Naturwissenschaftler in der Risk Advisory

Transkript

1 Natrwissenschaftler in der Risk Advisory Dr. Bernhard Hein, Jacqeline Blhm Advisory Services / Financial Services Organisation 15. Mai 2014

2 Agenda Wer wir sind nd was Sie bei ns erwartet Zwei Mathematiker erzählen von ihrem Berf Wie Sie bei ns ein- nd afsteigen nd jetzt Mathe! Ein fachlicher Asflg in aktelle Projektthemen. Akteller Brennpnkt: AQR Anhang: Gemeinsam für eine bessere Wirtschaftswelt Page 2

3 Wer wir sind nd was Sie bei ns erwartet Page 3

4 Wer wir sind nd was Sie bei ns erwartet Unsere Dienstleistngen Wirtschaftsprüfng Steerberatng Transaktionsberatng Advisory Services Page 4

5 Wer wir sind nd was Sie bei ns erwartet Unsere Dienstleistngen: Wirtschaftsprüfng Wirtschaftsprüfng Steerberatng Transaktionsberatng Advisory Services Abschlssprüfng prüferische Drchsicht sonstige Dienstleistngen nd gesonderte Berichterstattng Gestaltng der Rechnngslegngsabläfe nach HGB, IFRS nd US GAAP Financial Acconting Advisory Services Frad Investigation & Dispte Services Page 5

6 Wer wir sind nd was Sie bei ns erwartet Unsere Dienstleistngen: Steerberatng Wirtschaftsprüfng Steerberatng Transaktionsberatng Advisory Services Steerplanng nd -gestaltng Nationale nd internationale Steerberatng Transaction Tax Verrechnngspreisberatng Beratng im Bereich Internationale Mitarbeiterentsendng Umsatzsteer nd Zölle Betreng der öffentlichen Hand nd Privatisierng Nachfolgeberatng sowie Beratng vermögender Privatknden Steerstrafrecht Law Services Page 6

7 Wer wir sind nd was Sie bei ns erwartet Unsere Dienstleistngen: Transaktionsberatng Wirtschaftsprüfng Steerberatng Transaktionsberatng Advisory Services Transaction Spport Valation & Bsiness Modelling Restrctring Operational Transaction Services Transaction Real Estate Mergers & Acqisitions Page 7

8 Wer wir sind nd was Sie bei ns erwartet Unsere Dienstleistngen: Advisory Services Wirtschaftsprüfng Steerberatng Transaktionsberatng Advisory Services Performance Improvement Risk IT Risk and Assrance für weitere Informationen siehe Anhang Page 8

9 Zwei Mathematiker erzählen von ihrem Berf Page 9

10 Zwei Mathematiker erzählen von ihrem Berf Geschichten Bernhard Hein, Jacqeline Blhm, 42 Jahre alt, verheiratet, 3 Kinder. 27 Jahre alt, ledig, keine Kinder Abi, 1992 Zivi 2006 Abi ab 1992/93 Uni Tübingen, Lehramt (Mathe, kath. Theol., Englisch) ab 2006 Uni Ulm, Diplom Wirtschaftsmathematik 1995/96 Arizona State University 2009 Praktikm bei EY Doktorarbeit 2002 Hochzeit 2004 Bewerbngen ab 11/2004 Ernst & Yong ab 2006 Kids 2010/2011 University of Wisconsin- Milwakee (Master in Mathematik nd Teaching Assistant) Ende 2012 Diplomarbeit bei EY Ab 02/2013 Consltant bei EY Hobbies: Denken, Msik, Sport, Kids. Hobbies: Sport, Reisen, Frende Page 10

11 Zwei Mathematiker erzählen von ihrem Berf Berf Aswahl: Schon mit 7 Jahren wsste ich nicht, was ich werden wollte! Universm: Dienstleistng Galaxie: Unternehmensberatng System: Prüfngsnahe Beratng im Finanzsektor ( FSO ) Planet: Qantitatives Risikomanagement bei Kreditinstitten Knden: Risikomanager von Banken, Versicherngen, Basparkassen, Asset Management Gesellschaften etc. Wo haben wir ns sonst noch beworben? Logistiker, Filmbranche, Versicherng Wo haben Frende sich beworben? Optik, Uni, Atomobilbranche, Page 11

