Kategorie: Risikomanagement

Marktrisikosteuerung mit VAR, Greeks & Co

von Marianne Diem, Juni 2017
Marktrisiko-BlackScholes

Wie können Marktrisiken eines Portfolios gesteuert werden. Welche Bedeutung haben Sensitivitäten und die sogenannten Greeks. In welchem Zusammenhang stehen sie zur Wertentwicklung des Portfolios und zu Risikokennzahlen wie dem Value-at-Risk.

Zentraler Bestandteil des Risikomanagements ist die Kontrolle von Preisrisiken an den Energiemärkten.  Gegenstand dieses Artikels sind Methoden und Kennzahlen zur Marktrisikosteuerung eines Portfolios.

Portfoliostrukturen

Basis der Marktrisikosteuerung ist die Zusammenführung von am Markt getätigten Handelsgeschäften und von physischen Positionen, die Marktrisiken unterliegen, in geeigneten Portfolien, siehe hierzu auch den Artikel zum Portfoliomanagement.

1. Das Portfolio als Bewertungsbasis

Ein Portfolio besteht aus marktrisikobehafteten Positionen und Werten, sogenannten Assets, hier insbesondere

  • Energiehandels- und -vertriebskontrakten
  • Physischen Assets wie z.B. dem Vertriebsabsatz oder Kraftwerken, Importverträgen oder Speichern

Für die enthaltenen Assets des gegebenen Portfolios soll Marktwert, physische Netto-Lieferposition und Risiko

  • zusammengefasst betrachtet werden
  • von einem zugewiesenen Portfoliomanager bewirtschaftet werden
  • einem definierten Geschäftsbereich zugeordnet werden.

Die Portfoliostruktur dient somit

  • der Dokumentation von Handelszwecken
  • der Zuweisung von Ergebnissen und Risiken zu Handelszwecken und Geschäftsbereichen und
  • zur Steuerung der physischen Lieferpositionen.

2. Anforderungen an die Portfoliodarstellung

Wir gehen weiterhin davon aus, dass die betrachteten Portfolien vollständig in einem Handelssystem erfasst sind. Hierzu müssen komplexe physische Assets wie Kraftwerke und Speicher als virtuelle Verträge in einer Form dargestellt werden, die den Marktwert und seine Abhängigkeit von Marktpreisänderungen sowie die sich je nach Marktpreisniveau ergebenden physischen Lieferpositionen ausreichend gut wiedergibt, um eine wirksame Ergebnis- und Risikosteuerung zu ermöglichen.

 

Die repräsentative Darstellung von Kraftwerken und Speichern im Handelssystem bemisst sich somit danach, dass

  • die erwartete Lieferposition in allen Commodities in Abhängigkeit vom Marktpreis korrekt dargestellt ist
  • der Marktwert des Assets ausreichend genau wiedergegeben ist
  • die Marktpreisabhängigkeit des Marktwertes ausreichend genau wiedergegeben ist

Dieselbe Erwartung wird an die Abbildung von Handelsgeschäften und anderen Assets gestellt. Wird sie erfüllt, ergibt sich der Marktwert M des Portfolios als Summe aller Marktwerte Mi der im Portfolio enthaltenen Assets:

M_{\text{Portfolio}} = \sum_{i \in \text{Portfolio}} M_i

Risiken aggregieren sich nicht ganz so einfach, hier kommt es auf Korrelationen an. Verhalten sich die Wertentwicklungen von zwei Assets gegenläufig, so ist das Gesamtrisiko geringer als die Summe der Einzelrisiken. Wie sich das Gesamtrisiko eines Portfolios ermitteln und steuern lässt, ist Gegenstand des Artikels.

Marktbewertung von Assets

Der tägliche Marktwert eines Portfolios ergibt sich somit wie wir gesehen haben als Summe der Marktwerte aller enthaltenen Assets. Somit müssen zur Portfoliobewertung alle enthaltenen Assets bewertet werden. Je nach Asset ist diese Aufgabe sehr unterschiedlich schwierig. Zum Teil – insbesondere bei physischen Assets – Realoptionen –  ist sie nur näherungsweise möglich bzw. zweckmäßig.

1. Terminkontrakte

Am einfachsten ist die Marktbewertung bei den Standardkontrakten Base und Peak des Terminmarktes Gas, Strom (oder auch Öl), bei denen ein festes Lieferprofil auf Termin verkauft oder gekauft wird. Der aktuelle Marktwert M des Kontraktes ergibt sich hier als:

M = (m - k) \cdot L

wobei
L die Liefermenge in MWh (positiv bei Kauf, negativ bei Verkauf)
m der aktuelle Marktpreis des Standardkontrakts in €/MWh
k der kontrahierte Preis des Kontrakts in €/MWh

Marktwertentwicklung Forwardkontrakt

2. Vertriebskontrakte mit marktpreisunabhängiger Absatzmenge

Vertriebsverträge beschränken sich nur selten auf die Lieferung eines fixen Lieferprofils. Insbesondere beim Absatz an kleinere Kunden und im Endkundenmarkt kann der Kunde zu einem festen Preis soviel Strom und Gas ziehen, wie er benötigt. Allerdings wird im Allgemeinen in diesem Marktsegment nicht davon ausgegangen, dass der Bezug des Kontrahenten vom Marktpreis abhängt. D.h. der Absatz erhöht sich nicht, wenn der Strom- oder Gaspreis teurer ist. Vor diesem Hintergrund wird in der Regel die Absatzprognose zwar regelmäßig aktualisiert. Auf Basis einer aktuellen Absatzprognose ergibt sich der Marktwert der Absatzposition aber wie oben als:

M = (m - k) \cdot P

wobei
P die aktuelle Absatzprognose als 1/4h- Fahrplan in MWh (positiv bei Kauf, negativ bei Verkauf)
m die aktuelle Marktbewertung der Absatzprognose in €/MWh mittels einer HPFC
k der kontrahierte Preis in €/MWh

3. Marktpreiskorrelierte Vertriebskontrakte

Der Gasabsatz an Endkunden ist typischerweise temperaturabhängig. Das heißt die Absatzprognose P ist eine Funktion der Temperatur t. Einerseits kann sich hieraus indirekt doch eine Korrelation zwischen Absatz und Marktpreis ergeben, die im Zweifel geprüft werden sollte:

Temperatur_Marktpreis

Andererseits ist die Temperatur ähnlich wie der Marktpreis ein Risikofaktor, der mit eigener Berechtigung überwacht werden sollte.

Wie bestimmt sich der Marktwert eines Vertriebskontraktes, wenn der Absatz zwar nicht direkt vom Marktpreis abhängt, aber doch mit diesem korreliert ist? Der Marktwert ergibt sich aus einem unsicheren Marktpreis und einem unsicheren Absatz, die beide miteinander korreliert sind. Der Marktwert M lässt sich somit als Zufallsgröße beschreiben. Wir suchen den Erwartungswert:

E(M) = E((m - k) \cdot P )
Der Kontraktpreis k ist konstant, m und P sind ihrerseits Zufallsgrößen. Es wird der Erwartungswert des Produktes von zwei Zufallsvariablen gebildet. Dieses Produkt berechnet sich als Produkt der Erwartungswerte plus die Kovarianz der Zufallsvariablen:

E((m - k) \cdot P )= E(m-k) \cdot E(P) + Cov(m,P)

Typischerweise wirken solche Korrelationen für den Lieferanten negativ: der Kunde zieht viel, wenn der Marktpreis hoch ist, und wenig, wenn er niedrig ist.

4. Klassische Call- und Put-Option

Im Falle klassischer Optionskontrakte ist der Zusammenhang zwischen Marktpreis und Liefermenge deterministisch: Eine Lieferung kommt zustande, sobald ein gewisser Preis erreicht, bzw. sobald ein gewisser Preis unterschritten ist. Eine Call-Option ist das Recht,

  • ein spezifiziertes Asset (Basiswert / Underlying)
  • zu einem spezifizierten Preis (BasispreisStrike)
  • zu einem bestimmten Zeitpunkt (Fälligkeitstermin / Maturity)

zu kaufen. Eine Put-Option ist das entsprechende Verkaufsrecht. Betrachtet man als Underlying die klassischen Standardkontrakte Base und Peakkontrakte des Strom- und Gasterminmarktes, so kommt eine Lieferung genau dann zustande wenn der Strikepreis überschritten (Call) bzw. unterschritten (Put) ist.

 

Zum Fälligkeitstermin ist die Calloption wertlos, wenn der Strikepreis nicht erreicht wird. Wenn Preis des Underlyings den Strikepreis übertrifft, entspricht die Auszahlung einer Calloption (bzw. der Wert des eventuell physisch gelieferte Underlyings) der Differenz zwischen dem Preis des Underlyings und dem Strikepreis (rot):

Marktrisiko - Optionsbewertung

 

Im Rahmen des traditionell verwendeten Black-Scholes-Modells wird zur Bewertung der Option angenommen, dass der Preis des Underlyings zum Fälligkeitstermin eine lognormalverteilte (blau) Zufallsvariable ist. Unter diesen Annahmen und einigen weiteren Annahmen kann dann der aktuelle Marktwert einer Standardoption explizit in Abhängigkeit von den folgenden Parametern bestimmt werden:

  • aktueller Marktpreis des Underlyings
  • Volatilität des Underlying-Preises
  • Laufzeit der Option
  • risikoloser Zinssatz

Der Wert ergibt sich im Wesentlichen, indem für jeden möglichen Marktwert des Underlyings die Wahrscheinlichkeit, mit der dieser Marktwert eintritt, mit der damit verbundenen Auszahlung multipliziert und abgezinst wird. Es ergibt sich eine explizite Darstellung des Marktwertes als Summe von zwei Integralen (siehe Wikipedia Black-Scholes-Modell).

 

Um das Black-Scholes-Modell anwenden zu können, sollten grundsätzlich die Voraussetzungen des Modells geprüft werden. Dazu gehört auch die Modellierung der Änderung des Underlyingpreises als lognormalverteilte Zufallsvariable. Siehe hierzu auch die Anmerkungen im Value-at-Risk-Kapitel.

5. Realoptionen

Kraftwerke und Speicher werden oftmals als Realoptionen bezeichnet. Ein Kraftwerk bietet die Möglichkeit, Gas, Kohle oder andere Brennstoffe in Strom zu wandeln, wenn die Marktpreise dies lukrativ erscheinen lassen. Ansonsten steht das Kraftwerk.

 

Ein Speicher bietet die Möglichkeit, Gas oder Strom zu einem Zeitpunkt einzuspeichern, an dem die Preise günstig erscheinen und zu einem späteren Zeitpunkt, an dem die Marktpreise höher sind wieder auszuspeisen.

 

Eine erste Näherung für den Marktwert solcher Realoptionen ergibt sich aus der optimalen Fahrweise bei derzeit gegebenen Terminpreisen (intrinsischer Wert). Dies resultiert für Speicher in einem Ein- und Ausspeisefahrplan, für Kraftwerke in einer Zeitreihe für den Brennstoffbedarf und einer Zeitreihe für die Stromerzeugung. Die Marktbewertung dieser Zeitreihen liefert eine untere Schranke für den Wert dieser Realoptionen. Die Ermittlung der genannten Zeitreihen erfolgt typischerweise über spezialisierte Systeme, siehe hierzu auch den Artikel zur Kraftwerkseinsatzoptimierung. Es wird ein optimales Ergebnis unter Einhaltung zahlreicher Nebenbedingungen gesucht. Diese sind z.B.

  • maximale An- und Abfahrrampen bzw.
  • maximale Ein- und Ausspeiseleistungen
  • Max- und Minleistung bzw.
  • maximales und minimales Speichervolumen

Das Optimierungsproblem wird durch stückweise lineare Gleichungen und Ungleichungen approximiert und mit dem Simplex-Algorithmus gelöst. Theoretische Erwägungen zeigen, dass das Maximum auf dem Rand des durch die Ungleichungen gebildeten Simplex liegen muss. Dies schränkt die Anzahl möglicher Fahrweisen ein und erlaubt die Suche eines Fahrplans mit maximalem Wert:

Speicheroptimierung

Die im Rahmen der Einsatzoptimierung ermittelten Strom- und Gaszeitreihen repräsentieren den aktuellen Wert des Assets Kraftwerks näherungsweise als Summe von:

  • Aufwand aus Terminkauf der Brennstoffe und der benötigten CO2-Zertifikate
  • Erlös aus Terminverkauf der Stromzeitreihe

Eine solche Darstellung des Kraftwerks durch 2-3 Verträge (eine dritte für den Bedarf an CO2-Zertifikaten), deren unterliegende Zeitreihen im Rahmen der Einsatzoptimierung ständig aktualisiert werden, ermöglicht die Absicherung der Marktrisiken des Kraftwerks mit Terminkontrakten. Für eine Absicherungsstrategie, die auch den Handel mit Optionen beinhaltet, muss die Marktrisikoposition des Kraftwerks genauer dargestellt werden. Entsprechendes gilt für Speicher.

Sensivitäten und die Deltaposition

Für die Steuerung von Marktrisiken ist eine Bewertung der Portfolien der erste Schritt. Der Wert des Portfolios ergibt sich als Summe der Assetbewertungen. Eigentlich von Interesse ist aber, wie der Marktwert von Assets und damit der Portfoliowert sich ändert, wenn sich die Marktpreise (oder andere Risikofaktoren) ändern.

1. Sensitivität gegenüber einem Risikofaktor

Was passiert mit dem Marktwert K eines Kontraktes, der von einem Risikofaktor abhängt, wenn sich dieser Risikofaktor r etwas ändert? Dafür wird der Marktwert K als Funktion von r dargestellt und die folgende Ableitung betrachtet:

\frac{\partial }{\partial r} K

In etwa ist der neue Marktpreis dann

K = K_0 + \delta r \cdot \frac{\partial }{\partial r} K

wobei
K0 der ursprüngliche Marktwerts
\delta r die Änderung des Risikofaktors r

Den Wert dieser Ableitung bezeichnet man auch als Sensivität des Marktwertes auf Änderungen des Risikofaktors p.

2. Deltapositionen von Optionen

Eine spezielle Sensitivität ist die sogenannte Deltaposition. Sie bezeichnet für Derivate die Ableitung von dem Marktwert des Derivates K(p) nach dem Wert des Underlyings p.

\Delta = \frac{\partial }{\partial p} K(p)

Klassischerweise werden Deltapositionen für Optionen betrachtet. Für eine klassische Call- oder Putoption, deren Preis in € vom Marktpreis ihres Underlyings, z.B. einem Standard- Base- oder Peakkontrakt, in € abhängt, ergibt sich als Deltaposition eine Anzahl von Base- oder Peakkontrakten.

 

Handelt es sich um den Kauf einer klassische Call-Option auf einen Base- oder Peakkontrakt Strom oder Gas, so erhält man als Deltaposition eine Zahl zwischen 0 und 1. Eine „tief im Geld“ liegende Kaufoption (Call) hat ein Delta von fast +1, eine „tief im Geld“ liegende Verkaufsoption (Put) von fast -1.

Delta Calloption

Die Zahl repräsentiert die Anzahl Base- bzw. Peakkontrakte, die das Preisrisiko der Option bestmöglich approximieren. Um das Marktpreisrisiko aus dem Kauf einer Option abzusichern, sollte man somit immer eine Verkaufsposition in Höhe der jeweils aktuellen Deltaposition an Underlying-Kontrakten halten. Im Rahmen des Black-Scoles-Modells lässt sich auch das Delta einer Option explizit berechnen.

3. Deltapositionen von Realoptionen

Wie wir gesehen haben, beschreibt die Delta-Position einer klassischen Option die Position in Base- und Peakkontrakten, deren Wertänderungsverhalten dem der Option bestmöglich entspricht.

 

Dieselbe Aufgabenstellung interessiert bei der Absicherung der komplexen Realoptionen Kraftwerk und Speicher. Man möchte im Falle des Kraftwerks

  • einen Terminkauf eines Stromfahrplans
  • einen Terminverkauf eines Brennstofffahrplans und
  • einen Terminverkauf von CO2-Zertifikaten

so bestimmen, dass der Marktwert des Portfolios P aus diesen drei Kontrakten möglichst das gleiche Verhalten bei Änderung der Marktpreise hat wie der Wert K des Kraftwerks. Eine Änderung der Marktpreise bedeutet hier eine Änderung der HPFC und DFC-Preise, d.h. jedes einzelnen 1/4-h bzw. Tagespreises daraus. Konkret soll für jeden 1/4-h-Preis hi der HPFC und jeden Tagespreis dj der DFC, und die relevanten CO2-Preise ck gelten:

\frac{\partial }{\partial h_i} P  = \frac{\partial }{\partial h_i} K,  \;    \frac{\partial }{\partial d_j} P  = \frac{\partial }{\partial d_j} K,  \;    \frac{\partial }{\partial c_k} P  = \frac{\partial }{\partial c_k} K

Leitet man den Marktwert von einem Terminkauf Strom nach dem i-ten HPFC-Preis ab, so erhält man genau den Lastwert an der Stelle i. Somit erhält man aus obigen Gleichungen als Deltaposition eines Kraftwerks einen Stromterminkauf mit den Lastwerten:

(\frac{\partial }{\partial h_1} K, \frac{\partial }{\partial h_2} K, \cdots , \frac{\partial }{\partial h_{8760} }K)

Die Terminverkäufe Gas und CO2 definieren sich entsprechend aus der vollständigen Ableitung des Marktwertes nach den Gas- und CO2-Preisen. Da sich der Marktwert des Kraftwerks jedoch nicht explizit berechnen lässt, liefert dies nur die Definition der Deltaposition. Die gesuchten Fahrpläne können nicht durch Ableitung ermittelt werden.

 

Praktisch erfolgt die Ermittlung der gesuchten Fahrpläne über die Softwaresysteme zur Einsatzoptimierung. In diesen wird zunächst mittels geeigneter Modelle eine ausreichende Anzahl HPFC / DFC / CO2-Szenariopreise mit realistisch untereinander korrelierten Preisen generiert. Dann erfolgt die Ermittlung des optimalen Einsatzes und der daraus resultierenden Strom-, Gas-, CO2 Fahrpläne im Prinzip (abgesehen von Maßnahmen zur Performance-Optimierung) für jedes der Szenarien einzeln über eine deterministische Optimierung. Zu jedem Preisszenario ergeben sich somit marktoptimale Fahrpläne, zugehörige Marktwerte und aus der Preisabweichung abgeleitete Differenzenquotienten. Aus diesen kann die Deltaposition ermittelt werden.

