4.2 Data requirements

Zur Erfüllung der Anforderung gemäß Artikel 76 der technischen Regulierungsstandards zur IRB-Bewertungsmethode, dass Institute über fundierte Richtlinien, Prozesse und Methoden für die Bewertung und Verbesserung der Qualität der für die Kreditrisikomessungs- und Kreditrisikomanagementprozesse verwendeten Daten verfügen sollten, sollten die Institute sicherstellen, dass diese Richtlinien für alle Daten, die im Rahmen der Modellentwicklung und -kalibrierung verwendet werden, sowie für alle Daten, die bei der Anwendung der Risikoparameter verwendet werden, gelten.

Damit die Daten, die bei der Modellentwicklung und bei der Anwendung der Risikoparameter in das Modell einfließen, die Anforderungen der Genauigkeit, Vollständigkeit und Angemessenheit gemäß Artikel 174 Buchstabe b der Verordnung (EU) Nr. 575/2013 erfüllen, sollten sie hinreichend präzise sein, um erhebliche Verzerrungen des Ergebnisses der Zuordnung von Risikopositionen zu Schuldner- oder zu Fazilitäts-Ratingstufen oder Pools zu vermeiden; zudem sollten sie keine Verzerrungen enthalten, durch welche die Daten für ihren Zweck untauglich werden.

4.2.2 Governance bezüglich der Datenrepräsentativität

Zur Erfüllung der Anforderung der Repräsentativität der Daten, die in den PD- und LGD-Modellen verwendet werden, gemäß Artikel 174 Buchstabe c, 179 Absatz 1 Buchstabe d und 179 Absatz 2 Buchstabe b der Verordnung (EU) Nr. 575/2013 sowie gemäß Artikel 40 und 45 der technischen Regulierungsstandards zur IRB-Bewertungsmethode sollten die Institute über fundierte Richtlinien, Prozesse und Methoden für die Bewertung der Repräsentativität der für die Schätzung der Risikoparameter verwendeten Daten verfügen. Die Institute sollten in ihren internen Richtlinien die statistischen Tests und Messgrößen angeben, die für die Bewertung der Repräsentativität der für die Risikodifferenzierung verwendeten Daten und separat davon für die der Risikoquantifizierung zugrunde liegenden Daten zu verwenden sind. Zudem sollten die Institute Methoden für die qualitative Bewertung von Daten in Fällen festlegen, in denen die Anwendung von statistischen Tests nicht möglich ist. Diese Fälle werden in ihren Richtlinien gesondert definiert.

Die Institute sollten die gleichen Standards und Methoden für die Bewertung der Repräsentativität von Daten aus unterschiedlichen Quellen anwenden, einschließlich interner, externer und in einem Pool zusammengefasster Daten oder einer Kombination daraus, es sei denn, unterschiedliche Methoden sind aufgrund der Besonderheiten der Datenquelle oder der Verfügbarkeit von Informationen gerechtfertigt.

Wenn externe oder in einem Pool zusammengefasste Daten verwendet werden, sollten die Institute hinreichende Informationen von den Datenanbietern erhalten, um die Repräsentativität dieser externen oder in einem Pool zusammengefassten Daten in Bezug auf die eigenen Portfolios und Prozesse des Instituts zu bewerten.

4.2.3 Repräsentativität von Daten für die Modellentwicklung

Die Institute sollten die Repräsentativität der Daten sowohl für den Fall, dass statistische Modelle und andere algorithmische Verfahren für die Zuordnung von Risikopositionen zu Ratingstufen oder Risikopools, als auch für den Fall, dass statistische Modelle für die Ausfallvorhersage verwendet werden, die Schätzung der Ausfallwahrscheinlichkeit für einzelne Schuldner oder Fazilitäten generieren, analysieren. Die Institute sollten einen geeigneten Datensatz für die Modellentwicklung auswählen, um sicherzustellen, dass die Leistungsfähigkeit des Modells in Bezug auf das Anwendungsportfolio, insbesondere die Trennschärfe, nicht aufgrund von unzureichender Repräsentativität der Daten signifikant eingeschränkt wird.