12 Zwei Mathematiker erzählen von ihrem Berf Wir beraten. Wen? Banken. Können wir das überhapt? Mathematik (Differentialgeometrie, Algebra, Wahrscheinlichkeitsrechnng). Beweisen. Denken. Kommnizieren, sprechen, formlieren, erklären, mit anderen Menschen mgehen. Mit Banken hatten wir nr soviel z tn: EC-Karte, Konto, vielleicht ein Basparvertrag. Was wir damals nicht wssten: Es gibt viele Stellen, an denen Banken spannenden Herasforderngen gegenüberstehen, denen man prinzipiell mit einem mathematischen Modell begegnen kann. Oft sind aber noch keine Modelle in place, oder die bestehenden Modelle sind veraltet oder nicht angemessen. Hier benötigen sie Beratng oder einfach zsätzliche, fähige Kapazitäten, zm Beispiel ns! Vor allem der Umgang mit RISIKO ist ein schwieriges, wichtiges (weil viel Geld im Spiel) nd ach vom Gesetzgeber forciertes Thema. In kleineren Banken arbeiten oft keine oder kam Mathematiker. In großen Banken sind die dort arbeitenden Mathematiker oft die, die alles können müssen J Übrigens: Im Bankenmfeld werden wir üblicherweise Methodiker genannt. Page 12

13 Zwei Mathematiker erzählen von ihrem Berf Bernhards Arbeitstag im 9. Jahr (Fr, 11. April) Arbeit im AQR EY führt einen von der EZB vorgegebenen Asset Qality Review bei insgesamt sechs der großen detschen Kreditinstitte drch. Projektvorbereitng Hein telefoniert mit Kolleginnen nd Kollegen zsammen mit Vertretern eines möglichen Knden nd bespricht dessen Erwartngen an ein Projekt Morgen Vormittag Mittag Nachmittag Abend 6:00 afgewacht zhase. 7:11 Anknft im Büro Ca. 8:30-9:00 Wöchentlicher Qant-Call. Challenger Diskssion über Spezialfragen in einem Modell zr Wertberichtigngsbildng Erste Telco: 10:30 9:00-10:30 Fachlich vorbereiten, wie sich EY im Eroram (EZB- Hoheitsram) bezüglich der Verwendng von Kreditrisikoparametern in Wertberichtigngsmodellen afstellen möchte AQR WS7 Stats Telefonkonferenz mit Leten, die sich in anderen Ländergesellschaften von EY im Eroram ach mit dem AQR nd dem Thema Wertberichtigngsmodelle beschäftigen Validierng Besprechng mit Kollegen darüber, wie wir die Prognose des Asfallrisikos von Kreditnehmern verbessern können, die in der jüngsten Vergangenheit Mahnngen erhalten haben. Telefonat eine Stnde nach Vorbereitng mit dem o.g. Knden. Team Adam bracht Tips z Fremdwährngsrisiken, Dirk hat Stress mit dem Chef, Thomas mit dem Diskontzins. Die Daten für die Verlstmessng sehen komisch as. Orga Notizen as dem Telefonat zsammenfassen, Angebot skizzieren, 80 Mails beantworten... 20:07 Feierabend nd sehe ich die Kids noch, bevor sie ins Bett müssen? Page 13

14 Zwei Mathematiker erzählen von ihrem Berf Jacqelines Arbeitstag im 2. Jahr (Fr, 11. April) Validierng von Ratingsystemen Jacqeline führt die Validierng der Ratingsysteme von 8 privaten detschen Basparkassen drch. Die Systeme sollen die Kreditasfallwahrscheinlichkeit in den Portfolios von privaten Bafinanzierngen prognostizieren. Model Review im Rahmen des Asset Qality Reviews Der AQR beinhaltet neben weiteren Workblocks die Prüfng der Paschalwertberichtigng für die verschiedenen Portfolien einer Bank nd setzt eine Prüfng der bankeigenen Modelle zr Ermittlng der Risikovorsorge voras. Morgen Vormittag Mittag Nachmittag Abend 6:30 afgewacht in Mönchengladbach 7:45 Mit dem Taxi zr XY- Bank. Ca Während man gemeinsam den ersten Kaffee trinkt wird der aktelle Stand nd das weitere Vorgehen besprochen. Erster Kndenkontakt: 9:01 9:00-10:00 Anrf von der Basparkasse XYZ Der Knde hat dieses Jahr vermehrt nee Ratings von Knden vorgenommen, die erst kürzlich asgefallen sind. Er möchte wissen wie sich diese Veränderng af die Trennschärfeanalyse aswirkt. Wir gehen den Validierngsbericht gemeinsam drch nd berteilen weitere Aswirkngen. Modelle zr Risikovorsorge Gemäß den Vorgaben der EZB nd nach IAS 39 werden anhand der vom Knden gelieferten Dokmente die Modelle zr Ermittlng der Paschalwertberichtigng geprüft: Wird bei der Diskontierng der Effektivzins verwendet? Welche Datenhistorie wird für die PD-Schätzng verwendet. Es liegen keine Backtesting-Ergebnisse vor. Meeting mit der XY- Bank m 13:00Uhr In einem dreistündigen Meeting werden nsere Rückfragen as dem Model Review besprochen. Knowledge Exchange Da in nserem Team vor Ort ach Acconting-Spezialisten sitzen, kann ich für die Prüfng af ihr Know-How zrückgreifen nd lerne gleichzeitig wieder etwas über die Arbeit as den anderen Services Lines von EY Backtesting Anhand der nachgereichten Backtesting-Dokmente gilt es die Frage z klären, ob die vorgenommene risikobasierte Segmentierng für die PD-Schätzng bestätigt werden kann. 18:45 Heimfahrt Mit dem ICE zrück nach Stttgart Page 14

