Skip to main content

2021 | OriginalPaper | Buchkapitel

4. Risiken und Chancen als Wahrscheinlichkeitsverteilungen darstellen

verfasst von : Frank Romeike, Manfred Stallinger

Erschienen in: Stochastische Szenariosimulation in der Unternehmenspraxis

Verlag: Springer Fachmedien Wiesbaden

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

In den Unternehmen wird Risikomanagement auf Basis unterschiedlichster Methoden und Verfahren praktiziert. Welche Methode eingesetzt wird, hängt von sehr vielen Faktoren, insbesondere vom Reifegrad des Risikomanagements sowie der Unternehmenssteuerung ab. Das Management von Risiken und Unsicherheit ist so alt wie die Menschheit selbst. Es ist davon auszugehen, dass bereits die Menschen in der Steinzeit ihren Entscheidungen häufig die „Was wäre, wenn?“-Frage zugrunde gelegt haben. Der Steinzeitmensch, der plötzlich einem Säbelzahntiger gegenüberstand, wird sich verschiedene Szenarien über „Was wäre, wenn?“-Analysen intuitiv überlegt haben. Seine bisherigen Erfahrungen – abgespeichert in seinem intuitiven Denksystem – lieferten ihm hier eine wertvolle Basis für seine – hoffentlich nicht letzte – Entscheidung und Beurteilung möglicher Risiken. In der Definition im Abschn. 3.1.1 (Risiko) wird ein „Risiko“ als die unerwartete und unvorteilhafte Abweichung von Geplantem beschrieben. Ist die Abweichung gering, so ist auch das Risiko gering. Ist die Abweichung sehr groß, so ist das vermeintliche Risiko sehr groß. Dennoch ist die Wahrscheinlichkeit des Auftretens einer großen Abweichung wesentlich geringer als geringe Abweichungen. So besteht zwischen Abweichung und Auftretenswahrscheinlichkeit ein numerischer Funktionszusammenhang, der in einer statistischen Wahrscheinlichkeitsverteilung beschrieben wird.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Fußnoten
1
Im Finanzjargon werden als „Quant“ die quantitativen Analysten bezeichnet, die beispielsweise Derivate berechnen, im algorithmischen Handel tätig sind oder das quantitative Risikomanagement betreiben.
 
2
Die Redewendung geht auf Goethes Faust I zurück. Als der zugelaufene Pudel von Faust zur Rede gestellt und mit Zaubersprüchen beschworen wird, entpuppt sich das Tier schließlich als der Teufel Mephisto: „Das also war des Pudels Kern!, der sich vorstellt als ein Teil von jener Kraft, die stets das Böse will und stets das Gute schafft und als Geist, der stets verneint.“ Mit der Aussage „Mit des Pudels Kern“ wird die Wahrheit oder eine markante Aussage bezeichnet, die zuvor nicht zu erkennen war, weil sie beispielsweise geschickt verschleiert wurde.
 
4
Johann Carl Friedrich Gauß (1777 bis 1855) war ein deutscher Mathematiker, Astronom, Geodät und Physiker. Jedoch untersuchte der französische französischer Mathematiker Abraham de Moivre (1667–1754) als erster die Beziehung zwischen Binomial- und Normalverteilung. In seiner Publikation „Miscellanea analytica“ wies er bereits im Jahr 1730 mit der Stirling-Formel auf die asymptotische Annäherung der Binomialverteilung durch die Normalverteilung hin. Vgl. vertiefend [ 22].
 
5
Rechtsschiefe Verteilungen werden auch als linkssteil bzw. als positive Schiefe bezeichnet.
 
6
Linksschiefe Verteilungen werden auch als rechtssteil bzw. als negative Schiefe bezeichnet.
 
8
Peter Ferdinand Drucker (1909–2005) war ein US-amerikanischer Ökonom österreichischer Herkunft.
 
9
COVID-19 ist ist die Abkürzung für „coronavirus disease 2019“, eine Infektionskrankheit, zu der es infolge einer Infektion mit dem Coronavirus SARS-CoV-2 kommen kann.
 
10
Hiermit wird die Tierseuche „Bovine spongiforme Enzephalopathie“ (BSE) bezeichnet, die umgangssprachlich auch „Rinderwahn“ genannt wird.
 
