EZB/EBA-Stresstest Modellierungsanforderungen Kreditrisiko und Lösungsansatz -

Transkript

1 EZB/EBA-Stresstest Modellierungsanforderungen Kreditrisiko und Lösungsansatz - Credit Risk Wien, 13./ RSU Rating Service Unit GmbH & Co. KG Karlstr München

2 EZB/EBA-Stresstest 2014 Agenda RSU im Überblick Überblick und Anforderungen Modellierung Kreditrisiko Herausforderungen und Modellierungsansatz Ergebnisse und Vergleich mit EZB-Benchmarkparametern RSU Stresstest Systemarchitektur Zusammenfassung Seite 2

3 Die RSU Gemeinsam. Sorgfältig. Kompetent. Unser Unternehmen Die RSU Rating Service Unit GmbH & Co. KG wurde 2003 als Kooperationsplattform von acht deutschen Landesbanken und der DekaBank geründet ist Full-Service-Provider im Bereich Kreditrisikomessverfahren im Großkundengeschäft hat aktuell 60 Mitarbeiter in den Bereichen Methodik und IT am Standort München Unsere Produkte Ratingverfahren Marktdatenbasierte Verfahren Unsere Leistungen Als Dienstleister sind wir verantwortlich für die Entwicklung, jährliche Validierung und kontinuierliche Weiterentwicklung der Risikomodelle den zentralen Betrieb der IT-Anwendungen die Basel-II-Konformität unserer Verfahren sowie die Erfüllung der Anforderungen als Mehrmandantendienstleister nach 25b KWG Seite 3

4 Die RSU Unsere Produkte Interne Ratingverfahren Aufsichtlich zugelassen für den IRB-Ansatz In Deutschland einzigartiger Datenpool für das Großkundengeschäft Spezielle Module für unterschiedliche Anwendungsbereiche Marktdatenbasierte Verfahren Frühzeitige Risikoidentifizierung Als Komponente innerhalb von Ratingverfahren Als eigenständige Produkte (Risk Guard, Risk Analyzer) Die RSU bietet eine breite Palette von aufsichtsrechtlich anerkannten Ratingsystemen sowie Verfahren zur Kreditrisikofrüherkennung für Banken und andere Finanzdienstleister an. Seite 4

5 Die RSU Unsere Leistungen Methodik Valide Verfahren Breite Datengrundlage durch Datenpooling Kontinuierliche Weiterentwicklung und Pflege IT Hohes Umsetzungs-Know-how Branchenübliche Sicherheitsstandards Einfache Anbindung Prozesse Umfassende Anwenderunterstützung Etablierte Zusammenarbeit mit der Aufsicht Erfahrener Mehrmandantendienstleister Unsere Verfahren sind seit Jahren stabil in der Anwendung Nutzer profitieren ohne zusätzliche Kosten von der kontinuierlichen Weiterentwicklung unserer Verfahren. Seite 5

6 Die RSU Unsere Kunden (Auswahl) Seite 6

8 Überblick und Anforderungen Modellierung Kreditrisiko Überblick Zeitplan 2013/2014 September 2013: Das Europäische Parlament hat der einheitlichen europäischen Bankenaufsicht zugestimmt. Oktober 2013: Q1/Q2 2014: März 2014: Ende April 2014: Oktober 2014: November 2014: Seite 8 Vorbereitungen für die Bilanzdurchschau ( Asset Quality Review ) durch die EZB; erste Details wurden Mitte Oktober veröffentlicht. Asset Quality Review durch die EZB. EBA: Entwurf Methodik für den EU-weiten Stresstest wurde am 03. März veröffentlicht. Veröffentlichung der finalen Methodik und der Szenarien. Veröffentlichung der Ergebnisse des EU-weiten Stresstests. Die EZB übernimmt ihre neuen Aufgaben im Zusammenhang mit der Bankenaufsicht für ca. 120 systemrelevante Banken*. *auf konsolidierter Basis (Stand 26. Juni 2014)