Portfoliowert-Analyse

Das Schöne an Delta-Positionen und Sensitivitäten ist, dass sie sich über das Portfolio addieren. Für den Marktwert K eines einzelnen Kontraktes, der als Funktion von Risikofaktoren ri dargestellt werden kann, gilt (Taylor-Entwicklung):

K = K_0 + \delta r_1 \cdot  \frac{\partial }{\partial r_1} K + \delta r_2 \cdot  \frac{\partial }{\partial r_2} K + \cdots

wobei
K0 der ursprüngliche Marktwert
\delta r_i die Änderung des Risikofaktors r_i

Ebenso gilt für den Wert eines Portfolios P aus Kontrakten mit Marktwerten Ki:

P = P_0 + \delta r_1 \cdot  \frac{\partial }{\partial r_1} P + \delta r_2 \cdot  \frac{\partial }{\partial r_2} P+ \cdots

1. Offene Position

Die Ableitung des Portfoliowertes P eines Strom- oder Gasportfolios nach den HPFC- bzw. DFC-Preisen ergibt sich aus der Summe der Ableitungen der Einzelkontrakte:

\frac{\partial }{\partial p_i} P = \sum_i \frac{\partial }{\partial p_i} K_i

Im Fall von Terminlieferungen von Fahrplänen ergibt die vollständige Ableitung nach den HPFC-Preisen, wie wir gesehen haben, genau die Lieferzeitreihe (mit Vorzeichen). In Summe über das Portfolio ergibt sich die offene Position. Dabei können Deltapositionen aus Optionen und Realoptionen ebenso wie reguläre Fahrplanlieferungen behandelt und ebenfalls unter Beachtung des Vorzeichens addiert werden.

 

Die offene Position beschreibt die Sensitivität des Portfolios gegenüber jedem Einzelpreis der Forwardkurven.

2. Taylor-Entwicklung des Marktwertes

Wie wir bei der Bewertung einer einfachen Option gesehen haben, hängt der Wert eines Portfolios jedoch nicht nur von den aktuellen Forwardpreisen ab. Vielmehr hängt schon der Wert einer einfachen Calloption auf die Lieferung eines Standardkontraktes Base nach Black-Scholes-Modell ab von:

  • dem aktuellen Preis des Underlyings
  • der Volatilität des Underlyingpreises
  • der Laufzeit
  • dem Strike
  • und dem risikolosen Zins

Wir betrachten jedoch in diesem Abschnitt den funktionalen Zusammenhang zwischen dem Portfoliowert und den aktuellen Forwardpreisen r. Das heißt der Portfoliowert P ist zunächst eine Funktion

P: \mathbb{R}^n \to \mathbb{R}

die aus Werten der Risikofaktoren (Forwardpreise) r1, … rn den Portfoliowert ermittelt. Alle anderen Parameter wie z.B. Volatilitäten werden dabei als fest betrachtet.

 

Der Portfoliowert als Funktion der Werte von eingehenden Risikofaktoren kann dann in einer Taylor-Entwicklung dargestellt werden. Das Taylorpolynom bis zur 2ten Ordnung beschreibt die Änderung von P  in Abhängigkeit der Änderung der relevanten Risikofaktoren ri im selben Zeitraum näherungsweise als:

\delta P = \sum_i {\delta r_i \cdot \frac{\partial }{\partial r_i } P}  + \frac{1}{2} \sum_{i,j} {\delta r_i \cdot \frac{\partial^2 }{\partial r_i \partial r_j}P \cdot \delta r_j}  + \cdots

Mit einer solchen Darstellung lässt sich die Wertänderung erklären durch

  • Bestandteile, die aus der Strompreisänderung kommen (Strompreisänderung mal Deltaposition Strom)
  • Bestandteile, die aus der Gaspreisänderung kommen (Gaspreisänderung mal Deltaposition Gas)
  • Bestandteile, die aus der CO2 -Preisänderung kommen (CO2 – Preisänderung mal Deltaposition CO2 )

Die Taylorentwicklung kann nicht nur für das Portfolio als Ganzes, sondern auch für jedes enthaltene Asset in dieser Form durchgeführt werden. Die einzelnen Summanden der Taylorentwicklung des Portfoliowertes ergeben sich als Summe der entsprechenden Summanden aus der Taylorentwicklung der enthaltenen Einzelkontrakte. So werden sie in der Regel auch praktisch ermittelt.

 

Eine solche Rückführung von Portfoliowertänderungen von einem Tag auf den anderen auf Änderungen der Risikofaktoren im selben Zeitraum kann verwendet werden, um das Tagesergebnis eines Portfolios, d.h. die Wertveränderung von einem Berichtszeitpunkt zum nächsten, zu erklären.

3. Greeks

Auch Änderungen der Volatilitäten und die Verkürzung der Laufzeit von Optionen können zu einer Marktwertänderung des Portfolios führen. Auch nach den Volatilitäten der Risikofaktoren und nach der Zeit kann abgeleitet werden. Weiterhin zeigt die Weiterentwicklung der Taylorentwicklung zu Thermen zweiter Ordnung, dass auch höhere Ableitungen relevant sein können. Alle diese möglicherweise relevanten Ableitungen nennt man Greeks. Für Terminkäufe und -verkäufe ohne Optionsbestandteile sind alle Greeks außer Delta Null.

 

Delta ist die Ableitung von dem Marktwert eines Optionskontraktes K nach dem Marktpreis des Underlyings p:

\Delta = \frac{\partial }{\partial p } K

Im Rahmen der Risikobewertung eines Portfolios bezeichnet man als Delta den Vektor der partiellen Ableitungen des Portfoliowertes nach den Risikofaktoren:

\Delta_i = \frac{\partial }{\partial r_i } P

Gamma ist die zweite Ableitung von dem Marktwert eines Optionskontraktes K nach dem Marktpreis des Underlyings p:

\Gamma = \frac{\partial^2 }{\partial p^2 } K

Im Rahmen der Risikobewertung eines Portfolios bezeichnet man als Gamma die Matrix aller zweiten Ableitungen des Portfoliowertes nach den Risikofaktoren:

\Gamma_{ij}= \frac{\partial^2 }{\partial r_i \partial r_j} P

Vega ist die Ableitung von dem Marktwert eines Optionskontraktes K nach der Volatilität v des Underlyingpreises:

V = \frac{\partial }{\partial v } K

Theta ist die Ableitung von dem Marktwert eines Optionskontraktes K nach der Laufzeit t:

\Theta = \frac{\partial }{\partial t } K

Auch diese Kennzahlen können wie Delta für jeden Einzelkontrakt bestimmt und dann über das Portfolio aggregiert werden.

 

Der Value-at-Risk

Es können somit auf Portfolioebene eine Vielzahl von Risikokennzahlen bestimmt werden, die das Verhalten des Portfoliowertes bei Veränderung einzelner Risikofaktoren detailliert beschreiben. Diese Risikokennzahlen sind für die operative Steuerung der Marktrisiken zweckmäßig. Allerdings geben sie keine direkte Auskunft darüber, ob das Gesamtrisiko eines Portfolios noch vertretbar oder schon zu hoch ist. Somit sind diese durch Ableitungen definierten Risikokennzahlen nicht wirklich managementtauglich.

1. Definition des Value-at-Risk

Auf Managementebene wünscht man sich eine einzige Kennzahl für das Portfolio, die in etwa Auskunft auf die folgende Frage gibt:

 

Wieviel werde ich mit sehr hoher Wahrscheinlichkeit (Konfidenzniveau)  in den nächsten x Tagen (Haltedauer) höchstens verlieren, wenn ich in dieser Zeit meine derzeitigen Risikopositionen nicht verändere?

 

Dabei wird davon ausgegangen, dass die Portfoliowertveränderung während der Haltedauer einer stochastischen Verteilung unterliegt, die aus historischen Daten ermittelt werden kann. Auf diese Weise kann dann eine maximale negative Wertveränderung bestimmt werden, die mit der in dem Konfidenzniveau festgelegten Wahrscheinlichkeit nicht überschritten wird.

Marktrisiko-VAR

 

Üblicherweise wird mit Konfidenzniveaus von 95% oder 99% und mit Haltedauern von 1 Tag, 10 Tagen oder einem Monat gerechnet. Die Haltedauer sollte die Marktliquidität und tatsächliche Reaktionszeiten bei der Portfoliobewirtschaftung wiederspiegeln.

2. Historisches VAR-Modell

Weit verbreitet in der Energiewirtschaft ist der historische VAR. Dabei werden aus historischen Wertänderungen aller Risikofaktoren mögliche künftige Werte dieser Risikofaktoren generiert. Für eine Folge historischer Werte  w1, … , wn für einen Risikofaktor r erhält man eine Folge von Änderungen dieses Risikofaktors

\Delta w_1, \dots \Delta w_{n-1}

Unterstellt man eine Lognormalverteilung für den Wert des Risikofaktors am Ende der Haltedauer, so sollte man hier relative Änderungen betrachten. Für Energiepreise ist allerdings die Annahme einer Lognormalverteilung weniger zwingend als beispielsweise für dividendenlose Aktienpreise. Spotpreise zeigen negative Werte und sind bereits deshalb nicht lognormalverteilt. Auch Terminpreise lassen sich nicht konsistent lognormalverteilt modellieren: Wenn Monatsterminpreise lognormalverteilt sind, so sind Jahresterminpreise eine Linearkombination dieser Preise. Eine Linearkombination lognormalverteilter Zufallsvariablen ist nicht lognormalverteilt.

 

Durch Anwendung der historischen Änderungen jedes Risikofaktors auf seinem aktuellen Wert ermittelt sich eine Folge möglicher künftiger Werte des Risikofaktors. Bei Betrachtung aller Risikofaktoren ergeben sich n-1 zueinander passende mögliche künftige Szenarien, die die Korrelationen zwischen den Risikofaktoren implizit berücksichtigen.

 

Mit diesen Preisszenarien kann das Portfolio bewertet werden. Man erhält eine Folge von n-1 möglichen Portfoliowerten. In Abhängigkeit von dem Konfidenzniveau k (z.B. k = 95%) werden der (1 – k)-te Teil der schlechtesten Werte nicht berücksichtigt. Der schlechteste noch verbleibende Wert – bzw. die zugehörige Wertänderung – ist der Value-at-Risk.

 

Als historische Risikofaktoren können die Preisforwardkurven (HPFC, DFC) der Vergangenheit verwendet werden. Es können aber auch nur die in die Terminkurve eingehenden Base, und Peak- Preise als Risikofaktoren betrachtet werden. Die Generierung der Forwardkurve ist dann bereits Teil der Bewertung.

 

Der einfachste Fall ist die Risikobewertung eines Portfolios ohne optionale Bestandteile. Verwendet man als historische Risikofaktoren die Preisforwardkurven, so hängt der Wert des Portfolios linear von der zur Bewertung verwendeten Preisforwardkurve ab. Die Berechnung des historischen VAR entspricht dann der Bewertung des Portfolios mit n historischen Preisforwardkurven und der Ausgabe des durch das Konfidenzniveau vorgegebenen Quantils von Wertänderungen.

2. Varianz-Covarianz-Methode

Bei der Varianz-Covarianz-Methode wird eine Reduzierung in Datenhaltung und Rechenaufwand erreicht, indem man auf Verteilungsannahmen der eingehenden Risikofaktoren und deren Korrelation zurückgreift. Dem liegt wieder die bereits oben angeführte Taylor-Entwicklung zugrunde, die die Portfoliowertänderung auf Änderungen der Terminpreise zurückführt:

\delta P = \sum_i {\delta r_i \cdot \Delta_i^P}  + \frac{1}{2} \sum_{i,j} {\delta r_i \cdot \Gamma_{i,j}^P \cdot \delta r_j}  + \cdots

Betrachtet man die Portfoliowertänderung als Zufallsvariable, so ergibt sie sich laut dieser Gleichung rechnerisch aus diversen Konstanten (den Deltas und Gammas) und den Wertänderungen der Terminpreise ri, die ihrerseits Zufallsvariablen sind. Ist die Varianz und Covarianz der Zufallsvariablen ri bekannt, so lässt sich die Varianz der Zufallsvariable Portfoliowertänderung hieraus berechnen.

 

Berücksichtigt man zunächst nur die Terme erster Ordnung, so ergibt sich die Portfoliowertänderung als eine Linearkombination aus den Wertänderungen der Zufallsvariablen ri:

\delta P = \sum_i {\delta r_i \cdot \Delta_i^P}

Gemäß der Definition der Varianz ergibt sich die Varianz einer solchen Linearkombination von Zufallsvariblen als:

V(\delta P) = \sum_{i,j} \Delta_i^P \cdot Cov(\delta r_i, \delta r_j) \cdot  \Delta_j^P

Für diese Bestimmung der Varianz sind keine Verteilungsannahmen für die Risikofaktoren notwendig. Um aus einer Varianz der Portfoliowertänderungen das für den Value-at-Risk erforderliche Quantil ermitteln zu können, ist allerdings die Annahme erforderlich, dass die Portfoliowertänderung normalverteilt ist. Für eine normalverteilte Zufallsvariable ergeben sich alle Quantile aus Varianz und Mittelwert (0). Dieses Verfahren zur Ermittlung des Value-at-Risk heißt Delta-Normal-Methode.

 

Um ein solches Verfahren praktisch anzuwenden, muss die Korrelationsmatrix der Risikofaktoren ermittelbar sein. Somit werden bei einem solchen Verfahren typischerweise die Preise gehandelter Standardprodukte als Risikofaktoren betrachtet. Die Deltaposition eines Portfolios in einem solchen Standardprodukt entspricht dem optimalen Hedge des Portfolios in diesem Standardprodukt, d.h. das Portfolio wird durch eine Position in Standardprodukten approximiert.

 

Mit deutlich mehr Aufwand können auch die Gamma-Anteile eines Portfolios berücksichtigt werden. Das entsprechende Verfahren heißt Delta-Gamma-Methode.

3. Grenzen des VAR

Neben den hier erwähnten Verfahren gibt es viele weitere Varianten zur VAR-Berechnung. Üblich sind z.B. Monte-Carlo-Simulationen, in denen für Risikofaktoren Modelle für das stochastische Verhalten ausgewählt und kalibriert werden und die Portfoliobewertung dann auf einer Vielzahl generierter Szenarien basiert. Einfache Verfahren werden oft mit Sicherheitsfaktoren und diversen Korrekturen des Ergebnisses oder der Eingangsdaten modifiziert. Auch raffinierte und rechenaufwändige Verfahren beinhalten jedoch regelmäßig – teilweise unbewusst und undeklariert – Normalverteilungsannahmen und haben oftmals Schwächen in der Wiedergabe der Korrelationen.

 

Der Value at Risk ist ein nicht subadditives Risikomaß. Die Summe der VaR-Werte von Teilportfolien kann kleiner sein, als der VaR-Wert des Gesamtportfolios. Dieser Effekt kommt aus der Quantilbildung. In Teilportfolien können hohe negative Ergebnisse aussortiert werden, weil sie nicht im betrachteten Quantil liegen, die bei Betrachtung des Gesamtportfolios wieder eingehen.

 

Grundsätzlich setzt eine VAR-Steuerung liquide Märkte voraus. In illiquiden Märkten sind Volatilitäten von Risikofaktoren, die das Herz aller VAR-Modelle darstellen, nicht messbar. Man fährt in diesem Falle mit Positionslimits besser.

 

Weiterhin schaut der VAR wie alle statistischen Risikomaße in die Vergangenheit, um die Zukunft zu bestimmen. Gibt es einen Grund, Preisschocks in naher Zukunft zu erwarteten, die nicht den Vergangenheitsdaten entsprechen, sichert man sich ebenfalls besser mit Positionslimits. Auch Korrelationen entsprechen in der Zukunft und im Krisenfall nicht immer den Korrelationen, die man in der Vergangenheit und in guten Zeiten gemessen hat.

 

Handbücher & Richtlinien

von Marianne Diem, Dezember 2016

Handbücher_Richtlinien

Wie könnte ein Risikohandbuch aussehen? Was ist ein Organisationshandbuch? Und welche sonstigen Handbücher und Richtlinien muss oder sollte ein Energieunternehmen vorweisen können?

Handbücher, Richtlinien, Notfallpläne, Satzungen, Stellenbeschreibungen, Arbeitsanweisungen … Gesetzliche Anforderungen und interne Notwendigkeiten lassen interne Regelwerke schnell anwachsen.

 

Das KontraG fordert ein Risikohandbuch und einen Risikokatalog. Das BSI wünscht sich eine Leitlinie IT-Sicherheit, IT-Sicherheitskonzepte, Benutzerrichtlinien und vieles mehr. Zur Beherrschung finanzieller Risiken benötigt man Limitregelungen, Kreditrisikovorgaben, Kompetenzrahmen für Mitarbeiter, Unterschriftsordnungen. Revisionssicherheit erfordert die Dokumentation der Organisation und der Abläufe im Unternehmen.

 

Die im Folgenden aufgeführten Dokumente stellen eine exemplarische Auswahl orientiert an der energiewirtschaftlichen Praxis dar. Größere Unternehmen verfügen über mehr interne Vorgaben und Regelwerke als kleinere. In jedem Fall empfehlen wir die Verwaltung der Inhalte in einem Unternehmenswiki. Dies ermöglicht auch die Verwaltung von Zugriffs- und Leserechten und die Kommunikation von Änderungen an den entsprechenden Empfängerkreis.

 

Unternehmensstrategie

Die meisten Unternehmen haben eine dokumentierte Unternehmensstrategie, die mit derzeit aktuellen Planzahlen, Marketingstrategien, Beschaffungsstrategien usw. und möglicherweise mit Businesscases zur Geschäftserweiterung untersetzt ist. Solche Dokumente sind teilweise auch für die Kommunikation mit Eigentümern und Aufsichtsrat erforderlich:

unternehmensstrategie

Ein Muster für die Gliederung und möglichen Inhalte einer Beschaffungsstrategie finden Sie hier: Muster Gliederung Beschaffungsstrategie.

Risikohandbuch

Zur Erstellung eines Risikohandbuchs verpflichtet das KonTraG. Dabei dient im Allgemeinen das Risikohandbuch als eine Art „Verfassung“ der Risikoüberwachung und beschränkt sich auf grundsätzliche Aussagen zu Verantwortung, Risikotragfähigkeit und Risikoneigung, wesentlichen Risiken und grundsätzlichen Aussagen zur Steuerung.

 

Details zum Umgang mit einzelnen Risiken sowie Limitregelungen, Notfallpläne, Dokumentationen von Bewertungsmethoden und deren Parameter usw. werden typischerweise in Anlagen des Risikohandbuchs oder separate Handbücher ausgelagert:

risikohandbuch

Ein Beispiel für Gliederung und mögliche Inhalte eines Risikohandbuchs finden Sie hier: Muster Gliederung Risikohandbuch.

Organisationshandbuch

Im Organisationshandbuch werden die Organisationsstruktur des Unternehmens und standardisierte Prozesse beschrieben. Hierzu gehören die Aufbau- und Ablauforganisation,  Aufgaben- und Kompetenzzuweisung und Verantwortlichkeiten.

