Anlagestrategien im Spannungsfeld von Finanzmarktregulierung und Nullzinsumfeld

Edition Risikomanagement 1.15

Professor Dr. Martin Hellmich

2

3

Inhalt

Vorwort 5

Abstract 7

1 Einleitung 8

2 Risikoinventur 20

3 Klassische Modelle für Asset Allocation und Portfoliooptimierung und ihre Grenzen 26

4 Regulatorische Rahmenbedingungen 38

4.1 Banken 41 4.2 Versicherungen 50

5 Auswirkungen von Niedrig zinsumfeld und neuen regu latorischen Rahmenbe dingungen auf Banken und Versicherungen 62

5.1 Banken 66 5.1.1 Berechnung der durchschnittlichen

Liquidity Coverage Ratio für deutsche Banken 69

5.1.2 Kosten der Liquiditätsreserve 74

5.2 Versicherungen 78

5.3 Nicht regulierte Investoren 84

6 Neue Modellansätze: Connectedness 88

6.1 Indikatoren für Connectedness 92 6.2 Netzwerkmodelle 94

Anhang 1 100

Anhang 2 112

Literaturverzeichnis 114

Abbildungsverzeichnis 116

Tabellenverzeichnis 117

4

Wir arbeiten für Ihr Investment

Sehr geehrte Damen und Herren,

in einer von den Finanz- und Staatenkrisen der letzten Jahre geprägten Finanzwelt und dem daraus folgendenNiedrigzinsumfeld nimmt die Regulierung eine immer wichtigere Rolle in den Investmententscheidungen von großen Investorengruppen ein.

Vor diesem Hintergrund entsteht auf dem Kapitalmarkt eine Divergenz in der Risikobewertung aus marktorien-tierter und regulatorischer Sicht, was auch die Preisbildung verschiedener Asset-Klassen verändert. Die daraus entstehenden Chancen und Risiken werden in den nächsten Jahren den Markt beeinflussen.

Unter Berücksichtigung der neuartigen Regulierung und des Niedrigzinsumfeldes untersucht Professor MartinHellmich von der Frankfurt School of Finance and Management in der diesjährigen Risikomanagementstudie die Auswirkungen auf die aktuellen Portfolios von wichtigen Investorengruppen und gibt einen Ausblick auf die zukünftige Entwicklung.

Der sich daraus ableitende Fokus von großen Investorengruppen, vor allem Banken und Versicherungen, auf die selben regulatorisch benötigten Asset-Klassen verleiht den dominierenden Systemrisiken noch mehr Gewicht.Die Aussagekraft von gängigen Risiko- und Portfoliomanagementmodellen, welche mit historischen Daten kali-briert werden, wird durch diese Risiken eingeschränkt, so dass neue Modellansätze gefragt sind. Hier stellt dieStudie Risikoindikatoren zur Messung von „Connectedness“ oder kausale Modelle, wie z. B. Netzwerkmodelle zur Diskussion.

Eine anregende Lektüre wünscht Ihnen Ihr

Alexander SchindlerMitglied des VorstandsUnion Investment

Vorwort

5

6

Das Zusammenwirken von Nullzins sowie neuen regulatorischen Rahmenbedingungen für die wesentlichen Investorengruppen und die Finanzmärkte hat ein vollständig neues Umfeld für die Kapitalanlage geschaffen. Vor diesem Hintergrund müssen u. a. Banken und Versicherungen ihre strategische Asset Allocation im Depot Abzw. im gebundenen Vermögen überprüfen und die Beurteilung wesentlicher Asset-Klassen im Hinblick auf dasRisk-Return-Profil und die regulatorische Eignung auf den Prüfstand stellen. Diese Aufgabe ist allerdings fast unlösbar, da Asset-Klassen, die einen signifikanten Diversifikationsbeitrag und alternative Risikoprämien liefern,aus regulatorischen Gründen nur sehr schwer in die strategische Asset Allocation zu integrieren sind.

Gleichzeitig wurde mit den Ereignissen der Finanzkrise deutlich, dass klassische Portfolio- und Risikomodellenicht in der Lage sind, koordinierte und marktübergreifende Dynamiken von Vermögenspreisen zu erfassen, dieunterschiedliche Märkte und Asset-Klassen in die gleiche Richtung treiben und schließlich in Extremsituationenmünden.

Massive Zentralbankinterventionen führen zu hohen Korrelationen zwischen unterschiedlichen Asset-Klassen.Gleichzeitig wird das Nachfrageverhalten großer Klassen von Investoren durch ihre regulatorischen Rahmenbe-dingungen in einer Weise determiniert, die wiederum die Korrelationen zwischen Investoren auf der einen Seiteund Vermögenspreisen auf der anderen Seite verstärkt. Damit steigt die Gefahr von krisenhaften Ansteckungs -effekten, welche sich kausal nur in komplexen Netzwerkmodellen beschreiben lassen.

Netzwerke von Finanzmarktteilnehmern sind jedoch durch die Doppelrolle von Vermögenspreisen gefährlichenFeedback-Effekten ausgesetzt: Vermögenspreise reflektieren den Gegenwartswert künftiger Entwicklungen undbeeinflussen gleichzeitig die Bilanzen der Wirtschaftsakteure. Insbesondere kann ein gleichzeitiges Fallen derPreise wichtiger Asset-Klassen zu einem gleichzeitigen Deleverage großer Investoren führen und zum einen denPreisverfall massiv verstärken und zum anderen das Platzen einer Blase in eine Systemkrise überführen.

Wir zeigen in dieser Studie die Auswirkungen von Nullzinsumfeld und neuen regulatorischen Rahmenbedingun-gen auf die Ertragslage und Risikosituation wichtiger Investorengruppen, wie Banken und Versicherungen, auf.Gleichzeitig stellen wir uns die Frage, welche systematischen Risiken sich aufgrund dieser Disposition großerGruppen von Finanzinstitutionen für das Finanzsystem als solches ergeben. Am Schluss gehen wir auf die Frageein, welche Ansätze und Methoden in Zukunft eine neue Generation von Risikomodellen bilden können und welchen Nutzen sie dann für Regulatoren sowie Risiko- und Portfoliomanager haben können.

Abstract

7

8

1 Einleitung

9

10

Die Jahre nach dem Platzen der Dotcomblase und dem Beginn der Kreditkrise im August 2007 waren geprägtdurch große Mengen günstiger Liquidität und Banken, welche aufgrund ihrer limitierten Eigenkapitalressourcendiese Liquidität durch Anpassungen ihrer Geschäftsmodelle sowie durch unterschiedliche Methoden der regula -torischen Arbitrage in günstige Kredite für die Realwirtschaft transformierten. Zu den Anpassungen der Geschäfts-modelle zählte der Wechsel vom klassischen Originate-to-hold-Ansatz zu Originate-to-distribute-Strategien.

Letztere sind eng verbunden mit der Nutzung von Instrumenten des Risikotransfers wie z. B. True Sale oder synthetischen Verbriefungen bzw. dem Einsatz von immer komplexeren und noch mehr gehebelten Kreditderi -vaten (Hellmich und Kassberger, 2008). Zu Methoden der regulatorischen Arbitrage zählten die Ausnutzung vonSchwächen damals gängiger Ratingmodelle, um z. B. in Verbriefungstransaktionen trotz hohem Leverage undniedriger Durchschnittsqualität der zugrunde liegenden Kreditrisiken hohe Ratingnoten zu erzielen, oder die Nut-zung von Liquiditätsfazilitäten zum Aufbau von Risiken außerhalb der Bilanz. Diese Aktivitäten führten zu Konse-quenzen wie einem starken Wachstum der Bilanzsummen sowie der Marktkapitalisierung von Banken und derGröße des Finanzsystems im Allgemeinen, relativ zu den Wachstumszahlen der Realwirtschaft, einer deutlichenSteigerung der Leverage-Ratios von Banken bei zeitgleichem Anstieg der Verschuldungsgrade in bedeutendenVolkswirtschaften sowie auch großen Abhängigkeiten innerhalb des Finanzsektors durch den Interbankenmarkt,durch enge Verbindungen von Hedgefonds zu ihren Prime Brokern oder durch den Aufbau von hohen Gegenpar-teirisiken durch nicht besichertes Geschäft in den OTC-Derivate-Märkten.

Angepasste Geschäftsmodelle und die Nutzung innovativer Risikotransferinstrumente führten zu Änderungen der Risikostandards bei Kreditvergaben, längeren und komplexeren Ketten sog. Financial Intermediation zwischendem ursprünglichen Kreditnehmer und dem finalen Risikoinvestor und einem starken Anstieg in den gehandeltenVolumina von Kreditrisiken. Nicht zuletzt haben starke globale Ungleichgewichte in den Geschäftsmodellen vonBanken zu einer für die Stabilität des Finanzsystems sehr nachteiligen Risikoallokation geführt. Als Beispiel lassensich die langjährige Renditeschwäche und die fehlenden profitablen Geschäftsmodelle im deutschen Bankensek-tor anführen, die zahlreiche Banken in Deutschland über ihr Kreditersatzgeschäft zu semiprofessionellen Risiko -investoren im Bereich der strukturierten Kreditprodukte werden ließen. Im Ergebnis lässt sich sagen, dass einZusammenwirken verzerrter Liquiditätspreise, zu geringer Risikoprämien, fehlender profitabler Geschäftsmodellesowie offensichtlich vorhandener Möglichkeiten der regulatorischen Arbitrage die Risiken im Finanzsektor ineinem solchen Ausmaß anwachsen ließ, dass eine globale Krise möglich wurde, die sich nicht auf den Finanz -sektor beschränken ließ, sondern zu einer Staatenkrise mit bis heute unbekanntem Ausgang wurde, und derenAuswirkung u. a. das gegenwärtige Nullzinsumfeld ist, das wiederum sehr ungünstige Rückkoppelungseffekteauf institutionelle Investoren (insbes. Versicherungen) und Banken hat.

Seit dem Ausbruch der Finanzkrise gab es zahlreiche regulatorische Initiativen auf der Ebene der Finanzmärkte(MiFID II, EMIR, MiFIR) (vgl. u. a. Hellmich, Weitreichende Konsequenzen aus EMIR & Co.), für Banken (u. a. BaselII.5, III, III.5), für Asset Manager und Alternative Investment Funds (AIMFD, AIMFR) – was in Deutschland zur Ab-lösung des Investmentgesetzes durch das Kapitalanlagegesetzbuch führte – sowie auch für Versicherungen mit-tels Solvency II. Gleichzeitig wurden durch den Single Supervisory Mechanism und den Single Resolution Mecha -nism die Säulen für die gemeinsame Bankenaufsicht in der Europäischen Währungsunion geschaffen sowie mitdem Single Rule Book national übergreifende Standards gesetzt. Die Geldpolitik der EZB, welche jetzt auchQuantitative Easing im Maßnahmenkatalog umfasst, hat ein vormaliges Niedrigzinsumfeld in ein Nullzinsumfeldüberführt. Flankierend zu den zahlreichen Maßnahmen, welche Banken zu günstigerer Liquidität verhelfen sollen,hat die EZB mit dem „ABS Purchase Programme“ (ABSPP) auch ein Instrumentarium geschaffen, das letztendlichBanken auch helfen soll, ihr regulatorisches Eigenkapital zu entlasten (Hellmich, M., 2015).

Wie sieht es unter diesen Rahmenbedingungen mit der Stabilität der europäischen Bankenlandschaft aus? FürDeutschland und auch Europa gilt, dass zahlreiche Bankinstitute existieren, die kein hinreichendes Geschäfts -modell haben. Neben Overbanking und Nullzinsumfeld machen die durch Digitalisierung bedingten Änderungen von Informationsflüssen und Distributionskanälen große Teile des klassischen Bankgeschäftes überflüssig. Bankenohne tragfähiges Geschäftsmodell können jedoch nicht ausreichend Gewinne zum Aufbau von Risikopuffern nut-zen und sind der Versuchung ausgesetzt, sich in risikoreichen Geschäften außerhalb ihrer Kernkompetenz zu engagieren. Die Risikoentflechtung zwischen Banken und Staaten ist nur partiell gelungen, weil Banken für dieStaatsfinanzierung noch immer eine tragende Rolle spielen. Empirisch kann man dies u. a. belegen durch die un-terschiedliche Entwicklung der Beziehungen von Asset Swap Spreads von Staatsanleihen versus Covered Bondsvon 2007 bis 2014 in Deutschland, verglichen mit Frankreich, Italien und Spanien (Hellmich, Kraft und Siddiqui,2014). Die neuen regulatorischen Rahmenbedingungen stellen Banken vor die fast unlösbare Herausforderungvon steigenden Risikokosten bei gleichzeitiger Erosion vormals profitabler Geschäftszweige (Hellmich & Siddiqui,Klassische Geschäftsmodelle im Wandel, 2014). Für die Profitabilität der Bilanzstruktur und insbesondere dasDepot-A-Management stellt die regulatorische Anforderung, mehr liquide und im gegenwärtigen Umfeld beson-

11

Abbildung 1: politische und makroökonomische Auswirkungen der Bankenkrise

Zypern Irland Spanien

Arbeitslosenrate

18. März 2015 Frankfurt,Proteste gegen die Auswir-kungen der Geldpolitik undBankenaufsicht der EZB

12

ders niedrig rentierliche Aktiva (Level-1- und Level-2-Assets) bei gleichzeitig notwendiger stabiler Refinanzierungzu halten, einen großen Einschnitt dar, welcher die Eigenkapitalrenditen von Banken weiter senken und den Auf-bau größerer Risikodeckungsmassen erschweren dürfte.

Systemische Risiken infolge von Ansteckungsgefahren bzw. der Tatsache, dass unterschiedliche Finanzinstitutesehr ähnlichen Risiken ausgesetzt sind, haben für Banken und Staaten immer noch das größte Drohpotenzial.Für Versicherungen wird durch das Zusammenwirken von Nullzins und Solvency II ein Umfeld generiert, welches,bei gleichbleibenden Rahmenbedingungen, nur von Unternehmen mit hohen Eigenkapitalquoten und gleichzei -tiger Anlagekompetenz in Asset-Klassen mit höheren Renditen, aber gleichzeitig größeren Risiken und/oder gerin-gerer Liquidität erfolgreich bewältigt werden dürfte. Gleichzeitig lässt sich bei Versicherungsunternehmen dieTendenz feststellen, dass vormalige Zinserträge bei der Neuanlage schrittweise durch Risikoprämien für höhereKreditrisiken und geringere Liquidität ersetzt werden. Auch die Politik reagiert auf diese Entwicklungen mit Maß-nahmen, welche Versicherungen in der strategischen Asset Allocation unterstützen sollen. So hat das Bundeska-binett in seiner Sitzung vom 25. Februar 2015 die Novellierung der Anlageverordnung sowie der inhaltsgleichenPensionsfonds-Kapitalanlagenverordnung final verabschiedet. Die Texte wurden am 6. März 2015 veröffentlichtund sind unmittelbar anwendbar. Mit den Neuregelungen wurden für Versicherungen und Pensionsfonds u. a. dieMöglichkeiten von Infrastrukturinvestments erweitert und der Verordnungstext wurde an die Begrifflichkeiten desKapitalanlagegesetzbuchs angepasst.

Obwohl gegenwärtig die Auswirkungen des Niedrigzinsumfeldes auf die Fähigkeiten von Versicherungsunterneh-men zur Erfüllung ihrer langfristigen Verbindlichkeiten im Fokus stehen, so hat doch eine der jüngsten Studien(Feodoria und Förstemann) gezeigt, dass auch die Auswirkungen eines plötzlichen Zinsanstiegs um ca. 200 Basis-punkte für die rund 60 größeren deutschen Lebensversicherungen zu einer lebensbedrohlichen Schieflage führenkönnen.

Die Vermögensverwaltungsindustrie ist durch die neuen regulatorischen Rahmenbedingungen zum einen direktbetroffen (z. B. AIMFD), zum anderen aber durch neue regulatorische Anforderungen an ihre unterschiedlichenKundengruppen in verstärktem Maße auch indirekt. Beispiele dafür sind Durchschauprinzipien für Investments inFonds für die Berechnung des notwendigen regulatorischen Kapitals sowohl für Banken als auch für Versicherun-gen, welche sich auf Anlageprinzipien vieler Spezialfonds direkt auswirken. Gleichzeitig ist die Fondsindustrieauch durch veränderte Strategien von institutionellen Investoren in der Direktanlage betroffen. Die Substitutionvon Zinserträgen durch alternative Risikoprämien führt dazu, dass vormalige Kunden beim Bieten für Anlage -möglichkeiten auch als Konkurrenten auftreten können.

Aber auch alternative Investmentfonds sind stark betroffen, da diese im Aufbau von Leverage sehr stark auf Banken als Repo-Partner oder Gegenpartei in Derivategeschäften angewiesen sind. Die Private-Equity-Industrieist betroffen, da Banken z. B. bei Leveraged Buy-outs nicht mehr im selben Umfang Leveraged Loans auf ihre Bücher nehmen können, aber gleichzeitig, zumindest in Europa, auch der Verbriefungskanal über LeveragedLoans mangels Investoren und neuer Verbriefungsregeln unter Basel III nur sehr eingeschränkt zur Verfügungsteht.

Die Neuregulierung der Derivatemärkte, welche durch Central Clearing für standardisierte Derivate und Initialsowie Variation Margining für das nicht standardisierte, in den OTC-Märkten verbleibende Derivategeschäft geprägt ist, schafft ein deutlich verändertes Nachfrageverhalten nach Wertpapieren, welche sich als Collateraleignen. Gleichzeitig zeigt das Beispiel von Versicherungsunternehmen in UK, welche derartiges Collateral in Reverse-Repo-Geschäften an Banken verleihen, wie sich auch unter solchen Rahmenbedingungen Opportuni -täten und Zusammenarbeitsmöglichkeiten zwischen unterschiedlichen Partnern ergeben können.

Es lassen sich zahlreiche weitere Beispiele der Auswirkungen neuer regulatorischer Rahmenbedingungen aufAsset-Klassen wie Investoren nennen. Insgesamt dürften sich die o. g. Entwicklungen in Zukunft sehr deutlich aufdie strategische Asset Allocation von Banken, Versicherungen und zahlreichen Fonds auswirken. Ein derart geän-dertes Nachfrageverhalten großer Investorengruppen führt zur Neuadjustierung von Preisen und Risikoprämien.So gibt es z. B. eine erhebliche Überlappung der Aktiva, welche auf der Bankenseite für die Erfüllung der LiquidityCoverage Ratio zulässig sind, auf der Versicherungsseite den Hauptanlagefokus darstellen, den wesentlichen

Anteil der Ankaufprogramme der EZB stellen und gleichzeitig als Sicherheiten in Derivate- und Refinanzierungs-geschäften akzeptabel sind. Andererseits führen die dadurch bedingten Änderungen in der Nachfrage nach diver-sen Aktiva zu Änderungen der Relative Values im Investmentuniversum und damit auch zu Opportunitäten. Daverschiedene Asset-Klassen bei verschiedenen Investorengruppen im Hinblick auf ihre regulatorischen Eigenka -pitalanforderungen unterschiedlich behandelt werden, könnten sich zum einen regulatorische Arbitragemöglich -keiten, aber zum anderen auch die Möglichkeit strategischer Zusammenarbeit, z. B. zwischen Banken und Versi-cherungen, ergeben. In der jüngeren Vergangenheit waren z. B. immer wieder strategische Partnerschaften zwi-schen Banken und Versicherungen bei der Aufsetzung von Loan Funds zu beobachten, welche Versicherungenden Zugang zu einer neuen Asset-Klasse und Banken die Möglichkeit der regulatorischen Eigenkapitalentlastunggeben sollten.

Eine weitere Frage ist, ob sich vonseiten des Financial Engineerings durch die Strukturierung geeigneter ProdukteAntworten auf die sich durch Nullzinsumfeld und regulatorische Rahmenbedingungen ergebenden Herausforde-rungen finden lassen. Im Moment lassen sich hier noch keine Tendenzen identifizieren, da die Implementierungneuer regulatorischer Rahmenbedingungen gerade erst stattfindet und die Unsicherheit über die künftige Be-handlung neuer Produkte und Ideen zu potenzieller regulatorischer Arbitrage noch sehr hoch ist.

Man muss in diesem Kontext auch die Frage stellen, welche Initiativen der Politik die Architektur der Finanz-märkte mittel- und langfristig verändern werden. In ihrem Grünbuch zur Schaffung einer Kapitalmarktunion stelltdie EU-Kommission klar, dass die Unternehmensfinanzierung in Europa immer noch viel zu stark von den Bankenund zu wenig von den Kapitalmärkten abhängt, was u. a. dazu führt, dass Krisen des Bankensektors sich unge -filtert auf die Refinanzierung der Realwirtschaft auswirken. Deshalb wäre eine Diversifizierung der Refinanzie-rungsquellen europäischer Unternehmen wünschenswert. Treten nämlich Banken vornehmlich als Endinvestorenin Kreditrisiken auf, dann führt dies zu großen und gehebelten Bankbilanzen und einer großen Konzentration vonRisiken im Bankensektor. Die Lösung des Problems stellt aber vielmehr das gegenteilige Szenario dar: wenigerBanken und geringere Bilanzsummen, dafür aber Diversifikation der Risiken auf viele Investoren mithilfe der Kapi-talmärkte. Die Situation im Jahr 2009 hat die Problematik aufgezeigt, als zahlreiche große europäische Unterneh-men aufgrund der damaligen Schwäche der Banken Unternehmensanleihen emittiert haben, um traditionelleBankkredite zu ersetzen („European Corporate Funding Disintermediation“). Anleihen sind am Kapitalmarkt han-delbare Instrumente mit einer breiten Investorenbasis. Ihre Nutzung stellte die Unternehmensfinanzierung somitauf widerstandsfähigere Schultern und kompensierte die Schwäche der Banken. Dies half allerdings nur großenUnternehmen mit direktem Zugang zum Kapitalmarkt.

Gleichzeitig wird in dem Grünbuch der EU-Kommission festgestellt, dass Banken auch in normalen Phasen nichtfür alle Unternehmen die richtigen Finanzierungspartner sind. Dies gilt u. a. für innovative und wissensbasierteWachstumsbranchen, da immaterielle Vermögenswerte nicht als Sicherheiten für Banken zur Kreditvergabe ver-wendet werden können. Andererseits stehen mit Unternehmensanleihen, High-Yield-Bonds und Verbriefungenvon Mittelstandskrediten Kapitalmarktprodukte zur Verfügung, um Unternehmen aller Größenordnungen geeig-nete Fremdkapitalinstrumente anzubieten und die Risiken dieser Instrumente auf den Schultern vieler Investorenzu verteilen. Mit einem europaweit funktionierenden Markt für Private Equity und Gründungsfinanzierungen(Venture Capital) wird auch die Eigenkapitalbeschaffung für Unternehmen ohne direkten Zugang zu den Märktenerleichtert und innovatives Wachstum gefördert. Dies funktioniert umso besser, je größer und tiefer der Kapital-markt ist, weshalb sein Ausbau eine gesamteuropäische Aufgabe ist.

Zeitgleich suchen institutionelle Investoren, wie z. B. Versicherungen, im Niedrigzinsumfeld nach geeigneten Anla-gemöglichkeiten. Traditionell haben Versicherungen Banken refinanziert und diesen damit geholfen ihre Bilanzenaufzublähen. Wenn Versicherungen das Volumen der gehaltenen Bankanleihen reduzieren und über geeigneteKapitalmarktprodukte direkt in den bisher von Banken gehaltenen Risiken investieren, dann führt dies zur besse-ren Diversifikation in ihrer Kapitalanlage und zu einer Verringerung der Risikokonzentration im Bankensektor.

Als Fazit gilt, dass lediglich durch Schaffung neuer regulatorischer Rahmenbedingungen die Finanzmärkte nichtsicherer und effektiver werden.

13

14

Vor diesem Hintergrund wird deutlich, dass wir ein sich in Zukunft weiter änderndes Umfeld mit deutlich gestie-gener Komplexität vorliegen haben, an das sich die Investoren durch Adaption sowohl ihrer Geschäftsmodelle als auch ihrer Anlagestrategien schrittweise anpassen müssen.

Wir wollen in unserer Studie folgenden Fragen nachgehen:

• Wie ändern sich Investmentstrategien und die Asset Allocation im gegenwärtigen Umfeld unter den neuen regulatorischen Rahmenbedingungen bei wichtigen Investorengruppen, insbesondere bei Banken und Versi-cherungen?

• Wie lässt sich für wesentliche Asset-Klassen das Risk-Return-Profil im Verhältnis zum notwendigen regula -torischen Kapital (bei Banken und Versicherungen) einordnen?

• Sind beobachtete Änderungen im Investmentverhalten mit Blick auf marktorientierte Risikomaße als effizientzu betrachten oder sind sie nur effizient im regulatorischen Sinne (regulatorisches Eigenkapital, Liquiditäts-kennziffern, Anforderungen wie Durchschau und Meldewesen etc.)?

• Wie verändern sich die Ertragsprofile wichtiger Investmentportfolios (Depot A bei Banken, gebundenes Vermö-gen bei Versicherungen etc.) insgesamt durch das neue Umfeld (z. B. höhere Risikoprämien versus gestiegeneAusfall- und Liquiditätsrisiken)?

• Wie wirken sich das Verhalten der Zentralbanken, angepasste Investmentstrategien von Banken und Versiche-rungen, höhere Collateral-Anforderungen für Mitigation von Gegenparteirisiken, Central Clearing etc. insge-samt auf die Preisbildung in den Kapitalmärkten aus?

• Ist die Anwendung von Portfoliooptimierungsmodellen vor dem Hintergrund fehlender risikoloser Anlagen,hoher Korrelationen wegen Liquiditätsüberschüssen und zahlreicher regulatorischer Nebenbedingungen überhaupt noch sinnvoll?

• Gibt es Opportunitäten/besondere Risiken durch Wechselwirkungen zwischen den Anpassungen der Strate-gien großer Investorengruppen (Versicherungen, Banken etc.) an ihre jeweiligen regulatorischen Nebenbe -dingungen?

Die wesentlichen Ergebnisse unserer Studie sind folgende:

Investorenumfrage 2015

• Schärfere Regulierung und die Erfahrungen der Finanzmarktkrise führen zu mehr internen wie externen Restriktionen für die Kapitalanlage. 73% (71% im Jahr 2014) der Befragten glauben, dass sie ohne diese Restriktionen höhere Renditen erwirtschaften können, für 30% (29% im Jahr 2014) liegt dieser Mehrertragüber der Schwelle von 1%

• Die Vertreter der Banken in der Stichprobe glauben, dass 54,9% der Banken ihre Anlageziele aufgrund neuerregulatorischer Vorgaben nicht erreichen, während 68,8% der Banken ihre Vorgaben aufgrund des Niedrig-zinsumfeldes verfehlen

• Die Vertreter der Versicherungen in der Stichprobe glauben, dass 28,5% der Versicherungen ihre Anlagezieleaufgrund neuer regulatorischer Vorgaben nicht erreichen, während 49,4% der Versicherungen ihre Vorgabenaufgrund des Niedrigzinsumfeldes verfehlen

Banken

• Die durchschnittliche Performance des Depot-A-Portfolios deutscher Banken ist von ca. 5,2% im Jahre 2005auf ca. 1,8% im Jahre 2014 gesunken

• Der durchschnittliche Level der Liquidity Coverage Ratio (LCR) deutscher Banken ist Ende März 2015 ca. 113%

• Für zahlreiche Banken impliziert das Halten der Liquiditätsreserve gemäß Liquidity Coverage Ratio zumindestseit 2014 eine Negative Carry (Refinanzierungskosten übersteigen die Rendite). Dies reduziert die Fähigkeitenvon Banken, Reserven aufzubauen und die Risikotragfähigkeit zu steigern

• Aufgrund der multidimensionalen Nebenbedingungen der Capital Requirement Regulation (CRR) haben dieBanken wenig Freiheit, die strategische Asset Allocation in ihren Depot-A-Portfolios anzupassen. Lediglich derüber den Erfüllungsgrad der LCR von 100% hinausgehende Teil des A-Depots ist frei gestaltbar und in Aktivamit höheren Renditen investierbar, allerdings kommen hier signifikant höhere Kapitalanforderungen zum Tra-gen. Zeitgleich ist aufgrund neuer regulatorischer Initiativen die Unsicherheit über die Auswirkungen auf diekünftige Kapitalplanung noch sehr hoch

• Insbesondere Level 1 und Level 2A und mit Abstrichen auch Level 2B Assets bestehen aus Wertpapieren, fürdie eine hohe strukturelle Nachfrage am Markt besteht und die deswegen niedrige oder zum Teil auch nega-tive Renditen aufweisen. Zum einen schafft die EZB im Kontext von QE und ihren diversen Kaufprogrammeneine erhöhte Nachfrage, zum anderen benötigen Banken und andere Finanzinstitutionen auch die Wertpa-piere, welche für die Erfüllung der LCR zulässig sind, für andere Zwecke, wie z. B. als Collateral im Derivate -geschäft, und zwar sowohl für Central Clearing Counterparties als auch für bilateral gecleartes Geschäft aufBasis eines sog. Margin Agreement (z. B. ISDA Credit Support Annex). In gegenwärtigen Risikomanagement-strategien werden oft Eigenkapitalunterlegungen in Collateral-Anforderungen transformiert („Collateral is thenew Capital“), was zunehmende Nachfrage schafft und damit dann die Renditen für akzeptable Sicherheitendrückt. Auf dieser Basis wird auch aufgrund potenzieller Margin Calls eine Korrelation zwischen steigendenVolatilitäten von Marktpreisen und Nachfrage nach genau diesen zulässigen Sicherheiten geschaffen unddamit das Risiko von sog. „Shortages of Collateral“ erhöht

• Banken managen die Aktiva ihrer Bilanz, welche als Sicherheiten für Repo- und Derivategeschäft und/oder fürdie Liquiditätsreserve zulässig sind, unter nachfolgenden Rahmenbedingungen:

– Banken betreiben ein umfangreiches Securities-Finance- und Derivategeschäft – Durch Markttrends und regulatorische Veränderungen (EMIR, Dodd-Frank Act etc.) wächst der Anspruch an besichertes Geschäft – Hieraus entsteht hoher Bedarf an Wertpapiersicherheiten (Collaterals); die Großbanken unterhalten dafür Portfolios im zweistelligen Milliarden-Euro-Bereich – Diese Collaterals sind unterschiedlichen Geschäftstypen zugeordnet, die wiederum aus verschiedenen Collateral-Pools bedient werden – Beispiele für diese Sicherheitenportfolios sind EZB, Triparty-Agenten, GC Pooling, KAGplus, Futures-Börsen, CCP und bilaterale Geschäfte

Mit jeder dieser Plattformen sind verbunden:

– spezifische Geschäftsarten – Anforderungen an den Typ des akzeptablen Collateral und dessen Anrechnung (Haircut)

• Die Wertpapiere, die als Sicherheiten für o. g. Zwecke akzeptabel sind, haben eine große Übereinstimmung mit den Wertpapieren, die für die Erfüllung der LCR zulässig sind, und sie sind gleichzeitig auch Ziele diverserAnkaufprogramme der EZB

15

16

• Die Wertpapiere, die für o. g. Zwecke akzeptabel sind, gehören gleichzeitig auch zum Core-Investmentuniver-sum großer institutioneller Investoren, wie z. B. Versicherungen

• Im Moment sind keine wesentlichen Umschichtungstendenzen in den A-Depots der Banken sichtbar und dieStruktur der A-Depots ist mit Blick auf die zahlreichen Restriktionen weitestgehend determiniert

Versicherungen

Versicherungen müssen unter Solvency II ihre Marktrisiken mit Eigenkapital unterlegen (Solvency Capital Requirement [SCR]).

