CSR und Risikomanagement - Institute for Sustainability

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