15 Zwei Mathematiker erzählen von ihrem Berf Machen wir das gerne? Ganz ehrlich: Ja. Warm? Es fühlt sich gt an, nter anderen Mathematiker z sein. Man ist immer ein bisschen der Exot, den der feine Hach des Genies mweht J Es macht ns Spaß, z denken. Klassische Unternehmensberater erklären Strategie, Software, Marketingstrategien oder kümmern sich m Prozessoptimierngen. Wir erdenken häfig nee Lösngen, wenn bekannte Modelle nicht z gegebenen Daten passen oder wenn nee Prodkte ein nees Modell erfordern. Es macht ns Spaß, Kontakte afzbaen nd z erklären. Jedes Modellergebnis ist nr so lange verlässlich für seinen Anwendngszweck, wie der Modellbentzer (à Knde) oder Modellbaer (à Kollegen) das Modell nd seine Verflechtng mit dem Ort seines Einsatzes (Daten, beschriebene Realität, Anwendng der Ergebnisse) vollständig versteht. Page 15

16 Zwei Mathematiker erzählen von ihrem Berf Wichtige Begriffe Risiko : Gefahr einer negativen Abweichng von einem Planzstand (definiere: negativ, Abweichng, Planzstand ) Wesentliche Risiken in der Finanzwelt: Kreditrisiko (Verlste, die eine Bank erleidet, wenn ein Kreditnehmer nicht mehr zahlen kann) Marktpreisrisiko (Verlste drch ngünstige Entwicklng von Aktienkrsen, Optionspreisen, Derivaten, Zinsen) Operationelles Risiko (Verlste drch Mitarbeiterfehlverhalten) Liqiditätsrisiko ( Weiß ich, dass ich meine Zahlngsverpflichtngen einhalten kann? ) Die Finanzkrise begann als Krise des Kreditrisikos, sorgte für allgemeines Misstraen nter den Banken nd wrde so ach z einer Krise des Liqiditätsrisikos. Page 16

17 Zwei Mathematiker erzählen von ihrem Berf Umgang mit Risiken: Eigenkapital Eine Bank will Risiken nicht komplett vermeiden, weil sie gena drch den Handel mit Risiko ihr Geld verdient. Beispielsweise fallen Kredite immer mal as. Die z erwartende Zeche müssen die Kreditknden letztlich selbst zahlen. (à wie?) Gegen Schwankngen dieser drohenden Verlste sichert sich die Bank ab, indem sie geng Kapital ( Eigenkapital ) beiseite legt. (à kostet!) Knde soll mehr zahlen? à Knde geht weg à Bank pleite Bank soll mehr Eigenkapital beiseite legen? à Bank hat mehr Kosten à weniger profitabel als andere Banken. Banken möchten nicht gern freiwillig z viel Eigenkapital halten. Page 17

18 Zwei Mathematiker erzählen von ihrem Berf Reglierng drch den Staat Im schlimmsten Fall können Risiken, die schlagend werden, das gesamte Finanzsystem gefährden (so geschehen in der Finanzkrise). Das soll vermieden werden, daher greift der Staat ein nd regliert die Banken. Das heißt z detsch, er fordert in Gesetzestexten sehr gena nd streng, wie viel Eigenkapital die Banken für welches Risiko vorhalten müssen (ansonsten droht Entzg der Banklizenz!) Dabei lässt der Staat den Banken verschiedene Möglichkeiten, ihr Risiko z bestimmen. Es gilt dabei: Je ansprchsvoller nd genaer die Verfahren in der Risikomessng sind, desto billiger kann die Bank vielleicht davonkommen. Wir helfen den Banken bei den ansprchsvollen Risikomessngen. Page 18

