Title: Credit Risk Management in banking institutions with particular consideration of selected credit risk models Abstract: The present thesis discusses credit risk management and especially the measuring of credit risk with alternative mathematical-statistical methods. The discussed models have been integrated in commercial solutions in banking already. The paper is structured in three main parts. Part I gives an introduction in credit risk of banking institutions. Credit risk measures integrated in all of the considered credit risk models are also introduced. The central risk measure throughout the whole paper is the Credit Value at Risk, defined as the difference between a certain quantile of a loss distribution function and the Expected Loss. Part II discusses the basic versions of three credit risk models - Credit Risk+, Credit Metrics and the main idea of KMVs Credit Monitor and Portfolio Manager. Every chapter includes an example to illustrate the particular idea of credit risk modeling. In Part III a comparison of different credit risk models is made. In the first section the applied credit risk measures are compared. A number of different studies comparing credit risk models is discussed in the second section. The aim of both sections is to develop the main differences and similarities between the discussed measures and models. To accomplish this some abstractions and simplifications are applied. Formal fundamentals that enhance and facilitate the comprehension of the models are mentioned in the appendix. Parts of calculations, which can be used to complete different examples shown in this paper, are given there also. In the present document the author discusses and compares different credit risk models. The basic aim of all discussed credit risk models is to recognize credit portfolio risks. Nevertheless few utmost different approaches are applied across all models. Furthermore there are very different approaches applied in detail, stating for example the implementation of correlation concepts or the mathematical shaping of loss distributions. Though miscellaneous different assumptions between the discussed credit risk models can be isolated or transferred into each other, a lot of those are only applicable at the cost of economically questionable presumptions. Therefore there isn't a clear refusal or acceptance for respectively between different models inferable. Comparable risk measures are additionally difficult to extract. Other important issues discussed in the paper are the necessity of developing backtesting concepts for the validation of credit risk models. Backtesting contradicts sharply with some main assumptions in credit risk models, like a holding period for the portfolio of at least 1 year. To evaluate this statistically, accepting a confidence level of 99%, it is necessary to provide loss data for about one hundred years. The emphasis of future research should concentrate on alternative and practicable methods on this area, alleviating supervisory demands and strengthen acceptance among users.
Die vorliegende Arbeit behandelt das Kreditrisikomanagement in Banken aus Sicht der Risikomessung mit alternativen mathematisch-statistischen Verfahren, die bereits erfolgreich Eingang in kommerzielle Implementierungen gefunden haben. Dafür wurde die Arbeit in 3 Teile gegliedert. Teil I beinhaltet die Einleitung und Einführung in moderne Verfahren zur Messung von Kreditrisiken in Banken. Hier werden auch die wichtigsten (Risiko)-Kenngrößen eingeführt, die in allen diskutierten Kreditrisikomodellen Verwendung finden. Die zentrale behandelte Risikokenngröße ist der Credit Value at Risk, welcher als Differenz zwischen dem Quantilswert einer Verlustverteilung und dem Erwarteten Verlust definiert wird. Teil II der Arbeit beinhaltet in drei Kapiteln die Beschreibung, Diskussion und Funktionsweise der jeweiligen Kreditrisikomodelle. Für jedes Modell wird außerdem jeweils eine Beispielberechnung zur Darstellung der Ermittlung von Kreditrisikobeträgen aufgeführt. Teil III beinhaltet den Vergleich der Kreditrisikomodelle, wobei einerseits auf die in den jeweiligen Modellen verwendeten Parameter eingegangen wird und andererseits verschiedene Modellvergleiche diskutiert werden, die zum Ziel haben, grundlegende Unterschiede und Gemeinsamkeiten herauszuarbeiten. Dafür wird auf eine Reihe von Studien zurückgegriffen, die auf verschiedenen, für den Vergleich notwendigen Abstraktions- bzw. Vereinfachungsgraden basieren. Im Anhang der Arbeit sind verschiedene formale Grundlagen aufgeführt, die zum Verständnis und zur Diskussion der Modelle notwendig sind. Weiterhin sind dort Teilschritte enthalten, die die Berechnungsbeispiele aus Teil II ergänzen bzw. vervollständigen. Die vorliegende Arbeit zeigt auf, dass die Gegenüberstellung von unterschiedlichen Modellierungsansätzen zur Abbildung von Kreditportfoliorisiken nicht zwangsläufig zur Ablehnung bzw. Annahme einzelner Ansätze führt. Obwohl jedoch das grundlegende Ziel aller Kreditrisikomodelle jedoch die Abbildung von Kreditportfoliorisiken beinhaltet, können auf der Detailebene spezifische Modellierungsansätze identifiziert werden, die zwar modellspezifisch konsistent und logisch sind, aber nicht modellübergreifend vollständig ineinander überführbar sind. Dies führt im Vergleich aller Modelle zu einer nicht identischen Risikoabbildung. Das zur Validierung von Risikoergebnissen notwendige Backtesting von Kreditrisikomodellen ist aufgrund der speziellen Eigenschaften von Kreditrisikomodellen, die annahmegemäß minimal nötige Haltedauer von Kreditgeschäften auf ein Jahr zu setzen und der daraus resultierenden zu geringen historischen Daten momentan nicht zuverlässig anwendbar. Hier liegt der Schwerpunkt zukünftiger Forschungstätigkeit darin, alternative Verfahren zu identifizieren, die trotz der genannten Einschränkungen das zur Validierung und Akzeptanz der Modelle notwendige Backtesting ermöglichen.