Schlagwort: Risikomanagement

Entscheidungen & Subjektive Wahrscheinlichkeiten

 

Managemententscheidungen unter Unsicherheit und Bayes subjektive Wahrscheinlichkeiten

von Marianne Diem, Juli 2017

Subjektive Wahrscheinlichkeiten1

Praktische wirtschaftliche Entscheidungen basieren auf Einschätzungen zukünftiger Ereignisse. Häufigkeitsverteilungen hierfür können naturgemäß nicht bestimmt werden: Es gibt nur eine Zukunft und diese ist unbekannt. Die Einschätzung muss somit subjektiv auf Basis von vielen Einzelinformationen gebildet werden, wobei möglicherweise auch historische Verteilungen eine Rolle spielen. Der Wahrscheinlichkeitsbegriff von Bayes führt zu einem formalen Prozess und überraschenden Fragestellungen bei der Integration neuer Informationen in die Ableitung subjektiver Eintrittswahrscheinlichkeiten für relevante Ereignisse.

Wahrscheinlichkeiten können in der Mathematik als relative Häufigkeit von Ergebnissen eines Zufallsexperiments eingeführt oder auch formal axiomatisch definiert werden. In letztem Falle sind Wahrscheinlichkeiten einfach mathematische Objekte, mit denen in einer gewissen Weise gerechnet werden kann.

Wozu subjektive Wahrscheinlichkeiten?

Tatsächlich liegen Verteilungen und Häufigkeiten für wirtschaftlich relevante Fragestellungen selten vor. Energieversorger werden derzeit von einer Vielzahl strategischer Fragen heimgesucht:

  • Welche Rolle wird Elektromobilität in Zukunft spielen?
  • Wie hoch ist das Gefahrenpotential der Cyber-Kriminalität?
  • Welches Potential schlummert im Wärmemarkt und welche Position wird die Regierung hier einnehmen?
  • Wieweit wird die Regierung bereit sein, Strom-Speicherlösungen zu fördern?
  • Welche Geschäftsfelder eröffnet der Smart-Meter?

Jede strategische Entscheidung beinhaltet neben dem kreativen Prozess der Generierung konkreter Zukunftsvisionen auch die Meinungsbildung, mit welcher Wahrscheinlichkeit ein gewünschtes Szenario oder begünstigende Teilereignisse eintreten werden. Solche Einschätzungen und die Dokumentation ihrer Voraussetzungen sind ein wesentlicher Teil von Businesscases und daraus abgeleiteten Investitionsentscheidungen. Auch im Detail können wirtschaftlich relevante Wahrscheinlichkeiten nur selten statistisch bestimmt werden:

  • Ein Stadtwerk plant eine Ladesäuleninfrastruktur für Elektrofahrzeuge in seiner Gemeinde. Die optimalen Standorte hängen stark davon ab, ob eine Umgehungsstraße gebaut wird oder nicht. Wie hoch ist die Wahrscheinlichkeit hierfür?
  • Ein Energieversorger muss eine aufwändige Revisionsmaßnahme bei einem Kernkraftwerk durchführen. Wird die Regierung die derzeitigen Restlaufzeiten tatsächlich bis zum Ende zugestehen?

Der subjektive oder Bayes’sche Wahrscheinlichkeitsbegriff führt zu typischen und möglicherweise überraschenden Fragen im Umgang mit der Eintrittswahrscheinlichkeit künftiger Ereignisse und zu einem formalen Prozess zur Integration von neuen Informationen. Dies soll im Folgenden dargestellt werden. Der Artikel verdankt seine Ideen zu großen Teilen dem Buch: Head First Data Analysis von Michael Milton.

Formale Eigenschaften von Wahrscheinlichkeiten

Betrachtet man beispieleweise Eintrittswahrscheinlichkeiten im Rahmen eines Businesscases, so handelt es sich dabei zunächst nur um eine „Sicherheit in der persönlichen Einschätzung eines Sachverhaltes“. Die Frage ist nun, welche mathematischen Eigenschaften dieser Wahrscheinlichkeitsbegriff auf jeden Fall haben sollte, um der Inutition zu entsprechen. Im Wesentlichen möchte man, dass man mit einer wohldefinierte Wahrscheinlichkeit immer so rechnen kann wie mit relativen Häufigkeiten. Drei wichtige Eigenschaften hierfür werden in mathematischer, mengentheoretischer Beschreibung in den Axiomen von Kolmogorow angegeben (siehe Wikipedia Axiome der Wahrscheinlichkeitstheorie):

1. \> 0\leq P(A)\leq 1

2. \> P(\Omega) = 1

3. \> P(A \cup B)=P(A) + P(B), \text{mit } A \cap B = \emptyset 

Das bedeutet:

  1. Alle Eintrittswahrscheinlichkeiten haben Werte zwischen 0 (0%) und 1 (100%)
  2. Das sichere Ereignis hat die Wahrscheinlichkeit 1
  3. Die Wahrscheinlichkeit einer Vereinigung inkompatibler Ereignisse ist gleich der Summe der Wahrscheinlichkeiten der einzelnen Ereignisse.

Bei der Bayes’schen Wahrscheinlichkeitsinterpretation spielen Bedingte Wahrscheinlichkeiten eine wesentliche Rolle. Die der Bedingten Wahrscheinlichkeit zugrundeliegende Frage ist: „Wenn ich wüsste, dass das Ereignis B eintritt, wie würde ich dann die Wahrscheinlichkeit schätzen, dass das Ereignis A (auch) eintritt?“ Der Intuition wird nun durch die folgende Bedingung entsprochen: Wenn P(B) > 0 ist, dann ist die Bedingte Wahrscheinlichkeit, dass das Ereignis A eintritt unter Bedingung, dass das Ereignis B eingetritt, gegeben als:

P(A|B)=\frac {P(A \cap B)} {P(B)}

Hieraus folgt unmittelbar der Satz von Bayes:

P(A|B)=\frac {P(B|A)\cdot P(A)} {P(B)}  

Sei !A das Ereignis, dass A nicht eintritt, dann ist

P(B) = P(B|A)  \cdot P(A) +P(B|!A) \cdot  P(!A)

und

P(A|B)= \frac {P(B|A) \cdot P(A)}{P(B|A)  \cdot P(A) +P(B|!A) \cdot  P(!A)}  

Der Satz von Bayes ist das zentrale Hilfsmittel, um festzustellen, welche Auswirkung neue Information auf eine vorher ermittelte subjektive Wahrscheinlichkeit haben.

