54
mente, der an den Preisentwicklungen hängt.
Für die Alternative „Börsenhedging“ lässt sich
simulieren, ob im Preisstress die Sicherheits-
einlagen geleistet werden können oder ob ggf.
weitere kurzfristige Kreditlinien hierfür vorge-
halten werden sollten. Abbildung 7 zeigt für die-
ses Hedging zunächst die gewünschte EBITDA-
Zielerreichung (siehe Abbildung 7: Maßnahme
2). Und: Das Working Capital steigt merklich,
sowohl in der Erwartung als auch im Risiko.
Folglich legt das shortfall risk für den Cash Flow
und die Kreditlinienverfehlung im Vergleich zum
OTC-Hedge deutlich zu (z.T. sogar über den
Planungsfall). Der Vergleich der Maßnahmen
offenbart, welche konkrete Impulse Controlling,
Unternehmensteuerung und Risk Management
hier aktiv setzen müssen: Um sich auch die
Möglichkeit eines (vollständigen) Börsen-
Hedgings offen zu halten, sollte es – im Ver-
gleich zum OTC-Hedging – mit rd. 300 TEUR
zusätzlichen Kreditlinien begleitetet werden.
Fazit
Die skizzierten quantitativen Verfahren sind be-
reits heute für die Unternehmensplanung, das
Risikocontrolling und die gesamthafte Unter-
nehmensteuerung verfügbar. Erfahrungen zei-
gen, dass sich z. B. die hier illustrierte HKA zur
Verdichtung von Risikotreibern auf viele andere
Anwendungen übertragen lässt, sei es auf in-
ternationale Zinssätze mit verschiedenen Lauf-
zeiten, auf Chemikalien-, Papier- oder Indust-
riemetallportfolien, auf Raffinierprodukte oder
auch auf die Analyse von Charter- und Fracht-
raten unterschiedlicher Schiffsklassen.
Je
mehr Preise integriert werden, desto höher
ist der Nutzen der Kerntreiberidentifikati-
on.
Die konsistenten Marktpreiserwartungen
und -szenarien sind vielfältig zur Unterneh-
menssteuerung einsetzbar: Angebunden an ein
einfaches Planungsmodell können die Ergeb-
nisse eine konsistente Planungserstellung un-
terstützen. Stresstests des Geschäftsmodells
können exakter und effizienter gestaltet wer-
den, und letztlich auch Maßnahmen unmittel-
bar verprobt werden. Die Zeit ist reif, die Skep-
sis gegen quantitative Methoden zu überden-
ken, und diesen nächsten Schritt zu gehen.
Fußnoten
1
Siehe z. B. Gleißner, W. / Romeike, F.: „Band-
breitenplannung und unternehmerische Entschei-
dung bei Unsicherheit“, in: Risk,Compliance 6
Audit, 1/2012, S.42ff., Gleißner,W. / Kalwait,R.:
„Integration von Risikomanagement und Control-
ling – Plädoyer für einen völlig neuen Umgang mit
Planungssicherheit im Controlling“, in: Controller
Magazin, Ausgabe 4, Juli/August 2010, S. 23ff.
2
Die Angaben sind realitätsnah skaliert auf ein
fiktives Geschäftsmodell mit 10.000 t Gesamt-
produktion und je 50% Anteil an Biodiesel und
Ethanol.
