|
| Verlustprognostik und Vorsorgemaßnahmen | |||||
Wie alle Unternehmen, die erst nach Abruf zahlbare Dienstleistungen anbieten, haben Telekommunikationsgesellschaften gewisse Risiken zu tragen. Der Kunde nutzt die Dienstleistungen sofort, die Zahlung für diese Leistungen erfolgt jedoch erst mit einer gewissen zeitlichen Verzögerung. Wie hoch der Grad der Unbeständigkeit und Konjunkturabhängigkeit der Gewinne und Kapitalkosten von Telekommunikationsgesellschaften letztlich ist, hängt in entscheidendem Maße davon ab, inwieweit sie in der Lage sind, zukünftig zu erwartende Ausfälle möglichst präzise einzuschätzen und angemessene Vorsorgemaßnahmen gegen solche Ausfälle zur Verfügung zu haben. Die Unternehmen sehen sich also mit der Notwendigkeit konfrontiert, geeignete Vorsorgemaßnahmen gegen erwartete uneinbringliche Forderungen im Sinne eines wirksamen Risikomanagements zu identifizieren. Die meisten großen Unternehmen stützen sich dabei entweder auf erprobte Verlustprognosetechniken oder sie verwenden solche Techniken, um ihre Berechnungen zur Ausfallwahrscheinlichkeit von einem Einjahres-Zeitfenster auf einen Zeitraum von 3 bis 5 Jahren auszuweiten. Bei der Verlustprognose sollten Änderungen in der Akquisitionspolitik und den entsprechenden Verfahren ebenso Berücksichtigung finden wie die nationalen und lokalen Wirtschafts- und Geschäftsbedingungen. Im Sinne einer besseren Kontrolle des Portfoliomanagements und einer profitableren Kundenmanagementstrategie ist es hilfreich zu wissen, welche unterschiedlichen Methoden zur Verlustvorhersage existieren und wann sie jeweils am besten eingesetzt werden. In diesem Artikel werden die folgenden Verlustprognose-Methoden zur Einschätzung von zukünftigen notleidenden Assets diskutiert:
Prognose auf der Grundlage von Roll-Rate-Analysen Mit Hilfe von historischen und aktuellen Daten werden die Forderungen pro Monat je nach Rückstandsgrad berechnet. Mit Hilfe dieser Daten werden die monatlichen Roll-Rates für die einzelnen Rückstandsstufen berechnet. Die prognostizierten Roll-Rates werden als ein gewichteter Durchschnitt aus der durchschnittlichen Roll-Rate der letzten 6 Monate und der Saisonabhängigkeit (Sep/Okt in der Tabelle unten) berechnet. Um die Prognosewerte zu erhalten, werden die berechneten Roll-Rates mit den Forderungen des laufenden Monats multipliziert.
Die Stärken dieses Ansatzes liegen darin, dass die Prognosen für 9-12 Monate genau sind, dass der Ansatz flexibel ist (Insolvenzen oder Konten mit Sonderabsprache könnten separat prognostiziert werden) und außerdem Einsicht in potenzielle Problemstellen liefern kann. Andererseits ist bei diesem Ansatz jedoch zu berücksichtigen, dass die Methodik eine unabhängige Forderungsprognose erfordert (im Allgemeinen von der Finanzabteilung), und dass sie lokale und globale wirtschaftliche Faktoren, in jüngster Zeit erfolgte Änderungen der Akquisitionspolitik und -verfahren sowie die Qualität und Merkmale neuerer Kredite nicht mit einbezieht. Prognose auf der Grundlage des Kreditlebenszyklus (Vintage) ‘Vintage’ bezieht sich auf das Eröffnungsdatum; Vintage-basierte Verlustprognosen gehen von der Annahme aus, dass neue Konten in ähnlicher Weise reifen wie ältere. Die monatlichen Verluste über den Lebenszyklus von älteren Konten werden berechnet und daraus Verlustkurven entwickelt, die den Prozentsatz der monatlich auftretenden Verluste zeigen. Für neuere Konten wird angenommen, dass sie ähnlichen Verlustmustern folgen, damit ist die Prognose dann abgeschlossen.