Konsensbildung und subjektive Wahrscheinlichkeiten

Bevor wir jedoch zur Verarbeitung neuer Informationen kommen, möchten wir mit dem erstmaligen Finden einer Wahrscheinlichkeit beginnen.

 

Subjektive Wahrscheinlichkeiten sind Meinungen und diese unterscheiden sich bekanntlich. Nehmen wir an, ein Energieversorger plant signifikante Investitionen im erneuerbaren Sektor und befragt im Rahmen der Strategiefindung 15 Analysten und führende Mitarbeitern im Bereich der Unternehmens- und Geschäftsentwicklung zu erwarteten politischen und technologischen Entwicklungen bis zum Jahr 2030. Zum Beispiel ergibt sich – alle Zahlen frei erfunden – für zwei Fragen das folgende Bild:

Subjektive Wahrscheinlichkeiten1

Die Meinungen zum Stromspeicher sind offenbar im Unternehmen breit gestreut. Möglicherweise ist aber auch die Frage ungünstig. Hintergrund der Streuung könnte z.B sein, dass zwar eine Zunahme dieser dezentralen Technik auf Verbraucherseite gesehen wird, sich jedoch keine einheitliche Meinung herauskristallisiert, ob die Technik eine Rolle auf der Ebene des Übertragungsnetzes spielen wird. Beim Gasspeicher haben sich dagegen zwei deutliche Lager gebildet und es wäre nun interessant, welche Gründe die beiden Lager für ihre Einschätzung haben.

 

Bei anderen Fragen sieht man dagegen möglicherweise einen breiten Konsens  (ebenfalls frei erfundene Zahlen):

Subjektive Wahrscheinlichkeiten2

Abweichler zeigen eine gesunde Diskussionskultur. Man sieht auch, dass die genaue Formulierung der Frage wichtig ist: Wieviele Kernkraftwerksneubauten sind eine Renaissance?

Konsens und Innovation

Es gibt große empirische Evidenz, dass Einschätzungen, die sich als Mittelwert vieler unabhängiger Einschätzungen ergeben, akkurater sind als Einschätzungen von Einzelpersonen. Das klassische Beispiel hierfür ist, eine große Anzahl Personen schätzen zu lassen, wieviele Bälle sich in einem Container befinden. Während die Einzelschätzungen von der tatsächlichen Anzahl weit abweichen können, trifft der Mittelwert den tatsächlichen Wert mit erstaunlich großer Genauigkeit.

 

Allerdings sind Einschätzungen im Bereich von Börsenpreisen oder in einem hochpolitisierten Umfeld wie der Energiewirtschaft eher selten unabhängig. Bei Börsenpreisen kommt hinzu, dass Mehrheitseinschätzungen zur Preisentwicklung im Sinne eines natürlichen Ponzi-Schemas selbstbestätigend sind: Je mehr Leute glauben, dass die Preise steigen, desto mehr Leute investieren, desto mehr steigen die Preise.

 

Weiterhin muss man sich klar sein, dass Durchschnittsbildung und das Verfolgen  konventioneller Mehrheitsmeinungen zwar möglicherweise risikominimierend sind, aber nicht zu innovativen Geschäftsmodellen führen. Der bekannte Gründer und Investor  Peter Thiel fragt Bewerber gerne:

What important truth do very few people agree with you on?

Als Vorteil der Frage führt Peter Thiel an, dass sie den Kandidaten zwingt, etwas Unpopuläres zu sagen. Innovative Ideen treffen also generell nicht auf Konsens. Dies ist in der Energiebranche nicht sehr bekannt. So führte die Internetzeitung für Kommunalwirtschaft www.zfk.de vor nicht allzu langer Zeit eine Umfrage auf ihrer Seite, wo man in einer Liste ankreuzen sollte, in welche der aufgezählten „innovativen Strategien“ das Arbeitgeber-Stadtwerk in den nächsten Jahren investieren werde.

Neue Informationen

Nachdem man sich seine Meinung über Eintrittswahrscheinlichkeiten gebildet hat, wird es nicht ausbleiben, dass sich neue Informationen ergeben. Es könnte zum Beispiel:

  • England ankündigen, wieder ein Kernkraftwerk zu bauen
  • ein führender Ölkonzern eine Pressemitteilung geben, dass er erwägt, aus dem Ölgeschäft in Saudi-Arabien auszusteigen
  • ein Übertragungsnetzbetreiber ankündigen, einen größeren Stromspeicher zu bauen

Natürlich könnte man die Analysten jetzt im Lichte der neuen Information neu befragen, wie sie die Wahrscheinlichkeiten zu oben genannten Themen jetzt einschätzen. Dieses Verfahren hat jedoch Nachteile: Die vorher kommunizierten Wahrscheinlichkeiten werden einfach verworfen und den Analysten wird somit freigestellt, jederzeit ihre Meinung zu ändern, ohne sich um ihr Geschwätz von gestern zu kümmern.

 

Die Frage ist somit eigentlich: Welche Relevanz hat die neue Information für die vorher eingeschätzten Wahrscheinlichkeiten? Z.B. im Falle des Ölthemas:

  • wie hoch ist die Wahrscheinlichkeit P(B|A), dass diese Pressemitteilung erfolgt wäre, wenn der Ölpreis signifikant steigen wird
  • wie hoch ist die Wahrscheinlichkeit P(B|!A), dass diese Pressemitteilung erfolgt wäre, wenn der Ölpreis nicht signifikant steigen wird

Tatsächlich kann ein Ausstieg motiviert sein durch

  • sinkende Reserven in dem Land (verbunden mit nicht ausreichend steigenden Ölpreisen)
  • steigende Kosten und die Erwartung eines sinkenden Ölpreises

Weiterhin ist nicht klar, ob die Firma einen Ausstieg tatsächlich durchführen wird und ob andere Motive bei der aktuellen Meldung eine Rolle gespielt haben.

 

Jedenfalls ergibt sich die neue Wahrscheinlichkeit für einen signifikant steigenden Ölpreis P(A|B) aus der alten Wahrscheinlichkeit P(A) unter Berücksichtigung der Pressemitteilung mit der Bayes’schen Formel als

P(A|B)= \frac {P(B|A) \cdot P(A)}{P(B|A)  \cdot P(A) +P(B|!A) \cdot  P(!A)}  

wobei
P(A) die Wahrscheinlichkeit, dass der Ölpreis steigt
P(!A) die Wahrscheinlichkeit, dass der Ölpreis nicht steigt
P(B|A) die Wahrscheinlichkeit der Pressemeldung bei steigendem Preis
P(B|!A) die Wahrscheinlichkeit der Pressemeldung bei nicht steigendem Preis
wird

Die Darstellung zeigt, dass die Relevanz der neuen Information, in diesem Fall der Pressemeldung, sich darin ausdrückt, wie stark sich P(B|A) von P(B|!A) unterscheidet.

