Skip to main content
main-content

Über dieses Buch

Dieses Buch liefert eine integrierte und ganzheitliche Sicht auf das Themenfeld Risikoreporting, die auch auf die Möglichkeiten einer IT-Unterstützung im Kontext aktueller Entwicklungen gemäß BCBS 239 und neuer Herausforderungen für die Finanzinstitute eingeht. Ausgehend von einer Übersicht über aktuelle regulatorische Anforderungen an das Risikoreporting (Kapitel 1) werden in Kapitel 2 praxisnahe konzeptionelle und technische Möglichkeiten zur Realisierung der Anforderungen vorgestellt. Kapitel 3 behandelt ausgewählte prototypische Umsetzungen zu den Themen Frühwarnung, Datenqualität und Auditierung von Risiko-Reporting-Anwendungen.

Inhaltsverzeichnis

Frontmatter

1. Einführung in das Reporting von Risikodaten

Zusammenfassung
Die Bedeutung von Daten als wichtige unternehmerische Ressource bekommt mit Schlagworten wie „Big Data“, „Industrie 4.0“ oder „Digitale Transformation“ neuen Auftrieb. Insbesondere durch die Digitalisierung der Industrie steigt die Menge an jährlich erzeugten Daten in Unternehmen ständig weiter an (vgl. Voigt und Seidel 2016).
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel

2. Technologische und konzeptionelle Ansätze zur Analyse und zum Reporting von Risikodaten in Kreditinstituten

Zusammenfassung
Die Basis für ein tragfähiges Konzept zur Analyse und zum Reporting von Risikodaten in Kreditinstituten bilden die eingesetzten IT-Systeme und deren Zusammenspiel. Dabei erweisen sich heutige IT-Landschaften oftmals als unüberschaubares Geflecht von miteinander verwobenen Einzelkomponenten einschließlich der zugehörigen Schnittstellen. Auch eine Einengung der Betrachtung auf die Bausteine zur Analyse und für das Reporting vermindert die Komplexität nur marginal.
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel

3. Prototypische Umsetzung einer BI-basierten Reporting-Anwendung und eines Prüfungsansatzes

Zusammenfassung
Das vorliegende Kapitel widmet sich zweier ausgewählter prototypischer Umsetzungen, um den aktuellen Anforderungen an die Nutzung risikorelevanter Daten zu begegnen. Abschn. 3.1 präsentiert eine Reporting-Anwendung zur Früherkennung und automatisierten Klassifizierung von Bonitätsrisiken für Einzelkunden und Portfolien. Ein Ansatz zur Ermittlung des Umsetzungsstandes einer Risikoreporting-Anwendung gemäß BCBS #239/MaRisk AT 4.3.4 ist Gegenstand von Abschn. 3.2.
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel

4. Detailliertes Fallbeispiel zur Kreditdatenanalyse auf Basis von RStudio

Zusammenfassung
Das vorliegende Kapitel beschäftigt sich mit einigen typischen Anwendungsfällen von Data Mining im Bereich des Risikoreportings von Finanzinstituten, die den in Abschn. 2.​4.​2 vorgestellten Phasen 2 und 3 (Datenuntersuchung und Datenaufbereitung), 4 (Modellierung) und 5 (Evaluierung) des CRISP-DM-Vorgehensmodells angesprochenen Problemfeldern nachempfunden sind. Dabei greift es auf die in Abschn. 2.​4.​4 vorgestellten Analyseverfahren (Clusterverfahren, Hauptkomponentenanalysen, lineare und logistische Regressionsanalysen, Entscheidungsbaumverfahren, künstliche neuronale Netze) zurück und zeigt in stark vereinfachter Form mithilfe des Programmpaketes RStudio, wie Teilaspekte der Modellierung von Kreditausfallwahrscheinlichkeiten in der Praxis aussehen könnten.
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel

5. Zusammenfassung und Ausblick

Zusammenfassung
Das vorliegende Buch setzt sich mit einem wichtigen und aktuellen Thema der Finanzwirtschaft auseinander, und zwar mit dem „Risikoreporting in Finanzinstituten“, das durch die bekannten dramatischen Ereignisse der letzten Jahre mit ihren negativen ökonomischen Auswirkungen weltweit zu intensiven Diskussionen und Handlungsdruck führte. Unterschiedliche Strategien und Lösungsansätze wurden von der Wissenschaft und der Praxis vorgeschlagen, in deren Mittelpunkt häufig der notwendige Einsatz eines effizienten Risikoreportings steht. Dabei ist die zunehmende Digitalisierung der finanzwirtschaftlichen Prozesse mit ihren Daten zu beachten, d. h. Daten, die immer umfangreicher und komplexer im Sinne von Big Data werden und für die eine schnelle Verfügbarkeit, eine hohe Transparenz und Sicherheit bei hoher Qualität gefordert wird. Hier stehen die risikorelevanten Daten im Vordergrund, die zu großen Gefahren und möglichen hohen wirtschaftlichen Verlusten führen können.
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel

6. Anhang

Zusammenfassung
Bei R handelt es sich um ein unter GNU General Public License frei zugängliches Statistikprogramm mit eigener Programmiersprache, das sich hervorragend zur statistischen Datenanalyse und -visualisierung eignet und das zudem einfach zu erlernen ist. RStudio beinhaltet eine auf R aufgesetzte grafische Benutzeroberfläche und Entwicklungsumgebung (ebenfalls mit freier Verfügbarkeit der Desktopversion) zur Erleichterung der Bedienung von R. Die folgenden Programmierbeispiele machen sich diese einfachere Bedienbarkeit von RStudio zunutze, sind aber grundsätzlich auch mit R problemlos zu bewältigen.
Uwe Rudolf Fingerlos, Guido Golla, Alexander Pastwa, Peter Gluchowski, Roland Gabriel
Weitere Informationen