Scoring-Modelle

Hohe Vorhersagekraft mit unseren Scoring-Modellen

Creditsafe arbeitet kontinuierlich an der Verbesserung der Bewertungsmodelle (Scorecards). Wir verbinden dabei statistische Scoring-Methoden mit unserem ständig wachsenden Datenbestand. Die erweiterte Datenbasis ermöglicht uns, bessere und genauere Bewertungen für eine größere Anzahl von Unternehmen anzugeben.

Das Konzept hinter dem Scoring-Ansatz von Creditsafe besteht darin, das Insolvenzrisiko eines Unternehmens in den nächsten 12 Monaten anhand einer Reihe von eindeutigen Merkmalen vorherzusagen. Die Bedeutung dieser ist für die Bonitätsbewertung unterschiedlich, weshalb sie anhand ihrer Relevanz gewichtet werden. Sowohl die Merkmale, als auch deren Einfluss auf den Score werden anhand moderner statistischer Methoden bestimmt. 

Bonitätsrelevante Merkmale

Diese Faktoren fließen in den Score ein.

  1. Finanzdaten

  2. Insolvenzhistorie

  3. Wirtschaftszweige

  4. Geschäftsführung

    Erfahrung, Wechsel, Insolvenzerfahrung, ...

  5. Trends

    Liquidität, Verschuldungsgrade, ...

  6. Allgemeines

    Alter, Veröffentlichungspflichten, Gruppenzugehörigkeiten, ...

Maßgeschneiderte Modelle

Vom kleinen Handwerksbetrieb bis hin zum stark verzweigten Großkonzern in der Pharmaindustrie: Die Datenbasis, aber auch die Gründe für Insolvenzrisiken unterscheiden sich je nach Firmentyp, Branche oder Größe eines Unternehmens. Um die Präzision und Stabilität unserer Modelle zu erhöhen, segmentiert Creditsafe sämtliche Unternehmen in Größe oder Firmentyp nach gesetzlichen Vorgaben, sowie Branchen nach statistischer Signifikanz. 

  1. Kleinstunternehmen

  2. Kleine Unternehmen

  3. Mittlere Unternehmen

  4. Große Unternehmen

  5. Start-Ups

  6. Unternehmen ohne Finanzzahlen

Ausfallwahrscheinlichkeiten als Basis der Bonitätsbewertung

Unsere statistischen Regressionsmodelle prognostizieren die Wahrscheinlichkeit, dass ein Unternehmen innerhalb eines Zeitraums von 12 Monaten in die Insolvenz gerät. Diese Ausfallwahrscheinlichkeit wird in Prozent ausgedrückt und von Creditsafe in einen Score von 0 bis 100 skaliert. Daraufhin wird er in das klassische Schulnotensystem mit Zahlen zwischen 1,0 und 6,0 übersetzt und in übergeordnete Risikoklassen (A bis E) unterteilt. Die entsprechende Umrechnungstabelle für das neue Scoring steht Ihnen zum Download bereit. 

Bonitätsindex

Qualität der Scoring-Modelle

Präzision

Robustheit

Monatliche Modellüberwachung

Einen insolvenzgefährdeten Kunden nicht als solchen zu erkennen, kann zu hohen Forderungsausfällen führen. Gleichzeitig bedeutet auch ein fälschlich abgelehnter Kunde ein entgangenes Geschäft und kostet somit Umsatz. Die präzise Unterscheidung zwischen „guten“ und „schlechten“ Unternehmen – also Unternehmen mit einer hohen Insolvenzwahrscheinlichkeit – ist daher die zentrale Aufgabe eines leistungsfähigen Scoring-Modells.

Mit Hilfe moderner Scoring-Modelle können Firmen über 70 % der auflaufenden Insolvenzen in ihrem Kundenbestand vermeiden. Voraussetzung dafür ist eine hohe Prognosegüte sowie eine klare Trennschärfe zwischen finanziell stabilen und risikobehafteten Unternehmen.

