Credit Risk Management

Größe: px
Ab Seite anzeigen:

Download "Credit Risk Management"

Transkript

1 Credit Risk Management. Mathematisch-Statistische Verfahren des Risikomanagements - SS Einführung (I) Die drei Kernbereiche des Credit Risk Management Kreditprozesse vertriebswegedeterminiert Kreditprozesse liefern die notwendigen Daten für die Portfoliosteuerung. Kreditportfoliosteuerung gesamtbankdeterminiert Ausfallwahrscheinlichkeiten Effiziente Risikoanalyse nur bei effizienten Prozessen Scoring & Rating kundendeterminiert Mathematisch-Statistische Verfahren des Risikomanagements - SS

2 Einführung (II) Gesamtbankorientierte Steuerung von Kreditrisiken Kundenansprache Bonitätsanalyse Ermittlung des Risikostatus Segment spezifisches Kalkulation Individuelle Kalkulation Aggregierte Einzelrisiken Diversifiziertes Kreditportfolio Berücksichtigung von Diversifikations effekten Handel von Kreditrisiken Einsatz von Kreditderivaten Mathematisch-Statistische Verfahren des Risikomanagements - SS Baseler Prinzipien für das Kreditgeschäft (I) Baseler Ausschuss für Bankenaufsicht Ziel von Basel die internationalen Finanzsysteme zu stabilisieren die Kreditvergabe anhand von nachvollziebaren Kriterien transparent zu machen Basel I 1988 Banken müssen ab 1992 mindestens 8% der Kreditsumme mit Eigenkapital hinterlegen d.h das die Kreditvolumen ist maximal das 12,5-fache des haftenden Eigenkapitals Mathematisch-Statistische Verfahren des Risikomanagements - SS

3 Baseler Prinzipien für das Kreditgeschäft (II) Baseler Ausschuss für Bankenaufsicht Basel II, Standardansatz 2001 Standard-Ansatz 8% der Kreditsumme mit Eigenkapital hinterlegen Einbeziehung des Kreditrisikos: AA- und besser 20% vom Standard-Ansatz, d.h. 1,6 % A+ bis A- 50% vom Standard-Ansatz, d.h. 4 % BBB+ bis B 100% vom Standard-Ansatz, d.h. 8 % B- und schlechter 150% vom Standard-Ansatz, d.h. 4 % Mathematisch-Statistische Verfahren des Risikomanagements - SS Baseler Prinzipien für das Kreditgeschäft (III) Baseler Ausschuss für Bankenaufsicht Basel II, Erweiterter Ansatz ab 2005 Messung des Kreditriskos durch externes Bonitätsbeurteilungsinstitut (Rating-Agentur) Alternativ Bank-internes Ratingsystem Mindestens 7 kreditnehmerbezogene Risikoklassen für nicht notleidende Kredite Mindestens 1 Risikoklassen für notleidende Kredite Jedem Kreditnehmer muß zwingend ein Rating zugeordnet werden Die Banken müssen eine Ratinghistorie von mindestens 5 Jahren nachweisen Mathematisch-Statistische Verfahren des Risikomanagements - SS

4 Kreditprozesse (I) Der Kreditprozess ist häufig durch Ineffizienzen geprägt Vertrieb Annahme Kundenidentifikation Kundenwunsch Kredit- Sicherwürdigkeitsprüfunheitenverwaltung Geschäftsabschluss Engagementüberwachung Credit Risk Mgmt Notizen Kundenwunsch und Grunddaten Vertrag Kundenakte Weitere Kundendaten Finanzielle Verhältnisse Sicherheiten bewertung Antragsbearbeitung Vertragsgestaltung Bisheriges Engagement Mathematisch-Statistische Verfahren des Risikomanagements - SS Kreditprozesse (II) Die Kernforderungen der Baseler Prinzipien für das Kreditgeschäft Strategieentwicklung im Top-Mgmt. Einrichtung eines soliden und durchdachten Kreditprozesses mit der Sicherstellung ausreichender Kontrollen. Setzung klarer Rahmenbedingungen und Organisationsrichtlinien für das Kreditgeschäft Umsetzung auf Bereichsebene Eindeutiges Kompetenz- & Limitsystem Transparente Kredit- & Bonitätsanalyse Hohe Standards bei der Vergabe von Krediten sowie bei der fortlaufenden Überwachung und bei der Risikoermittlung Einbindung Problemkreditorganisation Permanente Kreditprozessprüfung Mathematisch-Statistische Verfahren des Risikomanagements - SS

5 Kreditprozesse (III) Interaktion der einzelnen Risikokomponenten. Makroökonomische Daten Unternehmens Daten Rating Validierung Finanz- & Kreditstammdaten Bestimmung Risikofaktoren Simulierte Risikofaktoren Pricing von Krediten Kalibrierung Marktdaten Portfoliowert Definition der Risikofaktoren Portfoliodaten Portfolioentscheidung Simulierte Portfolioveränderung. P/L-Estimation VaR/CVaR Reporting Backtesting Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (I) Definitionen Mit Rating bezeichnet man allgemein Verfahren, bei denen die Ausprägung bestimmter Merkmale anhand von vorgegebenen Kategorien eingeschätzt und in eine Rangordnung gebracht werden. Beim Unternehmensrating beschäftigen wir uns mit Ratingsystemen, die sich allgemein mit der Einschätzung der wirtschaftlichen Lage von gewerblichen Unternehmen anhand vorgegebener Kriterien beschäftigen. Mit Blick auf die am Markt befindlichen Ratingsysteme lassen sich das Credit-Rating eines Emittenten, das Credit-Rating eines Finanztitels, das Credit-Rating einer Kunden- bzw. Lieferantenbeziehung das Equity-Rating unterscheiden. Mathematisch-Statistische Verfahren des Risikomanagements - SS

6 Rating (II) Credit-Rating als Unternehmensrating Dieses Rating umfaßt die ganzheitliche Analyse eines Unternehmens, unter Einbeziehung aller verfügbaren und als relevant erkannten Informationen, mit dem Ziel, eine Schätzung der Ausfallwahrscheinlichkeit gemäß der Basler Referenz- Ausfalldefinition vorzunehmen. Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (III) Basler Referenz-Ausfalldefinition Ein bestimmter Schuldner ist als ausgefallen zu betrachten, wenn eines oder mehrere der folgenden Ereignisse eingetreten ist: es ist unwahrscheinlich, daß der Schuldner seine Zahlungsverpflichtungen (Zins, Tilgung oder Gebühren) voll erfüllen kann; Eintritt eines Kreditverlustes in Zusammenhang mit irgendeiner Zahlungsverpflichtung des Schuldners, wie Abschreibung, Einzelwertberichtigung oder Umschuldung notleidender Kredite in Zusammenhang mit Erlass oder Verschiebung von Zins-, Tilgungs- oder Gebührenzahlungen; der Schuldner ist mit irgendeiner Zahlungsverpflichtung mehr als 90 Tage im Verzug, oder der Schuldner hat ein Konkursverfahren oder ein ähnliches Verfahren zum Schutz vor Gläubigern beantragt.. Mathematisch-Statistische Verfahren des Risikomanagements - SS

7 Rating (IV) Die Komponenten des Ratings Bonitätskomponente Privatkundenanalyse Fundamentalanalyse (jährlich) Laufende Überwachung (monatlich) Ökonomische Rahmenbedingungen (quartalsweise, halbjährlich) Berücksichtigung weicher Faktoren Datenbasis Personenbezoge ne Daten Bilanzdaten Konto- & GuV- Daten Makroökonomische Daten Persönlicher Eindruck, Management Rating versch.verfahren versch. Verfahren versch. Verfahren Ökonometrische Verfahren Expertensysteme Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (V) Ratingkategorien und ihre Interpretation Mathematisch-Statistische Verfahren des Risikomanagements - SS