 

Viele Institutionen haben ein starkes Interesse Pressemitteilungen und Studien in einer gewissen Richtung herauszugeben. Zum Beispiel könnte es sein, dass die Wahrscheinlichkeit, dass eine Umweltorganisation eine Studie herausgibt, dass die Kosten konventioneller Energieerzeugung steigen werden, gleich groß ist, ob die Kosten steigen oder sinken. In diesem Falle liefert die Existenz der Studie an sich keinerlei zusätzliche Information zur Entwicklung dieser Kosten. Auch dies ergibt sich aus der Bayes’schen Formel:

P(A|B)=\frac {P(B|A)\cdot P(A)} {P(B)}

dabei ist
P(A) die Wahrscheinlichkeit, dass konventionelle Erzeugungskosten steigen
P(B|A) die Wahrscheinlichkeit der Studie, wenn konventionelle Erzeugungskosten steigen
P(B) die Wahrscheinlichkeit der Studie

Wir waren zu dem Ergebnis gekommen, dass

P(B|A) = P(B|!A) = P(B)

Hieraus ergibt sich mit obiger Gleichung sofort:

P(A|B) = P(A)

Auch wenn man zu der Einschätzung kommt, dass die reine Existenz einer solchen Studie keinen relevanten Informationsgehalt hat, könnte die konkrete Studie natürlich dennoch interessante konkrete Information enthalten. Diese kann man wiederum in derselben Weise separat verarbeiten.

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!

 

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.

Kraftwerksvermarktung & Dispatch

von Marianne Diem, August 2016
kraftwerksvermarktung-sinkender-spark-spread
Einsatzoptimierung, optimaler Dispatch und optimale Absicherung der Marktrisiken von Kraftwerken an den Energiemärkten zur Maximierung des Ergebnisses

Als Kraftwerkseinsatzoptimierung bezeichnet man die Ermittlung des wirtschaftlich optimalen Einsatzes vor allem für thermische Kraftwerke. Die resultierende konkrete Einsatzentscheidung bezeichnet man als Dispatch des Kraftwerks. Einsatzoptimierung, optimaler Dispatch und die Vermarktungsentscheidungen an den Energie-Terminmärkten haben einen großen Einfluss auf die mit der Erzeugung erzielten Ergebnisse. Die hiermit verbundenen Einzelaufgaben sowie die dafür erforderlichen Steuerungsgrößen sollen im Folgenden dargestellt werden:

Clean Spark Spread und Clean Dark Spread

Eine erste Messgröße für die Wirtschaftlichkeit eines konventionellen Kraftwerks ist der Clean Spark Spread (Gaskraftwerke) bzw. der Clean Dark Spread (Kohlekraftwerke). Dieser Spread bestimmt sich in jeder Zeiteinheit als:

S_t = E_t - 1/\eta  \cdot  G_t - z \cdot C_t

wobei

η der Wirkungsgrad des Kraftwerks
Et der Preis eines 1 MW-Stromkontraktes
Gt der Preis eines 1 MW-Gas- oder Kohlekontraktes
Ct der Preis pro Tonne CO2
z die CO2-Emission in Tonnen pro MWh Strom
t die betrachtete Zeiteinheit

Solche Kenngrößen werden oft in Marktberichten ausgewiesen. Die Parameter für die Spreadberechnung müssen genau dokumentiert werden, um eine Vergleichbarkeit zu gewährleisten. Der in einem Marktbericht ausgewiesene Spread könnte beispielsweise für Gaskraftwerke mit einem Wirkungsgrad η von 49,13% rechnen, für Kohlekraftwerke mit 38% und bei den Strom- und Gaspreisen jeweils Jahresbaseprodukte des Folgejahres betrachten.  Die CO2-Emission in Tonnen pro MWh Strom könnte mit 0,411 tCO2/MWh berücksichtigt worden sein.

 

In Wirklichkeit sind die Gas- und Kohlemengen pro erzeugte MWh Strom für jedes Kraftwerk und je nach Fahrweise unterschiedlich. Das tatsächlich erzielte Kraftwerksergebnis hängt auch von konkreten Vermarktungsentscheidungen an den Energiemärkten ab. Somit handelt es sich bei einer solchen Kenngröße nur um einen Markt-Indikator. Die Entwicklung von Clean-Spreads zeigt, wie sich die allgemeine Marktentwicklung auf durchschnittliche Gas- bzw. Kohlekraftwerke auswirkt. Clean-Spreads sind eine beliebte Kenngröße in der politischen Diskussion.

 

Eine Berechnung des Clean-Spark-Spreads mit obigen Parametern zeigt deutlich die sinkende Wirtschaftlichkeit von Gaskraftwerken in den letzten Jahren:

kraftwerksvermarktung-spark-spread

Rahmenbedingungen der Kraftwerkseinsatzoptimierung

Für die optimale Steuerung des eigenen Kraftwerks sind jedoch die Kennzahlen Clean Spark Spread und Clean Dark Spread nicht ausreichend. Vielmehr resultiert die Bestimmung des wirtschaftlich optimalen Einsatzes des eigenen Kraftwerks in einem relativ komplexen Optimierungsproblem, das in der Regel mit spezialisierter Software bearbeitet wird. Dafür müssen jedoch zunächst ein paar Vorarbeiten geleistet werden.

1. Stillstandsplanung

Kraftwerke haben aus technischen Gründen geplante Stillstände. In diesen Zeiträumen werden Reparaturen oder Revisionen durchgeführt. Optimal ist es, wenn Stillstände aus technischen und wirtschaftlichen Gründen zusammenfallen. Das heißt, technische Maßnahmen werden nach Möglichkeit in Zeiträumen durchgeführt, in denen das Kraftwerk ohnehin nicht wirtschaftlich betrieben werden kann oder in denen der Stillstand  möglichst wenig kostet.