9 Überblick und Anforderungen Modellierung Kreditrisiko Anforderungen Methodik Kreditrisiko Am wurden von der EBA diefinalen Methodikanforderungenfür den EU-weiten Stresstest veröffentlicht ( Methodological Note EU wide Stress Test 2014 ; Version 2.0). Gegenüber den bereits bekannten Entwürfen von März 2013 und März 2014 haben sich keine Änderungen der relevanten Methodikanforderungen für die Modellierung im Kontext Kreditrisiko ergeben. Es erfolgt weiterhin eine Unterscheidung zwischen Point-in-Time (PDpit und LGDpit) und regulatorischen Parametern (PDreg und LGDreg). Die Auswirkungen makroökonomischer Szenarien (Baseline und Adverse) auf die o.g. Risikoparameter (PDpit, LGDpit, PDreg und LGDreg) sollen im Rahmen der Stresstests unter Verwendung statistischer Methoden (Satellitenmodelle) hergeleitet werden. Ausgangspunkt ist ein statischer Bilanzansatz mit Stichtag Der Stresstest-Zeitraum umfasst die Jahre Die regulatorischen Risikoparameter PDreg und LGDreg sind für die RWA-Berechnung im Stresstestzeitraum zu verwenden. Für alle anderen Berechnungen im Kontext Kreditrisiko sind die Point-in-Time Risikoparameter PDpit und LGDpit heranzuziehen; insbesondere für die Impairment-Rechnung im Kontext EBA-/EZB-Stresstest. Seite 9

10 Überblick und Anforderungen Modellierung Kreditrisiko Überblick Methodik Kreditrisiko Startwerte (Startwerte Risikoparameter und zugehörige Benchmarks) Anwendung makroökonomischer Szenarien (Entwicklung Risikoparameter und zugehörige Benchmarks) Berechnung Ausfall- und Impairmentströme (Berechnung ausgefallener Aktiva, Impairments und zugehörige Benchmarks) Impairments (Berechnung ausgefallener Aktiva, Impairments und zugehörige Benchmarks) Ratingmigration (Auswirkungen auf Kredit- RWAs und zugehörige Benchmarks) Weitere Rückwirkungen (RWAs für ausgefallene Aktiva und Excess/Shortfall für alte ausgefallene Aktiva) Quelle: Methodological Note EU wide Stress Test 2014, Version 2.0, S. 22. Seite 10

11 Überblick und Anforderungen Modellierung Kreditrisiko Anforderungen an die Risikoparameter Risikoparameter Für die Risikoparameter Ausfallwahrscheinlichkeit (PD) und Verlust im Verzugsfall (LGD) werden folgende Definitionen verwendet: Regulatorische Risikoparameter (PDreg und LGDreg): Die Risikoparameter, die für die Berechnung der Eigenkapitalanforderungen gemäß CRD verwendet werden; Die regulatorischen Risikoparameter sollen ebenfalls für die Berechnung der RWAs über den Zeitraum, der den Stresstests zugrunde liegt, verwendet werden. Point-in-time Risikoparameter (PDpit und LGDpit): Sollen vorausschauend sein und gegenwärtige Trends des Konjunkturzyklus abbilden. Im Gegensatz zu Through-the-Cycle Parametern sollen diese nicht konjunkturzyklusneutral sein. Mit PDpit soll die Ausfallrate im Stresstestzeitraum approximiert werden. Für alle Berechnungen im Kontext Kreditrisiko, außer den RWA-Berechnungen, sollen PDpit und LGDpit verwendet werden; dies gilt sowohl für das Baseline als auch für das Adverse Szenario. Seite 11

12 Überblick und Anforderungen Modellierung Kreditrisiko Zusammenfassung Makroökonomische Szenarien Satellitenmodelle Auswirkungen auf Bilanz, GuV, etc. Im Kontext EU-Stresstest vorgegeben durch EZB/EBA in Zusammenarbeit mit nationalen Behörden: Reales BIP* CPI-Inflation* Zinsen kurz (3M) Zinsen lang (10J) Nominaler USD FXR Aktienkurse Arbeitslosenquote* Immobilienpreise (aggregiert und aufgeschlüsselt nach Gewerbe- und Wohnimmobilien) Spezifisch für EU-Mitgliedsstaaten Regionen Euro-Zone, Nicht-Euro Zone, Europäische Union (Immobilienpreise nur aggregiert) Mit (*) markierte Quoten zusätzlich für Länder: Norwegen, Schweiz, Russland, US, Canada, Japan, China, Südkorea, Australien, Neuseeland, Brasilien, Mexiko und Regionen: Nicht-EU Länder, Rest- Asien, Rest-Lateinamerika Herstellung des Zusammenhangs zwischen den makroökonomischen Variablen und den bankspezifischen Risikoparametern: PDpit, LGDpit, PDreg und LGDreg Grundsätzlich sollten Modelle statt der vorgegebenen Benchmarkparameter verwendet werden Modellierungsansätze: Migrationsmatrizen Modellierung Risikoparameter auf Portfolioebene Übertragbarkeit der Modelle auf ähnliche Portfolios möglich Verwendung von Benchmarkparametern, wenn Übertragung nicht möglich ist und keine Modelle vorhanden sind Keine konkreten Modellierungsvorgaben vorhanden Modelle dürfen verwendet werden, wenn diese regelmäßig für das interne Risikomanagement und im Kontext Stresstests genutzt werden. Schätzung der Ausfall- und Verlustraten im jeweiligen vordefinierten Szenario: Berechnung der Ausfallströme basierend auf den Ausfallraten Berechnung der Impairmentströme als Basis für die Wertberichtungen, die die GuV im jeweiligen Szenario beeinflussen Berechnung der Rückwirkungen auf die Eigenkapitalanforderungen Für alle Berechnungen im Kontext Kreditrisiko, außer den RWA- Berechnungen, sollen PDpit und LGDpit verwendet werden Seite 12

