Inhaltsübersicht I. Charakteristik der verschiedenen risikoorientierten Performancemaße II. Anwendungspraxis im Prozess der Unternehmenssteuerung I. Charakteristik der verschiedenen risikoorientierten Performancemaße Das Spektrum risikoorientierter Performancemaße umfasst sowohl absolute, in Geldeinheiten bewertete Größen wie den „ Value at Risk “ als auch an einer Kapitalbezugsbasis relativierte Kennziffern wie RAROC oder RORAC. 1. Value at Risk Bei der Maßgröße „ Value at Risk “ (VaR) handelt es sich um eine wahrscheinlichkeitstheoretische Kennziffer, die einen in absoluten Geldeinheiten bewerteten Verlust aufzeigt, der während eines bestimmten Zeitraums mit einer vorgegebenen Wahrscheinlichkeit nicht überschritten wird. Methodisch unterscheidet die Praxis zwischen verschiedenen Verfahren zur Berechnung, wie auch der Terminus „ Value at Risk “ nicht einheitlich angewendet wird, sondern gelegentlich die Bezeichnung „ Money at Risk “ zu finden ist. Durch die Quantifizierung des Risikos drohender Vermögensverluste in absoluten Geldeinheiten ist der Value at Risk per se keine Relations-Kennziffer, sondern erhält seine Aussagekraft erst durch die Gegenüberstellung zum Haftungskapital. Üblicherweise wird bei den VaR-Modellen auf marktdeduzierte, mittels statistischer Parameter berechnete Wahrscheinlichkeitsverteilungen zurückgegriffen. Methodisch sind VaR-Berechnungen insbesondere im Bereich der Marktpreisrisiken etabliert. Da diese VaR-Ansätze vornehmlich auf Risikoarten, wie Marktzins-, Währungskurs- und Aktienkursrisiken abzielen, sind zunächst die marktwertbestimmenden Faktoren von einzelnen Positionen oder Portfolien zu bestimmen. Für Zinstitel ohne Bonitätsrisiko kann auf die jeweiligen Spot Rates abgestellt werden, mit denen die Zahlungen zur Barwertermittlung abzuzinsen sind. In anderen Fällen, z.B. bei Optionen, können die Faktoren in aller Regel aus dem jeweiligen Bewertungsmodell abgeleitet werden, wie im Black-Scholes-Modell der Kurswert des Underlying, die Volatilität und der kurzfristige risikofreie Zinssatz (Holst, J./Holtkamp, W.  2000, S. 817). In welcher Weise die Faktoren zum Preis der betrachteten Vermögensgegenstände in Beziehung stehen, ergibt sich entweder bereits aus dem Bewertungsmodell oder anhand eines empirischen Sensitivitätenmodells, das häufig auf der Basis von Erfahrungswerten entwickelt wird. Im nächsten Schritt werden denkbare Szenarien zur Entwicklung der Faktoren betrachtet und anhand von punktuellen Simulationen oder statistischen Modellen Wahrscheinlichkeitsverteilungen für Preise ermittelt. Methodisch kommen vor allem folgende vier Modelle zur Anwendung: - Benchmark-Methode Die Benchmark-Methode beschränkt sich auf die punktuelle Simulation einzelner Szenarien. Hierfür werden aus dem breiten Spektrum möglicher wertbestimmender Faktoren diejenigen extrahiert, von denen angenommen wird, dass sie das Risiko wesentlich beeinflussen. Aus der gegenüber dem derzeitigen Wert größten negativen Wertdifferenz bei den einzelnen Szenarien ergibt sich als maximal auftretender Verlust unmittelbar der VaR. Die Aussagekraft dieses Modells hängt in starkem Maße von der Festlegung der einzelnen Szenarien ab. - Historische Simulation Das statistische Modell der historischen Simulation geht von den vereinfachenden Annahmen aus, dass in der Vergangenheit eingetretene marktwertbestimmende Faktoren in gleicher Verteilung auch in dem betrachteten zukünftigen Zeitraum eintreten werden und Bewertungszusammenhänge linear sind. Für ein betrachtetes Konfidenzintervall ergibt sich aus der gegenüber dem derzeitigen Wert größten negativen Wertdifferenz der Vergangenheit unmittelbar der VaR als der für den gleichen Zeitraum der Zukunft maximal erwartete Verlust. Den Vorteilen einer verhältnismäßig einfachen Handhabung und der