 

Ein Entscheidungskriterium für die Stillstandsplanung ist somit die Wirtschaftlichkeit des Kraftwerks im Jahresverlauf. Hierzu muss der individuelle Wirkungsgrad des Kraftwerks bestimmt werden. Dann werden die stündlichen Strompreise (HPFC) und Gaspreise (DFC) des Planjahres mit diesem Wirkungsgrad zueinander in Bezug gesetzt. Man erhält eine zeitliche Auflösung des Spreads im Jahresverlauf:

kraftwerksvermarktung-stillstandsplanung

Der Verlauf zeigt hier den niedrigsten mittleren Spread im Mai, so dass ein Stillstand dann am günstigsten ist. Ein genaueres Ergebnis erhält man, indem man eine Einsatzoptimierung nach unten beschriebenem Schema ohne Einschränkung durch Stillstände durchführt und hieraus die am wenigsten profitablen Zeiträume ermittelt. Äußere Restriktionen können dazu führen, dass ein Stillstand zur wirtschaftlich optimalen Zeit nicht möglich ist. Zum Beispiel könnte es sein, dass das Kraftwerk während dieser Zeit wegen der Fernwärmelast noch fahren muss. Ebenso müssen Terminrestriktionen der Wartungsfirmen, längerfristig vereinbarte Revisionszeiträume und vieles mehr berücksichtigt werden.

 

Die eigentliche Einsatzplanung kann jedenfalls erst erfolgen, wenn die Stillstandsplanung abgestimmt ist und somit die Verfügbarkeit des Kraftwerkes feststeht.

2. Technische Restriktionen des Kraftwerks

Die ausschließliche Betrachtung des Spreads zwischen Strom und Gas oder Kohlepreisen führt zu dem Schluss, dass das Kraftwerk in jeder Viertelstunde, wo dieser Spread positiv ist, mit voller Leistung fahren sollte, in allen anderen Viertelstunden aber stehen sollte. Tatsächlich kann ein Kraftwerk einen solchen Fahrplan nicht abfahren. Es müssen technische Restriktionen berücksichtigt werden, die in der Praxis dazu führen, dass ein Kraftwerk in Stunden noch fährt, die nicht mehr profitabel sind und in Stunden noch nicht fährt, die bereits profitabel sind. Solche Restriktionen sind beispielsweise:

  • Maximal- und Minimalleistung
  • maximale Laständerungsgeschwindigkeit
  • Anfahrtszeiten
  • Anfahrtskosten für Kalt- und Warmstart
  • Mindestbetriebszeit nach dem Start

3. Restriktionen aus der Fernwärmeversorgung

Liefert das Kraftwerk auch Wärme oder Dampf für Industrieprozesse, müssen weitere Restriktionen berücksichtigt werden. Stehen keine alternativen Wärmequellen oder Speicher zur Verfügung, so hat das Kraftwerk oftmals defakto keine Flexibilität. Der Dispatch folgt dann dem Wärmebedarf (wärmegeführte Fahrweise). Sind Speicher oder alternative Wärmequellen vorhanden, so muss der Dispatch des Gesamtsystems aus Kraftwerk, Wärmebezug aus anderen Quellen und Einsatz des Speichers optimiert werden. Für die Einsatzoptimierung des Gesamtsystems stellt der prognostizierte Wärmebedarf eine weitere Restriktion dar. Flexibilität kann auch aus den Industrieprozessen selbst kommen. In diesem Falle sind diese Industrieprozesse ebenfalls Teil des Optimierungssystems.

4. Vertragliche Restriktionen

Weitere Restriktionen kommen durch Verträge zustande. Besteht beispielsweise ein Gasliefervertrag für das Kraftwerk, der Beschränkungen in Form von Take-or-Pay-Klauseln, Maximalmengen, Maximalleistung usw. enthält, so müssen auch diese Restriktionen bei der Einsatzplanung des Kraftwerks berücksichtigt werden. Verträge mit Zweckbestimmung für das Kraftwerk sind Teil der Optimierung.

5. Netzgutschriften und Netzspitze

Dezentrale Einspeiser erhalten nach StromNEV §18 vom Betreiber des Elektrizitätsverteilernetzes, in dessen Netz sie einspeisen, ein Entgelt. Dieses Entgelt entspricht den gegenüber den vorgelagerten Netz- oder Umspannebenen durch die jeweilige Einspeisung vermiedenen Netzentgelten. Vermiedene Netzentgelte sind Grenzerlöse und müssen in der Optimierung berücksichtigt werden.

Sehr hohe Erlöse entstehen hierbei durch die Vermeidung von Netzleistungspreisen. Hier kann ein einmaliges, ansonsten nicht wirtschaftliches Hochfahren des Kraftwerks zum richtigen Zeitpunkt zu hohen Erlösen führen, da dadurch die Leistungsspitze im Verteilnetz für den Referenzzeitraum abgesenkt wird. Die Ausnutzung dieser Tatsache setzt voraus, dass die Netzlast des Verteilnetzbetreiber gut genug prognostiziert werden kann.

Das Optimierungsproblem der Einsatzoptimierung und seine Lösung

Bevor das wirtschaftlich relevante Optimierungsproblem formuliert werden kann, müssen alle relevanten Restriktionen, die Auswirkung auf den Dispatch des Kraftwerks haben oder die Grenzkosten beeinflussen (wie z.B. Anfahrkosten) aufgenommen sein.

Weiterhin müssen alle Grenzkosten und Grenzerlöse des Kraftwerks bestimmt werden. In erster Näherung handelt es sich um Stromerlöse und Gaskosten, bei genauerer Betrachtung sind jedoch weitere Erlös- und Kostenbestandteile wie z.B. KWK-Zuschläge, vermiedene Netzentgelte, Steuern usw. zu betrachten.

1. Extremum mit Nebenbedingungen

Gesucht ist der Fahrplan F für das Kraftwerk, bzw. die Fahrpläne Fi für die relevanten Assets des Fernwärmeverbunds, für die der Deckungsbeitrag aus allen variablen Kosten- und Erlösbeiträgen maximal ist, unter der Nebenbedingung, dass der Fahrplan F bzw. die Fahrpläne Fi alle beschriebenen Restriktionen erfüllen. Das heißt, gesucht ist die wirtschaftlich beste Fahrweise, die die Restriktionen erfüllt.

 

Ein solches Optimierungsproblem ist in der mathematischen (und physikalischen) Literatur als Extremum mit Nebenbedingungen bekannt. In einfache Konstellationen kann man ein solches Problem seit dem 18. Jhdt mit dem Satz von d’Alembert explizit lösen. In komplizierten Fällen – das heißt in der Energiewirtschaft – benötigt man hierfür ein erst seit dem 20. Jhdt bekanntes numerisches Verfahren, den Simplex-Algorithmus.

2. Der Simplex-Algorithmus

Der Simplex-Algorithmus ist das mathematische Verfahren, das beispielsweise auch dem Excel-Solver zugrunde liegt. Das Verfahren sucht das Maximum einer linearen Gleichung unter Nebenbedingungen, die durch stückweise lineare Ungleichungen bestimmt (approximiert) sind.

