Mannheimer Manuskripte zu Risikotheorie,

Portfolio Management und Versicherungswirtschaft

Nr. 145

Methoden der risikobasierten Kapitalallokation

im Versicherungs- und Finanzwesen

von
Peter Albrecht und Sven Koryciorz

Mannheim 03/2003
 Methoden der risikobasierten Kapitalallokation
im Versicherungs- und Finanzwesen

Von P e t e r A l b r e c h t und
S v e n K o r y c i o r z, Mannheim

Inhaltsübersicht

1 Einführung

2 Bestimmung des risikobasierten Kapitals

3 Arten der Kapitalallokation

3.1 Absolute Kapitalallokation: Grundlagen
3.2 Absolute Kapitalallokation bei homogenen Segmenten
3.3 Inkrementelle Kapitalallokation
3.4 Marginale Kapitalallokation

4 Anforderungen an eine absolute Kapitalallokation

5 Allokationsprinzipien
5.1 Proportionale Allokation
5.2 Kovarianzprinzip
5.3 Bedingter Erwartungswert-Prinzip
5.4 CVaR-Prinzip
5.5 Euler-Prinzip

6 Weitere Ansätze der Kapitalallokation

6.1 Firmenwertbasierte Ansätze
6.2 Spieltheoretische Ansätze

7 Zusammenfassung

Literaturverzeichnis
 1 Einführung

Die vorliegende Ausarbeitung hat die systematische Aufarbeitung von Methoden der risiko-
basierten Kapitalallokation im Versicherungs- und Finanzwesen zum Ziel. Bevor diese Me-
thoden im Detail vertieft werden, ist es allerdings zunächst angezeigt, eine Erläuterung der
hierbei zugrunde zu legenden Kapitalkonzeption vorzunehmen sowie kurz auf die auf einer
Kapitalallokation aufbauenden Anwendungsfelder einzugehen.

Den Ausgangspunkt der Untersuchung bildet das risikoadjustierte Kapital (RAC; Risk Ad-
justed Capital1 ) einer Unternehmung, verstanden als „the smallest amount of economic capital
a (..) [company] must set aside to try and prevent the net asset value or earnings of a business
unit from falling below some ‘catastrophic loss’ level“ 2 , welches im Sinne einer unterne h-
mensinternen Konzeption unter Bezugnahme auf das vorhandene Risikoexposure zu spezifi-
zieren ist. Hierbei gilt es zu beachten, dass das RAC nicht mit dem „physischen“ Eigenkapital
des Unternehmens – nach welcher Konzeption auch immer spezifiziert – zusammenfallen
muss 3 und unternehmensexterne Kapitalkonzeptionen4 hiervon klar zu untersche iden sind.

Grundsätzlich spielt auch der Zweck der Risikokapitalbestimmung eine Rolle, wobei zw i-
schen der Aufgabe einer Solvabilitätskontrolle einerseits und der einer risikoadjustierten Per-
formancesteuerung (RAPM; Risk Adjusted Performance Management) andererseits zu unter-
scheiden ist. Um die Solvabilität eines Unternehmens zu sichern, ist zu gewährleisten, dass
die insgesamt zur Verlustverrechnung verfügbaren Mittel nicht unter das entsprechende ris i-
kobasierte Kapital auf der Gesamtunternehmensebene fallen. Zu Zwecken einer risikoadjus-
tierten Performancesteuerung ist demgegenüber sicherzustellen, dass unternehmensweit sowie
idealiter auch auf der Ebene der einzelnen Geschäftsaktivitäten eine risikoadjustierte Mindest-
rendite erzielt wird. Die Implementierung einer risikobasierten Kapitalallokation ist demzu-
folge nur in dem zuletzt genannten Kontext der Performancesteuerung sinnvoll, der im Weite-

1
In der Literatur existieren eine Reihe von verwandten Begriffen, wie Risk Based Capital (RBC), Capital at
Risk (CaR), Economic Capital oder betriebsnotwendiges Risikokapital. Diese Begriffe können im Prinzip
synonym zu RAC verwendet werden, so lange die dabei zugrunde liegende Kapitalkonzeption identisch ist
mit der im Haupttext herausgearbeiteten.
2
Culp, C. L. (2000), S. 16.
3
Zu Zwecken der Unternehmenssteuerung muss dabei berücksichtigt werden, dass es eine Verbindung zwi-
schen dem physischen Eigenkapital und dem RAC zu etablieren gilt. Im Falle von Versicherungsunterneh-
men vgl. ausführlich dazu Albrecht, P. (1998), S. 233 ff.
4
Hierzu gehören Kapitalkonzeptionen der Rechnungslegung, der Rating-Agenturen oder etwa regulatorische
Anforderungen an das notwendige Kapital.
 2

ren allein von Interesse sein soll, da ein risikobasiertes Kapital zu Solvabilitätszwecken stets
auf das Unternehmen in seiner Gesamtheit abzustellen hat. 5

Im Zentrum einer risikoadjustierten Performancesteuerung stehen typischerweise Performan-

cemaße des RORAC-Typus, 6 die von der Form

Erfolg
(1) RORAC =
RAC

sind. 7 Das RORAC-Performancemaß kann dabei sowohl für das Gesamtunternehmen als auch
für einzelne Unternehmenssegmente (Zusammenfassungen von Geschäftsaktivitäten) be-
stimmt werden, 8 wobei eine Segmentsteuerung die Spezifikation der zugehörigen Segment-
RAC-Größen erfordert. Diese lassen sich entweder aus der isolierten Betrachtung der einze l-
nen Unternehmenssegmente gewinnen (Stand-alone-Ansatz) oder aber jedem Segment wird
ein Teil des unternehmensweiten Gesamt-RACs rechnerisch zugeordnet, das heißt, die einze l-
nen Segment-RACs werden im Wege einer virtuellen Kapitalallokation9 ermittelt. Verfahrens-
immanent ignoriert der Stand-alone-Ansatz gleichwohl die Wechselwirkungen der einzelnen
Unternehmenssegmente im Hinblick auf das Unternehmensrisiko, die folglich nur im Ra hmen
einer Kapitalallokation eine adäquate Berücksichtigung erfahren können. Wie nun eine solche
Kapitalallokation durchgeführt werden kann, ist das zentrale Thema der vorliegenden Ausar-
beitung.

5
Schließlich ist es allein die Unternehmung als Ganzes – mithin die juristische Person, die selbständiger Trä-
ger von Rechten und Pflichten ist –, die insolvent werden kann und nicht etwa die einzelnen rechtlich un-
selbständigen Geschäftseinheiten, denen auf der rein rechnerischen Ebene bestimmte Kapitalbestandteile
zugewiesen werden. Siehe dazu Bass, I. K. / Khury, C. K. (1992), S. 564 f., Myers, S. C. / Read, S. A. (2001),
S. 546 und S. 559, Schradin, H. R. (1998), S. 219 und S. 221, Schradin, H. R. (2001a), S. 105 sowie Venter,
G. G. (2002), S. 5.
6
Das Akronym RORAC steht für „Return on Risk Adjusted Capital“.
7
Zum Zusammenhang des RORAC-Maßes zu anderen Maßen wie EVA (Economic Value Added) oder RA-
ROC (Risk Adjusted Return on Capital) vgl. etwa Culp, C. L. (2000), S. 22, Cummins, D. J. (2000), S. 10
oder Stoughton, N. / Zechner, J. (2000), S. 883.
8
Vor allem bestehenden finanzwirtschaftlichen Diversifikationseffekten oder versicherungswirtschaftlichen
Ausgleich-im-Kollektiv-Effekten ist hierbei besondere Beachtung zu schenken.
9
Die Kapitalallokation erfolgt somit nicht etwa physisch, sondern rein kalkulatorisch. Vgl. dazu Albrecht, P.
(1998), S. 232, Matten, C. (2000), S. 74 f. oder Patrik, G. / Bernegger, S. / Rüegg, M. B. (1999), S. 57. Fer-
ner führt Philbrick, S. W. (2000), S. 23 zum bloßen virtuellen Charakter der Kapitalallokation treffend aus:
„Allocation of surplus is not a compartmentalization of surplus. It is not an end product – it is an intermedi-
ate calculation.“
 3

Im Vordergrund der weiteren Ausführungen stehen somit Methoden der Kapitalallokation und
nicht konkrete Anwendungen der Kapitalallokation auf Fragen der (risikoadjustierten) Unter-
nehmenssteuerung. Hierzu sei an dieser Stelle auf die Literatur verwiesen. 10

Der Vollständigkeit halber soll abschließend noch festgehalten werden, dass die Verfahren
risikoadjustierter Performancesteuerung, insbesondere des RORAC-Typus, durchaus der Kri-
tik unterliegen. Ein erster zentraler Kritikpunkt ist dabei die nicht notwendigerweise gegebene
Kompatibilität mit einer Maximierung des Unternehmenswertes, 11 während eine darüber hi-
nausgehende Fundamentalkritik Bezug nimmt auf die Vo rnahme einer Allokation des RAC
selbst. 12 Je nach zugrunde liegendem Risikomaß zur Bestimmung des RAC, zugrunde liege n-
der Anna hme über die Zufallsgesetzmäßigkeit sowie zugrunde liegender Allokationsregel zur
Verteilung des RAC können nämlich erhebliche Unterschiede im zugerechneten Segment-
Risikokapital auftreten, die sich wiederum in die Unternehmenssteuerung fortpflanzen. 13

2 Bestimmung des risikobasierten Kapitals

Wie bereits ausgeführt, orientiert sich die Höhe des risikobasierten Kapitals grundsätzlich an
dem vorhandenen Risikoexposure. Dies erfordert sowohl die Spezifikation dieses Exposures
als auch die Spezifikation eines Risikomaßes. Beginnen wir mit der Spezifikation des Expo-
sures im Rahmen von unterschiedlichen Anwendungsfällen.

Grundsätzlich wird im Weiteren das Exposure einer bestimmten Unternehmensaktivität über

einen zu spezifizierenden Zeitraum in Termen einer (zufallsabhängigen) Verlustvariablen L
quantifiziert. Zur Illustration dieses einheitlichen Ansatzes betrachten wir eine Reihe von
Standardanwendungsfällen.

10
Für Anwendungen auf Kreditinstitute vgl. etwa Ballwieser, W. / Kuhner, C. (2000), Culp, C. L. (2000), Mat-
ten, C. (2000), Ploegmakers, H. / Schweitzer, M. (2000), Stoughton, N. / Zechner, J. (2000). Für Anwendun-
gen auf Versicherungsunternehmen vgl. etwa Albrecht, P. (1998), Graumann, M. / Baum, S. (2003), Patrik,
G. / Bernegger, S. / Rüegg, M. B. (1999) oder Schradin, H. R. (1998, 2001a).
11
Vgl. etwa Albach, H. (2001), Albrecht, P. (1998), Froot, K. A. / Stein, J. C. (1998) sowie Gründl, H. /
Schmeiser, H. (2002).
12
Zur Thematisierung dieser Problematik vgl. Schradin, H. R. (2001b) sowie Venter, G. G. (2002).
13
Diese Problematik veranlasst Venter, G. G. (2002) sogar zur Emp fehlung: „Allocating Surplus – Not!“
 4

Beispiel 1: (Versicherungsverpflichtungen: Allgemeiner Fall)

Im Falle von Verpflichtungen eines Versicherungsunternehmens gehen wir aus von dem ak-
kumulierten Gesamtschaden S ≥ 0 eines fixierten Versicherungsbestandes über eine fixierte
Zeitperiode (typischerweise ein Jahr). Die zugehörige Verlustgröße lässt sich in diesem Fall
fassen als

(2) L := S − E( S ) .

Die Subtraktion des Erwartungsschadens trägt dabei dem Umstand Rechnung, dass dem Ver-
sicherungsunternehmen neben dem Risikokapital auch eine (Risiko-)Prämie zur Finanzierung
der Schäden zur Verfügung steht. 14

Im Falle mehrerer Segmente (Teilkollektive) i = 1, ..., n mit zugehörigen akkumulierten Ge-

samtschäden Si definieren wir entsprechend als Segmentverlustvariable Li := S i − E( S i ) und

n
als Gesamtverlustvariable L := ∑ [S i − E( S i )].
i =1

Beispiel 2: (Homogene Kollektive von Versicherungsverpflichtungen)

In Weiterführung des Beispiels 1 nehmen wir an, dass der Gesamtschaden Si des i-ten Seg-

ments die Gestalt

ki
(3) S i = ∑ X ij
j =1

besitzt, wobei (pro Segment) die X ij jeweils unabhängig und identisch verteilte Zufallsvari-

ablen sind und k i deren Anzahl festlegt. Konkret symbolisiert X ij den Gesamtschaden des j-

ten Versicherungsnehmers des i-ten Segments (Teilkollektivs), womit das i-te Segment ein
homogenes Kollektiv von k i Versicherten darstellt. Die zugehörige Segmentverlustvariable

bleibt entsprechend durch Li := S i − E( S i ) definiert.

