Direkt zum Inhalt

Finanzstabilität: Neue, detaillierte Datensätze erlauben Weiterentwicklung von Stresstests

DIW Wochenbericht 3 / 2020, S. 19-27

Justus Inhoffen, Iman van Lelyveld

get_appDownload (PDF  411 KB)

get_appGesamtausgabe/ Whole Issue (PDF  3.13 MB)

  • Um Risiken im Finanzsystem besser erkennen zu können, müssen Datenmeldungen an die Finanzaufsicht detaillierter sein
  • Solche granularen Daten erlauben es Behörden, genauere Stresstests durchzuführen, um die Stabilität des Finanzsystems zu bewerten
  • Empirische Untersuchung legt nahe, dass weniger detaillierte Datensätze zu verzerrten Ergebnissen und falschen Handlungsempfehlungen führen können
  • Marktteilnehmer beklagen zu hohen Aufwand bei Berichtspflichten im Verhältnis zum Nutzen
  • Harmonisierung und Standardisierung der Berichtspflichten und der Prozesse könnte Effizienz steigern und Kosten senken

„Die Finanzkrise hat uns vor Augen geführt, wie unumgänglich es ist, die Transparenz der Finanzmärkte zu erhöhen. Allerdings sollte dabei mit Umsicht vorgegangen werden, damit der Aufwand insbesondere die kleinen Institute nicht überfordert.“ Justus Inhoffen

Die Finanzkrise der Jahre 2008 bis 2010 hat deutlich gemacht, dass der Finanzaufsicht die nötigen Informationen fehlten, um Risikotreiber im Finanzsystem genau und rechtzeitig zu identifizieren. Um für künftige Krisen besser gewappnet zu sein, wurde eine Reihe von Gesetzgebungen in Europa und darüber hinaus verabschiedet. Umfang und Detailgrad der Daten, die seither auch aus zuvor unberücksichtigten Segmenten des Finanzsystems an die zuständigen Behörden geliefert werden, haben sich damit signifikant erhöht. Die vorliegende Untersuchung zeigt, dass diese sogenannten granularen Datensätze bei Stresstests die Verflechtungen und die Stabilität der Marktteilnehmer transparenter machen. Deutlich wird, dass vor allem über börsennotierte Aktien die meisten Risiken weitergegeben werden und dies insbesondere über starke Verflechtungen im Inland. Trotz der hohen Kosten ist die Datenerhebung also notwendig, um intransparente Risikotreiber zu identifizieren und effektive Politikmaßnahmen herzuleiten. Die oft beklagten hohen Compliance-Kosten für die Marktteilnehmer könnten verringert werden, indem Berichtspflichten harmonisiert und Datenerfassungsprozesse standardisiert werden.

Mehr als ein Jahrzehnt nach Ausbruch der Finanzkrise ist die Reform des Finanzdienstleistungssektors immer noch nicht abgeschlossen. Die Ergebnisse von Stresstests bei Banken und anderen Finanzdienstleistern haben wiederholt vor Augen geführt, wie krisenanfällig einzelne Marktteilnehmer sind. Neue europäische Verordnungen und Richtlinien sollen Abhilfe schaffen und dazu beitragen, die Finanzstabilität zu stärken. Doch weiterhin wird diskutiert, ob die Datengrundlage ausreichend ist, um alle Risikotreiber hinreichend zu identifizieren.

Neben dem positiven Effekt, den die neuen Vorschriften und Richtlinien auf die Transparenz der Finanzmärkte haben, wirken sich diese strukturellen Eingriffe aber auch fundamental belastend auf nahezu jede Organisationsebene der Marktteilnehmer aus, insbesondere, wenn sie in Verbindung mit der Meldepflicht stehen. Damit werden dem Tagesgeschäft notwendige Ressourcen entzogen.

Gleichzeitig steht der Finanzsektor in Zeiten niedriger Zinsen, weniger profitabler Investments und eines starken Wettbewerbs durch neue Marktakteure aus dem Technologiesektor unter einem enormen Profitabilitätsdruck. Interessensvertreter beklagen regelmäßig die Unverhältnismäßigkeit zwischen dem Nutzen neuer Anforderungen und den damit verbundenen Compliance-Kosten.

