Bachelor

Inhalt: 

Jede wirtschaftliche Aktivität birgt Unsicherheiten, die mit Chancen und Gefahren (Risiken) verbunden sind. Wie bedeutend diese Risiken für den Unternehmenserfolg sind, zeigt schon ein Blick in die letzten Jahre: Die Auswirkungen der Finanzkrise, die Pandemie, steigende Energiepreise oder Inflation stellten die Unternehmen vor immer neue Herausforderungen. Der Umgang mit solchen Risiken sowie eine präventive Befassung mit zukünftigen Chancen und Gefahren (beispielsweise in Zusammenhang mit der Digitalisierung, Energiewende oder Nachhaltigkeit) sind zentral für den erfolgreichen Fortbestand eines Unternehmens. Nicht oder zu spät entdeckte Risiken können zu schwerwiegenden und existenziell bedrohlichen Krisen führen. Nicht wahrgenommene oder nicht genutzte Chancen zu (erheblichen) Wettbewerbsnachteilen. Ein systematischer Umgang mit Risiken ist umso wichtiger und daher Gegenstand dieses Kurses. Ziel ist es, den Studierenden unter Berücksichtigung aktueller Themen einen gesamtheitlichen Ansatz zu vermitteln, der alle Phasen des betrieblichen Risikomanagements umfasst. Das vorliegende Online-Lehrangebot orientiert sich an den Schritten des sogenannten Risikomanagementprozesses und gliedert sich in folgende Lerneinheiten:
 

Gliederung:

1. Einführung
2. Identifikation von Risiken
3. Risikobewertung und Risikoaggregation
4. Risikosteuerung
5. Risikoüberwachung und -berichterstattung
6. ESG (Environmental Social Governance) im Risikomanagement

Lernziele:

Nach einer Einführung, im Rahmen derer Grundlagen und Definitionen von Risiken in Unternehmen und im damit verbundenen Risikomanagement erlernt werden sollen, folgt mit dem Risikomanagementkreislauf der Kern der Veranstaltung. Dabei lernen die Studierenden, wie sich der Risikomanagementprozess im Unternehmen abbildet, bestehend aus: 1. Risikoidentifikation, 2. Risikobewertung, 3. Risikosteuerung und 4. Risikoüberwachung und Berichterstattung. Das letzte Kapitel des Kurses geht auf aktuelle Themen des Risikomanagements ein und beleuchtet den Bereich ESG (Environmental Social Governance). Hierbei wird vermittelt, welche immer größer werdende Rolle Nachhaltigkeitsrisiken für Unternehmen spielen und welche Besonderheiten es dabei gibt (bspw. sogenannte ESG-Ratings). Nach Absolvierung des Kurses können die Studierenden eine Risikoanalyse durchführen (Risiken identifizieren, strukturiert erfassen und bewerten) und darüber hinaus den Risikoumfang auch quantitativ ausdrücken. Die Studierenden sind in der Lage, geeignete Maßnahmen zur Risikosteuerung abzuleiten und wissen, wie Risiken überwacht werden können. Insbesondere werden die Studierenden für die Relevanz aktueller Nachhaltigkeits- bzw. ESG-Risiken sensibilisiert.
 

Lerneinheit 1 | Einführung

Die erste Lerneinheit des Kurses widmet sich der Frage, was man unter Risiko im betriebswirtschaftlichen Kontext versteht und welche Risikoarten unterschieden werden. Das Zusammenspiel aus Risiken und Chancen läutet die Frage ein, warum sich Unternehmen überhaupt mit Risiken befassen müssen. Dabei ist insbesondere zu klären, was das Ziel von Risikomanagement ist und wie Risikomanagement im Unternehmen abläuft. Dies legt den Grundstein für die nachfolgenden Kapitel, die im Einzelnen auf diesen Risikomanagementprozess eingehen. Mit Verweis auf rechtliche Rahmenbedingungen und Richtlinien wird die Notwendigkeit einer Risikokultur im Unternehmen thematisiert.

Lerneinheit 2 | Identifikation von Risiken

Unter der Risikoanalyse ist die Identifikation und Kategorisierung von Risiken zu verstehen. Im Rahmen der Risikoidentifikation müssen alle wesentlichen Risiken eines Unternehmens systematisch erfasst werden. In dieser Lerneinheit werden verschiedene Methoden zur Risikoidentifikation vorgestellt.

Lerneinheit 3 | Risikobewertung und Risikoaggregation

Nachdem die Risiken identifiziert worden sind, müssen sie auch korrekt bewertet werden. Neben qualitativen Bewertungsmethoden interessieren vor allem auch quantitative Methoden, sodass Risiken in Geldeinheiten ausgedrückt werden können. Zur Risikomodellierung wird auf geeignete statistische Verteilungsfunktionen zurückgegriffen, die in dieser Lerneinheit vorgestellt werden. Sind die relevanten Risiken durch Verteilungsfunktionen beschrieben, besteht im Anschluss die Aufgabe, die Gesamtrisikoposition des Unternehmens durch eine sogenannte Risikoaggregation zu ermitteln.