 

Den Hauptanteil solcher Handbücher bilden im Allgemeinen in Form von Flussdiagrammen visualisierte Prozesse und Arbeitsabläufe. Durch die Dokumentation und Kommunikation von Sollprozessen und Verantwortlichkeiten wird eine auch arbeitsrechtlich relevante Verbindlichkeit geschaffen.
organisationshandbuch

Organisation der Dokumente

Nicht jede Vorgabe gilt für jeden. Für Betroffene müssen die für sie relevanten Vorgaben jedoch verfügbar sein und sie müssen gegebenenfalls über neue Inhalte informiert werden. Umgekehrt spiegeln interne Regelungen oft internes Knowhow wieder oder sind aus anderen Gründen grundsätzlich vertraulich. Vor diesem Hintergrund muss andererseits der Zugang zu vielen Informationen auf einen begrenzten Adressatenkreis beschränkt werden.

 

Es gilt immer die jeweils aktuelle Version jeder Vorgabe. Für die Aufklärung vergangener Vorgänge und die Nachvollziehbarkeit von Änderungen müssen jedoch alte Versionen vorgehalten werden. Weiterhin muss oftmals die Freigabe von Änderungen dokumentiert werden.

 

Einzelregelungen stehen in vielfältigem Bezug zueinander. Prozesse haben Vorgänger und Nachfolger, dabei anzuwendende Kalkulationsmethoden und IT-Systeme und liefern möglicherweise Bausteine für andere Prozesse. Für die Einsatzoptimierung eines Kraftwerks beispielsweise gibt es möglicherweise

  • einen dokumentierten täglichen Arbeitsablauf zur Ermittlung der optimalen Fahrweise des Kraftwerks
  • eine Dokumentation des dabei verwendeten Berechnungsalgorithmus und der zugehörigen Parameter
  • eine Dokumentation der Systemimplementation und der zugehörigen Datenflüsse
  • Limits und Vorgaben für die Aktionen des zuständigen Portfoliomanagers am Markt

Es fördert somit die Lesbarkeit und den Überblick, wenn die Dokumente miteinander verlinkt sind. Dies spricht für eine HTML-Darstellung interner Regelwerke. Die Darstellung in Unternehmens-Wikis ermöglicht dabei:

  • automatisierte Versionsführung
  • Log von Änderungen
  • Zuordnung und Verwaltung von detaillierten Nutzerrechten (wer kann welche Dokumente lesen, bearbeiten)
  • Unterstützung der Kommunikation von Änderungen an den relevanten Adressatenkreis
  • Suchfunktionen und interne Verlinkung

Sie benötigen Unterstützung bei der Erstellung von Regelwerken und Handbüchern und den damit verbundenen Prozessen? Kontaktieren Sie uns!

 

Fernwärmepreise & Fernwärmerisiken

von Marianne Diem, Oktober 2016

Fernwärme Preisformel HEL
CC BY-SA 3.0 Frank Vincentz

Fernwärmeverträge sind komplex. Sowohl für die Geschäftskunden auf der Kundenseite wie auch für die Ergebnis- und Risikosteuerung des Stadtwerkes stellen sie eine Herausforderung dar. Die kartellrechtlich geforderte „Marktkomponente“ hat die Verträge eher noch komplizierter gemacht. Gegenstand des Artikels ist eine systematische Darstellung der Risikopositionen eines Fernwärmeportfolios. Dies ermöglicht die Absicherung von Risiken wie auch die strategische Weiterentwicklung des Pricings.

Preisgestaltung von Fernwärmeverträgen

Die Entscheidung für eine Versorgung mit Fernwärme ist langfristiger Natur. Der Versorger hat Investitionskosten beim Anschluss des Kunden und möchte diese amortisieren. Eine Hausverwaltung oder ein anderer typischerweise gewerblicher Kunde vergleicht die Bezugskosten für Fernwärme mit der Realisierung einer alternativen Wärmeversorgung beispielsweise über den Einbau einer Gasheizung. Auch hier erfolgt ein Gesamtkostenvergleich über den gesamten Amortisationszeitraum der alternativen Lösung. Verträge mit einer Laufzeit von 8-10 Jahren sind somit durchaus verbreitet.

Wir gehen im Folgenden davon aus, dass ein wesentlicher Teil der Wärme von einem Gaskraftwerk in Kraft-Wärme-Kopplung erzeugt wird. Erfolgt die Erzeugung in einem Kohlekraftwerk, so sollten auch die Fernwärmeverträge kohleindiziert sein. Die nachfolgenden Betrachtungen lassen sich auf diesen Fall direkt übertragen. Der Versorger ist während der langen Laufzeit der Verträge Preisänderungsrisiken aus den Brennstoffen zur Erzeugung der Wärme, im betrachteten Fall Erdgas, sowie Inflationsrisiken, Lohnänderungsrisiken usw. ausgesetzt. Über indizierte Preisregelungen werden diese teilweise an den Verbraucher weitergegeben.

Üblich ist eine Preisgestaltung mit einem Leistungspreis, der von der Anschlussleistung in kW abhängt und einem Arbeitspreis, der von der verbrauchten Arbeit in MWh abhängt. Investition und Wartung der Anlage werden dabei vorrangig auf den Leistungspreis umgelegt, der somit typischerweise an Investitionsgüterindizes und Lohnentwicklung gekoppelt wird. Laufende Erzeugungskosten werden auf den Arbeitspreis umgelegt. Letzterer hängt somit oftmals von Gas-Handelspreisen, Gas-Endkundenabgabepreisen, Preisen für leichtes Heizöl (HEL-Indexpreise) usw. ab. Auch hier findet man Bindungen an Lohnentwicklung und Investitionsgüterindex. Da die (verbleibenden) Kosten für die Fernwärmeerzeugung im Rahmen der Kraftwärmekopplung negativ vom Strompreisniveau abhängen, ist auch eine negative Indizierung des Arbeitspreises an den Strompreis denkbar.

Wir betrachten im weiteren Artikel das folgende Beispiel für eine Arbeitspreis-Leistungspreis-Gestaltung:

FernwaermePreisformel

Probleme der Ergebnis- und Risikosteuerung

Die komplizierte Preisgestaltung führt dazu, dass die Erlöse des Versorgers von einer Vielzahl von Risikofaktoren abhängen. Diese spiegeln sich teilweise in ähnlichen Kostenpositionen wieder, sind jedoch schwer gegen diese zu vergleichen und der Abgleich ist nie perfekt.

Betrachtet man die Abhängigkeit der Fernwärmeerlöse von Gas- und HEL-Preisen, ist ihre Abhängigkeit von Gas- und Ölpreis konstant und verschiebt sich nicht mit Absatzänderungen. Die nachgefragte Menge lässt sich gut durch Temperatur- und Globalstrahlung modellieren.

Auf der Erzeugungsseite muss immer die nachgefragte Fernwärmemenge exakt erzeugt werden. Ob dafür jedoch HEL-abhängige Gaslieferverträge gezogen oder Gas auf dem Markt gekauft wird, hängt von Take-or-Pay-Verpflichtungen ölgebundener Einkaufsverträge und vom Gas-Öl-Spread ab. Bei größerer Absatzmenge steigen im allgemeinen die Spielräume und das Öl-Gas-Verhältnis im Einkauf kann sich je nach Spreadentwicklung erheblich in die eine oder andere Richtung verschieben.

Auch bei risikobewusster Gestaltung von Einkaufs- und Verkaufsverträgen wird somit eine offene Risikoposition in Gas- und Öl entstehen, die ausgewiesen und gesteuert werden sollte. Weiterhin sollte überwacht werden, ob auch die anderen Bindungen an z.B. Lohn- und Investitionsgüterindizes in der vorliegenden Höhe tatsächlichen Kostenpositionen entsprechen. In der vorliegenden Form ist dies schwierig zu entscheiden.

Ermittlung von Fernwärme-Risikopositionen

Die Risikofaktoren, die die Fernwärmeerlöse bestimmen sind einerseits die Absatzmenge, andererseits die in 2-13 aufgeführten Preiskomponenten, wobei die Null-indizierten Variablen jeweils Konstanten darstellen. Alle anderen sind Risikofaktoren. Die Abhängigkeit des Preises von allen Risikofaktoren ist linear, d.h. der Preis P  lässt sich für jeden Risikofaktor Ri  als

P = \delta_i \cdot R_i + z_i

darstellen, wobei \delta_i ein konstanter Faktor und   zi  von Ri  unabhängig ist.

In einer solchen Darstellung sieht man, dass eine Änderung des Risikofaktors Ri   um 1 zu einer Preisänderung von P  um \delta_i führt. Um die Abhängigkeit von den Risikofaktoren transparent zu machen, muss man somit den Preis P  in der Form:

P = z + \sum_i {\delta_i \cdot R_i}

darstellen. Man erhält eine solche Darstellung, indem man die Formel in 1) ausmultipliziert:

FernwaermepreisRisikofaktoren

Die ausmultiplizierte Darstellung erlaubt eine bessere Interpretation des Fernwärmepreises. Pro gelieferte MWh Fernwärme werden über den Arbeitspreis Fernwärme (virtuell) verrechnet:

  • 0,48 MWh Gas zum EGIX-Preis
  • 0,2454 € Gasabsatz bewertet mit dem Gasabsatzindex IEG-HH
  • 0,1143 hl Öl zum HEL-Indexpreis
  • 0,0016 Mannmonate Arbeit bewertet zu Tariflohn

Über den Leistungspreis werden pro kW Anschlussleistung verrechnet

  • 0,008 Monatslöhne
  • 0,2727 € Invest bewertet mit dem Investitionsgüterindex

Multipliziert man den Arbeitspreis mit der abgesetzten Menge, so ergeben sich die Absatzerlöse der Fernwärme daraus als:

  • einer virtuell zum EGIX-Preis verkauften Gasmenge in MWh
  • virtuellen Erlösen aus Gasabsatz bewertet zu Gasabsatzindex IEG-HH
  • einer virtuell zum HEL-Indexpreis verkauften Ölmenge
  • verrechneten Mannmonaten Arbeit bewertet zu Tariflohn

Über diese Darstellung – durchgeführt für Einkaufsverträge Gas wie auch für die Fernwärmeabsatzverträge – gelingt der Übergang von der Ergebnisoptimierung über die Einsatzoptimierung des Kraftwerks:

Dispatch-Wandler

zu einer Sicht auf die offene Risikoposition Öl in hl:

Oelposition FernwaermeWeiterhin erlaubt die Darstellung die Ermittlung insgesamt verrechneter Mannmonate und Investitionssummen. Diese können gegen tatsächliche Mitarbeiterzahlen und das tatsächliche Investitionsaufkommen plausibilisiert werden.

[spacer height=“20px“]

Steuerung und Absicherung von Risikopositionen

Mit der Darstellung des Fernwärmeabsatzpreises P   als

P = z + \sum_i {\delta_i \cdot R_i}

ergeben sich die Risikopositionen zu jedem Risikofaktor Ri , der im jeweiligen Zeithorizont noch nicht fixiert ist, als \delta_i \cdot M, wobei M  die Absatzmenge im nicht fixierten Zeitraum ist. Die Risikofaktoren liegen im Allgemeinen als Quartalswerte vor und werden quartalsweise fixiert. Das heißt, dass auch der Mengenabsatz zweckmäßigerweise in Quartalsgranularität betrachtet werden sollte. Die Erlösänderung aus einer Änderung des Risikofaktors Ri   um 1 in einem noch offenen Quartal führt zu einer Erlösänderung aus dem Fernwärmeabsatz von \delta_i \cdot M für die Absatzmenge M   im betrachteten Quartal. Somit ergibt eine Änderung des i-ten Risikofaktors Ri   um \Delta Ri eine Erlösänderung von:

\Delta R_i \cdot \delta_i \cdot M

Dies kann nun für verschiedene Quartale q betrachtet werden, was mit einem weiteren Index q angezeigt wird. Die Absatzmenge im q-ten Quartal wird somit mit Mq bezeichnet und eine Änderung des i-ten Risikofaktors im q-ten Quartal mit \DeltaRi,q. So eine Änderung führt dann zu einer Erlösänderung von:

\delta_i \Delta R_{i,q} M_q

Wenn dies für verschiedene Quartale betrachtet wird, erhält man insgesamt eine Erlösänderung von:

\sum_q {\delta_i \Delta R_{i,q}\cdot M_q}

wobei über die betrachteten Quartale summiert wird.

Die Risikopositionen \delta_i \cdot M für einen Risikofaktor Ri   können für jeden Vertrag separat bestimmt und dann über alle Verträge addiert werden, um die Risikoposition des Gesamtportfolios für den Risikofaktor zu erhalten. Auf diese Weise können ölgebundene Einkaufsverträge mit ölgebundenen Vertragsverträgen gegengerechnet werden, um die Ölposition des Unternehmens zu bestimmen.

Eine Besonderheit besteht bei der Steuerung der Ölposition durch die hier verbreitete Verwendung rückschauender Indizes wie 12-3-12, 6-3-3 oder 3-1-3. Diese Indizes bestehen immer aus drei Zahlen B-L-G, wobei:

  • die letzte Ziffer G den Gültigkeitszeitraum des Preises bezeichnet, ein Quartal (3), Halbjahr (6) oder Jahr (12)
  • die zweite Ziffer L die Lücke zwischen Beginn des Gültigkeitszeitraums und Ende des Preisbildungszeitraums in Monaten bezeichnet
  • die erste Ziffer B die Länge des Preisbildungszeitraums in Monaten bezeichnet. Der Preisbildungszeitraum endet genau vor den Lückenmonaten

HEL-Index-6-3-6

Der gültige Indexpreis im Gültigkeitszeitraum G   ist der Mittelwert der HEL-Preise im Preisbildungszeitraum B.

Um die Risikoposition in einem HEL-Index abzusichern, muss die quartalsscharfe Risikoposition q  im HEL-Index in handelbare monatliche Ölpositionen m  umgerechnet werden. Dies geht wie folgt:

  • Summiere die Quartalspositionen im Gültigkeitszeitraum und teile sie durch B
  • Verschiebe die B Positionen nun auf die B Monate, die L+B Monate vor dem Gültigkeitszeitraum beginnen

Man erhält nun monatliche HEL-Positionen, die man wiederum für alle Verträge addieren kann, um die HEL-Position des Unternehmens zu erhalten. Diese HEL-Positionen können nun über finanzielle HEL-Swaps oder finanzielle Gasoil-Forwards abgesichert werden.

Darstellung von Fernwärmeerlösen im Controlling

Die aktuellen Trenderlöse aus dem Fernwärmeportfolio erhält man, indem man die aktuellen Mengenprognosen der Verträge mit aktuellen Absatzpreisen bewertet. Letztere ergeben sich für das aktuelle Jahr und die Folgejahre durch Berechnung der Arbeits- und Leistungspreise auf Basis aktueller Terminprognosen der Risikofaktoren. Durch Veränderungen von prognostizierten Mengen und Preisen können sich die prognostizierten Erlöse im monatlichen Reporting von Monat zu Monat deutlich verändern. Es ist zweckmäßig, die Veränderungen in Mengen- und Preiseffekte aufzugliedern.

Ein monatliches Controlling des Fernwärmeportfolios könnte somit wie folgt aussehen:

 

Fernwärmevertrieb Trend Vormonat Plan
Menge (GWh) 600 520 620
Preis (€/MWh) 45 46 44
Erlöse (T €) 27.000 23.920 27.280

Dabei sind die Vormonatswerte die im Vormonat ermittelten Trendwerte auf Basis dann gültiger Mengen- und Preisprognosen. Der Ausweis von Mengen- und Preiseffekten kann dann wie folgt erfolgen:

Fernwaerme-ControllingEbenso kann die Planabweichung in einzelne Effekte zerlegt werden. Ein solcher Ausweis stellt sicher, dass aktuell aus Terminmarktinformationen ableitbare Preisinformationen im ausgewiesenen Trend stets enthalten sind. Sofern Preisindizes und Mengen nicht fixiert sind, verbleiben Risikopositionen. Auch diese können ausgewiesen werden. Sie ergeben sich aus den im vorigen Kapitel ermittelten Risikopositionen. Die Multiplikation der Risikopositionen mit sinnvollen Preisshifts ergibt eine einfache monitäre Einschätzung der Risikohöhe.

Risikozuschläge & Vertriebscontrolling

von Marianne Diem, August 2016
Vertriebspricing Mengenrisiko

Die Kalkulation der Vertriebspreise und der enthaltenen Risikozuschläge löst bei Energieversorgern regelmäßig interne Konflikte aus. Transparente Ermittlung und systematisches Backtesting von Risikozuschlägen und ein konsequentes Vertriebscontrolling fördern den Betriebsfrieden und sind für einen kompetitiven Vertrieb unverzichtbar.

Vertriebscontrolling zeigt, ob Preise auskömmlich waren und ob Potential für eine Preissenkung besteht. Im Nachhinein ermittelte tatsächlich eingetretene Kosten sind die Stunde der Wahrheit für ex ante kalkulierte Risikozuschläge. Um einen Abgleich zwischen Kalkulation und Ist zu ermöglichen, müssen kalkulierten Preisbestandteilen zuordnenbare Istkosten gegenüberstehen.

Im Folgenden stellen wir Preisbestandteile der Vertriebskalkulation und deren Ermittlung dar und gehen jeweils im Anschluss auf Möglichkeiten ein, diese mit Istkosten zu vergleichen. Hierbei betrachten wir die folgenden Bestandteile der Vertriebsbepreisung:

Die Preisbestandteile Netz, Steuern, EEG usw. werden im Rahmen dieses Artikels nicht betrachtet, da sie für den Energieversorger durchlaufende Posten darstellen. Ebenfalls nicht betrachtet wird der Preisbestandteil, der die Marge des Energieversorgers darstellt, obwohl auch dieser natürlich mit internen Kosten (in diesem Fall dem Abwicklungsaufwand) verglichen werden muss.

Energiepreis

Basis der Bepreisung eines Vertriebsangebotes ist immer eine Prognose der Kundenlast. Für kleine Kunden im Massenkundengeschäft werden Standardlastprofile oder intern generierte typische Profile verwendet. Bei größeren Kunden wird ein individueller Ist-Lastgang der Vergangenheit in die Zukunft fortgeschrieben. Im Gasvertrieb wird die Istlast zusätzlich auf Temperaturabhängigkeit geprüft und gegebenenfalls bei der Fortschreibung eine Temperaturbereinigung auf Normaljahr durchgeführt.

[spacer height=“20px“]

1. Back-to-Back Bepreisung

Für Großkunden wird der individuell prognostizierte Lastgang Back-to-Back beschafft. Somit ergibt sich für Großkunden der Energiepreis des Fahrplans als Bewertung des individuellen Prognoselastgangs mit der aktuellen HPFC oder DFC.

