Versicherungsbetriebe > Strategie

27.11.2017 von Dr. Andrea Eickemeyer, Leiterin Consulting bei der Prof. Schumann GmbH

Schattenratings für Low-Default-Portfolios

Heutzutage ist die kontinuierliche Bonitätsbeurteilung des Geschäftspartners für Versicherungen eine Selbstverständlichkeit. Typischerweise werden historische Schadens- und Ausfalldaten zur Konzeption, Validierung und Rekalibrierung der Bewertungssysteme verwendet. Fehlen diese ­Informationen, sind alternative Methoden zur Ratingerstellung wie Schattenratings anzuwenden.

Autorin: Dr. Andrea Eickemeyer, Leiterin Consulting bei der Prof. Schumann GmbH

Die BaFin trägt mit ihrer Solvenzaufsicht dazu bei, dass Finanzdienstleister, Banken und Versicherer ihre wirtschaftliche Solidität sichern. Dazu ist ein entsprechendes Risikomanagement auch bei Versicherern unerlässlich. Bezüglich der Risikobeurteilung von Geschäftspartnern und konkreten Transaktionen existieren diverse rechtliche und aufsichtliche Vorschriften, deren Strenge zweck- und produktspezifisch variiert. Die Rahmenbedingungen bei der Konzeption eines Ratingsystems sind verschieden. Ein Ratingsystem basiert auf einem Set relevanter Informationen, die sowohl aus den eigenen Erfahrungen im Rahmen der Geschäftsbeziehung resultieren als auch aus externen Quellen, wie z. B. Auskunfteien oder Jahresabschlüssen, stammen können. Die Auswahl trennscharfer Faktoren sowie die regelmäßige Validierung erfolgen unter Einbezug relevanter historischer Ausfall­daten mit Hilfe statistischer Verfahren. In der Praxis stellt sich jedoch mitunter das Problem, dass keine ausreichenden Ausfallinformationen vorliegen. Dies kann im einfachsten Fall einer unzureichenden Dokumentation oder uneinheitlichen Ausfalldefinition geschuldet sein. Dieser Mangel ließe sich zumindest für die Zukunft leicht beheben. Allerdings gibt es auch praktische Problemstellungen, in denen nicht kurzfristig Ausfalldaten generiert werden können. Denkbar sind Portfolios, die im Wesentlichen ­einige wenige, dafür aber große Unternehmen z. B. die DAX- und MDAX-­Unternehmen umfassen. Diese weisen naturgemäß während der Gesamtlebensdauer eine sehr geringe Ausfallwahrscheinlichkeit auf. In eindrücklicher Weise zeigt sich diese Problemstellung bei Rückversicherern. Unabhängig von der konkreten Ursache sind in der Folge zu wenige Ausfälle dokumentiert, um ein Ratingmodell darauf aufzubauen. In ­diesem Fall wird von sogenannten ­Low-Default-Portfolios gesprochen.

 

Verschiedene Ratingmodelle

 

Grundsätzlich bieten sich verschiedene Möglichkeiten, für den Low-Default-Bereich Ratingmodelle zu entwickeln. Eine Möglichkeit wäre ein so genanntes Expertenrating, das im Wesentlichen auf dem Erfahrungswissen der versicherungseigenen Bilanzanalysten beruht. Aber auch marktbasierte Verfahren, wie der optionspreistheoretische Ansatz in Anlehnung an das aus der Bewertung von Derivaten bekannte Black-Scholes-Merton-Modell führen zu validen Ratingsystemen. Einen weiteren Ansatz bildet das Schattenrating, das zum Ziel hat, ein bestehendes Rating, dessen genaue Bewertungssystematik regelmäßig unbekannt ist, auf Basis einer mehr oder weniger stark abweichenden Informationsbasis nachzubilden. Beim Schattenrating können beliebige interne und externe, harte und weiche Faktoren einbezogen werden, sofern sie als trennscharf qualifiziert werden. Voraussetzung für die Anwendung des Schattenratings ist, dass für die betrachteten Risiken bereits Ratings vorliegen, die als zutreffend akzeptiert sind. Häufig sind dies Ratings von Rating-Agenturen, wie Moody’s, Fitch oder S&P. Der Rating-Nachbau erfolgt mit Hilfe der Regressionsanalyse. Die Qualität der zugrundeliegenden, mit Ratings ausgestatteten Vergleichsdatenbasis spielt eine herausragende Rolle. 

