Model Validation – DE

Die Modellvalidierung umfasst drei wesentliche Elemente:

1. konzeptionelle Solidität,
2. Datenqualität und -angemessenheit sowie
3. Modellperformance

Datenqualität und -angemessenheit: Hierbei werden die Qualität, Vollständigkeit und Genauigkeit der im Modell verwendeten Daten bewertet. Dabei wird überprüft, ob die im Modell verwendeten Daten für den vorgesehenen Verwendungszweck geeignet sind, ob sie frei von Fehlern oder Verzerrungen sind und ob sie repräsentativ für die modellierte Population sind. Modellleistung: Dabei werden die Genauigkeit, Zuverlässigkeit und Konsistenz der Modellausgaben bewertet. Dazu gehört auch, das Modell anhand historischer Daten zu testen und seine Vorhersagen mit den tatsächlichen Ergebnissen zu vergleichen. Die Modellleistungstests sollten auch eine Sensitivitätsanalyse umfassen, um die Leistung des Modells unter verschiedenen Szenarien und Annahmen zu bewerten. Dies kann dazu beitragen, potenzielle Schwächen oder Einschränkungen des Modells zu identifizieren und seine Genauigkeit und Zuverlässigkeit zu verbessern. Zusätzlich zu diesen Schlüsselelementen umfasst die Modellvalidierung auch die kontinuierliche Überwachung und Pflege des Modells, um sicherzustellen, dass es genau und relevant bleibt. Dazu gehören regelmäßige Aktualisierungen des Modells, um Änderungen der zugrunde liegenden Daten oder des Geschäftsumfelds zu berücksichtigen, sowie die kontinuierliche Prüfung und Überprüfung der Modellleistung. Die Modellvalidierung ist ein wesentlicher Bestandteil des Risikomanagements im Bankwesen. Sie trägt dazu bei, dass Banken fundierte Entscheidungen auf der Grundlage genauer und zuverlässiger Daten treffen und dass sie die regulatorischen Anforderungen und Branchenstandards einhalten. Eine wirksame Modellvalidierung kann dazu beitragen, die Genauigkeit von Risikobewertungen zu verbessern, die Qualität von Finanzprodukten zu erhöhen und letztlich die Finanzstabilität und den Verbraucherschutz zu fördern. Die Geschichte hat gezeigt, dass eine unzureichende Modellvalidierung schwerwiegende Folgen für Finanzinstitute haben kann. Im Vorfeld der Finanzkrise von 2008 verwendeten beispielsweise einige Banken komplexe Modelle zur Bewertung von hypothekenbesicherten Wertpapieren und anderen komplexen Finanzinstrumenten. Diese Modelle berücksichtigten die mit dem Immobilienmarkt verbundenen potenziellen Risiken nicht, was zu erheblichen Verlusten führte, als die Immobilienblase platzte [1]. Ein weiteres Beispiel ist JPMorgan Chase, das 2012 aufgrund einer unzureichenden Validierung seines Value-at-Risk-Modells (VaR) Handelsverluste in Höhe von 6 Milliarden US-Dollar erlitt. Das Modell, das zur Schätzung der potenziellen Verluste des Chief Investment Officer von JPMorgan verwendet wurde, wies mehrere Schwächen auf, darunter die Nichtberücksichtigung bestimmter Risikofaktoren [2]. Im Jahr 2018 wurde Wells Fargo unter anderem wegen der unzureichenden Validierung seiner Modelle zur Berechnung risikogewichteter Aktiva gemäß dem Baseler Regulierungsrahmen III mit einer Geldstrafe von 1 Milliarde US-Dollar belegt. Die Modelle, die zur Ermittlung des Kapitalbedarfs der Bank zur Deckung potenzieller Verluste verwendet wurden, erwiesen sich als mangelhaft und führten zu einer falschen Berechnung der risikogewichteten Aktiva [3]. Anfang der 2010er Jahre, während der „Krise der unbesicherten Kredite” in Südafrika, erlitten mehrere südafrikanische Banken erhebliche Verluste aufgrund ihres Engagements in unbesicherten Krediten, also Krediten, die nicht durch Sicherheiten gedeckt sind. Später stellte sich heraus, dass die Modelle der Banken zur Bewertung des Kreditrisikos in diesem Bereich unzureichend waren, was zu einer Unterschätzung des Ausfallrisikos führte. Dies führte zu einer Welle von Zahlungsausfällen und einer anschließenden Verschärfung der Vorschriften für unbesicherte Kredite durch die Aufsichtsbehörden [4]. In den letzten Jahren wurde die US-Bankenbranche durch eine beunruhigende Entwicklung regionaler Bankenzusammenbrüche alarmiert, wobei Institute wie die Silicon Valley Bank (SVB), die Signature Bank und die First Republic Bank einer intensiven Prüfung unterzogen wurden. Unter den verschiedenen Faktoren, die zu diesen Zusammenbrüchen beigetragen haben, war die unzureichende Validierung von Risikomanagementmodellen ein wichtiger Grund zur Sorge. Die Silicon Valley Bank (SVB), die für ihre Betreuung amerikanischer Risikokapitalgesellschaften und Technologie-Start-ups bekannt ist, geriet aufgrund ihres Engagements in diesen risikoreichen Branchen in finanzielle Schwierigkeiten [5]. Ein entscheidender Aspekt, der zum Niedergang der SVB geführt haben könnte, war die Unfähigkeit ihrer Modelle, die potenziellen Risiken ihres erheblichen Engagements im Technologiesektor angemessen zu berücksichtigen. Nach der Finanzkrise von 2008 profitierten amerikanische Technologie-Start-ups von einer langen Phase niedriger Zinsen und einer erheblichen quantitativen Lockerung durch die US-Notenbank, wodurch sie Zugang zu günstigem Investitionskapital erhielten [6]. Diese Ära des „leichten Geldes” erreichte ihren Höhepunkt während der Covid-19-Pandemie im Jahr 2020. Zu diesem Zeitpunkt waren etwa 50 % der amerikanischen Technologie-Start-ups bei der SVB bankiert [7], was zu einem sprunghaften Anstieg der Einlagen von 61 Milliarden US-Dollar auf 189 Milliarden US-Dollar führte [8]. Die Bank entschied sich, diese Einlagen in langfristige Anleihen zu investieren, die sich im Niedrigzinsumfeld als profitabel erwiesen, da mit einer Wertsteigerung der Anleihen gerechnet wurde. Ende 2021 veranlasste jedoch die steigende Inflation in den USA die Federal Reserve zu einer Anhebung der Zinssätze, was die Investitionslandschaft für die SVB ungünstig veränderte, da der Wert ihrer langfristigen Anleiheinvestitionen sank. Bis Ende 2022 musste die SVB aufgrund des Wertverlusts ihrer Investitionen unrealisierte Verluste in Höhe von 15 Milliarden US-Dollar hinnehmen [9]. Darüber hinaus stellte das hochverzinsliche Umfeld eine Herausforderung für Technologie-Start-ups dar, die den Großteil der Einlagen der SVB ausmachten, sodass sie Schwierigkeiten hatten, ihre Geschäftstätigkeit zu finanzieren. Infolgedessen waren sie auf ihre Bankeinlagen angewiesen, um Liquiditätsengpässe zu überbrücken. Um diese hohen Abhebungen zu bewältigen, war die SVB gezwungen, ihre langfristigen Anleihen mit Verlust zu verkaufen, was Befürchtungen hinsichtlich der Insolvenz der Bank auslöste. Da nur Einlagen bis zu einer Höhe von 250.000 US-Dollar durch die Federal Deposit Insurance Corporation (FDIC) versichert sind und 97 % der Einlagen der SVB diesen Betrag überstiegen [10], führten die Bedenken hinsichtlich der Solvenz der Bank zu einem Ansturm auf die Bank, der schließlich zu ihrer Schließung führte. Die Unfähigkeit der Risikomodelle der SVB, sich an die sich verändernde Dynamik der US-Wirtschaft anzupassen und die Anfälligkeit der Bank aufgrund ihrer Investitionen und ihrer Vermögensstruktur genau einzuschätzen, hatte letztlich tiefgreifende Auswirkungen auf ihre Stabilität und Solvenz. Zusammenfassend lässt sich sagen, dass die Bedeutung der Modellvalidierung im Bankensektor nicht hoch genug eingeschätzt werden kann. Es handelt sich um einen kritischen Prozess, der sicherstellt, dass die für die Entscheidungsfindung verwendeten Modelle genau, zuverlässig und mit ihrem beabsichtigten Zweck vereinbar sind. Angesichts der zunehmenden Abhängigkeit der Bankenbranche von Daten und Analysen wird die Modellvalidierung auch weiterhin ein wichtiger Schwerpunkt für Finanzinstitute, Aufsichtsbehörden und Verbraucher sein. Durch die Befolgung von Best Practices für die Modellvalidierung, einschließlich gründlicher Tests, Dokumentation und Validierung durch unabhängige Stellen, können Banken das Risiko von Modellfehlern mindern und sicherstellen, dass ihre Modelle genau, zuverlässig und mit ihrem Verwendungszweck vereinbar sind. Referenzen