In diesem Beitrag wird daher untersucht, inwiefern detailliertere Daten bessere Stresstests ermöglichen und für mehr Transparenz sorgen könnten. Exemplarisch wird die Verflechtung von Marktteilnehmern im Euroraum anhand eines neuen Datensatzes des Europäischen Systems der Zentralbanken (ESZB) empirisch untersucht. infoDer Beitrag gibt die Meinung der Autoren wieder und entspricht nicht zwingendermaßen denen der niederländischen Zentralbank, De Nederlandsche Bank, wo der Autor Iman von Lelyveld arbeitet. Als Grundlage dienen sich überschneidende Bestände an Wertpapieren, über die Schocks im Finanzsystem übertragen werden können. Analysiert wird, über welche Anlageklassen die meisten Risiken weitergegeben werden, ob eher inländische oder grenzüberschreitende Überschneidungen die Risikoübertragung treiben und welche Land-Sektor-Paare anfällig sind. Anschließend wird analysiert, inwieweit die weniger detaillierten Vor-Krisen-Daten zu verzerrten Ergebnissen bei Stresstests führen könnten, da sie viele Verflechtungen unberücksichtigt lassen.

Änderungen des europäischen Regelwerks haben viele positive Effekte, kosten aber auch viel

Seit der Finanzkrise hat die Europäische Kommission im Einklang mit der Gruppe der 20 wichtigsten Industrie- und Schwellenländer (G20) mehr als 40 Rechtsvorschriften verabschiedet, die helfen sollen, eine nachhaltigere Finanzindustrie in Europa zu gestalten.infoVgl. Europäische Kommission (2014): Economic Review of the Financial Regulation Agenda. Staff Working Document SWD(2014)158/F1 (online verfügbar, abgerufen am 13. Dezember 2019. Dies gilt auch für alle anderen Online-Quellen dieses Berichts, sofern nicht anders vermerkt).

Der Umfang von Datenmeldungen erhöhte sich insbesondere im Bereich des außerbörslichen Handels (Over-the-Counter Market, OTC) – ein Segment des Finanzmarkts, der zuvor für die Finanzaufsicht intransparent war, weil Marktteilnehmer dort Transaktionen außerhalb von regulierten Börsen abwickeln. Ein weitreichender Rechtsakt war die Marktinfrastrukturverordnung (European Market Infrastructure Regulation, EMIR) aus dem Jahr 2010, die die Marktteilnehmer mit signifikanten Positionen in Derivategeschäften dazu verpflichtet, ihren Geschäftsabschluss zentral an Transaktionsregister (central repositories) zu melden. Andere Beispiele sind die Kreditdatenstatistik (Analytical Credit Register, AnaCredit), die eine grundlegende Version eines europäischen Kreditregisters ist, und die Geldmarktstatistiken (Money Market Statistical Reporting, MMSR), die die Informationen über Geldmarkttransaktionen der größten Banken im Euroraum erfassen.

Die zuständigen Finanzaufsichten betonen, wie wichtig diese detaillierten Datenmeldungen angesichts der steigenden Komplexität des Finanzmarkts sind, um die regulatorischen Zielvorgaben erfüllen zu können. Insbesondere die Möglichkeiten der Marktüberwachung und Risikobewertung haben sich dadurch für die zuständigen nationalen Behörden verbessert.infoVgl. Europäische Kommission (2019): Fitness Check of EU Supervisory Reporting Requirements. Staff Working Document SWD(2019)402/F1 (online verfügbar).

Diese neuen sogenannten granularen Datensätze (Kasten 1) generieren darüber hinaus positive Effekte für die Finanzmarktpolitik. Zum Beispiel erlaubt die Geldmarktstatistik, die eigentlich erhoben wird, um einen neuen Referenzzinssatz zu bilden, auch eine deutlich bessere Bewertung des geldpolitischen Transmissionsmechanismus und ermöglicht es, gezieltere Politikmaßnahmen zu identifizieren. Vor dem Hintergrund der ungleichen Verteilung von Überschussliquidität in und zwischen den Euroländern sind Zentralbanken mittlerweile auf eine umfassendere Informationsbasis angewiesen.