Im Vergleich zur gegenwärtigen durchschnittlichen Asset Allocation eines deutschen Lebensversicherungsunter-nehmens (Basis) verursachen folgende Investments/Maßnahmen im gegenwärtigen Umfeld eine Erhöhung desReturn on Solvency Capital (RoSC):

• langlaufende „GIIPS“-Staatsanleihen

• Durationsverlängerung

Folgende Investments/Maßnahmen verursachen zurzeit eine Verschlechterung des RoSC (versus Basis):

• Unternehmensanleihen

• deutsche Pfandbriefe

• deutsche Immobilien

• Staatsanleihen aus den EMU-Kernstaaten

• Durationsverkürzung

Weiter gelten die nachstehend formulierten Kernaussagen:

• Betreiben Lebensversicherungen Wiederanlage mit unveränderter strategischer Asset Allocation, dann wird im gegenwärtigen Umfeld die durchschnittliche Rendite der Wiederveranlagung bei nur geringfügig mehr als2,1% liegen und damit den durchschnittlichen Level der Garantien (ca. 3,3%) erheblich unterschreiten

• Geringfügige Anpassungen der strategischen Asset Allocation können o.g. Problem nicht lösen

• Solvency II begünstigt Anleihen der „GIIPS“-Staaten (Mismatch zwischen ökonomischem und regulatorischemRisiko)

• Durationsverlängerungen sind im gegenwärtigen Umfeld eine der wenigen Optionen, um den RoSC zu erhö-hen. Eine solche Strategie führt ebenfalls zu erheblichen Risiken, vor allem bei Zinsanstieg (Gefahr eines Versicherungsruns)

• Unternehmensanleihen führen im aktuellen Marktumfeld aufgrund niedriger Durchschnittsrendite und hoherKapitalbelastung zur Verschlechterung des Return on Solvency Capital. Gleiches gilt auch für deutsche Pfand-briefe

• Eine Differenzierung der Kapitalanlagepolitik wird in der Zukunft durch Einführung von Solvency II zu unter-schiedlichen Strategien von kapitalstarken und -schwachen Versicherern führen

• Für kapitalschwache Versicherungen sind im gegenwärtigen Umfeld Investments in „GIIPS“-Staatsanleihenund Durationsverlängerungen die einzigen beiden Optionen, die im traditionellen Investmentuniversum in großen Volumina zur Verbesserung des RoSC umgesetzt werden können

• Der geringe Freiheitsgrad, der zur Verfügung steht, hat zur Konsequenz, dass es in der Gewichtung der verschiedenen Asset-Klassen bei vielen Lebensversicherungen in den letzten Jahren keine nennenswerten Verschiebungen gab. Die Zahlen des GDV über die Struktur der Kapitalanlagen der Lebensversicherer zeigen,dass sich von Ende 2012 bis Ende 2014 der Anteil der Staatsanleihen um 2% erhöht und der Anteil derPfandbriefe um 3% reduziert hat, die Aktienquote ist um 0,8% gestiegen

• Die Nettoverzinsung der Kapitalanlagen lag zwar in den Jahren 2012–2014 immer bei ca. 4,6%, was aber nur durch Auflösung von Bewertungsreserven realisiert werden konnte

Falls das Zinsumfeld sich nicht signifikant ändert, dann können wir für den weiteren Ausblick von folgendem Basisszenario ausgehen:

• Versicherungsunternehmen, die eine starke Kapitalbasis besitzen, werden in Zukunft sicher ihre Kapitalan -lagestrategien anpassen, um mit alternativen Risikoprämien zusätzliche Erträge zu generieren. Dies wird inden Kapitalanlagen zum einen Liquiditäts- und Kreditrisiken, aber zum anderen auch die Diversifikation erhöhen

• Viele Versicherer, insbesondere die mit einer schmalen Kapitalbasis, werden allerdings an dem Punkt ansetzen,dass für das Aktiv-passiv-Management von Kapitallebensversicherungen das Zinsänderungsrisiko dominierendist, insbesondere mit Blick auf die Solvabilitätsanforderungen, und sich somit auf das Duration Gap Manage-ment fokussieren

Risikomodellierung

Die Aussagekraft von Modellen, die mit historischen Daten kalibriert werden, ist geringer geworden, da die sehrrasche Evolution neuer Topologien der Netzwerke von Finanzmarktteilnehmern zu neuen Ereignismustern, neuenFormen der Interaktion, Erweiterungen der Strategiemengen einzelner Teilnehmer, neuen Zusammenhängen zwi-schen Preisbildungen von Assets und der Disposition von Marktteilnehmern sowie schnelleren Möglichkeiten, Liquidität und Wertpapiere zu verschieben, führt. Beispiele für treibende Faktoren, die zu Änderungen der Markt -infrastruktur führen, sind u. a. Regulierung (z. B. Central Clearing Counterparties, Tendenz zu elektronischen Single- und Multi-Dealer-Plattformen), High Frequency Trading, neue Marktteilnehmer (z. B. FinTec-Plattformen),Globalisierung, Digitalisierung und neue Distributionskanäle. Dies kann den in der Risikolandschaft bei Weitemdominierenden Systemrisiken noch mehr Gewicht verleihen, sodass hier Modellansätze gefragt sind, z. B.:

• Risikoindikatoren zur Messung von „Connectedness“

• kausale Modelle, wie z. B. Networkmodels

17

Die Studie ist wie folgt aufgebaut

Wir präsentieren zunächst in Kapitel 2 die Ergebnisse der Investorenbefragung im Jahre 2015.

In Kapitel 3 besprechen wir die Bedeutung und die Schwächen der klassischen Portfoliooptimierungsmodelle vordem Hintergrund der Erfahrungen in der jüngsten Krise. Wir heben hier, im Hinblick auf die Untersuchungen inden folgenden Kapiteln, die nachstehenden Punkte hervor:

• Einfluss von regulatorischen und anderen Restriktionen auf die Asset Allocation

• Auswirkungen von regulatorischen Rahmenbedingungen auf Preise und andere für die Portfoliooptimierungwichtige Parameter

• zirkuläre Effekte in Finanzsystemen, welche zu systemischen Risiken anwachsen können

Da wir uns in unserer Studie vor allem mit den Auswirkungen des Zusammenspiels von neuen regulatorischenRahmenbedingungen und Nullzinsumfeld beschäftigen wollen, geben wir in Kapitel 4 eine detaillierte Einführungin alle für uns relevanten Komponenten des neuen regulatorischen Regelwerks sowohl für Banken als auch fürVersicherungen.

In Kapitel 5 führen wir für Banken und Lebensversicherungen eine quantitative Untersuchung durch, welche Aus-wirkungen das aktuelle Marktumfeld im Zusammenspiel mit Basel III bzw. Solvency II für das Depot A bzw. dasgebundene Vermögen hat.

In Kapitel 5.3 gehen wir kurz auf die Situation bei nicht regulierten Investoren ein, vor allem bei Family Offices.Wir diskutieren hier, vor dem Hintergrund der Markteffizienzhypothese, insbesondere den Ausdruck „efficientlyinefficient“ und zeigen anhand einer konkreten Anlagestrategie, wie in einem solchen Marktumfeld Überschuss-renditen generiert werden können.

Ausgehend von unseren Untersuchungen in Kapitel 4 und 5, verbunden mit der Beobachtung, dass die dort er-zielten Resultate zwei große Gruppen von Finanzmarktteilnehmern (Banken und Versicherungen) in ähnlicherWeise betreffen, was zu sog. „Connectedness“ innerhalb dieser Gruppen führt, sowie der Tatsache, dass systemi-sche Risiken zirkuläre Effekte in Netzwerken von Finanzinstitutionen sind, geben wir in Kapitel 6

• eine Liste von Beispielen für Netzwerkphänomene, die zu systemischen Risiken führen können,

• eine Übersicht über Indikatoren, die Connectedness und den Anstieg von systemischen Risiken im Finanz -system messen können, und

• eine Einführung und Beispiele von Netzwerkmodellen zur kausalen Beschreibung und Simulation systemischerRisiken.

18

19

20

2 Risikoinventur

21

22

Wir präsentieren in diesem Kapitel wesentliche Teile der Ergebnisse unserer Investorenbefragung im Juni/Juli desJahres 2015. Einige weitere Ergebnisse, wie z. B. die Auswirkungen externer und interner Anlagerestriktionen aufdie zu erwirtschaftende Rendite und die Erreichbarkeit von Anlagezielen vor dem Hintergrund des Niedrigzinsum-feldes und regulatorischer Rahmenbedingungen, werden dann im Kontext weiterer Untersuchungen in späterenKapiteln diskutiert.

In der Befragung wurden insgesamt 108 Repräsentanten mit der nachfolgenden Aufteilung der Stichprobe aufArten von Finanzinstitutionen befragt:

Von den Befragten waren 84% Inhaber einer Führungsposition und mehr als 60% gehörten den Finanz- oderVermögensmanagementabteilungen der jeweiligen Unternehmen an. Fast die Hälfte der befragten Unternehmenhaben einen Umsatz von über 1,5 Milliarden Euro und die Summe aller Assets under Management beträgt 512,3 Milliarden Euro.

Die Asset Allocation ist dominiert von Rentenpapieren und Bonds:

• Versicherung, private Krankenversicherung

• Versorgungswerk/Pensionskasse

• Stiftung

• Unternehmen

• Bank/Sparkasse

16%

7%

17%

20%

29%

2%6%

Abbildung 2: Zusammensetzung der Stichprobe – Branchenzugehörigkeit

• Bonds/Rentenpapiere

• Geldmarktinstrumente

• Aktien

• Immobilien

• Private Equity

20%

8%

8%1%

63%

Abbildung 3: Aufteilung des Volumens aller Kapitalanlagen des Unternehmensauf die verschiedenen Asset-Klassen

Die Vermeidung von Verlusten wird auch im Jahr 2015 mit Abstand als der wichtigste Aspekt bewertet, gefolgtvon der Vermeidung der Unterschreitung von Mindestrenditen. Klar ist, dass Benchmark-orientierte Anlagezieledurch die Erfahrungen der Finanzmarktkrise in den Hintergrund gerückt sind, während positiver Absolute Returndominierend ist.

Offensichtlich ist Sicherheit unverändert der dominierende Aspekt bei der Kapitalanlage. Allerdings hat sich,wahrscheinlich bedingt durch das Niedrigzinsumfeld, die Gewichtung von Liquidität in Richtung Rendite verscho-ben. Dies ist auch bei den Aktivitäten in den Märkten zu beobachten, da immer mehr Investoren bereit sind, inihrer Asset Allocation illiquide Beimischungen, wie z. B. Infrastrukturinvestments, zu berücksichtigen, um ihreRenditeziele zu erreichen.

23

Alle Befragten (n = 108); Skala von 1 = außerordentlich wichtig bis 6 = gar nicht wichtig; Werte von 2014 in Klammern

Alle Befragten (n=106, Rest keine Reihenfolge)

Vermeidung von Verlusten

Bottom Boxes(Skalenwert 5 + 6)

Top Boxes(Skalenwert 1 + 2) Mittelwert

14%

31%

89%

37%

15%

1,6 (1,8)

2,9 (2,8)

3,9 (3,7)

Vermeidung der Unterschrei-tung bestimmter Mindest-

renditen

Vermeidung einer Underperfor-mance gegenüber einem Index

Abbildung 4: Wichtigkeit einzelner Aspekte beim PortfoliomanagementWie wichtig sind die folgenden Aspekte für Sie?

20%

64% 17% 19%2014

64% 11% 25%2015

Sicherheit Liquidität Rendite

Welche der folgenden Anlageaspekte ist für Ihr Haus bei den aktuellen Anlageentscheidungengenerell am wichtigsten?

Abbildung 5: Ausrichtung der Anlageentscheidung – Sicherheit, Liquidität, Rendite

24

Niedrigzinsumfeld und regulatorische Vorgaben beeinflussen auch die Anforderungen an Asset-Manager im Hinblick auf ihre Kompetenz im Management von Risiken:

Neben den Kapitalmarktrisiken und den klassischen Anlagepräferenzen spielen eine Reihe von weiteren Risiken(sog. Hintergrundrisiken) bei der Anlageentscheidung eine große Rolle, weshalb die Bedeutung dieser Risikoartenseit 2007 in den Investorenbefragungen berücksichtigt wird:

Auffällig ist hier die hohe Bedeutung von rechtlichen und Reputationsrisiken. Hier dürften sowohl die Erfahrun-gen der Finanzmarktkrise mit ihren zahlreichen juristischen Konsequenzen und daraus resultierenden negativenAuswirkungen auf die Reputation von Finanzmarktteilnehmern eine große Rolle spielen als auch die stark ange-stiegene Komplexität im Aufsichtsrecht. Insbesondere die stark gestiegene Bedeutung des Schutzes von Investo-ren und Verbrauchern, die erhöhten Transparenzanforderungen, die signifikanten Änderungen von Informations -pflichten und die Auswirkungen auf Beraterhaftungen rücken die besondere Bedeutung von Reputations- undRechtsrisiken in den Vordergrund.

6% 40%9%5% 23%2015 18%

Signifikant erhöht = 1 2 3 4 5 Unverändert = 6

Hat sich das Gewicht von Risikomanagement-Fähigkeiten bei der Auswahl eines Asset Managers wegendes Niedrigzinsumfeldes erhöht?

Abbildung 6: Auswirkungen des Niedrigzinsumfeldes auf die Auswahl des Risikomanagers

38%7%9% 18%2015 26%

Signifikant erhöht = 1 2 3 4 5 Unverändert = 6

Hat sich das Gewicht von Risikomanagement-Fähigkeiten bei der Auswahl eines Asset Managers durchdie regulatorischen Vorgaben erhöht?

Abbildung 7: Bedeutung des Risikomanagements bei der Auswahl des Risikomanagers

3%

Rechtliche Risiken

Reputationsrisiken

Politische Risiken

Sicherheitsrisiken

Technologische Risiken

Soziale Risiken

Demografische Risiken

Umweltrisiken

17%

8%

11%

7%

7%

7%

8%

8%

13%

5%

5%

5%

13% 4%

13%

18%

23%

18%

30%

30%

38%

32%

32%

53%

25%

30%

36%

49%

35%

28%

33%

16%

20%

30%

9%

21%

17%

13%

9%

6%

5%

6%

3%

3%

2%

2%

2%

Sehr wichtig = 1 2 3 4 5 Gar nicht wichtig = 6

Welche Rolle spielen die folgenden allgemeinen Risiken für Ihre Anlageentscheidung?Abbildung 8: Bedeutung allgemeiner Risiken für die Anlageentscheidung

25

26

3 Klassische Modelle für Asset Allocation und Portfolioopti -mierung und ihre Grenzen

27

28

Das Ziel der Portfoliooptimierung ist die Bestimmung einer optimalen Investmentstrategie, d. h. die Beantwortungder Frage, wie viele Anteile welcher Wertpapiere ein Investor zu welchem Zeitpunkt halten soll, um seinen Nutzenaus dem Endvermögen im Investmenthorizont zu maximieren.

Obwohl die Portfoliotheorie seit vielen Jahren Forschungsgegenstand ist, stellt das nachfolgend skizzierte Ein -periodenmodell samt einigen Varianten nach wie vor ein wesentliches Hilfsmittel für Investitionsentscheidungenvieler Fondsmanager dar.

Varianz-Kovarianz-Ansatz:

• Portfolio: x = (x1, … , xS)• Excess Returns: Re = (Re,1, … , Re,S )• y: Risiko-Aversions-Koeffizient• Zukünftiges Vermögen

future wealth = W (1+R f ) + x1 Re,1 + ...+xS R e,S

Ziel: Maximiere das künftige Vermögen bei Begrenzung des Risikos:

Unter Benutzung der Kovarianzmatrix Ω folgt:

Nach Differenziation erhalten wir:

Damit ergibt sich als optimales Portfolio:

Die Bestimmung von effizienten Portfolios nach Markowitz führt also auf ein quadratisches Optimierungspro-blem, in das die Schätzungen der unbekannten Renditen, Varianzen und Kovarianzen eingehen. Allerdings erhältman durch das Lösen dieser Probleme Portfolios, deren Risiko-Rendite-Kombinationen oft weit unterhalb der tatsächlichen Effizienzkurve liegen können. Das liegt vor allem daran, dass Assets, deren erwartete Rendite zuhoch bzw. deren Risiko zu gering geschätzt wird, ein zu hohes Portfoliogewicht erhalten, während Assets, derenerwartete Rendite zu niedrig bzw. deren Risiko zu hoch geschätzt wird, ein zu niedriges Gewicht zugewiesen bekommen. Im schlimmsten Fall erhalten diejenigen Assets das größte Gewicht, denen der größte Schätzfehler zugrunde liegt (vgl. Thorn, 2014, S. 21). Aus diesem Grund bezeichnete Michaud (1989) das Mean-Variance-Optimierungsproblem auch als „Schätzfehlermaximierer“. Best und Grauer (1991) fanden in diesem Zusammen-hang heraus, dass effiziente Portfolios sehr empfindlich auf Änderungen im Erwartungswert der Renditen reagie-ren. Dieses Phänomen wird als Markowitz’sches Optimierungsenigma bezeichnet (vgl. Thorn, 2014, S. 21).

In der akademischen Literatur wurden sehr viele Ansätze diskutiert, die das Problem der fehlerhaft geschätztenParameter angehen. Sie reichen von Verfahren der Dimensionsreduktion (Multifaktormodelle, Hauptkomponen-tenanalysen), um die hohe Anzahl von Parametern bei Portfolios mit vielen Asset-Klassen zu reduzieren, bis zurAnwendung von Bootstrap-Verfahren oder Bayes-Schätzern (vgl. Thorn, 2014, S. 21).

Strukturell ist das optimale Portfolio in dem oben dargestellten Set-up charakterisiert durch den Aufbau großerPositionen in Wertpapieren mit großem erwarteten Return, niedrigen Varianzen und niedrigen Korrelationen zuanderen Asset-Klassen.

Portfolios, die auf solche Weise konstruiert sind, weichen aber signifikant von den Asset Allocations ab, die sichaufgrund einer Vielzahl regulatorischer, anderer externer wie auch interner Restriktionen ergeben. Ein im Folgen-den im Detail diskutiertes interessantes Beispiel ist:

• Banken müssen aus regulatorischen Gründen (z. B. Liquidity Coverage Ratio) den wesentlichen Anteil ihrer Eigenanlage als Liquiditätsreserve halten. Die dort zulässigen Wertpapiere sind charakterisiert durch niedrigenerwarteten Return und auch hohe Korrelation zum Gesamtmarkt. Dies ist insbesondere im aktuellen Umfeldaufgrund von Quantitative Easing zu beobachten.

Weitere Schwächen des klassischen Modells sind:

• unrealistische Annahmen bzgl. Renditeverteilungen und Markteffizienz

• Volatilität bzw. Varianz als Risikomaß

• Tatsächliche Portfolios sind Gegenstand einer Reihe von Restriktionen, die nicht abgebildet werden

• Regulierung, Zentralbankpolitik und sich daraus ergebendes Investorenverhalten wirken sich preisbildend undauch auf die relevanten Modellparameter aus

• Das Modell wird typischerweise mit historischen Daten kalibriert, allerdings ist die jüngere Vergangenheitdurch neuartige Ereignistypen geprägt, z. B.:

– Preisschock im Jahr 1998 wegen LTCM-Bail-out – 11. September – Lehman-Ausfall – Flash Crash (6. Mai 2010) – Default von Staaten (z. B. Griechenland)

Für die Zukunft sind ebenfalls neue Ereignismuster zu erwarten, welche sich z. B. ergeben könnten aus:

– dem Ende des Niedrigzinsumfeldes durch einen Zinsschock – dem Anstieg der Marktvolatilitäten, daraus folgenden Margin Calls und einem Mangel an akzeptablen Sicherheiten und daraus resultierenden Störungen der Märkte für besicherte Liquidität und OTC-Derivate.

Zahlreiche Publikationen haben sich mit der Suche nach realistischen Verteilungsannahmen und der Verwendungvon geeigneten Risikomaßen beschäftigt (vgl. u. a. Hellmich und Kassberger, Efficient and robust portfolio opti -mization in the multivariate Generalized Hyperbolic framework, 2009, bzw. Hellmich, Liebmann und Kassberger,2015). Eine triviale Beobachtung ist z. B., dass die durch Bonitätsrisiken verursachten Renditesprünge nicht durchNormalverteilungsannahmen reflektiert werden und deswegen hier erheblich aufwendigere mathematische Modelle herangezogen werden müssen (vgl. u. a. Hellmich, Schmidt und Kassberger, 2013).

Da künftige Renditen, Varianzen und Korrelationen bei der Portfoliooptimierung nach Markowitz für alle Wert -papiere bekannt sein müssen, werden oft historische Werte auf die Zukunft übertragen. De facto werden Wert -papiere in der Zukunft oftmals andere Kursmuster aufweisen als in der Vergangenheit. Da wir in einer Phase sichbeschleunigender Veränderungen leben, dürfte der Informationsgehalt von historischen Daten tendenziell weiterschrumpfen. Gründe hierfür sind u. a.:

• sich sehr stark verändernde regulatorische Rahmenbedingungen und deren Auswirkungen auf die Angebots-und Nachfragestruktur wichtiger Asset-Klassen

29

30

• schnelle und fundamentale Änderungen der globalen Marktinfrastrukturen durch Digitalisierung, neue Distri-butionskanäle für Informationen und Finanzprodukte, elektronischen Handel, High Frequency Trading, CentralClearing, FinTec-Plattformen etc.

• durch Regulierung bedingte reduzierte Handelsbuchkapazitäten der globalen Market Maker und sich darausergebende Auswirkungen auf Liquidität und Volatilitäten wichtiger Asset-Klassen

• globale Kräfteverschiebungen und sich daraus ergebende regulatorische Ungleichgewichte

Eine weitere Schwäche der klassischen Modelle ist die Nichtberücksichtigung der Liquidität wichtiger Finanz -instrumente. In der Krise hat sich gezeigt, dass dies einer der wichtigsten Risikofaktoren ist, für die Investoren in geeigneter Höhe kompensiert werden möchten. Es gibt u. a. Modellerweiterungen des klassischen CAPM (Pedersen L.H., 2005).

Allerdings sind diese Ansätze nicht ausreichend, um Ereignisse wie das komplette Austrocknen der Liquidität inwichtigen Asset-Klassen zu reflektieren. Ähnliches gilt für die Berücksichtigung von Transaktionskosten und Refi-nanzierungsrisiken, die in sog. Liquiditätsspiralen münden können, was die jüngste Finanzmarktkrise eindrucks-voll gezeigt hat (Keynes: “The markets can remain irrational longer than you can remain solvent”):

Liquiditätsspiralen sind offensichtlich zirkuläre Effekte, da sie Auswirkungen auf die Preise von Wertpapierenhaben, welche sich dann auf das Eigenkapital und die Risikotragfähigkeiten, wegen der Bedeutung vieler Wert -papiere als Sicherheiten aber auch auf Liquidität und Refinanzierung wichtiger Investorengruppen auswirken.Dies wiederum führt dann zu Notverkäufen (Fire Sales) und Bilanzverkleinerungen (Deleverage), die wiederumAuswirkungen auf die Preisbildung haben. Wenn dieser Kreislauf dann nicht durch Maßnahmen der Staaten oder Notenbanken unterbrochen wird, kann dies zu einem Kollaps des Finanzsystems führen.

Fazit ist, dass es eine Vielzahl von wichtigen Faktoren gibt, die in klassischen Portfoliomodellen nicht reflektiertwerden. Wir beschränken uns hier im Hinblick auf die Betrachtungen in den folgenden Kapiteln auf die nach -stehenden Punkte:

Abbildung 9: Liquiditätsspirale

reduced positions

highermargins

losses onpositions

tighter riskmanagement

redemptionof capital

fundingproblems

initial shockprices move awayfrom fundamentals

Quelle: Pedersen, L. H.

• Einfluss von regulatorischen und anderen Restriktionen auf die Asset Allocation

• Auswirkungen von regulatorischen Rahmenbedingungen auf Preise und andere für die Portfoliooptimierungwichtige Parameter

• zirkuläre Effekte in Finanzsystemen, die zu systemischen Risiken anwachsen können

Zunächst gilt, dass eine Vielzahl von Investoren, u. a. diejenigen, die reguliert sind und außerdem über großeMarktanteile verfügen, ihre Investmententscheidungen gerade nicht auf Basis der erwarteten Renditen, Varianzenund Kovarianzen treffen, sondern erhebliche interne wie externe Restriktionen zu beachten haben.

Nach Ansicht der Investoren haben diese Einschränkungen einen erheblichen und steigenden Einfluss auf dieHöhe der Renditen, die erwirtschaftet werden können, wie sich aus den nachfolgend zitierten Ergebnissen unserer Risikoinventur 2015 ergibt:

31

18% 70%

8% 64%

19%

28%

61%

28% 32%

30%57%

50%

31%

20%(Deutlich) niedriger (Deutlich) höher

BaFin-Regelungen

Andere steuerliche und rechtliche Regeln

Anlageverordnungen

Derivate V

Solvency, Basel III etc.

Verbandsvorgaben

IFRS

2,2 (2,3)

2,5 (2,4)

2,7 (2,5)

3,5 (3,2)

2,7 (3,2)

3,7 (3,4)

4,1 (4,1)

Bottom Boxes(Skalenwert 5 + 6)

Top Boxes(Skalenwert 1 + 2) Mittelwert

Abbildung 10: Bedeutung externer Anlagerestriktionen für die KapitalanlageWie wichtig sind die folgenden EXTERNEN Anlagerestriktionen für Ihre Kapitalanlage?

Alle Befragten (n = 108, Rest ggf. keine Angabe); Skala von 1 = außerordentlich wichtig bis 6 = gar nicht wichtig; Werte von 2014 in Klammern

32

Offensichtlich bedeutet für viele Investoren die Existenz von internen und externen Restriktionen, dass sie sig -ni fikante Renditeeinbußen hinnehmen müssen. Die Höhe der angegebenen Einbußen ist insbesondere vor demHintergrund der Niedrig- bis Nullzinsen von besonderer Relevanz. Die Einschränkungen führen zu anderen Ge-wichtungen in den Portfolios und damit zu veränderten Angebots- und Nachfragestrukturen und wirken insbe-sondere preisbildend, wenn ein signifikanter Anteil von Investoren denselben Einschränkungen unterliegt.Änderungen in den Preisen führen aber auch zu einer veränderten Effizienzlinie für Investoren, die diese Ein-schränkungen gar nicht haben. Die Einführung neuer regulatorischer Rahmenbedingungen verändert somit die Effizienzlinie, was dann bei einigen Investoren wiederum zu Anpassungen der Asset Allocation führt.

Einige der o. g. Restriktionen können mathematisch formalisiert werden und als Nebenbedingungen in das Port-foliooptimierungsproblem eingefügt werden. Die sich dann ergebenden effizienten Portfolios unterscheiden sichzum Teil erheblich von denen, die man ohne Einschränkungen erhält.

Interne Richtlinien zur Risikobudgetierung

Bonitätsrestriktionen

Ober-/Untergrenzen bestimmter Asset-Klassen

Vorstandsmeinung

Vorgabe der investierbaren Währungen

Limite für Geschäfte mit bestimmten Banken

Nominallimite

Stresstests

Beschränkung des Derivateeinsatzes

Laufzeitlimite

Limite für Mitarbeiter

Value at Risk-Limite

Tracking Error-Limite

(Eher) unwichtig (Sehr) wichtig

Abbildung 11: Bedeutung interner Anlagerestriktionen für die KapitalanlageWie wichtig sind die folgenden INTERNEN Anlagerestriktionen für Ihre Kapitalanlage?

2% 86%

83%

69%

71%

63%

56%46%

56%

58%

40%

47%

47%

15%

4%

11%

8%

22%

20%

12%

15%

19%

15%

30%

20%

35%

1,7 (1,7)

1,9 (1,8)

2,3 (2,1)

2,2 (2,2)

2,6 (2,4)

2,8 (2,6)

2,8 (2,6)

2,8 (2,7)

2,7 (2,7)

3,1 (3,0)

3,2 (3,1)

3,0 (3,2)

4,1 (4,1)

Bottom Boxes(Skalenwert 5 + 6)

Top Boxes(Skalenwert 1 + 2) Mittelwert

29% 20% 21% 22% 7%

28%

2014

27% 22% 23%2015

Keine Mehrrendite 0,01% bis 0,09% Über 0,09% bis 0,5% Über 0,5% bis 1,0%

Über 1,0% bis 5,0% Über 5,0%

Wie viel Prozentpunkte mehr an Rendite könnten Sie erwirtschaften, wenn Sie ohneexterne und interne Restriktionen handeln könnten?

Abbildung 12: Einfluss von Restriktionen auf die Portfoliorenditeerwartung

2%

Alle Befragten (n=102, Rest keine Angabe)

Alle Befragten (n = 108, Rest ggf. keine Angabe); Skala von 1 = außerordentlich wichtig bis 6 = gar nicht wichtig; Werte von 2014 in Klammern

So wirken sich z. B. die regulatorischen Bevorzugungen diverser Asset-Klassen (z. B. Staatsanleihen oder ABS-Seniortranchen vor der Finanzkrise) auf die Nachfrageseite und damit preisbildend aus und führen in einem nor-malen ökonomischen Umfeld zu erheblich nach unten verzerrten Risikoprämien in Verbindung mit kaum nochvorhandenen Volatilitäten. Diese verzerrten Daten fließen dann oft wieder in entsprechende Portfoliooptimie-rungsmodelle ein und führen eventuell zu Anpassungen der Gewichtungen in den Investmentportfolios.

Kommt es, ausgelöst durch einen Trigger, zu einer Korrektur, sind es oft wieder regulatorische Effekte, die Vola -tilitäten und Korrelationen verstärken und wiederum preisbildend für viele Asset-Klassen wirken. So wirken sich z. B. fallende Vermögenspreise oder Herabstufungen von Ratings negativ auf Eigenkapitalquoten aus, sodassBanken mit Überschuss an Liquidität anderen Banken mit Liquiditätsbedarf keine Refinanzierung mehr zur Ver -fügung stellen können und die Bankenindustrie insgesamt zur Verkleinerung ihrer Bilanzen gezwungen wird, waseine weitere Korrektur der Vermögenspreise zur Folge hat. Dies betrifft dann natürlich unmittelbar die Kreditver-gabekapazitäten der Bankenindustrie, was unmittelbare Folgen für die Realwirtschaft hat.

Selbstverständlich sind durch diese Entwicklung auch andere Teile der Finanzindustrie betroffen, entweder durchihre engen Geschäftsbeziehungen zu Banken (Hedgefonds, Private-Equity-Fonds etc.) oder durch eigene regulato-rische Rahmenbedingungen (z. B. Versicherungen).

Die eben beschriebenen Mechanismen, welche zu selbstverstärkenden Effekten einer Korrektur der Vermögens-preise führen, werden weiter unterstützt durch die Tatsache, dass Geschäftsbeziehungen in der Finanzindustrie zueinem Großteil auf Vertrauen basieren. Bricht es weg, dann stirbt auch die Geschäftsbeziehung:

33

Abbildung 13: Effekte von Zyklen und Volatilität auf Eigenkapitalquoten

Regulatorisches Kapital (Tier 1, 2, 3)

Kreditrisiken RWA + Marktrisiken RWA + Op. Risiken RWA

Regulatorische Eigenkapital Quote (%)

volatil (IFRS & zyklische Effekte auf P&L)

Sehr zyklisch (PD & LGD Effekte)

volatil (Markt-Parameter)

Zyklisch

=

Abbildung 14: Die Beziehungen zwischen Banken basieren auf Geschäft und Vertrauen

Bank 1

Bank 3Bank 2

Bank

Bank 1

Bank 3Bank 2

Bank

Stress-Situation

Geschäft Vertrauen

Vermögenspreisbildungen, Bilanzen von wichtigen Investorengruppen und regulatorische Rahmenbedingungenstehen somit in einem unauflösbaren, zirkulären Zusammenhang, der durch eine wichtige psychologische Kom-ponente (Vertrauen) verstärkt wird und durch die klassischen Risiko- und Portfoliooptimierungsmodelle nicht reflektiert wird.

Zirkuläre Zusammenhänge sind aber das grundlegende Konzept, das für die Entstehung von Systemrisiken im Finanzsystem verantwortlich ist und das in klassischen Risiko- und Portfoliomodellen nicht abgebildet werdenkann. Ein weiteres Beispiel für Zirkularität im Finanzsystem ist die Beziehung der Bonität von Zentralregierungenund Banken:

Banken sind oftmals das Refinanzierungsvehikel der Zentralregierung, während diese, meist mithilfe der natio -nalen Notenbank, der „Lender of last resort“ für die Banken ist. Fehlt eine eigenständige nationale Notenbank,wird die Korrelation zwischen der Bonität der Zentralregierung und der der national systemrelevanten Bankensehr hoch:

34

Abbildung 15: Beziehung zwischen der Bonität von Zentralregierungen und Banken

Liquidity Assistance

Zentralregierung

Zentral-bank

Banken-aufsicht

Bank 1 Bank 2 Bank ...

Entscheidungüber

Solvabilität

T-Bills

Abbildung 16: Credit Spread Frankreich versus Credit Spreads BNP und Soc. Gen.

Quelle: Bloomberg, 2015

Wenn eine nationale Notenbank fehlt, dann wird auch die Rettung einer gestrauchelten Zentralregierung zueinem sehr komplexen Unterfangen.

Als Fazit lässt sich sagen, dass Finanzmärkte insbesondere seit Ausbruch der jüngsten Finanzkrise ein Verhaltengezeigt haben, das durch Stresssituationen und Übertreibungen geprägt ist. Da Systemrisiken trotz oder geradewegen neuer regulatorischer Rahmenbedingungen weiter vorhanden und dominierend sind, werden solche Datenmuster oftmals bereits als „The New Normal“ bezeichnet. Offensichtlich sind Marktbewegungen nicht normalverteilt, sondern folgen extremen Verteilungsmustern, die durch Cluster mit hoher Volatilität und Korre -lationen nahe eins geprägt sind. Krisenhafte Ansteckungseffekte, die durch diverse Kanäle verbreitet werden (Lending Channel, Liquidity Channel) und trotz massiver Zentralbankinterventionen gleich eine ganze Reihe vonMärkten und Asset-Klassen in dieselbe Richtung treiben, sind das dominierende Risiko geworden. Die beobachte-ten marktübergreifenden und koordinierten Dynamiken, in denen verschiedene Märkte bzw. die Auswirkungenauf unterschiedliche Marktteilnehmer in dieselbe extreme Richtung laufen, haben einen neuen wichtigen Begriffgeprägt: „Network Connectedness“ (vgl. Demirer, Diebold und Yilmaz, 2015). Einigkeit besteht weitestgehenddarin, dass dringend eine neue Generation von Risikomodellen benötigt wird, welche zum einen als Indikatorenvon Systemrisiken und zum anderen für ihre kausale Beschreibung verwendet werden können. Gleichzeitig soll-ten diese Modelle den Zentralbanken, den Aufsichtsbehörden und den politischen Entscheidungsträgern Hilfestel-lungen bei der Abschätzung der Konsequenzen monetärer und regulatorischer Maßnahmen liefern und Finanz -institutionen bei der makroprudentiellen Risikomanagementaufgabe unterstützen. Solche Modelle können nichteinfach nur methodische Verbesserungen des Markowitz-Ansatzes sein, z. B. durch andere Verteilungsannahmenund Risikomaße, weil diesen Herangehensweisen prinzipielle Grenzen bei der Erfassung von Systemrisiken, her-vorgerufen durch Connectedness und Zirkularität, gesetzt sind.