Die Prognosestärke von Scoring-Modellen wird häufig anhand des sogenannten Gini-Koeffizienten beschrieben. Die neuen Creditsafe Scoring-Modelle erreichen hier Werte von bis zu 0,74. Entscheidend ist jedoch nicht allein die Verbesserung dieses Kennwerts, sondern insbesondere die hohe Trennschärfe der Modelle – also die Genauigkeit, mit der zwischen „guten“ und „risikobehafteten“ Unternehmen unterschieden werden kann.

So zeigt sich in der Praxis: Bereits bei einer Betrachtung der 5 % der Unternehmen mit der höchsten Ausfallwahrscheinlichkeit lassen sich rund 50 % aller zukünftigen Insolvenzen identifizieren. Werden die 20 % risikoreichsten Unternehmen betrachtet, erkennt das Modell bereits etwa 70 % der späteren Insolvenzen – und schafft damit die Grundlage, um diese Risiken frühzeitig zu steuern und Zahlungsausfälle zu vermeiden.

Um sicher zu stellen, dass unsere Scoring-Modelle nicht nur für den Zeitraum der Modell-Daten, sondern auch zu anderen Zeitpunkten genaue Ergebnisse liefern, wurde die „Out-of-Time-Validierung“ (OoT) über mehrere historische Zeiträume durchgeführt. 

Um eventuelle saisonale Effekte ausschließen zu können, wurde die Oot zusätzlich zu unterschiedlichen Jahreszeiten durchgeführt.

Jedes Modell, sowie deren Modellinformation wird monatlich validiert, zum fortlaufend verlässliche Prognosen treffen zu können. Eine kontinuierliche Überwachung der Modelle ist dringend erforderlich, da sie die Marktbedingungen zu einem bestimmten Zeitpunkt widerspiegeln. Diese ändern sich in der Regel während der Lebensdauer eines Modelles und somit oft auch die Bedeutung der Einflussgrößen bzw. Modellvariablen. 

Zahnräder
Präzision
Robustheit
Monatliche Modellüberwachung

Kreditlimit

Neben unserer Scorecards, entwickeln wir ebenso den Algorithmus für die Berechnung des Kreditlimits stetig weiter. Um hier die Gegebenheiten des deutschen Marktes bestmöglich zu reflektieren, geschieht dies in enger Zusammenarbeit mit unseren Kunden. Die zentrale Rolle spielt hierbei die Symbiose aus Zahlungsfähigkeit und Ausfallrisiko.

Individuelle Scorecards

Klicken Sie unten, um eine Zusammenfassung der länderspezifischen Scorecards zu erhalten.

Nicht jedes Land ist gleich: Nicht nur die Datenverfügbarkeit, Bilanzierungsgrundsätze und gesamtwirtschaftliche Entwicklung kann stark variieren. Um stets präzise die Ausfallwahrscheinlichkeit vorherzusagen, werden unsere Scorecards individuell für jedes Land entwickelt. Während wir uns der Einführung einer Scorecard nähern, werden wir eine Zusammenfassung der entsprechenden  Scorecards mit Details zur angewandten Segmentierung, Methodik und den Risikobändern veröffentlichen.

Wenn ein Dokument verfügbar ist, können Sie es herunterladen, indem Sie auf das PDF-Symbol mit der Länderflagge klicken.

Deutschland

Österreich

Vereinigtes Königreich

Frankreich

Schweden

Belgien

Niederlande

Norwegen

+ viele mehr

more

Bonitätsbewertung in Krisenzeiten

Erfahren Sie, welchen Einfluss COVID-19 auf die globale Datenverfügbarkeit und Bonitätsbewertungen hat sowie welche Maßnahmen Unternehmen in diesem Kontext ergreifen sollten.

Haben Sie Fragen?

Dann nehmen Sie Kontakt zu unseren Experten auf. Gerne stellen wir Ihnen auch eine weiterführende Dokumentation zur Verfügung.

Antworten zu unseren Scoring-Modellen

Im Handelsregister eingetragene/registrierte Unternehmen

Nicht nur aus Gründen der Datenverfügbarkeit unterscheiden wir generell zwischen registrierten und nicht-registrierten Unternehmen.

