Lade Inhalt...

Die Messung von Systemrisiken im Finanzsystem. Theorie und Empirie

Hausarbeit 2016 35 Seiten

BWL - Bank, Börse, Versicherung

Leseprobe

Inhaltsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung

2 Regulierung systemischer Risiken
2.1 Makroprudenzielle Aufsicht
2.2 Systemische Risikotreiber

3 Konzeption und kritische Beurteilung von Systemrisikomaßen
3.1 Grundlegende Risikomaße
3.2 Maße zur Messung von Systemrisiken
3.2.1 CoVaR und ΔCoVaR
3.2.2 MES und SES
3.2.3 SRISK
3.2.4 Shapley Value.
3.2.5 Marktbasierte vs. indikatorbasierte Messung.

4 Alternative Beurteilung von Systemrelevanz
4.1 too-interconnected-to-fail
4.2 too-many-to-fail

5 Fazit

Anhang

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: ΔCoVaR und VaR sind nicht äquivalent

Abbildung 2: Übereinstimmende Paare zw. MES und Beta

Abbildung 3: Funktionaler Zusammenhang zw. MES und Beta

Abbildung 4: Übereinstimmende Paare zw. SRISK / Liabilities / Leverage

Abbildung 5: Übereinstimmende Paare zw. SRISK / ΔCoVaR / MES

Abbildung 6: Vollständig integrierte Marktstruktur des Bankensektors

Tabellenverzeichnis

Tabelle 1: .Unternehmensnamen / -kürzel nach Branchengruppen

Tabelle 2: Systemrisiko-Rankings und Firmencharakteristika XI

Tabelle 3: Unterschiedliche Systemrisikomaße, unterschiedliche SIFI's. XII

Tabelle 4: Systemrisiko-Ranking des V-Lab (NYU Stern)... XII

1 Einleitung

Spätestens seit der globalen Banken- und Finanzkrise ab dem Jahr 2007, hat sich der Bedarf nach einer effizienten makroprudenziellen Aufsicht deutlich verstärkt. Die Identifikation und Messung systemischer Risiken, als Grund­ lage ebendieser, soll die Stabilität des Finanzsystems unterstützen und das Übergreifen eines finanziellen Zusammenbruchs von einzelnen, systemrele­ vanten Finanzintermediären und -instituten auf den gesamten Finanzsektor restringieren.1 Bislang herrscht jedoch kein Konsens über die Eignung der einzelnen Systemrisikomaße, im Kontext einer erfolgreichen Überwachung potenzieller Schwachstellen des Finanzsystems und der Auslegung ihrer Indi­ katoren. Die Festlegung auf ein bestimmtes Systemrisikomaß ist somit bisher nicht möglich. Die erfolgreiche Überwachung und Identifikation von Systemri­ siken kann dazu verhelfen, das Übergreifen einer Finanzmarktkrise auf die Realwirtschaft von vornherein zu verhindern. Die mit einer Finanzkrise ein­ hergehende Verschuldung des Staates zum Zwecke der Rettung von Banken und zu Markteingriffen, führte im Jahr 2009 dazu, dass das BIP entwickelter Volkswirtschaften um -3,2% sank und große Output-Verluste auftraten.2

Die Forschungsfrage, die im Rahmen dieser wissenschaftlichen Arbeit beant­ wortet werden soll, ist inwiefern sich die bekanntesten Systemrisikomaße dazu eignen potenzielle Risiken des Finanzsektors zu erkennen und zielge­ richtet zu messen. Dafür werden zunächst die Faktoren der Systemrelevanz näher betrachtet, um einen Ausblick auf den Erfassungsbereich einer makro­ prudenziellen Überwachung zu geben. Im Anschluss daran, werden die Risi­ komaße und den auf diesen aufbauenden, spezifischen Systemrisikomaße konzeptionell dargestellt und kritisch beurteilt. Dabei werden die Vor- und Nachteile aufgezeigt, die mit den einzelnen Maßen verbunden sind, sowie deren unterschiedlichen Herangehensweisen bei der Berechnung der Sys­ temrisiken. Anschließend werden alternative Beurteilungsmöglichkeiten von Systemrelevanz dargestellt, die bei der Regulierung des Finanzmarktes be­ rücksichtigt werden sollten.