 

Im dreidimensionalen Fall begrenzt eine Ungleichung mit 3 Variablen eine Seite des Raumes mit einer Fläche. Mehrere Ungleichungen begrenzen ein Simplex, was dem Verfahren den Namen gibt:

 

Dispatch Simplex

Eine lineare Gleichung (Stromerlöse minus Gaskosten) hat kein lokales Maximum. Das Maximum liegt somit auf dem Rand des Simplex. Um es zu finden, kann man auf den Kanten entlang gehen, bis sich in keiner Richtung mehr eine Verbesserung erreichen lässt.

3. Praktische Ermittlung der optimalen Fahrweise

Tatsächlich erfolgt die Optimierung der Fahrweise typischerweise in einem dafür spezialisierten System. In diesem werden alle Nebenbedingungen erfasst. Hierzu wird in der Regel eine graphische Oberfläche angeboten, die die mathematischen Abhängigkeiten in einer Schaltbild-ähnlichen Form visualisiert und den Weg der betroffenen Commodities sichtbar macht:

 

Dispatch Wandler

Die Restriktionen der einzelnen technischen Komponenten werden im Schaltbild hinterlegt, am Anfang und Ende aller Wandlungen stehen Euro. Auf diese Weise ist auch die Maximierung der Differenz zwischen gezahlten und eingenommenen Euro visualisiert.

 

Die Erfassung der Nebenbedingungen erfolgt einmalig mit Einführung des Systems. Änderungen ergeben sich aus technischen Änderungen, der Alterung des Kraftwerks, aus vertraglichen und regulatorischen Änderungen und Marktänderungen. Wegen der großen Bedeutung der Restriktionen für die Wirtschaftlichkeit des Kraftwerks sollten Restriktionen dokumentiert und einmal jährlich in einem geeigneten Teilnehmerkreis geprüft werden.

 

Für eine langfristige Einsatzplanung sind weiterhin aktuelle Terminpreise und möglicherweise Fernwärmelastprognosen erforderlich.

 

Das System ermittelt aus den hinterlegten Restriktionen und aktuellen Preis- und Lastdaten einen optimalen Dispatch. Hierfür errechnet es den Wert zahlreicher möglicher Fahrpläne und prüft jeweils, ob eine leichte Variation, die einem Weg auf einer Simplexkante entspricht, zu einer Verbesserung oder einer Verschlechterung des Fahrplanwertes führt. Lässt sich keine signifikante Verbesserung des Ergebnisses mehr erzielen, wird der ermittelte optimale Fahrplan ausgegeben.

 

Eine optimaler Dispatch besteht aus:

  • einem Stromfahrplan
  • einem dazu passenden Gasbezugsfahrplan
  • Fahrweisen für Speicher und andere Infrastrukturen
  • Bezugsfahrplänen für betroffene Lieferverträge (Gas und Fernwärme)

Zu der ermittelten optimalen Fahrweise gehört ein optimales Ergebnis, das sich aus der Bewertung dieser Fahrpläne mit HPFC und DFC-Preisen ergibt.

Stochastische Optimierung

Der mit obigem Verfahren ermittelte Einsatzfahrplan ist optimal unter der Bedingung, dass die Strom- und Gaspreise, die zur Ermittlung verwendet wurden, in Zukunft genau so eintreten werden. Für den Dispatch des Kraftwerks am nächsten oder laufenden Tag auf Basis von Intradaypreisen ist dies genau das Gewünschte. Das Ergebnis der Rechnung liefert für die geltenden Preise die optimale Fahrweise.

1. Delta-Hedge

Anders sieht es bei einer Optimierungsrechnung für einen langfristigen Terminzeitraum aus. Hier sind die eingehenden Terminpreise nur eine Preisprognose. Die Optimierungsrechnung bestimmt auch nicht den tatsächlichen Dispatch des Kraftwerks. Dieser wird erst viel später am Liefertag auf Basis dann geltender Preise bestimmt. Ziel einer langfristigen Optimierung ist vielmehr die Bestimmung der optimalen Position, die am Terminmarkt abgesichert werden sollte, siehe hierzu auch den Artikel zur Marktrisikosteuerung. Hierfür liefert der auf diese Weise bestimmte Fahrplan nur eine erste Approximation. Betrachtet man die Flexibilität des Kraftwerks mit allen Restriktionen als eine Realoption im Sinne der Finanzmathematik, so liefert die beschriebene deterministische Optimierung den Dispatch, für den die Realoption auf Basis der Terminpreise maximal im Geld ist. Eigentlich gesucht ist die optimale Absicherungsposition an den Energiemärkten, der Delta-Hedge für die Realoption Kraftwerk.

 

Dass eine deterministische Optimierung nicht die optimale Absicherungsposition liefert, liegt daran, dass die Fahrplanänderung des Kraftwerks nicht symmetrisch auf Preisänderungen reagiert:

  • ist der Clean Spread negativ und das Kraftwerk steht laut Optimierung zum gegebenen Zeitpunkt, dann
    • ändert sich nichts, wenn der Spread noch weiter fällt
    • fährt das Kraftwerk aber möglicherweise, wenn der Spread steigt
  • ist der Clean Spread auskömmlich und das Kraftwerk fährt laut Optimierung Volllast, dann
    • ändert sich nichts, wenn der Spread noch weiter steigt
    • sinkt der Spread jedoch, wird das Kraftwerk möglicherweise abfahren

Somit liegt die eigentlich erwartete Fahrweise des Kraftwerks niedriger, wenn die deterministische Optimierung von Volllastbetrieb ausgeht und höher, wenn die deterministische Optimierung von Stillstand ausgeht.

 

Eine genauere Bestimmung des Delta-Hedges ist somit möglich, indem man optimale Fahrweisen nicht nur für die aktuelle Terminpreiskurve ermittelt, sondern stattdessen Preissimulationen ausgehend von mehreren Ausgangspreisszenarien durchführt. Man erhält über die Auswertung aller zu einem Ausgangszenario gehörenden Simulationen einen Wert des Kraftwerks in Abhängigkeit von dem jeweiligen Ausgangsszenario. Hieraus lässt sich ermitteln, wie der Wert des Kraftwerks auf Änderung der Ausgangspreise reagiert, woraus sich wiederum der optimale Hedge ableitet.