8 Rating (VI) Marginale Ausfallraten AAA bis B Quelle: Moody s, Erhebungszeitraum für Aaa - B Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (VII) Übergangswahrscheinlichkeiten Quelle: Standard & Poor s, 1998 Mathematisch-Statistische Verfahren des Risikomanagements - SS

9 Rating (VIII) Allgemeine Struktur eines Rating-Prozesses Input Auswahl und Erfassung von Informationen, die geeignet sind eine Aussage über die Bonität eines Unternehmens zu geben. Throughput Verdichtung der Informationen zu einem. Ratingurteil. I.A. kommen dabei mehrere Verfahren zur Anwendung, zunächst mathematischstatistische Verfahren und dann Expertenurteile Output Interpretation des Ratingergebnisses Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (IX) Informationsbereiche eines Rating-Prozesses Angaben zur Unternehmensidentität (Rechtsform, Sitz, Standorte, Gründungsdatum, Wirtschaftszweigklassifikation(en), Konzernzugehörigkeit, Eigentümerstruktur, Bilanzsumme (3 Jahre), Umsatz (3 Jahre),Mitarbeiter (3 Jahre)) Informationen aus dem Rechnungswesen des Rating-Objektes (Kreis der einbezogenen Unternehmen, Rechtliche Grundlagen:. Abschlüsse nach HGB, IAS-Standards, GAAP-Standards etc., Art der Abschlüsse, Testat/ Bescheinigung, Zeitraum) Andere monetäre Planungsdaten unter Angabe des Planungshorizonts (Umsatzpläne, Kundengruppen, Personalausgaben/-kosten, Materialausgaben/-kosten, Finanzpläne, Investitionspläne, Kapitalkostenplanung) Mathematisch-Statistische Verfahren des Risikomanagements - SS

10 Rating (X) Informationsbereiche eines Rating-Prozesses Nicht aus dem Rechnungswesen ersichtliche Potentiale (Absatzmarkt und Marktstellung des Ratingobjektes, Produktions- und Beschaffungspotentiale, Management, Personalwirtschaft, Standort/Umwelt) Risikoanalyse und Risikomanagement (Insolvenzrisiko, Performance-(Equity-)Risiko, bedeutende mögliche. Einzelrisiken, Risikoplanung vorhanden?, Instrumente und Organisation des Risikomanagements) Information über Vergleichsunternehmen zur Beurteilung des Ratingobjektes (Zeitvergleich, Einzelbetriebsvergleich, Benchmarking, Branchenvergleich, Inter-Branchenvergleich) Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (XI) Untersuchungsbereiche des CODEX Verfahrens Bonität Historische Ausfallrate Branchen- Rating Unternehmens- Rating Konzern- Rating Jahresabschlußanalyse Potential- Analyse Mathematisch-Statistische Verfahren des Risikomanagements - SS

11 Rating (XII) Untersuchungsbereiche des CODEX Verfahrens Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (XIII) Untersuchungsbereiche des CODEX Verfahrens Mathematisch-Statistische Verfahren des Risikomanagements - SS

12 Rating (XV) Kriterien zur Beurteilung der Qualität der Inputdaten Merkmalsauswahl gestützt auf Expertenwissen oder Datenanalyse. Qualität (i. S. von Glaubwürdigkeit) der Eingangsdaten ( Zwischenabschluß, vorläufiger Abschluß, testierter Abschluß, Planungs- und Prognosedaten, etc.) Wie stark sind die vorliegenden Daten bereits verdichtet und manipuliert? Wie sind die Eingangsdaten skaliert (nominal, ordinal, metrisch)? Paßt die angenommene Skalierung zum betrachteten Merkmal und zur Erhebungsmethode? Sind einzelne Merkmale korreliert? Werden Plausibilitätsprüfungen durchgeführt? Aufbereitung der Eingangsdaten: Wie werden z. B. Daten- und Informationslücken behandelt? Wie werden Ausreißer behandelt? Wie werden die Daten eingegeben? Wie werden Eingabefehler vermieden? Mathematisch-Statistische Verfahren des Risikomanagements - SS Rating (XV) Meßskalen Nominalskala: Einteilung der Objekte in Klassen. Keine mathematische Berechnung möglich. Ordinalskala: Anordnung der Objekte in auf- oder absteigender Reihenfolge. Wird die Ordnung durch Zahlen ausgedrückt, so ist die Ordnung eindeutig bis auf monotone Transformationen. Es sind nur Größenvergleich erlaubt. Kardinalskala (metrische Skala, Intervallskala): Die Anordnung der Objekte wird durch reelle Zahlen beschrieben und ist eindeutig bis auf lineare Transformationen. Addition, Subtraktion und Multiplikation sind erlaubt. Verhältnisskala. Eine Kardinalskala mit festgelegtem Nullpunkt. Hier ist auch die Division-Bildung gestattet. Mathematisch-Statistische Verfahren des Risikomanagements - SS

13 Rating (XV) Ratingagenturen Weltweit agierende Ratingagenturen (auf Großunternehmen fokusiert) FitchRating Moody s Rating Standard & Poor s CreditModel Deutsche Ratingagenturen (auf mittelständische Unternehmen fokusiert) Creditreform Rating HERMES Rating HVB Rating Advisory RS Rating Services AG URA Rating AG Mathematisch-Statistische Verfahren des Risikomanagements - SS Anforderungen an Credit Rating (I) Qualitatives Rating Aggregation der bonitätsrelevanten Kriterien zu einem Rating-Urteil durch einzelne Kreditexperten oder Rating- Teams ohne Darlegung der Verfahrensweise. Vorteil: Es können beliebig skalierte Informationen verarbeitet werden. Nachteil: Die Qualität des Rating-Urteils hängt von der subjektiven Erfahrung und der Intuition der einzelnen Kreditexperten ab. Das Ergebnis ist nur bedingt objektiviert und für einen unbeteiligten Dritten nur schwer nachvollziehbar. Menschen sind i.a. überfordert, wenn mehr als drei Kriterien zu aggregieren sind. Mathematisch-Statistische Verfahren des Risikomanagements - SS

14 Anforderungen an Credit Rating (II) Quantitatives Rating Aggregation der bonitätsrelevanten Kriterien zu einem Rating- Urteil mit Hilfe von Informationsverarbeitungssystemen, die den Kreditexperten oder das Rating-Teams unterstützen. Bekannte quantitative Ratingverfahren sind: Punktwertverfahren. Mathematisch-Statistische Verfahren Multivariate lineare Diskriminanzanalyse Logistische Regression Clusteranalyse Entscheidungsbaumverfahren Neuronale Netze Expertensysteme, Fuzzy-Expertensysteme Mathematisch-Statistische Verfahren des Risikomanagements - SS Anforderungen an Credit Rating (III) Adäquate Bearbeitung von Kriterien Ein leistungsfähiges Ratingmodell sollte möglichst viele bonitätsrelevante Kriterien verarbeiten. Da quantitative Systeme meistens nur metrisch skalierte Daten verarbeiten können, sind sie oft nicht in der Lage, qualitative Kriterien ( soft facts ) beim Rating-Urteil zu berücksichtigen. Diese werden normalerweise nur durch nominal oder ordinal skalierte Daten oder gar durch verbale Bewertungen beschrieben. Da qualitative Kriterien für das Rating-Urteil von großer Bedeutung sein können, ist deren Einbeziehung ein wichtiges Kriterium für die Bewertung quantitativer Rating-Verfahren. Mathematisch-Statistische Verfahren des Risikomanagements - SS