Um sicherzustellen, dass die Daten, die bei der Entwicklung des Modells für die Zuordnung von Schuldnern oder Risikopositionen zu Ratingstufen oder Risikopools verwendet werden, für das von dem entsprechenden Modell erfasste Anwendungsportfolio repräsentativ sind, wie gemäß Artikel 174 Buchstabe c der Verordnung (EU) Nr. 575/2013 und Artikel 40 Absatz 2 der technischen Regulierungsstandards zur IRB-Bewertungsmethode gefordert, sollten die Institute die Repräsentativität der Daten in der Phase der Modellentwicklung in Bezug auf die folgenden Punkte analysieren:

• (a) den Anwendungsbereich;
• (b) die Ausfalldefinition;
• (c) die Verteilung der relevanten Risikomerkmale;
• (d) Kreditvergaberichtlinien und Richtlinien der Sicherheitenverwertung und Einbringung.

Für die Zwecke von Absatz 21(a) sollten die Institute die Segmentierung von Risikopositionen analysieren und prüfen, ob in dem Zeitraum, der von den Daten abgedeckt wird, die für die Entwicklung des Modells für die Zuordnung von Schuldnern oder Risikopositionen zu Ratingstufen oder Risikopools verwendet wurden, Änderungen bezüglich des Anwendungsbereichs des betrachteten Modells vorgenommen wurden. Wenn Änderungen festgestellt wurden, sollten die Institute die für die Änderung des Anwendungsbereichs des Modells relevanten Risikofaktoren analysieren, indem ihre Verteilung im RDS vor und nach der Änderung sowie die Verteilung dieser Risikofaktoren im Anwendungsportfolio verglichen werden. Zu diesem Zweck sollten die Institute statistische Methoden, wie Clusteranalysen oder ähnliche Techniken, anwenden, um die Repräsentativität nachzuweisen. Für den Fall von in einem Pool zusammengefassten Modellen sollte die Analyse für den Teil des Anwendungsbereichs des Modells durchgeführt werden, den ein Institut verwendet.

Für die Zwecke von Absatz 21(b) sollten die Institute sicherstellen, dass die Ausfalldefinition, die den Daten zugrunde liegt, welche für die Modellentwicklung verwendet wurde, im Verlauf der Zeit konsistent ist und insbesondere den folgenden Anforderungen entspricht:

• (a) Es wurden Anpassungen vorgenommen, um Übereinstimmung mit der aktuellen Ausfalldefinition zu erreichen, wenn die Ausfalldefinition während des Beobachtungszeitraums geändert wurde;
• (b) das Institut hat angemessene Maßnahmen ergriffen, wenn das Modell Risikopositionen in verschiedenen Jurisdiktionen abdeckt, in denen unterschiedliche Ausfalldefinitionen gelten oder galten;
• (c) die Ausfalldefinition für jede Datenquelle wurde separat analysiert;
• (d) die Ausfalldefinition, die für die Modellentwicklung verwendet wurde, hat keine negativen Auswirkungen auf die Struktur und Leistungsfähigkeit des Ratingmodells im Hinblick auf die Risikodifferenzierung und Prognosefähigkeit, im Falle dass diese Definition von der vom Institut gemäß Artikel 178 der Verordnung (EU) Nr. 575/2013 verwendeten Ausfalldefinition abweicht.

Für die Zwecke von Absatz 21(c) sollten die Institute die Verteilung und den Wertebereich der wichtigsten Risikomerkmale der Daten analysieren, die bei der Entwicklung des Modells für die Risikodifferenzierung im Vergleich zum Anwendungsportfolio verwendet wurden. In Bezug auf die LGD-Modelle sollten die Institute diese Analyse für nicht ausgefallene und bereits ausgefallene Risikopositionen getrennt analysieren.

