Erfahrungen und Lehren aus der Durchführung von Makro-Stresstests vor dem Hintergrund der aktuellen Finanzkrise

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Makro-Stresstests als Instrument zur makroprudentiellen Analyse
2.1 Auswahl relevanter Finanzinstitute
2.2 Identifikation relevanter Risiken
2.3 Gestaltung von Stress-Szenarien
2.4 Simulation der Effekte von Stress-Szenarien
2.4.1 Simulation nach dem Balance-sheet-Ansatz
2.4.2 Simulation nach dem Value-at-Risk-Ansatz
2.4.3 Berücksichtigung von Feedbackeffekten
2.5 Analyse und Nutzung von Makro-Stresstest-Ergebnissen

3 Erfahrungen aus der Durchführung von Makro-Stresstests vor dem Hintergrund der aktuellen Finanzkrise
3.1 Makro-Stresstests des IWF
3.2 Makro-Stresstests der EZB
3.3 Makro-Stresstests der Deutschen Bundesbank
3.4 Makro-Stresstests im Vereinigten Königreich
3.5 Makro-Stresstests der Schweizerischen Nationalbank
3.6 Makro-Stresstest in den USA - SCAP
3.7 Makro-Stresstest in der Europäischen Union - CEBS

4 Lehren aus der Durchführung von Makro-Stresstests vor dem Hintergrund der aktuellen Finanzkrise
4.1 Defizite in Makro-Stresstest-Modellen
4.2 Defizite bei der Einbeziehung von Finanzinstituten
4.3 Defizite bei der Identifikation relevanter Risiken
4.4 Defizite bei der Gestaltung von Stress-Szenarien
4.5 Intensive Analyse von Makro-Stresstest-Ergebnissen
4.6 Kombination von Makro-Stresstests mit anderen Instrumenten zur makroprudentiellen Analyse
4.7 Verwendung von Makro-Stresstest-Ergebnissen
4.8 Makro-Stresstests als Komplement zu Mikro-Stresstests

5 Schlussfolgerungen

Literaturverzeichnis

Abbildungsverzeichnis

2 Main components of stress-testing procedures

2.4 Stress Testing Framework

2.4.2 Shift in the probability distribution of losses conditional on an adverse marcoeconomic scenario

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Die Schwere und Beständigkeit der aktuellen Finanzkrise führte zu großer Verunsicherung sowohl in der Finanz- als auch in der Realwirtschaft. Um das Vertrauen in das US-Finanzsystem zurückzugewinnen, wurde die Durchführung eines Stresstests für große Banken durch US-Finanzaufsichtsbehörden angekündigt. Durch diesen sollte es gelingen, Klarheit über die Anfälligkeit des US-Finanzsystems zu gewinnen. Vor allem beflügelt durch die Medien traf das Thema Stresstest für Banken auf ein starkes Interesse. Für die breite Öffentlichkeit ein Novum, für die Finanzwirtschaft ein alter Hut.

In dieser Diplomarbeit wird dargestellt, wie Stresstests vor allem bei Aufsichts­behörden im Zuge der aktuellen Finanzkrise zum Einsatz kamen und welche Lehren daraus gezogen werden können. Im Abschnitt 2 erfolgt vor allem eine Darstellung der Hauptkomponenten dessen, was später als Makro-Stresstest bezeichnet wird. Dies bereitet die Grundlage für den Abschnitt 3, in dem Erfahrungen aus der Durchführung von Makro-Stresstests vor dem Hintergrund der aktuellen Finanzkrise gewonnen werden. Dabei erfolgt zunächst eine Darstellung, wie sich Makro-Stresstests im Vorfeld der aktuellen Finanzkrise bewährten. Daraufhin erfolgt eine Analyse, wie Makro­Stresstests während der aktuellen Finanzkrise für verschiedene Finanzsysteme zum Einsatz kamen und welche Ergebnisse sie lieferten. Im Zuge dessen wird dargestellt, ob sich die gewonnenen Erkenntnisse bewahrheiteten oder ob potentielle Gefahren unterschätzt wurden. Auf den gewonnenen Erfahrungen aufbauend, erfolgt im Abschnitt 4 eine Darstellung von zu ziehenden Lehren aus der Durchführung von Makro­Stresstests vor dem Hintergrund der aktuellen Finanzkrise. Diese Lehren sollten es zukünftig ermöglichen, einige der diversen Defizite beim Makro-Stresstesting abzubauen.