Eine Eintragung in das dt. Handelsregister ist nicht für jede Unternehmung Pflicht, durch die damit verbundenen Pflichten bietet sie Partnern jedoch einen gewissen Vertrauensvorschuss und Sicherheit. Denn das jeweilige Unternehmen lässt erkennen, dass es sich der Anwendung der kaufmännischen Gebräuche und Regelungen nach dem Handelsgesetzbuch, wie z. B. der Buchführungspflicht (§ 238 HGB), Inventurpflicht (§ 240 HGB), Jahresabschlusspflicht (§ 242 HGB) oder auch der Aufbewahrungspflicht von Unterlagen (§ 257 HGB) unterwirft.

Zudem kontrollieren unabhängige Stellen die Richtigkeit und Aktualität dieser Informationen. Das schafft eine rechtliche Verbindlichkeit, zum Beispiel in Haftungsfragen und ermöglicht es uns, Creditsafe, diese in standardisierter Form zu verarbeiten und zu einer verlässlichen Risiko-Bewertung zu verarbeiten.

Unsere Risiko-Modelle für registrierte Unternehmen basieren somit zu 100 % auf Fakten ohne jegliche synthetische Anreicherung wie etwa durch Schätzungen, Indizes, zusätzliche Prognosen oder Indikatoren.

 

Offizielle Quellen sind unter anderem:

Handelsregister, Unternehmensregister und Bundesanzeiger, Insolvenzregister, Transparenzregister, Validatis (European Business Register), Datenabgleich mit den Webseiten der Unternehmen, Frühwarnsysteme, bei denen relevante Nachrichten-Plattformen automatisch observiert werden.

Segmentierungsansatz nach § 267 HGB

Statistische Risiko-Modelle basieren darauf, aus relevanten aktuellen sowie historischen Daten diejenigen Charakteristika zu isolieren, welche zuverlässig die „Guten“ von den “Schlechten“ trennen – in unserem Fall Unternehmen, bei denen mit einer Insolvenz in den kommenden 12 Monaten zu rechnen ist.

Für die Qualität eines Algorithmus, den Guten auch als solchen zu prognostizieren, ebenso wie den Schlechten, gibt es in der Statistik unter anderem das Maß der „Trennschärfe“.

Creditsafes Risiko-Modelle zeichnen sich eben durch diese Trennschärfe aus. 

Veranschaulicht dargestellt, liegen beinahe 75 % der kommenden Insolvenzen im Bereich der 20 % an Unternehmen mit der höchsten Ausfallwahrscheinlichkeit (PD), also einer PD von über 1.52 % und somit einem Score von unter 46 Punkten. Gleichzeitig weniger als 2 % der in den kommenden 12 Monaten auftretenden Insolvenzen liegen im Bereich von über 78 Punkten, also einer PD von unter 0.2 %.

Um diese Trennschärfe zu erreichen, muss man sich die jeweiligen Charakteristika eines Unternehmens natürlich gerade nach Gesichtspunkten der Unternehmensgröße anschauen, sprich „Gruppen gleichen Verhaltens“ bilden. Kleinstunternehmen agieren und reagieren selbstverständlich stark losgelöst von Konzernen.

So weisen z. B. mehrere Geschäftsführungswechsel innerhalb kürzester Zeit bei Kleinstunternehmen auf ein erhöhtes Risiko hin, gehören diese jedoch bei Konzernen beinahe zur Tagesordnung, da sich hier die Geschäftsführung nicht selten aus mehreren Dutzend Mitgliedern zusammensetzt.

Dies wird gewährleistet, indem vorab sämtliche Unternehmen nach Vorgaben des HGB (§ 267 HGB) klassifiziert werden. Für jede Größenklasse (Kleinst-, Klein-, Mittel- und Großunternehmen) sowie für Start-ups und ältere Unternehmen ohne Finanzzahlen wurden individuelle Bewertungsmodelle generiert, wobei jedes für sich auf unterschiedlichen Informationen beruht. 

Unternehmensgruppen und Risiko-Gewichtung

Aufgrund einer zunehmenden Unternehmenskonzentration in der Wirtschaft, also dem externen sowie internen Wachstum von Unternehmen durch Verschmelzungen, Übernahmen oder Ausgliederungen und den damit verbundenen Beherrschungs- oder Gewinnabführungsverträgen, muss die Bewertung einzelner Tochterunternehmen stets einhergehen mit dem Zustand der gesamten Unternehmensgruppe.

