Identifikation und Lösung von Interessenkonflikten bei Verbriefungstransaktionen

Julia Scholz Identifikation und Lösung von Interessenkonflikten bei Verbriefungstransaktionen

GABLER RESEARCH

Julia Scholz

Identifikation und Lösung von Interessenkonflikten bei Verbriefungstransaktionen

Mit einem Geleitwort von Univ.-Prof. Dr. Bernd Rudolph

RESEARCH

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation Ludwig-Maximilians-Universität München, 2010 D19

1. Auflage 2011 Alle Rechte vorbehalten © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2011 Lektorat: Stefanie Brich | Jutta Hinrichsen Gabler Verlag ist eine Marke von Springer Fachmedien. Springer Fachmedien ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.gabler.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in the Netherlands ISBN 978-3-8349-2785-9

Geleitwort

Mit Hilfe von Verbriefungen werden bislang in den Büchern der Kreditinstitute gehaltene Kreditpositionen an bestimmte Zweckgesellschaften weitergereicht, die sich ihrerseits über die Märkte für strukturierte Anleihen refinanzieren. Das US-amerikanische SubprimeSegment dieser Märkte, in dem Hypothekenforderungen minderer Qualität in die Verbriefungspools eingebracht wurden, gilt als Auslöser der 2007 ausgebrochenen Subprime-Krise, die sich 2008 mit dem Zusammenbruch des Bankhauses Lehmann Brothers zur internationalen Finanzkrise ausweitete. Seitdem befassen sich zahlreiche wissenschaftliche und praktische Beiträge mit den Ursachen und Treibern der Krise und folglich auch mit den speziellen Verwerfungen am US-Verbriefungsmarkt. Meine Mitarbeiterin am Institut für Kapitalmarktforschung und Finanzierung Frau Dipl.-Kffr. Dr. Julia Scholz greift diese Thematik in ihrer ebenso kenntnisreichen wie aktuellen Dissertation auf und untersucht im Rahmen von drei Studien Interessenkonflikte zwischen den Akteuren der Verbriefungstransaktionen. Aus ihren Untersuchungen ergeben sich realistische Ansatzpunkte zur Lösung der mit Verbriefungstransaktionen verbundenen Anreizprobleme. Den drei in sich abgeschlossenen Studien des vorliegenden Buches steht ein einführendes Kapitel voran, in dem Frau Scholz die in der Literatur identifizierten Friktionen bei US-Subprime-Verbriefungen beschreibt und die nachfolgenden Untersuchungen an die spezifischen problematischen Stufen der Wertschöpfungskette von Verbriefungen einordnet. -

Die vertragstheoretische Analyse der Gestaltung von Kreditverkäufen bei Kollusionsproblemen zwischen Originator und Kreditnehmer in Kapitel 2 zeigt, dass eigentlich nur der vertraglich vereinbarte Selbstbehalt der kreditgebenden Bank den Kreditkäufer davor schützen kann, dass die Bank eine Absprache bzw. Kollusion mit dem Kreditnehmer eingeht und ihre Sorgfalt bei der Überwachung des Kreditnehmerverhaltens vermindert. Insoweit ist die bereits vom EU-Parlament verabschiedete Vorgabe eines Mindestselbstbehalts für Originatoren von Verbriefungstransaktionen von den Ergebnissen der Untersuchung von Frau Scholz voll gedeckt.

-

Die in Kapitel 3 durchgeführte Simulationsstudie zu den Risikoanreizen von CLOManagern kommt zu dem Ergebnis, dass die Incentive Management Fee, die ein Manager erst nach Überschreiten einer bestimmten Mindestrendite der Equity Tranche

V

erhält, und die Beteiligung an der Equity Tranche Risikoanreize für CLO-Manager schaffen. Die Simulationsergebnisse legen auch nahe, dass neben der anreizkompatiblen Gestaltung der Managervergütung die Maßnahmen zur Begrenzung des Handlungsspielraums eines CLO-Managers wie die Deckungstests und die Vorgaben zur Qualität sowie Konzentration eines Verbriefungspools geeignet sind, mögliche Risikoanreizprobleme abzumildern. Anreizprobleme bei Verbriefungen sind also durchaus lösbar und das empirische Versagen vieler Anreizverträge kann überwunden werden. -

Die empirische Analyse der Performance-Determinanten von Arbitrage CLOs in Kapitel 4 bezieht alle zwischen September 1999 und Juni 2008 emittierten Transaktionen am europäischen Verbriefungsmarkt ein. Die Ergebnisse belegen den großen Einfluss von CLO-Managern auf die Performance der verwalteten Pools. Die Ergebnisse zeigen auch, dass die Incentive Fee für CLO-Manager Anreize zu einer risikoreichen Anlagestrategie schafft, wodurch die Ergebnisse der im vorangegangenen Kapitel 3 durchgeführten Simulationsstudie gestützt und die Bedeutung der Agency-Konflikte für gemanagte Verbriefungstransaktionen bestätigt werden.

Die theoretisch wie empirisch fundierten Untersuchungen von Frau Scholz leisten einen wichtigen Beitrag zur präzisen Identifikation und Lösung möglicher Interessenkonflikte bei Verbriefungstransaktionen und damit indirekt einen Beitrag zur wissenschaftlichen Aufbereitung der Anforderungen an ein zukünftiges stabiles Finanzsystem. Dementsprechend wünsche ich der ebenso originellen wie tiefgründigen Arbeit, die in allen Teilen methodisch anspruchsvoll und dennoch gut lesbar ist, eine breite Resonanz in der wissenschaftlichen Diskussion und in der Fachöffentlichkeit. München im November 2010

VI

Prof. Dr. Bernd Rudolph

Vorwort

Die vorliegende Arbeit entstand während meiner Tätigkeit als wissenschaftliche Mitarbeiterin am Institut für Kapitalmarktforschung und Finanzierung der Ludwig-MaximiliansUniversität München und wurde vom Promotionsausschuss der dortigen Fakultät für Betriebswirtschaft im Wintersemester 2010/2011 als Dissertation angenommen. Ich möchte an dieser Stelle all denjenigen herzlich danken, die mich während dieser Zeit unterstützt und zum Gelingen dieser Arbeit beigetragen haben. Mein besonderer Dank gilt meinem verehrten akademischen Lehrer und Doktorvater Herrn Prof. Dr. Bernd Rudolph für seine hervorragende fachliche sowie persönliche Unterstützung von der Ideenfindung bis hin zur Veröffentlichung der Arbeit. Sein stetes Interesse am Fortgang der Promotion, seine unermüdliche Diskussionsbereitschaft und die damit verbundenen wertvollen Anregungen sowie kritischen Hinweise im täglichen Institutsleben, aber auch in den regelmäßig von ihm initiierten Forschungskolloquien waren bei der Erstellung der Arbeit eine großartige Hilfe. Auch der mir von Prof. Rudolph gewährte Freiraum sowie die höchst angenehme Arbeitsatmosphäre am Institut haben sehr zum Gelingen der Arbeit beigetragen. Herrn Prof. Dr. Andreas Richter danke ich für die Übernahme und die zeitnahe Erstellung des Zweitgutachtens sowie für die Betreuung im Rahmen meines promotionsbegleitenden postgradualen Studiums „Betriebswirtschaftliche Forschung“ an der Ludwig-Maximilians-Universität München. Daneben gebührt mein großer Dank Herrn Markus Ernst von der UniCredit Group für seine beispiellose Hilfsbereitschaft. Sein Fachwissen und seine Erfahrung im Verbriefungsmarkt bereicherten die Vielzahl unserer Diskussionen, die sehr fruchtbare Anregungen hervorbrachten. Insbesondere danke ich ihm für die Unterstützung bei der Erhebung der Daten zu den Arbitrage Collateralized Loan Obligation-Transaktionen, die die empirische Untersuchung erst ermöglichte. In diesem Zusammenhang gilt mein Dank auch FitchRatings, vertreten durch Herrn Alastair Sewell, für die freundliche Auskunftsbereitschaft und die Bereitstellung des Datensatzes zu den CLO-Managern. Meinen derzeitigen und ehemaligen Kollegen am Institut für Kapitalmarktforschung und Finanzierung Christian Annetzberger, Philipp Gann, Dr. Florian Haagen, Dr. Florian Habermann, Stefanie Hochhold, Dr. Martin Jaron, Dr. Philipp Jostarndt, Dr. Conrad

VII

Mattern, Dr. Albert Schaber, Beatrice von Sydow und Tea Szabo danke ich herzlich für die gute Zusammenarbeit, die bereichernden Gespräche und die stetige Hilfsbereitschaft in fachlicher sowie in freundschaftlicher Hinsicht. Wiebke Klein und Susanne Müller bin ich für ihre freundliche Hilfe in allen organisatorischen, aber auch in außeruniversitären Angelegenheiten sehr dankbar. Herzlich bedanken möchte ich mich bei meinen Freunden, die mir den notwendigen privaten Ausgleich zu meiner wissenschaftlichen Arbeit gaben. Zu guter Letzt und damit an besonderer Stelle danke ich meinen Eltern und meiner Schwester. Ihre großzügige Unterstützung, stetige Motivation und Anerkennung waren der private Rückhalt für das Gelingen dieser Arbeit. Danke! München im November 2010

VIII

Julia Scholz

Inhaltsverzeichnis

Abbildungsverzeichnis

XIII

Tabellenverzeichnis

XV

Abkürzungsverzeichnis

XVII

Symbolverzeichnis

XIX

1 Einführung

1

1.1

Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1

1.2

Gang der Untersuchung

5

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

Literaturverzeichnis zu Kapitel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2 Vertragstheoretische Analyse der Gestaltung von Kreditverkäufen bei Kollusionsproblemen

15

2.1

Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.2

Stand der Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.3

Das Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.4

2.5

2.3.1

Akteure und zeitlicher Ablauf . . . . . . . . . . . . . . . . . . . . . 24

2.3.2

Projekte des Unternehmens . . . . . . . . . . . . . . . . . . . . . . 25

2.3.3

Monitoring der Bank und Anreiz zum Kreditverkauf . . . . . . . . . 27

2.3.4

Kreditvertrag mit Zusatzvereinbarung . . . . . . . . . . . . . . . . . 29

2.3.5

Informationsstruktur des Modells . . . . . . . . . . . . . . . . . . . 30

2.3.6

Bestimmung des Kreditvertrages

. . . . . . . . . . . . . . . . . . . 30

Vertragsgestaltung des Kreditverkaufs . . . . . . . . . . . . . . . . . . . . . 33 2.4.1

Kollusionsproblem bei Veräußerung des Kredits . . . . . . . . . . . 33

2.4.2

Vertragsgestaltung ohne Kollusionsproblem . . . . . . . . . . . . . . 34

2.4.3

Vertragsgestaltung mit Kollusionsproblem . . . . . . . . . . . . . . 38

Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Literaturverzeichnis zu Kapitel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 48 Anhang zu Kapitel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 B . . . . . . . . . . . . . . . . . . . . 52 Anhang A: Herleitung von w I und woM

Anhang B: Herleitung der maximalen Höhe von c . . . . . . . . . . . . . . 52 IX

Anhang C: Herleitung von w B . . . . . . . . . . . . . . . . . . . . . . . . . 53 Anhang D: Herleitung des Gewinns der Bank im First Best-Fall . . . . . . 53 Anhang E: Herleitung der Höhe des maximal zu veräußernden Anteils α∗ im Second Best-Fall ohne Kollusionsproblem . . . . . . . . . . . . . 54 Anhang F: Herleitung des Gewinns der Bank im Second Best-Fall ohne Kollusionsproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Anhang G: Beweis der Unvorteilhaftigkeit eines vollständigen Kreditverkaufs 54 Anhang H: Beweis der Zusammenhänge zwischen α∗ und c, D, pH bzw. Δp 55 ∗ Anhang I: Herleitung der Höhe des maximal zu veräußernden Anteils αK im Second Best-Fall mit Kollusionsproblem . . . . . . . . . . . . . . 56 ∗ und c, D, pH bzw. Δp 57 Anhang J: Beweis der Zusammenhänge zwischen αK Anhang K: Beweis der Zusammenhänge zwischen Δα und B, R, pH , c, D . 58 3 Analyse von Interessenkonflikten beim Management von CLO-Transaktionen 3.1 3.2

59

Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Das Management von CLO-Transaktionen . . . . . . . . . . . . . . . . . . 63 3.2.1

Grundstruktur und Einordnung von CLO-Transaktionen . . . . . . 63

3.2.2

Zeitlicher Ablauf einer Arbitrage CLO-Transaktion . . . . . . . . . 65

3.2.3 3.2.4

Aufgaben und Vergütung des CLO-Managers . . . . . . . . . . . . . 67 Mechanismen zur Disziplinierung des CLO-Managers . . . . . . . . 68

3.3

Stand der Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3.4

Modellrahmen zur Analyse des Risikoverhaltens von CLO-Managern . . . . 73 3.4.1 Aufbau der Simulationsstudie . . . . . . . . . . . . . . . . . . . . . 73

3.5

3.6

3.4.2

Charakterisierung der CLO-Transaktion . . . . . . . . . . . . . . . 75

3.4.3 3.4.4

Modellierung der Verlustverteilung des Asset Pools und der Tranchen 79 Tranchierung der CLO-Transaktion . . . . . . . . . . . . . . . . . . 82

Anreize des CLO-Managers hinsichtlich der Gestaltung des Portfoliorisikos

85

3.5.1

Kreditauswahl im Hinblick auf die Ausfallwahrscheinlichkeit . . . . 85

3.5.2 3.5.3

Kreditauswahl im Hinblick auf die Portfoliokonzentration . . . . . . 92 Kreditauswahl im Hinblick auf die Wiedergewinnungsquote . . . . . 98

3.5.4

Einfluss der Transaktionsstruktur auf die Kreditauswahl des Managers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

3.5.5

Einfluss der Risikoeinstellung auf die Kreditauswahl des Managers . 109

Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

Literaturverzeichnis zu Kapitel 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 114 4 Manager- und transaktionsspezifische Determinanten der Performance von Arbitrage CLOs 4.1 X

119

Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

4.2

Stand der Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

4.3

Hypothesen zu den Erklärungsdeterminanten der Performance von Arbitrage CLO-Transaktionen . . . . . . . . . . . . . . . . . . . . . . . . . 124 4.3.1 Messung der Performance anhand von Ratingherabstufungen . . . . 124 4.3.2 4.3.3

4.4

Die Bedeutung von Anreizproblemen auf Seiten des CLO-Managers 125 Die Bedeutung von Eigenschaften des CLO-Managers . . . . . . . . 128

4.3.4 Die Bedeutung transaktionsspezifischer Charakteristika . . . . . . . 129 Empirische Auswertung europäischer Arbitrage CLO-Transaktionen . . . . 132 4.4.1 Datengrundlage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 4.4.2 4.4.3

Univariate Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . 137 Multivariate Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . 139

4.4.4 4.4.5 4.4.6

Marginale Effekte der erklärenden Variablen . . . . . . . . . . . . . 144 Klassifikationsfähigkeit des Probitmodells . . . . . . . . . . . . . . . 146 Kritische Würdigung . . . . . . . . . . . . . . . . . . . . . . . . . . 148

4.5 Zusammenfassung und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . 149 Literaturverzeichnis zu Kapitel 4 . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Anhang zu Kapitel 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

XI

Abbildungsverzeichnis

Abbildung 1.1: Friktionen zwischen den Akteuren bei US-Subprime-Verbriefungen 2 Abbildung 2.1: Zeitliche Abfolge der Aktionen . . . . . . . . . . . . . . . . . . . . 25 Abbildung 3.1: Subordinationsprinzip der Zins- und Tilgungszahlungen des Kreditpools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 Abbildung 3.2: Verlustverteilung des der Tranchierung zugrunde gelegten Referenzportfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Abbildung 3.3: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Ausfallwahrscheinlichkeit der unterlegten Kredite . . 86 Abbildung 3.4: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Portfoliokonzentration . . . . . . . . . . . . . . . . . 93 Abbildung 3.5: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Recovery Rate der unterlegten Kredite . . . . . . . . 99 Abbildung 4.1: ROC-Kurve des Probitmodells . . . . . . . . . . . . . . . . . . . . 147

XIII

Tabellenverzeichnis

Tabelle 3.1:

Ausfallwahrscheinlichkeiten, Wiedergewinnungsquoten und Credit Spreads der Kredite mit unterschiedlichem Rating. . . . . . . . . . 76

Tabelle 3.2:

Ausfallwahrscheinlichkeiten, Größen und Credit Spreads der Tranchen mit unterschiedlichem Rating . . . . . . . . . . . . . . . . . . 84

Tabelle 3.3:

Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite . 87

Tabelle 3.4:

Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

Tabelle 3.5:

Wert der Managervergütung in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite für verschiedene Höhen der

Tabelle 3.6:

Gesamtergebnis des CLO-Managers in Abhängigkeit der Ausfall-

Subordinated Fee und der Incentive Fee Threshold . . . . . . . . .

91

wahrscheinlichkeit der zugrunde liegenden Kredite für verschiedene Höhen der Beteiligung des Managers an der Equity Tranche . . . . 92 Tabelle 3.7:

Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Industriekonzentration der zugrunde liegenden Kredite . . 94

Tabelle 3.8:

Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Industriekonzentration . . . . . . . . . . . . . . . 95

Tabelle 3.9:

Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite . . . . . . . 100

Tabelle 3.10:

Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite

Tabelle 3.11:

. 101

Wert der Managervergütung in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite für verschiedene Höhen der Subordinated Fee und der Incentive Fee Threshold . . . . . . . . . . . . 102

Tabelle 3.12:

Gesamtergebnis des CLO-Managers in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite für verschiedene Höhen der Beteiligung des Managers an der Equity Tranche . . . . . . . . . . 103

Tabelle 3.13:

Tranchengrößen in Abhängigkeit der für die O/C Tests der Debt Tranchen angenommenen Grenzwerte . . . . . . . . . . . . . . . . . 106 XV

Tabelle 3.14:

Wert der Managervergütung und der CLO-Tranchen in Abhängigkeit der Ausfallwahrscheinlichkeit, der Industriekonzentration und der Wiedergewinnungsquote der zugrunde liegenden Kredite bei Existenz von O/C Tests im Cashflow-Wasserfall der Transaktion . 107

Tabelle 3.15:

Tabelle 4.1:

Wert der Managervergütung in Abhängigkeit der Ausfallwahrscheinlichkeit, der Industriekonzentration und der Wiedergewinnungsquote der zugrunde liegenden Kredite bei verschiedenen Risikoaversionsgraden des CLO-Managers . . . . . . . . . . . . . . . . . . 111 Deskriptive Statistiken der erklärenden Variablen . . . . . . . . . . 135

Tabelle 4.2:

Vergleich der Charakteristika der Arbitrage CLO-Transaktionen mit und ohne Ratingherabstufung . . . . . . . . . . . . . . . . . . 138

Tabelle 4.3: Tabelle 4.4:

Determinanten der Rating Performance von Arbitrage CLO-Transaktionen für das Jahr 2009 - Ergebnisse I . . . . . . . . . . . . . . 140 Determinanten der Rating Performance von Arbitrage CLO-Trans-

Tabelle 4.5: Tabelle 4.6:

aktionen für das Jahr 2009 - Ergebnisse II . . . . . . . . . . . . . . 143 Marginale Effekte der erklärenden Variablen . . . . . . . . . . . . . 145 Beschreibung der in der Studie verwendeten Variablen . . . . . . . 155

Tabelle 4.7:

Tabelle 4.8: Tabelle 4.9:

Zur Berechnung der Variable WARF verwendete Ratingfaktoren für die Bonitätseinstufungen der Ratingagenturen Moody’s, Standard & Poor’s und Fitch . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 Korrelationsmatrix der erklärenden Variablen . . . . . . . . . . . . 156 Klassifikationsergebnisse des Probitmodells für verschiedene Trennwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

XVI

Abkürzungsverzeichnis

ABS AUC

Asset Backed Securities Area under a ROC curve

CBO CDO

Collateralized Bond Obligation Collateralized Debt Obligation

CLO CRRA FLP

Collateralized Loan Obligations Constant Relative Risk Aversion First Loss Piece

I/C LGD

Interest Coverage Loss Given Default

O/C PD ROC

Overcollateralization Probability of Default Receiver Operating Characteristics

RRA SPV

Relative Risk Aversion Special Purpose Vehicle

WARF

Weighted Average Rating Factor

XVII

Symbolverzeichnis

Kapitel 2 α α∗ ∗ αK

Anteil des Kredits, den die Bank an die Investoren veräußert zu verkaufender Anteil des Kredits, bis zu welchem die Investoren im Fall ohne Kollusionsproblem einen hohen Preis zahlen

Δα

zu verkaufender Anteil des Kredits, bis zu welchem die Investoren im Kollusionsfall einen hohen Preis zahlen ∗ Differenz zwischen α∗ und αK

δ πF B

pro Periode geforderte Mindestrendite der Bank Gewinn der Bank im First Best-Fall

πSB K πSB

Gewinn der Bank im Second Best-Fall ohne Kollusionsproblem Gewinn der Bank im Second Best-Fall mit Kollusionsproblem

c i

Monitoringkosten der Bank Index für Projekt

pi

Wahrscheinlichkeit, mit der Projekt i in t = 2 den Cashflow R erzielt (Erfolgswahrscheinlichkeit des Projekts i) Wahrscheinlichkeit, mit der das gute Projekt in t = 2 den Cashflow R

pH pL

erzielt (Erfolgswahrscheinlichkeit des guten Projekts) Wahrscheinlichkeit, mit der das schlechte Projekt in t = 2 den Cashflow R erzielt (Erfolgswahrscheinlichkeit des schlechten Projekts)

Δp q

Differenz zwischen pH und pL Wahrscheinlichkeit, mit der die Bank in t = 1 das vom Unternehmer

t

durchgeführte Projekt beobachtet (Qualität der Monitoringtechnologie der Bank) Zeitpunkt

w wB

Eigenmittel des Unternehmers Höhe der Eigenmittel des Unternehmers, über die er für eine Kreditfinanzierung (mit Monitoring) durch die Bank mindestens verfügen muss

B woM

Höhe der Eigenmittel des Unternehmers, über die er für eine Kreditfinanzierung (ohne Monitoring) durch die Bank mindestens verfügen muss

XIX

wI

Höhe der Eigenmittel des Unternehmers, über die er für eine Kreditfinanzierung durch die Investoren mindestens verfügen muss

B

für den Unternehmer bei Durchführung des schlechten Projekts erzielbare

D DoM

private Vorteile Rückzahlungsbetrag des Kredits (Zins und Tilgung) von der Bank für die Bereitstellung des noch fehlenden Investitionsvolumens geforderter Rückzahlungsbetrag, wenn kein Monitoring im Vertrag vorgesehen ist

DI I

von den Investoren für die Bereitstellung des noch fehlenden Investitionsvolumens geforderter Rückzahlungsbetrag Investitionsvolumen des Projekts i

L R

Liquidationserlös des Projekts i Cashflow des Projekts i in t = 2 bei erfolgreichem Projektabschluss

S Smax

Seitenzahlung des Unternehmers an die Bank maximal vom Unternehmer zahlbare Seitenzahlung

Kapitel 3 α γi

Grad der Risikoaversion

γr i

Ausfallschranke eines Schuldners mit Rating r idiosynkratischer Faktor des Schuldners i

ρasset ij ρasset g ρasset gh

Korrelation der Unternehmensrenditen der Schuldner i und j Korrelation der Unternehmensrenditen zweier Schuldner aus Industrie g Korrelation der Unternehmensrenditen zweier Schuldner aus Industrie g

σgh

und h Kovarianz der industriespezifischen Faktoren Xg und Xh

Ausfallschranke des Schuldners i

ω

Sensitivität der Unternehmensrendite von Schuldnern aus Industrie g gegenüber dem systematischen Faktor Xg Vektor der Faktorsensitivitäten ω1 , . . . , ωG

Φ

Verteilungsfunktion der Standardnormalverteilung

Φ−1 Σ

Inverse der Verteilungsfunktion der Standardnormalverteilung Kovarianzmatrix der industriespezifischen Faktoren X1 , . . . , XG

aj c cj

Attachment Point der Tranche j ratingspezifischer Kupon eines Kredits Kupon der Tranche j

ωg

XX

dj

Detachment Point der Tranche j

g i j

Index für Industrie Index für Schuldner Index für Tranche

m n pi

Nominalwert eines Kredits Anzahl der Schuldner im Referenzportfolio Ausfallwahrscheinlichkeit des Schuldners i

pr r

Ausfallwahrscheinlichkeit eines Schuldners mit Rating r Index für Ratingklasse

rf sj t

risikofreier Zinssatz Größe der Tranche j Zeitpunkt

Cov

Kovarianz

CTj CTP E

Endwert der vertraglichen Ansprüche der Tranche j Endwert der vertraglichen Ansprüche aus dem Asset Pool Erwartungswert

G PV R

Anzahl der vorhandenen Industrien Verlustrate des Asset Pools

P V Rj S T

Verlustrate der Tranche j Sicherheitsäquivalent Ende der Transaktionslaufzeit

U U −1

Risikonutzenfunktion des CLO-Managers

V ar VTj VtP

Varianz Endwert der über die Laufzeit eingetretenen Verluste der Tranche j Portfolioverlust in Periode t

VTP Yi

Endwert der über die Laufzeit eingetretenen Portfolioverluste Unternehmensrendite des Schuldners i

X Xg X

Endvermögensposition des CLO-Managers systematischer Faktor der Industrie g Vektor der industriespezifischen systematischen Faktoren X1 , . . . , XG

Inverse der Risikonutzenfunktion des CLO-Managers

XXI

1 Einführung

1.1 Motivation Eine der interessantesten Entwicklungen auf den nationalen und internationalen Finanzmärkten in den letzten zehn Jahren war der enorme Ausbau des Handels von Kreditrisiken über Kreditverbriefungen und Kreditderivate und dessen abruptes Ende mit Beginn der Finanzkrise im Sommer 2007. Das starke Wachstum dieser neuen Märkte für den Transfer von Kreditrisiken beruhte auf den zahlreichen Vorteilen, die diese Produkte für Unternehmen, insbesondere für Kreditinstitute, mit sich bringen.1 Mit Hilfe dieser Produkte können Banken nicht nur Kreditrisiken auf andere Marktteilnehmer wie beispielsweise Versicherungen oder Hedge Fonds übertragen, sondern auch neue Risiken einkaufen. Diese verbesserten Möglichkeiten zur Risikostreuung ermöglichen es Banken, Spezialisierungsvorteile besser auszuschöpfen und ihre Wettbewerbsposition zu stärken. Durch den Einsatz von Kreditrisikotransferinstrumenten können Banken auch dadurch positive Effekte erzielen, dass durch die Weitergabe oder die Absicherung der Kreditaktiva regulatorisches Eigenkapital freigesetzt wird, welches dann zur Unterlegung neuer renditebringender Geschäfte verwendet werden kann. Schließlich bieten die neuen Märkte für den Transfer von Kreditrisiken den Banken auch die Möglichkeit, neue Ertragsquellen zu erschließen wie z. B. Arbitragegewinne oder Provisionserträge aus der Übernahme verschiedener Aufgaben im Risikotransferprozess. Jedoch sind mit dem Transfer von Kreditrisiken auch Probleme verbunden.2 Die Krise am US-amerikanischen Markt für verbriefte zweitrangige Hypothekenforderungen (Subprime-Krise) hat deutlich gemacht, dass es aufgrund der asymmetrischen Informationsverteilung zu verschiedenen Friktionen zwischen den einzelnen beteiligten Akteuren im Prozess der Kreditvergabe, des Risikotransfers und der Refinanzierung kam. Die Entstehung dieser Friktionen ist darauf zurückzuführen, dass viele Finanzinstitute aufgrund der strategischen Möglichkeiten, die ein aktiver Einsatz der Produkte für den Transfer von Kreditrisiken im traditionellen Kreditgeschäft eröffnet, von einem „Buy and Hold“-Geschäftsmodell auf ein „Originate and Distribute“-Geschäftsmodell übergegangen 1 2

Für eine detaillierte Beschreibung der Bedeutung des Risikotransfers für die Bankensteuerung siehe Rudolph u. a. (2007), S. 165-170. Für einen detaillierten Überblick über die Risiken des Kreditrisikotransfers siehe Deutsche Bundesbank (2004), S. 38-42.

1 J. Scholz, Identifi kation und Lösung von Interessenkonfl ikten bei Verbriefungstransaktionen, DOI 10.1007/ 978-3-8349-6189-1_1, © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2011

sind.3 Banken hielten also die von ihnen vergebenen Kredite nicht mehr bis zum Ende der Laufzeit in ihren Büchern, sondern veräußerten diese meist über Kreditverbriefungen an andere Marktteilnehmer oder sicherten deren Kreditrisiken über Kreditderivate ab. Dieser Trend zur Disintermediation ging insbesondere in den USA mit einer immer weitergehenden Aufspaltung der Kreditwertschöpfungskette einher, da viele Teilleistungen der Wertschöpfungskette an spezialisierte Dritte ausgegliedert wurden.4 Aufgrund unterschiedlich verteilter Informationen und verfehlter Anreizmechanismen konnten somit zwischen den Kreditnehmern, den Originatoren, den Investoren und den anderen beteiligten Parteien vielfältige Friktionen entstehen.5 Ashcraft / Schuermann (2008) haben die im Zusammenhang mit der Verbriefung amerikanischer Subprime-Hypotheken aufgetretenen Friktionen herausgearbeitet und detailliert beschrieben, welche nachfolgend anhand der Abbildung 1.1 kurz dargestellt werden sollen.6 Abbildung 1.1: Friktionen zwischen den Akteuren bei US-Subprime-Verbriefungen 2. Adverse Selektion

Kreditnehmer

1. Predatory Lending

Originator

3. Mortgage Fraud

Arrangeur

2. Adverse Selektion 5. Moral Hazard

Servicer

Ratingagentur

WarehouseKreditnehmer

6. Moral Hazard

8. Model Error

Asset Manager

7. Moral Hazard

Investoren

(1) Eine Friktion ist zwischen dem Kreditnehmer und dem Originator zu finden. Es handelt sich um das Problem des „Predatory Lending“, mit dem allgemein die Übervorteilung eines Kreditnehmers durch den Kreditgeber (oder Broker), oft in Verbindung mit täuschenden und betrügerischen Mitteln, bezeichnet wird.7 In vielen Fällen wurden die in 3 4 5 6

7

2

Zur Entstehung des Originate and Distribute-Modells und der Entwicklung der Märkte für strukturierte Anleihen siehe European Central Bank (2008), S. 8-14. Zu den strukturellen Unterschieden des Structured Finance-Marktes in Europa und USA siehe European Central Bank (2008), S. 8-10. Zur Organisation und den Beteiligten des Verbriefungsprozesses siehe z. B. Waschbusch (1998), S. 409414, Bär (2000), S. 85-100, und Schiefer (2008), S. 85-100. Die Abbildung lehnt sich an die Darstellung in Ashcraft / Schuermann (2008), S. 3, an. Vgl. zu den folgenden Erläuterungen Ashcraft / Schuermann (2008), S. 5-11, und Initiative Finanzstandort Deutschland (2008), S. 103, in der die von Ashcraft / Schuermann herausgearbeiteten Friktionen zusammenfassend dargestellt werden. Einige der Friktionen wurden bereits schon früher in der Literatur ausführlich behandelt. Siehe Henke (2002) und Kiff / Michaud / Mitchell (2003). Vgl. United States General Accounting Office (2004), S. 18.

finanziellen Dingen häufig unerfahrenen Subprime-Kreditnehmer vermutlich nur unzureichend von den Hypothekenbanken oder Mortgage Brokern aufgeklärt, welche Risiken und finanziellen Belastungen sich bei Änderungen der Immobilienpreisentwicklung und des Zinsniveaus für sie ergeben können.8 (2) Eine weitere Friktion, die der Adverse Selektion, resultiert aus der asymmetrischen Informationsverteilung zwischen dem Originator und dem Arrangeur, der die Auswahl der zu verbriefenden Kreditforderungen vornimmt und den Ankauf der Kredite bis zur Platzierung der Verbriefungstransaktion am Kapitalmarkt finanziert. Wenn bereits bei der Kreditvergabe feststeht, dass das Darlehen nicht auf der Bilanz des Originators verbleibt, sondern an einen (schlechter informierten) Arrangeur einer Verbriefungstransaktion veräußert wird, kann sich der Anreiz des Originators zur sorgfältigen Prüfung der Kreditwürdigkeit des Schuldners vermindern.9 (3) Die Friktion des „Mortgage Fraud“ ist ebenfalls auf die asymmetrisch verteilten Informationen zwischen dem Originator und dem Arrangeur zurückzuführen. Da der Arrangeur die Kreditwürdigkeit eines Kreditnehmers schlechter beurteilen kann als der Originator, kann für letzteren der Anreiz bestehen, zu Lasten des Arrangeurs mit dem Kreditnehmer zu kooperieren und dessen Bonität, beispielsweise durch falsche Angaben in den Kreditunterlagen, besser darzustellen als sie tatsächlich ist (Kollusionsproblem). (4) Weitere Friktionen ergeben sich aufgrund von Informationsasymmetrien zwischen dem Arrangeur und Drittparteien wie z. B. dem Sponsor einer Warehousing-Fazilität, der Ratingagentur oder, im Fall einer Collateralized Debt Obligation (CDO)-Transaktion, dem Asset Manager der Transaktion.10 Aufgrund des Informationsvorsprungs des Arrangeurs hinsichtlich der Qualität des der Verbriefung zugrunde liegenden Forderungsportfolios kann es zu einer bewussten adversen Selektion des Arrangeurs kommen, die dadurch charakterisiert ist, dass der Arrangeur lediglich die schlechten Kredite verbrieft und die guten in seinem Portfolio behält. (5) Die Friktion zwischen dem Kreditnehmer und dem Servicer, der für die Überwachung der Schuldner des Pools, den Forderungseinzug und das Mahnwesen zuständig ist, ergibt sich daraus, dass für Kreditnehmer, die in finanzielle Schwierigkeiten geraten, nur noch geringe oder keine Anreize bestehen, Aufwendungen zur Erhaltung des Wertes des beliehenen Objektes wie z. B. Versicherungen, Grundsteuern und Reparaturen zu leisten (Moral Hazard-Problem). Die fehlende Erbringung dieser Verpflichtungen kann den Wert des Beleihungsobjektes und den bei einer Zwangsvollstreckung zu erwartenden Verwertungserlös zu Lasten der Investoren der emittierten Wertpapiere sowie zu Lasten der Reputation des Servicers reduzieren. (6) Auf Seiten des Servicers kann ebenfalls ein Moral HazardProblem bestehen. Da sich die von ihm vereinnahmte Servicing Fee am Nominalwert der 8

Vgl. hierzu auch Rudolph (2008), S. 726-727. Der Einfluss des Kreditrisikotransfers auf die Entwicklung der Kreditvergabestandards am amerikanischen Subprime-Markt wird in den empirischen Studien von Dell’Ariccia / Igan / Laeven (2008), Loutskina / Strahan (2008), Demyanyk / Van Hemert (2008), Mian / Sufi (2008), Keys u. a. (2010) und Purnanandam (2010) nachgewiesen. 10 Zu den Gestaltungsmerkmalen von CDO-Transaktionen siehe z. B. Jobst (2002), S. 8-10, Lucas / Goodman / Fabozzi (2007), S. 1-9. 9

3

ausstehenden Kreditforderungen bemisst, kann er seine Provisionen steigern, indem er die Zwangsvollstreckung aus einem ausgefallenen Kredit so lange wie möglich hinauszögert. Verzögerungen bei der Verwertung führen jedoch regelmäßig zu einer Minderung des zu erzielenden Verwertungserlöses, welche von den Investoren getragen wird.11 (7) Wird im Fall einer CDO-Transaktion ein Asset Manager mit der Verwaltung des zugrunde liegenden Kreditportfolios beauftragt, kann sich zwischen diesem und den Investoren ein Moral Hazard-Problem ergeben. Da die Investoren die Entscheidungen des Asset Managers nicht beobachten oder kontrollieren können, kann für den Asset Manager der Anreiz bestehen, das Kreditportfolio so zu verwalten, dass sein eigener Nutzen, nicht aber unbedingt der der Investoren maximiert wird. (8) Die letzte Friktion betrifft die asymmetrische Informationsverteilung zwischen den Investoren und der Ratingagentur. Da die Ratingagentur nicht von den Investoren, sondern vom Emittenten der Wertpapiere beauftragt und bezahlt wird, besteht die Gefahr, dass die Agentur als gewinnorientiertes Unternehmen die Bonitätseinstufungen der Wertpapiere insgesamt zu günstig vornimmt, um das Mandat für weitere Emissionen oder spätere Ratings zu erhalten. Dieser Interessenkonflikt wird noch verstärkt, wenn die Ratingagentur neben der Beurteilung der Papiere Beratungsleistungen für den Emittenten hinsichtlich der Strukturierung der Transaktion erbringt, wie es vor der Finanzkrise nicht selten der Fall war.12 Die von Ashcraft / Schuermann (2008) benannten Friktionen werden als eine der zentralen Ursachen der Subprime-Krise gesehen.13 So ist die Analyse der bei Verbriefungstransaktionen auftretenden Probleme asymmetrischer Informationsverteilung und der Maßnahmen zu deren Abmilderung bzw. Lösung von besonderer Relevanz. Während etliche der beschriebenen Probleme in theoretischen und empirischen Studien detailliert untersucht werden, besteht hinsichtlich einiger Friktionen noch Forschungsbedarf. Ziel der vorliegenden Arbeit ist es, diese Wissenslücke durch eine vertragtheoretische, simulationsbasierte und empirische Analyse zweier in der Literatur bisher wenig beachteter Friktionen bei Verbriefungstransaktionen zu verkleinern. Die erste in der Arbeit analysierte Friktion ist das bei der Veräußerung eines Kredits entstehende Problem, dass sich zwischen dem Kreditnehmer und dem Kreditgeber die Möglichkeit einer gewinnbringenden Absprache bzw. Kollusion ergeben kann, die sich zu Lasten des schlechter informierten Käufers des Kredits auswirkt (Friktion 3). In Kapitel 2 der Arbeit wird anhand einer modelltheoretischen Analyse untersucht, wie eine solche sich zwischen dem Kreditnehmer und dem 11

Siehe hierzu die empirische Untersuchung von Gan / Mayer (2007), die das Verhalten von Servicern am Markt für Commercial Mortgage Backed Securities untersuchen und beobachten, dass diese effizientere Entscheidungen im Hinblick auf die Abwicklung notleidender Kredite treffen, wenn sie am Risiko der Transaktion beteiligt sind. 12 Vgl. Financial Stability Forum (2008), S. 32-33, und Rudolph / Scholz (2008), S. 17. 13 Zur Bedeutung der Probleme asymmetrischer Informationsverteilung als Ursache für die SubprimeKrise siehe Financial Stability Forum (2008), S. 7-10, Franke / Krahnen (2008), S. 10-21, und Calomiris (2009).

4

Kreditgeber auftretende Kollusionsmöglichkeit über die vertragliche Gestaltung des Kreditverkaufs verhindert werden kann. Die zweite in der Arbeit betrachtete Friktion ist das Moral Hazard-Problem auf Seiten des Asset Managers einer Kreditverbriefungstransaktion (Friktion 7), welches das Leistungs- und das Risikoanreizproblem umfasst. Das Risikoanreizproblem, das sich bei gemanagten CLO-Transaktionen ergeben kann, wird zum einen in Kapitel 3 mittels einer Simulationsstudie untersucht. Hierbei werden die Risikoanreize des Asset Managers (CLO-Managers) einer CLO-Transaktion im Hinblick auf die Auswahl der zugrunde liegenden Forderungen abgeleitet, mögliche Interessenkonflikte mit den Investoren der verschiedenen Tranchen identifiziert und Lösungen entwickelt, wie diese Interessenkonflikte soweit wie möglich abgebaut werden können. Zum anderen werden in Kapitel 4 mittels einer empirischen Analyse die Auswirkungen des Leistungs- und des Risikoanreizproblems auf die Performance gemanagter Kreditverbriefungstransaktionen untersucht. Dabei werden neben den durch die Managervergütung hervorgerufenen Anreizeffekten weitere manager- und transaktionsspezifische Charakteristika als mögliche Erklärungsdeterminanten der Performance betrachtet. Die Ergebnisse der in der Arbeit durchgeführten Studien bestätigen die Relevanz der von Ashcraft / Schuermann (2008) aufgezeigten Probleme. Die Untersuchungen zeigen aber auch auf, dass und wie die Friktionen aus ökonomischer Perspektive überwunden werden können.