14 Herausforderungen und Modellierungsansatz Zyklizität Ratingverfahren Illustratives Beispiel Zykluseigenschaften von Ratingverfahren Central Tendency* / Ausfallrate Moderat Zyklisch Through-the-Cycle (TTC) Rezession Zeit t Point-in-Time (PIT) Default Rate Rezession Ratingverfahren weisen in der Praxis unterschiedliche Zykluseigenschaften auf. Die mittlere Ausfallwahrscheinlichkeit von Point-in-Time Ratingverfahren schwankt bei vergleichbarer Amplitude mit der Ausfallrate und hat dabei idealerweise einen zeitlichen Vorlauf. Die mittlere Ausfallwahrscheinlichkeit von Through-the-Cycle Ratingverfahren ist hingegen über den Konjunktur- und Ausfallratenzyklus konstant. In der Praxis werden im Regelfall moderat zyklische Ratingverfahren eingesetzt. *Central Tendency (CT) = mittlere Ausfallwahrscheinlichkeit In der Praxis werden tendenziell eher moderat zyklische Ratingverfahren eingesetzt. Im Kontext EZB/EBA-Stresstest wird für die Impairment-Rechnung die Verwendung einer Point-in- Time PD gefordert. Seite 14

15 Herausforderungen und Modellierungsansatz (Potentielle) Modellierungsansätze - Überblick Modellierung auf aggregierter Ebene: Ausgangspunkt: NPL/LLR (Non-Performing Loan Ratio / Loan-Loss Ratio) Ausfallraten (Basel II-konform) Strukturelle (Merton-Modell basierte, optionspreistheoretische) Ansätze: Mittelwert/Median Merton-Modell PDs Bildung der Raten bzw. der Mittelwerte auf der jeweiligen Branchen-/Länder-/Regionenebene. Zu erklärende Variable: die jeweilige Rate bzw. mittlere/median PD. Erklärende Variablen: Makrofaktoren, wie z.b. GDP, Arbeitslosenquote etc. Unter Verwendung der Stressszenarien für die Makrofaktoren wird die Entwicklung der Ausfallraten bzw. der mittleren/median PDs der jeweiligen Branchen-, Länder-/Regionenebene prognostiziert. Übertragung der prognostizierte Änderungsraten via PD-Shifts auf die PDs der einzelnen Kreditnehmer, die der jeweiligen Aggregationsebene zugeordnet sind. Modellierung auf Kreditnehmerebene: Ausgangspunkt: Die PD des einzelnen Kreditnehmers hängt von den jeweiligen spezifischen Finanzkennzahlen ab. Modelliert wird die Abhängigkeit der kreditnehmerspezifischen Finanzkennzahlen von den Makrofaktoren. Zu erklärende Variable: Kreditnehmerspezifische Finanzkennzahlen Erklärende Variablen: Makrofaktoren, wie z.b. GDP, Arbeitslosenquote etc. Unter Verwendung der Stressszenarien für die Makrofaktoren wird die Entwicklung der kreditnehmerspezifischen Finanzkennzahlen prognostiziert. Auf Basis der prognostizieren Finanzkennzahlen wird dann die gestresste PD des Kreditnehmers ermittelt. Seite 15