19 Wie Sie bei ns ein- nd afsteigen Page 19

20 Wie Sie bei ns ein- nd afsteigen Einstiegsmöglichkeiten Praktikm Direkteinstieg als Consltant Vorassetzngen Ihr Start bei ns Karriereperspektiven Page 20

21 Wie Sie bei ns ein- nd afsteigen Vorassetzngen gte bis sehr gte Leistngen in Mathematik analytische Fähigkeiten gte Englischkenntnisse gt formlieren können Teamorientierng Engagement Verantwortng Persönlichkeit für weitere Informationen siehe Anhang Anpacken. Denken nd leisten wollen. Gern Probleme lösen. Gern intelligente nd qalitativ hochwertige Lösngen für theoretische Probleme in der Praxis baen. Negierig nd engagiert sein. Fragen stellen. Glabwürdig sein nd nicht behapten, alles schon z wissen. Spaß an elementaren Fragestellngen haben. Kein reiner Theoriemensch sein. Realitäten in Modelle übersetzen. Schnell komplizierte Zsammenhänge mit vielen Details erfassen nd verstehen, was wichtig nd was nwichtig ist. Überall irgendetwas irgendwie spannend oder interessant finden. Lst af ganz andere Disziplinen als Mathematik haben: Recht, Finanzwelt, Wirtschaft, Risiko-Denke. Sich gern einsetzen. Nicht beqem im Kopf sein wollen. Ach mal so richtig ranklotzen wollen. Mit anderen Menschen gt mgehen. Andere nicht schlecht assehen lassen. Etwas Hmor mitbringen. Feines Gespür für Stimmngen haben. Ziele anderer Menschen verstehen. Page 21

22 nd jetzt Mathe! Page 22

23 nd jetzt Mathe! Die Verlstverteilng im Kreditrisiko Gegeben sei eine Bank (abstrakt: ein Kreditportfolio). Die Bank mss eine gewisse Menge an Eigenkapital vorhalten, m Verlste drch asgefallene Kredite abfedern z können. Der Gesetzgeber hat in der CRR (Basel III) festgelegt, dass dieser Pffer im Wesentlichen dem 99,9%-Qantil ( Vale at Risk ) der Verlstverteilng entspricht, d.h. derjenigen Verlsthöhe, die im Schnitt nr alle 1000 Jahre überschritten wird. (?? à Bedetng VaR) Wahrscheinlichkeitsdichte 2 x UL VaR Die Verlstverteilng beantwortet.a. die Frage: wie wahrscheinlich ist ein Verlst bis z einer gewissen Höhe? EL: Erwarteter Verlst VaR: Vale at Risk (Grenze 99,9% Qantil) ECAP: Ökonomisches Kapital (VaR EL) UL: Unexpected Loss (Standardabweichng) EL Verlst Die Verlstverteilng ist in der Regel (anfangs) nbekannt. ECAP ~ UL Page 23

24 nd jetzt Mathe! Wie kann ich die Verlstverteilng finden? Problem: kann beliebig schwer werden (man mss das Verhalten eines jeden Kreditnehmers kennen/prognostizieren) Idee: Verwende ein mathematisches Modell, das eine praktikable (!), verständliche nd schnelle Approximation ermöglicht. Unterschied zr Uni: Anwendbarkeit nd Nachvollziehbarkeit für Anwender (sonst ist das Modell wertlos). Afatmen für Theoretiker: Es treten drchas Problemstellngen af, bei denen das einfache Modell versagt. Hier ist die Fähigkeit gefordert, as wissenschaftlichen Arbeiten geeignetes Instrmentarim abzleiten (mathematische Weiterbildng!). Hier dürfen wir Experten sein! Krios am Rande: Gesetzestexte gießen Mathematik in Prosa Page 24

25 nd jetzt Mathe! Beispiel: Stressbetrachtng Kreditrisiko Die Anwendng eines spezifischen Kreditrisiko-Stressszenarios Asfallwahrscheinlichkeit PD à wird nter Stress höher Verlstqote bei Asfall LGD à was passiert hier? Sicherheiten? nd viele viele weitere Effekte, die hier im vereinfachten Beispiel nicht berücksichtigt werden. gt üblich Stress PD (Asfallqote) Consmer Finance mit mögl. Stress Standard Retail Bafinanz Grndpfandrechte Blanko KfZ-Sicher-miheiten % Gesndngen LGD (Besicherng) Consmer Finance mit mögl. Stress Page 25