1.2 Gang der Untersuchung Die vorliegende Arbeit gliedert sich in vier in sich abgeschlossene Kapitel. Kapitel 2 beinhaltet die modelltheoretische Analyse der vertraglichen Gestaltung eines Kreditverkaufs, wenn zwischen dem Kreditnehmer und dem Kreditgeber die Möglichkeit zur Bildung einer zu Lasten des Kreditkäufers gehenden Kollusion besteht. Anschließend erfolgt in Kapitel 3 die simulationsbasierte Analyse der Risikoanreize von CLO-Managern und der daraus resultierenden Interessenkonflikte zwischen diesen und den verschiedenen Investorengruppen. Darauf aufbauend widmet sich Kapitel 4 der empirischen Analyse der Erklärungsdeterminanten der Performance gemanagter Kreditverbriefungstransaktionen. Nachfolgend wird eine kurze Zusammenfassung der Studien mit den zentralen Forschungsergebnissen gegeben. Kapitel 2 befasst sich mit dem Problem der Kollusion zwischen einem Kreditnehmer und einer Bank, die im Hinblick auf den Transfer des Kredits an einen externen Investor eine Absprache treffen, dass die Bank nach Veräußerung des Kredits ihre Sorgfalt bei der Überwachung des Kreditnehmerverhaltens vermindert oder bestimmte vertragliche Vereinbarungen weniger streng auslegt. Anhand eines modelltheoretischen Ansatzes

5

wird untersucht, wie das zu Lasten des Investors gehende Kollusionsproblem durch die vertragliche Gestaltung des Kreditverkaufs gelöst werden kann. Das entwickelte Modell bildet die Kreditfinanzierung eines Unternehmens durch eine Bank und die anschließende Veräußerung des Kredits an einen Investor ab. Hierbei existiert ein doppeltes Moral Hazard-Problem, aus dem nach Veräußerung des Kredits die Möglichkeit zur Bildung einer gegen den Investor gerichteten Kollusion zwischen dem Unternehmer und der Bank resultiert. Zum einen besteht auf der Seite des Unternehmers ein Moral Hazard-Problem in Bezug auf die Verwendung der von der Bank erhaltenen Kreditmittel. Nach Auszahlung der Mittel besteht für den Unternehmer der Anreiz, diese nicht in das vorgesehene Projekt mit positivem Kapitalwert zu investieren, sondern in ein kapitalwertnegatives Projekt, das ihm bestimmte private Vorteile erbringt. Für das Zustandekommen der Kreditfinanzierung ist es daher erforderlich, dass die Bank das Verhalten des Kreditnehmers überwacht und im Kreditvertrag eine Zusatzvereinbarung getroffen wird, die der Bank bei Beobachtung der Durchführung des unvorteilhaften Investitionsprojekts durch den Unternehmer ein Kündigungsrecht einräumt. Das zweite Moral Hazard-Problem ergibt sich, wenn die Bank den Kredit an den Investor veräußert, da sich deren Anreiz zur Überwachung des Kreditnehmers vermindert, wenn sie die Erträge aus dem Monitoring nicht mehr selbst vereinnahmt. Da für den Investor eine Überwachung des Unternehmers mit hohen Kosten verbunden ist, übernimmt die Bank das Servicing und das Monitoring des Kreditnehmers, das allerdings für den Investor nicht beobachtbar und überprüfbar ist. So muss die Bank zur Erzielung eines angemessenen Verkaufspreises einen Teil des Kredits zurückbehalten, um die Durchführung des Monitoring glaubhaft zu signalisieren. In dieser Situation ergibt sich jedoch aufgrund der privaten Vorteile, die der Unternehmer bei Umsetzung des unvorteilhaften Projekts erzielt, die Möglichkeit zu einer gewinnbringenden Kollusion zwischen dem Unternehmer und der Bank. So kann der Unternehmer der Bank eine Seitenzahlung dafür anbieten, dass sie auf ein Monitoring bzw. eine Überprüfung der Einhaltung der Zusatzvereinbarung verzichtet. In diesem Fall kann der Unternehmer das unvorteilhafte Projekt durchführen, ohne dass die Gefahr einer Kreditkündigung durch die Bank und der Liquidation des Investitionsprojekts besteht. Für die Bank ergibt sich aus der Kollusion ebenfalls ein Gewinn, da sie neben der Seitenzahlung auch die Kosten für die Überwachung des Unternehmers einsparen kann. Die modelltheoretische Analyse zeigt, dass die Möglichkeit zur Kollusion die optimale Vertragsgestaltung des Kreditverkaufs beeinflusst. Erkennt der Investor die Absprachemöglichkeit zwischen dem Unternehmer und der Bank, berücksichtigt er diese in seinem Entscheidungskalkül und ist nur einen geringeren Preis für den ihm angebotenen Kreditanteil zu zahlen bereit, so dass die Bank bei Veräußerung des Kredits einen Verlust gegenüber dem Fall ohne Kollusionsproblem hinzunehmen hätte. Diesen Verlust kann sie verringern,

6

indem sie den Kreditverkauf „kollusionsfrei“ gestaltet. Hierbei werden die Ansprüche auf die Zahlungen aus dem Kreditvertrag so auf den Investor und die Bank verteilt, dass die Kollusionsparteien durch die Absprache maximal einen Gewinn von Null erzielen können. Es ergibt sich, dass die Bank zur Maximierung ihres Verkaufserlöses einen höheren Teil des Kredits zurückbehalten muss als im Fall, in dem Kollusionen ex ante ausgeschlossen sind. Dies begründet sich darin, dass der Selbstbehalt der Bank nicht nur dazu dient, dem Käufer des Kredits die Durchführung des Monitoring zu signalisieren, sondern auch um diesem glaubhaft zu vermitteln, dass sie keine ineffiziente Absprache mit dem Kreditnehmer treffen wird. Anhand einer Sensitivitätsanalyse wird schließlich dargelegt, dass die Differenz zwischen dem Selbstbehalt der Bank im Kollusionsfall und dem im Fall ohne Kollusionsproblem umso größer ist, je höher der mögliche Kollusionsgewinn für den Unternehmer und die Bank ist. Dieser wiederum hängt von der Schwere des mit der Projektwahl des Unternehmers verbundenen Moral Hazard-Problems ab und ist umso größer, je stärker sich dieses gestaltet, d. h. je höher der Nutzengewinn des Unternehmers durch die Umsetzung des unvorteilhaften Projekts ist. In Kapitel 3 erfolgt die Analyse der Risikoanreize eines CLO-Managers im Hinblick auf das Management des der Transaktion zugrunde liegenden Kreditportfolios und der sich daraus ergebenden Interessenkonflikte mit den Investoren der verschiedenen Tranchen. Anhand eines Simulationsmodells wird geprüft, wie ein CLO-Manager die Auswahl der Referenzkredite in Bezug auf deren Ausfallwahrscheinlichkeit, deren Wiedergewinnungsquote und der sich ergebenden Portfoliokonzentration trifft, wenn er seine Vergütung und den Wert einer möglichen Beteiligung an der Equity Tranche maximiert. Um zu identifizieren, im Interesse welcher Investoren der CLO-Manager seine Anlageentscheidungen trifft und mit welchen Investoren ein Interessenkonflikt besteht, werden zusätzlich die Präferenzen der verschiedenen Investorengruppen bezüglich der vom Manager festzulegenden Risikocharakteristika des Referenzportfolios untersucht. Mittels einer Monte Carlo-Simulation wird eine gemanagte CLO-Transaktion modelliert, deren Manager nach Strukturierung und Emission der Tranchen das zugrunde liegende Kreditportfolio zusammenstellt. Diesem stehen mehrere Referenzportfolios zur Auswahl, die sich hinsichtlich der Ausfallwahrscheinlichkeit, der Konzentration und der Wiedergewinnungsquote der darin enthaltenen Kredite unterscheiden. Die Präferenzen des Managers und der Investoren werden unter der Annahme risikoneutraler und nach dem Bernoulli-Prinzip handelnder Akteure abgeleitet. So präferiert der CLO-Manager das Referenzportfolio, bei dem er das höchste Gesamtergebnis erwartet. Dieses ergibt sich aus dem Wert der Managervergütung, die sich aus einer Senior, einer Subordinated und einer Incentive (Management) Fee zusammensetzt, und, sofern der Manager einen Anteil an der Equity Tranche hält, aus dem Wert dieser Beteiligung. Die Präferenzen der verschiedenen

7

Investorengruppen werden gleichermaßen aus den jeweils maximal zu erzielenden Tranchenwerten abgeleitet. Zur Überprüfung der Robustheit der Ergebnisse werden die Höhe der einzelnen Vergütungskomponenten, die Höhe der Managerbeteiligung an der Equity Tranche, die Subordinationsstruktur und die Risikoeinstellung des CLO-Managers variiert. In Bezug auf die Subordinationsstruktur werden hierbei die Auswirkungen der Einführung einer Obergrenze für den Reserve Account und der Ausgestaltung von Overcollateralization Tests überprüft, in Bezug auf die Risikoeinstellung die Auswirkungen der Annahme unterschiedlich risikoaverser Manager. Die Simulationsergebnisse zeigen, dass die Incentive Fee und die Beteiligung an der Equity Tranche Risikoanreize für den CLO-Manager schaffen, da sie einen positiven Zusammenhang mit dem Risiko des Referenzportfolios aufweisen. Dagegen wirken die Senior und die Subordinated Fee gegen ein Risk Shifting des Managers, da deren Werte mit steigendem Portfoliorisiko sinken. So hängt es von der Zusammensetzung der Managervergütung und der Existenz einer Beteiligung an der Equity Tranche ab, ob der CLO-Manager nach Emission der Tranchen einen Anreiz zur Steigerung des Portfoliorisikos besitzt. Für den CLO-Manager ergeben sich hinsichtlich der drei bei Zusammenstellung des Referenzportfolios festzulegenden Risikocharakteristika unterschiedliche Risikopräferenzen. In Bezug auf die Portfoliokonzentration zeigt sich, dass der CLO-Manager unabhängig von seiner Risikoeinstellung einen Anreiz zur Maximierung der Konzentration des Referenzportfolios besitzt, wenn die Höhe der Subordinated Fee und der Incentive Fee sich im Rahmen der am Markt zu beobachtenden Werte bewegen. Dagegen besteht für den Manager bezüglich der Ausfallwahrscheinlichkeit und der Wiedergewinnungsquote der unterlegten Kredite kein Risikoanreiz, sofern der Anteil der Incentive Fee an der Gesamtvergütung nicht vergleichsweise hoch ist und der Manager keinen oder nur geringen Anteil an der Equity Tranche hält. Auf die CLO-Tranchen wirken sich die Anlageentscheidungen des Asset Managers unterschiedlich aus. Während die für die Senior und die Mezzanine Tranchen zu erwartenden Werte mit steigendem Risiko des Referenzportfolios sinken, weist der Wert der Equity Tranche einen positiven Zusammenhang mit dem Portfoliorisiko auf. So ergibt sich im Hinblick auf die Portfoliokonzentration ein Risikoanreizproblem zwischen dem CLO-Manager und den Investoren der Senior und Mezzanine Tranchen sowie, wenn die Incentive Fee einen vergleichsweise hohen Anteil an der Gesamtvergütung annimmt und/oder eine gewisse Beteiligung des Managers an der Equity Tranche besteht, ebenfalls im Hinblick auf die Ausfallwahrscheinlichkeit und die Wiedergewinnungsquote der unterlegten Kredite. Demgegenüber liegt ein Interessenkonflikt zwischen dem CLO-Manager und den Investoren der Equity Tranche in Bezug auf die Ausfallwahrscheinlichkeit und die Wiedergewinnungsquote der Kredite vor, wenn die Incentive Fee und die Beteiligung an der Equity Tranche so gering sind, dass dieser keinen Risk Shifting-Anreiz bezüglich der beiden Variablen besitzt. Dabei sind die aus einem Interessenkonflikt entstehenden

8

Wertverluste für die Investoren umso größer, je geringer die Priorität der von ihnen gehaltenen Tranche in Bezug auf die Verteilung der aus dem Pool eingehenden Cashflows ist, da die Wertsensitivität einer Tranche gegenüber dem Risiko des Referenzportfolios mit sinkender Priorität zunimmt. Die Überprüfung der Robustheit der Ergebnisse zeigt, dass das Risikoverhalten des CLOManagers nicht nur von der Vergütungsstruktur und der Höhe der Beteiligung an der Equity Tranche beeinflusst wird, sondern auch von der Subordinationsstruktur der Transaktion. So kann ein mögliches Risikoanreizproblem verhindert bzw. abgemildert werden, wenn für die Senior und Mezzanine Tranchen Overcollateralization Tests ausgestaltet werden. Dabei spielt der Overcollateralization Test der untersten gerateten Tranche eine entscheidende Rolle, da von dessen Grenzwert die an die Equity Tranche fließenden Zahlungen und demnach auch die vom Manager zu erwartende Incentive Fee abhängen. Dagegen ändert sich die Präferenzordnung des CLO-Managers nicht, wenn für diesen ein risikoaverses Verhalten unterstellt wird, wenngleich dessen Risikoanreize mit steigender Risikoaversion schwächer werden. So sind die ermittelten Ergebnisse in Bezug auf die Festlegung der Ausfallwahrscheinlichkeit und der Wiedergewinnungsquote der Kredite umso robuster gegenüber einer Erhöhung der Incentive Fee und der Annahme einer Equity-Beteiligung des CLO-Managers, je stärker dessen Risikoaversion ausgeprägt ist. Darüber hinaus zeigen die Simulationsergebnisse, dass Interessenkonflikte zwischen dem CLO-Manager und den Investoren auch durch die in der Praxis zu findenden Maßnahmen zur Begrenzung des Handlungsspielraums des Managers abgemildert werden können. Durch die Festlegung genauer Qualitäts- und Diversifikationsanforderungen für das einer Transaktion zugrunde liegende Kreditportfolio können die Portfoliozusammensetzung zu Beginn aber auch während der Laufzeit der Transaktion gesteuert und damit die aus den Interessenkonflikten resultierenden Agency-Kosten verringert werden. Aufbauend auf der Simulationsstudie in Kapitel 3 widmet sich Kapitel 4 der empirischen Analyse der Performance gemanagter Kreditverbriefungstransaktionen am europäischen Markt. Der Fokus der Studie liegt dabei auf der Bedeutung von manager- und transaktionsspezifischen Charakteristika als mögliche Erklärungsdeterminanten der Performance von Arbitrage Collateralized Loan Obligations (Arbitrage CLOs). Als Erklärungsdeterminante wird zum einen die performanceabhängige Vergütung eines CLO-Managers herangezogen, wobei untersucht wird, ob und gegebenenfalls in welchem Ausmaß sich mögliche durch die Vergütung hervorgerufene Leistungs- und Risikoanreizprobleme auf Seiten des CLO-Managers auf die Transaktionsperformance auswirken. Zum anderen wird der Einfluss des CLO-Managers auf die Performance über dessen Erfahrung, Größe, Typ und Unternehmenssitz geprüft. Als transaktionsspezifische Erklärungsdeterminanten der Per-

9

formance von Arbitrage CLOs werden die Qualität des einer Transaktion zugrunde liegenden Portfolios, die Größe der Equity Tranche und das Transaktionsvolumen herangezogen. In die Untersuchung werden sämtliche im Zeitraum von September 1999 und Juni 2008 am europäischen Verbriefungsmarkt emittierten Arbitrage CLO-Transaktionen einbezogen. Aufgrund der fehlenden Preistransparenz wird zur Messung der Performance auf die Ratingherabstufungen der drei Ratingagenturen Moody’s, Standard & Poor’s und Fitch zurückgegriffen. Da die Ratingagenturen als Konsequenz der im Zuge der jüngsten Finanzkrise eingetretenen Verschlechterung der Kreditqualität vieler Schuldner ihre Methoden und Annahmen zur Bewertung von CLO-Transaktionen überarbeitet und Anfang des Jahres 2009 begonnen haben, sämtliche von ihnen am europäischen CLO-Markt vergebenen Ratings zu überprüfen, wird in der Studie aus Gründen der Vergleichbarkeit der Untersuchungszeitraum auf das Jahr 2009 beschränkt. Die Bedeutung der ausgewählten managerund transaktionsspezifischen Charakteristika als Determinanten zur Erklärung der Rating Performance wird über einen Probit-Regressionsansatz geprüft, der als abhängige Variable die Wahrscheinlichkeit einer Ratingherabstufung verwendet. Die Bedeutung der durch die Vergütung hervorgerufenen Leistungs- und Risikoanreize von CLO-Managern bei Arbitrage CLO-Transaktionen wird durch die Subordinated Fee und die Incentive Fee, die beiden variablen Bestandteile der Managervergütung, untersucht. Von diesen beiden Vergütungskomponenten wird lediglich für die zweite ein Einfluss auf die Rating Performance nachgewiesen. So ist die Wahrscheinlichkeit einer Ratingherabstufung für Transaktionen höher, bei denen dem CLO-Manager eine Incentive Fee gewährt wird. Dieses Ergebnis weist darauf hin, dass die Incentive Fee für CLO-Manager Anreize zu einer risikoreichen Anlagestrategie schafft, und bestätigt damit die Befunde der Simulationsstudie des Kapitels 3. Mit der variablen Vergütung zusammenhängende positive Leistungsanreizeffekte werden dagegen nicht nachgewiesen. Der Einfluss eines CLO-Managers auf die Performance der von ihm verwalteten Transaktion wird auch anhand der weiteren in der Studie verwendeten managerspezifischen Charakteristika bestätigt. Für die Erfahrung und die Größe eines CLO-Managers wird ein negativer Zusammenhang mit der Wahrscheinlichkeit einer Ratingherabstufung festgestellt. In Bezug auf den Typ eines Managers zeigt sich, dass von Investmentbanken gemanagte Transaktionen im Untersuchungszeitraum mit einer geringeren Wahrscheinlichkeit herabgestuft werden als Transaktionen, bei denen ein Multi-Asset Manager, ein Hedge Fond oder eine Private Equity-Gesellschaft als CLO-Manager fungiert. Des Weiteren weisen Transaktionen US-amerikanischer CLOManager eine im Durchschnitt geringere Downgrade-Wahrscheinlichkeit auf als Transaktionen europäischer Manager. Dieses Ergebnis deutet darauf hin, dass US-amerikanische Manager aufgrund ihrer Managementtätigkeiten auf dem amerikanischen Markt über eine höhere Expertise im Management von CLO-Transaktionen verfügen als europäische Mana-

10

ger. Für die in der Untersuchung herangezogenen transaktionsspezifischen Charakteristika wird dagegen kein Einfluss auf die Rating Performance nachgewiesen. Die vorliegende Arbeit leistet in mehrfacher Hinsicht einen wichtigen Forschungsbeitrag. Erstens ist die modelltheoretische Analyse des Kapitels 2 meines Wissens die erste Studie, die sich mit dem Problem der Kollusion im Zusammenhang mit dem Kreditrisikotransfer befasst. Sie liefert daher neue Erkenntnisse hinsichtlich der Lösung dieser Probleme mittels einer kollusionsfreien Vertragsgestaltung des Kreditrisikotransferkontraktes. Zweitens bietet die Simulationsstudie des Kapitels 3 einen tiefgehenden Einblick in das Management von Kreditverbriefungstransaktionen. Die durchgeführten Sensitivitätsanalysen zeigen erstmals die Risikoanreizwirkung der einzelnen in der Praxis zu findenden Komponenten der Vergütung von CLO-Managern und fördern das Verständnis hinsichtlich der Wertsensitivität der verschiedenen CLO-Tranchen gegenüber dem vom Manager festzulegenden Risikoeigenschaften des Referenzportfolios. Darüber hinaus werden Lösungen aufgezeigt, wie die identifizierten Interessenkonflikte zwischen dem CLO-Manager und den Investoren durch die Gestaltung des Subordinationsprinzips und die Maßnahmen zur Begrenzung des Handlungsspielraums des Managers abgemildert bzw. gelöst werden können. Drittens arbeitet die empirische Studie des Kapitels 4 die Determinanten der Performance gemanagter CLO-Transaktionen heraus. Der nachgewiesene negative Einfluss der dem CLO-Manager einer Transaktion gewährten Incentive Fee auf die Performance belegt die Existenz von Risikoanreizproblemen auf Seiten des Managers und macht die Relevanz der anreizkompatiblen Gestaltung der Managervergütung sowie der Managementvorgaben zur Begrenzung des Handlungsspielraums des CLO-Managers deutlich. Darüber hinaus zeigt der festgestellte Zusammenhang zwischen den Eigenschaften eines CLO-Managers und der Transaktionsperformance die zentrale Rolle eines Managers für den Erfolg der von ihm verwalteten Transaktion auf und unterstreicht damit die Bedeutung der Analyse der Fähigkeiten und der Expertise des Asset Managers für die Beurteilung einer CLO-Transaktion. Die in den drei Kapiteln dieser Arbeit hergeleiteten theoretischen und empirischen Ergebnisse liefern somit Ansätze zur Lösung wichtiger, aber bislang wenig beachteter Friktionen in der Wertschöpfungskette des Verbriefungsprozesses und können insoweit einen Beitrag zur Stabilität der Finanzmärkte leisten.

11

Literaturverzeichnis zu Kapitel 1 Ashcraft, Adam B. ; Schuermann, Til (2008): Understanding the Securitization of Subprime Mortgage Credit, Federal Reserve Bank of New York, Staff Report No. 318, März 2008. Bär, Hans P. (2000): Asset Securitisation: Die Verbriefung von Finanzaktiven als innovative Finanzierungstechnik und neue Herausforderungen für Banken, 3. Aufl., Bern et al. 2000. Calomiris, Charles W. (2009): The Subprime Turmoil: What’s Old, What’s New, and What’s Next, in: Journal of Structured Finance, Jg. 15, S. 6–52. Dell’Ariccia, Giovanni ; Igan, Deniz ; Laeven, Luc (2008): Credit Booms and Lending Standards: Evidence from the Subprime Mortgage Market, IMF Working Paper 08/106, April 2008. Demyanyk, Yuliya ; Van Hemert, Otto (2008): Understanding the Subprime Mortgage Crisis, Working Paper, Dezember 2008. Deutsche Bundesbank (2004): Instrumente zum Kreditrisikotransfer: Einsatz bei deutschen Banken und Aspekte der Finanzstabilität, in: Monatsbericht, April 2004, S. 27-45. European Central Bank (2008): The Incentive Structure of the ’Originate And Distribute’ Model, Frankfurt am Main 2008. Financial Stability Forum (2008): Report of the Financial Stability Forum on Enhancing Market and Institutional Resilience, April 2008. Franke, Günter ; Krahnen, Jan Pieter (2008): The Future of Securitization, Center for Financial Studies, CFS Working Paper No. 2008/31, November 2008. Gan, Yingjin H. ; Mayer, Christopher (2007): Agency Conflicts, Asset Substitution, and Securitization, Working Paper, Mai 2007. Henke, Sabine (2002): Anreizprobleme beim Transfer der Kreditrisiken aus Buchkrediten, Berlin 2002. Initiative Finanzstandort Deutschland (2008): Finanzstandort Deutschland Bericht Nr. 4, Frankfurt am Main 2008. Jobst, Andreas (2002): Collateralised Loan Obligations (CLOs) - A Primer, Center for Financial Studies, CFS Working Paper No. 2002/13, Dezember 2002. Keys, Benjamin J. ; Mukherjee, Tanmoy ; Seru, Amit ; Vig, Vikrant (2010): Did Securitization Lead to Lax Screening? Evidence from Subprime Loans, in: Quarterly Journal of Economics, Jg. 125, S. 307–362. Kiff, John ; Michaud, François-Louis ; Mitchell, Janet (2003): An Analytical Review of Credit Risk Transfer Instruments, in: Banque de France Financial Stability Review, S. 106-131. 12

Loutskina, Elena ; Strahan, Philip E. (2008): Informed and Uninformed Investment in Housing: The Downside of Diversification, Working Paper, August 2008. Lucas, Douglas J. ; Goodman, Laurie S. ; Fabozzi, Frank J. (2007): Collateralized Debt Obligations and Credit Risk Transfer, Yale ICF Working Paper No. 07-06, Juli 2007. Mian, Atif ; Sufi, Amir (2008): The Consequences of Mortgage Credit Expansion: Evidence from the U.S. Mortgage Default Crisis, Working Paper, Dezember 2008. Purnanandam, Amiyatosh (2010): Originate-to-Distribute Model and the Subprime Mortgage Crisis, Working Paper, Mai 2010. Rudolph, Bernd (2008): Lehren aus den Ursachen und dem Verlauf der internationalen Finanzkrise, in: Zeitschrift für betriebswirtschaftliche Forschung, Jg. 60, S. 713–741. Rudolph, Bernd ; Hofmann, Bernd ; Schaber, Albert ; Schäfer, Klaus (2007): Kreditrisikotransfer - Moderne Instrumente und Methoden, Berlin et al. 2007. Rudolph, Bernd ; Scholz, Julia (2008): Driving Factors of the Subprime Crisis and Some Reform Proposals, in: CESifo DICE Report, 3/2008, S. 14-19. Schiefer, Dirk (2008): Collateralized Debt Obligations (CDOs): Eine empirische Analyse der Bonitätsrisikoprämie auf Finanzmärkten, Bad Soden/Ts. 2008. United States General Accounting Office (2004): Consumer Protection: Federal and State Agencies Face Challenges in Combating Predatory Lending, Report to the Chairman and Ranking Minority Member, Special Committee on Aging, U.S. Senate, Januar 2004. Waschbusch, Gerd (1998): Asset Backed Securities - eine moderne Form der Unternehmensfinanzierung, in: Zeitschrift für Bankrecht und Bankwirtschaft, Jg. 10, S. 408–419.

13

2 Vertragstheoretische Analyse der Gestaltung von Kreditverkäufen bei Kollusionsproblemen

2.1 Problemstellung Zur Entstehung der Mitte des Jahres 2007 beginnenden Subprime-Krise am amerikanischen Markt für verbriefte zweitrangige Hypothekenforderungen, die sich zur jüngsten internationalen Finanzkrise ausweitete, haben mehrere Akteure und Umfeldbedingungen beigetragen. Zu den Akteuren zählen insbesondere die Mortgage Broker und Banken, die in wachsendem Umfang Hypothekendarlehen an bonitätsschwache Schuldner vergaben. Da sie die Kreditrisiken aus dem Subprime-Geschäft nicht selbst trugen, sondern die Darlehen bzw. die mit den Darlehen verbundenen Ausfallrisiken über die verschiedenen Instrumente des Kreditrisikotransfers kurz nach der Vergabe an die Märkte für strukturierte Anleihen weiterreichten, verzichteten sie auf eine sorgfältige Auswahl (Screening) und Überwachung (Monitoring) der Kreditnehmer.1 Dieses Anreizproblem führte dazu, dass sich die Qualität der im Subprime-Segment des amerikanischen Hypothekenmarktes vergebenen Kredite insbesondere in den Jahren 2004 bis 2006 stetig verschlechterte. Der Transfer von Kreditrisiken bringt auf Seiten der Kreditgeber aber noch ein weiteres Anreizproblem mit sich, nämlich das der Absprache bzw. der Kollusion. Unter einer Kollusion wird eine gewinnbringende Absprache zwischen zwei oder mehreren Akteuren verstanden, die zu Lasten Dritter geht und insgesamt zu einem Wohlfahrtsverlust führt. Ashcraft / Schuermann (2008), die die verschiedenen Friktionen zwischen den beteiligten Parteien des Verbriefungsprozesses amerikanischer Subprime-Hypotheken beschreiben, weisen darauf hin, dass sich für Kreditgeber der Subprime-Kredite Anreize ergeben haben, mit den Kreditnehmern zu kooperieren und z. B. die Kreditunterlagen zu „verschönern“, um bei der Veräußerung der Kredite an die Arrangeure von Verbriefungstransaktionen höhere Er1

Zur Lockerung der Kreditvergabestandards am US-amerikanischen Hypothekenmarkt siehe Dell’Ariccia / Ignan / Laeven (2008), Loutskina / Strahan (2008), Demyanyk / Van Hemert (2008), Mian / Sufi (2008), Keys u. a. (2010) und Purnanandam (2010). Im Hinblick auf die Betreuung und die Überwachung von Subprime-Kreditnehmern beobachten Gan / Mayer (2007), dass Servicer von Commercial Mortgage Backed Securities ein ineffizientes Verhalten in der Abwicklung notleidender Kredite zeigen, wenn sie nicht am Risiko der Transaktion beteiligt sind. Zu den Instrumenten des Kreditrisikotransfers vgl. Rudolph u. a. (2007), S. 13-26.

15 J. Scholz, Identifi kation und Lösung von Interessenkonfl ikten bei Verbriefungstransaktionen, DOI 10.1007/ 978-3-8349-6189-1_2, © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2011

löse zu erzielen.2 Obwohl Kollusionsprobleme in verschiedenen Bereichen der wirtschaftswissenschaftlichen Teildisziplinen detailliert untersucht worden sind, haben diese in der Literatur zum Kreditrisikotransfer bisher kaum Beachtung gefunden. Ziel der vorliegenden Untersuchung ist es, eine sich bei einem Kreditverkauf für den Kreditgeber und den Kreditnehmer ergebende Kollusionsmöglichkeit modelltheoretisch zu analysieren und eine Lösung zu entwickeln, wie diese zu Lasten des Kreditkäufers gehende Absprache durch die vertragliche Gestaltung des Kreditverkaufskontraktes verhindert werden kann. Beim Verkauf eines Kredits können sich Möglichkeiten zur Absprache zwischen dem Kreditgeber und dem Kreditnehmer nicht nur im Hinblick auf die Darstellung der Bonität des Kreditnehmers in den Kreditunterlagen ergeben, sondern auch im Hinblick auf das Verhalten des Kreditnehmers nach Auszahlung der Kreditmittel. Dies ist vor allem dann denkbar, wenn der Kreditgeber nach der Veräußerung aufgrund fehlender Kontrollmöglichkeiten oder hoher Kontrollkosten des Kreditkäufers weiterhin für die Betreuung und die Überwachung des Kreditnehmers verantwortlich ist, seine Anstrengungen jedoch für den Kreditkäufer nicht beobachtbar und überprüfbar sind. Handelt es sich bei dem Kreditgeber um eine Bank und bei dem Kreditnehmer um ein Unternehmen, wovon in der vorliegenden Untersuchung ausgegangen wird, sind Absprachen zwischen diesen hinsichtlich verschiedener Sachverhalte vorstellbar: Erfährt der Unternehmer von dem Verkauf seines Kredits, kann er der Bank eine Seitenzahlung (Side Payment) beispielsweise dafür anbieten, dass diese die Überwachung seines Kredits reduziert bzw. einstellt, von einer Einflussnahme auf die Geschäftspolitik seines Unternehmens absieht, im Falle eines besicherten Kredits die Sicherheiten bzw. einen Teil davon freigibt oder bei einer Vereinbarung von Covenants im Kreditvertrag eine Nichteinhaltung dieser nicht sanktioniert. Die Seitenzahlung des Unternehmers an die Bank kann sich hierbei vielfältig gestalten. Denkbar sind z. B. der Abschluss eines Beratervertrages zwischen der Bank und dem Unternehmen und damit verbunden die Zahlung von Beratergebühren an die Bank, der Kauf zusätzlicher von der Bank angebotener Produkte und Dienstleistungen (Cross-Selling) oder die Erlaubnis des Unternehmers an die Bank, durch die Einflussnahme auf bestimmte Unternehmensentscheidungen eigene Interessen durchzusetzen und somit private Vorteile (Private Benefits) zu erzielen. Die Bildung einer Kollusion ist vor allem dann wahrscheinlich, wenn die Bank einziger Gläubiger des Unternehmens ist und dieses sich für den Kreditkäufer relativ intransparent darstellt. Dies ist vor allem dann realistisch, wenn es sich um ein nicht börsennotiertes Unternehmen handelt. Das in diesem Kapitel entwickelte Modell bildet die Finanzierung eines Unternehmens durch einen Bankkredit und die Veräußerung des Kredits durch die Bank an einen externen Investor ab. Dem kreditnehmenden Unternehmen stehen dabei zwei sich gegenseitig 2

Vgl. Ashcraft / Schuermann (2008), S. 5-6, und Kapitel 1.1.

16

ausschließende Projekte zur Verfügung, von denen nur eines über einen positiven Kapitalwert verfügt. Dennoch besteht für den Unternehmer nach Auszahlung der Kreditmittel der Anreiz, das unvorteilhafte Projekt durchzuführen, da er bei diesem private Vorteile realisieren kann. Dieses Moral Hazard-Problem hat zur Folge, dass die Bank den Kreditnehmer in seiner Projektwahl überwachen muss und in den Kreditvertrag eine Zusatzvereinbarung (Covenant) aufgenommen wird, welche den Unternehmer zur Durchführung des effizienten Projekts verpflichtet und der Bank ein Kündigungsrecht einräumt, falls sie die Nichteinhaltung dieser Vereinbarung durch ihr Monitoring beobachtet. Veräußert die Bank nun den Kredit an den externen Investor, muss sie zur Erzielung eines angemessenen Preises die Überwachung und die Betreuung des Kreditnehmers nach dem Kreditverkauf übernehmen, da der Investor den Unternehmer aufgrund hoher Kontrollkosten nicht überwacht und demnach auch eine Umsetzung des kapitalwertnegativen Projekts nicht beweisen kann. Da das Servicing und das Monitoring der Bank für den Kreditkäufer nicht beobachtbar und überprüfbar sowie die aus dem Monitoring gewonnenen Informationen der Bank privater Natur sind, besteht für den Unternehmer und die Bank nach Abschluss des Kreditverkaufs die Möglichkeit, sich zu Lasten des Investors abzusprechen. Der Unternehmer kann der Bank eine Seitenzahlung dafür anbieten, dass sie seinen Kredit bei Aufdeckung einer Covenant-Verletzung nicht kündigt und ihn folglich nicht zu einer Liquidation des gewählten Projekts zwingt, obwohl eine Kreditkündigung aus Gläubigersicht effizient wäre. So kann dieser das ineffiziente Projekt umsetzen, bei dem er die privaten Vorteile realisiert. Für die Bank ergibt sich aus der Absprache der Vorteil, dass sie auf eine Überwachung des Unternehmers verzichten und die ihr dadurch entstehenden Kosten einsparen kann, da der Kredit bei dieser Absprache stets fortgesetzt wird und sie folglich aus den gewonnenen Monitoringinformationen keinen Nutzen ziehen kann. Die vertragstheoretische Analyse zeigt, dass die Tatsache, dass der Kreditnehmer und die Bank sich gegen den Kreditkäufer absprechen können, einen maßgeblichen Einfluss auf die vertragliche Gestaltung des Kreditverkaufs hat. Bei einer Übernahme des Servicing und des Monitoring durch die Bank muss diese aufgrund ihres Informationsvorsprungs zur Erzielung eines angemessenen Verkaufspreises einen Teil des Kredits zurückbehalten, um die ordnungsgemäße Durchführung der Kreditüberwachung und -betreuung zu signalisieren. Ergibt sich zudem aus der asymmetrischen Informationsverteilung für den Kreditnehmer und die Bank die Möglichkeit zur Kollusion, wird gezeigt, dass der optimale kollusionsfreie Kreditverkauf einen höheren Selbstbehalt der Bank vorsieht. Dies ist darauf zurückzuführen, dass die Bank dem Investor nicht nur glaubhaft vermitteln muss, dass sie den Kreditnehmer weiterhin überwachen wird, sondern auch, dass sie keine ineffiziente Absprache mit ihm treffen wird. Mittels einer Sensitivitätsanalyse wird dargelegt, dass der Unterschied zwischen den von der Bank zurückzubehaltenden Anteilen im Kollusionsfall und im Fall ohne Kollusionsproblem von der Höhe des für die Kollusionsparteien

17

erzielbaren Kollusionsgewinns abhängt, welcher im vorliegenden Modell umso größer ist, je höher der Nutzengewinn des Unternehmers durch die Umsetzung des unvorteilhaften Investitionsprojekts ist. Die vorliegende Untersuchung gliedert sich wie folgt: Zunächst wird in Kapitel 2.2 ein ausführlicher Überblick der Literatur zu Kollusionen und zur vertraglichen Gestaltung von Kreditverkäufen bei Existenz von Anreizproblemen gegeben. Anschließend wird in Kapitel 2.3 das Modell zur Untersuchung des Kollusionsproblems bei Kreditverkäufen vorgestellt. In Kapitel 2.4 erfolgt dann die vertragstheoretische Analyse. Hierzu werden vor der Herleitung der vertraglichen Gestaltung des Kreditverkaufs bei Existenz eines Kollusionsproblems zunächst zwei Referenzfälle betrachtet: die First Best-Lösung mit einer symmetrischen Informationsverteilung zwischen der Bank und dem Käufer des Kredits und die Second Best-Lösung, bei der Kollusionen ex ante ausgeschlossen sind. Abschließend werden in Kapitel 2.5 die Ergebnisse der modelltheoretischen Analyse zusammengefasst.

2.2 Stand der Literatur Schon sehr früh haben die Organisationstheoretiker wie beispielsweise Dalton (1959), Gouldner (1960) und Crozier (1963) in ihren soziologischen Studien auf die Bedeutung des Problems der Bildung von Kollusionen innerhalb eines Unternehmens hingewiesen. Sie unterschieden hierbei zwei Arten ineffizienter Koalitionsbildungen: vertikale Kollusionen (vertikale Cliquen) zwischen Akteuren auf verschiedenen Hierarchieebenen in einem Unternehmen und horizontale Kollusionen (horizontale Cliquen) zwischen hierarchisch gleichgestellten Akteuren. In der wirtschaftswissenschaftlichen Literatur wurde das Problem vertikaler sowie horizontaler Kollusionen erst in den 1980er Jahren aufgegriffen.3 Im Laufe der Zeit entstand in den verschiedenen Bereichen der wirtschaftswissenschaftlichen Teildisziplinen eine Reihe von Arbeiten, die sich mit den Auswirkungen ineffizienter Absprachen sowie den Maßnahmen zu deren Vermeidung auseinandersetzen.4 In der vertragstheoretischen Literatur gilt die Arbeit von Tirole (1986), der als Erster das Phänomen in einem dreistufigen Hierarchiemodell mit einem Prinzipal, einem Überwacher und einem Agenten untersucht, als grundlegender Beitrag zur Diskussion um vertikale Kollusionen. Dieser bildet den Ausgangspunkt der Entwicklung einer umfangreichen Literatur zu ineffizienten Absprachen in hierarchischen Strukturen, wobei eine Vielzahl der Arbeiten auf 3

4

Eine Ausnahme hierzu stellt die schon früher entwickelte „Capture“- oder Interessengruppen-Theorie dar, die auf Marx zurückgeht und nach welcher staatliche Behörden von Interessengruppen wie beispielsweise Industriegruppen „erobert“ werden. Vgl. auch Stigler (1971) und Olson (1965). Zu den Anfängen der Literatur zu vertikalen und horizontalen Kollusionen vgl. z. B. Green / Laffont (1979), Robinson (1985) sowie Tirole (1986). Zur jüngeren Literatur vgl. beispielsweise Vafaï (2005), Harrington / Skrzypacz (2007), Nocke / White (2007), Jansen / Jeon / Menicucci (2008).