16 Herausforderungen und Modellierungsansatz (Potentielle) Modellierungsansätze zu erklärende Variable Modellierungsansätze Pro Contra NPL/LLR (Non-Performing-Loan Ratio bzw. Loan-Loss Ratio) Häufig von der Aufsicht/Zentralbanken verwendeter Modellierungsansatz Lange Zeitreihen Saisonale Effekte bei der EWB-Bildung Strukturbrüche durch Änderung der Portfoliozusammensetzung Wertberichtigungspolitik und Rechnungslegungsstandards ändern sich im Zeitablauf Aggregierte Ebene Ausfallraten (Basel II- konforme Ausfallraten) Strukturelle Modelle (Merton-Modell basierte (optionspreistheoretische) Ansätze) Direkte Zielgröße, die im EBA/EZB Stresstest-Kontext approximiert werden soll Hohe Datenqualität Keine Strukturbrüche und keine saisonalen Effekte Lange Datenhistorien für die Modellierung über mindestens einen Konjunktur- und Ausfallratenzyklus Kurze Datenhistorie für die Modellierung; im Regelfall beginnen Zeitreihen erst mit Einführung IRB-Verfahren im Kontext Basel II Saisonale Effekte bei der Ausfallsetzung Strukturbrüche durch Änderung der Portfoliozusammensetzung Wenige Ausfälle in Low-Default-Portfolien PDs stehen nur für börsennotierte Unternehmen zur Verfügung Die Zielgröße Ausfallrate wird nicht direkt modelliert; eine Kalibrierung auf die Ausfallratenhistorie im Überlappungszeitraum ist notwendig Kreditnehmerspezifische Ebene Z.B. Scorecard(aufBasis quantitativer Finanzkennzahlen) Verwendung von kreditnehmerspezifischen Ausfallwahrscheinlichkeiten. Die Entwicklung der Finanzkennzahlen (Bilanz- und GuV) ist schwer zu modellieren Sehr komplexer Ansatz mit hohem Modellrisiko und Tendenz zur Scheingenauigkeit Weitere Cons vgl. Ausfallraten oben Fazit: Klarer Vorteil der Ansätze auf aggregierter Ebene ist die handhabbarere Komplexität. Vorteile des Ansatzes auf Basis struktureller Modelle sind vor allem eine lange Datenhistorie, eine hohe Datenqualität, keine Strukturbrüche. Seite 16

17 Herausforderungen und Modellierungsansatz Exkurs: Optionspreistheoretische Ansätze Schematischer Überblick: RSU Merton-Modell Marktwert der Aktiva V a 4,95 4,85 4,75 4,65 4,55 4,45 4,35 4,25 4,15 Scenario 1 Scenario 2 Scenario 3 Scenario 4 Scenario 5 Scenario 6 Scenario 7 Scenario 8 Scenario 9 Scenario 10 Default Point Marktwert Aktiva Marktwert Aktiva (Erwartungswert) Default Point D Ausfallszenario 0 Zeit t T=1 Jahr t 0% Distance-to-Default 5% 10% 15% 20% Szenarios 25% Im Rahmen des Merton-Modells wird unterstellt, dass ein Unternehmen seine Verbindlichkeiten bei Fälligkeit (Zeitpunkt T) tilgt. Liegt der Unternehmenswert (Marktwert der Aktiva) zum Zeitpunkt T unterhalb des Buchwertes der Verbindlichkeiten (Default Point), übernehmen die Gläubiger das Unternehmen und die Aktionäre erhalten nichts (entspricht europäischer Kaufoption). Liegt der Unternehmenswert zum Zeitpunkt T hingegen oberhalb des Buchwertes der Verbindlichkeiten, dann werden die Gläubiger vollständig bedient. Die RSU Merton-Modell PD wird für börsennotierte Unternehmen auf Einzelunternehmensebene bestimmt. Im Kontext Stresstest werden auf Branchen-/Länder- und Regionenebene Mittelwerte im Zeitablauf bestimmt. Für die Satellitenmodelle stehen dann aggregierte Zeitreihen ab 1990 als zu erklärende Variable zur Verfügung. Eine Übertragbarkeit auf die Gesamtportfolioebene wird durch eine nachgelagerte Kalibrierung der mittleren RSU Merton-Modell PDs auf die Gesamtportfolioausfallrate sichergestellt. Seite 17