Die Institute sollten die Repräsentativität der Daten im Hinblick auf die Struktur des Portfolios anhand von relevanten Risikomerkmalen auf der Grundlage statistischer Tests, die in ihren Richtlinien angegeben sind, analysieren, um sicherzustellen, dass der Wertebereich, der im Anwendungsportfolio für diese Risikomerkmale festgestellt wurde, in der Entwicklungsstichprobe angemessen widergespiegelt wird. Wenn die Anwendung von statistischen Tests nicht möglich ist, sollten die Institute zumindest eine qualitative Analyse auf der Grundlage der deskriptiven Statistiken bezüglich der Struktur des Portfolios unter Berücksichtigung der möglichen Saisoneffekte gemäß Artikel 180 Absatz 2 Buchstabe f der Verordnung (EU) Nr. 575/2013 durchführen. Bei der Betrachtung der Ergebnisse dieser Analyse sollten die Institute die Sensitivität der Risikomerkmale in Bezug auf die wirtschaftlichen Rahmenbedingungen berücksichtigen. Wenn zwischen der Datenstichprobe und dem Anwendungsportfolio erhebliche Unterschiede hinsichtlich der wichtigsten Risikomerkmale bestehen, sollten diese behoben werden, z. B. indem eine andere Datenstichprobe oder nur ein Teil der Beobachtungen verwendet wird oder indem diese Risikomerkmale in dem Modell angemessen als Risikofaktoren wiedergegeben werden.

Für die Zwecke von Absatz 21(d) sollten die Institute analysieren, ob während des einschlägigen historischen Beobachtungszeitraums erhebliche Änderungen in Bezug auf die Kreditvergaberichtlinien oder die Richtlinien bezüglich der Sicherheitenverwertung und Einbringung oder in Bezug auf die maßgeblichen gesetzlichen Rahmenbedingungen, einschließlich Änderungen des Insolvenzrechts, der Zwangsvollstreckungsverfahren und der Rechtsvorschriften hinsichtlich der Verwertung von Sicherheiten, vorgenommen wurden, die sich auf die Höhe des Risikos, die Verteilung oder die Wertebereiche der Risikomerkmale in dem Portfolio, das von dem betrachteten Modell abgedeckt wird, auswirken könnten. Wenn die Institute solche Änderungen feststellen, sollten sie die in den RDS aufgenommenen Daten vor und nach der Änderung der Richtlinie vergleichen. Die Institute sollten die Vergleichbarkeit zwischen den aktuellen Kreditvergaberichtlinien und den Richtlinien zur Sicherheitenverwertung und Einbringung mit denjenigen sicherstellen, die auf die Beobachtungen angewandt wurden, die in den RDS einbezogen und für die Modellentwicklung verwendet wurden.

Im Rahmen des PD-Modells ist es für die Repräsentativität der bei der Entwicklung des Modells für die Risikodifferenzierung verwendeten Daten nicht erforderlich, dass das Verhältnis zwischen bereits ausgefallenen und nicht ausgefallenen Risikopositionen in diesem Datensatz dem Verhältnis zwischen bereits ausgefallenen und nicht ausgefallenen Risikopositionen im Anwendungsportfolio des Instituts entspricht. Die Institute sollten jedoch eine ausreichende Anzahl an bereits ausgefallenen und nicht ausgefallenen Risikopositionen in den Entwicklungsdatensatz einbeziehen, und sie sollten den Unterschied dokumentieren.

4.2.4 Repräsentativität von Daten für die Kalibrierung von Risikoparametern

Um sicherzustellen, dass die bei der Risikoquantifizierung verwendeten Daten für das Anwendungsportfolio, das von dem entsprechenden Modell gemäß Unterabschnitt 2 des Abschnitts 6 von Kapitel 3 der Verordnung (EU) Nr. 575/2013 und Artikel 45 Absatz 2 der technischen Regulierungsstandards zur IRB-Bewertungsmethode abgedeckt wird, repräsentativ sind, sollten die Institute die Vergleichbarkeit der für die Berechnung des langfristigen Durchschnitts der Ausfallraten oder des langfristigen Durchschnitts der LGD gemäß Artikel 179 Absatz 1 Buchstabe d der Verordnung (EU) Nr. 575/2013 sowie gegebenenfalls die Repräsentativität des Pools gemäß Artikel 179 Absatz 2 Buchstabe b der genannten Verordnung in Bezug auf die folgenden Punkte analysieren:

• (a) den Anwendungsbereich;
• (b) die Ausfalldefinition;
• (c) die Verteilung der relevanten Risikomerkmale;
• (d) Gegenwärtige und absehbare wirtschaftliche Rahmenbedingungen und gegenwärtiges und absehbares Marktumfeld;
• (e) Kreditvergaberichtlinien und Richtlinien zur Sicherheitenverwertung und Einbringung

Für die Zwecke von Absatz 28(a) sollten die Institute eine Analyse gemäß Absatz 22 durchführen.