26 nd jetzt Mathe! Ein Blick af das Risikokapital Im Rahmen einer Analyse der Risikotragfähigkeit für das Kreditrisiko mss nn zsätzlich zr Landschaft möglicher Szenarien in einer weiteren Dimension das ökonomische Kapital betrachtet werden. Wie hoch ist der im Stress z erwartende Verlst (EL)? Wie hoch ist der Unexpected loss über den EL hinas? Wie viel Eigenkapital brache ich, m im Geschäft z bleiben? -150 Über- nd Unterdeckngen Page 26

27 nd jetzt Mathe! Risikodeckngs-Perspektive Skizzenhaft analysieren wir ein Retail-Portfolio mit 1 Mrd EUR EAD bezüglich des Verbrachs von Risikodeckngspotenzial in folgender Sitation: 120 Mio EUR konstantes RDP* ( Deckel der Grafik) Verbrach je nach Sitation im Kreditrisiko Diskssion von Annahmen nd Vereinfachngen siehe Folie weiter nten *Risikodeckngspotenzial = Für Risikoabdeckng verfügbares Eigenkapital. Annahme verfälschend RDP würde in der Realität stressabhängig as verschiedenen Gründen systematisch nd stark (!) schwanken. Page 27

28 nd jetzt Mathe! Risikodeckngs-Perspektive Das gewählte Beispiel eines Stress-Szenarios stellt sich im verwendeten Modell nd dem allozierten RDP als Liqidationsszenario heras. Offene Fragen: Welche Szenarien sind plasibel? Wo liegt die Grenze der aktellen Kapitaldecke? Kann ich (wie?) als Bank die Kollision mit der magischen Grenze vermeiden? Eigene distance to defalt Liqidationsszenarien Going- Concern-Szenarien Wie weit hilft eine Kapitalerhöhng? -150 Page 28

29 nd jetzt Mathe! Reglatorik: Mathe oder Jra? Aszg as der Solvabilitätsverordnng WHAT??? Der risikogewichtete IRBA-Positionswert für eine IRBA-Position in einem Beteiligngsportfolio, 1. das nach 78 Abs. 2 Satz 1 Nr. 1 Bchstabe a nter Berücksichtigng der Asfallwahrscheinlichkeit gesteert wird, ist das Minimm Hier kommen Mathematiker / Physiker ins Spiel: a) der 12,5-fachen Differenz zwischen IRBA-Positionswert nd erwartetem Verlstbetrag nach 104 nd b) des Prodkts as IRBA-Risikogewicht Blick für nd das IRBAPositionswert Wesentlichefür diese IRBA-Position, 2. das nach 78 Abs. 2 Satz 1 Nr. 1 Bchstabe b modellgesteert Abstraktionsvermögen ist, ist das Maximm Redktionsvermögen a) des Prodkts as dem IRBA-Risikogewicht nd dem IRBA-Positionswert für diese IRBA-Position nd b) der Smme der risikogewichteten IRBA-Positionswerte, die sich für sämtliche zgehörigen Beteiligngspositionen bei Anwendng der Verfahren für nter Fähigkeit, Berücksichtigng in nabhängige der Asfallwahrscheinlichkeit Teilprobleme gesteerte z zerlegen IRBA- Beteiligngsportfolien ergeben, zzüglich der mit 12,5 mltiplizierten erwarteten Verlstbeträge nach 104 für diese Beteiligngspositionen; bei der Ermittlng Keine Angst der IRBA-Positionswerte vor (scheinbarer) nd der Komplexität erwarteten Verlstbeträge ist eine prognostizierte Asfallwahrscheinlichkeit nach 88 Abs. 4 Satz 2 Nr. 1 Bchstabe a nd eine prognostizierte Verlstqote nach 93 Abs. 2 Satz 1 bzw. Satz 2 zgrnde z legen, das die Vorassetzngen der Nmmern 1 nd 2 nicht erfüllt, ist das Prodkt as IRBA-Positionswert nd einfachem IRBA-Risikogewicht für Beteiligngen nach 98 für diese IRBA-Position. Page 29