Jean-Claude Trichet forderte bereits 2010 dazu auf, sich von anderen Disziplinen wie Physik, Ingenieurwesen,Psychologie und Biologie inspirieren zu lassen (Trichet, 2010). In der Tat haben sich in den Naturwissenschaftendurch die erheblich verbesserten Möglichkeiten der Datenverarbeitung (z. B. In-Memory-Datenbanken, RAM/Flash) und der Datenerhebung (z. B. Microarrays und DNA-Chip-Technologien) in den letzten Jahren die Metho-den radikal gewandelt. Dies hatte insbesondere die Entstehung völlig neuer Disziplinen zur Folge, wie z. B. Bioin-formatik und Systembiologie. Insbesondere Letztere ist als interdisziplinäre Wissenschaft aus den FachrichtungenBiologie, Molekularbiologie, Biophysik, Mathematik und Informatik entstanden und hat das Potenzial, die Leitwis-senschaft des 21. Jahrhunderts zu werden. Die Systembiologie untersucht nicht einzelne biologische Komponen-ten, wie z. B. Gene oder Proteine, oder einzelne biologische Prozesse, sondern die Zusammenwirkung allerKomponenten eines biologischen Systems, um das Verhalten des Systems als Ganzes vorauszusagen oder zu

35

Default Default

Griechenland

GriechischeZentralbank

EZB-Banken-aufsicht

Griech.Bank 1

Griech.Bank 2

Griech.Bank ...

Loans/Bonds

T-Bills

Target 2

Emergency Liquidity Assistance Entscheidungüber

Solvabilität

T-Bills

T-Bills

Die Institutionen

IMF Eurogruppe EZB

Abbildung 17: Beziehung zwischen der Bonität von Zentralregierungen und Banken ohnenationale Notenbank

36

erklären, wie das System auf Störungen reagiert. Untersuchungen der Auswirkungen von Störungen in kom -plexen Organismen spielen eine große Rolle, z. B. in der Krebsforschung, und haben u. a. zum Fachgebiet Cancer Systems Biology geführt.

Ein Ziel der Systembiologie ist die Untersuchung komplexer biologischer Netzwerke, z. B. des Netzwerks bio -lo gischer Transkriptionsfaktoren. Letztere sind für die Expression von Genen und die Produktion von Proteinen aufgrund von Signalen zuständig und bilden in jedem Organismus ein durch die Evolution geformtes Netzwerkgegenseitiger Abhängigkeiten, das für das Überleben von Organismen von entscheidender Bedeutung ist. DasStudium eines solchen Netzwerks ist selbst bei kleinen Organismen, wie z. B. dem Bakterium Escherichia Coli, ein erheblicher Aufwand, da selbst dieses ein integriertes biologisches System von mehreren Millionen wechsel-wirkenden Proteinen darstellt, die 4.000 unterschiedliche Bauarten aufweisen (vgl. u. a. Alon, 2006). Die Simu -lation von komplexen, dynamischen Netzwerkzuständen und eine darauf aufbauende Vorhersage des Verhaltensdes Netzwerks unter verschiedenen Umwelteinflüssen und Störungen sind somit eine Kernaufgabe der System-biologie und der von ihr entwickelten Methoden (vgl. u. a. Palsson, 2011).

Ein wesentlicher Grund für die Schwäche der klassischen Risiko- und Portfoliooptimierungsmodelle ist, dass sie im Wesentlichen nur lineare Phänomene abbilden und bei nicht linearen, komplexen und durch Zirkularitätgeprägten Ereignissen versagen. Komplexe Systeme sind durch die Nichtlinearität ihrer Prozesse charakterisiert.Systemrisiken haben nicht linearen Charakter und sind durch ihre Transmissionsmechanismen in komplexen Netzwerken so gefährlich.

Das Studium von komplexen Netzwerken als Ganzes erfordert aufwendigere mathematische Methoden, leis-tungsfähigere IT-Grundlagen und viel größere Datenmengen als bisher in Wirtschaftswissenschaften und im Risikomanagement verwendet.

Die Biologie, die sich heute auf das ganzheitliche Studium komplexer biologischer Systeme fokussiert, macht vonden nach dem Moore’schen Gesetz exponentiell gewachsenen Möglichkeiten der digitalen Revolution Gebrauch,ist dadurch heute mehr denn je eine quantitative Wissenschaft und wird das 21. Jahrhundert prägen.

Die Wirtschaftswissenschaften sind hier leider in der Weiterentwicklung ihrer Modelle ganz am Anfang, aber diein der jüngsten Finanzkrise erfahrenen Auswirkungen von „Komplexität“ und „Connectedness“ machen die Not-wendigkeit einer neuen Generation von Modellen offensichtlich. Die Wirtschaftswissenschaften werden sich inZukunft dem ganzheitlichen Studium komplexer und dynamischer ökonomischer Netzwerke als ihres wichtigstenGegenstands widmen müssen und werden deshalb mehr denn je eine quantitative Wissenschaft sein.

Die Voraussetzungen dafür sind bestens, denn die massiv gewachsenen Möglichkeiten innovativer IT veränderndie Finanzwelt dramatisch, und mit den durch neue regulatorische Anforderungen noch weiter wachsenden Reporting-Pflichten der Finanzinstitutionen und der weiter voranschreitenden Digitalisierung von Prozessen undDistributionskanälen werden wir in Zukunft über eine erheblich gewachsene Datenmenge zur Kalibrierung neuar-tiger Modelle verfügen (vgl. Hellmich et al., 2013).

Schrittweise halten biologische Begriffe auch Einzug in die Wirtschaftswissenschaften (z. B. Hellmich, Liebmannund Kassberger, 2015).

Aus den Schwächen der klassischen Modellwelt folgt keine geringere künftige Bedeutung von quantitativen Methoden in den Wirtschaftswissenschaften. Die Wirtschaftswissenschaften werden, ähnlich wie die Biologie, inder Zukunft viel mehr als heute quantitative Wissenschaften sein, aber aufgrund der stark zunehmenden IT-Mög-lichkeiten und der damit einhergehenden wachsenden Schlagkraft mathematischer Methoden werden sie sichnicht mehr auf die Beschreibung von linearen Effekten beschränken, sondern in der Lage sein, komplexe ökono-mische Systeme als Ganzes zu beschreiben und zu simulieren.

37

38

4 Regulatorische Rahmenbedingungen

39

40

Wir geben in diesem Abschnitt einen Überblick über die neuen regulatorischen Rahmenbedingungen, die im Folgenden für unsere Betrachtungen von Relevanz sind. Wir besprechen in diesem Kontext die Aspekte, die denFinanzmarkt als solchen betreffen, und die Bereiche, welche die Sektoren Banken, Versicherungen und Fonds -industrie regeln. Wir orientieren uns dabei an nachfolgender Übersicht:

Die verschiedenen regulatorischen Rahmenbedingungen, die die diversen Segmente der Finanzindustrie betreffen, haben natürlich zahlreiche Wechselwirkungen untereinander, welche sich insbesondere auf die AssetAllo cation der regulierten Investoren auswirken. So wirken sich Teile der Regulierung von Banken, wie z. B. dieMindestliquiditätsquote (Liquidity Coverage Ratio) unter Basel III oder die Großkreditregelungen gemäß der Capital Requirement Regulation (CRR), unmittelbar auf die Strukturierung von Spezialfondsmandaten für Depot-A-Zwecke aus.

Wir fokussieren uns im Rahmen unserer Studie insbesondere auf die regulatorischen Rahmenbedingungen, die sich quantitativ formalisieren lassen und deren Auswirkungen auf Asset Allocation und Bilanzstrukturen von regulierten Marktteilnehmern offensichtlich sind.

Abbildung 18: Übersicht über die regulatorischen Rahmenbedingungen

Finanzmärkte

• EMIR/MIFIR: Neue Struktur und Transpa-renz der Derivatemärkte durch CentralClearing Counterparties, regulierte Han-delsplätze und Transaktionsregister

• MIFID II: Anlegerschutz, Wettbewerbs -fähigkeit, verschärfte Zulassungsforde -rungen für Marktteilnehmer und gere -gelte Märkte

• Handelsbücher Banken: Erhöhung der EK-Anforderungen, Kontrahentenrisiken,Berücksichtigung von Stresssituationenund Extremrisiken

• EU-Aufsichtsbehörden: ESMA, EBA, EIOPA

Versicherungen

• Solvency II: 3-Säulen-Prinzip

• Säule I: Solvenzkapitalanforderungen, Minimumsolvenzkapital (MCR), Ziel-Solvenzkapital (SCR, Solvency Capital Requirement), SCR als 99.5%-VaR mitZeithorizont 1 Jahr, Wahl zwischen Stan-dardmodell, Partiallösungen und internemModell, Modulares Prinzip für Standard-modell und Risikoaggregation über Vari-anz-Kovarianz-Formel

• Novelle der Anlageverordnung: Anlage-spektrum alle Fondstypen nach demKAGB (OGAW, Spezial-AIF, „sonstige“ AIF, Immobilien-AIF, Private-Equity-AIF).

Banken

• Basel III/CRD IV/CRR

• Basel IIII.5 (Fundamental Review of theTrading Book)

• Neuer Standardansatz für Kreditrisikenauf dem Bankbuch

• BCBS 239: On Risk Aggregation and RiskReporting

• Single Supervisory Mechanism

• Single Resolution Mechanism

• Bail in: TLAC, MREL

Fonds-Industie

• AIMFD/AIMFR: reguliert die Manager vonalternativen Investmentfonds, soweit nichtbereits durch OGAW-Richtlinie reguliert.Einführung Risikomanagement, strengeTeam- und Funktionstrennung, Depot-stelle, Erlaubnispflicht, Grenzen der zuläs-sigen Auslagerung.

• KAGB: ersetzt das InvG und integriert die Regelungen aus AIMFD/AIMFR undOGAW/UCITS

Finanz-märkte

Banken Fonds

Versiche -r ungen

Unter dem Eindruck der Bankenkrise, der ökonomischen Rahmenbedingungen (z. B. Niedrigzinsumfeld) sowie der neuen regulatorischen Rahmenbedingungen steht die Diskussion über die künftigen Geschäftsmodelle vonBanken im Moment im Vordergrund. Folgende Grafik soll einen Überblick geben über die Vielfältigkeit der Aspekte, die in dieser Diskussion eine Rolle spielen:

4.1 Banken

41

BOARD LEVEL

Regulation – Risk Management – Business Model – Analytics & Infrastructure – Trends

Regulation

Basel III• NSFR

• LCR

• LR

• CVA

MIFID II• CCP

EMIR• Central

Clearing

AIFMD• LM

• RM

Liquiditymanagement Risk measures Stress testing Capital measures

Performancemeasures Control indicators

Technology

Regulatory Compliance – New technologies – Revision of business models – Shift in global power balances – Consumer centricity – Demographic changes

Data

Resources

• Risk appetite

• Strategy

• Financing

• Budgeting

• New products

• New business

• M&A

• Underwriting and pricing

• Material risk

• Risk identification,measurement andaggregation

• Stress testing

• Monitoring

• P&L attribution

• Limits

• Validation of in-ternal controls

• Capital needs

• Stable funding

• Capital adequacy

• Real time require-ments

• Liquidity Moni-toring and plan-ning

• Fund Transfer

• Pricing

• Real TimeCashflows

• Risk-adjustedperformancemeasurementand review

• Risk and perfor-mance reporting

• Incentives andcompensation

• Disclosure

Retail Banking

Commercial Banking

Wholesale Banking

Investment Banking

Asset Management

Private Banking

Mortgages

Consumer Loans

Commercial Loans

Credit Cards

Wealth Advisory

Trust Products

Derivatives

Risk Management

Business planing

Risk assessment

Capital evaluation

Liquidity and Funding

Business evaluation

Managementmodel

Product

Business model

Analytics and Infrastructure

Underlying trends

Abbildung 19: Einflussfaktoren für die Geschäftsmodelle von Banken

42

Nachfolgende Grafik gibt einen Überblick über die wesentlichen Aspekte der neuen regulatorischen Rahmenbe-dingungen für Banken. Große Teile der aufgelisteten Punkte sind Bestandteil von Basel III und umgesetzt in derCRD IV und der CRR.

Abbildung 20: wesentliche Neuerungen in der Regulierung von Banken

• Einführung Stressed VaR und Incremental Risk Measure

• Neue EK-Anforderungen für Verbriefungen und Correlation Trading (CT)

• Tier1 und Tier2: Erhöhung Quantität und Qualität

• Verbesserung Markt-Disziplin durch neue Richtlinien

• CVA Charge und Wrong Way Risk

• Einführung Asset Value Correlation (AVC) Multiplikator

• Incentivierung zum Transfer von OTC Trans aktionenauf CCPs

• Einführung der Leverage Ratio als Ergänzung zurisikogewichteten Aktiva

• Einführung Conservation Buffer

• Einführung Countercyclical Buffer

• Vermeidung des exzessiven Wachstums der Kreditmärkte

• Aufbau kurz- und langfristiger Liquiditätsreserven:

– Liquidity Coverage Ratio (LCR) – Net Stable Funding Ratio (NSFR)

Markt-risiken

(BCBS 157)

ImplementierungEnde 2010

Klarer Fokus auf Leverage-, Liquiditäts-

undRefinanzierungs-

risiken

FundamentalerEinfluss

aufKapital-

und Liquiditäts-

kosten

Fokus auf

Stress-szenarien

KapitalDefinition

Leverageratio

Counter-cyclicality

Liquiditäts-risiken

(BCBS 165)

Counter-party Credit Risk

BSBS

164

Wesentliche Eckpunkte

A

B

C

D

E

F

Im Vergleich zur Solvabilitätsverordnung impliziert die CRR/Säule 1 multidimensionale Nebenbedingungen, die sich simultan auf die Bilanzstruktur, das Kreditgeschäft und das Depot A von Banken auswirken:

Die ersten drei Quoten sind die Eigenkapitalquoten. Die Zähler repräsentieren die gestiegenen Anforderungen andie Qualität des zur Verfügung stehenden Eigenkapitals, während die Nenner die gestiegenen risikogewichtetenAktiva (Risk Weighted Assets/RWA) darstellen, welche sich aus den traditionellen Komponenten Kredit-, Markt-und operationelle Risiken sowie den neu hinzugekommenen Komponenten Gegenparteirisiken (Credit ValuationAdjustment [CVA]) und Stressed Value at Risk (sVaR) zusammensetzen. Neben den Anforderungen 4,5%, 6%und 8% kommen verschiedene Puffer zur Anwendung (Kapitalerhaltungspuffer, antizyklischer Puffer, Puffer fürsystemrelevante Institute), welche sich in der Summe zwischen 2,5% und 8,5% bewegen und allesamt mit har-tem Kernkapital abgedeckt werden müssen. Somit sind die Kennziffern als solche gestiegen und repräsentierenim schlimmsten Fall eine Anforderung an die Gesamtkennziffer von 16,5%, welche dann gleichzeitig eine Forde-rung von 13% hartem Kernkapital wäre, wie auch die RWA aufgrund neuer Komponenten und konservativererBerechnungsmethoden.

Andererseits beruhen die RWA je nach den verwendeten Ansätzen auf Ergebnissen interner Modelle der Banken,sodass mit der Leverage Ratio eine modellunabhängige und volumenbasierte EK-Quote geschaffen wurde, dieauch außerbilanzielle Aktivitäten in Abhängigkeit von aufsichtsrechtlich definierten Konversionsfaktoren mitein-bezieht.

Die Mindestliquiditätsquote (Liquidity Coverage Ratio [LCR]), auf welche wir im Folgenden noch detaillierter eingehen, fordert Banken auf, ein Minimum an liquiden Aktiva zu halten und Nettoabflüsse von Liquidität ineinem 30-Tage-Stressszenario abzudecken, und ist u. a. eine Antwort auf die in Stressszenarien beobachtetenBank Runs.

43

Abbildung 21: die multidimensionalen Nebenbedingungen der CRR

Marktrisiko(BCBS 157)

Kapital-definition

Leverageratio

Antizyklizität

Kreditrisiko

BCBS

164

207

2

3

3

3

3

Liquiditätsrisko(BCBS 165)

7

7

7

7

4

4

4

445

5

6a

SystemischeRisiken

6b

CRR

Kapital-Kennziffer

Harte Kernkapital- Kennziffer

Kernkapital- kennziffer

KapitalCET1

KapitalTier1

KapitalTier1

12.5* (KCR + VaR OpR + VaRMR + sVaRMR + VaRΔCVA)

KapitalTier2

RWATotal

RWATotal

+

≥ 4.5% + [2.5%, 8.5%]

≥ 6% + [2.5%, 8.5%]

≥ 8% + [2.5%, 8.5%]

Leverage Ratio CapitalTier1 ≥ 3%*(Bilanzsumme + x%*Außerbilanzielle Positionen)

Liquidity coverage Ratio* Liquiditätsreserve‘ ≥ Nettoabfluss‘

Net Stable Funding Ratio Verfügbares stabiles Funding ≥ Benötigtes stabiles Funding

Revisions to the Basel II market risk framework (BCBS 193)

Strengthening the resilience of the banking sector (BCBS 189)

Basel III: International framework for Ly risk measurement, standards and monitoring (BCBS 188)

2

2

2

2

3 6

6

6

6

–

SolvV

44

Die Net Stable Funding Ratio (NSFR) ist eine Umsetzung der goldenen Bankenregel. Sie erfordert von Banken einMindestmaß an stabiler Refinanzierung und begrenzt u. a. das Ausmaß an Fristentransformation.

Nachdem stabile und langfristigere Refinanzierung höhere Kosten impliziert, steigert dies die Kosten der Passiv-seite der Bankbilanz, während die LCR aufgrund niedrigerer Renditen liquider Aktiva, insbesondere im jetzigenUmfeld, die Erträge auf der Aktivseite reduziert. Diese beiden Phänomene sind natürlich im Zusammenhang mitden Effekten der ersten vier Quoten auf Höhe und Kosten des notwendigen Eigenkapitals zu sehen, sodass insge-samt die ökonomischen Grundlagen der Geschäftsmodelle von Banken neu definiert werden müssen. Insbeson-dere sind Banken deutlich weniger geeignet, als Endinvestoren großer Risiken zu fungieren, sodass es mittelfristigzu einer Reallokation von Risiken und Assets im Finanzsystem kommen müsste.

Weitere regulatorische Initiativen werden diesen Trend noch verstärken:

Diese künftigen Initiativen haben im Wesentlichen die Zielrichtung, die Abhängigkeit sowohl von internen Modellen als auch von Ratingagenturen zu reduzieren und weitere Risikoarten mit Eigenkapitalvorschriften zuversehen, z. B. Zinsrisiken auf Bankbüchern oder Liquiditätsrisiken auf Handelsbüchern. Die Reduzierung der Abhängigkeiten von internen Modellen und die gestiegene Bedeutung von Standardmodellen verbessern zwardie Vergleichbarkeit von Finanzinstituten aus Sicht der Aufsicht, allerdings dürfte sich durch die Vereinheitlichungder Methoden zur Risikomessung auch die Struktur der Bilanzen weiter angleichen und damit die „Connected-ness“ der Häuser erhöhen.

Es ist davon auszugehen, dass diese Initiativen zu weiteren Anpassungen von Risikoprämien diverser Asset-Klas-sen führen werden. So impliziert der neue Standardansatz für Kreditrisiken auf dem Bankbuch, dass Risikoge-wichte für Banken und Unternehmen künftig von zwei Faktoren abhängig sind, statt von externen Ratings. Wiesich aus Tabelle 22 entnehmen läßt, sind die beiden Faktoren für Banken die Tier 1 Ratio sowie die Qualität derAktiva auf ihrer Bilanz, während für Unternehmen, welche Nichtbanken sind, die beiden Kenngrößen Leverageund Umsatz relevant sind. Nachdem die Mehrzahl der Banken in Europa bisher im Ratingsegment A– bis A+ war(nach Herabstufungen nunmehr in BBB bis BBB+) und mit einheitlichen Risikogewichten versehen war, sinkt nun

Abbildung 22: weitere wichtige künftige aufsichtsrechtliche Projekte für Banken

Initiative Beschreibung

1. Neuer Standard -ansatz für Kreditrisikenauf dem Bankbuch

2. IRRBB/CSRBB

3. FundamentaleÜberarbeitungdes Handelsbuches

• Neue Risikogewichte: – Staaten: rwnew = rwold

– Banken: rwnew = f(T1-capital ratio, Asset quality) – Unternehmen: rwnew = f(turnover, leverage) – Retail, unsecured: rwnew = f(qualitative criteria) – Retail, Hypotheken: rwnew = f(L2V, Debt servicing capacity)

• Wahrscheinlich künftig Pillar 1 Charge, d.h. Eigenkapitalunterlegung

• Pillar3 Reports Phase 2

• Standardisierter Messansatz ist zusätzlich verbindlich zu rechnende Vergleichsgröße für Säule 2

• Regulatorische Abgrenzung Handelsbuch: trading-evidence basiert

• Ersetzung Value at Risk durch Expected Shortfall

• Alle Banken betroffen:Modellbanken: modifizierte Modelle und Parallelrechnung StandardansatzBanken mit Standardansatz: neuer Standardansatz

• Modifizierte interne Modelle: Diversifikation, Marktliquiditäts-Abschläge, Modelllizenz für einzelne Handelstische

• Neuer Standardansatz: Diversifikationseffekte, immer noch Kategorisierungen(aber nicht die gleichen Katagorien wie bisher), Zerlegung einfacher Derivate beibehalten

die Abhängigkeit von externen Ratings. Die Refinanzierungskosten von Banken und auch Corporates werden sichmehr differenzieren und relative Renditen für gute Risiken werden sinken.

Wir wollen in den folgenden Kapiteln untersuchen, wie sich die Kombination von Nullzinsumfeld und regulatori-schen Rahmenbedingungen auf die Bilanzen von Banken und Versicherungen auswirkt. Hierzu ist es notwendig,die Struktur der Liquidity Coverage Ratio genauer zu analysieren:

Als zulässig für den Liquiditätspuffer gelten sog. Level-1-, Level-2A- und -2B-Aktiva, wobei der Anteil der Level-1-Aktiva mindestens 60% ausmachen muss, die Summe der Level-1- und Level-2A-Aktiva mindestens 85% sein muss und für Level-2A- bzw. -2B-Aktiva ein Haircut von 15% bzw. 50% anwendbar ist:

• Level-1-Aktiva (mind. 60%): Kasse, Zentralbankguthaben, Staatsanleihen mit RW von 0%, Bundesanleihen,EU-Staatsanleihen, Länderanleihen, Anleihen von BIZ, IWF, EIB und anderen multinationalen Entwicklungsban-ken, Mindestreserve

• Level-2A-Aktiva (Anrechnung 85%): Staatsanleihen mit einem Risikogewicht von 20%, gedeckte Schuldver-schreibungen mit einem Mindestrating von AA–, Pfandbriefe, Covered Bonds, Unternehmensanleihen miteinem Mindestrating von AA–

• Level-2B-Aktiva (Anrechnung 50%, RMBS 25%): Unternehmensanleihen mit einem Mindestrating von A+bis BBB, unbelastete Aktien eines Hauptindex des Sitzlands des Instituts (z. B. DAX), mit privaten Immobilienfi-nanzierungen besicherte Anleihen (Residential Mortgage Backed Securities [RMBS]) mit einem Mindestratingvon AA

Für die High Quality Liquid Assets (HQLA) des Levels 2B gilt: Die Marktwerte von Unternehmensanleihen und Aktien erhalten einen Haircut von 50%, bei den RMBS beträgt der Abschlag 25%. Der Anteil der HQLA des Levels 2B am gesamten Liquiditätspuffer ist auf maximal 15% beschränkt. Als Obergrenze für die gesamtenLevel-2-Aktiva gelten 40%.

45

Abbildung 23: Struktur der Liquidity Coverage Ratio

LiquideAktiva

Liquiditäts-puffer

Liquidationswerteliquider Aktiva

GestressteNettoabflüsse

GestressteAbflüsse

Cash-Zuflüsse

Liquiditäts-puffer

Netto-abflüsse

NetOutflow

CFt+

CFt+

CFt–

CFt–

IlliquidePositionen

Bilanz

Angenommene Zu- und Abflüsse von Liquidität in 30-Tage Stressszenario sind Determinanten der LCR

Die drei Komponenten derLiquidity Coverate Ratio

Kunden-einlagen

Emissionen

Eigenkapital

Cash-Abflüsse

≥!

–

LCR =

2 13

3

12

46

Als Formel für die Anrechnung von liquiden Aktiva für die Liquiditätsreserve gilt somit:

𝐇𝐐𝐋𝐀 𝐒𝐭𝐨𝐜𝐤 = Level 1 Assets+Level 2A Assets+Level 2B Assets−Adjustment für 15% Cap−Adjustment für 40% Cap

𝐀𝐝𝐣𝐮𝐬𝐭𝐦𝐞𝐧𝐭 𝐟ü𝐫 𝟏𝟓% 𝐂𝐚𝐩 = MAX(Level 2B Assets−15/85∗(Level 1+Level 2A), Level 2B Assets−15/60∗Level 1 Assets,0)

𝐀𝐝𝐣𝐮𝐬𝐭𝐦𝐞𝐧𝐭 𝐟ü𝐫 𝟒𝟎% 𝐂𝐚𝐩 = MAX(Level 2A Assets + Level 2B Assets −Adjustment for 15% Cap−2/3∗Level 1 Assets,0)

Sondervermögen sind zu maximal 85% anrechenbar, falls sie ausschließlich aus Level-1- und Level-2A-Aktiva bestehen. Daraus ergibt sich oft die Notwendigkeit einer Prüfung und ggf. Anpassung der Fondsrichtlinien. Tradi-tionell besteht der überwiegende Teil der Depot-A-Anlagevolumina aus Renten- bzw. Geldmarktpapieren. Aktien-quote und Immobilienbestände sind meist unter 5%, während Genussscheine, Rohstoffe, Private Equity etc.lediglich Beimischungen sind. Typische Anlageziele im Depot A sind Liquidität, ein angemessener Beitrag zum Ergebnis der Bank und Risikodiversifikation zu oftmals regionalen und Branchenkonzentrationen im Depot B.Falls die Mindestliquiditätsquote ≥ 100% ist bzw. die Summe der Marktwerte aus liquiden Level-1- und -2-Aktivagrößer als die gestressten Nettoabflüsse in 30 Tagen, dann ist der darüber hinausgehende Depot-A-Bestand freigestaltbar.

Wir betrachten im Folgenden die Bankbilanz aus der LCR-Perspektive. Die in nachfolgender Grafik angegebenenProzentsätze stellen bei den liquiden Aktiva den Grad der Anrechenbarkeit (100% minus Haircut), bei den ande-ren Aktiva die Liquiditätszuflüsse und bei den Passiva die Liquiditätsabflüsse dar und sind aufsichtsrechtliche Vor-gaben. Mit DD (Demand Deposits) bzw. CL (Credit Lines) bzw. Ly bezeichnen wir Sichteinlagen bzw. Kreditlinienbzw. Liquiditätslinien von bzw. an verschiedene Kundengruppen. Wichtig ist, dass alle Cash Flows mit Fälligkeitenin weniger als 30 Tagen in der Berechnung von anderen separiert werden müssen. Die Abkürzung CSCP steht fürEinlagen von Corporates, Sovereigns, Central Banks und Public Sector Entities. Als Functional Deposits geltenTransaktionskonten, z. B. Konten mit automatischer Lohneinzahlung. Sichteinlagen gelten als stabil, wenn siedurch eine wirksame Einlagensicherung oder durch eine gleichwertige Staatsgarantie vollständig gedeckt sindund wenn die Einleger weitere regelmäßige Geschäftsbeziehungen mit der Bank haben, sodass ein Rückzug derEinlagen höchst unwahrscheinlich ist, oder wenn es sich um Transaktionskonten handelt. Zur Berechnung der LCR sind alle Positionen mit den aufsichtsrechtlich definierten Prozentsätzen zu multiplizieren, die auf dieseWeise gewichteten Positionen sind innerhalb der entsprechenden Farben zu addieren und die drei Resultate ent-sprechend der Farbe in den Quotienten einzutragen. Hat die Bank Geld geliehen oder verliehen und Sicherheitenbekommen oder gestellt, so fließen bei Zu- bzw. Abflüssen die Sicherheiten ab bzw. zu, sodass sich aus LCR-Sichtder Vorgang bei Level-1-Sicherheiten neutral und bei Level-2-Sicherheiten nur der Haircut von 15% auswirkt. Mitbesonderem Nachdruck ist darauf hinzuweisen, dass in dem LCR-Stressszenario davon ausgegangen wird, dassder Interbankenmarkt vollständig austrocknet und damit alle Cash Flows, welche diesem zuzuordnen sind undeine Fälligkeit in weniger als 30 Tagen haben, vollständig auf der Aktivseite zu- und auf der Passivseite abfließen.Andererseits haben stabile Einlagen von Privatkunden (Retail) und kleinen wie mittleren Unternehmenskunden(SME) lediglich Abflüsse von 5% zu verzeichnen.

47

Abbildung 24: Bilanzstruktur aus Sicht der Liquidity Coverage Ratio

(A) Aktiva

(C) Außerbilanzielle Engagements (OBS) (D) LCR

(B) Passiva

100% Cash Capital

ΔFV of Derivatives

Derivative collateral

Stable

20%

10%

25%

75%

100%

100%

100%

100%

100%

10%

100%

Less Stable

Functional dep.

CSCP-deposits

Market PriceFluctuations

Retail and SME

DD, ≤ 30d

AllMaturities

Central bank deposits

Level 1 bonds

Level 2 bonds

>30d >30d

Others (interbank, bonds)L1

L2

Non-L1/-L2-collateral

3-notch Downgrade Collateral

Retail und SME50%

DD, ≤ 30d

DD, ≤ 30d

50%

Functi. dep.

Uns

ecur

edSe

cure

d Who

lesa

le

Who

lesa

le

CSCP

Others (IB,B)

L1

L2

Non-L1/–L2

+ Reserve

+ Reserve

100%

100%

100%

100%

85%

Uns

ecur

edSe

cure

d Reserve

Reserve

Corp.,Non-fin.

Retail

Nonfinan-cial Corp.

Comm.Lines

Credit

Ly

Others

Other contingent outflows

Planned CF- (new business,...)

National Discretion

LCR =

Abflüsse Zuflüsse Reserve

–

21 3

National Discretion

15%

5%

5%

15%

48

Die folgende Grafik zeigt, dass es sich bei der Liquidity Coverage Ratio um ein kombiniertes Stressszenario handelt. Die verschiedenen Komponenten des Szenarios und ihre Auswirkungen auf verschiedene Positionen der Bankbilanz sind in unterschiedlichen Farben gekennzeichnet:

Wir wollen noch einen detaillierteren Blick auf die Net Stable Funding Ratio werfen, welche die verfügbare stabile Refinanzierung (Available Stable Funding [ASF]) in Beziehung zur notwendigen stabilen Refinanzierung(Required Stable Funding [RSF]) setzt und eine ALM-Kennzahl ist:

Abbildung 25: kombiniertes Stressszenario für die LCR und Auswirkungen auf die Bankbilanz

Aktiva

Off-Balance Sheet items

Passiva

Cash

Secured

Dep

osit

s

Who

lesa

le

Uns

ecur

ed

Stable

Less stable

Less stable

Stable

75%

25%

20%

tbd

10%

10%

Retail

Market PriceFluctuations

Public Debtor Securities

Deposits at central banks

AA≤

A– ... AA–Corp./Covered Bonds Firm only holds deposits

Firm uses other products

OthersOthers (ABS, CDOs, ...)

Receivables performing assets

Repos

80%

60%

SmallBusiness

Corp.,Non-fin.

Retail

Nonfinan-cial Corp.