 

Beschaffungsstrategie Back-to-Back-Prozess

2. Bepreisung aus dem Portfolio

Für kleinere Kunden erfolgt ein Abverkauf vorausbeschaffter oder rollierend beschaffter Mengen aus einem Vertriebsportfolio (siehe Beschaffungsstrategien Strom & Gas). Der Beschaffung für ein solches Portfolio wird dabei ein Mischprofil aus unterschiedlichen Lastprofilen mit unterschiedlichen Anteilen zugrundegelegt. Der erzielte Beschaffungspreis für das Portfolio ist Basis für die Bepreisung der aus dem Portfolio bedienten Kunden.

Es ist nicht immer adäquat, einfach den Mittelwertpreis des Portfolios an alle Kunden weiterzugeben. Die unterschiedliche Werthaltigkeit von Lastgangstrukturen kann berücksichtigt werden. Dann kommt man zu einer Energiepreisermittlung wie folgt:

P_K = \frac{L_K  \bullet H}{L_P  \bullet H} \cdot  P_P

Dabei ist x \bullet y = \sum_i x_i y_i das Skalarpodukt von „Vektoren“, d.h. Zahlenfolgen x = (x1, … , xn) und y = (y1, … , yn), PK der Energiepreis für den Kundenlastgang LK, H die HPFC/DFC, LP der Gesamtlastgang des Vertriebsportfolios und PP der erzielte Portfoliopreis. Der Faktor vor dem Portfoliopreis PK liefert den Korrekturfaktor, wieviel der Kundenlastgang LK mehr oder weniger wert ist als der mittlere Lastgang des Portfolios LP. Beide Lastgänge sind dabei auf die Menge 1 normiert.

Für eine Bepreisung von Standardlastprofilen oder typischen Profilen können entsprechende Korrekturfaktoren einmalig mit Ermittlung des Beschaffungspreises oder bei einer rollierenden Beschaffung regelmäßig für alle relevanten Profile erstellt werden. Eine solche Bepreisung führt dazu, dass die Beschaffungskosten des Portfolios sehr genau den Erlösen aus dem Energiepreis entsprechen, wenn das Vertriebsportfolio insgesamt genau wie beschafft verkauft wird.

Tatsächlich wird das verkaufte Profil von dem Beschaffungsprofil des Vertriebsportfolios abweichen. Weiterhin werden sowohl große individuell bepreiste und beschaffte Kunden wie auch kleine Kunden nicht genau das prognostizierte Lastprofil verbrauchen, das für die Bepreisung verwendet wurde. Diese Risikoposition wird unter Mengenrisiken behandelt.

Strukturrisiko (Sigma)

Zunächst einmal gehen wir jedoch noch davon aus, dass der Kundenlastgang wie prognostiziert in Lieferung gehen wird. Auch in diesem Falle kann der Handel den Fahrplan nicht 1:1 absichern (siehe Artikel mengenneutraler und wertneutraler Hedge). Auf den Energiehandelsmärkten werden nur Base- und Peakprodukte bzw. im Gashandel nur Baseprodukte gehandelt.

1. Definition Strukturrisiko

Die Differenz zwischen diesen Handelsprodukten und der viertelstündlichen Struktur eines Stromlastgangs bzw. der täglichen Struktur eines Gaslastgangs muss vom Handel bzw. der Beschaffung zunächst als Risikoposition (rot) übernommen werden.

Portfoliomanagement Sigma Risiko

Diese Differenzposition kann erst kurz vor Lieferung auf den Spot- und Intradaymärkten glattgestellt werden. Der Handel übernimmt somit das Risiko, auf den kurzfristigen Märkten höhere Kosten zu erzielen als in dem Energiepreis, der durch HPFC und DFC bestimmt ist, kalkuliert und dem Vertrieb verrechnet wurde.

Ebenso kann es aber sein, dass der Differenzfahrplan tatsächlich billiger beschafft wird. Dies hängt von der Marktpreisentwicklung ab und davon wie gut das verwendete HPFC bzw. DFC-Modell die Struktur der Spotpreise antizipiert. HPFC-Modelle, die die stetige Verflachung der Spotpreise durch die Einspeisung Erneuerbarer nicht berücksichtigen, stellen systematisch zu hohe Preise. Die tatsächliche Beschaffung der Differenzstrukturen am Spotmarkt geht in diesem Fall zu Gunsten des Handels aus.

2. Bepreisung des Sigma-Risikos

Die Einpreisung symmetrischer Risiken, die mit gleicher Wahrscheinlichkeit zu Gewinnen wie zu Verlusten führen, ist stets problematisch. Bei Einpreisung mehrerer solcher Risiken wird in Summe leicht zu viel eingepreist. Laut Portfoliotheorie in der Finanzmathematik darf nur der nicht diversifizierbare Anteil des Risikos berücksichtigt werden. Nicht diversifizierbar ist der Anteil, der nicht durch gegenläufige Entwicklungen anderer Risikopositionen kompensiert wird.

Für die Ermittlung von Sigma-Zuschlägen sind verschiedene Verfahren verbreitet. Eine Adhoc-Anforderung an den Zuschlag ist, dass er tendentiell höher sein sollte, je mehr der Lastgang von handelbaren Produkten abweicht. Ein sehr einfaches Verfahren ist somit einen Preisaufschlag auf die Bruttomenge der Differenzposition zu erheben. Weiterhin ist es plausibel, das Mengen in der Differenzposition umso höher gewichtet werden sollten, je höher die Preisunsicherheit in der jeweiligen Viertelstunde ist. Diese Idee führt dazu, eine Art Volatilitäten-Preisvektor zu generieren, mit dem die Differenzposition bepreist werden kann. Solche Volatilitätenvektoren fallen als ein Abfallprodukt der HPFC-Generierung ab, wenn historische Spotpreise in einen systematischen Anteil (Erwartungswert) und eine zufällige Abweichung davon zerlegt werden. Weiterhin kann für den Preis der Differenzposition mittels eines Spotpreis-Simulationsmodells eine Wahrscheinlichkeitsverteilung generiert werden, aus der sich ein Risikozuschlag als ein entsprechendes Quantil ergibt.

Alle drei Verfahren ordnen zwar Lastgänge in solche mit hohem Sigma-Risiko und solche mit niedrigerem Sigma-Risiko ein, geben aber keine Indikation über die adäquate absolute Höhe des Zuschlags. Sowohl Aufschläge auf die Brutto-Differenzposition als auch Prozentsätze des Volatilitätenvektors wie auch das Quantil des Simulationsmodells können zunächst frei gewählt werden. Hier kann der Vergleich mit tatsächlich entstandenen Kosten über ein Backtesting Entscheidungshilfe geben.

Backtesting von HPFC/DFC und Strukturrisiko (Sigma)

An der Schnittstelle zwischen Handel / Beschaffung und Vertrieb werden somit Fahrpläne verrechnet, die zu HPFC/DFC – Preisen zuzüglich einem Sigma-Zuschlag bepreist werden. Die Kosten finden sich in dem Back-to-Back-Preis eines individuell bepreisten Kunden oder im erzielten Beschaffungspreis eines Vertriebsportfolios wieder. Somit ist es wichtig, dass die an dieser Schnittstelle gestellten Preise marktgerecht sind. Eine Prüfung ist möglich, wenn alle Fahrplankäufe (und Rückverkäufe) des Vertriebs ordnungsgemäß und zeitnah in einem Handels- oder Portfoliomanagementsystem erfasst wurden.

1. Aggregation der verrechneten Kosten

In diesem Fall kann man für ein vergangenes Lieferjahr dem System alle internen Transaktionen zwischen Handel und Vertrieb entnehmen. Diese sind beschrieben durch die verrechneten Lastgänge L1, …, Ln, die jeweils anwendbaren HPFC oder DFC-Kurven H1, …, Hn und die erhobenen Sigma-Zuschläge \sigma_1, \dots , \sigma_n . Die Sigma-Zuschläge erhöhen dabei jeden Preis des HPFC-Vektors und die dem Vertrieb verrechneten Kosten ergeben sich als:

\sum_i {\langle L_i , H_i + \sigma_i\rangle}

Dabei wird jeder Preis der HPFC Hi um \sigma_i erhöht.

2. Ermittlung der im Handel erzielten Kosten

Die Kosten, die dem Handel entstanden sind, ergeben sich aus denselben Daten und den Spotpreisen des Lieferjahres, indem man für jeden der Fahrpläne L1, …, Ln den optimalen Hedge in Handelsprodukten Base und Peak B1, …, Bn sowie den zugehörigen Differenzfahrplan zwischen Lastgang und Hedge D1, …, Dn ermittelt. Es wird angenommen, dass die Handelsprodukte zu HPFC-Preisen beschafft werden konnten. Ansonsten wäre die HPFC nicht arbitragefrei, was als ein Modellfehler gilt. Dann ergeben sich die Gesamtkosten des Handels als:

\sum_i{ \langle H_i , B_i \rangle} + \langle S , \sum_i{D_i} \rangle

Dabei ist S der viertelstündliche Vektor der Spotpreise im Lieferjahr.

3. Ableitung aus der Nachkalkulation

Ein Vergleich der verrechneten Kosten mit den im Handel eingetretenen Kosten zeigt, zu wessen Gunsten die Verrechnung ausgegangen ist und wie weit der Verrechnungspreis von den tatsächlichen Kosten entfernt lag. Aus Abweichungen sind mehrere Schlussfolgerungen möglich, die eventuell weitere Untersuchungen erfordern:

  • das HPFC / DFC- Modell könnte verbesserungswürdig sein
  • der Sigma-Zuschlag könnte inadäquat sein
  • die Modelle könnten bestmöglich und die Abweichung auf das Preisrisiko zurückzuführen sein

Die HPFC/DFC-Bepreisung ohne Sigma sollte die erwarteten Kosten des Handels wiederspiegeln. Liegen die Kosten des Handels Jahr für Jahr darüber oder Jahr für Jahr darunter, sollte das Modell geprüft werden. Treten Abweichungen in beide Richtungen auf, so entspricht die Höhe der Abweichungen der Ergebnisunsicherheit aus dem Sigma-Risiko.

Der Risikozuschlag vergütet eine Risikoübernahme des Handels. Nur der Teil der Abweichungen sollte über den Sigma-Zuschlag eingepreist werden, der nicht diversifizierbar ist (umgangssprachlich: nicht im Rauschen untergeht), sondern auf das Handelsergebnis durchschlägt. Mathematisch kann man hierzu die Korrelation zum Portfolioergebnis betrachten.

4. Anmerkungen

Für die Kalkulation des Sigma-Zuschlags und auch für das Backtesting werden im Allgemeinen nur die Abweichungen zwischen dem Monatsfahrplan in Standardprodukten und der viertelstündlichen Last des Kunden betrachtet.

Tatsächlich übernimmt der Handel auch Risiken auf dem Terminmarkt. Oftmals ist zum Beschaffungszeitpunkt nur eine Absicherung mit Jahresprodukten möglich. Erst später werden Quartals- und Monatsprodukte handelbar, die eine genauere Abbildung der Last ermöglichen. Somit ist die beim Beschaffungsvorgang durch den Handel übernommene Risikoposition wesentlich größer. Wie diese sich in Handelsergebnissen widerspiegelt, hängt stark von der Performance des Händlers im kontinuierlichen Handel ab. Dies unterscheidet die Risikoposition im Terminmarkt von der Risikoposition am Spotmarkt. Am Spotmarkt sind die Handlungsspielräume des Händlers gering. Er erzielt den Preis, der an der Spotauktion der EEX aus physischem Angebot und physischer Nachfrage entsteht.

Risikopositionen am Terminmarkt werden in der Regel nicht eingepreist und nicht backgetestet, weil die einzige Messgröße für diese Risiken das erzielte Portfolioergebnis des Händlers ist.

Bindefristrisiko

Bindefristrisiken werden nur für Back-to-Back Kunden betrachtet. Diesen wird ein Vertragspreis auf Basis aktuell am Markt sichtbarer Terminpreise angeboten. Schlägt der Kunde zu, wird erst dann die Menge beschafft.

1. Definition Bindefristrisiko

Dem Kunden wird im Rahmen des Angebotsprozesses in der Regel eine Bindefrist gewährt. Während dieser Frist steht der Versorger zu dem gestellten Preis und wartet auf die Entscheidung des Kunden. Für den Versorger besteht dabei das Risiko, dass der Marktpreis während der Bindefrist steigt und der dem Kunden gestellte Preis bei Zuschlag nicht mehr am Markt realisierbar ist.

Weitergehend besteht das Risiko, das der Kunde die ihm gewährte Wahlmöglichkeit systematisch zu Ungunsten des Versorgers ausnutzt und nur dann einen Zuschlag erteilt, wenn der Marktpreis gestiegen ist:

Vertriebscontrolling Bindefrist

2. Bepreisung des Bindefristrisikos

Finanzmathematisch betrachtet ist die Gewährung einer Bindefrist das Verschenken einer Option: Der Versorger gibt eine Preisgarantie, der Kunde ist zu nichts verpflichtet. Verhält sich der Kunde marktrational, d.h. wie in obiger Graphik beschrieben, so wird er immer genau dann einen Zuschlag erteilen, wenn der gestellte Preis inklusive Bindefristzuschlag günstiger ist als der aktuelle Marktpreis. Der Versorger macht also Verlust, gleich wie der Zuschlag gewählt ist.

Vor diesem Hintergrund sind hier Black-Scoles-Modelle und andere mathematische Methoden von untergeordneter Bedeutung. Die Gewährung von Bindefristen ist Marketingaufwand, wie alles, womit das Unternehmen gegenüber noch nicht bestehenden Kunden in Vorleistung tritt. Der berechnete Optionswert bestimmt möglicherweise die internen Kosten, kann aber vom Kunden nicht eingebracht werden.

Nichtsdestoweniger sollte in Abhängigkeit von der Länge der Bindefrist ein Aufschlag auf den Vertriebspreis erhoben werden. Der Kunde sieht dann, dass ein billigerer Preis möglich ist, wenn er auf die Bindefrist verzichtet oder mit einer kürzeren Bindefrist zufrieden ist. Für die konkrete Wahl des Zuschlags können Prozentsätze des Black-Scoles-Preises genommen werden. Dies kommuniziert dem potentiellen Kunden die relativen Kosten einer längeren Bindefrist.

3. Umgang mit Bindefristrisiken

Wichtiger als das Bepreisungsmodell ist bei Bindefristrisiken das Controlling von Aufwand und Erfolg. Interessenten, die ständig Preise anfragen, aber nie einen Zuschlag erteilen, sollten möglicherweise nicht mehr bedient werden. Bepreisungen generieren auch abgesehen von der Bindefrist Aufwand und Kosten. Ein Energieversorgungsunternehmen ist kein kostenloser Bepreisungsdienstleister.

Die relevanten Daten Marktpreis bei Bepreisung, Länge der Bindefrist, Bindefristzuschlag, Zuschlagserteilung (ja / nein) und Marktpreis bei Zuschlagserteilung können nachgehalten werden. Dies ermöglicht eine Gegenüberstellung der Einnahmen aus Bindefristzuschlägen und der Ergebnisse aus Marktpreisänderung während der Bindefrist. Weiterhin kann aus einer solchen Datenbasis ermittelt werden, ob die Gewährung von Bindefristen tatsächlich ein Verkaufsargument ist und die Verkaufswahrscheinlichkeit steigert.

Forderungsausfall / Kreditrisikozuschläge

In der Regel erfolgt bei Energielieferungen die Rechnungsstellung nach der Lieferung. Der Energieversorger tritt somit in Vorleistung und erleidet Verluste, wenn der Kunde nicht zahlt. Bei großen Kunden entstehen bei einem Ausfall auch Verluste aus dem sogenannten Wiedereindeckungs-/Wiederabsatzrisiko. Wir betrachten diesen Anteil des Adressausfallrisikos an dieser Stelle nicht und verweisen dazu auf den Artikel Kreditrisiko im Energiehandel.

1. Definition Forderungsausfall

Das Risiko und der Schadensfall, der hier betrachtet werden soll, ist also der Forderungsausfall bei Zahlungsunfähigkeit oder Zahlungsunwilligkeit des Kunden.

Die Zahlungsunfähigkeit oder – unwilligkeit zeigt sich üblicherweise erstmals dadurch, dass eine Rechnung unbezahlt bleibt. Die Effizienz interner Prozesse, Mahnfristen und andere externe Fristen bestimmen dann, wie schnell der Ausstand registriert wird und wie lange der Kunde danach noch beliefert wird. Der Schaden für den Lieferanten ist am Ende der Ausstand, der bis zur erfolgreichen Liefereinstellung aufgelaufen ist vermindert um Anteile, die im Inkassoprozess noch wiedereingebracht werden können. Zur Einschätzung der Schadenshöhe ist also relevant, welches Zeitfenster typischerweise zwischen Nichtbezahlung und Liefereinstellung liegt.

2. Bestimmung von Kreditrisikozuschlägen

Energieversorgung ist ein Massenkundengeschäft und alle Kunden haben eine gewisse Ausfallwahrscheinlichkeit. Im gesamten Versorgungsportfolio fällt somit ein bestimmter Anteil der Forderungen erwartungsgemäß aus. Dieser Anteil muss jedenfalls eingepreist werden, wenn das Unternehmen aus der Belieferung von Endkunden keine Verluste erleiden möchte.

Vertriebscontrolling Risikozuschläge KreditrisikoEine Differenzierung von Risikozuschlägen nach Kundenbonität ermöglicht eine gerechtere Kostenzuweisung und trägt dazu bei, Kunden guter Bonität zu halten. Somit ist es sinnvoll, Kunden nach Bonität zu klastern und für jedes Klaster separat Kreditrisikozuschläge zu ermitteln.

Für die Ermittlung eines monatlichen Risikozuschlags für ein Kundenklaster benötigt man die folgenden Kenngrößen:

  • mittlere Ausfallwahrscheinlichkeit des Klasters
  • Ausfallsumme im Falle des Ausfalls als Prozentsatz des Monatsumsatzes
  • Verlustquote (in %)

Ausfallwahrscheinlichkeiten können entweder über Dienstleister wie Creditreform beschafft oder durch statistische Auswertungen des eigenen Kundenportfolios (Scoring und Screening) gewonnen werden. Für die Bestimmung von monatlichen Risikozuschlägen gehen wir von monatlichen Ausfallraten aus. Für jährliche Ausfallraten p und monatliche Ausfallraten pM gilt der Zusammenhang:

p = 1 - (1 - p_M)^{12}

Die Ausfallsumme ergibt sich wesentlich aus der zeitlichen Frist zwischen ausbleibender Zahlung und Lieferungseinstellung. Gewöhnlich ist davon auszugehen, dass bei Ausfall jeweils 2 Monatsrechnungen ausfallen, dies entspricht a = 2. Die Verlustquote bestimmt den Prozentsatz an Ausständen, der nicht wiedereingeholt werden kann. Sie liegt oft nahe bei 100 %.