2 Makro-Stresstests als Instrument zur makroprudentiellen Analyse

Für diese Arbeit wird eine sehr allgemeine Definition des Terms Stresstest gewählt. Dabei ist ein Stresstest die „Simulation der Auswirkungen extremer Ausnahmen von normalen (Markt-) Entwicklungen“^[1]. Stresstests wurden ursprünglich als Instrument des Risikomanagements für individuelle Finanzinstitute entwickelt, dienen allerdings auch z. B. Aufsichtsbehörden als Analyseinstrument.^[2] Dabei steht die Nutzung von Stresstests als Instrument zur makroprudentiellen Analyse für diese Arbeit im Vordergrund. „Im Gegensatz zur mikroprudenziellen Analyse, die vorwiegend auf die Stabilität einzelner Finanzinstitute abzielt, wird unter makroprudenzieller Analyse eine umfassende Einschätzung der Stabilität von Finanzsystemen verstanden.“^[3]

„In the context of macroprudential analysis, the term stress testing refers to a range of statistical techniques used to help assess the vulnerability of a financial system to exceptional but plausible events.“^[4] Diese Definition aufgreifend, wird im Folgenden von Makro-Stresstests gesprochen. Mikro-Stresstests, welche zur mikro- prudentiellen Analyse oder von Finanzinstituten selbst im Rahmen des internen Risikomanagements genutzt werden, kommt allerdings im Folgenden eine unter­geordnete Bedeutung zu.^[5]

Makro-Stresstests sind neben den Financial Soundness Indicators (FSI's) das quantitative Hauptinstrument zur makroprudentiellen Analyse.^[6] Durch Makro­Stresstests werden die Effekte außergewöhnlicher Ereignisse auf Bilanz- sowie Gewinn- und-Verlustrechnungs (GuV)-Positionen individueller Finanzinstitute oder des aggregierten Finanzsystems simuliert.^[7] Dabei sollte die Analyse sowohl Positionen der Aktiv- als auch der Passivseite der Bilanz umfassen.^[8] Sie sind ein Instrument, um zu simulieren, „was wäre, wenn“ sich adverse Bedingungen einstellen würden.^[9] Dadurch wird es ermöglicht, ex ante zu beurteilen, ob ein Finanzsystem bereits heute anfällig für bestimmte adverse Entwicklungen ist.^[10] Idealerweise können dadurch Schwachstellen im Finanzsystem aufgespürt, die Auswirkungen außergewöhnlicher aber plausibler Ereignisse auf das Finanzsystem quantifiziert und das Verständnis über die Transmission von Schocks durch das Finanzsystem verbessert werden.^[11]

Im engeren Sinne ist ein Stresstest auf die reine Durchführung der Simulation beschränkt, wohingegen dieser im weiteren Sinne einen Prozess darstellt, der mit einer Analyse potentieller Schwachstellen des Finanzsystems beginnt und mit der Analyse der Ergebnisse sowie deren Verwendung endet.^[12] Im Folgenden werden Makro-Stresstests im weiteren Sinne als ein Prozess verstanden, dessen Hauptkomponenten in Abbildung 1 und in den folgenden Abschnitten dargestellt werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Main components of stress-testing procedures. Quelle: Quagliariello, M. (2009a), S. 26.

2.1 Auswahl relevanter Finanzinstitute

Idealerweise sollten Makro-Stresstests nicht nur das Bankensystem, sondern auch andere Teile des Finanzsystems und möglicherweise die gesamte Wirtschaft einbeziehen.^[13] Da allerdings die Modellierungstechniken nicht weit genug entwickelt sind, kommen oftmals Vereinfachungen zum Einsatz.^[14] Die Verfügbarkeit von Informationen sowie deren Qualität ist dabei ein besonders großes Hemmnis für Makro- Stresstests.^[15]

Deshalb werden in Makro-Stresstests oftmals nur einzelne Gruppen von Finanz­instituten innerhalb des Finanzsystems, typischerweise Banken, einbezogen, sodass diese oft als System-focused-Stresstests bezeichnet werden, bei denen oft die komplexen Verbindungen innerhalb des Finanzsystems unberücksichtigt bleiben.^[16] Oftmals werden nur Banken berücksichtigt, da sie das Finanzsystem der meisten Länder dominieren.^[17] Wird z. B. nur eine Gruppe von großen und komplexen Banken analysiert, so können diese zwar aufgrund ihrer Größe sowie ihrer Geschäftstätigkeit höchst wahrscheinlich negative Auswirkungen auf die Finanzstabilität haben, allerdings müssen sie nicht zwangsläufig systemisch relevant sein.^[18] Eine systemisch relevante Stellung eines Finanzinstituts kann sich sowohl aus seiner Größe, aber auch aufgrund seiner Vernetzung im Finanzsystem ergeben.^[19] Ein Beispiel für ein systemisch relevantes Finanzinstitut ist die Investmentbank Lehman Brothers, deren Insolvenz im September 2008 negative Effekte für das globale Finanzsystem zur Folge hatte.^[20]

Für die Entwicklung der aktuellen Finanzkrise spielten ebenfalls Versicherungen, wie z. B. die American International Group, Inc. (AIG) oder die sogenannten Monoline-Versicherer, aber auch Hedgefonds eine bedeutende Rolle, und sind deshalb ein potentieller Gegenstand von Makro-Stresstests.^[21] Auch Finanz- konglomerate und Pensionsfonds werden gelegentlich in die Analyse einbezogen.^[22] Darüber hinaus sollte die Berücksichtigung nichtfinanzieller Wirtschaftssubjekte erfolgen, da es möglich ist, dass diese z. B. aufgrund von Kreditbeziehungen die Finanzstabilität negativ beeinflussen.^[23]