14
Die Risikoprämie sollte aus risikotheoretischen Erwägungen heraus mindestens mit der Höhe E( S ) ange-
setzt werden. Der Abzug nur des Erwartungswertes und nicht der Gesamtprämie liegt darin begründet, dass
der Zweck der Risikokapitalbestimmung wie bereits ausgeführt die Performancesteuerung ist. Hierbei dür-
fen bei der Konstruktion des risikobasierten Kapitals keine Profitabilitätselemente eingehen. Vgl. im Einze l-
nen zu dieser Argumentation Albrecht, P. (1998), S. 237 f.
 5

Beispiel 3: (Portfolios von Finanzinvestments)

Wir betrachten zunächst ein einzelnes Finanzinvestment (Aktien- oder Bondinvestment,
Short- oder Long-Position einer Option) und dessen Marktwertänderung über eine (typ i-
scherweise kurze) Haltedauer [t , t + h]. Der zugehörige Periodenverlust ist sodann definiert
durch

(4) L := v t − Vt + h ,

wobei vt der bekannte Marktwert am Periodenanfang und Vt +h der zufallsabhängige Markt-

wert am Periodenende ist.

Betrachten wir nun ein Portfolio aus n einzelnen Finanzinvestments, so mündet dies in den
folgenden Ansatz:

n
(5) L := ∑ xi LFi .
i =1

Dabei entspricht LFi dem Periodenverlust auf Marktwertbasis gemäß (4) für eine Einheit (ein

Stück) des i-ten (i = 1, ..., n) Finanzinvestments (etwa: Aktie) und xi der absoluten Anzahl
der (Short- oder Long-)Einheiten des i-ten Investments. Auch in diesem Falle bezeichnen wir
das i-te Segment mit zugehöriger Verlustvariable Li := xi LFi als homogen, im Detail ist die

Segmentstruktur jedoch andersartig als in Beispiel 2.

Beispiel 4: (Assets und Liabilities eines Versicherungsunternehmens)

Wir erweitern die Situation aus Beispiel 1, indem wir für ein Versicherungsunternehmen n
Versicherungssegmente mit korrespondierenden periodischen Gesamtschäden Si (i = 1, ..., n)
sowie das Wertpapierportfolio des Versicherers betrachten, das aus m Wertpapieren besteht,
die jeweils in absoluter Stückzahl x j ( j = 1, ..., m ) gehalten werden. Die relevante Verlustva-

riable 15 ist in diesem Fall definiert durch

n m
(6) L = ∑ [S i − E( S i ) ] + ∑ x j ( v0 j − V1 j ) .
i =1 j =1

15
Schradin, H. R. (1998, 2001a) betrachtet allgemeinere Positionen eines Versicherungsunternehmens, die
noch die Betriebskosten, die Rückversicherungsbeziehungen sowie Abwicklungsergebnisse aus den in Vo r-
perioden gebildeten Schadenreserven berücksichtigen.
 6

Dabei bezeichnen v 0 j bzw. V1 j die Werte des j-ten Finanztitels am Periodena nfang bzw. am

Periodenende. Die Periodenlänge für die Wertentwicklung der Finanzpositionen und die Ag-
gregation der Gesamtschäden ist dabei identisch zu wählen. Entsprechen die einzelnen Versi-
cherungssegmente homogenen Kollektiven, so ist eine entsprechende Modellmodifikation auf
der Grundlage von Beispiel 2 unschwer möglich.

Beispiel 5: (Kreditrisiken)
Bezeichnet CL (Credit Loss) den aus einem Kreditportfolio einer Finanzinstitution resultie-
renden potenziellen aggregierten Ausfall über eine fixierte Periode, so ist die zugehörige Ver-
lustvariable definiert durch

(7) L := CL .

Eine entsprechende Modellierung ist zu wählen, wenn man n einzelne Segmente in Form von
Sub-Kreditportfolios mit zugehörigen Verlustvariablen CLi (i = 1, ..., n) betrachtet. Es gilt
n
dann CL = ∑ CLi .
i =1

Beispiel 6: (Ausfallbedrohte Finanztitel)

Betrachten wir einen Bestand an ausfallgefährdeten Finanztiteln (Bonds, Over-the-Counter-
Optionen) und bezeichne CLi (i = 1, ..., n) den potenziellen aggregierten Ausfall des i-ten
ausfallgefährdeten Finanztitels über eine fixierte Periode, so gilt

n
(8) L := ∑ x i LFi ,
i =1

wobei LFi := CLi und xi die absolute Anzahl des i-ten ausfallgefährdeten Finanztitels be-
zeichne.

Nach dieser – in Termen von Verlustvariablen ausgedrückten – modelltheoretischen Spezifi-

kation des Risikoexposures wenden wir uns nun dem Prozess der Kapitalallokation zu. Bei
gegebener Gesamtverlustgröße L sowie gegebenen Segmentverlustgrößen L1 , ..., L n , mit

L = L1 + ... + Ln , beinhaltet dieser Prozess im Allgemeinen die folgenden Schritte:

1. Spezifikation einer multivariaten Verteilung für ( L1 , ..., Ln ) inklusive der impliziten

oder expliziten Festlegung der zugehörige n Abhängigkeitsstruktur.

 7

2. Selektion eines Risikomaßes.

3. Kalkulation des Gesamtrisikokapitals sowie der (Stand-alone-)Segmentrisikokapita-

lien.

4. Überprüfung der Existenz eines positiven Diversifikationseffektes.

5. Anwendung einer (oder alternativer) Allokationsregeln zur Ermittlung der zugerech-

neten Segmentrisikokapitalien.

Diese Einzelschritte werden im Weiteren einer näheren Erläuterung unterzogen.

Die Vorgabe einer multivariaten Verteilung (Schritt 1) kann entweder gesamthaft direkt erfo l-
gen (und beinhaltet damit bereits die unterstellte Abhängigkeitsstruktur) oder aber über die
Spezifikation der eindimensionalen Randverteilungen, Fi ( x) = P( Li ≤ x ), in Verbindung mit
einer Copula. 16 In diesem Falle legt die Copula die multivariate Abhängigkeitsstruktur fest.

Zur Quantifizierung des Risikoexposures ist hiernach das aus der Verlustvariable L bzw. den
Verlustvariablen L1 , ..., Ln resultierende Risikopotenzial zu spezifizieren, wozu es eines kon-

kreten Risikomaßes bedarf (Schritt 2). Albrecht folgend, 17 lassen sich grundsätzlich zwei Ba-
siskonzeptionen von Risikomaßen unterscheiden: Risikomaße des Typus I ( RI ) 18 auf der ei-
nen Seite, welche Risiko als Gefahr der Abweichung von einer gegebenen Zielgröße konzep-
tualisieren, sowie Risikomaße des Typus II ( RII ) 19 auf der anderen Seite, die Risiko als (mi-
nimal) notwendiges Kapital begreifen. Im Sinne einer unternehmensinternen Kapitalkonzep-
tion können demzufolge Risikomaße des Typus II unmittelbar zur Quantifizierung des Risi-
koexposures Verwendung finden, das heißt, es gilt R := RII und das interessierende notwend i-
ge Risikokapital lässt sich über die Beziehung

(9) RAC = R (L)

16
Vgl. hierzu etwa Embrechts, P. / McNeil, A. / Straumann, D. (2002), S. 179 ff.
17
Vgl. Albrecht, P. (2003), Abschnitt 3.
18
Beispiele hierfür sind die Varianz bzw. die Standardabweichung sowie Lower Partial Moments.
19
Beispiele hierfür sind der Value-at-Risk sowie der Conditional Value-at-Risk.
 8

gewinnen (Schritt 3). 20 Ist das Risikomaß (des Typus II) translationsinvariant, das heißt gilt
der strukturelle Zusammenhang R( X − c) = R( X ) − c für alle c, 21 so greift auf der Grundlage
der Beziehung (9) die Gleichung

(10) R( L − RAC ) = R ( L) − RAC = 0 .

Dies verdeutlicht nochmals die Bedeutung von RAC bzw. R(L) als (minimal) notwendigem
Kapital, das einer Finanzposition mit der zugehörigen Verlustvariable L hinzugefügt werden
muss, um eine „risikolose“ Position zu erreichen.

Die bisherigen Überlegungen vernachlässigen, dass das Risikokapital gegebenenfalls bis zum
Ende der betrachteten Periode der Länge t risikolos angelegt werden kann, etwa zur sicheren
Zinsrate r. Die modifizierte Bedingung an das Risikokapital, die dieser Möglichkeit Rech-
nung trägt, lautet entsprechend

(11) R( L − RAC e rt ) = 0 .

Ist das Risikomaß R positiv homogen – gilt mithin R( c X ) = c R( X ) für c ≥ 0 –, so ist (10)
äquivalent zu

(12) R( e −rt L − RAC ) = 0 ,

denn es gilt 0 = R( L − RAC e rt ) = e rt R( e −rt L − RAC ). Auch unter Berücksichtigung einer

sicheren Verzinsung lässt sich somit mit der Definition (9) arbeiten, das Risikomaß (des Ty-
pus II) muss nur auf die entsprechend diskontierte Verlustvariable angewendet werden.

Wie oben dargelegt, ist die Spezifikation eines Risikomaßes sowie einer multivariaten Vertei-
lung für die Verlustvariablen L1 , ..., Ln Voraussetzung für die Bestimmung des Gesamtris i-

kokapitals R(L) sowie der Segmentrisikokapitalien R( Li ) unter Prozessschritt 3. In be-

stimmten Basisfällen kann dabei ein expliziter Ausdruck für R(L) bzw. R( Li ) gewonnen
werden. Typischerweise ist dies etwa möglich, wenn wir von einer multivariaten Normalve r-

20
Risikomaße RI des Typus I, die das Axiomensystem von Rockafellar, R. T. / Uryasev, S. / Zabarankin, M.
(2003) erfüllen – vgl. hierzu auch Albrecht, P. (2003), Abschnitt 5.2 – können ebenfalls verwendet werden.
In diesem Falle kann regelmäßig mit der Beziehung RAC = E( L ) + a R I ( L) gearbeitet werden.
21
Wird eine indeterminierte Verlustposition um den sicheren Betrag c reduziert, etwa durch Zuführung von
Kapital, so verringert sich das Risiko der Position gerade um diesen Betrag c. Analog hierzu bedeutet die
Erhöhung einer Gewinnvariablen Y um c eine entsprechende Risikoreduktion, formal: R(Y + c) = R(Y ) − c.
Zur letzteren Darstellung siehe Artzner, P. u. a. (1999), S. 209.
 9

teilung für ( L1 , ..., Ln ) ausgehen, was im Rahmen der weiteren Ausführungen entsprechend
als Standardbeispiel fungieren wird. Aber auch in anderen Fällen sind gegebenenfalls analyti-
sche Resultate existent. 22 Ist eine analytische Bestimmung nicht möglich, so stehen als Ansät-
ze die Monte Carlo-Simulation oder aber die statistische Schätzung23 der interessierenden
Risikokennziffern zur Verfügung. Eine weitere Variante besteht in der Gewinnung von unte-
ren und oberen Grenzen von R(L ), etwa dann, wenn nur die Randverteilungen, nicht aber die
Abhängigkeitsstruktur spezifiziert sind. 24 Die noch ausstehenden Schritte des dargelegten
Prozesses einer Kapitalallokation werden in den folgenden Abschnitten im Detail erläutert.

3 Arten der Kapitalallokation

3.1 Absolute Kapitalallokation: Grundlagen

Der Standardfall einer Kapitalallokation lässt sich wie folgt allgemein formalisieren. Die Ver-
lustvariable L resultiert aus einer unternehmerischen Gesamtaktivität bzw. einem Gesamtport-
folio und das damit verbundene Risikokapital beläuft sich auf RAC = R(L). Zerlegt man die
Gesamtaktivität in einzelne Teilaktivitäten bzw. das Gesamtportfolio in einzelne Teilportfoli-
os oder Unterne hmenssegmente, so resultieren hieraus Verlustvariablen Li (i = 1, ..., n) mit

L = L1 + ... + Ln . Betrachtet man die isoliert ermittelten Risikokapitalien (Stand-alone-RACs)

gemäß RAC i := R( Li ), so gilt in vielen zentralen Fällen25

n n
(13) RAC = R( L) < ∑ R ( Li ) = ∑ RAC i .
i =1 i =1

Das Zusammenfügen der einzelnen Segmente bewirkt in der Regel einen Diversifikationsef-
fekt (bzw. im Versicherungsfall einen Ausgleich- im-Kollektiv-Effekt), der das insgesamt
notwend ige Risikokapital reduziert. Der Diversifikationseffekt lässt sich durch die Funktion

n  n 
(14) D R ( L1 , ..., Ln ) = ∑ R( Li ) − R ∑ Li  ,
i =1  i =1 

22
Siehe zum Beispiel die Resultate von Hürlimann, W. (2001a).
23
Vgl. beispielsweise Scaillet, O. (2003) für eine nicht-parametrische Schätzung des Conditional Value-at-
Risk.
24
Vgl. etwa die entsprechenden Beispiele in Hürlimann, W. (2001b).
25
Insbesondere immer dann, wenn das Risikomaß R subadditiv ist.
 10

das so genannte Diversifikationsmaß,26 erfassen. Für eine gegebene Menge von Verlustvariab-
len L1 , ..., Ln und ein gegebenes Risikomaß R tritt ein Diversifikationseffekt folglich genau

dann ein, wenn die Relation DR ( L1 , ..., Ln ) > 0 erfüllt ist.

Beispiel 7: (Risikomaße und Diversifikationseffekt)

Wir betrachten zunächst das Typus-II-Risikomaß R( L ) := E( L) + a Var ( L) für a > 0. Es gilt
dann:

n  n 
DR ( L1 , ..., Ln ) = a ∑ Var ( Li ) − Var  ∑ Li  
(15)  i =1  i =1  
= − a ∑ ρ ( Li , L j ) σ ( Li ) σ ( L j ) .
j ≠i

Das Eintreten eines Diversifikationseffekts DR ( L1 , ..., Ln ) > 0 ist somit keineswegs ein Au-

tomatismus, sondern abhängig von der jeweiligen Parameterkonstellation. So ist die Bezie-
hung DR ( L1 , ..., Ln ) > 0 beispielsweise mit Sicherheit erfüllt, wenn alle ρ ( Li , L j ) < 0 sind.

Die Varianz erweist sich somit als problematisches Risikomaß, zumindest im Hinblick auf die
Bestimmung des no twendigen Risikokapitals.

Die Risikomaße R( L ) = E ( L) + a σ ( L) für a > 0, R( L ) = E ( L) + a E[ L − E( L) ] sowie

R( L ) = E( L) + a LPM k (E ( L); L)1 k , für a > 0 und k ≥ 1, sind hingegen subadditiv 27 und es

tritt ein Diversifikationseffekt für alle Verlustvariablen L1 , ..., Ln ein, für die die Eigenschaft
der Subadditivität im strikten Sinne erfüllt ist.

Für den Value-at-Risk (VaR) zum Konfidenzniveau α gilt VaRα = Q1−α ( L ), wobei Q1−α das

( 1 − α)-Quantil der Verteilung der Verlustvariablen bezeichnet. Für das Diversifikationsmaß

gilt in diesem Falle

n  n 
(16) DVaR ( L1 , ..., Ln ) = ∑ Q1−α ( Li ) − Q1−α  ∑ Li  .
i =1  i =1 

26
Siehe hierzu Hürlimann, W. (2001b).
27
Vgl. etwa Albrecht, P. (2003), Abschnitt 6.4.
 11

Im allgemeinen Fall ist DVaR ( L1 , ..., Ln ) ≥ 0 nicht erfüllt, was äquivalent zu der Aussage ist,
dass das Risikomaß Value-at-Risk nicht generell über die Eigenschaft der Subadditivität ve r-
fügt. Es existieren aber Verteilungsklassen, für die eine Subadditivität des Value-at-Risk ge-
währleistet ist. 28 Folgt etwa ( L1 , ..., Ln ) einer multivariaten Normalverteilung, so ist für
α < 0,5 die Subadditivität des Value-at-Risk stets gegeben. Im Falle der Normalverteilung

gilt Q1−α ( X ) = E ( X ) + N1−α σ ( X ), wobei N1−α das (1 − α)-Quantil der Standardnormalver-

teilung bezeichnet. Für das Diversifikationsmaß resultiert hieraus die Repräsentation

n  n 
(17) DVaR ( L1 , ..., Ln ) = N1−α ∑ σ ( Li ) − σ  ∑ Li  ≥ 0 .
 i =1  i =1 

Die Subadditivität des Value-at-Risk gründet sich im Normalverteilungsfalle demnach auf der
Subadditivität der Standardabweichung.

Als letztes Risikomaß betrachten wir den Conditional Value-at-Risk 29 (CVaR) zum Konfi-
denzniveau30 α , wobei CVaRα = E[L L > VaRα ]. Der CVaR ist ein kohärentes Risikomaß31

im Sinne von Artzner/Delbaen/Eber/Heath und damit insbesondere subadditiv, solange man

sich auf stetige Verteilungen (Existenz einer Dichtefunktion) beschränkt. In diesem Falle gilt
für das Diversifikationsmaß folglich ausnahmslos die Relation DCVaR ( L1 , ..., Ln ) ≥ 0. Be-

trachten wir auch hier wiederum den Fall, dass ( L1 , ..., Ln ) einer multivariaten Normalvertei-

ϕ ( N1−α )
lung folgt, so gilt CVaRα ( X ) = E ( X ) + σ ( X ), wobei ϕ ( x ) ≥ 0 die Dichtefunktion
α
der Standardnormalverteilung bezeichnet. 32 Für das Diversifikationsmaß greift in diesem Fal-
le die Beziehung

ϕ ( N1−α )  n  n 
(18) DCVaR ( L1 , ..., Ln ) = ∑ σ ( Li ) − σ  ∑ Li   ≥ 0 .
α  i =1  i =1  

28
Allgemein gilt dies für die Klasse der elliptischen Verteilungen (sofern α < 0,5), vgl. Embrechts, P. /
McNeil, A. / Straumann, D. (2002), S. 190. Zur Klasse der elliptischen Verteilungen vgl. grundlegend Fang,
K.-T. / Kotz, S. / Ng, K.-W. (1990).
29
Siehe Albrecht, P. (2003), Abschnitt 7.2.
30
Dabei ist α das Konfidenzniveau, das der Value-at-Risk-Bestimmung zu Grunde liegt. Das resultierende
Konfidenzniveau beim Conditional Value-at-Risk ist damit stets kleiner oder gleich α , da die Relation
VaR ≤ CVaR uneingeschränkte Gültigkeit besitzt.
31
Vgl. Albrecht, P. (2003), Abschnitt 5.3 sowie Albrecht, P. / Koryciorz, S. (2003), S. 2 f.
32
Siehe dazu wiederum Albrecht, P. (2003), Abschnitt 7.2 und Albrecht, P. / Koryciorz, S. (2003), S. 6.
 12

Wie schon beim Value-at-Risk ist die Subadditivität des Conditional Value-at-Risk im Nor-
malverteilungsfalle 33 äquivalent zur Subadditivität der Standardabweichung.

Kommen wir zurück zur Aufgabe der (absoluten) Kapitalallokation. Wie bereits im ersten
Kapitel ausgeführt, ignoriert der Ansatz des Stand-alone- RAC ( RACi = R ( Li ) ) , etwa im Zuge
einer RORAC-Segmentsteuerung, die Wechselwirkungen zwischen den Segmenten, die insge-
samt zu einem positiven Diversifikationseffekt DR ( L1 , ..., Ln ) > 0 führen können. Eine
Stand-alone-Steuerung des i-ten Segments ignoriert somit Risikoreduktionseffekte, die für die
Gesamtposition von zentraler Bedeutung sind. Eine integrierte Segmentsteuerung, die die
Gesamtposition mit berücksichtigt, darf daher nicht auf dem Stand-alone-Risikokapital
RACi = R( Li ) basieren, sondern auf einem (noch geeignet festzusetzenden) allokierten Ris i-

kokapital RAC i* = R( Li ; L), das auf den Risikobeitrag des i-ten Segments zum Gesamtrisiko

R(L) abstellt. Die Bestimmung der Risikobeiträge R( Li ; L) steht damit im Zentrum jegli-
cher (absoluten) Risikokapitalallokation. Die Aufgabe ist es dabei, einen (positiven) Diversi-
fikationseffekt DR ( L1 , ..., Ln ) > 0 in einer angemessenen bzw. „fairen“ (z. B. risikoadäqua-
ten) Weise so auf die einzelnen Segmente zu verteilen, dass die konstitutive Bedingung

n n
(19) ∑ RAC i* = ∑ R( Li ; L ) = R(L)
i =1 i =1

erfüllt ist. Diese Aufgabe ist nicht-trivial, da der Diversifikationseffekt nicht- linearer Natur
ist. 34 Die Erfüllung der Bedingung (19) beinhaltet somit im Kern stets die Linearisierung ei-
nes nicht- linearen Zusammenhangs. Dies ist jedoch nicht willkürfrei möglich, sondern kann
nur auf der Basis zusätzlicher Annahmen („Was ist eine faire bzw. risikoadäquate Vertei-
lung?“) erfolgen, die kritisierbar sind. Gleichwohl schließen diese Zusammenhänge nicht aus,
dass die Allokation in „vernünftiger“ Weise, auf der Basis von objektiven Kriterien, vorge-
nommen werden kann.

Der Zusammenhang zwischen RAC i* und RAC i bzw. zwischen R( Li ; L) und R( Li ) kann

formal auf der Grundlage von Allokationsfaktoren 0 ≤ ϕ i ≤ 1 dargestellt werden,

33
Im Gegensatz zum Value-at-Risk ist eine Beschränkung auf α < 0,5 allerdings nicht länger notwendig.
34
So ist etwa im Falle des Risikomaßes Standardabweichung sowie im Falle einer multivariaten Normalvertei-
lung bei Ansatz des Value-at-Risk bzw. des Conditional Value-at-Risk der Diversifikationseffekt eine Funk-
tion der Quadratwurzel.
 13

(20) R ( Li ; L ) = ϕ i R ( L) ,

n n
wobei zur Gewährleistung von (19) die Beziehung ∑ ϕ i = ∑ R (Li ; L) R( L) = 1 gelten muss.
i =1 i =1

Schließlich lässt sich der Segmentbeitrag zum Diversifikationseffekt (unter der Allokationsre-
gel (ϕi )) DR ( Li ) := R( Li ) − R( Li ; L ) = R( Li ) − ϕ i R( L) definieren. Für diesen gilt der struk-
n n
turelle Zusammenhang ∑ DR (Li ) = ∑ R(Li ) − R( L) = DR (L1 , ..., Ln ).
i =1 i =1

Eine zentrale Problematik der Kapitalallokation im Hinblick auf die Unternehmenssteuerung

besteht nun darin, dass das Ausmaß des Diversifikationseffektes DR ( L1 , ..., Ln ) im Allge-

meinen von allen Segmentverlustgrößen L1 , ..., Ln simultan abhängt, mithin jegliche Verän-
derung eines Segments (z. B. durch Segmentvergrößerung oder -schrumpfung) das Ausmaß
der Diversifikation und damit die Kapitalallokation nicht unverändert lässt. Die vorgeno m-
mene Kapitalallokation setzt damit im allgemeinen Fall eine Fixierung der Segmentgrößen
L1 , ..., Ln voraus. Jegliche Veränderung Li + ∆Li auch nur eines der Segmente ändert das
Gesamtrisikokapital R(L) und erzwingt damit eine neue Kapitalallokation. Dies gilt es bei
dem Einsatz von allokiertem Risikokapital zur Segment- bzw. Unternehmenssteuerung sorg-
fältig zu beachten.

3.2 Absolute Kapitalallokation bei homogenen Segmenten

Eine Klasse von Spezialfällen, denen besondere Bedeutung zukommt und bei denen, wie noch
gezeigt wird, die Gewinnung tiefer gehender Resultate möglich ist, soll in diesem Abschnitt
detaillierter analysiert werden. Es sind dies die Fälle, in denen die einzelnen Segmente be-
stimmte homogene Strukturen besitzen, wie etwa in den einführenden Beispielen 2, 3 und 6.
Hier ist man nicht nur in der Bestimmung des allokierten Risikokapitals pro Segment interes-
siert, sondern darüber hinausgehend in einer Risikokapitalallokation pro Segmenteinheit (per
unit allocation).

Im Falle des Beispiels 2 (homogenes Versicherungskollektiv) wird dabei eine Risikokapitala l-

lokation R( X i ; L) pro Versichertem des i-ten Teilkollektivs gesucht, die die Bedingung
 14

(21) R ( Li ; L) = k i R ( X i ; L)

erfüllt. Dabei entspricht X i derjenigen Zufallsvariable, gemäß der die individuellen Gesamt-

schäden X ij der k i Versicherten des i-ten Teilkollektivs (unabhängig und) identisch verteilt

sind. Analog dazu wird im Falle des Beispiels 3 eine Risikokapitalallokation R( LFi ; L) pro

Einheit des Finanztitels i gesucht, die der Bedingung

(22) R( Li ; L ) = xi R ( LFi ; L)

genügt, wobei xi die Anzahl des i-ten Finanztitels im Investmentportfolio bedeute.

Im Investmentfall (Beispiel 3) kann die dargestellte Aufgabe auch folgendermaßen formali-

siert werden. 35 Fixiert man die Verlustvariablen LF1 , ..., LFn , so induziert die Funktion

 n 
(23) R( x1 , ..., xn ) := R ∑ xi LFi 
 i =1 

ein Risikomaß 36 auf dem ℜ n . Wir sind dann an einer Kapitala llokation Ri ( x1 , ..., xn ) =

R( LFi ; L) pro Einheit des i-ten Finanztitels interessiert, die insbesondere die Bedingung (19)
der vollständigen Allokation, in diesem Kontext

n
(24) ∑ xi Ri (x1 , ..., x n ) = R (x1 , ..., xn ) für alle ( x1 , ..., xn )
i =1

erfüllt.