Zugrundelegung einer „ tatsächlichen “ unverfälschten Verteilung steht hinsichtlich der Aussagekraft allerdings der Nachteil gegenüber, dass sich Märkte verändern und Weiterentwicklungen zu Konstellationen führen können, die einerseits mit den historischen Verhältnissen nicht mehr vergleichbar sind, anderseits aber nicht in das Modell einfließen. - Monte-Carlo-Simulation Im Unterschied zur historischen Simulation orientiert sich der stochastische Ansatz der Monte-Carlo-Simulation nicht an tatsächlichen eingetretenen Gegebenheiten, sondern an einer geschätzten Verteilung zufällig generierter Ausprägungen der Risikofaktoren (Holst, J. /Holtkamp, W.  2000, S. 817). Unterstellt wird dabei in der Regel, dass die Risikoparameter normalverteilt sind. Die Technik der Monte-Carlo-Simulation ist vielseitig einsetzbar und kommt als numerische Methode vor allem dann zum Einsatz, wenn ein Problem nicht mittels geschlossener Formeln, also analytisch, gelöst werden kann (Lesko, M./Vorgrimler, S.  1999, S. 1200). Die Aussagequalität der nach der Monte-Carlo-Simulation erhaltenen Messwerte hängt im Wesentlichen davon ab, inwieweit es gelingt, bei der Schätzung der Verteilung die tatsächlich eintretenden – unter Umständen von historischen Erfahrungen abweichenden – Gegebenheiten treffend abzubilden. - Analytische Varianz-Kovarianz-Methode Wie die Monte-Carlo-Simulation arbeitet auch die analytische Varianz-Kovarianz-Methode mit Annahmen hinsichtlich der marktwertbestimmenden Faktoren. Die Bestimmung des VaR eines Portfolios erfolgt allerdings nicht durch Simulation, sondern im statistischen Verfahren aus den Volatilitäten der als risikorelevant angesehenen Faktoren. Hierbei werden als besonderes Qualitätscharakteristikum der analytischen Varianz-Kovarianz-Methode die quantifizierten Einflüsse aus den einzelnen Risikofaktoren nicht lediglich addiert, sondern über eine Varianz-Kovarianz-Matrix die Korrelationen zwischen den einzelnen Risikofaktoren berücksichtigt. Für jeden der Faktoren wird eine Normalverteilung mit bestimmten Korrelationen zwischen den Faktoren unterstellt. Unabhängig von der angewandten Methode erfolgt die Berechnung des VaR jeweils für ein bestimmtes Konfidenzintervall und eine bestimmte Wahrscheinlichkeit. So bedeutet beispielsweise ein für ein Konfidenzintervall von einem Tag ermittelter VaR mit einer Wahrscheinlichkeit von 99,90%, dass ein höherer Verlust als der VaR nur mit einer Wahrscheinlichkeit von 0,10% zu erwarten ist. Die Zeithorizonte, die üblicherweise bei VaR-Modellen verwendet werden, betragen einen Tag, zehn Tage oder einen Monat. Hinsichtlich der Aussagefähigkeit von VaR-Werten ist zu bedenken, dass die Risikoquantifizierungen aus Wahrscheinlichkeitsmodellen stammen. Zum einen werden darin mögliche Verluste aus Crash-Szenarien außerhalb des gewählten Konfidenzniveaus nicht berücksichtigt und zum anderen ist die Nachhaltigkeit der getroffenen Annahmen nicht gewährleistet. Zusätzliche Crash Tests und Back Testing zur Überprüfung der Prämissen sind erforderlich. Erst unter diesen Voraussetzungen entsteht ein abgerundetes Bild für ein effektives Risikomanagement mit Bezug zwischen Modell und Realität (Deutsch, H.-P.  1997, S. 11). Für die Beurteilung der VaR-Zahl durch Dritte ist zudem erforderlich, dass das jeweilige Konfidenzniveau, die Halteperiode sowie die gewählte Methode angegeben wird. 2. RiskMetrics Unter der als Trademark geschützten Bezeichnung „ RiskMetrics “ ist von Morgan, J.P. eine Korrelationsmatrix für die VaR-Berechnung entwickelt worden. Die seit 1994 für Anwender kostenfreie Verfügbarkeit der Varianz-Kovarianz-Matrix hat mit dazu beigetragen, dass sich die Varianz-Kovarianz-Methode im Bankenbereich zu dem am häufigsten verwendeten VaR-Berechnungsverfahren entwickelt hat (Johanning, L.  1998, S. 25). 