Für die Zwecke von Absatz 28(b) und um sicherzustellen, dass die Ausfalldefinition, die den Daten zugrunde liegt, welche für die Risikoquantifizierung verwendet wurden, für jede Datenquelle, konsistent mit den Anforderungen gemäß Artikel 178 der Verordnung (EU) Nr. 575/2013 ist, sollten die Institute die Ausfalldefinition, die das Institut gegenwärtig anwendet, mit den Definitionen vergleichen, die für die Beobachtungen verwendet wurden, welche in den für die Risikoquantifizierung verwendeten Datensatz einbezogen wurden. Wenn sich die Ausfalldefinition während des historischen Beobachtungszeitraums geändert hat, sollten die Institute die Repräsentativität der historischen Daten, die in den RDS einbezogen und für die Risikoquantifizierung verwendet wurden, auf die gleiche Art und Weise bewerten, wie dies in Kapitel 6 der EBA-Leitlinien zur Anwendung der Ausfalldefinition gemäß Artikel 178 der Verordnung (EU) Nr. 575/2013 für externe Daten vorgegeben ist. Wenn die Ausfalldefinition während des historischen Beobachtungszeitraums mehr als einmal geändert wurde, sollten die Institute die Analyse für jede in der Vergangenheit verwendete Ausfalldefinition getrennt durchführen.

Für die Zwecke von Absatz 28(c) sollten die Institute eine angemessene Analyse durchführen, um sicherzustellen, dass die Wertebereiche der wichtigsten Risikomerkmale im Anwendungsportfolio auf der Ebene des Kalibrierungssegments mit den Wertebereichen im Portfolio das den Referenzdatensatz für die Risikoquantifizierung darstellt, in dem Maße vergleichbar sind, das erforderlich ist, um sicherzustellen, dass die Risikoquantifizierung nicht verzerrt wird.

Für die Zwecke von Absatz 28(d) sollten die Institute die Analyse des Marktumfeldes und der wirtschaftlichen Rahmenbedingungen, die den Daten zugrunde liegen, wie folgt durchführen:

• (a) bezüglich der PD-Schätzung in Übereinstimmung mit Abschnitt 5.3.4;
• (b) bezüglich der LGD-Schätzung in Übereinstimmung mit Abschnitt 6.3.2 und unter Berücksichtigung eines Konjunkturabschwungs wie gemäß Artikel 181 Absatz 1 Buchstabe b der Verordnung (EU) Nr. 575/2013 erforderlich.

Für die Zwecke von Absatz 28(e) sollten die Institute analysieren, ob während des einschlägigen historischen Beobachtungszeitraums erhebliche Änderungen der Kreditvergaberichtlinien oder der Richtlinien zur Sicherheitenverwertung und Einbringung vorgenommen wurden, die sich auf die Höhe des Risikos, die Verteilung oder die Wertebereiche der Ausprägungen relevanter Risikomerkmale in dem Portfolio, das von dem betrachteten Modell abgedeckt wird, auswirken könnten. Wenn die Institute solche Änderungen feststellen, sollten sie mögliche Verzerrungen in den Schätzungen der Risikoparameter, die sich aus diesen Änderungen ergeben, wie folgt analysieren:

• (a) im Rahmen der PD-Schätzung hinsichtlich der Höhe der Ausfallraten und der erwarteten Schwankungsbreite der Ausfallraten;
• (b) im Rahmen der LGD-Schätzung hinsichtlich der Verlustquoten, der durchschnittlichen Dauer des Prozesses der Sicherheitenverwertung und Einbringung, der Häufigkeit der Verwendung bestimmter Verwertungsszenarien und der Verteilungen der Schwere eines Verlustes.

Wenn die Repräsentativität der Daten, die gemäß den Absätzen 28 bis 33 bewertet wurde, unzureichend ist und zu einer Verzerrung oder zu erhöhter Unsicherheit bezüglich der Risikoquantifizierung führt, sollten die Institute eine angemessene Anpassung vornehmen, um die Verzerrung zu korrigieren, und sie sollten eine Sicherheitsspanne gemäß Abschnitt 4.4 anwenden.