IFRS 9: Vom Rechnungslegungssatellit zur Steuerungsgröße, Teil 1

Die aufsichtsrechtliche Diskussion zu IFRS 9 hat sich verändert. Im Vordergrund steht nicht mehr die Modelltechnik der Expected-Credit-Loss-Rechnung (ECL), sondern die Frage, ob diese Modelle tief genug in die Gesamtbanksteuerung eingewoben sind, um in einem volatilen Umfeld steuerungswirksam zu sein. Dies wird im Single Supervisory Mechanism in den Supervisory Priorities 2026–2028 formuliert, von der European Banking Authority im laufenden IFRS-9-Monitoring und in den ICAAP-Guidelines (Internal Capital Adequacy Process) bekräftigt. Aus einem Rechnungslegungssatelliten soll eine Steuerungsgröße werden.

Der Erwartungsraum verdichtet sich auf fünf einander überlappende Linien:

1. die Konsistenz von ECL- und ICAAP-/Stresstest-Szenarien;
2. die Verortung des ECL als integrierter Bestandteil der Steuerung statt als Rechnungslegungssatellit;
3. die Governance der Modellannahmen mit dokumentierter Herleitung, Kalibrierung und Funktionstrennung zwischen Entwicklung und Validierung;
4. die Typologisierung der Overlays und ein verbindlicher Rückbau-Pfad (Sunsetting) sowie
5. die Granularität und Risikoidentifikation auf Teilportfolio-Ebene.

Diese fünf Linien verteilen sich auf zwei Schauplätze, die der Standard selbst auseinanderhält: die Messung des erwarteten Verlusts und die Zuordnung zur richtigen Stufe. Die beiden Schritte stellen zwar unterschiedliche methodische und prozessuale Komponenten dar, sie müssen aber von denselben Risiken erreicht werden.

Dieser erste Teil behandelt die ECL-Messungsseite, insbesondere die Konsistenz der Szenarien, die Granularität der Risikoidentifikation und ihre Übersetzung in eine belastbare Szenariomechanik und wie der Rückbau der Overlays auf der Bewertungsseite operationalisiert werden kann. Der zweite Teil widmet sich dann der Stufenzuordnung: dem kollektiven SICR (Significant Increase in Credit Risk), der flexiblen Stagezuordnung und dem Overlay-Rückbau im Staging.

Ein erster Reibungs- und Verbindungspunkt liegt zwischen IFRS und Risikocontrolling. Im Stresstest wird der ECL selbst zu einer dynamischen Größe, da sich die Übergänge von Stage 1 nach Stage 2 unter Stress beschleunigen und sich die Risikovorsorge zeitlich vorzieht. Beides setzt voraus, dass das ECL-Modell, das Staging, der ICAAP und der MaRisk-Stresstest aus denselben Makro-Pfaden gespeist werden. Die verbleibende Herausforderung liegt dann in den Szenariengewichten der Forward-Looking-Szenarien (FLI).

Hier setzt die Logik der Multi-FLI-Szenarien nach IFRS 9.5.5.17(a) an: Durch mehrere Szenarien mit unterschiedlichen Eintrittswahrscheinlichkeiten (z. B. 25/50/25) wird ein wahrscheinlichkeitsgewichteter Erwartungswert gebildet. Diese Mehr-Szenarien-Logik ist nicht nur eine konzeptionelle Vorgabe, sondern methodisch notwendig. Aufgrund der konvexen Reaktion von PD und LGD auf makroökonomische Verschlechterungen ergibt sich, dass der ECL auf Szenarioebene überproportional steigt. Formal entspricht das der Jensenschen Ungleichung, angewandt auf den ECL als konvexe Funktion des Makropfads X: ECL(E[X]) ≤ E[ECL(X)]. Ein einzelner, gemittelter Makropfad unterschätzt somit systematisch den Erwartungswert; erst die explizite Berücksichtigung von Rand-Szenarien führt zu einer adäquaten Abbildung des erwarteten Verlusts.