3. Stress Testing Unter „ Stress Testing “ fallen Verfahren, die in Ergänzung zu wahrscheinlichkeitsorientierten Risikoanalysen die Auswirkungen erheblicher Parameteränderungen untersuchen. In ihnen werden verschiedenste Konfigurationen von extremen Entwicklungen innerhalb der Szenarien angenommen und die Wirkungen auf bestimmte Zielgrößen berechnet. Der dabei ermittelte maximale Verlust wird als Risikokennzahl ausgewiesen. Die Wahl der Szenarien kann auf außergewöhnlichen historischen Ereignissen, wie „ Crash-Situationen “ , beruhen, auf hypothetische „ Worst-Case “ -Annahmen abstellen oder Erwartungen zugrunde legen, die sich aus neuen Marktentwicklungen abzeichnen. Da jeweils nur bestimmte Extrema simuliert werden, brauchen für die Berechnung der Risikokennzahlen keine Verteilungsannahmen hinsichtlich der Risikoparameter getroffen werden. Zwangsläufig kann aus diesen Gründen der Risikokennzahl aber auch keine Wahrscheinlichkeit zugerechnet werden. Bei der Beurteilung derartiger Risikokennzahlen ist zu beachten, dass eine aussagekräftige Interpretation für Dritte nur dann möglich ist, wenn diesen auch die verwendeten Szenarien vermittelt werden. 4. RAROC Zu den bekanntesten Verhältnisgrößen innerhalb der risikoorientierten Performancemaße zählt die Kennziffer „ Risk adjusted Return on Capital “ (RAROC). In ihr wird mathematisch ein risikoadjustierter Return einer bestimmten Kapitalgröße gegenübergestellt. Wirtschaftlich soll mit dieser Kennziffer gezeigt werden, ob die erzielten Gewinne in einem angemessenen Verhältnis zu den zur Erzielung der Gewinne verursachten Verlustrisiken stehen. Diese Kennziffer ist von Bankers Trust entwickelt und 1995 als Trademark eingetragen worden. Insbesondere im Kreditgewerbe hat das RAROC-Konzept traditionelle Maße, wie Eigenkapitalrendite oder Rendite auf das (bankaufsichtsrechtlich bestimmte) regulatorische Kapital, ersetzt. Ein wesentlicher Vorteil des RAROC-Konzepts liegt darin, dass geschätzte Risikokosten – vergleichbar einer Versicherungsprämie – direkt in die Berechnung eingehen. RAROC-Kennziffern können dabei als Maß für diverse Ebenen der Unternehmensaktivitäten herangezogen werden, wie z.B. für die einzelne Kundenbeziehung, für Geschäftsfelder oder Unternehmensbereiche sowie für den gesamten Konzern. Die Komponente „ risikoadjustierter Return “ ergibt sich im ersten Schritt aus den Erträgen abzüglich der tatsächlichen Kosten und ist im zweiten Schritt um Risikokosten zu bereinigen. Bei den Risikokosten handelt es sich um einen durchschnittlich erwarteten Verlust. Dieser wird in aller Regel anhand von Schätzmethoden ermittelt, in die Erfahrungswerte eingehen. Im Grundkonzept errechnet sich der erwartete Verlust als Produkt aus Ausfallwahrscheinlichkeit, Verlustquote und Kreditäquivalent. Bei dem Kreditäquivalent kann es sich um eine Forderung selbst oder eine durch ein bestimmtes Verfahren zum äquivalenten Risikogehalt vergleichbar gemachte Position handeln. In den jeweiligen Verfahren werden eine Vielzahl von relevanten Daten, wie beispielsweise die Kundenbonität, die Sicherheitenstellung einschließlich Haftungsübernahmen, Limitinformationen und Kreditinanspruchnahmen, berücksichtigt. Für diese Daten können sowohl interne als auch externe Informationen herangezogen werden. Aufgrund dieser Fundierung wird der erwartete Verlust im Prinzip wie ein Kostenbestandteil behandelt und als „ Standardrisikokosten “ bezeichnet. Die Planbarkeit der Standardrisikokosten ermöglicht zudem, diese bereits bei Geschäftsabschluss als Kostenkomponente in der Margengestaltung zu berücksichtigen. Unter Risikoaspekten spielt bei der Komponente „ Capital “ die Finanzierungsfunktion keine Rolle, sondern nur die Risikotragfähigkeitsfunktion. Fremdkapital und selbst Eigenkapital aufgrund der dualen Funktion als