatzmengensteuerung i. S. d. doppelten Proportionalität IT-Spezifizierung bankfachlicher Vorgaben going live : Integration in bestehende Banklandschaft IT-Revision Microsoft Gold Certified Partner und Partner der SAP Seite 28

29 Agenda 1. Unternehmensdarstellung 2. Aufgabe und Zusammenspiel von Rating, Scoring und Frühwarnsystem 3. Rahmenbedingungen und Möglichkeiten von Frühwarnsystemen 3.1 Aufsichtsrechtliche und ökonomische Motivation 3.2 Qualitative und quantitative Frühwarnung 3.3 Projekt- und Produktzyklus Frühwarnsysteme 3.4 Praxis-Exkurs: Typische Fehler, unwirksame Systeme Seite 29

30 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 1: Klassenundifferenziertes Monitoring Gegeben sei ein beispielhaftes Portfolio mit Kunden Die den Kunden zugeordneten Bonitätsnoten (von AAA bis B+) sei das Ergebnis eines Kredit-Antrags-Scoring Das eingesetzte Frühwarnsystem basiert auf Konto- und Systemdaten Lauf des Frühwarnsystems am 10. Kalendertag des Monats auf Basis der Kundendaten am Ultimo des Vormonats Seite 30

31 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 1: Klassenundifferenziertes Monitoring 2000 Anzahl Kunden Die Abbildung zeigt die Antrags-Scores des Beispielportfolios AAA AA+ AA AA- A+ A A- BBB+ BBB BBB- BB+ BB BB- B+ Bonitätsnote Seite 31

32 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 1: Klassenundifferenziertes Monitoring Das eingesetzte Frühwarnsystem verwendet u. a. als Input-Information: Anzahl Überziehungstage des vergangenen Monats Saldo-Informationen als Verhältniskennzahlen z. B. (Einzahlungen-Auszahlungen)/(Durchschnittlicher Kontostand letzte drei Monate) Es wurden bankintern Schwellenwerte festgelegt, ab deren Überschreitung Kunden mit einem Warnsignal belegt werden, z. B. Anzahl Überziehungstage > 5 schwache Warnung Saldo-Verhältnis < -3 starke Warnung Seite 32

33 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 1: Klassenundifferenziertes Monitoring Es haben sich folgende Anzahlen Kunden mit Warnungen ergeben: Rating- Klasse Anzahl Kunden Klasse gewarnte Kunden % gewarnte Kunden AAA ,00 AA ,54 AA ,33 AA ,66 A ,70 A ,63 A ,32 BBB ,18 BBB ,24 BBB ,56 BB ,63 BB ,00 BB ,00 B Summe Es zeigt sich, dass die prozentuale Anzahl der Kunden auf der Frühwarnliste exponentiell mit der Verschlechterung der Rating- Klasse zunimmt! Seite 33

34 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 1: Klassenundifferenziertes Monitoring Das Beispiel zeigt das typische Verhalten von Systemen ohne Betrachtung des zugrunde liegenden Bonitätsniveaus des Kunden Die verwendete Input-Information des Frühwarnsystems und das zugrunde liegende Modell fungieren lediglich als Schatten-Scoring Diese Art von Systemen ermöglicht lediglich Aussagen wie z. B. gute Kunden überziehen weniger als schlechte Kunden Der Informationsgehalt ist gering, denn für schlechte Kunden sind ein paar Überziehungstage normal, für gute Kunden nicht Unsere Analysen haben ergeben, dass diese Art von Systemen nur unwesentlich besser als ein zufälliges Ziehen von Kunden zur Bildung der Frühwarnliste ist Seite 34

35 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 2: Entwicklungsdatenbasis und Methodenwahl In der fachlichen Entwicklung ist u. a. Sorge zu tragen, dass in der Entwicklungsdatenbasis nur aktive Kunden in die Entwicklung einfließen, Ausgleichskonten o. ä. ausgeschlossen werden, die historischen Kundendaten in der Entwicklung der künftigen Anwendungsgruppe entsprechen und hinsichtlich der Methodenwahl mathematisch-statistische Modellierungsansätze verwendet werden, die ein robustes, trennscharfes Frühwarnmodell als Ergebnis haben Seite 35

36 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 2: Entwicklungsdatenbasis und Methodenwahl Unsere Analysen haben ergeben, dass eine Reihe am Markt eingesetzter Systeme 1. auf Kundenkreise angewendet werden, für die sie nicht entwickelt wurden 2. generisch entwickelt und bis dato nicht validiert worden sind 3. statt z. B. robuster kategorial-logistischer Ansätze neuronale Netze verwenden, deren Parametrisierung auf der Entwicklungsdatenbasis sehr unsicher ist und 4. im Zuge der IT-Umsetzung die fachlichen Definitionen der Input-Informationen verändert wurden Seite 36

37 Praxis-Exkurs: typische Fehler/unwirksame Systeme Beispiel 2: Entwicklungsdatenbasis und Methodenwahl Daraus haben sich u. a. folgende gravierende Schwächen entwickelt: Komplette Teil-Portfolien werden unzureichend beobachtet Systeme haben eine sehr geringe Trennschärfe in der Entwicklung, die in den Folgejahren nicht verbessert wird Den Instituten steht damit kein geeignetes Werkzeug zur Gegensteuerung und Vermeidung von Verlusten zur Verfügung Seite 37

38 Kontaktadressen Unsere Standorte HAMBURG (ELLERAU) Buchenweg D Ellerau Telefon: Telefax: FRANKFURT Mergenthalerallee D Eschborn Telefon: Telefax: MÜNCHEN Bavariaring 28 D München Telefon: Telefax: ROSENHEIM Kufsteiner Strasse 103 D Rosenheim Telefon: Telefax: BERN Papiermühlestrasse 73 CH-3014 Bern Telefon: Telefax: ZÜRICH Hohlstrasse 614 CH-8048 Zürich Telefon: Telefax: WIEN Wollzeile 17/22 A-1010 Wien Telefon: Telefax: office@q-perior.at BRATISLAVA Zochova 5 SK Bratislava Telefon: Telefax: office@q-perior.sk PRINCETON 206 Nassau Street #2 US-Princeton, New Jersey Telefon: Telefax: office@q-perior.com TORONTO 83 Redpath Avenue, Suite 1102 CA-Toronto Ontario M4S 0A2 Telefon: Telefax: office@q-perior.com Seite 38