30 nd jetzt Mathe! Projektbeispiel: Ratingsysteme Ansatz: Ratingsysteme. Damit sollen Banken Risikokennzahlen (Expected Loss, Unexpected Loss) ihres Portfolios prognostizieren Bespiel mathematisches Modell: ASRF (Asymptotic Single Risk Factor) Modell für das Kreditportfolio Idee ASRF: Ein-Faktor-Modell für nendlich viele gleichartige Kredite. Dieser Ansatz ist insbesondere für das Mengengeschäft (viele gleichartige Kredite) passend. Afgrnd vereinfachender Annahmen müssen letztlich nr zwei Parameter geschätzt werden: Asfallwahrscheinlichkeit (Probability of Defalt, PD) Verlstqote (Loss Given Defalt, LGD) Um diese Parameter z schätzen, bracht man Verfahren ( Fachkonzepte ) nd Tools (meist in EXCEL oder R). Beispiel: Wie fnktioniert PD-Schätzng? Page 30

31 nd jetzt Mathe! Projektbeispiel: PD-Schätzng drch Kreditscoring Ansatz: Jemand möchte einen Kredit bei einer Bank. Wie bestimme ich die Wahrscheinlichkeit, dass er innerhalb des kommenden Jahres asfällt (1- Jahres-PD)? Idee: Ntze eine Menge von bekannten Variablen oder Faktoren (Einkommen, Wohnort, Berf, Familienstand, Hashaltssitation etc. etc.), m die nbekannte Variable (1-Jahres-PD) z schätzen. Dies wird als Kreditscoring bezeichnet nd basiert in der Regel af linearer bzw. logistischer Regression. Ziel: Entwicklng einer Scorecard, mathematisch gesprochen eine Fnktion S: R n R mit S(Faktoren) = 1-Jahres-PD des Kreditnehmers. Aswahl der Faktoren: geschieht mit Mitteln der Varianzanalyse (Trennschärfe, R 2 etc.) Page 31

32 nd jetzt Mathe! Andere einfache Fragen Mit welcher Wahrscheinlichkeit hat eine bestimmte Aktie in 10 Tagen mindestens einen bestimmten Wert? Wie viel Geld ist hete eine Option wert, mit der ich diese Aktie in 10 Tagen für einen bestimmten Wert kafen kann? Ich möchte für meinen Kredit gern nicht 3,9% Zinsen zahlen, sondern lieber immer gena so viel Zins, wie mein Tagesgeldkonto mir an Gthabenzinsen spendiert. Ich weiß, dass der Gthabenzinssatz des Tagesgeldkontos sich af bestimmte Weise an einem in der Zeitng ablesbaren Zinsindexwert orientiert. Frage: wie viel Geld kostet ein Geschäft ( Zins-Swap ), das meine Bank mit mir abschließen soll nd das gena diese beiden Zinssätze gegeneinander tascht? Was mss ich überhapt zsätzlich wissen, damit ich diese Frage beantworten kann? Page 32

33 Erope s banks enogh capital? Who pays? Page 33

34 Timeline September SSM legislation passed in Eropean Parliament 2013 November Spervisory Risk Assessment March-Jly Asset Qality Review Jly EBA Stress Test 2014 October Reslts Annonced Remediation Plans Finalised November ECB takes over spervision Page 34

35 ECB s remit ECB: Erozone Bank Spervisor Spports ECB joint verification exercises National Spervisory Athorities 124 most significant banks 6,000 smaller banks Page 35

36 Comprehensive assessment ECB Comprehensive Assessment EBA/ECB Spervisory Risk Assessment Asset Qality Review 2014 Stress Test Loss Projections Liqidity, Leverage and Fnding Risk Asset Qality Review Profitability Analysis Capital Calclation Assessment and Scoping Assessment of Solvency Combined Reslts Stress Test Reslts Page 36 36

37 Breadth of scope EBA EU Wide AQR US NCA Erozone ECB EU Non-Erozone NCA Erozone NCA Germany Erozone NCA France? Significant Bank X Bank Significant Bank Y Bank Parent Y Bank Bank Z No Erozone Parent US Sbsidiary of X Bank French Sbsidiary of Y Bank Carry Ot Review Oversight/Assistance? Page 37

38 AQR Approach Workblock 7 Collective provision analysis 1. Processes, Policies and Acconting Review (PP&A) " between Mid- Febrary and late March..." 2. Loan Tape Creation and Data Integrity Validation (DIV)...from Mid-March to Mid-April " 3. Sampling " will happen at the same time as DIV" 8. Level 3 Fair Vale Exposre Review 8i. Revalation of Non- Derivative Level 3 Assets (All banks with material secrities exposre) 4. Credit File Review " will begin with priority credits in March " 6. Projection of Findings of the Credit File Review " will happen in early Jly" 7. Collective Provision Analysis Timeline has changed will begin in early March 5. Collateral and Real Estate Valation. Mid-March and the end of Jne 8ii. Core Trading Book Processes Review (Selected banks with material trading book exposre) 8iii. Level 3 Derivative Pricing Model Review (Selected banks with material Level 3 deriavtive exposre) 9. Determine AQR-adjsted CET1% for se in ECB Stress Test and define Remedation Activities for Banks Following CA "..checked dring April and May. carried ot dring Jly" 10. Qality Assrance and Progress Tracking " will be carried ot between Mid-March and the end of Jne" Page 38