Hinsichtlich der Stärken gilt auch bei diesem Ansatz, dass die Prognosen für 9-12 Monate genau sind und der Ansatz flexibel ist. Vintage-basierte Prognosen berücksichtigen außerdem neuere Änderungen der Vergabegrundsätze sowie wirtschaftliche Faktoren. Zu berücksichtigen ist hier allerdings auch, dass eine unabhängige Forderungsprognose benötigt wird. Außerdem weist dieser Ansatz eine gewisse Anfälligkeit gegenüber Einflüssen auf, die eine zeitliche Verschiebung verursachen könnten, wie zum Beispiel ‘Gratisangebote’ im Rahmen von Werbeaktionen. Prognose nach Score Score-basierte Prognosen verwenden einen Prozentsatz der tatsächlichen Verluste je Score-Intervall für einen bestimmten Zeitraum, etwa 12 oder 24 Monate. Für neue Konten wird ein Akquisitions-Score verwendet, für reife Konten ein Verhaltens-Score. Die erwarteten Verlustraten für 12 Monate bzw. 24 Monate werden für die spezifischen Score-Bereiche berechnet. Die Verlustzahl für den 24-Monats-Zeitraum wird mit Bezug auf die zwischen den Monaten 13 und 24 aufgetretenen Verluste adjustiert. Nachdem die Verteilung der aktuellen Forderungen für dieselben Score-Bereiche ermittelt worden ist, werden die erwarteten Verluste für Jahr 1 und Jahr 2 berechnet, indem die erwarteten Verlustraten in den einzelnen Score-Bereichen mit den in diesen Score-Bereichen liegenden Forderungen multipliziert werden.
Die Stärken einer Score-basierten Prognose liegen in ihrer Genauigkeit für den angegebenen Zeitraum und in ihrer Nützlichkeit für ganz neue Segmente. Vor allem jedoch ist diese Methodik einfach zu benutzen. Zu berücksichtigen ist auf der anderen Seite, dass die Aussagekraft des gewählten Zeitraums von dem bei der Score-Entwicklung verwendeten Beobachtungszeitraum abhängt und dass eine Populationsverschiebung und Score-Verschlechterung die Genauigkeit beeinträchtigen könnte. Außerdem lässt auch dieser Ansatz lokale und globale wirtschaftliche Faktoren außer Acht. Markov-Ketten Für eine Verlustprognose auf der Grundlage von Markov-Ketten muss eine Übergangsmatrix erstellt werden, die für einen spezifischen Zeitraum die Wahrscheinlichkeit des Übergangs von einem Zustand zu einem anderen angibt.
Zur Berechnung der Verluste werden verschiedene Rückstandszustände – einschließlich abgeschriebener Verluste – des Portfolios ermittelt und dann die Übergangsmatrix erstellt. Anschließend wird die Übergangsmatrix mit sich selbst multipliziert, um für bestimmte Zeiträume in der Zukunft die Wahrscheinlichkeiten für den Übergang von einem Zustand zu einem anderen zu erhalten. Im letzten Schritt werden die prognostizierten Verluste berechnet, indem die Endmatrix mit der Verteilung der Forderungen im Portfolio multipliziert wird.
Die Stärken der Markov-Ketten-Methodik liegen darin, dass sie genaue und einfach zu ermittelnde Prognosen für 12+ Monate liefert und sowohl Verbesserungen als auch Verschlechterungen bei Rückständen innerhalb des Portfolios berücksichtigt. Zu berücksichtigen ist hier, dass die Zeiträume für die Entwicklung der Übergangsmatrix sehr sorgfältig gewählt werden müssen. Diesem potenziellen Schwachpunkt könnte durch die Verwendung von Langzeit-Durchschnittswerten und Stress-Tests begegnet werden. Außerdem finden bei diesem Ansatz neuere Änderungen in Akquisitionspolitik und -verfahren sowie die Qualität und die Merkmale neuerer Kredite keine Berücksichtigung. Diesem Problem könnte jedoch durch Kalibrierung der Übergangsmatrix begegnet werden. Experian Decision Analytics sind Experten in der Bereitstellung von Daten, Analytik, Modellentwicklung, Reporting und Implementierungssoftware. Gestützt auf über die Zeit getestete, bewährte Analyseverfahren unterstützt Experian Decision Analytics Unternehmen bei der Entwicklung und nahtlosen Integration von geeigneten und wirksamen Methoden zur Verlustprognose und sowie von Vorsorgemaßnahmen in ihre Kreditrisikomanagement-Umgebung. Burak Kilicoglu – Business Consultant, Experian Decision Analytics – aus seiner Präsentation anlässlich des Europäischen Telekommunikationsforums 2007 von Experian Decision Analytics Treten Sie mit uns für weitere Diskussionen über diesen Artikel in Verbindung |
|||||
|
Top |
|||||
 |
|||||
|
|
Weltweit ist der Markt für Telekommunikation in raschem Wachstum begriffen. Die ständig zunehmende Nutzung dieses Mediums bei gleichzeitig rückgängigen Erträgen macht die fortschreitende Preiserosion auf diesem stark umkämpften Markt sehr deutlich. Für die finanzielle Gesundheit von Telekommunikationsanbietern ist daher die Sicherung effizienter Ertragsströme ein kritischer Faktor. 
Read more about debt management