Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 1

Ähnliche Dokumente
Die Auswirkung von Rückversicherung auf die Eigenmittelanforderungen unter Solvency II Prof. Dr. Dietmar Pfeifer

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier:

Credibility Theory. Christoph Chlubna. 10. Januar / 18

Die Bedeutung von Abhängigkeitsstrukturen in der Rückversicherung. Dresdner Versicherungsforum 23. Juni 2006 Dr. Ekkehard Kessner

Wahrscheinlichkeitsverteilungen

Kennziffern der Energie- und Wasserwirtschaft 2. Stromwirtschaft: Investitionen steigen 3. Gaswirtschaft: Die meisten Investitionen in die Netze 4

Die Ökonomie von Naturrisiken

Diskussionsbeitrag. Erforderliche Lade-Infrastruktur für Elektromobilität und daraus abgeleitete Konsequenzen für EV-Charging Geschäftsaktivitäten

Bewertung von biometrischen Risiken in der bav

Berechnung MCR unter Solvency II

Interne Solvenzmodelle für Non-Life Versicherungen in in der Schweiz

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Der Wahrscheinlichkeitsbegriff - fit für das Abitur

Risikomanagement in der Regel falsch und doch immer richtig. Dr. Andrea Fechner, Frankfurt, 14. Nov. 2013

Stop-LossPlus Eine innovative Versicherungslösung

Biometrieübung 2 Wahrscheinlichkeitsrechnung

bav Risikomanagement in der betrieblichen Altersversorgung FaRis & DAV Symposium, Köln, 14. Juni 2013

Digitales Monitoring: Chancen und Risiken für die Assekuranz

Risikoanalyse. Projektrisiken... 5 Managementrisiken... 5 Umsetzungsrisiken... 5 Soziale Risiken... 5

Statistik I für Betriebswirte Vorlesung 3

Stochastik 02 Wiederholung & Vierfeldertafel

Dr. rer. nat. Götz Ruprecht Institut für Festkörper-Kernphysik ggmbh

Energiewende Umbau der Energieversorgung

Bonus Malus Systeme und Markov Ketten

Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.

GESCHÄFT ODER GEWISSEN? VOM AUSZUG DER VERSICHERUNG AUS DER SOLIDARGEMEINSCHAFT

KERNENERGIE IST DIE FINANZIERUNG DURCH DIE VERURSACHER GESICHERT?

In einem mathematischen Modell wird dies beschrieben durch einen funktionalen Zusammenhang: x = f (t).

Entwicklungen in der deutschen Strom- und Gaswirtschaft 2012

2.4 Entscheidung bei Risiko

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Ziel: 100% Erneuerbare Energien Erfahrungen aus Deutschland. Prag Hans-Josef Fell Mitglied Deutscher Bundestag

Prof. Dr. Dietmar Lucht Projektmanagement Projektrisiken. Alles was schiefgehen kann, wird auch schief gehen Murphys Gesetz

Einführung in die Wahrscheinlichkeitsrechnung

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Leibniz Universität Hannover

Stochastische Unabhängigkeit. 01. Dezember 2014

7 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit


Gesellschaftlicher Nutzen des Bundesheeres

Arbeitsblatt Wahrscheinlichkeit

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 3

Nachklausur Statistik

Quantifizierung im Risikomanagement

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Die Binomialverteilung und deren Anwendung

Energiekongress der Grünen Landtagsfraktion Die Kosten des EEG Grund zur Sorge oder aufgebauschte Debatte? München,

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Statistik für Ingenieure Vorlesung 4

Statistik für Ingenieure Vorlesung 2

Statistik für Naturwissenschaftler

Energieland Hessen. 100 Prozent Strom aus erneuerbaren Energiequellen bis zum Jahr Utopie oder reale Vision?