2. Stochastische versus deterministische Optimierung

Ein solcher Ansatz erhöht den Rechenaufwand naturgemäß erheblich. Vor dem Hintergrund begrenzter Rechenleistung kann es leicht passieren, dass Genauigkeitsgewinn durch stochastische Optimierung durch unzulässige Vereinfachung der Rahmenbedingungen erkauft wird. An welcher Stelle ein ökonomisch ein größerer Fehler eintritt, ist apriori schwer vorherzusagen. Je mehr Rahmenbedingungen im Rahmen der Optimierung eingehalten werden müssen, desto geringer ist aber die Flexibilität des Kraftwerks und desto geringer ist der Unterschied zwischen stochastischer und deterministischer Optimierung.

 

Die Delta-Hedge-Position wird sinnvollerweise genau ermittelt, um sie auch ebenso exakt an den Terminmärkten abzusichern. Auf den Terminmärkten ist jedoch nur eine Absicherung in Base- und Peakprodukten möglich. Um eine genauere Rechnung zu rechtfertigen, muss die Differenz zwischen genauer und ungenauer Rechnung die Größenordnung eines handelbaren Terminproduktes erreichen.

 

Ein operativer Vorteil der stochastischen Optimierung ist jedoch, dass die Positionsänderungen auf Basis täglicher Terminpreisänderungen wegen der Mittelung geringer ausfallen. Die abzusichernden Positionen stellen sich dadurch für den Handel stabiler und vorhersehbarer dar.

Langfristige Einsatzoptimierung und -vermarktung

Wie bereits erwähnt werden Optimierungsrechnungen zu unterschiedlichen Zwecken durchgeführt. Je nach Zweck der Optimierung werden unterschiedliche Eingangsdaten verwendet und es ist ein unterschiedlicher Genauigkeitsgrad erforderlich. Einsatzoptimierungen werden z.B. für die folgenden Zwecke durchgeführt:

  • die Unternehmensplanung (5 – 10 Jahre)
  • die Absicherung der Kraftwerksergebnisse am Terminmarkt
  • die Spotvermarktung der Kraftwerkserzeugung
  • die Intradayvermarktung der Kraftwerkserzeugung
  • die Vermarktung des Kraftwerks an den Regelenergiemärkten

In der selben Kette werden auch die Vermarktungsentscheidungen getroffen.

1. Unternehmensplanung (5 – 10 Jahre)

Im Rahmen der Unternehmensplanung müssen Ergebnisse aus der Erzeugung geplant werden. Hier wird im Allgemeinen über einen Zeitraum von 5 – 10 Jahren gerechnet. Sind die Ergebnisse aus dem Betrieb der Erzeugungsanlagen dauerhaft negativ oder nicht kapitalkostendeckend, so müssen Sonderabschreibungen vorgenommen oder Rückstellungen gebildet werden. Somit haben die Ergebnisse solcher langfristigen Betrachtungen auch Auswirkung auf das buchhalterische Ergebnis.

 

Langfristige Ergebnisbetrachtungen sind auch die erforderliche Basis für strategische Entscheidungen wie z.B. den Neubau, den Verkauf oder die Stilllegung eines Kraftwerks. Hier werden Zeiträume bis zu 20 Jahren betrachtet.

 

Da Terminpreise im allgemeinen nur für einen Zeitraum von 3-4 Jahren vorliegen, ist zur Ermittlung von weiter in der Zukunft reichenden Ergebnissen eine Preisprognose auf Basis eines Fundamentalmodells erforderlich.

2. Absicherung der Kraftwerksergebnisse am Terminmarkt

Die Absicherung der Kraftwerksergebnisse am Terminmarkt kann nur für einen Zeitraum erfolgen, an dem am Terminmarkt Preise gestellt werden. Im Allgemeinen erfolgt sie für die nächsten drei Jahre. Zu diesem Zweck erfolgt am besten täglich eine Optimierungsrechnung der Kraftwerke für diesen Zeitraum auf Basis tagaktueller Terminpreise. Die aus der Optimierung resultierenden Fahrpläne repräsentieren Commoditypositionen, die Preisrisiken unterliegen, und sind im Sinne des Portfoliomanagements offene Positionen. Soweit noch keine Absicherungsgeschäfte getätigt wurden, ist für das Unternehmen:

  • der Stromerzeugungsfahrplan des Kraftwerks eine Strom – Longposition
  • der Gas- oder Kohlebedarfsfahrplan des Kraftwerks eine Gas- oder Kohle-Shortposition

Soll das aktuell in der Optimierung sichtbare Ergebnis abgesichert werden, so muss der Stromfahrplan verkauft und der Gas- oder Kohlefahrplan am Terminmarkt beschafft werden. Mit dieser Maßnahme ist sichergestellt, dass das Kraftwerk mindestens das abgesicherte Ergebnis erzielen wird. Dies ist möglich, indem das Kraftwerk den Fahrplan exakt abfährt. Tatsächlich wird das Kraftwerk ein höheres Ergebnis erzielen, denn unabhängig von dem Absicherungsgeschäft hat es weiterhin die Möglichkeit zu jedem Zeitpunkt:

  • weniger zu produzieren, Strom wieder zurückzukaufen und Gas oder Kohle wieder zu verkaufen
  • mehr zu produzieren, die Differenzmenge Strom zu verkaufen und den Differenzbedarf Gas oder Kohle zu kaufen

Beide Optionen wird man nur wahrnehmen, wenn dies zu Mehrergebnissen führt.

Tatsächlich werden solche Mehrergebnisse durch die tägliche Bewirtschaftung der Kraftwerksposition an den Terminmärkten automatisch gehoben: Immer wenn eine neue Optimierungsrechnung zu einer Anpassung des Fahrplans führt, ist es sinnvoll und profitabel, die Differenzmengen am Markt glattzustellen. Würde dies zu einem Verlust führen, wäre der alte Dispatchfahrplan mehr wert als der neue und der neue somit nicht auf Basis aktueller Marktpreise optimal.

3. Optimierung der Kraftwerksergebnisse am Terminmarkt

Die Bewirtschaftung des Kraftwerks an den Terminmärkten kann somit so erfolgen, dass die optimierte Fahrweise des Kraftwerks zu jedem Zeitpunkt vollständig am Terminmarkt abgesichert wird. Dies würde im Extremfall dazu führen, dass ein gesamtes, noch relativ weit in der Zukunft liegendes Lieferjahr auf einmal zu einem zufälligen, noch nicht wirklich liquiden Preis glattgestellt wird, sobald das neue Lieferjahr erstmals handelbar wird. Dies wird im Allgemeinen nicht für zweckmäßig erachtet.

