Effiziente Prognose von Ausfallrisiken durch dynamische Modellierung von Ausfallrisikodeterminanten
Zusammenfassung der Projektergebnisse
Im Forschungsprojekt wurde untersucht, ob durch Modellierung einer Dynamik im Ausfallrisiko und den dahinter stehenden Risikotreibern bessere Ausfallrisikoprognosen erreicht werden können. Drei Teilprojekte führten zu folgenden Ergebnissen: Für die Modellierung der Dynamik des Verschuldungsgrades verwenden wir eine zentrale Implikation der Trade-off-Theorie der Kapitalstruktur: Der Verschuldungsgrad nähert sich über die Zeit einem optimalen Wert an. Dadurch wird eine Prognose zukünftiger Werte für den Verschuldungsgrad möglich. Solche Prognosen werden in einem zweiten Schritt als zusätzliche Risikotreiber in statistische Insolvenzprognosemodelle integriert. Dieses zweistufige Verfahren führt zu deutlichen Verbesserungen der Insolvenzprognosen. Die Untersuchung von Aktienrenditen führt zu einem anderen Schluss. Nach Aufspaltung der Aktienrendite in die aus der Asset-Pricing Literatur bekannten Komponenten wird zwar deutlich, dass lediglich Änderungen der Erwartung über zukünftige Dividenden für die Ausfallprognose relevant sind, Änderungen in erwarteten Renditen dagegen nicht. In der out-of-sample Analyse kann durch die Aufspaltung jedoch keine signifikante Erhöhung der Prognosegüte erreicht werden. Das dritte Teilprojekt wurde aufgrund der Finanzkrise neu ins Projektprogramm aufgenommen. Hierbei geht es um den Einfluss des Kreditzyklus auf die Schätzung der Ausfallwahrscheinlichkeiten. Durch zustandsabhängige Modellierung konnten zwei Regime im Kreditzyklus identifiziert werden. Die Regressionsergebnisse für den Zeitraum 1975 – 2005 zeigen, dass der Einfluss der Risikofaktoren sich zwischen den Regimen zumeist nicht unterscheidet. Eine Ausnahme bildet der Faktor Größe. Im Gegensatz zu „guten“ Zeiten spielt die Größe des Unternehmens in „schlechten“ Zeiten für die Ausfallprognose keine Rolle. In weiteren Untersuchungen soll geklärt werden, ob die Ergebnisse auch nach Erweiterung des Datensatzes auf den Zeitraum bis 2010 stabil bleiben. Die Analysen sind unter anderem deswegen von Bedeutung, weil oft darauf hingewiesen wird, dass bestimmte Charakteristika wie Liquidität, Größe oder Verschuldungsgrad in einer Krise von besonderer Bedeutung sind. Unsere bisherigen Ergebnisse bestätigen diese Vermutungen nicht. Die Ergebnisse des Forschungsprojekts können somit dazu dienen, die Qualität von Insolvenzprognosen zu verbessern und die Wirkungsmechanismen während einer Finanzkrise besser zu verstehen. Sie geben nicht nur Aufschluss über die empirische Relevanz vieldiskutierter Theorien, sondern sind auch von praktischer Relevanz für Banken, Ratingagenturen, Unternehmen und Aufsichtsbehörden.