18

diesem Ansatz aufbaut. Nachfolgend wird daher der von Tirole verwendete Modellansatz mit den zentralen Ergebnissen vorgestellt und daran anschließend ein kurzer kategorisierter Überblick über die wichtigsten jüngeren Beiträge zu vertikalen Kollusionen gegeben.5 Tirole (1986) geht von einem Hidden Action-Problem aus, bei dem ein Prinzipal einen Agenten zur Erbringung einer Arbeitsleistung einstellt. Das von dem Agenten erzielte Ergebnis hängt einerseits von seinem mit Arbeitsleid verbundenen Arbeitseinsatz und andererseits von einer exogenen Größe, seiner Produktivität, ab. Da der Prinzipal aufgrund mangelnder zeitlicher Kapazitäten oder Kontrollfähigkeiten ausschließlich das vom Agenten erzielte Ergebnis beobachten kann, nicht aber dessen Arbeitseinsatz und Produktivität, delegiert er die Kontrolle des Agenten an einen Überwacher, der über eine imperfekte Informationstechnologie hinsichtlich der Produktivität des Agenten verfügt. Der Überwacher erfährt mit einer von der Güte der Informationstechnologie abhängigen Wahrscheinlichkeit die Höhe der Produktivität des Agenten, die er an den Prinzipal meldet. Da der Prinzipal die Kontrollanstrengungen des Überwachers nicht beobachten kann und letzterer seinen eigenen Nutzen ohne Beachtung der Interessen des Prinzipals maximiert, führt die Delegation der Kontrollaufgaben wiederum zu spezifischen Anreizproblemen, insbesondere zu einer gegen den Prinzipal gerichteten Kollusion zwischen dem Agenten und dem Überwacher. Der Überwacher hat die Möglichkeit, Informationen über die Produktivität des Agenten, die auf eine geringe Arbeitsanstrengung schließen lassen, gegenüber dem Prinzipal zurückzuhalten (harte Information)6 und so eine höhere Vergütung für den Agenten zu bewirken. Folglich können der Agent und der Überwacher eine vertikale Absprache treffen, bei der der Agent dem Überwacher als Gegenleistung für die Zurückhaltung negativer Informationen eine Seitenzahlung zusichert.7 Wie auch in dem vorliegenden Modell besteht die Lösung des Kollusionsproblems bei Tirole darin, über eine anreizkompatible Vertragsgestaltung den für den Agenten und den Überwacher aus der Kollusion erzielbaren Gewinn (Kollusionsgewinn) auf Null zu senken und dadurch eine profitable Kollusion zu verhindern. Es zeigt sich, dass die Möglichkeit der Bildung einer vertikalen Kollusion zu einer veränderten Vertragsgestaltung führt, wobei die dabei entstehenden Agency-Kosten vom Prinzipal zu tragen sind. 5 6

7

Für einen umfassenderen Überblick über die jüngere Literatur zu Kollusionen siehe Khalil / Lawarrée (1995) sowie Laffont / Rochet (1997). Es werden zwei Arten von Informationen unterschieden: harte und weiche Informationen. Harte Informationen sind verifizierbar und können nicht verfälscht werden. In diesem Fall besteht der Handlungsspielraum des „Berichterstattenden“ darin, seine private Information mit der Behauptung, er habe keine Information erhalten, zurückzuhalten. Weiche Informationen hingegen sind nicht überprüfbar und können daher verfälscht werden, d. h. der Berichterstattende kann eine beliebige Ausprägung oder Wert der zu berichtenden Information weitergeben. Vgl. hierzu Laffont / Meleu (1997), S. 520. Siehe auch FaureGrimaud / Laffont / Martimort (1999, 2000, 2003), die in ihren Arbeiten zu vertikalen Kollusionen weiche Informationen des Überwachers unterstellen. Tirole geht davon aus, dass bindende Vereinbarungen über Kollusionen möglich sind. Diese Annahme stellt sich als problematisch dar, da solche Vereinbarungen in der Realität illegal wären und folglich kein Gericht diese durchsetzen würde. Vgl. hierzu die Ausführungen in Kapitel 2.4.3.

19

Einige der jüngeren Beiträge analysieren Maßnahmen, die neben der anreizkompatiblen Vertragsgestaltung zur Vermeidung vertikaler Absprachen geeignet sind. Kofman / Lawarée (1993, 1996a), Laffont / Martimort (1999) und Khalil / Lawarrée (2006) untersuchen, wie durch die Einführung eines zweiten Überwachers Kollusionen unterbunden und die damit verbundenen Agency-Kosten minimiert werden können. Hierbei werden interne und externe Überwacher unterschieden, auf die der Prinzipal zur Delegation der Kontrollaufgaben zurückgreifen kann. Interne Überwacher verhalten sich opportunistisch und sind bereit, eine Kollusion mit dem Agenten einzugehen, während externe Überwacher grundsätzlich ehrlich sind und eine ihnen angebotene Seitenzahlung stets ablehnen. Jedoch erfordern externe Überwacher im Gegensatz zu internen Überwachern, welche annahmegemäß kostenlos sind, eine Vergütung für die Übernahme der Kontrolle des Agenten.8 Kofman / Lawarrée (1996b) diskutieren die Frage, unter welchen Bedingungen die Tolerierung einer vertikalen Kollusion gegenüber deren Verhinderung für den Prinzipal optimal ist.9 Faure-Grimaud / Laffont / Martimort (1999, 2000, 2003) untersuchen, wie durch die Übertragung der Rechte zur Gestaltung des Agentenvertrages (Contracting Rights) auf den Überwacher Kollusionen zwischen dem Agenten und dem Überwacher verhindert werden können. Des Weiteren befassen sich zahlreiche Beiträge mit der Frage, wie durch die Gestaltung der Organisationsstruktur Probleme vertikaler bzw. horizontaler Kollusionen zwischen den Organisationsmitgliedern gelöst werden können. Auf Grundlage der verschiedenen Modelle wird untersucht, unter welchen Bedingungen die Delegation von Kontrollaufgaben bzw. die Übertragung der Rechte zur Gestaltung des Agentenvertrages auf den Überwacher gegenüber einer zentralistischen Unternehmensform, bei der die Unternehmensleitung (Prinzipal) das Monitoring bzw. die Vertragsgestaltung selbst übernimmt, vorteilhaft ist.10 In der finanzierungstheoretischen Literatur werden Kollusionsprobleme nur in relativ wenigen Beiträgen aufgegriffen. Einen engen Bezug weist die vorliegende Untersuchung mit den Arbeiten von Maug (2002), Pagano / Röell (1998), Repullo / Suarez (1998) und Dessí (2005) auf, die sich mit Absprachemöglichkeiten im Hinblick auf die Unternehmenskontrolle befassen. Die Absprachemöglichkeiten ergeben sich daraus, dass die Unternehmenskontrolle von einzelnen großen Investoren bzw. Aktionären durchgeführt wird und die weiteren Kapitalgeber des Unternehmens über keine Kontrollmöglichkeiten verfügen oder aufgrund hoher Überwachungskosten keinen Nutzen aus ihrem Monitoring ziehen. 8

Die Autoren gehen davon aus, dass die Einstellung eines internen Überwachers geringere Kosten verursacht, da dieser neben seinen Kontrollaufgaben mehrere Funktionen im Unternehmen erfüllt. 9 Vgl. auch Laffont / Meleu (1997), die auf Grundlage ihres Modells zeigen, dass unter bestimmten Annahmen die Tolerierung horizontaler Kollusionen vorteilhaft sein kann. 10 Die Vorteilhaftigkeit der Delegation von Kontrollaufgaben ist Gegenstand der Arbeiten von Strausz (1997) und Vafaï (2005), die Vorteilhaftigkeit der Übertragung der Rechte zur Vertragsgestaltung steht im Mittelpunkt der Arbeiten von Baliga / Sjöström (1998), Laffont / Martimort (1998), Macho-Stadler / Pérez-Castrillo (1998) und Faure-Grimaud / Laffont / Martimort (2003).

20

Aus der Corporate Finance-Literatur ist bekannt, dass die Existenz eines oder mehrerer Großaktionäre in einem börsennotierten Unternehmen sich nicht immer positiv auf den Unternehmenswert auswirkt, da diese durch einen signifikanten Anteil der Stimmrechte auf der Hauptversammlung das Management zwar überwachen und dessen Spielraum für opportunistisches Verhalten einschränken können,11 jedoch bei Vorliegen einer konzentrierten Eigentümerstruktur ihre Einflussmöglichkeiten auch dazu nutzen können, ihre eigenen Interessen, die nicht unbedingt mit denen der übrigen (Minderheits-)Aktionäre übereinstimmen, durchzusetzen.12 Sprechen sie sich dabei mit dem Management zu Lasten der Minderheitsaktionäre ab, handelt es sich um eine Form der Kollusion.13 So untersucht Maug (2002) die Implikationen vertikaler Kollusionen zwischen dem Management eines Unternehmens und dessen Großaktionären für die Gesetzgebung zum Insiderhandel, wobei die Großaktionäre für den Verzicht auf ein Einwirken auf die Unternehmensleitung vom Management private Informationen über das Unternehmen erhalten, auf deren Basis sie zu Lasten der Kleinaktionäre Insiderhandel betreiben können. Pagano / Röell (1998) analysieren, wie die Entscheidung eines Unternehmers über einen Börsengang seines Unternehmens von der Möglichkeit, sich mit den kontrollierenden Anteilseignern des Unternehmens abzusprechen, beeinflusst wird. Auf einer ähnlichen Idee basieren die Arbeiten von Repullo / Suarez (1998) und Dessí (2005), die die Auswirkungen bestehender Kollusionsmöglichkeiten zwischen einem kapitalnehmenden Unternehmen und einem kontrollierenden Finanzintermediär analysieren. Dessí (2005) untersucht in einem dreistufigen Hierarchiemodell mit einem Entrepreneur, einem Venture Capitalisten und einem (uninformierten) Investor die optimale Gestaltung der Finanzierungsbeziehung, wenn die Gefahr besteht, dass sich der Entrepreneur und der Venture Capitalist zu Lasten des Investors absprechen. Dabei können der Entrepreneur und der Venture Capitalist hinsichtlich zweier Sachverhalte bzw. an zwei Zeitpunkten des Modells eine gewinnbringende Absprache treffen. Zum einen besteht die Möglichkeit, eine Kollusion hinsichtlich des Monitoring zu bilden. Der Venture Capitalist übernimmt als informierter Investor die Überwachung der Projektwahl des Entrepreneurs, wodurch ihm Kosten entstehen und der Nutzen des Entrepreneurs verringert wird. Da der Entrepreneur ohne Monitoring besser gestellt ist, kann dieser mit dem Venture Capitalisten eine vertikale Absprache treffen, bei der er dem Venture Capitalisten als Gegenleistung für einen Verzicht auf das Monitoring eine Seitenzahlung verspricht. Zum anderen besteht die Möglichkeit, eine Kollusion in Bezug 11

Vgl. hierzu Shleifer / Vishny (1986) und Grossman / Hart (1988). Zu den durch Großaktionäre erzielbaren privaten Vorteilen (Private Benefits) vgl. Rudolph (2006), S. 473. 13 Das Management wird auch an einer Absprache interessiert sein, wenn z. B. die Großaktionäre durch ihren Einfluss über den Aufsichtsrat im Gegenzug von einem Einschreiten gegen ineffiziente, den Nutzen der Manager steigernde Unternehmensentscheidungen absehen oder sich bei den Vergütungsverhandlungen erkenntlich zeigen. Vgl. auch Brickley / Lease / Smith (1988) und Pound (1988) für eine empirische Überprüfung der These der Koalitionsbildung zwischen dem Management eines Unternehmens und dessen Großaktionären. 12

21

auf die Fortführungs- bzw. Liquidationsentscheidung zu bilden, welche nach Ablauf einer Periode hinsichtlich des Projekts getroffen werden muss. Da nur der Entrepreneur und der Venture Capitalist als informierte Parteien die Güte des Projekts beobachten können, können sich diese auf eine ineffiziente Fortführungs- bzw. Liquidationsentscheidung einigen, die ihr gemeinsames Ergebnis zu Lasten des uninformierten Investors maximiert. Im vorliegenden Modell können der Unternehmer und die Bank nach dem Verkauf des Kredits hinsichtlich der gleichen Sachverhalte eine Kollusion vereinbaren, jedoch lassen sich diese Absprachemöglichkeiten aufgrund des gewählten Modellrahmens nicht isoliert voneinander betrachten. Dessí (2005) zeigt, dass eine kollusionsfreie Vertragsgestaltung einen bedeutenden Einfluss auf die Strukturierung der Venture Capital-Finanzierung, d. h. die Allokation der Cashflow- und Kontrollrechte hat. Auch Repullo / Suarez (1998) analysieren die Gestaltung der Finanzierung eines Entrepreneurs durch einen informierten und einen uninformierten Investor, wenn die Möglichkeit einer zu Lasten des uninformierten Investors gehenden Kollusion zwischen dem Entrepreneur und dem informierten Investor (Bank) existiert. Im Gegensatz zu Dessí (2005) und dem Modell dieses Kapitels unterstellen die Autoren, dass sich die Bank an das Monitoring binden kann, so dass lediglich eine Absprache zwischen dem Entrepreneur und dem informierten Investor hinsichtlich der Fortführungs- bzw. Liquidationsentscheidung möglich ist. Repullo / Suarez kommen zu dem Ergebnis, dass, obwohl ineffiziente Koalitionsbildungen durch eine anreizkompatible Vertragsgestaltung endogen ausgeschlossen werden, die reine Möglichkeit eines kollusiven Verhaltens einen wesentlichen Einfluss auf die Gestaltung der Finanzierungstitel der unterschiedlich informierten Investoren hat und insbesondere die Rangordnung und die Besicherung der Titel bestimmt.14 Darüber hinaus steht die vorliegende Analyse im Zusammenhang mit drei bedeutenden Beiträgen, die die vertragliche Gestaltung von Kreditverkäufen bei Existenz von Anreizproblemen diskutieren: Pennacchi (1988), Gorton / Pennacchi (1995) sowie HartmannWendels (2005) analysieren den Fall, dass eine Bank den Wert eines von ihr vergebenen Kredits durch Monitoring- und Servicingaktivitäten beeinflussen kann, diese Aktivitäten jedoch bei einer Veräußerung des Kredits für den Kreditkäufer nicht beobachtbar sind. Bei der Veräußerung von Krediten ist es nicht unüblich, dass nicht der gesamte Kredit verkauft wird, sondern die Bank als Verkäuferin einen Eigenanteil zurückbehält. Bei den drei genannten Arbeiten stehen die Höhe sowie die Struktur des Selbstbehalts der Bank 14

Auch Park (2000) weist in seinem Modell zur optimalen Fremdkapitalstruktur auf ein mögliches Kollusionsproblem in seiner Lösung hin. Er zeigt, dass es bei Existenz eines Moral Hazard-Problems auf Seiten des Unternehmens optimal ist, die Unternehmenskontrolle an einen (großen) Gläubiger zu delegieren, dem hinsichtlich der Bedienung der Forderungen eine Vorrangstellung gegenüber den übrigen nicht kontrollierenden Gläubigern eingeräumt wird. Diese Vertragsgestaltung birgt jedoch die Gefahr, dass sich der Unternehmer und der vorrangige Gläubiger gegen die Inhaber der nachrangigen Forderungstitel absprechen. Das bei Finanzierung eines Unternehmens durch vorrangiges und nachrangiges Fremdkapital entstehende Problem, dass der Schuldner mit einer Gläubigerpartei im Hinblick auf seine Investitionspolitik koalieren kann, wird von Bigus (2002) analysiert.

22

im Mittelpunkt der Betrachtung. Pennacchi (1988) untersucht, wie sich das hinsichtlich des Monitoring der Bank auftretende Moral Hazard-Problem am effizientesten durch eine anreizkompatible Gestaltung des Kreditverkaufs lösen lässt. Da der Investor weiß, dass die veräußernde Bank ein umso geringeres Monitoringniveau wählen wird, je höher der verkaufte Anteil des Kredits ist, wird der Investor entsprechend dem ihm angebotenen Anteil einen Preisabschlag vornehmen. Pennacchi kommt zu dem Ergebnis, dass die Bank den größten Gewinn erzielt, wenn sie einen nicht proportionalen Anteil am Kredit zurückbehält, so dass dem Investor im Falle eines Kreditausfalls der gesamte Restwert des Kredits zusteht, während die Bank nur bei einer vollständigen Rückzahlung des Kredits Zahlungen erhält. Der von der Bank einzubehaltende Anteil ist demnach mit einer Eigenkapitalposition am Kredit oder mit dem First Loss Piece im Rahmen einer Kreditverbriefung vergleichbar. Gorton / Pennacchi (1995) analysieren explizit zwei Vertragsmerkmale eines Kreditverkaufs, die das Moral Hazard-Problem abmildern können. Zum einen kann die Bank einen Teil des Kredits zurückbehalten, wobei die Autoren einen proportionalen Anteil unterstellen, zum anderen besteht die Möglichkeit, dass die Bank dem Kreditkäufer eine implizite Garantie gibt, im Falle einer Bonitätsverschlechterung des Schuldners den Kredit zu einem vorher festgelegten Preis zurückzukaufen. Gorton / Pennacchi zeigen, dass die Höhe des optimal zu verkaufenden Anteils am Kredit von drei Faktoren abhängt: den internen Refinanzierungskosten der Bank, dem erzielbaren Verkaufspreis pro Geldeinheit des Kredits und der Insolvenzwahrscheinlichkeit der Bank, die aufgrund der durch die Bank vergebenen impliziten Garantie ebenfalls den Wert des Kredits beeinflusst. Die Modellierung von Gorton / Pennacchi (1995) stellt auch die Grundlage für den Beitrag von Hartmann-Wendels (2005) dar. Dieser untersucht die optimale vertragliche Gestaltung des Kreditverkaufs für den Fall, dass die Bank den Kredit über eine Ausfallbürgschaft oder ein Kreditderivat getrennt von dem damit verbundenen Ausfallrisiko veräußern kann. Hierbei ist es für die Bank optimal, den gesamten Kredit zu veräußern, jedoch gleichzeitig das damit verbundene Ausfallrisiko vollständig zu übernehmen. Die daraus resultierenden höheren Zahlungsverpflichtungen der Bank werden durch die Kreditkäufer mit einem entsprechend höheren Kaufpreis abgegolten, da letztere antizipieren, dass die Bank in diesem Fall den Kreditnehmer mit einem gleichbleibenden Monitoringniveau überwachen wird. Durch diese Vertragsgestaltung lässt sich somit das mit dem Monitoring verbundene Moral Hazard-Problem vollständig lösen. Jedoch bleiben bei dieser Modellierung wie auch bei Pennacchi (1988) und Gorton / Pennacchi (1995) die Nachteile bzw. Kosten, die mit einem Rückbehalt des Kreditrisikos durch die Bank verbunden sind, unberücksichtigt. So bezieht Hartmann-Wendels in einem zweiten Schritt die Insolvenzkosten in die Modellierung mit ein und zeigt auf, dass die Bank immer dann einen Teil des Ausfallrisikos mitveräußert, wenn die aus der Risikoübernahme resultierenden Kosten die Vorteile der günstigeren Refinanzierung überwiegen.

23

Im vorliegenden Modell wird im Unterschied zu den drei vorgestellten Beiträgen zur vertraglichen Gestaltung von Kreditverkäufen zusätzlich zu dem hinsichtlich des Monitoring der Bank bestehenden Moral Hazard-Problem das Problem einer vertikalen Kollusion zwischen der Bank und dem Kreditnehmer in die Analyse miteinbezogen. Ein weiterer Unterschied besteht darin, dass im zu betrachtenden Modell die Höhe des Monitoringniveaus für die Bank nicht frei wählbar ist. Wie auch in dem Kollusionsmodell von Dessí (2005) wird von einem binären Monitoringniveau des kontrollierenden Kreditgebers ausgegangen, d. h. die Bank kann nur entscheiden, ob sie den Kreditnehmer zu einer bestimmten Intensität überwacht oder nicht. Hinsichtlich der Aufteilung der Ansprüche auf die zukünftigen Rückflüsse des Kredits wird die Modellierung von Gorton / Pennacchi (1995) gewählt, d. h. es wird die vertragliche Gestaltung der Veräußerung eines proportionalen Anteils des Kredits analysiert.

2.3 Das Modell 2.3.1 Akteure und zeitlicher Ablauf Betrachtet wird ein Zwei-Perioden-Modell mit drei Akteuren: einem Unternehmer, einer Bank und einem externen Investor. Es wird angenommen, dass alle Akteure risikoneutral sind und der risikofreie Marktzinssatz Null beträgt.15 Zu Beginn der ersten Periode, t = 0, stehen dem Unternehmer zwei sich gegenseitig ausschließende Investitionsprojekte zur Verfügung, die jeweils eine Laufzeit von zwei Perioden haben und eine Anfangsauszahlung in Höhe von I erfordern. Da der Unternehmer zur Durchführung eines der beiden Projekte nicht über genügend Eigenmittel verfügt, nimmt er ein Darlehen in Höhe des noch fehlenden Investitionsvolumens bei der Bank auf. Die Eigenmittel des Unternehmers w sind jedoch so gering, dass es zu einem Moral Hazard-Problem hinsichtlich seiner Projektwahl kommt, welches ein Monitoring der Bank erforderlich macht. Kurz nach Vertragsabschluss und Auszahlung der Mittel an den Unternehmer veräußert die Bank einen Anspruch auf einen möglichst hohen Anteil an den Rückflüssen aus dem Darlehen an den externen Investor, um andere sich ihr bietende höherrentierliche Investitionsprojekte wahrnehmen zu können.16 Im Gegensatz zur Bank, die bei der Überwachung von Kreditengagements 15

Diese Annahmen dienen allein der anschaulicheren Darstellung sowie der besseren Nachvollziehbarkeit der Argumentation. Sie sind für die nachfolgenden Ergebnisse nicht verantwortlich. 16 Zu einem Überblick über die möglichen Arten der rechtlichen Gestaltung von Kreditverkäufen vgl. z. B. Henke (2002), S. 72-73, und Lüdke (2008), S. 16. Siehe auch die empirischen Studien von Pavel / Phillis (1987), Berger / Udell (1993), Haubrich / Thomson (1996) sowie Demsetz (2000) zu den Motiven der Banken für den Verkauf von Krediten. Häufig werden auch mehrere Kredite in einen Pool zusammengefasst und Ansprüche auf die Rückflüsse des Kreditpools verkauft. In der vorliegenden Analyse soll jedoch der Verkauf eines einzelnen (großen) Kreditengagements betrachtet werden, wobei sich das Mo-

24

Größen- sowie Spezialisierungsvorteile wahrnehmen kann, führt der Investor aufgrund hoher Kontrollkosten kein Monitoring des Unternehmers durch. So besteht die Möglichkeit, dass die Bank im Rahmen der Vertragsgestaltung des Kreditverkaufs die Überwachung des Unternehmers übernimmt. Die Bank verfügt über eine imperfekte Monitoringtechnologie. Überwacht sie den Unternehmer in der ersten Periode, beobachtet sie im Zeitpunkt t = 1 mit Wahrscheinlichkeit q das von diesem umgesetzte Projekt. Nach dem Verkauf des Darlehens und der Monitoringentscheidung der Bank trifft der Unternehmer seine Projektwahl. Die Projekte i = {H, L} führen am Ende der zweiten Periode, t = 2, mit der Wahrscheinlichkeit pi zu einer Zahlung von R und mit der Gegenwahrscheinlichkeit (1−pi ) zu einer Zahlung von Null. Am Ende der ersten Periode, t = 1, besteht die Möglichkeit, das umgesetzte Projekt vorzeitig zu beenden, wobei für beide Projekte ein Liquidationserlös von L erzielt werden kann. Wird das Projekt nicht liquidiert sondern fortgeführt, fällt in t = 1 keine Zahlung an und in t = 2 kann kein Liquidationserlös realisiert werden. Abbildung 2.1 zeigt die Zeitstruktur des Modells. Abbildung 2.1: Zeitliche Abfolge der Aktionen. t=0

t=1

Kreditvergabe an Unternehmer

Erhalt der Monitoringinformationen

Kreditverkauf an Investor

Entscheidung über die Liquidation /

Monitoringentscheidung der Bank

Fortführung des Projekts

t=2

Realisierung der Cashflows

Wahl des Projekts durch Unternehmer

2.3.2 Projekte des Unternehmens Der Unternehmer hat die Wahl zwischen einem „guten“ und einem „schlechten“ Projekt. Er verfügt über Eigenmittel in Höhe von w, die geringer sind als das zur Durchführung eines der beiden Projekte benötigte Investitionsvolumen I. Die Projekte unterscheiden sich zum einen in der Höhe der Wahrscheinlichkeit pi , mit der sie am Ende der zweiten Periode den Cashflow R erzielen. Das gute Projekt weist eine Erfolgswahrscheinlichkeit von pH auf, das schlechte eine Wahrscheinlichkeit von pL , wobei pH > pL gilt und die Differenz zwischen den Wahrscheinlichkeiten im Folgenden mit Δp = pH − pL gekennzeichnet wird. Ein weiterer Unterschied zwischen den Projekten besteht darin, dass der Unternehmer bei Durchführung des schlechten Projekts am Ende der zweiten Periode dell gleichermaßen auf den Fall einer Kreditsyndizierung übertragen lässt. Bei einer Syndizierung wird ein Kredit oder ein Kreditportfolio auf mehrere Kreditgeber, die Mitglieder des Syndikats (hier: zwei), aufgeteilt. Zum Grundprinzip der Syndizierung vgl. Hartmann-Wendels / Pfingsten / Weber (2010), S. 597-598, und Rudolph u. a. (2007), S. 14-18.

25

private Vorteile in Höhe von B > 0 realisiert, während dies bei Umsetzung des guten Projekts nicht möglich ist. Die privaten Vorteile fallen bei Durchführung des schlechten Projekts auch dann an, wenn es in t = 2 keine Zahlung erzielt, nicht aber, wenn es in t = 1 liquidiert wurde. Die Möglichkeit der Erzielung privater Vorteile lässt sich dahingehend interpretieren, dass der Unternehmer bei Umsetzung des schlechten Projekts einen persönlichen wissenschaftlichen bzw. technischen Erfolg erreichen oder einen Nutzen für andere ihn interessierende Projekte ziehen kann.17 Hinsichtlich der Vorteilhaftigkeit der beiden Projekte wird folgende Annahme getroffen: (2.1)

pH R > I > L > pL R + B.

Das gute Projekt verfügt über einen positiven Kapitalwert und ist gegenüber dem schlechten Projekt vorzuziehen, da dieses trotz der erzielbaren privaten Vorteile einen negativen Kapitalwert aufweist. Im Zeitpunkt t = 1 ist es effizient, das gute Projekt fortzuführen und das schlechte Projekt zu liquidieren. Da das Investitionsvolumen I den erzielbaren Liquidationserlös L übersteigt, ist es darüber hinaus ex ante nie vorteilhaft, in eines der beiden Projekte zu investieren und dieses dann in t = 1 zu liquidieren. Zwischen dem Unternehmer auf der einen Seite und der Bank und dem Investor auf der anderen Seite wird eine asymmetrische Informationsverteilung angenommen. Für die Bank und den Investor ist ohne ein Monitoring des Unternehmers nur der Projektcashflow in t = 2 beobachtbar und überprüfbar, nicht aber die Projektwahl des Unternehmers in t = 0. Wie bereits erwähnt wurde, muss der Unternehmer aufgrund unzureichender eigener Mittel einen hohen Teil des Investitionsvolumens I durch einen Kredit der Bank finanzieren, so dass es nach Abschluss des Kreditvertrages infolge der Unbeobachtbarkeit von dessen Projektwahl zu einem Hidden Action-Problem kommt.18 Nach Auszahlung der Kreditmittel für das gute Projekt besteht für den Unternehmer der Anreiz, das schlechte Projekt trotz dessen Unvorteilhaftigkeit durchzuführen, da er dabei aufgrund der erzielbaren privaten Vorteile insgesamt ein höheres Ergebnis erwartet.19 Schließlich ist noch anzumerken, dass der Unternehmer nur dann einen Kredit zur Durchführung eines der 17

Wird unterstellt, dass die Durchführung eines der Projekte für den Unternehmer Arbeitsanstrengung verursacht, wobei das gute Projekt im Vergleich zum schlechten eine höhere Anstrengung erfordert, lässt sich der im Rahmen des schlechten Projekts erzielbare Wert B auch als eingesparte Kosten der Arbeitsanstrengung interpretieren. 18 Wie im Folgenden noch ausführlich dargestellt wird, führt das Moral Hazard-Problem dazu, dass es nach Veräußerung des Kredits unter bestimmten Bedingungen zu einer Absprache zwischen dem Unternehmer und der Bank kommen kann. Alternativ zu dem hier dargestellten Moral Hazard-Problem ließe sich die Möglichkeit einer vertikalen Absprache auch über ein Risikoanreizproblem modellieren. Dieser Ansatz würde zu denselben Ergebnissen hinsichtlich der vertraglichen Ausgestaltung des Kreditverkaufs führen wie unter Annahme des oben dargestellten Moral Hazard-Problems, so dass aufgrund der besseren Nachvollziehbarkeit die oben beschriebene Modellierung gewählt wurde. 19 Das auf Seiten des Unternehmers bestehende Moral Hazard-Problem wird in Kapitel 2.3.6 ausführlich dargestellt.

26

beiden Projekte aufnimmt, wenn seine erwartete Rendite mindestens dem Marktzinssatz entspricht.

2.3.3 Monitoring der Bank und Anreiz zum Kreditverkauf Die zentrale Funktion der Bank im Modell besteht in der Überwachung und Kontrolle des Unternehmers, um das mit dessen Projektwahl verbundene Moral Hazard-Problem abzumildern. Die Bank ist auf die Beschaffung und die Verarbeitung der für die Überwachung von Kreditengagements notwendigen Informationen spezialisiert und kann das Monitoring im Vergleich zu dem Investor effizienter durchführen.20 Wie in zahlreichen Studien, die sich mit der Problematik vertikaler Kollusionen auseinandersetzen, wird eine imperfekte Monitoringtechnologie unterstellt, die sich wie folgt gestaltet:21 Überwacht die Bank den Unternehmer in der ersten Periode, beobachtet sie in t = 1 mit der Wahrscheinlichkeit q das von diesem gewählte Projekt, mit der Gegenwahrscheinlichkeit (1 − q) erhält sie keine informativen Informationen und beobachtet demzufolge „nichts“. So können in t = 1 die folgenden vier Zustände unterschieden werden, wobei in der nachstehenden Beschreibung pH das gute Projekt und pL das schlechte Projekt bezeichnen: Zustand 1: Unternehmer wählt pH , Bank beobachtet pH . Zustand 2: Unternehmer wählt pH , Bank beobachtet nichts. Zustand 3: Unternehmer wählt pL , Bank beobachtet nichts. Zustand 4: Unternehmer wählt pL , Bank beobachtet pL . Hinsichtlich der von der Bank gewonnenen Monitoringinformationen wird angenommen, dass diese privater Natur sind und es sich um harte Informationen handelt, die nicht verifiziert und verfälscht werden können.22 So kann die Bank in den Zuständen 1 und 4, wenn sie das vom Unternehmer gewählte Projekt erfährt, gegenüber dem Investor nicht behaupten, der Unternehmer habe ein anderes als das tatsächlich von ihr beobachtete Projekt durchgeführt. Gleichermaßen ist es für sie in den Zuständen 2 und 3, wenn sie über keine informativen Monitoringinformationen verfügt, auch nicht möglich, vorzugeben, dass die Informationen die Umsetzung eines bestimmten Projekts durch den Unternehmer belegen. Jedoch kann sie ihre Informationen gegenüber dem Investor vorenthalten und in den Zuständen 1 und 4 behaupten, sie habe durch die Kreditüberwachung keine 20

Vgl. zu dieser Annahme Diamond (1984). Vgl. z. B. Tirole (1986), Kofman / Lawarée (1993, 1996b), Laffont / Meleu (1997), Strausz (1997), Laffont / Martimort (1999), Martimort (1999), Faure-Grimaud / Laffont / Martimort (2000, 2002, 2003) sowie Vafaï (2005). 22 Vgl. für eine Definition von harter und weicher Information Fußnote 6. 21

27

Informationen erhalten.23 Begründen lässt sich diese Modellierung damit, dass die Bank durch die Überwachung des Unternehmers Informationen über den Zahlungsverkehr und die Entwicklung einzelner Jahresabschlusspositionen des Unternehmens erhält, aus denen hervorgehen kann, welches Projekt der Unternehmer durchgeführt hat. Diese Informationen können von der Bank jedoch nicht verändert bzw. verfälscht werden, so dass sich der Investor über die Richtigkeit der Aussage der Bank anhand des vorliegenden „Beweismaterials“ überzeugen kann. Jedoch besteht die Möglichkeit für die Bank, nicht alle Informationen an den Investor weiterzugeben und einige Informationen, die gerade das vom Unternehmer gewählte Projekt belegen, zurückzuhalten. Hinsichtlich des Monitoring der Bank werden zwei weitere Annahmen getroffen: Zum einen entstehen der Bank durch die Überwachung des Kreditnehmers Kosten in Höhe von c, die annahmegemäß im Zeitpunkt t = 0 anfallen. Zum anderen ist die Kreditüberwachung der Bank für den externen Investor nicht beobachtbar und überprüfbar, so dass der Käufer des Kredits das Monitoring gegenüber Dritten (Gerichten) nicht durchsetzen kann. Ist die Bank nach der Veräußerung des Darlehens weiterhin für die Überwachung des Unternehmers verantwortlich, kann sich folglich ein zweites Moral Hazard-Problem, nun auf Seiten der Bank, ergeben. Demnach verzichtet die Bank nach dem Kreditverkauf auf eine Kontrolle des Unternehmers, wenn für sie dazu nicht genügend Anreize bestehen. Da der Unternehmer das durchzuführende Projekt erst wählt, nachdem er die Monitoringentscheidung der Bank beobachtet hat, setzt dieser im Falle eines Verzichts der Überwachung durch die Bank aufgrund des bestehenden Moral Hazard-Problems das schlechte Projekt um. So ist im Rahmen der Veräußerung des Darlehens eine anreizkompatible Vertragsgestaltung erforderlich, die der Bank genügend Anreize zur Kreditüberwachung schafft. Die Bank fordert für die Bereitstellung des noch fehlenden Investitionsvolumens (I − w) mindestens eine erwartete Rendite von δ pro Periode, wobei δ als „1 + die von der Bank erwartete Mindestrendite“ definiert ist.24 Hierbei wird davon ausgegangen, dass die erwartete Mindestrendite der Bank größer als der Marktzinssatz ist, d. h. δ > 1 gilt, so dass für die Bank nach Vertragsabschluss der Anreiz zur Veräußerung des gesamten oder eines Teils des Kredits besteht.25 Dies lässt sich damit begründen, dass sich der Bank andere höher rentierliche Investitionsprojekte bieten, die sie jedoch aufgrund von Refinanzierungsbeschränkungen oder bindenden regulatorischen Eigenkapitalanforderungen nicht wahrnehmen kann. Wenn die Bank den Investor bei der Veräußerung auf dessen Re23

Dies entspricht einer in der Kollusionsliteratur üblichen Annahme, vgl. z. B. Tirole (1986), S. 189, Laffont / Meleu (1997), S. 524 f., Laffont / Martimort (1999), S. 242 f., Martimort (1999), S. 934 f., Strausz (1997), S. 340, Faure-Grimaud / Laffont / Martimort (2002), S. 5, und Vafaï (2005), S. 20. 24 Diese Definition der geforderten Mindestrendite der Bank dient ausschließlich der einfacheren Darstellung sowie Nachvollziehbarkeit der Argumentation. 25 Vgl. zu dieser Annahme Gorton / Pennacchi (1995), S. 396, DeMarzo / Duffie (1999), S. 72, und DeMarzo (2005), S. 7.

28

servationsnutzen drücken kann, wie im Folgenden unterstellt wird, besteht für die Bank darüber hinaus die Möglichkeit, durch den Kreditverkauf einen Gewinn zu erzielen, da der Kreditkäufer zukünftige Cashflows mit dem geringeren Marktzinssatz diskontiert und die erwarteten Zahlungen aus dem Kredit für diesen somit einen höheren Wert als für die Bank haben. Zudem wird von einer beliebigen Teilbarkeit der anderen sich der Bank bietenden Investitionsmöglichkeiten ausgegangen, so dass es Ziel der Bank ist, einen möglichst hohen Anteil des Kredits zu einem angemessenen Preis zu veräußern, um den erzielten Verkaufserlös in die anderen zur Verfügung stehenden Projekte zu reinvestieren. Im Gegensatz zur Bank fordert der Investor eine Rendite in Höhe des Marktzinssatzes. Er führt annahmegemäß kein Monitoring durch, da er nicht wie die Bank auf eine Überwachung und Kontrolle von Schuldnern spezialisiert ist und ein Monitoring des Unternehmers für ihn mit hohen Kosten verbunden ist.

2.3.4 Kreditvertrag mit Zusatzvereinbarung Da die von der Bank gewonnenen Monitoringinformationen hart sind und somit die beobachtete Projektwahl kontrahierbar ist, kann das auf Seiten des Unternehmers bestehende Moral Hazard-Problem abgeschwächt werden, indem in den Kreditvertrag eine Zusatzvereinbarung (Covenant) hinsichtlich des vom Unternehmer durchzuführenden Projekts aufgenommen wird.26 So können der Unternehmer und die Bank neben Kredithöhe sowie Kreditzinssatz vereinbaren, dass der Unternehmer zur Durchführung des kapitalwertpositiven Projekts pH verpflichtet ist und die Bank im Falle der Beobachtung einer Nichteinhaltung dieser Verpflichtung (Zustand 4) berechtigt ist, den Kredit in t = 1 zu kündigen und ihre Gelder zurückzufordern.27 Da davon ausgegangen wird, dass der Unternehmer in t = 0 sein gesamtes Eigenkapital in das Projekt investiert und keine weiteren Investitionen getätigt hat, hätte eine Kündigung des Kredits zur Folge, dass der Unternehmer insolvent wäre und das Projekt (pL ) liquidieren müsste, um die Forderung der Bank möglichst weitgehend zu befriedigen. In diesem Fall würde der gesamte Liquidationserlös L an die Bank bzw. die Inhaber des Kredits fallen, ohne dass für den Unternehmer ein Rest verbliebe.

26

Zur Funktion und den Arten von Covenants vgl. z. B. Hartmann-Wendels / Pfingsten / Weber (2010), S. 190-193. 27 Siehe hierzu auch den Modellansatz von Park (2000), der die optimale Fremdkapitalstruktur eines Unternehmens bei Existenz eines Risikoanreizproblems betrachtet und ähnlich wie im vorliegenden Modell die Vereinbarung von Covenants im Kreditvertrag zur Lösung des Risikoanreizproblems analysiert. In seinem Ansatz geben die Covenants dem Kreditgeber ebenfalls das Recht zur vorzeitigen Liquidation des Unternehmensprojekts, sofern bekannt wird, dass das Unternehmen nicht das gewünschte Projekt bzw. die gewünschte Geschäftsstrategie umgesetzt hat.

29

2.3.5 Informationsstruktur des Modells Von zentraler Bedeutung für die aus dem Kreditverkauf resultierende Problematik einer zu Lasten des Kreditkäufers gehenden Absprache zwischen der Bank und dem Unternehmer ist die im Modell vorliegende Informationsstruktur. Der Unternehmer verfügt über den besten Informationsstand. Er weiß, ob die Bank seine Projektwahl überprüft und welches Projekt durchgeführt wird. Des Weiteren wird davon ausgegangen, dass der Unternehmer über die Veräußerung seines Kredits von der Bank in Kenntnis gesetzt wird. Die Bank kennt dagegen das vom Unternehmer umgesetzte Projekt nur dann, wenn sie den Kredit überwacht und Zustand 1 oder 4 eintritt. Der Investor verfügt über den schlechtesten Informationsstand, da er weder das durchgeführte Projekt noch das Monitoring der Bank sowie die daraus resultierenden Informationen beobachten kann. Ihm sind jedoch wie auch dem Unternehmer und der Bank die Projektparameter pH , pL , I, L, R und B sowie die Konditionen des zwischen der Bank und dem Unternehmer abgeschlossenen Kreditvertrages bekannt, welche im folgenden Kapitel hergeleitet werden.

2.3.6 Bestimmung des Kreditvertrages Bevor die genaue Vertragsgestaltung des Kreditverkaufs hergeleitet werden kann, müssen die Konditionen bestimmt werden, zu denen die Bank ihre Mittel dem Unternehmer zur Verfügung stellt. Da gemäß Annahme (2.1) nur das gute Projekt über einen positiven Kapitalwert verfügt, wird der Unternehmer auch nur für die Durchführung dieses Projekts ein Darlehen erhalten. Die Eigenmittel des Unternehmers w sind jedoch so gering, dass es bei Abschluss eines Kreditvertrages ohne die oben beschriebene Zusatzvereinbarung, die den Unternehmer zur Durchführung des guten Projekts verpflichtet und der Bank ein Kündigungsrecht bei dessen Verletzung einräumt, zu einem Moral Hazard-Problem kommt. Wird mit D der sich aus der Zins- und Tilgungszahlung zusammensetzende Kreditbetrag für das gute Projekt gekennzeichnet, den der Unternehmer im Falle eines erfolgreichen Projektabschlusses am Ende der zweiten Periode an die Bank zurückzahlen muss, stellt sich das Moral Hazard-Problem auf Seiten des Unternehmers formal wie folgt dar:28 (2.2)

pH (R − D) < pL (R − D) + B.