39 Asset Qality Review Timeline Start date 14 Febrary 17 March 28 March 28 March 6 April 14 March 7 March 25 April PP&A review DIV Sampling Credit file review (3 phases) Collective provisioning Collateral and real estate valation Level 3 assets Proforma CET 1 % ratio Finish date 9 May 11 April 18 April 6 Jne 20 Jne 6 Jne 4 Jly 1 Agst Page 39

40 AQR Approach Workblock 7 Collective provision analysis ECB AQR Phase II Manal Collective Provision Analysis 1. Milestone 2. Model review checklist ff. Methodology Review Challenger Model Detailed Milestone planning with strict deliverables, possibly more detailed than (see later slide) Based on req. list all docments and data will be tracked on a daily basis. Model review checklist to be designed by reglator ntil March 14 th, Probability of Impairment Cre Rate 3. Meeting list 4. Isse list Loss given loss Collective Provision Analysis (Chapter 7) Loss given impairment Reqired meetings and workshops will be reqested. Docmentation of isses and recommendations, actions, workaronds. We will comply with the testing and reporting instrctions given within the final ECB manal and stick to the tight timeline. Page 40

41 Collective Provision Analysis Sbworkblock 2: Challenger model The model proposed by the ECB ( Challenger model) reqests yor EY team for WS7 to calclate collective provision estimates separately for corporate and retail exposres inclding the calclation of inpt parameters Differing from previosly developed models (i.e. challenger model for Ireland AQR) the proposed Challenger model reqires the calclation of inpt parameters - incorporated in the eqations below The calclation has to be in line with example calclations provided by the ECB and is expected to be performed on a sb-segment level (e.g. Risk classification and rating for corporate PI calclation) Retail exposres (performing/non-performing) Collective Provision = PI * EAD * (1-CR) * LGL Corporate exposres (performing only) Collective Provision = PI * EAD * LGI PI (Probability of Impairment) - Point in time probability of exposre being impaired within an emergence period (of 12 months) PI eqals the exposre weighted portion of impaired facilities as of 2013 compared to the respective 2012 exposre CR (Cre Rate) Long term likelihood of impaired loan retrning to the n-impaired book Derive qantitative relation between month in arrears and cre rate and apply to retail loans LGL (Loss Given Loss) Level of loss that can be expected if the facility does not cre Calclation based on Loan-to-Vale taking into accont: appraiser discont, direct sales costs, time to sale, hosing price index and other LGI (Loss Given Impairment) - Level of impairment that can be expected at the point of impairment (Exposre weighted) average provision divided by exposre that have become non-performing within 2013 Page 41

42 Collective Provision Analysis Timeline March April May Jne Jly Agst Final model review checklist pblished by reglator and arrived at aditors Final Information and data reqirements commnicated to banks by EY Feedback abot the bank collective provisioning model review approach for ngaap banks Banks to deliver the reqired docmentation and information for Sbworkblock 1 (Model Review) Loan tape data post DIV available, and additional data (sales log, write-off list, nsecred recoveries data etc.) delivered by bank and ready for se in challenger model Feedback abot the availability of additional data for challenger model and the appropriateness of the ECB benchmark parameters (EY to reglator) Model review part of ECB delivery filled in completely and delivered to local reglator (template T7, tab B. Model Review, section 3) Sbmission of all reslts obtained so far (template T7, tabs A and B) Interim sbmission of complete reslts from workstream 7 Final reslts delivered to reglator, inclding possible adjstments based on credit file review and QA PI, CRx, LGLx and LGI parameters delivered for se in stress test Deliveries by ECB, Reglator or EY st important bank delivery 2nd important bank delivery st delivery to reglator. This and all sbseqent delivery points significantly earlier than annonced in ECB manal and pblished by reglator on March 31st final delivery to reglator Timeline sbject to changes annonced by national athorities Page 42