Kreditportfolio Eigengeschäfte

Wahrscheinlichkeit und Zufall

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Kapitel 5: Entscheidung unter Unsicherheit

Kreditportfolio Eigengeschäfte

Entwicklungen in der deutschen Stromund Gaswirtschaft 2013

Solvenz II Zweck & Nutzen. PORIS User-Group Treffen 2012

Übungen mit dem Applet Zentraler Grenzwertsatz

Mathematische Ansätze im Enterprise Risk Management

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

BESSER BESSER EINER FÜR ALLES. STROMPREIS SELBST BESTIMMEN.

Sachrechnen/Größen WS 14/15-

E[X] = = 113. Nach den Gleichungen von Wald gilt für den Gesamtschaden S E[S] = E[N] E[X] = = 226

Kapitel 5: Entscheidung unter Unsicherheit

Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.

Statistik I für Betriebswirte Vorlesung 4

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016

WS 2010/11. Risikomanagement II. Übung zum Thema: Value at Risk. (Lösung)

1.5 Erwartungswert und Varianz

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.

Ihre Schweizer Versicherung. Workshop Risikoanalyse Umgang mit Risiken im öffentlichen Verkehr 6. Basler Risikotag, Freitag 28.

Unabhängigkeit KAPITEL 4

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Wahrscheinlichkeitsrechnung

Risikoanalyse Lehrveranstaltung Projektmanagement

Sanierungsmanagement im Quartier Oberricklingen

KAPITEL 3 DISKRETE ZUFALLSVARIABLEN UND VERTEILUNGEN

Wie viel Kunstgeschichte braucht man in der Kunstversicherung?

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK

Statistik I für Betriebswirte Vorlesung 4

Kapitel 5 Stochastische Unabhängigkeit

Der Swiss Solvency Test Kernelemente und Umsetzung im Unternehmen. Renate Leukert Luzern, 22. November 2005

Versicherungsbetriebslehre

Schadenversicherungsmathematik Statische Risikomodelle Exposure Pricing in der nicht-proportionalen Rückversicherung

Naturgefahrenmodelle. Geophysikalische Simulationsmodelle. Mathematische Struktur eines geophysikalischen Modells

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?

1.5 Erwartungswert und Varianz

Sicherheitsinnovation und Versicherung

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?

Statistik Übungen SS 2018

Zufallsvariablen [random variable]

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Transkript:

Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? Ein Diskussionsbeitrag aus Sicht der mathematischen Statistik Prof. Dr. Dietmar Pfeifer Institut für Mathematik Schwerpunkt Versicherungs- und Finanzmathematik

Agenda 1. Was ist Risiko? 2. Risiko, Erwartungswert und das Gesetz der großen Zahlen 3. Warum technische Restrisiken nicht versicherbar sind 4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 1

1. Was ist Risiko? Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 2

1. Was ist Risiko? Abgrenzung zwischen Risiko und Gefahr: Gefahr: Subjektunabhängige Bedrohung. Gefahren sind extern veranlasst, Gefahren ist man ausgesetzt. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 3

1. Was ist Risiko? Abgrenzung zwischen Risiko und Gefahr: Gefahr: Subjektunabhängige Bedrohung. Gefahren sind extern veranlasst, Gefahren ist man ausgesetzt. Risiko: Risiko beinhaltet das Moment der Entscheidung. Verantwortung ist Voraussetzung für und Folge der Entscheidung. Risiken geht man ein. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 4

1. Was ist Risiko? Abgrenzung zwischen Risiko und Gefahr: Gefahr: Subjektunabhängige Bedrohung. Gefahren sind extern veranlasst, Gefahren ist man ausgesetzt. Risiko: Risiko beinhaltet das Moment der Entscheidung. Verantwortung ist Voraussetzung für und Folge der Entscheidung. Risiken geht man ein. [Deutscher Alpenverein] Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 5

1. Was ist Risiko? Risiken sind die aus der Unvorhersehbarkeit der Zukunft resultierenden, durch zufällige Störungen verursachten Möglichkeiten, von geplanten Zielwerten abzuweichen. Risiken können daher auch als Streuung um einen Erwartungs- oder Zielwert betrachtet werden. [Frank Romeike, RiskNET] Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 6

