Sie sind auf Seite 1von 35

Bachelorarbeit

Sensitivittsanalyse der CDO-Ratingverfahren a von Moodys und S&P bezuglich zentraler Einussfaktoren

vorgelegt an der Universitt Hohenheim a Professur fr Betriebswirtschaftslehre, insbesondere Risikomanagement und Derivate u

bei Prof. Dr. Christian Koziol Betreuer: M.Sc. Alexander Friesenegger

von Niklas Lechner Martikelnummer: 435358 Mozartstrasse, 54 70180 Stuttgart Telefon: 0173 / 6862607 eMail: nlechner@uni-hohenheim.de

Stuttgart, 14.09.2011

Inhaltsverzeichnis
Abbildungsverzeichnis Tabellenverzeichnis Abkurzungsverzeichnis Symbolverzeichnis 1 Einleitung 2 Grundlagen 2.1 2.2 Kurzer Uberblick CDOs . . . . . . . . . . . . . . . . . . . . . . . Rating-Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . III IV V VI 1 2 2 3 4 4 7 9 9 12 14 14 17 19 22 24 26 27

3 CDO-Ratingverfahren 3.1 3.2 Moodys BET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Standard & Poors EVALUATOR Ansatz . . . . . . . . . . . . . .

4 Modellrahmen der Sensitivittsanalyse a 4.1 4.2 Versuchsaufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . Charakterisierung der CDO-Struktur . . . . . . . . . . . . . . . .

5 Ergebnisanalyse 5.1 5.2 5.3 5.4 Einuss der Recovery-Rate . . . . . . . . . . . . . . . . . . . . . . Einuss der Default-Probability . . . . . . . . . . . . . . . . . . . Einuss der Portfoliokorrelation . . . . . . . . . . . . . . . . . . . Einuss der Asset-Gewichtung . . . . . . . . . . . . . . . . . . . .

6 Fazit Anhang Literatur

II

Abbildungsverzeichnis
(1) (2) (3) (4) (5) Ausfallverteilungen des BET-und EVALUATOR Modells . . . . . Ausfallverteilungen bei einer Variation der Recovery Rate R . . . Ausfallverteilungen bei einer Variation der Default-Probability . . Ausfallverteilungen bei einer Variation der Portfoliokorrelation . . Ausfallverteilungen bei einer Variation der Asset-Gewichtung . . . 12 15 18 20 23

III

Tabellenverzeichnis
(1) (2) (3) (4) (5) (6) (7) (8) (9) Zusammenfassung der Ausfallverteilungen . . . . . . . . . . . . . Angenommene CDO-Struktur der Analyse . . . . . . . . . . . . . Ergebnisse des BET-Modells bei unterschiedlichen Recovery Rates Moodys Rating der Tranchen bei Anderung der Recovery Rate . Ergebnisse des S&P-Modells bei unterschiedlichen Recovery Rates S&Ps Rating der Tranchen bei Anderung der Recovery Rate . . . 11 14 15 15 16 17

Ergebnisse des BET-Modells bei unterschiedlicher Default-Probability 17 Ergebnisse des S&P-Modells bei unterschiedlicher Default-Probability 18 Moodys Rating der Tranchen bei Anderung der Default-Probability 19 19

(10) S&Ps Rating der Tranchen bei Anderung der Default-Probability (11) Ergebnisse des BET-Modells bei unterschiedlicher Portfoliokorrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

(12) Ergebnisse des S&P-Modells bei unterschiedlicher Portfoliokorrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

(13) Moodys Rating der Tranchen bei Anderung der Portfoliokorrelation 21 (14) S&Ps Rating der Tranchen bei Anderung der Portfoliokorrelation (15) Moodys Rating der Tranchen bei Anderung der Asset-Gewichtung (16) S&Ps Rating der Tranchen bei Anderung der Asset-Gewichtung . 21 23 23

IV

Abkurzungsverzeichnis
ABS BET bspw. bzw. CB CBO CDO CDS CLO d.h DS EL Fitch Mio. MC Moodys Rel. RF SME SLR SPV S&P USA WARF WARR z.B. Asset-Backed-Securities Binomial Expansion Technique beispielsweise beziehungsweise Correlated Binomial Collateralized Bond Obligation Collateralized Debt Obligation Credit Default Swap Collateralized Loan Obligation dass heisst Diversity Score expected loss Fitch Ratings Millionen Monte Carlo Moodys Investors Service relativ Rating Faktor Small- to Mid-sized Enterprises Szenario Loss Rate Special PurposeVehicle Standard & Poors United States of America Weighted Average Rating Faktor Weighted Average Recovery Rate zum Beispiel

Symbolverzeichnis
i % DS C Ei ELT R i Li Lj M N ni p pAaaT Pj pXT R RF i S(i) T i Ti ui y yi wi Recovery Rate Prozent Phi / standardnormalverteilt Diversity Score im CB-Modell Exposure eines Assets i erwarteter Verlust in einer Tranche einzelnes Asset Verlust eines Assets i Verlust im j-ten Szenario Mittelwert Gesamtportfoliowert Nominalwert eines Assets i Ausfallwahrscheinlichkeit angenommene Intrakorrelation zwischen zwei korrelierten Assets Ausfallwahrscheinlichkeit eines Aaa-Assets Ausfallwahrscheinlichkeit eines Portfolios im Szenarium j Ausfallwahrscheinlichkeit eines Assets Recovery Rate Ratingfaktoren eines Assets i Uberlebensfunktion Laufzeit time-until-default eines Assets i Flligkeit eines Assets a Equivalent-Unit-Score eines Assets i Average-Reference-Entity Notional Amount Zufallsvariablen i Gewicht des Assets i am Gesamtportfolio

VI

Einleitung

Kaum ein anderes Finanzinstrument ist so stark mit der Finanzkrise verbunden, wie die Collateralized Debt Obligations, kurz CDOs. Die von Warren Buet als nanzielle Massenvernichtungswaen bezeichneten Kreditderivate (vgl. Chisholm 2010, S.10), rckten in den letzten Jahren in den Fokus der Oentlichkeit. Die u Ratingagenturen wurden fr deren Bewertungen stark kritisiert und fr die Ausu u wirkungen der Krise mitverantwortlich gemacht. Nachdem das weltweite Emissionsvolumen von CDOs im Zuge der Krise bis auf 2% des ursprnglichen Wertes u einbrach (vgl. Pech 2008, S.44), werden in jngster Zeit vermehrt CDOs emitu tiert. Wie bereits in der Vergangenheit wird die Einschtzung der Risiken von a den drei weltweit fhrenden Ratingagenturen Moodys Investors Service, Fitch u Ratings und Standard & Poors bewertet. Die Rolle der Ratingagenturen besteht darin, die Informationsasymmetrien zwischen Investoren und Emittenten zu verringern (vgl. Herwig/Langohr 2009, S.110), indem sie helfen, Bonittsrisiken einzuschtzen und zu beurteilen. In Bezug auf die a a Bewertung von CDOs, erweisen sich die komplexen Strukturen und die Ermittlung der Ausfallkorrelationen in einem Kreditportfolio als schwierig. Zur Analyse der Qualitt eines solchen Kreditportfolios greifen die Ratingagenturen auf mathemaa tische Modelle und Verfahren zurck. Zum Verstndnis der Risikoeigenschaften u a dieser Forderungspools sind die Modellierung des Kreditrisikos und die Kenntnis uber den Einuss der Inputparameter auf das Rating entscheidend. Somit hat diese Arbeit das Ziel, diese Modelle und Verfahren zu erlutern und dea ren Verhalten mit Hilfe einer Sensitivittsanalyse zu untersuchen. Zunchst wird a a im zweiten Kapitel eine kurze Ubersicht des CDO-Marktes gegeben.Anschlieend werden im dritten Kapitel die zwei bekanntesten Anstze von Moodys und Stana dard & Poors aufgezeigt. Im vierten Kapitel wird der Modellrahmen fr die Senu sitivittsanalyse festgelegt, um dann die Ratingverfahren auf zentrale Einussfaka toren zu untersuchen. Hierbei soll im fnften Kapitel der Einuss der Gewichu tung, der Recovery Rate, der Default-Probabilty, der Ausfallkorrelation sowie der Asset-Gewichtung im Portfolio genauer betrachtet werden. Abschlieend wird im sechsten Kapitel ein Resmee aus den erarbeiteten Ergebnissen gezogen und ein u kurzer Ausblick gegeben.

