Inhaltsverzeichnis
1. Einleitung
Dieses Papier adressiert eine kritische Lücke in der Kreditrisikomodellierung: die explizite Einbeziehung von Wechselkursrisiken (FX-Risiko) in die Bewertung der Ausfallwahrscheinlichkeit (Probability of Default, PD) eines Kreditnehmers und der Vermögenswertkorrelationen zwischen Kreditnehmern. Intuitiv betrachtet steht ein Kreditnehmer, dessen Vermögenswerte und Verbindlichkeiten in verschiedenen Währungen denominiert sind, unter zusätzlicher Volatilität, was sein Ausfallrisiko erhöht. Diese Erhöhung manifestiert sich nicht nur in einer höheren individuellen PD, sondern auch in einer stärkeren Ausfallabhängigkeit (höhere Vermögenswertkorrelation) zwischen ähnlich exponierten Kreditnehmern. Der Autor kombiniert etablierte Modelle – Mertons (1974) strukturelles Ausfallmodell, das Garman-Kohlhagen (1983) Währungsoptionsmodell und Vasiceks (2002) asymptotisches Einzelfaktormodell –, um prägnante Formeln abzuleiten, die PDs und Korrelationen mit und ohne Währungsrisiko in Beziehung setzen.
2. Modellgrundlagen
Die Grundlage des Modells liegt in der Darstellung zentraler ökonomischer Variablen als stochastische Prozesse.
2.1 Vermögenswertprozess
Der Vermögenswert $A(t)$ des Kreditnehmers folgt einer geometrischen Brownschen Bewegung (GBM):
$dA(t) = \mu A(t)dt + \sigma A(t)dW(t)$
Äquivalent gilt: $A(t) = A_0 \exp\left((\mu - \sigma^2/2)t + \sigma W(t)\right)$, wobei $\mu$ die Drift, $\sigma$ die Vermögenswertvolatilität und $W(t)$ eine Standard-Brownsche Bewegung ist.
2.2 Wechselkursprozess
Der Wechselkurs $F(t)$ (Einheiten der Schuldenwährung pro Einheit der Vermögenswährung) wird ebenfalls als GBM modelliert:
$dF(t) = \nu F(t)dt + \tau F(t)dV(t)$
Äquivalent gilt: $F(t) = F_0 \exp\left((\nu - \tau^2/2)t + \tau V(t)\right)$, wobei $\nu$ die Drift, $\tau$ die FX-Volatilität und $V(t)$ eine weitere Standard-Brownsche Bewegung ist. Die beiden Brownschen Bewegungen sind mit dem Parameter $r$ korreliert: $\text{corr}[V(t)-V(s), W(t)-W(s)] = r$.
2.3 Ausfallbedingung mit Währungsrisiko
Ein Ausfall tritt zum Zeitpunkt $t=1$ ein, wenn der in die Schuldenwährung umgerechnete Vermögenswert unter das Schuldenniveau $D$ fällt:
$F(1)A(1) \leq D$.
Dies kann bequem durch den heutigen Wechselkurs $F_0$ normalisiert werden, um die Schulden in der lokalen Währung des Vermögenswerts auszudrücken: $F^*(1)A(1) \leq D^*$, wobei $F^*(t)=F(t)/F_0$ und $D^*=D/F_0$.
3. Herleitung der zentralen Ergebnisse
Unter den Modellannahmen leitet der Autor geschlossene Ausdrücke für PD und Vermögenswertkorrelation unter Währungsrisiko ab.
3.1 Adjustierte Ausfallwahrscheinlichkeit (PD)
Die PD unter Währungsrisiko, $p^*$, ergibt sich aus der Wahrscheinlichkeit, dass der kombinierte Log-Vermögensprozess unter den Log-Schuldenschwellenwert fällt. Unter Annahme der Unabhängigkeit zwischen Vermögens- und FX-Prozess ($r=0$) und einer Drift von Null für den Wechselkurs ($\nu = 0$) lautet die adjustierte PD:
$p^* = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sqrt{\sigma^2 + \tau^2}} \right)$
Im Vergleich zur Ein-Währungs-PD $p = \Phi\left( \frac{\ln(A_0/D^*) - (\mu - \sigma^2/2)}{\sigma} \right)$ erhöht sich der Nenner von $\sigma$ auf $\sqrt{\sigma^2 + \tau^2}$, was bei gleichem Abstand zum Ausfall (distance to default) zu einer höheren PD ($p^* > p$) führt, da die Gesamtvolatilität steigt.
3.2 Adjustierte Vermögenswertkorrelation
Die Vermögenswertkorrelation $\varrho^*$ zwischen zwei Kreditnehmern unter Währungsrisiko steigt ebenfalls. Wenn beide Kreditnehmer demselben Währungsrisikofaktor ausgesetzt sind, werden ihre Vermögenswerte stärker korreliert, da sie einen zusätzlichen gemeinsamen Schock durch die Wechselkursbewegung teilen.