Mit dem Umfang der Daten, die an die nationalen Aufsichtsbehörden gemeldet werden, hat auch die sogenannte Detailtiefe oder Granularität der Informationen zugenommen. Ihre wichtigste Eigenschaft ist, dass sie eine maßgeschneiderte Aggregation erlauben und damit viele Anwendungsmöglichkeiten eröffnen.

Bisher war es die Aufgabe der Meldepflichtigen, Informationen selbst zu klassifizieren. Die neue Entwicklung ist es, dies den Behörden durch die Abfrage detaillierter Daten zu überlassen. Beispielsweise müssen bei der Übermittlung von Transaktionen im Rahmen der Marktinfrastrukturverordnung EMIR die Meldepflichtigen nicht mehr selbst den Sektor der Gegenpartei definieren, sondern lediglich eine Rechtsträger-Kennung (Legal Entity Identifier, LEI) – eine eindeutige Identifikationsnummer für Rechtspersonen – liefern. Die LEI kann genutzt werden, um Daten beispielsweise auf eine Bankengruppe oder einen Sektor zu aggregieren. So kann ein konsistenter Umgang mit der Sektorenzuordnung über Datensätze hinweg gewährleistet werden, auch wenn sich beispielsweise die Zuordnung einer speziellen Firma zu einem Sektor ändert.

Herausforderungen der Datenerhebung

Eine Herausforderung bei der Erhebung granularer Daten sind die regulatorischen Anforderungen. Abhängig vom institutionellen Rahmen eines Landes werden rechtliche Mandate an verschiedene Behörden vergeben. Trotz der globalen Struktur der Finanzmärkte ist das Teilen von Datensätzen über Rechtsträger hinweg schwierig. In dieser komplexen Steuerung ist es kein Wunder, dass regulatorische Anforderungen ein Flickwerk sind, die sich überlappen oder auch unterscheiden können. Entsprechend werden die Metadaten oft nicht gut koordiniert.

Chancen für Aufsichten und Stresstests

Mit Daten zum gesamten Finanzsystem können die Behörden das Rohmaterial für Stresstests liefern, sei es für das Finanzsystem (makroprudentiell) oder für einzelne Institute (mikroprudentiell). So ist es mit demselben Datensatz möglich, von der Makroebene nahtlos auf individuelle Transaktionen von Marktteilnehmern zu zoomen. Darüber hinaus können granulare Daten Auskunft geben, wie Märkte verbunden sind und wie aktiv Marktteilnehmer oder -sektoren in verschiedenen Wertpapieren sind. Die mikroprudentielle Aufsicht interessiert sich für die Zahlungsfähigkeit bestimmter Institute, während die makroprudentielle Aufsicht systemische Risiken im Gesamtmarkt untersucht. Mit granularen Datensätzen können solche Perspektiven eingenommen und es kann in verschiedene Zeitskalen gezoomt werden.

Positive Effekte entstehen womöglich auch bei den Meldepflichtigen. Die im Zuge der regulatorischen Vorgaben erhobenen Daten können interne Risikomodelle und -prozesse verbessern. Die Vorteile der Investitionen in die Informationstechnologie (IT), die oft zur Einhaltung der Vorschriften notwendig sind, können Meldepflichtige zudem dazu bewegen, diese als Profit- statt als Kosten-Center zu betrachten. Denn darauf aufbauend können sie systematisch die ohnehin auflaufenden Daten, die sich oft in zerstreuten und isolierten Systemen befinden, erfassen und damit viele Bereiche ihres Geschäfts optimieren.infoVgl. Financial Stability Board (2017): Artificial Intelligence and Machine Learning in Financial Services: Market Developments and Financial Stability Implications (online verfügbar).

Die Auswirkung auf die Finanzindustrie

Für eine jüngst veröffentlichte Studie befragte die Europäische Kommission etwa 400 Marktteilnehmer aus 15 Euro-Mitgliedstaaten, um die Eignung der aufsichtsrechtlichen Anforderungen zu bewerten.infoVgl. Europäische Kommission (2019), a. a. O. Die Ergebnisse zeigen unter anderem, dass die Datenmeldungen im Durchschnitt 30 Prozent der gesamten Compliance-Kosten ausmachen. Die Kommission schätzt, dass sich die jährlichen Ausgaben der Finanzindustrie auf mehr als vier Milliarden Euro belaufen.