Der monatliche Kreditrisikozuschlag k in €/MWh für die betrachtete Kundenklasse ergibt sich dann als

k = \frac{p_M}{1-p_M} \cdot a \cdot V

Der Quotient p / 1 – p kommt aus der Tatsache, dass auch der Risikozuschlag nur von dem 1 – p Anteil der Kunden eingenommen werden kann, die ihre Rechnung zahlen.

Mengenrisiko

Die größten Ergebniseffekte im Vertrieb resultieren aus dem Risiko, dass der Vertriebsabsatz von den ursprünglich prognostizierten und bepreisten Mengen abweicht.

1. Definition Mengenrisiko

Die Bepreisung im Vertrieb basiert immer auf einer Absatzerwartung entweder für einen individuellen Vertriebsvertrag oder für einen Tarif, ein Vertriebsgebiet oder eine anderweitig definierte Kundenklasse. Auf Basis dieser Absatzerwartung werden Mengen am Terminmarkt beschafft und auf Basis der Beschaffungskosten ein Absatzpreis bestimmt. Im Zuge des Belieferungsprozesses manifestieren sich Abweichungen von der ursprünglich prognostizierten Last, die zu Kosten führen können.

Ergebnisse aus Abweichungen der Istlast von der Prognose summieren sich für Back-to-Back RLM-Kundenverträge aus

  • der Glattstellung von Prognoseanpassungen am Terminmarkt, am Spotmarkt und am Intradaymarkt
  • der Verrechnung des Differenzfahrplans zwischen nominierter Lieferung und Istabnahme zu Ausgleichsenergiepreisen

Vertriebspricing Mengenrisiko RLM

Ergebnisse aus Abweichungen von Ist-Absatz und Prognose ergeben sich für ein vorab beschafftes SLP-Kundenportfolio aus

  • der Glattstellung von Mehr- und Minderabsatz entsprechend dem tatsächlichen Vertriebserfolg am Terminmarkt
  • Anpassungen von Jahresverbrauchsprognose bzw. Kundenwert (normalerweise nicht unterjährig) und Glattstellung der Differenzfahrpläne an den Energiehandelsmärkten
  • Profilzuordnungsfehlern und den daraus resultierenden Ergebnissen auf dem Spot- und Ausgleichsenergiemarkt
  • Der Mehr-Mindermengenabrechnung des Netzbetreibers

Für ein gemischtes Portfolio, das RLM- und SLP-Kunden enthält, treten alle genannten Ergebniseffekte auf.

2. Portfoliobasierte Bepreisung von Mengenrisiken

Für ein Portfolio, für das ein Abverkauf vorab beschaffter Mengen durchgeführt wird, können die historischen Kosten aus Mengenrisiken jeweils für das vergangene Jahr bestimmt werden. Sie ergeben sich aus

  • allen Transaktionen, die nach Feststellung des Beschaffungspreises und des Vertriebspreises noch an den Handelsmärkten getätigt wurden
  • den Erlösen und Aufwänden auf den Ausgleichsenergiemärkten, die dem Portfolio zuzuordnen sind
  • dem Anteil der Mehr-Mindermengen-Abrechnung, der dem Portfolio zuzurechnen ist

Die Summe der Kosten aus der initialen Beschaffung zuzüglich aller genannten Anpassungskosten und -erlöse ergibt den tatsächlichen Beschaffungsaufwand. Teilt man diesen durch die tatsächlich gelieferte Menge, so erhält man den tatsächlich erzielten Beschaffungspreis. Die Differenz zwischen diesem und dem Kalkulationspreis, der sich aus der initialen Beschaffung ergab, ist der Mengenrisikozuschlag, der für das vergangene Jahr exakt kostendeckend gewesen wäre. Diesen kann man für die Kalkulation im Folgejahr einsetzen. Gleichzeitig stellt die Rechnung eine Nachkalkulation für den Zuschlag dar, der tatsächlich für das betrachtete Lieferjahr zur Anwendung gekommen ist. Sinnvoll ist auch, die längere Historie solcher Kosten im Auge zu behalten, um eventuelle Trends zu erkennen.

3. Individuelle Bepreisung von Mengenrisiken

Für große, individuell bepreiste RLM-Kunden kann das Mengenrisiko individuell ermittelt werden. Ab welcher Kundengröße dies sinnvoll ist, hängt auch vom Automatisierungsgrad ab. Hierfür wird üblicherweise die potentielle Ist-Abnahme des Kunden wie auch ein zugehöriges Spotpreis-/Ausgleichsenergiekostenszenario mit einem Monte-Carlo-Modell simuliert. Aus der resultierenden Ergebnisverteilung so generierter Szenarien werden Risikozuschläge über ein festgelegtes Quantil bestimmt. Die Modelle können wiederum über eine Nachkalkulation aller Großkunden, bei der die tatsächlichen Kosten aus Mengenrisiken ex post ermittelt werden backgetestet und neukalibriert werden.

Die Nachkalkulation von Großkunden ist ein wesentlicher Inhalt des Vertriebscontrollings. Hier kann der Ausgang der Mengenrisiken wie auch anderer Risikopositionen wie Bindefrist und Ausfallrisiko nachvollzogen werden. Eine graphische Darstellung der Prognoseanpassungen macht auch operative Themen sichtbar wie:

  • optimistische Mengeneinschätzungen bei Vertragsabschluss
  • Kunden mit hohen unprognostizierbaren Mengenabweichungen
  • hohe Anpassungen bei dem Übergang zur Tagesprognose
  • hoher Mengenausgleich am Ausgleichsenergiemarkt

War der Mengenrisikozuschläge auskömmlich und die Prognose gut, dann liegt der tatsächlich erzielte Beschaffungspreis für den Kunden innerhalb des Korridors, der durch den Kalkulationspreis und den Mengenrisikozuschlag beschrieben wird:

Vertriebscontrolling Bericht

Liquiditätssteuerung &  Cashflow

von Marianne Diem, September 2016
Liquiditaetsplanung-Abweichung

Unerwartete Liquiditätsengpässe können zu hohen Zinskosten führen und für das Unternehmen existenzbedrohend werden. Basis für die Steuerung von Liquiditätsrisiken ist eine belastbare Liquiditätsplanung. Hierauf bauen alle weiteren Risikosteuerungsmaßnahmen auf.

Die Liquiditätsreserven eines Energieversorgungsunternehmens können starken Schwankungen unterliegen. Witterungsabhängige Ausgaben stehen in der Wärmeversorgung konstanten monatlichen Einnahmen gegenüber. Clearing und Margining aus Börsengeschäften, Steuereffekte, Marktpreis-Effekte aus der Einsatzoptimierung der Erzeugung und dem Einsatz langfristiger Verträge sorgen zusätzlich für Überraschungseffekte.

Aufbau einer Liquiditätssteuerung

Für die Liquiditätsplanung eines Energieversorger reichen im Allgemeinen Cashflow Forecasts in monatlicher Granularität für die kommenden 12 Monate aus. Für den laufenden und den Folgemonat ist eine tägliche Auflösung sinnvoll.

Die Liquiditätsplanung sollte monatlich aktualisiert und berichtet werden. Neben den Planzahlen ist auch die Planabweichung relevant. Sie hilft bei der Verbesserung der Prognosequalität und quantifiziert die Liquiditätsrisiken, d.h. die Größenordnung unvorhergesehener Liquiditätsabweichungen.

Der Aufbau einer Liquiditätssteuerung umfasst somit folgende Aufgaben:

Relevante Umsatz und Cashflow-Positionen

Controlling- und Planungsberichte geben einen ersten Überblick über zu prognostizierende Cashflow-Positionen. Erlös- oder Aufwandspositionen des Controllings haben in den meisten Fällen ein Cashflow-Äquivalent.

Beispielhaft und nicht abschließend müssen bei einem Energieversorger Zahlungsströme aus folgenden Positionen prognostiziert werden (+ Zahlungseingänge, – Zahlungsausgänge):

  • Massenkunden Strom & Gas (+)
  • Großkunden Strom & Gas (+/-)
  • Fernwärmeverträge (+/-)
  • langfristige Lieferverträge Gas und Fernwärme (+/-)
  • Energiehandelsverträge OTC (+/-)
  • EEX Spot und Intradayverträge (+/-)
  • Marginzahlungen der EEX (+/-), nur Risikobetrachtung möglich
  • Netzentgelte (-)
  • EEG-Zuschläge (-)
  • Steuern (-)
  • Gesellschafter-Gewinnausschüttung (-)
  • Finanzverträge, z.B. Kredite und Zinsabsicherung (+/-)
  • Löhne, Gehälter, sonstige Ausgaben (-)

Einmalige oder reguläre Zahlungen für Löhne und Gehälter, Softwarelizenzen usw. können in der Regel direkt aus den Buchhaltungssystemen extrahiert und fortgeschrieben werden. Die Liquiditätsplanung sollte jedoch mit der sonstigen Planung des Unternehmens konsistent sein.

 

Cashflow Forecasts aus Vertriebs- und Handelsverträgen werden mit gesonderten Verfahren erstellt. Relevent sind hier in erster Näherung die in den Handels- und CRM-Systemen erfassten Geschäfte. Wir werden auf diese Positionen im Folgenden noch genauer eingehen.

Umsätze und Liquidität

Die Liquiditätsplanung wird naturgemäß aus denselben Geschäftdaten abgeleitet, die auch die Controlling- und Bilanzzahlen liefern. Liquidität und Controlling stellen jedoch unterschiedliche Sichtweisen auf die zugrundeliegenden Geschäftsdaten dar und beantworten unterschiedliche Fragestellungen:

Liquiditaet vs Bilanz

Für eine Zahlungsprognose benötigt man zu jedem Geschäft außer dem Umsatz auch die genauen Zahlungskonditionen. Weiterhin sind Erlös und Aufwandspositionen Nettowerte. Die meisten Zahlungen sind mehrwertsteuerpflichtig. Anzuwendende Steuersätze können je nach Position unterschiedlich sein.

 

Zahlungskonditionen können durchaus kompliziert ausfallen. Zum Beispiel kann sich die monatliche Zahlung aus einer Abschlagszahlung in Höhe von 80% des Vormonatsumsatzes und dem Differenzbetrag zwischen dem endgültigen Vormonatsumsatz und der Abschlagszahlung des Vormonats zusammensetzen. Für die Prognose der monatlichen Zahlung aus den Umsätzen der Vormonate ergibt sich in diesem Fall:

Z_{M} = (0,8 \cdot U_{M-1} + U_{M-1}- 0,8 \cdot U_{M-2} = 1,8 \cdot U_{M-1} - 0,8 \cdot U_{M-2}) \cdot (1 + \text{MWSt})

wobei Z die Zahlungen, U die Umsätze jeweils der Monate M, Vormonat M-1, Vorvormonat M-2.

Grundsätzlich lassen sich jedoch Zahlungsströme fast immer aus monatlichen Umsatzdaten und Zahlungskonditionen ableiten. Dafür ist es zweckmäßig, die Zahlungskonditionen mathematisch als eine Zahlungsfunktion fz mit ZM = fz (UM-1, …,UM-k) darzustellen, die aus einer monatlichen Umsatzzeitreihe eine Zeitreihe von Zahlungen generiert (siehe oben). In vielen Fällen sieht diese Funktion einfach aus, z.B. Zahlung im Folgemonat:

Z_{M} = U_{M-1} \cdot (1 + \text{MWSt})

Liquiditaet-Zahlungsfunktion
Für die Implementierung einer Liquiditätsplanung z.B. als Datenbanklösung, ist eine effiziente Erfassung von geltenden Zahlungsfunktionen über eine Toolbox hilfreich. Zahlungsfunktionen spezifizieren:

  • einen i.a. monatlichen Zahlungstermin
  • eine Zahlungshöhe in Abhängigkeit von monatlichen Umsätzen der Vormonate

Die Bestimmung des Zahlungstermins kann mit den üblichen Kalenderfunktionen abgebildet werden. Jeder Zahlungstermin benötigt eine eigene Zahlungsfunktion. Die Zahlungshöhe lässt sich dann in praktisch allen Fällen als eine Funktion der folgenden Form beschreiben:

Z_M = (a_1\cdot U_{M-1}+ a_2\cdot U_{M-2} + ...+ a_k \cdot U_{M-k})\cdot(1+\text{MWSt})

Dabei sind UM-i die Umsätze im i-ten Vormonat vor dem Monat M, ai ein jeweils geeignet zu bestimmender Faktor, k > 0 die Anzahl der Monatsumsätze, die in den Zahlungsbetrag eingehen. Da insgesamt alle Umsätze in Rechnung gehen, gilt:

\sum_i a_i = 0

Massenkundenabsatz Vertrieb

Zahlungsein- und -ausgänge aus Vertriebsgeschäften unterliegen hohen Prognoseabweichungen, da sich die Mengenbasis, also die zugrundeliegenden Verträge, beständig ändern.

 

Je nach Beschaffungsstrategie entsprechen für das Massenkundengeschäft bereits beschaffte Mengen, die im Handelssystem als interne Verträge geführt sind, nicht unbedingt der aktuellen Absatzprognose. Diese ist oftmals höher und es sind noch weitere Beschaffungsvorgänge geplant. Sie kann auch niedriger sein und der Vertrieb plant kurzfristig Mengenrückgaben.

 

Eine aktuelle Absatzprognose ist jedoch nicht nur für die Liquiditätsprognose erforderlich, sondern auch Basis für die Steuerung der Bestellvorgänge und der Marktrisiken des Vertriebs und für die Ergebnissteuerung des Controllings. Sie sollte somit in einem dafür gewählten System vorliegen.

 

Absatzprognosen werden tarifscharf und segmentiert nach Zahlungskonditionen benötigt. Für die Erstellung einer Zahlungsprognose werden die Absatzprognosen je Tarif und Zahlungskondition aggregiert. Aus Tarifpreisen und zugehörigen Absatzprognosen ergeben sich monatliche Umsatzdaten. Die Anwendung der zugehörigen Zahlungsfunktionen ermittelt hieraus prognostizierte Zahlungseingänge.

Cashflow-Forecast-Prozess

Angewendete Zahlungsfunktionen müssen den vertraglich vereinbarten Zahlungskonditionen entsprechen  und die Abrechungsusancen des Unternehmens widerspiegeln (z.B. jährlich rollierende Abrechnung). Die Tarife im Vertrieb enthalten bereits alle fälligen Steuern und Abgaben, so dass hier keine Steuern zusätzlich berücksichtigt werden. Dies erschwert jedoch eine Übergangsrechnung zur Unternehmensplanung.

Großkundenabsatz und Bezug aus langfristigen Lieferverträgen

Im Gegensatz zum Massenkundengeschäft ist beim Großkundenabsatz im Vertrieb wie bei langfristigen Lieferverträgen oftmals keine sinnvolle Aggregation von Absatz, Umsatz und Zahlungen möglich. Jeder Vertrag muss individuell betrachtet und in der Liquiditätsplanung abgebildet werden. Zahlung oder Rückgabe von Sicherheiten und Ergebnisse von Vertragsverhandlungen können zu Einmalzahlungen führen, die nur über manuelle Meldung an die verantwortliche Abteilung in die Liquiditätsplanung eingebracht werden können.

 

Großkundenverträge haben möglicherweise Marktzugangsverträge, bei denen erzielte Marktpreise zuzüglich Abwicklungsgebühren verrechnet werden. Zahlungsprognosen müssen dann aus den für diese Kunden geführten Portfolien abgeleitet werden. Auch die Steuern und Abgabensituation kann sich durch diverse Umlagen-Befreiungen des Verbrauchers individuell darstellen. Die Systematik, zunächst den Umsatz aus den führenden Systemen zu entnehmen – hier vermutlich das Portfoliomanagementsystem oder ein System des Vertriebscontrollings – und hierauf die geltende Zahlungsfunktion anzuwenden, ist auch hier der Weg der Wahl, da er zu konsistenten Daten führt.

 

Langfristige Lieferverträge mit Bindungen an Öl-, Kohle- oder Gaspreise oder andere Indizierungen führen zu hohen Abweichungen in der Liquiditätsprognose. Ursache sind sowohl die Auswirkung von Marktpreisänderungen auf das Preisniveau der Verträge als auch der marktpreisabhängige Einsatz solcher Verträge. Letzterer resultiert aus dem wechselnden Preisspread zwischen Vertragspreis und dem aktuellen Marktpreis anderer Beschaffungsalternativen. Den Einsatz solcher Verträge zu optimieren und damit zu prognostizieren erfordert bereits die Marktrisikosteuerung. Somit sollte für die Verträge eine jeweils aktuelle Bezugsprognose, aktuelle Vertragspreisprognosen vorliegen und resultierend aktuelle Aufwandstrends vorliegen. Führende Systeme sind dabei möglicherweise das Handelssystem, ein Einsatzoptimierungssystem oder das EDM. Die Zahlungsprognosen ergeben sich dann wieder durch Anwendung der zugehörigen Zahlungsfunktion auf den Aufwandstrend. Dabei überraschen solche Verträge gerne mit komplexen Abschlagszahlungsregelungen.

Handelsgeschäfte OTC/EEX

Für Handelsgeschäfte an den OTC-Märkten (z.B. über EFET-Verträge) sind die Zahlungskonditionen einfach (immer zum 20ten des Folgemonats) und die Verträge sind im Handelssystem geführt. Eine Auswertung von Umsätzen pro Handelspartner aus dem Handelssystem lässt sich somit sofort in eine Cashflow-Planung überführen. Das Problem ist, dass einige Positionen fehlen:

  • nicht alles, was der Vertrieb an Absatz plant, ist bereits beschafft
  • nicht alles, was die Erzeugung produzieren wird, ist bereits vermarktet
  • die Handelsbücher enthalten offene Positionen, die vor dem Lieferungszeitpunkt geschlossen werden müssen
  • börsengehandelte Geschäfte führen zu Marginzahlungen, die nicht geplant werden können, aber deren Größenordnung abgeschätzt werden muss
  • Börsenfutures beinhalten nur eine Preisabsicherung, aber nicht automatisch eine Lieferung. Positionen müssen jedoch bei Lieferung nicht nur finanziell, sondern auch physisch geschlossen sein.