Comm.Lines

Credit

Liquidity

Others

Other contingent outflows

Planned Outflows (e.g. new business

7.5% ≤

15% ≤

7.5% ≤

15% ≤

Mark-to-Market of Derivatives

Derivative collateral

3-notch Downgrade Collateral

Security Roll-Overs

tbd

Significant DowngradeLiquidity (Rating)

Simultanes und kombiniertes Stressszenario

Partial loss of Deposits

Calls on Off-Balance Sheet exposures

Significant increase of secured funding haircutsLoss of unsecured wholesale funding

Increase in derivative collateral calls

Funding RiskAsset Liquidity

Liquidity (Market)

Call Risk

Abbildung 26: Struktur der Net Stable Funding Ratio

Formel für NSFR

2. Availablestable funding

1. Requiredstable funding

Zur Berechnung der NSFR werden Aktiva mit einem regulatorisch festgelegten Required Stable Funding Factor(RSF) multipliziert und Passiva mit einem Available Stable Funding Factor (ASF). Die NSFR setzt Zahlungsströmeder Aktiv- wie Passivseite unter ein einjähriges Stressszenario. Die LCR führt tendenziell zu einem höheren Anteilvon Aktiva mit niedrigeren Renditen und die NSFR zu höheren Refinanzierungskosten.

In nachfolgender Grafik sind die angegebenen Prozentzahlen auf der Aktivseite die aufsichtsrechtlich vorgege -benen RSFs, während die Prozentzahlen auf der Passivseite die regulatorisch definierten ASFs sind. Auf Aktiv-bzw. Passivseite werden die jeweiligen Bilanzpositionen dann mit den RSFs bzw. ASFs multipliziert und aufad-diert. Die auf der Passivseite errechnete Zahl stellt dann den Zähler der NSFR dar, das auf der Aktivseite erzielteErgebnis ist der Nenner.

Die quantitativen Anforderungen der CRR aus Abbildung 21 und insbesondere der LCR und NSFR bedeuten erhebliche Einschränkungen der Banken für die Strukturierung ihrer Bilanz, welche man mathematisch formu -lieren kann. Auch wenn die mathematische Formalisierung dieses Problems eine im Vergleich zur Realität erheb -liche Vereinfachung bedeutet, weil außer den CRR-Restriktionen noch zahlreiche weitere externe und interneNebenbedingungen berücksichtigt werden müssen, beschreibt sie doch die Attraktivität und den Nutzen von Vermögenswerten aus Sicht einer Bank deutlich realistischer als im Markowitz-Kalkül. Diese Herangehensweiseliefert auch einen Startpunkt, um das rationale Verhalten einer Bank bei Interaktionen mit anderen Finanzin -stitutionen (d. h. als Teil eines Netzwerkes von Finanzinstitutionen) zu beschreiben, und verhilft letztlich zu einerHerangehensweise mit spieltheoretischen Methoden. Zunächst muss man eine geeignete Zielfunktion definieren,die Ge genstand einer Optimierung unter den regulatorischen Nebenbedingungen der CRR ist. Eine einfache Zielfunktion könnte z. B. sein, die regulatorischen Nebenbedingungen zu erfüllen bei minimalen Eigenkapital -kosten. Eine Alternative wäre z. B. die Maximierung des Shareholder Value unter den durch die CRR gegebenenEinschränkungen.

49

Abbildung 27: Bilanzstruktur aus Sicht der Net Stable Funding Ratio

(A) Aktiva

(C) Außerbilanzielle Engagements (D) NSFR

(B) Passiva

Cash

Bonds <1Y Bonds <1Y

Bonds,≥1Y

Capital (T1, T2, beyond T2, Other preferred shares)

20%

50%

50%

50%

50%

85%

100%

100%

100%

Bonds≥1Y

Loans<1Y, DD

Deposits<1Y, DD

Bonds reverse r.

Interbank

CSCP

Interbank

CSCP

All other Assets2

Retail, SME Retail, SME

Equity Securities

Gold

Committed LinesCredit

Liquidity

Other conting. obligations

NSFR =

Required stable funding 1 Non-bank Corporate Bonds, ≥A–, 2 Alle unbesicherten Bank Bonds.Available stable funding1 2

5%

5%

5%

L2

L1

L31

ND%

Less Stable

Stable

Other liabilities

50%

80%

90%

100% 0% 0% 100%

4.2 Versicherungen

50

Die Harmonisierung der europäischen Regulierung von Versicherungen durch Solvency II besitzt eine ähnlicheStruktur wie die Solvabilitätsvorschriften des Bankensektors und ist damit insbesondere ein Dreisäulensystem. Wir fokussieren uns für unsere Zwecke auf die erste Säule, welche Regelungen zur marktnahen Bewertung vonAktiva und Passiva, insbesondere zu den versicherungstechnischen Rückstellungen und den vorhandenen Eigen-mitteln, enthält. Die fundamentale Größe ist die Solvency Capital Requirement (SCR), die die regulatorische Solvenzkapitalanforderung ist. Versicherungen können wählen zwischen der Verwendung einer vorgegebenenStandardformel und einem vom jeweiligen Unternehmen entwickelten internen Modell. Die Minimum Capital Requirement (MCR) beschreibt die regulatorische Untergrenze des zu haltenden Solvenzkapitals und stellt dieletzte aufsichtsrechtliche Eingriffsschwelle dar, bevor dem Unternehmen die Lizenz entzogen wird. Das Risiko -kapital wird so bestimmt, dass das Unternehmen mit 99,5% Wahrscheinlichkeit auch bei schlechten Ergebnissendas nächste Jahr übersteht, d. h., die SCR entspricht einer Value-at-Risk-(VaR-)Kennziffer mit einem Konfidenz -niveau von 99,5% und einem Zeithorizont von einem Jahr. Der VaR ist definiert als der Verlust, der mit der vor -gegebenen Mindestwahrscheinlichkeit innerhalb eines gegebenen Zeithorizonts nicht überschritten wird. Der VaRbestimmt sich somit als ein spezielles, von der vorgegebenen Mindestwahrscheinlichkeit abhängiges Quantil derVerteilung potenzieller Verluste. Das Solvency-II-Standardmodell ist modular aufgebaut und legt den einzelnen Risikofaktoren ein Stressszenario auf einem 99,5%-Konfidenzlevel in einem einjährigen Zeithorizont zugrunde,welche dann mit der Varianz-Kovarianz-Formel aggregiert werden. Dabei sind die verwendeten Kovarianzmatri-zen vorgegeben. Dieses Stressszenario stellt somit den Nachfolger des sog. BaFin-Stresstests dar, der auf folgen-den Szenarien beruhte:

• Kursrückgang festverzinslicher Wertpapiere um 10%

• Aktienkursrückgang um 10–45%, je nach Stand des EURO STOXX 50

• Kursrückgang festverzinslicher Wertpapiere um 5% in Kombination mit Szenario 2

• Szenario 2 in Kombination mit einem Rückgang der Immobilienpreise um 10%

• Bei allen Szenarien Preisrückgang um 10% für NIG-Anleihen und für CCC oder schlechter sogar um 30%

Der BaFin-Stresstest berücksichtigt dabei die Reserven auf der Aktivseite der Bilanz und Rückstellungen für Beitragsrückerstattungen (RfB) auf der Passivseite.

Das Solvency-II-Standardmodell führt insgesamt zu einer differenzierteren Betrachtungsweise. Betrachtet man z. B. die Komponente 5 des BaFin-Stresstests, wird diese z. B. durch folgende Vorgehensweise ersetzt:

bonitätsinduzierte Preisschwankung einer Anleihe = Marktwert * Modified Duration * F

F ist ein vom Rating abhängiger Faktor: u. a. für EWR-Staaten 0%, für Pfandbriefe 0,6%, für AAA 0,9%, für B 7,5% sowie für Anleihen ohne Rating 3,0%. Es wird somit eine Betrachtungsweise eingeführt, welche vonMarktwerten ausgeht, und für die Schwankungen dieser Marktwerte werden ratingbasierte Spreadszenarien zugrunde gelegt. Dieser Ansatz behandelt Anleihen von EWR-Staaten analog zum entsprechenden Standardan-satz von Banken für die Messung von regulatorischen Eigenkapitalanforderungen für Kreditrisiken auf den Bank-büchern. Der neue Kreditrisikostandardansatz für Banken enthält allerdings nicht mehr die Abhängigkeit vonexternen Ratings, während sie für Versicherungen jetzt durch Solvency II etabliert wird. Die nachfolgende Grafikgibt einen Überblick, wie sich die Spread-Risiken in Verbindung mit der Länge der Laufzeit auf die Solvency Capital Requirement auswirken. Auch hier wird klar, dass Bonds mit schlechteren Ratings zu hohen Eigen -kapi talanforderungen führen:

Das in unseren folgenden Betrachtungen verwendete Solvency-II-Standardmodell ist modular nach unterschied -lichen Risikoklassen aufgebaut. Der Output des Modells besteht aus der Solvency Capital Requirement (SCR),welche sich additiv aus der Basis-SCR (BSCR), diversen Adjustierungen (Adj) sowie den Anforderungen für operationale Risiken (Op) zusammensetzt.

51

Abbildung 28: Spread-Risiko-Modul im Solvency-II-Standardmodell

50%

45%

40%

35%

30%

25%

20%

15%

10%

5%

0%

0 1 2 3 4 5 6 7 8 9 10 15 20 25

Quelle: GDV

SCR

Spre

adm

odul

Duration in Jahren

AAA AA A BBB BB

Abbildung 29: modularer Aufbau des Solvency-II-Standardmodells

Markt -wert der Aktiva

Best Estimate

of Liabilities

Surplus

SCR

MVM

SCR

Op

ASM

MVL

BSCR

Non-Life Market Health Default Life Intang

PremRes Interest

Non-SLT Lapse Expenses

Mort

Lapse Equity CAT

CAT

CAT

Spread Rev.

Prop.

Long DisMorb

SLT

Conc. FX

Illiq

Adj

52

Die verfügbaren ökonomischen Eigenmittel gemäß Solvenzbilanz werden mit ASM (Available Solvency Margin)bezeichnet, MVL (Market Value Liabilities) bezeichnen den Marktwert der Passiva, welcher die Summe der MVM(Market Value Margin) mit den Best Estimates of Liabilities darstellt.

Die Risikoaggregation wird im Standardmodell in mehreren Stufen mit der Wurzelformel umgesetzt, welche dieTeilkapitalanforderungen der einzelnen Risiken bzw. Risikomodule zu einer Gesamtkapitalanforderung zusam-menführt und dabei mögliche Diversifikationseffekte (risikomindernd) berücksichtigt:

Dabei sind

jeweils aufsichtsrechtlich vorgegebene Korrelationsmatrizen. Die in der nachfolgenden Grafik rot umrandete Matrix aggregiert als Input der Wurzelformel beispielsweise die unterschiedlichen Kapitalanforderungen desMarktrisikomoduls (Interest, Equity, etc.) zu einer Kapitalanforderung für Marktrisiko, welche dann mit den Kapitalanforderungen der Module Non-Life, Health, Life etc. wiederum mit der Wurzelformel und der grün umrandeten Matrix als Input zur BSCR aggregiert wird.

Abbildung 30: Anwendung der Wurzelformel im Solvency-II-Standardmodell

Corr Health Health ex Health cl Health ac

Health exp 1.00

Health cl 0.50 1.00

Health ac 0.25 0.25 1.00

Corr Life Life mort Life long Life dis Life lapse Life exp Life rev Life cat

Life mort 1.00

Life long –0.25 1.00

Life dis 0.25 0.00 1.00

Life lapse 0.00 0.25 0.00 1.00

Life exp 0.25 0.25 0.5 0.5 1.00

Life rev 0.00 0.25 0.00 0.00 0.50 1.00

Life cat 0.25 0.00 0.25 0.25 0.25 0.00 1.00

NL Prem Lapse CAT

Pre 1.00

Lapse 0.00 1.00

CAT 0.25 0.00 1.00

Corr SCR SCR mkt SCR def SCR life SCR health SCR nl

SCR mkt 1.00

SCR def 0.25 1.00

SCR life 0.25 0.25 1.00

SCR health 0.25 0.25 0.25 1.00

SCR nl 0.25 0.5 0.00 0.00 1.00

Market Interest Equity Property Spread FX Conc. Illiquidity

Interest 1.00

Equity 0.50 1.00

Property 0.50 0.75 1.00

Spread 0.50 0.75 0.50 1.00

FX 0.25 0.25 0.25 0.25 1.00

Conc. 0.00 0.00 0.00 0.00 0.00 1.00

Illiquidity 0.00 0.00 0.00 –0.5 0.00 0.00 1.00

SCR = BSCR + Adj + Op

Mort

DisMorb

Expens.

CATRev.

Lapse

Long

SLT

CAT

Non-SLT

Lapse

CAT

Illiq

Conc.

Equity

Prop.

Spread

FX

BSCR OpAdj

Non-Life Health DefaultMarket

Interest

Life Intang

PremRes

SCR

Die Berechnung der Kapitalanforderung unter der Standardformel basiert auf der Annahme, dass alle Risiken normalverteilt sind; die Summe der Risiken ist dann wieder normalverteilt.

Für unsere Betrachtungen ist das Marktrisikomodul von Relevanz, dessen Methodik aus einer Menge von Marktrisikofaktoren

F1, ... FN

besteht, die jeweils einem Schock ausgesetzt werden. Die Änderungen des Net Asset Value (NAV), welche durchdiesen Schock induziert werden, stellen dann die Risikokapitalanforderungen Mktj für den Faktor Fj dar:

Die einzelnen faktorbezogenen Kapitalanforderungen werden dann in gewohnter Weise mit der grün umrande-ten Matrix aus Abbildung 30 zu einer Kapitalanforderung für Marktrisiken aggregiert:

Im Folgenden stellen wir kurz die Berechnungsmethoden für die wichtigsten Marktrisikofaktoren dar.

Zinsrisiken (Mktint)

Das Zinsrisiko betrifft alle Aktiva und Passiva, deren Wert unmittelbar von Veränderungen in der Zinsstrukturkurveoder der Zinsvolatilitäten beeinflusst wird. Zinsrisiken werden durch Diskontierung der Aktiva und Passiva mitzwei Schockzinskurven gemessen, von denen eine die Veränderung der Ausgangszinskurve nach oben und dieandere eine Bewegung nach unten darstellt. Zwei Szenarien dienen somit der SCR-Bestimmung:

• Upward shock: Verschiebung der Zinsstrukturkurve nach oben

• Downward shock: Verschiebung der Zinsstrukturkurve nach unten

Das relative Ausmaß dieser Verschiebung hängt wie folgt von der Restlaufzeit ab:

53

Tabelle 1: Schockfaktoren für die Zinskurven im Solvency-II-Standardmodell

Restlaufzeit Restlaufzeitt (in Jahren) sup(t) sdown(t) t (in Jahren) sup(t) sdown(t) ≤1 70% 75% 11 39% 30% 2 70% 65% 12 37% 29% 3 64% 56% 13 35% 28% 4 59% 50% 14 34% 28% 5 55% 46% 15 33% 27% 6 52% 42% 16 31% 28% 7 49% 39% 17 30% 28% 8 47% 36% 18 29% 28% 9 44% 33% 19 27% 29% 10 42% 31% 20 26% 29% >90 20% 20%

54

Die Zinskurve nach Veränderung der gegenwärtigen Kurve nach oben, ist gegeben durch:

Analog erhalten wir die Kurve nach einem Zinsschock, welcher zu niedrigeren Zinsen führt:

Nachfolgende Grafik stellt das Prinzip dar:

Für sämtliche zinssensitiven Aktiva (A) und Passiva (L) wird jeweils die Barwertänderungermittelt, die sich (a) bei Eintritt des Zinsschocks nach oben und (b) bei Eintritt des Zins-schocks nach unten ergibt. Die simulierten Barwertänderungen werden gegeneinanderaufgerechnet.

Marktwertszenariowithout Mktint = Mktint

A – MktintL

Szenario Zinsanstiegup Mktint = upMktint

A – upMktintL

Szenario ZinsrückgangdownMktint = downMktint

A – downMktintL

Für jedes der beiden Szenarien wird unter Berücksichtigung möglicher Anpassungen derzukünftigen Überschussbeteiligung die Veränderung des Net Asset Value, ∆NAV, ermittelt.Berechnung der jeweils szenariospezifischen Kapitalanforderungen:

Szenario ZinsanstiegSCR int

up = without Mktint – upMktint = ∆NAVintup

Szenario ZinsrückgangSCR int

down = withoutMktint – downMktint = ∆NAVintdown

Abbildung 31: Zinskurvenveränderungen im Solvency-II-Standardmodell

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20+

100%

80%

60%

40%

20%

0%

–20%

–40%

–60%

Scho

ck d

er Z

insk

urve

RestlaufzeitSchock nach oben Schock nach unten

Für die SCR für Zinsänderungsrisiken ist letztlich maßgeblich, welches der beiden Szenarien eine höhere Kapitalanforderung impliziert:

SCRint = max {SCRintdown ; SCRint

up ; 0}

Spread-Risiken (Mktsp):

Hier werden Auswirkungen der Änderungen von Credit spreads gegenüber dem „risikolosen“ Zins auf den Marktwert von Kapitalanlagen unter Kreditrisiko analysiert.

Die SCR für Spread-Risiken Mktsp ergibt sich aus den Kapitalanforderungen der Segemente

• Anleihen – Mktspbonds

• Kreditverbriefungen – MktspRPL

• Kreditderivate – Mktspcd

Damit ergibt sich

Mktsp = Mktspbonds + Mktsp

RPL + Mktspcd.

Die Bestimmung der Kapitalanforderungen für Anleihen erfolgt anhand (1) des Marktwertes MV der jeweiligenAnleihe und (2) eines Risikofaktors FUP , in den die Bonitätsstufe und die modifizierte Duration eingehen. Für einPortfolio aus N Anleihen (i = 1, …, N) ergibt sich also eine Kapitalanforderung von

Mktsp = ∑MVi ∙ m (duri) F (Rating ) mit m (duri) = max {min. (duri; Duration Cap); Duration Floor}

Dagegen ist bei Kreditverbriefungen der Risikofaktor allein bonitätsabhängig. In diesem Fall gilt:

Mktsprpl = ∑i Fi

UP * duri * MVi

Bei Kreditderivaten wird die Kapitalanforderung davon abhängig gemacht, welche Veränderung des Net AssetValue (∆NAV) sich (a) bei einem relativen Spread-Anstiegs von 75% und (b) im Falle eines bonitätsabhängig festgelegten absoluten Spread-Anstiegs einstellt.

55

Abbildung 32: Risikofaktoren für Credit Spreads im Solvency-II-Standardmodell

Spread shock corporates Spread shock non-EEA governments Duration Duration Duration DurationRating Fup floor cap Fup floor capAAA 0,9% 1 36 – – –AA 1,1% 1 29 – – –A 1,4% 1 23 1,1% 1 29BBB 2,5% 1 13 1,4% 1 23BB 4,5% 1 10 2,5% 1 13B or lower 7,5% 1 8 4,5% 1 10Unrated 3,0% 1 12 3,0% 1 12

Quelle: European Insurance and Occupational Pensions Authority (EIOPA) (2010)

56

Währungsrisiken (Mktfx):

Zur Ermittlung des Fremdwährungsrisikos werden je Währung zwei „Schockszenarien“ untersucht:

• Auswirkung eines Fremdwährungskursrückgangs (= Fallen des jeweiligen Wechselkurses) um 25%

• Auswirkung eines Fremdwährungskursanstiegs (= Steigen des jeweiligen Wechselkurses) um 25%

Abbildung 33: SCR für Spread-Risiken von Corporates im Solvency-II-Standardmodell

SCR für Spread-Risiken in Prozent des MV

0 10 20 30 40 50

70%

60%

50%

40%

30%

20%

10%

0%

B Corp

BB Corp

Unrated

BBB Corp

A Corp

AA Corp

AAA Corp

Abbildung 34: SCR für Spread-Risiken von Sovereigns im Solvency-II-Standardmodell

SCR für Spread-Risiken in Prozent des MV

50%

45%

40%

35%

30%

25%

20%

15%

10%

5%

0%0 10 20 30 40 50

B Non-EEA Gov

BB Non-EEA Gov

BBB Non-EEA Gov

A Non-EEA Gov

Ausnahmen von dieser Regel gibt es bei Währungen, die an den Euro gebunden sind.

Es wird in zwei Schritten vorgegangen:

1) Zunächst werden die Auswirkungen der beiden obigen Szenarien auf den Net Asset Value separat quanti -fiziert. In jedem Fall wird dann das jeweils ungünstigere Ergebnis zur Ermittlung der Kapitalanforderung für das Fremdwährungsrisiko herangezogen.

2) Nach Abschluss von Schritt 1 für alle relevanten Fremdwährungen werden die Ergebnisse addiert.

Immobilienrisiken (Mktprop):

Analog ergeben sich Property-Schocks als Stress der Real Estate Benchmark um 25%:

Mktprop = max(∆NAV | propertyshocki,0)

Aktienrisiken (Mkteq):

Aktienrisiken basieren auf zwei Risikofaktoren:

Globale Aktien werden um 39% gestresst, andere, z. B. Private Equity, um 49%:

Mkteq = max(∆NAV | equetyshocki,0)

Die Aggregation zu einer Kapitalanforderung für Beteiligungen basiert wieder auf der Wurzelformel mit einer Korrelation von 0,75:

Konzentrationsrisiken (Mktconc):

Das Konzentrationsrisiko ist die Gefahr unerwarteter Verluste, die aus einem zu geringen Grad der Risikostreuungin einem Portfolio resultiert. Dieses Marktrisikosubmodul bezieht sich lediglich auf die Konzentration gegenübereinzelnen Emittenten/Kontrahenten. Andere Dimensionen (z. B. Region, Branche) werden bis dato nicht berück-sichtigt.

Ausnahmen: Nicht berücksichtigt werden dabei

• Beteiligungen (> 20% an einem Versicherungsunternehmen oder Kreditinstitut), die nicht der Gruppenaufsichtunterliegen und deren Beteiligungswert gleichzeitig > 10% der Eigenmittel des beteiligten Unternehmens ist,

• Staatsanleihen aus Staaten der OECD oder EEA sowie

• Termin- und Festgelder (sofern die Restlaufzeit weniger als drei Monate beträgt, der Anlagebetrag drei Millio-nen Euro nicht überschreitet und die Bank mindestens über ein AA-Rating verfügt).

57

Indextyp Schock 1 Global 39% 2 Other 49%

Tabelle 2: Risikofaktoren Aktien

Mkteq = √Mktep1 + Mktep2 + 2 * 0,75 * Mkteq1 * Mkteq22 2

58

Die Vorgehensweise besteht aus drei Schritten.

1) Bestimmung des Excess Exposure (XSi) für jede Einzeladressedes

Mit Ei = Exposure gegenüber Adresse i und Assets = Gesamtexposure des Portfolios. Die Concentration Threshold CT wird gemäß nachfolgender Tabelle bestimmt:

2. Bestimmung des Konzentrationsrisikos je Einzeladresse (Risk Concentration Requirement = Conci):

Conci = Assets ⋅ XSi ⋅ gi

Die ratingabhängigen Faktoren ergeben sich zu

3. Die Aggregation der Ergebnisse aus 1 und 2 über alle Adressen ergibt sich auf Basis der nachfolgenden Formel und unter der Annahme, dass keine Korrelation zwischen den Einzeladressen besteht:

Zusammenfassend ergibt sich für Marktrisiken die folgende Übersicht:

Tabelle 3: Konzentrationsrisiken

Rating CT AA-AAA 0.03 A 0.03 BBB 0.015 BB or lower 0.015

Tabelle 4: ratingabhängige Faktoren für Konzentrationsrisiken

Rating gi

AAA 0.12 AA 0.12 A 0.21 BBB 0.27 BB or lower 0.73

Der sog. SA ist der symmetrische Anpassungsfaktor zur Vermeidung von prozyklischen Effekten.

Welche Anlageklassen bieten also nach Einführung von Solvency II ein gutes Renditeprofil im Verhältnis zu denEigenkapitalanforderungen?

59

Abbildung 35: Übersicht über die Auswirkungen des Marktrisikomoduls im Solvency-II-Standardmodell

• Globaltitel (Aktien aus EWR/OECD) : –39%

• Sonstige Titel (Aktien EM, Hedge Funds, PE): –49%

• QIS 6 des GDV: SA wurde auf –4 % festgesetzt

• Upward- und Downward-Faktoren auf die Zinskurve

• Alle Aktiva und Passiva, die sensitiv auf Veränderun-gen in der Zinsstrukturkurve und Zinsvolatilitätenreagieren

• Immobilien-Direktinvestment: pauschal 25%

• Immobilien – Other Equity: 49% (SA: –4%)

• Konzentration von Kapitalanlagebeständen beim selben Geschäftspartner

• Bonitätsabhängige Risikozuschläge auf die aggregierten Schuldner-Exposures E

• Je nach Art der Anlage unterschiedliche Methodenzur Berücksichtigung von Stressszenarien

• Staatsanleihen: keine Berücksichtigung beim Spreadrisiko

• Fremdwährungen: Faktor –/–25%

• Bei Währungen, die an den Euro gebunden sind, ist er allerdings durch einen von EIOPA angesetztenFaktor zu ersetzen

Aktien-risiken

35% – 45%

Wechsel-wirkungenBasel III ?

Einzelne Asset-Klassen erfordern eine

hohe Risikokapital-unterlegung vom

Versicherer (z.B. Immobilien*,

Aktien etc.)

Die Renditen für Aktien und

Immobilien müssenzukünftig attraktive

Rendite-Risiko-Profile aufweisen,um den Kapital-anforderungen

gerecht zu werden

Zins-risiken

Market Risk Concentrations

SpreadRisk

Währungsrisiken25%

Property-Risk25% – 45%

Standard-Modell

A

B

C

D

E

F

60

Nachfolgende Grafik stellt auf der Basis von Marktdaten vom 21. August 2015 das Verhältnis von Renditen zu Kapitalanforderungen für wichtige Asset-Klassen dar:

Abbildung 36: Rendite versus Solvency Capital Requirement (SCR) für wichtige Asset-Klassen (isolierte Betrachtung)

12%

10%

8%

6%

4%

2%

0% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45%

EMU Bank Subordinated

EMU Covered

EMU Core (Gov’t)

France (Gov’t)

Euro HYReal Estate

EMU Corporate

German Pfandbriefe

Italy (Gov’t)

PE

Equity

Rend

ite

Solvency

61

62

5 Auswirkungen von Niedrigzins-umfeld und neuen regulatori-schen Rahmenbedingungen aufBanken und Versicherungen

63

64

Die Unternehmen der Finanzbranche sind gegenwärtig einer sehr ungünstigen Kombination von neuen und sichweiter verschärfenden regulatorischen Rahmenbedingungen und einem Niedrig- bis Nullzinsumfeld ausgesetzt.Wie beurteilen die Vertreter der Branche den Einfluss von regulatorischen Vorgaben auf die Anlageziele der jewei-ligen Unternehmen?

Immerhin sind 40% der Befragten der Ansicht, dass mindestens 50% der Unternehmen ihrer Branche aufgrundneuer regulatorischer Rahmenbedingungen ihre Anlageziele nicht erreichen. Die Sichtweise ist auch zwischen denBranchen sehr unterschiedlich. Offensichtlich spüren Kapitalanlagegesellschaften den geringsten Regulierungs-druck, vermutlich weil sie oftmals nur indirekt betroffen sind, nämlich dann, wenn sie Mandate von Kunden ver-walten, die mit neuen regulatorischen Vorschriften konfrontiert sind. Signifikant, aber nicht überraschend ist derUnterschied in der Sichtweise von Banken und Versicherungen. Während bei Banken der durch Basel III ausge-löste Regulierungsdruck bereits durch zahlreiche weitere regulatorische Initiativen, welche sich teilweise erst inder Konsultationsphase befinden, verstärkt und damit die bereits stattgefundene Erosion von Profitabilität diver-ser Geschäftszweige fortgesetzt wird, ist die Situation bei Versicherungen eine andere. Hier steht Solvency II zwarkurz vor der Einführung, allerdings werden die nachteiligen Effekte von Solvency II auf die Asset Allocation vonVersicherungen von Politik und Aufsichtsbehörden wohlwollender zur Kenntnis genommen, und auch die Novelleder Anlageverordnung für Versicherungsunternehmen lässt ein Bemühen erkennen, Versicherungsunternehmendie Kapitalanlage zu erleichtern.

0% bis 10% Über 10% bis 20% Über 20% bis 30% Über 30% bis 40% Über 40% bis 50% Über 50% bis 70%

Über 70%

Und was schätzen Sie, wie viele Unternehmen Ihrer Branche werden ihre selbst gesteckten Anlageziele in 2018aufgrund neuer regulatorischer Vorgaben NICHT erreichen?

Abbildung 37: Einfluss regulatorischer Vorgaben auf Anlageziele

Branche

Versicherung, PKV (n=16)

Versorgungswerk/PK (n=16)

Stiftung (n=16)

Unternehmen (n=19)

Bank/Sparkasse (n=31)

Kirchliche Einrichtungen (n=1)

Kapitalanlage-G. (n=5)

41,2 11,8 17,6 5,9 0 5,9 17,6 28,5%

37,5 25,0 12,5 0 0 0 26,0 31,5%

11,1 11,1 5,6 11,1 22,2 33,3 5,6 47,1%

4,5 4,5 22,7 4,5 4,5 13,6 45,5 53,5%

9,7 6,5 0 16,1 12,9 22,6 32,3 54,9%

50,0 0 0 0 0 0 50,0 35,0%

30,0 40,0 10,0 0 20,0 0 0 22,5%

Anteil der jeweiligen Klasse in Prozent

Gesamt ø43,4%

19% 12% 10% 8% 10% 16% 25%

Alle Befragten (n=103, Rest kA)

ø

Die Antworten auf die Frage nach der Relevanz des Niedrigzinsumfeldes ergeben ein etwas anderes Bild. Hiersind insbesondere auch Anleger betroffen, welche nicht so stark reguliert sind wie Banken oder Versicherungen,was im Übrigen auch mit der immer noch sehr starken Ausrichtung deutscher Investoren auf Fixed-Income-Instrumente zu tun hat.

65

Und was schätzen Sie, wie viele Unternehmen Ihrer Branche werden ihre selbst gestecktenAnlageziele in 2018 aufgrund des Niedrigzinsumfeldes NICHT erreichen?

Abbildung 38: Einfluss des Niedrigzinsumfeldes auf Anlageziele

Branche

Versicherung, PKV (n=17)

Versorgungswerk/PK (n=8)

Stiftung (n=18)

Unternehmen (n=22)

Bank/Sparkasse (n=31)

Kirchliche Einrichtungen (n=2)

Kapitalanlage-G. (n=10)

29,4 5,9 0 5,9 11,8 17,6 29,4 49,4

0 25,0 0 12,5 12,5 12,5 37,5 55,4

0 0 5,6 0 11,1 55,6 27,8 64,4

4,5 0 13,6 13,6 9,1 13,6 45,5 59,5

3,2 6,5 3,2 3,2 6,5 25,8 51,6 68,8

0 0 0 0 50,0 0 50,0 50,0

0 10,0 0 40,0 20,0 10,0 20,0 51,8

Anteil der jeweiligen Klasse in Prozent

Gesamt ø60,2%

7% 6% 5% 9% 11% 24% 39%

Alle Befragten (n=104, Rest kA)

ø

0% bis 10% Über 10% bis 20% Über 20% bis 30% Über 30% bis 40% Über 40% bis 50% Über 50% bis 70%

Über 70%

5.1 Banken

66

Die nachfolgende Grafik zeigt die Entwicklung der Zusammensetzung der Erträge und Aufwendungen deutscherBanken. Offensichtlich ist, dass für Banken in Deutschland Zinserträge der dominierende Faktor sind, weil der wesentliche Teil des Geschäftsmodells das Kreditgeschäft in der klassischen Originate-to-hold-Version ist. EinigeBanken in Deutschland, insbesondere die Deutsche Bank, weichen von diesem Muster signifikant ab. Die großeMehrzahl der Banken ist allerdings auf der Ertragsseite massiv verwundbar, wenn Zinserträge sinken, da diesefehlenden Einnahmen dann nicht mehr durch gleichzeitig sinkende Refinanzierungskosten ausgeglichen werdenkönnen und gleichzeitig Risiko- und Eigenkapitalkosten steigen.