15 Anforderungen an Credit Rating (IV) Nachvollziehbarkeit der Kreditentscheidung Der Kreditexperte muß in der Lage sein, daß errechnete Rating-Urteil zu verstehen und es im Bedarfsfall auch zu ändern. Unter Nachvollziehbarkeit der Kreditentscheidung wird die Möglichkeit verstanden, die mit Hilfe des quantitativen Verfahrens erzielten Ergebnisse ökonomisch zu interpretieren. Die Nachvollziehbarkeit ist u.a. dann gegeben, wenn der Einfluss jedes Bonitätsmerkmals auf das Rating-Urteil angegeben werden kann bei einer linearen Klassifikationsfunktion jedes Merkmal mit dem betriebswirtschaftlich richtigen Vorzeichen in der Funktion enthalten ist. Mathematisch-Statistische Verfahren des Risikomanagements - SS Punktwertverfahren (I) Das Punktwertverfahren ist ein multiples Verfahren zur Alternativenbewertung Das Verfahren ist eine heuristische Methode zur systematischen Entscheidungsfindung Beim Punktwertverfahren wird von einem Katalog von quantitativen und qualitativen Bewertungskriterien ausgegangen. Diese Punkte können in konfliktärer, komplementärer oder unabhängiger Beziehung zueinander stehen. Die Kriterien werden entsprechend ihrer Bedeutung für die zu beantwortende Fragestellung gewichtet. Die zu beurteilenden Kriterium werden auf der Basis einer vorgegebener Punktskala bewertet. Die Vergabe der Punkte kann sowohl von Experten oder durch Ermittlung von Kennzahlen erfolgen. Mathematisch-Statistische Verfahren des Risikomanagements - SS

16 Punktwertverfahren (II) Die vergebenen Punkte werden unter Berücksichtigung der Gewichte aggregiert. Zur Entscheidungsfindung können die Ergebnisse beispielsweise in eine Ordinalskala überführt werden. Stattdessen kann auch ein Schwellenwert festgelegt werden, bei dessen Unterschreitung sich ein Bewertungsobjekt in einer Entscheidungssituation als nicht relevant ergibt. Punktwertverfahren werden bevorzugt im Privatkundengeschäft eingesetzt! Mathematisch-Statistische Verfahren des Risikomanagements - SS Punktwertverfahren (III) Beim Privatkundengeschäft sind die folgenden Kriterien von Bedeutung (in fallenden Reihenfolge): Schufa-Auskunft freies Einkommen Erfahrung mit früheren Krediten Anzahl und Höhe des bisherigen Kreditengagements Nettoeinkommen Dauer des Arbeitsverhältnisses Anzahl im Haushalt lebender unterhaltsbedürftiger Personen Alter Vermögenswerte Wohndauer an der angegebenen Adresse Wohnung (Eigentum oder Miete) Branche des Arbeitgebers Nationalität Familienstand Mathematisch-Statistische Verfahren des Risikomanagements - SS

17 Diskriminanzanalyse (I) Die Diskriminanzanalyse ist eine Methode zur Analyse von Gruppenunterschieden, die es ermöglicht, zwei oder mehr Gruppen simultan hinsichtlich einer Mehrzahl von Merkmalsvariablen zu untersuchen. Insbesondere lassen sich mit Hilfe der Diskriminanzanalyse die beiden folgenden Fragestellungen untersuchen: Unterscheiden sich die Gruppen signifikant? Wie lassen sich die Gruppenunterschiede erklären? Ein zweites Anwendungsgebiet der Diskriminanzanalyse bildet die Klassifizierung: In welche Gruppe ist ein Objekt, dessen Gruppenzugehörigkeit nicht bekannt ist, aufgrund seiner Merkmalsausprägungen einzuordnen? Mathematisch-Statistische Verfahren des Risikomanagements - SS Diskriminanzanalyse (II) Das Ziel diskriminanzanalytischer Verfahren ist es, eine Grundgesamtheit anhand aussagefähiger Merkmale in (möglichst überschneidungsfreie) Gruppen einzuteilen. Diskriminanzanalytische Verfahren lassen sich einteilen in verteilungsfreie und verteilungsabhängige Verfahren. Bei letzteren wird eine bestimmte Verteilung der unabhängige Variablen in den einzelnen betrachteten Gruppen unterstellt. Hier wird als Beispiel für eine verteilungsfreie die univariate und als Beispiel für eine verteilungsabhängige die lineare multivariate Diskriminanzanalyse betrachtet. Dabei wird die Gruppenzugehörigkeit durch eine nominal skalierte Gruppierungsvariable (z. B. Solvenz) dargestellt und durch (möglichst) unabhängige, metrisch skalierte Merkmalsvariablen erklärt. Mathematisch-Statistische Verfahren des Risikomanagements - SS

18 Univariate Diskriminanzanalyse (I) Die univariate Diskriminanzanalyse untersucht die Trennfähigkeit der einzelnen Gruppen, z.b. solvente oder insolvente Unternehmen, mit Hilfe mehrerer Kennzahlen, die getrennt voneinander untersucht werden. Dabei werden die Kennzahlen so ausgewählt, daß sie das Trennergebnis zwischen gesunden und kranken Unternehmen am besten widerspiegeln. Basierend auf einer Teststichprobe wird versucht, einen Trennpunkt (cut-off-point) so festzulegen, daß die Anzahl der Fehlklassifikationen minimal ist. Mathematisch-Statistische Verfahren des Risikomanagements - SS Univariate Diskriminanzanalyse (II) Bei der Kennzahl Rentabilität sind 8 und bei der Kennzahl Fremdkapitalquote 5 Unternehmen falsch klassifiziert. Mathematisch-Statistische Verfahren des Risikomanagements - SS

19 Univariate Diskriminanzanalyse (III) Vorteile der univariaten Diskriminanzanalyse: einfach und leicht nachvollziehbar keine Verteilung für die Kennzahlen notwendig Nachteile der univariaten Diskriminanzanalyse: bei Verwendung von sehr wenigen Kennzahlen werden nur Teilaspekte berücksichtigt die Auswertung vieler Kennzahlen führt zu einer Komplexität, die eine Prognose nicht mehr zuläßt Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (I) Die multivariate lineare Diskriminanzanalyse ist eine mathematisch- statistische Methode zur Analyse von Gruppenunterschieden, die es ermöglicht, zwei oder mehr Gruppen simultan hinsichtlich mehrerer Merkmalsvariablen zu untersuchen. Das Ziel diskriminanzanalytischer Verfahren ist es, eine Grundgesamtheit anhand aussagefähiger Merkmale in (möglichst über schneidungsfreie) Gruppen einzuteilen. Im Kreditgeschäft wird die Diskriminanzanalyse zur Unternehmenbeurteilung eingesetzt, mit dem Ziel kreditsuchende Unternehmen den Gruppen bestandsfeste gute oder insolvenzgefährdete schlechte Unternehmen zuzuordnen. Diese Zuordnung erfolgt auf Basis eines errechneten Diskriminanzwerts Z. Mathematisch-Statistische Verfahren des Risikomanagements - SS

20 Multivariate Diskriminanzanalyse (II) Das Grundprinzip der linearen multivariaten Diskriminanzanalyse (LMD) besteht darin, daß mehrere Variablen bei minimalem Informationserlust durch eine Linearkombination zu einer einzigen Variablen zusammengefaßt wird. Die zur Kombination der Merkmalsvariablen verwendete Funktion heißt Diskriminanzfunktion (Trennfunktion). Sie hat allgemein die folgende Form: Z = b0 + b1x 1 + b2x bjxj mit Z = Diskriminanzvariable, nominal skaliert X j = Merkmalsvariable j (j = 1, 2,..., J), metrisch skaliert b j = Diskriminanzkoeffizient für Merkmalsvariable j b 0 = Konstantes Glied Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (III) MLD mit 2 Merkmalen Mathematisch-Statistische Verfahren des Risikomanagements - SS