Nach Abschluss des Kreditvertrages und Vereinbarung des Rückzahlungsbetrages D wird der Unternehmer in t = 0 nicht das gute, sondern das schlechte Investitionsprojekt umsetzen, da er dabei insgesamt ein höheres Ergebnis erwartet. Dies gelte jedoch nicht nur 28

Hierbei wird unterstellt, dass der Unternehmer das gute Projekt wählt, wenn die Bedingung mit Gleichheit erfüllt ist.

30

bei einem Darlehen von der Bank, sondern auch bei einer direkten Finanzierung durch den Investor, obwohl der vom Investor für die Bereitstellung des noch fehlenden Investitionsvolumens geforderte Rückzahlungsbetrag aufgrund dessen geringerer Mindestrendite kleiner wäre als der von der Bank geforderte. Der Rückzahlungsbetrag entspricht dem Betrag, bei der die Bank bzw. der Investor ihre geforderte Mindestrendite auf das zur Verfügung gestellte Kapital (I − w) erzielen, und beträgt bei einem Kredit vom Investor (2.3)

DI =

(I − w) pH

und bei einem Bankdarlehen, wenn kein Monitoring der Bank im Vertrag vorgesehen ist,29 (2.4)

DoM =

δ 2 (I − w) . pH

Für die Eigenmittel des Unternehmers w gilt daher folgende Ungleichung, die sich durch Einsetzen von DI bzw. DoM in die Gleichung (2.2) ergibt: (2.5)

    B B pH B = wI < I − 2 R − = woM w < I − pH R − , Δp δ Δp

B bzw. w I die Höhe der Eigenmittel des Unternehmers sind, über die er für eine wobei woM Kreditfinanzierung durch die Bank (ohne Monitoring) bzw. durch den Investor mindestens verfügen muss.30 Unter Annahme der Bedingung (2.5) muss ein Kreditvertrag die

Zusatzvereinbarung enthalten, die im Falle der Beobachtung von pL dem Kreditgeber ein Kündigungsrecht gewährt. Eine direkte Finanzierung durch den Investor kommt demzufolge nicht zu Stande, da dieser den Unternehmer nicht überwacht und von einem möglichen Kündigungsrecht keinen Gebrauch machen könnte. Somit ist nur ein Kreditvertrag zwischen dem Unternehmer und der Bank möglich, da diese ein Monitoring durchführt und mit Wahrscheinlichkeit q das vom Unternehmer umgesetzte Projekt beobachtet. Wählt der Unternehmer nach Abschluss des die Nebenvereinbarung beinhaltenden Kreditvertrages das schlechte Projekt, wird dies die Bank mit Wahrscheinlichkeit q „entdecken“ und in diesem Fall den Kredit kündigen, so dass der Unternehmer nur mehr mit Wahrscheinlichkeit (1 − q) eine positive Zahlung aus dem schlechten Projekt erwartet. Dadurch wird das Moral Hazard-Problem abgeschwächt, was in der geänderten Anreizkompatibilitätsbe-

29

Um regulatorische Überlegungen vernachlässigen und sich vollständig auf die Auswirkungen existierender Kollusionsmöglichkeiten zwischen Unternehmer und Bank konzentrieren zu können, wird davon ausgegangen, dass der betrachtete Kredit nur einen geringen Anteil am gesamten Kreditportfolio der Bank ausmacht, so dass die Bank bei einem Ausfall des Unternehmers nicht selbst zahlungsunfähig wird. 30 Zum Beweis der in (2.5) dargestellten Ungleichung vgl. Anhang A.

31

dingung des Unternehmers, die im Rahmen der Gestaltung des Darlehensvertrages erfüllt sein muss, zum Ausdruck kommt:31 (2.6)

pH (R − D) ≥ (1 − q)(pL(R − D) + B).

Unter diesem Kreditvertrag ist der von der Bank geforderte Rückzahlungsbetrag jedoch höher als der aus Gleichung (2.4), da der Bank durch das Monitoring Kosten entstehen, für die sie eine Kompensation beansprucht. Die Partizipationsbedingung der Bank unter Monitoring lautet demnach pH D − c ≥ I − w, δ2

(2.7)

woraus sich folgender Wert für die Höhe des Rückzahlungsbetrages ergibt: D=

(2.8)

δ 2 (I − w + c) . pH

Es wird angenommen, dass der Unternehmer, obwohl er bei einer Kreditfinanzierung durch die Bank für deren über dem Marktzinssatz liegende Mindestrendite sowie deren Monitoringkosten aufkommen muss, bei Durchführung des guten Projektes immer noch einen positiven Kapitalwert realisiert. So ist bei Vereinbarung des Rückzahlungsbetrages D die Partizipationsbedingung des Unternehmers erfüllt: pH (R − D) ≥ w.

(2.9)

Daraus folgt, dass die Monitoringkosten c und die von der Bank geforderte Rendite δ einen nicht zu hohen Wert annehmen dürfen. Formal lässt sich dies durch die folgende Bedingung darstellen:32 (2.10)

c≤

pH R − δ 2 (I − w) − w. δ2

Wird der Kreditbetrag D in die Anreizkompatibilitätsbedingung (2.6) eingesetzt, erhält man die Höhe der Eigenmittel des Unternehmers, die für ein Zustandekommen des Kreditvertrages mindestens notwendig ist:33 (2.11)

31

w ≥I +c−

pH δ2

 R−

(1 − q)B pH − (1 − q)pL

 = wB .

Es wird wiederum unterstellt, dass der Unternehmer das gute Investitionsprojekt durchführt, wenn die Bedingung mit Gleichheit erfüllt ist. Zur Herleitung der Bedingung siehe Anhang B. 33 Zum Beweis von Bedingung (2.11) vgl. Anhang C. 32

32

Eine genauere Analyse der Höhe von w B zeigt, dass

δw B δq

< 0 gilt und der Unternehmer

folglich umso weniger Eigenmittel aufbringen muss, je besser die Güte der Monitoringtechnologie der Bank, d. h. je größer q ist. Dies ist intuitiv verständlich, da mit steigender Güte der Monitoringtechnologie die Wahrscheinlichkeit steigt, dass ein Abweichen von der vereinbarten Projektwahl durch den Unternehmer entdeckt wird, und für diesen somit der Anreiz zur Durchführung des kapitalwertnegativen Projekts sinkt. Dies hat zur Folge, dass der Unternehmer eine geringere Höhe an Eigenmitteln bereitstellen muss, da weniger Anreize zu dessen Verhaltenssteuerung im Rahmen der Gestaltung des Kreditvertrages geschaffen werden müssen. Im Folgenden sei wI > w ≥ wB angenommen, so dass es zu einem Darlehensvertrag zwischen dem Unternehmer und der Bank kommt, der jedoch aufgrund des vorliegenden Moral Hazard-Problems die beschriebene Zusatzvereinbarung enthält. Der Unternehmer investiert seine gesamten verfügbaren Eigenmittel w in das Projekt und nimmt den benötigten Restbetrag (I − w) als Darlehen bei der Bank auf, wofür er ihr im Falle eines erfolgreichen Projektabschlusses in t = 2 den Betrag D zurückzahlt. Führt das Projekt in t = 2 nicht zum Erfolg, erhält die Bank keine Rückzahlung aus ihrem Darlehen. Am Ende der ersten Periode, kurz nach Erhalt der Monitoringinformationen, trifft die Bank ihre Entscheidung hinsichtlich der Kündigung des Darlehens. In den Zuständen 1, 2 und 3 finanziert sie das Projekt des Unternehmers weiter, während sie im Zustand 4 ihre Gelder zurückverlangt bzw. den Liquidationserlös L des Projekts einfordert. Durch die „Drohung“ der Bank, das Darlehen im Falle der Beobachtung von pL nach der ersten Periode zu kündigen, wird der Unternehmer somit zur Wahl des guten Projekts gebracht.

2.4 Vertragsgestaltung des Kreditverkaufs 2.4.1 Kollusionsproblem bei Veräußerung des Kredits Kurz nach Abschluss des Kreditvertrages verkauft die Bank einen möglichst hohen Anteil des Darlehens an den Investor, um die aus der Veräußerung gewonnenen liquiden Mittel in die anderen sich ihr bietenden Investitionsprojekte, die ihr die geforderte Mindestrendite von δ versprechen, zu investieren. Jedoch besteht bei einem Verkauf des Kredits an den Investor das Problem, dass dieser den Unternehmer nicht überwacht und daher nicht überprüfen kann, ob der Unternehmer seine im Kreditvertrag vereinbarte Verpflichtung, das gute Projekt durchzuführen, erfüllt hat. Da der Investor wegen der fehlenden Nachprüfbarkeit der Covenant-Verletzung in t = 1 keine Möglichkeit zur Kündigung des Unternehmenskredits hat, würde der Unternehmer in diesem Fall aufgrund des bestehenden

33

Anreizproblems das schlechte Projekt wählen. Der Investor wiederum antizipiert dieses Verhalten des Unternehmers und ist für den Kredit nur denjenigen Preis zu zahlen bereit, der dem wahren Wert des Kredits im Falle der Umsetzung des schlechten Projekts durch den Unternehmer entspricht, zu welchem die Bank jedoch einen Verlust aus der Veräußerung hinzunehmen hätte. Die Bank kann folglich den Kredit an den Investor nur dann zu einem angemessenen Preis verkaufen, wenn das Monitoring und das Servicing des Kredits bei ihr verbleiben. In dem gewählten Modellrahmen gestaltet sich die Übernahme der Betreuung des Darlehens durch die Bank wie folgt: Die Bank überwacht die Projektwahl des Unternehmers und trifft in t = 1 die Entscheidung, ob dessen Projekt weiterfinanziert oder liquidiert wird. Jedoch bestehen in diesem Fall aufgrund der Nicht-Beobachtbarkeit und der Unvollkommenheit des Monitoring der Bank für den Unternehmer und die Bank Anreize zur Bildung einer zu Lasten des Investors gehenden vertikalen Kollusion. Der Unternehmer hat ein Interesse daran, das schlechte Projekt durchzuführen und die Bank dazu zu bringen, den Kredit in t = 1 nicht zu kündigen mit der Behauptung gegenüber dem Investor, sie habe durch das Monitoring keine Informationen erhalten, die die Umsetzung des schlechten Projekts durch den Unternehmer beweisen. Dadurch könnte die Bank zwar auf das Monitoring verzichten und die ihr dadurch entstehenden Kosten einsparen, jedoch hätte sie im Fall eines anteiligen Verkaufs einen Teil des Verlustes zu tragen, der aufgrund der geringeren Rückzahlungswahrscheinlichkeit des Kredits resultiert. Da der Unternehmer aufgrund der Realisierung der privaten Vorteile B durch die Kollusion mit der Bank einen Gewinn erzielen würde, kann er der Bank für die Weiterfinanzierung seines Projekts eine Seitenzahlung anbieten, um diese von der Absprache gegen den Kreditkäufer zu überzeugen.34

2.4.2 Vertragsgestaltung ohne Kollusionsproblem Im Folgenden soll nun der Frage nachgegangen werden, wie die Bank bei dem vorliegenden zweiseitigen Moral Hazard-Problem und der sich daraus ergebenden Kollusionsmöglichkeit die Veräußerung des Unternehmerkredits an den Investor zu gestalten hat, um einen möglichst hohen Anteil des Kredits zu einem adäquaten Preis zu verkaufen. Bevor die Gestaltung des Kreditverkaufs im Kollusionsfall untersucht wird, sollen zunächst zwei Referenzfälle betrachtet werden, um die Auswirkungen der Absprachemöglichkeit auf die Vertragsgestaltung bestimmen zu können. Zum einen wird der First Best-Fall analysiert, in dem der Investor über die gleiche Monitoringtechnologie sowie -kosten verfügt wie die Bank, und zum anderen der Second Best-Fall ohne Kollusionsproblem, in dem der Investor die Projektwahl des Unternehmers nicht beobachten kann, die Bank jedoch keine Kollusion mit dem Unternehmer eingeht und sich gegenüber dem Kreditkäufer loyal verhält. 34

Zur Interpretation der Seitenzahlung siehe Kapitel 2.1.

34

Unter First Best-Bedingungen, bei denen der Investor zu denselben Kosten c und mit derselben Wahrscheinlichkeit q wie die Bank das vom Unternehmer durchgeführte Projekt beobachten kann, ist die Übernahme der Kreditüberwachung und -betreuung durch die Bank nicht notwendig, da der Investor dies selbst durchführen kann. So kann die Bank in diesem Fall den Kredit vollständig und zu einem angemessenen Preis an den Investor veräußern. Da der Investor das Darlehen des Unternehmers in t = 1 ebenfalls kündigt, wenn er dessen Covenant-Verletzung bemerkt, wählt der Unternehmer das gute Projekt, so dass der Investor aus dem Darlehen eine Zahlung von pH D erwartet und in t = 0 einen Preis in Höhe von (pH D − c) für das (gesamte) Darlehen zahlt. Die Bank drückt den Investor annahmegemäß auf dessen Reservationsnutzen und erzielt infolgedessen insgesamt einen Gewinn in Höhe von (2.12)

πF B (α = 1) = (δ 2 − 1)(I − w + c),

wobei πF B den Gewinn der Bank im First Best-Fall und α den von der Bank veräußerten Kreditanteil kennzeichnen.35 α mit α ∈ [0, 1] stellt hierbei einen prozentualen Anteil des Kredits dar, d. h. nach Abschluss der Veräußerung steht dem Investor im Falle der vollständigen Tilgung des Kredits in t = 2 α des Rückzahlungsbetrages D und im Falle der Kündigung des Kredits in t = 1 α des Wiedergewinnungswerts L zu. So lässt sich die First Best-Lösung wie folgt zusammenfassen: Ergebnis I: Bei der First Best-Lösung verkauft die Bank in t = 0 den gesamten Kredit (α = 1) an den Investor, der das Monitoring sowie die Betreuung des Kredits übernimmt. Die Bank erzielt durch die Veräußerung des Kredits einen Gewinn in Höhe von πF B = (δ 2 − 1) · (I − w + c). Der Unternehmer führt das effiziente Projekt pH durch. Im zweiten Referenzfall, dem Second Best-Fall ohne Kollusionsproblem, überwacht der Investor das Darlehen des Unternehmers nicht, jedoch kann er fest darauf vertrauen, dass die Bank keine Kollusion mit dem Unternehmer eingeht und die Entscheidung hinsichtlich der Kündigung des Darlehens in seinem Interesse trifft. Wie in Kapitel 2.4 aufgezeigt wurde, ist in diesem Fall eine Veräußerung des Darlehens zu einem angemessenen Preis für die Bank nur dann möglich, wenn das Monitoring und die Betreuung des Darlehens bei ihr verbleiben. Veräußert die Bank den gesamten Kredit an den Investor, profitiert sie nicht mehr von dem Nutzen aus ihrem Monitoring, so dass für sie aufgrund der fehlenden Überprüfbarkeit ihrer Überwachungsaktivitäten für den Kreditkäufer der Anreiz besteht, auf ein Monitoring des Kreditnehmers zu verzichten. In diesem Fall würde der Unternehmer jedoch das schlechte Projekt umsetzen, da er weiß, dass die Bank den Kredit 35

Zur Herleitung des Gewinns im First Best-Fall vgl. Anhang D.

35

aufgrund des mangelnden Beweismaterials nicht kündigen kann. Trotz der Übernahme der Überwachungs- und Servicingfunktion durch die Bank würde der Investor daher für den Kredit nur den Preis zahlen, der sich bei Umsetzung des schlechten Projekts für dessen Wert ergibt. Somit muss im Rahmen der Gestaltung des Kreditverkaufs sichergestellt werden, dass die Bank nach der Veräußerung auch ihrer Überwachungsfunktion nachkommt. Behält diese einen Teil des Kredits zurück, partizipiert sie an dem Wertverlust des Kredits, der aus der Umsetzung des schlechten Projekts durch den Unternehmer und der damit verbundenen geringeren Rückzahlungswahrscheinlichkeit resultiert.36 So kann die Bank dem Investor die Durchführung des Monitoring glaubhaft signalisieren und infolgedessen den hohen Preis37 für den verkauften Anteil erzielen, wenn für sie die folgende Anreizkompatibilitätsbedingung erfüllt ist: (2.13)

(1 − α)pH D (1 − α)pLD −c≥ , δ2 δ2

d. h. der zurückzubehaltende Anteil muss so groß sein, dass die Bank bei einer Überwachung des Kredits und der damit verbundenen Umsetzung des guten Projekts durch den Unternehmer mindestens ein so hohes Ergebnis erzielt als wenn sie auf das Monitoring verzichtet und der Unternehmer das schlechte Projekt durchführt.38 Durch Umformen der Bedingung (2.13) ergibt sich der maximal veräußerbare Anteil α∗ (kritischer Anteil), bis zu dem die Bank die Überwachung des Unternehmers glaubhaft signalisieren kann:39 (2.14)

α≤1−

δ2c = α∗ . ΔpD

Ist der dem Kreditkäufer angebotene Anteil kleiner oder gleich dem kritischen Anteil α∗ , weiß dieser, dass der Unternehmer infolge des Monitoring der Bank das kapitalwertpositive Projekt durchführt, da er befürchtet, bei der Umsetzung von pL „ertappt“ zu werden und keinen Erlös aufgrund der Kündigung des Darlehens und Liquidation des Projekts zu erzielen. Der Investor zahlt daher für den ihm angebotenen Anteil einen Preis in Höhe von αpH D, wodurch sich für den Fall α ≤ α∗ ein Gewinn der Bank in Höhe von (2.15)

36

πSB (α ≤ α∗ ) = α(δ 2 − 1)(I − w + c)

Vgl. Pennacchi (1988) sowie Gorton / Pennacchi (1995). Im Folgenden wird derjenige Verkaufspreis als hoher (niedriger) Preis bezeichnet, der dem fairen Wert des Anteils α am Kredit entspricht und sich ergibt, wenn der Investor von der Durchführung des guten (schlechten) Projekts durch den Unternehmer ausgeht. Dabei entspricht der faire Wert dem mit dem Marktzinssatz von Null abgezinsten Barwert der zukünftig aus dem Kreditanteil erwarteten Cashflows. 38 Hierbei wird davon ausgegangen, dass die Bank bei Indifferenz ein Monitoring des Unternehmers durchführt. 39 Zum Beweis der Bedingung (2.14) für den maximal zu veräußernden Kreditanteil siehe Anhang E. 37

36

ergibt.40 πSB kennzeichnet hierbei den Gewinn der Bank im Second Best-Fall ohne Kollusionsproblem. Es wird deutlich, dass dieser umso größer ist, je höher α gewählt wird. So ist es für die Bank im Fall eines anteiligen Verkaufs optimal, den maximal veräußerbaren Anteil α∗ an den Investor zu verkaufen, wobei sie einen Gewinn in Höhe von πSB = α∗ (δ 2 − 1)(I − w + c) realisiert. Im Vergleich zum First Best-Fall ist der Gewinn der Bank somit um (1 − α∗ )(δ 2 − 1)(I − w + c) geringer. Diese Gewinndifferenz stellt die Agency-Kosten dar, die von der Bank zu tragen sind und aus der im Rahmen des Kreditverkaufs bestehenden asymmetrischen Informationsverteilung resultieren. Sie sind darauf zurückzuführen, dass die Bank aufgrund des Einbehalts einen im Vergleich zur First Best-Lösung geringeren Verkaufserlös erzielt und infolgedessen auch nur einen geringeren Teil der ihr zur Verfügung stehenden höherrentierlichen Investitionsprojekte wahrnehmen kann. Für die Bank besteht jedoch auch die Möglichkeit, das Darlehen vollständig zu veräußern. Zwar würde sie in diesem Fall einen geringeren Preis pro Geldeinheit des Darlehens erzielen, könnte jedoch ein höheres Volumen (α = 1) verkaufen und hätte zudem die Monitoringkosten c nicht zu tragen. Es lässt sich jedoch zeigen, dass unter den getroffenen Annahmen der Gewinn der Bank bei einer vollständigen Veräußerung stets einen negativen Wert annimmt und folglich der anteilige Verkauf gegenüber dem vollständigen Verkauf unter Second Best-Bedingungen stets von der Bank vorgezogen wird.41 Für den Second Best-Fall, in dem eine Kollusion zwischen der Bank und dem Unternehmer ex ante ausgeschlossen ist, ergibt sich somit folgende Lösung für die Gestaltung des Kreditverkaufs: Ergebnis II: Bei der Second Best-Lösung ohne Kollusionsproblem verkauft δ2 c ) des Kredits an den Investor und vereindie Bank den Anteil α∗ = 1 − ( ΔpD bart, das Monitoring des Unternehmers sowie die Entscheidung hinsichtlich der Kündigung des Kredits zu übernehmen. Hierbei realisiert sie insgesamt einen Gewinn in Höhe von πSB = α∗ (δ 2 − 1) · (I − w + c). Der Unternehmer wählt das effiziente Projekt pH . Eine genauere Analyse des Anteils α∗ zeigt, dass dieser umso höher ist, je geringer die Monitoringkosten der Bank c sind und je größer der Rückzahlungsbetrag D sowie die Erfolgswahrscheinlichkeit des guten Projekts pH bzw. die Differenz der Projekterfolgswahrscheinlichkeiten Δp sind.42 Der negative Zusammenhang zwischen α∗ und c ist intuitiv verständlich, da mit höheren Monitoringkosten die Bank stärker von ihrer Kreditüberwa40

Zur Herleitung des Gewinns der Bank im Fall ohne Kollusionsproblem siehe Anhang F. Der Beweis hierzu ist in Anhang G zu finden. 42 Die Sensitivitätsanalyse des Anteils α∗ hinsichtlich der Monitoringkosten sowie der Erfolgswahrscheinlichkeit des guten Projekts stellt sich als nicht trivial dar, da im vorliegenden Modell die Höhe des Kreditrückzahlungsbetrages von den Monitoringkosten sowie der Wahrscheinlichkeit pH bestimmt wird. Zum Beweis der Zusammenhänge siehe Anhang H. 41

37

chung durch den Rückbehalt eines größeren Anteils profitieren muss, damit sie durch ein Monitoring des Unternehmers finanziell besser gestellt ist. Der positive Zusammenhang zwischen α∗ und D sowie zwischen α∗ und pH bzw. Δp ist darauf zurückzuführen, dass sowohl mit einem größeren Kreditbetrag D als auch mit einer höheren Erfolgswahrscheinlichkeit pH bzw. Wahrscheinlichkeitsdifferenz Δp der mit der Durchführung des schlechten Projekts verbundene Wertverlust des Kredits größer ausfällt und bei gleich bleibenden Monitoringkosten daher der Anreiz der Bank geringer ist, auf die Überwachung des Kreditnehmers zu verzichten.43 Demzufolge ist für eine glaubhafte Signalisierung des Monitoring bei einem höheren Rückzahlungsbetrag D und bei einem höheren Wert für pH bzw. Δp auch nur ein geringerer Selbstbehalt der Bank erforderlich.

2.4.3 Vertragsgestaltung mit Kollusionsproblem Nach Betrachtung der zwei Referenzfälle wird nun zu dem Fall übergegangen, in dem der Investor nicht mehr darauf vertrauen kann, dass die Bank stets in seinem Interesse handelt, sondern vielmehr mit einer möglichen vertikalen Absprache zwischen dem Unternehmer und der Bank nach Abschluss des Kreditverkaufs zu rechnen hat. Bei der folgenden Analyse wird davon ausgegangen, dass die Bank, wie bereits erläutert wurde, nach der Veräußerung weiterhin für die Überwachung und die Betreuung des Unternehmenskredits verantwortlich ist. Wenn die Bank das Darlehen des Unternehmers in t = 1 nicht kündigt, kann dieser bei Umsetzung des schlechten Projekts aufgrund der dabei realisierbaren privaten Vorteile ein höheres Ergebnis erzielen als bei Durchführung des guten Projekts. So wird dieser nach Abschluss des Kreditverkaufs versuchen, die Bank mit einer Seitenzahlung zu überreden, dass diese in t = 1 das Darlehen stets weiterlaufen lässt und gegenüber dem Investor behauptet, sie habe keine Covenant-Verletzung des Unternehmers beobachtet. Da die Bank nach der teilweisen Veräußerung des Darlehens den Wertverlust, der aus der mit dem schlechten Projekt verbundenen höheren Ausfallwahrscheinlichkeit des Darlehens resultiert, nicht mehr vollständig trägt und sie zudem bei dieser Absprache auf ein Monitoring des Unternehmers verzichten kann, wird auch diese an der Kollusion mit dem Unternehmer interessiert sein, wenn die Seitenzahlung des Unternehmers entsprechend hoch ist und sie dadurch einen zusätzlichen Gewinn realisieren kann.

43

Mit einer höheren Erfolgswahrscheinlichkeit pH ist neben dem beschriebenen positiven Effekt für die Höhe des kritischen Anteils α∗ noch ein zweiter Effekt verbunden, der sich jedoch negativ auf die Höhe von α∗ auswirkt. Bei einer Steigerung der Erfolgswahrscheinlichkeit pH sinkt auch der Rückzahlungsbetrag D, womit ein geringerer zu verkaufender Anteil α∗ verbunden ist. Jedoch überwiegt der oben beschriebene positive Effekt einer Erhöhung von pH , so dass sich insgesamt ein positiver Zusammenhang zwischen α∗ und pH ergibt. Vgl. hierzu Anhang H, Punkt iii).

38

Wie bereits dargelegt wurde, kann sich die vom Unternehmer an die Bank zu leistende Seitenzahlung unterschiedlich gestalten. In der folgenden Analyse wird von einer monetären Seitenzahlung des Unternehmers ausgegangen, um von der Betrachtung etwaiger in der Zukunft auftretender Geschäftsbeziehungen zwischen der Bank und dem Unternehmer absehen zu können. Der Unternehmer zahlt demnach der Bank in t = 2 für den Verzicht auf das Monitoring und die Kündigung des Darlehens einen Geldbetrag, den er aus dem realisierten Kollusionsgewinn entrichtet. Der Kollusionsgewinn stellt die sich infolge der gewinnbringenden Absprache ergebenden Erhöhung des Ergebnisses des Unternehmers dar, die aus der Erzielung der privaten Vorteile bei Durchführung des schlechten Projekts resultiert und B − Δp(R − D) beträgt. Es stellt sich jedoch die Frage, wie das Einhalten der Absprache von beiden Beteiligten sichergestellt werden kann, da es keine dritte Partei geben dürfte, die eine solche Vereinbarung durchsetzt. Wie in den meisten Beiträgen der Kollusionsliteratur wird der so genannte „Enforceability Approach“ von Tirole (1992) gewählt, bei dem von der Durchsetzbarkeit der gegenseitigen Ansprüche aus Nebenabsprachen ausgegangen wird.44 So schreibt Tirole: „I believe that the enforceability approach may offer a realistic description of side contracting, and that it still yields precious insights when it does not.“ 45 Die Kollusionsteilnehmer halten sich demnach aufgrund anderer, nicht gerichtlicher Durchsetzungsmechanismen an die getroffene Vereinbarung. Denkbar sind verschiedene Mechanismen, wobei die Länge der Interaktionsdauer zwischen den Kollusionsparteien für die Durchsetzbarkeit von Absprachen eine wesentliche Rolle spielt.46 Treffen im vorliegenden Modell die Bank und der Unternehmer die dargestellte vertikale Absprache, muss die Bank in t = 1 mit der Fortführung des Darlehens und der Behauptung hinsichtlich ihrer Monitoringinformationen gegenüber dem Investor vorleisten, da sie zunächst nicht von einer Fortführung des schlechten Projekts profitiert und der Unternehmer die Seitenzahlung erst am Ende der zweiten Periode erbringen kann.47 So wird die Bank nur dann eine Kollusion mit dem Unternehmer eingehen, wenn sie darauf vertrauen kann, dass der Unternehmer der versprochenen Gegenleistung auch nachkommen wird. Dies wird gerade dann der Fall sein, wenn die Bank mit dem Unternehmer zum Zeitpunkt der Kollusion bereits in einer langjährigen Geschäftsbeziehung (Hausbankbeziehung) steht und sich aus ihrer langen Erfahrung mit dem Unternehmer 44

Vgl. Tirole (1992), S. 154-156. Tirole (1992), S. 156. Vgl. Tirole (1992), Kapitel 2.3.5, und Martimort (1999), die die Durchsetzbarkeit der getroffenen Nebenabreden durch wiederholte Interaktion der beteiligten Kollusionsparteien endogen modellieren. Siehe auch Laffont / Meleu (1997), in deren Modell zwei Agenten, die sich gegenseitig überwachen können, eine Kollusion in Form eines Tausches von Gefälligkeiten (Reciprocal Favors) bilden und durchsetzen können. 47 Verzichtet die Bank im Rahmen der Kollusion auf ein Monitoring, kann sie zwar zunächst die Monitoringkosten einsparen, jedoch ist der im Rahmen des Kreditverkaufs vereinbarte Selbstbehalt der Bank so hoch, dass diese bei Durchführung des Monitoring besser gestellt ist als wenn sie auf eine Überwachung des Unternehmers verzichtet. So ist es ohne Seitenzahlung für die Bank nicht vorteilhaft, von einem Monitoring des Unternehmers abzusehen. 45 46

39

ein besonderes Vertrauensverhältnis ergeben hat. Andererseits könnte sie dem Unternehmer für den Fall eines Abweichens von der gemeinsamen Absprache mit einem Abbruch der Geschäftsbeziehung drohen, wenn sie davon ausgeht, dass der Unternehmer weitere Investitionsprojekte plant und der Abbruch der Geschäftsbeziehung ihn zukünftig in Finanzierungsschwierigkeiten bringen würde. Es ist denkbar, dass die Bank beispielsweise aufgrund ihrer Erfahrung die Betreuung der Kreditengagements des Unternehmers besonders gut und effizient bewerkstelligen kann, wohingegen andere Banken oder Kreditgeber nicht über diese besonderen Fähigkeiten verfügen und infolgedessen schlechtere Konditionen für eine Kreditfinanzierung des Unternehmers fordern bzw. gar nicht bereit sind, an diesen ein Darlehen zu vergeben. Es sei S die vom Unternehmer an die Bank zu entrichtende Seitenzahlung. Ihre Höhe ergibt sich aus den Entscheidungskalkülen des Unternehmers und der Bank und hängt von der Verteilung der Verhandlungsmacht zwischen den beiden Parteien ab. Der Unternehmer wird nur dann mit der Bank die Kollusion eingehen, wenn er trotz der zu leistenden Ausgleichszahlung bei Durchführung des schlechten Projekts insgesamt ein höheres Ergebnis als bei Umsetzung des guten Projekts erwartet. Das Kalkül des Unternehmers in t = 0 stellt sich somit wie folgt dar: (2.16)

pL (R − D) + B − S > pH (R − D).

Damit eine Kollusion für den Unternehmer vorteilhaft ist, darf die Seitenzahlung S den aus der Kollusion für den Unternehmer erzielbaren Gewinn nicht überschreiten, wie durch Umstellen der Bedingung (2.16) deutlich wird: (2.17)

S < B − Δp(R − D) = Smax .

Smax ist hier diejenige Seitenzahlung, bei der der Unternehmer gerade nicht mehr zu einer Kollusion mit der Bank bereit ist. Sie ist positiv, da aufgrund des auf Seiten des Unternehmers bestehenden Moral Hazard-Problems B > Δp(R − D) gilt. Hierbei ist anzumerken, dass der Unternehmer der zugesicherten Seitenzahlung stets nachkommen kann, da er bei Durchführung des schlechten Projekts die privaten Vorteile B immer realisiert, wenn das Projekt im Zeitpunkt t = 1 fortgeführt wird, und diese stets höher sind als die Seitenzahlung S. Die Verhandlung zwischen den Kollusionsparteien über die Höhe der vom Unternehmer an die Bank zu zahlenden Seitenzahlung S soll im Folgenden nicht betrachtet und stattdessen davon ausgegangen werden, dass der Investor die für das Verhandlungsergebnis ausschlaggebende Verteilung der Verhandlungsmacht zwischen dem Unternehmer und der Bank nicht abschätzen kann. Geht der Investor von einem kollusiven Verhalten der beiden Agenten aus, muss er somit bei seiner Kaufentscheidung

40

mit dem für ihn schlechtest möglichen Ergebnis, d. h. der Zahlung der maximal möglichen Seitenzahlung an die Bank rechnen. Veräußert die Bank den für im Fall ohne Kollusionsproblem ermittelten Anteil α∗ des Darlehens, wird sie ein ihr vom Unternehmer unterbreitetes Kollusionsangebot annehmen, wenn dieses eine positive Transferzahlung vorsieht. Im betrachteten Referenzfall war die Bank bei Einbehalt von (1 − α∗ ) gerade indifferent zwischen der Kreditüberwachung und dem Verzicht auf ein Monitoring, so dass Letzteres für sie bei Erhalt einer positiven Seitenzahlung vorteilhaft wäre. Schließt der Investor die Möglichkeit einer Absprache zwischen der Bank und dem Unternehmer nicht aus, wird er für den Anteil α∗ des Kredits nur den geringen Preis in Höhe von α∗ pL D zahlen. So muss die Bank zur Vermeidung dieses Verlustes dem Investor bei der Veräußerung glaubhaft vermitteln, dass sie keine gewinnbringende Absprache mit dem Unternehmer eingehen wird, diesen also überwachen und seinen Kredit bei Eintritt des Zustands 4 kündigen wird. Im Folgenden wird nun untersucht, wie die Bank dies durch eine anreizkompatible Gestaltung des Kreditverkaufs kostengünstig erreichen kann. Besteht die Möglichkeit einer gewinnbringenden Absprache, kann die Bank dem Investor die Ablehnung eines möglichen Kollusionsangebots des Unternehmers glaubhaft signalisieren, wenn der von ihr zurückbehaltene Kreditanteil (1 − α) so hoch ist, dass sie keinen Gewinn aus der Kollusion mit dem Unternehmer erzielen kann. Dies ist dann der Fall, wenn der gesamte aus der Seitenzahlung des Unternehmers und der Einsparung der Monitoringkosten resultierende Gewinn durch den Wertverlust ihres Kreditanteils mindestens ausgeglichen wird: (2.18)

(1 − α)pH D (1 − α)pL D + S −c≥ . δ2 δ2

Die Bedingung (2.18) stellt die Anreizkompatibilitätsbedingung der Bank im Kollusionsfall dar, die im Unterschied zur Anreizkompatibilitätsbedingung im Fall ohne Absprachemöglichkeit auf der rechten Seite die Transferzahlung des Unternehmers berücksichtigt. Sie gewährleistet, dass nach Abschluss des Kreditverkaufs die Bank aus dem von ihr zurückbehaltenen Anteil ein mindestens so hohes Ergebnis erwartet, wenn sie die Projektwahl des Unternehmers überwacht und bei Beobachtung der Durchführung von pL durch den Unternehmer den Kredit kündigt als wenn sie mit diesem eine Kollusion eingeht und eine Seitenzahlung in Höhe von S erhält. Durch Einsetzen der maximalen Seitenzahlung ∗ , bis zu dem die Bank Smax in die Bedingung (2.18) ergibt sich der kritische Anteil αK

41

keine ineffiziente Absprache mit dem Unternehmer eingeht und das Monitoring sowie die Betreuung des Kredits im Interesse des Investors durchführt:48 (2.19)

α ≤1−

δ 2 c + Smax ∗ . = αK ΔpD

∗ Durch einen Vergleich des veräußerbaren Anteils αK mit dem entsprechenden Anteil α∗ im

Fall ohne Kollusionsproblem wird deutlich, dass zur Erzielung eines hohen Verkaufspreises die Bank einen höheren Anteil des Kredits zurückbehalten muss, wenn der Investor mit der Möglichkeit einer ineffizienten Absprache zwischen der Bank und dem Unternehmer rechnet. Dieses Ergebnis begründet sich darin, dass nun für die Bank nicht nur mehr der Anreiz geschaffen werden muss, das Monitoring des Unternehmers wie vereinbart durchzuführen, sondern auch ein möglicher Kollusionsgewinn durch eine höhere Beteiligung der Bank an dem aus der Absprache resultierenden Wertverlust des Kredits verhindert werden ∗ beträgt der Gewinn der Bank im Kollusionsfall muss. Für α∗ ≤ αK

(2.20)

K ∗ πSB (α ≤ αK ) = α(δ 2 − 1)(I − w + c)

und entspricht damit dem Gewinn im Fall ohne Kollusionsproblem aus Gleichung (2.15). So ist es für die Bank auch im Kollusionsfall aufgrund des positiven Zusammenhangs K ∗ und α (für α ≤ αK ) optimal, den Anteil α zu maximieren. Im Falle eines zwischen πSB ∗ anteiligen Kreditverkaufs veräußert die Bank also den kritischen Anteil αK , wobei sie insK ∗ ∗ 2 gesamt einen Gewinn in Höhe von πSB (α = αK ) = αK (δ −1)(I −w +c) realisiert, welcher

jedoch gegenüber dem Second Best-Fall ohne Kollusionsproblem um Δα(δ 2 − 1)(I − w + c) geringer ausfällt. Δα kennzeichnet dabei die Differenz zwischen den beiden kritischen ∗ . Der Grund für den geringeren Gewinn der Bank im KollusiAnteilen, d. h. Δα = α∗ − αK onsfall besteht darin, dass durch den Einbehalt eines höheren Anteils des Darlehens mehr Kapital der Bank gebunden ist und sie somit weniger Mittel in die anderen sich ihr bietenden kapitalwertpositiven Projekte investieren kann. Aus Opportunitätskostenbetrachtung entsteht der Bank also ein Renditeverlust. Auch wenn die Bank ein Kollusionsangebot des Unternehmers beispielsweise aufgrund der möglichen Reputationsverluste ablehnen würde, hätte sie aufgrund des geringeren veräußerbaren Anteils gegenüber dem Fall ohne Kollusionsproblem diesen Verlust hinzunehmen, sofern sie dem Investor nicht anderweitig vermitteln kann, dass sie keine gewinnbringende Absprache mit dem Unternehmer eingehen wird. Insofern lässt sich die Gewinndifferenz als der aus der Möglichkeit ineffizienter Absprachen resultierende Wohlfahrtsverlust interpretieren. Insgesamt betragen die Agency48

Eine Standardannahme in den Modellen zu vertikalen und horizontalen Kollusionen ist, dass die Kollusionsparteien bei Indifferenz, d. h. wenn für sie nur ein Gewinn von Null aus der Kollusion erzielbar ist, auf die Absprache verzichten. Diese Annahme ist hier jedoch nicht erforderlich, da bei der Analyse der Vertragsgestaltung mit der Seitenzahlung Smax gerechnet wird, die der Unternehmer gerade nicht mehr zu zahlen bereit ist, und die tatsächliche Seitenzahlung, die die Bank erhält, demnach geringer ist als Smax . Zur Herleitung des kritischen Anteils α∗K vgl. Anhang I.

42

∗ Kosten (1 − αK )(δ 2 − 1)(I − w + c), die wiederum vollständig von der Bank zu tragen sind.