Betrachtet man z. B. das Zusammenwirken der quantitativen Anforderungen der Capital Requirement Regulation(CRR), und hier insbesondere die Leverage Ratio, Net Stable Funding Ratio und Liquidity Coverage Ratio, so folgt,dass die Kombination von höheren Kapital- und Refinanzierungskosten bei gleichzeitig größerem Anteil von liqui-deren, dafür im Nullzinsumfeld deutlich niedriger rentierenden Aktiva auf der Bilanz auf die Profitabilität sowohldes Kreditgeschäfts als auch des Depot-A-Geschäfts einen erheblichen Druck ausübt. Andererseits sind die aggre-gierten Bilanzsummen des europäischen Bankensektors im Verhältnis zur Wirtschaftsleistung immer noch deutlichgrößer als in den USA, und dies auch nach Eliminierung der verzerrenden Einflüsse aufgrund unterschiedlicherRechnungslegungsstandards. Große Bankbilanzen in Kombination mit niedriger Profitabilität stellen einen Aus-gangspunkt zu neuen systemischen Risiken dar, weil die Banken die ausbleibenden Erträge nicht zum Aufbau vonweiteren Reserven zur Steigerung der Risikotragfähigkeit nutzen können. Somit ist eine umfangreiche Realloka-tion der von Banken gehaltenen Kreditrisiken innerhalb des Finanzsystems sinnvoll, welche letztendlich dazu füh-ren sollte, dass Banken ihre Rolle mehr auf die eines Finanzintermediärs reduzieren, statt als Endinvestor zuagieren, während z. B. institutionelle Investoren ihr Anlageuniversum diversifizieren. Die Notwendigkeit einer sol-chen Entwicklung wurde von vielen Marktteilnehmern in den vergangenen Jahren erkannt, so haben viele Ban-ken und Versicherungen in Kooperation an Loan Funds gearbeitet, die es Banken ermöglichen sollten, Teile ihrerKreditrisiken unter angemessenem Risikoselbstbehalt an Versicherungen auszulagern und gleichzeitig den Zu-gang für Versicherungen zu einer neuen Asset-Klasse zu öffnen. Dieser Trend wird sich mit der Novelle der Anla-geverordnung für Versicherungen vom 3. März 2015 sicher weiter beschleunigen, mit der das zulässige Anlage -spektrum nun alle Fondstypen nach dem KAGB sind und generell der Zugang zu kollektiven Anlageformen erleichtert wird.

Abbildung 39: Ertragssituation deutscher Banken

400

300

200

100

0

1990

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Revenues

400

300

200

100

0

1990

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Expenses

Interest Fees Financial Dividends Other operating Interest Fees Financial Administrative Other operating

Note: in billions of Euro.

Quelle: (Kötter, 2013)

Volkswirtschaftlich ist die Reallokation von Kreditrisiken neben potenziellen günstigen Auswirkungen auf Fremd-kapitalkosten gleich aus mehreren Gründen sinnvoll. Zum einen bedeutet eine Krise des Bankensystems dannnicht notwendigerweise erhebliche Einschnitte in der Kreditversorgung der Realwirtschaft, wie das z. B. 2009 derFall war, zum anderen sind Banken auch in vielen Fällen nicht die richtigen Finanzierungspartner, was insbeson-dere für innovative Start-up-Unternehmen gilt. Aus regulatorischer Sicht wäre eine solche Entwicklung ebenfallszu begrüßen, schließlich ist es ja das Kernziel von Basel III, Risikokonzentrationen in Bankbilanzen und in derBankenindustrie auf ein Maß zu reduzieren, das das vom Bankensektor ausgehende Systemrisiko beherrschbarmacht.

Wir wollen die sich durch Regulierung und das aktuelle ökonomische Umfeld bzw. die aktuelle Notenbankpolitikergebenden Auswirkungen am Beispiel des Zusammenwirkens von Niedrigzinsumfeld und Liquidity CoverageRatio im Hinblick auf die aktuelle durchschnittliche Bilanzstruktur von Banken in Deutschland genauer untersu-chen. Wir haben bereits erwähnt, dass Banken ihren A-Depots nur dann Assets mit höheren Renditen hinzufügenkönnen, wenn die Nebenbedingung LCR > 100% erfüllt ist. Einschränkend muss gesagt werden, dass die LCR bisAnfang 2019 schrittweise implementiert werden muss, aber wir werden zeigen, dass die durchschnittliche Bank-bilanz in Deutschland bereits heute (Stand März 2015) die durch die LCR vorgegebene Nebenbedingung vollum-fänglich erfüllt.

Unsere Konstruktion der durchschnittlichen Bilanzstruktur einer deutschen Bank basiert auf den aggregiertenBankstatistiken, welche die Deutsche Bundesbank auf Monatsbasis publiziert. Die verwendeten Daten befindensich in Anhang 2. Voraussetzung für eine Aggregation der Daten individueller Banken zu einer einheitlichen Bilanz ist eine Standardisierung von Rechnungslegungsmethoden und der Darstellung der Bilanzstrukturen indi -vidueller Institute, welche von der Bundesbank in diesem Kontext vorgenommen wird. Diese Standardisierungführt zu dem Nachteil, dass es an einigen Stellen an Detailgenauigkeit fehlt, z. B. kann das Fälligkeitsprofil vonFixed-Income-Wertpapieren aus den Daten nicht abgelesen werden. Zur Durchführung unserer Berechnungen ergänzen wir die aggregierten Bilanzdaten um Annahmen, welche wir aus dem Quarterly Financial Report derCommerzbank AG für das erste Quartal 2015 (vgl. Anhang 1) entnommen haben.

Die verwendeten Daten wurden von der Deutschen Bundesbank im Mai 2015 publiziert und beziehen sich aufden März 2015. Die Grundlagen dieser Daten basieren auf Berichtspflichten der deutschen Banken im Hinblickauf ihre Bilanzstrukturen auf Monatsbasis. Es werden von den Banken Informationen über 21 Aktiv- und 23 Passivpositionen bereitgestellt, welche dann zu der in Anhang 1 dargestellten Bilanz aggregiert werden. In die -ser aggregierten Bilanz sind die beiden Positionen „Debt Securities and other fixed Interest Securities“ sowie „Shares and other variable Yield Securities“ von besonderem Interesse, da sie die wesentlichen Komponenten der Investments auf eigene Rechnung der Banken abdecken. Allerdings müssen diese beiden Positionen für un-sere Zwecke in ihre Komponenten aufgespalten werden, wozu wir die in Abschnitt 10 der Monatsberichte bereit-gestellten Informationen nutzen. Für die sich daraus ergebende aggregierte Bilanz teilen wir die Größe dereinzelnen Positionen durch die Anzahl der Banken, welche eine Berichtspflicht haben (1.804 Institutionen, StandMärz 2015), und erhalten damit die nachfolgende Bilanz, die Grundlage unserer weiteren Berechnungen ist:

67

68

Es ist nicht überraschend, dass mit 658,56 Millionen Euro gegenüber 119,45 Millionen Euro die Fremdkapital -instrumente bei Weitem das Volumen von Investments in Beteiligungen dominieren. Interessanter ist ein genaue-rer Blick auf die Position „Other Assets“, welche mit 675,13 Millionen Euro eine beachtliche Größe hat undgleichzeitig stark gewachsen ist, ausgehend von einem Volumen von 110,88 Millionen Euro im Jahr 2007. DieMehrheit der unter „Other Assets“ subsumierten Positionen besteht aus Derivaten, welche dem Treasury derBank zuzuordnen sind (550,04 Millionen Euro). Auch wenn keine Detailinformationen über die Zusammenset-zung des Derivateportfolios zur Verfügung stehen, so ist es doch eine plausible Annahme, dass diese gestiegenenAktivitäten dem Risikomanagements der Bank zuzuordnen sind.

Abbildung 40: repräsentative Bilanz deutscher Banken im März 2015

Aktiva (in EURm) 4.558,58 Passiva (in EURm) 4.346,17 Cash in Hand 8,59 Liabilities to Banks (MFIs) 1.021,21 Balances with Central Banks 64,12 Liabilities to Non-Banks (non-MFIs) 1.857,31 Treasury Bills and Treasury Discount Paper 1,77 Sight and Time Deposits 1.484,76 Bills 0,32 Saving Deposits 339,91 Unsecuritised Lending to Banks (MFIs) 1.148,22 Bank Savings Bonds 32,63 Unsecuritised Lending to Non-Banks (non-MFIs) 1.766,00 Securitised Debts 648,74 Debt Securities and other fixed Interest Securities 658,56 of which: Debt Securities in Issue 585,24 Bank Debt Securities (domestic) 197,59 of which: Money Market Paper in Issue 62,63 of which: Maturity of up to (incl.) 2 Years 3,02 Fiduciary Liabilities 30,33of which: Maturity of more than 2 Years 194,57 of which: Fiduciary Loans 23,73 Public Debt Securities 140,21 of which: Securities issued on fiduciary Basis 0,42 of which: Issued by Federal Governments and its special Funds 17,24 Value Adjustments 4,25Corporate Debt Securities (non-MFIs) 27,84 Provisions for Liabilities and Charges 35,48Bank Debt Securities (foreign) 126,82 Subordinated Liabilities 41,59Bonds and Debt Securities issued by foreign Non-Banks 155,22 Participation Rights Capital 6,52Money Market Paper 10,87 Fund for general Banking Risks 40,85Shares and other variable Yield Securities 119,45 Other Liabilities 659,89 Shares (incl. Participation Certificates) (domestic) 21,90 of which: Trading Portfolio Derivatives 550,04 of which: Shares issued by Banks (MFIs) 0,98 Mutual Fund Shares, other Securities (domestic) 72,61 of which: Mutual Fund Shares issued by Banks (MFIs) 0,23 Total Equity (in EURm) 212,41Shares, mutual fund shares and other securities (foreign) 24,93 of which: Subscribed Capital 58,34 Participating Interests 20,68 of which: Reserves 154,06 Shares in affiliated Enterprises 50,64 Fiduciary Assets 30,33 of which: Fiduciary Loans 23,73 of which: Securities held on fiduciary Basis 0,48 Tangible Assets 14,76 Other Assets 675,13 of which: Trading Portfolio Derivatives 550,04 Memo Item: Rediscount Credit 0,33 Memo Item: Sureties 127,94 Balance Sheet Volume 4.558,58 Balance Sheet Volume 4.558,58

Repräsentative Bankbilanz, Stand März 2015

Quelle: Göhring, 2015

Folgende Annahmen und Informationen wurden bei der Berechnung benutzt:

High Quality Liquid Assets (HQLA)

• Für die Kategorien Bargeld (Cash in Hand) und Einlagen bei der Zentralbank (Balances with Central Banks)sowie Treasury Paper, Treasury Discount Paper und Bills werden 100% ihrer Nominalvolumina auf die HQLAangerechnet. Bei den letzten drei Kategorien ist eine genauere Analyse auch aufgrund der vernachlässigbarenGröße nicht notwendig

• Schuldinstrumente, welche von Banken emittiert wurden (Bank Debt Securities), werden von unserer Betrach-tung ausgeschlossen, da sie nicht zulässig sind als Level-1- und -2A-Aktiva. Selbst wenn solche Wertpapiereals Level-2B-Aktiva klassifiziert würden, würde dies für unsere Berechnungen keine Rolle spielen, da das Ge-samtvolumen von Level-2B-Assets auf der Bankbilanz den für diese anwendbaren Cap von 15% übersteigt

• Für die Kategorie der öffentlichen Schuldverschreibungen (Domestic Public Debt Securities) kann, sofern sievon einer EU-Zentralregierung emittiert wurden, der Status von Level-1-Aktiva und damit ein Haircut von 0%angenommen werden. Für regionale Emittenten, wie z. B. deutsche Bundesländer, kann lediglich dann eineZuordnung zu Level 1 angenommen werden, wenn ein regulatorisches Risikogewicht von 0% zur Anwendungkommt, andernfalls erfolgt eine Zuordnung zu Level 2A. Auch wenn damit u. a. die von einigen deutschenBundesländern emittierten Schuldverschreibungen der Kategorie Level 2A zugeordnet werden mit einem da-raus resultierenden Haircut von 15%, so ist dieser Effekt aufgrund des relativ kleinen Anteils regionaler Emit-tenten (12,29%) am Gesamtvolumen öffentlicher Schuldverschreibungen vernachlässigbar

• Die Klassifizierung von Schuldverschreibungen, die von Unternehmen emittiert wurden, die nicht der Finanz-branche zuzuordnen sind (Corporate Debt Securities/non-MFIs), unterliegt einer Reihe von Unsicherheiten.Unter den Voraussetzungen, dass für eine Schuldverschreibung ein Emissionsvolumen von mindestens 250Millionen Euro und eine maximale Laufzeit von zehn Jahren vorliegt, kann bei einem Mindestrating von AA–eine Klassifizierung als Level-2A-Instrument erfolgen. Ein Mindestrating von BBB– lässt noch eine Zuordnungzu Level 2B zu. Die von uns verwendeten Statistiken der Deutschen Bundesbank enthalten keine Ratingvertei-lungen der von Banken gehaltenen Schuldverschreibungen von Unternehmen. Allerdings liegt das durch-schnittliche Rating europäischer Corporates bei BBB und eine Studie der EZB (European Central Bank, 2012)gibt die durchschnittliche Laufzeit ausstehender deutscher Unternehmensschuldverschreibungen für das Jahr2011 mit 4,8 Jahren an. Aus diesem Grunde klassifizieren wir die Position „Domestic and Foreign CorporateDebt Securities“ als Level-2B-Assets und adjustieren deren Wert durch Anwendung eines Haircuts von 50%.Für Geldmarktpapiere (Money Market Paper) wählen wir dieselbe Vorgehensweise und wenden einen Haircutvon 50% an. Unabhängig davon ist der Anteil von Geldmarktpapieren mit durchschnittlichen 0,24% vernach-lässigbar

• Beteiligungsinstrumente (Shares and other Variable Yield Securities) können entweder als Level 2B Assets oder gar nicht in den HQLA berücksichtigt werden. Beteiligungsinstrumente, welche von Finanzinstitutionenemittiert wurden, sind nicht für die HQLA zulässig, die anderen ordnen wir den Level-2B-Aktiva zu mit einemanwendbaren Haircut von 50%

5.1.1 Berechnung der durchschnittlichen Liquidity Coverage Ratio für deutsche Banken

69

70

Erwartete Zahlungsmittelabflüsse

• Da in den Statistiken der Deutschen Bundesbank die Fälligkeiten der Verbindlichkeiten nicht im Detail darge-stellt sind, legen wir die Fälligkeitsprofile der Commerzbank unseren Betrachtungen zugrunde (vgl. Anhang 1).Die aufgeführten täglichen Verbindlichkeiten werden zu 100% berücksichtigt, während wir für diejenigen, diein maximal drei Monaten fällig werden, annehmen, dass 50% eine Fälligkeit in maximal 30 Tagen haben undsomit LCR-relevant sind

• Dementsprechend haben Verbindlichkeiten gegenüber Banken (Liabilities to Banks/MFIs) eine Abflussrate von100%, falls die Dauer bis zur Fälligkeit maximal 30 Tage beträgt, andernfalls fließen sie in die Betrachtungnicht ein

• Für Verbindlichkeiten gegenüber Nichtbanken (Liabilities to Non-Banks/non-MFIs) muss zwischen stabilen und weniger stabilen Einlagen von Privat- sowie kleineren und mittleren Unternehmenskunden unterschieden werden. Für stabile Einlagen wird im LCR-Stressszenario eine Abflussrate von 5% angenommen, für wenigerstabile 10%. Allerdings wird eine solche Differenzierung in den Statistiken der Deutschen Bundesbank nichtvorgenommen, sodass wir den konservativen Ansatz wählen und eine Abflussrate von 10% annehmen

• Sparbriefe (Savings Deposits and Bank Savings Bonds) weisen gewöhnlich eine Kündigungsfrist von drei Monaten auf und haben somit auf die LCR-Berechnung keinen Einfluss

• Für verbriefte Schuldinstrumente (Securitised Debt) gilt eine angenommene Abflussrate von 100%, allerdingsnur für die, die eine Fälligkeit in maximal 30 Tagen aufweisen

• Für Treuhandkonten (Fiduciary Liabilities) gilt eine Abflussrate von 100%, allerdings sind sie mit einem Anteilvon 0,70% der Passiva oder 30,33 Millionen Euro irrelevant

• Für Zinsderivate nehmen wir Fälligkeiten in über 30 Tagen an, während wir für FX- und andere Derivate Fällig-keiten in bis zu 30 Tagen annehmen

Erwartete Zahlungsmittelzuflüsse

• Wir analysieren alle relevanten Zahlungsflüsse, welche in einem Zeithorizont von bis zu 30 Tagen wirksamwerden

• Wir legen die Fälligkeitsprofile der Commerzbank zugrunde und berücksichtigen alle täglichen Fälligkeiten und 50% der Fälligkeiten in bis zu drei Monaten

• Für Fälligkeiten, welche nicht spezifiziert sind, nehmen wir einen Zufluss von 20% an (vgl. (Commission, 2014, S. 7)

Zusammenfassend erhalten wir damit:

Aus einem durchschnittlichen Ergebnis von ca. 113% zum Ende des ersten Quartals 2015 ergibt sich, dass derDurchschnitt der deutschen Banken die Liquidity Coverage Ratio bereits jetzt zu 100% erfüllt statt zu 60%, wieim Jahr 2015 gefordert. Dieses Ergebnis harmoniert auch mit den Resultaten einer Bundesbankstudie aus demJahre 2013 (vgl. Deutsche Bundesbank, 2013), in der zwei Gruppen von Banken untersucht wurden. Eine Gruppeerzielte einen durchschnittlichen LCR-Level von 99,7% und die zweite einen von 129,5%.

Depot-A-Performance

Für die in den nachfolgenden Berechnungen verwendeten Datengrundlagen und -quellen verweisen wir auf Anhang 1. Wir stellen ohne Quellenangaben in den folgenden Tabellen die verwendeten Zahlen für die verschie-denen Portfoliokomponenten dar und aggregieren sie zu Performancezahlen für das Gesamtportfolio für dieJahre 2005, 2010 und 2014.

71

Liquidity Coverage Ratio – Zusammenfassung März 2015 Stock of HQLA* 265,54Level 1 Assets 197,78Level 2A Assets 14,65Level 2B Assets 156,09Expected Cash Outflows 940,23Liabilities to Banks (MFIs) 592,67Sight and Time Deposits 101,55Saving Deposits 0,00Bank Savings Bonds 0,00Securitised Debts 32,50Fiduciary Liabilities 30,33Value Adjustments 0,00Provisions for Liabilities and Charges 0,00Subordinated Liabilities 0,00Participation Rights Capital 0,00Fund for general Banking Risks 0,00Other Liabilities 0,00of which: Trading Portfolio Derivatives 183,18Expected Cash Inflows 871,52Unsecuritised Lending to Banks (MFIs) 761,88Unsecuritised Lending to Non-Banks (non-MFIs) 66,12of which: No maturity given 43,52 Liquidity Coverage Ratio** 112,97%

* HQLA nach Berücksichtigung der Caps von 15% bzw. 40%** LCR nach Berücksichtigung eines minimalen Abflusses von 25% der gesamten erwarteten Abflüsse

Tabelle 5: Berechnung der durchschnittlichen Liquidity Coverage Ratio für deutsche Banken

Quelle: Göhring, 2015

72

Cash and Cash Equivalents

Fixed Income Securities

Equity-linked Securities

Cash and Cash Equivalents Yield 2005 Yield 2010 Yield 2014

Cash in Hand + 0.00% + 0.00% + 0.00%

Balances with Central Banks + 1.02% + 0.25% – 0.09%

Total Return + 0.08% + 0.02% – 0.01%

Tabelle 6: Yield Overview – Cash and Cash Equivalents

Fixed Income Securities Yield 2005 Yield 2010 Yield 2014

Treasury Bills and Treasury Discount Paper + 3.17% + 2.43% + 1.03%

Bills + 3.17% + 2.43% + 1.03%

Bank Debt Securities (domestic) + 3.05% + 2.66% + 0.89%

Public Debt Securities + 3.17% + 2.43% + 1.03%

of which: Issued by FederalGovernments and its specialFunds + 3.17% + 2.43% + 1.03%

Corporate Debt Securities (Non-MFIs) + 3.70% + 4.03% + 2.95%

Bank Debt Securities (foreign) + 3.72% + 3.00% + 1.72%

Bonds and Debt Securities issuedby foreign Non-Banks - 0.17% + 6.42% + 3.83%

Money Market Paper + 2.09% + 0.44% + 0.10%

Total Return + 2.46% + 3.58% + 1.84%

Tabelle 7: Yield Overview – Fixed Income Securities

Equity-linked Securities Yield 2005 Yield 2010 Yield 2014

Domestic Shares(incl. Participation Certificates) + 27.07% + 16.06% + 2.65%

of which: Shares issued by Banks + 38.72% - 10.22% - 15.79%

Domestic Mutual Fund Shares,other Securities + 27.07% + 16.06% + 2.65%

Shares, mutual Fund Shares andother Securities (foreign) + 7.56% + 9.55% + 2.93%

Total Return + 23.09% + 14.49% + 2.56%

Tabelle 8: Yield Overview – Equity-linked Securities

Quelle: Göhring, 2015

Quelle: Göhring, 2015

Quelle: Göhring, 2015

Performance-Berechnung

Wir stellen also fest, dass die durchschnittliche Performance des Depot-A-Portfolios von ca. 5,2% im Jahre 2005auf ca. 1,8% im Jahre 2014 gesunken ist. Auch wenn klar ist, dass dies ein erheblicher Ertragseinbruch für Ban-ken ist, welche ja traditionell in ihrem Depot A eine Kombination der Anlageziele Liquidität, angemessener Ergeb-nisbeitrag sowie Risikodiversifikation verfolgen, muss natürlich auch berücksichtigt werden, dass im Niedrigzins- umfeld und aufgrund der Geldpolitik der EZB die Refinanzierung erheblich günstiger geworden ist, was einen Teilder zurückgegangenen Renditen kompensiert. Auf der anderen Seite müssen die Banken eine Bilanzpolitik betrei-ben, welche in Zukunft auch eine Erfüllung der ALM-Kennziffer Net Stable Funding Ratio (NSFR) sicherstellt. Hierwerden Zahlungsströme der Aktiv- wie Passivseite unter einem einjährigen Stressszenario auf erforderliche undverfügbare Refinanzierung geprüft. Somit führt die LCR tendenziell zu einem höheren Anteil von Aktiva mit nied-rigeren Renditen, was durch das gegenwärtige Zinsumfeld noch massiv verstärkt wird, und die NSFR gleichzeitigzu höheren Refinanzierungskosten.

73

Total Portfolio Yield 2005 Yield 2010 Yield 2014

Cash and Cash Equivalents + 0.08% + 0.02% - 0.01%

Fixed Income Securities + 2.46% + 3.58% + 1.84%

Equity-linked Securities + 23.09% + 14.49% + 2.56%

Total Portfolio Return + 5.22% + 4.82% + 1.78%

Tabelle 9: Total Portfolio Return Calculation

Quelle: Göhring, 2015

5.1.2 Kosten der Liquiditätsreserve

74

Funds Transfer Pricing (FTP) ist ein bankinternes Verfahren, um Refinanzierungskosten zu bestimmen. Bei diesemVerfahren wird der Transfer von Zahlungsmitteln innerhalb der Bank als interner Vertrag zwischen dem FundingCenter (Treasury) und den Profit Centers modelliert. Die Profit Centers behalten in diesem Modell die Zahlungenvon Kunden nicht ein, sondern verkaufen sie an das Funding Center weiter, das die Refinanzierung am Geld- undKapitalmarkt vornimmt. Fast alle Bankprodukte haben Einfluss auf die Liquiditätssituation. Banken stellen denKunden traditionell „Liquiditätsoptionen“ zur Verfügung. Dies kann sowohl bei den Aktiva (Liquiditätsverbrau-cher, z. B. Kreditlinien) geschehen als auch bei den Passiva (Liquiditätsversorger, z. B. Spareinlagen). Produktab-hängig wird also Liquidität generiert oder verbraucht und eventuell werden Liquiditätsrisiken in die Bankhineingebracht (vgl. Heidorn und Schmaltz, 2009).

Nachfolgendes Beispiel zeigt die Kosten der notwendigen Liquiditätsreserve auf Basis interner Fund-Transfer-Preise einer großen europäischen Bank auf Basis von Daten vom 26. September 2014:

Das Beispiel zeigt, dass die Liquiditätsreserve eine „Cost of Carry“ (Refinanzierungskosten übersteigen die Ren -diten der Aktiva) generiert. Insbesondere Level-1- und Level-2A- und mit Abstrichen auch Level-2B-Assets beste-hen aus Wertpapieren, für die eine hohe strukturelle Nachfrage am Markt besteht und die deswegen niedrigeund zum Teil auch negative Renditen aufweisen. Zum einen schafft die EZB im Kontext von QE und ihren diver -sen Kaufprogrammen eine erhöhte Nachfrage nach Staatsanleihen, Pfandbriefen und aufgrund von ABSPP sogarnach Senior-Tranchen von Verbriefungen. Zum anderen benötigen Banken und andere Finanzinstitutionen auchdie Wertpapiere, welche für die Erfüllung der LCR zulässig sind, für andere Zwecke, wie z. B. als Collateral im

Abbildung 41: Kosten der Liquiditätsreserve auf Basis von internen Verrechnungspreisen

EZB

@ aktueller*Zinssatz= – 20 bp

4,5 bn

0 bn

17,1 bn

EZB

Einl

age @ aktueller*

Zinssatz= – 20 bp

Liqu

ide

Akt

iva

@ aktueller*interner FTP

= EONIA∼ 0,00 bp

@ aktueller*interner FTP= 1 m Passiv-kurve ∼ 2 bp

40,5 bn

5,3 bn

3,5 bn

@ aktueller*interner FTP

= mix 1–12 mPassivkurve

∼ 29 bp

Sich

t-ei

nlag

enSa

ving

sde

p.Co

m. T

erm

Dep

.

12,8 bn@ aktuelle*

Kosten∼ 32 bp

62,1 bn

@ gegenwärtiger*Durchschnitt∼ 10,0 bp

@ aktueller*interner FTP= 3 m Passiv-kurve ∼ 9 bp

STW

hole

sale21,6 bn

@ gegenwärtiger*Durchschnitt∼ –0,04 bp

* Daten per 26. September 2014

Aktiva Liquiditäts-Reserve* Passiva

Derivategeschäft, und zwar sowohl für Central Clearing Counterparties als auch für bilateral gecleartes Geschäftauf Basis eines sog. Margin Agreement (z. B. ISDA Credit Support Annex). In gegenwärtigen Risikomanagement-strategien werden oft Eigenkapitalunterlegungen in Collateral-Anforderungen transformiert („Collateral is thenew Capital“), was zunehmende Nachfrage schafft und damit dann die Renditen für akzeptable Sicherheitendrückt. Auf dieser Basis wird auch aufgrund potenzieller Margin Calls eine Korrelation zwischen steigenden Vola-tilitäten von Marktpreisen und Nachfrage nach genau diesen zulässigen Sicherheiten geschaffen und damit dasRisiko von sog. „Shortages of Collateral“ erhöht.

Banken managen die Aktiva ihrer Bilanz, die als Sicherheiten für Repo- und Derivategeschäft und/oder für die Liquiditätsreserve zulässig sind, unter nachfolgenden Rahmenbedingungen.

Zusammenfassend lässt sich sagen:

• Banken betreiben ein umfangreiches Securities-Finance- und Derivategeschäft

• Durch Markttrends und regulatorische Veränderungen (EMIR, Dodd-Frank Act, etc.) wächst der Anspruch anbesichertes Geschäft

• Hieraus entsteht hoher Bedarf an Wertpapiersicherheiten (Collaterals); die Großbanken unterhalten dafür Portfolios im zweistelligen Milliarden-Euro-Bereich

• Diese Collaterals sind unterschiedlichen Geschäftstypen zugeordnet, die wiederum aus verschiedenen Collateral-Pools bedient werden

• Beispiele für diese Sicherheitenportfolios sind EZB, Triparty-Agenten, GC Pooling, KAGplus, Futures-Börsen,CCP und bilaterale Geschäfte

• Mit jeder dieser Plattformen sind verbunden:– spezifische Geschäftsarten– Anforderungen an den Typ des akzeptablen Collateral und dessen Anrechnung (Haircut)

• Die Wertpapiere, die als Sicherheiten für o. g. Zwecke akzeptabel sind, haben eine große Übereinstimmung mit den Wertpapieren, die für die Erfüllung der LCR zulässig sind, und sie sind gleichzeitig auch Ziele diverserAnkaufprogramme der EZB

• Die Wertpapiere, die für o. g. Zwecke akzeptabel sind, gehören gleichzeitig auch zum Core-Investmentuniver-sum großer institutioneller Investoren, wie z. B. Versicherungen

Durch die hohe strukturelle Nachfrage sind somit die Renditen für Level 1 und Level 2 Assets sehr niedrig. Fallsdie Liquiditätsquote mindestens 100% beträgt und die Summe der Marktwerte aus liquiden Level-1- und -2-Ak-tiva größer als die Nettoabflüsse in maximal 30 Tagen ist, dann ist der darüber hinausgehende Depot-A-Bestandfrei gestaltbar. Da die durchschnittliche Bank im Moment einen LCR-Level von ca. 113% hat, ist der wesentlicheAnteil des Depots A ohne bilanzpolitische Maßnahmen durch die Liquiditätsreserve determiniert. Der überwie-gende Teil der Anlagevolumina im Depot A liegt in Renten- bzw. Geldmarktpapieren, welche in eine der beidenKategorien Level 1 und Level 2 fallen. Die Aktienquote und der Immobilienbestand sind meist unterhalb von 5%und Genussscheine, Rohstoffe, Private Equity etc. sind lediglich geringfügige Beimischungen. Sondervermögensind oftmals Bestandteil des Depots A und können maximal zu 85% auf die Liquiditätsreserve angerechnet wer-den, falls sie ausschließlich aus Level-1- und Level-2A-Aktiva bestehen. Dies macht eine Prüfung und ggf. Anpas-sung der Fondsrichtlinien notwendig, soweit die Nutzung dieser Bestände für die Berechnung der LCR-Kennziffervorgesehen ist.

Die Nutzung von Derivaten zur Risikosteuerung ist gestiegen. Der bisherige OTC-Derivate-Markt wird sich auf -teilen in standardisierte Derivate (CCPs, weniger flexibel) und nicht standardisierte Derivate (OTC, flexibel). Fürstandardisierte Derivate sinken die EK-Anforderungen, aber die Anforderungen an die Qualität von Sicherheiten

75

76

steigen. Insgesamt verteuern sich Finanzdienstleistungen, die von Handelsbuchinstituten im OTC-Bereich erbrachtwerden, durch Neuregelungen, die sich aus BCBS 265 (Fundamental Review of the Trading Book) ergeben.

Die aufgrund des hohen strukturellen Nachfragedrucks niedrigen Renditen der Wertpapiere, die den Löwenanteildes Depots A ausmachen, dürften durch in Zukunft anstehende regulatorische Änderungen weiter sinken. Derneue Standardansatz für Kreditrisiken impliziert z. B., dass Risikogewichte für Banken und Unternehmen künftigvon zwei Faktoren statt externen Ratings abhängig sind. Die Mehrzahl der großen Banken bzw. Unternehmen inEuropa befindet sich im Ratingsegment A bis BBB+ bzw. BBB+ bis BBB–. Durch den neuen Standardansatz wer-den sich die Refinanzierungskosten von Banken und Unternehmen mehr differenzieren und die relativen Renditenfür gute Risiken weiter sinken.

Vor der Krise haben zahlreiche deutsche Banken sog. Kreditersatzgeschäft betrieben und in diesem Rahmengroße Portfolios an Asset Backed Securities und zum Teil kapitalgarantierten Exposures zu weiteren Asset-Klas-sen, wie z. B. Hedgefonds, aufgebaut. Bis heute sind in den Banken sog. „Non Core Asset Units“ mit dem Abbaudieser Wertpapiere beschäftigt. Für Aktivitäten ähnlicher Art gibt es auf mittlere Sicht keinen regulatorischenSpielraum.

Bei einer durchschnittlichen Höhe der LCR von 113% gibt es auch nur einen geringen Freiheitsgrad, um im Depot A in Wertpapieren mit höheren Renditen zu investieren. Um hier mehr Freiraum zu haben, müsste durch bilanzstrategische Maßnahmen der Abfluss an Zahlungsmitteln verringert bzw. der Zufluss erhöht werden. Da die Anrechnung des Letzteren auf 75% der Abflüsse beschränkt ist, was bei der durchschnittlichen Bankbilanzbereits der Fall ist, liegt es nahe, sich auf Ersteres zu konzentrieren. Hier wiederum bietet es sich an, die Verbind-lichkeiten gegenüber Banken weiter zu reduzieren, was auch aus Gründen der Net Stable Funding Ratio erforder-lich ist. Neben den Auswirkungen auf die Refinanzierungskosten muss allerdings berücksichtigt werden, dass dieMöglichkeiten auch hier limitiert sind. So ist u. a. eine strategische Verlagerung hin zu mehr Einlagen von Privat-und Firmenkunden aufgrund eines sehr kompetitiven Bankenmarktes in Europa nicht so ohne Weiteres möglich.Aber selbst wenn eine Umgestaltung der Passivseite, welche die Abflüsse im Sinne des LCR-Stressszenarios signi-fikant reduzieren würde, möglich wäre, unterlägen die daraus resultierenden Möglichkeiten für andere Asset Allo-cations im Depot A zahlreichen weiteren Nebenbedingungen, welche durch das nachstehende lineare Programmformalisiert werden können (Schmaltz, 2014).