Für die Liquiditätsplanung bedeutet dies:

  • die Beschaffung der Differenz zwischen der Absatzprognose, die in die Erlös- und Zahlungseingangsplanung des Vertriebs eingegangen ist und der tatsächlich bereits für den Vertrieb beschafften Menge muss in Aufwand und Zahlungsausgängen berücksichtigt werden
  • noch nicht vermarktete Strommengen, die laut Einsatzoptimierung der Erzeugung erzeugt werden, müssen als Erlöse und Zahlungseingänge berücksichtigt werden
  • noch nicht beschaffte Brennstoffe und CO2-Zertifikate, die laut Einsatzoptimierung der Erzeugung benötigt werden, müssen als Aufwand und Zahlungsausgänge berücksichtigt werden
  • das erforderliche Schließen aller offenen Positionen der Handelsbücher muss mit entsprechenden Zahlungsprognosen berücksichtigt werden
  • aus der Position in Börsenfutures und der Marktvolatilität kann ein Korridor maximal zu erwartender Marginzahlungen abgeleitet werden
  • Das physische Settlement der Börsenfutures durch EEX-Spot-Lieferung muss in Umsatz und Zahlungen berücksichtigt werden

Für alle beschriebenen Positionen ist der Preis unsicher und wird bestmöglich durch aktuelle HPFC und DFC-Preise abgeschätzt. Für den Zahlungszeitpunkt ist jedoch entscheidend, ob die entsprechenden Mengen auf den OTC-Märkten zum 20ten des Folgemonats oder an der EEX täglich abgerechnet werden. Für die Liquiditätsprognose gibt es keine andere Möglichkeit als eine plausible Mengenaufteilung auf die beiden Marktplätze vorzunehmen, die der Tätigkeit des Unternehmens an den jeweiligen Märkten entspricht.

Plausibilitätsbetrachtungen

Der hier vorgeschlagene Aufbau einer Liquiditätsprognose zielt darauf ab, eine größtmögliche Konsistenz zu den Controllingdaten, Trenddaten und zur Positionsführung im Energiehandel herbeizuführen. Trotzdem wird das Unternehmen mit erstmaliger Erstellung einer Liquiditätsplanung fast immer mit Unplausibilitäten und hohen Planabweichungen in Einzelpositionen zu kämpfen haben. Letztere sind teilweise naturgegeben und ungefährlich, teilweise sind es wirkliche Risikoindikatoren, die Managementaufmerksamkeit erfordern. Welches von beidem der Fall ist kann durch geeignete Zusatzbetrachtungen eingegrenzt werden.

1. Vertrieb-Handel-Cashflow-Marge

Sowohl bei der Liquiditätsprognose des Handels als auch bei der Liquiditätsprognose für den Massenkundenabsatz im Vertrieb ist mit hohen Abweichungen zu rechnen. Dies liegt daran, dass jede Änderung der Absatzprognose des Vertriebs auf die Liquiditätsplanung durchschlägt. Im Handel wirkt zusätzlich jede Marktpreisänderung auf die offenen Positionen.

 

Jeder Änderung der Absatzprognose des Vertriebs sollte jedoch eine Änderung der Beschaffungsmengen in gleicher Größenordnung gegenüberstehen: Der Vertrieb verkauft Mengen, die der Handel beschafft. Wurde eine erforderliche Beschaffung noch nicht durchgeführt, so haben wir die entsprechende Differenzposition ebenfalls in der Prognose berücksichtigt. Die erste Plausibilitätsprüfung besteht somit in einem Mengenabgleich.

 

Der nächste Schritt ist es, auch die zugehörigen Preise zu betrachten. Im allgemeinen sollte der Vertrieb die Mengen teurer verkaufen, als sie eingekauft werden. Zahlungsausgänge in der Beschaffung können mit den Zahlungseingängen im Vertrieb verglichen werden. Dabei sind die folgenden Positionen relevant:

Liquiditaet-Cashflow-Marge-Vertrieb

Steuereffekte können hier zu nicht unerheblichen Verwerfungen führen. Planabweichungen auf der Vertriebsseite sollten jedoch immer von einer gegenläufigen Planabweichung auf der Handel + Netz + EEG-Seite in gleicher Größenordnung begleitet sein.

2. Vertriebspreis-Bestandteile

Weitere Plausiblitätsprüfungen sind möglich, wenn bei der Prognose der Zahlungseingänge des Vertriebs einzelne Preisbestandteile kalkulatorisch als Davon-Positionen ausgewiesen werden. Dies ermöglicht den Abgleich von:

  • Netzentgelteeinzahlungen und -auszahlungen
  • EEG-Zuschlag-Einzahlungen und -auszahlungen
  • Steuereinzahlungen und -auszahlungen

Letzteres ist ein komplexes Thema. Steuereffekte können hohe Liquiditätsabweichungen erzeugen. Um Steuerzahlungen zu plausibilisieren, müssen Steuern in allen Vertragspreisen als Davon-Position geführt werden.

3. Abgleich mit der Buchhaltung

Eine kurzfristige Cashflow-Prognose, z.B. für den Folgemonat, sollte in dem betreffenden Monat durch gleichlautende Zahlungen bestätigt werden. Um vergessene Positionen oder methodische Fehler zu finden, ist somit ein Abgleich der Kurzfristprognose mit dem Buchhaltungssystem (SAP / Schleupen) sinnvoll. Dies gilt insbesondere für Positionen, die nicht aus dem Buchhaltungssystem prognostiziert werden, d.h. für Zahlungen aus Handels- und Vertriebsgeschäften.

 

Um einen solchen Abgleich zu ermöglichen, muss die Liquiditätsplanung die Strukturen des Buchhaltungssystems teilweise widerspiegeln. Bei Handelsverträgen ist es z.B. vor diesem Hintergrund sinnvoll, die Zahlungsprognosen kontrahentenscharf zu erstellen. Dies ermöglicht im Konkreten z.B. das Auffinden fehlender Verträge und Handelspartner in der Liquiditätsprognose.

Abweichungsanalyse und Handlungsfelder

Ist die Qualität der Liquiditätsplanung sichergestellt, so zeigt die kontinuierliche Auswertung der Prognoseabweichungen den Liquiditätsbedarf des Unternehmens, der durch entsprechende Reserven sichergestellt werden muss:

Liquiditaetsplanung-Abweichung

Weitere Analysen ermöglichen auch, Abweichungen Verursachern zuzuordnen. Hierbei muss jedoch die schon bei der Plausibilitätsprüfung betrachtete Kopplung von Kauf und Verkauf stets beachtet werden. Beispielsweise sind im Fernwärmegeschäft durch die AVBFernwärmeV auf der Kundenseite nur gleiche monatliche Abschlagszahlungen auf Basis des Vorjahresbedarfs möglich, während die Wärmeerzeugungskosten von dem aktuellen Temperaturverlauf abhängen. Um die Liquiditätseffekte hieraus abzuschätzen, kann man die Cashmarge aus Zahlungen für Wärmeerzeugung in Heizwerken und Zahlungseingängen aus der Wärmelieferung betrachten. Die Auswertung dieser Marge wird temperaturbedingte Liquiditätseffekte sichtbar machen, über deren Finanzierung das Unternehmen nachdenken sollte. Nicht sinnvoll ist es in diesem Zusammenhang, die Planabweichung der Zahlungen für Wärmeerzeugung für sich zu betrachten und der entsprechenden Abteilung, die das Wetter nicht raten kann, Prognosefehler vorzuwerfen.

 

Entscheidender als die verursachungsgerechte Zuordnung der Abweichungen ist oftmals die Bereitstellung der benötigten Liquiditätsspielräume. Dies erfolgt am einfachsten (möglicherweise auch am teuersten) durch eine entsprechende Kreditlinie bei der Hausbank des Vertrauens. Weitere Möglichkeiten zur Verbesserung der Liquiditätssituation sind:

  • die Angleichung von Zahlungskonditionen und Preisbindungen in Kauf und Verkauf
  • die Schaffung von Liquiditätsspielräumen durch Vorkasseregelungen bei Kundenverträgen
  • die Verschiebung größerer Zahlungen (z.B. die Gewinnausschüttung an den Gesellschafter) in liquiditätsmäßig entspannte Zeiträume
  • die Einrichtung eines Cashpools beispielsweise über verbundene kommunale Unternehmen

Stresstests & Notfallplan

Zu guter Letzt sollte das Unternehmen sich auch über den Notfall Gedanken gemacht haben. Eine Möglichkeit der Vorbereitung auf Notfälle sind Stresstests, in denen das Unternehmen die Auswirkung ungünstiger extremer Veränderungen von Marktpreisen und anderen Risikofaktoren untersucht und dokumentiert. Ein wichtiges Stressszenario ist immer auch die Verschlechterung der eigenen Bonität bzw. das Unterschreiten / Brechen von Covenants in Finanz- und Kreditverträgen.

 

Die reguläre Liquiditätssteuerung und sowie Stresstests bilden eine Grundlage zur Bemessung ausreichender Liquiditätsreserven. Dies sind beispielsweise (laut MaRisk) hochliquide, unbelastete Vermögensgegenstände. Ein Notfallplan dokumentiert verfügbare Liquiditätsquellen und im Ernstfall zu treffende Maßnahmen inklusive der erforderlichen externen Kommunikation.

Kreditrisiko Energiehandel

von Marianne Diem, Juli 2016

Kreditrisiko Erfüllungsrisiko

Steuerung von Kreditrisiken im Energiehandel: Vergabe von Kreditlinien, Bestimmung von Exposure und Potential Future Exposure, Kreditlinienmanagement durch Credit Support Annex, OTC-Clearing und Trilateral Closeout.

Als Kreditrisiko, Adressrisiko, Kontrahentenrisiko oder Adressenausfallrisiko bezeichnet man im Energiehandel die Gefahr, dass ein Handelspartner seine vertraglichen Pflichten nicht erfüllen kann oder erfüllen will und dem Unternehmen daraus wirtschaftlicher Schaden entsteht.

Da die meisten Energieversorger ihre Energiebeschaffung mehrheitlich oder vollständig auf den OTC-Märkten abwickeln, stellen Kreditrisiken stellen im Energiehandel eine wesentliche Risikokategorie dar. Die im Vergleich zum Vertrieb hohen Umsätze der Handelsgeschäfte führen je nach Größe des Unternehmens bei Ausfall eines einzelnen Handelspartners schnell zu Ausständen in 6-stelliger oder noch höherer Größenordnung.

Aufgaben des Kreditrisikomanagements

Das Unternehmen vor solchen Schäden zu bewahren oder diese zu mindern, ist die Verantwortung des Kreditrisikomanagements. Ein wirksames Kreditrisikomanagement beinhaltet dabei:

Das Kreditrisikomanagement trifft im Rahmen seiner Aufgaben immer wieder Entscheidungen, beispielsweise darüber, ob Handelsbeziehungen aufgenommen werden oder fortgesetzt werden dürfen. Diese Entscheidungen sollten auf Basis interner Richtlinien erfolgen, die das Kreditrisikomanagement erarbeitet und die Geschäftsführung freigibt.

Prüfung und Freigabe neuer Handelspartner

Eine gründliche Prüfung potentieller Geschäftspartner vor Geschäftsaufnahme schützt im Nachhinein vor bösen Überraschungen. Hierzu gehören:

  • Die Identifizierung des Handelspartners im Rahmen des sogenannten Know-Your-Customer-Prozesses (KYC)
  • Die Bestimmung der Bonität des Handelspartners

Abhängig vom Ergebnis erfolgt die Verhandlung des Rahmenvertrages, die Kreditlinienvergabe und letztendlich die Freigabe des Handelspartners für den Handel.

1. Know-Your-Customer-Prozess

Der Know-Your-Customer-Prozess ist gemäß Geldwäschegesetz vorgeschrieben und ist außerdem eine zentrale Compliance-Maßnahme zur Verhinderung von Umsatzsteuerbetrug. Davon abgesehen kann er wesentlich zur Einschätzung der Kreditwürdigkeit des potentiellen Handelspartners beitragen. Das Kreditrisikomanagement sollte über eine Checkliste für den KYC-Prozess verfügen. Typischerweise werden die folgenden Informationen erhoben:

  • Eigentümerstruktur des Unternehmens
  • Firmensitz
  • Identität der Geschäftsführer
  • Mitarbeiterzahl des Unternehmens
  • Eigenkapital
  • Personalausweis, Meldebescheinigung, und / oder private Strom- oder Telefonrechnung des Geschäftsführers
  • Kopie des Mietvertrages über die Geschäftsräume
  • Umsatzsteuer- Identifikationsnummer
  • Umsatzsteuererklärung sowie Nachweis der Zahlung fälliger Umsatzsteuerbeträge
  • Handelsregisterauszug
  • steuerliche Unbedenklichkeitsbescheinigung

In Abhängigkeit von dem angestrebten Geschäftsvolumen kann es ratsam sein, die Geschäftsräume in Augenschein zu nehmen und den Geschäftsführer persönlich zu treffen. Die Durchführung des KYC-Prozesses muss dokumentiert werden.

2. Bestimmung der Bonität des Handelspartners

Nachdem man sich von der Integrität des potentiellen Geschäftspartners überzeugt hat, bestimmt das Kreditrisikomanagement die Bonität oder das Rating des Handelspartners. Die Bonität bestimmt die erwartete Ausfallwahrscheinlichkeit des Handelspartners, also die Wahrscheinlichkeit, dass der Handelspartner seinen vertraglichen Verpflichtungen nicht nachkommen wird. Mögliche Verfahren sind, abhängig von der Unternehmensgröße des Handelspartners:

  • Abfrage bei Creditreform
  • Einholen eines Moody’s Rating
  • Prüfung der Bilanzen des Handelspartners und Erstellung eines eigenen Ratings

Nur sehr große Unternehmen verfügen über Ratings der großen Ratingagenturen. Mittelgroße Unternehmen und Energieversorger sind nichtsdestoweniger oft wichtige und im Energiehandel präsente Handelspartner. Mit solchen Handelspartnern können ebenfalls große Ausstände entstehen. Eine Abfrage bei Creditreform ist vor diesem Hintergrund für diese Klientel möglicherweise nicht ausreichend.

Eine unternehmenseigene Einschätzung der Bonität beinhaltet:

  • Bilanzanalyse, möglicherweise mit geeigneten Bilanzanalysetools
  • Internetrecherchen
  • die Auswertung des Zahlungsverhaltens, falls mit dem Handelspartner bereits eine Geschäftsbeziehung besteht oder bestanden hat

Nach Bestimmung der Bonität entscheidet das Kreditrisikomanagement auf Basis interner Richtlinien, ob für diesen Handelspartner eine Handelsbeziehung aufgenommen werden kann. Bei schwacher Bonität muss der Handelspartner eventuell Sicherheiten stellen oder Vorkasse leisten.

3. Verhandlung des Rahmenvertrages

Ein Vertrag ist eine Essenz schlechter Erfahrungen, sagen die Juristen. Die schiere Länge des Standard-Rahmenvertrages für den Energiehandel – des EFET-Vertrages der European Confederation of Energy Traders  –  bestätigt dies. Möchte man die schlechten Erfahrungen anderer nicht selbst machen, ist es ratsam, diesen etablierten Standardvertrag dem Handelsgeschäft zugrundezulegen. Viele kleinere Versorger bevorzugen dennoch deutsche Kurzversionen des EFET. Bei einem geringen Geschäftsumfang kann dies angemessen sein.

Einige wesentliche risikomindernde Maßnahmen können nur im Rahmen der Vertragsverhandlung vor Handelsaufnahme durchgesetzt werden. Hierzu gehören:

  • Sicherheitenforderungen
  • Vorkasse und abweichende Zahlungsregelungen
  • beidseitiges Kündigungsrecht bei Bonitätsverschlechterung

Da Sicherheitenforderungen immer ein kritischer Punkt der Vertragsverhandlung sind und nur wenige Energieversorger hierzu bereit sind, sollte dieser Punkt immer am Anfang der Verhandlung von Rahmenverträgen für den Energiehandel stehen.

Die im EFET-Vertrag enthaltenen Netting-Regelungen mindern die ausstehende Summe bei Ausfall eines Handelspartner gegenüber einer Vertragsregelung ohne Netting erheblich. Wir kommen hierauf bei der Messung von Kreditrisiken noch einmal zurück.

Eine weitere Möglichkeit zur Kreditrisikominderung, die der EFET-Vertrag vorsieht, ist eine beidseitige Verpflichtung zum Barausgleich, sobald das Kreditrisiko miteinander eine vertraglich vereinbarte Schranke überschritten hat. Diese ist im EFET Credit Support Annex geregelt. Auch hierzu später mehr.

Die Verhandlung von Verträgen resultiert oftmals in Kompromissen, die im Nachhinein unvorhergesehene Nebenwirkungen zeigen. Wie alle Verträge müssen Rahmenverträge juristisch geprüft werden und die Verhandlung sollte von einem Juristen begleitet werden.

4. Beurteilung von Sicherheiten

Sicherheiten haben eine sehr unterschiedliche Qualität. Mit Qualität beschreiben wir dabei die Wahrscheinlichkeit, dass bei Ausfall des Handelspartners, die ausstehende Summe tatsächlich über die Sicherheit eingeholt werden kann. Üblich sind die folgenden Sicherheiten, die wir hier mit absteigender Qualität ordnen:

  • Barsicherheit
  • Garantie auf erstes Anforderung / einfache Garantie
  • Bürgschaft
  • harte Patronatserklärungen
  • weiche Patronatserklärung
  • Beherrschungs- und Gewinnabführungsverträge

Welche Sicherheiten gestellt werden, ist gegebenenfalls Bestandteil der Rahmenvertragsverhandlungen. Auch hier sollte das Unternehmen über Richtlinien verfügen, welche Sicherheiten in welchen Fällen akzeptiert werden können.

Kreditlinienvergabe

Ist die Bonität des Handelspartners geprüft, der Rahmenvertrag abgeschlossen und die Sicherheit eingegangen, so wird dem Handelspartner eine Kreditlinie  oder ein Kontrahentenlimit eingeräumt.

1. Kreditlinienvergabe und Bonität

Gegen die Kreditlinie wird der potentielle Verlust gemessen, den das Unternehmen bei Ausfall des Handelspartners (= Kontrahenten) erleidet. Je wahrscheinlicher ein Ausfall, desto geringer wird die Summe sein, die das Unternehmen dem Ausfallrisiko des Handelspartners aussetzen möchte. Die vergebene Kreditlinie hängt somit von der Bonität des Handelspartners ab. Weiterhin bestimmt auch die Risikotragfähigkeit des Unternehmens die Höhe der vergebenen Kreditlinien.

Auch Unternehmen angeblich excellenter Bonität können ausfallen (siehe Enron). Bilanzen und öffentliche Ratings können schlichtweg falsch sein. Vor diesem Hintergrund ist es ratsam, alle Kreditlinien durch ein Maximallimit so zu begrenzen, dass der alleiniger Ausfall eines einzelnen Handelspartners für das Unternehmen nicht existenzgefährdend ist. Die Kreditlinie wird somit gemäß den Richtlinien des Unternehmens abgeleitet aus:

  • der Bonität des Handelspartners
  • zugewiesenem Risikokapital für Kreditrisiken des Energiehandels
  • dem Maximallimit

Die Bonität von Unternehmen kann sich verschlechtern. Es ist wahrscheinlicher, dass ein Unternehmen mittelmäßiger Bonität innerhalb der nächsten 3 Jahre Insolvenz anmeldet als dass dies bereits in den nächsten 3 Wochen geschieht. Es ist somit sinnvoll, in Abhängigkeit von der Bonität auch Beschränkungen zu freigegebenen Produkten und Lieferperioden zu machen.