Dies geschieht, indem Creditsafe im ersten Schritt das Unternehmen rein nach den eigenen Informationen bewertet und im weiteren Verlauf dann anhand eines Algorithmus mit dem Risiko der gesamten Gruppe gewichtet.

Hier werden nicht nur Ist-Zustände herangezogen; traten z. B. in den letzten Jahren in einer Gruppe vermehrt Insolvenzen auf, wirken diese sich per se negativ auf das Gruppenrisiko aus.

Ein anschauliches Beispiel ist hier zum einen der Zustand der Printmedien, welche in einigen Fällen zwar auf individueller Unternehmensebene immer noch gute bis sehr gute Zahlen schreiben, konsolidiert jedoch einen anderen Eindruck hinterlassen und durch den Digitalisierungs-Druck der letzten Jahre teilweise bis zu 30 % der Tochterunternehmen aufgrund von Insolvenzen verloren.

Anders wiederum, dort wo Gewinnabführungsverträge an Muttergesellschaften bestehen oder eine Tochtergesellschaft faktisch als „Cost-Center“ betrachtet werden muss, kann eine exakte Bewertung nur im Zusammenhang mit der Gruppe geschehen, die Bewertung des Unternehmens-Risikos ebenso wie die des realen Zahlungsvermögens.

Veränderungen der Risikoprognose oder der empfohlenen Kreditlinie

Wie unter "Unternehmensgruppen und Risiko-Gewichtung" beschrieben, ist ein wichtiger Faktor für die Risiko- und Liquiditätsbewertung von Unternehmen in einer Unternehmensgruppe, das vorherrschende Risiko bzw. Zahlungsvermögen der gesamten Gruppe.

Verändern sich Risiko und/oder Liquidität in der Gruppe, so kann es auch ohne Veränderungen auf Unternehmensebene selbst zu einer Veränderung des Risikos und/oder Kreditlimits in der gesamten Gruppe kommen. 

Überschuldung, Patronatserklärungen, Rangrücktritte sowie Gesellschafterdarlehen

Häufig weisen individuelle, unkonsolidierte Jahresabschlüsse von Unternehmen innerhalb einer Unternehmensgruppe eine geringere Wirtschaftlichkeit auf, als es der Markt erwartet. Der Grund: Diese Unternehmen bilden für sich allein keine abgeschlossene Wirtschaftseinheit, sondern werden meist zentral durch die Muttergesellschaft gesteuert – beispielsweise über Beherrschungs- oder Gewinnabführungsverträge.

In der Praxis beobachten wir, dass solche Tochterunternehmen deutlich häufiger bilanzielle Überschuldungen aufweisen als eigenständige Unternehmen: Über 50 % mehr bei Unternehmen innerhalb einer Gruppe, bei Tochterunternehmen in direkter Verbindung zur Muttergesellschaft (1. Level) sogar bis zu 70 % mehr bilanzielle Überschuldungen.

Um die Kreditfähigkeit dieser Unternehmen zu sichern, greifen Muttergesellschaften häufig zu Patronatserklärungen. Dabei werden dem Tochterunternehmen Maßnahmen oder finanzielle Unterstützungen zugesagt, um eine drohende Insolvenz zu verhindern.

Ein ähnliches Ziel verfolgen Rangrücktritte von Gesellschafterdarlehen oder Darlehen verbundener Unternehmen: Im Falle der Zahlungsunfähigkeit werden diese nachrangig behandelt, um das Unternehmen zu stabilisieren. Wichtig dabei: Die nachrangigen Darlehen sollten mindestens den Fehlbetrag abdecken.

Mit Hilfe moderner Scoring-Modelle können Firmen über 70 % der auflaufenden Insolvenzen in ihrem Kundenbestand vermeiden. Voraussetzung dafür ist eine hohe Prognosegüte sowie die Berücksichtigung solcher Sicherungsmechanismen wie Patronatserklärungen oder Rangrücktritte. Unsere Algorithmen berücksichtigen diese Gewährleistungen, da sie das Risiko bilanzieller Überschuldung positiv beeinflussen und so eine realistischere Einschätzung der Kreditfähigkeit ermöglichen.