Aktuelle Richtlinien wie Basel II, Solvency II oder MaRisk fordern differenzierte Risikoabschätzungen, etwa bei der Kalkulation von Markt- und Kreditrisiken oder der Prognose von Schadens- und Betrugsfällen. Viele Unternehmen stehen jedoch vor dem Problem, dass die Datenbasis zu dünn ist, um mit einfachen analytischen Mitteln genaue Aussagen treffen zu können. Moderne Simulationsanalysen versprechen hier Abhilfe.
Die gängigen Best- oder Worst-Case-Szenarien greifen hingegen oft zu kurz. Beispiel: Eine Bank möchte ihren Reingewinn prognostizieren. Dieser ergibt sich unter anderem aus Zins- und Provisionsüberschuss sowie Verwaltungs- und Risikokosten. Nun setzt man alle diese Einflussgrößen zugleich auf ihre denkbar ungünstigsten Werte, um den schlimmstenfalls zu erwartenden Gewinn (Verlust) zu bestimmten, für den bestmöglichen Gewinn entsprechend auf die günstigsten Werte. Damit lässt diese Methode große Unsicherheit darüber zurück, wie die Situation zwischen diesen - zudem sehr unwahrscheinlichen - Extrempolen aussieht. Auch einzelne Mittelszenarien füllen diese Lücke nur unzureichend. Simulationsanalysen hingegen reichern bestehende Informationen an und schaffen so eine realistische und ergiebige Auswertungsbasis. Mit der Analyse-Software STATISTICA Version 9 ist nun ein Tool auf dem Markt, das auch dem ungeübten Analytiker nach wenigen Mausklicks brauchbare Resultate liefert und welches als Rundumlösung zahlreiche weitere grafische und statistische Verfahren in vertrauter Office-Oberfläche integriert.
Im obigen Beispiel würde dies wie folgt aussehen: STATISTICA erzeugt auf Knopfdruck eine Vielzahl an Werten, welche den Verteilungen der Einflussgrößen folgen. So sollte der Zinsüberschuss nur positive Werte annehmen und geringe Zinsüberschüsse wahrscheinlicher sein als hohe. Sind die entsprechenden Verteilungstypen nicht bekannt, genügen STATISTICA bereits wenige historische Daten, um die vorliegende Verteilung zu identifizieren und tausende mögliche Wertekombinationen zu simulieren. Dabei lassen sich etwaige Abhängigkeiten zwischen den Einflussgrößen berücksichtigen, z.B. dass steigende Risikokosten typischerweise mit einem sinkenden Zinsniveau einhergehen. Schließlich wird gemäß dem vorgegebenen Modell aus den Simulationswerten die Verteilung der eigentlich interessierenden Zielgröße bestimmt. Dies erlaubt exakte Aussagen wie: "Der Reingewinn wird mit 90%iger Wahrscheinlichkeit zwischen 2 und 3,5% der Bilanzsumme betragen".
Das obige Beispiel beschreibt nur eine von vielen Möglichkeiten, Wissenslücken zu schließen. Somit dürften die neuen Simulationsanalysen in STATISTICA für Unternehmen unterschiedlichster Branchen eine sinnvolle Ergänzung ihres Analyseportfolios bedeuten.
Die gängigen Best- oder Worst-Case-Szenarien greifen hingegen oft zu kurz. Beispiel: Eine Bank möchte ihren Reingewinn prognostizieren. Dieser ergibt sich unter anderem aus Zins- und Provisionsüberschuss sowie Verwaltungs- und Risikokosten. Nun setzt man alle diese Einflussgrößen zugleich auf ihre denkbar ungünstigsten Werte, um den schlimmstenfalls zu erwartenden Gewinn (Verlust) zu bestimmten, für den bestmöglichen Gewinn entsprechend auf die günstigsten Werte. Damit lässt diese Methode große Unsicherheit darüber zurück, wie die Situation zwischen diesen - zudem sehr unwahrscheinlichen - Extrempolen aussieht. Auch einzelne Mittelszenarien füllen diese Lücke nur unzureichend. Simulationsanalysen hingegen reichern bestehende Informationen an und schaffen so eine realistische und ergiebige Auswertungsbasis. Mit der Analyse-Software STATISTICA Version 9 ist nun ein Tool auf dem Markt, das auch dem ungeübten Analytiker nach wenigen Mausklicks brauchbare Resultate liefert und welches als Rundumlösung zahlreiche weitere grafische und statistische Verfahren in vertrauter Office-Oberfläche integriert.
Im obigen Beispiel würde dies wie folgt aussehen: STATISTICA erzeugt auf Knopfdruck eine Vielzahl an Werten, welche den Verteilungen der Einflussgrößen folgen. So sollte der Zinsüberschuss nur positive Werte annehmen und geringe Zinsüberschüsse wahrscheinlicher sein als hohe. Sind die entsprechenden Verteilungstypen nicht bekannt, genügen STATISTICA bereits wenige historische Daten, um die vorliegende Verteilung zu identifizieren und tausende mögliche Wertekombinationen zu simulieren. Dabei lassen sich etwaige Abhängigkeiten zwischen den Einflussgrößen berücksichtigen, z.B. dass steigende Risikokosten typischerweise mit einem sinkenden Zinsniveau einhergehen. Schließlich wird gemäß dem vorgegebenen Modell aus den Simulationswerten die Verteilung der eigentlich interessierenden Zielgröße bestimmt. Dies erlaubt exakte Aussagen wie: "Der Reingewinn wird mit 90%iger Wahrscheinlichkeit zwischen 2 und 3,5% der Bilanzsumme betragen".
Das obige Beispiel beschreibt nur eine von vielen Möglichkeiten, Wissenslücken zu schließen. Somit dürften die neuen Simulationsanalysen in STATISTICA für Unternehmen unterschiedlichster Branchen eine sinnvolle Ergänzung ihres Analyseportfolios bedeuten.