3
Ähnliche Korrelationsergebnisse –aber immer
nur für Teilmärkte - finden sich in der Literatur,
z. B. in Rajcaniova, Mira / Pokrivcak, Jan: “What
is the real Relationship between Biofuels and Ag-
ricultural Commodities?”,
elpub2/ FM/Kotulic13/ pdf_doc/08.pdf, 2011;
Schulz, Franziska, “Volatility Linkages between
German Biofuel Prices and Agricultura Commo-
dity Prices”,
c-views/
abstract.php?id=39705, 2012
4
Korrelationsanalysen können bei stochastisch
trendbehafteten (sog. integrierten) Zeitreihen, wie
sie hier überwiegend vorliegen, hohe Scheinkorre-
lationen anzeigen, und zwar dann, wenn es sich
z. B. um eigentlich eigenständige, stochastische
Trends handelt. Als Lösung hierfür bietet sich das
Differenzieren der Zeitreihen an, das aber dazu
führen kann, dass vorhandene langfristige Zusam-
menhänge zerstört werden. Um dies zu vermei-
den, werden üblicherweise Kointegrationsansätze
verwendet, die explizit die langfristigen (gegensei-
tigen) Zusammenhänge zwischen integrierten
Zeitreihen explizit berücksichtigen; dabei führt der
Ansatz implizit das Trendverhalten der Zeitreihen
auf stochastische „common trends“ zurück. Die
Verbindung der HKA zum Kointegrationsmodell „ is
that a principal component analysis of cointegra-
ted variables will yield the common stochastic
trend as the first principal component. But the out-
put of the two analyses differ: principal compo-
nents gives two or three series which can be used
to approximate a much larger set of series…; co-
integration gives all possible stationary linear com-
binations of a set of random walks.“(siehe Alexan-
der, C. (1999),”Optimal Hedging Using Cointegra-
tion“, Philosophical Transactions of the Royal Soci-
ety, London, Series A 357, S. 2039-2058,
Fußnote 2). Somit sollte gelten: Auch wenn die
obige Korrelationsanalyse ggf. Scheinkorrelationen
enthalten sollte, das HK-Modell dürfte robuster
gegen langfristigen „spurious correlations“ sein.
Übrigens: Rein ökonomisch ist eine Scheinkorrela-
tion zwischen den Mineralölprodukten wenig
wahrscheinlich, und auch die Preisbeziehungen
dieser zu den Ölsaaten sollte sich in den letzten
Jahren in Europa verfestigt haben.
5
Der Fachchart wertet die simulierten Szenari-
en aus, indem jeder 5% -Wahrscheinlichkeits-
bereich mit einer neuen Farbschattierung ver-
sehen wird. Jenseits des sichtbaren Bereichs
liegen noch 2 x 5% der Szenarien.
6
Die Schätzung der Langfristbeziehung erfolgt
mit der Kleinst-Quandrate Methode („Engle-
Granger –Schätzung“); alle Schätzparameter
sind signifikant auf 1% Testniveau.
7
Für die Working Capital- und Cash Flow-
Simulation werden lediglich wenige Angaben
ergänzt: ein Zahlungsziel der Forderungen aus
Lieferung und Leistungen von 30 Tage sowie
bei den entsprechenden Verbindlichkeiten von
20 Tagen und eine Lagerhaltungsdauer von
durchschnittlichen 60 Tagen.
8
Die Terminpreise sind nahe an die Planwerte
gesetzt, um Risikomanagementaspekte her-
auszuarbeiten.
9
Diebold, F.X.., Ji, L.; Yue, V., (2007), “Global
Yield Curve Dynamics and Interactions: A gene-
ralized Nelson-Siegel approach”, Working pa-
per, University of Pennsylvania. Diebold, F.X.,
Rudebusch, G.D. and Aruoba, B., (2006), “The
Macroeconomy and the Yield Curve: A Dynamic
Latent Factor Approach”, Journal of Economet-
rics, 131, 309-338.
Autor
Dr. Frank Silber
ist Dipl.-Volkswirt mit ökonometrischem Schwerpunkt. Seit
2001 ist er im Konzern der HSH Nordbank AG mit quantitativen
und beratenden Schwerpunkten tätig. Als Senior Manager im
Corporate Advisory unterstützt er seit 2007 Kunden im Um-
gang mit Marktpreisrisiken.
E-Mail: frank.silber@hsh-nordbank-com
Marktpreisrisiko-Management