21 Multivariate Diskriminanzanalyse (IV) MLD mit 2 Merkmalen Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (V) Voraussetzungen der LMD ausgewählten Kennzahlen müssen in der Grundgesamtheit normalverteilt sein. Die Kennzahlen müssen voneinander unabhängig sein. Die Varianzen der Kennzahlen müssen in der Grundgesamtheit gleich groß sein. (Varianzhomogenität) Die Merkmalsvarialben müssen metrisch skaliert sein. Mathematisch sind die Gewichte b j so zu schätzen, daß sich die Gruppen maximal unterscheiden. Betriebswirtschaftlich besteht das zentrale Problem darin, für die entsprechende Aufgabengestellung (hier: Bonitätsanalyse) aussage fähige und damit trennfähige Merkmale zu bestimmen. Mathematisch-Statistische Verfahren des Risikomanagements - SS

22 Multivariate Diskriminanzanalyse (VI) Vorgehensweise der LMD Für normalverteile unabhängige Zufallsvariablen mit E (X i ) = µ i und Var(X 2 i ) = σ gilt nämlich, dass auch die abhängige Variable Y normalverteilt ist mit E (Y) = b0 + b1µ 1 + b2µ bjµ J VAR(Y) = (b b bj ) σ Anhand einer Lernstichprobe, die nochmals aufgeteilt wird in die Mengen A (gesunde Unternehmen) und B (kranke Unternehmen), lassen sich dann für beliebige Koeffizienten b j zwei normalverteilte Diskriminanzvariable Y A und Y B bestimmen. Die Gewichte b j sind dann so zu schätzen, daß sich die Gruppen maximal unterscheiden. Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (VII) α-fehler und β-fehler Der α-fehler gibt den Anteil der tatsächlich kran-ken Unternehmen an, die aufgrund ihres Kennzahlenwertes als gesund ange-sehen werden können. Der β-fehler gibt den Anteil der tatsächlich gesunden Unternehmen an, die aufgrund ihres Kennzahlenwertes als krank einzustufen sind. Mathematisch-Statistische Verfahren des Risikomanagements - SS

23 Multivariate Diskriminanzanalyse (VIII) Diskriminanzmaß Als Maß für die Unterschiedlichkeit von zwei Gruppen reicht die Distanz im Diskriminanzraum nicht aus, Y A Y B wobei Y g = Centroid der Gruppe g (g = A, B) ist. Ein besseres Maß der Diskriminanz der Gruppen erhält man deshalb, wenn auch die Streuung in den Gruppen berücksichtigt wird. Wählt man die Standardabweichung s als Maß für die Streuung einer Gruppe, so ist ein geeignetes Diskriminanzmaß für zwei Gruppen A und B: Y Y U A ( ) 2 = B 2 YA Y U = B s s2 Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (IX) Diskriminanzmaß Offenbar unterscheiden sich die beiden Gruppen (die als Verteilungen über der Diskriminanzachse dargestellt sind) in der oberen Hälfte stärker als die beiden Gruppen in der unteren Hälfte, obgleich die Distanz der Gruppencentroide jeweils gleich ist. Mathematisch-Statistische Verfahren des Risikomanagements - SS

24 Multivariate Diskriminanzanalyse (X) Diskriminanzkriterium Das Problem der Schätzung der Diskriminanzfunktion : Wähle die Koeffizienten b j so, daß bezüglich der Diskriminanzwerte der Quotient Streuung zwischen den Gruppen Γ = Streuung in den Gruppen maximal wird. γ = Max{ Γ} Maximalwert des Diskriminanzkriteriums Die Streuung zwischen den Gruppen wird auch als erklärte Streuung und die Streuung in den Gruppen als nichterklärte Streuung bezeichnet. Beide zusammen addieren sich zur Gesamtstreuung der Diskriminanzwerte. Das Diskriminanzkriterium läßt sich damit auch als Verhältnis von erklärter und nichterklärter Streuung interpretieren. Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (XI) Diskriminanzmaß Das vorstehende Diskriminanzmaß ist allerdings nur unter den folgenden Prämissen anwendbar: a) zwei Gruppen b) gleiche Größe der Gruppen c) gleiche Streuung der Gruppen Um die Prämissen a) und b) aufzuheben, ist die quadrierte Distanz im Zähler durch die Varianz zwischen den Gruppen zu ersetzen. Diese lautet: G I (Y Y) 2 g g g= 1 G 1 Y g Y I g = Mittlerer Diskriminanzwert in Gruppe g = Gesamtmittel über alle Elemente = Fallzahl in Gruppe g (g = 1,..., G) Mathematisch-Statistische Verfahren des Risikomanagements - SS

25 Multivariate Diskriminanzanalyse (XII) Verarbeitung qualitativer Merkmale Durch geeignete Skalierungsverfahren, z.b. die Lancaster-Skalierung, lassen sich ordinal skalierte Merkmale in annähernd metrisch skalierte Merkmale transformieren. Dabei werden die Merkmale an eine Normalverteilung angepasst und die univariate Trennfähigkeit maximiert. Insgesamt bleibt aber das grundlegende Problem, dass Linearität im Großen nicht gegeben ist und daher die Anzahl der Merkmalsvariablen bei der LMD beschränkt sein muss. Mathematisch-Statistische Verfahren des Risikomanagements - SS Multivariate Diskriminanzanalyse (XIII) Nachvollziehbarkeit Bei der LMD erkennt man die Funktionskoeffizienten und ihre Vorzeichen direkt aus der geschätzten Diskriminanzfunktion. Auch läßt sich die Bedeutung eines Merkmals j für die Klassifikationsentscheidung anhand der Werte b j ablesen, unter der Voraussetzungen, daß die Merkmale auf einen einheitlichen Wertebereich normiert wurden xˆ j = x σ j j, bˆ j = b j σ j ej = bˆ j J j = 1 bˆ j Mathematisch-Statistische Verfahren des Risikomanagements - SS

26 Standards für mathematischstatistische Ratingverfahren (I) Datenbasis (Anforderungen an die Stichprobe) Für die Elemente der Stichprobe müssen deren Gruppenzugehörigkeit bekannt sein. Die Gruppierungsvariable ist nominal skaliert. Die für die Gesamtstichprobe ausgewählten Unternehmen sollten repräsentativ für die betrachtete Grundgesamtheit sein. Die zugrundeliegende Datenbasis sollte sich anhand aussagefähiger Merkmale in disjunkte Gruppen einteilen lassen. Das Verfahren der LMD kann ohne Modifikationen nur sinnvoll auf metrisch skalierte Eingangsdaten angewendet werden. Durch geeignete Skalierungsverfahren, z. B. die Lancaster- Skalierung, lassen sich ordinal skalierte Merkmale in annähernd metrisch skalierte Merkmale transformieren. Mathematisch-Statistische Verfahren des Risikomanagements - SS Standards für mathematischstatistische Ratingverfahren (II) Auswahl der Merkmale Anzahl der erklärenden Variablen sollte eine sinnvolle Obergrenze nicht überschreiten. Diese ist vom Umfang der Lernstichprobe abhängig. Die wichtigsten Dimensionen des Merkmalsraums sollten abgedeckt sein. Die Merkmalsvariablen sollten nicht miteinander korreliert sein. Um umfassend das Informationspotential des Jahresabschlusses abbilden zu können, sollten die Merkmale unterschiedliche Bereichen widerspiegeln. Die zur Gruppierung herangezogenen Merkmale sollten so weit wie möglich normalverteilt sein und ihre Streuung in den betrachteten Gruppen möglichst gleich groß sein (gleiche Varianz-Kovarianz-Matrizen). Mathematisch-Statistische Verfahren des Risikomanagements - SS