Wesentliche Herausforderungen entstehen den Marktteilnehmern durch die Detailtiefe oder Granularität der Datenmeldungen. Insbesondere die unzureichende IT-Infrastruktur treibt die Kosten: Mehr als die Hälfte der Befragten gibt an, dass ihre IT-Systeme nicht optimal auf die Entwicklungen abgestimmt sind, was die Automatisierung der Meldeprozesse erschwert. Als Folge beispielsweise von Fusionen im Bankensektor gaben befragte Institute an, dass inkonsistente Systeme sie zu manuellen und damit ineffizienten Meldeprozessen zwingen. Schwierig ist es für die Marktteilnehmer auch, in einem angespannten Arbeitsmarkt qualifiziertes Personal zu finden.

Granulare Daten machen Verflechtungen transparenter

Ein wichtiger Vorteil granularer Daten ist, dass sie Aufsichtsbehörden erlauben, den Ursprung von Stress sowie die anfälligsten Komponenten des Finanzsystems zu lokalisieren.infoVgl. Myron L. Kwast et al. (2010): Norges Bank Stress Testing of Credit Risks. Report of an External Review Panel (online verfügbar). Sofern Probleme bei der Regulierungssteuerung sowie technische und konzeptionelle Schwierigkeiten gelöst werden, wäre es möglich, mithilfe granularer Daten ein detailliertes Bild des Finanzsystems zu zeichnen und bedarfsgerechte Stresstest-Modelle zu entwickeln.infoVgl. Melle Bijlsma et al. (2019): Building a Multilayer Macro-network for the Netherlands: A New Way of Looking at Financial Accounts and International Investment Position Data. In: Bank for International Settlements (Hrsg.): Are Post-Crisis Statistical Initiatives Completed? Basel (online verfügbar).

Die empirische Untersuchung von Verflechtungen im Finanzsystem veranschaulicht diesen Punkt. Ein neuer granularer Datensatz (Kasten 2) erlaubt es, ein Netzwerk sich überschneidender Wertpapierbestände zwischen Sektoren des Euroraums zu identifizieren, über die Schocks potentiell übertragen werden können. Vor der Krise war diese Art von Verflechtungen für die Finanzaufsicht weitgehend intransparent.

Datensatz

Die nach Wirtschaftssektoren und Sitzländern der Investoren gegliederte Statistik über Wertpapierinvestments (Securities Holdings Statistics by Sector, SHS-S) wird erhoben vom Europäischen System der Zentralbanken (ESZB) und deckt 83 Prozent aller auf Euro lautenden Wertpapiere im Euroraum ab.infoVgl. Europäische Zentralbank (2015): Who holds What? New Information on Securities Holdings. In: European Central Bank (Hrsg.): Economic Bulletin. Issue 2/2015. Frankfurt (online verfügbar). Somit ist dieser Datensatz gut geeignet zur Messung von sich überschneidenden Wertpapierbeständen. Der Datensatz beinhaltet für jede mögliche Kombination von Ländern und Sektoren den in Euro gemessenen Marktwert jedes Wertpapierinvestments, das durch die internationale Wertpapierkennnummer ISIN (International Securities Identification Number) identifiziert werden kann. Die ISIN ist ein Beispiel von standardisierten Metadaten für Wertpapiere, dessen Abdeckung hoch, aber noch nicht universell ist. Der Datensatz klassifiziert Wertpapiere in börsennotierte Aktien (oder Eigenkapital) und Investmentfondsanteile, die die Halter an dem Nettovermögenswert beteiligen, sowie Wertpapiere, die den Investor zur Rückzahlung eines überlassenen Kapitalbetrags sowie zu Zinszahlungen berechtigen. Die zuletzt genannte Klasse ist untergliedert in kurzfristige (Geldmarktpapiere) sowie langfristige (Anleihen und Schuldverschreibungen) Wertpapiere. Es werden Wertpapierbestände vom ersten Quartal 2018 beobachtet.

Methodik

Zur Messung der Bedeutung sich überschneidender Wertpapierbestände zwischen Euro-Sektoren dient die Konstruktion eines Netzwerks separat für jede Anlageklasse. In einem solchen Netzwerk repräsentieren Knotenpunkte ein Land-Sektor Paar. Eine Verbindung wird hergestellt, sofern sich mindestens ein Wertpapier in den Portfolien beider Paare befindet.