1. Was ist Risiko? Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 7

1. Was ist Risiko? Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Erste Antwort: Wahrscheinlichkeit eines Verlustes = 5/6 = 83,33% Spiel ist risikoreich (?) Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 8

1. Was ist Risiko? Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Zweite Antwort: Erwartungswert eines Verlustes = Eintrittswahrscheinlichkeit Verlusthöhe = 5/6 6 = 5 Erwartungswert eines Gewinnes = Eintrittswahrscheinlichkeit Gewinnhöhe = 1/6 36 = 6 Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 9

1. Was ist Risiko? Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Zweite Antwort: Erwartungswert des Spielergebnisses = Erwartungswert eines Gewinnes Erwartungswert eines Verlustes = 6 5 = 1 Spiel ist nicht risikoreich (?) Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 10

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 11

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Erwartungswert eines Risikos = Summe aus (Eintrittswahrscheinlichkeit pro Ursache jeweilige Risikohöhe) Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 12

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Erwartungswert eines Risikos = Summe aus (Eintrittswahrscheinlichkeit pro Ursache jeweilige Risikohöhe) Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Risiko-Ursache (Augenzahl) 1 2 3 4 5 6 Summe Eintrittswahrscheinlichkeit 1/6 1/6 1/6 1/6 1/6 1/6 Risikohöhe 6 6 6 6 6 36 Produkt 1 1 1 1 1 6 1 Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 13

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Das Gesetz der großen Zahlen besagt hier: Wiederholt sich die Risikosituation in unabhängiger und statistisch gleichartiger Weise hinreichend oft, so nähert sich das durchschnittliche Risiko seinem Erwartungswert an. [Jakob Bernoulli, um 1695] Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 14

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 15

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Beispiel: Sie wetten auf das Erscheinen einer Sechs beim Würfeln. Fällt die Sechs, erhalten Sie 36, anderenfalls zahlen Sie 6. Wie groß ist das Risiko eines Verlustes? Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 16

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Das Gesetz der großen Zahlen sorgt dabei für einen Ausgleich im Kollektiv (große Anzahl gleichartiger Risiken) und in der Zeit (große Anzahl an Wiederholungen). Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 17

2. Risiko, Erwartungswert und das Gesetz der großen Zahlen Risiken werden häufig durch ihren statistischen Erwartungswert eingeschätzt ( Grundlage der Tarifierung von Versicherungsprodukten). Das Gesetz der großen Zahlen sorgt dabei für einen Ausgleich im Kollektiv (große Anzahl gleichartiger Risiken) und in der Zeit (große Anzahl an Wiederholungen). Voraussetzung dafür ist aber, dass die Eintrittswahrscheinlichkeiten für die Risikoursachen hinreichend zuverlässig eingeschätzt werden können! Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 18

3. Warum technische Restrisiken nicht versicherbar sind Der Begriff des Restrisikos wirkt verharmlosend. Er wird oft mit einem Risiko in Verbindung gebracht, dass eine nur sehr kleine Eintrittswahrscheinlichkeit besitzt. Aber: es kommt dabei auch auf die potenzielle Risikohöhe an! Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 19

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Tschernobyl 1986 Fukushima 2011 Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 20

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Stromverbrauch in Deutschland 2009 nach der Hochrechnung des Bundesverbandes der Energie- und Wasserwirtschaft (BDEW): 596 Mrd. KWh Davon aus Atomkraftwerken: 23% = 37 Mrd. KWh Anfang 2010 waren in Deutschland 17 AKW in Betrieb. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 21