2.2 Identifikation relevanter Risiken

Bei der makroprudentiellen Analyse und somit auch beim Makro-Stresstesting sollten endogene Risiken des Finanzsystems in den Vordergrund gerückt werden, welche z. B. aus der dynamischen Interaktion innerhalb des Finanzsystems, der Prozyklizität des Finanzsektors, der Systemrelevanz einiger Finanzinstitute, Finanzinnovationen, aber auch aus Rückkopplungen zwischen Finanz- und Realwirtschaft resultieren.^[24] Dabei können exogene Schocks sowie deren Transmission und Verstärkung, ebenso wie Verhaltensmuster und Strukturen zu Funktionsstörungen im Finanzsystem führen.^[25]

Das Hauptziel von Makro-Stresstests als Instrument zur makroprudentiellen Analyse ist es, Informationen über Schwachstellen sowie die Gesamtheit der Risiko­faktoren im Finanzsystem zu gewinnen, die geeignet wären, systemische Probleme auszulösen.^[26] Dabei sollten vor allem latente Risikofaktoren identifiziert werden, die sich z. B. hinter einer Vielzahl von Finanzinstrumenten oder Bilanzpositionen verbergen können.^[27] Insbesondere sollten systemische Risiken für das Finanzsystem verstärkt analysiert werden, welche z. B. Ansteckungsrisiken oder Verstärkungs­mechanismen sind.^[28] Ein weiteres Beispiel für systemisches Risiko ist eine gleichartige Positionierung vieler Finanzinstitute, sodass diese eventuell gleichzeitig durch einen Schock betroffen sind und dadurch das Finanzsystem stärker belastet werden könnte.^[29]

Risikofaktoren sind diejenigen Variablen, die im Makro-Stresstest geändert werden können, welche z. B. makroökonomische Variablen, wie Wechselkurse oder Zinssätze sind, deren Veränderung eventuell einen negativen Effekt auf Finanzinstitute haben und im Extremfall die Finanzstabilität gefährden.^[30] Aber auch finanzielle Variablen bzw. Kennzahlen aus bankinternen Modellen, wie die Ausfall­wahrscheinlichkeit eines Kreditnehmers, sind Risikofaktoren.^[31] Zur Identifikation potentieller Risikofaktoren, „... sollten Stresstests für unterschiedliche Risikoarten, wie Marktrisiken, Kreditrisiken, Liquiditätsrisiken und operationelle Risiken, durchgeführt werden“^[32]. Die Risikoarten sollten allerdings nicht isoliert betrachtet werden, da auch deren indirekte Beziehungen von Relevanz für die Finanzstabilität sein können.^[33]

Zur Identifikation von Schwachstellen im Finanzsystem sollten sowohl qualitative als auch quantitative Methoden zum Einsatz kommen, welche z. B. die Analyse von Makro-Level Indikatoren umfasst, die Informationen zur makro­ökonomischen Umgebung vermitteln.^[34] Weiterhin kann durch die Analyse struktureller Indikatoren Aufschluss über die Struktur des Finanzsystems gewonnen werden, da diese Informationen über aggregierte Bilanz- und GuV-Positionen sowie über Trends bei der Finanzierung geben können.^[35] Die Analyse von FSI's lässt es zu, Informationen über den Zustand von Finanzinstituten, Finanzmärkten, aber auch von Unternehmen und privaten Haushalten zu gewinnen.^[36]

Im Folgenden werden einige Risikoarten dargestellt, die besonders für Banken, aber auch für andere Finanzinstitute mehr oder weniger relevant sein können, die allerdings nicht nur auf diese beschränkt sind.

Das Kreditrisiko ist für die meisten Finanzsysteme die bedeutendste Risikoart.^[37] Deshalb bietet sich das Kreditrisiko als Startpunkt zur makroprudentiellen Analyse und somit auch für Makro-Stresstests an.^[38] Beim Kreditrisiko werden Finanzinstitute dadurch belastet, „... dass ein Kreditnehmer seine finanziellen Verpflichtungen nicht oder nur unzureichend erfüllt ...“^[39]. Darüber hinaus belastet eine Verschlechterung der Kreditqualität der Schuldner ein Finanzinstitut, welche dazu führt, dass vorsorglich Rückstellungen gebildet werden müssen, die vom Eigenkapital abzuziehen sind.^[40] Zusätzlich führt eine Verschlechterung der Kreditwürdigkeit eines Kreditnehmers zu höheren regulatorischen Eigenkapitalanforderungen nach Basel II, wobei diese z. B. durch die Ausfallwahrscheinlichkeit eines Kreditnehmers (Probability of Default, PD), die Verlustquote beim Ausfall (Loss Given Default, LGD), aber auch die Höhe der Forderungen beim Ausfall (Exposure at Default, EAD) bestimmt werden.^[41] Auch für die aktuelle Finanzkrise war das Kreditrisiko bedeutend, da sich Probleme mit Hypotheken­krediten am US-Immobilienmarkt unter anderem über verschiedene Finanzprodukte, denen diese Hypothekenkredite zugrunde lagen, im globalen Finanzsystem ausbreiteten.^[42]