Ein Ähnlichkeitsmaß bestimmt den Grad der Portfolioüberschneidung, welches als Gewicht jeder Verbindung zugeordnet wird. Dieses Ähnlichkeitsmaß zwischen Land-Sektor Paar i und j ist der Anteil der Schnittmenge an der Vereinigung beider Portfolien,

|PiPj||PiPj|

wobei Pi das Portfolio von Sektor i ist. Dieses Maß ist auch bekannt als Jaccard-Index. Die Ergebnisse sind qualitativ robust zu anderen Definitionen.

Zur Messung des Risikos jedes Land-Sektor-Paars, dem es in dem Finanzsystem ausgesetzt ist, wird die Eigenvektor-Zentralität genutzt. Das Risikomaß jedes Land-Sektor-Paars

ce (i) = 1λ j=1n Aji  ce (j)

wird rekursiv bestimmt als die gewichtete Summe des Risikomaßes aller anderen verbundenen Marktteilnehmer. In Folge wird die Position im gesamten Beziehungsgeflecht des Systems berücksichtigt. A bezeichnet die Nachbarschaftsmatrix, die die Information aller Überschneidungen sowie das Ähnlichkeitsmaß umfasst. Eine Eigenwertanalyse führt zur Lösung des Gleichungssystems.

PolitikberaterInnen und WissenschaftlerInnen vermuten, dass starke Überschneidungen bei Wertpapierbeständen die Krise signifikant verstärkt haben.infoVgl. Paul Glasserman und H. Peyton Young (2016): Contagion in Financial Networks. Journal of Economic Literature 54 (3), 779–831. Der grundlegende Mechanismus ist folgender: Halten zwei Investoren, A und B, das gleiche Wertpapier in ihrem Portfolio und A erfährt einen unerwarteten Liquiditätsschock, der ihn zum Verkauf dieses Wertpapiers zwingt, dann sinkt mit steigendem Angebot der Preis. Dadurch sinkt der Marktwert von Bs Portfolio ebenfalls. Dieser Mechanismus kann einen idiosynkratischen Schock zu einem potentiell systemischen Risiko verstärken.infoIn der akademischen Literatur wird eine Reihe von Ursachen für die Entstehung des Ursprungsschocks diskutiert, zum Beispiel ein Ansturm auf eine Bank oder die Verankerung eines Ziel-Verschuldungsgrads. Vgl. Gary Gorton und Andrew Metrick (2012): Securitized Banking and the Run on Repo. Journal of Financial Economics 104 (3), 425–451; Robin Greenwood, Augustin Landier and David Thesmar (2012): Vulnerable Banks. Journal of Financial Economics 115 (3), 471–485.

Überschneidung von Wertpapierbeständen am stärksten bei Aktieninvestments

Auf Basis der Statistik über Wertpapierinvestments (Securities Holdings Statistics by Sector, SHS-S) wird eine Analyse der Überschneidungen vorgenommen. Die Statistik beinhaltet für jede mögliche Kombination von Ländern und Sektoren den in Euro gemessenen Marktwert jedes Wertpapierinvestments. Im Datensatz enthalten sind neun Sektoren sowie 19 Euroländer, was zu 171 möglichen Land-Sektoren-Paaren führt.infoDie neun Sektoren sind Versicherungsgesellschaften, Investmentfonds, Kreditinstitute (Banken), Haushalte, nichtfinanzielle Kapitalgesellschaften, Pensionsfonds, Staat, sonstige Finanz­institute und Geldmarktfonds. Die Sektor-Klassifizierung entspricht dem Europäischen System Volkswirtschaftlicher Gesamtrechnungen auf nationaler und regionaler Ebene in der Europäischen Gemeinschaft (ESVG) des Jahres 2010. Vgl. hierzu Eurostat Europäische Kommission (Hrsg.) (2014): Europäisches System Volkswirtschaftlicher Gesamtrechnungen ESVG 2010. Luxemburg (online verfügbar).