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Nach einer im Auftrag des Bundesministeriums für Wirtschaft schon im Jahr 1992 (!) bei Prof. Dr. Hans-Jürgen Ewers, Universität Münster in Auftrag gegebenen Studie sind bei einer schweren Havarie (Super-GAU) in Deutschland Personen- und Sachschäden von 6.000 Milliarden oder mehr zu erwarten. Geht man sehr vorsichtig von einer jährlichen Eintrittswahrscheinlichkeit je Kraftwerk von nur 1/1000 aus, beträgt der Erwartungswert des Risikos 6 Milliarden. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 22

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Für eine Versicherung dieses Risikos wäre also eine jährliche technische Prämie je Kraftwerk von ca. 6 Milliarden erforderlich, also bei 17 Kraftwerken ein Prämienvolumen in Höhe von über 100 Milliarden. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 23

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Für eine Versicherung dieses Risikos wäre also eine jährliche technische Prämie je Kraftwerk von ca. 6 Milliarden erforderlich, also bei 17 Kraftwerken ein Prämienvolumen in Höhe von über 100 Milliarden. Eine Umlage dieser Prämie auf den Strompreis würde eine Zusatzbelastung von ca. 100/37 = 2,70 je Kilowattstunde Atomstrom bedeuten. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 24

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Für eine Versicherung dieses Risikos wäre also eine jährliche technische Prämie je Kraftwerk von ca. 6 Milliarden erforderlich, also bei 17 Kraftwerken ein Prämienvolumen in Höhe von über 100 Milliarden. Eine Umlage dieser Prämie auf den Strompreis würde eine Zusatzbelastung von ca. 100/37 = 2,70 je Kilowattstunde Atomstrom bedeuten. Eine Umlage auf den Strompreis ohne Beachtung der Herkunft würde immer noch eine Zusatzbelastung von ca. 100/600 = 0,16 je Kilowattstunde bedeuten. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 25

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Aber Achtung: Das Gesetz der großen Zahlen greift hier nicht, da das Kollektiv zu klein und die betrachteten Zeiträume zu groß sind. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 26

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Aber Achtung: Das Gesetz der großen Zahlen greift hier nicht, da das Kollektiv zu klein und die betrachteten Zeiträume zu groß sind. Ein nennenswertes Sicherheitskapital zur Deckung von Schäden kann erst im Laufe von mehreren hundert Jahren angespart werden. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 27

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Aber Achtung: Das Gesetz der großen Zahlen greift hier nicht, da das Kollektiv zu klein und die betrachteten Zeiträume zu groß sind. Ein nennenswertes Sicherheitskapital zur Deckung von Schäden kann erst im Laufe von mehreren hundert Jahren angespart werden. Konsequenz: Man braucht einen Bürgen (Staat?), der für die nächsten 500 Jahre ein Haftungskapital von ca. 6.000 Milliarden (das ist ein Volumen von mehr als 10 Bundeshaushalten) mit der Möglichkeit eines Totalverlustes garantiert. Damit wäre aber lediglich ein einziger Super-GAU für alle Kraftwerke abgesichert. Das ist außerhalb jeder politischen Machbarkeit. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 28

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Finanzierung des Haftungskapitals durch Private Investoren: Potenziell möglich, aber wegen des hohen Risikos mit erheblichen Zinszahlungen verbunden (realistischerweise 15% p.a.) Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 29

3. Warum technische Restrisiken nicht versicherbar sind Beispiel Atomkraft: Finanzierung des Haftungskapitals durch Private Investoren: Potenziell möglich, aber wegen des hohen Risikos mit erheblichen Zinszahlungen verbunden (realistischerweise 15% p.a.) Konsequenz: auf die Kraftwerksbetreiber kämen jährlich Zinszahlungen in Höhe von ca. 900 Milliarden zu. Damit würde eine Kilowattstunde Strom etwa 24 (Atomstrom) bzw. 1,50 (Gesamtstrom) mehr kosten. Das ist ökonomisch nicht durchsetzbar. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 30

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Wesentliche Probleme: o anders als beim Würfel können Eintrittswahrscheinlichkeiten für ökonomisch-technische Großrisiken nicht sicher eingeschätzt werden Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 31

