Als Insolvenzprognoseverfahren werden in der Finanzanalyse und im Bankwesen Verfahren bezeichnet, welche das Insolvenzrisiko und damit die Wahrscheinlichkeiten bestimmen, mit denen Wirtschaftssubjekte innerhalb eines bestimmten Zeitraums (typischerweise ein Jahr) insolvent werden.
Allgemeines Die folgenden Ausführungen beziehen sich auf Verfahren für die Prognose von Unternehmensinsolvenzen.Dieser Artikel basiert wesentlich auf: Martin Bemmann, Verbesserung der Vergleichbarkeit von Schätzgüteergebnissen von Insolvenzprognosestudien, in: Dresden Discussion Paper Series in Economics. 08/2005; Martin Bemmann, Entwicklung und Validierung eines stochastischen Simulationsmodells für die Prognose von Unternehmensinsolvenzen, Dissertation, Technische Universität Dresden, TUDpress Verlag der Wissenschaften, Dresden, 2007 Als Wirtschaftssubjekte kommen Unternehmen, Privatpersonen, Staaten oder sonstige Institutionen in Frage.
Entwicklung der Unternehmensinsolvenzen in Deutschland Während zu Beginn der 1990er Jahre in Deutschland noch rund 10.000 Unternehmensinsolvenzen pro Jahr zu verzeichnen waren, stieg deren Zahl bis 2003/2004 auf fast 40.000 an. Bei einem Unternehmensbestand von rund drei Millionen entsprach dies einer durchschnittlichen Insolvenzquote von 1,3 % pro Jahr. Je nach Unternehmenssegment waren deutlich höhere Werte zu verzeichnen. In den Folgejahren verringerte sich die Anzahl der Insolvenzen wieder etwas und betrug im Zeitraum 2007 bis 2011 jeweils rund 30.000. Die Höhe der neu entstandenen offenen Insolvenzforderungen betrug Anfang der 1990er Jahre noch rund 6 Milliarden EUR pro Jahr, in den 2000er Jahren hingegen meist zwischen 30 und 40 Milliarden EUR, in einzelnen Jahren (2002 und 2009) wurden sogar Werte von 62 bzw. 85 Milliarden EUR erreicht. Insolvenzforderungen sind erfahrungsgemäß zu 90 bis 95 % uneinbringbar.Zur Entwicklung der Insolvenzanzahl und -quoten sowie zum Bestand und zur Einbringbarkeit von Insolvenzforderungen siehe Statistisches Bundesamt (2004, S. 31 und S. 44), zu aktuellen Daten zum Insolvenzgeschehen siehe https://www.destatis.de/DE/ZahlenFakten/Indikatoren/LangeReihen/Insolvenzen/lrins01.html und https://www.destatis.de/DE/ZahlenFakten/Indikatoren/Konjunkturindikatoren/Insolvenzen/ins110.html (20. September 2012)
Motivation für die Entwicklung Der Fähigkeit zur Erstellung trennscharfer Prognosen von Unternehmensinsolvenzen, aber auch der Fähigkeit zur Ermittlung von Handlungsempfehlungen zur Vermeidung von Insolvenzen kommt sowohl aus individueller als auch aus volkswirtschaftlicher Sicht eine große Bedeutung zu. Auf individueller Ebene sind neben Eigentümern, Mitarbeitern, Kunden, Lieferanten, Wirtschaftsprüfern und sonstigen Geschäftspartnern eines Unternehmens vor allem Banken an präzisen Insolvenzprognosen interessiert, da sie bei Unternehmensinsolvenzen regelmäßig erhebliche Schäden zu verzeichnen haben.Siehe Dimitras, Zanakis, Zoponidis (1996, S. 488) und Balcaen, Ooghe (2004, S. 4) oder Hartmann-Wendels et al. (2005, S. 4f.) für eine Analyse der Interessenten an Insolvenzprognoseverfahren für Unternehmen.siehe Franks, Servigny, Davydenko (2004, S. 4), Basler Ausschuss (2000b, S. 27f.), Basler Ausschuss (2000b, S. 7f.), Moody’s (2004, S. 13) und Gupton, Stein (2005). Allein die administrativen Aufwendungen (Konkursverwalter) und Kosten, die mit der Liquidation der Aktiva des insolventen Unternehmens verbunden sind, verzehren im Durchschnitt zwischen 15 % und 20 % der Bruttoliquidationserlöse.siehe Franks, Servigny, Davydenko, 2004, S. 13
Aus Bankensicht sind Insolvenzprognosen eine wesentliche Voraussetzung dafür, um eine risikogerechte Preissetzung und Ausgestaltung nichtfinanzieller Kreditkonditionen (Limite, geforderte Sicherheiten) umsetzen zu können. Es sind Kreditprozesse kostengünstig zu gestalten (durch die Identifikation kritischer Fälle, die einer aufwendigeren Betreuung durch Kreditexperten bedürfen), die eigene Liquidität durch die Schaffung von Verbriefungsmöglichkeiten zu erhöhen und der ökonomische bzw. aufsichtsrechtliche Eigenkapitalbedarf zu ermitteln und zu steuern.siehe English, Nelson (1998, S. 11f.), Treacy, Carey (2000, S. 897), Basler Ausschuss (2000a, S. 33), Escott, Glormann, Kocagil (2001a, S. 3) und Scheule (2003, S. 96ff.) Aus volkswirtschaftlicher Sicht werden Insolvenzprognoseverfahren als eine wichtige Voraussetzung für die