CSR und Risikomanagement - Institute for Sustainability
CSR und Risikomanagement - Institute for Sustainability
CSR und Risikomanagement - Institute for Sustainability
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Loew, Clausen, Rohde (2011)<br />
<strong>CSR</strong> <strong>und</strong> <strong>Risikomanagement</strong><br />
Expertenbefragungen <strong>und</strong> Szenariotechnik<br />
Die schon aus der Risikoidentifikation bekannten Methoden der Expertenbefragungen <strong>und</strong> der<br />
Szenariotechnik können auch für die qualitative Bewertung von Risiken herangezogen werden.<br />
Bei ersteren wird wieder auf die Erfahrung der Befragten vertraut. Im Zuge der Szenariotechnik<br />
werden die entwickelten Szenarien nach ihren Risiken bewertet. Die Szenarien mit Hang zu<br />
Extrema werden als risiko- aber auch chancenreich eingestuft.<br />
4.2.2 Quantitative Methoden<br />
Maximaler Verlust, erwarteter Verlust, Volatilität<br />
Die quantitativen Methoden sind unterschiedlich komplex. Zu den einfachen Methoden zählt die<br />
Ermittlung des maximalen Verlustes je Risiko. Dieser Wert berücksichtigt jedoch nicht die Eintrittswahrscheinlichkeit.<br />
Bei einer Multiplikation des maximalen Verlustes mit dem Erwartungswert<br />
für das auslösende Ereignis erhält man den erwarteten Verlust. Es ist so möglich alle monetär<br />
bewertbaren Negativereignisse zu vergleichen <strong>und</strong> auch einen Gesamtwert zu berechnen.<br />
Dieser Vergleich berücksichtigt aber nicht die Streuung aller Möglichkeiten für einen jeweiligen<br />
Sachverhalt. Dazu müssen alle möglichen Ereignisse mit ihrem jeweiligen Erwartungswert multipliziert<br />
werden <strong>und</strong> man erhält die erwartete Vermögensänderung. Auch diese Kennzahl hat<br />
noch Schwächen, denn sie berücksichtigt noch nicht die Streuung, also die Spannbreite der<br />
möglichen positiven <strong>und</strong> negativen Zustände. Um diese darzustellen, können Varianzen <strong>und</strong><br />
Volatilitäten berechnet werden.<br />
Sensitivitätsanalyse<br />
Diese obigen einfachen Kennzahlen berücksichtigen noch nicht etwaige Zusammenhänge zwischen<br />
einzelnen Risiken. Die Auswirkungen von Zusammenhängen können über eine Sensitivitätsanalyse<br />
dargestellt werden. Diese Analysen er<strong>for</strong>dern die Erstellung von Modellen in denen<br />
funktionale <strong>und</strong> durch Parameter darstellbare Zusammenhänge zwischen den verschiedenen<br />
Einflussgrößen abgebildet werden. Mittels der Variation einzelner Parameter zeigt die Sensitivitätsanalyse<br />
dann die Wirkbeziehungen der Einflussgrößen <strong>und</strong> deren Auswirkungen innerhalb<br />
eines komplexen Systems auf. So können Anfälligkeit <strong>und</strong> Verletzlichkeit des Systems gegenüber<br />
Risiken gemessen werden. Außerdem lässt sich die Bedeutung von Einzelrisiken für die<br />
Gesamtrisikolage herausfiltern.<br />
Value-at-Risk (VaR) <strong>und</strong> verwandte Methoden<br />
Der Value-at-Risk (VaR) ist ein Maß, das die Schadenshöhe eines Risikos oder mehrerer Risiken<br />
angibt, welche mit einer bestimmten Wahrscheinlichkeit (= Konfidenzniveau) in einem vorgegebenen<br />
Zeitraum nicht überschritten wird. Beispielsweise bedeutet ein 100-Tage VaR von 1<br />
Mio. EUR bei einem Konfidenzniveau von 99%, dass durchschnittlich an einem der 100 Tage<br />
der Schaden des betrachteten Risikos 1 Mio. EUR übersteigt. Mit dieser Kennzahl können unterschiedliche<br />
Risikoarten vergleichbar gemacht werden. Zur Berechnung werden die risikobeeinflussenden<br />
Faktoren durch ein stochastisches Modell beschrieben, in das sowohl die Volatilitäten<br />
als auch die Korrelationen dieser Faktoren einfließen. Daraus werden dann die Schadenshöhe,<br />
der Zeitraum <strong>und</strong> die Wahrscheinlichkeit für den VaR bestimmt. Bei der Modellierung wird<br />
zwischen analytischen <strong>und</strong> simulierenden Methoden unterschieden (Eisele <strong>und</strong> Knobloch 2000).<br />
Erstere basieren auf den Annahmen, dass die Änderungen der Risiko- beeinflussenden Faktoren<br />
normalverteilt sind <strong>und</strong> ein linearer Zusammenhang zwischen diesen Faktoren <strong>und</strong> den<br />
43