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Wesentliche Probleme: o o anders als beim Würfel können Eintrittswahrscheinlichkeiten für ökonomisch-technische Großrisiken nicht sicher eingeschätzt werden die tatsächliche Schadenhöhe kann meist nur grob geschätzt werden Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 32

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Wesentliche Probleme: o o o anders als beim Würfel können Eintrittswahrscheinlichkeiten für ökonomisch-technische Großrisiken nicht sicher eingeschätzt werden die tatsächliche Schadenhöhe kann meist nur grob geschätzt werden Folgeschäden in Kausalketten werden in vielen statistischen Modellen nicht oder nicht hinreichend genau abgebildet ( Kumulrisiken), damit werden Eintrittswahrscheinlichkeiten für Großschäden tendenziell unterschätzt Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 33

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 34

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. Fall 1: die Risiken sind stochastisch unabhängig Es treten ein U1 nicht U1 Summe U2 1% 9% 10% nicht U2 9% 81% 90% Summe 10% 90% 100% Kombinationswahrscheinlichkeiten Gesamtschaden 0 1 Mio. 2 Mio. 3 Mio. Eintrittswahrscheinlichkeit 81% 9% 9% 1% Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 35

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. Fall 2: die Risiken sind maximal stochastisch abhängig ( Worst Case ) Es treten ein U1 nicht U1 Summe U2 10% 0% 10% nicht U2 0% 90% 90% Summe 10% 90% 100% Kombinationswahrscheinlichkeiten Gesamtschaden 0 1 Mio. 2 Mio. 3 Mio. Eintrittswahrscheinlichkeit 90% 0% 0% 10% Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 36

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. Fall 3: die Risiken sind vollständig diversifiziert ( Best Case ) Es treten ein U1 nicht U1 Summe U2 0% 10% 10% nicht U2 10% 80% 90% Summe 10% 90% 100% Kombinationswahrscheinlichkeiten Gesamtschaden 0 1 Mio. 2 Mio. 3 Mio. Eintrittswahrscheinlichkeit 80% 10% 10% 0% Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 37

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. In allen drei Fällen beträgt der Erwartungswert des Gesamtrisikos 0,3 Mio.! Gesamtschaden 0 1 Mio. 2 Mio. 3 Mio. 1 81% 9% 9% 1% Eintrittswahrscheinlichkeit 2 90% 0% 0% 10% 3 80% 10% 10% 0% Die drei Risiko-Situationen sind aber sehr unterschiedlich! Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 38

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Fazit: der Erwartungswert allein ist kein ausreichendes Risikomaß! Alternativen: Value @ Risk zum Risikoniveau (oberhalb welcher Schwelle liegen die 100 % schlimmsten Risikowerte?) Expected Shortfall zum Risikoniveau (bedingter Erwartungswert der schlimmsten Risikowerte oberhalb des Value @ Risk) Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 39

4. Zur Einschätzbarkeit ökonomisch-technischer Großrisiken Beispiel zum dritten Punkt: Wir betrachten zwei Risiken mit je einer Eintritts-Ursache U1 und U2. Jede der beiden Ursachen hat die gleiche Eintrittswahrscheinlichkeit 10%. Im Fall des Eintritts von U1 ergibt sich ein Schaden von 1 Mio., im Fall des Eintritts von U2 ergibt sich ein Schaden von 2 Mio.. Gesamtschaden 0 1 Mio. 2 Mio. 3 Mio. 1 81% 9% 9% 1% Eintrittswahrscheinlichkeit 2 90% 0% 0% 10% 3 80% 10% 10% 0% Fall Value @ Risk ( = 10%) Expected Shortfall ( = 10%) 1 2 Mio. 2,1 Mio. 2 3 Mio. 3,0 Mio. 3 2 Mio. 2,0 Mio. Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 40

Herzlichen Dank für die Aufmerksamkeit! Können Risiken aus technisch-ökonomischen Entwicklungen zuverlässig eingeschätzt werden? 41