Sektoren und Länder variieren signifikant bei dem Marktwert des Gesamtbestands, dem Grad der Diversifikation und der Wirtschaftsaktivität über Anlageklassen hinweg. Der größte Sektor nach Bestandsgröße (Versicherungsunternehmen) ist zwölfmal größer als der kleinste Sektor (Geldmarktfonds) (Tabelle 1). Obwohl mit Ausnahme der Geldmarktfonds alle Sektoren in allen Anlageklassen aktiv sind, variiert ihre Bedeutung. Dies liegt in erster Linie an Unterschieden im Geschäftsmodell, ist aber auch eine Konsequenz von beispielsweise regulatorischen Vorgaben und Risikoabwägungen. Gleichermaßen unterscheiden sich aggregierte Wertpapierbestände auf der Ebene der Euroländer, können aber aus Vertraulichkeitsgründen nicht offengelegt werden.

Tabelle 1: Wertpapierinvestments der Wirtschaftssektoren nach Anlageklassen im ersten Quartal 2018

In Milliarden Euro

Sektor Börsennotierte Aktien Investmentfondsanteile Geldmarktpapiere Anleihen und Schuldverschreibungen Total
Versicherungsunternehmen 161 1 515 27 2 742 4 445
Investmentfonds 1 048 1 147 72 1 986 4 252
Kreditinstitute 141 233 114 2 627 3 115
Haushalte 566 1 129 3 218 1 916
Nichtfinanzielle Kapitalmarktgesellschaften 853 334 14 84 1 285
Pensionsfonds 38 481 5 349 874
Regierungen 153 193 4 260 610
Sonstige Finanzinstitute 297 78 11 107 494
Geldmarktfonds 0 31 214 94 339
Total 3 257 5 141 465 8 466 17 329

Quelle: Europäische Zentralbank; eigene Berechnungen.

Diese deskriptiven Statistiken zeigen, dass eine potentiell starke Überschneidung in den Wertpapierbeständen von Land-Sektor-Paaren bestehen kann. Denn je mehr Wertpapiere jeder Marktteilnehmer hält, desto höher ist die Wahrscheinlichkeit, dass eine Verbindung zu einem anderen Marktteilnehmer entsteht. Der Anteil der beobachteten an der Anzahl aller potentiellen Investments (Kantendichte) zeigt, dass das Risiko von Überschneidungen im Eigenkapitel-Segment am höchsten ist (Tabelle 2).

Tabelle 2: Charakteristik der Investments nach Anlageklassen im ersten Quartal 2018

In absoluten Zahlen; Kantendichte in Prozent1

Börsennotierte Aktien Investmentfondsanteile Geldmarktpapiere Anleihen und Schuldverschreibungen Gesamt
Land-Sektor-Paare 129 135 100 143 146
Ausstehende Wertpapiere 3 669 47 848 45 020 239 879 336 416
Gehaltene Wertpapiere
(Durchschnitt pro Marktteilnehmer)
468 1714 530 3496 5 786
Investments 60 347 23 1392 53 024 499 952 844 715
Kantendichte 12,75 3,58 1,18 1,46 1,72

1 Die Kantendichte ist das Verhältnis beobachteter zu potentiellen Investments.

Quelle: Europäische Zentralbank; eigene Berechnungen.

Eine Verbindung im Sinne des obigen Mechanismus zwischen zwei Land-Sektor-Paaren entsteht jedoch erst durch das Invest-ment in dasselbe Wertpapier. Je ähnlicher zwei Portfolien sind, desto stärker ist die Übertragung des Schocks (Kasten 2).

Die Ergebnisse zeigen, dass die Intensität der Überschneidungen sehr heterogen ist (Abbildung 1). Innerhalb einer Anlageklasse gibt es relativ viele, aber schwache Verbindungen, aber auch noch immer eine geringe Anzahl an starken Überschneidungen. Über Anlageklassen hinweg wächst die Konzentration starker Überschneidungen vom Segment der Geldmarktpapiere über Investmentfondsanteile sowie Anleihen und Schuldverschreibungen zu börsennotierten Aktien. Vor dem Hintergrund des oben beschriebenen Mechanismus sind börsennotierte Aktien am anfälligsten für Risikoübertragungen.

Vergleicht man die Verbindungen von Sektoren innerhalb eines Landes (inländisch) und grenzüberschreitend, zeigt sich, dass Sektoren ihre Wertpapierwahl am stärksten innerhalb eines Landes koordinieren, wodurch stärkere Überschneidungen entstehen (Abbildung 2). Deswegen kann davon ausgegangen werden, dass die Übertragung des Schocks stärker innerhalb eines Landes ist.