11
Auch als Simpsonverteilung bezeichnet, benannt nach dem englischen Mathematiker Thomas Simpson (1710–1761).
 
12
Die durch den vierten Shape-Parameter ergänzte PERT-Verteilung wird auch als Risk-PERT-Verteilung bezeichnet. Typischerweise werden für γ Werte zwischen 2 und 3,5 verwendet und haben den Effekt, dass die Dichtekurve abgeflacht wird. Dies ist sinnvoll bei stark schiefen Verteilungen, bei denen die Abstände (b–a) und (c–b), sehr unterschiedlich groß sind. Einen Einstufungsleitfaden für den Shape-Parameter bei der Bewertung von Risiken enthält Tab. 4.11.
 
13
Bei den Quantitative Impact Studies (QIS) handelt sich um Auswirkungsstudien, die im Rahmen von Solvency II zeitweise zu den künftigen Solvenzkapitalanforderungen durchgeführt wurden. Vgl. vertiefend [23].
 
14
Die Pareto-Verteilung wurde ursprünglich zur Beschreibung der Einkommensverteilung Italiens verwendet.
 
Literatur
2.
Zurück zum Zitat Gleißner, W. (2011). Risikomanagement: Datenprobleme und unsichere Wahrscheinlichkeitsverteilungen. In: Klein, A. (Hrsg.), Risikomanagement und Risiko-Controlling, Haufe, S. 205–222. Gleißner, W. (2011). Risikomanagement: Datenprobleme und unsichere Wahrscheinlichkeitsverteilungen. In: Klein, A. (Hrsg.), Risikomanagement und Risiko-Controlling, Haufe, S. 205–222.
3.
Zurück zum Zitat Gleißner, W. (2017). Risikoanalyse: Risikoquantifizierung und Risikoaggregation. WiSt, 9, 4–11. Gleißner, W. (2017). Risikoanalyse: Risikoquantifizierung und Risikoaggregation. WiSt, 9, 4–11.
4.
Zurück zum Zitat Gleißner, W. (2019). Risikoanalyse (II): Ein strukturierter Leitfaden zur Risikoquantifizierung. Controller Magazin, 3, 31–35. Gleißner, W. (2019). Risikoanalyse (II): Ein strukturierter Leitfaden zur Risikoquantifizierung. Controller Magazin, 3, 31–35.
5.
Zurück zum Zitat Gleißner, W. & Romeike, F. (2011). Die größte anzunehmende Dummheit im Risikomanagement – Berechnung der Summe von Schadenserwartungswerten als Maß für den Gesamtrisikoumfang. Risk, Compliance & Audit (RC&A), 01, 21–26. Gleißner, W. & Romeike, F. (2011). Die größte anzunehmende Dummheit im Risikomanagement – Berechnung der Summe von Schadenserwartungswerten als Maß für den Gesamtrisikoumfang. Risk, Compliance & Audit (RC&A), 01, 21–26.
6.
Zurück zum Zitat Gleißner, W. & Lienhard, F. & Kühne, M. (2021). Neue gesetzliche Anforderungen an das Krisen- und Risikofrüherkennungssystem: Implikationen des StaRUG. Zeitschrift für Risikomanagement, 2, S. 32–40. Gleißner, W. & Lienhard, F. & Kühne, M. (2021). Neue gesetzliche Anforderungen an das Krisen- und Risikofrüherkennungssystem: Implikationen des StaRUG. Zeitschrift für Risikomanagement, 2, S. 32–40.
7.
Zurück zum Zitat Hahne, J., & Tischer, W. (2011). Quantitatives Risikomanagement, Korrelation und Abhängigkeit im Risikomanagement: Eigenschaften und Irrtümer. Bergische Universität Wuppertal. Hahne, J., & Tischer, W. (2011). Quantitatives Risikomanagement, Korrelation und Abhängigkeit im Risikomanagement: Eigenschaften und Irrtümer. Bergische Universität Wuppertal.
8.
Zurück zum Zitat Henze, N. (2018). Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls (12. Aufl.). Springer Spektrum. Henze, N. (2018). Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls (12. Aufl.). Springer Spektrum.
9.
Zurück zum Zitat Janczyk, M., & Pfister, R. (2015). Inferenzstatistik verstehen von a wie Signifikanztest bis z wie Konfidenzintervall. Springer. Janczyk, M., & Pfister, R. (2015). Inferenzstatistik verstehen von a wie Signifikanztest bis z wie Konfidenzintervall. Springer.
10.