2 Regulierung systemischer Risiken

2.1 Makroprudenzielle Aufsicht

Die Makrorprudenzielle Aufsicht hat zum Ziel, die Robustheit des Finanzsys­ tems zu unterstützen. Dafür sind makroprudenzielle Maßnahmen erforderlich, welche die Systemrisiken, also diejenigen Risiken, die durch Kettenreaktio­ nen zum Kollaps des gesamten Systems beitragen können, durch gezielte Messung und Analyse zu überwachen.3 Die Voraussetzung für eine effiziente makroprudenzielle Überwachung, ist die ganzheitliche Analyse systemrele­ vanter Marktteilnehmer auf Basis umfassender Datenreihen, welche als Indi­ katoren für den Zustand des Finanzsystems dienen.4 Damit die Systemrisi­ ken und deren Indikatoren rechtzeitig erkannt werden, müssen internationale Regulierungs- und Aufsichtsstandards implementiert werden, die eine einheit­ liche und konsistente Auswertung dieser Daten ermöglichen. Auf europäi­ scher Ebene wurde bereits ein grenzübergreifendes Finanzaufsichtssystem (ESFS) entwickelt, dessen integrale Bestandteile der Europäische Ausschuss für Systemrisiken (ESRB), das Financial Stability Committee (FSC) und der Ausschuss für Finanzstabilität (AFS) sind.5

Systemrisiken verstärken sich einerseits durch eine fehlerhafte oder unver­ hältnismäßige Auswertung von Informationen, die zu einem Überreagieren der Marktteilnehmer führen kann, andererseits durch sehr komplexe Bilanz­ verflechtungen.6 Diese führen zu einer erhöhten Ansteckungsgefahr, wodurch die Risiken durch Dominoeffekte von einem Finanzinstitut auf das nächste übertragen werden können und somit, je nach Art der Verflechtung, auf das gesamte Finanzsystem übergreifen können.7 Die erfolgreiche Früherkennung systemischer Risiken ist eine einheitliche und zielgerichtete Daten- und Infor­ mationsverarbeitung durch die Regulierungs- und Aufsichtsstruktur um Fehl­ anreize zu verhindern. Die Reduktion systemischer Risiken erfolgt durch die Schaffung eines ausreichenden Kapitalpuffers, durch den sich eine Kapital­ unterdeckung des Systems in Stressszenarien vermeiden lässt.8 Die Stabili­ tät des Finanzsystems impliziert also, dass sämtliche gesamtwirtschaftliche Funktionen auch in Stressszenarien aufrecht erhalten werden können und ist somit das wichtigste Ziel der makroprudenziellen Überwachung.9