Risikoanfälligkeit ist für Marktteilnehmer bei Aktien am höchsten

Untersucht wird außerdem, welchem Risiko die Marktteilnehmer, also die Land-Sektor-Paare, je nach Anlageklasse ausgesetzt sind. Die Anzahl und die Intensität von Überschneidungen bestimmen das Risiko, dem ein Land-Sektor-Paar ausgesetzt ist. Die Risikoanfälligkeit von allen Marktteilnehmern im Finanzsystem bedingt sich untereinander. Deswegen muss ein sinnvolles Risikomaß für ein Land-Sektor-Paar dessen Position im Beziehungsgeflecht des Systems berücksichtigen (Kasten 2). Die Verteilung dieses Maßes wird hier bestimmt von der Höhe der Wertpapierbestände in den jeweiligen Anlageklassen und zeigt demnach, dass der Median über alle Land-Sektor-Paare hinweg am höchsten im Marktsegment der börsennotierten Aktien und am niedrigsten bei den Geldmarktpapieren ist (Abbildung 3). Dies zeigt, dass Marktakteure im Segment der Aktien dem höchsten Risiko ausgesetzt sind.

Allerdings beinhalten Portfolios typischerweise mehrere Anlageklassen, so dass sich Schocks auch über Marktsegmente hinweg ausbreiten können. Das bedeutet, dass die Ursache für die Marktverluste eines spezifischen Segments nicht notwendigerweise auch in diesem liegt, sondern nur eine Folge von Verlusten in anderen Segmenten sein kann. Diese Komplexität erfordert, dass auf bestimmte Wirkungsbeziehungen gezoomt werden muss, um marktweite Phänomene zu erklären.

Wird beispielsweise eine Sektorenperspektive gewählt (Abbildung 4), zeigt sich, dass das Gesamtrisiko für die Finanzindustrie am höchsten ist, insbesondere für den Investmentfonds- und den Versicherungssektor. Diese sind besonders den sonstigen Finanzinstituten ausgesetzt, welchen zuletzt starke Aufmerksamkeit gewidmet wurde, da sie trotz bankenähnlicher Funktion einer weniger intensiven Aufsicht unterstehen. Dieses Beispiel wäre relevant für einen makroprudentiellen Ansatz. Da jede nationale Zentralbank die Wertpapierbestände von Investoren in ihrem Zuständigkeitsbereich erhebt, wäre es sogar möglich, eine Firmenperspektive zu wählen.

Vor-Krisen-Daten ignorieren wertpapierspezifische Verflechtungen und kämen zu anderen Ergebnissen

Vor der Krise hätte eine solche Analyse nur auf einem Datensatz mit einem geringeren Informationsgehalt basiert. Fraglich ist, ob dieser ausgereicht hätte, um bei der Risikoanalyse zu konsistenten Ergebnissen zu kommen. Um einen solchen Vor-Krisen-Datensatz zu imitieren, werden Wertpapierbestände nach den emittierenden Ländern und Sektoren aggregiert.

Der Vergleich zwischen der Verteilung des Risikomaßes basierend auf einer granularen (Abbildung 3) sowie einer groben Informationsbasis (Abbildung 5) zeigt, dass die groben Vor-Krisen-Daten eine kritische Anzahl an Verflechtungen ignorieren. Während der grobe Datensatz Verflechtungen in einzelnen Wertpapieren, die von einem Land-Sektor-Paar emittiert werden, zusammenschmilzt, können diese in den granularen Daten separat voneinander analysiert werden. In der Folge ändert sich die Reihenfolge in der Anfälligkeit der Anlagetypen. In dem Vor-Krisen-Datensatz ist das Marktsegment der Investmentfondsanteile am anfälligsten, wohingegen dies bei dem granularen Datensatz die börsennotierten Aktien sind. Der Vergleich der Medianwerte zeigt zudem eine Überschätzung auf Seiten des groben Datensatzes.