Diese setzen sich zusammen aus den Agency-Kosten, die sich aus der asymmetrischen Informationsverteilung und dem daraus resultierenden zweiseitigen Moral Hazard-Problem ergeben, sowie aus den Agency-Kosten, die durch die Absprachemöglichkeit zwischen der Bank und dem Unternehmer entstehen. Insgesamt ergibt sich im Kollusionsfall aufgrund der Unvorteilhaftigkeit eines vollständigen Verkaufs folgende Lösung für die vertragliche Ausgestaltung des Kreditverkaufs: Ergebnis III: Erkennt der Investor die zu seinen Lasten gehende Absprachemöglichkeit zwischen dem Unternehmer und der Bank, ist es für die Bank 2 ∗ max optimal, den Anteil αK = 1−( δ c+S ) des Kredits an den Investor zu verkauΔpD fen und das Monitoring sowie die Betreuung des Kredits zu übernehmen. HierK ∗ bei erzielt sie insgesamt einen Gewinn in Höhe von πSB = αK (δ 2 −1)(I −w+c). Der Unternehmer wählt das effiziente Projekt pH . Wie auch im Second Best-Fall ohne Kollusionsproblem ergibt eine Sensitivitätsanalyse ∗ , dass dieser umso größer ist, je geringer die Modes maximal veräußerbaren Anteils αK nitoringkosten der Bank c und je höher die Erfolgswahrscheinlichkeit pH bzw. die Wahrscheinlichkeitsdifferenz Δp sind.49 Hinsichtlich der Differenz zwischen den Projektwahrscheinlichkeiten ist im Kollusionsfall zusätzlich zu beachten, dass die vom Unternehmer maximal zahlbare Seitenzahlung mit zunehmender Differenz Δp sinkt, da sich in diesem Fall der aus der Durchführung des schlechten Projekts resultierende Gewinn für den Unternehmer verringert. Eine niedrigere Seitenzahlung hat zur Folge, dass die Bank einen geringeren Anteil zurückbehalten muss, um dem Investor die Ablehnung eines etwaigen Kollusionsangebots des Unternehmers glaubhaft zu vermitteln, wodurch der positive Zusammenhang zwischen dem veräußerbaren Anteil und der Wahrscheinlichkeit pH bzw. der Wahrscheinlichkeitsdifferenz Δp verstärkt wird. Im Gegensatz zum Fall ohne Kollusionsproblem besteht ein negativer Zusammenhang zwischen dem maximal veräußerbaren An∗ und dem Kreditrückzahlungsbetrag D.50 Im Kollusionsfall sind mit einem größeren teil αK Kreditbetrag D zwei Effekte verbunden. Einerseits fällt wie im Fall ohne Kollusionspro-

blem mit steigendem Wert D der aus der Umsetzung des schlechten Projekts resultierende absolute Wertverlust des Kredits höher aus, wodurch der Anreiz der Bank sinkt, auf das Monitoring zu verzichten bzw. eine Kollusion mit dem Unternehmer einzugehen. Jedoch ist mit einem höheren Kreditbetrag auch eine höhere Seitenzahlung des Unternehmers verbunden, da die relative Vorteilhaftigkeit des schlechten Projekts gegenüber dem guten Projekt für den Unternehmer steigt. Durch eine höhere Seitenzahlung steigt jedoch der Anreiz der Bank, eine Absprache mit dem Unternehmer zu treffen. Die Effekte sind 49 50

Zum Beweis der Zusammenhänge vgl. Anhang J. Vgl. hierzu Anhang J, Punkt iii).

43

dementsprechend gegenläufig, wobei jedoch gezeigt werden kann, dass letzterer überwiegt, ∗ so dass sich insgesamt ein positiver Zusammenhang zwischen αK und D ergibt. ∗ Nachdem sowohl für αK als auch für α∗ aufgezeigt wurde, wie sich diese in Abhängigkeit der Variablen D, c, pH sowie Δp verhalten, stellt sich die Frage, von welchen Bestimmungs-

faktoren die Höhe der Differenz zwischen den beiden kritischen Anteilen Δα abhängt und ∗ beträgt wie stark deren Einfluss auf Δα ist.51 Die Differenz zwischen α∗ und αK (2.21)

∗ Δα = α∗ − αK =

B − Δp(R − D) Smax = ΔpD ΔpD

und entspricht somit dem Anteil der maximalen Seitenzahlung an dem mit der Umsetzung des schlechten Projekts verbundenen Wertverlust des Kredits. Aus Gleichung (2.21) wird deutlich, dass die Differenz umso größer ist, je höher die bei Umsetzung des schlechten Projekts erzielbaren privaten Vorteile B des Unternehmers sind und je kleiner der in t = 2 anfallende Cashflow R ist. Ein höherer Wert B hat zur Folge, dass der Unternehmer einen größeren (Kollusions-)Gewinn aus der Durchführung des schlechten Projekts erzielen und der Bank eine höhere Seitenzahlung anbieten kann. Daher muss die Bank im Kollusionsfall einen größeren Anteil des Kredits einbehalten, um durch eine Absprache mit dem Unternehmer keinen Gewinn erzielen zu können. Im Gegensatz dazu wird der maximal veräußerbare Anteil α∗ im Fall ohne Kollusionsproblem nicht von der Höhe der privaten Vorteile beeinflusst, so dass sich insgesamt ein positiver Zusammenhang zwischen der Differenz Δα und B ergibt. Umgekehrtes gilt für die Höhe des Cashflows R. Da für den Unternehmer mit steigendem R die relative Vorteilhaftigkeit des schlechten Projekts sinkt und der Unternehmer nur eine geringere Seitenzahlung zu zahlen bereit ist, muss die Bank im Kollusionsfall nur einen geringeren Anteil einbehalten. Da im Fall ohne Kollusionsproblem der kritische Anteil α∗ nicht von der Höhe des Cashflows R abhängt, resultiert ein negativer Zusammenhang zwischen der Differenz Δα und R. Des Weiteren wird Δα von der Differenz zwischen den Erfolgswahrscheinlichkeiten der beiden Projekte Δp beeinflusst. Hierbei ist Δα umso größer, je geringer sich die Wahrscheinlichkeitsdifferenz Δp gestaltet. Im Gegensatz zu den Variablen B und R hat die Höhe von ∗ im Kollusionsfall, Δp nicht nur einen Einfluss auf den maximal veräußerbaren Anteil αK sondern auch auf den kritischen Anteil α∗ im Fall ohne Kollusionsproblem. Wie aufgezeigt wurde, ist für beide Fälle mit einer höheren Wahrscheinlichkeitsdifferenz Δp der Verkauf eines größeren Kreditanteils für die Bank möglich. Jedoch stellt sich der positive Zusam∗ und Δp stärker dar als zwischen α∗ und Δp, da im Kollusionsfall menhang zwischen αK hinzukommt, dass der Unternehmer mit einer höheren Differenz Δp nur eine geringere Seitenzahlung zu zahlen bereit ist, wodurch sich der vom Investor geforderte Selbstbehalt 51

Für den Beweis der im Folgenden aufgezeigten Zusammenhänge zwischen Δα und B, R, pH , c sowie D vgl. Anhang K.

44

der Bank weiter verringert. Dies hat zur Folge, dass mit zunehmendem Wert für Δp der ∗ kritische Anteil αK im Kollusionsfall stärker steigt als derjenige im Referenzfall und infolgedessen die Differenz zwischen den beiden kritischen Anteilen Δα kleiner wird. Ähnlich stellt sich die Argumentation für die Monitoringkosten c dar. Jedoch besteht für diese im

Gegensatz zu Δp ein positiver Zusammenhang mit der Differenz Δα. Sowohl α∗ als auch ∗ sind umso größer, je geringer die Monitoringkosten der Bank sind, wobei der negative αK ∗ Zusammenhang zwischen αK und c stärker ist als zwischen α∗ und c. Dies begründet sich darin, dass mit steigenden Monitoringkosten auch der Kreditbetrag D steigt, was wiederum eine höhere (maximale) Seitenzahlung des Unternehmers zur Folge hat. Da aus einer ∗ resultiert, ist der negative höheren Seitenzahlung ein geringerer veräußerbarer Anteil αK Zusammenhang zwischen den Monitoringkosten und dem veräußerbaren Anteil im Kol-

lusionsfall stärker als im Fall ohne Kollusionsproblem. Dies bedeutet, dass die Differenz zwischen den kritischen Anteilen Δα umso größer ist, desto höhere Kosten der Bank aus dem Monitoring entstehen. Ein positiver Zusammenhang kann auch zwischen Δα und dem Kreditrückzahlungsbetrag D konstatiert werden. Es wurde gezeigt, dass mit einem höheren Kreditrückzahlungsbetrag D der kritische veräußerbare Anteil im Fall ohne Kollusionsproblem größer und im Kollusionsfall kleiner ausfällt. Daraus lässt sich schließen, ∗ mit steigendem Kreditbetrag D zunimmt. dass die Differenz zwischen α∗ und αK

Zusammenfassend lässt sich feststellen, dass die Bank im Vergleich zum Fall ohne Kollusionsproblem einen umso kleineren Kreditanteil verkaufen kann, je größer die mögliche Seitenzahlung des Unternehmers und je kleiner der mit der Durchführung des ineffizienten Projekts verbundene Wertverlust des Kredits ist. Die Höhe der Seitenzahlung ist abhängig von dem für den Unternehmer realisierbaren Kollusionsgewinn. Dieser wiederum ist umso größer, je stärker sich die auf Seiten des Unternehmers bestehende Moral HazardProblematik darstellt. Jedoch steigt mit der Schwere des Anreizproblems auch der aus der Umsetzung des schlechten Projekts resultierende Wertverlust des Darlehens, wodurch wiederum ceteris paribus der von der Bank veräußerbare Anteil steigt. Allerdings wird der Wertverlust des Darlehens nur anteilig von der Bank getragen, wohingegen die Transferleistung des Unternehmers vollständig der Bank zugute kommt. Als Ergebnis kann festgehalten werden, dass, wenn die Möglichkeit zur Bildung einer ineffizienten Absprache zwischen dem Unternehmer und der Bank besteht, die Bank bei der Veräußerung des Kredits im Vergleich zum Referenzfall einen umso höheren Kreditanteil zurückbehalten muss, je höher der für die Beteiligten realisierbare Gewinn aus der vertikalen Absprache ist, wobei letzterer wiederum mit der Schwere der Moral Hazard-Problematik steigt.

45

2.5 Zusammenfassung In der modelltheoretischen Analyse dieses Kapitels wird die vertragliche Gestaltung eines Kreditverkaufs bei Existenz eines zweiseitigen Moral Hazard-Problems untersucht, aus dem nach der Veräußerung des Kredits die Möglichkeit zur Bildung einer gegen den Kreditkäufer gerichteten vertikalen Kollusion zwischen dem Kreditnehmer und der Bank resultiert. Erkennt der Investor die Möglichkeit der zu seinen Lasten gehenden Absprache, berücksichtigt er diese in seinem Entscheidungskalkül und nimmt für den ihm angebotenen Teil des Kredits einen entsprechenden Preisabschlag vor, so dass die Bank bei der Veräußerung einen erheblichen Verlust gegenüber dem Referenzfall ohne Kollusionsproblem hinzunehmen hat. Eine Möglichkeit für die Bank, diesen Verlust zu verhindern und für den zu veräußernden Anteil des Kredits dennoch einen angemessenen Erlös zu erzielen, stellt die anreizkompatible bzw. kollusionsfreie Vertragsgestaltung dar. Hierbei werden die Forderungsansprüche aus dem Kreditvertrag in der Weise auf den Investor und die Bank alloziert, dass die Kollusionsparteien durch die ineffiziente Absprache maximal einen Gewinn von Null realisieren können und es infolgedessen zu keiner Kollusion zwischen der Bank und dem Unternehmer kommt. Im vorliegenden Modell übernimmt die Bank aufgrund eines auf Seiten des Unternehmers bestehenden Moral Hazard-Problems nach Veräußerung des Kredits das Servicing und das Monitoring des Kreditnehmers, da der Investor über keine Kontrollmöglichkeit verfügt. Da für diesen die Anstrengungen der Bank nicht beobachtbar und überprüfbar sind, muss die Bank zur glaubwürdigen Signalisierung des Monitoring einen Teil des Kredits zurückbehalten. Allerdings kommt es dabei zu einem weiteren Anreizproblem, da der Unternehmer und die Bank eine für sie gewinnbringende, jedoch ineffiziente Kollusion gegen den Investor treffen können. Erkennt der Investor diese Absprachemöglichkeit, ist der zur Erzielung eines angemessenen Preises erforderliche Selbstbehalt der Bank höher als im Fall, in dem eine Kollusion zwischen den beiden Parteien ex ante ausgeschlossen wird. Dies ist darauf zurückzuführen, dass die Bank nicht nur einen Teil des Kredits zurückbehalten muss, um dem Käufer des Kredits die Durchführung des Monitoring zu signalisieren, sondern auch um diesem glaubhaft zu vermitteln, dass sie keine ineffiziente Absprache mit dem Unternehmer eingehen wird. Mittels einer Sensitivitätsanalyse wird gezeigt, dass sich ein umso größerer Unterschied zwischen den im Kollusionsfall und im Fall ohne Kollusionsproblem von der Bank zurückzubehaltenden Kreditanteilen ergibt, je höher der aus einer Kollusion für den Unternehmer und die Bank erzielbare Kollusionsgewinn ist. Dieser wiederum ist umso höher, je stärker sich das Moral Hazard-Problem auf Seiten des Unternehmers darstellt. Die Ergebnisse der vorliegenden Analyse finden nicht nur Anwendung auf den im Modell betrachteten Bereich der traditionellen Form des Kreditverkaufs, sondern lassen sich auch auf die modernen Formen des Kreditrisikotransfers über Kreditverbriefungen übertragen, 46

bei denen nicht einzelne Kreditpositionen, sondern ganze Kreditportfolios an den Markt weitergereicht und in strukturierte Wertpapiere verpackt werden. Hierbei können sich Absprachemöglichkeiten zwischen den kreditgebenden Originatoren und den Schuldnern der verbrieften Kreditportfolios nicht nur, wie eingangs erwähnt, im Hinblick auf die Darstellung der Kreditwürdigkeit der Schuldner in den Kreditunterlagen ergeben, sondern auch im Hinblick auf ihr Verhalten nach Kreditvergabe, wenn der Originator, wie es häufig der Fall ist, als Servicer der Transaktion fungiert.52 Die Lösung der vertragstheoretischen Analyse zeigt, dass ein Selbstbehalt, wie er erst kürzlich vom Europäischen Parlament verpflichtend für Originatoren von Verbriefungstransaktionen eingeführt wurde,53 nicht nur Anreize für Originatoren zu einer sorgfältigen Auswahl und einer intensiven Überwachung der Schuldner des Referenzportfolios setzt, sondern auch dazu beiträgt, ineffiziente Absprachen zwischen den Originatoren und den Kreditnehmern zu verhindern.54

52 53 54

Vgl. Rudolph u. a. (2007), S. 42-43. Vgl. Art. 122a Abs. 1 RL 2006/48/EG (ABl. EU Nr. L 177 S. 1) in der Fassung vom 16.09.2009. Zur aktuellen Diskussion um die Risikobeteiligung von Originatoren siehe Rudolph / Scholz (2008), S. 17, Bechtold (2009), S. 42-43, Frese / Uhl (2009), S. 935-939, und Hawken / Bake (2009), 49-53.

47

Literaturverzeichnis zu Kapitel 2 Ashcraft, Adam B. ; Schuermann, Til (2008): Understanding the Securitization of Subprime Mortgage Credit, Federal Reserve Bank of New York, Staff Report No. 318, März 2008. Baliga, Sandeep ; Sjöström, Tomas (1998): Decentralization and Collusion, in: Journal of Economic Theory, Jg. 83, S. 196–232. Bechtold, Hartmut (2009): Die Debatte um Qualität und Risikobeteiligung in der Kreditverbriefung, in: Zeitschrift für das gesamte Kreditwesen, Jg. 62, S. 42–43. Berger, Allen N. ; Udell, Gregory F. (1993): Securitization, Risk, and the Liquidity Problem in Banking, in: Structural Change in Banking, hrsg. von Michael Klausner und Lawrence J. White, Irwin, Homewood Il. 1993, S. 227–291. Bigus, Jochen (2002): Investitionsanreize, Koalitionsverhalten und Gläubigerkonflikte, in: Zeitschrift für betriebswirtschaftliche Forschung, Jg. 54, S. 317–342. Brickley, James A. ; Lease, Ronald C. ; Smith, Clifford W. Jr. (1988): Ownership Structure and Voting on Antitakeover Amendments, in: Journal of Financial Economics, Jg. 20, S. 267–291. Crozier, Michel (1963): Le Phénomène Bureaucratique, Paris 1963. Dalton, Melville (1959): Men Who Manage, New York 1959. Dell’Ariccia, Giovanni ; Igan, Deniz ; Laeven, Luc (2008): Credit Booms and Lending Standards: Evidence from the Subprime Mortgage Market, IMF Working Paper 08/106, April 2008. DeMarzo, Peter M. (2005): The Pooling and Tranching of Securities: A Model of Informed Intermediation, in: Review of Financial Studies, Jg. 18, S. 1–35. DeMarzo, Peter M. ; Duffie, Darrell (1999): A Liquidity-Based Model of Security Design, in: Econometrica, Jg. 67, S. 65–99. Demsetz, Rebecca S. (2000): Bank Loan Sales: A New Look at the Motivations for Secondary Market Activity, in: Journal of Financial Research, Jg. 23, S. 197–222. Demyanyk, Yuliya ; Van Hemert, Otto (2008): Understanding the Subprime Mortgage Crisis, Working Paper, Dezember 2008. Dessí, Roberta (2005): Start-up Finance, Monitoring, and Collusion, in: RAND Journal of Economics, Jg. 36, S. 255–274. Diamond, Douglas W. (1984): Financial Intermediation and Delegated Monitoring, in: Review of Economic Studies, Jg. 51, S. 393–414. Faure-Grimaud, Antoine ; Laffont, Jean-Jacques ; Martimort, David (1999): The Endogenous Transaction Costs of Delegated Auditing, in: European Economic Review, Jg. 43, S. 1039–1048. 48

Faure-Grimaud, Antoine ; Laffont, Jean-Jacques ; Martimort, David (2000): A Theory of Supervision with Endogenous Transaction Costs, in: Annals of Economics and Finance, Jg. 1, S. 231–263. Faure-Grimaud, Antoine ; Laffont, Jean-Jacques ; Martimort, David (2002): Risk Averse Supervisors and the Efficiency of Collusion, in: Contributions to Theoretical Economics, Jg. 2, Art. 5. Faure-Grimaud, Antoine ; Laffont, Jean-Jacques ; Martimort, David (2003): Collusion, Delegation and Supervision with Soft Information, in: Review of Economic Studies, Jg. 70, S. 253–279. Frese, Michael ; Uhl, Laurenz (2009): Die Zukunft des deutschen Verbriefungsmarktes im Lichte von Änderungen im europäischen Regelwerk, in: Zeitschrift für das gesamte Kreditwesen, Jg. 62, S. 935–939. Gan, Yingjin H. ; Mayer, Christopher (2007): Agency Conflicts, Asset Substitution, and Securitization, Working Paper, Mai 2007. Gorton, Gary B. ; Pennacchi, George G. (1995): Banks and Loan Sales: Marketing Non-Marketable Assets, in: Journal of Monetary Economics, Jg. 35, S. 389–411. Gouldner, Alvin W. (1960): The Norm of Reciprocity: A Preliminary Statement, in: American Sociological Review, Jg. 25, S. 161–178. Green, Jerry ; Laffont, Jean-Jacques (1979): On Coalition Incentive Compatibility, in: Review of Economic Studies, Jg. 46, S. 243–254. Grossman, Sanford J. ; Hart, Oliver D. (1988): One Share-One Vote and the Market for Corporate Control, in: Journal of Financial Economics, Jg. 20, S. 175–202. Harrington, Joseph E. Jr. ; Skrzypacz, Andrzej (2007): Collusion under Monitoring of Sales, in: RAND Journal of Economics, Jg. 38, S. 314–331. Hartmann-Wendels, Thomas (2005): Bedingungen für die Handelbarkeit von Buchkrediten, in: Kreditderivate - Handbuch für die Bank- und Anlagepraxis, 2. Aufl., hrsg. von Hans-Peter Burghof u. a., Stuttgart 2005, S. 485–504. Hartmann-Wendels, Thomas ; Pfingsten, Andreas ; Weber, Martin (2010): Bankbetriebslehre, 5. Aufl., Berlin et al. 2010. Haubrich, Joseph G. ; Thomson, James B. (1996): Loan Sales, Implicit Contracts, and Bank Structure, in: Review of Quantitative Finance and Accounting, Jg. 7, S. 137–162. Hawken, Kevin ; Bake, Miles (2009): Amendments to the Capital Requirements Directive adopted by European Parliament, in: Journal of Investment Compliance, Jg. 10, S. 49–53. Henke, Sabine (2002): Anreizprobleme beim Transfer der Kreditrisiken aus Buchkrediten, Berlin 2002. Jansen, Jos ; Jeon, Doh-Shin ; Menicucci, Domenico (2008): The Organization of Regulated Production: Complementarities, Correlation and Collusion, in: International Journal of Industrial Organization, Jg. 26, S. 327–353. 49

Keys, Benjamin J. ; Mukherjee, Tanmoy ; Seru, Amit ; Vig, Vikrant (2010): Did Securitization Lead to Lax Screening? Evidence from Subprime Loans, in: Quarterly Journal of Economics, Jg. 125, S. 307–362. Khalil, Fahad ; Lawarrée, Jacques (1995): Collusive Auditors, in: American Economic Review, Jg. 85, S. 442–446. Khalil, Fahad ; Lawarrée, Jacques (2006): Incentives for Corruptible Auditors in the Absence of Commitment, in: Journal of Industrial Economics, Jg. 54, S. 269–291. Kofman, Fred ; Lawarrée, Jacques (1993): Collusion in Hierarchical Agency, in: Econometrica, Jg. 61, S. 629–656. Kofman, Fred ; Lawarrée, Jacques (1996a): A Prisoner’s Dilemma Model of Collusion Deterrence, in: Journal of Public Economics, Jg. 59, S. 117–136. Kofman, Fred ; Lawarrée, Jacques (1996b): On the Optimality of Allowing Collusion, in: Journal of Public Economics, Jg. 61, S. 383–407. Laffont, Jean-Jacques ; Martimort, David (1998): Collusion and Delegation, in: RAND Journal of Economics, Jg. 29, S. 280–305. Laffont, Jean-Jacques ; Martimort, David (1999): Separation of Regulators against Collusive Behavior, in: RAND Journal of Economics, Jg. 30, S. 232–262. Laffont, Jean-Jacques ; Meleu, Mathieu (1997): Reciprocal Supervision, Collusion and Organizational Design, in: Scandinavian Journal of Economics, Jg. 99, S. 519–540. Laffont, Jean-Jacques ; Rochet, Jean-Charles (1997): Collusion in Organizations, in: Scandinavian Journal of Economics, Jg. 99, S. 485–495. Lüdke, Ulrike (2008): Vertraut und doch verkauft?, in: Finance-Magazin, März 2008, S. 16. Loutskina, Elena ; Strahan, Philip E. (2008): Informed and Uninformed Investment in Housing: The Downside of Diversification, Working Paper, August 2008. Macho-Stadler, Inés ; Pérez-Castrillo, J. David (1998): Centralized and Decentralized Contracts in a Moral Hazard Environment, in: Journal of Industrial Economics, Jg. 46, S. 489–510. Martimort, David (1999): The Life Cycle of Regulatory Agencies: Dynamic Capture and Transaction Costs, in: Review of Economic Studies, Jg. 66, S. 929–947. Maug, Ernst (2002): Insider Trading Legislation and Corporate Governance, in: European Economic Review, Jg. 46, S. 1569–1597. Mian, Atif ; Sufi, Amir (2008): The Consequences of Mortgage Credit Expansion: Evidence from the U.S. Mortgage Default Crisis, Working Paper, Dezember 2008. Nocke, Volker ; White, Lucy (2007): Do Vertical Mergers Facilitate Upstream Collusion?, in: American Economic Review, Jg. 97, S. 1321–1339. 50

Olson, Mancur (1965): The Logic of Collective Action: Public Goods and the Theory of Groups, Cambridge 1965. Pagano, Marco ; Röell, Ailsa (1998): The Choice of Stock Ownership Structure: Agency Costs, Monitoring, and the Decision to Go Public, in: Quarterly Journal of Economics, Jg. 113, S. 187–225. Park, Cheol (2000): Monitoring and Structure of Debt Contracts, in: Journal of Finance, Jg. 55, S. 2157–2195. Pavel, Christine ; Phillis, David (1987): Why Commercial Banks Sell Loans: An Empirical Analysis, in: Economic Perspectives, Jg. 11, S. 3–14. Pennacchi, George G. (1988): Loan Sales and the Cost of Bank Capital, in: Journal of Finance, Jg. 43, S. 375–396. Pound, John (1988): Proxy Contest and the Efficiency of Shareholder Oversight, in: Journal of Financial Economics, Jg. 20, S. 237–265. Purnanandam, Amiyatosh (2010): Originate-to-Distribute Model and the Subprime Mortgage Crisis, Working Paper, Mai 2010. Repullo, Rafael ; Suarez, Javier (1998): Monitoring, Liquidation, and Security Design, in: Review of Financial Studies, Jg. 11, S. 163–187. Robinson, Marc S. (1985): Collusion and the Choice of Auction, in: RAND Journal of Economics, Jg. 16, S. 141–145. Rudolph, Bernd (2006): Unternehmensfinanzierung und Kapitalmarkt, Tübingen 2006. Rudolph, Bernd ; Hofmann, Bernd ; Schaber, Albert ; Schäfer, Klaus (2007): Kreditrisikotransfer - Moderne Instrumente und Methoden, Berlin et al. 2007. Rudolph, Bernd ; Scholz, Julia (2008): Driving Factors of the Subprime Crisis and Some Reform Proposals, in: CESifo DICE Report, 3/2008, S. 14-19. Shleifer, Andrei ; Vishny, Robert W. (1986): Large Shareholders and Corporate Control, in: Journal of Political Economy, Jg. 94, S. 461–488. Stigler, George J. (1971): The Theory of Economic Regulation, in: Bell Journal of Economics and Management Science, Jg. 2, S. 3–21. Strausz, Roland (1997): Delegation of Monitoring in a Principal-Agent Relationship, in: Review of Economic Studies, Jg. 64, S. 337–357. Tirole, Jean (1986): Hierarchies and Bureaucracies: On the Role of Collusion in Organizations, in: Journal of Law, Economics, and Organization, Jg. 2, S. 181–214. Tirole, Jean (1992): Collusion and the Theory of Organizations, in: Advances in Economic Theory, hrsg. von Jean-Jacques Laffont, Bd. 2, Cambridge 1992, S. 151–206. Vafaï, Kouroche (2005): Collusion and Organization Design, in: Economica, Jg. 72, S. 17– 37.

51

Anhang zu Kapitel 2 B Anhang A: Herleitung von w I und woM

Die Bedingung (2.2), die das Moral Hazard-Problem hinsichtlich der Projektwahl des Unternehmers beschreibt, lässt sich wie folgt nach dem Rückzahlungsbetrag D auflösen: pH (R − D) < pL (R − D) + B ⇐⇒

Δp(R − D) < B

⇐⇒

D >R−

B . Δp

Setzt man anschließend für D den vom Investor geforderten Rückzahlungsbetrag DI aus Gleichung (2.3) ein, erhält man die Höhe der Eigenmittel des Unternehmers wI , die für das Zustandekommen eines Kredits vom Investor erforderlich ist und für die angenommen wird, dass sie höher ist als die tatsächlich dem Unternehmer zur Verfügung stehenden Eigenmittel: I −w B >R− pH Δp ⇐⇒ ⇐⇒



 B Δp   B w < I − pH R − Δp I − w > pH

R−

=⇒ wI = I − pH

  B . R− Δp

Führt man das Gleiche für den von der Bank ohne Monitoring geforderten Rückzahlungsbetrag DoM aus Gleichung (2.4) durch, ergibt sich folgende Bedingung für die Mindesthöhe der Eigenmittel des UnternehB mers woM : δ 2 (I − w) B >R− pH Δp  pH ⇐⇒ I − w > 2 R − δ  pH ⇐⇒ w < I − 2 R − δ

 B Δp    B B pH B =⇒ woM . =I− 2 R− Δp δ Δp

B Da für die von der Bank geforderte (Brutto-)Rendite δ > 1 angenommen wurde, gilt wI < woM , so dass die in (2.5) dargestellte Ungleichung erfüllt ist:

w < I − pH

    B B pH B = wI < I − 2 R − = woM R− . Δp δ Δp

Anhang B: Herleitung der maximalen Höhe von c Die Bedingung (2.10) für die maximale Höhe der Monitoringkosten ergibt sich aus der in (2.9) dargestellten Partizipationsbedingung des Unternehmers. Durch Einsetzen des Rückzahlungsbetrages D aus

52

Gleichung (2.8) in die Partizipationsbedingung und anschließender Auflösung des sich ergebenden Ausdrucks nach c lässt sich die Bedingung (2.10) für die Monitoringkosten wie folgt herleiten: pH

  δ 2 (I − w + c) R− ≥ w, pH

⇐⇒

pH R − δ 2 (I − w) − δ 2 c − w ≥ 0

⇐⇒

c≤

pH R − δ 2 (I − w) − w. δ2

Anhang C: Herleitung von w B Die durch Monitoring abgeschwächte Anreizkompatibilitätsbedingung der Bank (2.6) lässt sich wie folgt nach dem Rückzahlungsbetrag D auflösen: pH (R − D) ≥ (1 − q)(pL (R − D) + B) ⇐⇒

(pH − (1 − q)pL )(R − D) ≥ (1 − q)B

⇐⇒

D ≤R−

(1 − q)B . pH − (1 − q)pL

Durch Einsetzen von D aus Gleichung (2.8) und anschließender Auflösung nach w ergibt sich die in (2.11) dargestellte Mindesthöhe der Eigenmittel des Unternehmers: δ 2 (I − w + c) (1 − q)B ≤R− pH pH − (1 − q)pL   (1 − q)B pH = wB . ⇐⇒ w ≥ I + c − 2 R − δ pH − (1 − q)pL

Anhang D: Herleitung des Gewinns der Bank im First Best-Fall Unter First Best-Bedingungen stellt sich der Gewinn der Bank bei einem vollständigen Verkauf des Kredits an den Investor wie folgt zusammen:

πF B (α = 1) = pH D − c +    Verkaufserlös

(I − w)   

.

zur Verfügung gestelltes Kapital

Wird für D in der Gewinngleichung der Rückzahlungsbetrag aus Gleichung (2.8) eingesetzt und der sich ergebende Ausdruck anschließend vereinfacht, ergibt sich der in (2.12) dargestellte Gewinn der Bank im First Best-Fall: πF B (α = 1) = pH

δ 2 (I − w + c) −c+I −w pH

= δ 2 (I − w + c) − (I − w + c) = (δ 2 − 1)(I − w + c).

53

Anhang E: Herleitung der Höhe des maximal zu veräußernden Anteils α∗ im Second Best-Fall ohne Kollusionsproblem Der kritische Anteil α∗ lässt sich durch Umformen der in (2.13) dargestellten Anreizkompatibilitätsbedingung der Bank wie folgt ermitteln: (1 − α)pL D (1 − α)pH D −c≥ δ2 δ2 (1 − α)ΔpD ⇐⇒ ≥c δ2 δ2 c ⇐⇒ 1 − α ≥ ΔpD δ2 c = α∗ . ⇐⇒ α ≤ 1 − ΔpD

Anhang F: Herleitung des Gewinns der Bank im Second Best-Fall ohne Kollusionsproblem Veräußert die Bank unter Beibehalt der Monitoring- sowie Servicingfunktion den Anteil α des Kredits, wobei α ≤ α∗ gilt, setzt sich ihr Gewinn wie folgt zusammen:

πSB (α ≤ α∗ ) =

αpH D   

+

Verkaufserlös

(1 − α)pH D δ2 



+

erwartete Zahlung aus dem einbehaltenen Anteil

(I − w)    zur Verfügung gestelltes Kapital

−

c 

.

Monitoringkosten

Durch Umformen und Einsetzen des Rückzahlungsbetrages D aus Gleichung (2.8) ergibt sich der Gewinn der Bank entsprechend der Gleichung (2.15):   1−α pH D − (I − w + c) α+ δ2   1−α 2 δ (I − w + c) − (I − w + c) = α+ δ2

πSB (α ≤ α∗ ) =

= (αδ 2 + 1 − α − 1)(I − w + c) = α(δ 2 − 1)(I − w + c).

Anhang G: Beweis der Unvorteilhaftigkeit eines vollständigen Kreditverkaufs Verkauft die Bank das Darlehen des Unternehmers vollständig ohne das Monitoring sowie Servicing zu übernehmen, geht der Investor von der Durchführung des schlechten Projekts durch den Unternehmer aus und zahlt dementsprechend einen Preis in Höhe von pL D für das gesamte Darlehen. Somit ergibt sich in diesem Fall ein Gewinn der Bank in Höhe von πSB (α = 1) = pL D − (I − w).

54

Dieser lässt sich durch Einsetzen des Rückzahlungsbetrages D aus Gleichung (2.8) wie folgt umformen: δ 2 (I − w + c) πSB (α = 1) = pL · − (I − w) pH   2 pL δ 2 c pL δ − 1 (I − w) + . = pH pH

(2.22)

Im Folgenden soll bewiesen werden, dass der Gewinn der Bank bei einer vollständigen Veräußerung des Kredits stets negativ ist. Aus Gleichung (2.22) wird deutlich, dass der Gewinn der Bank umso größer ist, je höher die Monitoringkosten der Bank c sind. Folglich muss πSB (α = 1) auch dann negativ sein, wenn für c der maximal mögliche Wert aus Gleichung (2.10) eingesetzt wird. Durch Einsetzen von cmax in Gleichung (2.22) und Umformen folgt    pL δ 2 pL δ 2 pH R − δ 2 (I − w) − w − 1 (I − w) + · pH pH δ2   pL δ2 pL w pL δ 2 (I − w) + pL R − −1− = pH pH pH Δpw = − I + pL R. pH 

πSB (α = 1) =

(2.23)

Aus Gleichung (2.23) ist nun zu erkennen, dass der Gewinn der Bank auch umso größer ist, je höher die investierten Eigenmittel des Unternehmers w sind. Für deren maximale Höhe wurde folgende Bedingung w < wI < wB unterstellt. Setzt man für die Eigenmittel des Unternehmers in Gleichung (2.23) den maximalen Wert wI ein und formt den sich für πSB (α = 1) ergebenden Ausdruck um, lässt sich unter Berücksichtigung der hinsichtlich der Projektparameter getroffenen Annahme (2.1) beweisen, dass der Gewinn der Bank bei einem vollständigen Verkauf des Darlehens stets einen negativen Wert annimmt:   B − I + pL R R− Δp Δp I − ΔpR = (pL R + B − I) + pH Δp (I − pH R) < 0. = (pL R + B − I) +    pH    < 0 (A1)

πSB (α = 1) =

Δp pH



I − pH

< 0 (A1)

Anhang H: Beweis der Zusammenhänge zwischen α∗ und c, D, pH bzw. Δp i)

Beweis des negativen Zusammenhangs zwischen α∗ und c Es lässt sich zeigen, dass die erste Ableitung der die Höhe des Anteils α∗ bestimmenden Funktion nach den Monitoringkosten c negativ ist. Da der kritische Anteil α∗ von der Höhe des Rückzahlungsbetrages bestimmt wird und dieser wiederum von den Monitoringkosten der Bank abhängt, ist für die folgende Analyse erforderlich, für D in der Gleichung (2.14) für den kritischen Anteil α∗ den Rückzahlungsbetrag aus (2.8) einzusetzen. Dabei ergibt sich folgender Ausdruck für α∗ : (2.24)

α∗ =

Δp(I − w + c) − cpH . Δp(I − w + c)

55

Wird dieser nach den Monitoringkosten abgeleitet, resultiert folgender Ausdruck für die erste Ableitung: pH (I − w) δα∗ =− < 0. δc Δp(I − w + c)2 Die erste Ableitung des kritischen Anteils α∗ nach den Monitoringkosten ist folglich stets negativ, womit der negative Zusammenhang zwischen α∗ und c bewiesen ist. ii)

Beweis des positiven Zusammenhangs zwischen α∗ und D Zwischen α∗ und D besteht ein positiver Zusammenhang, da für die erste Ableitung des kritischen Anteils α∗ nach dem Kreditrückzahlungsbetrag D gilt: δ2 c δα∗ = > 0. D ΔpD2

iii)

Beweis des positiven Zusammenhangs zwischen α∗ und pH bzw. Δp Da die Höhe des kritischen Anteils α∗ vom Kreditrückzahlungsbetrag D abhängt und dieser wiederum von der Höhe der Erfolgswahrscheinlichkeit pH bestimmt wird, muss zur Ermittlung des Zusammenhangs zwischen α∗ und pH Gleichung (2.24) nach pH abgeleitet werden: pL c δα∗ = > 0. δpH Δp2 (I − w + c) Die erste Ableitung des kritischen Anteils α∗ nach der Erfolgswahrscheinlichkeit pH ist stets positiv, wodurch sich der positive Zusammenhang zwischen α∗ und pH sowie zwischen α∗ und Δp ergibt.

Anhang I: Herleitung der Höhe des maximal zu veräußernden Anteils α∗K im Second Best-Fall mit Kollusionsproblem Der kritische Anteil α∗K aus Gleichung (2.19) lässt sich aus der Anreizkompatibilitätsbedingung der Bank im Kollusionsfall, Bedingung (2.18), ermitteln. Wird die Anreizkompatibilitätsbedingung nach dem Anteil α aufgelöst, ergibt sich der kritische veräußerbare Anteil α∗K , bis zu dem die Bank dem Investor glaubhaft signalisieren kann, dass sie keine Kollusion mit dem Unternehmer eingehen wird: (1 − α)pH D (1 − α)pL D + Smax −c≥ δ2 δ2 (1 − α)ΔpD Smax ⇐⇒ ≥c+ 2 δ2 δ δ 2 c + Smax ⇐⇒ (1 − α) ≥ ΔpD δ 2 c + Smax δ 2 c + Smax ⇐⇒ α ≤ 1 − =⇒ α∗K = 1 − . ΔpD ΔpD

56

Anhang J: Beweis der Zusammenhänge zwischen α∗K und c, D, pH bzw. Δp Die Richtungen der Zusammenhänge zwischen α∗K und c, D sowie pH lassen sich analog zu Anhang H durch die Bestimmung des Vorzeichens der entsprechenden ersten Ableitung der die Höhe des kritischen Anteils α∗K bestimmenden Funktion (2.14) beweisen. Da der maximal veräußerbare Anteil α∗K von der maximalen Seitenzahlung Smax sowie dem Kreditrückzahlungsbetrag D bestimmt wird und diese Variablen wiederum von der Höhe der Monitoringkosten c und der Höhe der Erfolgswahrscheinlichkeit pH abhängen, ist es zur Ermittlung der ersten Ableitung des kritischen Anteils α∗K nach c bzw. nach pH erforderlich, für D und Smax in der Gleichung (2.14) für den kritischen Anteil α∗K den Rückzahlungsbetrag aus (2.8) sowie die maximale Seitenzahlung aus (2.17) einzusetzen. Wird für Smax in der Gleichung (2.14) der Ausdruck für die maximale Seitenzahlung aus Gleichung (2.17) eingesetzt, folgt δ2 c + B − Δp(R − D) ΔpD ΔpD − δ 2 c − B + Δp(R − D) = ΔpD ΔpR − B − δ 2 c = . ΔpD

α∗K = 1 −

(2.25)

Einsetzen des Ausdrucks für den Rückzahlungsbetrag D aus (2.8) in die Gleichung (2.14) für den kritischen Anteil α∗K ergibt (2.26)

i)

α∗K =

pH (ΔpR − B − δ 2 c) . Δpδ 2 (I − w + c)

Beweis des negativen Zusammenhangs zwischen α∗K und c Wird die Gleichung (2.26) nach den Monitoringkosten c abgeleitet, ergibt sich, dass die erste Ableitung stets negativ ist: δα∗K pH δ2 (I − w) + pH (ΔpR − B) < 0, =− δc Δpδ2 (I − w + c)2 womit der negative Zusammenhang zwischen α∗K und c bewiesen ist.

ii)

Beweis des positiven Zusammenhangs zwischen α∗K und pH bzw. Δp Die erste Ableitung der Gleichung (2.26) für den kritischen Anteil α∗K nach der Erfolgswahrscheinlichkeit pH ist stets positiv: Δ2 pR + pL (B + δ 2 c) α∗K > 0, = δpH Δ2 pδ 2 (I − w + c) wodurch sich der positive Zusammenhang zwischen α∗K und pH sowie zwischen α∗K und Δp zeigt.

iii)

Beweis des negativen Zusammenhangs zwischen α∗K und D Zur Ermittlung des Zusammenhangs zwischen α∗K und D muss Gleichung (2.25) nach D abgeleitet werden, wobei sich folgende erste Ableitung ergibt: α∗K ΔpR − B − δ 2 c < 0. =− δD ΔpD2

57

Es lässt sich zeigen, dass diese stets negativ ist, so dass α∗K umso größer ist, je kleiner sich der Rückzahlungsbetrag D darstellt. Der Zusammenhang zwischen α∗K und D ist somit negativ.

Anhang K: Beweis der Zusammenhänge zwischen Δα und B, R, pH , c, D Die Zusammenhänge der Differenz Δα mit den verschiedenen Variablen lassen sich durch Ableiten der Gleichung (2.21), die die Differenz Δα formal darstellt, beweisen. Es ergeben sich folgende erste Ableitungen von Δα: i)

δΔα 1 = >0 δB ΔpD

ii)

δΔα 1 =− <0 δR D

iii)

pL B + Δ2 pR δΔα >0 =− 2 2 δpH Δ pδ (I − w + c)

iv)

δΔα pH (ΔpR − B) = >0 δc Δpδ 2 (I − w + c)2

v)

ΔpR − B δΔα = > 0. δD ΔpD2

Somit zeigt sich, dass ein positiver Zusammenhang von Δα mit B, c und D sowie ein negativer Zusammenhang mit R und pH besteht.

