Robuste Ratingverfahren: Zur Steigerung der Prognosequalität quantitativer Ratingverfahren

1. Einleitung.- 1.1 Motivation und Ziele.- 1.2 Gang der Arbeit.- 2 Grundlagen finanzwirtschaftlicher Ratings.- 2.1 Einleitung.- 2.2 Definition eines Ratings.- 2.3 Anwendungsgebiete von Ratings.- 2.4 Funktionen des Ratings.- 3 Ratings in der Kreditwirtschaft.- 3.1 Einleitung.- 3.2 Aktuelle Entwicklung im Kreditrisikomanagement.- 3.3 Ratingverfahren.- 3.4 Synopse bisheriger Forschung.- 4 Methodische Probleme bei quantitativen Ratingverfahren.- 5 Verallgemeinerte lineare Modelle.- 5.1 Einführung in die parametrische Modellierung.- 5.2 Definition und Modellgleichung.- 5.3 Maximum-Likelihood Schätzer.- 5.4 Hypothesentests in den verallgemeinerten linearen Modellen..- 5.5 Spezielle verallgemeinerte lineare Modelle.- 5.6 Zusammenfassung.- 6 Nichtparametrische statistische Methoden.- 6.1 Einführung in die nichtparametrische Modellierung.- 6.2 Das nichtparametrische Marginalmodell.- 6.3 Das nichtparametrische Kovarianzmodell.- 6.4 Zusammenfassung.- 7 Integriertes Rating Simulationssystem.- 7.1 Einführung.- 7.2 Aufbau des Simulationssystems.- 7.3 Voruntersuchungen.- 7.4 Ratingbildung mit dem nichtpar ametrischen Kovarianzmodell 2257.5 Evaluierung quantitativer Ratingverfahren.- 7.6 Simulation realer Studien.- 7.7 Integration von Resamplingverfahren in Ratingverfahren.- 7.8 Zusammenfassung.- 8 Schlussbetrachtungen.- 8.1, Zusammenfassung.- 8.2 Ausblick.- Stichwortverzeichnis.

Dr. Andreas Oelerich promovierte bei Prof. Dr. Thorsten Poddig am Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbesondere Finanzwirtschaft, der Universität Bremen. Er ist Controller für Kreditrisiken bei der HSH Nordbank AG in Hamburg.

Ratings bilden seit langem ein etabliertes Instrument in der Finanzwirtschaft, um Investitions- und Finanzierungsentscheidungen zu unterstützen. In der bisherigen Praxis waren sie nicht selten durch subjektive Beurteilungsverfahren bestimmt. Der Bankenwettbewerb und aufsichtsrechtliche Rahmenbedingungen führen verstärkt zum Einsatz statistischer Verfahren, um Ausfallrisiken objektiv und standardisiert quantifizieren zu können.

Andreas Oelerich untersucht die Qualität dieser statistischen Ratingverfahren. Er diskutiert den Ratingbegriff und zeigt Anwendungsgebiete in der Finanzwirtschaft sowie mathematisch-statistische Ratingverfahren auf. Anschließend stellt er ein Assessment-Center vor, das die Evaluierung verschiedener quantitativer Ratingverfahren zulässt. Simulationsstudien zeigen, dass Resamplingverfahren den Prognoseprozess optimieren können.