Die Geschäftstätigkeit von Banken ist unabdingbar mit dem Eingehen von Risiken verbunden. Die volumenmäßig bedeutendste Risikoart ist dabei das Kreditrisiko, das primär durch die Parameter Ausfallwahrscheinlichkeit (Probability of Default) und Verlustquote zum Zeitpunkt des Ausfalls (Loss Given Default) quantifiziert wird. Entsprechend sind die präzise Ermittlung und eine möglichst fehlerfreie Schätzung dieser beiden Größen von zentraler Bedeutung für das interne Risikomanagement von Finanzinstituten ¿ nicht zuletzt aufgrund aufsichtlicher Anforderungen (Basel III, MaRisk). Gleichwohl haben sich bislang nur wenige Arbeiten mit der Frage beschäftigt, welche Methoden für die Schätzung von Verlustquoten geeignet sind, was insbesondere an der mangelnden Verfügbarkeit von Daten liegt. Aus methodischer Sicht ist zudem zu berücksichtigen, dass die charakteristisch multimodale Form der Verteilung der Verlustquote den Einsatz fortgeschrittener statistischer Verfahren erfordert. Die vorliegende Arbeit entwickelt eine neuartige Schätzmethodik, die im Falle dieser ungewöhnlichen Verteilungsform imstande ist, sowohl die die Verlustquote beeinflussenden Treiber zu bestimmen als auch eine darauf aufbauende Prognose von Verlustquoten zu gewährleisten. Anhand eines umfangreichen Datensatzes von drei großen Leasing-Gesellschaften wird nachgewiesen, dass das vorgestellte Verfahren eine im Vergleich zu bekannten Schätzverfahren verbesserte Prognosegüte aufweist.