27 Standards für mathematischstatistische Ratingverfahren (III) Schätzung der Modellparameter Die Schätzung der Modellparameter sollte mit einer Teilmenge der Gesamtstichprobe, der sogenannten Lernstichprobe erfolgen. Die Lernstichprobe muß einen möglichst guten Querschnitt durch die jetzigen bzw. zukünftigen Kreditnehmer darstellen. Die Lernstichprobe muß ausreichend groß sein, damit die vorliegenden Klassenzugehörigkeiten ein ausreichend gute Schätzer für die Klassenzugehörigkeiten der zu analysierenden Objektgruppe sind. Bei der Schätzung der Modellparameter sollte darauf geachtet werden, daß sich die Parameter betriebswirtschaftlich sinnvoll interpretieren lassen. Mathematisch-Statistische Verfahren des Risikomanagements - SS Standards für mathematischstatistische Ratingverfahren (IV) Performancemessung des Ratingmodells Um die Klassifikationsleistung des Ratingmodells zu ermitteln, sollte der vorliegende Datensatz in eine Lern- und eine Teststichprobe (Holdout-Sample) aufgeteilt werden. Die Lernstichprobe dient zur Kalibrierungn der Modellparameter. Die Teststichprobe dient der Modellvalidierung (Backtesting). In der Teststichprobe sollten Unternehmen enthalten sein, die nicht schon zur Modellkalibirierung herangezogen wurden. Es soll das Gütemaß dargelegt werden, mit dem die Trennleistung des Ratingmodells beurteilt wird. Der Zusammenhang zwischen den Diskriminanzwerten Y und den Ratingklassen soll dargelegt werden. Mathematisch-Statistische Verfahren des Risikomanagements - SS

Credit Risk Management

Credit Risk Management Credit Risk Management. Mathematisch-Statistische Verfahren des Risikomanagements SS 2006 1 Einführung (I) Die drei Kernbereiche des Credit Risk Management Kreditprozesse vertriebswegedeterminiert Kreditprozesse

Mehr

Entscheidungsbaumverfahren

Entscheidungsbaumverfahren Entscheidungsbaumverfahren Allgemeine Beschreibung Der Entscheidungsbaum ist die Darstellung einer Entscheidungsregel, anhand derer Objekte in Klassen eingeteilt werden. Die Klassifizierung erfolgt durch

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Kredit-Rating. Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten

Kredit-Rating. Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten Kredit-Rating Interne Ratingverfahren der Banken und Sparkassen als Basis bonitätsabhängiger Bepreisung von Krediten Von der Wirtschaftswissenschaftlichen Fakultät der Universität Leipzig genehmigte DISSERTATION

Mehr

Neue Kreditwürdigkeitsprüfung

Neue Kreditwürdigkeitsprüfung Bankinternes Rating 5.2 Kreditwürdigkeitsprüfung Seite 7 Neue Kreditwürdigkeitsprüfung Inhalt Bankinternes Rating-Verfahren Bankinterne Rating-Systeme Internes Rating nach Basel II Anforderungen an das

Mehr

AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX

AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX AUF SICHERHEIT BAUEN CREDITREFORM BONITÄTSINDEX CREDITREFORM RISIKOMANAGEMENT Creditreform entwickelte ein Scoring (Punktbewertungs)-Verfahren, das eine Risikobestimmung des Kunden vornimmt. Im Kern werden

Mehr

Commercial Banking. Kreditportfoliosteuerung

Commercial Banking. Kreditportfoliosteuerung Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung

Mehr

Entwicklung und Kalibrierung von Scoring- und Ratingsystemen. Markus J. Rieder riskperform software gmbh

Entwicklung und Kalibrierung von Scoring- und Ratingsystemen. Markus J. Rieder riskperform software gmbh Entwicklung und Kalibrierung von Scoring- und Ratingsystemen Markus J. Rieder riskperform software gmbh AGENDA Warum? Was? Womit? Wie? Wie gut? Wofür? 2 PRINZIP EINES RATING-MODELLS Warum? W? W? W? W?

Mehr

Adressenausfallrisiken. Von Marina Schalles und Julia Bradtke

Adressenausfallrisiken. Von Marina Schalles und Julia Bradtke Adressenausfallrisiken Von Marina Schalles und Julia Bradtke Adressenausfallrisiko Gliederung Adressenausfallrisiko Basel II EU 10 KWG/ Solvabilitätsverordnung Adressenausfallrisiko Gliederung Rating Kreditrisikomodelle

Mehr

Finanzierung heute und morgen

Finanzierung heute und morgen Kreditsicherungsstrategien für das Gastgewerbe Finanzierung heute und morgen Die neue Partnerschaft zwischen Kunde und Bank Thomas Ochsmann Ulrich Schmidt So könnte sich mancher Kunde fühlen! Kreditnehmer

Mehr

Multivariate Verfahren

Multivariate Verfahren Multivariate Verfahren Lineare Reression Zweck: Vorhersae Dimensionsreduktion Klassifizierun Hauptkomponentenanalyse Korrespondenzanalyse Clusteranalyse Diskriminanzanalyse Eienschaften: nicht-linear verteilunsfrei

Mehr

Basel II und Rating. Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft. Christian Lust

Basel II und Rating. Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft. Christian Lust Basel II und Rating Hochschule Magdeburg-Stendal (FH) Finanzwirtschaft Geschichtlicher Überblick Basel I Basel II -Ziele -Die drei Säulen Rating -Geschichte und Definition -Ratingprozess und systeme -Vor-

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern Ergänzung zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Kreditscoring zur Klassifikation von Kreditnehmern Beschreibung des Datensatzes Die Vergabe von Privatkrediten wird von der Bonität der

Mehr

Risikomanagement im Kreditgeschäft

Risikomanagement im Kreditgeschäft Bettina Schiller Dagmar Tytko Risikomanagement im Kreditgeschäft Grundlagen, neuere Entwicklungen und Anwendungsbeispiele 2001 Schäffer-Poeschel Verlag Stuttgart Inhaltsverzeichnis Abbildungsverzeichnis

Mehr

BASEL. Prof. Dr. Dr. F. J. Radermacher Datenbanken/Künstliche Intelligenz. franz-josef.radermacher@uni-ulm.de

BASEL. Prof. Dr. Dr. F. J. Radermacher Datenbanken/Künstliche Intelligenz. franz-josef.radermacher@uni-ulm.de Prof. Dr. Dr. F. J. Radermacher Datenbanken/Künstliche Intelligenz franz-josef.radermacher@uni-ulm.de Seite 2 Eigenkapitalunterlegung laut Basel I Aktiva Kredite, Anleihen etc. Risikogewichtete Aktiva

Mehr

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs

Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs 1. Klagenfurter KMU Tagung Tanja Schuschnig Alexander Brauneis Institut für Finanzmanagement 25.09.2009

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

Die neuen Eigenkapitalanforderungen der Banken BASEL II

Die neuen Eigenkapitalanforderungen der Banken BASEL II Die neuen Eigenkapitalanforderungen der Banken BASEL II Ein Thema für das Gesundheitswesen? 26.07.2004 2004 Dr. Jakob & Partner, Trier www.dr-jakob-und-partner.de 1 Was bedeutet Basel II? Nach 6-jährigen

Mehr

zuverlässig, objektiv, transparent

zuverlässig, objektiv, transparent DAS UMFASSENDE RATING-SYSTEM In der heutigen Finanzwelt ist ein zuverlässiges Risiko- und Ratingmanagementsystem die Basis für eine vertrauensvolle Geschäftsbeziehung. bietet Ihnen nicht nur die mit der