3.3 Die zentrale Konsistenzbedingung
Das stärkste Ergebnis ist eine parameterfreie Konsistenzbedingung, die die Veränderungen von PD und Vermögenswertkorrelation verknüpft. Für zwei Kreditnehmer mit identischem Risikoprofil vereinfacht sie sich zu:
$\frac{1-\varrho^*}{1-\varrho} = \frac{[\Phi^{-1}(p^*)]^2}{[\Phi^{-1}(p)]^2}$
Diese Gleichung (Gleichung (1) im Papier) impliziert, dass man PDs und Vermögenswertkorrelationen für Währungsrisiken nicht unabhängig voneinander beliebig anpassen kann; sie sind intrinsisch miteinander verbunden. Eine Erhöhung der PD ($p^* > p$) muss von einer Erhöhung der Vermögenswertkorrelation ($\varrho^* > \varrho$) begleitet werden.
4. Zentrale Erkenntnisse & Analystenperspektive
Kernaussage: Tasches Arbeit ist nicht nur eine mathematische Übung; sie ist eine formelle Anklage gegen den verbreiteten, isolierten Ansatz für Markt- und Kreditrisiken. Das Papier beweist, dass FX-Volatilität nicht einfach einen festen Aufschlag auf Kreditaufschläge addiert – sie verändert grundlegend die gemeinsame Ausfalldynamik von Schuldnern. Die abgeleitete Konsistenzbedingung ist ein mächtiger Plausibilitätscheck: Wenn Ihre FX-adjustierten PDs steigen, Ihre Korrelationen jedoch statisch bleiben, ist Ihr Modell intern inkonsistent und unterschätzt wahrscheinlich das Tail-Risiko des Portfolios.
Logischer Ablauf: Das Argument ist elegant einfach. 1) Modelliere Vermögenswerte und Wechselkurse als korrelierte GBMs. 2) Definiere Ausfall über den umgerechneten Vermögenswert. 3) Beobachte, dass die effektive, den Ausfall treibende Volatilität $\sqrt{\sigma^2 + \tau^2}$ beträgt. 4) Diese höhere Volatilität erhöht sowohl die marginale Ausfallwahrscheinlichkeit (PD) als auch die gemeinsame Bewegung (Korrelation) zwischen Unternehmen, die demselben FX-Faktor ausgesetzt sind. Die finale Konsistenzbedingung ergibt sich natürlich aus dieser Geometrie.
Stärken & Schwächen: Die größte Stärke ist die Handhabbarkeit. Durch die Verwendung standardisierter (wenn auch starker) Annahmen – GBM, Unabhängigkeit, Null-FX-Drift – liefert das Modell eine klare, anwendbare Formel. Dies ist für Risikomanager weitaus handlungsorientierter als komplexe, rechenintensive Simulationen. Der Fehler liegt jedoch genau in diesen Annahmen. Das Garman-Kohlhagen-Modell, obwohl grundlegend, ist bekannt dafür, Schwierigkeiten bei der Erfassung von FX-Volatilitäts-Smiles und Sprüngen zu haben, wie in neuerer Literatur vermerkt (z.B. Bakshi, Cao und Chen, 1997). Die Annahme der Unabhängigkeit zwischen dem Vermögenswert eines Unternehmens und dem Wechselkurs ist ebenfalls eine bedeutende Einschränkung, insbesondere für exportorientierte Unternehmen, deren Wohlergehen direkt an Währungsbewegungen geknüpft ist. Das vorgestellte Modell ist eine Approximation erster Ordnung.
Umsetzbare Erkenntnisse: Für Praktiker erfordert dieses Papier eine prozedurale Änderung. Erstens: Validieren Sie Ihre Korrelationen. Nutzen Sie die Konsistenzbedingung, um zurückzutesten, ob historisch geschätzte PD-Korrelations-Paare für international tätige Unternehmen mit den Vorhersagen des Modells in Phasen hoher FX-Volatilität übereinstimmen. Zweitens: Stresstesten Sie Ihr Portfolio. Wenden Sie die Formel an, um PDs und Korrelationen gleichzeitig unter einem schweren FX-Schockszenario zu schocken, anstatt isoliert. Dies wird konzentrierte Schwachstellen aufdecken, die Standardmodelle übersehen. Schließlich unterstreicht diese Arbeit die Notwendigkeit integrierter Risikoplattformen. Da sich der regulatorische Rahmen in Richtung Prinzipien wie dem Zinsänderungsrisiko im Bankbuch (IRRBB) von Basel III entwickelt, das Währungsrisiken anerkennt, liefern Modelle wie das von Tasche ein grundlegendes quantitatives Argument für den Abbau der Silos zwischen Markt- und Kreditrisikoabteilungen.
5. Technische Details & Mathematischer Rahmen
Die zentrale mathematische Herleitung beinhaltet die Charakterisierung des Logarithmus des normalisierten Vermögenswerts $X = \ln(F^*(1)A(1)/A_0)$. Unter den Modellannahmen gilt:
$X \sim N\left(\mu - \frac{\sigma^2 + \tau^2}{2}, \sigma^2 + \tau^2 + 2r\sigma\tau\right)$
Die Ausfallbedingung $F^*(1)A(1) \leq D^*$ wird zu $X \leq \ln(D^*/A_0)$. Die PD ist daher $p^* = \Phi\left( \frac{\ln(D^*/A_0) - (\mu - (\sigma^2+\tau^2)/2)}{\sqrt{\sigma^2 + \tau^2 + 2r\sigma\tau}} \right)$. Die Konsistenzbedingung wird hergeleitet, indem die Vermögenswerte zweier Unternehmen betrachtet und das Vasicek (2002) asymptotische Einzelfaktormodell angewendet wird, das Ausfallschwellenwerte mit Vermögenswertkorrelationen verknüpft.
6. Analytischer Rahmen: Ein praktisches Fallbeispiel
Szenario: Eine europäische Bank hat ein Kreditportfolio mit zwei Industrieunternehmen, Unternehmen A (deutsch, Vermögen in EUR, Schulden in USD) und Unternehmen B (japanisch, Vermögen in JPY, Schulden in USD). Die Bank hat deren Ein-Währungs-PDs auf $p_A = p_B = 1\%$ und eine Vermögenswertkorrelation von $\varrho = 15\%$ geschätzt, wobei Währungsrisiken ignoriert wurden.
Analyse: Die Bank möchte nun USD/EUR- und USD/JPY-Risiken einbeziehen. Unter Verwendung interner Modelle schätzt sie, dass die zusätzliche FX-Volatilität die PD jedes Unternehmens auf $p^*_A = p^*_B = 1.5\%$ erhöht.
Anwendung der Konsistenzbedingung: Die Bank muss nun die Vermögenswertkorrelation anpassen. Unter Verwendung der Formel:
$\frac{1-\varrho^*}{1-0.15} = \frac{[\Phi^{-1}(0.015)]^2}{[\Phi^{-1}(0.01)]^2} = \frac{(-2.17)^2}{(-2.33)^2} \approx 0.87$
Die Lösung ergibt $\varrho^* \approx 1 - 0.87*(0.85) \approx 26\%$.
Interpretation: Die Einführung eines gemeinsamen Währungsrisikofaktors (USD-Stärke) erhöht nicht nur das individuelle Ausfallrisiko um 50% (von 1% auf 1,5%), sondern steigert auch die Ausfallabhängigkeit zwischen den beiden Unternehmen signifikant von 15% auf 26%. Ein Portfoliomodell, das nur die PDs anpasst, würde das Risiko mehrerer gleichzeitiger Ausfälle während eines USD-Aufwertungsereignisses erheblich unterschätzen.
7. Anwendungsausblick & zukünftige Entwicklungen
Die Implikationen dieser Forschung gehen über das traditionelle Firmenkundengeschäft hinaus.
- Klimarisiko & gerechter Übergang: Der Rahmen kann angepasst werden, um zu modellieren, wie physische Klimarisiken (z.B. Überschwemmungen) oder Transformationsrisiken (CO2-Steuern) als neuer, systematischer "Faktor" wirken, der sowohl PDs als auch Korrelationen für exponierte Sektoren erhöht, ähnlich dem FX-Faktor.
- Kryptowährungen & DeFi-Kreditvergabe: In der dezentralen Finanzwelt, wo Kredite oft mit volatilen Kryptowährungen besichert sind, ist die Logik des Modells direkt anwendbar. Die Volatilität des Besicherungsvermögens ($\tau$) erhöht drastisch das Kontrahentenrisiko und die Korrelation in Kreditpools.
- Regulatorisches Eigenkapital (Basel IV): Das Modell liefert eine theoretische Grundlage für die Argumentation, dass die festen Annahmen zur Vermögenswertkorrelation im Foundation Internal Ratings-Based (F-IRB) Ansatz für Portfolios mit signifikantem Währungsmismatch unzureichend sein können, was möglicherweise die Verwendung fortgeschrittener Ansätze rechtfertigt.
- Zukünftige Forschung: Wichtige Erweiterungen umfassen die Lockerung der Unabhängigkeitsannahme, um Unternehmen mit natürlichen Hedges oder Exportabhängigkeiten zu modellieren, die Einbeziehung stochastischer Volatilität für sowohl Vermögenswerte als auch Wechselkurse (z.B. Heston-Modell) und die empirische Validierung der Konsistenzbedingung über verschiedene Konjunkturzyklen und Währungsregime hinweg.
8. Literaturverzeichnis
- Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates. The Journal of Finance, 29(2), 449-470.
- Garman, M. B., & Kohlhagen, S. W. (1983). Foreign currency option values. Journal of International Money and Finance, 2(3), 231-237.
- Vasicek, O. (2002). The distribution of loan portfolio value. Risk, 15(12), 160-162.
- Bakshi, G., Cao, C., & Chen, Z. (1997). Empirical performance of alternative option pricing models. The Journal of Finance, 52(5), 2003-2049.
- Basel Committee on Banking Supervision. (2016). Standards: Interest rate risk in the banking book. Bank for International Settlements.