Scoring als Risikomanagement-Werkzeug

Typischerweise verwendeten Elemente eines Risiko-Scoring: Validierungsmethoden für Gültigkeitstest von Scoring-Modellen
Obwohl Scoring als Risikomanagement-Werkzeug wichtig ist, hat es doch auch Grenzen und Risiken

(20.09.11) - Das Thema Scoring gewinnt in der Bankenbranche zunehmend an Bedeutung und wird in Öffentlichkeit sowie Medien immer öfter diskutiert. Welche Fehler und Probleme im Scoring auftreten können, wird in einem Whitepaper von mayato aufgezeigt, das die typischerweise verwendeten Elemente eines Risiko-Scorings beschreibt. Anhand von kritischen Faktoren bei der Definition von Scoring-Modellen werden Prüfungsmöglichkeiten diskutiert.

Obwohl Scoring als Risikomanagement-Werkzeug wichtig ist, hat es doch auch Grenzen und Risiken. Sogenannte PD (Probability of Default)-Scoring Modelle, die im alltäglichen Einsatz bei Banken sind, schätzen die Ausfallwahrscheinlichkeit innerhalb eines vorgegebenen Zeitraums. Im Normalfall sind es 12 Monate ab dem Rating-Zeitpunkt. Generell gibt es unterschiedliche Faktoren, die die Qualität des Scorings maßgeblich beeinträchtigen. Datenqualität

Eine korrekte Datenqualität ist eine essentielle Anforderung, die ein Scoring-System stellt. Im Zuge von Basel II werden in PD-Modellen die Kreditnehmer in Bonitätsklassen eingestuft. Jede dieser Bonitätsklassen hat eine Wahrscheinlichkeit hinterlegt, die das Risiko eines Ausfalls beschreibt. Folgen von "schlechten" Modellen können eine ungenaue Bonitätseinteilung oder eine ungenaue Ausfallrate der einzelnen Bonitätsstufen sein. Diese hat einen direkten Einfluss auf das zu hinterlegende Eigenkapital. Inkorrekte Daten ergeben daher auch eine inkorrekte Einteilung der Kreditnehmer in Bonitätsklassen und das Modell wird demzufolge instabil sein.

Konjunkturelle Schwankungen
Besonders bei Corporate- aber auch bei Retail-Krediten haben konjunkturelle Schwankungen einen entscheidenden Einfluss auf die Ausfallswahrscheinlichkeit. Um festzustellen, ob ein Scoring-System diesen Schwankungen standhält, muss eine ständige Überwachung der Stabilität und der Trennschärfe über die Zeit erfolgen. Nur so kann eine eventuelle Notwendigkeit zur Anpassung des Modells festgestellt werden.

Verschiebungen von Merkmalsgewichtungen Jedes Merkmal hat eine bestimmte Auswirkung auf den vom Modell ermittelten Score. Falls sich diese Merkmale im Laufe der Zeit in ihrer Gewichtung, aber auch in ihrer Zusammensetzung (Klassengrenzen wie z. B. Einkommensklassen etc.) ändern, müssen auch die einzelnen Eingangsvariablen, die in ein Modell fließen, einer stetigen Überprüfung unterzogen werden.

Unzureichende Informationen über die Kreditnehmer
Unzureichende Informationen können z. B. fehlende Informationen sein. Wenn für ein Scoring-System wichtig ist, dass ein bestimmtes Merkmal vorhanden ist, darf dieses in den Quelldaten nicht fehlen. Wenn für einen Großteil der Kreditnehmer bestimmte Einflussfaktoren nicht vorhanden sind, werden sie in der Regel mit einer Standardbelegung versehen. Eine gute Validierung weist diese Merkmale aus und es kann darauf reagiert werden.

Schlecht getroffene Klasseneinteilung
In den meisten Scoringmodellen wird eine Klasseneinteilung der einzelnen Merkmalsausprägungen durchgeführt (z. B. Altersklassen <20 ; 21-30; >30). Wenn diese Klassengrenzen schlecht gewählt sind, hat das einen direkten Einfluss auf die Vorhersagequalität des Modells. Ebenso stellt eine zu geringe oder zu hohe Klassenanzahl ein Problem dar.

Validierung/ Backtesting
Validierungs- bzw. Backtesting-Methoden, die ein Bündel von Maßnahmen bezeichnen, helfen dabei, den Einfluss dieser Faktoren möglichst klein zu halten und die Gültigkeit der verwendeten Scoring-Modelle nachzuweisen bzw. zu überprüfen. Dazu zählt beispielsweise die Validierung der Modelle für Untergruppen. Ein PD-Scoring- Modell bezieht sich auf die Betrachtung gleicher Rating-Typen (Retail Kredite, Hypothekar Kredite etc.). Im Sinne des Backtesting ist es interessant zu sehen, wie sich ein Modell in der Anwendung auf verschiedene Untergruppen verhält.

Zum Beispiel könnte untersucht werden, wie sich das gewählte Ratingmodell (z. B. Retail Kredit) in Bezug auf verschiedene Organisationseinheiten (einzelne Business Units, Abteilungen etc.) einer Bank verhält. Ein weiteres Beispiel für eine zu untersuchende Untergruppe wären Kredite, deren Engagement ("Exposure") in einem bestimmten Bereich liegt. (mayato: ra)

mayato: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

Im Überblick: White Papers