58

3 Analyse von Interessenkonflikten beim Management von CLO-Transaktionen

3.1 Problemstellung Seit dem Beginn der Finanzkrise im Sommer 2007 stehen Verbriefungsprodukte wie z. B. Collateralized Debt Obligations (CDOs) in der öffentlichen Kritik. Neben der Intransparenz der Produkte und den zweifelhaften Bewertungen durch die Ratingagenturen sind insbesondere verfehlte Anreizstrukturen als Treiber der Finanzkrise identifiziert worden.1 Aufgrund der vor allem im US-amerikanischen Markt sehr weitgehenden Aufspaltung der Wertschöpfungskette in der Finanzintermediation besteht zwischen den einzelnen Marktteilnehmern eine Vielzahl von Anreiz- und Interessenkonflikten.2 Die vorliegende Studie legt ihr Hauptaugenmerk auf die Asset Manager von Collateralized Loan Obligations (CLOs), die bei einer Transaktion für die Auswahl und die Verwaltung der Kreditforderungen des zugrunde liegenden Portfolios verantwortlich sind, und untersucht die zwischen diesen und den CLO-Investoren bestehenden Interessenkonflikte im Hinblick auf das Management des Referenzportfolios. Das Verhältnis zwischen dem Asset Manager (Collateral Manager oder CLO-Manager) und den Investoren einer CLO-Transaktion stellt eine klassische Prinzipal-AgentenBeziehung dar, in der der Manager als Agent im Auftrag der Investoren (Prinzipale) das der Transaktion zugrunde liegende Kreditportfolio verwaltet. Da die Investoren die Entscheidungen des Portfoliomanagers nicht beobachten oder kontrollieren können, wird es in Abhängigkeit der Anreize des Managers zu Agency-Konflikten kommen. Die Anreize des CLO-Managers sowie die Existenz möglicher Interessensdivergenzen hängen im Wesentlichen von der spezifischen vertraglichen Gestaltung der Managervergütung und der Strukturierung der emittierten Wertpapiere ab.3 Ein spezifisches Strukturierungsmerkmal 1 2

3

Zum Einfluss von Verbriefungen auf die Entstehung und die Entwicklung der Finanzkrise siehe Franke / Krahnen (2008). Vgl. Rudolph (2008), S. 726-727, und Franke / Krahnen (2008), S. 11-22. Für eine ausführliche Beschreibung der verschiedenen Friktionen zwischen den Beteiligten einer Verbriefungstransaktion siehe Ashcraft / Schuermann (2008), S. 5-11, sowie die zusammenfassende Darstellung in Kapitel 1.1. Darüber hinaus werden die Anreize des Managers auch durch mögliche Reputationsbedenken des Managers sowie durch die Höhe und die Form einer möglichen Beteiligung des Managers an der Transaktion bestimmt. „[...] the renumeration scheme, a possible ownership of the equity tranche and reputational

59 J. Scholz, Identifi kation und Lösung von Interessenkonfl ikten bei Verbriefungstransaktionen, DOI 10.1007/ 978-3-8349-6189-1_3, © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2011

von CLO-Transaktionen stellt die Tranchierung der Kreditforderungen des Asset Pools in mehrere Wertpapiertranchen bzw. -klassen dar, die unterschiedlich priorisierte Ansprüche auf die aus dem Pool eingehenden Zahlungen verbriefen.4 Es handelt sich daher nicht um eine zweiseitige Agency-Beziehung zwischen dem Asset Manager und den CLO-Investoren, sondern um eine mehrseitige, da der Manager mehreren Investorengruppen mit unterschiedlichen Ansprüchen und Präferenzen gegenüber steht. Die CLO-Tranchen weisen in Abhängigkeit ihres Rangs unterschiedliche Zahlungscharakteristika auf. Die vorrangigen Tranchen (Senior und Mezzanine Tranchen) sind mit einem festen oder variablen Kupon ausgestattet, verfügen über das Rating einer Ratingagentur und haben gegenüber der untersten Tranche (Equity Tranche oder First Loss Piece, FLP) einen übergeordneten Anspruch auf die eingehenden Zahlungen aus dem unterlegten Asset Pool. Sie besitzen somit Fremdkapitalcharakter und werden als Debt Tranchen bezeichnet. Demgegenüber steht die Equity Tranche ohne Kupon und ohne Rating, die einen Residualanspruch auf die Pool-Cashflows nach vollständiger Befriedigung der Zins- und Tilgungsansprüche der Investoren der Senior und Mezzanine Tranchen verbrieft. Die Kapitalstruktur einer CLO-Transaktion ist somit mit der eines Unternehmens vergleichbar, so dass die in der Corporate Finance-Literatur untersuchten Anreizprobleme zwischen dem Manager eines Unternehmens und den Eigen- und Fremdkapitalgebern grundsätzlich auf gemanagte Kreditverbriefungstransaktionen angewandt werden können. Dies stellt zum einen das mit einer externen Eigenkapitalbeteiligung verbundene Leistungsanreizproblem dar, das daraus resultiert, dass dem Manager nur ein Bruchteil des durch seine Anstrengungen erwirtschafteten Mehrwerts zu Gute kommt, also im Fall gemanagter CLOs den erzielten Arbitragegewinn. Zum anderen besteht bei einer hohen externen Fremdkapitalfinanzierung das erstmals von Jensen / Meckling (1976) beschriebene Risikoanreizproblem (Risk Shifting oder Asset Substitution), bei welchem am Eigenkapital beteiligte Manager einen Anreiz zur Steigerung des Risikogehalts des Unternehmensvermögens bzw. bei gemanagten CLO-Transaktionen des Referenzportfolios haben. Im Rahmen des Managements von CLO-Transaktionen ist insbesondere das letzte Problem von Bedeutung, da die Transaktionen mit einer Equity Tranche in der Regel von nur 6% bis 12% einen hohen Leverage aufweisen.5 In diesem Zusammenhang zeigt beispielsweise Moody’s Inves-

4

5

concerns have a strong impact on managers’ incentives to serve the different investor groups.“ Keller (2008), S. 3. In diesem Zusammenhang wird auch von Pay-Through-Strukturen gesprochen, die sich durch ein aktives Management der Cashflows des Pools auszeichnen. Demgegenüber stehen Pass-ThroughKonstruktionen, bei welchen die Cashflows direkt und unverändert an die Investoren der CLOs weitergeleitet werden und die Wertpapiere demnach proportionale Ansprüche am zugrunde liegenden Pool verbriefen. Die Tranchierung des Asset Pools ist für die vorliegende Untersuchung von zentraler Bedeutung, weshalb die folgenden Ausführungen von einer Pay-Through-Struktur ausgehen. Diese Angabe bezieht sich auf Cashflow-Transaktionen, die in der vorliegenden Studie betrachtet werden. Vgl. hierzu Lucas / Goodman / Fabozzi (2006), S. 35, Franke / Weber (2007), S. 110, Franke / Herrmann / Weber (2007), S. 31, und Franke / Weber (2009), S. 15. Im Gegensatz dazu liegt die Größe

60

tors Service (2003) in einer Fallstudie zur Performance gemanagter Collateralized Bond Obligation-Transaktionen, dass bei einigen der am schlechtesten laufenden Transaktionen die unterdurchschnittliche Performance zu einem großen Teil auf die risikoreiche Strategie der Collateral Manager zurückzuführen ist. „Much of the portfolio under-performance can be attributed to industry concentration [...] and an ’aggressive’ investment philosophy. [...] In addition to making bad credit choices, some managers have purchased discounted securities or engaged in risky trading strategies to avoid triggering O/C tests that would otherwise have required diverting money from junior to the most senior noteholders.“ 6 Das Ziel der vorliegenden Studie ist es, das Risikoverhalten der Asset Manager von CLOTransaktionen zu analysieren, mögliche Interessenkonflikte zwischen den Managern und den verschiedenen Investorengruppen zu identifizieren und Lösungen zu entwickeln, diese Interessenkonflikte soweit wie möglich abzubauen. Im Einzelnen wird geprüft, wie der Asset Manager einer CLO-Transaktion die Auswahl der zugrunde liegenden Kredite in Bezug auf deren Ausfallwahrscheinlichkeit und Wiedergewinnungsquote (Recovery Rate) sowie in Bezug auf die Portfoliokonzentration trifft, wenn er den Wert seiner Vergütung und den Wert einer möglichen Beteiligung an der Equity Tranche maximiert. Da aufgrund der Tranchierung des Asset Pools die emittierten Wertpapiertranchen divergierende Risikoeigenschaften aufweisen und somit durch die Anlageentscheidungen des Managers unterschiedlich beeinflusst werden, wird die Wertsensitivität der verschiedenen CLO-Tranchen gegenüber Veränderungen des Risikos des Referenzportfolios untersucht, um die Präferenzen der Investoren der verschiedenen Tranchen zu bestimmen.7 Auf dieser Basis wird dann analysiert, im Interesse welcher Investoren der CLO-Manager die Risikoeigenschaften des Kreditpools festlegt und mit welchen Investoren Interessen- bzw. Anreizkonflikte bestehen. Es wird anhand einer Monte Carlo-Simulation eine gemanagte CLO-Transaktion modelliert, bei der der Asset Manager nach der Strukturierung und der Emission unterschiedlich priorisierter Tranchen das zugrunde liegende Kreditportfolio zusammenstellt. Als Kompensation erhält dieser eine Vergütung, die sich aus einer Senior, einer Subordinated und einer Incentive (Management) Fee zusammensetzt und somit die typische Ausgestaltungsform

6

7

der Equity Tranche von Market Value-Transaktionen zwischen 15% und 25%. Siehe Kothari (2006), S. 427. Zu den Unterschieden zwischen Cashflow CLOs und Market Value CLOs siehe Kapitel 3.2.1. Moody’s Investors Service (2003), S. 12-13. Vgl. auch Keller (2008), S. 5-6, und Garrison (2005), S. 5-6, mit weiteren Belegen für risikoreiche Investmentstrategien von Collateral Managern sowie die empirische Analyse in Kapitel 4. Für eine Erläuterung des Overcollateralization (O/C) Tests siehe Kapitel 3.2.4. Vgl. hierzu Krahnen / Wilde (2008), die anhand einer Simulationsstudie aufzeigen, dass sich unvorhergesehene Veränderungen der Ausfallwahrscheinlichkeit und der Asset-Korrelation der im Asset Pool einer CLO-Transaktion enthaltenen Kredite auf die Risikoeigenschaften der verschieden priorisierten Tranchen unterschiedlich auswirken.

61

der Managervergütung in CLO-Transaktionen annimmt.8 Dem Manager stehen bei der Zusammenstellung des Asset Pools mehrere Kreditportfolios zur Auswahl, die sich in der Ausfallwahrscheinlichkeit, der Konzentration sowie der Recovery Rate der unterlegten Kredite unterscheiden. Für die verschiedenen Referenzportfolios werden die sich jeweils für die Managervergütung und die verschiedenen Tranchen ergebenden Barwerte ermittelt und daraus die Präferenzen des Managers und der verschiedenen Investorengruppen bestimmt. Hierbei wird von risikoneutralen und nach dem Bernoulli-Prinzip handelnden Akteuren ausgegangen. Die Untersuchung wird für verschiedene Vergütungsstrukturen und unterschiedlich hohe Beteiligungen des CLO-Managers an der Equity Tranche durchgeführt. Schließlich wird die Robustheit der Ergebnisse hinsichtlich der unterstellten Subordinationsstruktur und der Risikoeinstellung des Managers geprüft. Zum einen werden für den Reserve Account verschiedene Obergrenzen (Caps) und für die Debt Tranchen Overcollateralization Tests (O/C Tests) eingeführt, zum anderen wird für den CLO-Manager ein risikoaverses Verhalten angenommen. In der vorliegenden Studie wird gezeigt, dass der CLO-Manager einen Anreiz zur Maximierung der Konzentration des Referenzportfolios besitzt, unabhängig von der Höhe der einzelnen Vergütungskomponenten und einer möglichen Beteiligung an der Equity Tranche. Bezüglich der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite maximiert er das Portfoliorisiko dagegen nur dann, wenn die Incentive Fee an der Gesamtvergütung einen vergleichsweise hohen Anteil annimmt und/oder der Manager einen gewissen Anteil an der Equity Tranche hält. Auf die verschiedenen CLO-Tranchen wirken sich die Anlageentscheidungen des Asset Managers unterschiedlich aus. Die Werte der Senior und der Mezzanine Tranchen sind umso größer, je geringer der Manager das Risiko des Referenzportfolios gestaltet, wohingegen die Equity Tranche ihren maximalen Wert bei dem größtmöglichen Risiko erzielt. Dementsprechend kommt es zu einem Anreizkonflikt zwischen dem CLO-Manager und den Investoren der Debt Tranchen in Bezug auf die Festlegung der Portfoliokonzentration und, wenn eine bestimmte Managerbeteiligung an der Equity Tranche vorliegt und/oder der Anteil der Incentive Fee an der Gesamtvergütung vergleichsweise hoch ist, zudem in Bezug auf die Bestimmung der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite. Hierbei werden die Investoren der Mezzanine Tranchen wesentlich stärker als die Investoren der Senior Tranche von den Entscheidungen des Managers betroffen, da eine Tranche eine umso größere Wertsensitivität gegenüber dem Risiko des Asset Pools aufweist, je geringer ihre Priorität in Bezug auf die Verteilung der Cashflows aus dem Pool ist. Im Gegensatz dazu liegt ein Interessenkonflikt zwischen dem CLOManager und den Investoren der Equity Tranche vor, wenn die Beteiligung des Managers an der Equity Tranche und die Incentive Fee so gering sind, dass für den Manager kein Anreiz zur Maximierung des Portfoliorisikos bezüglich der Ausfallwahrscheinlichkeit und 8

Vgl. hierzu Keller (2008), S. 12, Fitch (2008b), S. 12 und 21, sowie Kapitel 3.2.3.

62

der Recovery Rate der Kredite besteht. Bei der Überprüfung der Robustheit der Ergebnisse hinsichtlich der gewählten Subordinationsstruktur wird dargelegt, dass sich bestehende Risikoanreizprobleme durch die Gestaltung von Overcollateralization Tests für die Debt Tranchen abmildern bzw. lösen lassen. Hierbei hängt es insbesondere von der Höhe des für den O/C Test der untersten Debt Tranche festgelegten Grenzwertes ab, inwieweit das Risikoanreizproblem gelöst werden kann. Dagegen wird die Präferenzordnung des CLOManagers durch die Annahme eines risikoaversen Verhaltens nicht beeinflusst, da auch ein stark risikoaverser Manager die Portfoliokonzentration maximiert und das Portfoliorisiko in Bezug auf die Ausfallwahrscheinlichkeit und die Recovery Rate der Kredite minimiert. Allerdings werden die Ergebnisse hinsichtlich der Festlegung der Ausfallwahrscheinlichkeit und der Recovery Rate deutlich robuster gegenüber einer Erhöhung des Anteils der Incentive Fee an der Gesamtvergütung sowie gegenüber der Annahme einer Beteiligung des Managers an der Equity Tranche. Die vorliegende Studie ist wie folgt aufgebaut: Zunächst wird in Kapitel 3.2 auf zentrale Aspekte des Managements von CLO-Transaktionen eingegangen. Es folgt ein kurzer Überblick über den Stand der Literatur in Kapitel 3.3. Danach wird in Kapitel 3.4 der für die Simulationsstudie verwendete Modellrahmen vorgestellt. Die vorgenommene Simulationsstudie ist Gegenstand des Kapitels 3.5. Hierbei werden zunächst die Anlageentscheidungen des betrachteten CLO-Managers bezüglich der Ausfallwahrscheinlichkeit, der Konzentration und der Wiedergewinnungsquote der Kredite des Asset Pools untersucht sowie mögliche Interessenkonflikte zwischen dem Manager und den verschiedenen Investorengruppen identifiziert. Anschließend wird die Robustheit der Ergebnisse hinsichtlich der angenommenen Subordinationsstruktur sowie der Risikoeinstellung des CLO-Managers geprüft. Im abschließenden Kapitel 3.6 werden die Ergebnisse der Simulationsstudie zusammengefasst und diskutiert.

3.2 Das Management von CLO-Transaktionen 3.2.1 Grundstruktur und Einordnung von CLO-Transaktionen CLO-Transaktionen sind strukturierte Finanztransaktionen, in denen eine nur zum Zweck der Transaktion gegründete Zweckgesellschaft (Special Purpose Vehicle, SPV) einen Pool aus Kreditforderungen erwirbt, den sie durch die Emission von Wertpapieren refinanziert. Die Zins- und Tilgungsansprüche aus den emittierten Collateralized Loan Obligations sind mit dem Kreditpool besichert und werden aus den in den Pool eingehenden Zahlungen bedient. Die Zweckgesellschaft wird „insolvenzfern“ (bankruptcy remote) errichtet,

63

so dass sich die Zahlungsansprüche der Inhaber der CLOs ausschließlich gegen das SPV richten und bei Zahlungsunfähigkeit der ursprünglichen Kreditgeber der zugrunde liegenden Forderungen deren Gläubiger keinen Rückgriff auf die Assets der Zweckgesellschaft haben. Die Wertpapiere sind in der Regel nach dem Pay-Through-Prinzip in mehrere Tranchen unterschiedlicher Priorität strukturiert, wonach die Zins- und Tilgungszahlungen des Pools nicht wie bei dem Pass-Through-Prinzip direkt und unverändert an die Investoren durchgeleitet, sondern nach dem Wasserfall- oder Subordinationsprinzip in einer bestimmten Reihenfolge an die verschiedenen Tranchen verteilt werden.9 Zunächst wird die Senior Tranche, dann die Mezzanine Tranchen und schließlich die Equity Tranche bedient. Hierbei erhält eine Tranche immer nur dann Zahlungen, wenn die Zahlungsverpflichtungen der ihr vorrangigen Tranche vollständig erfüllt sind. Zahlungsverzögerungen oder -ausfälle wirken sich daher in umgekehrter Reihenfolge zunächst auf die nachrangigen Tranchen aus, so dass diese den vorrangigen Tranchen als Verlustpuffer dienen. Die mit Kreditforderungen unterlegten Collateralized Loan Obligations sind wie die Collateralized Bond Obligations, denen Anleihen als Sicherungsgrundlage dienen, ein Teilsegment des Marktes für Collateralized Debt Obligations.10 Neben der Art der verbrieften Forderungen lassen sich CDOs auch nach dem Motiv ihres Einsatzes unterscheiden, wobei zwischen Balance Sheet CDOs und Arbitrage CDOs differenziert wird. In einer Balance Sheet-Transaktion verbrieft eine Bank als Originator ein Portfolio an Buch- oder Wertpapierforderungen aus ihrer Bilanz. Banken verfolgen mit Balance Sheet-Transaktionen verschiedene Ziele wie zum Beispiel das Risikomanagement ihrer Bankbücher, die Entlastung des regulatorischen Eigenkapitals, die Refinanzierung ihres Kreditgeschäfts oder die Senkung der Finanzierungskosten.11 Im Gegensatz dazu erwirbt bei einer ArbitrageTransaktion das SPV Forderungen vom Markt, poolt und verbrieft diese mit dem Ziel, einen Arbitragegewinn aufgrund am Markt bestehender Bewertungsunterschiede zwischen den verbrieften Vermögenswerten auf der einen und den emittierten CDOs auf der anderen Seite zu erzielen.12 Arbitrage CDOs lassen sich weiter nach der Transaktionsstruktur in Cashflow CDOs und Market Value CDOs unterscheiden.13 Bei Cashflow-Transaktionen wird für die Sicherung und die Bedienung der Zahlungsverpflichtungen der emittierten Tranchen ausschließlich der Zahlungsstrom des Asset Pools herangezogen. Das Referenz9

Zu den ökonomischen Erklärungsansätzen für die Tranchenbildung siehe Boot / Thakor (1993), Riddiough (1997), DeMarzo / Duffie (1999), Plantin (2004), DeMarzo (2005) sowie Rudolph / Scholz (2007). 10 Darüber hinaus werden den CDOs auch Verbriefungen von Portfolios aus Hedge Fonds (Collateralized Fund Obligations), aus Private Equity-Ansprüchen (Collateralized Privat Equity Obligations) und aus strukturierten oder derivativen Kreditinstrumenten (Collateralized Structured Obligations) zugeordnet. Vgl. Rudolph u. a. (2007), S. 53. 11 Für einen ausführlicheren Überblick über die Motive des Einsatzes von Balance Sheet CDOTransaktionen siehe Ricken (2007), S. 53-132, und Arlt (2009), S. 72-87. 12 Vgl. Kothari (2006), S. 423-425. 13 Vgl. zu den folgenden Erläuterungen Jobst (2002), S. 9-10, Rudolph u. a. (2007), S. 57-58, und Schiefer (2008), S. 205-206.

64

portfolio wird durch den beauftragten Asset Manager so zusammengestellt, dass die Zinsund Tilgungszahlungen der im Pool befindlichen Assets ausreichen, um die Zahlungsansprüche der CDO-Investoren über die gesamte Laufzeit erfüllen zu können. Der Asset Pool ist bei Cashflow CDOs vergleichsweise unbeweglich, da die Möglichkeiten der Veränderung des Pools durch genaue Vorgaben stark beschränkt sind. So verfügt der Asset Manager bei dessen Zusammenstellung und Verwaltung nur über einen relativ begrenzten Handlungsspielraum. Im Gegensatz dazu werden die Zahlungsverpflichtungen der Tranchen bei Market Value-Transaktionen nicht allein aus den Cashflows des Pools beglichen, sondern auch aus den durch den gezielten An- und Verkauf von Vermögenswerten erwirtschafteten Handelsgewinnen. Der Asset Pool wird bei Market Value CDOs aktiv von einem Asset Manager verwaltet und täglich zu Marktpreisen bewertet. Da die an die Tranchen fließenden Zahlungen nicht nur von den Cashflows des Pools abhängig sind, verfügt der Manager bei Market Value-Transaktionen über einen wesentlich größeren Handlungsspielraum als bei Cashflow-Transaktionen. Im Mittelpunkt der vorliegenden Studie stehen die häufig am Markt emittierten Cashflow Arbitrage CLO-Transaktionen.

3.2.2 Zeitlicher Ablauf einer Arbitrage CLO-Transaktion Der grundlegende Ablauf einer Cashflow Arbitrage CLO-Transaktion lässt sich in vier Phasen unterteilen: die Warehousing-Periode, die Ramp Up-Periode, die ReinvestmentPeriode und die Paydown-Periode.14 In der Warehousing-Periode, deren Dauer in der Regel zwischen zwei und sechs Wochen beträgt, beginnt der CLO-Manager mit dem Erwerb der Kredite, wobei er genauen im Treuhandvertrag (Indenture) festgelegten Vorgaben unterliegt.15 Der Ankauf wird durch einen Kredit (Warehousing-Fazilität) des Arrangeurs oder eines externen Kreditgebers (Third Party Lender) finanziert.16 Die WarehousingPeriode endet mit dem Closing Date, an dem das SPV die Kredite erwirbt und die Wertpapiere am Markt platziert. In der Regel sind zu diesem Zeitpunkt erst 40% bis 70% des angestrebten Transaktionsvolumens durch den CLO-Manager erworben.17 Der Rest des Referenzportfolios wird durch den Ankauf weiterer Kredite in der darauf fol14

Vgl. im Folgenden Kothari (2006), S. 427-428, Tavakoli (2008), S. 207-211, Schiefer (2008), S. 192-195, sowie Standard & Poor’s (2002), S. 25-33. Die für die jeweiligen Perioden angegebenen Zeiträume unterscheiden sich in der Literatur, weshalb die im Folgenden gemachten Angaben lediglich grobe Richtwerte darstellen. 15 Die Warehousing-Periode kann für Structured Finance CDOs, für welche strukturierte Anleihen als Sicherungsgrundlage dienen, einen Zeitraum von bis zu drei Monaten umfassen. Vgl. hierzu Kothari (2006), S. 428, und Tavakoli (2008), S. 207. 16 Der Arrangeur ist für die Durchführung und die Abwicklung der CLO-Transaktion verantwortlich. Für eine detaillierte Darstellung der Aufgaben des Arrangeurs siehe z. B. Langner (2002), S. 657-658, Lucas / Goodman / Fabozzi (2006), S. 15, und Schiefer (2008), S. 77. 17 Siehe Standard & Poor’s (2002), S. 25, und Keller (2008), S. 4. Dies stellt einen Unterschied zu den statischen Transaktionen dar, bei welchen der Asset Pool zum Emissionszeitpunkt bereits vollständig feststeht.

65

genden Ramp Up-Periode aufgefüllt, die in der Regel einen Zeitraum von zwei bis sechs Wochen umfasst.18 Ist das Referenzportfolio vollständig zusammengestellt und sämtliche Vorgaben bezüglich der Zusammensetzung, der Qualität sowie der Diversifikation des Portfolios erfüllt, tritt die CLO-Transaktion in die Reinvestment- oder Revolving-Periode ein, in der das Management des Referenzportfolios erfolgt.19 In dieser Periode werden die aus dem Asset Pool eingehenden Zinszahlungen an die CLO-Tranchen gemäß dem festgelegten Subordinationsprinzip weitergeleitet. Tilgungszahlungen aufgrund planmäßiger und vorzeitiger Rückzahlungen sowie aufgrund von Ausfällen im Pool werden hingegen nicht zur Tilgung der Tranchen verwandt, sondern innerhalb der vereinbarten Anlagerichtlinien in neue Kredite reinvestiert. Des Weiteren kann der CLO-Manager Kredite, bei denen sich die Bonität der Schuldner verschlechtert oder verbessert hat, gegen andere austauschen sowie in einem begrenzten Umfang nach eigenem Ermessen handeln.20 Die Dauer der Reinvestment-Periode wird in der Regel mit fünf Jahren angegeben.21 Während der Reinvestment-Periode muss der CLO-Manager vorab definierte Qualitäts-, Diversifikations- sowie Strukturvorgaben für das Referenzportfolio einhalten. Können aufgrund von Verlusten im zugrunde liegenden Kreditpool die entsprechenden Tests nicht eingehalten werden, kann dies zu einer teilweisen oder vollständigen Rückzahlung der gerateten Tranchen in der Reihenfolge ihrer Seniorität führen.22 Darüber hinaus kann es während der Reinvestment-Periode zu einer Rückzahlung der CLOs kommen, wenn die Investoren der Equity Tranche die ihnen eingeräumten Optionsrechte zur vorzeitigen Liquidierung des Portfolios ausüben. Arbitrage CLO-Transaktionen haben meist eine Non-Call-Periode, deren Dauer mit drei Jahren nach dem Closing Date angegeben wird, weshalb eine vorzeitige Beendigung der Transaktion durch die Equity Investoren erst nach Ablauf dieser Periode möglich ist.23 Mit Ende der Reinvestment-Periode beginnt die Paydown-Periode, in der die CLO-Tranchen entsprechend dem Subordinationsprinzip zurückgezahlt werden. Aus dem Pool eingehende Tilgungszahlungen werden mit Ausnahme der Zahlungseingänge aus vorzeitigen Rückzahlungen nicht mehr reinvestiert, sondern an die Investoren weitergeleitet. In dieser Phase ist der Handlungsspielraum des CLO-Managers auf den Erwerb neuer Kredite infolge von Wertminderungen oder vorzeitiger Rückzahlungen beschränkt, wobei die neu in den Pool aufgenommenen Kredite über eine höhere Qualität und eine geringere Laufzeit verfügen müssen. Aufgrund der in der Paydown-Periode begrenzten Möglichkeiten des CLO-Managers, zusätzliche Gewinne zu erzielen, zahlt der Manager 18

Siehe Kothari (2006), S. 428, und Tavakoli (2008), S. 208. Im Fall von Structured Finance CDOs wird typischerweise eine längere Ramp Up-Periode von zwei bis drei Monaten festgelegt. 19 Zu den vom CLO-Manager einzuhaltenden Anlagebeschränkungen siehe Kapitel 3.2.4. 20 Siehe Standard & Poor’s (2002), S. 29-30, und Keller (2008), S. 4. 21 Vgl. Grau (2002), S. 13, Kothari (2006), S. 428, und Tavakoli (2008), S. 208-209. 22 Nach dem Nichtbestehen eines oder mehrerer Tests besitzt der CLO-Manager in der Regel die Möglichkeit, innerhalb einer Frist von ca. 10 bis 14 Tagen die Zusammensetzung des Asset Pools so zu verändern, dass die entsprechenden Kriterien wieder erfüllt werden und die Transaktion planmäßig fortgeführt werden kann. Siehe Schiefer (2008), S. 194. 23 Vgl. hierzu Tavakoli (2008), S. 209.

66

meist die Wertpapiere zu bzw. kurz nach Beginn der Paydown-Periode zurück.24 Daher weicht die erwartete Laufzeit einer CLO-Transaktion, die zwischen sieben und zehn Jahre liegt, meist von der rechtlichen Endfälligkeit, die mit zwölf Jahren angegeben wird, ab.25

3.2.3 Aufgaben und Vergütung des CLO-Managers In gemanagten Kreditverbriefungstransaktionen spielt der CLO-Manager aufgrund der ihm obliegenden Aufgaben eine entscheidende Rolle für den Erfolg einer Transaktion.26 Daher stellt die Prüfung seiner Erfahrung und Expertise einen zentralen Faktor bei der Beurteilung durch die Ratingagenturen dar.27 Er ist für die Auswahl und die Verwaltung des Referenzportfolios zu Beginn und während der Laufzeit der Transaktion verantwortlich, wobei er bei seinen Anlageentscheidungen an genaue Vorgaben und Beschränkungen gebunden ist. Er entscheidet über den Verkauf und Kauf der zugrunde liegenden Kreditforderungen mit dem Ziel, Verluste im Referenzportfolio zu vermeiden und Handelsgewinne zu realisieren. Hierzu überwacht er laufend die Bonität der einzelnen Kreditengagements sowie die Qualität des gesamten Portfolios und stellt die Einhaltung der festgesetzten Qualitäts-, Diversifikations- und Strukturvorgaben sicher.28 Als Kompensation erhält der CLO-Manager eine Vergütung, wobei die in Arbitrage CLOTransaktionen vorfindbaren Vergütungsstrukturen vielfältig sind. Die Managementgebühren werden aus den Cashflows des Referenzportfolios gezahlt, wobei die einzelnen Bestandteile der Vergütung wie die CLO-Tranchen über eine bestimmte Priorität in Bezug auf die Allokation der aus dem Pool eingehenden Zahlungen verfügen. Typischerweise setzt sich die Managervergütung aus einer fixen und zwei variablen Komponenten zusammen.29 Die fixe Basisvergütung stellt die Senior Management Fee dar, die dem Manager vor Begleichung der Zins- und Tilgungsforderungen der Investoren der Senior Tranche gezahlt wird.30 Sie liegt in der Regel zwischen 0,10% p. a. und 0,20% p. a. des durchschnittlichen jährlichen Nominalwerts des Asset Pools.31 Zu den variablen Bestandteilen der Manager-

24

Vgl. Keller (2008), S. 4. Bei Structured Finance CDOs beträgt die rechtliche Laufzeit 30 bis 35 Jahre. Vgl. Kothari (2006), S. 428. 26 Siehe Moody’s Investors Service (2010), S. 2, Standard & Poor’s (2009), S. 30, und Fitch (2008a), S. 12-13. 27 Zur Beurteilung der Fähigkeiten der Asset Manager von CDO-Transaktionen durch die Ratingagenturen siehe Standard & Poor’s (2001), Moody’s Investors Service (2002) und Fitch (2008c). 28 Zu den Aufgaben des CLO-Managers siehe auch Standard & Poor’s (2002), S. 6 und S. 56-62, Braun / Schmidt (2005), S. 207, und Fitch (2007), S. 11-17. 29 Möglich sind auch Vergütungsstrukturen, die aus einer fixen und einer variablen Komponente oder einer fixen und drei variablen Komponenten bestehen. 30 Im Folgenden werden die Begriffe „Senior Management Fee“ und „Senior Fee“ synonym verwendet. 31 Siehe Keller (2008), S. 12. 25

67

vergütung zählen die Subordinated Management Fee und die Incentive Management Fee.32 Die Subordinated Fee besitzt eine nachrangige Stellung gegenüber den gerateten Tranchen und wird folglich erst nach vollständiger Bedienung der Zins- bzw. Tilgungsansprüche der Investoren dieser Tranchen gezahlt. Die Höhe der Subordinated Fee beträgt typischerweise 0,40% p. a. bis 0,50% p. a. des durchschnittlichen jährlichen Nominalwerts des Asset Pools.33 Die Incentive Fee kann verschiedene Ausgestaltungsformen annehmen. Ihre Auszahlung ist in der Regel von der Erreichung einer bestimmten Mindestrendite (Internal Rate of Return) der Equity Tranche abhängig. Diese „Incentive Fee Threshold“ wird üblicherweise auf 12% p. a. festgesetzt.34 Sobald die Mindestrendite erreicht wird, erhält der Manager entweder einen bestimmten prozentualen Anteil der ab diesem Zeitpunkt an die Equity Tranche fließenden Cashflows oder eine jährliche Zahlung, die sich nach der Höhe des Nominalwerts des Referenzportfolios richtet. Die Höhe des Anteils an den über die Mindestrendite hinausgehenden Erträgen der Equity Tranche beträgt üblicherweise 20%, die Höhe der jährlichen Zahlung 0,10% p. a. des Nominalwerts des Referenzportfolios.35 Darüber hinaus übernimmt der Asset Manager häufig einen Teil oder die gesamte Equity Tranche, um den Investoren sein Interesse an einer sorgfältigen Auswahl (Screening) und Überwachung (Monitoring) der Kredite des Referenzportfolios zu signalisieren.36 Es wird deutlich, dass aufgrund der komplexen Struktur der Managervergütung eine Beurteilung der damit für CLO-Manager verbundenen Anreize eine quantitative Analyse erfordert, mittels derer sich die einzelnen Vergütungsbestandteile und deren Sensitivität gegenüber dem Risiko des Asset Pools genau bestimmen lassen.

3.2.4 Mechanismen zur Disziplinierung des CLO-Managers Der CLO-Manager verfügt über einen gewissen Spielraum, die Zusammensetzung des Referenzportfolios nach der Emission der Wertpapiere zu ändern. Allein die aus dem Asset Pool innerhalb eines Jahres eingehenden Tilgungszahlungen, die in der ReinvestmentPeriode in neue Kredite investiert werden müssen, können bis zu 50% des Nominalwerts des Asset Pools betragen.37 So kann es nach dem Closing Date zu nachhaltigen Veränderungen des Referenzportfolios und des Risikos der Tranchen kommen. Um die gewünschte Struktur des Referenzportfolios bei Abschluss und während der Laufzeit der Transaktion aufrecht zu erhalten, muss der CLO-Manager bestimmte Vorgaben und Beschränkungen 32

Im Folgenden werden die Begriffe „Subordinated Management Fee“ und „Subordinated Fee“ sowie die Begriffe „Incentive Management Fee“ und „Incentive Fee“ synonym verwendet. 33 Siehe Keller (2008), S. 12. 34 Möglich sind auch Anreizstrukturen, die einen mit der Laufzeit der Transaktion variierenden bzw. steigenden Schwellenwert für die interne Verzinsung der Equity Tranche beinhalten. 35 Siehe Fitch (2008b), S. 21. 36 Vgl. Keller (2008), S. 13, und Fitch (2008b), S. 12 37 Siehe Keller (2008), S. 4.