Haftungs- und Finanzierungsbasis sind insofern nicht die geeignete Bezugsgröße. Maßgeblich ist vielmehr eine Größe, die ein Unternehmen als Ressource vorzuhalten hat, um die Risiken, denen es ausgesetzt ist, auffangen zu können. Zu diesen Risiken gehören insbesondere die Risikoarten Kreditrisiken, Marktrisiken und operative Risiken. Das hierfür ökonomisch als Risikopuffer erforderliche Kapital wird üblicherweise als „ Ökonomisches Kapital “ bezeichnet. Sein Betrag ist als Folge dieses Zwecks in aller Regel nicht aus der Bilanz ablesbar. Das Ökonomische Kapital ist vielmehr als der Betrag zu ermitteln, der zum Auffangen der unerwarteten Verluste erforderlich ist. Eine Beziehung zum bilanziellen Eigenkapital besteht allerdings in der risikopolitischen Restriktion, dass unter Risikotragfähigkeitsaspekten das erforderliche Ökonomische Kapital das Eigenkapital nicht übersteigen kann. 5. RORAC/ROEC Wie bei der risikoorientierten Performancegröße RAROC handelt es sich auch bei der Kennziffer „ Return on Risk adjusted Capital “ (RORAC) um eine Verhältnisgröße. Sie dient inhaltlich als Maß dafür, mit welchem Risiko ein bestimmter Ertrag erwirtschaftet wird. Abweichend zur RAROC-Methodik wird im RORAC-Konzept allerdings nicht der „ Return “ um Standardrisikokosten bereinigt, sondern der Risikoaspekt nur im zugrunde gelegten „ Capital “ berücksichtigt, indem auf das zur Abdeckung unerwarteter Verluste notwendige Kapital abgestellt wird (Ökonomisches Kapital). Synonym zur Bezeichnung RORAC ist auch der Terminus „ Return on Economic Capital “ (ROEC) gebräuchlich (Lehar, A. , S. 861). 6. RORAA Zu den als ersten Modellansätzen einer Einbeziehung des Risikos in die Performancemessung gehörte die vermögenswertbasierende Kennzahl „ Return on risk-adjusted Assets “ (RORAA). Diese Kennzahl wird definiert als Quotient aus (risikoadjustiertem) Ergebnis und risikoadjustierten Aktiva (Lehar, A. , S. 861). Die Risikoadjustierung bei den Aktiva erfolgt in dem RORAA-Modell durch Abzug des statistischen Erwartungswertes der Kreditausfälle von den Aktiva. Die Verwendung des RORAA-Konzepts ist in der Praxis nicht sehr weit verbreitet. Varianten des RORAA-Modells sollen indes auch nach Einführung der RAROC- und RORAC-Methodik noch bei einigen amerikanischen Banken ergänzend im Einsatz sein (Lehar, A. , S. 861). 7. Sharpe Ratio Bei der „ Sharpe Ratio “ oder dem synonymen Terminus „ Reward-to-Variability-Ratio “ handelt es sich um ein relativiertes risikoadjustiertes Performancemaß, das angibt, wie stark die täglichen Gewinne um einen Durchschnittsgewinn streuen. Die Kennziffer wurde ursprünglich von W. F. Sharpe für die Performancemessung im Portfoliomanagement entwickelt, wird inzwischen aber für die Performancemessung im Handel verwendet (Stalder, M./Straub, B. 1996, S. 43). In der Kennziffer wird die Volatilität der täglichen Gewinne und Verluste in Standardabweichungen berechnet und annualisiert. Die Sharpe Ratio wird auch als Maßstab für Portfoliovergleiche mit einem Benchmark-Portfolio verwendet (Krumnow, J./Gramlich, L. 2000, S. 1164 f.). 8. RAPM Die in der Risikoquantifizierung verwendete Abkürzung „ RAPM “ steht für die beiden synonym verwendeten Termini „ Risk adjusted Performance Measurement “ (Krumnow, J./Gramlich, L. 2000, S. 1073; Lehar, A. , S. 857) und „ Risk adjusted Profitability Measurement “ (Schierenbeck, H.  1997, S. 474). Diese Termini werden lediglich als Oberbegriff für die verschiedenen Verfahren zur risikoadjustierten Ergebnismessung, wie RAROC oder RORAC, verwendet. II. Anwendungspraxis im Prozess der Unternehmenssteuerung Das risikoorientierte Rentabilitätsmanagement ist nicht nur zum zentralen Thema einer Shareholder-Value-orientierten Gesamtunternehmenssteuerung avanciert, sondern in zunehmendem Maße auch Instrumentarium zur Steuerung der