2.2 Systemische Risikotreiber

Für die effiziente Überwachung systemischer Risiken, ist es zwingend erfor­ derlich die Faktoren zu betrachten, welche zur Systemrelevanz beitragen. Die Systemrelevanz eines einzelnen Instituts ist dessen Beitrag zum Gesam­ trisiko des Systems.10 Ist das Institut wirtschaftlich so bedeutend, dass seine Insolvenz immense Auswirkungen auf das Gesamtsystem hat, so wird es auch als too-big-to-fail bezeichnet. Dies impliziert, dass „Größe“ eines der wichtigsten Variablen bei der Beurteilung von Systemrelevanz ist.11 Es ist je­ doch auch wichtig andere Faktoren zu betrachten, die zur Einstufung als sys­ temrelevantes Institut führen, sog. systemische Risikotreiber. Mittlerweile gibt es diverse Risikotreiber, welche als Ursachen für systemische Risiken ste­ hen. Zum Einen gibt es empirische Evidenzen dafür, dass starkes Kredit­ wachstum und exzessives Leveraging ein Indikator bzw. Auslöser für Finanz­ krisen darstellen.12 Dies lässt sich damit begründen, dass eine erhöhte Kre­ ditvergabe in Zeiten der Hochkonjunktur stattfindet, wobei insbesondere große Banken in diesen Boom-Phasen auch riskantere Geschäfte tätigen und exzessives Leveraging betreiben. Der hohe Verschuldungsgrad führt dazu, dass die Banken in Krisenzeiten die Verluste nicht selbst durch genü­ gend Eigenkapital stemmen können, wodurch Verwerfungen der Risiken und Verluste im Finanzsystem auftreten.13 Dieses sog. prozyklische Kreditverga­ beverhalten der Banken ist aus regulatorischer Sicht höchst unvorteilhaft, weswegen ein antizyklisches Kreditvergabeverhalten der Banken angestrebt wird.14 Ein weiterer wichtiger Risikotreiber sind Liquiditätsengpässe der Ban ken, da Banken durch kurzfristige Kredite am Interbankenmarkt auch länger­ fristige Geschäfte finanzieren (Fristentransformation).15 Bei einem Vertrau­ ensverlust im Finanzsystem kann es dazu kommen, dass Banken keine Refi­ nanzierungsmöglichkeit am Interbankenmarkt haben und gezwungenerma­ ßen zum Verkauf von Aktiva (hauptsächlich Wertpapiere) gedrängt oder gar in die Insolvenz getrieben werden.16

Banken die als too-big-to-fail eingestuft wurden, tragen darüber hinaus, durch Moral Hazard zum Systemrisiko bei. Banken die so groß sind, dass sie in ei­ nem Stressszenario durch staatliche Mittel gerettet werden müssen um die Stabilität des Finanzsystems aufrecht zu erhalten, weisen eine höhere Risi­ kobereitschaft auf.17 Durch riskantere Geschäfte können höhere Gewinne ge­ neriert werden und die damit verbundenen Risiken auf andere Marktteilneh­ mer oder den Staat abgewälzt werden. Insbesondere Großbanken beherber­ gen damit einen großen Anteil am systemischen Risiko.18

Ein weiterer wichtiger Risikotreiber ist der Verflechtungsgrad. Banken sind durch Transaktionen am Interbankenmarkt und durch Investitionen in Wertpa­ piere anderer Banken stark miteinander verflochten. Durch diese Verflechtun­ gen können Ansteckungseffekte in Krisen rascher und stärker auftreten.19 Ne­ ben den direkten Geschäftsbeziehungen am Interbankenmarkt können auch Vermögenspreisschwankungen am Kapitalmarkt indirekt für Ansteckungsef­ fekte verantwortlich sein.20 Sobald einer Bank die Insolvenz droht und sie ge­ zwungen ist Aktiva zu verkaufen, sinken die Vermögenspreise. Andere Ban­ ken sehen sich aufgrund des Preisverfalls dazu gezwungen ebenfalls ihre Ak­ tiva (Wertpapiere) zu verkaufen um die Verluste zu minimieren, wodurch eine Abwärtsspirale der Vermögenspreise entsteht.21 Durch diesen Mechanismus lässt sich schlussfolgern, dass die Marktkapitalisierung ebenfalls einen wich­ tigen systemischen Risikotreiber darstellt.

3 Konzeption und kritische Beurteilung von Systemrisikomaßen

In diesem Kapitel sollen die einzelnen Systemrisikomaße vorgestellt werden, die im Rahmen einer makroprudenziellen Regulierung in Betracht gezogen werden können. Dafür werden kurz die grundlegenden Risikomaße veran­ schaulicht auf denen die Systemrisikomaße basieren. Anschließend wird die Konzeption der nach aktuellem Forschungsstand gängigen, hauptsächlich marktbasierten (bzw. assetpreis-basierten) Systemrisikomaße vergleichend dargelegt und kritisch beurteilt.

