Kapitel 3.2.4.2, Untersuchung der Zyklizität der Komponenten: Von der Grundausrichtung her ist bei Credit Portfolio View die Zyklizität gegeben, die bei CreditMetrics vernachlässigt wird. Damit wird der in Kapitel 2.1 gezeigte Zusammenhang berücksichtigt. Ausfallraten und Migrationswahrscheinlichkeiten werden wie im CreditMetrics-Modell aus Daten der Ratingagenturen gewonnen. Allerdings werden nicht langjährige Durchschnitte verwendet, sondern historische Zusammenhänge zwischen makroökonomischen Faktoren und den Ausfallraten. Die Analyse erfolgt unter expliziter Berücksichtigung verschiedener Branchenzyklen und Zyklusanfälligkeiten. Durch eine Einordnung der Kreditnehmer in Segmente kann damit eine genauere Risikoeinschätzung in Bezug auf die aktuelle gesamtwirtschaftliche Situation vorgenommen werden als mit den Durchschnittsdaten der Agenturen. Auch hier müssen einer Bank bestimmte Eigenschaften der Agenturdaten bewusst sein. Idealtypisch sollte eine Agentur die Konjunkturszenarien in der Ratingnote berücksichtigen. Kommt es allerdings zu einem einschneidenden konjunkturellen Ereignis, das im Normalfall mit zeitlicher Verzögerung bekannt wird, müsste sich dies in einer Ratingänderung widerspiegeln. Agenturratings weisen ihrerseits eine gewisse Zeitverzögerung auf, die über die Zeitreihenanalyse von CPV automatisch in die Beurteilung einfließt. Diese Verzögerungen kommen mitunter wegen begrenzter personeller Ressourcen der Ratingagenturen zustande, nicht jeder Wert kann zeitnah beobachtet werden. Zeitliche Nähe ist auch wegen des internen Abstimmungsaufwands der Agenturen nicht gewährleistet, Ratingnoten sind teilweise lediglich das Ergebnis eines bürokratischen Prozesses. Die langsame Reaktionsweise der Agenturen führte laut einer Untersuchung dazu, dass noch drei Monate vor Ausfall 4,0% der von Standard & Poor's und 2,7% der von Moody's gerateten, ausgefallenen Unternehmen Investmentgradestatus besaßen. Resultat der Zeitverzögerung sind mitunter auch folgende Situationen, in denen die PD einer Ratingklasse r größer ist als diejenige einer schlechteren Ratingklasse n>r. Beobachtet wurde zum Beispiel, dass die Ausfallwahrscheinlichkeit von AA-Werten 0,19% betrug, während in der Klasse BB ein Unternehmen lediglich eine Ausfallwahrscheinlichkeit von 0,17% aufwies. Die Korrelationen der Kreditnehmer werden modellendogen durch die Bildung verschiedener Segmente und deren unterschiedliche Reagibilität auf Makro-Faktoren berücksichtigt. Es muss hierzu kein Aktienindex verwendet werden, womit die Problematik nicht-börsennotierter Unternehmen umgangen wird. Trotzdem werden in großem Umfang historische Zusammenhänge herangezogen und in die Zukunft fortgeschrieben. Da aber die Prognoseunsicherheit über eine Simulation der Residualterme berücksichtigt wird, erscheint die Fortschreibung zulässig. Problematisch erscheint hingegen die Anwendung des Modells auf Märkte, die nicht mit der Datenbasis übereinstimmen. Fazit: Die beiden untersuchten Modelle müssen sich daran messen lassen, inwieweit sie die in Kapitel 3.2.1 aufgestellten Anforderungen an die Kapitalallokation erfüllen. Zunächst sollen Sie eine Grundlage für ein aktives Kreditportfoliomanagement auf Basis des Credit-Value-at-Risk bereitstellen. Diese Anforderung wird von beiden Modellen erfüllt, da sie eine marktwertorientierte Bewertung des Portfolios ermöglichen. Weiterhin sollen die Modelle zeitnahe Steuerungsdaten zur Verfügung stellen. Es muss eine Steuerung in Abhängigkeit des gesamtwirtschaftlichen Umfelds möglich sein. Diese Forderung erfüllt m.E. nur das Modell von Credit Portfolio View.