einzelnen Geschäftsfelder eines Unternehmens geworden. Publizitätswirksames Abbild dieser Entwicklungen ist der jeweils eigenständige Stellenwert, den sowohl die Risikoberichterstattung als auch die Segmentberichterstattung im Jahresabschluss erlangt hat. Die Pflicht zur Berichterstattung über Risiken ist im Rahmen des KonTraG für Konzernabschlüsse expressis verbis in das HGB aufgenommen worden (§ 315 Abs. 1) und vom Deutschen Rechnungslegungs- Standards Committee (DRSC) thematisiert worden – als Deutscher Rechnungslegungsstandard (DRS) Nr. 5 „ Risikoberichterstattung “ und in den branchenspezifischen Richtlinien DRS 5 – 10 für Kredit- und Finanzdienstleistungsinstitute sowie DRS 5 – 20 für Versicherungsunternehmen. Der Vorreiterrolle des Kreditgewerbes im Risikomanagement entsprechend ist der Standard für Kredit- und Finanzdienstleistungsinstitute noch vor dem allgemeinen und dem versicherungsunternehmensspezifischen Standard entwickelt worden. Auch die Segmentberichterstattung, die international bereits seit Mitte der 1970er-Jahre etabliert ist, hat erst durch das KonTraG ihren Stellenwert im HGB erhalten (§ 297 Abs. 1). Die hierzu vom DRSC entwickelten Richtlinien DRS 3 „ Segmentberichterstattung “ und branchenspezifischen Regelungen DRS 3 – 10 und DRS 3 – 20 sind bereits alle im Mai 2000 in ihrer endgültigen Form vom BMJ bekannt gemacht worden. Kernelement einer geschäftsfeldorientierten Segmentsteuerung ist die effiziente Verteilung der knappen Ressource Kapital auf die einzelnen Unternehmensbereiche oder Geschäftseinheiten. Unter Shareholder-Value-Aspekten ist dabei idealtypischerweise die Kapitalallokation nach Rendite-Risiko-Kalkülen vorzunehmen, d.h. Eigenkapital wird dort investiert, wo es den höchsten Ertrag bringt. Risikoorientierte Performancegrößen bieten hierfür durch die Berücksichtigung des unterschiedlichen Risikopotenzials eine neutrale einheitliche Messgröße. Welches der einzelnen Verfahren für ein Unternehmen am zweckmäßigsten ist, hängt im spezifischen Fall von den jeweiligen Aktivitäten des Unternehmens, den methodischen Anforderungen, der erforderlichen Präzision und den technisch-organisatorischen Möglichkeiten ab, unter denen die Steuerungsinformationen mit einem vertretbaren Aufwand erzielbar sind. Zu berücksichtigen ist, dass die Publikation intern verwendeter Kennzahlen nicht zwangsläufig den Informationsstand externer Berichtsadressaten verbessern. Insbesondere bei risikoorientierten Performancegrößen ist in der Regel ein tiefergehendes Verständnis für die angewandten Methoden einschließlich einer zusätzlichen Angabe zu den verwendeten Modellen und den getroffenen Annahmen erforderlich. Literatur: Bankers Trust Corp., : RAROC – Risk Management, New York 1995 Deutsch, Hans-Peter : Interne Risikomodelle, in: Börsen-Zeitung, 12.8.1997, S. 11 Holst, Jonny/Holtkamp, Willy : Risikoquantifizierung und Frühwarnsystem auf Basis der Value-at-Risk-Konzeption, in: BB, Jg. 55, 2000, 2000Bd. 16, S. 815 – 820 Johanning, Lutz : Value-at-Risk zur Marktrisikosteuerung und Eigenkapitalallokation, Bad Soden / Ts. 1998 Krumnow, Jürgen/Gramlich, Ludwig : Gabler-Bank-Lexikon, Wiesbaden, 12. A., 2000 Lehar, Alfred : Risikoadjustierte Performancemessung in Banken, in: Bank-Archiv, Jg. 46, 1998, Bd. 11 – 12, S. 857 – 862 und 949 – 955 Lesko, Michael/Vorgrimler, Stephan : Monte-Carlo-Techniken bei modernen Kreditrisikomodellen, in: Zeitschrift für das gesamte Kreditwesen, Jg. 52, 1999, Bd. 21, S. 1200 – 12051999 Morgan & Inc., J.P. Co. : Introduction to Risk Metrics, New York, 4. A., 1995 Schierenbeck, Henner : Ertragsorientiertes Bankmanagement, Bd. 2: Risiko-Controlling und Bilanzstruktur-Management, Wiesbaden, 5. A., 1997 Stalder, Marco/Straub, Bernhard : Risikogerechte Budgetierung, in: Schweizer Bank, 1996, Bd. 2, S. 41 – 43