Tabelle 10: lineares Programm mit Nebenbedingungen aus der CRR

max

8% ⋅

3% ⋅

100% ⋅

i∈ {CT1, CT2 }(mi ⋅ Xi – ai ⋅ IIXi – Xi

InitialII) Σ Σ

i∈A & OBSΣ

i ∈LΣ

i∈A & OBSΣ

i∈A & OBSΣ

( 1 – hci ) ⋅ Xi + 100% ⋅ i ∈ANRΣ

i ∈AΣ

xi i

Ci ⋅Xi (ObjF )

(CR )

(LR )

(NSFR )

(LCR )

(BSEqual )

≤

≤

≤

≥

=

CT1 + CT2

CT1

rwi ⋅Xi

rsfi ⋅Xiasfi ⋅Xi

i ∈ L & OBSΣ outi ⋅Xiini ⋅Xi

Xii ∈LΣ Xi

100% ⋅Xi

i∈ARΣ 100% ⋅

–

Dabei haben die Symbole in der Zielfunktion (ObjF) die nachstehend erläuterte Bedeutung:

• Xi: Volumen des Geschäftstyps i• mi: Profitabilitätsmarge des Geschäftstyps i• ai: Anpassungskosten zur Expansion/Verkleinerung des Geschäftstyps i• Ci: Kapitalkosten für Kapital des Typs i (Kernkapital/Core Tier 1, Tier 1, Tier 2)• CT1: Tier-1-Kapital• CT2: Tier-2-Kapital

Die Symbole in den Nebenbedingungen (CR, LR, NSFR, LCR, BSEqual) haben folgende Bedeutung:

• A: Aktiva• L: Passiva• R: Reserve• OBS: außerbilanzielle Positionen• AR: Aktiva, welche für die Erfüllung der Liquidity Coverage Ratio zulässig sind• ANR: Aktiva, welche für die Erfüllung der Liquidity Coverage Ratio nicht zulässig sind• ini: Zahlungsmittel-Rückfluss-Rate von Finanzprodukt i im LCR-Stressszenario• outi: Zahlungsmittel-Abfluss-Rate von Finanzprodukt i im LCR-Stressszenario• hci: regulatorischer Haircut der liquiden Aktivposition i• rwi: regulatorisches Risikogewicht von Aktivposition i• rsfi/asfi: erforderliches/verfügbares Funding für Finanzprodukt i

Eine Änderung in der Bankbilanz führt somit zu einer Veränderung des Vektors (X1,…,Xn). Jede strategische Anpassung in der Bankbilanz unterliegt demgemäß multidimensionalen Nebenbedingungen, welche durch Eigen-kapitalanforderungen, Limitierung des Leverage und Liquiditäts- sowie Refinanzierungsgesichtspunkte determi-niert sind. Hinzu kommt, dass dies nur die regulatorischen Rahmenbedingungen der Säule 1 sind, es kommenzahlreiche weitere Aspekte der Säule 2, der ökonomischen Kapitalsteuerung und des immer wichtiger werdendenoptimalen Managements der Sicherheiten hinzu. Erschwerend ist weiter, dass die regulatorischen Reformen beiWeitem nicht abgeschlossen sind. So ergeben sich durch Initiativen wie Fundamental Review of the Trading Book,den neuen Standardansatz für Kreditrisiken, Interest Rate Risk in the Banking Book (IRRBB) und Anforderungenan Bail-in-fähiges Kapital (TLAC, MREL) zahlreiche Unsicherheiten für die künftige Kapitalplanung. Da im gegen-wärtigen Niedrigzinsumfeld höhere Renditen nur mit deutlich erhöhten Liquiditäts- oder Kreditrisiken erzielt wer-den können (vgl. Abbildung 42), stehen Kapital-, Leverage- und Liquiditätsquoten einer Anpassung der strate -gischen Asset Allocation im Depot A im Wege. Vor der Krise wurden regulatorische Anforderungen durch Metho-den des Financial Engineering (Erzielung hoher Ratings, Kapitalgarantien, Einsatz von Liquiditätsfazilitäten etc.)reduziert. Diese Methoden der regulatorischen Arbitrage sind im gegenwärtigen Umfeld nicht möglich. Aus die-sem Grunde sind im Moment keine langfristigen Umschichtungstendenzen in den A-Depots der Banken sichtbarund die Struktur der A-Depots ist mit Blick auf die Liquiditätsreserve weitestgehend determiniert.

77

Das gegenwärtige Niveau des Garantiezinses für Neuverträge deutscher Lebensversicherungen liegt bei 1,25%.Kalkuliert man jedoch den Durchschnitt der Garantiezinsen für die bestehenden Altverträge der deutschen Lebensversicherungsindustrie, so ist, basierend auf Zahlen des GDV, von einem Level von ca. 3,3% auszugehen.Die nachfolgende Grafik setzt die gegenwärtigen Renditen für Wiederanlage von wichtigen Asset-Klassen in Relation zu der durchschnittlichen Höhe der Garantien (Zahlen vom 21. August 2015):

Wir gehen bei unseren folgenden Betrachtungen von der in nachstehender Grafik dargestellten Asset Allocationeines typischen deutschen Lebensversicherers aus. Im Hinblick auf die systemische Verbundenheit unterschiedli-cher Bereiche der Finanzindustrie ist hier hervorzuheben, dass Lebensversicherungsunternehmen einen sehr wich-tigen Beitrag für die stabile und langfristige Refinanzierung der Banken im Sinne der Net Stable Funding Ratioleisten, indem sie einen wesentlichen Anteil ihres gebundenen Vermögens in Pfandbriefen, Bank- und Nachrang-anleihen halten. Hier stellt sich die strategische Frage, ob eine direkte Beteiligung der Versicherungsunternehmenan den von Banken gehaltenen Assets und die damit einhergehende Reduktion der Risiken im Bankensektor undVerbesserung der Diversifikation der Asset Allocation in der Versicherungsindustrie der reinen Refinanzierung derBanken vorzuziehen ist:

5.2 Versicherungen

78

Abbildung 42: Renditekurven wichtiger Asset-Klassen

0 5 10 15 20 25 30

Laufzeit in Jahren

5,00%

4,00%

3,00%

2,00%

1,00%

0,00%

–1,00%

Rend

ite in

Pro

zent

Corporates HY (BB–)

EM Governments BB

EM Governments BBB

Corporates BBB

Corporates A

Corporates AAFinancials A+

AAA Pfandbriefe

Bundesanleihen

EUR Governments AA bis A–

Garantiezins

Quelle: Bloomberg, 2015

EMU Covered

EUR Gov BBB

Das Anlageumfeld für Lebensversicherungen ist also geprägt von mehreren Herausforderungen:

• einem Umfeld mit niedrigen Zinsen

• dem regulatorischen Umfeld, insbesondere Solvency II

• Bedienung der weiterhin hohen Garantieverpflichtungen aus Altverträgen

Es stellen sich folgende Fragen:

1. Welche Optionen haben kapitalschwache und kapitalstarke Versicherungsunternehmen in diesem Umfeld?

2. Wie kann Kapitalanlagepolitik als Instrument zur Solvenzsteuerung dienen?

In den folgenden Betrachtungen orientieren wir uns methodisch an einer Ausarbeitung von Boris Sonntag (2013).Für die Berechnung wurden die Vorgaben der nationalen QIS-6-Studie, sowie die Marktdaten vom 21. August2015 verwendet.

• Die idealtypische Asset Allocation aus Abbildung 43 liefert den Ausgangspunkt für unser Basisportfolio, welches in nachstehender Abbildung 45 den Bezugspunkt darstellt

• Bzgl. der Kapitalunterlegung wurde nur das Marktrisiko und hier das Zins-, Spread-, Immobilien- und Aktienrisiko gemessen

• Die Aufteilung der Position Investmentanteile wurde geschätzt

• Immobilienrisiken wurden ohne Fremdkapitalunterlegung simuliert

• Für die Berechnung des Zinsrisikos wurden vereinfachende Annahmen getroffen:– modifizierte Duration für Aktiv- und Passivseite wurde verwendet (anstatt Einzelcashflows)– Volumen zinssensitiver Aktiva = Volumen zinssensitiver Passiva

79

Abbildung 43: Asset Allocation einer idealtypischen deutschen Lebensversicherung

Sonstiges

Hypotheken

Immobilien

Private Equity

Aktien

Emerging Market Bonds

High Yield Bonds

Unternehmensanleihen

Nachranganleihen

Bankanleihen

Pfandbriefe

Staatsanleihen 17,8 %

28,3 %

19,4 %

2,9 %

8,7 %

1,0 %

1,0 %

2,7 %

1,0 %

3,6 %

6,6 %

7,0 %

ca. 50%

Quelle: BaFin, Boris Sonntag

80

Die nachfolgende Grafik zeigt die Rendite des Basisportfolios (y-Achse) im Verhältnis zur Solvency Capital Re -quirement (x-Achse). Des Weiteren werden die Auswirkungen diverser Asset-Reallokationen auf die Rendite unddie SCR berechnet. Die Grafik zeigt klar und deutlich, dass deutliche Renditesteigerungen nur durch eine Inkauf-nahme von deutlich steigenden Kapitalanforderungen oder durch regulatorische Arbitrage erreicht werden kön-nen. Letzteres bedeutet, dass durch eine Steigerung der Allokation in höher rentierliche Staatsanleihen unterAusnutzung der Risikogewichtung von 0% eine Reduktion der Kapitalanforderung bei gleichzeitiger Steigerungder Rendite erwirtschaftet werden kann:

Im Hinblick auf den Return on Solvency Capital (RoSC) im Vergleich zum Basisportfolio gilt Folgendes.

Positiver RoSC (versus Basis)

• Langlaufende „GIIPS“-Staatsanleihen• Durationsverlängerung

Negativer RoSC (versus Basis)

• Unternehmensanleihen• Deutsche Pfandbriefe• Deutsche Immobilien• Staatsanleihen aus den EMU-Kernstaaten• Durationsverkürzung

2,6%

2,5%

2,4%

2,3%

2,2%

2,1%

2,0%

1,9%

1,8%

7,0% 7,5% 8,0% 8,5% 9,0% 9,5% 10,0%

+10% EMU core bond–2,5% PE

+10% Pfandbriefe

+10% EMU cov.

+10% Italy–10% corp

+10% corpBasic

–5% EMU core bond+5% high yield

+4% Equity +3% PE

–10% Pfandbriefe

–5% France+4% Real E

+2% EMU Nachrang

Abbildung 44: Auswirkung von Allokationsveränderungen für eine typische Lebensversicherung

Somit gelten die nachstehend formulierten Kernaussagen:

• Betreiben Versicherungen Wiederanlage mit unveränderter strategischer Asset Allocation, dann wird die durchschnittliche Rendite der Wiederveranlagung bei nur geringfügig mehr als 2,1% liegen und damit dendurchschnittlichen Level der Garantien erheblich unterschreiten

• Geringfügige Anpassungen der strategischen Asset Allocation können das Problem nicht lösen

• Solvency II begünstigt Anleihen der „GIIPS“-Staaten (Mismatch zwischen ökonomischem und regulato -rischem Risiko)

• Durationsverlängerungen sind im gegenwärtigen Umfeld eine der wenigen Optionen, um den RoSC zu erhöhen. Wir werden unten zeigen, dass eine solche Strategie ebenfalls zu erheblichen Risiken führt, vor allem bei Zinsanstieg

• Unternehmensanleihen führen im aktuellen Marktumfeld aufgrund niedriger Durchschnittsrendite und hoherKapitalbelastung zu schlechtem Return on Solvency Capital. Gleiches gilt auch für deutsche Pfandbriefe

• Eine Differenzierung der Kapitalanlagepolitik wird in der Zukunft durch Einführung von Solvency II zu unter-schiedlichen Strategien von kapitalstarken und -schwachen Versicherern führen

• Für kapitalschwache Versicherungen sind Investments in „GIIPS“-Staatsanleihen und Durationsverlängerun-gen die einzigen beiden Optionen, die im traditionellen Investmentuniversum in großem Volumen umgesetztwerden können

Der geringe Freiheitsgrad, der zur Verfügung steht, hat zur Konsequenz, dass es in der Gewichtung der verschie-denen Asset-Klassen bei Lebensversicherungen in den letzten Jahren keine nennenswerten Verschiebungen gab.Die Zahlen des GDV über die Struktur der Kapitalanlagen der Lebensversicherer zeigen, dass sich zwar von Ende2012 bis Ende 2014 der Anteil der Staatsanleihen um 2% erhöht und der Anteil der Pfandbriefe um 3% reduzierthat und dass die Aktienquote um 0,8% gestiegen ist. Die in Abbildung 45 dargestellten Sensitivitäten zeigenaber, dass die Auswirkungen dieser Umschichtungen marginal sind.

Die Nettoverzinsung der Kapitalanlagen lag zwar in den Jahren 2012–2014 immer bei ca. 4,6%, was allerdingsnur durch Auflösung von Bewertungsreserven realisiert werden konnte.

Falls das Zinsumfeld sich mittelfristig nicht signifikant ändert, dann können wir für den weiteren Ausblick von folgendem Basisszenario ausgehen:

• Versicherungsunternehmen, welche eine starke Kapitalbasis besitzen, werden in Zukunft sicher ihre Kapital -anlagestrategien anpassen, um mit alternativen Risikoprämien zusätzliche Erträge zu generieren. Dies wird in den Kapitalanlagen zum einen Liquiditäts- und Kreditrisiken, aber zum anderen auch die Diversifikation erhöhen

• Viele Versicherer, insbesondere die mit einer schmalen Kapitalbasis, werden allerdings an dem Punkt ansetzen,dass für das Aktiv-passiv-Management von Kapitallebensversicherungen das Zinsänderungsrisiko dominierendist, insbesondere mit Blick auf die Solvabilitätsanforderungen, und sich somit auf das Duration Gap Manage-ment fokussieren

Das Duration Gap ist die Differenz der mittleren Laufzeit der Aktiva und der mittleren Laufzeit der Verbind -lich keiten, und führt im Standardmodell mittels Mktint zu Eigenkapitalanforderungen. Eine Möglichkeit, diese zu reduzieren, stellt die Durationsverlängerung der Aktiva dar. Es ist realistisch, basierend auf einer mittleren Duration der Passiva von 15 Jahren und der Aktiva von acht Jahren, von einem Duration Gap von sieben Jahren auszugehen.

81

82

Eine Strategie ist nun, ein Portfolio aufzubauen, welches dieses Duration Gap vollständig ausgleicht, und diedamit erzielte Eigenkapitalersparnis dann zum Investment in Asset-Klassen mit höheren Renditeerwartungen zunutzen. Wir haben in Anhang 2 ein typisches Beispiel für ein solches Portfolio dargestellt und in nachfolgenderGrafik die Sensitivität dieses Portfolios im Hinblick auf Szenarien mit steigenden Zinsen kalkuliert:

Für die meisten deutschen Lebensversicherungsunternehmen impliziert dieser Weg also den Aufbau von Fixed-Income-Portfolios mit einer Duration von mehr als zehn Jahren und einem durchschnittlichen AA-Rating. Versi-cherungsunternehmen mit beschränkten Möglichkeiten der Kapitalaufnahme werden sich in ihrer Asset Alloca-tion nicht sehr weit von AA-Bonds wegbewegen können und damit Schwierigkeiten haben, ihren Kundenattraktive Verzinsungen zu bieten.

Genau an diesem Punkt setzt die Studie von Feodoria und Förstemann (2015) an. Die Autoren stellen fest, dassdas Zinsänderungsrisiko für Lebensversicherer die bedeutendste Risikoart ist. Wir haben uns in unserer Studie bis-her auf die Wechselwirkungen der neuen regulatorischen Vorgaben mittels Solvency II und dem Nullzinsumfeldfokussiert und insbesondere darauf hingewiesen, dass die Verlängerung der Duration der Kapitalanlagen von Ver-sicherern eine Konsequenz sein wird, insbesondere für die Unternehmen mit schwächerer Kapitalbasis. Feodoriaund Förstemann leiten wiederum aus dieser Entwicklung ab, dass damit das Risiko anhaltend niedriger Zinsendurch das Risiko eines erheblichen Zinsanstiegs ergänzt wird. Versicherungen sind zwar durch den Aufbau einesPortfolios mit langer Duration in der Lage, Eigenkapitalanforderungen unter Solvency II zu reduzieren, und ver-bessern ihre Zinserträge im Hinblick auf die Erfüllung langfristiger Verbindlichkeiten, setzen sich aber gleichzeitig

Abbildung 45: Verteilung des Anlagevolumens auf Länder und Anleihearten

USA

Schweden

Polen

Norwegen

Belgien

Irland

Großbritannien

Spanien

Österreich

Europäische Investitionsbank EIB

Italien

Frankreich

Niederlande

Bundesrep. Deutschland

Staatlich

Gedeckt

Ungedeckt

Geldmarkt

Nachrang

0 2.000.000 4.000.000 6.000.000 8.000.000 10.000.000

Gesamtvolumen: €m 60,5Durchschnittl. Restlaufzeit: 15,4 JahreModifizierte Duration: 11,5Wertänderung bei Zinsschock:von +100 bp: –10,43%von +200 bp: –18,72%

einem steigenden Risiko von Kündigungen ihrer Kunden bei steigenden Kapitalmarktzinsen aus. Das Szenariowäre also ein Run auf die Lebensversicherer, da Kunden ja bei einer Fortführung ihrer Verträge weiter am Portfo-lio der Lebensversicherer partizipieren würden, dessen Rendite aber durch den Altbestand gering verzinster Wert-papiere belastet wäre. Gleichzeitig besitzen die Aktiva der Lebensversicherer durch die gestiegene Laufzeit einehöhere Zinssensitivität, wirken sich in der Solvenzbilanz negativ auf die Kapitalpuffer aus und können auch nurunter Realisierung erheblicher Verluste veräußert werden. Da diese Entwicklung zahlreiche Lebensversicherungenzeitgleich beträfe, wären dieses Szenario und seine erheblichen Auswirkungen wieder den Systemrisiken zuzuord-nen und ein weiteres Beispiel für „Connectedness“ im Finanzsystem.

83

5.3 Nicht regulierte Investoren

84

Aus einem von der UBS veröffentlichten Bericht über die Anlagestrategien von 224 Family Offices weltweit geht hervor, dass 49% ihrer Investments sich in alternativen Anlagen befinden und davon wieder fast die Hälftein Private Equity. Ebenfalls stark vertreten sind Immobilien und Hedgefonds, Letztere wiederum mit Fokus aufLong-Short-Strategien und Trendverfolgungsverfahren. Weitere 26% der Assets bestehen aus Aktien mit globalerStreuung und lediglich 14% sind in Anleihen, ebenfalls mit globaler Streuung, investiert. Damit sind die verfolg-ten Asset Allocations diametral von den Gewichtungen bei Versicherungen und Pensionskassen verschieden. Einsolcher Anlagestil kann nur verfolgt werden bei langen Anlagehorizonten, kleinen Ausschüttungen und Akzep-tanz von geringer Liquidität der Assets under Management. Allerdings hinterlässt auch hier das Niedrigzins -umfeld seine Spuren, so ist die durchschnittliche Rendite im Jahr 2014 auf 6,1% gegenüber 8,5% im Jahr 2013 gesunken.

Eine interne McKinsey-Studie für Führungskräfte sagt für die folgenden Jahre weiter stark wachsende Nachfragenach Alternative Investments voraus und listet die wichtigsten Motivationen für diesen Trend auf, verbunden mitdem Hinweis, dass sie strukturell und nicht zyklisch sind:

• “Diversification from (and disillusionment with) traditional asset classes and products in an era of increased volatility and macroeconomic uncertainty”

• “Evolution in state-of-the-art of portfolio construction (e.g., risk-factor-based asset allocation, tail-risk and volatility management)”

• “Increased focus on specific investment ‘outcomes’ (e.g., inflation protection, long-dated income streams)”

• “Allocations out of ‘desperation rather than desire’, driven by persistent asset-liability requiring a shift to higher-yielding assets”

In jedem Fall zeigt sich, dass die Präferenz für alternative Assets und Strategien bei jenen Investorengruppen vorhanden ist, welche komparative Vorteile haben (z. B. durch Akzeptanz geringerer Liquidität) und aufgrund dessen nach alternativen Risikoprämien suchen können.

Abbildung 46: Effizienz und Investmentstil

Auf dieser Basis lässt sich der Ausdruck „Efficiently inefficient“ verstehen, der in folgendem Zitat gut umschrie-ben wird: “Markets must be in an equilibrium level of inefficiency: reflecting enough information to make it diffi-cult to make money, but not so efficient that no one wants to collect information and trade on it” (Grossman undStiglitz, 1980).

Die Existenz von Marktineffizienzen ist in der akademischen Literatur unumstritten. Es stellt sich aber die Frage,wie ausgeprägt diese Ineffizienzen sind, ob sie also eher theoretischer Natur sind oder auch monetarisiert wer-den können, nach Transaktionskosten also noch (statistisch) signifikante Überschussrenditen zulassen. Letzteresist der Fall, wie wir anhand eines einfachen Beispiels demonstrieren werden.

Dazu betrachten wir eine Trendfolgestrategie („The trend is your friend“), die im Wesentlichen auf Momentum-Effekten beruht, die aus der Literatur bekannt sind. Die Strategie dient lediglich als Proof of Concept – wir ver-zichten also auf Verfeinerungen und Erweiterungen, wie man sie bei einer Umsetzung mit „echtem Geld“ vor -nehmen würde. Insbesondere unterbleibt jegliches Risikomanagement und Hedging. Zudem schichten wir das

Efficient Market Hypothesis Passive investingInefficient Market Active investingEfficiently Inefficient Markets Active investment by those with a comparative advantage

Quelle: Pedersen, L. H.

Market efficiency Investment implications

Portfolio immer nur am Monatsanfang um. Durch diese Einschränkungen können wir die erzielten Überschuss-renditen ausschließlich den Momentum-Effekten zurechnen.

Die betrachtete Strategie ist strikt regelbasiert und damit reproduzierbar. Insbesondere unterbleiben also dis -kretionäre Eingriffe des Portfoliomanagers. Die Strategie ist sehr sparsam parametrisiert, um „backfitting“ zu vermeiden, d. h. die übermäßige Anpassung an historische Daten. Es werden ausschließlich Long-Positionen inDAX-30-Aktien und Long-Positionen in einem Staatsanleihen-ETF (bzw. direkt in Staatsanleihen) als „savenhaven“ gehalten. Diese Instrumente sind äußerst liquide und können jederzeit glattgestellt werden, die anfallen-den Transaktionskosten sind sehr gering. Die Überschussrenditen der Strategie sind also nicht auf Liquiditätsrisi-koprämien zurückzuführen.

Die betrachtete Strategie basiert auf zwei Grundideen. Erstens während steigender Marktphasen in besondersaussichtsreiche DAX-Titel zu investieren, um damit eine Outperformance gegenüber dem DAX zu erzielen. Zwei-tens bei fallenden Märkten in eine Anleihen-ETF zu investieren. Dazu ist es essenziell, Marktumschwünge bzw.Trendbrüche rechtzeitig zu erkennen. (“Have a rule. Always follow the rule, but know when to break it.”) Die Basisstrategie kann variiert und erweitert werden, worauf wir abschließend noch eingehen werden.

Das folgende Schaubild zeigt die Performance (nach Transaktionskosten) der oben skizzierten Strategie (grüneKurve) über die letzten knapp 20 Jahre im Vergleich zum DAX 30 (blaue Kurve) und zum REX-Performance-Index(graue Kurve). Der Wert einer gemäß der Strategie investierten Geldeinheit verneunzigfacht (!) sich etwa überdiesen Zeitraum.

Performance Strategie vs. DAX 30 vs. REXP

Es wird deutlich, dass Abschwungphasen im DAX rechtzeitig erkannt und dadurch weitgehend vermieden wer-den, während in Aufschwungphasen eine Outperformance gegenüber dem DAX erzielt wird. In diesem Zusam-menhang ist bemerkenswert, dass die Marktineffizienzen (also Momentum-Effekte und die darauf basierendeOutperformance) auch Jahre nachdem diese in der akademischen Literatur untersucht wurden, weiter existieren.Es ist also nicht übermäßig optimistisch, anzunehmen, dass Momentum-Effekte auch über die nächsten Jahre zubeobachten sein werden.

In Abbildung 48 werden die monatlichen Gewinne und Verluste (in Prozent) der Strategie dargestellt. Es wirddeutlich, dass die Anzahl der Gewinnmonate die Anzahl der Verlustmonate deutlich übersteigt, was für die Anlegerpsyche nicht unwesentlich ist.

85

Abbildung 47: Performance nach Transaktionskosten

50.0

10.0

2.0

0.5

Valu

e (n

orm

alize

d)

30.01.1996 30.08.2002 30.04.2009 30.06.2015

Index

86

Die folgende Tabelle veranschaulicht die wesentlichen Kennzahlen der Handelsstrategie:

Tabelle 11: Kennzahlen der Handelsstrategie

Unsere Strategie weist also (nach Transaktionskosten) eine deutlich höhere Rendite bei leicht geringerem Risikoauf als der DAX. (Zum Vergleich: Berkshire Hathaway erzielte eine durchschnittliche Rendite von 19,7% über denZeitraum von 1965 bis 2012.) Als Risikomaß eignet sich die Downside Deviation (also die Standardabweichungder negativen Renditen) besser als die Standardabweichung, da Letztere auch positive Renditen berücksichtigt,die allerdings kein Risiko für den Investor darstellen und deshalb nicht in ein Risikomaß eingehen sollten. Ver-gleicht man die Sortino Ratios (also das Verhältnis von Überschussrendite über den risikolosen Zins zur DownsideDeviation) des DAX und unserer Trendfolgestrategie, fällt der Vergleich noch deutlicher zugunsten Letzterer aus:Unter Annahme eines risikolosen Zinssatzes von 5% p. a. erhalten wir Sortino(DAX30) = 19,4% undSortino0(TF1) = 1,41 – ein für eine Strategie mit nur monatlicher Handelsfrequenz beachtlicher Wert.

Das Risiko-Rendite-Profil der vorgestellten Strategie kann durch verschiedene Erweiterungen noch verbessertwerden. Beispiele für Erweiterungen sind:

• Einbeziehung anderer Aktienmärkte und ggf. Asset-Klassen• Eingehen von Short-Positionen• aktives Risikomanagement und Hedging

Abbildung 48: monatliche Gewinne und Verluste (in Prozent)

0.4

0.2

0.0

0

Mon

thly

retu

rns

Month

AVERAGE ANNUAL RETURN 7.9% 25.9%VOLATILITY (ANNUALIZED) 21.9% 30.0%DOWNSIDE DEVIATION 15.2% 14.8%SHARPE RATIO (R=5%) 13.4% 69.6%SORTINO RATIO (R=5%) 19.4% 140.8%BIGGEST MONTHLY LOSS –25.4% –24.3%BIGGEST MONTHLY GAIN 21.4% 42.8%

DAX TF (INCL. TCS)

–0.4

87

88

6 Neue Modellansätze: Connectedness

89

90

Wir haben in unserer Analyse von Banken und Versicherungen an mehreren Stellen hervorgehoben, dass die, u. a. durch Regulierung determinierten, Anlagestrategien in Verbindung mit Geldpolitik und Niedrigzinsumfeld die Connectedness der Finanzinstitutionen und damit auch die Gefahr von Systemrisiken erhöhen.

Systemische Krisen können definiert werden als Ereignisse, welche gleichzeitig eine erhebliche Zahl von Finanz -institutionen oder Marktsegmenten betreffen und damit das reibungslose Funktionieren des Finanzsystems alsGanzes gefährden. Wesentlich für die Charakterisierung von Systemkrisen ist somit die Tatsache, dass nicht nurein Finanzinstitut, Unternehmen oder Marktsegment betroffen ist. Vielmehr ist der Punkt entscheidend, dass eineSystemkrise von Ursachen hervorgerufen wird, welche die Tatsache, dass unterschiedliche Institute oder Märkteähnlichen Risikofaktoren ausgesetzt sind, schlagend werden lässt. Im Umkehrschluss bedeutet dies, dass zurMessung der Gefahr, dass eine Systemkrise ausgelöst wird, das Exposure von unterschiedlichen Institutionen oderMärkten zu gemeinsamen Risikofaktoren mit Konzepten gemessen werden muss, welche über die Messung vonKorrelationen hinausgehen. Offensichtlich sind Finanzinstitutionen verknüpft durch diese gemeinsamen Risikofak-toren, und falls sich diese Risiken materialisieren, gibt es eine Reihe von Übertragungskanälen zu anderen Institu-ten oder Märkten, durch die im schlimmsten Fall eine systemische Krise ausgelöst wird. Dies bedeutet, dass sichsystemische Risiken durch Verknüpfung („Connectedness“) von Institutionen und Netzwerken von Übertragungs-kanälen auszeichnen und damit insgesamt ein Netzwerkphänomen darstellen.

Beispiele für Netzwerkphänomene sind:

• Banken und Versicherungen investieren, u. a. getrieben durch regulatorische Rahmenbedingungen, in ähnlichen Positionen und Asset-Klassen. Die dadurch induzierten Korrelationen können zu einem simul -tanen Schock mehrerer Banken oder Versicherungen führen

• Strategien der Zentralbanken, insbesondere Quantitative Easing, können zu einer hohen Korrelation von wichtigen Asset-Klassen, wie z. B. Aktien oder Bonds, führen. Damit entfällt der Diversifikationseffekt für viele Investoren. Insbesondere sind Fixed-Income- und Aktieninvestoren in einem Schockszenario gleich -zeitig betroffen

• Credit Channel: Falls die Bankenindustrie durch ein systemisches Ereignis betroffen ist und damit die Kapazitätzur Kreditvergabe drastisch sinkt, überträgt sich dieses Schockszenario auf die Realökonomie

• Liquidity Channel: Die Liquiditätsversorgung von Banken durch den Interbankenmarkt verbindet die Banken zu einem komplexen Interbankennetzwerk

• Derivatives Channel: OTC-Derivate und die daraus resultierenden Gegenparteirisiken formen ein Netzwerkkomplexer Handelsbeziehungen zwischen den Banken. Ausfälle oder Bonitätsverschlechterungen von MarketMakern führen über Handelsbuchverluste der Geschäftspartner zur schnellen Verbreitung der Risiken im Finanzsystem

• Zahlungssysteme, Korrespondenzbanken, Settlement-Risiken: Banken haben für Korrespondenzdienstleistun-gen eine sehr komplexe, den Globus umspannende Organisationsstruktur entwickelt, die sich aus einem Netz-werk von Zahlungssystemen, Banken, Intermediären und Depotbanken zusammensetzt. In dieser Struktur istjede Bank abhängig von anderen Banken, Zentralbanken und Zahlungssystemen für die erfolgreiche Abwick-lung von Refinanzierungs- und Settlement-Aktivitäten

• Collateral Channel: Einige Asset-Klassen werden bevorzugt für viele Zwecke nachgefragt, z. B. für die Liquidi-tätsreserve von Banken (Liquidity Coverage Ratio), für Ankaufprogramme der EZB, als Collateral für zentraleGegenparteien oder bilaterales Clearing in Kombination mit einem Margin Agreement (z. B. ISDA Credit Sup-port Annex) bei Derivategeschäften und als Sicherheiten für Repo-Geschäfte zwischen Banken oder von Ban-ken mit der Zentralbank. Die hohe Nachfrage führt in diesen Asset-Klassen zu sehr niedrigen Erträgen unddamit reduziert die Notwendigkeit des Haltens dieser Wertpapiere auf Bankbilanzen die Erträge der Bankenund den Aufbau von Risikopuffern. Gleichzeitig führt ein Anstieg der Volatilitäten in den Märkten zu MarginCalls und zur Reduzierung von Eigenkapitalquoten durch einen Anstieg der risikogewichteten Aktiva, was vieleBanken und andere Marktteilnehmer gleichzeitig betrifft. Sinkende Eigenkapitalquoten und fehlende Liquiditätdurch ein zu geringes Angebot an akzeptablen Sicherheiten können zu einer systemrelevanten Krise führen

• Ungleichgewichte im Finanzsystem: Vor der Finanzkrise haben viele US-Banken die im Überschuss vorhandeneLiquidität zur Kreditvergabe genutzt. Die Existenz von Kreditrisikotransferinstrumenten (Asset Backed Securi-ties und Credit Default Swaps) führte zur Verlagerung der daraus entstehenden Kreditrisiken in deutscheBankbilanzen (Kreditersatzgeschäft). US-Banken hatten durch die hohe Nachfrage zu wenig Eigenkapital -ressourcen bei zu billiger Liquidität, während zahlreiche deutsche Banken durch nicht ausreichend profitable Geschäftsmodelle über unbeschäftigtes Eigenkapital verfügten

• Versicherungen spielen eine wesentliche Rolle bei der Refinanzierung des Bankensektors in Deutschland: un-gedeckte Bankschuldverschreibungen (Marktanteil ca. 20%), Pfandbriefe (ca. 40%), Hybridkapital (ca. 20%).Damit besteht eine wechselseitige Ansteckungsgefahr zwischen dem Versicherungs- und dem Bankensektor

Man kann diese Liste an Beispielen um viele weitere interessante Fälle erweitern. Insgesamt zeigt sich, dass Mes-sung bzw. Monitoring sowie die kausale Beschreibung der Mechanismen wie Konsequenzen von Systemrisiken,die zentralen Aufgaben makroprudentieller Risikomanagementansätze sind. Für den ersten Teil der Aufgabe eig-net sich ein Indikatorenkonzept, während der zweite Teil einen strukturellen Ansatz erfordert, der die Charakteris-tika und Strategien sowie die Netzwerktopologie der Beziehungen wesentlicher Marktteilnehmer hinreichendbeschreibt.