1. Financial Crisis Inquiry Commission. (2011). The Financial Crisis Inquiry Report.
2. Financial Stability Oversight Council. (2013). 2013 Annual Report.3.
3. Board of Governors of the Federal Reserve System. (2018). Consent Order for a Civil Money Penalty In the Matter of Wells Fargo Bank, N.A.
4. „Standard Bank muss wegen mangelhafter Kontrollen zur Bekämpfung der Geldwäsche eine Strafe in Höhe von 528 Millionen Rand zahlen” von Lameez Omarjee (Fin24, 2019)
5. „Hypotheken, Wein und Renovierungen: Die tiefen Verbindungen der Silicon Valley Bank zur Tech-Branche” – von Erin Griffith, Mike Isaac und Sheera Frenkel (New York Times, 2023)
6. „Die Herren des leichten Geldes – wo die Fed versagt hat” von Rana Foroohar (Financial Times, 2023)
7. „Der Zusammenbruch der Silicon Valley Bank wird eine große Lücke in der Welt der Start-ups hinterlassen” von Chris Metinko (Crunchbase, 2023)
8. „SILICON VALLEY BANK (SVB) – WAS IST PASSIERT?” von Austin Morris Associates (2023)
9. „Analyse: Die Insolvenz der Silicon Valley Bank” von Julien-Pierre Nouen, CFA, und François Lavier, CFA (Lazard Frères Gestion, 2023)
10. „Über die Rettung der Einleger der Silicon Valley Bank hinaus: Was als Nächstes geschehen muss“ von Simon Johnson

  Artikelentwurf https://www.linkedin.com/pulse/draft/AgFsgVoQ9jOAcwAAAYkHOMaQj7XjWR0_bf3D17K9IFvidBRFuEwtaMJEll1IwAvRJg8LWR8