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Basel II. Herausforderung und Chance für KMU

Basel II. Herausforderung und Chance für KMU Basel II Herausforderung und Chance für KMU SCHMIDT CONSULTING BAS GmbH SCHMIDT CONSULTING Business Advisors 7500 St. Moritz & 8044 Zürich www.schmidt-consulting.ch - 0 - Grundlagen von Basel II - 1 -

Mehr

Reihe: Immobilienmanagement Band 9

Reihe: Immobilienmanagement Band 9 Reihe: Immobilienmanagement Band 9 Herausgegeben von Prof. Dr. Wolfgang Pelzl Institut für Immobilienmanagement der Wirtschaftswissenschaftlichen Fakultät der Universität Leipzig Dr. Bettina Lange Immobilienrating

Mehr

Basel II und Konsequenzen für Land- und Forstwirte

Basel II und Konsequenzen für Land- und Forstwirte Basel II und Konsequenzen für Land- und Forstwirte Herbstseminar 2005 Zukunftsperspektiven der Land- und Forstwirtschaft / Neue Bewirtschaftungsformen / Finanzierungsfragen Montag, 21.11.2005 Dr. Christian

Mehr

29.10.2012 Kreditrating 2

29.10.2012 Kreditrating 2 Kreditrating Hintergründe, Bedeutung und Auswirkungen ADS Würzburg, 25. Oktober 2012 Oliver Paul Leasingfachberater / Abt. Firmenkunden EDEKABANK AG Mitglied der genossenschaftlichen FinanzGruppe Ratings

Mehr

Finanzwirtschat Ⅶ. Basel II und Rating. Meihua Peng Zhuo Zhang

Finanzwirtschat Ⅶ. Basel II und Rating. Meihua Peng Zhuo Zhang Finanzwirtschat Ⅶ Basel II und Rating Meihua Peng Zhuo Zhang Gliederung Geschichte und Entwicklung Inhalt von Basel II - Die Ziele von Basel II - Die drei Säulen Rating - Begriff eines Ratings - Externes

Mehr

Orientierungshilfe der Internen Revision. Mindestanforderungen für den internen Ratingansatz. Version: 2.0. Stand: 15.03.2005

Orientierungshilfe der Internen Revision. Mindestanforderungen für den internen Ratingansatz. Version: 2.0. Stand: 15.03.2005 Orientierungshilfe der Internen Revision Mindestanforderungen für den internen Ratingansatz (IRB-Ansatz) Version: 2.0 Stand: 15.03.2005 Autor: Bezug: IIR Arbeitskreis Basel II Basel II Prüfungsanforderungen

Mehr

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern A Beschreibung des Original-Datensatzes Kreditscoring Die vorliegende Datei enthält die Daten aus einer geschichteten Lernstichprobe, welche von einer süddeutschen Großbank durchgeführt wurde. Bei einer

Mehr

Multivariate Analysemethoden

Multivariate Analysemethoden Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick

Mehr

Kreditesichern. durch Planungund Controlling. -Basel II und bankinternes Rating - Dr. Roland Wolf. Kredite sichern Basel II und Rating 1/37

Kreditesichern. durch Planungund Controlling. -Basel II und bankinternes Rating - Dr. Roland Wolf. Kredite sichern Basel II und Rating 1/37 Kreditesichern durch Planungund Controlling -Basel II und bankinternes Rating - Dr. Roland Wolf Kredite sichern Basel II und Rating 1/37 Problemstellung Schon immer war es gute betriebswirtschaftliche

Mehr

Enterprise Risk Management Due Diligence

Enterprise Risk Management Due Diligence Enterprise Risk Management Due Diligence.proquest Die richtigen Antworten auf die entscheidenden Fragen! A-4661 Roitham/Gmunden OÖ, Pfarrhofstraße 1 Tel. +43.7613.44866.0, Fax - DW 4 e-mail. office@proquest.at

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

VALIDIERUNG VON RATINGVERFAHREN

VALIDIERUNG VON RATINGVERFAHREN VALIDIERUNG VON RATINGVERFAHREN Ronny Parchert Beim nachfolgenden Beitrag handelt es sich um einen modifizierten Vorab-Auszug aus dem Artikel Validierung von Risikomanagementsystemen, welcher im Frühjahr

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Erkennung von Adressenausfallrisiken

Erkennung von Adressenausfallrisiken Christian Kus Erkennung von Adressenausfallrisiken Kontodatenanalyse unter Einsatz binärer logistischer Regressionsmodelle Verlag Dr. Kovac Hamburg 2010 Inhalt Seite Abkürzungen Abbildungs-/Tabellenverzeichnis

Mehr

Operative Risiken eines Unternehmens unter. dem Aspekt der Umsetzung von Basel II

Operative Risiken eines Unternehmens unter. dem Aspekt der Umsetzung von Basel II Operative Risiken eines Unternehmens unter dem Aspekt der Umsetzung von Basel II Ziele von Basel II Die Ziele von Basel II sind: Förderung von Solidität und Stabilität des Finanzsystems Förderung gleicher

Mehr

VR-Rating Agrar Grundlage zur risikogerechten Bepreisung im Agrargeschäft

VR-Rating Agrar Grundlage zur risikogerechten Bepreisung im Agrargeschäft Grundlage zur risikogerechten Bepreisung im Agrargeschäft Vortrag im Rahmen der gemeinsamen Veranstaltung der Westerwald Bank eg und des Bauern- und Winzerverband Rheinland-Nassau e.v. Hachenburg, Referent:

Mehr

- Basel II - Ratingansätze zur Kreditrisikomessung Anforderungen an die Banken und Auswirkungen auf den Mittelstand

- Basel II - Ratingansätze zur Kreditrisikomessung Anforderungen an die Banken und Auswirkungen auf den Mittelstand - Basel II - Ratingansätze zur Kreditrisikomessung Anforderungen an die Banken und Auswirkungen auf den Mittelstand - Januar 2001 Basel II verabschiedet - Basler Ausschuss ist ein unabhängiges an die Bank

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe.

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. Conjoint Analyse CONsidered JOINTly Conjoint Analyse Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. traditionelle auswahlbasierte Wählen Sie bitte aus den Alternativen,

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Ratingklasse 000 100-199 200-299 300-399 400-499 500-599 600-699 700. ab 0,01 % ab 0,03 % ab 0,22 % ab 1,40 % ab 8,55 % ab 38,10 % sehr geringe

Ratingklasse 000 100-199 200-299 300-399 400-499 500-599 600-699 700. ab 0,01 % ab 0,03 % ab 0,22 % ab 1,40 % ab 8,55 % ab 38,10 % sehr geringe Ihre Anfrage: Musterfirma Meier Fashion GmbH Wagenseilgasse 7, 1120 Wien Musterfirma Meier Fashion GmbH Wagenseilgasse 7 A-1120 Wien Ihre Referenz: KSVWPA06 Ihr Nutzer: KSVWPA06 Ihre KSV1870 Nummer: 7311060

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Kreditfinanzierung nach Basel II. Rating Herausforderung und Chance zugleich

Kreditfinanzierung nach Basel II. Rating Herausforderung und Chance zugleich Kreditfinanzierung nach Basel II Rating Herausforderung und Chance zugleich Basel II: Ausgangslage und Position der Sparkassen Bedeutung des Ratingsystems für den Mittelstand Wie ist das Ratingsystem aufgebaut?