3.1 Grundlegende Risikomaße

Um die Konzeption der Systemrisikomaße darstellen zu können, müssen vor­ erst die grundlegenden Risikomaße definiert werden auf denen sie beruhen. Die beiden wichtigsten Maße in der Finanzwirtschaft um Risiken zu quantifi­ zieren sind der VaR (Value at Risk) und der ES (Expected Shortfall).22

(1) Der VaR ist der maximale potenzielle Wertverlust eines Portfolios mit ei­ ner gegebenen Wahrscheinlichkeit in einem bestimmten Zeithorizont (Halte­ dauer), er gibt also an mit welchem Verlust ein Institut in einem bestimmten Zeitraum mit einer festgelegten Wahrscheinlichkeit rechnen kann.23 Genauer ist der α %- VaR der maximale Verlust im α % -Konfidenzintervall. Wenn bei­ spielsweise gilt α = 5 %, dann ist der VaR der maximale Verlust, der mit einer Wahrscheinlichkeit von 95 % nicht überschritten wird. Der VaR ist dabei nur das Risiko innerhalb eines einzelnen Instituts und entspricht nicht dem syste ­ mischen Risiko.24

Der Var i entspricht nach Adrian und Brunnermeier (2011) dem q-Quantil:25

Abbildung in dieser Leseprobe nicht enthalten

X i ist dabei die Variable des Instituts i, für welches der Var i definiert ist. Der VaR ist dabei in der Regel ein negativer Wert.26

Die Berechnung des VaR bedingt damit, aus statistischer Sicht, die Schät­ zung eines Quantils der Wahrscheinlichkeitsverteilung der Renditen.27

(2) Der ES ist der erwartete Verlust, sobald der VaR, im Falle eines sehr ra ­ ren systemischen Ereignisses, überschritten wird. Je niedriger die Eintritts­ wahrscheinlichkeit dabei ist, desto höher ist die Verlustschwelle.28 Der α %- ES ist die erwartete Rendite in den schlechtesten α % aller möglichen Fälle:29

Abbildung in dieser Leseprobe nicht enthalten

Der ES ist also die Durchschnittsrendite an den Tagen, wo das Portfolio den VaR überschreitet. Es lässt sich erkennen, dass die üblichen Risikomaße (sowohl der VaR als auch der ES) also auf Marktwertverluste der Aktiva einer Finanzinstitution abzielen.30

3.2 Maße zur Messung von Systemrisiken

3.2.1 CoVaR und ΔCoVaR

Der CoVar ist ein Systemrisikomaß, welches auf dem bereits dargestellten VaR basiert.31 Das Systemrisikomaß CoVaR wird als VaR des gesamten Fi­ nanzsystems aufgefasst, der von der möglichen Schieflage eines bestimmten Instituts abhängt. Aufgrund der bedingten Wahrscheinlichkeit die dabei auf­ tritt, wird der VaR um den Präfix “Co” (Co = conditional) erweitert.32 Nach Adrian und Brunnermeier (2011) entspricht der CoVaR dem q-Quantil der be ­ dingten Wahrscheinlichkeitsverteilung:33

Abbildung in dieser Leseprobe nicht enthalten

CoVaR [Abbildung in dieser Leseprobe nicht enthalten] ist also der VaR der Institution bzw. des System j, unter der Bedin­ gung eines bestimmten Ereignisses (Verlust) [Abbildung in dieser Leseprobe nicht enthalten] bei Institut i.34

Somit lässt sich CoVaR [Abbildung in dieser Leseprobe nicht enthalten] alternativ auch folgendermaßen definieren:

Abbildung in dieser Leseprobe nicht enthalten

Der Beitrag des Instituts i zur Instabilität des Finanzsystems j, im Falle einer Schieflage, lässt sich letztendlich folgendermaßen bestimmen:35