Bezüglich des Marktrisikos werden meist nur Positionen des Handelsbuchs, nicht aber die des Anlagebuchs in Makro-Stresstests berücksichtigt, da die Bewertung von nicht gehandelten oder illiquiden Positionen problematisch ist.^[43] „Das Marktrisiko ist definiert als das Risiko von Verlusten aus bilanzwirksamen und außerbilanziellen Positionen aufgrund von Veränderungen der Marktpreise.“^[44] Dabei stellt das Zinsrisiko für Geschäftsbanken nach dem Kreditrisiko die bedeutendste Risikoart dar.^[45] Das direkte Zinsrisiko ist „... the risk incurred by a financial institution when the interest rate sensitivities of its assets and liabilities are mismatched“^[46]. Das indirekte Zinsrisiko ist die Gefahr Verluste dadurch zu erleiden, dass Zinsänderungen zu einer Verschlechterung der Kreditwürdigkeit von Schuldnern führen.^[47] Aufgrund der engen Verbindung zwischen Kredit- und Zinsrisiko sollten zumindest diese beiden Risikoarten gemeinsam in Makro-Stresstests einbezogen werden.^[48] Weitere Marktrisiken sind z. B. das Immobilienpreis-, Warenpreis-, Wechselkurs- oder das Aktienkursrisiko.^[49]

Das Liquiditätsrisiko besteht zum einen aus dem Refinanzierungsrisiko, welches das Risiko ist, „... dass bei der Refinanzierung von langfristigen Verbindlichkeiten durch kurzfristige Forderungen die Anschlussfinanzierung nicht oder nur zu hohen Kosten abgeschlossen werden kann ...“^[50]. Zum anderen ist das Liquiditätsrisiko durch das Marktliquiditätsrisiko gekennzeichnet, welches das Risiko ist, „.. dass Transaktionen am Finanzmarkt aufgrund mangelnder Marktliquidität nicht oder nur zu schlechter als erwarteten Konditionen abgeschlossen werden können ...“^[51]. Während der aktuellen Finanzkrise wurde ein enger Zusammenhang zwischen Markt- und Refinanzierungsrisiko deutlich, was sich insbesondere bei außerbilanziellen Zweck­gesellschaften zeigte.^[52] Als sich diese nur noch eingeschränkt refinanzieren konnten, waren sie gezwungen Liquiditätslinien der Sponsor-Banken in Anspruch zu nehmen oder es realisierte sich das Warehousing-Risiko bei diesen Banken, wenn sie gezwungen waren Positionen der außerbilanziellen Zweckgesellschaften in ihre eigenen Bilanzen aufzunehmen, diese dort zu halten und mit Eigenkapital zu unterlegen, obwohl dies nicht geplant war.^[53]

Operationelles Risiko ist die Gefahr des Erleidens „... von unmittelbaren oder mittelbaren Verlusten, die infolge der Unangemessenheit oder des Versagens von internen Verfahren, Menschen und Systemen oder von externen Ereignissen ,..“^[54] entstehen. Diese resultieren z. B. aus der zunehmenden Automatisierung; dem Wachstum des elektronischen Handels; großen Übernahmen, Fusionen, Ausgliederungen und Konsolidierungen; Techniken zur Risikominderung; der zunehmenden Auslagerung sowie der Teilnahme an Clearing- und Abwicklungs­systemen.^[55]

2.3 Gestaltung von Stress-Szenarien

Um relevante Informationen durch Makro-Stresstests zu gewinnen, ist es notwendig Stress-Szenarien auf den Untersuchungsgegenstand sowie das jeweilige Finanzsystem auszugestalten.^[56] Die Szenarien sollten dabei schwer genug sein, um signifikante Turbulenzen im Finanzsystem zu erzeugen und große Teile der Portfolien von Finanz­instituten zu belasten.^[57] Stress-Szenarien beschreiben die Entwicklung von Risiko­faktoren über den gesamten Simulationszeitraum hinweg.^[58] Je nach Untersuchungs­gegenstand können verschiedene Zeithorizonte gewählt werden, wobei für Marktrisiken oftmals nur kurze, für Kreditrisiken allerdings längere Zeiträume von zwei bis drei Jahren erforderlich sind, um den Einfluss von Stress-Szenarien auf Finanzinstitute oder das Finanzsystem angemessen erfassen zu können.^[59]

Unterschieden werden dabei Sensitivitätsanalysen (univariate Stresstests), bei denen ceteris paribus jeweils ein einzelner Risikofaktor geschockt und dessen Effekt auf Finanzinstitute oder das Finanzsystem isoliert bestimmt wird, von Szenarioanalysen (multivariate Stresstests), bei denen mehrere Risikofaktoren gleichzeitig geschockt und deren gemeinsame Effekte bestimmt werden.^[60] Sensitivitätsanalysen sind somit eindimensionale Szenarien, sodass im Folgenden vorwiegend von Stress-Szenarien gesprochen wird, ohne zwischen beiden Varianten zu unterscheiden.^[61]

Stress-Szenarien können z. B. historische Szenarien sein, in denen in der Vergangenheit aufgetretene Kombinationen von Risikofaktoren auf das aktuelle Finanz­system angewandt werden, was bedeutet, dass ein gewisses Maß an Plausibilität vorhanden ist, wohingegen diese nach großen strukturellen Veränderungen im Finanz­system eventuell keine relevanten Ergebnisse für das aktuelle Finanzsystem liefern.^[62]

Hypothetische Szenarien zeichnen sich durch eine Kombination gestresster Risikofaktoren aus, die in dieser Form in der Vergangenheit noch nicht beobachtet wurden, wobei es auch möglich ist, eine Kombination historischer und hypothetischer Szenarien zu bilden, indem einige in der Vergangenheit beobachtete Risikofaktoren variiert werden.^[63] Hypothetische Szenarien sind dann plausibler, wenn das Finanz­system in der Vergangenheit signifikanten Veränderungen unterworfen wurde.^[64]

Statistische Ansätze zur Auswahl von hypothetischen Szenarien basieren z. B. auf der gemeinsamen Wahrscheinlichkeitsverteilung von Risikofaktoren, die auf historischen Daten beruht.^[65] Ein Beispiel hierfür ist der Worst-case-Ansatz, bei dem diejenige Kombination von Risikofaktoren bezüglich eines bestimmten Plausibilitäts­niveaus gewählt wird, die das Finanzsystem größtmöglich belastet.^[66] Eine weitere Alternative stellt der Threshold-Ansatz dar, bei dem eine bestimmte Kombination von Risikofaktoren gewählt wird, welche das Finanzsystem bis zu einem bestimmten Grenzwert belastet.^[67]

Bei makroökonomischen Szenarien kann z. B. ein makroökonometrisches Modell genutzt werden, um die Effekte gestresster makroökonomischer Variablen zu simulieren, sodass sich unter Umständen eine Vielzahl gestresster makroökonomischer sowie finanzieller Risikofaktoren als Outputs ableiten lassen.^[68]

Andererseits ist es möglich, eine Vielzahl von Szenarien z. B. durch Monte- Carlo-Simulationen zu erzeugen, indem beispielsweise einige Risikofaktoren auf einem bestimmten Stressniveau fixiert und daraufhin andere Risikofaktoren aus der gemeinsamen Verteilung der Risikofaktoren gezogen werden.^[69] Durch jede Simulation kann eine gestresste Umwelt mit relevanten Risikofaktoren erzeugt werden.^[70]

Als Alternative zur statistischen Gestaltung bzw. Auswahl von Stress-Szenarien können diese ebenfalls auf qualitative Weise, wie z. B. beim Reverse-Stresstesting gebildet werden, bei dem ein bestimmtes Ergebnis, wie die Insolvenz eines Finanz­instituts oder die Unterschreitung regulatorischer Eigenkapitalanforderungen des aggregierten Finanzsystems vorgegeben wird.^[71] Im Gegensatz zum Threshold-Ansatz, bei dem ebenfalls auf ein bestimmtes Ergebnis abgezielt wird, erfolgt die Szenario­bildung unter Berücksichtigung sowie Analyse latenter Transmissionsmechanismen und umfasst bereits bekannte, aber auch latente Risikofaktoren.^[72] Somit wäre es möglich bisher unbekannte Schwachstellen aufzuspüren, die allein durch statistische Methoden zur Bildung von Szenarien eventuell nicht aufgedeckt würden.^[73]

In der Literatur gibt es mehrere Anhaltspunkte zur Ausgestaltung von Stress­Szenarien, wie z. B. „exceptional but plausible“^[74], „extreme but plausible“^[75], oder „plausible but improbable“^[76]. Dies kann z. B. auf die Stärke eines Schocks, auf die Kombination gestresster Risikofaktoren oder den Zeithorizont über den die Schocks wirken, abzielen. Diese müssen nicht zwangsläufig die wahrscheinlichsten Szenarien sein, die eine potentielle Gefahr für die Finanzstabilität darstellen.^[77] Zusätzlich zum Stress-Szenario sollte auch ein Basis-Szenario entwickelt werden, dem z. B. die Annahme der ökonomischen Entwicklung ohne Stressereignisse zugrunde liegt, um die Effekte eines Stress-Szenarios besser einschätzen zu können.^[78]

2.4 Simulation der Effekte von Stress-Szenarien

Einerseits ist es möglich, dass Makro-Stresstests top-down beispielsweise durch eine Aufsichtsbehörde selbst durchgeführt werden, indem sie die Effekte von Stress­Szenarien auf individuelle oder aggregierte Bilanz- und GuV-Positionen des Finanz­systems simuliert.^[79] Sofern Makro-Stresstests top-down durchgeführt werden, sollten diese nicht ausschließlich auf aggregierten Daten beruhen, da z. B. die Gefahr besteht, dass sich ein Ausfall großer Finanzinstitute nicht aussagekräftig in aggregierten Maßen niederschlägt, sodass der Anschein eines stabilen Finanzsystems erzeugt werden könnte, sofern das aggregierte Finanzsystem unter Stress dennoch angemessen kapitalisiert wäre.^[80]

Andererseits ist es möglich, dass die Simulation von Makro-Stresstests bottom-up durch Finanzinstitute selbst erfolgt, indem sie Stress-Szenarien auf Grund­lage eigener Modelle, auf ihre eigenen Bilanz- und GuV-Positionen anwenden.^[81] Dabei scheint die Teilnahme von Finanzinstituten an Bottom-up-Stresstests vorwiegend auf Freiwilligkeit zu beruhen.^[82] Anschließend erfolgt die Übermittlung der individuellen Ergebnisse an die auftraggebende Aufsichtsbehörde, welche diese analysiert und eventuell aggregiert.^[83] Dabei kann es allerdings zu Problemen bei der Vergleichbarkeit der Ergebnisse kommen, wenn Finanzinstitute z. B. unterschiedliche Modelle und Annahmen nutzen.^[84]