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Basel II: Logistische Regression als das Herz einer Rating-Maschine

Basel II: Logistische Regression als das Herz einer Rating-Maschine Foto: MEV Kreditrisikomessung ist keine Geheimwissenschaft Hermann Schulte-Mattler/Ulrich Daun Auf der Grundlage der Revision der Baseler Eigenkapitalvereinbarung (Basel II) werden Kreditinstitute alle

Mehr

Vorlesung 7: Value-at-Risk für Kreditrisiken

Vorlesung 7: Value-at-Risk für Kreditrisiken Vorlesung 7: Value-at-Risk für Kreditrisiken 17. April 2015 Dr. Patrick Wegmann Universität Basel WWZ, Department of Finance patrick.wegmann@unibas.ch www.wwz.unibas.ch/finance Die Verlustverteilung im

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II)

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II) Prinzipien der Fragebogenkonstruktion Seminar: Patricia Lugert, Marcel Götze 17.04.2012 Medien-Bildung-Räume Inhalt Fragebogenerstellung Grundlagen Arten von Fragen Grundlegende Begriffe: Merkmal, Variable,

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Inhalte Kurs Finanz- und Risikosteuerung

Inhalte Kurs Finanz- und Risikosteuerung Inhalte Kurs Finanz- und Risikosteuerung Studieninhalte (DS = Doppelstunde á 90 Minuten) Grundlagen der Bankensteuerung Finanzmathematische Grundlagen 12 DS Dynamische Verfahren der Investitionsrechnung

Mehr

Management Summary. Fachhochschule Kiel, Fachbereich Wirtschaft. Betreuende Dozentin: Prof. Dr. Ute Vanini. Erstellt von: Yvonne Weidhaas

Management Summary. Fachhochschule Kiel, Fachbereich Wirtschaft. Betreuende Dozentin: Prof. Dr. Ute Vanini. Erstellt von: Yvonne Weidhaas Management Summary Ergebniszusammenfassung der Studie: Berücksichtigung des immateriellen Vermögens von kleinen mittleren Unternehmen (KMU) in Kreditvergabe- Beteiligungsprozessen von Kreditinstituten

Mehr

Bearbeitungs- und Prüfungsleitfaden Risikofrüherkennung im Kreditgeschäft

Bearbeitungs- und Prüfungsleitfaden Risikofrüherkennung im Kreditgeschäft Bearbeitungs- und Prüfungsleitfaden Risikofrüherkennung im Kreditgeschäft Erwartungshaltung der Bankenaufsicht - Trennscharfe Verfahren - Prozesseinbindung & Prüfung Bearbeitet von Uwe Adelmeyer, Ralf

Mehr

Projektfinanzierung in der Immobilienwirtschaft

Projektfinanzierung in der Immobilienwirtschaft Sven Bienert Projektfinanzierung in der Immobilienwirtschaft Dynamische Veränderungen der Rahmenbedingungen und Auswirkungen von Basel II Mit einem Geleitwort von Prof. Dr. Dr. h.c. Hans-Hermann Francke

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

IRBA Konversionsfaktoren- Entwicklung und Validierung der Schätzung

IRBA Konversionsfaktoren- Entwicklung und Validierung der Schätzung IRBA Konversionsfaktoren- Entwicklung und Validierung der Schätzung Raffaela Handwerk, Ronny Rehbein Inhalt Einleitung... 1 Bestimmung des Schätzers... 1 Segmentierung des Schätzers... 3 Validierung der

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Diskriminanzanalyse 9.1 Problemstellung Ziel einer Diskriminanzanalyse: Bereits bekannte Objektgruppen (Klassen/Cluster) anhand ihrer Merkmale charakterisieren und unterscheiden sowie neue Objekte in

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

1.3 Rating / Scoring ist eines der strategischen Top-Themen im Kreditrisikomanagement

1.3 Rating / Scoring ist eines der strategischen Top-Themen im Kreditrisikomanagement / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / Vortrag im Rahmen des Seminars Mathematisch-Statistische Verfahren des Risiko-Managements von Professor Rommelfanger

Mehr

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage

Arnd Wiedemann. Risikotriade Zins-, Kredit- und operationelle Risiken. 2., überarbeitete Auflage Arnd Wiedemann Risikotriade Zins-, Kredit- und operationelle Risiken 2., überarbeitete Auflage . XI 1 Einleitung: Risikomessung als Fundament der Rendite-/Risikosteuerung 1 2 Zinsrisiko 3 2.1 Barwertrisiko

Mehr

Mindestanforderungen an das Kreditgeschäft. Universität Frankfurt 02. Juli 2002 Commercial Banking

Mindestanforderungen an das Kreditgeschäft. Universität Frankfurt 02. Juli 2002 Commercial Banking Mindestanforderungen an das Kreditgeschäft Universität Frankfurt 02. Juli 2002 Commercial Banking Agenda! Aktuelle Entwicklungen! Ziele und Spannungsfelder! Fünf Kernbereiche! Nutzen 2 Karlheinz Bölz,

Mehr

Kreditrisiken: Interne Ratingansätze

Kreditrisiken: Interne Ratingansätze Kreditrisiken: Interne Ratingansätze PD Dr. Rainer Durth TU Darmstadt/ J.-W.-Goethe Universität Frankfurt/ KfW Kreditrisiken: Interne Ratingansätze - Gliederung - 1. Aufbau der IRB-Ansätze 2. IRB - Basisansatz

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Leitfaden Rating. Basel II: Rating-Strategien für den Mittelstand. von Dr. Werner Gleißner, Dr. Karsten Füser

Leitfaden Rating. Basel II: Rating-Strategien für den Mittelstand. von Dr. Werner Gleißner, Dr. Karsten Füser Leitfaden Rating Basel II: Rating-Strategien für den Mittelstand von Dr. Werner Gleißner, Dr. Karsten Füser 2., überarbeitete und erweiterte Auflage Leitfaden Rating Gleißner / Füser schnell und portofrei

Mehr

COMMERCIAL BANKING Sommersemester 2002 Wahrenburg / Raupach Aufgabenblatt 1. Aufgabenblatt 1

COMMERCIAL BANKING Sommersemester 2002 Wahrenburg / Raupach Aufgabenblatt 1. Aufgabenblatt 1 COMMERCIAL BANKING Sommersemester 2002 Wahrenburg / Raupach Aufgabenblatt Aufgabenblatt. (Präsentation zum Kreditscoring) 2. Sie haben einen Kredit an eine börsennotierte Firma XY vergeben. Bestimmen Sie

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

SPK Unternehmensberatung GmbH

SPK Unternehmensberatung GmbH SPK Unternehmensberatung GmbH Informationsabend Rating Herausforderung und Chance zugleich 4-Sterne Rating Deutschland SPK Unternehmensberatung GmbH Seite 2 SPK Das Logo SPK Unternehmensberatung GmbH Seite

Mehr

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL

Matrikel-Nr.: Fachrichtung: Sem.-Zahl: Seminarschein soll ausgestellt werden über ABWL Integrationsseminar BBL Institut für Geld- und Kapitalverkehr der Universität Hamburg Prof. Dr. Hartmut Schmidt Integrationsseminar zur Allgemeinen Betriebswirtschaftslehre und Bankbetriebslehre Wintersemester 2002/2003 Zuständiger

Mehr

Rating. 1. Was bedeutet Basel II

Rating. 1. Was bedeutet Basel II Rating Die Spielregeln bei der Kreditvergabe an Unternehmen wurden 2007 nach Basel II grundlegend verändert. Basel II sieht vor, dass die Bonitätseinstufung eines Kreditnehmers durch Rating das zentrale

Mehr

Rechtliche Rahmenbedingungen zur Steuerung von Kreditinstituten auf Basis der Baseler Empfehlungen

Rechtliche Rahmenbedingungen zur Steuerung von Kreditinstituten auf Basis der Baseler Empfehlungen Rechtliche Rahmenbedingungen zur Steuerung von Kreditinstituten auf Basis der Baseler Empfehlungen Sophia Völkl 01.02.2010 1 / 19 Übersicht 1 Historische Entwicklung von Basel I zu Basel II 2 Ziele und