2
2.1

Grundlagen
Kurzer Uberblick CDOs

Collateralized Debt Obligations (CDOs) sind derivative Finanzinstrumente, die im weitesten Sinn der Klasse der Asset-Backed-Securities (ABS) angehren.Sie o sind ebenfalls mit Vermgenswerten (Assets) gedeckte Wertpapiere, bei denen die o Zins- und Tilgungszahlungen aus den Zahlungsstrmen der Forderungen geleistet o werden. Setzen sich die zugrunde liegenden Assets (Underlying) vorwiegend aus besicherten Krediten zusammen, spricht man von Collateralized Loan Obligations (CLOs). Werden Anleihen als Underlying verwendet, spricht man von Collateralized Bond Obligations (CBO). Ein CDO kann aus einer Mischung von Anleihen, Darlehen oder ABS und CDO selbst bestehen (vgl. Schmittat 2007, S.17 .). In Bezug auf den wirtschaftlichen Zweck einer CDO-Transaktion wird zwischen Balance Sheet-CDOs und Arbitrage-CDOs dierenziert. Bei Balance Sheet-CDOs werden die Forderungen weiterverkauft, um eine Entlastung des regulatorischen Eigenkapitals zu erreichen. Arbitrage-CDOs werden zur Erzielung von ArbitrageGewinnen durchgefhrt (vgl. Ramaswamy 2004, S.207). u Bezglich der Struktur eines CDOs lassen sich Cash-Flow-, Synthetische- und u Market Value CDOs unterscheiden (vgl. Kln 2011, S.207). Bei Synthetischen o CDOs werden die Forderungen in der Bilanz des Verkufers belassen, und einzig a das Ausfallrisiko uber ein Credit Default Swap (CDS) transferiert. Market Va lue CDOs werden durch einen CDO Manager aktiv gehandelt, mit dem Ziel die Zahlungsstrme durch Kauf- und Verkaufstransaktionen der zugrunde liegenden o Forderungen zu steigern. Bei Cash Flow CDOs werden im Rahmen eines TrueSales die Vermgenswerte mit den entsprechenden Risiken veruert und die Zinso a sowie Tilgungszahlungen zur Befriedigung der Verbindlichkeiten verwendet. Investment Banken emittieren die CDOs, indem sie mit einer eigens fr diesen u Zweck gegrndeten Gesellschaft, auch Special Purpose Vehicle (SPV) genannt u (vgl. Ketz 2003, S.126), die Forderungen kaufen, strukturieren, verbriefen und anschlieend verkaufen. Um die Marktgngigkeit der verbrieften Forderungen zu a erhhen, wird der Pool von Einzelforderungen in mehrere Tranchen zerlegt. Die o Tranchen unterscheiden sich bezglich des Ausfallrisikos, des Ratings und der u 2

Verzinsung. Dies wird durch eine Subordination der Tranchen erreicht, indem die Zahlungsstrme der Forderungen kaskadenartig an diese verteilt werden. Die aufo grund des geringsten Verlustrisikos mit dem hchsten Rating versehene Senior o Tranche, wird vorrangig bedient. Erst wenn die Zins- und Tilgungszahlungen der Senior Tranche befriedigt wurden, erhlt die nachrangige Mezzanine-Tranche ihre a Zahlungsansprche. Die restlichen Zinszahlungen fngt die Equity-Tranche auf. u a Durch diese Struktur kann es in der Equity-Tranche zu hohen Zinsertrgen koma men. Im Gegenzug wird sie als erstes von Verlusten durch Ausflle betroen und a schtzt somit die ubergeordneten Tranchen als Puer vor Zahlungsausfllen. Diese u a Tranchierung eines CDOs schat mehrere Wertpapierklassen, deren Einzelratings uber dem durchschnittlichen Rating der Einzelforderungen des CDO-Pools liegen und somit eine hohe Anzahl an potentiellen Investoren erreichen.

2.2

Rating-Grundlagen

Der globale Ratingmarkt kann als beschrnktes Oligopol verstanden werden (vgl. a Herfurth 2011, S.261). Die dominanten Anbietern sind Standard & Poors, Moodys Investors Service und Fitch Rating. Durch die Two-Rating Norm, durch die Emittenten zwei Ratings beantragen mssen, wurde die Marktstellung weiter u verstrkt und der Wettbewerb untereinander weiter gemindert. Die drei fhrenden a u Ratingagenturen vergeben in ca. 100 Lndern Ratings wobei die Bewertung struka turierter Finanzierungen eine der Haupteinnahmequellen darstellt. Der Ratingprozess zur Bewertung eines CDOs umfasst mehrere Schritte: Zu Beginn werden Portfoliomanager und Originatoren auf ihre Fhigkeiten uberprft, a u dass Referenzportfolio angemessen zu verwalten (vgl. Levin 2011, S.250). Ein weiterer wichtiger Schritt ist die Bewertung des Risikogehaltes und der Qualitt des a Portfolios. Dies wird anhand rmenspezischer, analytischer Modelle untersucht, die im Laufe dieser Arbeit nher erlutert und analysiert werden. Die Ausfallwahra a scheinlichkeit, Recovery Rate und die Ausfallkorrelation sind elementare Inputparameter dieser Modelle. Die Ausfallwahrscheinlichkeit oder auch Default Probability genannt, wird regelmig auf Basis historischer Beobachtungen geschtzt und a a verentlicht. Sie gibt an, mit welcher Wahrscheinlichkeit ein Asset innerhalb eines o Zeitraumes ausfallen wird. Die Recovery Rate beschreibt die Wiedergewinnungsoder Rckzahlungsquote des Kreditbetrages bei Ausfall und Verwertung aller Siu 3

cherheiten. Die Ausfallkorrelation misst die Wahrscheinlichkeit, dass zwei Schuldner zum gleichen Zeitpunkt ausfallen und erweist sich als schwierigste Aufgabe im Ratingprozess. Sind die Inputdaten bekannt, werden durch formal geschlossene Anstze oder durch Monte Carlo (MC) Simulationen die Ausfallverteilungen a geschtzt und ausgewertet. Die zugrunde liegenden Zufallsgesetzmigkeiten bei a a der Analyse eines Kreditportfolios werden durch die synthetisch erzeugten Daten der MC-Simulation vollstndig evaluiert. Da moderne Computersysteme eine a hohe Anzahl an Simulationsdurchlufen ermglichen, gewinnt die MC-Simulation a o zunehmend an Bedeutung. Weitere wichtige Schritte sind die Strukturanalyse des CDOs und die rechtliche Uberprfung der Transaktion. Sind alle Untersuchungen abgeschlossen, wird die u Qualitt des CDOs komprimiert als Ratingsymbol ausgedrckt. Hierbei werden a u dieselben Ratingskalen verwendet wie bei gewhnlichen Schuldverschreibungen. Es o gibt unterschiedliche Bezeichnungen der Symbole zwischen den Ratingagenturen, die aber eine gleiche Bedeutung haben. Jedoch ist die Methodik der Ratingverfahren unterschiedlich, womit eine gewisse Vergleichbarkeit nicht unproblematisch ist. Eine Darstellung und Zusammenfassung der Ratingsymbole und Denitionen ist in Anhang 7 zu nden.

3
3.1

CDO-Ratingverfahren
Moodys BET

Das bekannteste Ratingverfahren zur Bewertung von CDOs ist die von Moodys entwickelte Binomial Expansion Technique (BET). Die Methode wurde 1996 eingefhrt und ist zu einem Standardmodell in der Bewertung von CDO-Transaktionen u geworden. Zur Erluterung des Modells wird auf die Dokumentation Mogunov und a Lassalvy (2009) und Charpentier und Fu (2011) zurckgegrien. u Die Grundidee besteht darin, das originre Verbriefungsportfolio in ein hypothea tisches Portfolio, nicht miteinander korrelierter, homogener Assets mit gleichem Nominalwert und gleicher Ausfallwahrscheinlichkeit zu transformieren. Unter dieser Annahme verluft der Ausfall des hypothetischen Portfolios gem einer Bia a nomialverteilung. Zu bestimmende Inputparameter sind der Weighted Average

Rating Faktor (WARF) und der Diversity Score (DS). Anhand dieser Inputdaten lassen sich die Ausfallszenarien bestimmen und somit der Erwartete Verlust (EL) berechnen, der anschlieend in ein Rating ubersetzt wird (vgl. Charpentier und Fu 2011). Zur Berechnung der durchschnittlichen Ausfallwahrscheinlichkeit des Referenzportfolios werden Moodys idealisierte, kumulierte Ausfallwahrscheinlichkeiten1 herangezogen, um fr jedes Asset den Rating Faktor (RF) zu bilden. Hierbei wird u die Ausfallwahrscheinlichkeit eines Assets pXT mit Rating x und Laufzeit T zu der Ausfallwahrscheinlichkeit eines Aaa-Asset pAaaT mit identischer Laufzeit in Relation gesetzt: RF = pXT pAaaT (1)

Die verwendeten kumulativen Ausfallwahrscheinlichkeiten werden durch historische Beobachtungen regelmig evaluiert . a Der WARF berechnet sich anschlieend mit dem Summenprodukt aus den Ratingfaktoren RF i jedes einzelnen Assets i und seinem prozentualen Anteil am Gesamtportfolio wi . W ARF =
i=1 n

(wi RF i )

(2)

Die Ausfallwahrscheinlichkeit des Portfolios wird durch Assets mit niedrigem Rating und somit ihrem hheren RF uberproportional belastet und geht daher strker o a in das Durchschnittsrating ein. Ein WARF von bspw. 700 bedeutet, dass bei einem Referenzportfolio mit 10-jhriger Laufzeit das Ausfallrisiko 700-fach hher a o ist, als das eines Aaa-gerateten Pools mit identischer Laufzeit. Daraus ergibt sich dann eine Ausfallwahrscheinlichkeit des CDOs Pools von p = 700 0, 01% = 7%. Der Diversity Score (DS) beschreibt die Diversikation des Vergleichsportfolios. Dabei unterteilt Moodys die Schuldentitel in 32 mgliche Branchen. Des Weiteren o wird die Annahme getroen, dass zwei Assets nur dann eine positive Ausfallkorrelation aufweisen, wenn sie derselben Branche zugeordnet sind. Ansonsten wird eine Ausfallkorrelation von Null angenommen. Je niedriger der DS ist, desto hher ist o die Konzentration bzw. desto geringer ist die Diversikation innerhalb eines Portfolios uber die gesamte Laufzeit.
1

Siehe Anhang 6

Um den DS fr jedes Asset i zu bestimmen, wird zunchst der Average Reference u a Entity Notional Amount y berechnet, indem der Gesamtwert des Portfolios durch die Anzahl der Assets dividiert wird. Anschlieend wird der Equivalent Unit Sco re ui fr jedes Asset i berechnet. Der Equivalent Unit Score ui ist der Quotient u aus dem Nominalwert ni eines Assets und dem Average Reference Entity Notio nal Amount y, wobei das Ergebnis = 1 sein muss. ni y

ui = min 1,

(3)

Die Summe aller Equivalent Unit Scores per Branche ergibt den Aggre gate Industry Equivalent Unit Score. Somit kann jeder Branche des Portfolios mit Hilfe der Diversity Score Tabelle2 ein Industry DS zugeordnet werden. Die Summe aller Industry DS bildet letztlich den DS des Vergleichsportfolios. Ist der DS keine natrliche Zahl, wird abgerundet (vgl. Charpentier und Fu 2011 S.38). u Anhand der DS und des WARF kann die Ausfallwahrscheinlichkeit Pj des Portfolios fr j=1,. . . , DS Ausflle mittels der Binomialverteilung berechnet werden. u a DS! pj (1 p)DSj j! (DS j)!

Pj =

(4)

Der erwartete Verlust EL in jeder Tranche kann daraufhin fr jedes Szenarium u (0 bis DS Ausflle) durch ein Cash Flow Modell mit spezischen Struktureigena schaften und Annahmen uber Recovary Rates bestimmt werden. Dabei bezeichnet Lj den Verlust im j-ten Szenario und ELT R den erwarteten Verlust der jeweiligen Tranche.
DS DS

ELT R =
j=0

ELj =
j=0

Pj L j

(5)

Abhngig vom Rating, dem Asset-Typ und der Senioritt der Besicherung des Krea a dites, kann die Recovery unterschiedliche Werte annehmen. Zur Berechnung des Verlustes im BET-Modell, wird eine Weighted Average Recovery Rate (WARR) berechnet, die sich aus den einzelnen Recovery Rates Forderungen und ihrer Assetgewichtung im Portfolio ableitet. Anhand Moodys Tabelle der idealisierten, kumulativen Expected Loss Rates3
2 3

Siehe Anhang 6 Siehe Anhang 6

wird der ermittelte erwartete Verlust der Tranche in ein Rating ubersetzt. Ist der DS bspw. 60, der WARF 700 (und somit die durchschnittliche Ausfallwahrscheinlichkeit des Portfolios bei 7% bei einer Laufzeit von 10 Jahren) und die Recovery Rate 20 %, dann betrgt der Portfolio-Verlust bei einem Ausfall von 5 a Schuldnern: 5 (1 0, 2) = 0, 0667 = 6, 67%. 60 Unter Beachtung der Tranchengren, kann bspw. der erwartete Verlust der o Mezzanine- Tranche berechnet werden, indem die als Puer dienende Tranchengre der Equity-Tranche in allen 0-DS Szenarien abgezogen wird. Die resultieo renden Tranchenverluste werden mit den berechneten Ausfallwahrscheinlichkeiten aus Formel 4 gewichtet und aufsummiert. Betrgt der erwartete Verlust der a Mezzanine-Tranche bspw. 1,43% bei einer Laufzeit von 10 Jahren, dann erhlt die a Tranche laut Moodys idealisierten Expected Loss Rates ein Rating von Baa1.

3.2

Standard & Poors EVALUATOR Ansatz

Fr die Bewertung von CDOs nutzt S&P hauptschlich sein in 2001 erstmals u a eingesetztes EVALUATOR-Modell. Hierbei handelt es sich um eine Single-StepMonte Carlo Simulation, die fr jedes einzelne Asset im CDO Portfolio die time u to default simuliert. Single-Step bedeutet, dass das Referenzportfolio in einer neuen Periode nicht aktualisiert wird, d.h. nicht um die ausgefallenen Assets bereinigt wird. Somit werden die Ausfallereignisse und das Recovery-Verhalten einmalig innerhalb eines Simulationdurchlaufes analysiert. Zu den notwendigen Inputdaten der Simulation gehren die Emittenten-Identikation, der Nominalo wert, das S&P Rating, die Industriegruppe, die Flligkeit, die Annahmen uber a die Recovery-Rates und die paarweise geschtzten Korrelationskoezienten fr a u smtliche Assets im Portfolio (vgl. Standard & Poors 2010). a Das S&P Rating eines Schuldtitels drckt identisch zu Moodys die kumulierten u Ausfallwahrscheinlichkeiten whrend einer Zeitperiode aus. Ein Ausfall liegt bei a S&P im Gegensatz zu Moodys lediglich bei Ausbleiben von Zins- und Tilgungszahlungen am Flligkeitstag vor. S&P dierenziert zwischen Corporates, Sovereign, a Asset-Backed-Securities(ABS) und Small- to Mid-sized Enterprises(SME). Die Ausfallwahrscheinlichkeiten werden auf Basis von historischen Daten geschtzt. a

Dafr nutzt S&P seine CreditPro Datenbank, die ausfhrliche Informationen der u u letzten 30 Jahre von uber 10000 Unternehmen enthlt (vgl. Standard & Poors a 2010). Fr smtliche Assets wird im Falle eines Ausfalles eine Recovery Rate generiert, u a die vom Assettyp, seinem Ursprungland und dem Emittenten-Rating abhngig a ist. S&P unterteilt je nach Bonitt in vier Gruppen von Lndern. Lnder der a a a Gruppe eins (z.B. USA oder Deutschland) knnen die beste Bonitt vorweisen. o a Darber hinaus ist die Recovery Rate abhngig von der Senioritt der Besicherung u a a des Kredits. Ein Senior Secured Loan ist bspw. ein dinglich besichertes Darlehen, dass anderen Kreditarten vorrangig ist (vgl. Jobst 2007). Auerdem wird zwischen sieben verschiedenen Ratings der Kapitalstruktur unterschieden, wobei ein inverser Zusammenhang zwischen Rating und Recovery Rate angenommen wird. Je nach Klassizierung der angesprochenen Kriterien wird die Recovery Rate mittels Durchschnittswert und Standardabweichung approximiert. Momentan betragen bspw. der Mittelwert und die Standardabweichung der Recovery-Rate eines Senior Secured Loan aus den USA und einer mit CCC bewerteten Kapitalstruktur 79% bzw. 11%. Bezglich der Korrelation wird dierenziert zwischen Korrelationen innerhalb (inu tra) und zwischen (inter) eines Industriesektors. Jede Industriebranche wird entweder der Handelsregion local, regional oder global zugeordnet. Coporates unterliegen einer Intersektor-Korrelation von 0,075 und einer Intrasektor-Korrelation zwischen 0,05, wenn die Branche als local oder regional gekennzeichnet ist, und 0,2 wenn sie als global beschrieben ist. Die Korrelationen von ABS oder SME betragen 0,3/0,1 bzw. 0,1/0,04 fr die Intra- bzw. Interkorrelation (vgl. Albulescu u und Gillis 2009). Die Schtzung der Korrelationen basiert auch auf historischen a Beobachtungen, die S&P seiner umfangreichen Datenbank entnimmt. Durch eine Monte-Carlo-Simulation bestimmt S&P fr jedes einzelne Asset die u time-until default. Dieser zufallsbedingte Zeitpunkt des Ausfalles und die Korrelation zweier Assets, lassen sich anhand des Reduktionsmodells Gau-Copula zusammenfhren (vgl. Jobst 2007 Kapitel 7). u

C (ui , . . . , un ) =

(yi , . . . .yn )

(6)

Dies ist eine ntzliche Methode zur Darstellung von Korrelationsstrukturen u nicht normalverteilter Variablen, wie im vorliegenden Fall der time-until-default. Besteht der CDO aus N Assets, wird zunchst ein Vektor mit N standardnora malverteilten Zufallsvariablen yi generiert. Durch die Kenntnis uber jeden Kor relationskoezienten eines Paares von Assets, ergibt sich die Korrelationsmatrix . Die Cholesky-Zerlegung dieser Korrelationsmatrix wird mit dem Vektor multipliziert, und man erhlt durch die Berechnung der zugehrigen kumulativen a o Normalverteilung die neuen standardnormalverteilten Variablen ui . Mit diesen Werten kann die time-until-default i durch i = S 1 (ui ) abgeleitet werden. Die Uberlebensfunktion S ergibt sich als 1 minus der kumulativen Ausfallwahrscheinlichkeit des Assets. Ist i kleiner als die Flligkeit Ti des Assets i, wird ein Ausfall a generiert (vgl. Standard & Poors 2002). Anschlieend kann mittels der angenommenen Recovery Rate i und dem Assetwert zum Zeitpunkt des Ausfalles Ei der Verlust Li eines Assets i berechnet werden: Li = Ei (1 i ). Durch eine hohe Anzahl von Simulationslufen erhlt man schlielich die Ausfallverteilung des a a CDO-Portfolios. Outputs des Modells sind die sogenannten Szenario Loss Rates (SLR). Sie geben fr jedes Zielrating einer Tranche den Portfolioverlust an, dem die Tranche standu halten muss, um sich dieses Rating zu verdienen. Die SLRs lassen sich mit Hilfe der CDO-Rating Quantile ermitteln. Diese Quantile sind dierenziert nach Laufzeit und Zielrating und werden speziell fr das Bewerten von CDO Tranchen aus u historischen Beobachtungen abgeleitet und verentlicht. Anhand der ermittelten o Ausfallverteilung und der CDO Rating Quantile kann jetzt die SLR fr jedes Zielu rating bestimmt werden. Eine SLR von 46% fr ein AAA Rating bedeutet, dass u eine Tranche ein AAA verdient, wenn bei einem Ausfall von 46% des Portfolios die Tranche keinen einzigen Cent an Verlust erleidet.

4
4.1

Modellrahmen der Sensitivittsanalyse a


Versuchsaufbau

Nachdem im letzten Kapitel die Ratingverfahren von Moodys und S&P erlutert a wurden, lassen sich Unterschiede und Gemeinsamkeiten zwischen den Modellen

ableiten. Insbesondere spielen die Recovery Rate, Default Probabilty, Assetgewichtung und die Korrelation in beiden Verfahren eine ausschlaggebende Rolle bei der Ermittlung des Ratings. Gegenstand dieser Arbeit ist die Untersuchung der Sensitivitten dieser zentralen Einussfaktoren beider Verfahren. Hierbei wird a untersucht, wie sich das Rating durch eine kontrollierte systematische Variation der Inputfaktoren verndert. Dabei werden alle anderen Variablen beibehalten a und nur der zu untersuchende Parameter modiziert. Das Ziel dabei ist, das Verstndnis der Systemzusammenhnge der Modelle zu vertiefen und neue Era a kenntnisse zu gewinnen. Dafr werden das Einzelrating der Tranchen und der u erwartete Verlust des Referenzportfolios als zu untersuchende Outputgre deo niert. Die Vernderung des Ratings der Tranchen wird in Notches ausgedrckt, a u wobei unter einem Rating-Notch der Abstand zwischen zwei Feinabstufungen in der Rating-Skala verstanden wird. Grundlage dieser Sensitivittsanalyse ist ein Referenzportfolio, das auf die bea stimmten Parametervernderungen getestet wird. Es dient ebenfalls als Basis, um a spter aussagekrftige Vergleiche zwischen den Ratingverfahren treen zu knnen. a a o Dieses hypothetische Portfolio besteht aus 50 Senior Secured Loans, also Unternehmenskrediten, die dinglich besichert sind. Alle Kredite haben eine identische Laufzeit und Flligkeit von 10 Jahren. Auerdem besitzen alle Forderungen den a gleichen Nominalwert von 4 Mio. Euro und ein identisches Rating von B3 nach Moodys bzw. ein B+ nach S&P. Die unterschiedlichen Ratings wurden gewhlt, a damit die Ergebnisse der beiden Verfahren besser vergleichbar sind. Ein B3 und ein B+ Rating haben dabei die annhernd gleiche Ausfallwahrscheinlichkeit fr a u Kredite mit einer Laufzeit von 10 Jahren. Durch die identischen Charakteristiken im Portfolio lassen sich spter die Variaa tionen einzelner Parameter ohne explizite Zuordnung eines Assets realisieren und ermglichen eine problemlose Analyse der Rating beeinussenden Ursache. Die o Korrelation leitet sich, wie bei den Verfahren von Moodys und S&P, uber den zugehrigen Industriesektor der Assets ab. Hierbei wird angenommen, dass jedes o Asset eindeutig einer von 25 mglichen Industriegruppen zugeordnet werden kann. o Um die maximale Diversikation im CDO-Pool zu erhalten, gehren im Basisporto folio jeweils zwei Assets einem Sektor an. Die verwendete Recovery Rate betrgt a 60% und stellt den Mittelwert der von S&P und Moodys aktuellen angenomme10

nen Rckzahlungsquote eines Senior Secured Loans dar. Sie unterscheidet sich u in den Verfahren nur in Hinsicht auf die beim EVALUATOR notwendige Standardabweichung in Hhe von angenommenen 10%. Diese wird im Rahmen des o EVALUATOR Modells bei einem Ausfall zur Generierung der spezischen Recovery Rates bentigt. Auerdem wird angenommen, dass die Hhe der Recovery o o Rate unabhngig vom Einzelrating der Sicherheit und vom Rating der Kapitala struktur ist. Eine Vernderung der Ausfallwahrscheinlichkeit fhrt somit im Falle a u von Moodys nicht zu einer Vernderung der Recovery Rate. Auch diese Annahme a soll dazu beitragen, die Ursachen der Sensitivitt eines Faktors exakter bestima men zu knnen und einen Ursachen-Mix zu vermeiden. o Analysiert man unter Beachtung aller Annahmen das Referenzportfolio mit Moodys BET, ergibt sich ein DS von 37, ein WARF von 4000, und folglich eine Ausfallwahrscheinlichkeit von 40%. Mittels der Binomialverteilung kann man den erwarteten Verlust nach Formel 4 und 5 des Portfolios berechnen. Liegen alle Daten jedes einzelnen Assets bezglich Emittenten-Identikation, Nou minalwert, S&P Rating, Industriegruppe, Flligkeit, Recovery-Rate und Korrelatia on vor, knnnen in der MC-Simulation die Ausfallverteilung des Sample-Portfolios o berechnet werden. Es werden hierbei 50000 Simulationslufe bentigt um konstana o te Werte zu erhalten. Der erwartete Verlust entspricht demnach dem Mittelwert der generierten Verluste aus den 50000 Beobachtungen. Tabelle 1 zeigt die Ergebnisse der beiden Rating-Verfahren fr das Referenzportu folio und Abbildung 1 die entsprechenden Ausfallverteilungen im Vergleich. BET Erwarteter Verlust 16,00% Standardabweichung 3,22% Wahrscheinlichkeit 13,23% rel. Portfolioverlust 16,22% EVALUATOR 16,03% 5,17% 7,55% 16,00%

Hugstes Szenarium a

Tabelle 1: Zusammenfassung der Ausfallverteilungen Quelle: Eigene Darstellung, vgl. Anhang 1

Bei genauerer Betrachtung der Ergebnisse aus Tabelle 1 und der Ausfallverteilungen in Abbildung 1 werden die Unterschiede der beiden Modelle oensichtlich. Obwohl der erwartete Verlust mit ca. 16,00% und 16,03% nahezu identisch ist, 11

p
14% 12%
10%
BET

EVALUATOR

8% 6%
4% 2%

0%
0% 10% 20% 30% 40%

PL

Abbildung 1: Ausfallverteilungen des BET-und EVALUATOR Modells Quelle: Eigene Darstellung, vgl. Anhang 1

unterscheiden sich die Formen der Ausfallverteilungen signikant. Die generierte Verteilung des EVALUATOR Modells ist breiter und der rechte Rand der Verteilung ist deutlich ausgeprgter als beim BET Modell. Da das EVALUATOR a Modell ein Asset-Level-Modell ist, werden einzelne extreme Kreditausflle bei a Moodys strker bercksichtigt. Als Portfolio-Level basierter Ansatz unterschtzt a u a das BET-Modell die Auswirkungen von Extremfllen. Die Standardabweichungen a von 3,22% beim BET und 5,17% beim EVALUATOR Modell deuten ebenfalls auf eine breitere Verteilung hin.

4.2

Charakterisierung der CDO-Struktur

Fr ein symbolisches Rating der einzelnen Tranchen wird eine CDO-Struktur u zur Ubersetzung der Modelloutputs bentigt. In der vorliegenden Untersuchung o wird ein Cash-Flow CDO verwendet, der aus drei gerateten Tranchen und einer ungerateten Equitiy Tranche besteht. Nach ihrer Senioritt besitzen diese a eine unterschiedliche Prioritt bei der Bedienung der Zahlungsverpichtungen. a Es erfolgen weder Coupon Zahlungen an die Investoren, noch Zinszahlungen der Kredite. Es werden ausschlielich die Verluste im Falle eines Ausfalls durch fehlende Tilgungszahlungen zur Bedienung der Rckzahlungsansprche an die CDOu u Investoren bercksichtigt. Treten Verluste auf, werden diese erst von der niedu rigsten Tranche getragen, bis der Nominalwert dieser Tranche vollstndig aufa gezehrt wurde. Ferner wird die CDO Transaktion als eine Periode betrachtet. 12

Dadurch knnen die Zeitpunkte der Ausflle eines Kredites und die Reinvestitio a onsmglichkeiten whrend der Laufzeit ignoriert werden. Zustzlich werden weder o a a Marktzins, Gebhren, Steuern oder Managementfees bercksichtigt. Die Annahu u men werden nicht nur aus Komplexittsgrnden getroen, sondern deshalb, damit a u mglichst wenig strukturspezische Eigenschaften von Cash-Flow CDOs in das o Rating mit einieen. Somit werden ausschlielich Faktoren der modelltheoretischen Anstze bercksichtigt. Die Gren der Tranchen werden einmalig iterativ a u o festgelegt, sodass sich ein mglichst hohes Rating fr die Tranchen ergibt, um o u wiederum eine mglichst hohe Anzahl an Investoren zu erreichen. o Liegen alle Informationen vor, dann kann das Rating nach Moodys und S&P laut den in Kapitel 3.1 und 3.2 erluterten Verfahren berechnet werden. Fr die Uma u rechnung in ein Rating nach S&P wird neben den SLRs der Attachment-Point jeder Tranche bentigt. Dieser beschreibt den Punkt in Prozent des Nominalwero tes, ab wann eine Tranche von den auftretenden Verlusten des Referenzportfolios betroen ist. Anschlieend werden die Attachment Points der Tranchen mit den SLRs verglichen. Dabei wird das Zielrating der hchstmglichen SLR den ausreio o chenden Attachment Points zugeordnet. Tabelle 2 stellt die Tranchengre, die Attachment Points und das jeweilige Rating o des Basisportfolios da. Fr das Basisportfolio ergibt sich demnach fr Tranche 1 u u und 2 das Hchstrating Aaa und fr Tranche 3 das dritthchste Rating Aa2. o u o Nach S&P erhalten Tranche 1 und 2 das Hchstrating AAA, jedoch bekommt im o Gegensatz zu Moodys die Tranche 3 nur das siebthchste Rating A-. Obwohl beide o Verfahren den gleichen erwarteten Portfolioverlust generieren, ergibt sich ein unterschiedliches Rating der Tranche 3. Verantwortlich dafr sind die unterschiedlich u generierten Ausfallverteilungen der Verfahren. Betrachtet man Abbildung 1, ist ein Ausfall der Tranche 3 in Hhe des Attachement Points oder grer beim BET o o Modell absolut unwahrscheinlich. Durch die breitere Verteilung des EVALUATOR Modell ist ein Portfolioverlust jedoch durchaus wahrscheinlich.

13

Tranche Number Nominalwert % Nominalwert Attachement Point Moodys EL Moodys Basis Rating S&P Basis Rating

1 70.000.000 35% 65,0% 0,00% Aaa AAA

2 45.000.000 23% 42,5% 0,0% Aaa AAA

3 38.000.000 19% 23,5% 0,0660% Aa2 A-

4 47.000.000 24% 68,03% NR NR

Tabelle 2: Angenommene CDO-Struktur der Analyse Quelle: Eigene Darstellung, vgl. Anhang 1

5
5.1

Ergebnisanalyse
Einuss der Recovery-Rate

Die Recovery-Rate bezeichnet die Hhe der erwarteten Rckzahlung im Falle eio u nes Defaults, womit der Einuss auf den Portfolioverlust oensichtlich ist. Bei dem BET Modell wird die Rckzahlungsquote bei der Berechnung des Verlusu tes in den einzelnen wahrscheinlichkeitsgewichteten Szenarien j implementiert: Lj = Pj (1 R). Dies zeigt einen negativen Zusammenhang zwischen der Recovery Rate und dem Portfolioverlust. Je hher die Recovery Rate, desto niedo riger der Verlust in jedem Szenarium. Die Wahrscheinlichkeiten bleiben dabei unverndert, da die Recovery Rate keinen Einuss auf die Berechnung des WARFs a und somit auf das Ergebnis der kumulativen Ausfallwahrscheinlichkeit des Portfolios hat. Eine weitere Frage stellt sich bezglich der Art der Beziehung zwiu schen Recovery Rate und Portfolioverlust. Das Bilden der ersten Ableitung des Verlustes mit
Li R

= 1 weist auf eine lineare Beziehung hin. Die in Tabelle 3

dargestellten Ergebnisse des erwarteten Verlustes besttigen bei einer Variation a der Rckzahlungsquote von 30%, 50% und 60% die lineare Beziehung zwischen u Erwarteten Verlust und Recovery Rate. Demzufolge ergibt sich bei einer Reduzierung der Recovery Rate um 10% ein Anstieg des erwarteten Verlustes um 4%. Darber hinaus zeigt Tabelle 3 die Hhe der Standardabweichung und beschreibt u o das hugste Szenarium mit der Wahrscheinlichkeit und dem dabei eintretendem a Portfolioverlust. Diese Angaben dienen zur weiteren Beschreibung der Ausfallverteilungen. Da sich der WARF bei einer Variation von R nicht andert, bleibt auch die Hhe der Wahrscheinlichkeit des hugsten Szenariums mit 13,23% uno a verndert. Eine steigende Standardabweichung deutet dabei auf eine breitere Ausa fallverteilung hin. Abbildung 2 stellt die unterschiedlichen Ausfallverteilungen dar. 14

R = 0,6 Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,00% 3,22% 13,23% 16,22%

R = 0,5 20,00% 4,03% 13,23% 20,27%

R = 0,3 28,00% 5,64% 13,23% 28,38%

Wahrscheinlichstes Szenarium

Tabelle 3: Ergebnisse des BET-Modells bei unterschiedlichen Recovery Rates Quelle: Eigene Darstellung, vgl. Anhang 2

Die Verteilung verschiebt sich mit zunehmender Recovery Rate nach rechts und nimmt eine breitere Form an, womit hhere Portfolioverluste wahrscheinlicher o werden.
p
14%

12%
10%

R=0,3 R=0,4 R=0,6

9%
8% 7% 6% 5% 4% 3% 2%

p
R=0,3 R=0,5 R=0,6

8%
6% 4% 2% 0%
0% 10% 20% 30% 40% 50%

1%

PL
60%

0%
0% 10% 20% 30% 40% 50%

PL
60%

(a) BET (b) EVALUATOR Abbildung 2: Ausfallverteilungen bei einer Variation der Recovery Rate R Quelle: Eigene Darstellung, vgl. Anhang 2

Verndert sich der erwartete Verlust, verndert sich ebenfalls das Rating der a a Tranchen. Tabelle 4 zeigt neben dem Rating jeder Tranche auch die Abweichung des aktuellen Ratings mit dem Basisszenarium. Es ist ersichtlich, dass sich Tranche 3 um sieben Notches verschlechtert, das Rating der zwei anderen Tranchen jedoch unverndert bleibt. Aufgrund der Wasserfallstruktur des CDOs reagiert die letzte a Tranche deutlich sensibler als die ranghheren Tranchen. o
Basis Tranche 1 2 3 Rating Aaa Aaa Aa2 EL(%) 0,00% 0,00% 0,07% Not. Rating Aaa Aaa Baa3 R = 0,5 EL(%) 0,00% 0,00% 2,33% Not. 0 0 -7 Rating Aaa Aa1 Caa2 R = 0,3 EL(%) 0,00% 0,05% 27,17% Not. 0 -1 -15

Tabelle 4: Moodys Rating der Tranchen bei Anderung der Recovery Rate Quelle: Eigene Darstellung, vgl. Anhang 2

Wie beim BET-Modell wird die Recovery Rate im EVALUATOR Modell ausschlielich zur Berechnung der Verlusthhe im Falle eines Verlustes verwendet. o Da sich im Basisszenarium die generierten erwarteten Verluste des BET- und des EVALUATOR Modells kaum unterschieden haben, drfte sich auch bei Variation u 15

der Recovery Rate ein identisches Verhalten beobachten lassen. Die Ergebnisse der EVALUATOR Simulation zeigen in Tabelle 5 ebenfalls eine inverse lineare Beziehung zwischen Recovery Rate und erwartetem Verlust.
R = 0,6 Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,03% 5,17% 7,55% 16,00% R = 0,5 20,03% 6,46% 6,24% 20,00% R = 0,3 28,02% 8,97% 4,41% 28,00%

Wahrscheinlichstes Szenarium

Tabelle 5: Ergebnisse des S&P-Modells bei unterschiedlichen Recovery Rates Quelle: Eigene Darstellung, vgl. Anhang 2

Eine gleichzeitig mit dem Portfolioverlust stark steigende Standardabweichung deutet dabei auf eine breiter werdende Ausfallverteilung hin. Abbildung 2 zeigt, dass sich die Ausfallverteilung des EVALUATOR Modells im Vergleich zum BET Modell nicht verschiebt, sondern acher und breiter wird. Dadurch wird laut Tabelle 5 ein Portfolioverlust von 28,00% fr R = 0,3 deutlich unwahrscheinlicher u als beim BET Modell. Ein Verlust in Hhe des Attachment Points der Tranche 3 o von 23,5%, sind im S&P Modell unwahrscheinlicher als bei Moodys, wodurch das Rating der Tranche 3 besser ausfallen drfte. In Tabelle 6 sind fr die jeweiligen u u Tranchen das Rating, die zugehrige SLR und die Vernderung zum Basisszeo a narium angegeben. Bei einer Recovery Rate von 30% leidet das Rating der 3. Tranche weniger unter dem erhhten Portfolioverlust als es bei Moodys der Fall o ist. Jedoch verschlechtert sich das Rating der 2. Tranche mit fnf Notches deutlich u strker als beim BET Modell. Grund hierfr sind die unterschiedlichen Anstze. a u a Das EVALUATOR Modell ist wie bereits erlutert ein Asset-Level Modell. Geraa de in Szenarien mit hheren Verlusten werden diese Extremwerte im Gegensatz o zum BET-Modell besser abgebildet. Da die Recovery Rate bei S&P mittels eines Mittelwertes und einer Standardabweichung approximiert wird, muss ebenso der Einuss dieser Standardabweichung auf die zu generierende Recovery Rate untersucht werden. In Abhngigkeit von a der Hhe des Mittelwertes ergeben sich dabei grere bzw. kleinere Abweichuno o gen. Bei einer Standardabweichung von 10% und einem angenommenen Mittelwert M von 50%, lsst sich bei 50000 Simulationen keine signikante Abweichung feststela len. Anders verhlt es sich dagegen bei M=90% oder M=10%. Da 0 M 1 a 16

gilt, spielt die Standardabweichung eine signikante Rolle, je nher M an seine a Grenzwerte rckt. Bei M < 0,5 weicht die generierte Recovery Rate positiv vom u Mittelwert ab, fr M > 0,5 negativ. Dadurch verringert sich der erwartete Verlust u unter Annahme einer Standardabweichung bei M = 0.
Basis Tranche 1 2 3 Rating AAA AAA ASLR 30,25% 30,25% 22,91% Not. Rating AAA AAA BB+ R = 0,5 SLR 37,65% 37,65% 23,50% Not. 0 0 -4 Rating AAA A CCC R = 0,3 SLR 52,38% 42,24% 21,65% Not. 0 -5 -11

Tabelle 6: S&Ps Rating der Tranchen bei Anderung der Recovery Rate Quelle: Eigene Darstellung, vgl. Anhang 2

5.2

Einuss der Default-Probability

Variiert bei Moodys die Default-Probability der einzelnen Assets, verndert sich a der WARF des Asset Pools und infolge dessen die Ausfallwahrscheinlichkeit des idealisierten Portfolios. Eine hhere Ausfallwahrscheinlichkeit hat einen hheren o o erwarteten Verlust zur Folge. Aus diesem Grund korreliert die Default Probability positiv mit der Hhe des erwarteten Verlustes. Inwieweit beeinusst eine o Erhhung der Ausfallwahrscheinlichkeit jedes einzelnen Kredites im Pool den ero warteten Verlust? Eine Verdopplung der Default Probability sollte auch eine Verdopplung des erwarteten Verlustes mit sich bringen, da im Basisszenarium jedes Asset mit einem identischen Nominalwert und Rating ausgestattet ist, und somit kein Asset im Pool den WARF dominierend beeinussen kann. Genau dieses Verhalten lsst a sich anhand der Ergebnisse in Tabelle 7 beobachten.

0 Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,00% 3,22% 13,23% 16,22%

+10% 20,00% 3,29% 12,86% 19,46%

+20% 24,00% 3,22% 13,23% 23,78%

Wahrscheinlichstes Szenarium

Tabelle 7: Ergebnisse des BET-Modells bei unterschiedlicher Default-Probability Quelle: Eigene Darstellung, vgl. Anhang 3

Die ursprngliche Ausfallwahrscheinlichkeit der Assets liegt im Basisszenarium u bei ca. 40 %. Verndert sie sich um 10% auf 50%, entspricht das einer relatia ven Anderung um 25%. Auch der erwartete Verlust erhht sich proportional mit o 17

25% seines ursprnglichen Wertes. Im Gegensatz zur Recovery Rate steigert sich u die Standardabweichung der Verlustverteilung nicht. Das lsst auf eine reine Bea wegung der Ausfallverteilung nach rechts schlieen, ohne dass sich die Form der Verteilung verndert. In Abbildung 3 kann man genau dies beobachten. a
p
14%

12%
10%

+20% +10% Basis

9% 8% 7% 6%

p
+20% +10% Basis

8%
6% 4% 2% 0%
0% 10% 20% 30% 40%

5% 4% 3% 2%
1%

PL
50%

0%
0% 10% 20% 30% 40%

PL
50%

(a) BET (b) EVALUATOR Abbildung 3: Ausfallverteilungen bei einer Variation der Default-Probability Quelle: Eigene Darstellung, vgl. Anhang 3

Im EVALUATOR Modell ist die Ausfallwahrscheinlichkeit p der einzelnen As sets mit 1 p zur Berechnung der Uberlebenswahrscheinlichkeit notwendig. Die generierte time-unil-default wird als standardnormalverteilte Wahrscheinlichkeit ausgedrckt und mit der Uberlebenswahrscheinlich des Assets verglichen. Ist dieu se grer, wird ein Ausfall generiert. Demzufolge fhrt auch eine Verdopplung o u der Default Probability zu einer Verdopplung der generierten Ausflle. Tabelle 8 a zeigt anhand der Ergebnisse, dass sich der erwartete Verlust identisch zu Moodys BET verhlt. Auch die neue Ausfallverteilung reagiert durch eine Bewegung nach a rechts, wie in Abbildung 3 zu erkennen ist.
0 Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,03% 5,17% 7,55% 16,00% +10% 20,01% 5,31% 7,29% 21,00% +20% 24,03% 5,17% 7,53% 25,00%

Wahrscheinlichstes Szenarium

Tabelle 8: Ergebnisse des S&P-Modells bei unterschiedlicher Default-Probability Quelle: Eigene Darstellung, vgl. Anhang 3

Bezglich des Ratings der Tranchen lsst sich ein vergleichbares Verhalten wie u a bei der Recovery Rate beobachten. Die 3. Tranche erleidet den hchsten Vero lust und reagiert demzufolge am heftigsten. Im Gegensatz zur Recovery Rate beeinusst die Default Probability die 3. Tranche weniger und das Rating der 2. Tranche uberhaupt nicht. Durch die identische Form der Verteilungen bei steigen 18

der Default Probability werden im Gegensatz zur Recovery Rate die Attachment Points der hheren Tranchen nicht berhrt. Die vollstndigen Ergebnisse des Rao u a tings sind in Tabelle 9 und 10 zusammengefasst.
Basis Tranche 1 2 3 Rating Aaa Aaa Aa2 EL(%) 0,00% 0,00% 0,07% Not. Rating Aaa Aaa Baa1 +10% EL(%) 0,00% 0,00% 1,28% Not. 0 0 -5 Rating Aaa Aaa Ba3 +20% EL(%) 0,00% 0,00% 8,20% Not. 0 0 -10

Tabelle 9: Moodys Rating der Tranchen bei Anderung der Default-Probability Quelle: Eigene Darstellung, vgl. Anhang 3

Basis Tranche 1 2 3 Rating AAA AAA ASLR 30,25% 30,25% 22,91% Not. Rating AAA AAA BB+

+10% SLR 33,78% 33,78% 22,98% Not. 0 0 -4 Rating AAA AAA B-

+20% SLR 36,45% 36,45% 22,75% Not. 0 0 -9

Tabelle 10: S&Ps Rating der Tranchen bei Anderung der Default-Probability Quelle: Eigene Darstellung, vgl. Anhang 3

5.3

Einuss der Portfoliokorrelation

Um die Sensitivitt des Ratings im Hinblick auf die Korrelation zu untersuchen, a werden drei verschiedene Zusammenstellungen des Basisportfolios betrachtet. Dabei bleiben die Annahmen uber die Korrelation der beiden Modelle konstant. Das Portfolio A entspricht dem Basisportfolio, das zur Wiederholung aus 50 bezglich u des Nominalwertes und der Ausfallwahrscheinlichkeiten identischen Assets besteht. Dieser Pool enthlt 25 verschiedene Industriegruppen, wobei jeder Industriea gruppe exakt zwei Assets zugeordnet werden. In Portfolio B werden dagegen nur 5 Industriegruppen verwendet, womit jedem Sektor 10 Assets zugewiesen werden. Portfolio C umfasst gerade mal zwei verschiedene Industriegruppen, und folglich werden 25 Assets jedem Sektor zugeteilt. Damit wird die Diversikation verringert und somit eine zunehmende Portfoliokorrelation erreicht. Im BET Modell wird die Korrelation des Pools durch den DS ausgedrckt. Wie u bereits in Kapitel 3.1 beschrieben, verringert sich der DS, wenn die Anzahl der Assets innerhalb einer Industriegruppe steigt. Das Basisszenarium besitzt dabei einen DS von 37, Portfolio B 20, und die Hhe des DS von Portfolio C betrgt o a 10. Da der berechnete DS die Anzahl der maximal mglichen Ausflle innerhalb o a der Binomialverteilung beschreibt, nimmt die Ausfallverteilung eine andere Form

19

an. Im Portfolio B setzt sich die Ausfallverteilung nur noch aus 20 verschiedenen und in Portfolio C folglich nur noch aus 10 Szenarien zusammen. Dadurch ergeben sich hhere Wahrscheinlichkeiten fr hhere Portfolioverluste. Die daraus o u o resultierende Ausfallverteilung blht sich mit abnehmendem DS zunehmend auf. a Laut Tabelle 11 ndert sich dabei der Erwartete Verlust nicht, jedoch steigen die a Standardabweichung und die Wahrscheinlichkeit des hugsten Szenariums an. a
A Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,00% 3,22% 13,23% 16,22% B 16,00% 4,38% 17,97% 16,00% C 16,00% 6,20% 25,08% 16,00%

Wahrscheinlichstes Szenarium

Tabelle 11: Ergebnisse des BET-Modells bei unterschiedlicher Portfoliokorrelation Quelle: Eigene Darstellung, vgl. Anhang 4

p
25%
A B C

p
9% 8% 7% 6%
A B C

20%

15%

5% 4%

10%

3% 2% 1%

5%

0% 0% 10% 20% 30% 40%

PL
50%

0% 0% 10% 20% 30% 40%

PL
50%

(a) BET (b) EVALUATOR Abbildung 4: Ausfallverteilungen bei einer Variation der Portfoliokorrelation Quelle: Eigene Darstellung, vgl. Anhang 4

A Erwarteter Verlust Standardabweichung Wahrscheinlichkeit rel. Portfolioverlust 16,03% 5,17% 7,55% 16,00%

B 16,02% 5,59% 6,81% 14,00%

C 16,04% 6,41% 6,00% 15,00%

Wahrscheinlichstes Szenarium

Tabelle 12: Ergebnisse des S&P-Modells bei unterschiedlicher Portfoliokorrelation Quelle: Eigene Darstellung, vgl. Anhang 4

Tabelle 12 und Abbildung 4 zeigen, dass sich das EVALUATOR Modell hnlich a verhlt. Der Erwartete Verlust verndert sich ebenfalls nicht, jedoch wird die a a Ausfallverteilung im Gegensatz zum BET Modell nur marginal breiter. Die Ausfallverteilung des BET Modells wird mit kleiner werdendem DS immer grber o und ungenauer. Die Rnder der Verteilung vergrern sich uberproportional und a o uberschtzen den erwarteten Verlust der niedrigeren und hheren Tranchen. Dies a o 20

besttigen die Ergebnisse des Ratings der Tranche in Tabelle 13 und 14 gleichera maen. Mit der Vernderung des Rating der 2. und 3. Tranche von -1 und -2, a reagiert das EVALUATOR Modell deutlich unsensibler auf eine Erhhung der o Portfoliokorrelation als das Konkurrenzmodell von Moodys.
Basis Tranche 1 2 3 Rating Aaa Aaa Aa2 EL(%) 0,00% 0,00% 0,07% Not. Rating Aaa Aaa A2 B EL(%) 0,00% 0,00% 0,46% Not. 0 0 -3 Rating Aaa Aaa Baa2 C EL(%) 0,00% 0,00% 1,89% Not. 0 0 -6

Tabelle 13: Moodys Rating der Tranchen bei Anderung der Portfoliokorrelation Quelle: Eigene Darstellung, vgl. Anhang 4

Basis Tranche 1 2 3 Rating AAA AAA ASLR 30,25% 30,25% 22,91% Not. Rating AAA AAA BBB+

B SLR 31,21% 31,21% 22,43% Not. 0 0 -1 Rating AAA AAA BBB

C SLR 33,22% 33,22% 22,43% Not. 0 0 -2

Tabelle 14: S&Ps Rating der Tranchen bei Anderung der Portfoliokorrelation Quelle: Eigene Darstellung, vgl. Anhang 4

Auf diese Schwche hin reagierte Moodys mit der Einfhrung der Correlaa u ted Binomial (CB) Methode. Diese Methode wurde speziell fr CDOs entwickelt, u die hochkorrelierte Assets enthalten. Hierbei werden Ausfallkorrelation explizit bercksichtigt und ein neuer Diversity Score DS C als Funktion des alten DS beu rechnet: DS(1 ) 1 DS

DS c =

Wobei als angenommene Intrakorrelation zwischen zwei korrelierten Assets bezeichnet wird. Die Wahrscheinlichkeit Pj fr j = 0,. . . ., DS c berechnet sich an u Anlehnung an Waibel (2007) als:
DS c j i+j (DS c j)! DS c ! (1)i pk,k1 j! (DS c j)! i=0 i! (DS c j i)! k=1

Pj =

pk,k1 bezeichnet dabei die Wahrscheinlichkeit fr k Ausflle, wenn bereits ku a 1 Ausflle eingetreten sind. Dadurch sollen die rechten Rnder der Verteilung, a a die sogenannten Fat-Tails, besser abgebildet und das Unterschtzen extremer a Ereignisse vermieden werden. 21

5.4

Einuss der Asset-Gewichtung

Um den Einuss der Assetgewichtung auf das Rating zu untersuchen, werden wieder drei verschiedene Test-Portfolien mit unterschiedlicher Gewichtung analysiert. Portfolio A entspricht dem Basisportfolio und enthlt somit 50 Assets mit jeweils a 4 Mio. Nominalwert. Das Portfolio B dagegen setzt sich aus 49 Assets mit 1 Mio. und einem Asset mit 151 Mio. Nominalwert zusammen. Fr das letzte Portfolio C u wird der Nominalwert des einen Assets auf 175,5 Mio. erhht, womit fr die resto u lichen 49 Assets noch ein Nominalwert von jeweils 500.000 verbleibt. Durch das zu hohe Volumen einzelner Engagements entstehen sogenannte Klumpenrisiken, die entsprechend im Rating abgebildet werden mssen. u Im BET Modell berechnet sich der WARF als Summenprodukt aus Gewichtung des Assets und seinem Rating Faktor. Da jeder Kredit im Pool ein identisches Rating hlt und auch der Gesamtportfoliowert unverndert bleibt, wird sich auch a a der WARF nicht verndern. Darber hinaus beeinusst die Assetgewichtung die a u Hhe des Equivalent Unit Scores, der zur Berechnung des DS benutzt wird. o Nach dem in Kapitel 3.1 erlutertem Verfahren zur Berechnung des DS, ergibt a sich fr das Test-Portfolio B ein DS in Hhe von 13 und fr das Test-Portfolio C u o u ein DS in Hhe von 8. o Da die Grundidee des BET Modells das Mapping des tatschlichen Portfolios in ein a hypothetisches, bestehend aus homogenen Assets mit gleichem Nominalwert ist, verhlt sich eine Vernderung der Assetgewichtung analog zu der reinen Anderung a a des DS im vorherigen Kapitel. Das BET-Modell kennt keinen Unterschied zwischen mehreren Krediten einer Branche oder einer ubermigen Konzentration eines eina zelnen Kredits. Abbildung 5 zeigt ebenfalls eine kontinuierliche Aufblhung der a Verteilung mit abnehmendem DS. Laut Tabelle 15 wirkt sich dies wieder nur auf die letzte Tranche aus, da die Ausfallverteilung zwar hher wird, aber in der o Breite nicht die Attachment Points der ubergeordneten Tranchen berhrt. Hier u besttigt sich abermals die Schwche des BET Modells, dass extreme Ergebnisse a a nicht angemessen abgebildet werden. Es fhrt auch hier zu einer Unterschtzung u a des erwarteten Verlustes, vor allem in den hheren Tranchen. o Im Gegensatz dazu bercksichtigt das EVALUTOR Modell auf Grund seines u numerischen Verfahrens auch die Extremergebnisse. Die Ausfallverteilungen unterscheiden sich deutlich von denen der Untersuchung der Portfoliokorrelation. 22

p
30% 25% 20%
A B C

p
30% 25% 20% 15% 10% 5%
A B C

15%
10% 5% 0% 0% 10% 20% 30% 40%

PL
50%

0% 0% 10% 20% 30% 40% 50%

PL
60%

(a) BET (b) EVALUATOR Abbildung 5: Ausfallverteilungen bei einer Variation der Asset-Gewichtung Quelle: Eigene Darstellung, vgl. Anhang 5
Basis Tranche 1 2 3 Rating Aaa Aaa Aa2 EL(%) 0,00% 0,00% 0,07% Not. Rating Aaa Aaa Baa1 B EL(%) 0,00% 0,00% 1,24% Not. 0 0 -5 Rating Aaa Aaa Baa3 C EL(%) 0,00% 0,00% 2,92% Not. 0 0 -7

Tabelle 15: Moodys Rating der Tranchen bei Anderung der Asset-Gewichtung Quelle: Eigene Darstellung, vgl. Anhang 5

Wie Abbildung 5 zeigt, wird durch die unausgewogene Gewichtung der Assets, eine asymmetrische Verteilung erzeugt. Es entsteht ein Peak im niederen Verlustbereich, womit der hugere Ausfall der kleineren Assets bercksichtigt wird. Das a u einzelne, strker gewichtete Asset fllt seltener aus und generiert dann aber einen a a hohen Portfolioverlust. Das fhrt zu dem achen und langen Ende der Verteiu lung. Daraus resultiert wiederum eine strke Belastung der hheren Tranchen. Im a o Unterschied zum BET Modell werden die Klumpenrisiken dadurch besser abgebildet und vermeiden eine Fehlbewertung, vorwiegend in den hheren Tranchen. o Die Ergebnisse in Tabelle 15 und 16 zeigen, dass die Mezzanine-Tranche fr das u Test-Portfolio C nach Moodys immer noch ein Aaa erhlt, obwohl nach S&P eine a Herabstufung um 7 Notches auf BBB+ notwendig ist. Dies zeigt die Diskrepanz zwischen den beiden Verfahren bezglich der Klumpenrisiken. u
Basis Tranche 1 2 3 Rating AAA AAA ASLR 30,25% 30,25% 22,91% Not. Rating AAA A BBB SLR 52,60% 42,09% 6,43% Not. 0 -5 -6 Rating AAA BBB+ BBC SLR 57,79% 40,90% 3,13% Not. 0 -7 -6

Tabelle 16: S&Ps Rating der Tranchen bei Anderung der Asset-Gewichtung Quelle: Eigene Darstellung, vgl. Anhang 5

23

Fazit

Im Rahmen dieser Arbeit wurden die beiden Methoden von S&P und Moodys zur Erstellung eines Ratings fr Collateralized Debt Obligations erlutert und u a analysiert. Dafr wurde der Einuss im Hinblick auf Recovery Rate, Defaultu Probabilty, Portfoliokorrelation und Assetgewichtung erfasst und quantiziert. Unterschiedliche Parameter der Einussfaktoren wurden an einem Basisportfolio getestet und ausgewertet. Dafr wurde fr jede Parametervariation der Portfoliou u verlust in Abhngigkeit von der Wahrscheinlichkeit dargestellt, und die generiera ten Ausfallverteilungen anhand einer hypothetischen CDO-Struktur in einem Rating ausgedrckt. Infolgedessen konnten Parallelen und Dierenzen zwischen den u beiden Verfahren aufgedeckt und interpretiert werden. Moodys greift auf einen Top-Down Ansatz zurck. Mit der Binomial Expansion Technique (BET) wird u auf Portfolio-Ebene die Ausfallverteilung geschtzt und der Erwartete Verlust fr a u jede Tranche berechnet. S&P nutzt dagegen einen bottom-up Ansatz mit der Bezeichnung EVALUATOR. Dabei werden mit Hilfe einer MC Simulation auf Asset-Ebene die Ausflle geschtzt und sogenannte Scenario Default Rates gea a neriert. Diesen muss eine Tranche standhalten, um sich ein gewisses Rating zu verdienen. Grundstzlich zeigen die Ergebnisse, dass die Ausfallverteilungen von S &P breia ter und am rechten Ende ausgeprgter sind. Dadurch kommt es im Gegensatz zum a BET Modell frher zu Verlusten in hheren Tranchen. Bei Moodys machen sich u o hhere Verluste fast ausschlielich in der letzten Tranche bemerkbar. Vor allem o bei der Untersuchung der Portfoliokorrelation und der Assetgewichtung entstehen dadurch enorme Unterschiede im Rating. Beim BET Modell wird eine hohe Korrelation in einen niedrigen Diversity Score ubersetzt. Der kleinste spezizierte Portfolioverlust der Ausfallverteilung berechnet sich aus N/DS, wobei N der Gesamtportfoliowert ist. Dies fhrt bei niedrigen DS zu einer groben und unprzisen u a Ausfallverteilung. Die Default Probability wirkt sich in beiden Verfahren gleichermaen auf den erwarteten Verlust aus. Eine Steigerung der Default Probability um 25% erhht ebenso den erwarteten Verlust um 25%. Als Resultat verschiebt o sich die Ausfallverteilung bei Moodys und S&P gleichermaen mit zunehmender Ausfallwahrscheinlichkeit im Diagramm nach rechts. Zustzlich zur Bewegung der a

24

Verteilung auf der X-Achse, wird bei steigender Recovery Rate die Verteilung breiter. Aus diesem Grund hat sie den signikantesten Einuss auf das Rating der Tranchen. Halbiert sich die Recovery Rate, reagiert das Rating der dritten Tranche mit einer Herabstufung von 11 Notches bei S&P, bei Moodys sogar mit 15 Notches. Um sich ein transparentes Bild uber das Rating eines CDO bilden zu knnen, sollten Investoren besonders die Recovery Rate-Annahmen der Agenturen o prfen. u Der Vorteil des BET Modells liegt in der relativ einfachen und transparenten Anwendung. Eine Schwche zeigt sich bei der Bewertung eines hochkorrelierten a Portfolios. Hier reagierte Moodys bereits und fhrte die Correlated Binomial Meu thode ein. Das Problem wurde aber auch durch die explizite Bercksichtigung der u Korrelation lediglich nur abgemildert. Zudem konvergiert die zugrunde liegende Binomialverteilung gegen die Normalverteilung, was zu dem angesprochenem Problem der Unterschtzung extremer Ereignisse fhrt (vgl. Garcia u. a. 2005). Gea u rade bei einem nicht diversizierten CDO-Pool mit vorhandenen Klumpenrisiken, weist die typische Verlustverteilung eine verzerrte Form auf. Deswegen wird auch bei Moodys vermehrt auf Monte Carlo-Simulationsmodelle zurckgegrien und u die BET-Anstze nur noch zur Verlustabschtzung von Corporate CDOs benutzt. a a Untersuchungen(Borgel u. a. 2004) haben jedoch auch gezeigt, dass multivariate Normalverteilungen ebenso zu einer Unterschtzung der Eintrittswahrscheinlicha keiten von Klumpenrisiken neigen. Weiter muss erwhnt werden, dass die Ergeba nisse dieser Arbeit auf sehr vereinfachten Annahmen basieren und nicht eins zu eins in die Realitt ubertragen werden drfen. Neben der vereinfachten Struktur a u des CDOs, ist die Bewertung einer Transaktion uber nur eine Periode mehr als un gengend. Bei einer Betrachtung uber mehrere Perioden treten in der Praxis unter u anderem Probleme in Bezug auf die Modellierung der Ausfallzeiten auf. Darber u hinaus unterstellen die zur Abschtzung der Korrelation paarweise verwendeten a Korrelationskoezienten implizit eine lineare Abhngigkeit der Risikofaktoren una tereinander. Doch gerade im Kreditbereich wren alternative Anstze, die nicht a a lineare Zusammenhnge modellieren knnen, wnschenswert. Zuletzt lsst sich saa o u a gen, dass die Entwicklung theoretischer Modelle zur Einschtzung und Bewertung a von komplexen Finanzprodukten noch lange nicht abgeschlossen ist und auch in Zukunft ein sehr interessantes Forschungsfeld darstellen wird. 25

Anhang
Ubersicht der auf beigefugter CD bendlichen Exceldateien: Anhang Nr. 1 2 3 4 5 6 Dateiname auf der CD sensitivity sensitivity sensitivity sensitivity sensitivity sensitivity analysis analysis analysis analysis analysis analysis base.xlsm recovery rate.xlsm default probability.xlsm korrelation.xlsm asset.xlsm base.xlsm Tabellenblatt: References

Anhang 7: Ratingsymbole und ihre Bedeutungen


Moodys Aaa Fitch Standard & Poors AAA AAA Bedeutung Hchste Qualitt der Schuldtitel, auergewhnliche finanzielle Sicherheit der Zins- und Tilgungszahlungen Hohe Qualitt, d.h. sehr gute bis gute finanzielle Sicherheit der Zins- und Tilgungszahlung Gute bis angemessene Deckung von Zins und Tilgung, aber anfllig gg. negativen wirtschaftlichen Entwicklungen Angemessen gute Qualitt, aber mangelnder Schutz gg. negativen wirtschaftlichen Entwicklungen. Spekulativ, mige Deckung fr Zins und Tilgung, bei negativen wirtschaftlichen Bedingungen Sehr spekulativ, geringe Sicherung langfristiger Zins- und Tilgungszahlungen Niedrigste Qualitt, geringster Anlegerschutz und erste Anzeichen von Zahlungsverzug Hchstspekulative Titel Zahlungsverzug, bei Moodys bereits niedrigste Stufe Zahlungsverzug

Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 Caa Ca C -

AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

Abbildung 6: Quelle: Vgl. Waibel 2007, S.15

26

Literatur
[Albulescu und Gillis 2009] Albulescu, Henry C. ; Gillis, Thomas G.: Up-

date To Global Methodologies And Assumptions For Corporate Cash Flow And Synthetic CDOs. September 2009 [Borgel u. a. 2004] Borgel, Gnther ; Platt, Andreas ; Rust, Bastian: Koru

relierende Kreditausflle bei Asset Backed Securites. In: Zeitschrift fr das a u gesamte Kreditwesen (2004), Nr. 3 [Charpentier und Fu 2011] Charpentier, Henry ; Fu, Yvonne: Moodys Ap-

proach to Rating Collateralized Loan Obligations. Juni 2011 [Chisholm 2010] Chisholm, Andrew M.: Derivatives Demystied: A Step-by-

Step Guide to Forwards, Futures, Swaps and Options: A Step-by-Step Guide to Futures, Swaps and Options. Wiley Finance), 2010 [Garcia u. a. 2005] Garcia, Joo ; Dewyspelaere, Tom ; Leonard, Luc: a

Comparing BET and Copulas for Cash Flows CDOs. In: Working Paper (2005) [Herfurth 2011] Herfurth, Sebastian: Die Regulierung von Ratingagenturen

unter Basel II. Bonn : Josef EUL Verlag, 2011 [Jobst 2007] Jobst, Norbert: The Handbook of Structured Finance. New York

City : McGraw-Hill, 2007 [Ketz 2003] Ketz, J. E.: Hidden nancial risk: understanding o-balance sheet

accounting. Hoboken, New Jersey : Wiley Finance, 2003 [Kln 2011] o K ln, Doris ; K ln, Doris (Hrsg.): Mobilising Capital for the o o

Poor: What Can Structured Finance Contribute? New York : KFW Entwicklungsbank, 2011 [Levin 2011] Levin, Carl ; Senate, United S. (Hrsg.): Wall Street and the

Financial Crisis: Anatomy of a Financial Collapse. Washington, 2011 [Mogunov und Lassalvy 2009] Mogunov, Leonld ; Lassalvy, Laurent: Moo-

dys Approach to Rating SF CDOs. Mrz 2009 a

27

[Pech 2008]

Pech, Matthias: Die Finanzmarktkrise 2008 und ihre Auswirkung

auf strukturierte Produkte. Salzwasser-Verlag, 2008 [Ramaswamy 2004] Ramaswamy, Srichander: Managing credit risk in corpora-

te bond portfolios: a practitioners guide. Hoboken, New Jersey : Wiley Finance, 2004 [Schmittat 2007] Schmittat, Johannes E.: Asset Backed Securities - Die

Verbriefung von Handelsforderungen als Finanzierungsalternativen. OestrichWinkel : Deutscher Universitts-Verlag, 2007 a [Standard & Poors 2002] Standard & Poors, Structured F.: Global Cash

Flow and Synthetic CDO Criteria. Mrz 2002 a [Standard & Poors 2010] Standard & Poors, Structured F.: CDO

EVALUATOR R 5.1 User Guide. New York City: Standard & Poors (Veranst.), April 2010 [Waibel 2007] Waibel, Andr: Das Risiko verbriefter Forderungen: Grundlae

gen, Ratingverfahren und Problemfelder. Kln : Diplomica Verlag, 2007 o

28

Name: Lechner

Vorname: Niklas

Erklrung gem 13 Abs. 7 und 15 Abs. 2 der a a Rahmenprufungsordnung fur Bachelor-Studiengnge der a Universitt Hohenheim a

Hiermit erklre ich, dass ich die Bachelor-Arbeit mit dem Titel: a

Sensitivittsanalyse der CDO-Ratingverfahren von Moodys und a S&P bezuglich zentraler Einussfaktoren

selbstndig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt a habe. Alle Stellen der Arbeit, die wrtlich oder sinngem aus Verentlichungen oder aus o a o anderweitigen fremden Auerungen entnommen wurden, sind als solche einzeln kenntlich gemacht worden.

Die Bachelor-Arbeit habe ich noch nicht in einem anderen Studiengang als Prfungsleistung u verwendet.

Des Weiteren erklre ich, dass mir weder an der Universitt Hohenheim oder an einer anderen a a wissenschaftlichen Hochschule bereits ein Thema zur Bearbeitung als Bachelor-Arbeit oder als vergleichbarer Arbeit vergeben worden ist.

Stuttgart, 14.09.2011

Niklas Lechner