 

Ergebnis ist ein Algorithmus, mit dem eine Ratingnote ermittelt werden kann. Die Summe der Abweichungen zwischen externem Rating (Referenzrating) und Rating auf Basis der entwickelten Funktion (internes Rating) ist zu minimieren. Bei der Auswahl des geeigneten Verfahrens sind die Rahmenbedingungen und damit die zur Verfügung stehenden Informationen zu berücksichtigen. Im Folgenden wird ein Low-Default-Portfolio betrachtet, das große Unternehmen unterschiedlichen Alters und differierender Branchen umfasst. Für diesen in der Praxis häufig auftretenden Fall konnte in einer Studie der Prof. Schumann GmbH in Zusammenarbeit mit der Universität Göttingen eindrucksvoll die besondere Eignung des Schattenratings gezeigt werden.

 

Basis der Untersuchung waren Daten, Ratings und Finanzdaten einer bekannten internationalen Ratingagentur über einen Zeitraum von 10 Jahren für rund 750 Unternehmen. Weiterhin war bekannt, dass die Ergebnisse der Finanzrisiko- und die Geschäftsrisikoanalyse der betrachteten Unternehmen das von der Ratingagentur vergebene Rating wesentlich determinieren. Das bedeutet, dass das Rating sowohl auf harten Fakten aus Jahresabschlüssen, also öffentlich zugänglichen Finanzdaten, als auch auf weichen Faktoren, wie subjektiven Analysteneinschätzungen, beispielsweise bzgl. Branchenrisiko oder Wettbewerbsposition, beruht. Im Rahmen der Konzeption des Schattenratings geht es neben der Abgrenzung der geeigneten Datenbasis bzw. eines angemessenen Merkmalsraums vor allem um die Identifizierung von trennscharfen Merkmalen. In diesem Fall wurde der Schwerpunkt auf quantitative Merkmale in Form von Bilanzkennzahlen gelegt, die in die Scoringfunktion zur Ermittlung des Schattenratings eingehen. Ergebnis der univariaten Analyse ist eine Liste grundsätzlich geeigneter Kennzahlen. Dieser Prozessschritt sollte stets durch Expertenwissen gestützt und geprüft werden. Die Bestätigung der Arbeitshypothese ist notwendige Voraussetzung, dass die Kennzahl in der weiteren Analyse Berücksichtigung findet. Weiterhin sind die Abhängigkeiten zwischen den verschiedenen Kennzahlen zu analysieren, da in die Scoringfunktion möglichst unkorrelierte Kennzahlen aufgenommen werden sollen. Durch die fundierte Vorauswahl von Kennzahlen kann die Komplexität der im nächsten Schritt durchzuführenden multivariaten Analyse verringert werden.

 

Die im Rahmen der multivariaten Ana­lyse ermittelte Scoringfunktion wurde abschließend auf eine Validierungsstichprobe angewendet und bestätigt. Anderenfalls hätte hier ein Rückschritt und eine Verbesserung der Scoringfunktion erfolgen müssen. So konnte unmittelbar eine Einbindung in die bestehenden ­Prozesse, konkret in das IT-gestützte ­Risikomanagement erfolgen. Ausgehend von einer siebenstufigen Ratingskala überzeugt die Prognosequalität des im Rahmen der Studie entwickelten Schattenrating-Modells. In deutlich mehr als der Hälfte der Fälle liefert die Scoringfunktion das korrekte Rating und nur in 2 Prozent der Fälle weichen internes und externes Rating um mehr als eine ­Ratingstufe voneinander ab.

 

Das externe Rating wird durch die zuvor entwickelte Prognoseformel somit für den Einsatz in der Praxis ausreichend genau geschätzt. Eine Analyse der Fälle, in denen Fehlprognosen auftraten, ergab, dass ein wesentlicher Grund in der harten manuellen Modifikation des ­Ratings durch Analysten der Agentur liegt. Erhält beispielsweise ein Unternehmen Unterstützung durch eine Regierung oder ein anderes, wirtschaftlich verflochtenes Unternehmen, wird häufig das eigentliche Rating von der Agentur überschrieben. Damit wird der direkte Zusammenhang von unternehmens­spezifischen Daten und Ratingnote aufgehoben. Diese Ursachenanalyse unterstreicht das Potenzial von Schatten­ratings für Low-Default-Portfolios von Versicherungen. Kritisch anzumerken ist lediglich, dass in der Praxis eine Ratingskala gewöhnlich mehr als sieben Stufen umfasst und eine weitere Analyse mit einer stärker differenzierten Ratingskala angeschlossen werden sollte.