Die Bestimmung der Effekte eines Stress-Szenarios sollte parallel bottom-up und top-down erfolgen, um eine Gegenkontrolle zu ermöglichen.^[85] Insbesondere sollten die Ursachen der Unterschiede analysiert und diskutiert werden.^[86] Makro-Stresstests liefern allerdings keine exakten Ergebnisse, sondern sind eher grobe Schätzungen der Effekte von Schocks auf das Finanzsystem oder Finanzinstitute.^[87] Sie sind somit immer nur erste Annäherungen an die tatsächlichen potentiellen Kosten eines adversen Ereig­nisses.^[88] Abbildung 2 zeigt einen möglichen Ablauf eines Top-down-Makro-Stresstests.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Stress Testing Framework. Quelle: Cihak, M. (2007), S. 8.

Um Stress-Szenarien auf das Finanzsystem oder Finanzinstitute anzuwenden, kann der Balance-sheet- oder der Value-at-Risk-Ansatz zum Einsatz kommen, deren Darstellung in den nächsten Abschnitten erfolgt.^[89]

2.4.1 Simulation nach dem Balance-sheet-Ansatz

Beim Balance-sheet-Ansatz werden Veränderungen im Portfolio individueller Finanz­institute oder des aggregierten Finanzsystems als Reaktion auf ein Stress-Szenario simuliert, wobei der Effekt in einer Veränderung einzelner Bilanz- oder GuV-Positionen z. B. notleidende Kredite erfasst wird.^[90] Hierzu dienen zum einen Reduced-form- Beziehungen, die auf Zeitreihenanalysen oder Paneldaten beruhen, und zum anderen strukturelle Modelle.^[91]

Wird ein strukturelles Modell gewählt, so kann dieses mit einem Satellit-Modell verbunden werden, welches aus Reduced-form-Beziehungen besteht, um dadurch das Finanzsystem und dessen Interaktion mit der makroökonomischen Umwelt besser abzubilden. Sofern ein strukturelles Modell nicht geeignet ist den Einfluss eines makroökonomischen Szenarios auf einzelne Positionen direkt zu bestimmen, so kann es zumindest zur Simulation eines Szenarios dienen, um gestresste makroökonomische und eventuell finanzielle Variablen zu erzeugen.^[92] Diese Outputs sind unter Umständen nicht detailliert genug und müssen z. B. durch die Nutzung von Reduced-form- Beziehungen in relevante Risikofaktoren überführt werden, um die Veränderungen einzelner Positionen zu bestimmen.^[93]

2.4.2 Simulation nach dem Value-at-Risk-Ansatz

Beim Value-at-Risk-Ansatz werden ebenfalls die Effekte einer gestressten Umwelt in Form von gestressten Preisen etc. auf das Portfolio individueller Finanzinstitute oder auf das aggregierte Portfolio des Finanzsystems simuliert.^[94] Dabei wird allerdings eine Vielzahl von Simulationen durchgeführt, z. B. 100.000 Mal, um eine Verlustverteilungsfunktion zu erzeugen.^[95]

Dadurch kann beispielsweise der erwartete Verlust, der durch den Erwartungs­wert bestimmt ist, und der unerwartete Verlust ermittelt werden, welcher der Differenz zwischen Value-at-Risk (VaR) und erwartetem Verlust entspricht.^[96] Im Vergleich zu einem Basis-Szenario wird sich die Verlustverteilungsfunktion wahrscheinlich unter Stress verändern und nach rechts verschieben, was einen höheren VaR zur Folge hat und in Abbildung 3 dargestellt ist.^[97]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Shift in the probability distribution of losses conditional on an adverse marcoeconomic scenario. Quelle: Sorge (2004), S. 12.

Dieser Ansatz hat den Vorteil, dass mehrere Risikoarten zusammen in die Analyse einbezogen und der gemeinsame Effekt eines Stress-Szenarios in einem Maß erfasst werden kann, anstatt die Auswirkungen auf einzelne Positionen getrennt zu bestimmen, wie es beim Balance-sheet-Ansatz der Fall ist.^[98] Ebenfalls ist es dabei leichter möglich, nichtlineare Beziehungen zu berücksichtigen, wohingegen beim Balance-sheet-Ansatz lineare Beziehungen vorherrschen.^[99] Ein Nachteil dieses Ansatzes ist z. B., dass der VaR aufgrund der Verletzung des Axioms der Subadditivität kein kohärentes Risikomaß ist, sodass individuelle Verluste von Finanzinstituten nicht angemessen aggregiert werden können.^[100] Deshalb wird dieser Ansatz meist auf stilisierte aggregierte Portfolien angewandt, was allerdings die Analyse von Ansteckungseffekten verhindert.^[101]