18 Herausforderungen und Modellierungsansatz Modellierungsschritte und Einordnung in den Stresstestkontext Makroökonomische Szenarien Satellitenmodelle Auswirkungen auf Bilanz, GuV, etc. Im Kontext EU-Stresstests vorgegeben durch EZB/EBA in Zusammenarbeit mit nationalen Behörden: Reales BIP* CPI-Inflation* Zinsen kurz (3M) Zinsen lang (10J) Nominaler USD FXR Aktienkurse Arbeitslosenquote* Spezifisch für EU-Mitgliedsstaaten Mit (*) markierte Variablen zusätzlich für folgende Länder: Norwegen, Schweiz, US, Japan, China, Australien, Neuseeland, Brasilien und Regionen: Nicht-EU Länder, Rest-Asien, Rest-Lateinamerika Schritt 1: Auswahl Makrovariablen Orientierung bei Länderauswahl und Variablen an den bisherigen EBA- Stresstests Bildung von Regionenaggregaten Verwendet werden die ersten Differenzen der logarithmierten Werte Herstellung des Zusammenhangs zwischen den makroökonomischen Variablen und den bankspezifischen Risikoparametern: Schritt 2: Modellierung Mittlere RSU Merton-Modell PD (Jahres)- Ausfallratenproxy im Kontext EBA/EZB- Stresstest Für 3 Regionen: USA, Developed Countries und Emerging Markets Ca. 20 Branchen pro Region Modellierungszeitraum Q1/1990 Q4/2012 Schritt 3: Kalibrierung Aggregation der mittleren RSU Merton- Modell PDs gemäß Sitzland- und Brancheninformation der Kreditnehmer des Portfolios Kalibrierung auf die Ausfallrate des Portfolios im Überlappungszeitraum Schritt 4: Ermittlung PD-Shifts Anwendung der länderspezifischen makroökonomischen Szenarien Bestimmung von PD-Shifts zum jeweiligen Stichtag für die Jahre Schätzung der Ausfall- und Verlustraten im jeweiligen vordefinierten Szenario: Berechnung der Ausfallströme basierend auf den Ausfallraten Berechnung der Impairmentströme als Basis für die Wertberichtungen, die die GuV im jeweiligen Szenario beeinflussen Berechnung der Rückwirkungen auf die Eigenkapitalanforderungen. Für alle Berechnungen im Kontext Kreditrisiko außer die RWA- Berechnungen sollen PDpit und LGDpit verwendet werden Schritt 5: Anwendung der PD-Shifts Ausgangspunkt ist die jeweilige PD des Kreditnehmers zum Verwendung der jeweiligen Branchen/Länder PD-Shifts gemäß Sitzland-/Brancheninformation des Einzelkreditnehmers Seite 18

19 Herausforderungen und Modellierungsansatz Mittlere RSU Merton-PDs (adj.) vs. Ausfallraten RSU Merton-Modell PDs vs. Ausfallraten: Es zeigt sich ein guter Zusammenhang zwischen den mittleren RSU Merton-Modell PDs und der Ausfallrate auf Geamtportfolioebene. Die mittleren RSU Merton-Modell PDs werden gemäß Sitzland bzw. Sitzland-/Brancheninformation der Einzelkreditnehmer auf Portfolioebene aggregiert und auf die Ausfallrate kalibriert. Auf Basis der kalibrierten mittleren RSU-Merton PDs werden dann jeweils die relativen PD- Änderungen (PD-Shifts) bestimmt. Merton-CT, Ausfallrate MCT (Gesamt) Gesamt_Ausfallrate (Jahr) MCT nach Kalibrierung Anmerkungen Gesamtportfolio (Datenpool): Das Gesamtportfolio (Grafik oben) setzt sich aus folgenden Modulclustern zusammen: Corporates: Ratingmodule Corporates, Leveraged Finance, Leasinggesellschaften, Fonds. Specialized Lending: Ratingmodule International Commercial Real Estate, Project Finance. Financial Institutions: Ratingmodule Banken, Versicherungen. CT = Central Tendency (mittlere Ausfallwahrscheinlichkeit) Merton-CT, Ausfallrate MCT (Gesamt) Corporates und Financials Seite 19