Lerneinheit 4 | Risikosteuerung

Diese Lerneinheit befasst sich mit den verschiedenen grundlegenden Herangehensweisen zur Risikosteuerung. Sofern bestimmte Risiken tolerierbar sind, können diese bewusst in Kauf genommen werden. Andernfalls muss Risiken entgegengewirkt werden, zum Beispiel durch Vermeidung, Verminderung, Begrenzung oder Überwälzung an Dritte.

Lerneinheit 5 | Risikoüberwachung und -berichterstattung

Sowohl die Risiken als auch die getroffenen Steuerungsmaßnahmen gilt es hinsichtlich Veränderungen und Effektivität zu überwachen. Dazu sind für verschiedene Interessensgruppen des Unternehmens Risikoberichte anzufertigen.

Lerneinheit 6 | ESG (Environmental Social Governance) im Risikomanagement

Die weltweite Risikowahrnehmung hat sich zunehmend hin zu Umweltrisiken entwickelt. Die UN-Agenda für nachhaltige Entwicklung ist ein Leitbild dafür, weshalb Nachhaltigkeitsthemen im Kontext des Risikomanagements eine Rolle spielen. Die letzte Lerneinheit des Kurses befasst sich mit der Frage, was ESG bedeutet, welche Risiken damit gemeint sind, welche Arten es gibt und welche Rolle diese für Investoren und Unternehmen spielen. Dabei ist zu klären, welche Auswirkungen sie haben können und welche Hürden sich bei der Quantifizierung ergeben. Weiterhin wird darauf eingegangen, wie eine Integration sog. ESG-Faktoren in das Risikomanagement gelingen kann und welche Vorteile dies für Unternehmen mit sich bringt. Zum Abschluss wird die Rolle von extern erstellten ESG-Ratings beleuchtet und diskutiert, welche Probleme sich daraus ergeben können.       

Regulärer Turnus: jedes Semester

Weitere Informationen: auf der Webseite des Lehrstuhls 

Ansprechpartner: Prof. Dr. Daniel Müller

E-Mail: daniel.mueller2@uni-wuerzburg.de

Info: Diese Veranstaltung findet nur im Sommersemester statt/ 5 ECTS

Ökonomische Grundlagen des Risikomanagements / Ökonomische Theorie des Risikos

Versicherungsmärkte erlauben es einem Versicherungsnehmer, auf seine risikobehaftete Allokation von zukünftigen Vermögenspositionen Einfluss zu nehmen, indem Vermögen vom Nicht-Schadensfall in den Schadensfall transferiert wird. Reale Versicherungsvereinbarungen weisen häufig Eigenbeteiligungsklauseln auf, wobei der Versicherungsnehmer vor Vertragsabschluss eine Auswahlmöglichkeit zwischen verschiedenen Vertragsspezifikationen hat und die Vertragskonditionen für den Versicherungsnehmer bei tatsächlichem Eintritt eines Schadensfalls ungünstiger werden. Ziel dieser Veranstaltung ist es zu verstehen, weshalb Verträge auf Versicherungsmärkten gerade diese Eigenschaften aufweisen. Anhand eines einfachen Modells eines Versicherungsmarktes, auf dem Versicherungsunternehmen um potenzielle Kunden konkurrieren, werden wir verstehen, dass sich diese Eigenschaften realer Versicherungsvereinbarungen als Marktreaktion darauf erklären lassen, dass die Nachfrageseite einen Informationsvorsprung gegenüber der Angebotsseite besitzt (z.B. bezüglich der Schadenseintrittswahrscheinlichkeit oder des aufgewendeten Sorgfaltsniveaus eines Versicherungsnehmers).

Kapitel 1: Entscheidung unter Risiko (Erwartungsnutzentheorie)

• Kapitel 6 in A. Mas-Colell, M. D. Whinston, and J. Green (1995): "Microeconomic Theory"

Kapitel 2: Nachfrage nach Versicherung

• Kapitel 2 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Kapitel 3: Adverse Selektion

• Kapitel 4 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Kapitel 4: Moralisches Risiko

• Kapitel 5 in Rees, R. und A. Wambach (2008): "The Microeconomics of Insurance"

Ansprechpartner: Prof. Dr. Rainer Göb
E-Mail: goeb@mathematik.uni-wuerzburg.de
Info: Diese Veranstaltung wird jedes Semester via vhb angeboten und kann mit 3 ECTS im Bereich Schlüsselqualifikationen angerechnet werden.