Abbildung in dieser Leseprobe nicht enthalten

Das bedingte Ereignis (Verlust) bei Institut i ist dabei (X i = VaR i) , wohinge­ gen (X i = Median i) impliziert, dass sich Institut i in normaler Verfassung be­ findet. Damit ergibt sich ΔCoVaR indem man den VaR des Finanzsystems bei normaler Verfassung von Institut i, vom VaR des Finanzsystems unter der Bedingung eines Verlustes bei Institut i subtrahiert. ΔCoVaR misst somit den marginalen Beitrag der Institut i zum Systemrisiko und damit die externen Ef­ fekte.36 Geschätzt wird der CoVaR nach Adrian und Brunnermeier (2011) mit­ hilfe der Quantilsregression. Diese bietet eine effiziente Schätzung, wobei auch erwähnt wird, dass es eine Vielzahl von Möglichkeiten zur Schätzung des CoVaR gibt.37 Adrian und Brunnermeier (2011) schlagen für eine antizy­ klische makroprudenzielle Regulierung den sog. forward- Δ CoVaR vor, wel­ cher den ΔCoVaR um zukunftsbezogene Unternehmenscharakteristika er­ gänzt. Diese umfassen firmenspezifische Daten wie etwa den Verschul­ dungsgrad, die Fristeninkongruenz, die Größe und das Verhältnis zwischen Buch- und Marktwert des Eigenkapitals.38 Der VaR und der ΔCoVaR werden explizit als nicht substituierbar dargestellt, da sie nur eine schwache Bezie­ hung aufweisen.39

In einer Arbeit von Benoit et al. (2013) werden die gängigen Systemrisikoma­ ße miteinander verglichen und kritisch beurteilt. Grundgedanke der theoreti­ schen und empirischen Untersuchung ist dabei, ob die Systemrisikomaße die selben Institute als sog. SIFI's (Systemically Important Financial Institutions) identifizieren. Bezüglich des CoVaR untermauern Benoit et al. (2013) in ihrer Arbeit, dass ΔCoVaR und VaR nicht äquivalent sind40, allerdings gibt es bei bestimmten Instituten eine strikte Proportionalität zwischen den beiden Ma­ ßen (bspw. bei der Bank of America).41 Im Allgemeinen ist der ΔCoVaR eines Instituts i proportional zum VaR, wenn die Randverteilung der Renditen sym­ metrisch zum Nullpunkt ist. Folglich kann die zukünftige Entwicklung des ΔCoVaR eines Instituts dem Risiko derselben Institution in Isolation entspre­ chen.42 Möchte eine Bank nun ihren Systemrisikobeitrag verringern, so muss sie den VaR der Aktienrendite, als Haupttreiber des CoVaR, beeinflussen. Dafür muss die Schiefe und/oder Wölbung der Renditeverteilung im Sinne der Symmetrie gemindert werden, um einen Einfluss auf den ΔCoVaR aus­ üben zu können.43 Im Gegensatz zu vielen anderen Systemrisikomaßen bie­ tet der ΔCoVaR den Vorteil, dass er direkt den expliziten Beitrag zum Sys­ temrisiko misst (contribution). Außerdem bietet der forward- Δ CoVaR eine ge­ eignete Möglichkeit um den ΔCoVaR um die Dimension von unternehmens­ spezifischen Daten zu ergänzen und damit zuverlässigere, zukunftsbezogene und antizyklische Prognosen des Risikobeitrages zu ermöglichen .

3.2.2 MES und SES

Die Systemrisikomaße MES und SES wurden von Acharya et al. (2010) ent­ wickelt. Im Gegensatz zu CoVaR, wird beim MES der Beitrag eines Instituts zum Systemrisiko implizit geschätzt, indem die Anfälligkeit (exposure) gegen­ über einer systemischen Krise berücksichtigt wird und damit die Verluste, welches das Institut erleidet.44 Eine zentrale Rolle spielt dabei die Fragestel­ lung was mit dem einzelnen Institut geschieht, wenn das Finanzsystem als Ganzes unterkapitalisiert ist und wie dabei der prozentuale Beitrag desselben Instituts zu dieser Unterkapitalisierung ist.45

[...]


