Aufgrund der Krisenauswirkungen hat die Aufsicht die Anforderungen an das Risikomanagement in der MaRisk-Novelle weiter verschärft. Nun liegt der Fokus unter anderem auf der maßgeschneiderten Umsetzung von MaRisk-konformen Verfahren zur Risikokonzentrationsbestimmung.

Zwar schlägt die Bundesbank bereits einige Verfahren zur Messung von Risikokonzentrationen in Kreditportfolios vor (Deutsche Bundesbank, Monatsbericht Juni 2006), doch nutzen diese Methoden im Grunde nur die lineare Korrelation als Abhängigkeitsmaß und/oder sind sehr restriktiv in ihren Annahmen.

Wir haben für die Risikokonzentrationsmessung ein neuartiges Verfahren aus dem Bereich Data Mining bzw. Computational Intelligence entwickelt, das sich dadurch auszeichnet, dass die Risikokonzentrationen eines Kreditportfolios äußerst effektiv und mit minimalen Annahmen und daher geringen Modellrisiken gemessen werden. Das Modell ist daher sehr robust und effektiv.

Auf Basis von Clusteranalysen können die Risikokonzentrationen relativ einfach identifiziert und mit diversen Verfahren ausgesteuert werden. Für nähere Informationen sehen sie bitte unseren Praxisartikel: „Risikodiversifikation als Steuerungsziel“, Die Bank 04/2009, S. 54 ff. Zudem befindet sich im Downloadbereich ein Praxisartikel über eine konkrete Anwendung der Aussteuerung der mit diesem Verfahren identifizierten Konzentrationen: „Analyse von Konzentrationsrisiken und Nutzung synthetischer CDOs zur Portfoliosteuerung“, RISIKO MANAGER 10/2007, Bank-Verlag, S.1 und 6-9. Folgender Ansatz verbirgt sich dahinter:
 

 

Clusteranalysen eignen sich auch für andere wichtige Anwendungen:

 

Aktuell verfolgen wir zusammen mit dem Karlsruher Institut für Technologie (KIT) ein Forschungsprojekt, in dem die Nutzung von Data Mining und Computational Intelligence im Portfoliomanagement weiter erforscht wird. Aufgrund der besonderen Eignung dieser Verfahren und aufgrund der Vielzahl an praktischen Einsatzmöglichkeiten lohnt sich die Implementierung in jedem Fall.