Demgegenüber steht das adverse Stress-Szenario im ICAAP, das typischerweise als einzelner „severe but plausible“-Pfad kalibriert ist und damit einen Punkt am schweren Rand der Verteilung beschreibt (implizit etwa fünf bis zehn Prozent Eintrittswahrscheinlichkeit). Die beiden Ansätze messen somit unterschiedliche Zielgrößen: IFRS 9 den erwarteten Verlust über die Verteilung, der ICAAP den Verlust in einem schweren Stresspunkt.

Für eine konsistente Gesamtsteuerung müssen beide Perspektiven in eine plausible Relation gebracht werden. Eine arithmetische Identität wird aufsichtsrechtlich nicht gefordert, wohl aber eine nachvollziehbare methodische Brücke. Diese lässt sich entlang zweier zentraler Anforderungen strukturieren:

• Konsistenz der Datenbasis: IFRS-9- und ICAAP-Szenarien müssen aus demselben Makromodell und identischen Ankerwerten abgeleitet werden. Andernfalls entstehen widersprüchliche Aussagen von Bilanz und Kapitalplanung über dieselbe makroökonomische Zukunft.
• Kohärenz von Schwere und Wahrscheinlichkeit: Die Downside-Szenarien unter IFRS 9 und das adverse ICAAP-Szenario müssen auf einer gemeinsamen Kurve aus Szenarioschwere und Eintrittswahrscheinlichkeit liegen. Der ICAAP-Pfad ist dabei konsistent als extremerer Randpunkt der IFRS-9-Verteilung einzuordnen.

Der Abgleich erfolgt somit nicht über Durchschnittswerte, sondern über die konsistente Einordnung der Stresspfade in eine gemeinsame Verteilungslogik. Genau an dieser Stelle zeigen sich in der Aufsichtspraxis regelmäßig zwei Schwächen:

• seit der Implementierung nicht rekalibrierte FLI-Gewichte
• Brüche in den Makro-Ankerwerten zwischen IFRS-9- und ICAAP-Welt

Ein zweiter Reibungspunkt entsteht in der Mehrjahressicht zwischen Accounting und ICAAP. Erst wenn die bilanzielle und aufsichtsrechtliche Kapitalplanung auch den EL mehr als seitwärts fortschreibt, werden Kreditrisiken auf Vorstandsebene transparenter. Die Integration von Migrationspfaden für den Istbestand, von PD- und LGD-Prognosen und von Neugeschäftsplanungen auf teilaggregierten Ebenen kann die Planungsmethodik auf eine neue Stufe heben und die Konsistenz zwischen ICAAP und Accounting verbessern. Wer die EL-Wirkung konsistent auf Eigenkapital und Eigenmittel prognostizieren möchte, braucht eine tiefe und granulare Integration der Risikokanäle auf den EL.

Drei der genannten Erwartungslinien, die Governance der Modellannahmen, der Rückbau der Overlays und die Risikoidentifikation auf Teilportfolio-Ebene, verlangen eine Modellierung in Richtung erhöhter Granularität. Denn ein Overlay kann nur dann in die Modellwelt zurückgeführt werden, wenn sich sein Auslöser einem Teilportfolio zuordnen und dort als Parameter-Veränderung abbilden lässt. Auf der Teilportfolio-Ebene entscheidet sich somit, ob aus den Erwartungslinien gelebte Steuerung wird.

Granularität als Voraussetzung der Steuerungswirkung

Die EBA artikuliert sowohl in den ICAAP-Guidelines als auch im IFRS 9-Monitoring eine klare Erwartung an die granulare Risikoidentifikation auf Teilportfolio-Ebene; die MaRisk bekräftigen dies in BTO 1.2 mit Blick auf die Risikofrüherkennung. Die methodische Erwartung besteht nicht darin, für jedes Teilportfolio ein eigenständiges Modell zu betreiben, sondern die Sensitivität des ECL gegenüber sektor- und länderspezifischen Treibern nachzuweisen.