Stabilität des Bankensystems gesehen. Überhöhte Kreditrisiken waren die häufigste Ursache der über 100 Bankinsolvenzen seit den 1960er Jahren in (West-)Deutschland.siehe Fischer (2004, S. 13 und die dort zitierte Literatur) Auch entfallen über 90 % der aufsichtsrechtlichen Eigenkapitalanforderungen bei Banken auf die Absicherung von Kreditrisiken.siehe Deutsche Bundesbank (2005, S. 44) Ferner ist die Verfügbarkeit leistungsfähiger Insolvenzprognoseverfahren eine notwendige Voraussetzung, um Kreditnehmer zu einem anreizkompatiblen, risikobewussten Verhalten zu motivieren.siehe Basler Ausschuss (2004, §4), OeNB (2004b, S. 33) Ebenso kann durch leistungsfähigere Insolvenzprognosen Marktversagen, im Sinne eines vollständigen Rückzugs von Banken oder anderen Fremdkapitalgebern aus der Finanzierung von Unternehmen in überdurchschnittlich riskanten Segmenten vermieden werden.Siehe KfW (2005, S. 6): „Dies deutet auf die mittlerweile flächendeckende Verbreitung bankinterner Ratingtools hin, die nun auch bei kleinen Unternehmen Anwendung finden. […] Früher führten die für alle Kunden eines Kreditinstitutes weitgehend einheitlichen Zinssätze dazu, dass vor allem kleinere Unternehmen Schwierigkeiten hatten, überhaupt Kredite zu erhalten. Heute nutzen Banken und Sparkassen Ratingtools dazu, Kreditkonditionen zunehmend risikoorientiert zu gestalten. Damit wird insbesondere für kleine Unternehmen der Zugang zu Bankkrediten erleichtert.“ Seit Inkrafttreten des StaRUG (2021) sollen alle Kapitalgesellschaften mögliche "bestandsgefährdende Entwicklungen", die zu einer Insolvenz führen können, früh erkennen. Das setzt neben einer Risikoanalyse die Nutzung von Insolvenzprognoseverfahren voraus, um das eigene Insolvenzrisiko beurteilen zu können. Zur Vermeidung einer Insolvenz sind gemäß §1 StaRUG "geeignete Gegenmaßnahmen" zur Krisenprävention erforderlich. Durch das Risikomanagement soll erreicht werden, dass es möglichst gar nicht zu einer schweren Krise kommt, die zu einer Insolvenz führen kann.
Klassifikation Der aktuelle Stand der Wissenschaft in der Insolvenzprognoseforschung ist durch Methodenvielfalt geprägt. Ein Grund für diese Vielfalt dürfte im Fehlen eines derzeit allgemein akzeptierten, umfassenden theoretischen Fundaments zur Erklärung von Unternehmensinsolvenzen liegen.siehe Basler Ausschuss (2000b, S. 109ff.), Altman, Saunders (1998, S. 1724), Keasey, Watson (1991, S. 90) oder Günther, Hübl, Niepel (2000, S. 347). Ursächlich für die Vielfalt an Insolvenzprognosetechniken dürfte auch sein, dass zahlreiche Verfahren, die sich häufig bereits in anderen Kontexten als der Insolvenzprognose bewährt haben, als ungeeignet oder unterlegen verworfen werden kann. Ferner können – je nach prinzipieller Verfügbarkeit bzw. den jeweils akzeptierten Kosten der Informationserhebung – eine Vielzahl unterschiedlicher Datenquellen und Datenarten für die Zwecke der Insolvenzprognose herangezogen werden, deren Aggregation zum Teil unterschiedliche Verfahren bedingen bzw. aus statistisch-technischen Gründen als zweckmäßig erscheinen lassen.siehe Frydman, Altman, Kao (1985, S. 270) Einen Überblick über die Vielzahl der in Wissenschaft und Praxis verwendeten Insolvenzprognoseverfahren zeigt die folgende Abbildung.siehe Bemmann (2007, S. 6)
mini|zentriert|800px|Übersicht Insolvenzprognoseverfahren
Insolvenzprognoseverfahren lassen sich in formelle und informelle Insolvenzprognoseverfahren untergliedern. Bei den informellen Verfahren treffen menschliche Kreditentscheider Insolvenzprognosen auf der Basis ihrer Intuition und persönlichen Erfahrung. Formelle Verfahren basieren hingegen auf explizit festgeschriebenen Verfahrensregeln. Bei den formellen Verfahren werden induktive, (parametrische und nichtparametrische) empirisch-statistische sowie strukturelle Verfahren unterschieden. Zu den induktiven Verfahren gehören beispielsweise Scoringmodelle und Expertensysteme. Bei den parametrischen empirisch-statistischen Verfahren sind die Multivariate Lineare Diskriminanzanalyse und die Logistische Regressionsanalyse von Bedeutung. Bei den nichtparametrischen empirisch-statistischen Insolvenzprognoseverfahren sind die Entscheidungsbaumverfahren und Künstliche neuronale Netze zu nennen. Zu den strukturellen Insolvenzprognosemodellen gehören anleihespreadbasierte und Optionspreismodelle sowie deterministische und stochastische Simulationsverfahren.
Das erste formelle, multivariate Insolvenzprognoseverfahren für Unternehmen war das Z-Faktormodell (Altman’s Z-Score) von Altman (1968), ein Diskriminanzanalysemodell.
Datenquellen Übersicht Zahlreiche Datenquellen können für die Prognose von Unternehmensinsolvenzen herangezogen werden. Je nach der Objektivität ihrer Erhebung („harte“ vs. „weiche“ Daten) und je nachdem, ob die entsprechenden Daten originär metrisch skaliert sind oder nicht („quantitative“ vs. „qualitative“ Daten), lassen sich insgesamt vier Gruppen von Inputvariablen für Insolvenzprognoseverfahren unterscheiden, siehe die folgende Abbildung.Die im Folgenden verwendete Terminologie wurde von Fischer (2004, S. 83) übernommen, der harte vs. weiche und quantitative vs. qualitative Daten abgrenzt. In der Insolvenzprognoseliteratur werden diese Begriffe meist synonym und deshalb häufig inkonsistent verwendet. Beispielsweise führt OeNB (2004a, S. 65) aus: „Qualitative Fragen unterliegen stets einem subjektiven Beurteilungsspielraum“, bezeichnet aber auch das zweifellos objektiv feststellbare „Heimatland des Schuldners“ als „qualitatives Ratingkriterium“, siehe OeNB (2004a, S. 66).
mini|640px|Datenquellen Insolvenzprognoseverfahren
Harte quantitative Daten Harte quantitative Daten sind Daten, die originär metrisch skaliert sind und methoden- und personenunabhängig erhoben werden können. Von besonderer Relevanz im Kontext der Unternehmensinsolvenzprognose sind dabei Jahresabschlussdaten, Informationen zum KontoführungsverhaltenFür Kennzahlen zur Quantifizierung des Kontoführungsverhaltens siehe Fritz, Hosemann (2000, S. 13ff.). sowie Finanzmarktdaten (Niveau und Volatilität der Marktkapitalisierung des Unternehmens, Höhe der Risikoprämie auf börsennotierte Fremdverbindlichkeiten des Unternehmens). Vorteile von Kontoführungs- und Marktdaten gegenüber Buchhaltungsdaten bestehen in der wesentlich größeren Aktualität. Sie können täglich aktualisiert werden und ihre Erhebung verursacht praktisch keine (zusätzlichen) Kosten. Auch können sie von den Unternehmen kaum manipuliert werden. Ein wichtiger Vorteil von Marktdaten gegenüber Kontoführungs- und Buchhaltungsdaten wird in deren „Vorwärtsgerichtetheit“ gesehen. Dabei wird unterstellt, dass Marktdaten – via den rationalen Erwartungen der Marktteilnehmer – von der künftigen Entwicklungen der Unternehmen beeinflusst werden und nicht von deren Vergangenheit – wie im Fall von Kontoführungs- und Buchhaltungsdaten.Siehe bspw. McQuown (1993, S. 1f.). Gerade der Vorteil der „Vorwärtsgerichtetheit“ von Marktpreisen im Vergleich zu (historischen) Buchhaltungsdaten wird aber in einer Studie von Chan, Karceski, Lakonishok (2003, S. 671) in Frage gestellt. So lassen sich die teils erheblichen Unterschiede bezüglich der beobachtbaren Kurs-Gewinn-Quoten (KGV) von Aktiengesellschaften gut durch die historische Gewinnentwicklung der Unternehmen erklären – ein Prognosenutzen sei hingegen kaum nachweisbar.