91

6.1 Indikatoren für Connectedness

92

Unabhängig davon, welche Volkswirtschaft oder welcher Finanzmarkt in den letzten acht Jahren betrachtetwurde, muss man fast durchgehend von einer Periode von „Financial Stress“ sprechen. Egal wie Investoren sichaufgestellt hatten, waren sie doch häufig Spielball irrationalen Verhaltens vieler Marktteilnehmer oder massiverZentralbankinterventionen. Das machte sowohl effektives Risikomanagement als auch eine gute Portfolioallo -kation extrem schwierig. Auch wenn in den letzten Monaten einige Fundamentalrisiken deutlich an Gefahren -potenzial verloren haben, bleiben die enorme Liquidität im Markt und die anhaltende Niedrigzinspolitik in derEurozone eine nicht minder schwere Herausforderung.

Anhaltender Stress an den Finanzmärkten kann zudem auch leicht negative Auswirkungen auf die Realwirtschafthaben. Steigende Kreditkosten, zurückhaltende Kreditvergabe und fehlender unternehmerischer Mut für langfris-tige Investitionen sind nur einige Konsequenzen, die Volkswirtschaften auf Jahre belasten können. Die daraus resultierenden verschlechterten Fundamentaldaten belasten zudem Investments im Immobilien- oder realwirt-schaftlichen Bereich.

Für Entscheidungsträger ist es daher wichtig, nicht nur über exzellente Kenntnisse über die Finanzmärkte zu ver-fügen, sondern auch über „harte“ Zahlen, die Risikomanager, Entscheidungs- oder Aufsichtsgremien überzeugenkönnen.

Stress an den Finanzmärkten ist aber dennoch schwierig zu messen und zu definieren, da keine Krise der nächs-ten gleicht. Einige wichtige Aspekte sind aber bei fast allen Krisen zu beobachten.

1. Gesteigerte Unsicherheit über den fundamentalen Wert von Assets Der Fundamentalwert eines Assets ist formal der Barwert aller zukünftigen Cashflows wie Dividenden oder

Zinszahlungen. Unsicherheit über das Ausmaß eines negativen Ereignisses oder über die langfristige volkswirt-schaftliche Entwicklung beeinträchtigt direkt den Diskontierungszins und damit den Wert der Assets. Nebeneiner Flucht in kurzfristige Papiere kommt es zu einem erheblichen Anstieg der Volatilität der Marktpreise.

2. Unsicherheit über das Verhalten anderer Investoren Während in Zeiten normaler Entscheidungsfindung das Verhalten anderer Portfoliomanager zwar interessiert

beobachtet wird, wird die Investitionsentscheidung zum Großteil fundamental begründet. In Zeiten der Unsi-cherheit und der unvollständigen Information steigt die Nervosität. Der Gedanke, dass ein anderer Marktteil-nehmer möglicherweise mehr weiß, verleitet häufig zu irrationalen Verkaufsentscheidungen.

3. Gesunkene Bereitschaft zum Halten riskanter WertpapiereEin übliches Zeichen von gestressten Finanzmärkten ist die Flucht in sichere Häfen. Die Umschichtung vonWertpapieren, deren Risikoprofil in Stresszeiten diskutiert wird, in sichere Anlageklassen wie Bunds ist häufigein Pyrrhussieg, da das geringe Risiko mit Verlusten beim Verkauf und zu hohen Preisen beim Kauf einhergeht.

4. Gesunkene Bereitschaft zum Halten illiquider Wertpapiere Die Anzahl illiquider Wertpapiere nimmt in Zeiten gestresster Finanzmärkte deutlich zu. Die Unsicherheit über

die zukünftige Wertentwicklung und die Flucht in sichere Häfen erzeugen ein Überangebot auf der Bid-Seite,was häufig zur Realisierung entsprechender Buchverluste führt.

Wir sind der Überzeugung, dass sich bei entsprechendem Monitoring der Finanzmärkte viele Verluste, die sichdurch die vorgenannten Eigenschaften ergeben, durch Aufbau einer „Financial Heatmap“ und eines theoreti-schen Bewertungsmodells vermeiden lassen.

Eine „Financial Heatmap“ ist ein Dashboard von diversen Finanzmarktindikatoren nach Ländern oder Asset-Klassen (Advanced Traffic Light Approach), die je nach Stresslevel die Farbe und je nach Portfolioabhängigkeit die Größe ändern. Hierbei werden primär zwei Indikatorenarten unterschieden:

• Financial Stress Index (FSI)Ziel solcher Indizes ist es, Stress an den Finanzmärkten zu messen und im Idealfall vorhersagen zu können.Stress wird dabei i. d. R. als Unterbrechung oder Einschränkung der Funktionsfähigkeit von Finanzmärktenverstanden

• Financial Conditions Index (FCI) Durch eine möglichst vollständige Betrachtung der Finanzmärkte soll bei einem FCI auf den Gesamtzustandder Finanzmärkte geschlossen werden. Mit einem FCI sollen sich Schocks im Finanzsystem messen lassen.Letztlich soll es im Idealfall möglich sein, von einer Änderung des Index auf die zukünftige Entwicklung desrealen BIP-Wachstums zu schließen

Umfangreiche „Financial Heatmaps“ verfügen über 100 verschiedene Indikatoren, die z. B. portfoliotheoretischeAspekte berücksichtigen oder den Effekt von geldpolitischen Sondermaßnahmen messen

Im Zusammenhang mit dem Portfoliomanagement ist z. B. der Composite Indicator of Systemic Stress (CISS) von Holló et al. sehr interessant. Dieser Finanzmarktstressindikator, der 2011 veröffentlicht wurde, ist für die Eurozone konstruiert worden. Wöchentlich verfügbare Daten zum Anleihen-, Aktien-, Geld- und Devisenmarkt bilden dabei die Grundlage für seine Berechnung. Hervorzuheben ist, dass im Gegensatz zu anderen gängigen Indikatoren die Portfoliotheorie in die Berechnungen miteinbezogen wird. Der CISS ist damit der erste Finanz-marktstressindikator, der die Portfoliotheorie in seiner Berechnungsmethode umsetzt.

Ein weiterer sehr bekannter Indikator für den US-Markt ist z. B. der St. Louis Financial Stress Index (STLFSI). DerIndex wurde 2010 zum ersten Mal berechnet. Er wird häufig in der Literatur zitiert und ist einer der bekanntestenIndizes zur Messung von Stress auf den Finanzmärkten. Auf Basis von wöchentlichen Daten misst er den Zustandder US-amerikanischen Finanzmärkte. Grundlage für den Index sind Daten des Anleihen-, Aktien-, Geld- und Devisenmarktes. Hervorzuheben ist, dass der Index u. a. verschiedene andere Indizes für ausgewählte Geld- undKapitalmarktsegmente verwendet.

Im Rahmen der neuen Generation von Finanzmarktindikatoren spielen „Realtime“-Informationen natürlich einegroße Rolle. Ein sich in diesem Zusammenhang in der Entwicklung befindlicher Indikator ist der „SCDM SocialMedia Financial Stress Indicator“. Dieser Indikator misst anhand der Häufigkeit verschiedener Begriffe in den Social Media den Stress an den Finanzmärkten.

Ein derzeit breit diskutierter und ganz neuer Indikator zur Messung systemischen Risikos ist der Diebold-Yilmaz-Indikator, der sowohl auf Aktien- als auch auf Staatsanleihen- oder FX-Märkte angewandt werden kann und aufVarianzzerlegungen basiert.

Ein bislang weitestgehend unterschätztes Tool zur Portfolioentscheidung ist die eigene Berechnung theoretischerPreise für Wertpapiere. Verfügt man über ein theoretisches Bewertungsmodell, kann für jedes Wertpapier stetsein nach Marktdaten kalibrierter theoretischer Preis errechnet werden – unabhängig von dem Stressniveau anden Finanzmärkten. Der darauf aufbauende „SCDM-llliquidity Expected Shortfall Indicator“ misst je nach Einstel-lung entweder die aktuelle Differenz zwischen durchschnittlichen Anschaffungskosten und theoretischem Bid-Preis oder berechnet den Expected Shortfall für diverse Szenarien im Rahmen einer Monte-Carlo-Simulation.

Eine Finanzkrise ist das Ergebnis eines langfristigen Verhaltens von Volkswirtschaften, Investoren oder anderenFinanzmarktteilnehmern und damit niemals plötzlich. Eine Strategie mit Fundamentalanalyse und einem Set vonrichtigen Indikatoren zu unterlegen, ist heute besonders wichtig, wo Zentralbanken durch riesige InterventionenMarktpreise enorm beeinflussen.

93

6.2 Netzwerkmodelle

94

Ein weiterer entscheidender Beitrag zur Einschätzung von „Financial Stress“ sind zudem die Modellierung derVernetzung von Finanzmarktteilnehmern und die Analyse der Übertragungseffekte.

Ein Netzwerkmodell besteht typischerweise aus folgenden Bausteinen:

Abbildung 49: Komponenten eines Netzwerkmodells

• Banken, Zentralbanken, Fonds, Unternehmen, Hedge-Funds, Versicherungen

• Bilanz-Modell für alle Typen von Instituten

• Aktienindizes, Credit-Indizes, Swap-Kurven, etc. mit Preisprozessen

• Wechselseitige Exposures (Debt, Equity) von Marktteilnehmern

• Nodes: Links repräsentieren Exposures zwischen Instituten (OTC Derivative, Interbank Lending, etc.)

• Connectedness: In/Out-Degree

• Regulatorische Rahmenbedingungen

• Externe Restriktionen

• Mikroprudentielle/interne Restriktionen

• Verhalten von Institution i ist für jeden Zeitschritt einSpiel, dessen Strategiemenge abhängt von Zahl derLinks zu anderen (Connectedness)

• Feedback-Mechanismen für Liquidity Channels, Leverage Ratios, Wertpapierpreise, etc.

Finanzmarkt-institutionen

Aktiva

Nebenbedingungen für zulässige Strategien der

Marktteilnehmer

(Spieltheoretischer) Ansatz zur Beschreibung der

Dynamik

Feedback-Loops/Zyklizität

Netzwerk-Topologie

Modell-Komponenten

A

B

C

D

E

F

Modelle der Bilanzstrukturen von Finanzmarktteilnehmern sind dabei eine besonders wichtige Modellkompo-nente, da die Auswirkungen von systemischen Risiken auf die Bilanzen sehr vielfältig sind und sie wiederum Ausgangspunkt von Feedback-/zirkulären Effekten mit krisenverstärkender Wirkung sind, wie nachfolgende Grafik für Bankbilanzen zeigt:

In der akademischen Literatur gibt es im Moment eine Vielzahl von Ansätzen zur Modellierung von Netzwerkenim Finanzsystem. Wir wollen exemplarisch hier nur drei Beispiele nennen:

• Sebastian Pokutta und Christian Schmaltz (Pokutta und Schmaltz, 2011) beschreiben in ihrem Modell die Auswirkungen eines makroökonomischen Schocks auf die Fähigkeiten von Banken zur Kreditvergabe und benutzen dazu die folgenden Bausteine:

I. Ein Modell für die Preisentwicklung von Aktiva, welche nicht dem Bankensektor zuzuordnen sind. Ein Schockszenario für diese Aktiva ist der Ausgangspunkt der Übertragung einer Krise von der Realwirtschaft in den Finanzsektor

II. Ein Netzwerkmodell, welches die Grundlage zur Beschreibung der Ausbreitung des Schocks im Finanzsystem ist

III. Regulatorische Nebenbedingungen, welche die strategischen Aktionen von Banken beschreiben

Das systemische Risiko in diesem Modell materialisiert sich durch die Reduktion der Kreditvergabekapazität desBankensektors. Das Modell hebt insbesondere die Prozyklizität der gegenwärtigen Eigenkapitalanforderungen fürBanken hervor und analysiert ihre Auswirkungen in einem Netzwerkkontext. Ein weiterer Aspekt ist der bereits

95

Abbildung 50: Auswirkungen von Schockszenarien auf Bankbilanzen

Inlands Portfolio

Kunden-Kredite• Commercial real estate finance (CRE)

• Public finance (PBF)

• Corporate lending (COR)

• SME lending (SME)

• Retail mortgage lending (RMO)

• Other retail lending (RET)

• ...

Ein Anstieg der Risiken hat typischerweisezwei Effekte• Anstieg von Rückstellungen und Abschreibungen• Anstieg der RWA

Wertänderungen der Aktiva in Fair Valueund Available For Sale‘ Portfolios

Änderungen in der EK-Basis• Verluste

• Rekapitalisierungen

Typischerweise sind alle Segmente des Kreditportfoliosin unterschied lichem Ausmaßbetroffen

• Änderungen im Risikoprofil undMarktumfeld führen zu Ände-rungen der Refinanzierungskos-ten

• Im Fall eines Defaults reduziertein Bail-In den notwendigenBail-Out des Steuerzahlers

Interbanken- und Kapitalmärkte(incl. Sovereign Debt, Non-current Assets Held for Sale, Derivate)

Auslands Portfolio

Refinanzierung über Kapitalmärkte

Eigenkapital

Kundeneinlagen

Einlagen von Banken und Geldmarkt

96

hervorgehobene zirkuläre Charakter von systemischen Risiken. Erst ist die Realwirtschaft von einem Schock betroffen, der sich auf die Finanzindustrie auswirkt. Dies hat dann durch Reduktion der Kreditvergabe wiederAuswirkungen auf die Realwirtschaft und eine Fortsetzung dieser Wechselwirkung kann zu einer nicht prog -nostizierbaren Krisenverstärkung führen

• „Macroeconomic impact assessment of OTC derivatives regulatory reforms“ (BIS, 2013): In diesem Paper werden die Kosten der OTC-Derivate-Reform mithilfe eines einfachen Netzwerkmodells analysiert. Kostenein-sparungen durch Verringerungen der Krisenwahrscheinlichkeit stehen zusätzliche Ausgaben der Realwirtschaftdurch erhöhte Kosten von OTC-Derivaten bei deren Nutzung für Absicherungsgeschäfte gegenüber mit ent-sprechenden Auswirkungen auf das Wirtschaftswachstum. Das Modell hat folgende Bausteine:

– Netzwerkmodell aus 41 Banken, darunter 16 globale Market Maker (G-16-Dealer).

– G-16-Dealer besitzen untereinander mit 100% Wahrscheinlichkeit ein positives Exposure, G-16-Dealer zu anderen mit 50% bzw. andere untereinander mit 25% Wahrscheinlichkeit.

– Falls die Ausfallwahrscheinlichkeit einer der beteiligten Banken ansteigt (z. B. Rating-Herabstufung), folgen auf den Handelsbüchern ihrer Geschäftspartner entsprechende Marktwertverluste auf existierende positive Exposures, da die Credit Valuation Adjustments (CVAs) ansteigen. Daraus resultieren wieder Feedback-Mechanismen/zirkuläre Effekte auf die Gegenparteien, da die Marktwertverluste zu Eigen - kapitalreduzierungen führen und damit die Leverage Ratios ansteigen. Dies führt zu gesteigerten Aus- fallwahrscheinlichkeiten der Gegenparteien, was sich dann, in derselben Weise wie oben, auf die Handelsbücher ihrer Geschäftspartner auswirkt.

• Connect to Connectedness (Hellmich et al., Connect to Connectedness, 2015)

– Unser Modellansatz besteht aus mathematischen Formulierungen der Modellkomponenten aus Abbildung 50 in der Form, dass die Existenz eines Nash-Gleichgewichts in jedem Zeitschritt gesichert ist.

– Das Modell kann in einer zeitdiskreten oder auch kontinuierlichen Version formuliert werden.

– Ein besonderer Analysefokus wird auf die Sensitivität der Lage des Nash-Gleichgewichts im Hinblick auf regulatorische Randbedingungen gelegt.

– Unser Netzwerkansatz wird von der SCDM Germany GmbH implementiert und wird Teil der Systemic Risk Platform von SAP HANA (vgl. nachfolgende Abbildungen).

97

Abbildung 51: Systemic Risk Platform, SAP HANA

StructuredMethodologies

Financial Network ApproachSimulation Models

w/Behavioral, Regulatory & SystemFeedback

Reduce-FormMethodologies

Market-BasedInterconnectedness

Systemic Risk Indicators

SAP Central Banking StressTesting Solutions

SRISKBarcelona GSE & NYU, 2015

MES & MES-BE(NYU, 2010)

...

CoVaR(Princeton & NY Fed, 2009)

Connectedness(UPenn & U-Koc, 2015)

Frankfurt School & LMUQuantLab (2015)

DSGE Models

Agent Based Models

Graph Theory(Flow Network Theory)

...

SAP HANA PLATFORM

Database &Advanced Data

Procressing Services

ApplicationPlatform Services

Advanced Analytics,Simulation & Visualization

Mission-CriticalDeployment

Services(On Premise Cloud, Hybrid)

+ + +

Scenario-BasedMethodologies

Stress Testing

SAP EBA Stress Testing(QuanticCloud)

SAP US Stress Testing

Quelle: BIS

98

Dabei deckt der von uns entwickelte Netzwerkansatz das Segment der „Structured Methodologies“ ab, wobeidies in unserem Kontext eine kausale Beschreibung von Systemrisiken als Netzwerkphänomen bedeutet:

Auch wenn die Entwicklung von Netzwerkmodellen für die realistische Simulation von Finanzmärkten und ihrenTeilnehmern noch am Anfang steht, so ist doch jetzt schon klar, dass dies ein vielversprechender Forschungsbe-reich mit vielen interessanten Anwendungen in der Praxis ist. Der Erfolg von solchen Modellen in den Naturwis-senschaften und hier insbesondere in der Systembiologie, welcher sich nur in Kombination mit der Beobachtungdurch die erheblich gestiegenen Möglichkeiten moderner Informationstechnologie realisieren ließ, dass System -risiken Netzwerkphänomene sind, legen die Übertragung solcher Ideen auf ökonomische Fragestellungen nahe.Auch für die Finanzmärkte gilt, dass heute viel mehr Daten als Basis für Modellierungen vorhanden sind als frü-her, und die gestiegenen Berichtspflichten von Finanzinstitutionen steigern noch die theoretische Verfügbarkeitvon Daten. Mit einem Joint Venture, welches aus Universitäten, IT-Firmen und den Providern relevanter Daten (z. B. Ratingagenturen, Aufsichtsbehörden, Zentralbanken, etc.) gebildet wird, werden sich in den nächsten Jahren hier gute Fortschritte erzielen lassen.

Abbildung 52: Netzwerkmodell als Teil der Systemic Risk Platform von SAP HANA

StructuredMethodologies

Financial Network ApproachSimulation Models

w/Behavioral, Regulatory & SystemFeedback

Frankfurt School & LMUQuantLab (2015)

DSGE Models

Agent Based Models

Graph Theory(Flow Network Theory)

...

SAP HANA PLATFORM

Database &Advanced Data

Procressing Services

ApplicationPlatform Services

Advanced Analytics,Simulation & Visualization

Mission-CriticalDeployment

Services(On Premise, Cloud, Hybrid)

+ + +

Quelle: BIS

First Gulf Bank UAE 0.018

Qatar National Bank 0.012

Qatar National Bank 0.012

X_sys_MENA 18

Arab National Bank KSA 0.010

Bank AlBilad 0.011

Arab Bank Jordan 0.014

Emirates NBD 0.011

Attjiariwafabank Morocco 0.012

Saudi Hollandi Bank 0.016

Saudi British Bank 0.012

Saudi Investment Bank 0.011

Al Rajhi Bank KSA 0.013

Riyad Bank 0.012

Dubai Islamic Bank 0.012

Kuwait Finance House 0.015

Abu Dhabi Commercial Bank 0.011

National Bank of Abu Dhabi 0.009

Samba Financial Group KSA 0.016

99

Anhang 1

100

Tabelle 12: Commerzbank AG – Maturity Profile of Liabilities to Banks (Q1 2015)

Tabelle 13: Commerzbank AG – Maturity Profile of Liabilities to Non-Banks (Q1 2015)

Tabelle 14: Commerzbank AG – Maturity Profile of Securitised Debt (Q1 2015)

Tabelle 15: Commerzbank AG – Composition of Derivatives (Q1 2015)

Tabelle 16: Commerzbank AG – Maturity Profile of Lending to Banks (Q1 2015)

Daily 45.75%Below (incl.) 3 Months 24.58%3 Months – 1 Year (incl.) 5.85%1 Year – 5 Years (incl.) 13.23%Above 5 Years 10.59%

Daily 0.00%Below (incl.) 3 Months 10.02%3 Months – 1 Year (incl.) 24.90%1 Year – 5 Years (incl.) 47.04%Above 5 Years 18.04%

FX Derivatives 25.51%Interest Rate Derivatives 66.70%Other Derivatives 7.80%

Daily 51.76%Below (incl.) 3 Months 29.19%3 Months – 1 Year (incl.) 11.41%1 Year – 5 Years (incl.) 7.17%Above 5 Years 0.47%

Daily 61.05%Below (incl.) 3 Months 14.69%3 Months – 1 Year (incl.) 10.38%1 Year – 5 Years (incl.) 4.99%Above 5 Years 8.90%

Maturity Percentage of Liabilities to Banks

Maturity Percentage of Liabilities to Non-Banks

Maturity Percentage of Securitised Debt

Type of Derivatives Percentage of Total Derivatives

Maturity Percentage of Lending to Banks

Tabelle 17: Commerzbank AG – Maturity Profile of Lending to Non-Banks (Q1 2015)

Tabelle 18: Portfoliozusammensetzung und Performance zum März 2015

101

No Information 12.32%Below (incl.) 3 Months 14.98%3 Months – 1 Year (incl.) 9.95%1 Year – 5 Years (incl.) 27.70%Above 5 Years 35.05%

Quelle: (Commerzbank AG, 2015, S. 69)

Portfolio Assets Value (in EURm) Share of Asset Assumptions Performance Portfolio Category 2005 p.a. 2010 p.a. 2014 p.a.Cash in Hand 8,59 1,01% Cash Assumed to be Zero 0% 0% 0%Balances with Central Banks 64,12 7,52% Cash Average ECB Interest Rate 1,02% 0,25% -0,09%Treasury Bills and Treasury Discount Paper 1,77 0,21% Fixed Income Bundesbank Time Series 3,17% 2,43% 1,03%Bills 0,32 0,04% Fixed Income Bundesbank Time Series 3,17% 2,43% 1,03%Debt Securities and other fixed Interest Securities 658,56 77,22% Fixed Income – 2,46% 3,58% 1,85%Bank Debt Securities (domestic) 197,59 23,17% Fixed Income Bundesbank Time Series 3,05% 2,66% 0,89%Public Debt Securities 122,98 14,42% Fixed Income Bundesbank Time Series 3,17% 2,43% 1,03%of which: Issued by Federal Governments and its special Funds 17,24 2,02% Fixed Income Bundesbank Time Series 3,17% 2,43% 1,03%Corporate Debt Securities (non-MFIs) 27,84 3,26% Fixed Income Bundesbank Time Series 3,70% 4,03% 2,95%Bank Debt Securities (foreign) 126,82 14,87% Fixed Income Largest 6 US Banks + 3,72% 3,00% 1,72% 25 largest European Banks (Size weighted)Bonds and Debt Securities issued by foreign Non-Banks 155,22 18,20% Fixed Income Barclays Capital Bond -0,17% 6,42% 3,83% Composite Global IndexMoney Market Paper 10,87 1,27% Fixed Income EONIA 2,09% 0,44% 0,10%Shares and other variable Yield Securities 119,45 14,01% Equity – 23,09% 14,49% 2,56%Shares (incl. Participation Certificates) (domestic) 20,92 2,45% Equity DAX 27,07% 16,06% 2,65%of which: Shares issued by Banks (MFIs) 0,98 0,11% Equity All German listed Banks 38,72% –10,22% –15,79% (Market Cap weighted) Mutual Fund Shares, other Securities (domestic) 72,61 8,51% Equity DAX 27,07% 16,06% 2,65%Shares, mutual fund shares and other securities (foreign) 24,93 2,92% Equity MSCI World 7,56% 9,55% 2,93% Total Portfolio Return 852,81 100% Multi-Asset 5,22% 4,82% 1,78%

Maturity Percentage of Lending to Non-Banks

102

Tabelle 19: Bundesbankstatistik

Aggregated Bundesbank Banking Statistics (Germany)

Reporting Date 2007 2010 2013 03-2015

Total Assets (in EURm) 7.625.737 8.352.276 7.604.207 8.223.672 Cash in Hand 17.833 16.515 18.744 15.490 Balances with Central Banks 64.986 79.612 85.686 115.674 Treasury Bills and Treasury Discount Paper 2.360 8.314 1.628 3.200 Bills 2.285 1.033 691 577 Unsecuritised Lending to Banks (MFIs) 2.328.112 2.088.062 1.935.483 2.071.396 Unsecuritised Lending to Non-Banks (non-MFIs) 3.140.365 3.231.604 3.097.401 3.185.865 Debt Securities and other Fixed Interest Securities 1.365.192 1.340.350 1.184.825 1.188.046 Shares and other variable Yield Securities 231.024 165.768 177.918 215.486 Participating Interests 43.775 40.769 36.012 37.307 Shares in affiliated Enterprises 113.966 104.838 95.335 91.353 Fiduciary Assets 63.307 59.848 79.923 54.717 Tangible Assets 29.107 27.451 26.960 26.632 Other Assets 223.425 1.188.112 863.601 1.217.929 Memo Item: Rediscount Credit 2.360 1.093 716 603 Total Liabilities (in EURm) 7.319.311 8.007.941 7.235.042 7.840.492 Liabilities to Banks (MFIs) 2.211.146 1.973.525 1.651.646 1.842.270 Liabilities to Non-Banks (non-MFIs) 2.834.760 3.108.668 3.261.140 3.350.581 Securitised Debts 1.659.812 1.436.336 1.143.945 1.170.324 Fiduciary Liabilities 63.307 59.848 79.923 54.717 Value Adjustments 11.617 10.818 8.100 7.659 Provisions for Liabilities and Charges 62.551 59.125 59.573 64.009 Subordinated Liabilities 107.433 104.443 86.725 75.033 Participation Rights Capital 25.527 14.675 8.239 11.763 Fund for general Banking Risks 19.999 21.776 60.134 73.694 Other Liabilities 323.159 1.218.727 875.617 1.190.442 Memo Item: Sureties 435.815 277.055 232.018 230.796 Total Equity (in EURm) 306.426 344.335 369.165 383.180 of which: Subscribed Capital 80.901 128.432 107.882 105.247 of which: Reserves 225.525 215.903 261.283 277.933 Total Securities* (in EURm) 2.007 1.466.921 1.345.962 1.383.914 Domestic Securities – 905.271 828.026 830.131 Bank Debt Securities (domestic) – 480.834 389.005 356.452 Public Debt Securities – 186.139 245.580 252.946 Corporate Debt Securities (non-MFIs) – 93.704 50.979 50.230 Shares (incl. Participation Certificates) (domestic) – 15.349 18.550 39.508 Mutual Fund Shares, other Securities (domestic) – 129.245 123.912 130.995 Foreign Securities – 561.650 517.936 553.783 Bank debt securities (foreign) – 258.859 227.965 228.789 Bonds and debt securities issued by foreign non-banks – 281.617 254.515 280.013 Shares, mutual fund shares and other securities (foreign) – 21.174 35.456 44.981

*All securities, excluding money market instruments

# of reporting institutions 2.015 1.919 1.846 1.804

Tabelle 20: Liquidity Coverage Ratio

103

Assets Value (in EURm) HQLA Level Haircut Relevant Proportion Assumptions made Adjusted LCR Value (in EURm)

Cash in Hand 8,59 1 0% – 8,59Balances with Central Banks 64,12 1 0% – 64,12Treasury Bills and Treasury Discount Paper 1,77 1 0% – 1,77Bills 0,32 1 0% – 0,32Unsecuritised Lending to Banks (MFIs) 1148,22 – 0% 66,35% Commerzbank Maturity Profile 761,88Unsecuritised Lending to Non-Banks (non-MFIs) 1766,00 – 50% 7,49% Commerzbank Maturity Profile 66,12of which: No maturity given 1766,00 – 80% 12,32% No maturity given results in a haircut of 80% 43,52Debt Securities and other fixed Interest Securities Bank debt securities (domestic) 197,59 N Irrelevant as issued by financial institutions 0,00Public debt securities 122,98 1 0% 100% Domestic (German) government debt always level 1 122,98of which: Issued by Federal Governments and its Special Funds 17,24 2A 15% Local authorities imply higher risk than government 14,65Corporate debt securities (non-MFIs) 27,84 2B 50% Average corporate debt rating of BBB 13,92Bank debt securities (foreign) 126,82 N Irrelevant as issued by financial institutions 0,00Bonds and debt securities issued by foreign non-banks 155,22 2B 50% Average corporate debt rating of BBB 77,61Money market paper 10,87 2B 50% 5,44Shares and other variable Yield Securities 118,24 2B 50% Excluding shares issued by financial institutions 59,12Participating Interests 20,68 N Irrelevant for us (too small) 0,00Shares in affiliated Enterprises 50,64 N Irrelevant for us (too small) 0,00Fiduciary Assets 30,33 N Irrelevant for us (too small) 0,00Tangible Assets 14,76 N Irrelevant for us (too small) 0,00Other Assets 675,13 N 0,00

Liabilities Value (in EURm) Outflow (in %)Relevant Proportion (in%) Assumptions made Adjusted LCR Value (in EURm)

Liabilities to Banks (MFIs) 1021,21 100% 58,04% Commerzbank Maturity Profile 592,67Liabilities to Non-Banks (non-MFIs) 1857,31 Sight and Time Deposits 1484,76 10% 68,39% Unstable, as no further details available 101,55Saving Deposits 339,91 N 0 Maturity above 30 days, thus irrelevant 0,00Bank Savings Bonds 32,63 N 0 Maturity above 30 days, thus irrelevant 0,00Securitised Debts 648,74 100% 5,01% Commerzbank Maturity Profile 32,50Fiduciary Liabilities 30,33 100% 30,33Value Adjustments 4,25 N – Irrelevant for us (too small) 0,00Provisions for Liabilities and Charges 35,48 N – Irrelevant for us (too small) 0,00Subordinated Liabilities 41,59 N – Irrelevant for us (too small) 0,00Participation Rights Capital 6,52 N – Irrelevant for us (too small) 0,00Fund for general Banking Risks 40,85 N – – 0,00Other Liabilities 659,89 N – – 0,00of which: Trading Portfolio Derivatives 550,04 100% 33,30% Excl. Interest Rate Derivatives, as > 30 days 183,18

104

Tabelle 21: Details Commerzbank AG

Commerzbank AG – Additional Details as of March 2015

Maturity Proportion Proportion (in %) LCR relevant Proportion (in EURm) Lending to Banks (MFIs) Daily 44.702 51,76% 66,35% Below (incl.) 3 Months 25.215 29,19% 3 Months – 1 Year (incl.) 9.857 11,41% 1 – 5 Years (incl.) 6.191 7,17% Above 5 Years 406 0,47% Lending to Non-Banks (non-MFIs) n.a 29.876 12,32% 7,49% Below (incl.) 3 Months 36.316 14,98% 3 Months – 1 Year (incl.) 24.128 9,95% 1 – 5 Years (incl.) 67.174 27,70% Above 5 Years 84.986 35,05% Liabilities to Banks Daily 48.228 45,75% 58,04% Below (incl.) 3 Months 25.913 24,58% 3 Months – 1 Year (incl.) 6.169 5,85% 1 – 5 Years (incl.) 13.948 13,23% Above 5 Years 11.167 10,59% Liabilities to Non-Banks Savings Deposits 3 Months 6.762 99,25% 0,00% Above 3 Months 51 0,75% Sight- and Time Deposits Daily 155.384 61,05% 68,39% Below (incl.) 3 Months 37.384 14,69% 3 Months – 1 Year (incl.) 26.427 10,38% 1 – 5 Years (incl.) 12.691 4,99% Above 5 Years 22.643 8,90% Securitised Debt Daily - 0,00% 5,01% Below (incl.) 3 Months 4.819 10,02% 3 Months – 1 Year (incl.) 11.976 24,90% 1 – 5 Years (incl.) 22.625 47,04% Above 5 Years 8.679 18,04% Trading Derivatives Währungsbezogene 27.470 25,51% Derivategeschäfte Zinsbezogene Derivategeschäfte 71.832 66,70% Übrige Derivategeschäfte 8.397 7,80%

Tabelle 22: Cash Performance

105

Performance Overview – Cash and Cash Equivalents

Balances with Central Banks Total Return (p.a.) Time Series Source: ECM Interest Rates(Deutsche Bundesbank) 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 -0,09% –0,20% -0,20% –0,20% –0,20% –0,10% –0,10% –0,10% 0% 0% 0% 0% 0% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 0,25% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 1,02% 1,25% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% 1,00% Cash in Hand Total Return (p.a.) Time Series