 

Für eine zumindest ausgeglichene Marktmacht von Käufern und Verkäufern und somit für optimale Ergebnisse sollte vielmehr der Verkauf von Kraftwerkserzeugung dann stattfinden, wenn die meisten Käufer ihren Vertriebs- oder Eigenbedarf an den Energiemärkten einkaufen wollen. Vor diesem Hintergrund ist es üblich, in der Terminvermarktung der Kraftwerkserzeugung ähnliche Tranchenmodelle und Zeithorizonte anzuwenden, wie sie auch in den Vertriebsbeschaffungsstrategien Verwendung finden. Die im vorigen Abschnitt beschriebene Glattstellung von Differenzmengen aus der Einsatzoptimierung findet dann erst Anwendung, wenn die Tranchenvermarktung abgeschlossen ist und eine vollständige Absicherung der Erzeugung am Terminmarkt erstmals erreicht ist.

 

Ähnlich wie bei den Beschaffungsstrategien des Vertriebs ist es auch bei der Vermarktung der Erzeugung üblich, mit Stop-Loss und Take-Profit Limiten zu arbeiten und dem zuständigen Portfoliomanager Ermessensspielräume bei den Vermarktungsentscheidungen einzuräumen.

Spotvermarktung und Dispatch

Die bisher beschriebenen Prozesse finden vollständig im Handel statt oder könnten zumindest dort vollständig abgebildet werden. Zu guter Letzt muss aber das Kraftwerk das, was am Ende netto vermarktet wurde, auch abfahren. Umgekehrt muss der Handel reagieren, wenn das Kraftwerk ausfällt und die nicht mehr erzeugten oder benötigten Mengen an den Energiemärkten glattstellen. Somit ist bei den kurzfristigen Märkten am Ende der Vermarktungskette ein direkter Informationsfluss zwischen Handel und Erzeugung über die aktuellen Dispatch erforderlich.

1. Das kurzfristige Optimierungsproblem

Die kurzfristige Optimierung betrifft höchstens die drei folgenden Tage. Das Rechenproblem ist hier also wesentlich kleiner als bei der Terminoptimierung. Allerdings spielt in den kurzfristigen Märkten – vor allem im Intradaymarkt – Bedienbarkeit, Komfort und Rechengeschwindigkeit eine viel größere Rolle.

 

Das Optimierungsmodell mit den Restriktionen des Kraftwerks bleibt grundsätzlich für alle Zeiträume gleich. Allerdings ist es gegebenenfalls notwendig, großräumige Restriktionen wie eine Take-or-Pay über das Gaswirtschaftsjahr auf kleinräumige Zeiträume herunterzubrechen. Alle Verfahren in diesem Zusammenhang sind willkürlich und führen potentiell zu ex post nicht optimalen Ergebnissen.

2. Vorbörsliche Optimierung

Kurzfristige Optimierungen werden typischerweise das erste Mal am Morgen vor Abgabe des Börsengebotes für den Folgetag durchgeführt. Da die Ergebnisse der Börsenauktion noch nicht vorliegen, erfolgt diese Optimierung auf Basis einer kurzfristigen Strom- und Gaspreisprognose. Das Ergebnis gibt sowohl dem Handel als auch der Leitwarte der Erzeugung eine erste Indikation wie der Fahrplan des Folgetages aussehen wird.

 

Die Börse erlaubt das Einstellen limitierter Gebote. Es ist somit sinnvoll, zur Erstellung des Börsengebotes mehrere Preisszenarien durchzurechnen und ein limitiertes Gebot zu einem Preisniveau abhängigen Dispatch zu erstellen. Optimalerweise sollte dies automatisiert durch die Optimierungssoftware geleistet werden. Sobald das Börsenergebnis vorliegt, muss der resultierende Kraftwerksdispatch an den Handelsmärkten umgesetzt werden und an die Leitwarte des Kraftwerks kommuniziert werden.

3. Laufende Optimierung im Intradaymarkt

Auf Basis von Intradaymarktpreisen kann der Fahrplan dann laufend bis kurz vor Lieferung angepasst werden. Möglicherweise wird der zuständige Händler in einem volatilen Markt nicht unbedingt jede Änderung sofort an die Leitwarte des Kraftwerks durchgeben, sondern zunächst abwarten, ob er eine Differenzposition sofort wieder vorteilhaft schließen kann. Nichtsdestoweniger erfolgt an dieser Stelle eine enge Abstimmung zwischen Handel und Leitwarte, die sicherstellt, dass der am Ende resultierende Vermarktungsfahrplan auch durch das Kraftwerk abgefahren wird.

Berichtswesen: Steuerung von Ergebnis und Risiko

Sowohl die Optimierung selbst, wie auch die sukzessiven Vermarktungsprozesse sind komplex. Zur Steuerung von Ergebnis und Risiko, wie auch zur Früherkennung von operativen Fehlern und Problemen ist ein Reporting erforderlich.

1. Darstellung der Erzeugung im Energiehandel

Die aus der Einsatzoptimierung hervorgehenden Strom- und Gasfahrplane stellen Marktrisikopositionen dar und sollten im Handel ebenso wie alle anderen Marktrisikopositionen abgebildet werden. Das bedeutet, dass die Differenz zwischen dem aktuellen Stromerzeugungsfahrplan und der derzeit netto vermarkteten Position eine offene Stromposition darstellt, die dem Kraftwerk zuzuordnen ist. Sie sollte ebenso zum Markt bewertet und über Risikokennzahlen begrenzt werden, wie offene Positionen im Energiehandel. Dasselbe gilt für die Shortpositionen in Gas. Hieraus resultiert ein Erzeugungsportfolio, dass die folgenden Risikopositionen enthält:

  • die Longposition aus der Stromerzeugung des Kraftwerks
  • alle Handelsgeschäfte auf dem Strommarkt, die zur Absicherung dieser Longposition getätigt wurden
  • die Shortposition aus dem Gasbedarf des Kraftwerks
  • alle Handelsgeschäfte auf dem Gasmarkt, die zur Absicherung dieser Shortposition getätigt wurden
  • die Shortposition aus dem Bedarf des Kraftwerks an CO2-Zertifikaten
  • alle Handelsgeschäfte in CO2-Zertifikaten, die zur Beschaffung getätigt wurden
  • sonstige Risikopositionen, die das Ergebnis des Kraftwerks bestimmen, z.B. langfristige Lieferverträge und Absicherungsgeschäfte für Risikofaktoren dieser Verträge (z.B. HEL)

Ein solches Portfolio kann in der üblichen Weise täglich bewertet und berichtet werden. Auf diese Weise kann dem Unternehmen täglich der aktuelle Marktwert der Erzeugung kommuniziert werden. In der täglichen Berichtersstattung wird dann das tatsächlich für das Kraftwerk an den Terminmärkten erzielte Ergebnis aus den relevanten Commodity-Spreads ausgewiesen. Alle nicht abgesicherten Terminmarktpositionen werden zum Markt bewertet. Auch die resultierenden Marktrisiken können wie üblich gesteuert werden. Die offenen Positionen werden dabei commodity-scharf ausgewiesen, eine Risikobewertung mit VAR kann jedoch commodityübergreifend für alle offenen Positionen erfolgen.