21 Ergebnisse und Vergleich mit EZB-Benchmarkparametern Vergleichsanalysen Ausgangspunktpunkt für die Vergleichsanalysen: EZB-Benchmarkparameter für den Stresstest 2014 und RSU-PD-Shifts resultierend aus den RSU-Satellitenmodellen unter Verwendung der EZB/EBA-Stressszenarien Aktive Ratings des RSU-Datenpools zum Stichtag (alle LB-Rating Module außer SCH, IGK und LUT). Anwendung der RSU-PD-Shifts und der EZB-Benchmarkparameter auf die jeweiligen Ausgangs-PDs der Ratings. Ergebnisse Vergleichsanalysen: Bei Verwendung der RSU-PD-Shifts zeigen sich im Vergleich zur Verwendung der Benchmarkparameter leicht geringere Auswirkungen auf Poolebene (anzahlgewichtete PD-Shifts und CTs fallen jeweils etwas niedriger aus). Allerdings zeigen sich innerhalb der Modulcluster und Länder z.t. deutliche Unterschiede. Während z.b. für das Modulcluster Corporates o.g. Aussage zutrifft, fallen die RSU PD-Shifts für das Modulcluster Financials deutlich geringer aus. Für das Modulcluster Specialized Lending zeigen sich hingegen stärkerer Auswirkungen der RSU-PD-Shifts. Bei der Interpretation der Ergebnisse ist zu berücksichtigen, dass diese auf Einzelinstitutsebene je nach Portfoliozusammensetzung und Exposure-Verteilung abweichen können. Portfolioanteil in % 18.0% 16.0% 14.0% 12.0% 10.0% 8.0% 6.0% 4.0% Gesamt PD ( ) PD (RSU-Shifts 2016) PD (EZB Benchm. 2016) Portfolioanteil in % 16.0% 14.0% 12.0% 10.0% 8.0% 6.0% 4.0% Corporates PD ( ) PD (RSU-Shifts 2016) PD (EZB Benchm. 2016) Portfolioanteil in % 18.0% 16.0% 14.0% 12.0% 10.0% 8.0% 6.0% 4.0% Specialized Lending PD ( ) PD (RSU-Shifts 2016) PD (EZB Benchm. 2016) 2.0% 2.0% 2.0% 0.0% Ratingstufe 0.0% Ratingstufe 0.0% Ratingstufe Seite 21

22 Ergebnisse und Vergleich mit EZB-Benchmarkparametern Ergebnisse: Überblick Deutschland - Auswirkungen Seite 22 Bankname % Change in CET1 Operating Profit Variation Total Risk Exposure Amount Impairments (~Banking Book) %-Punkte Quantil %-Punkte Quantil %-Punkte Quantil %-Punkte Quantil Germany -3.73% Quantil % Quantil % Quantil % Quantil 0.50 Germany: Mittelwert -3.54% 1.41% -1.75% -2.33% Germany: Median -3.52% 1.27% -1.45% -2.46% Aareal Bank AG -4.55% Quantil % Quantil % Quantil % Quantil 0.50 Deutsche Apotheker- und Ärztebank eg -1.75% Quantil % Quantil % Quantil % Quantil 0.25 HASPA Finanzholding -1.72% Quantil % Quantil % Quantil % Quantil 0.75 IKB Deutsche Industriebank AG -2.52% Quantil % Quantil % Quantil % Quantil 0.25 KfW IPEX-Bank GmbH -3.36% Quantil % Quantil % Quantil % Quantil 0.05 Landeskreditbank Baden- Württemberg-Förderbank -2.27% Quantil % Quantil % Quantil % Quantil 0.50 Landwirtschaftliche Rentenbank -3.99% Quantil % Quantil % Quantil % Quantil 0.99 Münchener Hypothekenbank eg -3.94% Quantil % Quantil % Quantil % Quantil 0.10 NRW.Bank -5.90% Quantil % Quantil % Quantil % Quantil 0.50 Volkswagen Financial Services AG -2.45% Quantil % Quantil % Quantil % Quantil 0.25 Wüstenrot Bausparkasse AG -3.67% Quantil % Quantil % Quantil % Quantil 0.95 Wüstenrot Bank AG Pfandbriefbank -2.09% Quantil % Quantil % Quantil % Quantil 0.90 Deutsche Bank AG -4.53% Quantil % Quantil % Quantil % Quantil 0.50 Commerzbank AG -2.88% Quantil % Quantil % Quantil % Quantil 0.25 Landesbank Baden-Württemberg -6.04% Quantil % Quantil % Quantil % Quantil 0.50 DZ Bank AG Deutsche Zentral- Genossenschaftsbank -3.02% Quantil % Quantil % Quantil % Quantil 0.50 Bayerische Landesbank -3.83% Quantil % Quantil % Quantil % Quantil 0.50 Norddeutsche Landesbank- Girozentrale -0.88% Quantil % Quantil % Quantil % Quantil 0.50 Hypo Real Estate Holding AG -5.76% Quantil % Quantil % Quantil % Quantil 0.75 HSH Nordbank AG -3.94% Quantil % Quantil % Quantil % Quantil 0.90 Landesbank Hessen-Thüringen Girozentrale -4.07% Quantil % Quantil % Quantil % Quantil 0.10 Landesbank Berlin Holding AG -3.06% Quantil % Quantil % Quantil % Quantil 0.01 DekaBank Deutsche Girozentrale -6.03% Quantil % Quantil % Quantil % Quantil 0.75 WGZ Bank AG Westdeutsche Genossenschafts-Zentralbank -2.75% Quantil % Quantil % Quantil % Quantil 0.75 Quelle: EBA: EU-wide Stress Test Summary Results; eigene Berechnungen Der Tabelle sind die kumulierten Auswirkungen des adversen Stressszenarios auf das Tier 1 Kernkapital in %-Punkten zu entnehmen. Ausgewiesen werden dabei die Komponenten mit den stärksten Rückwirkungen auf die Kernkapitaländerungen: Impairments (~ Bankbuch); Variation Total Risk Exposure (~ RWA-Auswirkungen) und Operating Profit. Zudem werden jeweils die zugehörigen Quantilswerte ausgewiesen: Werte < 0,50 Werte = vergleichsweise hohe Auswirkungen auf das Tier 1 Kernkapital bzw. niedriger operativer Gewinn. Bei Instituten, die die RSU Merton-Modell PD-Shifts für PDpit verwendet haben, bewegen sich die Impairment-Auswirkungen in der Nähe des Durchschnitts für Deutschland. Bei Verwendung der Benchmark-Parameter liegen die Auswirkungen hingegen deutlich über dem Durchschnitt. Häufig erfolgt eine höhere Kompensation der RWAund Impairment-Auswirkungen auf das Tier 1 Kernkapital durch den Operating Profit. Beim Operating Profit ist der Haupttreiber Net Interest Income. Allerdings fallen diese Kompensationen außerhalb Deutschlands teilweise deutlich höher aus.