Source: Assumption 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 0,00%

106

Tabelle 23: Fixed Income Performance

Performance Overview – Fixed Income Securities

Bank Debt Securities Total Return (p.a.) Time Series(domestic) Source: Bundesbank Time Series 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 0,89% 0,50% 0,60% 0,60% 0,70% 0,70% 0,80% 0,90% 1,00% 1,10% 1,20% 1,20% 1,40% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 2,66% 2,90% 2,60% 2,40% 2,30% 2,30% 2,50% 2,50% 2,60% 2,80% 2,90% 3,00% 3,10% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 3,05% 3,20% 3,30% 3,00% 2,80% 2,90% 2,80% 2,80% 3,00% 3,10% 3,30% 3,20% 3,20% Public Debt Securities Total Return (p.a.) Time Series Source: Bundesbank Time Series 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 1,03% 0,60% 0,70% 0,70% 0,80% 0,90% 1,00% 1,10% 1,20% 1,30% 1,30% 1,30% 1,50% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 2,43% 2,50% 2,30% 2,10% 2,00% 2,10% 2,30% 2,20% 2,40% 2,70% 2,80% 2,80% 3,00% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 3,17% 3,30% 3,30% 3,10% 2,90% 3,00% 3,00% 2,90% 3,10% 3,30% 3,50% 3,30% 3,30% of which: Issued by Total Return (p.a.) Time SeriesFederal Governments and its special Funds Source: Bundesbank Time Series 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 1,03% 0,60% 0,70% 0,70% 0,80% 0,90% 1,00% 1,10% 1,20% 1,30% 1,30% 1,30% 1,50% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 2,43% 2,50% 2,30% 2,10% 2,00% 2,10% 2,30% 2,20% 2,40% 2,70% 2,80% 2,80% 3,00% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 3,17% 3,30% 3,30% 3,10% 2,90% 3,00% 3,00% 2,90% 3,10% 3,30% 3,50% 3,30% 3,30% Corporate Debt Securities Total Return (p.a.) Time Series(non-MFIs)Source: Bundesbank Time Series 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 2,95% 2,40% 2,50% 2,60% 2,70% 2,70% 2,80% 3,00% 3,20% 3,30% 3,40% 3,40% 3,40% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 4,03% 3,80% 3,60% 3,50% 3,70% 3,80% 4,00% 4,40% 4,30% 4,30% 4,20% 4,40% 4,40% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 3,70% 3,70% 3,70% 3,50% 3,30% 3,50% 3,50% 3,60% 3,80% 3,90% 4,10% 3,90% 3,90% Bank Debt Securities Total Return (p.a.) Time Series(foreign)Source: Bundesbank Time Series Performance 2014 1,72%Performance 2010 3,00% Performance 2005 3,72% Bonds and Debt Securities Total Return (p.a.) Time Seriesissued by foreign Non-BanksSource: Bloomberg – Barclays Capital Bond Composite Global Index 2014-12 2013-12 Performance 2014 3,83% 379,64 365,65 2010-12 2009-12 Performance 2010 6,42% 336,84 316,52 2005-12 2004-12 Performance 2005 –0,17% 245,94 246,35 Money Market Paper Total Return (p.a.) Time Series Source: EONIA Time Series 2014-12 2014-11 2014-10 2014-09 2014-08 2014-07 2014-06 2014-05 2014-04 2014-03 2014-02 2014-01Performance 2014 0,10% -0,03% -0,01% 0,00% 0,01% 0,02% 0,04% 0,08% 0,25% 0,25% 0,19% 0,16% 0,20% 2010-12 2010-11 2010-10 2010-09 2010-08 2010-07 2010-06 2010-05 2010-04 2010-03 2010-02 2010-01Performance 2010 0,44% 0,50% 0,59% 0,70% 0,45% 0,43% 0,48% 0,35% 0,34% 0,35% 0,35% 0,34% 0,34% 2005-12 2005-11 2005-10 2005-09 2005-08 2005-07 2005-06 2005-05 2005-04 2005-03 2005-02 2005-01Performance 2005 2,09% 2,28% 2,09% 2,07% 2,09% 2,06% 2,07% 2,06% 2,07% 2,08% 2,06% 2,06% 2,08%

107

108

Performance Overview – Equity-linked Securities

Tabelle 24: Equity Performance

Shares (incl. Participation Total return (p.a.) Time SeriesCertificates) (domestic) Source: Bloomberg – DAX Index 2014-12 2013-12Performance 2014 2,65% 9805,55 9552,16 2010-12 2009-12Performance 2010 16,06% 6914,19 5957,43 2005-12 2004-12Performance 2005 27,07 5408,26 4256,08

of which: Shares issued by Banks (MFIs)Source: Bloomberg – All listed German Banks Deutsche Ending Beginning Market MCAP in Bank AG Value Value Capitalisation %Performance 2014 –15,79% 24,45% 24,99 33,07 34.454,60 59,19%Performance 2010 –10,22% –13,29% 37,29 43,01 35.935,30 72,60%Performance 2005 38,72% 25,38% 71,28 56,85 41.400,50 58,35%

Post- Ending Beginning Market MCAP in bank AG Value Value Capitalisation %Performance 2014 –9,33% 35,14 38,75 7.687,50 13,21%Performance 2010 –9,09% 20,80 22,88 4.551,00 9,19%Performance 2005 50,77% 49,00 32,50 8.036,00 11,33%

Umwelt- Ending Beginning Market MCAP in bank AG Value Value Capitalisation %Performance 2014 31,06% 51,10 38,99 283,00 0,49%Performance 2010 1,95% 17,28 16,95 95,70 0,19%Performance 2005 83,62% 12,67 6,90 59,60 0,08%

Mutual Fund Shares, other Securities (domestic)Source: Bloomberg – DAX Index 2014-12 2013-12Performance 2014 2,65% 9.805,55 9.552,16 2010-12 2009-12Performance 2010 16,06% 6.914,19 5.957,43 2005-12 2004-12Performance 2005 27,07% 5.408,26 4.256,08

Shares, mutual fund shares and other securities (foreign)Source: Bloomberg – MSCI World 2014-12 2013-12Performance 2014 2,93% 1.709,67 1.661,07 2010-12 2009-12Performance 2010 9,55% 1.280,07 1.168,47 2005-12 2004-12Performance 2005 7,56% 1.257,78 1.169,348

Aggregated MCAP

MCAP 2014 58.206,10;MCAP 2010 49.499,40MCAP 2005 70.947,40

109

Commerz- Ending Beginning Market MCAP in bank AG Value Valu Capitalisation % –6,23% 10,98 11,71 12.509,90 21,49% –5,62% 33,29 35,27 6.509,50 13,15% 71,64% 155,96 90,86 17.061,30 24,05%

IKB Deutsche Ending Beginning Market MCAP in Industriebank Value Value Capitalisation % 47,54% 0,84 0,57 747,40 1,28% –9,88% 0,68 0,75 459,20 0,93% 22,73% 25,00 20,37 1.826,90 2,58%

Oldenburgische Ending Beginning Market MCAP in Landesbank Value Value Capitalisation % –5,21% 20,20 21,31 469,80 0,81% –18,97% 37,80 46,65 879,10 1,78% –19,92% 51,25 64,00 1.191,90 1,68%

Aareal Ending Beginning Market MCAP in Bank Value Value Capitalisation % 15,65% 33,29 28,79 1.992,60 3,42% 71,95% 20,52 11,94 974,80 1,97% 31,54% 28,87 21,95 1.371,20 1,93%

Quirin Ending Beginning Market MCAP in Bank AG Value Value Capitalisation % 4,01% 1,50 1,45 61,30 0,11% 4,76% 2,20 2,10 94,80 0,19%

Tabelle 25: Fixed Income Details

110

Performance Analysis – Bank Debt Securities (Foreign)

Bank Debt Securities in Europe (25 largest Institutions) Total Return (p.a.) Time Series Source: Bloomberg, Maturity of c. 5 years Bond Issue Size (in m) Announcement Maturity B S A M B S M 2014 2 2HSBC Holdings 1,12% 10,00 26.03.14 26.03.19 3 1 0 1 3 1 1 1Banco Santander 1,63% 750,00 03.06.14 11.06.19 3 1 1 2 3 5 0 1Lloyds Banking Group 1,88% 1.000,00 07.10.13 10.10.18 3 1 1 1 0 – – –BNP Paribas 1,50% 5,00 29.04.14 06.05.19 2 1 0 1 3 5 0 2UBS AG 1,13% 1.500,00 24.06.15 30.06.20 3 1 0 1 4 7 1 1Barclays PLC 0,00% – – – 3 1 0 1 0 – – –BBVA 0,00% – – – 0 – – – 2 3 2 0Royal Bank of Scotland Group 1,63% 1.000,00 18.06.14 25.06.19 3 1 0 0 1 3 3 2Nordea Bank 1,25% 1.500,00 07.01.14 14.01.19 2 1 0 1 0 – – – Intesa Sanpaolo 1,12% 50,00 16.10.14 20.10.19 3 1 2 0 3 2 2 2Deutsche Bank 1,16% 25,00 19.05.14 27.05.19 2 1 2 0 2 1 1 1Credit Suisse Group 1,38% 2.250,00 27.05.14 29.11.19 2 1 2 0 0 – – – UniCredit S.p.A. 1,50% 1.000,00 12.06.14 19.06.19 2 1 3 3 2 2 3 2Credit Agricole Group 0,00% – – – 3 1 1 2 0 – – – Societe Generale 0,00% – – – 3 1 2 3 3 1 0 2Standard Chartered Plc 0,00% – – – 3 1 2 1 0 – – – Svenska Handelsbanken AB 0,00% – – – 3 1 0 0 0 – – – Groupe BPCE 1,38% 1.500,00 14.05.14 22.05.19 2 1 1 2 0 – – – ING Groep 0,00% – – – 0 – – – 0 – – – Rabobank Group 1,75% 1.500,00 15.01.14 22.01.19 3 3 0 1 3 1 1 1Commerzbank AG 1,00% 500,00 29.01.14 05.02.19 3 6 0 0 2 2 2 3Credit Mutuel 1,13% 1.700,00 29.01.14 06.02.19 3 7 2 2 2 2 0 0KfW Group 0,38% 1.500,00 15.07.14 22.07.19 2 5 2 1 2 1 0 1Danske Bank 1,00% 25,00 15.08.14 27.08.19 2 1 2 0 0 – – – DZ Bank AG 0,92% 20,00 11.03.14 18.03.19 2 1 2 2 2 5 2 1Total Return 1,31% 15.835,00 2 2 3 6 Bank Debt Securities in US Total Return (p.a.) Time Series (6 largest Institutions)

Source: Bloomberg, Maturity of c. 5 years Bond Issue Size (in m) Announcement Maturity B M B 2014 2 2JPMorgan Chase 2,20% 2.000,00 15.10.14 22.10.19 3 1 5 Bank of America 2,65% 2.500,00 27.03.14 01.04.19 3 1 1 Citigroup 2,50% 2.000,00 22.07.14 29.07.19 4 1 2 Wells Fargo 2,13% 1.750,00 14.04.14 22.04.19 3 2 1 The Bank of New York Mellon 2,20% 750,00 02.05.14 15.05.19 2 1 4 U.S. Bancorp 2,20% 1.250,00 21.04.14 25.04.19 2 2 8 Total Return 2,36% 10.250,00 3 7 4 6

111

( T T S

B S M Bond Issue Size (in m) Announcement Maturity Bond Issue Size (in m) Announcement Maturity 2 2010 2005

1 1 2 2 3,60% 10,00 06.05.09 19.05.14 3,32% 15,00 19.11.04 12.10.09 1 7 0 1 3,13% 1.000,00 19.01.10 28.01.15 3,25% 500,00 09.03.04 15.03.09 1 1 0 1 3,38% 1.500,00 10.03.10 17.03.15 0% – – –

B 1 5 2 0 2,88% 1.500,00 06.07.10 13.07.15 3,00% 50,00 03.05.05 20.05.10 1 1 2 3 3,50% 1.750,00 08.07.10 15.07.15 4,35% 702,25 18.01.05 18.02.10

0 – – – 3,13% 1.500,00 07.01.10 14.01.15 0,00% – – –B 0 – – – 0,00% – – – 2,75% 3.000,00 25.05.05 07.06.10

1 1 1 2 3,00% 1.500,00 01.09.10 08.09.15 1,88% 300,00 31.10.05 27.10.10 1 1 0 1 2,75% 1.250,00 04.08.10 11.08.15 0,00% – – –

1 5 1 2 3,00% 1.000,00 20.10.10 04.11.15 3,20% 25,00 22.02.05 22.02.10 1 2 1 2 2,88% 150,00 28.07.10 03.08.15 2,85% 1,87 10.01.05 19.01.10

1 2 2 2 2,63% 1.250,00 24.11.10 01.12.15 0,00% – – – 1 1 1 1 2,63% 1.250,00 31.08.10 31.10.15 2,75% 25,00 30.09.05 20.08.10

0 – – – 3,00% 1.550,00 12.07.10 20.07.15 0,00% – – – 0 – – – 3,00% 1.250,00 22.03.10 31.03.15 3,50% 10,00 03.05.05 29.07.10

0 – – – 3,63% 1.250,00 22.06.10 15.12.15 0,00% – – – 0 – – – 3,13% 100,00 02.02.10 09.02.15 0,00% – – – 1 1 1 2 2,88% 1.400,00 13.09.10 22.09.15 0,00% – – –

0 – – – 0,00% – – – 0,00% – – – 1 1 1 2 3,00% 3.150,00 09.02.10 16.02.15 3,13% 1.400,00 11.01.05 19.07.10

1 5 2 0 3,00% 6,00 02.02.10 09.02.15 2,50% 20,00 28.02.05 30.09.09 1 1 2 0 3,00% 750,00 21.10.10 29.10.15 2,86% 20,00 07.09.05 08.09.10

0 1 1 2 2,25% 5.000,00 21.04.10 10.04.15 2,70% 1,19 04.01.05 12.01.10 1 2 1 2 2,63% 1.000,00 25.11.10 02.12.15 0,00% – – –

0 2 1 1 2,40% 100,00 27.10.10 29.12.15 2,15% 50,00 25.01.05 10.03.10 1 1 2,89% 29.216 3,02% 6.120

T

(

B S M Bond Issue Size (in m) Announcement Maturity Bond Issue Size (in m) Announcement Maturity 2 2010 2005

2 2 1 2 3,40% 1.650,00 17.06.10 24.06.10 4,60% 500,00 15.09.05 17.01.11 2 2 2 0 3,70% 1.500,00 17.08.10 01.09.15 4,50% 1.250,00 19.07.05 01.08.10

2 2 2 2 4,00% 1.250,00 19.11.10 26.11.15 4,13% 2.000,00 14.02.05 22.02.10 2 1 1 2 3,63% 1.250,00 23.03.10 15.04.15 4,63% 1.000,00 01.08.05 09.08.10

2 7 0 1 2,95% 650,00 11.06.10 18.06.15 4,95% 400,00 08.12.05 14.01.11 2 1 2 2 2,45% 1.000,00 22.07.10 27.07.15 4,50% 850,00 25.07.05 29.07.10

2 1 3,43% 7.300,00 4,43% 6.000,00

Anhang 2

112

Beispiel für ein Lebensversicherungsportfolio mit Duration-Match

Kupon aktuell Zeros Staatl. Gedeckt Ungedeckt Geldmarkt Nachr. RLZ

Privatbanken 3,51% 11.145.548 1.841.537 0 3.343.665 4.569.675 2.340.565 891.644 7,87Landesbanken 3,92% 6.425.626 946.388 2.120.456 2.184.713 321.281 1.028.100 771.075 9,95Genobanken 4,30% 3.936.398 1.651.126 0 3.306.574 551.096 0 78.728 19,01Stl. Institut. 4,47% 2.233.803 1.048.366 1.898.733 111.690 0 0 223.380 19,91Sparkassen 4,33% 1.881.898 191.774 940.949 602.207 56.457 0 282.285 9,66Bundesländer 4,53% 1.147.235 0 1.147.235 0 0 0 0 12,47Automobiles & Parts 0,10% 177.028 0 0 0 3.541 173.487 0 0,24Chemicals 1,88% 253.268 0 0 0 78.513 174.755 0 1,77Telecommunications 0,13% 421.623 0 0 0 0 421.623 0 0,44Utilities 5,54% 83.956 0 0 0 83.956 0 0 3,21Unternehmen 1,08% 935.875 0 0 0 161.843 774.032 0 0,85Staat 4,78% 781.164 267.645 781.164 0 0 0 0 16,09Bundesrep. Deutschland 3,84% 28.487.548 5.946.836 6.888.538 9.548.849 5.664.519 4.138.530 2.247.112 11,13Genobanken 4,43% 4.133.567 3.403.964 0 0 4.050.896 82.671 0 30,61Stl. Institut. 4,08% 1.413.934 1.291.588 1.357.377 0 56.557 0 0 26,95Privatbanken 4,47% 1.185.565 258.160 0 101.527 1.084.038 0 0 6,93Automobiles & Parts 0,99% 493.462 0 0 0 74.019 419.443 0 0,32Chemicals 5,14% 1.789 0 0 0 1.771 18 0 0,48Industrial Goods & Services 5,40% 78.227 0 0 1.565 76.662 0 0 0,91Unternehmen 1,61% 573.478 0 0 0 162.575 410.903 0 0,73Zweckges. 5,87% 19.045 0 0 571 18.473 0 0 1,86Niederlande 4,15% 7.325.589 4.953.712 1.357.377 102.099 5.372.539 493.574 0 23,63Staat 3,17% 3.842.067 3.164.110 3.765.226 0 0 76.841 0 26,84Privatbanken 3,97% 1.865.090 84 0 373.018 1.473.421 0 18.651 15,00Construction & Materials 0,05% 86.284 0 0 0 1.726 84.559 0 0,53Retail 0,15% 610.400 0 0 0 6.104 604.296 0 0,55Unternehmen 0,14% 696.685 0 0 0 0 696.685 0 0,09Frankreich 3,07% 6.403.842 3.164.194 3.765.226 373.018 1.473.421 773.526 18.651 20,53Staat 3,73% 2.583.694 1.308.059 2.557.857 0 25.837 0 0 12,02Privatbanken 5,14% 919.582 0 0 901.191 18.392 0 0 14,17Italien 4,10% 3.503.276 1.308.059 2.557.857 901.191 44.229 0 0 12,59Supranational 4,27% 3.070.337 2.573.819 3.039.633 0 0 30.703 0 32,33Europäische Investitionsbank EIB 4,27% 3.070.337 2.573.819 3.039.633 0 0 30.703 0 32,33Genobanken 4,42% 1.281.407 0 0 76.884 1.076.382 0 128.141 11,10Privatbanken 4,61% 884.786 0 70.783 309.675 451.241 0 53.087 8,20Landesbanken 4,75% 497.111 0 293.295 203.815 0 0 0 9,96Staat 4,53% 130.512 0 129.207 0 1.305 0 0 13,65Real Estate 4,49% 57.370 0 0 0 56.223 0 1.147 7,45Unternehmen 4,49% 57.370 0 0 0 57.370 0 0 8,04Stl. Institut. 4,72% 36.158 0 362 0 0 0 35.797 7,14Österreich 4,55% 2.887.345 0 493.647 590.375 1.586.298 0 217.025 9,92Staat 4,21% 1.325.100 496.798 1.298.598 26.502 0 0 0 16,47Stl. Institut. 4,67% 528.433 0 512.580 10.569 5.284 0 0 13,60Privatbanken 4,53% 34.142 0 0 0 33.459 683 0 5,20Sparkassen 4,40% 37.103 0 36.732 371 0 0 0 10,36Spanien 4,34% 1.924.778 496.798 1.847.910 37.442 38.744 683 0 15,36Privatbanken 4,31% 1.781.535 123.879 0 18 1.710.273 0 71.261 16,14Großbritannien 4,31% 1.781.535 123.879 0 18 1.710.273 0 71.261 16,14Privatbanken 4,52% 1.312.038 89.648 0 367.371 26.241 918.427 0 10,07Staat 2,73% 289.687 0 283.893 2.897 2.897 0 0 15,13Irland 4,19% 1.601.725 89.648 283.893 370.268 29.138 918.427 0 10,98Staat 3,86% 1.446.207 240.881 1.417.283 0 28.924 0 0 28,00Belgien 3,86% 1.446.207 240.881 1.417.283 0 28.924 0 0 28,00Privatbanken 4,42% 1.024.703 0 0 61.482 963.221 0 0 10,30Norwegen 4,42% 1.024.703 0 0 61.482 963.221 0 0 10,30Staat 4,20% 880.656 0 871.849 8.807 0 0 0 12,85Polen 4,20% 880.656 0 871.849 8.807 0 0 0 12,85Privatbanken 4,82% 143.059 0 0 138.767 2.861 1.431 0 7,80Schweden 4,82% 143.059 0 0 138.767 2.861 1.431 0 7,80Privatbanken 4,54% 26.797 0 0 0 26.797 0 0 1,93USA 4,54% 26.797 0 0 0 26.797 0 0 1,93Gesamt 3,92% 60.507.395,52 18.897.826,44 22.523.212,87 12.132.314,24 16.940.963,29 6.356.874,20 2.554.048,85 15,42

113

Literaturverzeichnis

114

Alon, Uri. 2006. Design Principles of Biological Circuits

Boris Sonntag. BaFin

Best und Grauer. 1991. On the Sensitivity of Mean-Variance-Efficient Portfolios to Changes in Asset Means: Some Analytical and Computational Results. The Review of Financial Studies

BIS. 2013. Macroeconomic impact assessment of OTC derivatives regulatory reforms

BIS. Credit Counterparty Risk

Bloomberg. 21.08.2015. Eigene Berechnungen

Commerzbank AG. 2015. Quarterly Financial Report – Q1 2015. Commerzbank AG

Commission, European. 2014. Commission delegated Regulation (EU) of 10.10.2014 to supplement Regulation(EU) 575/2013 with regard to liquidity coverage requirement for Credit Institutions

Demirer, Diebold und Yilmaz. 2015. Estimating Global Bank Network Connectedness

Deutsche Bundesbank. 2013. Ergebnisse des Basel III Monitoring für deutsche Institute. Deutsche Bundesbank

Diebold, F., und Yilmaz, K. 2014. On the Network Topology of Variance Decompositions: Measuring the Con-nectedness of Financial Firms. Journal of Econometrics, S. 182 (1), 119–134

European Central Bank. 2012. Corporate Indebtedness in the Euro Area

European Insurance and Occupational Pensions Authority (EIOPA). 2010. QIS5 Technical Specifications. Brüssel:European Commission

Feodoria und Förstemann. 2015. Lethal lapses – how a positive interest rate shock might stress German life insurers. Deutsche Bundesbank

Göhring, Paul. 2015. Investment Strategies in an Environment of intensified financial Market Regulation. Frankfurt School of Finance and Management, Master Thesis. (F. S. Management, Hrsg.)

Heidorn und Schmaltz. 2009. Interne Transferpreise für Liquidität

Hellmich, Michael. Weitreichende Konsequenzen aus EMIR & Co. Deutsche Pensions & Investment Nachrichten

Hellmich et al. 2013. Economic Study: The Benefits of Innovative Information Technology in the BankingIndustry. SAP

Hellmich et al. 2015. Connect to Connectedness. Frankfurt School

Hellmich, Kraft und Siddiqui. 2014. Temporary Alienation or Lasting Separation? Covered and Government BondSpread Movements during and after the Crisis of 2007-09. International Journal of Economics and Finance

Hellmich, Liebmann und Kassberger. 2015. A general framework for cooperative evolution

Hellmich, Liebmann und Kassberger. 2015. A Lévy-driven framework for the joint modelling of interest rates and equity prices

Hellmich, Michael. 10/2015. ABS-Ankaufprogramm – wo stehen wir nach fast einem Jahr? Die Bank

Hellmich, Schmidt und Kassberger. 2013. Credit Modelling under Jump Diffusions with Exponentially DistributedJumps – Stable Calibrations. Dynamics and Gap Risk. International Journal of Theoretical and Applied Finance, 4

Hellmich und Kassberger. 2008. The Ultimate Guide to CDOs: Market, Application, Valuation, and Hedging. (R. Books, Hrsg.) G. Meissner (ed.)

Hellmich und Kassberger. 2009. Efficient and robust portfolio optimization in the multivariate Generalized Hyperbolic framework. Journal for Quantitative Finance

Hellmich und Siddiqui. 01/2014. Klassische Geschäftsmodelle im Wandel. Die Bank

Hollo, Dániel, Kremer, Manfred, und Lo Duca, Marco. 2012. CISS – a composite indicator of systemic stress in the financial system. European Central Bank (ECB)

Kötter, Michael. 2013. Market structure and competition in German banking. Report commissioned by the Coun-cil of Economic Experts and the Monopolies Commission

Manamperi, Nimantha. P. 2013. A Comparative Analysis of US Financial Stress Indicators. Texas Tech University

Michaud Richard O. 1989. The Markowitz Optimization Enigma: Is ‘Optimized’ Optimal? Financial Analysts Journal

Palsson, Bernhard Ø. 2011. Systems Biology, Simulation of Dynamic Network States

Pedersen, Lasse Heje. 2005. Liquidity-adjusted CAPM

Pedersen, Lasse Heje. Efficiently Inefficient

Pokutta und Schmaltz. 2011. A Network Model for Bank Lending Capacity

Schmaltz. 2014. How to make regulators and shareholders happy under Basel III. Journal of Banking & Finance

Sonntag, Boris. 21.02.2013. Kapitalanlagepolitik von Lebensversicherungen – Attraktivität von Anlageklassenunter Solvency II. Vorlesung an der Universität Leipzig

Thorn. 2014. Berücksichtigung von Schätzunsicherheit bei der Portfolio-Optimierung nach Markowitz. Philipps-Universität Marburg

Trichet, Jean-Claude. 18.11.2010. Reflections on the nature of monetary policy non-standard measures and finance theory. (ECB, Hrsg.)

115

Abbildungsverzeichnis

116

Abbildung 1: politische und makroökonomische Auswirkungen der Bankenkrise 11Abbildung 2: Zusammensetzung der Stichprobe – Branchenzugehörigkeit 22Abbildung 3: Aufteilung des Volumens aller Kapitalanlagen des Unternehmens auf die verschiedenen Asset-Klassen 22Abbildung 4: Wichtigkeit einzelner Aspekte beim Portfoliomanagement 23Abbildung 5: Ausrichtung der Anlageentscheidung – Sicherheit, Liquidität, Rendite 23Abbildung 6: Auswirkungen des Niedrigzinsumfeldes auf die Auswahl des Risikomanagers 24Abbildung 7: Bedeutung des Risikomanagements bei der Auswahl des Risikomanagers 24Abbildung 8: Bedeutung allgemeiner Risiken für die Anlageentscheidung 24Abbildung 9: Liquiditätsspirale 30Abbildung 10: Bedeutung externer Anlagerestriktionen für die Kapitalanlage 31Abbildung 11: Bedeutung interner Anlagerestriktionen für die Kapitalanlage 32Abbildung 12: Einfluss von Restriktionen auf die Portfoliorenditeerwartung 32Abbildung 13: Effekte von Zyklen und Volatilität auf Eigenkapitalquoten 33Abbildung 14: Die Beziehung zwischen Banken basiert auf Geschäft und Vertrauen 33Abbildung 15: Beziehung zwischen der Bonität von Zentralregierungen und Banken 34Abbildung 16: Credit Spread Frankreich versus Credit Spreads BNP und Soc. Gen. 34Abbildung 17: Beziehung zwischen der Bonität von Zentralregierungen und Banken ohne nationale Notenbank 35Abbildung 18: Übersicht über die regulatorischen Rahmenbedingungen 40Abbildung 19: Einflussfaktoren für die Geschäftsmodelle von Banken 41Abbildung 20: wesentliche Neuerungen in der Regulierung von Banken 42Abbildung 21: die multidimensionalen Nebenbedingungen der CRR 43Abbildung 22: weitere wichtige künftige aufsichtsrechtliche Projekte für Banken 44Abbildung 23: Struktur der Liquidity Coverage Ratio 45Abbildung 24: Bilanzstruktur aus Sicht der Liquidity Coverage Ratio 47Abbildung 25: kombiniertes Stressszenario für die LCR und Auswirkungen auf die Bankbilanz 48Abbildung 26: Struktur der Net Stable Funding Ratio 48Abbildung 27: Bilanzstruktur aus Sicht der Net Stable Funding Ratio 49Abbildung 28: Spread-Risiko-Modul im Solvency-II-Standardmodell 51Abbildung 29: modularer Aufbau des Solvency-II-Standardmodell 51Abbildung 30: Anwendung der Wurzelformel im Solvency-II-Standardmodell 52Abbildung 31: Zinskurvenveränderungen im Solvency-II-Standardmodell 54Abbildung 32: Risikofaktoren für Credit Spreads im Solvency-II-Standardmodell 55Abbildung 33: SCR für Spread-Risiken von Corporates im Solvency-II-Standardmodell 56Abbildung 34: SCR für Spread-Risiken von Sovereigns im Solvency-II-Standardmodell 56Abbildung 35: Übersicht über die Auswirkungen des Marktrisikomoduls im Solvency-II-Standardmodell 59Abbildung 36: Rendite versus Solvency Capital Requirement (SCR) für wichtige Asset-Klassen (isolierte Betrachtung) 60Abbildung 37: Einfluss regulatorischer Vorgaben auf Anlageziele 64Abbildung 38: Einfluss des Niedrigzinsumfeldes auf Anlageziele 65Abbildung 39: Ertragssituation deutscher Banken 66Abbildung 40: repräsentative Bilanz deutscher Banken im März 2015 68Abbildung 41: Kosten der Liquiditätsreserve auf Basis von internen Verrechnungspreisen 74Abbildung 42: Renditekurven wichtiger Asset-Klassen 78Abbildung 43: Asset Allocation einer idealtypischen deutschen Lebensversicherung, 79Abbildung 44: Auswirkung von Allokationsveränderungen für eine typische Lebensversicherung 80Abbildung 45: Verteilung des Anlagevolumens auf Länder und Anleihearten 82Abbildung 46: Effizienz und Investmentstil 84Abbildung 47: Performance nach Transaktionskosten 85Abbildung 48: monatliche Gewinne und Verluste (in Prozent) 86Abbildung 49: Komponenten eines Netzwerkmodells 94Abbildung 50: Auswirkungen von Schockszenarien auf Bankbilanzen 95Abbildung 51: Systemic Risk Platform, SAP HANA 97Abbildung 52: Netzwerkmodell als Teil der Systemic Risk Platform von SAP HANA 88

Tabelle 1: Schockfaktoren für die Zinskurven im Solvency-II-Standardmodell 53Tabelle 2: Risikofaktoren Aktien 57Tabelle 3: Konzentrationsrisiken 58Tabelle 4: ratingabhängige Faktoren für Konzentrationsrisiken 58Tabelle 5: Berechnung der durchschnittlichen Liquidity Coverage Ratio für deutsche Banken 71Tabelle 6: Yield Overview – Cash and Cash Equivalents 72Tabelle 7: Yield Overview – Fixed Income Securities 72Tabelle 8: Yield Overview – Equity-linked Securities 72Tabelle 9: Total Portfolio Return Calculation 73Tabelle 10: lineares Programm mit Nebenbedingungen aus der CRR 76Tabelle 11: Kennzahlen der Handelsstrategie 86Tabelle 12: Commerzbank AG – Maturity Profile of Liabilities to Banks (Q1 2015) 100Tabelle 13: Commerzbank AG – Maturity Profile of Liabilities to Non-Banks (Q1 2015) 100Tabelle 14: Commerzbank AG – Maturity Profile of Securitised Debt (Q1 2015) 100Tabelle 15: Commerzbank AG – Composition of Derivatives (Q1 2015) 100Tabelle 16: Commerzbank AG – Maturity Profile of Lending to Banks (Q1 2015) 100Tabelle 17: Commerzbank AG – Maturity Profile of Lending to Non-Banks (Q1 2015) 101Tabelle 18: Portfoliozusammensetzung und Performance zum März 2015 101Tabelle 19: Bundesbankstatistik 102Tabelle 20: Liquidity Coverage Ratio 103Tabelle 21: Details Commerzbank AG 104Tabelle 22: Cash Performance 105Tabelle 23: Fixed Income Performance 106Tabelle 24: Equity Performance 108Tabelle 25: Fixed Income Details 110

Tabellenverzeichnis

117

118

119

Herausgeber

Union Investment Institutional GmbHWeißfrauenstraße 760311 Frankfurt am Main

Telefon: +49 69 2567-7652Telefax: +49 69 2567-1616

www.die-risikomanager.de

Stand: November 2015005980 11.15

Prof. Dr. Martin Hellmich

Karl Friedrich HagenmüllerProfessor für Financial Risk Management

Frankfurt School ofFinance & Management GmbHSonnemannstraße 9–1160314 Frankfurt am Main

Telefon: +49 69 154008-443Telefax: +49 69 154008-4443

m.hellmich@fs.de

www.frankfurt-school.de

Hinweis

Dieses Dokument ist ausschließlich für professionelleKunden gemäß § 31a Abs. 2 WpHG vorgesehen undwurde von Union Investment Institutional GmbHsorgfältig entworfen und hergestellt, dennoch über-nehmen wir keine Gewähr für die Aktualität, Richtig-keit und Vollständigkeit.

Quelle aller Grafiken, sofern nicht anders angegeben,ist Union Investment.