Kursbeschreibung

"Risk is the possibility of a negative deviation from the target" - this is a common definition of risk in the context of business management. It reflects the fact that a risk can occur, but does not necessarily have to, and that things can go worse (negatively) than they were planned. All this supposes that targets have been defined previously. 

This is where risk management comes in, by supporting organizations in identifying possible dangers at an early stage in order to keep any deviations from targets as low as possible. Of course, this presupposes that risks are actually identified and correctly assessed, and that the "right" measures (in terms of effectiveness and costs) are taken in good time to manage them.

The Covid 19 pandemic, with which the entire world has been confronted since the beginning of March 2020, shows that things can fail to run according to previous plans. It can be assumed that most companies have probably included a pandemic risk in their risk universe. However, the Covid 19 pandemic is certainly far beyond everything imagined before.

There are often considerable methodological deficits in risk management, for example when, in a popular but simplistic approach, risks are assessed as a mathematical product of probability of occurrence and impact of damage. If a very low probability and a very high impact of damage are used to quantify the current situation, this would result in a low to moderate risk. It is obvious that such risk measures are illusive. In practice, there are still considerable differences between existing risk management and effective risk management.

Effective risk management therefore goes far beyond simplistic approaches and requires - in addition to a practiced risk culture in the company – a deeper understanding and correct use of quantitative risk assessment procedures. Quantitative assessment procedures and simulations based thereon can provide valid statements about a company's overall risk position (e.g., in the form of risk measures). Only then the company's capital requirements (= risk buffer) required for the risk situation can reasonably be determined.

However, this requires that risk managers are also familiar with the necessary mathematical-statistical procedures. This challenge is addressed by the present course "Elementary Quantitative Risk Assessment" (EQRA), which teaches these competencies at a basic level for bachelor students.

Detaillierte Inhaltsbeschreibung

Learning module 1 | Concepts and terminology of quantitative risk modelling.
The central concepts and schemes in the context of risk modelling are introduced and explained, especially terminologies such as risk phenomenon, risk object, direct risk, indirect risk, loss type and profit type risk variable, upside and downside risks, risk indicator and risk measure.

Learning module 2 | Mathematical and statistical basics of risk modelling.
This learning module covers mathematical and statistical foundations for describing risk phenomena and related data in four parts A, B, C, and D.
A) Data
The learning module communicates basic characteristics of data sets and the mechanisms creating data.
B) Mathematical and statistical principles of risk modelling
The learning modules considers the topics i) purpose of probability distributions in risk modelling, ii) basic concept of probability distributions, iii) densities and cumulative distribution functions, iv) special probability distributions for risk modelling.
C) Distribution parameters as risk parameters.
For a simple description of risk phenomena, location measures and dispersion measures as well as their estimation are presented and demonstrated. In addition, the construction of confidence intervals for these measures is shown.
D) Right Tail behaviour of distributions
Stochastic inequalities such as those due to Chebycheff or Camp-Meidell are discussed. These can be used to establish inequalities for quantiles and to build parameter-free confidence intervals for quantiles. The concepts of a light-tailed and a heavy-tailed distribution defined. With these concepst, the multitude of distributions from A) can be assessed with regard to their suitability for the respective risk assessment.

Learning module 3 | Special stochastic risk measures
The risk measures Value at Risk (VaR) and Conditional Value at Risk are paramount for sound and effective risk assessment and risk management. These measures are basic in capital adequacy regulations such as Basel III, and are therefore of high practical relevance. Methods of estimating VaR and CVaR are a core focus of the course.
A) The purpose of stochastic risk measures
This submodule discusses the mean and its flaws in risk assessment. The quantile is subsequently motivated as a basis for better risk measures explored in submodules B) and C).
B) Value at Risk (VaR)
This submodule discusses the definition, interpretation, use and estimation of Value at Risk. Three common methods for estimating VaR are presented, and their strengths and weaknesses are explained: distribution-free, distribution-based, and peaks over threshold (POT) methods. In the case of the distribution-based and POT methods, particular attention is paid to fitting probability distributions to the data. Both point and interval estimation techniques are provided.
C) Conditional Value at Risk (CVaR)
In this submodule, the definition, interpretation, use and estimation of the Conditional Value at Risk (CVaR) are discussed. Common methods for estimating CVaR, including both point and interval estimation, are presented and illustrated

Lern-/Qualifikationsziele

Welche Lern-/Qualifikationsziele sollen im Kurs erreicht werden? Welche Kompetenzen sollen durch den Kurs vermittelt werden?

The Students
- become familiar with the methods of quantitative model building and  quantitative analysis, for applications in risk management.
- are able to describe risk phenomena and related data in an analytic, formal way.
- get acquainted with basic procedures of descriptive data analysis.
- familiarize themselves with a variety of probability distributions and their applicability in describing risk phenomena.
- are able to fit distributions to data.
- possess knowledge on the theoretical definitions and applications of central stochastic risk measures.