Wie im allgemeinen Fall des Abschnitts 3.1 ist dabei auch im Falle eines homogenen Portfo-
lios von Finanztiteln die Kapitalallokation abhängig sowohl von den fixierten Basisfinanzt i-
teln, wie auch von den Ausmaßen xi mit denen in diese Basisfinanztitel investiert wurde.

35
Siehe zu diesem Ansatz Denault, M. (2001), Fischer, T. (2003) sowie Tasche, D. (2000, 2002).
36
Im Falle von homogenen Versicherungskollektiven ist eine analoge Vorgehensweise möglich. Jedoch ist das
korrespondierende induzierte Risikomaß (aufgrund der Ausgleichseffekte in den betreffenden Teilkollekt i-
ven) kein positiv homogenes Risikomaß. Dies aber ist essentiell für die in Abschnitt 5.5 dargestellten Ergeb-
nisse im Zusammenhang mit (24).
 15

3.3 Inkrementelle Kapitalallokation

Im Rahmen einer inkrementellen Kapitalallokation wird der Risikobeitrag des i-ten Segments
zum Gesamtrisiko derart ermittelt, dass die Differenz zwischen dem Risikokapital unter Ein-
schluss des Segments sowie dem Risikokapital unter Ausschluss dieses Segments betrachtet
wird, 37 das heißt

(25) R( Li ; L) := R( L ) − R( L − Li ), i = 1, ..., n .

Diese durchaus intuitive Vorgehensweise besitzt jedoch den Nachteil, dass im Allgemeinen
nicht die für eine Kapitalallokation fundamentale Beziehung (19) gewährleistet ist, das heißt
sich das allokierte Risikokapital nicht notwendigerweise zum Gesamtrisikokapital aufad-
diert. 38 Betrachten wir hierzu ein Beispiel.

Beispiel 8: (Inkrementelle Kapitalallokation)

Wir gehen aus von zwei Segmenten mit zugehörigen Verlustvariablen L1 und L2 . Das Risi-

komaß R sei subadditiv und es existiere ein positiver Diversifikationseffekt DR ( L1 , L2 ) > 0.

Die Segmentrisikobeiträge nach dem inkrementellen Verfahren bestimmen sich demnach zu
R( L1 ; L ) := R( L) − R( L2 ) bzw. R( L2 ; L) := R ( L) − R( L1 ). Es gilt damit

R( L1 ; L) + R ( L2 ; L) = R( L1 + L2 ) + R ( L1 + L2 ) − R( L1 ) − R( L2 )
= R( L1 + L2 ) − DR ( L1 , L2 )
< R( L1 + L2 ) ,

mithin tritt hier eine Allokationslücke exakt in Höhe des Diversifikationseffektes auf. Dies
liegt allgemein darin begründet, 39 dass im Rahmen von (25) jeweils der gesamte Diversifika-
tionseffekt dem Segment i zugeschlagen wird und keine Aufteilung zwischen dem Restkol-
lektiv und dem Segment erfolgt. Dies erkennt man, indem man R( Li ; L) gemäß (25) in der
n
äquivalenten Form R( Li ; L ) = ∑ R( Li ) − R( L − Li ) − DR ( L1 , ..., Ln ) bestimmt.
i =1

Das dargestellte Verfahren einer inkrementellen Kapitalallokation erweist sich damit als un-
geeignet für eine Kapitalallokation.

37
Vgl. zu dieser Vorgehensweise etwa Hooker, N. D. u. a. (1996), S. 294, Merton, C. / Perold, A. F. (1993),
S. 28 – in diesen Beiträgen als marginale Kapitalallokation bezeichnet – sowie Dowd, K. (1999) und Litter-
man, R. (1996), S. 75.
38
Siehe hierzu allgemein Merton, C. / Perold, A. F. (1993), S. 32.
39
Vgl. Stoughton, N. / Zechner, J. (2000), S. 893.
 16

Eine Variante 40 des Verfahrens der inkrementellen Kapitalallokation stellt auf das durch die
Hinzunahme eines Segments zusätzlich induzierte Risikokapital ab, das heißt, es gilt
R1 ( L1; L) := R( L1 ) und R( Li ; L) := R( L1 + ... + Li ) − R( L1 + ... + Li −1 ) für i = 2, ..., n. Diese
n
Verfahrensweise sichert zwar eine vollständige Allokation der Form ∑ Ri (Li ) = R(L), aber
i =1

das zugewiesene Risikokapital hängt nunmehr von der Reihenfolge ab, in der die Segmente
zu einem Gesamtkollektiv zusammengefügt werden. Des Weiteren erhält das zuerst ausge-
wählte Segment als Risikokapital stets sein Stand-alone-RAC zugeordnet und partizipiert folg-
lich nicht an dem gesamtkollektiven Diversifikationseffekt. Auch dieses Verfahren ist somit
höchst problematisch. Insgesamt werden daher in der vorliegenden Ausarbeitung inkrementel-
le Verfahren der Kapitalallokation nicht weiter verfolgt.

3.4 Marginale Kapitalallokation

Verfahren der marginalen Kapitalallokation41 betrachten die Auswirkungen von marginalen

Positionsänderungen auf das notwendige Risikokapital. Dies erscheint insbesondere in dem in
Abschnitt 3.2 dargelegten Kontext homogener Portfolios sinnvoll, in denen ein (induziertes)

Risikomaß R( x1 , ..., x n ) auf einer Teilmenge des ℜ n definiert ist. Im Rahmen einer margi-

nalen Kapitalallokation werden dann die Größen (Deltas)

∂ R( x1, ..., x n )
(26) Di ( x1 , ..., x n ) := , i = 1, ..., n ,
∂ xi

betrachtet. Dies setzt die partielle Differenzierbarkeit von R in allen Komponenten voraus.
Die marginalen Kapitalbeiträge Di ( x1 , ..., x n ) quantifizieren approximativ die Änderung des

gesamten Risikokapitals bei einer kleinen Änderung ∆xi der i-ten Portfolioposition, das heißt

R( x1 , ..., xi −1 , xi + ∆xi , xi +1 , ..., xn ) ≈ Di ( x1 , ..., x n ) ∆xi .

In diesem Sinne liegt allerdings weniger eine Kapitalallokation, denn eine Sensitivitätsanaly-
se42 vor.

40
Siehe etwa Kinder, C. (1999), S. 158 ff. oder Tijs, S. H. / Driessen, T. S. (1986), S. 1017.
41
Vgl. etwa Litterman, R. (1996) sowie Garman, M. B. (1996, 1997).
42
Für entsprechende Sensitivitätsanalysen im VaR- bzw. CVaR-Zusammenhang siehe Gourieroux, C. / Lau-
rent, J. P. / Scaillet, O. (2000) bzw. Scaillet, O. (2003).
 17

Neben diesen Möglichkeiten einer Sensitivitätsanalyse existiert aber auch ein direkter Zu-
sammenhang zur absoluten Kapitalallokation. Ist das induzierte Portfoliorisikomaß positiv

homogen, das heißt gilt R( c x) = c R ( x ) für alle c > 0, x ∈ ℜ n , und ist R nach allen xi stetig

differenzierbar, so gilt gemäß des Satzes von Euler die fundamentale Beziehung

n
(27) R( x1 , ..., xn ) = ∑ xi Di ( x1 , ..., xn ) .
i =1

Setzt man mithin Ri ( x1 , ..., x n ) = Di ( x1 , ..., xn ) so ist eine (absolute) Risikokapitalallokation

gefunden, die die Beziehung (24) erfüllt. In diesem Kontext kann somit der Ansatz einer ma r-
ginalen Kapitalallokation unter dem der absoluten Kapitalallokation mitbehandelt werden.
Dies wird im Abschnitt 5.5 dieser Ausarbeitung erfolgen.

4 Anforderungen an eine absolute Kapitalallokation

Eine Möglichkeit, eine vernünftige (absolute) Kapitalallokation zu gewährleisten, besteht dar-

in, entsprechende Anforderungen an eine solche Allokation zu postulieren und spezifische
Allokationsregeln im Hinblick auf die Erfüllung dieser Anforderungen zu kontrollieren.

Eine erste Basisanforderung ist die Gewährleistung einer vollständigen Kapitalallokation ge-
mäß (19):

n
(A1) ∑ R( Li ; L ) = R(L) .
i =1

Eine zweite Basisanforderung besteht darin, dass das allokierte Kapital nicht höher als das
Stand-alone- RAC ausfallen darf, formal

(A2´) R( Li ; L) ≤ R( Li ), i = 1, ..., n ,

da andernfalls das entsprechende Segment durch die Einbettung in die Gesamtposition be-
nachteiligt würde.
 18

Denault (2001) postuliert nun weiter gehende Anforderungen an eine Kapitalallokation. Als
Verschärfung der Bedingung (A2´) kommt dabei zunächst das so genannte No Undercut-
Axiom zum Tragen:

 
(A2) ∑ R(Li ; L) ≤ R ∑ Li  , für alle Teilmengen M von {1, ..., n} .
i∈M  i∈M 

Die Summe der Segment-Risikokapitalien über beliebig kombinierte Segmente darf somit
ebenfalls nicht höher sein, als das Stand-alone-Risikokapital des entsprechenden vereinigten
Segments. Ansonsten würde wiederum eine Benachteiligung relativ zu dem vereinigten Seg-
ment existieren.

Äquivalent 43 zur No Undercut-Bedingung (A2) – und die eigentliche Basis für die Namens-
gebung – ist die folgende Anforderung:

(A2*) Es gibt keine Teilmenge M ⊆ {1, ..., n} und Größen H i , i ∈ M , mit der

 
Eigenschaft ∑ H i = R ∑ Li  und H i < R( Li ; L) für alle i ∈ M .
i∈M  i∈M 

Es darf folglich keine Teilmenge M von Segmenten geben, so dass allokierte Risikokapitalien
H i existieren, die in allen diesen Segmenten geringer als R( Li ; L) ausfallen.

Des Weiteren erweist es sich als nahe liegend, zu fordern, dass ein Allokationsmechanismus
identische Risiken stets gleich zu behandeln hat:

(A3) Gilt Li ~ L j und weisen beide Segmente die gleichen stochastischen

Abhängigkeiten zum Restkollektiv auf, so muss R( Li ; L) = R( L j ; L )

gelten.

Dieses als Symmetrie 44 bezeichnete Axiom stellt insbesondere sicher, dass das Allokationser-
gebnis ausschließlich von den Eigenschaften der betrachteten Risiken abhängig ist und nicht
auch von weiteren Einflussfaktoren außerhalb der reinen Risikosphäre. 45

43
Vgl. Hürlimann, W. (2001b), S. 12.
44
Es sei angemerkt, dass sich der hier verwendete Symmetrie -Begriff im Detail von dem bei Denault, M.
(2001), S. 5 zur Anwendung kommenden unterscheidet.
45
Mit der Forderung nach Symmetrie scheidet beispielsweise die unter Gliederungspunkt 3.3 skizzierte modi-
fizierte Variante inkrementeller Kapitalallokation als vernünftige Allokationsmethode aus, da hier auch die
Betrachtungsreihenfolge auf das Allokationsergebnis Einfluss nimmt.
 19

Abschließend wird noch die Bedingung der risikolosen Allokation postuliert:

(A4) R ( c; L ) = c .

Für deterministische Verluste Li = c entspricht das allokierte Kapital exakt der Verlusthöhe.
Eine andere Kapitalallokation kommt in diese Falle nicht in Betracht, da es an einem Risiko-
element fehlt. 46

Kapitalallokationen, die die Postulate (Axiome) (A1) - (A4) erfüllen, werden von Denault
(2001) als kohärente Allokationsprinzipien bezeichnet.