68

hinsichtlich der Zusammensetzung, der Qualität und der Konzentration des Referenzportfolios einhalten. Darüber hinaus ist das Volumen, das dieser pro Jahr zur Erzielung von Handelsgewinnen nach eigenem Ermessen handeln darf, bei Cashflow CLO-Transaktionen in der Regel durch so genannte „Annual Trading Buckets“ auf 10% bis 20% des Nominalwerts des Referenzportfolios beschränkt.38 Diese vertraglichen Beschränkungen dienen zur Begrenzung der Möglichkeiten des Managers, das Risiko des Referenzportfolios über die ursprünglichen Erwartungen der Investoren und der Ratingagenturen hinaus zu erhöhen, und sollen somit mögliche Anreizkonflikte zwischen dem Manager und den Investoren abmildern. Die Zusammensetzung des Referenzportfolios wird durch die Auswahlkriterien (Eligibility Criteria) genau vorgegeben, welche für den Erwerb eines Vermögenswerts erfüllt sein müssen. Die Eligibility Criteria definieren die zugelassenen Vermögenswerte und geben Höchstgrenzen für die Konzentration pro Schuldner und pro Industrie sowie für Vermögenswerte mit bestimmten Risikoeigenschaften an.39 Die Auswahlkriterien spezifizieren typischerweise die Asset-Klasse(n) (z. B. Unternehmenskredite, ABS, synthetische Strukturen, etc.), die Art der Assets (z. B. Anleihen, Kredite, Derivate), die Zahlungsmodalitäten (Häufigkeit, Zinsen, Währung), die Kreditqualität (Mindest-Rating, Investment Grade, High-Yield, Senior, Second-Lien, Mezzanine), die Laufzeit der Assets sowie das Land und die Industrie der zugrunde liegenden Schuldner.40 Die Auswahlkriterien können in Form so genannter „Buckets“ definiert sein, die Höchst- oder Mindestgrenzen für den Portfolioanteil der nach Risikoeigenschaften klassifizierten Vermögenswerte angeben.41 Zur Begrenzung des Gesamtrisikos des Referenzportfolios muss der CLO-Manager bestimmte Mindestanforderungen der Portfolioqualität einhalten, die durch die Deckungstests (Coverage Tests) und die Qualitätstests (Collateral Quality Tests) formuliert sind. Die Coverage Tests, zu denen der Overcollateralization Test (O/C Test) und der Interest Coverage Test (I/C Test) zählen, stellen die Priorität der gerateten Tranchen im Hinblick auf die Verteilung der aus dem Asset Pool eingehenden Zahlungen sicher und schützen diese vor Ausfällen. Durch die Coverage Tests wird festgestellt, ob der aus dem Referenzportfolio generierte Zahlungsstrom in Zukunft ausreicht, die Zins- und Tilgungsverpflichtungen der gerateten Tranchen zu begleichen. Im Rahmen eines O/C Tests wird die so genannte Overcollateralization Ratio (O/C Ratio) einer Tranche, die sich aus dem Verhältnis des Nominalwerts des Referenzportfolios zu der Summe der Nominalwerte der entsprechenden Tranche sowie der gegenüber dieser vorrangigen Tranchen ergibt, mit ei38

Siehe Standard & Poor’s (2002), S. 29-30, und Keller (2008), S. 4. Zudem können bestimmte Vermögenswerte wie z. B. notleidende und in Verzug geratene Kredite vollkommen vom Erwerb ausgeschlossen werden. 40 Vgl. Standard & Poor’s (2002), S. 19-20, Braun / Schmidt (2005), S. 204-205, und Fitch (2007), S. 5-6. 41 Die damit verbundenen Tests werden als „Bucket Tests“ oder „Portfolio Profile Tests“ bezeichnet. 39

69

nem vor der Emission festgelegten Mindestwert verglichen.42 Im Rahmen des I/C Tests wird die Interest Coverage Ratio (I/C Ratio) einer Tranche ermittelt, die als Verhältnis der erwarteten Zinszahlungen des Pools zur Summe der an die jeweilige Tranche sowie an alle ihr übergeordneten Tranchen zu leistenden Zinszahlungen definiert ist.43 Dieser wird wiederum mit einem vorab festgesetzten Grenzwert abgeglichen. Liegt die für eine Tranche ermittelte O/C oder I/C Ratio unterhalb des jeweiligen Mindestwerts, gilt der entsprechende Test als nicht bestanden und die Tranche sowie alle ihr vorrangigen Tranchen werden aus dem Cashflow des Asset Pools gemäß dem Subordinationsprinzip (vorzeitig) getilgt, bis der entsprechende Test wieder bestanden ist. Hierbei sind in der Regel für jede geratete Tranche gesonderte O/C und I/C Tests durchzuführen.44 Die neben den Deckungstests einzuhaltenden Qualitätstests dienen der Sicherstellung der Qualität und der Diversifikation des Referenzportfolios. Sie geben hinsichtlich bestimmter Risikokennzahlen Grenzwerte vor, an die der Manager im Rahmen des Managements des Referenzportfolios gebunden ist. Diese umfassen in der Regel Beschränkungen bezüglich des Ratings (Minimum Weighted Average Rating, Maximum Weighted Average Rating Factor), der Laufzeit (Maximum Weighted Average Maturity, Maximum Weighted Average Life), des Diversifikationsgrades (Minimum Diversity Score), der Recovery Rate (Minimum Weighted Average Recovery Rate) und der Zinszahlungen (Minimum Weighted Average Spread, Minimum Weighted Average Cupon) der zugrunde liegenden Kredite.45 Bei Nichtbestehen eines Qualitätstests hat dies nicht wie im Fall der Deckungstests die Rückzahlung der Tranchen zur Folge, sondern der CLO-Manager ist bei der Reinvestition auf den Erwerb von Vermögenswerten beschränkt, durch welche die entsprechende Qualitätskennzahl wieder verbessert wird.46

3.3 Stand der Literatur In der wissenschaftlichen Literatur haben sich bisher nur Garrison (2005) und Keller (2008) speziell mit den Anreizkonflikten zwischen dem Asset Manager und den Inves42

Zur genauen Bestimmung des Nominalwerts des Referenzportfolios siehe z. B. Braun / Schmidt (2005), S. 205. Die erwarteten Zinszahlungen des Pools werden auf Basis des noch ausstehenden Nominalwerts des Referenzportfolios berechnet. 44 Für eine ausführliche Beschreibung der Coverage Tests siehe z. B. Lucas / Goodman / Fabozzi (2006), S. 20-22, Kothari (2006), S. 437-441, und Tavakoli (2008), S. 212-217. 45 Der von Moody’s entwickelte Diversity Score stellt ein Maß für die Diversifikation eines Portfolios dar. Für ein Portfolio aus n korrelierten Forderungen gibt der Diversity Score die Anzahl der Forderungen an, die ein hypothetisches Portfolio aus unkorrelierten Krediten mit gleichem Volumen und gleicher Ausfallwahrscheinlichkeit besitzt. Vgl. hierzu Moody’s Investors Service (1996), S. 2. 46 Für eine detaillierte Beschreibung der Qualitätstests siehe z. B. Schorin / Weinreich (2001), S. 12-14, Keller (2008), S. 9-10, und Schiefer (2008), S. 202-203. 43

70

toren einer Kreditverbriefungstransaktion auseinandergesetzt.47 Garrison (2005) bildet in seinem Modell die positiven und negativen Effekte eines aktiven Managements von CDO-Transaktionen ab, die Möglichkeit der Realisierung von Arbitragegewinnen durch den Asset Manager sowie das Problem des Risk Shifting. Dabei untersucht er die Wirkung verschiedener Formen der Beteiligung des Managers an der Transaktion auf dessen Leistungs- sowie Risikoanreize. Der Manager kann zum einen durch Erbringung einer mit Kosten verbundenen Arbeitsanstrengung unterbewertete Assets am Markt identifizieren und Arbitragegewinne erzielen, zum anderen kann er das Risiko des Referenzportfolios erhöhen, indem er weniger riskante Vermögenswerte gegen riskante austauscht. Im Modell dieses Kapitels wird dagegen das Risikoanreizproblem isoliert vom Leistungsanreizproblem betrachtet. Zudem wird der Asset Manager bei Garrison (2005) nicht durch eine Senior, eine Subordinated und eine Incentive Management Fee vergütet, sondern dieser hält einen (proportionalen) Anteil an den verschiedenen Debt Tranchen sowie einen Anteil an der Equity Tranche. Garrison zeigt, dass der Manager immer dann einen Anreiz zur Erhöhung des Portfoliorisikos hat, wenn sein Anteil an der Equity Tranche (in absoluten Werten) größer ist als sein Anteil an den Debt Tranchen, da die Investoren der Equity Tranche prinzipiell von einer Steigerung der Ausfallwahrscheinlichkeit des Referenzpools profitieren, wohingegen die Investoren der Debt Tranchen verlieren. Weiterhin legt er dar, dass gemäß der traditionellen Corporate Finance-Literatur durch eine Eigenkapitalbeteiligung des Managers die beste Leistungsanreizwirkung erzielt wird und der daraus resultierende positive Effekt die Kosten des Risk Shifting für die gesamte Transaktion und für alle Tranchen dominiert. Durch eine Beteiligung an den Debt Tranchen wird das Risk Shifting des Asset Managers zwar verhindert, allerdings ist damit eine geringe Arbeitsanstrengung des Managers verbunden, woraus insgesamt ein niedrigeres Ergebnis als bei einer Eigenkapitalbeteiligung resultiert. Keller (2008) identifiziert das Leistungs- und das Risikoanreizproblem als mögliche Anreizprobleme zwischen dem Asset Manager und den Investoren einer gemanagten CDO-Transaktion und beschreibt, wie sich diese Probleme im Rahmen des Managements des einer Transaktion unterlegten Portfolios konkret darstellen. Hierbei legt er mögliche Strategien dar, die sich nachteilig auf bestimmte Tranchen auswirken können. Er stellt fest, dass es durch Anlageentscheidungen, die das Risiko des Referenzportfolios erhöhen, zu einer Vermögensumverteilung von den Haltern der Senior Tranche zu den Investoren der Equity Tranche kommt. Die Auswirkungen der Anlageentscheidungen des Managers auf die zwischen der Senior und der Equity Tranche liegenden Mezzanine Tranchen werden jedoch von Keller nicht betrachtet. Ferner beschreibt Keller (2008) die in der Praxis anzutreffenden Mechanismen zur Lösung bzw. Abmilderung möglicher Anreizprobleme. Diese stellen die vertraglichen Anlage- und Handelsbeschränkungen, 47

Ashcraft / Schuermann (2008), die in ihrem Beitrag die Friktionen zwischen den einzelnen an einer Verbriefungstransaktion beteiligten Parteien herausarbeiten, weisen ebenfalls auf die Informationsprobleme zwischen den Asset Managern und den Investoren hin. Vgl. Ashcraft / Schuermann (2008), S. 9-10.

71

die erfolgsabhängige Vergütung, die Beteiligung des Managers an der Equity Tranche und mögliche Reputationsbedenken des Managers dar. Die von Keller ermittelten Ergebnisse basieren jedoch auf einer qualitativen Analyse, so dass die Auswirkungen der Anreizprobleme im Gegensatz zur vorliegenden Untersuchung nicht genau bestimmt werden. In der in Kapitel 4 vorgestellten empirischen Analyse der Performance europäischer Arbitrage CLO-Transaktionen wird untersucht, ob und in welchem Ausmaß sich mögliche durch die Vergütung hervorgerufene Leistungs- und Risikoanreize von CLO-Managern auf die Performance der Transaktionen auswirken. Hierbei wird die Bedeutung der Subordinated Fee und der Incentive Fee als Erklärungsdeterminanten der Rating Performance für das Jahr 2009 überprüft. Während für die Subordinated Fee kein Zusammenhang mit der Rating Performance nachgewiesen wird, wird für die Incentive Fee gezeigt, dass Transaktionen, die dem CLO-Manager eine Incentive Fee gewähren, mit einer höheren Wahrscheinlichkeit herabgestuft werden als Transaktionen, die keine Incentive Fee für den CLO-Manager vorsehen. Dieses Ergebnis weist darauf hin, dass durch die Incentive Fee Risikoanreize für CLO-Manager geschaffen werden, und bestätigt damit den Befund der in diesem Kapitel durchgeführten Simulationsstudie. Eine zur vorliegenden Studie ähnliche Untersuchung führen Franke / Krahnen (2008) durch, wobei sie sich jedoch mit den zwischen dem Manager und den Aktionären einer Bank bestehenden Anreizkonflikten auseinandersetzen.48 Der von ihnen betrachtete Manager kann zum einen die Ausfallwahrscheinlichkeit des Kreditportfolios der Bank und zum anderen den Verschuldungsgrad der Bank wählen. Die Autoren zeigen, dass der Bankmanager eine geringe Portfolioqualität gegen das Interesse der Aktionäre wählt, wenn der Anteil der variablen Vergütung an der Gesamtvergütung gering ist. Hinsichtlich des Verschuldungsgrades stellen sie fest, dass der Manager einen Anreiz zur Maximierung der Leverage Ratio der Bank besitzt, sofern seine Vergütung keine Beteiligung an den Verlusten der Bank vorsieht. Allerdings besteht in diesem Fall kein Interessenkonflikt mit den Aktionären, da diese einen hohen Leverage präferieren, sofern die vom Manager gewählte Portfolioqualität hoch ist. Die vorliegende Studie steht ferner im Zusammenhang mit den Beiträgen von Krahnen / Wilde (2006, 2008), die anhand von Simulationsstudien die Risikoeigenschaften von CDO-Tranchen untersuchen.49 Sie zeigen auf, dass sich das Ausfallverhalten der unterschiedlich priorisierten CDO-Tranchen signifikant unterscheidet und mit steigender Priorität der Anteil der Makrorisiken am Gesamtrisiko einer Tranche steigt. Krahnen / Wilde (2008) überprüfen ferner die Sensitivität der Tranchen gegenüber unvorhergesehenen Änderungen des Risikos des zugrunde liegenden Asset Pools. Sie zeigen, dass sich das mit einer Erhöhung der Ausfallwahrscheinlichkeit oder der Asset-Korrelation 48 49

Vgl. Franke / Krahnen (2008), S. 22-33. Des Weiteren analysieren Hamerle / Jobst / Schropp (2008) das Ausfallverhalten von CDO-Tranchen und stellen es demjenigen von Corporate Bonds gegenüber.

72

verbundene Risiko ungleichmäßig auf die verschiedenen Tranchen verteilt. Hierbei steigt in beiden Fällen das systematische Risiko der Senior Tranche vergleichsweise am stärksten. Hinsichtlich der Vergütung und des Risikoverhaltens von (Portfolio-)Managern existiert eine breite Literatur, über die im Folgenden ein kurzer exemplarischer Überblick gegeben wird. Mehrere empirische Studien zeigen auf, dass Manager zu einem erhöhten Risikoverhalten neigen, wenn sie mit Aktien und/oder Aktienoptionen vergütet werden.50 Demgegenüber stehen einige Studien, die für Manager mit reinen bzw. hohen Aktienbeteiligungen Anreize zur Durchführung von Risikominderungsmaßnahmen feststellen.51 Carpenter (2000), Ross (2004) und Lewellen (2006) widerlegen, dass eine Vergütung mit Optionen bzw. Optionscharakter grundsätzlich zu einem erhöhten Risikoverhalten führt, wobei sie von einem risikoaversen Manager ausgehen. Sie zeigen, dass die Risikoanreize von Managern von weiteren Faktoren beeinflusst werden, wie die Stärke der Risikoaversion, die Art des Optionscharakters, die Höhe des privaten Vermögens des Managers sowie die Höhe des Ausübungspreises der Option im Vergleich zum Wert der verwalteten Assets.

3.4 Modellrahmen zur Analyse des Risikoverhaltens von CLO-Managern 3.4.1 Aufbau der Simulationsstudie Es wird ein risikoneutraler Asset Manager betrachtet, der im Rahmen einer Cashflow Arbitrage CLO-Transaktion das zugrunde liegende Kreditportfolio zusammenstellt. Hierbei wird davon ausgegangen, dass zunächst in t = 0 die Transaktion strukturiert wird und unmittelbar danach die Wertpapiere am Markt emittiert werden. Kurz nach Begebung der Transaktion in t = 0+ erwirbt der CLO-Manager mit dem erzielten Emissionserlös die zugrunde liegenden Vermögenswerte.52 Für seine Tätigkeit erhält dieser eine Vergütung, die 50

Vgl. Agrawal / Mandelker (1987), DeFusco / Johnson / Zorn (1990), Tufano (1996), Guay (1999), Rajgopal / Shevlin (2002) und Coles / Daniel / Naveen (2006). Vgl. Friend / Lang (1988), Agrawal / Nagarajan (1990) und Tufano (1996). 52 Diese Annahme entspricht nur zum Teil der in der Praxis üblichen Vorgehensweise. Typischerweise steht in Cashflow Arbitrage CLOs zum Emissionszeitpunkt der Referenzpool zu 40% bis 70% fest. Allerdings unterliegt das Referenzportfolio, wie bereits dargelegt, während der Laufzeit meist erheblichen Änderungen in der Zusammensetzung. So investiert der Manager die während der Reinvestment-Periode eingehenden Tilgungszahlungen, die in manchen Fällen 50% des Portfolios pro Jahr erreichen können, in neue Vermögenswerte. Darüber hinaus besteht für den Manager während der Reinvestment-Periode die Möglichkeit, unter Beachtung genauer Vorgaben bezüglich der Qualität und der Konzentration des Referenzportfolios Vermögenswerte des Pools gegen andere auszutauschen, wobei dessen jährliches Handelsvolumen üblicherweise begrenzt ist. Vgl. hierzu Keller (2008), S. 4-7, sowie die Ausführungen in Kapitel 3.2.2. Die Möglichkeit der Änderung der Zusammensetzung des Referenzportfolios wäh51

73

sich aus einer Senior Fee, einer Subordinated Fee und einer Incentive Fee zusammensetzt. Bei der Auswahl der zugrunde liegenden Kredite entscheidet der CLO-Manager über drei Variablen, die wesentlich für die Verlustverteilung des Referenzportfolios und somit für das Risiko der Tranchen und der Managervergütung sind: die Ausfallwahrscheinlichkeit, die Konzentration sowie die Recovery Rate der Kredite. Hierbei kann der Manager jeweils zwischen sechs Referenzportfolios wählen, die durch die unterschiedliche Ausprägung der entsprechenden Variable charakterisiert sind. Die Ausfallwahrscheinlichkeit ist durch das Rating eines Kredits beschrieben und bestimmt zusammen mit der Recovery Rate die Höhe der Kuponzahlungen. Das beste Portfolio setzt sich aus Krediten zusammen, die ausschließlich AAA geratet sind, das schlechteste aus nur B gerateten Krediten.53 Die Konzentration des Pools wird durch die Verteilung der Kredite über die verschiedenen Industrien bzw. Sektoren gemessen, wobei davon ausgegangen wird, dass Kredite aus insgesamt 30 verschiedenen Industrien erworben werden können. Das Portfolio mit der geringsten Konzentration enthält Kredite aus diesen 30 Industrien, das Portfolio mit der höchsten Konzentration Kredite aus nur fünf Industrien. Schließlich kann der Manager die Recovery Rate der zugrunde liegenden Kredite festlegen, von welcher neben der Ausfallwahrscheinlichkeit die Höhe der Kuponzahlungen abhängt. Hierbei besteht das beste Referenzportfolio aus Krediten mit einer Recovery Rate von 90%, das schlechteste aus Krediten mit einer Recovery Rate von 40%.54 Für jedes dem Manager zur Wahl stehende Kreditportfolio werden in dem im Folgenden entwickelten Modellrahmen mittels Monte Carlo-Simulation die Kreditausfälle simuliert und die damit verbundenen Zahlungen aus dem Pool berechnet. Diese Cashflows werden an den CLO-Manager sowie an die Investoren der verschiedenen Tranchen entsprechend der Subordinationsstruktur der Transaktion verteilt. Aus den Zahlungsströmen werden anschließend der Wert der Managervergütung in t = 0 sowie die Marktwerte der Tranchen bestimmt. Hierbei wird davon ausgegangen, dass die beteiligten Akteure risikoneutral sind und eine symmetrische Informationsverteilung hinsichtlich der zur Auswahl stehenden Referenzportfolios besteht. Aus den für die Managervergütung ermittelten Werten, die sich bei den verschiedenen Referenzportfolios ergeben, kann dann auf die Wahl des Managers im Hinblick auf die Ausfallwahrscheinlichkeit, die Konzentration und die Recovery Rate der Kredite geschlossen werden. Es wird angenommen, dass der Asset Manager im Rahmen seines Handlungsspielraums den Wert seiner Vergütung in t = 0 maximiert, d. h. aus den zur Wahl stehenden Portfolios das Portfolio wählt, bei dem er die höchste rend der Laufzeit wird in der folgenden Untersuchung nicht abgebildet. Über die Annahme, dass der CLO-Manager erst nach Emission der Wertpapiere das (gesamte) Referenzportfolio erwirbt, wird die Gestaltungsmöglichkeit des Managers indirekt erfasst. 53 Der Einfachheit halber wird angenommen, dass der Manager zwischen Portfolios wählen kann, die nur Kredite mit demselben Rating enthalten. Vgl. hierzu Kapitel 3.4.2. 54 Auch im Falle der Recovery Rate wird unterstellt, dass die dem Manager zur Wahl stehenden Referenzportfolios sich nur aus Krediten mit derselben Recovery Rate zusammensetzen. Vgl. hierzu Kapitel 3.4.2.

74

Vergütung erwartet. Die Möglichkeit des Managers, seine erfolgsabhängige Vergütung zu hedgen, wird ausgeschlossen. Die Präferenzen der verschiedenen Investorengruppen, d. h. der Investoren der unterschiedlich priorisierten Tranchen, können analog dazu aus den jeweils maximal erzielbaren Tranchenwerten abgeleitet werden. So können anhand der Portfoliowahl des Managers und der Investorenpräferenzen Anreizkonflikte zwischen dem Manager und den Investoren sowie Interessensdivergenzen zwischen den verschiedenen Investorengruppen identifiziert werden. Zwischen dem Manager und einer oder mehrerer Investorengruppen besteht ein Anreizkonflikt, wenn der Manager ein Portfolio wählt, bei dem eine oder mehrere Tranchen nicht ihren maximal möglichen Wert erreichen. Erzielen die verschiedenen Investorengruppen nicht bei demselben zugrunde liegenden Asset Pool ihr maximales Ergebnis, unterscheiden sich ihre Präferenzen und es wird geprüft, in welchem Sinne der CLO-Manager das zugrunde liegende Portfolio gestaltet und welche Investorengruppen durch die Wahl des Managers übervorteilt werden.

3.4.2 Charakterisierung der CLO-Transaktion Die dem CLO-Manager zur Wahl stehenden Kreditportfolios unterscheiden sich ausschließlich im Hinblick auf die Ausfallwahrscheinlichkeit und die Recovery Rate der zugrunde liegenden Kredite sowie im Hinblick auf die Anzahl der Industrien, denen die Kredite zugeordnet sind; ansonsten weisen die Portfolios identische Charakteristika auf: Sie bestehen aus 120 Krediten mit einem Nominalwert von jeweils 4 Mio. EUR und einer Laufzeit von jeweils sieben Jahren. Tabelle 3.1 gibt die für die verschiedenen Ratingklassen angenommenen siebenjährigen Ausfallwahrscheinlichkeiten der Kredite an, die den von Standard & Poor’s ermittelten historischen Ausfallraten gerateter Unternehmen für die Periode von 1981 bis 2003 entsprechen.55 Die Kredite sind mit einem jährlichen Kupon ausgestattet, der sich aus dem risikofreien Zinssatz rf = 0 und dem jeweiligen schuldnerspezifischen Credit Spread zusammensetzt. Der Credit Spread eines Schuldners wird unter der Annahme eines risikoneutralen und vollkommenen Kapitalmarktes durch den erwarteten Verlust des Kredits bestimmt, der sich aus dessen Ausfallwahrscheinlichkeit und Recovery Rate ergibt. Er stellt die Risikoprämie dar, bei der der Marktwert des Kredits genau mit dessen Nominalwert übereinstimmt.56 Daraus ergibt sich, dass alle betrachteten Referenzportfolios in t = 0 einen Wert von 480 Mio. EUR besitzen. Die für die verschiedenen Ratingklassen und Wiedergewinnungsquoten ermittelten fairen risikoneutralen Credit Spreads sind in der Tabelle 3.1 berichtet. Für die Kredite innerhalb eines Referenzportfolios wird angenommen, dass diese über die gleiche Ausfallwahrscheinlichkeit und die gleiche Recovery Rate verfügen und somit mit demselben Kupon ausgestattet 55 56

Vgl. Standard & Poor’s (2005), S. 5 und 16. Dieser wird in der Literatur auch als „Par Spread“ bezeichnet. Siehe Hull (2006), S. 81-82.

75

Tabelle 3.1: Ausfallwahrscheinlichkeiten, Wiedergewinnungsquoten und Credit Spreads der Kredite mit unterschiedlichem Rating. Für die Kredite des Asset Pools werden in Abhängigkeit des Ratings, der damit verbundenen siebenjährigen Ausfallwahrscheinlichkeit (PD) und der Recovery Rate die ermittelten fairen risikoneutralen Credit Spreads berichtet.

Rating

PD (7 Jahre)

Recovery Rate

Credit Spread

AAA AA A BBB BB B

0, 144% 0, 420% 0, 887% 3, 672% 13, 826% 30, 999%

40% 40% 40% 40% 40% 40%

0,012% 0,036% 0,076% 0,322% 1,293% 3,298%

B B B B B B

30, 999% 30, 999% 30, 999% 30, 999% 30, 999% 30, 999%

90% 80% 70% 60% 50% 40%

0,550% 1,099% 1,649% 2,199% 2,749% 3,298%

sind. Die 120 Kredite eines Portfolios können insgesamt 30 Industrien bzw. Sektoren angehören, wobei von einer Asset-Korrelation zwischen Schuldnern derselben Industrie von 20% und einer Asset-Korrelation zwischen Schuldnern aus verschiedenen Industrien von 5% ausgegangen wird.57 Das Volumen der CLO-Transaktion entspricht dem Nominalwert des Asset Pools und beträgt demnach 480 Mio. EUR. Es werden insgesamt sieben Tranchen begeben, die eine unterschiedliche Priorität bei der Bedienung ihrer Zahlungsverpflichtungen besitzen: sechs geratete Tranchen mit Rating von AAA, AA, A, BBB, BB und B sowie eine nicht geratete Equity Tranche. Alle Tranchen verfügen wie die Kredite des Pools über eine Laufzeit von sieben Jahren. Die mit den verschiedenen Ratingklassen verbundenen siebenjährigen Ausfallwahrscheinlichkeiten der gerateten Tranchen werden in Höhe der von Standard & Poor’s ermittelten historischen Ausfallraten von CDO-Tranchen angenommen. Sie betragen 0,285% (AAA), 0,701% (AA), 1,368% (A), 4,443% (BBB), 15,110% (BB) und 32,903% (B).58 Die gerateten Tranchen (Debt Tranchen) zahlen den CLO-Investoren einen jährlichen Kupon, der sich aus dem risikofreien Zinssatz und dem für eine Laufzeit von sieben Jahren ermittelten fairen Credit Spread der jeweiligen Tranche zusammensetzt. Unter Risikoneutralität ergibt sich der Spread einer Tranche aus dem erwarteten Tranchenverlust, der von dem Risiko des Referenzportfolios und der Strukturierung der Transaktion

57

Die Asset-Korrelation bezeichnet die Korrelation zwischen der Wertentwicklung der Unternehmensaktiva zweier Schuldner, anhand derer die Ausfallabhängigkeiten zwischen Schuldnern eines Kreditportfolios in firmenwertbasierten Kreditrisikomodellen modelliert werden. Vgl. hierzu die Ausführungen in Kapitel 3.4.3. 58 Vgl. Standard & Poor’s (2005), S. 19.

76

abhängt. Daher erfolgt die Bestimmung der Tranchen-Spreads in Kapitel 3.4.4, in welchem die Tranchengrößen ermittelt werden. Ein wesentliches Merkmal einer CLO-Transaktion stellt die Art der Tranchierung des Kreditpools dar. Für die betrachtete Transaktion wird das in Abbildung 3.1 aufgezeigte Subordinations- bzw. Wasserfallprinzip angenommen, das die Allokation der eingehenden Zahlungen aus dem Pool auf die Tranchen festlegt. Hierbei wird von einer „Separate Loss Allocation“ ausgegangen, bei der zwischen Zins- und Tilgungszahlungen unterschieden wird.59 Die Zinszahlungen aus dem Pool werden zur Bedienung der Zinsansprüche, die Tilgungszahlungen zur Bedienung der Rückzahlungsansprüche der CLO-Investoren verwendet. Aus den Zinszahlungen wird nach Zahlung der Senior Fee die höchstrangige Tranche (Senior Tranche oder AAA-Tranche) bedient. Erst wenn die Zinsansprüche der Senior Class-Investoren vollständig befriedigt sind, erhalten die nachrangigen Tranchen entsprechend der Subordinationsstruktur Zahlungen. Nach Bedienung der letzten gerateten Tranche (B-Tranche) wird zuletzt die Subordinated Fee an den Manager gezahlt. Ein verbleibender Zinsüberschuss wird in einem Reserve Account zum risikofreien Zinssatz angelegt. Reichen in einer Periode die Zinszahlungen des Pools zur Erfüllung der Zinsverpflichtungen einer oder mehrerer Tranchen nicht aus, werden die fehlenden Beträge aus den angesammelten Mitteln des Reserve Account beglichen. Darüber hinausgehende Zinsdefizite werden „angesammelt“ und spätestens bei Rückzahlung der Tranchen aus dem Tilgungscashflow bezahlt. Die Rückzahlung der Tranchen erfolgt in T = 7 am Ende der Laufzeit der Transaktion. Kommt es während der Laufzeit zu Kreditausfällen, werden die Wiedergewinnungsbeträge nicht zur vorzeitigen Tilgung der Tranchen herangezogen, sondern zum risikofreien Zinssatz angelegt und erst bei Fälligkeit der Tranchen zurückgeführt. Das Subordinationsprinzip des Tilgungscashflows entspricht von der Senior Fee bis zur Subordinated Fee dem des Zinscashflows. Nach Zahlung der Subordinated Fee fließen die restlichen Tilgungszahlungen des Pools wie auch die angesammelten Mittel des Reserve Account an die Equity Tranche und, wenn die zur Auszahlung der Incentive Fee erforderliche Mindestrendite der Equity Tranche erreicht ist, an den Manager. Wie aus Abbildung 3.1 deutlich wird, setzt sich die Vergütung des CLO-Managers aus einer Senior Fee, einer Subordinated Fee und einer Incentive Fee zusammen und entspricht somit der typischen Ausgestaltungsform der Managervergütung in Cashflow Arbitrage CLO-Transaktionen.60 Die Senior und Subordinated Fee werden in Höhe von 0,15% p. a. bzw. 0,45% p. a. angenommen und beziehen sich auf das durchschnittlich in der Periode gemanagte Portfoliovolumen. Die Senior Fee wird gezahlt, bevor die AAA-Tranche ihre Zins- bzw. Tilgungszahlungen erhält, die Subordinated Fee, nachdem die Zins- bzw. Til59 60

Vgl. hierzu auch Hein (2008), S. 17-18. Vgl. hierzu Kapitel 3.2.3.

77

Abbildung 3.1: Subordinationsprinzip der Zins- und Tilgungszahlungen des Kreditpools.

Zinscashflow

Tilgungscashflow

Senior Management Fee

Senior Management Fee

AAA-Tranche

AAA-Tranche

Deferred Interest AAA-Tranche

Deferred Interest AAA-Tranche

AA-Tranche

AA-Tranche

Deferred Interest AA-Tranche

Deferred Interest AA-Tranche

A-Tranche

A-Tranche

Deferred Interest A-Tranche

Deferred Interest A-Tranche

BBB-Tranche

BBB-Tranche

Deferred Interest BBB-Tranche

Deferred Interest BBB-Tranche

BB-Tranche

BB-Tranche

Deferred Interest BB-Tranche

Deferred Interest BB-Tranche

B-Tranche

B-Tranche

Deferred Interest B-Tranche

Deferred Interest B-Tranche

Subordinated Management Fee

Subordinated Management Fee

Reserve Account

Equity Tranche bis Erreichung der Incentive Fee Threshold Incentive Fee Equity Tranche

gungsansprüche der B-Tranche vollständig bedient wurden.61 Für die Incentive Fee wird eine Höhe von 20% angenommen.62 Dem Asset Manager werden am Ende der Laufzeit 20% der Erträge der Equity Tranche gewährt, nachdem deren interne Verzinsung einen Schwellenwert von 8% p. a. erreicht hat.63 Die Untersuchung der Managervergütung und der damit verbundenen Risikoanreize des Managers wird für verschiedene Höhen der Subordinated Fee und der Incentive Fee Threshold durchgeführt. Des Weiteren wird der Einfluss unterschiedlich hoher Beteiligungen des Managers an der Equity Tranche auf dessen Risikoanreize analysiert. 61

Die angenommenen Werte entsprechen den in der empirischen Studie von Fitch (2008b) zur Vergütung von CLO-Managern ermittelten Median-Werten der Senior und Subordinated Managementgebühren der 140 untersuchten CLO-Transaktionen. Siehe Fitch (2008b), S. 12. 62 Dieser Wert entspricht der üblichen Höhe der Incentive Fee. Vgl. Keller (2008), S. 12, und Fitch (2008b), S. 21. 63 Die Anreizgebühren in den von Fitch (2008b) analysierten CLO-Transaktionen sahen im Durchschnitt eine Incentive Fee Threshold von 12% p. a. vor. Bei Annahme einer Incentive Fee in Höhe von 20% und einer Threshold von 12% p. a. werden die ermittelten Ergebnisse hinsichtlich des vom CLO-Manager präferierten Portfolios nicht beeinflusst. Die Robustheit der Ergebnisse gegenüber der angenommenen Incentive Fee Threshold wird in den folgenden Analysen jeweils aufgezeigt.

78

3.4.3 Modellierung der Verlustverteilung des Asset Pools und der Tranchen Für die Modellierung der Verlustverteilungen der dem Manager zur Wahl stehenden Kreditportfolios werden in der folgenden Analyse die Ausfälle der Schuldner anhand eines Firmenwertmodells simuliert. Firmenwertmodelle gehen auf den Ansatz von Merton (1974) und die Optionspreistheorie von Black / Scholes (1973) zurück. Sie basieren auf der Überlegung, dass ein Unternehmen insolvent wird, sobald der Wert der Unternehmensaktiva, der Firmenwert, geringer ist als der ausstehende Kreditrückzahlungsbetrag im Fälligkeitszeitpunkt.64 Für die Entwicklung des Firmenwerts, die durch die Unternehmensrendite abgebildet ist, wird ein stochastischer Prozess angenommen, der somit indirekt den Kreditausfall definiert. Um Ausfallabhängigkeiten zwischen den Schuldnern abzubilden, werden in portfoliobasierten Firmenwertmodellen korrelierte Wertentwicklungen der Unternehmensaktiva modelliert. Im Folgenden wird hierzu ein Mehr-Faktor-Modell verwendet, bei dem die Unternehmensrenditen von mehreren allgemeinen (systematischen) und von firmenspezifischen (idiosynkratischen) Faktoren bestimmt werden. Die idiosynkratischen Faktoren sind untereinander und mit den systematischen Faktoren nicht korreliert. So wird die Korrelationsstruktur der Unternehmenswertveränderungen durch die Abhängigkeit von gemeinsamen systematischen Faktoren getrieben. Dabei wird angenommen, dass die Unternehmensrenditen von Schuldnern, die derselben Industrie zugeordnet sind, von jeweils einem industriespezifischen systematischen Faktor determiniert werden und dieselbe Sensitivität gegenüber diesem systematischen Faktor haben. Die Unternehmensrendite Yi des Schuldners i aus Industrie g ist somit durch folgende Beziehung beschrieben: (3.1)

Yi = Xg ωg + i



1 − ωg2 .

Xg stellt den systematischen Faktor der Industrie g dar, der annahmegemäß standardnormalverteilt ist. X = (X1 , . . . , XG ) kennzeichnet den Vektor der industriespezifischen systematischen Faktoren, wobei G die Anzahl der vorhandenen Industrien (hier: 30) bezeichnet. Dieser folgt einer multivariaten Standardnormalverteilung mit Kovarianzmatrix Σ, wobei σgh die Kovarianz zwischen den Faktoren Xg und Xh darstellt. Der Parameter ωg kennzeichnet die Sensitivität der Unternehmensrenditen von Schuldnern der Industrie g gegenüber dem allgemeinen Faktor Xg . Die idiosynkratischen Faktoren i sind standardnormalverteilt und sowohl untereinander als auch von den systematischen Faktoren unabhängig. Aus diesen Annahmen folgt, dass die Unternehmensrendite Yi standardnormalverteilt ist. Der Vektor der Faktorsensitivitäten ω = (ω1 , . . . , ωG ) ist so skaliert, dass die Unternehmensrenditen der Kreditnehmer einen Erwartungswert von Null und eine 64

Für einen Überblick über Firmenwertmodelle siehe z. B. Schönbucher (2003), S. 255-288, Giesecke (2004), S. 4-41, und Rudolph u. a. (2007), S. 113-121.

79

Varianz von Eins haben. Per Konstruktion sind die Faktorsensitivitäten auf den Wertebereich von Null bis Eins begrenzt. Die Korrelation zweier Unternehmensrenditen ergibt sich dann aus den Faktorsensitivitäten und der Kovarianz zwischen den jeweiligen industriespezifischen Faktoren: Cov(Yi , Yj ) V ar(Yi ) V ar(Yj )     = Cov ωg Xg + i 1 − ωg2 , ωh Xh + j 1 − ωh2 = ωg ωh σgh .

ρasset = ρasset = ij gh (3.2)

Wenn die Kreditnehmer derselben Industrie zugeordnet sind, entspricht die paarweise Asset-Korrelation dem Quadrat der industriespezifischen Faktorsensitivität: (3.3)

ρasset = ρasset = ωg2 . ij g

Da angenommen wird, dass die paarweise Asset-Korrelation zwischen Schuldnern derselben Industrie über alle Industrien g konstant ist, sind die industriespezifischen Faktorsensitivitäten ω gleich groß, d. h. es gilt ωg = ωh für alle Paare (g, h). Somit ergibt sich gemäß Gleichung (3.2) und (3.3) bei der angenommenen Asset-Korrelation zwischen Schuldnern der gleichen Industrie von 20% und der Asset-Korrelation zwischen Schuldnern aus verschiedenen Industrien von 5% eine Sensitivität der Unternehmensrenditen gegenüber dem entsprechenden systematischen Faktor ωg von 44, 72% für alle g sowie für alle Paare (g, h) eine Kovarianz zwischen den systematischen Faktoren σgh von 25%. Aus der Realisation der Unternehmensrendite lässt sich schließen, ob es zu einem Kreditausfall des Schuldners kommt. Der Kredit des Schuldners i fällt aus, wenn der Wert der Unternehmensaktiva die Ausfallschranke γi unterschreitet, d. h. wenn Yi < γi gilt. Die Ausfallschranke ergibt sich aus der Ausfallwahrscheinlichkeit pi , welche von dem Rating des Schuldners abhängt. Da davon ausgegangen wird, dass Kreditnehmer derselben Ratingklasse r die gleiche Ausfallwahrscheinlichkeit pr besitzen, ist die Ausfallwahrscheinlichkeit eines Schuldners mit Rating r als Wert der Verteilungsfunktion der Standardnormalverteilung Φ(•) an der Stelle γr definiert: (3.4)

pi = pr = P r(Yi ≤ γr ) = Φ(γr ).

Bei gegebener Ausfallwahrscheinlichkeit bestimmt sich die Ausfallschranke demnach durch die Inverse der Verteilungsfunktion Φ−1 (•) an der Stelle pr : (3.5)

80

γr = Φ−1 (pr ).

Anhand des beschriebenen Modells lassen sich mittels Monte Carlo-Simulationen die Verlustverteilungen der möglichen Referenzportfolios bestimmen.65 Für die Modellierung der Verlustverteilung der Referenzportfolios werden 100.000 Simulationsläufe durchgeführt, wobei in jedem Simulationslauf für die n Schuldner des betrachteten Pools die korrelierten Unternehmensrenditen gemäß Gleichung (3.1) generiert werden.66 Die ermittelten Werte werden daraufhin mit der jeweils geltenden Ausfallschranke verglichen. Bei einer Laufzeit von mehr als einer Periode ist für die Portfolioverlustverteilung von Bedeutung, in welcher Periode die Ausfälle eintreten. Der Ausfallzeitpunkt definiert nämlich, bis zu welchem Zahlungstermin Zinszahlungen vereinnahmt werden, und wird aus der so genannten Kreditkurve (Credit Curve) bestimmt, die die kumulierte Ausfallwahrscheinlichkeit in Abhängigkeit der Laufzeit angibt.67 Da die kumulierte Ausfallwahrscheinlichkeit eines Kredits mit dessen Laufzeit zunimmt, steigt gemäß Gleichung (3.5) auch die Ausfallschranke mit jedem Zahlungstermin des Kredits. Um den Ausfallzeitpunkt eines Schuldners zu ermitteln, werden die erzeugten Unternehmensrenditen des Simulationslaufs mit den an den Zahlungsterminen geltenden Ausfallschranken verglichen. Der Ausfall eines Schuldners tritt in derjenigen Periode ein, in der die Unternehmensrendite zum ersten Mal die Ausfallschranke unterschreitet. Liegt der Ausfallzeitpunkt nach dem Fälligkeitstermin des Kredits, kommt es zu keinem Kreditausfall. Nach Ableitung der Kreditausfälle sowie Ausfallzeitpunkte der Schuldner des betrachteten Referenzportfolios wird die Portfolioverlustrate P V R des Simulationslaufs bestimmt. Der absolute Portfolioverlust VtP einer Periode t ergibt sich aus der Differenz zwischen den vertraglichen Ansprüchen der Periode und den tatsächlich realisierten Zahlungen. Die vertraglichen Ansprüche einer Periode entsprechen während der Laufzeit den vereinbarten periodischen Zinszahlungen der Schuldner und bei Fälligkeit zusätzlich den Rückzahlungsverpflichtungen. Die tatsächlich realisierten Zahlungen setzen sich aus den Zins- und Tilgungszahlungen der nicht ausgefallenen Kredite sowie den Wiedergewinnungsbeträgen der ausgefallenen Kredite zusammen. Der Quotient aus dem Endwert des gesamten Portfolioverlustes VTP und dem Endwert der gesamten vertraglichen Ansprüche aus dem Forderungspool CTP ergibt dann die Portfolioverlustrate P V R des Simulationslaufs, wobei sich die Endwerte aus der Summe der auf T = 7 auf-

65

Grundsätzlich besteht auch die Möglichkeit, anhand analytischer Methoden die Verlustverteilungen zu bestimmen. Aufgrund des in der Studie unterstellten komplexen Modellaufbaus wird im Folgenden auf eine simulative Analyse zurückgegriffen. 66 Die Korrelation zwischen Schuldnern aus derselben Industrie ergibt sich, wie oben erläutert, durch die Abhängigkeit von dem gleichen systematischen Faktor. Die Korrelation zwischen Schuldnern aus verschiedenen Industrien wird durch die Abhängigkeit der industriespezifischen Faktoren selbst erzeugt. Die korrelierten Faktorausprägungen werden mittels Cholesky-Zerlegung generiert. Zur Generierung korrelierter Zufallszahlen mittels Cholesky-Zerlegung siehe z. B. Glasserman (2004), S. 71-73. 67 Vgl. hierzu und im Folgenden Standard & Poor’s (2005), S. 3-4.

81

gezinsten Periodenverluste bzw. der auf T = 7 aufgezinsten vertraglichen Ansprüche der Periode berechnen: (3.6)

PV R =

VTP VTP

= P CT n·m· 1+c·

(1+rf )T −1 rf

.

Hierbei kennzeichnet rf den risikofreien Zinssatz, n die Anzahl der Schuldner im Referenzportfolio, m den Nominalwert und c den ratingspezifischen Kupon der Kredite. Aus der Verlustrate des Portfolios können bei gegebener Tranchierung die Verlustraten der unterschiedlich priorisierten Tranchen ermittelt werden. Jede Tranche j ist durch die untere Grenze aj , den Attachment Point, und durch die obere Grenze dj , den Detachment Point, definiert. Die untere Grenze gibt die kumulierte Verlustrate an, ab welcher die Tranche von Verlusten des Kreditpools betroffen wird, die obere Grenze die kumulierte Verlustrate, bei welcher die Tranche einen Totalverlust erleidet. Bezeichnet sj die Dicke bzw. Größe der Tranche j, die der Differenz zwischen Detachment Point und Attachment Point entspricht, und cj den Kupon der Tranche, dann berechnet sich die Verlustrate der Tranche P V Rj analog zu Gleichung (3.6) aus dem Quotienten des Endwerts des Gesamtverlustes der Tranche VTj und dem Endwert der vertraglichen Ansprüche der Tranche CTj : (3.7)

P V Rj =

VTj Vj

T j = CT n · m · sj · 1 + cj ·

(1+rf )T −1 rf

.