2. Kreditlinienvergabe und Risikokapital

Die Risikosteuerung des Energiehandels insgesamt erfolgt typischerweise über die Zuweisung von Risikokapital. Dieses Risikokapital wird dann auf einzelne Risiken geeignet aufgeteilt. Dies könnte wie folgt aussehen:

Kreditrisiko Risikokapital Aufteilung

Die Aufteilung des Risikokapitals auf Markt- und Kreditrisiken ist hier additiv erfolgt. Dies unterstellt, dass diese Risiken immer gleichzeitig eintreten und überschätzt das Risiko. Um zu einer richtigeren Betrachtung zu kommen, muss die Gleichzeitigkeit von Risikoeintritten berücksichtigt werden.

In der Kreditrisikosteuerung muss somit die Tatsache berücksichtigt werden, dass realistischerweise niemals alle Handelspartner gleichzeitig ausfallen werden. Die Summe der vergebenen Kreditlinien kann somit wesentlich größer sein, als das vergebene Kreditrisikokapital.

Im Bankenbereich gab es einmal den Richtwert, dass Kredite an Industrieunternehmen mit 8% Eigenkapital unterlegt werden müssen. Die Kredithöhe entspricht der Summe, die bei Ausfall des Kreditnehmers ausfällt. Kreditlinien im Energiehandel entsprechen somit ökonomisch Kreditlinien im Bankengeschäft. Der Bankenrichtwert suggeriert somit, dass das zugeteilte Risikokapital für Kreditrisiken mindestens 8% der Summe ausgegebener Kreditlinien betragen muss. Eine solche Eigenkapitalquote liefert somit einen einfachen Ansatz, die Vergabe von Kreditlinien in eine Risikokapitalsteuerung zu integrieren.

Möchte man es genauer wissen, muss man bestimmen, welcher Ausfall bei gegebener Kreditlinienvergabe mit welcher Wahrscheinlichkeit zu erwarten ist. Diese Frage bearbeiten sogenannte Credit-VAR-Modelle (CVAR):

Kreditrisiko CVAR

Der Ausfall eines Handelspartners lässt sich als eine binäre Zufallsvariable modellieren. Die Ausfallhöhe ist dann die Summe korrellierter binärer Zufallsvariablen. Es ergibt sich eine für Kreditrisiken typische schiefe Verteilung. In einem Handelsportfolio treten mit hoher Wahrscheinlichkeit überhaupt keine Kreditrisikoverluste auf, mit geringen Wahrscheinlichkeiten sehr hohe Verluste.

CVAR-Modelle haben unter anderem aus den folgenden Gründen wenig Verbreitung gefunden:

  • die Modellierung korrellierter binärer Zufallsvariablen übersteigt die Möglichkeiten von MS Excel
  • bei einem Portfolio von weniger als 20 Handelspartnern liefert ein solches Modell keinen Mehrwert

Auch für große Handelsportfolien ist die Aussagekraft des einfachen CVAR begrenzt: Kreditlinienzuweisungen an Handelspartner mit excellenter Bonität haben keine Auswirkung auf den CVAR, egal wie hoch die Kreditlinie gesetzt wird. Vor diesem Hintergrund sollte man für Kreditrisiken immer den sogenannten Conditional VAR betrachten. Dies ist der erwartete Ausfall, wenn der CVAR überschritten wird.

3. Branchenlimite, Länderlimite und Konzernlimite

Im Bankenbereich ist es üblich, Kreditrisiken über Länder und Branchen zu aggregieren und diese aggregierten Risiken mit Länderlimiten und Branchenlimiten zu limitieren. In der Energiewirtschaft schafft dies nur in ausgewählten Fällen Mehrwert. Die Akteure auf den Energiemärkten sind Energieversorger und Banken. Es gibt somit meist nur zwei Branchen zu aggregieren. Viele Energieversorgungsunternehmen handeln auch nur mit deutschen Handelspartnern. Verbreitet und auch für kleinere Handelspartnerportfolien sinnvoll ist aber die Aggregation der Kreditrisiken von verbundenen Unternehmen. Das zusammengefasste Kreditrisiko mit dem Konzern kann dann mit einem Konzernlimit begrenzt werden, das sich aus einer geeignet ermittelten Konzernbonität ergibt.

4. Freigabe des Handelspartners für den Handel

Wir haben nun:

  • den Handelspartner  im Sinne des KYC-Prozesses identifiziert
  • seine Bonität geprüft
  • einen Rahmenvertrag mit ihm abgeschlossen
  • ihn mit einer Kreditlinie versehen

Nun kann er im Handelssystem und den Risikoüberwachungssystemen angelegt werden und im Anschluss für Handelsgeschäfte freigegeben werden.

Danach sind der Handelspartner und seine Kreditlinie Bestandteil der täglichen Quantifizierung und Überwachung des Kreditrisikos.

Quantifizierung des Kreditrisikos

Basis der Kreditrisiko-Überwachung ist die tägliche Bestimmung des sogenannten Exposures. Das Exposure nach Basel 1 auch Kreditäquivalenzbetrag bezeichnet den Verlust, den das Unternehmen erleiden würde, wenn der Handelspartner heute ausfällt. Dieser potentielle Verlust setzt sich aus zwei Komponenten zusammen:

  • dem Ausfall der Zahlung für bereits erfolgte Lieferungen
  • dem Marktwert der Vertragsbeziehung in den künftigen Lieferzeiträumen.

Die Gefahr, Verluste erster Art (Nichtzahlung erfolgter Lieferungen) zu erleiden, wird als Erfüllungsrisiko (auch Vorleistungsrisiko oder Settlementrisiko) bezeichnet. Das Risiko, eine Vertragsbeziehung mit positivem Marktwert zu verlieren, heißt auch Wiedereindeckungs– / Wiederabsatzrisiko.

1. Quantifizierung des Erfüllungsrisikos

Der potentielle Verlust aus dem Erfüllungsrisiko eines Energieliefervertrags hängt im allgemeinen von Zahlungsfristen und den Fristen bis zur wirksamen Liefereinstellung ab. Liefereinstellungsfristen können durch die Kündigungsfrist des Vertrages, Fristen zur Sperrung der Verbrauchsstelle bzw. auch Fristen für die Abmeldung des Kunden aus dem eigenen Bilanzkreis gegeben sein.

Bei Handelsverträgen handelt es sich um Lieferungen auf Bilanzkreisebene, die laut EFET jeweils zum 20ten des Folgemonats zahlbar sind. Die Liefereinstellung kann nach Ablauf des endgültigen Zahlungstermins sofort erfolgen. Dennoch führt die vereinbarte Zahlung im Folgemonat zusammen mit üblichen Mahnfristen dazu, dass bei Insolvenz des Handelspartners in der Regel zwei Monate Lieferung unbezahlt bleiben:

Kreditrisiko Erfüllungsrisiko

Der potentielle Verlust aus dem Erfüllungsrisiko ist somit die Summe der erwarteten Zahlungen für Lieferungen aus dem Vormonat und den laufenden Monat. Dies setzt voraus, dass die Zahlungseingänge konsequent überwacht werden und der Mahnprozess reibungslos abläuft.

2. Quantifizierung des Wiedereindeckungs- und Wiederabsatzrisikos

Der potentielle Verlust aus dem Wiedereindeckungs- und Wiederabsatzrisiko eines Energieliefervertrags resultiert aus der Differenz zwischen dem vereinbarten Vertragspreis und den derzeit am Markt erzielbaren Konditionen.

Bei einem Kaufvertrag entsteht bei Ausfall des Handelspartners ein Verlust, wenn der Kontraktpreis niedriger ist, als der derzeit für die vereinbarte Lieferung erzielbare Marktpreis. Bei einem Verkaufsvertrag entsteht bei Ausfall des Handelspartners ein Verlust, wenn der Kontraktpreis höher ist, als der derzeit für die vereinbarte Lieferung erzielbare Marktpreis. Insgesamt ergibt sich der potentielle Verlust als:

V = (p_K - p_M) \cdot L

wobei

V der Verlust,
pK der Kontraktpreis,
pM der aktuelle Marktpreis für die vereinbarte Lieferung,
L die Liefermenge, positiv für Käufe, negativ für Verkäufe

3. Ermittlung des Exposures je Handelspartner

Für jeden Vertrag mit einem gegebenen Handelspartner ermittelt man nun die Exposurebeiträge aus Erfüllungsrisiko und Wiedereindeckungs- und Absatzrisiko. Dabei ergibt sich für jeden Vertrag:

  • der Beitrag aus dem Erfüllungsrisiko des Vertrages EV als Summe der erwarteten Zahlungen für den letzten und den laufenden Monat (positiv für Forderungen, negativ für Verbindlichkeiten)
  • der Beitrag aus dem Wiedereindecklungs- und Wiederabsatzrisiko des Vertrages WV als Marktwert der noch nicht in Lieferung befindlichen Monate

Das Exposure mit dem Handelspartner ergibt sich dann als Summe der Exposure aus allen Verträgen mit diesem Handelspartner

\sum_V{E_V} + \sum_V{W_V}

Der so ermittelte Betrag entspricht der Summe, die das Unternehmen verliert, wenn der Handelspartner heute ausfällt.

4. Exkurs: Rolle der Netting-Regelungen im EFET-Vertrag

Dass die Ermittlung des Exposures wie oben beschrieben erfolgen kann, ist nicht unabhängig von der im EFET integrierten Netting-Vereinbarung.

Grundsätzlich bestehen bei Insolvenz eines Geschäftspartners, mit dem mehrere Verträge abgeschlossen wurden, potentiell Forderungen aus einigen Verträgen, Verbindlichkeiten aus anderen Verträgen. Zum Beispiel könnten im vergangenen Monat sowohl Energie von dem Handelspartner bezogen als auch über einen anderen Handelsvertrag an ihn geliefert worden sein. Ausstehend sind zum Zeitpunkt der Insolvenz möglicherweise sowohl die Zahlung des Handelspartners als auch die des Unternehmens. Besteht keine Nettingvereinbarung, so muss die Zahlung des Unternehmens weiterhin erfolgen, während die Zahlung des Handelspartners nur mehr eine Forderung des Unternehmens an die Insolvenzmasse darstellt. Die Nettingvereinbarung des EFET regelt jedoch, dass bei Insolvenz:

  • der EFET gekündigt wird
  • alle Lieferungen eingestellt werden
  • alle bestehenden Forderungen und Verbindlichkeiten gegeneinander aufgerechnet werden
  • der Marktwert aller schwebenden, nicht mehr zur Erfüllung kommenden Verträge festgestellt wird und ebenfalls in die Aufrechnung eingebracht wird
  • nur die netto verbleibende Forderung in der jeweiligen Richtung geltend gemacht wird

Dies bedeutet, dass die im vorigen Kapitel dargestellte Rechnung den Schaden bei Insolvenz tatsächlich wiedergibt.

Weiterhin ist es wichtig, mit dem Handelspartner Zahlungsnetting zu vereinbaren. Das bedeutet, dass bei jeder regulären monatlichen Zahlung nur der Nettobetrag aus allen Lieferungen des Vormonats in der jeweiligen Richtung gezahlt wird. Mit Zahlungsnetting kann vermieden werden, dass das Unternehmen seine monatliche Rechnung zahlt, nur um am nächsten Tag festzustellen, dass die gegenläufige Zahlung des Handelspartners nicht eingegangen ist.

Überwachung der Kreditlinien

Die Ermittlung des Exposures pro Handelspartner sollte automatisiert erfolgen. Die gängigen Handels- und Portfoliomanagementsysteme bieten hierfür Standardberichte an. Die Überwachung des Kreditrisikos besteht nun darin, dafür zu sorgen, dass die Exposures unter den zugewiesenen Kreditlinien der Handelspartner bleiben.

Die erste mögliche Steuerungsmöglichkeit des Kreditrisikomanagements ist es, den Handelspartner für weitere Energiehandelsgeschäfte zu sperren, sobald die Kreditlinie des Handelspartners ausgeschöpft ist.

Leider ist diese Maßnahme nicht immer ausreichend. Das Exposure mit einem Handelspartner kann ansteigen, auch wenn der Handel mit ihm bereits gesperrt wurde.

1. Das Handelspartner-Portfolio

Um das zu verstehen, betrachtet man am besten das Portfolio, das aus allen schwebenden Geschäften mit dem gegebenen Handelspartner besteht. Der Marktwert dieses Portfolios ist eine gute Approximation des Exposures, da der Marktwert schwebender Geschäfte den wesentlichen Teil des Exposures ausmacht. Die offene Position eines solchen Portfolios kann so aussehen:

Kreditrisiko Offene Position HP
Graphik 4

Wenn mit dem Handelspartner sowohl Kauf- als aus Verkaufsgeschäfte getätigt wurden, ist die offene Position ausgeglichen. Dann ändert sich das Kreditexposure nur wenig, wenn der Marktpreis sich ändert.

Hat das Unternehmen an den Handelspartner vorrangig verkauft, so besteht in dem betrachteten Portfolio eine Shortposition. In diesem Fall wird das Exposure ansteigen, wenn der Marktpreis sinkt.

Umgekehrt verhält es sich bei einer Longposition. Hier steigt das Exposure, wenn der Marktpreis steigt.

Weiterhin zeigt die Portfoliobetrachtung, dass auch bei stabilem Marktpreis das heute ausgewiesene Exposure nicht das Maximum über den Lieferzeitraum sein muss. Vielmehr können die Handelsgeschäfte mit kurzfristigem Lieferhorizont negative Marktwerte haben und die weiter in der Zukunft liegenden Geschäfte positive. Dann steigt das Exposure deutlich an, nachdem die kurzfristigen Geschäfte in Lieferung und Zahlung gegangen sind. In anderen Fällen ist eine Betrachtung des zukünftigen Exposures beruhigend: Es zeigt sich möglicherweise, dass mit der nächsten monatlichen Zahlung die Kreditlinie wieder grün ist und in der weiteren Zukunft kein Problem mehr besteht.

Diese Effekte können mit Hilfe einer anderen Kennzahl besser sichtbar gemacht werden.

2. Potential Future Exposure

Das Potential Future Exposure ist definiert als das maximale Exposure

  • über den Zeitraum, in dem Handelsgeschäfte mit dem Handelspartner vorhanden sind
  • für mögliche Marktpreisszenarien in diesem Zeitraum

Die Ermittlung kann über ein Simulationsmodell erfolgen. In diesem Fall wird

  • eine Serie von Marktpreisszenarien generiert
  • für jedes Marktszenario das Exposure zu jedem künftigen Zeitraum berechnet
  • jedem Marktszenario der Wert des maximalen Exposures für dieses Szenario zugeordnet

Das Potential Future Exposure ergibt sich dann als ein geeignetes Quantil der Marktszenario-Maximalwerte.

Wesentlich einfacher ist es, das maximale zukünftige Exposure für eine feste Price-Forward-Curve zu berechnen. Effekte aus Marktpreisänderung werden dabei vernachlässigt. Sie können nachträglich mit einem Addon proportional zur absoluten offenen Position mit dem Handelspartner pauschal berücksichtigt werden.

3. Triggerlimite

Neben der Kalkulation einer besseren Kreditrisikokennzahl kann die Einrichtung von Triggerlimiten  sinnvoll sein. Dies geben bereits gelbes Licht, wenn die Kreditlinie eine hohe Auslastung zeigt, aber noch nicht überschritten ist. Das Kreditrisikomanagement hat dann Zeit zu agieren, bevor eine Überschreitung eingetreten ist.

4. Kreditrisiko-Reporting

Die Überwachung der Exposures erfolgt somit über ein tägliches Reporting. Dabei werden die Handelspartner mit den relevanten Kennzahlen geordnet aufgelistet: Zunächst kommen die Handelspartner mit überschrittenen Kreditlinien der Größe nach. Danach kommen Kreditlinien, für die das Triggerlimit überschritten ist. Zuletzt alle anderen Handelspartners geordnet nach der Höhe ihres Exposures. Dies kann zum Beispiel so aussehen:

 

Handelspartner Kreditlinie Potential Future Exposure Aktuelles Exposure Erfüllungsrisiko Marktwert Status
Regionalversorger XYZ 5 Mio € 4,3 Mio € 3 Mio € 400 T € 2,6 Mio € cropped-Atavar-2.png

Management der Exposure

Alle bisher beschriebenen Messverfahren und Warnindikatoren helfen wenig, wenn keine Möglichkeit besteht, Exposures mit einem Handelspartner zu reduzieren. Solche Möglichkeiten werden im Folgenden beschrieben.

1. Barausgleich

Ein hohes Exposure mit einem Handelspartner bedeutet, dass die mit ihm getätigten Geschäfte einen hohen positiven Marktwert besitzen. Die einfachste Möglichkeit das Exposure zu reduzieren, ist das Fordern einer Barsicherheit in Höhe Marktwertes. Es gibt mehrere Möglichkeiten, dies zu erreichen:

  • der Handelspartner ist bereit Sicherheiten zu stellen, damit der Handel mit ihm wieder freigegeben wird
  • es wurde ein Credit-Support-Annex mit dem Handelspartner abgeschlossen
  • der EFET enthält eine Regelung, die ermöglicht bei Bonitätsverschlechterung Sicherheiten zu fordern
  • Close-out-Vereinbarung
  • OTC-Clearing der Börse

Der Credit-Support-Annex des EFET-Vertrages ist eine Vereinbarung, bei der sich beide Seiten verpflichten, ab Überschreiten eines definierten Exposure-Betrages die Differenz zwischen Exposure und dem gesetzten Maximalwert auf ein Sicherheitskonto einzuzahlen.

Allerdings sind alle EFET-Regelungen, die hohe, unplanbare, sofortige Zahlungsverpflichtungen auslösen können, unbeliebt. Somit ist es schwierig, einen Credit-Support-Annex abzuschließen und jedes Unternehmen wird auch selbst überlegen, ob es das tun möchte. Aus denselben Liquiditätserwägungen heraus bestehen auch Vorbehalte, größere Volumina in das OTC-Clearing der Börse zu transferieren. Energieversorgungsunternehmen haben nicht die Geldmarktzugänge einer Bank. Der OTC-Markt ist nicht zuletzt deshalb als Beschaffungsquelle so beliebt, weil die Zahlungsströme der OTC-Geschäfte im Wesentlichen synchron mit den Einnahmen aus dem Kundengeschäft laufen – im Gegensatz zu hohen unplanbaren Zahlungsströmen aus dem Clearing und Margening des Börsenhandels.

Bei einer individuellen Closeout-Vereinbarung wird der Marktwert zukünftiger, gegenläufiger Lieferungen bestimmt, bar ausgezahlt und die zugehörigen Geschäfte danach geschlossen. Der Verhandlungsaufwand ist hierbei hoch und die Erfolgsaussicht gering, da die Auszahlung neben dem Liquiditätsfluss auch zu Verschiebungen im bilanziellen Ergebnis führt.