2. Unternehmensweite Kommunikation

Die Kommunikation der jeweils aktuellen Einsatzoptimierungsfahrpläne in graphischer und tabellarischer Form hilft, Misskommunikationen zur Verfügbarkeit des Kraftwerks oder technischen Rahmenbedingungen, mögliche Fehler in der Optimierung und andere Probleme frühzeitig zu entdecken und schafft einen gemeinsamen Informationsstand zur erwarteten Fahrweise und Profitabilität des Kraftwerks. Dies ist auch für die technische Planung und die Personalplanung in der Erzeugung wichtig.

 

Die im Energiehandel verfolgte Ergebnisentwicklung der Erzeugung liefert relevante Informationen für das Controlling. Sie entspricht mehr oder weniger dem DB1 der Erzeugung.

Agieren an den Regelmärkten

Mit einem Kraftwerk können zusätzliche Ergebnisse am Regelmarkt erzielt werden. Dabei wird das Kraftwerk automatisiert vom Übertragungsnetzbetreiber aufgerufen, um mit einer Anfahrt oder einer Abfahrt zur Netzstabilität beizutragen.  Regelleistung wird in unterschiedlichen Qualitäten ausgeschrieben:

  • Minutenreserveleistung (tägliche Ausschreibung)
  • Sekundärreserveleistung (wöchentliche Ausschreibung)
  • Primärreserveleistung (wöchentliche Ausschreibung)
  • sofort abschaltbare Leistungen (monatliche Ausschreibung)
  • schnell abschaltbare Leistungen (monatliche Ausschreibung)

kraftwerksvermarktung-regelleistung

Für die Teilnahme an den Regelmärkten ist eine Präqualifizierung erforderlich, bei der nachgewiesen wird, dass das Kraftwerk die für die Regelenergiequalität geforderten Laständerungen abfahren kann. Die Vergütung der Aufrufe des Kraftwerks bestimmt sich dann über die täglichen, wöchentlichen oder monatlichen Ausschreibungen.

 

Die Ausschreibungen sehen eine Vergütung in Arbeits- und Leistungspreis vor. Der Leistungspreis wird dabei bei Zuschlag für die Vorhaltung der Leistung bezahlt, der Arbeitspreis nur bei tatsächlichem Abruf des Kraftwerks. Ökonomisch muss der Leistungspreis die verlorene Flexibilität des Kraftwerks kompensieren, das Leistungsspielräume für einen eventuellen Abruf bereithalten muss. Der Arbeitspreis muss dagegen die Grenzkosten des Kraftwerks für die tatsächliche Abfahrt des Regelleistungsabrufs kompensieren.

 

Entsprechend können Mindestpreise für Gebote am Regelleistungsmarkt über Optimierungsrechnungen ermittelt:

1. Optimaler Leistungspreis

Ein erfolgreiches Gebot am Regelleistungsmarkt zwingt das Kraftwerk, für den Angebotszeitraum die erforderliche Leistungsänderung bereitzuhalten. Es schränkt somit die Flexibilität des Kraftwerks ein. Das Kraftwerk ist für den Angebotszeitraum an den übrigen Energiemärkten weniger wert. Der Wert des Kraftwerks im Angebotszeitraum (1 Tag bis zu 1 Monat) kann in erster Näherung durch eine Optimierungsrechnung bestimmt werden. Ein solcher Wert wird einmal ohne Leistungseinschränkung (W0) und einmal mit Leistungseinschränkung (WR) durchgeführt. Der Wertverlust des Kraftwerks ergibt sich dann als W0 abzüglich WR. Dieser Wertverlust muss durch den Leistungspreis gedeckt werden.

 

Auf diese Weise erhält man den minimalen Leistungspreis, für den ein Angebot am Regelleistungsmarkt sinnvoll ist. Interessanter ist freilich der maximale Preis, mit dem man noch einen Zuschlag erhalten könnte. Noch interessanter wäre ein Verfahren der Preissetzung, mit dem man am meisten Geld verdient. Hierzu kann man die umfangreiche Datenbank der Übertragungsnetzbetreiber einer Vielzahl von statistischen Analysen unterziehen. Siehe hierzu auch den Artikel „Welche Erlöse bietet der Regelmarkt“.

2. Optimaler Arbeitspreis

Der Arbeitspreis ergibt sich aus den Grenzkosten für das Abfahren des Aufrufs. Für positive Regelenergie sind dies im Wesentlichen die Gaskosten. Für die Bereitstellung von negativer Regelenergie fallen oftmals keine Grenzkosten an.

3. Gesamtprozess der kurzfristigen Einsatzoptimierung

Im Rahmen des Gesamtprozesses hat die Bereitstellung von Regelleistung Auswirkung auf die nachfolgende Optimierung an den kurzfristigen Märkten. Wird für den Folgetag Regelleistung bereitgestellt, so muss die Optimierung für die Vermarktung an den Spot- und Intradaymärkten die Einschränkung hieraus als zusätzliche Rahmenbedingung berücksichtigen. Wurde negative Regelleistung angeboten, so muss das Kraftwerk fahren, wurde positive Regelleistung angeboten, muss das Kraftwerk die entsprechende Regelleistung bereithalten und kann somit nicht voll fahren.

 

Insgesamt ist die optimale Terminmarktabsicherung und der optimale Dispatch der Erzeugungsanlagen eine der komplexesten und interessantesten Aufgaben der Energiewirtschaft. Sicherlich könnte man zu vielen Aspekten mehr sagen. Wichtige Themen wie z.B. der optimale Einsatz von Atomkraftwerken unter Berücksichtigung der Restriktion der verbleibenden Benutzungsstunden und einige regulatorische Aspekte wie z.B. der zwangsweise sogenannte „Redispatch“ durch den Netzbetreiber wurden nicht behandelt.

 

Ich hoffe, dass Ihnen die Themenauswahl und dieser Übersichtsartikel gefallen hat und freue mich auf Fragen und Anmerkungen.

 

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.