Neue Perspektiven für das Unternehmensrating durch Support Vector Machines
Pressemitteilung vom 1. Dezember 2004
Support Vector Machines erfüllen in besonderem Maße die Anforderungen an leistungsfähige Insolvenzprognosemodelle und sind deshalb auch für das Unternehmensrating geeignet. Zu diesem Ergebnis kommt das DIW Berlin in seinem aktuellen Wochenbericht 49/2004. Support Vector Machines – kurz SVMs – sind eine neuere Entwicklung der Theorie des statistischen Lernens und werden bereits seit geraumer Zeit erfolgreich in zahlreichen Anwendungsgebieten, wie zum Beispiel in der Biometrie, eingesetzt.
Im Jahre 2003 wurden in Deutschland über 39000 Insolvenzverfahren für Unternehmen eröffnet, im Vergleich zum Vorjahr ein Anstieg von 19%. Die Rekordzahlen an Unternehmensinsolvenzen und die damit zusammenhängende schlechte Ertragslage der Kreditinstitute, aber nicht zuletzt auch die Eigenkapitalvereinbarungen nach Basel II erfordern dringend geeignete Methoden für Banken und andere Finanzdienstleister, um möglichst treffsicher das Risiko abschätzen zu können, mit dem ein Unternehmen während einer gegebenen Vorhersageperiode insolvent wird. Fehleinschätzungen bei den Ausfallraten von Krediten können aber auch Auswirkungen auf die Stabilität des gesamten Finanzsystems und die Liquiditätsversorgung der Volkswirtschaft haben.
Support Vector Machines sind leicht zu implementieren und anzupassen. Die Vorteile von SVMs gegenüber gängigen Insolvenzprognosemodellen bestehen neben ihrer höheren Treffsicherheit in ihrer flexiblen Struktur, ihrer Unabhängigkeit vom Gesetz der großen Zahl und der Produktion von eindeutigen Ergebnissen. Trotz ihrer nachgewiesenen Überlegenheit als Klassifizierungsinstrument in anderen Anwendungsgebieten haben sie bislang jedoch kaum Eingang in das Unternehmensrating gefunden. Eine weitere denkbare Anwendung von SVMs wäre ein flächendeckendes Frühwarnsystem im Kreditsektor.
Support Vector Machines sind leicht zu implementieren und anzupassen. Die Vorteile von SVMs gegenüber gängigen Insolvenzprognosemodellen bestehen neben ihrer höheren Treffsicherheit in ihrer flexiblen Struktur, ihrer Unabhängigkeit vom Gesetz der großen Zahl und der Produktion von eindeutigen Ergebnissen. Trotz ihrer nachgewiesenen Überlegenheit als Klassifizierungsinstrument in anderen Anwendungsgebieten haben sie bislang jedoch kaum Eingang in das Unternehmensrating gefunden. Eine weitere denkbare Anwendung von SVMs wäre ein flächendeckendes Frühwarnsystem im Kreditsektor.