2. Einseitige Sperrung

Eine langfristige Möglichkeit, die Kreditlinien zu managen, ist die einseitige Sperrung. Die offene Position des Handelspartner-Portfolios kann anzeigen, dass mit dem Handelspartner vorrangig Kauf- oder vorrangig nur Verkaufsgeschäfte getätigt wurden. In diesem Fall ist es sinnvoll, den Handelspartner für nur für Kauf- bzw. nur für Verkaufsgeschäfte zu sperren. So können langfristig ausgeglichenere Handelspartner-Portfolien erreicht werden, die weniger auf Marktpreisänderungen reagieren.

Dieses Vorgehen hat Grenzen, da meist das ganze Unternehmen bestimmt durch seine physischen Positionen entweder auf der Kauf- oder auf der Verkaufsseite steht.

3. Trilateral Closeout

Der Trilateral Closeout ist eine spezielle Form eines Sleeve-Geschäftes. Sleevegeschäfte werden von den Energiehändlern getätigt, um eine gesperrte Kreditlinie zu umgehen. Dabei wird ein Zwischenhändler gesucht, der zwischen den Händler und seinen gewünschten, gesperrten Handelspartner tritt und das Geschäft an diesen durchreicht:

 

Kreditrisiko Sleeve

Für den Sleevepartner resultieren aus dem Geschäft keine Ergebnis- und Liquiditätseffekte. Allerdings geht der Sleevepartner mit den beiden Handelspartnern ein Kreditrisiko ein.

Eine Abwandlung von Sleeve-Geschäften kann zur Reduzierung von Kreditlinien verwendet werden. Hierzu werden 3 Handelspartner mit der folgenden Konstellation benötigt:

 

Kreditrisiko Trilateral Closeout Basiskonstellation

Das Exposure des Händlers A mit dem Händler B ist positiv (B+). Umgekehrt sollte das Exposure des Händlers B mit A negativ sein (A-): Ein positiver Marktwert aus der Sicht des Händlers A entspricht einem negativen Marktwert derselben Geschäfte aus der Sicht des Händlers B.

In der im Bild dargestellten Konstellation kann jetzt ein Geschäft mit negativem Marktwert einmal im Kreis herumgebucht werden. Zum Beispiel kann der Händler A an B, B wiederum an C, C wiederum an A einen Base zum Preis 1€ verkaufen. Dieses Geschäft korrigiert alle Kreditlinien um den negativen (beim Empfänger positiven) Marktwert dieses Geschäftes. In der gewählten Konstellation reduziert sich damit der Absolutwert aller Kreditlinien.

 

Kreditrisiko Trilateral Closeout Geschaeft

Diese Möglichkeit ist attraktiv, weil sie weder Liquiditätseffekte noch Verschiebungen des bilanziellen Ergebnisses mit sich bringt. Die offensichtliche Schwierigkeit ist, solche Konstellationen zu finden. Während der starken Marktbewegungen im Jahr 2008 wurde von mehreren Anbietern versucht, hierfür Plattformen zu etablieren.

Management von Rahmenverträgen und Sicherheiten

Das Kreditrisikomanagement setzt, wie wir gesehen haben, mit der Aufnahme des Handels mit einem neuen Handelspartner einmalig Rahmenbedingungen wie Kreditlinien, Vertragsbedingungen und Sicherheitsforderungen. Diese müssen regelmäßig geprüft und gegebenenfalls angepasst werden.

Das Kreditrisikomanagement hat somit die Aufgabe:

  • Sicherheiten zu managen und gegebenenfalls eine Verlängerung zu veranlassen
  • jährlich die Bonität aller Handelspartner zu prüfen und daraus Anpassungen der Kreditlinien und Sicherheitsforderungen abzuleiten und umzusetzen
  • das Portfolio der Rahmenverträge für den Energiehandel zu managen

Management von Nichtzahlung und Insolvenz

Trotz aller Sorgfalt bei den vorgenannten Aufgaben kann es passieren, dass ein Handelspartner tatsächlich ausfällt. In diesem Fall muss die Insolvenz abgewickelt werden. Hierbei übernimmt das Kreditrisikomanagement eine koordinierende Rolle. Die Kündigung eines EFET und die Abwicklung einer Insolvenz involviert aber immer auch die Rechtsabteilung, gegebenenfalls das Backoffice als Meister der Zahlen und in jedem Fall die Geschäftsführung. Insgesamt ist mit hoher Managementaufmerksamkeit zu rechnen.

Letzteres bedeutet, dass die Abwicklung eines Handelspartnerausfalls laufende interne Kommunikation erfordert. Die Geschäftsführung sollte spätestens in dem Moment erstmals informiert werden, wo der Handelspartner sich nach nicht erfolgter Zahlung als telefonisch unerreichbar erweist.

Die operative Abwicklung beinhaltet die Aufgaben:

  • Kündigung des EFET
  • Beenden der Verträge im Handelssystem und Einstellung der Lieferung
  • Durchführung der Wiedereindeckungs- und Wiederverkaufsvorgänge und Ermittlung des resultierenden Ergebnisses
  • Ermittlung der geltend zu machenden Forderung
  • von der Rechtsabteilung geführte, abgestimmte Kommunikation mit dem Handelspartner

Im Rahmen einer Insolvenzabwicklung, wenn hohe Verluste im Raum stehen, tauchen schnell Dinge auf, die „man hätte wissen können“. Das Kreditrisikomanagement des Energiehandels befindet sich vor diesem Hintergrund immer in einem Spagat zwischen dem routinierten Blick auf automatisch generierte aggregierte Zahlen und der detaillierten Prüfung einzelner Geschäftspartner, Geschäftsbeziehungen und Geschäftsmodelle.

Risikomanagement nach KonTraG

von Marianne Diem, Juni 2016
Risikomanagement Ergebnisverteilung

Die Energiewirtschaft hatte in den letzten Jahren flächendeckend mit sinkenden Ergebnissen, in Einzelfällen mit ungeplanten hohen Verlusten oder gar Insolvenzen zu kämpfen. Schuld waren in der Regel Risiken der Energieerzeugung. Das traditionelle Lieblingsthema der Risikomanager – Marktrisiken der Energiebeschaffung und des Energiehandels – hatte dabei in der Regel wenig Bedeutung.

Es ist somit wichtig, dass das Risikomanagement eines Energieversorgers die Managementaufmerksamkeit auf unternehmensgefährdende Risiken in der Reihenfolge ihrer Wesentlichkeit richtet und sich nicht ausschließlich oder vorrangig auf das Energiebeschaffungs- oder Energiehandelsgeschäft konzentriert, weil hier zufällig durch den Bankensektor und die Finanzmathematik eine Vielzahl probater Methoden bereitgestellt werden.

Risikomanagement nach KonTraG

Wesentliche rechtliche Grundlage für das Risikomanagement im Unternehmen ist das KonTraG-Gesetz, ein Artikel-Gesetz, in Kraft getreten am 1. Mai 1998. Es verpflichtet

  • den Vorstand „geeignete Maßnahmen zu treffen, insbesondere ein Überwachungssystem einzurichten, damit den Fortbestand der Gesellschaft gefährdende Entwicklungen früh erkannt werden“ (§91 Abs.2 AktG).
  • Abschlussprüfer, das Risikomanagementsystem und die zugehörigen Maßnahmen im Bereich der internen Revision zu prüfen und zum Bestandteil des Prüfungsberichtes zu machen (§ 317 Abs. 4 HGB).

Auch Kommanditgesellschaften auf Aktien (KGaA) und GmbHs unterliegen dem KonTraG (Ausstrahlungswirkung).

Ein Artikelgesetz besteht, wie die obigen Zitate und ein Klick auf den Link zeigen, aus einer Auflistung von Änderungen zahlreicher anderer Gesetze. Das bedeutet, dass ein Artikelgesetz nur schwer lesbar ist. Umsetzungshilfe geben vor diesem Hintergrund die folgenden Leitfäden:

Auch die Verantwortung des Geschäftsführers für angemessene IT-Sicherheitsstandards wird oftmals aus dem KonTraG abgeleitet. Umsetzungshilfe bietet der

Revisionssichere Risikomanagementsysteme

Der Standard des Deutschen Instituts für Interne Revision e.V konkretisiert  Anforderungen an ein Risikomanagementsystem nach KonTraG in folgenden Themenbereichen:

  • Aufbauorganisation / Managementverantwortung
  • Dokumentation des Risikomanagementsystems
  • Risikoidentifikation und -erfassung
  • Risikoanalyse und -bewertung
  • Risikosteuerung und -überwachung
  • Risikoberichterstattung und -kommunikation

Der Geschäftsführung obliegt die Definition der Risikostrategie und die Implementierung einer Risikomanagement-Organisation. Die tatsächliche Identifikation, Bewertung, Steuerung, Überwachung sowie die Kommunikation der Risiken ist Aufgabe des Managements.

Das Risikomanagementssystem muss in einem Risikomanagementhandbuch dokumentiert werden.

Handbücher müssen versioniert werden, Änderungen sind mit Freigabeprozessen verbunden. Die Inhalte verpflichten Mitarbeiter und sind somit arbeitsrechtlich relevant. Die aktuelle Version sollte allen Mitarbeitern stets zur Verfügung stehen. Es kann somit zweckmäßig sein, solche Dokumente in einem Unternehmens-Wiki zu führen, das Versionierung und Benachrichtigungs- und Freigabeprozesse unterstützt.

Risikoinventur

Sämtliche Einzelrisiken des Unternehmens müssen über eine regelmäßige Risikoinventur in einem Risikokatalog erfasst werden.

Der Risikomanagementprozess nach KonTraG beinhaltet dabei:

  • Risikoidentifikation und -erfassung
  • Risikoanalyse und -bewertung
  • Risikosteuerung und -überwachung
  • Risikoberichterstattung und -kommunikation

Somit sieht der KonTraG-Risikoprozess wie folgt aus:

Risikomanagement KontraG Prozess

Nach Durchführung des Prozesses verfügt das Unternehmen über einen aktualisierten Risikokatalog mit Einzelrisiken und zugehörigen Informationen zu jedem Risiko wie:

  • Risikobezeichnung
  • Beschreibung des Risikos
  • Schadensausmaß
  • Eintrittswahrscheinlichkeit
  • Risikoklasse (hoch / mittel / niedrig)
  • Risikoverantwortlicher
  • Steuerungsmaßnahmen
  • Frühwarnindikatoren

Der Risikokatalog kann durchaus umfangreich ausfallen, da er alle Einzelrisiken auflisten soll.

Alle Risiken müssen außerdem regelmäßig in angemessenem Rhythmus bewertet und gemeldet werden. Die hierbei erzeugten Dokumente müssen ordnungsgemäß archiviert werden und können in einem größeren Unternehmen einen erheblichen Umfang annehmen.  Vor diesem Hintergrund ist es bei einem größeren Unternehmen zweckmäßig, die KonTraG-Prozesse:

  • Risikoidentifikation und -erfassung und
  • Risikoberichterstattung und -kommunikation

in einem datenbank-basierten System mit geeigneten User-Rollen zu erfassen, in dem sowohl Meldung als auch Kenntnisnahme elektronisch dokumentiert wird.

Umgang mit dem Risikokatalog

Wesentlicher Zweck des Kataloges ist es aber, die Managementaufmerksamkeit auf unternehmensgefährdende Risiken zu lenken. Dies sind entweder Risiken, die ein hohes Schadensausmaß aufweisen oder solche bei denen der erwartete Schaden hoch ist.

Es ist nicht ohne Weiteres möglich, aus einem solchen Katalog das Gesamtrisiko abzuleiten, dem das geplante Ergebnis des Unternehmens ausgesetzt ist. Die Risiken können nicht addiert werden, da sie nicht alle gleichzeitig eintreten. Es kann aber ebenfalls nicht einfach angenommen werden, dass die Risiken unkorreliert sind. Der Eintritt eines Risikos kann durchaus bei gewissen Konstellationen andere Risikoeintritte nach sich ziehen. Zum Beispiel sind Marktpreisrisiken und Kreditrisiken im allgemeinen positiv korreliert, weil Marktpreis-Schocks Insolvenzen auslösen können. Im Allgemeinen gibt es keine Möglichkeit, die Korrelation der Risiken sinnvoll zu bestimmen. Zudem wurde die Chancenseite überhaupt nicht betrachtet.

Oftmals kann aber die Planabweichung eines kleinen bis mittelgroßen Unternehmens bereits durch sehr wenige Risiken sehr gut erklärt werden, so dass ganz ohne mathematische Methoden Vorhersagen zur möglichen Planabweichung und zum Eigenkapitalbedarf gemacht werden können.

Risikomeldungen nach KonTraG

Die Berichterstattung an die Geschäftsführung über Ergebnisse der Risikoinventur muss regelmäßig erfolgen. Für viele Risiken wird jedoch eine monatliche oder sogar nur jährliche Evaluierung und Berichterstattung ausreichend erscheinen. Neu in Erscheinung getretene hohe Risiken müssen in Abhängigkeit von vorher definierten Schwellwerten adhoc gemeldet werden.

Die Risikoüberwachung des Energiehandel muss jedoch bei nennenswerter Aktivität auf den Energiehandelsmärkten immer in Echtzeit erfolgen. Tägliche Portfolioberichte werden dabei nicht nur von der Geschäftsführung, sondern in erster Linie und in weit detaillierterer Form von den Händlern und Portfoliomanagern selbst, dann auch vom Risikomanagement benötigt. Risikomanagement für den Energiehandel ist somit ein eigenes Thema.

Detailberichte im Energiehandel sollten jedoch zu der Risikokommunikation im Rahmen der KonTraG-Berichterstattung konsistent sein. D.h. im Rahmen der KonTraG-Berichterstattung gemeldete Handelsrisiken sollten aus der Handelsberichterstattung sinnvoll abgeleitet werden.

Risikomanagement für die Erzeugung

Risiken der Energieerzeugung beschränken sich nicht auf Erzeugungsanlagen mit konventionellen Energieträgern. Auch Investitionen in Erneuerbare sind risikobehaftet. Dies zeigen die in breiten Teilen unauskömmlichen Windparkrenditen, mit denen Werner Daldorf als Mitglied im Bundesvorstand des Bundesverbands WindEnergie e.V. (Vorsitzender Anlegerbeirat) Mitte 2015 an die Öffentlichkeit trat.

Seine Auswertung von 1.620 Jahresabschlüsse aus 2000 – 2014 von 211 Windparks kommt zu dem Ergebnis, dass

  • die Umsatzerlöse im Mittel 13,2 % unter Plan lagen
  • nur 12 % der Windparks 100% der prospektierten Erlöse oder mehr erreichten
  • die tatsächliche Eigenkapitalrendite im Mittel bei 3,5 % statt geplanten 8 % lag

Als Ursachen benennt er:

  • zu hoch angesetzte Windprognosen
  • ungeplante Anlagenstillstände
  • Unterschätzung der Betriebskosten

Bei konventionellen Anlagen sind dagegen vorallem hohe, auf den Commodity-Terminmärkten nicht absicherbare Marktpreisrisiken in den weiter in der Zukunft liegenden Lieferjahren und regulatorische und politische Risiken eingetreten. Letztere sind bei dem stark von Marktdesign und direkter Förderung abhängigen EEG-Geschäft ebenfalls zu berücksichtigen. Somit sind bei der Erzeugung insbesondere die folgenden Risiken zu betrachten:

  • politische und regulatorische Risiken
  • Marktpreisrisiken
  • technische Risiken
  • Adressausfallrisiken von Lieferanten, Produzenten und Anbietern von Wartungsverträgen

Risikomanagement für den Energiehandel

Risiken des Energiehandels sind relativ gut mit Risiken beim Handel mit Finanzinstrumenten vergleichbar. Somit bietet die Bankenregulierung MaRisk (Mindestanforderungen an das Risikomanagement) eine gute Richtlinie zur Steuerung dieser Risiken. Die MaRisk unterscheidet die folgenden wesentlichen Risiken:

  • Adressausfallrisiken
  • Marktpreisrisiken
  • Liquiditätsrisiken und
  • Operative Risiken

Zur Steuerung dieser Risiken stellt die MaRisk Anforderungen an die Aufbau- und Ablauforganisation. Hieraus wird die typische Organisation des Handelsbereiches in Frontoffice, Middleoffice und Backoffice abgeleitet:

Risikomanagement Funktionstrennung MaRisk

In der MaRisk finden sich auch Marktstandards für die Steuerung der genannten wesentlichen Risiken, die auch in der Energiewirtschaft weite Verbreitung gefunden haben.

Risikomanagement im Energievertrieb

Die Arbeitsteilung zwischen Handel oder Beschaffung und dem Vertrieb sieht in der Regel vor, Marktpreisrisiken im Handel zu steuern. Basierend auf den jeweiligen Absatzprognosen des Vertriebs werden Mengen so beschafft und an den Vertrieb verrechnet, dass dieser nach Möglichkeit keinen Marktpreisrisiken unterliegt. Diese Prozesse wirken aber nur soweit als die Absatzprognosen des Vertriebs richtig sind und die prognostizierten Absatzpreise erzielt werden. Im Vertrieb verbleiben somit insbesondere:

  • Mengenrisiken
  • Bindefristrisiken
  • Adressausfallrisiken
  • Operationelle Risiken

Ebenso wie im Energiehandel spielen auch im Energievertrieb IT-unterstützte Standardprozesse eine zentrale Rolle. Somit sind unter den operationellen Risiken insbesondere IT-Risiken zu beachten.

Risikomanagement für das Unternehmen

Auch der Betrieb von Netzen, Fernwärmeversorgung, Geschäftsfelder im Contracting usw. sind mit Risiken verbunden. Die obige exemplarische Aufzählung erhebt auch für die erwähnten Geschäftsfelder keinen Anspruch auf Vollständigkeit. Erfahrung mit den typischen Risiken der Branche und Musterkataloge sind für die Erstellung eines Risikokatalogs hilfreich.

Die Aufstellung zeigt aber auch, dass Risikoaufnahme und Risikosteuerung nur mit dem betroffenen Geschäftsbereich und unter Berücksichtigung von dessen spezifischer Expertise erfolgen können. Welche Risiken in einem Geschäftsfeld im Auge behalten werden müssen, ist typischerweise ein Wertbeitrag von spezifischer professioneller Erfahrung. Daher ist in diesem Zusammenhang auch oft von gezahltem Lehrgeld die Rede.

Das KonTraG sieht immer den risikonehmenden Geschäftsbereich wie auch den institutionellen Risikomanager als risikoverantwortlich. Risikomanagement ist ein Teil des Managements. Es trägt dazu bei, ein Geschäftsfeld zum Erfolg zu führen, indem nur kalkulierte Risiken genommen werden, bei denen die Chancen in einem guten Verhältnis zum Risiko stehen.