Mathematisch-Statistische Verfahren des Risikomanagements - SS 20041 Weitere Methoden Interne Daten reichen als einzige Datenquelle nicht aus Andere Modelle.

Slides:



Advertisements
Ähnliche Präsentationen
Ideenbank.
Advertisements

Eine Grundlage zum Unternehmenserfolg? Master-Thesis
Risiko-Management im Projekt
Bund der Sparer E.V. AFA – AG.
D. ZAMANTILI NAYIR – 8. SEMESTER
Problemstellung und Lösungsansätze
MBA Aufbaustudium „Angewandtes Wissensmanagement“
Vorlesung Gesamtbanksteuerung Operationelle Risiken
Personalwirtschaftliche Lösungsansätze in KMU (Einführung)
Universität Paderborn / Fakultät für Informatik - Steffen Sommer
Strategisches Controlling
Risikomanagement Inhalt Ziele und Motivation
Personal als Leistungsträger
eXtreme Programming (XP)
“Perspektiven der Klassifikationsentwicklung“
Fritz Gempel Personalmonitoring Sozialwissenschaftliche Methoden zur Unterstützung der Personalentwicklung.
Kontrollfragen zu Kapitel 1
Spezifikation von Anforderungen
Extremereignisse: Empfindlich auf die Klimaänderung aber ungeeignet für deren Nachweis Christoph Frei Institut für Atmosphäre und Klima, ETH Zürich ETH.
Webinar Sales Funnel – Erfolgreiche Neukundenakquise
Controller Leitbild 2002  2013.
Versicherung / Restrisiko
Copyright 2010 LB-systems Meßgeräte GmbHSeite 2 Workshops & Schulungen Powered by.
Ausgangslage Mangelhafte Führungs-kompetenz Schlechtes Betriebsklima
Wissensmanagement der Firma BIRO
Ishikawa Diagramm.
© 2005, informations-broker.netinformations-broker.net© 2005, informations-broker.netinformations-broker.net Folie-Nr Basel II: Rating verbessern.
Die passende Arbeit für mich - und wie ich sie finde.
Grundlagen des E-Business
Mehrliniensystem.
EBAV® (Experience Based Asset Valuation)
Organisationsanalyse
Interne Audits helfen statt meckern
Kollaborativer Wissenserwerb und Wissenstransfer
Weniger reden, mehr umsetzen mehr Erfolg
Liquidität stärken durch Forderungs-Organisation
aus Sicht der Finanzmarktaufsicht
Kandidat: Wolfgang Spitz
Geld Das Motivationshaus. 100% Leistungsfreude Bestätigung Respekt Lob
Bankenaufsicht-Anforderungen an das Risikomanagement in Zeiten der Finanzkrise Jahrestagung der Erich-Gutenberg -Arbeitsgemeinschaft am und ,
Die Schlüsselkompetenz in Unternehmen
Critical Incident Reporting System
Lernen durch Vergleiche
Kompetenzen - Hintergrund
Methode Umweltanalyse – Benchmarking
LF 2 Übersicht Personalbeschaffung
Vom graphischen Differenzieren
Knowledge Management.
10. KFKI-Seminar • • Bremerhaven
GENIAL REGIONAL! Regionale Unternehmen schaffen mehr regionalen Mehrwert, verbessern Lebensqualität und Beschäftigung in der Region.
Empirische Sozialforschung am Beispiel der Limburger Nordstadt
Anbetung ist unsere Bestimmung 1. Anbetung ist unsere Bestimmung Wir wurden geschaffen, um anzubeten Anbetung ist die Reaktion unseres Herzens auf Gott.
Qualitätsmanagement nach ISO 9001:2000 in der Zahnarztpraxis
2.5.2 Multivariate Monte Carlo-Simulation
Aktienoptionen als Lösung des Prinzipal-Agenten-Problems? Thema 2.1: Aktienoptionen als materieller Leistungsanreiz Vortrag 2: Patrick Struck.
Theorien der Organisationsentwicklung
leistungsbild wege zum konzept 1 7 Was ist Entwerfen? - try and error Entwerfen ist eine besondere Form des Problemlösens. Die Schwierigkeit.
Folie 2-7: –Um welche Aufbauorganisation handelt es sich? –handelt es sich dabei um ‚neue‘ Organisationsformen? Recherchiere ein Unternehmen, das über.
Wiederholungsfragen Folie 2-7:
Kosten- und Finanzmittelplanung
Projektentstehung und Projektumfeld
DHBW MOSBACH – CAMPUS BAD MERGENTHEIM
Zuordnung der M7 im PDCA-Zyklus
DevOps in der Praxis Umfrage Q4/2015
Hilfs-Indikator Indikator
Univ.-Prof. Dr. L. Müller-HagedornSofia 2007 Marketing 1 Kapitel 4 Nach der Bearbeitung des 4. Kapitels sollten Sie in der Lage sein, q Kennzahlen aufzuzeigen,
Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.
Prediktive Maintenance Daten, Erfahrungen, Analysen, Prognosen
Ökonometrie und Statistik Datamining und Big Data anhand von Fallbeispielen Dr. Bertram Wassermann.
 Präsentation transkript:

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Interne Daten reichen als einzige Datenquelle nicht aus Andere Modelle sollten vorhandenes Wissen, insbesondere Prognosen berücksichtigen “Gemischte” Ansätze verbinden quantitatives und qualitatives Wissen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Risikoindikatoren –Kennzahlen dienen als “Alarmsignale” –Besonders wichtige Kennzahlen werden zu KRI’s – Key Risk Indicators –Indikatoren werden von Experten geschätzt, aber auch mit Verlustdaten validiert

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Szenarien –Erzeugen von “Was wäre wenn”-Szenarien –Externe Daten sehr nützlich –Experten schätzen Relevanz für das Unternehmen und Ausmaß bei Eintritt

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Prozessanalyse –Prozesse des Unternehmens werden als gerichteter Graph abgebildet –Übergangswahrscheinlichkeiten bilden Ausfallrisiken –Vorteil: Gute Prognosequalität –Nachteil: Extrem aufwändig

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Self-Assessment –Gruppenexperten bestimmen Ihr Risiko selbst –Fragebögen dienen als Grundlage –Meist sehr einfache Auswertung –Nachteile: Selbstüberschätzung Ankerverhalten

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Nachteil aller Methoden: Subjektiver Input nötig Großes Problem: Motivation der Mitarbeiter “Risikokultur” drängt Angestellte dazu Verluste und Probleme zu verschweigen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (1): “Was man nicht messen kann, kann man auch nicht managen.” Risikomanagement ist sehr stark abhängig von Kenngrößen und -zahlen.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (2): “Wenn man keinen Input hat, kann man nichts messen.” Alle Messmethoden sind sehr stark von der Mitarbeit der Beschäftigten abhängig.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (3): “Ohne gutes Management, erhält man keinen Input.” Bei potentiellen persönlichen Nachteilen für die Mitarbeiter ist der Input schlecht.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft “Der Teufelskreis des OpRisk Management”

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösung liegt im Durchbrechen des Teufelskreises (Top-)Management muss sich der Wichtigkeit der OpRisk-Steuerung bewusst werden Anreizsysteme müssen geschaffen werden, um besseres Reporting zu ermöglichen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Wo liegen die Probleme beim Reporting? Mitarbeiter haben allgemein kein Interesse (selbstverschuldete) Schäden zu melden. Durch die schlechte Situation am Arbeitsmarkt wird dieses Problem noch verschärft. Anreizsystem muss also eine Belohnung für das Melden von Schadensfällen bieten. Aber:

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Bonussysteme können einen gegenläufigen Anreiz erzeugen: Risikoadjustierte Bonuszahlungen veranlassen Line-Manager zu Absprachen und “Schweigen”

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Anreizsystem für Reporting muss möglichst undurchschaubar sein –Insbesondere strikte Trennung von Bonussystemen für Performance und Reporting –Anonymität beim Reporting muss gewährleistet werden, damit gemeldete Schäden nicht auf den Verursacher zurückfallen –Threshold muss systematisch gesenkt werden um genauere Übersicht über die Datenlage zu liefern

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Banken und Unternehmen müssen Verbände bilden und anonym Daten austauschen –Datenkonsortien erlauben dann die auch von Basel geforderte Modellierung extremer Ereignisse

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Top-Management muss involviert werden - „Risikokultur“ muss von oberster Ebene her systematisch abgebaut werden –Organisationsstruktur muss das Reporting erleichtern –OpRisk muss als wichtiger Faktor im Risikomanagement anerkannt werden und betrifft jeden Mitarbeiter - OpRisk muss kommuniziert werden