Mehr

Kalkulation verursachungsgerechter Standard- Risikokosten zur risikoadjustierten Bepreisung der privaten Unfallversicherung

Kalkulation verursachungsgerechter Standard- Risikokosten zur risikoadjustierten Bepreisung der privaten Unfallversicherung Thomas Hubert Reimer Kalkulation verursachungsgerechter Standard- Risikokosten zur risikoadjustierten Bepreisung der privaten Unfallversicherung Analyse der Eignung barwertiger Verfahren aus dem Retailkreditgeschäft

Mehr

Rating. Rating. Informationen über. (Bedeutung, Konsequenzen, Anforderungen) Harry Donau - Unternehmensberatung

Rating. Rating. Informationen über. (Bedeutung, Konsequenzen, Anforderungen) Harry Donau - Unternehmensberatung Rating Informationen über Rating (Bedeutung, Konsequenzen, Anforderungen) Harry Donau - Unternehmensberatung RATING Basel II, die Richtlinien des Baseler Ausschusses der Bankenaufsicht, verpflichtet die

Mehr

firmenkredit Finanzierungen auf unkomplizierte, transparente Art

firmenkredit Finanzierungen auf unkomplizierte, transparente Art firmenkredit Finanzierungen auf unkomplizierte, transparente Art klarheit und transparenz Sie planen eine Investition? Oder Sie möchten sich ganz grundsätzlich über die Möglichkeiten unterhalten, die Ihnen

Mehr

Fachgremium IRBA Portfolioabgrenzung Stand:29.11.2005

Fachgremium IRBA Portfolioabgrenzung Stand:29.11.2005 Im Hinblick auf die Regelungen nach Art. 86, Tz. 4 und Anhang VII, Teil 1, Tz. 9 bis 11 des EU-Richtlinienvorschlages hat das FG IRBA folgende präzisierungsbedürftige Fragestellungen identifiziert: 1.

Mehr

Der Fröhlich-Faktor. Referent: Stefan Fröhlich

Der Fröhlich-Faktor. Referent: Stefan Fröhlich Der Fröhlich-Faktor Referent: Stefan Fröhlich Entstehung des Fröhlich-Faktor Wenn man sich mit der Entwicklung und dem Backtesting von Handelssystemen beschäftigt wird der Fröhlich-Faktor immer dann wichtig

Mehr

Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement

Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement Credit Risk Rating Platform: Software-Lösung für das Kreditrisikomanagement Financial Software Plattform für interne Ratingmodelle Jahresabschlussanalyse Frühwarnsystem Simulation und Stresstests Reportingumgebung

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Kai Ammann. Kapitalmarktdeduzierte Kreditrisikobepreisung durch das Mapping von Ratingskalen

Kai Ammann. Kapitalmarktdeduzierte Kreditrisikobepreisung durch das Mapping von Ratingskalen Kai Ammann Kapitalmarktdeduzierte Kreditrisikobepreisung durch das Mapping von Ratingskalen INHALTSVERZEICHNIS Inhaltsübersicht Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Verzeichnis

Mehr

Wo liegt eigentlich Basel II

Wo liegt eigentlich Basel II Wo liegt eigentlich Basel II Kurzaufsatz von Prof. Dr. Ottmar Schneck www.ottmar-schneck.de Jeder redet heute von Basel II. Wo Basel liegt kann man auf einer einfachen Landkarte oder elektronisch über

Mehr

Suissemelio-Ratingtool im Kanton Bern

Suissemelio-Ratingtool im Kanton Bern Suissemelio-Ratingtool im Kanton Bern Franz Hofer, Bernische Stiftung für Agrarkredite (BAK) 1. Organisatorische Einbettung Hintergrund Risikobeurteilung durch den Stiftungsrat Berechnungsmodell (Kennzahlen,

Mehr

Risikogerechter Verfahrenszinssatz für Förderungskredite

Risikogerechter Verfahrenszinssatz für Förderungskredite Risikogerechter Verfahrenszinssatz für Förderungskredite Allgemeines Die Richtlinien für die wesentlichen Bundesförderungsaktionen wurden neu gefasst und mit Beginn des Jahres 2007 in Kraft gesetzt. Die

Mehr

Bankkredit adieu! Sonja Riehm, Ashok Riehm. Die besten Finanzierungsalternativen. Neue Wege der Kapitalbeschaffung

Bankkredit adieu! Sonja Riehm, Ashok Riehm. Die besten Finanzierungsalternativen. Neue Wege der Kapitalbeschaffung Sonja Riehm, Ashok Riehm Bankkredit adieu! Die besten Finanzierungsalternativen Neue Wege der Kapitalbeschaffung BusinessVillage Update your Knowledge! Inhalt Hinweise zu diesem Buch...5 Danksagung...6

Mehr

Reiner-Peter Doll. Die Finanzierung von Nonprofit-Organisationen im Hinblick auf Basel II. - Eine theoretische und empirisch-explorative Analyse -

Reiner-Peter Doll. Die Finanzierung von Nonprofit-Organisationen im Hinblick auf Basel II. - Eine theoretische und empirisch-explorative Analyse - Reiner-Peter Doll Die Finanzierung von Nonprofit-Organisationen im Hinblick auf Basel II - Eine theoretische und empirisch-explorative Analyse - Verlag P.C.O. Bayreuth Abbildungsverzeichnis Tabellenverzeichnis

Mehr

Rating: Bedeutung und Auswirkungen

Rating: Bedeutung und Auswirkungen Rating: Bedeutung und Auswirkungen Ohne Rating kein Kredit und ohne Kredit kein Wachstum Basel II/Basel III und MaRisk schreiben den Banken Rating als Instrument der Risikomessung verbindlich vor. Es handelt

Mehr

I. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe

Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe Wintersemester 2009/2010 Sanierung von Unternehmen in der Krise Teil 1: - Überblick und Einleitung - Kreditklemme? Aufsichtsrechtlicher Rahmen für die Kreditvergabe Banksyndikus Arne Wittig, 5. November

Mehr

Seminararbeit. im Rahmen der SBWL Alternative Investments, 328.260 Seminar aus Finanzwirtschaft Wintersemester 2014/15

Seminararbeit. im Rahmen der SBWL Alternative Investments, 328.260 Seminar aus Finanzwirtschaft Wintersemester 2014/15 Seminararbeit im Rahmen der SBWL Alternative Investments, 328.260 Seminar aus Finanzwirtschaft Wintersemester 2014/15 Kreditrisiko und Ausfallwahrscheinlichkeit mittels Diskriminanzanalyse eingereicht

Mehr

Der Präsident. 11011 Berlin. 13. März 2002 Az.: 03-05-20/02 S 6. Sehr geehrte Frau Vorsitzende,

Der Präsident. 11011 Berlin. 13. März 2002 Az.: 03-05-20/02 S 6. Sehr geehrte Frau Vorsitzende, Der Präsident Per Telefax: 030 / 227 36 844 und E-Mail Frau Christine Scheel, MdB Vorsitzende des Finanzausschusses des Deutschen Bundestages Platz der Republik 1 11011 Berlin 13. März 2002 Az.: 03-05-20/02

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr

RATINGSYSTEME Chancen und Risiken für den Mittelstand

RATINGSYSTEME Chancen und Risiken für den Mittelstand RATINGSYSTEME Chancen und Risiken für den Mittelstand Von: Diplom-Kaufmann Lutz Ressmann - Managementberater - AGENDA Begriffsbestimmung Aktuelle Hintergründe Ratingsysteme Ratingprozeß Chancen und Risiken

Mehr

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr