piwik-script

English Intern
Forschungszentrum Risikomanagement

Bachelor

Hinsichtlich der Lehre sichert die Arbeit des Forschungszentrums die Integration des Themas Risikomanagement in bestehende Studiengänge der Wirtschaftswissenschaftlichen Fakultät.

Aktuell bietet das Forschungszentrum Risikomanagement der Universität Würzburg Lehrveranstaltungen in folgenden Bereichen an:

Ansprechpartner: Felix Eppler

E-Mail: felix.eppler@uni-wuerzburg.de

Info: Dieser Kurs findet jedes Semester statt/ 5 ECTS


vhb-Kurs: Einführung in das Risikomanagement

Die inzwischen vierte industrielle Revolution ist in vollem Gange: Die „Digitalisierung“ drängt sich in die Produktionshallen und verbindet Informations- und Kommunikationstechnologien mit Industriemaschinen. Im Mittelpunkt dieser Entwicklungen stehen völlig neue Kundenbedürfnisse – Produkte nach Maß und individualisiert gefertigt, die Produktion vollautomatisiert durch Maschinen. Die weltweite Vernetzung von Märkten eröffnet vielen Unternehmen neue Möglichkeiten, ihre innovativen Produkte und Dienstleistungen rund um den Globus anzubieten.

Der Wandel ist jedoch nicht ausschließlich technologiegetrieben, die Gesellschaft entwickelt sich dahingehend. Europas wichtigsten Industrieländern prognostiziert das BMWi in den nächsten zehn Jahren einen Zuwachs in der Wertschöpfung von rund 1,25 Billionen Euro.

Dass die mit der "Industrie 4.0" einhergehenden Chancen jedoch auch Risiken bergen, liegt auf der Hand: Bisher noch nie dagewesene oder wahrgenommene Wettbewerber drängen mit disruptiven Innovationen auf stark umkämpfte globale Märkte; es gibt viel zu gewinnen, aber auch viel zu verlieren.
Ferner spielen auch in dieser Revolution Beschaffungsrisiken, Wechselkurs- und Währungsrisiken, Personalrisiken, Finanz- und Liquiditätsrisiken oder Reputationsrisiken (wie zum Beispiel der aktuelle Skandal beim Automobilkonzern Volkswagen zeigt) eine maßgebliche Rolle.

Ebenso stellen ...

  • die steigende Volatilität in der konjunkturellen Entwicklung mit abrupt auftretenden Krisensituationen (z. B. Unternehmenskrisen wie Schlecker oder Praktiker etc.; politische Krisen wie die aktuelle Flüchtlingskrise; globale Krisen wie die Finanz- und Wirtschaftskrise 2008/2009),
  • neue Möglichkeiten der Informations- und Kommunikationstechnologie (z. B. Augmented Reality etc.) sowie
  • die steigenden und umfassenderen Anforderungen des Gesetzgebers an Transparenz und Compliance ...

... Unternehmen vor neue Herausforderungen und mögliche Risiken. Nicht oder zu spät entdeckte Risiken können zu schwerwiegenden und existenziell bedrohlichen Krisen führen, nicht wahrgenommene oder nicht genutzte Chancen zu (erheblichen) Wettbewerbsnachteilen.

Dadurch steigt die Nachfrage nach gut ausgebildeten Risikomanagern. Im Rahmen der Ausbildung sind sowohl quantitative als auch qualitative Aspekte von entscheidender Bedeutung, um den Studierenden einen integrierten und interdisziplinären Ansatz zu vermitteln.

Risikomanagement wird in Form eines systematischen, aufeinander aufbauenden Prozesses durchlaufen. Der Risikomanagementprozess besteht aus den Prozessschritten Risikoidentifikation, Risikobewertung und -aggregation, Risikosteuerung und Risikokontrolle.

Das vorliegende Lehrangebot ist an diesem prozessualen Aufbau orientiert und gliedert sich dementsprechend.

Kurzgliederung

  1. Rechtliche und betriebswirtschaftliche Motivation zum Risikomanagement
  2. Risikoidentifikation
  3. Risikobewertung und -aggregation
  4. Risikosteuerung
  5. Risikokontrolle und -reporting
  6. Risikomanagementinformationssysteme (RMIS)

Lern-/Qualifikationsziele:

Den Studierenden werden die Grundlagen des Risikomanagements vermittelt. Die Studierenden können Risiken identifizieren, strukturiert erfassen und bewerten und darüber hinaus den Risikoumfang auf mathematischer Basis ausdrücken. Die Studierenden sind in der Lage, geeignete Risikomaßnahmen abzuleiten und wissen, wie Risiken überwacht werden können.

M1 | Rechtliche und betriebswirtschaftliche Motivation zum Risikomanagement

In Deutschland gibt es außerhalb des Bankensektors – seit dem Inkrafttreten des KonTraG im Jahre 1998 – gesetzliche Regelungen zum Aufbau eines unternehmerischen Risikomanagements. Neben der gesetzlichen Pflicht zum Aufbau eines Risikomanagements ist der systematische Umgang mit Risiken auch betriebswirtschaftlich interessant, da das bewusste Eingehen von Risiken die Plan- und Steuerbarkeit des Unternehmens maßgeblich positiv beeinflusst.

M2 | Risikoidentifikation

Im Rahmen der Risikoidentifikation werden alle wesentlichen Risiken eines Unternehmens systematisch erfasst. Je früher Risiken identifiziert werden, desto umfassender können entsprechende Gegenmaßnahmen ergriffen werden.
Die Risikoidentifikation ist eine fundamentale Aufgabe des Risikomanagements, da hierdurch die Informationsbasis für alle weiteren Prozessschritte aufgebaut wird; denn ausschließlich identifizierte Risiken können auch bewertet, aggregiert und gesteuert werden. Zur Identifikation von Risiken kann auf verschiedene Methoden zurückgegriffen werden.

M3 | Risikobewertung und -aggregation

Nachdem die Risiken identifiziert worden sind, müssen sie bewertet werden. Dazu stehen sowohl qualitative als auch quantitative Methoden zur Verfügung. Ziel der Risikobewertung ist die Beschreibung des Risikos in Form von geeigneten statistischen Verteilungsfunktionen. Sind die relevanten Risiken durch Verteilungsfunktionen beschrieben, besteht im Anschluss die Aufgabe, die Gesamtrisikoposition des Unternehmens durch eine sogenannte Risikoaggregation zu ermitteln.

M4 | Risikosteuerung

Dieses Modul befasst sich mit den Möglichkeiten zur Risikosteuerung. Die Risikosteuerung ist stark an die Strategie eines Unternehmens gebunden, da dort auch verankert ist, wie das Unternehmen gegenüber Risiken eingestellt ist (Risikoneigung). Zudem ist das Risikodeckungspotenzial (=vorhandenes Eigenkapital) von maßgeblicher und existenzieller Bedeutung.
Zur Steuerung von Risiken kann auf verschiedene Strategien zurückgegriffen werden.

M5 | Risikokontrolle und -reporting

Mit Hilfe von Frühwarnindikationen (sogenannte Key Risk Indicators, KRI) können (negative) Veränderungen von Risikoumfang oder Risikoeintrittswahrscheinlichkeit überwacht und rechtzeitig erkannt werden. Die Risikokontrolle überwacht aber nicht ausschließlich KRI, sie wird auch dazu eingesetzt, durchgeführte Maßnahmen im Rahmen der Risikosteuerung zu kontrollieren und sie auf Effizienz und Erfolg zu evaluieren.
Im Rahmen des Risikoreportings werden alle Erkenntnisse der einzelnen Risikomanagementprozessphasen in einen Risikobericht überführt. Die Adressaten des Risikoberichts sind sowohl Risikoverantwortliche, Abteilungsleiter, die Geschäftsführung, der Aufsichtsrat oder auch Externe wie z. B. Abschlussprüfer, Aktionäre oder Rating-Agenturen. Umfang und Detaillierungsgrad des Risikoberichts sind hierbei abhängig vom Berichtsempfänger.

M6 | Risikomanagementinformationssysteme (RMIS)

Voraussetzung für den unternehmensweiten und nachhaltigen Aufbau eines Risikomanagement ist die Softwareunterstützung durch Risikomanagementinformationssysteme. Zwar können bekannte Risiken mit Standardwerkzeugen, wie z. B. Excel-Tabellen, erfasst und aufbereitet werden, sie kommen jedoch schnell an ihre Grenzen. Sobald weitere Benutzer eingebunden werden sollen, ist ein integrierter Softwareansatz erforderlich, wie es Risikomanagementinformationssysteme mit sich bringen.

Ansprechpartner: Prof. Dr. Daniel Müller

E-Mail: daniel.mueller2@uni-wuerzburg.de

Info: Diese Veranstaltung findet nur im Sommersemester statt/ 5 ECTS


Ökonomische Grundlagen des Risikomanagements / Ökonomische Theorie des Risikos

Versicherungsmärkte erlauben es einem Versicherungsnehmer, auf seine risikobehaftete Allokation von zukünftigen Vermögenspositionen Einfluss zu nehmen, indem Vermögen vom Nicht-Schadensfall in den Schadensfall transferiert wird. Reale Versicherungsvereinbarungen weisen häufig Eigenbeteiligungsklauseln auf, wobei der Versicherungsnehmer vor Vertragsabschluss eine Auswahlmöglichkeit zwischen verschiedenen Vertragsspezifikationen hat und die Vertragskonditionen für den Versicherungsnehmer bei tatsächlichem Eintritt eines Schadensfalls ungünstiger werden. Ziel dieser Veranstaltung ist es zu verstehen, weshalb Verträge auf Versicherungsmärkten gerade diese Eigenschaften aufweisen. Anhand eines einfachen Modells eines Versicherungsmarktes, auf dem Versicherungsunternehmen um potenzielle Kunden konkurrieren, werden wir verstehen, dass sich diese Eigenschaften realer Versicherungsvereinbarungen als Marktreaktion darauf erklären lassen, dass die Nachfrageseite einen Informationsvorsprung gegenüber der Angebotsseite besitzt (z.B. bezüglich der Schadenseintrittswahrscheinlichkeit oder des aufgewendeten Sorgfaltsniveaus eines Versicherungsnehmers).

Kapitel 1: Entscheidung unter Risiko (Erwartungsnutzentheorie)

  • Kapitel 6 in A. Mas-Colell, M. D. Whinston, and J. Green (1995): "Microeconomic Theory"

Kapitel 2: Nachfrage nach Versicherung

  • Kapitel 2 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Kapitel 3: Adverse Selektion

  • Kapitel 4 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Kapitel 4: Moralisches Risiko

  • Kapitel 5 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Ansprechpartner: Prof. Dr. Rainer Göb
E-Mail: goeb@mathematik.uni-wuerzburg.de
Info: Diese Veranstaltung wird jedes Semester via vhb angeboten und kann mit 3 ECTS im Bereich Schlüsselqualifikationen angerechnet werden.

 

Kursbeschreibung

"Risk is the possibility of a negative deviation from the target" - this is a common definition of risk in the context of business management. It reflects the fact that a risk can occur, but does not necessarily have to, and that things can go worse (negatively) than they were planned. All this supposes that targets have been defined previously. 

This is where risk management comes in, by supporting organizations in identifying possible dangers at an early stage in order to keep any deviations from targets as low as possible. Of course, this presupposes that risks are actually identified and correctly assessed, and that the "right" measures (in terms of effectiveness and costs) are taken in good time to manage them.

The Covid 19 pandemic, with which the entire world has been confronted since the beginning of March 2020, shows that things can fail to run according to previous plans. It can be assumed that most companies have probably included a pandemic risk in their risk universe. However, the Covid 19 pandemic is certainly far beyond everything imagined before.

There are often considerable methodological deficits in risk management, for example when, in a popular but simplistic approach, risks are assessed as a mathematical product of probability of occurrence and impact of damage. If a very low probability and a very high impact of damage are used to quantify the current situation, this would result in a low to moderate risk. It is obvious that such risk measures are illusive. In practice, there are still considerable differences between existing risk management and effective risk management.

Effective risk management therefore goes far beyond simplistic approaches and requires - in addition to a practiced risk culture in the company – a deeper understanding and correct use of quantitative risk assessment procedures. Quantitative assessment procedures and simulations based thereon can provide valid statements about a company's overall risk position (e.g., in the form of risk measures). Only then the company's capital requirements (= risk buffer) required for the risk situation can reasonably be determined.

However, this requires that risk managers are also familiar with the necessary mathematical-statistical procedures. This challenge is addressed by the present course "Elementary Quantitative Risk Assessment" (EQRA), which teaches these competencies at a basic level for bachelor students.

Detaillierte Inhaltsbeschreibung

Learning module 1 | Concepts and terminology of quantitative risk modelling.
The central concepts and schemes in the context of risk modelling are introduced and explained, especially terminologies such as risk phenomenon, risk object, direct risk, indirect risk, loss type and profit type risk variable, upside and downside risks, risk indicator and risk measure.

Learning module 2 | Mathematical and statistical basics of risk modelling.
This learning module covers mathematical and statistical foundations for describing risk phenomena and related data in four parts A, B, C, and D.
A) Data
The learning module communicates basic characteristics of data sets and the mechanisms creating data.
B) Mathematical and statistical principles of risk modelling
The learning modules considers the topics i) purpose of probability distributions in risk modelling, ii) basic concept of probability distributions, iii) densities and cumulative distribution functions, iv) special probability distributions for risk modelling.
C) Distribution parameters as risk parameters.
For a simple description of risk phenomena, location measures and dispersion measures as well as their estimation are presented and demonstrated. In addition, the construction of confidence intervals for these measures is shown.
D) Right Tail behaviour of distributions
Stochastic inequalities such as those due to Chebycheff or Camp-Meidell are discussed. These can be used to establish inequalities for quantiles and to build parameter-free confidence intervals for quantiles. The concepts of a light-tailed and a heavy-tailed distribution defined. With these concepst, the multitude of distributions from A) can be assessed with regard to their suitability for the respective risk assessment.

Learning module 3 | Special stochastic risk measures
The risk measures Value at Risk (VaR) and Conditional Value at Risk are paramount for sound and effective risk assessment and risk management. These measures are basic in capital adequacy regulations such as Basel III, and are therefore of high practical relevance. Methods of estimating VaR and CVaR are a core focus of the course.
A) The purpose of stochastic risk measures
This submodule discusses the mean and its flaws in risk assessment. The quantile is subsequently motivated as a basis for better risk measures explored in submodules B) and C).
B) Value at Risk (VaR)
This submodule discusses the definition, interpretation, use and estimation of Value at Risk. Three common methods for estimating VaR are presented, and their strengths and weaknesses are explained: distribution-free, distribution-based, and peaks over threshold (POT) methods. In the case of the distribution-based and POT methods, particular attention is paid to fitting probability distributions to the data. Both point and interval estimation techniques are provided.
C) Conditional Value at Risk (CVaR)
In this submodule, the definition, interpretation, use and estimation of the Conditional Value at Risk (CVaR) are discussed. Common methods for estimating CVaR, including both point and interval estimation, are presented and illustrated

Lern-/Qualifikationsziele

Welche Lern-/Qualifikationsziele sollen im Kurs erreicht werden? Welche Kompetenzen sollen durch den Kurs vermittelt werden?

The Students
- become familiar with the methods of quantitative model building and  quantitative analysis, for applications in risk management.
- are able to describe risk phenomena and related data in an analytic, formal way.
- get acquainted with basic procedures of descriptive data analysis.
- familiarize themselves with a variety of probability distributions and their applicability in describing risk phenomena.
- are able to fit distributions to data.
- possess knowledge on the theoretical definitions and applications of central stochastic risk measures.