1 Vgl. Bank für Internationalen Zahlungsausgleich (2011): S. 97

2 Vgl. Buch, C. M. (2015): S. 4. ; Siehe hierzu Laeven und Valencia (2012): S. 15 ff.

3 Vgl. Deutsche Bundesbank (2011): S. 39.

4 Vgl. Bank für Internationalen Zahlungsausgleich (2011): S. 97.

5 Vgl. Buch, C. M. (2015): S. 10.

6 Vgl. Bank für Internationalen Zahlungsausgleich (2011): S. 97 f.

7 Vgl. Deutsche Bundesbank (2011): S. 40 f.

8 Vgl. Deutsche Bundesbank (2011): S. 42. ; Vgl. Buch, C. M. (2015): S. 9.

9 Vgl. Buch, C. M. (2015): S. 9.

10 Vgl. Deutsche Bundesbank (2011): S. 48.

11 Vgl. Adrian und Brunnermeier (2011): S. 23.

12 Vgl. Schularick und Taylor (2012): S. 1029 ff. ; Vgl. Taylor (2012): S. 34 f.

13 Vgl. Admati und Hellwig (2014): S. 177, S. 23. ; Vgl. Beck und Bremus (2014): o. S.

14 Vgl. Committee on the Global Financial System (2009): S. 1.

15 Vgl. Brunnermeier et al. (2009): S. 16, S. 23.

16 Vgl. ebenda, S. 16

17 Vgl. Financial Stability Board (2013): S. 1 ff.

18 Vgl. Ratnovski, L. / Laeven, L. / Tong, H. (2014): o. S.

19 Vgl. Beck und Bremus (2014): o. S. ; Vgl. Rocholl (2013): S 154.

20 Vgl. Allen et al. (2011): S. 9 f. , Vgl. Adrian und Brunnermeier (2011): S. 1.

21 Vgl. ebenda, S. 9 f. ; o. S.

22 Vgl. Manganelli und Engle (2001): S. 6, S. 20

23 Vgl. Adrian und Brunnermeier (2011): S. 1.

24 Vgl. ebenda, S. 1.

25 Ebenda, S. 7.

26 Vgl. ebenda, S. 7.

27 Vgl. Manganelli und Engle (2001): S. 6

28 Vgl. Deutsche Bundesbank (2011): S. 49.

29 Acharya et al. (2010): S. 7 f.

30 Vgl. Acharya et al. (2010): S. 7 ; Vgl. Deutsche Bundesbank (2011): S. 48 f.

31 Vgl. Benoit et al. (2013): S. 7.

32 Vgl. Adrian und Brunnermeier (2011): S. 2.

33 Ebenda, S. 7.

34 Vgl. Adrian und Brunnermeier (2011): S. 7. ; Vgl. Benoit et al. (2013): S. 8.

35 Vgl. Adrian und Brunnermeier (2011): S. 7.

36 Vgl. ebenda, S. 7.

37 Vgl. ebenda, S. 13.

38 Vgl. ebenda, S. 18 ff.

39 Vgl. ebenda, S. 3, S. 18.

40 Siehe Anhang: Abbildung 1 und Tabelle 1.

41 Vgl. Benoit et al. (2013): S. 11 f.

42 Vgl. ebenda, S. 12.

43 Vgl. ebenda, S. 20.

44 Vgl. Acharya et al. (2010): S. 5.

45 Vgl. ebenda, S. 5.

Details

Seiten
35
Jahr
2016
ISBN (eBook)
9783668164444
ISBN (Buch)
9783668164451
Dateigröße
940 KB
Sprache
Deutsch
Katalognummer
v315432
Institution / Hochschule
Universität Leipzig – Institut für Handel und Banken
Note
1,3
Schlagworte
messung systemrisiken finanzsystem theorie empirie

Autor

Zurück

Titel: Die Messung von Systemrisiken im Finanzsystem. Theorie und Empirie