Inhalt
Seite 1
Vier gängige RisikomaßeSeite 2
Die Risikomaße als Prognosefaktoren für Bankinsolvenzen Auf einer Seite lesenDie Risikomaße als Prognosefaktoren für Bankinsolvenzen
Die vorangehenden Analysen zeigen, inwiefern die vier Risikomaße in ihrem Erklärungsgehalt übereinstimmen. Der entscheidende Test für die Güte eines Risikoindikators ist jedoch, ob er belastbare Hinweise auf den bevorstehenden Ausfall einer Bank liefern kann. Aus diesem Grund wird in einem letzten Schritt analysiert, inwieweit die im Beobachtungszeitraum tatsächlich eingetretenen Bankinsolvenzen durch die vier Risikomaße vorhergesagt wurden.
Die Analyse basiert auf einem nichtlinearen Wahrscheinlichkeits-modell (Probitmodell), wobei der tatsächliche Ausfall einer Bank als binäre Variable ausgedrückt wird. Wird eine Bank insolvent, nimmt diese Variable den Wert eins an. Solange die Bank solvent ist, nimmt die Variable den Wert null an. Mit Hilfe des Modells wird getestet, ob die vier Risikomaße die Wahrscheinlichkeit einer Bankinsolvenz zuverlässig erklären können und somit relevante Aspekte von Risiken im Bankensystem abbilden.
Tabelle 2 gibt die quantitativen (marginalen) Effekte der einzelnen Risikomaße wieder. Es zeigt sich, dass der Z-score wie auch der Anteil an notleidenden Vermögenswerten in der Bilanz (NPA) die höchste Erklärungskraft haben (das Pseudo-R-Quadrat liegt jeweils im Bereich von 40%, vgl. die letzte Zeile in der Tabelle). Das bedeutet, dass diese beiden Risikomaße die Wahrscheinlichkeit einer tatsächlich eintretenden Bankinsolvenz im Vergleich zu den anderen Maßen am besten erklären können.
Konsistent mit den vorangegangenen Ergebnissen weist das Risikomaß NPA die höchste Erklärungskraft auf. Die Risikomaße LLR und LLP hingegen bilden die Wahrscheinlichkeit, dass eine Bank insolvent wird, nur in geringem Ausmaß ab (12% versus 16%). Wie sich aus dem Vergleich des Pseudo-R-Quadrats von Modell (2) und Modell (5) erkennen lässt, ist der zusätzliche Erklärungsgehalt, der dadurch gewonnen wird, dass neben dem Anteil an notleidenden Vermögenswerten in der Bilanz (NPA) auch andere Maße beachtet werden, gering.
Zusammenfassend lässt sich sagen, dass basierend auf Daten für US-Geschäftsbanken die letzte Finanzkrise von 2007 bis 2009 in allen vier Risikomaßen zu erkennen ist. Jedoch variieren die Risikomaße in ihrem Informationsgehalt. Dies gilt zum einen, wenn die vier diskutierten Risikomaße miteinander verglichen werden. So hat sich gezeigt, dass das Risikomaß NPA, das den Anteil an notleidenden Vermögenswerten in der Bilanz misst, eine hohe Korrelation mit den anderen Risikomaßen aufweist und somit die größte Schnittmenge der in den vier Maßen enthaltenen Informationen darstellt.
Zum anderen wurde analysiert, inwieweit die Risikomaße die Wahrscheinlichkeit einer tatsächlich eintretenden Bankinsolvenz erklären. Auch in diesem Fall besitzt das auf notleidende Vermögenswerte bezogene Risikomaß NPA eine hohe Erklärungskraft. Dies trifft auch auf den Z-score zu, der häufig in wissenschaftlichen Studien verwendet wird, um das Risiko einer Bank darzustellen. Im Vergleich zum Risikomaß NPA ist der Z-score jedoch komplexer in seiner Berechnung. Dies führt zu der Schlussfolgerung, dass der einfach zu berechnende Anteil an notleidenden Vermögenswerten einer Bank ein geeignetes Maß ist, das parallel zum Z-score bei der Erfassung von Risiken einzelner Banken verwendet werden kann.
Die in dieser Studie untersuchten Risikomaße beruhen auf Bilanzdaten sowie auf Daten aus der Gewinn- und Verlustrechnung einzelner Banken. Dies impliziert, dass diese Maße Risiken einzelner Banken abbilden. Systemische Risiken werden nicht explizit beachtet. Solche Risiken entstehen zum Beispiel, wenn Banken ähnliche Geschäftsmodelle wählen und sich dadurch den gleichen Risiken aussetzen. Systemische Risiken können außerdem auftreten, wenn Banken untereinander vernetzt sind und sich Schocks dadurch leicht übertragen, oder wenn einzelne Banken sehr groß sind, sodass ihre Insolvenz Effekte für das gesamte Bankensystem haben kann. Maße, die diese systemischen Risiken abbilden, sind zum Beispiel das CoVaR oder SRISK, die vorwiegend aus Marktdaten berechnet werden.