Fazit: Kosten könnten durch mehr Koordination reduziert werden

Die Ergebnisse haben beispielhaft gezeigt, wie sich granulare Daten positiv auf die Überwachung und Bewertung der Finanzstabilität auswirken. So sind die Überschneidungen von Wertpapierbeständen bei Aktien besonders stark und machen bestimmte Land-Sektor-Paare anfällig. Grobe Daten hingegen, wie sie vor der Finanzkrise zur Verfügung standen, ignorieren wichtige Verflechtungen, was die Ergebnisse verzerrt. Politikmaßnahmen hätten demnach bei Investmentfonds statt bei Aktien ansetzen müssen.

Grundsätzlich erleichtern es granulare Datensätze also den nationalen Aufsichtsbehörden, ihre regulatorischen Mandate effektiv auszuführen und Risikotreiber zu identifizieren. Allerdings erscheint es notwendig, die Compliance-Kosten für die Marktteilnehmer zu reduzieren, damit diese keine Nachteile im europaweiten und im globalen Wettbewerb erleiden.

Die mangelnde Koordinierung der Berichtspflichten zwischen den Regulierungsbehörden verursacht häufig Kosten. Es gibt einige Anforderungen, die ähnliche, aber nicht identische Informationen abfragen. Würden die Datenanforderungen besser koordiniert und auf einem hinreichend granularen Niveau abgefragt, könnten die nationalen Aufsichtsbehörden diese nach ihrem jeweiligen Bedarf aggregieren. Darüber hinaus gibt es Bestimmungen, zu deren Aufsicht zwei Behörden mandatiert werden, was zu zusätzlichem Aufwand führt. Die Marktinfrastrukturverordnung EMIR ist ein solches Beispiel: Für sie sind sowohl die europäische Wertpapier- und Marktaufsichtsbehörde (European Securities and Markets Authority, ESMA) als auch die nationalen Aufsichtsbehörden zuständig.

Zeitlich stabilere Regelwerke mit weniger Änderungen würden außerdem Kosten reduzieren, da dadurch weniger Ressourcen gebraucht werden, um bereits implementierte Prozesse anzupassen. Dies muss jedoch abgewogen werden zum Informationsbedarf der Behörden, der sich durch die rasanten Entwicklungen auf dem Finanzmarkt schnell ändern kann.

Sobald die relevanten Daten erfasst sind, sehen sich Meldepflichtige in der Datenübermittlung mit einem weiteren Engpass konfrontiert. Momentan verfolgen die meisten nationalen Aufsichtsbehörden einen Schablonen-basierten Ansatz, nach welchem die zu übermittelnden Daten an ein vorgeschriebenes Format angepasst werden müssen. Diese Formate können je nach Behörde und Land unterschiedlich sein, was unnötige Mehrkosten insbesondere für große Marktteilnehmer mit grenzüberscheitenden Geschäften erzeugt.

Einige nationale Behörden erkunden bereits alternative Wege der Datenerhebung. Sofern Nachteile zum Beispiel beim Datenschutz hinreichend kontrolliert werden, könnten diese als Blaupause für den gesamten Euroraum dienen. Im österreichischen System wurde die direkte Datenmeldung der einzelnen Banken an die Zentralbank ersetzt durch die Übermittlung an ein Joint Venture, die Austrian Reporting Services GmbH (auch bekannt als AuRep), das diese Daten gesammelt an die Zentralbank weitergibt.infoVgl. Katharina Kienecker, Günther Sedlacek und Johannes Turner (2018): Managing the Processing Chain from Banks’ Source Data to Statistical and Regulatory Reports in Austria. Österreichische Nationalbank Statistiken Q3-2018 (online verfügbar). Es gehört gemeinschaftlich den sieben größten Bankengruppen des Landes und ist beauftragt mit der Datenerstellung und -übermittlung. Diese Struktur erlaubt eine größere Harmonisierung zwischen Banken sowie die Integration der IT-Systeme zwischen Meldepflichtigen und der Aufsicht. Ein weiteres Beispiel ist die niederländische Zentralbank, die mit einem radikaleren Ansatz experimentiert. In diesem beschafft sich die Behörde die erforderlichen Informationen selbst, indem sie direkt auf die Systeme der privaten Institutionen zugreift.



JEL-Classification: C82;G20;L14
Keywords: Network analysis, interconnectedness, financial stability, stress-testing
DOI:
https://doi.org/10.18723/diw_wb:2020-3-1

Frei zugängliche Version: (econstor)
http://hdl.handle.net/10419/213346

keyboard_arrow_up