Methodisch ist „Granularität“ mehrdimensional zu verstehen. Es wirken mindestens fünf Dimensionen auf den ECL:

• die Branche im Sinne der NACE-Klassifikation,
• die Geografie der Schuldnerexposition mit ihren makrofinanziellen und länderspezifischen Risiken,
• die Position in der Wertschöpfungskette (vor- und nachgelagerte Glieder, kritische Inputs wie Halbleiter oder Seltene Erden),
• das Geschäftsmodell (exportintensiv vs. binnenorientiert, kapitalintensiv vs. arbeitsintensiv) und
• die Eigentümer- und Governance-Struktur.

Diese Dimensionen sind nicht deckungsgleich: Eine Bank kann in derselben Branche heterogene Geschäftsmodelle und Geografien finanzieren, die geopolitisch unterschiedlich exponiert sind.

Die folgenden drei Risiko-Mappings greifen die Dimensionen Geografie, Branche und Geschäftsmodell heraus und strukturieren das Kreditportfolio entlang dieser Dimensionen in Teilportfolien: Tabelle 1 zeigt die geografische Sicht nach den Finanzstabilitätsindikatoren der EZB, Tabelle 2 die sektorale Sicht entlang der Klima- und Umweltrisiken aus Transition und physischer Gefährdung, Tabelle 3 die Messgrößen der geopolitischen Risiken, die die Geschäftsmodelle über ihre Export- und Importabhängigkeiten treffen; Tabelle 4 verdichtet diese geopolitische Sicht beispielhaft zu Expositionsclustern. Auf diesen Teilportfolien setzt später auch die Stufenzuordnung auf.

Länderrisiken im Euroraum

Tabelle 1: Länderdifferenziertes Risiko-Mapping im Euroraum nach den Finanzstabilitätsindikatoren der EZB

In der aktuellen aufsichtsrechtlichen Diskussion stehen einige Teilportfolien besonders im Fokus: energieintensive Industrien wegen ihrer Transitionsexposition, exportorientierte Mittelständler wegen der geopolitischen Handelsrisiken, Länderrisiken aufgrund der länderspezifischen Finanzmarktrisiken, sowie weitere hier nicht näher betrachtete Risikotreiber, wie gewerbliche Immobilien wegen der Zinssensitivität und der Bewertungsspielräume sowie Konsumentenkredite wegen der Reallohnentwicklung und der Zinsbelastung.

Klima- und Umweltrisiken (C&E) als eigene Steuerungsdimension

Tabelle 2: Sektorales Risiko-Mapping – Transitionsrisiken

Klima- und Umweltrisiken (C&E) bilden eine eigene Steuerungsdimension, die die Aufsicht mit wachsendem Nachdruck adressiert und ab 2027 in den EU-weiten Stresstest einbezieht. Sie umfassen zwei Wirkungsstränge, die über unterschiedliche Kanäle und Horizonte auf das Kreditportfolio wirken und je eigene Teilportfolien begründen: Transitionsrisiken und physische Risiken.

Transitionsrisiken

Transitionsrisiken entstehen, weil der Übergang zu einer kohlenstoffarmen Wirtschaft Kosten einpreist, die bisher externalisiert waren – von der Allgemeinheit und künftigen Generationen getragen statt von den Verursachern. Das Kreditrisiko trägt, wessen Geschäftsmodell auf unbepreiste Emissionen aufgebaut war. Dabei ergänzen das Carbon-Pricing-Risiko und das Stranded-Asset-Risiko einander.

Der Carbon Border Adjustment Mechanism (CBAM) nach EU-Verordnung 2023/956 macht die Emissionskosten sichtbar, ordnet sie verursachungsgerecht zu und verhindert, dass diese Bepreisung durch Produktionsverlagerung ins Ausland umgangen wird (Carbon Leakage[1]): Seit dem 1. Januar 2026 unterliegen Importeure CO₂-intensiver Produkte – Eisen und Stahl, Aluminium, Zement, Düngemittel, Wasserstoff sowie Strom – dem Grunde nach denselben CO₂-Preisen wie die heimische Produktion. Der tatsächliche Erwerb und die Abgabe der Zertifikate wurden zwar durch die Omnibus-Vereinfachung, die seit Oktober 2025 in Kraft ist, auf Februar 2027 verschoben, sie erfassen aber das Einfuhrjahr 2026 rückwirkend. Parallel dazu werden die kostenlosen ETS-Zuteilungen für die CBAM-Sektoren bis 2034 schrittweise reduziert – der CBAM-Faktor steigt dabei von 2,5 % im Jahr 2026 bis auf 100 % im Jahr 2034. Bei den betroffenen Schuldnern führt dies zu schmaleren Margen, zum Umbau ihrer Lieferketten und zu Compliance-Kosten.

Diese Belastungen entstehen in einzelnen Liefer- und Absatzbeziehungen und schlagen sich nicht in den makroökonomischen Größen nieder, mit denen die klassischen FLI-Modelle arbeiten. Für die Bank werden sie daher erst auf Schuldner- und Teilportfolio-Ebene sichtbar.

Beim Stranded-Asset-Risiko verlieren langlebige Kapitalanlagen in fossilen Wertschöpfungsketten an Wert, da ihre Geschäftsgrundlage mit einer dekarbonisierten Wirtschaft unvereinbar wird. ECL-wirksam wird dies, wenn die kreditrisikorelevante Folge der Entwertung – der Wegfall von Cashflows oder Sicherheitenwerten beim Schuldner – innerhalb der Laufzeit des Kredits eintritt und sich somit auf die PD oder LGD auswirkt. Materialisiert sich das Stranding erst nach Tilgung, liegt es außerhalb des ECL-Horizonts, da dieser auf die maximale vertragliche Restlaufzeit der Kreditbeziehung begrenzt ist (IFRS 9.5.5.19).

Physische Risiken

Physische Risiken sind die unmittelbarste Form des Klimarisikos. Sie stellen die realen Schäden eines wärmeren Klimas dar und zerfallen in akute Ereignisse – Sturm, Feuer, Hochwasser, Starkregen – und chronische Veränderungen wie Hitze oder Trockenheit. Sie wirken über andere Kanäle und einen anderen Horizont als die Transitionsrisiken.

In der Baufinanzierung mindern Lagen in Hochwasser- oder Starkregengefährdung den Markt- und Beleihungswert der Immobilie und somit die Sicherheitenposition bzw. erhöhen die LGD. Beim Firmenkunden treten zwei weitere Kanäle hinzu: Akute Ereignisse führen zu Betriebsunterbrechungen (Cashflow-Ausfall, PD) und zu Sachschäden am Anlagevermögen (Sicherheitenwert, LGD).

Chronische Klimarisiken wie Trockenheit mindern die Produktivität in betroffenen Sektoren, während sie sie in anderen Sektoren fördern. Im Gegensatz zum Stranded-Asset-Risiko bietet der ECL-Horizont hier keine Entlastung, da akute Ereignisse jederzeit eintreten können, auch in kurzen Laufzeiten. ECL-treibend ist häufig nicht der Schaden selbst, sondern sein unversicherter Anteil. Die Versicherbarkeit von Hochrisikolagen wird somit zur zentralen LGD-Stellschraube. Auch die Aufsicht erwartet die Berücksichtigung physischer Risiken im ECL ausdrücklich (ECB, IFRS 9 Overlays and Model Improvements for Novel Risks, Juli 2024).

Geopolitische Handelsrisiken

Neben Länderrisiken und C&E-Risiken sind auch geopolitische Risiken keine Randbetrachtung mehr: Die EZB stellt sie in ihren „Supervisory Priorities 2026–2028” in den Vordergrund und prüft ausdrücklich, ob die IFRS-9-Risikovorsorge der Institute diese Risiken angemessen erfasst. Der thematische EZB-Stresstest 2026 arbeitet mit institutsspezifischen geopolitischen Szenarien, in denen das Kreditrisiko – Migration, Ausfall, Verlustquote – der zentrale Wirkungskanal ist. Damit verschiebt sich die Aufgabe von der Frage, ob ein Haus exponiert ist, hin zur Frage, wie es diese Exposition misst und in Risikovorsorge und Staging übersetzt.

Die folgenden Indizes machen das geopolitische Umfeld messbar. Als fortlaufende Zeitreihen geben sie Aufschluss darüber, ab wann und in welchem Ausmaß sich das Umfeld verschlechtert, und eignen sich damit als vorausschauende Größen für die ECL-Messung.

Tabelle 3: Messgrößen geopolitischer Risiken nach Kategorien (Quellen: ECB/ESRB – Financial stability risks from geoeconomic fragmentation, Tabelle 1/Box 2)

Geopolitische Risiken wirken dabei sowohl direkt auf individueller Einzelkreditnehmerebene als auch über klassische Makro-Variablen wie BIP-Wachstum oder Arbeitslosenrate. Die Makrosicht kann dabei über Indizes als Zeitreihen abgebildet werden.

In der ECL-Rechnung lassen sich die Indizes auf zwei Wegen nutzbar machen. Im vorliegenden Teil steht der erste Weg im Mittelpunkt: Die Indizes fließen als vorausschauende Informationen in die FLI-Szenarien der ECL-Messung ein und verschieben dort die szenariobedingten PD- und LGD-Schätzungen; sie wirken somit auf die Höhe des erwarteten Verlusts (IFRS 9.5.5.17(c) i. V. m. B5.5.49–52). Solange die volle Modellintegration noch aussteht, kann diese Funktion auch zeitweise durch ein dokumentiert begründetes Overlay übernommen werden.

Der zweite Weg führt über beobachtbare Schwellenwerte auf denselben Indizes in die Stufenzuordnung. Wie dies im Einzelnen funktioniert, wird im zweiten Teil dieses Beitrags gemeinsam mit den qualitativen Triggern aus Sanktions-, Exportkontroll- und Lieferkettenregimen erläutert.

Eine wesentliche Ausprägung der geopolitischen Risiken sind die geschäftsmodellbezogenen Handelsrisiken. Sie treffen die Kreditnehmer vor allem über ihre Export- oder Importabhängigkeit, wenn etwa kritische Materialien wie Seltene Erden durch Handelsbeschränkungen – beispielsweise seitens Chinas – ausfallen. Zu den Ursachen gehören die nachlassende Verlässlichkeit der internationalen Ordnung, die zunehmende Politik- und Rechtsunsicherheit, eskalierende Sanktions- und Gegensanktionsspiralen sowie die Erosion des regelbasierten Handels.

Tabelle 4: Beispiel-Expositionscluster Risiko-Mapping – Geopolitische Handelsrisiken

Tabelle 4 identifiziert und bewertet beispielhaft verwundbare Teilportfolien und gibt Auskunft darüber, wie stark die einzelnen Cluster exponiert sind. Dazu trianguliert sie drei unabhängige Lesarten desselben Risikos: die marktimplizite Perzeption (Investorensicht), die Sensitivität unter aufsichtlichen Stresstests und die regulatorische Exposition (Sanktionen/Dual-Use).

Diese Gruppierung nach gemeinsamen Risikomerkmalen darf als der erste Schritt der Teilportfoliobildung nach IFRS 9.B5.5.5 angesehen werden; die Stufenzuordnung innerhalb der markierten Cluster ist Gegenstand des zweiten Blogartikel-Teils.

Das geopolitische Beispiel steht somit für das Muster aller drei Risiko-Mappings: Ob Länder-, Klima- oder geopolitisches Risiko, jede Abbildung strukturiert das Kreditportfolio nach ihrer Risikodimension in granulare Teilportfolien.

Insgesamt ist die Granularität aus Steuerungssicht also kein Selbstzweck, sondern Voraussetzung für portfoliosteuernde Maßnahmen. Denn nur eine differenzierte Risikovorsorge erlaubt eine differenzierte Preisbildung, Limitpolitik und Neugeschäftsstrategie. Eine teilportfolioweise Sichtweise ermöglicht zudem eine strukturierte Anbindung an die sektorale Geschäftsplanung und schließt somit den Steuerungskreis methodisch.

Beispiel einer Software-Lösung in Kombination mit Parameterschätzung

Beispielhaft zeigt die ORRP IFRS 9 Impairment-Lösung, wie sich dieser Gedanke operationalisieren lässt: Stress-Szenarien werden als multiplikative PD- und LGD-Shifts je Teilportfolio definiert – etwa nach Expositionsclustern, Ländergruppen und Sektorgruppen mit hohen C&E-Risiken (). Die aufsichtlich adressierten Risikodimensionen – länderspezifische Finanzmarktrisiken, C&E-Risiken und geopolitische Handelsrisiken – lassen sich als Baseline-Szenario plus zwei Change-Szenarien (Upside, Downside) abbilden. Das Baseline-Szenario ist im angelieferten Parametersatz enthalten, während sich die Change-Szenarien davon unterscheiden. Strukturell ähnlich lassen sich weitere Treiber erfassen, etwa Transformationsrisiken aus KI oder Risiken aus der Erosion von Rechtsstaatlichkeit.

Damit lassen sich viele strukturelle Auslöseereignisse von Overlays in die Szenariomechanik zurückführen und so die Modellintegration für den Sunsetting-Pfad operationalisieren. Der dafür nötige Arbeitsprozess umfasst bis zu drei Schritte:

• die Bestimmung der Prognoseverteilung,
• die Ableitung der Szenariogewichte und
• die Schätzung der PD-/LGD-Shifts.

Wie weit diese Schritte modellbasiert erfolgen können, hängt von der empirischen Verankerung des auslösenden Risikos ab. Zwei Fragen entscheiden darüber: Woher stammt die Höhe der PD-/LGD-Shifts, aus einem integrierten Gesamtmodell mit Interaktionseffekten oder aus einem einzelnen Satellitenmodell? Und woher stammen die Szenariogewichte, aus einer Wahrscheinlichkeitsverteilung des auslösenden Risikos oder aus einer begründeten Setzung? Die Antworten führen auf vier Ausprägungen mit absteigender empirischer Verankerung:

Tabelle 5: Übersicht der vier Ausprägungen mit absteigender empirischer Verankerung

Der Prüfstein der höchsten empirischen Verankerung liegt in der Validierung durch die zweite Verteidigungslinie, also die vom Modelleigentümer unabhängige Validierungsfunktion des Risikocontrollings. Hier ist zu fragen: reproduziert das gewichtete Mittel der Szenarien die Baseline-Prognose (Erwartungstreue), und passen Schwere und Gewicht des Downside-Szenarios zueinander? Eine spürbare Abweichung bei der Erwartungstreue signalisiert, dass die Nichtlinearität zwischen Makropfaden und Parameter-Shifts bei der Pfadwahl nicht ausreichend berücksichtigt wurde.

Bemerkenswert ist auch die vierte Ausprägung. Beim KI-Transformationsdruck etwa fehlen dynamische, hochfrequente Verlaufsindizes; verfügbar sind allenfalls strukturelle Expositionsscores. Höhe und Gewichtung bleiben deshalb an den Scores angelehnte Experteneinschätzungen.

Gerade dort ließe sich ein gesondertes Overlay am leichtesten rechtfertigen, auch aus Aufwandsgründen. Dennoch ist die Szenariomechanik vorzuziehen, denn sie ordnet dem betroffenen Teilportfolio einen konkreten Shift-Parameter zu, der über den Expositionsscore eine nachvollziehbare Begründung erhält, und integriert ihn auditierbar in die Parameterwelt, statt ihn als globalen Aufschlag danebenzustellen.

Der Szenario-Shift bleibt der Sache nach ein strukturiertes, modellnahes Overlay; die Art der Integration führt jedoch in die aufsichtlich erwünschte Richtung, weg von einer dauerhaften Abhängigkeit von gesonderten Overlays.

Fazit

Auf der Messungsseite entscheidet sich die Steuerungswirkung des ECL an drei Stellen. Die erste ist die Szenariokonsistenz: ECL-Modell, ICAAP und Stresstest müssen aus denselben Makro-Pfaden gespeist werden, und die FLI-Gewichte müssen zur Verteilungslogik der Stresspfade passen, denn ein einzelner, gemittelter Pfad unterschätzt den erwarteten Verlust systematisch. Die zweite ist die Granularität: Erst die Teilportfoliosicht entlang der Dimensionen Geografie, Branche und Geschäftsmodell macht sichtbar, wo Länder-, Klima- und geopolitische Risiken das Portfolio tatsächlich treffen. Die dritte ist die Szenariomechanik: Wer diese Risiken als PD-/LGD-Shifts je Teilportfolio in die Parameterwelt integriert, führt strukturelle Auslöser von Overlays in das Modell zurück und gewinnt eine differenzierte Grundlage für Preisbildung, Limitpolitik und Neugeschäftsstrategie.

Für die Entscheidungsebene ergeben sich drei Fragen. Erstens: Wann wurden die FLI-Szenariogewichte zuletzt gegen die aktuelle Prognoseverteilung rekalibriert, und wer validiert sie? Zweitens: Speisen sich IFRS-9-Rechnung, ICAAP und Kapitalplanung nachweislich aus denselben Makro-Ankerwerten? Drittens: Für welche der aufsichtlich adressierten Risikodimensionen, also Länder-, Klima- und geopolitische Handelsrisiken, existieren bereits Teilportfolien mit eigenen Parameter-Shifts statt pauschaler Overlays? Aus den Antworten ergeben sich die institutsindividuellen Handlungsbedarfe.

Damit ist erst die Hälfte des Weges beschrieben. Jedes wesentliche Risiko muss auf beiden Seiten ankommen: sowohl in der ECL-Berechnung als auch im Staging. Der zweite Teil dieses Beitrags zeigt, wie dieselben Teilportfolien und Indizes die Stufenzuordnung erreichen und warum die EZB den kollektiven Top-down-Transfer derselben Werkzeugklasse zuordnet wie das Overlay. Sein Kernstück ist ein flexibles Triggering: Der erwartete Schock wird als Parameter-Shift auf das betroffene Teilportfolio gelegt, anschließend prüft die Bank je Geschäft das unveränderte SICR-Kriterium. Entsprechend der aufsichtsrechtlichen Vorgabe wird der Umfang des kollektiven Transfers wird damit nicht mehr global gesetzt, sondern tatsächlich berechnet.

Methodisches Glossar zu den Tabellen

Das Glossar bündelt die Erläuterungen zu den Tabellenspalten, die bislang als Fußnoten geführt wurden. Es ist nach den drei Risiko-Mappings gegliedert; je Spalte sind Begriffsinhalt und Quelle getrennt ausgewiesen.

Tabelle 1: Länderdifferenziertes Risiko-Mapping im Euroraum nach den Finanzstabilitätsindikatoren der EZB

Tabelle 2: Sektorales Risiko-Mapping – Transitionsrisiken

Tabelle 4: Beispiel-Expositionscluster Risiko-Mapping – Geopolitische Handelsrisiken