Zurück zum Zitat Jungemann, H. (1998). Subjektive Wahrnehmung von Risiken. Spektrum der Wissenschaft, 2/1998. Jungemann, H. (1998). Subjektive Wahrnehmung von Risiken. Spektrum der Wissenschaft, 2/1998.
11.
Zurück zum Zitat Klotz L. C. (2012). Sharpening Our Intuition on Man-made Pandemics. Breeding BioSecurity Blog, 2012. Klotz L. C. (2012). Sharpening Our Intuition on Man-made Pandemics. Breeding BioSecurity Blog, 2012.
14.
Zurück zum Zitat Nguyen, T., & Romeike, F. (2012). Versicherungswirtschaftslehre. Springer Gabler. Nguyen, T., & Romeike, F. (2012). Versicherungswirtschaftslehre. Springer Gabler.
15.
Zurück zum Zitat Rao, C. R. (1995). Was ist Zufall? Statistik und Wahrheit. Prentice Hall. Rao, C. R. (1995). Was ist Zufall? Statistik und Wahrheit. Prentice Hall.
17.
Zurück zum Zitat Romeike, F. (2006). Der Risikofaktor Mensch – die vernachlässigte Dimension im Risikomanagement. ZVersWiss (Zeitschrift für die gesamte Versicherungswissenschaft), 2, 287–309. Romeike, F. (2006). Der Risikofaktor Mensch – die vernachlässigte Dimension im Risikomanagement. ZVersWiss (Zeitschrift für die gesamte Versicherungswissenschaft), 2, 287–309.
18.
Zurück zum Zitat Romeike, F. (2013). Fooled by Randomness, in: FIRM Yearbook 2013 (S. 25–29). Frankfurt Institute for Risk Management and Regulation Romeike, F. (2013). Fooled by Randomness, in: FIRM Yearbook 2013 (S. 25–29). Frankfurt Institute for Risk Management and Regulation
19.
Zurück zum Zitat Romeike, F. (2017). Predictive Analytics im Risikomanagement – Daten als Rohstoff für den Erkenntnisprozess. CFO aktuell. Romeike, F. (2017). Predictive Analytics im Risikomanagement – Daten als Rohstoff für den Erkenntnisprozess. CFO aktuell.
20.
Zurück zum Zitat Romeike, F. (2019a). Risk Analytics und Artificial Intelligence im Risikomanagement. Rethinking Finance, Juni, 03, 45–52. Romeike, F. (2019a). Risk Analytics und Artificial Intelligence im Risikomanagement. Rethinking Finance, Juni, 03, 45–52.
22.
Zurück zum Zitat Romeike, F., & Hager, P. (2020). Erfolgsfaktor Risikomanagement 4.0: Methoden, Beispiele, Checklisten, Praxishandbuch für Industrie und Handel (4. komplett überarbeitete Aufl.). Springer. Romeike, F., & Hager, P. (2020). Erfolgsfaktor Risikomanagement 4.0: Methoden, Beispiele, Checklisten, Praxishandbuch für Industrie und Handel (4. komplett überarbeitete Aufl.). Springer.
23.
Zurück zum Zitat Romeike, F., & Müller-Reichart, M. (2020). Risikomanagement in Versicherungsunternehmen – Grundlagen, Methoden und Praxis (3. Aufl.). Wiley-VCH. Romeike, F., & Müller-Reichart, M. (2020). Risikomanagement in Versicherungsunternehmen – Grundlagen, Methoden und Praxis (3. Aufl.). Wiley-VCH.
24.
Zurück zum Zitat Stampfer, E. (2019). Risikosteuerung in der Industrie, Konzepte: Methoden und Verfahren für projektorientierte Unternehmen. Linde. Stampfer, E. (2019). Risikosteuerung in der Industrie, Konzepte: Methoden und Verfahren für projektorientierte Unternehmen. Linde.
25.
Zurück zum Zitat Vahrenholt, F., & Lüning, S. (2020). Unerwünschte Wahrheiten – Was Sie über den Klimawandel wissen sollten. Langen Müller. Vahrenholt, F., & Lüning, S. (2020). Unerwünschte Wahrheiten – Was Sie über den Klimawandel wissen sollten. Langen Müller.
26.
Zurück zum Zitat Waldmann, K., & Helm, W. (2016). Simulation stochastischer Systeme. Springer. Waldmann, K., & Helm, W. (2016). Simulation stochastischer Systeme. Springer.
Metadaten
Titel
Risiken und Chancen als Wahrscheinlichkeitsverteilungen darstellen
verfasst von
Frank Romeike
Manfred Stallinger
Copyright-Jahr
2021
DOI
https://doi.org/10.1007/978-3-658-34063-6_4