5 Allokationsprinzipien

5.1 Proportionale Allokation

Eine erste einfache Allokationsregel, die die Bedingung (A1) einer vollständigen Allokation
erfüllt, besteht darin, den gesamten Diversifikationseffekt DR ( L1 , ..., Ln ) proportional zur
relativen Höhe des Stand-alone-Risikokapitals jedes Segmentes aufzuteilen, 47 das heißt

R( Li )
(28) DR ( Li ) := DR ( L1, ..., Ln ) n
.
∑ R( L j )
j =1

In Termen des allokierten Risikokapitals ist hierzu aufgrund von R( Li ; L ) = R( Li ) − DR ( Li )

n
und D R ( L1 , ..., Ln ) = ∑ R( L j ) − R( L) die folgende Festsetzung des Segmentrisikokapitals
j =1

äquivalent:

46
In einem verallgemeinerten Verständnis lässt sich das Axiom der risikolosen Allokation dahingehend inter-
pretieren, dass einer Geschäftseinheit i, die ihren gesamtkollektiven Risikobeitrag um den sicheren Betrag b
reduziert – im Versicherungsfall beispielsweise ausgelöst durch gestiegene Beitragseinnahmen ( ∆p i = b)
bei unverändertem Risikoexposure – eine Allokationsersparnis von ∆ R( L i ; L) = − b zu Gute kommen soll.
Vgl. dazu Denault, M. (2001), S. 5.
47
Offenbar kann der Diversifikationseffekt gemäß (28) auch entsprechend aufgeteilt werden, wenn R(.) ein
beliebiges Risikomaß (des Typus I oder II) ist, das heißt nicht notwendigerweise dem Stand-alone-Risikoka-
pital entspricht. Aufgrund der im Haupttext dargelegten grundsätzlichen Mängel einer proportionalen Allo-
kation, soll diese erweiterte Variante aber nicht näher untersucht werden.
 20

R ( Li )
(29) R( Li ; L ) := n
R ( L) .
∑ R (L j )
j =1

Die Allokationsfaktoren gemäß (19) lauten demgemäß

R ( Li )
(30) ϕi = n
.
∑ R( L j )
j =1

Insgesamt sind hierbei offenbar die Bedingungen ∑ R( Li ; L ) = R(L), ∑ ϕ i = 1 sowie auch

i i

∑ DR (Li ) = DR ( L1 , ..., Ln ) erfüllt.

i

Beispiel 9:
Betrachen wir zunächst das Risikomaß Standardabweichung, so ergeben sich die Allokations-
faktoren zu

σ ( Li )
ϕi = n
.
∑σ (L j )
j =1

Im Falle des Value-at-Risk zum Konfidenzniveau α erhalten wir aufgrund von

VaRα ( L ) = Q1−α ( L ) Allokationsfaktoren der Form

Q1−α ( Li )
ϕi = n
.
∑ Q1−α (L j )
j =1

Im Falle des Conditional Value-at-Risk zum Konfidenzniveau α ergeben sich schließlich die
Allokationsfaktoren zu

E[Li Li > Q1−α ( Li ) ]

ϕi = .48
∑ E [L j ]
n
L j > Q1−α ( L j )
j =1

48
Weitere Beispiele für eine proportionale Risikokapitalallokation finden sich in Albrecht, P. (1998).
 21

Da die Allokationsfaktoren gemäß (30) ausschließlich an den Stand-alone-Risikokapitalien

orientiert sind und diese die Wechselwirkungen (stochastische Abhängigkeiten) zwischen den
Segmenten nicht erfassen, gilt dieser Kritikpunkt auch für die proportionale Allokation. Die
eigentliche Kernaufgabe einer Kapitalallokation, die segmentweise Aufspaltung des Gesamt-
risikos R(L ), spiegelt sich in den Allokationsfaktoren ebenfalls nicht wider. Schließlich und
endlich ist die proportionale Kapitalallokation nicht kohärent: Zunächst gilt bei Bestehen ei-
nes positiven Diversifikationseffektes zwar R( L ) / ∑ R ( L j ) < 1, womit gemäß (29) die
j

„schwache Version“ (A2´) des No Undercut-Axioms erfüllt ist. Demgegenüber ist jedoch die
No Undercut-Bedingung (A2) in ihrer vollen Allgemeinheit verletzt. Betrachten wir hierzu
abschließend ein Be ispiel.

Beispiel 10:
Gegeben seien drei Segmente i = 1, 2 und 3 mit zugehörigen Verlustvariablen L1 , L2 und

L3 . Dabei gelte Li ~ N(1, 2) für i = 1, 2, 3 sowie ρ ( L1 , L2 ) = ρ ( L2 , L3 ) = 0,5 und

ρ ( L1 , L3 ) = 0. Als Risikomaß wählen wir den Value-at-Risk zum Konfidenzniveau α = 0,01,

das heißt R( L ) = VaR0 ,01 ( L ). Für die Stand-alone-Kapitalien ergibt sich dann zunächst je-

weils R( Li ) = E ( Li ) + 2,33 σ ( Li ) = 1 + 2,33 2 = 4,295. Aufgrund von Var ( L1 + L2 + L3 ) =

∑ Var ( Li ) + ∑ ρ ( Li , L j ) σ ( Li ) σ ( L j ) = 10 folgt hieraus für den Value-at-Risk

i i≠ j

VaR0, 01 ( L1 + L2 + L3 ) = 3 + 2,33 10 = 10,368. Bei proportionaler Allokation nehmen nun die

Allokationsfaktoren jeweils den Wert 1 3 an; hieraus resultiert R( Li ; L) = 10,368 3 = 3,456.

Betrachten wir nun das vereinigte Segment {1, 3}, so ergibt sich hier als Stand-alone-Kapital

R( L1 + L3 ) = VaR0,01 ( L1 + L3 ) = 2 + 2,33 σ ( L1 + L3 ) = 2 + 2,33 4 = 6,66. Damit gilt insge-

samt R( L1 ; L) + R( L3 ; L) = 6,912 > 6,66 = R( L1 + L3 ). Die Bedingung (A2) ist folglich ver-
letzt; die Segmente 1 und 3 wären günstiger auf Stand-alone-Basis zu führen als ve reinigt mit
Segment 2 im Gesamtkollektiv. 49

49
Aus der Beziehung (29) ist des Weiteren unmittelbar ersichtlich, dass eine proportionale Allokation zwar
symmetrisch ist, typischerweise aber auch gegen das Axiom der ris ikolosen Allokation verstößt.
 22

5.2 Kovarianzprinzip

Die kovarianzbasierte Risikokapitalallokation basiert auf der folgenden Festsetzung der Allo-
kationsbeträge:

R( Li ; L ) := E( Li ) +
Cov( Li , L )
[R( L) − E(L)]
(31) Var ( L)
= E( Li ) + β i [R( L) − E( L )] .

Dabei werden die Betafaktoren β i = β ( Li ; L) gemäß β i = Cov ( Li , L) Var ( L ) definiert.50

Die Allokationsfaktoren ergeben sich somit zu

(32) ϕ i = Cov ( Li , L ) Var ( L ) = β i

und sind damit offenbar unabhängig vom konkret gewählten Risikomaß. Wegen

 
∑ Cov( Li , L ) / Var (L ) = Cov ∑ Li , L  / Var (L) = Cov( L, L) / Var (L ) = 1 ist offenbar die Be-
i  i 
dingung (A1) der vollständigen Risikokapitalallokation erfüllt. Da bei der Allokation die
Stand-alone-Risikokapitalien keine Rolle spielen, ist jedoch bereits das schwache No Under-
cut-Postulat R( Li ; L ) ≤ R( Li ) im allgemeinen Fall nicht gewährleistet. 51

Die Allokationsfaktoren ϕ i ergeben sich offenbar aus der Aufspaltung des Risikomaßes Vari-
anz in einzelne Segmentbeiträge,

 n  n n  n
(33) Var ( L) = Var  ∑ Li  = ∑ ∑ Cov( Li , L j ) = ∑ Cov( Li , L) ,
 i =1  i =1  j =1  i =1

und der Normierung der Segmentbeiträge Cov( Li , L) zum Gesamtrisiko Var (L) durch Divi-
sion durch dieses Gesamtrisiko. Mithin erfolgt im Rahmen des Kovarianzprinzips eine Ver-
rechnung des auf R( L) − E ( L) entfallenden Diversifikationseffekts auf der Basis der Kovari-

anzstruktur der L1 , ..., Ln , das heißt auf der Grundlage einer spezifischen Quantifizierung der

linearen stochastischen Abhängigkeit der Segmente. Unter Beschränkung auf die Vertei-
lungsklasse der elliptischen Verteilungen, insbesondere der multivariaten Normalverteilung,
kann eine solche Erfassung der stochastischen Abhängigkeit als gerechtfertigt angesehen

50
Die Betafaktoren können somit prinzipiell negativ werden. Inwiefern dies in empirischen Anwendungen zu
Segmentrisikokapitalien R( Li ; L ) < 0 gemäß (31) führen kann, ist jedoch unklar.
51
Analog zur proportionalen Allokation steht daneben auch beim Kovarianzprinzip der Symmetrie des Verfah-
rens die generell fehlende Einhaltung des Axioms der risikolosen Allokation gegenüber.
 23

werden. 52 Im generellen Fall greift dies jedoch zu kurz und es wäre eine segmentspezifische
Aufspaltung von R(L) anstelle von Var (L) vorzuziehen. Wir verzichten im Zusammenhang
mit dem Kovarianzprinzip auf ein Beispiel, da wie bereits festgestellt die Allokationsfaktoren
gemäß (32) unabhängig vom konkret gewählten Risikomaß sind.

Das Kovarianzprinzip besitzt den Vorteil einer sehr generellen Anwendbarkeit, solange
R( L ) > E( L ) gewährleistet ist. 53 Allerdings wird die Allokation stets so durchgeführt, als ob
R( L) − E ( L) und Var (L) identisch wären. Das zur Ermittlung des Gesamtrisikokapitals ve r-
wandte Risikomaß R(.) spielt dabei keine Rolle mehr. Zudem ist es nur im multivariaten el-
liptischen Fall plausibel, die Korrelationsstruktur als Ausgangspunkt für eine Verteilung des
auf R( L) − E ( L) entfallenden Diversifikationseffekts zu verwenden.

Im Falle von homogenen Segmenten – man vergleiche die entsprechenden Beispiele des Ab-
schnitts 2 – kann das Kovarianzprinzip entsprechend verallgemeinert werden. Beginnen wir
ki
mit dem Versicherungsfall (Beispiel 2). Hier ist Li = ∑ X ij , wobei die Zufallsvariablen X ij
j =1

unabhängig und gemäß X i identisch verteilt sind. Definieren wir in einem ersten Schritt

 ki 
β ( X i ; L ) := Cov( X i , L ) Var ( L ), so gilt entsprechend β ( Li ; L) = Cov  ∑ X ij , L  / Var ( L ) =
 j =1 
 
ki
∑ Cov( X ij , L) Var ( L) = k i Cov( X i , L) Var (L) und damit β ( Li ; L) = k i β ( X i ; L). Definie-
j =1

ren wir R( X i ; L ) = E( X i ) + β ( X i ; L) [R( L ) − E( L)] , so gleicht β ( X i ; L) einer Risikokapi-

talallokation pro Versichertem, die die Bedingung (21) erfüllt.

Im Investmentfall (Beispiel 3) ist entsprechend β ( LFi ; L ) := Cov( LFi , L ) Var ( L) zu definie-

ren und R( LFi ; L ) = E( LFi ) + β ( LFi ; L) [R( L ) − E( L)] zu setzen, um das Kovarianzprinzip

auf Segmente von Finanztiteln zu verallgemeinern. Allerdings ist darauf hinzuweisen, dass
die Var(L)-Terme in den beiden behandelten Fällen unterschiedlich sind und damit auch die
Betafaktoren. Im Versicherungsfall gilt die Beziehung

52
Siehe Embrechts, P. / McNeil, A. / Straumann, D. (2002).
53
Dies gilt insbesondere für erwartungswertbegrenzte Risikomaße des Typus II, vgl. dazu Albrecht, P. (2003),
Abschnitt 5.4.
 24

n
(34a) Var ( L) = ∑ ki Var ( X i ) + ∑ k i k j Cov( X i , X j ) ,
i =1 j≠i

während im Investmentfall der Zusammenhang

n
(34b) Var ( L) = ∑ xi2 Var ( LFi ) + ∑ xi x j Cov( LFi , LF j )
i=1 j ≠i

Gültigkeit besitzt. Der Unterschied (linearer bzw. quadratische Anteile der Segmentgröße im
ersten Term) resultiert daraus, dass im Versicherungsfall ein Ausgleich-im-Kollektiv- Effekt
auch innerhalb des Segments wirkt, im Investmentfall hingegen nicht.

5.3 Bedingter Erwartungswert-Prinzip

Im Rahmen einer bedingten Erwartungswertbildung greifen die Beziehungen L = E[L L] =

∑ E[Li L ] sowie E[L L = R( L) ] = R( L ). Insgesamt gilt damit

n

i =1

R( L ) = E[L L = R ( L) ] = ∑ E[Li L = R( L) ] .
n
(35)
i =1

Die bedingte Erwartungswertbildung impliziert somit eine lineare Aufspaltung des Risikoma-
ßes und legt die folgende Definition des Segmentrisikokapitals nahe:

(36) R( Li ; L) = E[Li L = R ( L) ] ,

eine Allokation, die den Postulaten (A1), (A3) sowie (A4) per constructionem genügt.

Beispiel 11: (Bedingtes Erwartungswert-Prinzip und multivariate elliptische Verteilung)

Im Falle einer multivariaten elliptischen Verteilung gilt 54

E[Li L ] = E( Li ) + [L − E( L )]
Cov( Li , L)
(37)
Var ( L)

und damit E[Li L = x ] = E ( Li ) + [ x − E( L)]. Hieraus folgt die Risikokapitalauftei-

Cov ( Li , L)
Var ( L)
lung

54
Siehe Hürlimann, W. (2001b), S. 12.
 25

(38) R( Li ; L) = E( Li ) + β i [R ( L) − E( L) ] ,

wenn wie in Abschnitt 5.2 wiederum der Betafaktor β i = β i ( Li ; L) = Cov( Li , L ) Var ( L )

benutzt wird. Im Beispielfalle reduziert sich somit das Bedingter Erwartungswert-Prinzip auf
das Kovarianzprinzip (31).

Betrachten wir als Risikomaß R( L ) = E ( L) + a σ ( L), so reduziert sich (38) auf

(39) R( Li ; L ) = E( Li ) + a β i σ ( L) .

Damit kann im elliptischen Fall für das Risikomaß R( L ) = E ( L) + a σ ( L) auch direkt die Gül-
tigkeit des schwachen No Undercut-Postulats (A2´) nachgewiesen werden. Zu zeigen ist
R( Li ; L) ≤ R( Li ), das heißt E ( Li ) + a β i σ ( L) ≤ E( Li ) + a σ ( Li ). Dies reduziert sich auf den

Nachweis von Cov( Li , L) ≤ σ ( Li ) σ ( L), was wegen Cov( Li , L) = ρ ( Li , L) σ ( Li ) σ ( L) und

ρ ( Li , L) ≤ 1 stets erfüllt ist.

Damit ist es auch möglich, im Falle des Value-at-Risk bzw. des Conditional Value-at-Risk die
entsprechenden Segmentrisikokapitalien anzugeben, wenn wir uns auf den Fall der multivari-
aten Normalverteilung beschränken. Es gilt dann

(40) R( Li ; L) = E( Li ) + N1−α β i σ ( L)

bzw.

ϕ ( N1−α )
(41) R ( Li ; L) = E ( Li ) + β i σ ( L) .
α

Im allgemeinen Fall ist der bedingte Erwartungswert gemäß (36) nicht analytisch ermittelbar
und es müssen alternative Wege, z. B. Monte Carlo-Simulation oder statistische Schä tzung,
beschritten werden. 55

55
Für einen Überblick vgl. etwa Hallerbach, W. G. (2002/03). Für den Spezialfall des Value-at-Risk siehe
Gourieroux, C. / Laurent, J. P. / Scaillet, O. (2000) und für den Spezialfall des Conditional Value-at-Risk
vgl. Scaillet, O. (2003).
 26

5.4 CVaR-Prinzip

Bei Ansatz des spezifischen Risikomaßes Conditional Value-at-Risk CVaRα ( L) =

E[L L > VaRα ( L) ] = E[L L > Q1−α ( L) ] ergibt sich aufgrund der Linearität des bedingten Er-

wartungswertes offenbar eine direkte additive Aufspaltung der Form

∑ E[Li L > VaRα ( L) ] ,

n
(42) CVaRα ( L) =
i =1

die die Erfüllung des Postulats (A1) der vollständigen Kapitalallokation gewährleistet. Die
einzelnen Summanden aus (42) lassen sich nun unmittelbar als Segmentrisikokapital interpre-
tieren,

(43) R( Li ; L) = E[Li L > Q1−α ( L) ] ,

was formal einer Verwendung der Allokationsfaktoren56

E[Li L >Q1−α ( L) ]
(44) ϕi =
E[L L >Q1−α ( L) ]

gleichkommt.

Beispiel 12: (CVaR-Prinzip im elliptischen Fall)

Unter Anwendung des Resultats (37) für den bedingten Erwartungswert E[Li L ] einer multi-

variaten elliptischen Verteilung, folgt allgemein57

(45) R( Li ; L ) = E( Li ) + β i [CVaRα ( L) − E ( L) ] .

Dies ist gemäß (38) ein Spezialfall des Bedingter Erwartungswert-Prinzips für
R( L ) = CVaRα ( L).

Im Spezialfall der multivariaten Normalverteilung kann dann auch direkt die Gültigkeit des
schwachen No Undercut-Postulats (A2´) nachgewiesen werden: Zunächst reduziert sich
ϕ ( N1−α )
R( Li ; L) gemäß (45) in diesem Fall auf (41). R( Li ) ist durch E ( Li ) + σ ( Li ) gege-
α

56
Man beachte den Unterschied zur proportionalen Aufteilung des CVaR gemäß Beispiel 9.
57
Vgl. hierzu Hürlimann, W. (2001b), S. 12.
 27

ben, 58 so dass lediglich β i σ ( L) ≤ σ ( Li ) nachzuweisen ist. Dies ist äquivalent zu

Cov( Li , L) ≤ σ ( Li ) σ ( L) und damit erfüllt.

Darüber weit hinausgehend kann gezeigt werden, dass das CVaR-Prinzip insbesondere dann
ein kohärentes Allokationsprinzip darstellt, wenn ( L1 , ..., Ln ) eine multivariate Dichtefunkti-
on besitzt. Die Begründung für diese Aussage kann auf der Basis der Eigenschaften des Eu-
ler-Prinzips gegeben werden, die im nächsten Abschnitt erörtert werden.

5.5 Euler-Prinzip

Im Zuge der Kapitalallokation entfaltet das Euler-Prinzip 59 seine Bedeutung bei der Betrach-
tung homogener Segmente von Finanztiteln. 60 Die Allokation selbst erfolgt auf der Basis der
Beziehung (27), der der Satz von Euler zugrunde liegt. Vo raussetzung ist somit zunächst die
Spezifikation eines positiv homogenen (induzierten) Risikomaßes R auf einer (offenen) Teil-

menge des ℜ n , das in allen Komponenten stetig differenzierbar ist. Das Besondere am Euler-

Prinzip bzw. am Verfahren der Kapitalallokation auf Basis des Gradienten61 ( D1 , ..., Dn ) ist

nun, dass für dieses Verfahren eine Reihe von Optimalitätsaussagen existieren.

So weist Denault (2001) auf der Grundlage der Theorie kooperativer (konvexer) Spiele mit
fraktionalen Spielern nach, dass im Falle eines positiv homogenen, konvexen und differen-
zierbaren Risikomaßes – solche können beispielsweise von kohärenten Risikomaßen induziert
werden – der Gradient dem Aumann-Shapley-Wert entspricht. Bezogen auf das Kapitalalloka-
tionsproblem bedeutet dies, dass der Gradient ( D1 , ..., Dn ) als eindeutige faire Risikokapital-
allokation pro Einheit (Finanztitel) angesehen werden kann. Im Falle eines kohärenten und
differenzierbaren Risikomaßes weist Denault (2001) weiter nach, dass die Postulate (A1) -
(A4) gemäß Abschnitt 4 von dieser Allokationsregel erfüllt sind, das heißt eine kohärente
Kapitalallokation vorliegt.

58
Siehe nochmals Abschnitt 3.1.
59
Vgl. zu dieser Nomenklatur Patrik, G. / Bernegger, S. / Rüegg, M. B. (1999), S. 65.
60
Wie bereits in Fußnote 36 angemerkt, ist diese Vorgehensweise wegen der fehlenden positiven Homogenität
nicht auf den Versicherungsfall übertragbar.
61
So die Terminologie von Fischer, T. (2003).
 28

Ist das Risikomaß nur positiv homogen, so kann die Theorie konvexer Spiele nicht mehr an-
gewandt werden. Aber auch in diesem Fall existieren Argumente für die Vernünftigkeit des
Euler-Prinzips. So betrachtet Tasche (2000) für den Fall von Investmentportfolios eine (er-
wartete) RORAC-Variante der Form RORAC ( L) := E( − L) R ( L) , wobei R( L ) = R( x1 , ..., xn )

ein Risikomaß 62 ist und E (− L) die mit dem Periodenverlust L = L( x1 , ..., xn ) einer Gesamt-
position verbundene, erwartete Gewinngröße darstellt. Damit ind uziert auch der (erwartete)

RORAC selbst eine Funktion auf dem ℜ n , das heißt RORAC = RORAC ( x1 , ..., x n ). Die An-

forderungen an eine Risikokapitalallokation Ri ( x1 , ..., x n ) pro Finanztitel sind dann derge-

stalt, dass der Segment-RORAC der Form RORAC i = E( −Li ) Ri ( x1 , ..., x n ) die „richtigen
Signale“ für eine vernünftige Segmentsteuerung, insbesondere bei marginalen Positionsände-
rungen, gibt. Formal gelten die folgenden Anforderungen (dabei ist x = ( x1 , ..., x n ) und ei
der i-te Einheitsvektor):

1. Gilt RORAC i < RORAC , dann gibt es ein ∆ 0 > 0 mit

RORAC ( x − ∆e i ) > RORAC ( x) > RORAC ( x + ∆ei ) für alle 0 < ∆ ≤ ∆ 0 .

2. Gilt RORAC i > RORAC , dann gibt es ein ∆ 0 > 0 mit

RORAC ( x − ∆e i ) < RORAC ( x) < RORAC ( x + ∆ei ) für alle 0 < ∆ ≤ ∆ 0 .

Tasche63 (2000) weist nun unter diesen Anforderungen nach, dass für ein positiv homogenes,
partiell differenzierbares Risikomaß R mit stetigen partiellen Ableitungen der Gradient
( D1 , ..., Dn ) die einzige stetige Lösung ist, die die Anforderungen an eine vernünftige RO-
RAC-Segmentsteuerung erfüllt.

Insgesamt bedeutet dies, dass die Frage nach einer optimalen Kapitalallokation dann eindeutig
beantwortbar ist, wenn das Risikomaß positiv homogen und auf der zugrunde liegenden (of-

fenen) Teilmenge des ℜ n total differenzierbar ist. Als Konsequenz stellt sich dann die Folge-
frage, ob ein konkret ins Auge gefasstes (induziertes) Risikomaß R( L ) = R( x1 , ..., xn ) für alle

multivariaten Verteilungen von ( L1 , ..., Ln ) total differenzierbar ist oder gegebenenfalls nur

62
Tasche, D. (2000) betrachtet dabei Risikomaße des Typus I, insbesondere zweiseitige Risikomaße – vgl.
hierzu Albrecht, P. (2003), Abschnitt 6.1 –, die auf Abweichungen vom Erwartungswert abstellen.
63
Für weiter gehende Ergebnisse vgl. Fischer, T. (2003).
 29

für eine eingeschränkte Menge von multivariaten Verteilungen. Bevor wir dieser Frage nach-
gehen, betrachten wir aber zunächst ein Beispiel.

Beispiel 13: (Euler-Prinzip für multivariat normalverteilte Finanztitelportfolios)

Als erstes Risikomaß betrachten wir R( L ) = σ ( L ), ein Risikomaß des Typus I. Das durch
n
L = ∑ x i LFi gemäß (5) induzierte Risikomaß ist somit
i =1

12
n n 
σ ( x1 , ..., x n ) = ∑∑ x i x j Cov( LFi , LF j )  (
= xT C x )
12
,
 i =1 j =1 

wobei x = ( x1 , ..., xn ) T und C = (Cov( LFi , ..., LFn ) ) die Varianz-Kovarianz-Matrix bezeic h-

ne. Gemäß den Rechenregeln der Vektordifferentiation gilt d ( x T C x ) d x = 2 C x und damit

d σ d x = C x R( x) = C x σ ( L). Es gilt somit 64

n
∑ x j Cov (LFi , LF j )
∂σ j =1 Cov( LFi , L)
= =
(46) ∂ xi σ ( L) σ ( L)
Cov( LFi , L)
= σ (L ) = β i σ (L ) ,
σ 2 ( L)

wobei β i := Cov( LFi , L ) Var ( L) . Dies bestimmt die marginalen Risikobeiträge. Insgesamt
gilt damit aufgrund von (46)

n n
σ ( L) = ∑ xi β i σ ( L) = ∑ x i Ri ,
i =1 i =1

wobei

Cov( LFi , L)
(47) Ri = Ri ( x1 , ..., x n ) := = β i σ ( L)
σ ( L)

eine Kapitalallokation pro Investmenteinheit gemäß (22) bzw. (24) darstellt.

64
Siehe zu diesem Resultat erstmals Garman, M. B. (1996, 1997).
 30

Nochmals explizit festzuha lten ist die Tatsache, dass die Kapitalallokation pro Investmentein-
n
heit Ri ( x1 , ..., x n ) = Cov( LFi , L) σ ( L ) aufgrund von L = ∑ x i LFi nicht unabhängig von
i =1

den Ausgangssegmentgrößen x1 , ..., xn ist, das heißt, unterschiedliche Ausgangssegmentgrö-

ßen führen zu einer unterschiedlichen Kapitalallokation pro Investmenteinheit.

Betrachten wir nun das Risikomaß (des Typus II) R( L ) = E ( L) + a σ ( L), wobei a > 0. Dies

induziert das folgende Risikomaß auf dem ℜ n :

12
n n n 
Ri ( x1 , ..., x n ) = ∑ xi E( LFi ) + a ∑∑ x i x j Cov( LFi , LF j )  .
i =1  i =1 j =1 

Die entsprechende partielle Ableitung ergibt sich dann zu

∂R
(48) = E ( LFi ) + a β i σ ( L) = E ( LFi ) + β i [R( L) − E ( L) ] ,
∂ xi

wobei wie zuvor β i = β i ( x1 , ..., x n ) = Cov( LFi , L ) Var ( L ). Die Risikokapitalallokation

Ri ( x1 , ..., x n ) = ∂ R( x1 , ..., x n ) ∂ xi gemäß (48) ist damit identisch mit dem in Abschnitt 5.2
dargestellten Kovarianzprinzip für den Fall homogener Finanztitelportfolios.

Damit sind wir nun – immer noch unter Voraussetzung der multivariaten Normalverteilung –
auch in der Lage, die Kapitalallokation vo rzunehmen, wenn wir als Risikomaß den Value-at-
Risk zum Konfidenzniveau α bzw. den Conditional Value-at-Risk zum Konfidenzniveau α
verwenden. Es folgt

(49) Ri ( x1 , ..., x n ) = E( LFi ) + N1−α β i σ ( L)

im Falle des Value-at-Risk sowie

ϕ ( N1−α )
(50) Ri ( x1 , ..., x n ) = E ( LFi ) + β i σ ( L)
α

im Falle des Conditional Value-at-Risk. Im Rahmen der Value-at-Risk-Literatur werden die

Allokationsgrößen Cov( LFi , L ) σ ( L) = β i σ ( L) dabei auch als komponentenweiser Value-
 31

at-Risk 65 (component VaR) oder aber als marginaler Value-at-Risk 66 (marginal VaR) bezeich-
net.

Für den Fall der multivariaten Normalverteilung liegen somit für eine Reihe zentraler Ris i-
komaße Ergebnisse vor, die – kaum erstaunlich – auf Varianten des Kovarianzprinzips hi-
nauslaufen. Inwieweit lassen sich nun weiter gehende Resultate erzielen? Im Falle des Value-
at-Risk sowie des Conditional Value-at-Risk ist eine generelle Differenzierbarkeit des ind u-
zierten Risikomaßes R( x1 , ..., x n ) nicht gegeben, vor allem diskrete Verteilungen für

( LF1 , ..., LFn ) gemäß Beispiel 13 bereiten hier Probleme. Tiefer greifende strukturelle Aus-

sagen liegen insofern primär dann vor, wenn für ( LF1 , ..., LFn ) von der Existenz einer (n-
dimensionalen) Dichtefunktion ausgegangen werden kann. 67 Hier gilt im Finanztitelportfolio-
fall 68 für den Value-at-Risk VaRα (L) zum Konfidenzniveau α die folgende strukturelle Be-
ziehung69

∂R
(51) = E[LFi L = VaRα ( L) ] .
∂ xi

Dieses Ergebnis ist demnach nichts anderes als eine Variante des Bedingter Erwartungswert-
Prinzips für den Portfoliofall. Für den Conditional Value-at-Risk CVaRα (L ) zum Konfidenz-

niveau α gilt entsprechend 70

∂R
(52) = E[LFi L > Q1−α ( L)] .
∂ xi

Dieses Ergebnis ist somit eine Variante des CVaR-Prinzips gemäß Abschnitt 5.4. Eine ent-
sprechende Bestimmung der involvierten bedingten Erwartungswerte kann im Wege einer
Monte Carlo-Simulation oder über eine statistische Schätzung, z. B. auf der Basis von Kern-
schätzern, erfolgen. 71

65
Vgl. etwa Garman, M. B. (1997).
66
Siehe etwa Hallerbach, W. G. (2002/03).
67
Für allgemeinere Konstellationen vgl. Tasche, D. (2000) und Tasche, D. (2002), Abschnitt 4.
68
Für entsprechende Anwendungen im Falle von Kreditrisiken siehe Overbeck, L. (2000) sowie Haaf, H. /
Tasche, D. (2002).
69
Vgl. Gourieroux, C. / Laurent, J. P. / Scaillet, O. (2000), S. 229.
70
Siehe Scaillet, O. (2003) oder Tasche, D. (2000), S. 20 f.
71
Vgl. hierzu wiederum Gourieroux, C. / Laurent, J. P. / Scaillet, O. (2000), Hallerbach, W. G. (2002/03)
sowie Scaillet, O. (2003).
 32

Bei den bisherigen Illustrationen des Euler-Prinzips haben wir uns die Risikomaße Standard-
abweichung, Value-at-Risk und Conditional Value-at-Risk beschränkt. Entsprechende Resul-
tate lassen sich bei Betrachtung weiterer Risikomaße erzielen, soweit die induzierten Risiko-
maße im betrachteten Kontext hinreichend differenzierbar sind. 72

6 Weitere Ansätze der Kapitalallokation

6.1 Firmenwertbasierte Ansätze

Die im Zentrum der vorliegenden Ausarbeitung stehenden, bisher behandelten Kapitalalloka-

tionsmethoden basieren auf einer rein unternehmensinternen Modellierung der relevanten
Verlustgrößen und weisen dabei insbesondere keinen Kapitalmarktbezug auf. In der Literatur
werden des Weiteren eine Reihe von Ansätzen diskutiert, die auf einem expliziten Firmen-
wertmodell, etwa im Rahmen einer Kapitalmarktbewertung beruhen. Grundsätzliches Steue-
rungsziel ist dabei die Maximierung des (modelltheoretischen) Unternehmenswertes. Entspre-
chende Ergebnisse zur Kapitalallokation existieren im Rahmen des Capital Asset Pricing-
Modells 73 (CAPM), der Optionspreistheorie 74 sowie weiterer Firmenwertmodelle. 75 Die Rele-
vanz dieser Modelle für die praktische Unternehmensteuerung hängt davon ab, inwieweit die
entsprechenden modelltheoretisch basie rten Firmenwerte tatsächlich den empirischen Wert
des zu steuernden Unternehmens in realistischer Weise erfassen.

6.2 Spieltheoretische Ansätze

Neben der in die vorliegende Ausarbeitung eingeflossene Anlehnung an die Spieltheorie, 76 ist
zu konstatieren, dass sich spieltheoretische Lösungsansätze für das Problem der Kostenalloka-
tion77 grundsätzlich auf die hier verfolgte Fragestellung übertragen lassen. Diese Übertragung

72
Siehe etwa Fischer, T. (2003), der Risikomaße vom Lower Partial Moment-Typus betrachtet und nachweist,
dass die Bedingung der globalen Differenziertheit von R( x1 , ..., x n ) abgeschwächt werden kann.
73
Für eine Anwendung des CAPM im Rahmen von Financial Insurance Pricing-Modellen (betabasierte Kapi-
talallokation) vgl. beispielsweise Albrecht, P. (1998), Abschnitt 4.2.2.
74
Siehe etwa Cummins, D. J. (2000), Merton, C. / Perold, A. F. (1993) sowie Myers, S. C. / Read, J. (2001).
75
Vgl. etwa Froot, K. A. / Stein, J. C. (1998), Gründl, H. / Schmeiser, H. (2002), Perold, A. F. (2001) sowie
Taflin, E. (2000).
76
Diese basiert primär auf dem Beitrag von Denault, M. (2001) und dem im Abschnitt 5.5 angeführten Au-
mann-Shapley-Wert.
77
Vgl. hierzu vor allem Tijs, S. H. / Driessen, T. S. (1986) sowie daneben Holler, M. J. / Illing, G. (2003) oder
Kinder, C. (1999). Im Zusammenhang mit Versicherungsanwendungen vgl. insbesondere Lemaire, J. (1984,
1991).
 33

kann dabei in unmittelbarer und weitgehend unmodifizierter Form erfolgen, wenn man den
Terminus „Kosten“ durch den Terminus „Risikokapital“ ersetzt. 78

Ein Beispiel für ein solches Vorgehen besteht in der Verwendung des bekannten spieltheoreti-
schen Allokationsprinzips „Shapley-Wert“, 79 der übertragen auf das Problem der Risikokapi-
talallokatio n die Form

   
R ∑ j  − R
L ∑ j 
L

1  j∈M   j∈M i 
(53) R( Li ; L) := ∑ m n
M ∈Ci  
m

annimmt.80 Dabei bezeichnet Ci die Menge aller Teilmengen von {1, ..., n}, die i enthalten,

des Weiteren m die Anzahl der Elemente in M, das heißt m = M , sowie M i = M \ {i}. Es

lässt sich nun beispielsweise zeigen, dass der Shapley-Wert die Axiome (A1), (A2´), (A3)
sowie (A4) zwar generell erfüllt, nicht jedoch das No Undercut-Postulat (A2). Im Allgeme i-
nen81 ist das Shapley-Prinzip somit kein kohärentes Allokationsprinzip.

7 Zusammenfassung

Gegenstand der vorliegenden Untersuchung ist die Frage, wie das unternehmensweite Risiko-
kapital einer Finanzinstitution in einer risikoadäquaten Art und Weise auf nachgelagerte Steu-
erungseinheiten heruntergebrochen werden kann. In einem ersten Schritt ist daher zunächst
der Begriff des Risikokapitals zu konkretisieren, welches hier im Sinne eines „imputed buffer
against unexpected and intolerable losses“82 aufgefasst wird, den es im Rahmen einer unter-
nehmensinternen Konzeption unter Bezugnahme auf das vorliegende Risikoexposure zu spe-
zifizieren gilt. Motiviert wird das Erfordernis der Risikokapitalallokation dabei anhand des
Einsatzfeldes der risikoadjustierten Performancesteuerung (Abschnitt 1). Nach der beispie l-

78
Siehe generell dazu Kinder, C. (1999). Im Versicherungskontext vgl. Mango, D. F. (1998) sowie Schradin,
H. R. (2001b).
79
Für eine (spieltheoretische) Interpretation des Shapley-Wertes sei auf die Literatur verwiesen, etwa Hürli-
mann, W. (2001b), S. 13, Lemaire, J. (1984), S. 70, Lemaire, J. (1991), S. 27, Shubik, M. (1962), S. 334 ff.,
Young, H. P. (1985), S. 13 oder Young, H. P. (1994), S. 1214 f.
80
Vgl. Hürlimann, W. (2001b), S. 13, Lemaire, J. (1984), S. 70, Lemaire, J. (1991), S. 29, Shapley, L. S.
(1953), S. 311 f. bzw. Shapley, L. S. (1971/72), S. 23.
81
Denault, M. (2001), S. 8 verweist auf eine – allerdings im Zusammenhang mit der Risikokapitalallokation
schwer greifbare – Bedingung von Aubin, die die Kohärenz des Shapley-Prinzips sicherstellt.
82
Culp, C. L. (2000), S. 16, mit der Hervorhebung im Original.
 34

haften Erörterung relevanter versicherungs- und finanzwirtschaftlicher Risikoexposures, die

der weiteren Analyse zugrunde liegen, werden im Anschluss die Einzelschritte des Prozesses
der Kapitalallokation aufgezeigt (Abschnitt 2).

In Abschnitt 3 werden zunächst die Grundlagen der (absoluten) Kapitalallokation offen ge-
legt, insbesondere der aus der Kollektivierung von Risiken resultierende Diversifikationsef-
fekt in Abhängigkeit unterschiedlicher Risikomaße quantifiziert, die Schwächen des Stand-
alone-Ansatzes illustriert und der Segmentbeitrag zum Diversifikationseffekt definiert. Wei-
terführende Erkenntnisse lassen sich daneben für den Fall homogener Kollektive in Form ei-
ner Risikokapitalallokation pro Segmenteinheit gewinnen. Demgegenüber erweist sich die
Grundform inkrementeller Kapitalallokation für den Anwendungszweck der risikoadjustierten
Performancesteuerung als ungeeignet und ihre Modifikation als nicht risikogerecht. Für die
Spielart marginaler Kapitalallokation wird des Weiteren herausgearbeitet, dass ihr der Cha-
rakter einer Sensitivitätsanalyse zufällt, die nur in Spezialfällen mit einer absoluten Kapitala l-
lokation kompatibel ist.

Mit den Basisanforderungen der vollständigen Allokation, des No Undercut, der Symmetrie
sowie der risikolosen Allokation werden in Abschnitt 4 intersubjektiv nachvollziehbare Gü-
temerkmale postuliert, über die Allokationsmethoden verfügen sollten, um ein vernünftiges
Allokationsergebnis zu induzieren. Vor dem Hintergrund dieser (Kohärenz-)Eigenschaften
werden in Abschnitt 5 verschiedene Allokationsmechanismen diskutiert. Der proportionalen
Kapitalallokation ist danach eine unzureichende Risikogerechtigkeit zu attestieren, die sich
darüber hinaus in der fehlenden Berücksichtigung stochastischer Abhängigkeiten nieder-
schlägt. In diesem Punkt stellt das Kovarianzprinzip eine Verbesserung dar, da hier zumindest
lineare Abhängigkeiten Beachtung finden. Demgegenüber machen sich sowohl das Bedingter
Erwartungswert-Prinzip als auch das CVaR-Prinzip die Linearität des bedingten Erwartungs-
wertes zu Nutze. Dabei kann speziell für das CVaR-Prinzip gezeigt werden, dass es sich unter
bestimmten Bedingungen um eine kohärente Allokationsmethode handelt. Hierzu ist auf die
für das Euler-Prinzip hergeleiteten Ergebnisse zu rekurrieren, die dieses im Kontext homoge-
ner Segmente von Finanztiteln zur uneingeschränkt vorziehenswürdigen Allokationstechnik
machen.

Abschließend wird auf firmenwertbasierte sowie spieltheoretische Ansätze der Kapitalalloka-

tion eingegangen und für den Shapley-Wert, einen der bekanntesten Vertreter der letztgenann-
 35

ten Kategorie, aufgezeigt, dass er das Kapitalallokationsproblem nicht systematisch besser zu

lösen vermag.

Literaturverzeichnis

Albach, H. (2001): Shareholder Value und Unternehmenswert – Theoretische Anmerkungen

zu einem aktuellen Thema, Zeitschrift für Betriebwirtschaft, 71. Jg., Heft 6, S. 643-
674.

Albrecht, P. (1998): Risikoadjustierte Performancesteuerung in der Schadenversicherung, in:

Oehler, A. (Hrsg.): Credit Risk und Value-at-Risk Alternativen: Herausforderungen
für das Risk Management, Stuttgart, S. 229-257.

Albrecht, P. (2003): Zur Messung von Finanzrisiken, Mannheimer Manuskripte zu Risikothe-

orie, Portfolio Management und Versicherungswirtschaft, Nr. 143, Universität Mann-
heim, URL: [Link] [Link]/Albrecht [® Forschung; ® Schriften-
reihen; Stand: 17.10.2003].

Albrecht, P. / Koryciorz, S. (2003): Bestimmung des Conditional Value-at-Risk (CVaR) bei

Normal- und Lognormalverteilung, Mannheimer Manuskripte zu Risikotheorie, Port-
folio Management und Versicherungswirtschaft, Nr. 142, Universität Mannheim,
URL: [Link] [Link]/Albrecht [® Forschung; ® Schriftenreihen;
Stand: 17.10.2003].

Albrecht, T. (1998): Die Vereinbarkeit der Value-at-Risk-Methode in Banken mit anteilseig-

nerorientierter Unternehmensführung, Zeitschrift für Betriebswirtschaft, 68. Jg., Heft
3, S. 259-273.

Artzner, P. / Delbaen, F. / Eber, J.-M. / Heath, D. (1999): Coherent Measures of Risk, in:
Mathematical Finance, Vol. 9, No. 3, S. 203-228.

Ballwieser, W. / Kuhner, C. (2000): Risk Adjusted Return On Capital: Ein geeignetes Instru-
ment zur Steuerung, Kontrolle und Kapitalmarktkommunikation?, in: Riekeberg, M. /
Stenke, K. (Hrsg.): Banking 2000, Perspektiven und Projekte, Hermann Meyer zu Sel-
hausen zum 60. Geburtstag, Wiesbaden, S. 367-381.

Bass, I. K. / Khury, C. K. (1992): Surplus Allocation: An Oxymoron, in: Casualty Actuarial

Society (Hrsg.): 1992 Discussion Papers on Insurer Financial Solvency, Vol. 2, Arling-
ton/Virginia, S. 553-584.

Culp, C. L. (2000): Ex Ante versus Ex Post RAROC, Derivatives Quarterly, Vol. 7, No. 1,
S. 16-25.

Cummins, D. J. (2000): Allocation of Capital in the Insurance Industry, Risk Management

and Insurance Review, Vol. 3, No. 1, S. 7-27.
 36

Denault, M. (2001): Coherent Allocation of Risk Capital, The Journal of Risk, Vol. 4, No. 1,
S. 1-33.

Dowd, K. (1999): A Value at Risk Approach to Risk-Return Analysis, The Journal of Portfo-
lio Management, Vol. 25, No. 4, S. 60-67.

Embrechts, P. / McNeil, A. / Straumann, D. (2002): Correlation and Dependence in Risk Man-

agement: Properties and Pitfalls, in: Dempster, M. A. H. (Hrsg.): Risk Management,
Value at Risk and Beyond, Cambridge, S. 176-223.

Fang, K.-T. / Kotz, S. / Ng, K.-W. (1990): Symmetric Multivariate and Related Distributions,
New York.

Fischer, T. (2003): Risk capital allocation by coherent risk measures based on one-sided mo-
ments, in: Insurance: Mathematics and Economics, Vol. 32, No. 1, S. 135-146.

Froot, K. A. / Stein, J. C. (1998): Risk Management, Capital Budgeting, and Capital Structure
Policy for Financial Institutions: An Integrated Approach, in: Journal of Financial
Economics, Vol. 47, No. 1, S. 55-82.

Garman, M. B. (1996): Improving on VAR, in: Risk, Vol. 9, No. 5, S. 61-63.

Garman, M. B. (1997): Taking VAR to Pieces, in: Risk, Vol. 10, No. 10, S. 70-71.

Gourieroux, C. / Laurent, J. P. / Scaillet, O. (2000): Sensitivity Analysis of Values at Risk, in:

Journal of Empirical Finance, Vol. 7, No. 3/4, S. 225-245.

Graumann, M. / Baum, S. (2003): Methoden zur Allokation von Sicherheitskapital, Darstel-

lung und Beurteilung aus Sicht der Unternehmensleitung, in: Zeitschrift für die gesam-
te Versicherungswissenschaft, Band 92, Heft 3, S. 421-457.

Gründl, H. / Schmeiser, H. (2002): Marktwertorientierte Unternehmens- und Geschäftsbe-

reichssteuerung in Finanzdienstleistungsunternehmen, in: Zeitschrift für Betriebswirt-
schaft, 72. Jg., Heft 8, S. 797-822.

Haaf, H. / Tasche, D. (2002): Calculating Value-at-Risk contributions in CreditRisk+, Ar-

beitspapier, URL: [Link] mat/pdf/0112/[Link] [Stand:
17.10.2003].

Hallerbach, W. G. (2002/03): Decomposing portfolio value-at-risk: a ge neral analysis, in: The

Journal of Risk, Vol. 5, No. 2, S. 1-18.

Holler, M. J. / Illing, G. (2003): Einführung in die Spieltheorie, 5. Aufl., Berlin u. a.

Hooker, N. D. u. a. (1996): Risk Based Capital in General Insurance, in: British Actuarial
Journal, Vol. 2, Part 2, No. 7, S. 265-323 (inkl. Diskussion).

Hürlimann, W. (2001a): Analytical Evaluation of Economic Risk Capital for Portfolios of

Gamma Risks, in: ASTIN Bulletin, Vol. 31, No. 1, S. 107-122.
 37

Hürlimann, W. (2001b): Analytical Evaluation of Economic Risk Capital and Diversification

Using Linear Spearman Copulas, Arbeitspapier, URL: [Link] [Link]/
picsresources/[Link] [Stand: 17.10.2003].

Kinder, C. (1999): Interne Leistungsverrechnung in Industriebetrieben und Banken, Köln.

Lemaire, J. (1984): An Application of Game Theory: Cost Allocation, in: ASTIN Bulletin,
Vol. 14, No. 1, S. 61-81.

Lemaire, J. (1991): Cooperative Game Theory and its Insurance Applications, in: ASTIN
Bulletin, Vol. 21, No. 1, S. 17-40.

Litterman, R. (1996): Hot SpotsT M and Hedges, in: The Journal of Portfolio Management,
Special Issue, S. 52-75.

Mango, D. F. (1998): An Application of Game Theory: Property Catastrophe Risk Load, in:
Proceedings of the Casualty Actuarial Society, Vol. 85, Part 1, No. 162, S. 157-181.

Matten, C. (2000): Managing bank capital: capital allocation and performance measurement,
2. Aufl., Chichester u. a.

Merton, R C. / Perold, A. F. (1993): Theory of Risk Capital in Financial Firms, in: Journal of
Applied Corporate Finance, Vol. 6, No.2, S. 16-32.

Myers, S. C. / Read, J. jr. (2001): Capital Allocation for Insurance Companies, in: The Journal
of Risk and Insurance, Vol. 68, No. 4, S. 545-580.

Overbeck, L. (2000): Allocation of Economic Capital in loan portfolios, in: Franke, J. /

Härdle, W. / Stahl, G. (Hrsg.): Measuring risk in complex stochastic systems, New
York u. a., S. 1-17.

Panjer, H. (2001): Measurement of Risk, Solvency Requirements and Allocation of Capital

within Financial Conglomerates, Research Report 01-15, Institute of Insurance and
Pension Research, University of Waterloo.

Patrik, G. / Bernegger, S. / Rüegg, M. B. (1999): The Use of Risk Adjusted Capital to Support
Business Decision-Making, in: Casualty Actuarial Society (Hrsg.): Casualty Actuarial
Society Forum, Spring 1999, Including the Reinsurance Call Papers, Arling-
ton/Virginia, S. 243-334.

Perold, A. F. (2001): Capital Allocation in Financial Firms, Graduate School of Business

Administration, Harvard University, Boston.

Philbrick, S. W. (2000): Brainstorms: Surplus Allocation Redux, in: The Actuarial Review,
Vol. 27, No. 1, S. 23-24.

Ploegmakers, H. / Schweitzer, M. (2000): Risk Adjusted Performance and Capital Allocation

for Trading Desks within Banks, in: Managerial Finance, Vol. 26, No. 3, S. 39-50.

Rockafellar, R. T. / Uryasev, S. / Zabarankin, M. (2003): Deviation Measures in Risk Analy-

sis and Optimization, Research Report No. 2002-7, Risk Management and Financial
 38

Engineering Lab, Center for Applied Optimization, Department of Industrial and Sys-
tems Engineering, University of Florida, Gainesville/Florida, überarbeitete Version
vom 08. Juni 2003.

Scaillet, O. (2003): Nonparametric estimation and sensitivity analysis of expected shortfall,

erscheint in: Mathematical Finance.

Schradin, H. R. (1998): Finanzielle Steuerung der Rückversicherung: unter besonderer Be-

rücksichtigung von Großschadenereignissen und Fremdwährungsrisiken, Karlsruhe.

Schradin, H. R. (2001a): Risikoadäquate Kapitalallokation im Versicherungskonzern, in: Brit-

zelmaier, B. / Geberl, S. (Hrsg.): Wandel im Finanzdienstleistungssektor, 1. Liechten-
steinisches Finanzdienstleistungs-Symposium an der Fachhochschule Liechtenstein,
Heidelberg, S. 101-110.

Schradin, H. R. (2001b): Wertorientierte Steuerung der Versicherungsunternehmung – Ermitt-

lung und Allocation des Risk-Based Capital, Vortrag, 45. Tagung der deutschen
ASTIN-Gruppe, Köln, 13. Nove mber 2001, URL: [Link]
versich/mitarbeiter/[Link]#veroeffentlichungen [Stand: 17.10.2003].

Shapley, L. S. (1953): A Value For n-Person Games, in: Kuhn, H. W. / Tucker, A. W. (Hrsg.):
Contributions to the Theory of Games, Vol. II, Princeton/New Jersey, S. 307-317.

Shapley, L. S. (1971/72): Cores of Convex Games, in: International Journal of Game Theory,
Vol. 1, No. 1, S. 11-26.

Shubik, M. (1962): Incentives, Decentralized Control, the Assignment of Joint Costs and In-
ternal Pricing, in: Management Science, Vol. 8, No. 3, S. 325-343.

Stoughton, N. / Zechner, J. (2000): Konzepte zur Risiko-Ertragssteuerung in Kreditinstituten,

in: Johanning, L. / Rudolph, B. (Hrsg.): Handbuch Risikomanagement, Band 2, Risi-
komanagement in Banken, Asset-Management-Gesellschaften, Versicherungs- und
Industrieunternehmen, Bad Soden/Ts., S. 879-902.

Taflin, E. (2000): Equity allocation and portfolio selection in insurance, in: Insurance: Mathe-
matics and Economics, Vol. 27, No. 1, S. 65-81.

Tasche, D. (2000): Risk contributions and performance measurement, Arbeitspapier, TU

München, URL: [Link] [Link]/m4/pers/tasche/riskcon.
pdf [Stand: 17.10.2003].

Tasche, D. (2002): Expected shortfall and beyond, in: Journal of Banking and Finance, Vol.
26, No. 7, S. 1516-1533.

Tijs, S. H. / Driessen, T. S. (1986): Game Theory and Cost Allocation Problems, in: Manage-
ment Science, Vol. 32, No. 8, S. 1015-1027.

Venter, G. G. (2002): Allocating Surplus – Not!, The Actuarial Review, Vol. 29, No. 1, S. 5-
6.
 39

Young, H. P. (1985): Methods and Principles of Cost Allocation, in: Young, H. P. (Hrsg.):
Cost Allocation: Methods, Principles, Applications (Outgrowth of Meeting on Cost
Allocation, held by the International Institute for Applied Systems Analysis at Laxe n-
burg, Austria, in August 1983), Amsterdam u. a., S. 3-29.

Young, H. P. (1994): Cost Allocation, in: Aumann, R. J. / Hart, S. (Hrsg.): Handbook of Game
Theory with Economic Applications, Vol. 2, Amsterdam u. a., S. 1193-1235.