2.4.3 Berücksichtigung von Feedbackeffekten

Um die Effekte von Stress-Szenarien auf das Finanzsystem angemessen zu erfassen, ist es notwendig Feedbackeffekte sowohl innerhalb des Finanzsystems als auch zwischen Finanzsystem und Realwirtschaft zu berücksichtigen.^[102] Dabei kann der Begriff Feedbackeffekt im Kontext des Makro-Stresstesting verschiedene Phänomene, wie Zweitrundeneffekte, aber auch die Folgen endogener Verhaltensänderungen sowie der Prozyklizität des Finanzsystems beschreiben.^[103]

Ein Beispiel für Zweitrundeneffekte im Finanzsystem sind Ansteckungseffekte zwischen Finanzinstituten.^[104] Diese können z. B. durch vertragliche Beziehungen zu insolventen Finanzinstituten, durch sinkende Vermögenspreise als Folge von Notverkäufen oder durch informationsgetriebene Abzüge von Einlagen auftreten.^[105] Die Analyse von Ansteckungseffekten kann durch quantitative Methoden, z. B. auf Grundlage eines Netzwerkmodells, oder durch statistische Methoden, welche auf Marktdaten beruhen, erfolgen.^[106] Unterschieden wird dabei zwischen der reinen Ansteckung, bei der die Simulation in Form eines direkten Ausfalls eines Finanz­instituts erfolgt, und der Makro-Ansteckung, bei der ein Ausfall eines Finanzinstituts das Resultat eines Stress-Szenarios ist, sodass dadurch bereits geschwächte Finanz- institute durch Ansteckungseffekte z. B. über den Interbankenmarkt belastet werden.^[107] Ebenfalls sollte die Berücksichtigung von Zweitrundeneffekten zwischen Finanzsystem und Realwirtschaft in Makro-Stresstests angemessen erfolgen.^[108]

Verhaltensänderungen können ebenfalls Feedbackeffekte zur Folge haben, wenn Wirtschaftssubjekte als Reaktion auf ein Stressereignis Maßnahmen ergreifen, um die individuellen negativen Effekte abzumildern, wobei allerdings a priori unklar ist, ob dies die adversen Effekte verstärkt oder abmildert.^[109] Verhaltensänderungen können z. B. Feedbackeffekte auf Marktpreise zur Folge haben, wenn die optimalen Reaktionen zusätzliches Angebot oder zusätzliche Nachfrage für bestimmte Vermögenswerte auslösen.^[110] Üblicherweise werden Verhaltensänderungen nicht berücksichtigt, wobei die Ceteris-paribus-Annahme bei Makro-Stresstests zwar für die Analyse kurzfristiger Effekte akzeptabel sein mag, wohingegen es unrealistisch ist anzunehmen, dass sich das Verhalten von Wirtschaftssubjekten über einen längeren Zeithorizont hinweg nicht ändert.^[111] Die Berücksichtigung endogener Verhaltensänderungen erfolgt im Moment, wenn überhaupt, vorwiegend durch Daumenregeln, die allerdings weit von einer vollständigen Portfoliooptimierung entfernt sind.^[112]

[...]

---

^[1] Deutsche Bundesbank (2009), S. 123.

^[2] Vgl. Internationaler Währungsfonds und Weltbank (2005), S. 380.

^[3] Deutsche Bundesbank (2006), S. 114.

^[4] Cihak, M. (2004), S. 4.

^[5] Vgl. Jakubik, P. und C. Schmieder (2008), S. 43.

^[6] Vgl. Internationaler Währungsfonds und Weltbank (2005), S. 38.

^[7] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 14 f.

^[8] Vgl. Drehmann, M. (2008), S. 68.

^[9] Vgl. Boards of Governors of the Federal Reserve System (2009b), S. 2.

^[10] Vgl. Borio, C. und M. Drehmann (2009), S. 8.

^[11] Vgl. Jenkinson, N. (2007), S. 71.

^[12] Vgl. Basler Ausschuss für Bankenaufsicht (2009a), S. 8.

^[13] Vgl. Baudino, P. (2009), S. 118.

^[14] Vgl. ebd.

^[15] Vgl. Cihák, M. (2004), S. 7.

^[16] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 4.

^[17] Vgl. Cihak, M. (2007), S. 19.

^[18] Vgl. Castren, O., J. Fell und N. Valckx (2009), S. 282.

^[19] Vgl. Deutsche Bundesbank (2009), S. 76.

^[20] Vgl. Brunnermeier, M. K. (2009), S. 89.

^[21] Vgl. Brunnermeier, M. K. (2009), S. 83 ff.

^[22] Vgl. Moretti, M., S. Stolz und M. Swinburne (2008), S. 8.

^[23] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 18.

^[24] Vgl. Deutsche Bundesbank (2009), S. 74 f.

^[25] Vgl. Deutsche Bundesbank (2009), S. 75.

^[26] Vgl. Sorge, M. und K. Virolainen (2006), S. 114.

^[27] Vgl. Cihak, M. (2004), S. 5.

^[28] Vgl. Deutsche Bundesbank (2009), S. 75.

^[29] Vgl. Cihak, M. (2004), S. 6.

^[30] Vgl. Bühn, A. und K. Klauck (2006), S. 13.

^[31] Vgl. ebd.

^[32] Ebd.