23 Ergebnisse und Vergleich mit EZB-Benchmarkparametern Ergebnisse: Überblick EU und Einzelstaaten - Auswirkungen Bankname Seite 23 % Change in CET1 Outcome of the adverse scenario as of 31 December 2016 Due to: Variation of TOTAL RISK Impairment of financial Operating profit EXPOSURE AMOUNT assets other than mln % mln % mln % Europe -2.66% 361, % 1,210, % -491, % Austria -3.10% 8, % 8, % -14, % Belgium -6.83% % 34, % -7, % Cyprus -5.45% 1, % % -2, % Denmark -2.56% 6, % 17, % -9, % Finland -4.39% % 5, % -2, % France -2.25% 53, % 248, % -80, % Germany -3.73% 19, % 285, % -35, % Greece -7.97% 6, % 2, % -20, % Hungary -3.96% 2, % 1, % -3, % Ireland -6.19% % 6, % -9, % Italy -3.34% 39, % 64, % -77, % Latvia -2.09% % % % Luxembourg -4.72% % 6, % % Malta -1.80% % % % Netherlands -2.67% 24, % 98, % -27, % Norway -0.01% 4, % 5, % -2, % Poland -1.04% 4, % % -4, % Portugal -5.20% 2, % 1, % -6, % Slovenia -9.81% % % -1, % Spain -1.45% 75, % 56, % -82, % Sweden -1.59% 17, % 41, % -13, % United Kingdom -1.96% 89, % 325, % -90, % Quelle: EBA: EU-wide Stress Test Summary Results. Der Tabelle sind die kumulierten Auswirkungen der adversen Stressszenarien auf das Tier 1 Kernkapital in %-Punkten zu entnehmen. Ausgewiesen werden dabei die Komponenten mit den stärksten Rückwirkungen auf die Kernkapitaländerungen: Impairments (~ Bankbuch); Variation Total Risk Exposure (~ RWA-Auswirkungen) und Operating Profit. Im Vergleich mit den anderen EU-Ländern, sind in Deutschland unterdurchschnittliche Impairment- Auswirkungen zu beobachten. Dagegen zeigen sich in Deutschland vergleichsweise hohe RWA-Auswirkungen. Im Stresstestzeitraum ist in Deutschland eine im Vergleich sehr niedrige Kompensation der RWAund Impairment-Auswirkungen auf das Tier 1 Kernkapital durch den Operating Profit zu beobachten. In Österreich zeigen sich im Vergleich zu Deutschland hingegen höhere Impairment- Auswirkungen, niedrige RWA-Auswirkungen und eine höhere Kompensation der Rückwirkungen auf das Tier 1 Kernkapital durch den Operating Profit.