43 The arena is yors Fragen? z.b.: Wie viel Reisetätigkeit? Wie International? Wie lange bleiben Angestellte im Drchschnitt bei Ernst & Yong? Wird viel im Asland gearbeitet? Kann man im Asland arbeiten, wenn man das möchte? Wie sehr ist Ernst & Yong an meiner Weiterbildng (BAàMA oder MAàDiss) interessiert? Mss ich vorher im Asland gewesen sein? Mss ich wirklich Englisch können? Ist der Kaffee gt? Was ist eine typische Wochenarbeitszeit? Schwankt die Arbeitsbelastng stark oder ist sie eher konstant? Was sind normale nd typische Einstiegsgehälter? Wo kann ich sofort EUR Jahresbrtto bekommen? Wann gena steige ich bei Ernst & Yong af? Wie ist eine typische Gehalts- Entwicklng bisher gewesen? Wie gt nd in welchem Rahmen kann ich mit- bestimmen, was gena ich arbeite? Kann man sich af bestimmte Bereiche spezialisieren? Was passiert mit meinem Marktwert af dem Arbeitsmarkt, während ich bei Ernst & Yong arbeite? Wohin könnte ich abspringen, wenn ich etwas anderes machen möchte? Wie mathematisch ist eigentlich die Tätigkeit tatsächlich? Wird bei der Arbeit in Asnahmefällen gelacht? Page 43

44 Gemeinsam für eine bessere Wirtschaftswelt Page Presentation title

45 Jli 2013 As Ernst & Yong wird EY Neer Markenname Nees Logo Nee Tagline

46 Unser internationales Netzwerk nterstützt globales Denken Nord- nd Südamerika Mitarbeiter EMEIA Mitarbeiter Japan Mitarbeiter Asien-Pazifik Mitarbeiter 150 Länder Mitarbeiter 25,8 Mrd. USD Umsatz

47 Was ns aszeichnet Diversity Development Entreprenership Coaching Integrity Flexibility Sstainability Teaming Life Balance Empowerment Innovation

48 Kontakte für Ihre Zknft knüpfen mit Menschen, die Charakter zeigen drch Integrität Respekt für andere Teamgeist die etwas bewegen mit Energie Enthsiasms Führngsstärke nd die schließlich nachhaltige Beziehngen afbaen das Richtige tn

49 Dinge voranbringen nd entscheidend besser machen für nsere Mitarbeiter, nsere Mandanten nd die Gesellschaft. Dafür steht nser Ansprch: Bilding a better working world

50 Bilding a better working world Für nsere Mitarbeiter, nsere Mandanten nd die Gesellschaft, in der wir leben.

51 für nsere Mitarbeiter Unser Ansprch: nseren Mitarbeitern Fähigkeiten, Erfahrngen sowie persönliche nd berfliche Verbindngen mitgeben, von denen sie ein Leben lang profitieren. Schen, Fördern nd Entwickeln von Mitarbeitern mit den nterschiedlichsten Stärken nd Fähigkeiten EYU-Programm Personalentwicklngsprogramm, das Lernen, Erfahrng nd Coaching bestmöglich miteinander kombiniert Almni-Programme Globale Almni-Programme sorgen für Verbndenheit mit EY ein Leben lang

52 für nsere Mandanten Mit nserer Erfahrng, nserem Wissen nd nseren Leistngen stärken wir weltweit das Vertraen in die Wirtschaft nd die Finanzmärkte. für nsere Knden Unser Ziel: Dinge voranzbringen nd entscheidend besser z machen Unser Ansprch: As einer bloßen Kndenbeziehng eine Vertraensbeziehng machen Basis Hervorragend asgebildete Mitarbeiter, starke Teams, exzellente Leistngen nd ein sprichwörtlicher Kndenservice Hineindenken Hineindenken in die Branche, das Geschäftsmodell nd die Herasforderngen der Knden Kooperation Kooperative Zsammenarbeit Lieferng Lieferng von innovativen Lösngen, die die Mandanten nach vorne bringen

53 für nsere Gesellschaft Stabile Arbeitsplätze weltweit Volnteering Days : freiwilliges Engagement im gesellschaftlichen Umfeld Anstreben des Arbeitsplatzes der Zknft Förderng von jngen nd dynamischen Unternehmen Konseqentes mweltfrendliches Wirtschaften Förderng der Chancengleichheit

54 Wir wollen etwas bewegen Die drei Basteine nserer gesellschaftlichen Verantwortng: Unternehmertm Bildng ökologisches Engagement

55 Lernen Sie nsere Servicelines kennen Viel mehr als nr Wirtschaftsprüfng: Advisory Services Assrance Services Tax & Law Services Transaction Advisory Services