^[33] Vgl. Basler Ausschuss für Bankenaufsicht (2009a), S. 15.

^[34] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 7.

^[35] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 8.

^[36] Vgl. Cihak, M. (2004), S. 2.

^[37] Vgl. Cihak, M. (2007), S. 56.

^[38] Vgl. Europäische Zentralbank (2007a), S. 152 f.

^[39] Deutsche Bundesbank (2007d), S. 104.

^[40] Vgl. Worrell, D. (2008), S. 5.

^[41] Vgl. Deutsche Bundesbank (2007), S. 105.

^[42] Vgl. Deutsche Bundesbank (2007), S. 8.

^[43] Vgl. Deutsche Bundesbank (2004), S. 82.

^[44] Basler Ausschuss für Bankenaufsicht (2005), S. 1.

^[45] Vgl. Sorensen, S. und M. Stringa (2009), S. 165.

^[46] Cihak, M. (2007), S. 31.

^[47] Vgl. ebd.

^[48] Vgl. Drehmann, M., S. Sorensen und M. Stringa (2008), S. 3.

^[49] Vgl. Cihak, M. (2005), S. 435.

^[50] Deutsche Bundesbank (2009), S. 119.

^[51] Ebd.

^[52] Vgl. Deutsche Bundesbank (2007), S. 23.

^[53] Vgl. Europäische Zentralbank (2007b), S. 103 f.

^[54] Basler Ausschuss für Bankenaufsicht (2003), S. 2.

^[55] Vgl. Basler Ausschuss für Bankenaufsicht (2003), S. 1.

^[56] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 6.

^[57] Vgl. Quagliariello, M. (2009a), S. 29.

^[58] Vgl. Drehmann, M. (2008), S. 73.

^[59] Vgl. Drehmann, M. (2008), S. 70.

^[60] Vgl. Deutsche Bundesbank (2004), S. 81.

^[61] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 6.

^[62] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 14.

^[63] Vgl. Cihak, M. (2005), S. 427.

^[64] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 19.

^[65] Vgl. Deutsche Bundesbank (2003), S. 57.

^[66] Vgl. Cihak, M. (2004), S. 9.

^[67] Vgl. ebd.

^[68] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 13 f.

^[69] Vgl. Boss, M., u.a. (2009), S. 219.

^[70] Vgl. Barnhill, T. M., Jr. Panagoitis und L. Schumacher (2000), S. 5.

^[71] Vgl. Basler Ausschuss für Bankenaufsicht (2009a), S. 18.

^[72] Vgl. ebd.

^[73] Vgl. Counterparty Risk Management Policy Group (2008), S. 84.

^[74] Jones, M. T., P. Hilbers und G. Slack (2004), S. 19.

^[75] Moretti, M., S. Stolz und M. Swinburne (2008), S. 7.

^[76] Worrell, D. (2008), S. 3.

^[77] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 24.

^[78] Vgl. Bühn, A. und J. Richter (2006), S. 61.

^[79] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 14 f.

^[80] Vgl. Drehmann, M. (2008), S. 69.

^[81] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 14.

^[82] Vgl. Deutsche Bundesbank (2007), S. 101.

^[83] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 15.

^[84] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 24.

^[85] Vgl. Cihak, M. (2007), S. 13.

^[86] Vgl. Moretti, M., S. Stolz und M. Swinburne (2008), S. 9.

^[87] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 4.

^[88] Vgl. Cihak, M. (2005), S. 428.

^[89] Vgl. Sorge, M. und K. Virolainen (2006), S. 115.

^[90] Vgl. Sorge, M. und K. Virolainen (2006), S. 117.

^[91] Vgl. Sorge, M. und K. Virolainen (2006), S. 119.

^[92] Vgl. Quagliariello, M. (2009a), S. 31 f.

^[93] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 14.

^[94] Vgl. Jones, M. T., P. Hilbers und G. Slack (2004), S. 20.

^[95] Vgl. Sorge, M. und K. Virolainen (2006), S. 123.

^[96] Vgl. Gordy, M., B. (1998), S. 5.

^[97] Vgl. Hahnenstein, L., M. Wagatha und T. Rempel-Oberem (2006), S. 157.

^[98] Vgl. Sorge, M. (2004), S. 12.

^[99] Vgl. Sorge, M. (2004), S. 5.

^[100] Vgl. Sorge, M. und K. Virolainen (2006), S. 124.

^[101] Vgl. Sorge, M. und K. Virolainen (2006), S. 125.

^[102] Vgl. ebd.

^[103] Vgl. Sorge, M. (2004), S. 7.

^[104] Vgl. Quagliariello, M. (2009a), S. 33.

^[105] Vgl. Sorge, M. (2004), S. 17.

^[106] Vgl. Deutsche Bundesbank (2009), S. 58.

^[107] Vgl. Deutsche Bundesbank (2009), S. 58 f.

^[108] Vgl. Cihak, M. (2007), S. 41 f.

^[109] Vgl. Internationaler Währungsfonds und Weltbank (2009), S. 33.

^[110] Vgl. Sorge, M. (2004), S. 7.

^[111] Vgl. Sorge, M. (2004), S. 19.

^[112] Vgl. Quagliariello, M. (2009a), S. 33.