25 RSU Stresstest Systemarchitektur Schematische Darstellung Input: Output: Back-End Stressszenarien Institut Forecast Baseline und Adverse durch Institut Quartalsweise oder jährlich für bis zu 3 Jahre Durch Institut frei spezifizierbar Stressszenarien RSU Regelmäßige Aktualisierung (jährlich; Startwerte quartalsweise) Konsistente Makroszenarien Auswahl Stressszenarien aus vorgegebenem Szenario-Set RSU Merton-PDs Regelmäßige Aktualisierung (quartalsweise) Mittlere RSU-Merton Modell PDs Pro Region US, DC, EM Sowie jeweils ca. 20 Branchen pro Region Makrozeitreihen Regelmäßige Aktualisierung (quartalsweise) Regionen US, DC, EM (Aggregation gemäß SimEngine-Logik) Länderzeitreihen RSU- Engine Stresstest webbasiert* Satellitenmodelle Stresstest Regelmäßige Pflege, Validierung und Weiterentwicklung (jährlich) Front-End PD-Shifts Länder / Regionen: Baseline Szenario Adverse Szenario Land / Region US DC EM DE FR ES und weitere Länder Die PD-Shifts sind jeweils auf die PDs zum Vorjahresende multiplikativ anzuwenden. Alpha2-ISO Code für Länder; Regionen-Mapping für nicht separat ausgewiesene Länder. PD-Shifts Branchen / Länder /Regionen: Baseline Szenario Adverse Szenario Land / Region Branche ID DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE DE FR FR FR FR FR FR FR FR FR PD-Shifts sind gemäß WZ-Schlüssel anzuwenden. Branchenmapping WZ03 -> WZ08 -> BICS PD-Shifts Modulcluster: Baseline Szenario Adverse Szenario Land Modul DE Gesamt DE Corporates DE Financials DE Spezialfinanzierungen FR Gesamt FR Corporates FR Financials FR Spezialfinanzierungen ES Gesamt ES Corporates ES Financials ES Spezialfinanzierungen und weitere Länder / Regionen PD-Shifts Modulcluster Gesamt, Corporates, Financials und Specialized Lending. Kompatibel zur Stresstest-Methodik EBA/EZB Seite 25

27 EZB/EBA-Stresstest 2014 Zusammenfassung Modellierung: EBA/EZB fordern für den Stresstest im Kontext Kreditrisiko Satellitenmodelle, die makroökonomische Stressszenarien in Veränderungen der Risikoparameter übersetzen. Bei den Risikoparametern wird eine Differenzierung zwischen regulatorischen Parametern (PDreg und LGDreg) und Point-in-Time Parametern (PDpit und LGDpit) gefordert. Die Point-in-Time Parameter sind insbesondere für die Impairment-Rechnung im Kontext EZB/EBA-Stresstest zu verwenden. Über die PD soll dabei die Ausfallratenentwicklung approximiert werden. In der Praxis werden im Regelfall nur moderat zyklische Ratingverfahren verwendet. Auf Basis von Merton-Modell PDs wurde ein Lösungsansatz für die Ausfallratenapproximation entwickelt. Grundsätzliches: EBA/EZB haben angekündigt auch zukünftig jährlich EU-weite Stresstests durchzuführen. Stresstests haben sich generell zu einem wichtigen Instrumentarium der Bankenaufsicht entwickelt. Als Bestandteil der Säule II, MaRisk, MaSan etc. hat auch die Bedeutung des Stresstestings für das Risikomanagement in den letzten Jahren zugenommen. Vor diesem Hintergrund hat die RSU eine Systemarchitektur aufgesetzt, die regelmäßige Stresstestrechnungen nicht nur im Kontext EBA/EZB-Stresstest ermöglicht. Seite 27

28 Weitere Informationen erhalten Sie durch Carsten Demski Teamleiter Methodik Rating (Finanzinstitute, Länder) & Marktdatenbasierte Verfahren Dr. Thomas Reichsthaler Manager Marketing & Sales Tel.: Mobil: RSU Rating Service Unit GmbH & Co. KG Karlstr München