Die Verteilungen der für jeden Simulationslauf bestimmten Verlustraten des Portfolios und der Tranchen stellen bei ausreichend hoher Anzahl an Simulationsläufen die entsprechenden Verlustverteilungen dar, die sich bei dem betrachteten Referenzportfolio ergeben.

3.4.4 Tranchierung der CLO-Transaktion Bei Arbitrage CLO-Transaktionen stellt sich hinsichtlich der Strukturierung die Frage, wie die Tranchengrößen festgelegt werden, wenn zum Zeitpunkt der Begebung der Transaktion der Erwerb der zugrunde liegenden Forderungen noch nicht vollständig abgeschlossen ist und das Referenzportfolio während der Laufzeit Änderungen unterworfen ist. Die Tranchierung der im Modell betrachteten Transaktion folgt der Vorgehensweise der Ratingagenturen bei der Beurteilung gemanagter CLOs. Diese gehen bei ihrer Bonitätsprüfung von dem Worst Case-Portfolio aus, das sich ergibt, wenn der Asset Manager die im Treuhandvertrag vorgegebenen Beschränkungen in Bezug auf die Zusammensetzung, die Qualität und die Konzentration der zugrunde liegenden Assets gerade einhält.68 Daher 68

Vgl. Standard & Poor’s (2002), S. 79-80, Fitch (2008a), S. 13-15, und Moody’s Investors Service (2009), S. 3.

82

wird das Referenzportfolio für die Tranchierung der CLO-Transaktion in der Weise gebildet, dass es unter allen zur Wahl stehenden Portfolios das höchste Risiko in Bezug auf die Ausfallwahrscheinlichkeit, die Konzentration sowie die Wiedergewinnungsquote der Kredite aufweist.69 Dieses Portfolio besteht demnach aus Krediten, die ein Rating von B und eine Recovery Rate von 40% besitzen und auf fünf der insgesamt 30 Industrien zugeordnet sind.70 Abbildung 3.2 zeigt die Verlustverteilung dieses Portfolios. Abbildung 3.2: Verlustverteilung des der Tranchierung zugrunde gelegten Referenzportfolios. 0.06

Relative Häufigkeit

0.05 0.04 0.03 0.02 0.01 0

0

0.1

0.2

0.3 0.4 Verlustrate

0.5

0.6

0.7

Die Tranchengrößen werden nach der Ratingmethodik von Standard & Poor’s und Fitch ermittelt.71 Nach dieser Methodik werden die Ratingeinstufungen anhand der für die Tranchen abgeleiteten Ausfallwahrscheinlichkeiten bestimmt.72 Jede Ratingklasse weist in Abhängigkeit der betrachteten Laufzeit eine bestimmte historische Ausfallhäufigkeit auf, welche von den Ratingagenturen anhand historischer Ausfallzeitreihen ermittelt wird. Diese Häufigkeit stellt die maximale Ausfallwahrscheinlichkeit dar, die eine Tranche für den Erwerb der mit ihr verbundenen Ratingklasse aufweisen darf. Somit erfolgt die Zuteilung einer bestimmten Ratingnote für eine Tranche, wenn die abgeleitete Ausfallwahrscheinlichkeit der Tranche die historische Ausfallhäufigkeit, die mit der Ratingklasse und der Laufzeit verbunden ist, nicht überschreitet. Dementsprechend werden die Tranchengrößen der Transaktion mittels numerischen Algorithmus so festgelegt, dass die simulierte 69

Die Tranchierung der Transaktion wird demnach konstant gehalten und nicht mit dem Risiko des zugrunde liegenden Referenzportfolios variiert. 70 Hierbei wird von einer Gleichverteilung der Kredite über die Industrien ausgegangen, d. h. den fünf Industrien werden jeweils 24 (gleich große) Kredite zugeordnet. 71 Siehe Standard & Poor’s (2002, 2009) und Fitch (2008a). 72 Im Gegensatz zu Standard & Poor’s und Fitch basiert die Ratingmethodik von Moody’s auf dem erwarteten Verlust der zu beurteilenden Anleihe. Vgl. Moody’s Investors Service (1996, 1998, 2004). Zu einem detaillierten Vergleich der beiden Ratingansätze vgl. Fender / Kiff (2004).

83

Ausfallwahrscheinlichkeit einer Tranche der historischen siebenjährigen Ausfallhäufigkeit der Ratingklasse entspricht, zu der die Tranche zugeordnet ist. Da die Ausfallwahrscheinlichkeiten der Tranchen von der Höhe der an die Tranchen fließenden Zinszahlungen abhängig sind und die Tranchen-Spreads wiederum von der Tranchierung der Transaktion beeinflusst werden, werden die Tranchengrößen und die Credit Spreads (Par Spreads) simultan in einem iterativen Verfahren bestimmt.73 Tabelle 3.2 gibt die (relativen) Größen und die Spreads der Tranchen an, die sich bei den für die Debt Tranchen angenommenen Ausfallwahrscheinlichkeiten ergeben. Zur Bestimmung der Tranchen-Spreads muss eine Annahme über die Erwartungen der Investoren bezüglich des zugrunde liegenden Asset Pools getroffen werden, da dieser annahmegemäß zum Zeitpunkt der Emission der Tranchen noch nicht feststeht. Es wird davon ausgegangen, dass bei der Bepreisung (Pricing) der CLO-Tranchen wie auch bei der Tranchierung das Worst Case-Portfolio zugrunde gelegt wird. Mögliche Anreizprobleme werden somit bei der Strukturierung und dem Pricing der Transaktion nicht berücksichtigt. Eine Berücksichtigung der vom Manager präferierten Portfoliowahl kann in Abhängigkeit davon, ob diese sowohl bei der Strukturierung als auch bei dem Pricing einfließt, und in Abhängigkeit des Handlungsspielraums des Managers gegebenenfalls einen Einfluss auf die Ergebnisse haben, der im Weiteren nicht abgebildet wird. Zusammenfassend lässt sich das Simulationsmodell dahingehend charakterisieren, dass es die wichtigsten stilisierten Eigenschaften der in der Literatur und von den Ratingagenturen beschriebenen CLO-Strukturen aufweist. Tabelle 3.2: Ausfallwahrscheinlichkeiten, Größen und Credit Spreads der Tranchen mit unterschiedlichem Rating. Für die Tranchen der CLO-Transaktion werden in Abhängigkeit des Ratings und der damit verbundenen siebenjährigen Ausfallwahrscheinlichkeit (PD) die ermittelten Größen und fairen risikoneutralen Credit Spreads berichtet.

73

Tranche

PD (7 Jahre)

Größe

Credit Spread

AAA AA A BBB BB B FLP

0, 285% 0, 701% 1, 368% 4, 443% 15, 110% 32, 903% −

69, 80% 2, 76% 2, 40% 4, 88% 6, 37% 5, 20% 8, 59%

0, 002% 0, 067% 0, 142% 0, 379% 1, 295% 3, 446% −

Hierbei werden auf der Basis von Ausgangswerten die Tranchengrößen entsprechend der beschriebenen Vorgehensweise bestimmt und die daraus resultierenden Par Spreads abgeleitet. Dies wird solange durchgeführt, bis die Ausfallwahrscheinlichkeiten und die Barwerte der Tranchen sich nur noch geringfügig von den jeweiligen Sollwerten unterscheiden.

84

3.5 Anreize des CLO-Managers hinsichtlich der Gestaltung des Portfoliorisikos 3.5.1 Kreditauswahl im Hinblick auf die Ausfallwahrscheinlichkeit Zunächst wird die Wahl des CLO-Managers hinsichtlich der Ausfallwahrscheinlichkeit (Probability of Default, PD) der Referenzkredite analysiert. Der Manager kann im Folgenden zwischen sechs Portfolios mit einem Wert in t = 0 von 480 Mio. EUR wählen, die sich ausschließlich im Rating und somit in der PD der zugrunde liegenden Kredite unterscheiden. Die Kredite der zur Wahl stehenden Portfolios verfügen über ein Rating von AAA, AA, A, BBB, BB bzw. B, wobei die mit den Ratingklassen verbundenen siebenjährigen Ausfallwahrscheinlichkeiten sowie Credit Spreads in Tabelle 3.1 des Kapitels 3.4.2 angegeben sind. Die Recovery Rate der Kredite sowie die Portfoliokonzentration der sechs Referenzportfolios sind identisch und werden auf die im Rahmen der Tranchierung unterstellten Werte festgelegt, d. h. die Kredite besitzen eine Recovery Rate von 40% und sind fünf der insgesamt 30 Industrien zugeordnet.74 Die Bestimmung der Ausfallwahrscheinlichkeit der Kredite durch den Manager wird demnach isoliert von dessen Entscheidung bezüglich der Portfoliokonzentration und der Recovery Rate analysiert. Für den Manager besteht bei der Wahl der PD der Trade-Off zwischen niedrigem Ausfallrisiko und hohen Zinszahlungen der zugrunde liegenden Kredite. Ein Portfolio aus Krediten mit hohen Bonitäten weist zwar im Durchschnitt eine geringe Verlustrate auf, allerdings sind die Kredite aufgrund ihrer geringen Ausfallwahrscheinlichkeit auch nur mit einem niedrigen Kupon ausgestattet. Im Gegensatz dazu können bei einem Portfolio aus schlechten Bonitäten hohe Zinszahlungen vereinnahmt werden, welche allerdings mit einer hohen Ausfallwahrscheinlichkeit der Kredite und somit einer hohen Verlustrate des Referenzportfolios einhergehen. In Abbildung 3.3 sind die Endwertverteilungen der Referenzportfolios dargestellt, deren Kredite über ein Rating von BBB und B verfügen. Es wird deutlich, dass eine Erhöhung der PD der zugrunde liegenden Kredite zu einer Steigerung der Standardabweichung der Endwertverteilung führt, wobei der im Durchschnitt erwartete Portfoliowert aufgrund der für die Referenzkredite angenommenen Par Spreads konstant bleibt. Es kommt demnach zu einer Verschiebung von Wahrscheinlichkeitsmasse an die Ränder der Verteilung. Eine 74

Für die Industriekonzentration wird wie bei dem der Tranchierung zugrunde gelegten Portfolio eine Gleichverteilung der Kredite über die fünf Industrien angenommen. Das Portfolio mit der höchsten Ausfallwahrscheinlichkeit entspricht somit dem Tranchierungsportfolio, so dass die in Kapitel 3.4.4 ermittelten Tranchengrößen herangezogen werden können.

85

höhere PD der Kredite hat somit eine höhere Volatilität der Endwertrealisationen zur Folge, von der insbesondere die Equity Tranche als Residualgröße sowie die Incentive Fee, deren Wert sich nach dem Ergebnis der Equity Tranche bestimmt, profitieren sollten. Abbildung 3.3: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Ausfallwahrscheinlichkeit der unterlegten Kredite. Abgebildet sind die Endwertverteilungen der Portfolios, deren Kredite über ein Rating von BBB und B verfügen. Die Kredite der Portfolios sind jeweils 5 Industrien zugeordnet und besitzen eine Recovery Rate von 40%. 0.35 Rating B

Relative Häufigkeit

0.30

Rating BBB

0.25 0.20 0.15 0.10 0.05 0 250

300

350 400 500 450 Portfoliowert (in Mio. EUR)

550

600

Die Simulationsergebnisse hinsichtlich der Werte der CLO-Tranchen und der Managervergütung sind in der Tabelle 3.3 zusammengefasst. Für die verschiedenen Tranchen der Transaktion zeigt sich, dass die Debt Tranchen anders als die Equity Tranche auf eine Veränderung der PD der Referenzkredite reagieren. Sie weisen im Gegensatz zur Equity Tranche einen negativen (positiven) Zusammenhang mit der PD (Ratingklasse) der Kredite auf. Solange die Ausfallwahrscheinlichkeiten der vorrangigen Tranchen größer als Null sind, steigen deren Werte mit sinkender PD der Kredite.75 Erreicht die Ausfallwahrscheinlichkeit einer Tranche den Wert Null, hat sie ihren maximal erzielbaren Endwert erreicht und steigt bei einer weiteren Erhöhung der Portfolioqualität nicht mehr im Wert. Tabelle 3.4 zeigt die Risikoeigenschaften des Asset Pools und der verschiedenen Tranchen für die zur Auswahl stehenden Referenzportfolios. Es ist zu erkennen, dass die AAA- bis A-Tranche ab dem Kreditrating von BBB und die BBB- sowie die BB-Tranche ab dem Kreditrating von A vollkommen sicher und daher insensitiv gegenüber einer Erhöhung der Portfolioqualität sind. Die B-Tranche wird hingegen erst bei dem besten Kreditrating von AAA vollkommen sicher und weist somit ein eindeutiges Maximum auf. Die Debt Tranchen profitieren folglich von der mit einem höheren Rating verbundenen niedrigeren Ausfallwahrscheinlichkeit der Kredite, was auch an den mit steigendem Rating sinken75

Im Folgenden werden alle Tranchen als vorrangig bezeichnet, die gegenüber der Equity Tranche einen übergeordneten Anspruch besitzen (Debt Tranchen). Die Begriffe „vorrangige Tranche“ und „Debt Tranche“ werden somit synonym verwendet.

86

Tabelle 3.3: Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite (in Mio. EUR). Der Wert der Senior, Subordinated (Subord.) und Incentive Fee wird in der 2. bis 4. Spalte berichtet, der Wert der Gesamtvergütung (Σ) in der 5. Spalte und die Tranchenwerte in der 6. bis 12. Spalte. Die Tranche und die Tranchengröße sind in der 2. und 3. Zeile angegeben. Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20%, die ab einer internen Verzinsung der Equity Tranche (FLP) von 8% p. a. gezahlt wird. Die unterlegten Kredite sind jeweils 5 Industrien zugeordnet und besitzen eine Recovery Rate von 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. Asset Pool

Managervergütung

Rating

Senior 0,15%

Subord. Incentive 0,45% 8%/20%

AAA AA A BBB BB B

5,039 5,036 5,031 4,990 4,818 4,519

15,116 15,101 15,052 14,330 14,992 13,012

0,000 0,000 0,000 0,000 0,089 1,103

CLO-Tranchen Σ 20,155 20,136 20,083 19,321 18,899 18,634

AAA 69,80%

AA 2,76%

A 2,40%

BBB 4,88%

BB 6,37%

B 5,20%

FLP 8,59%

335,088 335,088 335,088 335,088 335,086 335,048

13,332 13,332 13,332 13,332 13,330 13,270

11,627 11,627 11,627 11,627 11,621 11,512

24,041 24,041 24,041 24,041 23,980 23,419

33,326 33,326 33,326 33,324 32,624 30,556

30,961 30,961 30,960 30,860 27,706 24,946

11,471 11,489 11,544 12,408 16,755 22,614

den mittleren Verlustraten der Tranchen zu erkennen ist. Die geringeren Zinszahlungen, die mit einem Portfolio hoher Qualität verbunden sind, wirken sich nicht auf den Wert der Debt Tranchen aus, sondern werden von der Equity Tranche vollkommen aufgefangen. Dies ist darauf zurückzuführen, dass die jeweils maximal zu erzielenden Endwerte der Debt Tranchen aufgrund deren fixer Zinszahlungen konstant sind und ihnen im Gegensatz zur Equity Tranche ein höherer Excess Spread nicht zu Gute kommt. Dementsprechend erreicht die Equity Tranche ihr Maximum bei dem schlechtesten Rating von B. Zwar sinkt auch ihre mittlere Verlustrate mit steigender Qualität der Kredite, jedoch wird sie gleichzeitig von den geringeren Zinszahlungen aus dem Asset Pool betroffen, da der nach Bedienung der Zins- und Tilgungsverpflichtungen der vorrangigen Tranchen verbleibende Excess Spread ihr zufließt.76 Bei einer Erhöhung der PD überwiegt für die Equity Tranche folglich der positive Effekt der steigenden Zinseinnahmen den negativen Effekt der steigenden Verlustrate. Somit wirkt sich die höhere Standardabweichung der Endwertverteilung, wie vermutet, positiv auf den Wert der Equity Tranche aus. Wählt der CLO-Manager das Portfolio mit der geringsten Ausfallwahrscheinlichkeit, erzielt die Equity Tranche einen im Vergleich zu ihrem Maximalwert um knapp 50% geringeren Tranchenwert. Aus Tabelle 3.3 wird ersichtlich, dass mit sinkendem Rang einer Tranche die Sensitivität der Tranchenwerte gegenüber Veränderungen der Ausfallwahrscheinlichkeit des Referenzportfolios zunimmt. So weist die Equity Tranche mit 11,14 Mio. EUR im Vergleich zu den anderen Tranchen die höchste Schwankungsbreite auf, während der Wert der Senior Tranche nur 76

In Tabelle 3.4 ist zu erkennen, dass der Mittelwert der Verlustrate sowie die durchschnittliche Loss Given Default (LGD) der Equity Tranche mit sinkendem Rating der Referenzkredite steigt. Dies ist darauf zurückzuführen, dass der maximal erzielbare Endwert der Equity Tranche mit sinkender Kreditqualität aufgrund der steigenden Zinszahlungen zunimmt und sich somit die in die Berechnung der Verlustrate und LGD einfließenden Verluste auf einen höheren Endwert der vertraglichen Ansprüche beziehen. Der gleiche Zusammenhang gilt für die mittlere Verlustrate und die LGD des Asset Pools. Vgl. hierzu die Ausführungen zur Berechnung der Verlustrate des Pools und der Tranchen in Kapitel 3.4.3.

87

Tabelle 3.4: Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite. Es werden folgende Statistiken der Simulationen berichtet: Mittelwert sowie Standardabweichung (SD) der Verlustrate, Ausfallwahrscheinlichkeit (PD) und durchschnittliche Loss Given Default (LGD). Die 1. Spalte gibt das Rating der zugrunde liegenden Kredite an, die 2. Spalte die Tranche und die 3. Spalte die Größe der Tranche. Die jeweils letzte Zeile zeigt die Kennzahlen für den Asset Pool. Rating Asset Pool

Tranche

Größe

Mittelwert Verlustrate

SD Verlustrate

PD

LGD

AAA

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 3,47% 0,09%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 9,32% 0,23%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 14,42% 14,42%

24,05% 0,60%

AA

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 9,42% 0,25%

0,00% 0,00% 0,00% 0,00% 0,00% 0,03% 16,11% 0,44%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 33,92% 33,92%

10,64% 27,78% 0,75%

A

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 17,72% 0,53%

0,00% 0,00% 0,00% 0,00% 0,00% 0,32% 22,40% 0,70%

0,00% 0,00% 0,00% 0,00% 0,00% 0,01% 54,67% 54,67%

22,12% 32,42% 0,97%

BBB

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,00% 0,33% 44,28% 2,20%

0,00% 0,00% 0,00% 0,21% 0,45% 3,81% 30,72% 1,81%

0,00% 0,00% 0,00% 0,00% 0,03% 1,27% 92,11% 92,11%

65,70% 18,04% 25,60% 48,08% 2,39%

BB

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,02% 0,05% 0,25% 2,11% 10,51% 69,32% 8,30%

0,06% 1,27% 2,12% 4,06% 11,22% 23,73% 26,82% 4,32%

0,01% 0,03% 0,07% 0,62% 5,33% 22,73% 99,93% 99,93%

4,35% 61,05% 70,32% 40,89% 39,52% 46,26% 69,37% 8,31%

B

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,01% 0,47% 0,98% 2,59% 8,31% 19,43% 80,61% 18,76%

0,32% 6,31% 9,26% 14,05% 23,48% 32,19% 20,73% 6,75%

0,28% 0,70% 1,37% 4,44% 15,11% 32,90% 100,00% 100,00%

4,20% 66,84% 71,89% 58,23% 55,01% 59,04% 80,61% 18,76%

88

um 0,04 Mio. EUR variiert. Folglich wirken sich die Entscheidungen des CLO-Managers deutlich stärker auf den Wert der Equity Tranche aus als auf die Werte der höherrangigen Tranchen. Zusammenfassend lässt sich feststellen, dass, während die Investoren der Equity Tranche das Portfolio mit der größtmöglichen Ausfallwahrscheinlichkeit präferieren, die Investoren der AAA- bis B-Tranche eine geringe PD bevorzugen, wobei die von den Investoren der Debt Tranchen präferierte Mindestportfolioqualität mit sinkendem Rang der von ihnen gehaltenen Tranche steigt. Folglich besteht zwischen den Investoren der vorrangigen Tranchen und denen der Equity Tranche eine Interessensdivergenz. Bei Betrachtung der durch den Manager erzielbaren Vergütung wird deutlich, dass dieser das Portfolio aus AAA gerateten Krediten wählt, da er für dieses die höchste erwartete Gesamtvergütung von insgesamt 20,15 Mio. EUR realisiert. Davon macht die Subordinated Fee mit 15,12 Mio. EUR den höchsten Anteil aus, gefolgt von der Senior Fee mit 5,04 Mio. EUR. Die Incentive Fee nimmt für das Portfolio mit der geringsten Ausfallwahrscheinlichkeit einen Wert von Null an. Die Senior und Subordinated Fee erreichen wie auch die Gesamtvergütung des Managers ihr Maximum bei der besten Ratingkategorie von AAA. Obwohl die Senior Fee aufgrund ihrer Erstrangigkeit auch bei dem schlechtest möglichen Kreditrating von B vollkommen sicher ist, nimmt ihr Wert wie auch der der Subordinated Fee mit steigender Portfolioqualität stetig zu und weist somit eine geringe Wertsensitivität gegenüber Veränderungen der Ausfallwahrscheinlichkeit der zugrunde liegenden Krediten auf. Dies ist darauf zurückzuführen, dass sich die Senior Fee auf das durchschnittliche Poolvolumen einer Periode bezieht und sich ihre Bezugsgröße bei einer sinkenden durchschnittlichen Anzahl an Kreditausfällen im Pool, die mit einer Senkung der PD der Referenzkredite verbunden ist, verringert. Für die Subordinated Fee, die dieselbe Bezugsgröße besitzt, gilt dementsprechend der gleiche Zusammenhang. Allerdings wird deren Wertsensitivität gegenüber der Ausfallwahrscheinlichkeit noch durch das mit ihr verbundene Risiko verstärkt. Da sie erst nach vollständiger Bedienung der Investoren der B-Tranche gezahlt wird und somit im Gegensatz zur Senior Fee risikobehaftet ist, profitiert sie bei einer steigenden Bonität der Kreditnehmer von der sinkenden durchschnittlichen Verlustrate des Referenzportfolios. Im Gegensatz zur Senior und Subordinated Fee weist die Incentive Fee einen positiven Zusammenhang mit der Ausfallwahrscheinlichkeit der unterlegten Kredite auf. Da ihr Wert durch das von der Equity Tranche erzielte Ergebnis bestimmt wird, erreicht sie ihren höchsten Wert bei dem schlechtesten Rating von B, bei welchem auch die Equity Tranche maximal ist. Bei einer Erhöhung der Portfolioqualität von B auf AAA sinkt aufgrund der abnehmenden Standardabweichung der Endwertverteilung die Wahrscheinlichkeit, dass die Rendite der Equity Tranche den Schwellenwert von 8% p. a. erreicht, ab dem die Incentive Fee dem Manager gewährt wird.77 Für das 77

Vgl. hierzu Tabelle 3.4, in der die Standardabweichung der Verlustrate für die verschiedenen Referenzportfolios berichtet wird.

89

Referenzportfolio aus BBB gerateten Krediten ist die Standardabweichung bereits so gering, dass die Wahrscheinlichkeit einer internen Verzinsung der Equity Tranche von über 8% p. a. und somit auch die Wahrscheinlichkeit einer Incentive Fee einen Wert von Null annehmen. Für die Gesamtvergütung lässt sich feststellen, dass die Senior und die Subordinated Fee eine höhere Wertsensitivität gegenüber der Ausfallwahrscheinlichkeit der Kredite aufweisen als die Incentive Fee, woraus ein Maximum der Gesamtvergütung bei Wahl des Portfolios mit der geringsten PD bzw. dem höchsten Rating der Kredite resultiert. Demzufolge wählt der CLO-Manager bei der angenommenen Vergütungsstruktur die Qualität des Referenzportfolios im Sinne der Investoren der Debt Tranchen. Zu einem Anreizkonflikt kommt es zwischen dem Manager und den Investoren der Equity Tranche, die durch dessen Wahl nur einen gegenüber dem Maximalwert deutlich geringeren Tranchenwert erzielen. Die Analyse der Managervergütung zeigt, dass die Präferenzordnung des Asset Managers hinsichtlich der PD der Kredite im Wesentlichen von der Subordinated Fee getrieben wird, da sie von allen drei Vergütungskomponenten die höchste Wertsensitivität gegenüber der Portfolioqualität aufweist. Im Folgenden soll die Robustheit der Ergebnisse im Hinblick auf die unterstellte Vergütungsstruktur überprüft werden. Es wird untersucht, ob sich die Portfoliowahl des CLO-Managers ändert, wenn von einer geringeren Subordinated Fee oder einer geringeren Incentive Fee Threshold als im zuvor betrachteten Referenzfall ausgegangen wird. In Tabelle 3.5 sind die für den Manager zu erwartenden Ergebnisse für die verschiedenen Vergütungsszenarien aufgeführt. In Panel A wird die Höhe der Subordinated Fee variiert, in Panel B die Höhe der Incentive Fee Threshold, wobei in Panel A die Senior sowie die Incentive Fee und in Panel B die Senior sowie die Subordinated Fee auf den im Referenzfall angenommenen Werten konstant gehalten werden.78 Aus Panel A wird deutlich, dass bei der angenommenen Senior und Incentive Fee der CLO-Manager erst dann einen Risikoanreiz hinsichtlich der PD der Kredite besitzt, wenn die Subordinated Fee eine deutlich geringere Höhe annimmt. So kehren sich die Präferenzen des Managers bei einer Subordinated Fee von ungefähr 0,12% p. a. um. Im Gegensatz dazu 78

Im Fall der Variation der Subordinated Fee ist zu berücksichtigen, dass eine Änderung der Höhe dieser Vergütungskomponente das Risiko der Tranchen und somit die Tranchierung wie auch die Spreads der Tranchen beeinflusst. Die in Panel A der Tabelle 3.5 berichteten Werte basieren auf Berechnungen, die die bei der jeweiligen Höhe der Subordinated Fee resultierenden Tranchengrößen und Tranchen-Spreads zugrunde legen. Die Tranchierung wurde hierbei anhand der in Kapitel 3.4.4 erläuterten Methodik hergeleitet. Durch eine Verringerung der Subordinated Fee sinkt das Risiko der Debt Tranchen, da ein größerer Teil der aus dem Pool eingehenden Zahlungen während der Laufzeit im Reserve Account angesammelt wird und somit im Falle eines Defizit zur Bedienung der Zins- und Tilgungsverpflichtungen der Tranchen als Risikopuffer zur Verfügung steht. Dementsprechend steigen die Größen der AAA- bis B-Tranche und sinkt die Größe der Equity Tranche, wenn von einer geringeren Subordinated Fee ausgegangen wird. Beispielsweise ergeben sich bei Annahme einer Subordinated Fee von 0,10% p. a. folgende Tranchengrößen: 71,41% (AAA), 2,77% (AA), 2,46% (A), 4,93% (BBB), 6,43% (BB), 5,27% und 6,73% (FLP). Bei Variation der Incentive Fee Threshold kommt es hingegen zu keiner Änderung der Tranchierung, da die Incentive Fee erst am Ende der Laufzeit ausgezahlt wird und somit keinen Einfluss auf die an die Debt Tranchen fließenden Zahlungen hat.

90

Tabelle 3.5: Wert der Managervergütung in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite für verschiedene Höhen der Subordinated Fee (Panel A) und der Incentive Fee Threshold (Panel B) (in Mio. EUR). Die Kredite sind insgesamt 5 Industrien zugeordnet und besitzen eine Recovery Rate von 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. PANEL A: Variation der Subordinated Fee Senior Fee Subordinated Fee Incentive Fee

0,15% 0,40% 8%/20%

0,15% 0,35% 8%/20%

18,475 18,459 18,411 17,708 17,349 17,190

16,796 16,781 16,737 16,100 15,800 15,746

Rating AAA AA A BBB BB B

0,15% 0,30% 8%/20%

0,15% 0,25% 8%/20%

0,15% 0,20% 8%/20%

0,15% 0,15% 8%/20%

0,15% 0,10% 8%/20%

11,757 11,747 11,717 11,303 11,147 11,410

10,077 10,069 10,045 9,708 9,592 9,964

8,398 8,391 8,373 8,126 8,036 8,518

0,15% 0,45% 3%/20%

0,15% 0,45% 2%/20%

0,15% 0,45% 1%/20%

20,155 20,136 20,083 19,321 19,329 19,438

20,155 20,136 20,083 19,321 19,449 19,595

20,155 20,136 20,083 19,321 19,573 19,750

Managervergütung 15,116 15,103 15,064 14,496 14,250 14,301

13,436 13,425 13,390 12,895 12,699 12,856

PANEL B: Variation der Incentive Fee Threshold Senior Fee Subordinated Fee Incentive Fee

0,15% 0,45% 7%/20%

0,15% 0,45% 6%/20%

20,155 20,136 20,083 19,321 18,956 18,792

20,155 20,136 20,083 19,321 19,030 18,953

Rating AAA AA A BBB BB B

0,15% 0,45% 5%/20%

0,15% 0,45% 4%/20%

Managervergütung 20,155 20,136 20,083 19,321 19,119 19,115

20,155 20,136 20,083 19,321 19,219 19,277

verursacht eine Verringerung der Incentive Fee Threshold keine Veränderung der Portfoliowahl des Asset Managers. So besteht für diesen auch dann der Anreiz zur Minimierung der PD des Referenzportfolios, wenn die für die Auszahlung der Incentive Fee erforderliche Mindestverzinsung der Equity Tranche 1% p. a. beträgt. Schließlich wird der Einfluss einer Beteiligung des CLO-Managers an der Equity Tranche auf dessen Portfoliowahl untersucht. Die Analyse der Investorenpräferenzen hat gezeigt, dass die Investoren der Equity Tranche eine hohe Ausfallwahrscheinlichkeit der Kredite aufgrund des damit verbundenen hohen Excess Spreads präferieren. Aus Tabelle 3.3 wird deutlich, dass die Equity Tranche eine deutlich höhere Wertsensitivität gegenüber der PD aufweist als die Managervergütung. Demzufolge ändern sich die Anreize des Managers, wenn dieser mit einem ausreichend hohen Anteil an der Equity Tranche beteiligt ist. Tabelle 3.6 zeigt das Gesamtergebnis des Managers in Abhängigkeit der Qualität des zugrunde liegenden Portfolios für unterschiedlich hohe Eigenkapitalbeteiligungen. Hierbei wird von der im Referenzfall unterstellten Vergütungsstruktur ausgegangen. Es zeigt sich, dass der Manager dann einen Risikoanreiz besitzt und das Portfolio mit der maximal möglichen Ausfallwahrscheinlichkeit wählt, wenn er einen Anteil an der Equity Tranche von mindestens 14% hält.

91

Tabelle 3.6: Gesamtergebnis des CLO-Managers in Abhängigkeit der Ausfallwahrscheinlichkeit der zugrunde liegenden Kredite für verschiedene Höhen der Beteiligung des Managers an der Equity Tranche (in Mio. EUR). Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20% mit einer Threshold von 8% p. a. Die unterlegten Kredite sind jeweils 5 Industrien zugeordnet und besitzen eine Recovery Rate von 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. Beteiligung an Equity Tranche

5,00%

Rating AAA AA A BBB BB B

10,00%

15,00%

20,00%

25,00%

Gesamtergebnis CLO-Manager 20,728 20,711 20,660 19,941 19,736 19,765

21,302 21,285 21,237 20,561 20,574 20,896

21,875 21,860 21,814 21,182 21,412 22,026

22,449 22,434 22,392 21,802 22,250 23,157

23,022 23,009 22,969 22,422 23,087 24,288

Zusammenfassend ist festzustellen, dass der Manager hinsichtlich der Ausfallwahrscheinlichkeit der Referenzkredite nur dann einen Anreiz zur Maximierung des Portfoliorisikos besitzt, wenn die Subordinated Fee einen sehr geringen Anteil an der Gesamtvergütung ausmacht und/oder der Manager eine Beteiligung an der Equity Tranche von geringer bis mittlerer Größe hält. Es kommt in Abhängigkeit der Vergütung und der Höhe der Eigenkapitalbeteiligung des Managers entweder mit den Investoren der Debt Tranchen oder mit den Investoren der Equity Tranche zu einem Anreizkonflikt. In beiden Fällen besteht die Möglichkeit, die Auswirkungen dieser Konflikte über die Ausgestaltung der Auswahlkriterien und der Qualitätstests zu beschränken. Besteht für den Manager der Anreiz zur Maximierung der PD der Kredite, kann der damit für die Investoren der Equity Tranche verbundene Wertverlust durch die Festlegung eines minimalen durchschnittlichen Kupons bzw. Spreads der Referenzkredite verringert werden. Besitzt der Manager dagegen einen Anreiz zur Maximierung der PD, können die für die Debt Tranchen resultierenden Verluste durch Vorgabe eines Mindestratings begrenzt werden.

3.5.2 Kreditauswahl im Hinblick auf die Portfoliokonzentration Neben der Ausfallwahrscheinlichkeit der Kredite ist die Portfoliokonzentration die zweite Variable, die der CLO-Manager im Rahmen der Zusammenstellung des Asset Pools festlegen kann. Die Portfoliokonzentration wird anhand der Verteilung der Kredite über die 30 bestehenden Industrien gemessen. Der Manager kann zwischen sechs Referenzportfolios wählen, deren 120 Schuldner 30, 25, 20, 15, 10 bzw. 5 Industrien angehören. In allen Konzentrationsszenarien werden die Kredite über die Industrien (annähernd) gleich verteilt, d. h. bei n Krediten aus G Industrien gehören jeder Industrie 79

n G

Kredite an.79 Die Kredite

n Falls der Quotient G keine gerade Zahl darstellt, wie beispielsweise bei der Verteilung der Kredite auf 25 Industrien, werden die Kredite den Industrien so zugeordnet, dass eine Gleichverteilung bestmöglich erreicht wird. Im Fall der 25 Industrien werden auf 20 Industrien jeweils fünf Schuldner und auf fünf

92

der zur Wahl stehenden Portfolios weisen dieselbe PD und Recovery Rate auf, so dass die Bestimmung der Konzentration durch den Manager isoliert von dessen Entscheidung bezüglich der Portfolioqualität betrachtet wird. Es wird davon ausgegangen, dass die Kredite der Referenzportfolios über ein Rating von B und eine Wiedergewinnungsquote von 40% verfügen.80 In Abbildung 3.4 sind die Endwertverteilungen der Portfolios mit der höchsten sowie mit der geringsten Konzentration dargestellt. Es ist zu erkennen, dass durch eine Steigerung der Industriekonzentration, wie auch durch eine Senkung der PD der Referenzkredite, Wahrscheinlichkeitsmasse an die beiden Ränder der Verteilung verschoben wird, wovon wiederum die Equity Tranche als Residualgröße und die Incentive Fee mit ihrem Optionscharakter profitieren sollten. So führt eine Konzentrationserhöhung zu einer Steigerung der Volatilität der Endwertrealisationen, wobei der Mittelwert der Verteilung aufgrund der angenommenen Risikoneutralität konstant bleibt. Abbildung 3.4: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Portfoliokonzentration. Abgebildet sind die Endwertverteilungen der Portfolios, deren Kredite 5 und 30 Industrien zugeordnet sind. Die Kredite der Portfolios verfügen über ein Rating von B und eine Recovery Rate von 40%. 0.08 5 Industrien

Relative Häufigkeit

0.07

30 Industrien

0.06 0.05 0.04 0.03 0.02 0.01 0 250

300

350 400 450 500 Portfoliowert (in Mio. EUR)

550

600

Die Auswirkungen einer Veränderung der Konzentration des unterlegten Asset Pools auf die Werte der Tranchen unterschiedlicher Priorität werden aus Tabelle 3.7 deutlich, die die für die Investoren der Tranchen und den Manager zu erwartenden Ergebnisse für die verschieden konzentrierten Referenzportfolios zeigt. Die Debt Tranchen weisen wieder den Industrien jeweils vier Schuldner zugeordnet. Somit ergeben sich für die Portfolios folgende maximale Industriekonzentrationen: 3,33% (30 Industrien), 4,17% (25 Industrien), 5,00% (20 Industrien), 6,67% (15 Industrien), 10,00% (10 Industrien) und 20,00% (5 Industrien). 80 Somit kommt das Portfolio mit der höchsten Konzentration dem Worst Case-Portfolio der Tranchierung gleich, so dass die in Kapitel 3.4.4 hergeleiteten Tranchengrößen für die folgende Analyse herangezogen werden können.

93

Tabelle 3.7: Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Industriekonzentration der zugrunde liegenden Kredite (in Mio. EUR). Die 1. Spalte gibt die Anzahl der Industrien an, denen die Kredite zugeordnet sind. Der Wert der Senior, Subordinated (Subord.) und Incentive Fee wird in der 2. bis 4. Spalte berichtet, der Wert der Gesamtvergütung (Σ) in der 5. Spalte und die Tranchenwerte in der 6. bis 12. Spalte. Die Tranche und die Tranchengröße sind in der 2. und 3. Zeile angegeben. Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20%, die ab einer internen Verzinsung der Equity Tranche (FLP) von 8% p. a. gezahlt wird. Die unterlegten Kredite verfügen über ein Rating von B und eine Recovery Rate von 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. Asset Pool

Managervergütung

Anzahl Industrien

Senior 0,15%

Subord. Incentive 0,45% 8%/20%

30 25 20 15 10 5

4,520 4,520 4,520 4,519 4,519 4,519

13,040 13,039 13,036 13,033 13,023 13,012

0,756 0,769 0,790 0,826 0,899 1,103

CLO-Tranchen Σ 18,315 18,328 18,345 18,378 18,441 18,634

AAA 69,80%

AA 2,76%

A 2,40%

BBB 4,88%

BB 6,37%

B 5,20%

FLP 8,59%

335,082 335,080 335,079 335,076 335,071 335,048

13,317 13,314 13,312 13,311 13,303 13,270

11,592 11,589 11,585 11,581 11,566 11,512

23,769 23,759 23,740 23,709 23,646 23,419

31,487 31,438 31,402 31,288 31,094 30,556

25,781 25,737 25,672 25,583 25,369 24,946

20,676 20,733 20,850 21,064 21,485 22,614

umgekehrten Zusammenhang mit dem Risiko des Asset Pools wie die Equity Tranche auf. Die Werte der AAA- bis B-Tranche sind umso größer, je höher die Diversifikation des vom Manager zusammengestellten Pools ist. Im Gegensatz dazu kann für die Equity Tranche ein positiver Zusammenhang mit der Industriekonzentration festgestellt werden, da ihr Wert mit zunehmender Konzentration des Referenzportfolios steigt. Hierbei zeigt sich, wie bereits bei der Analyse des Einflusses der Ausfallwahrscheinlichkeit auf die Tranchenwerte deutlich wurde, dass die Tranchen eine mit dem Rang sinkende Wertsensitivität gegenüber Veränderungen des Asset Pool-Risikos besitzen. Die Risikocharakteristika des Asset Pools und der Tranchen in den verschiedenen Konzentrationsszenarien werden in Tabelle 3.8 berichtet. In Übereinstimmung mit den für die Tranchenwerte ermittelten Ergebnissen wirkt sich eine Änderung der Portfoliokonzentration auf die Risikoeigenschaften der Tranchen unterschiedlich aus. Zwar nimmt durch eine steigende Konzentration die Standardabweichung der Verlustrate aller Tranchen zu, was auf die höhere Standardabweichung der Verlustverteilung des Referenzportfolios zurückzuführen ist, jedoch zeigen sich differenzierte Zusammenhänge für die mittlere Verlustrate, die Ausfallwahrscheinlichkeit sowie die durchschnittliche Loss Given Default (LGD) der Debt Tranchen und der Equity Tranche. Während für die AAA- bis B-Tranche der Mittelwert der Verlustrate bei einer Erhöhung der Konzentration stetig steigt, weist die Equity Tranche eine sinkende mittlere Verlustrate auf. Ähnlich verhalten sich auch die Ausfallwahrscheinlichkeiten und die LGDs der Tranchen. Für die vorrangigen Tranchen sind diese bei Zugrundelegung eines stark konzentrierten Portfolios höher als bei einem gut diversifizierten Portfolio, wobei sich zwischen der Konzentration und der durchschnittlichen LGD kein stetig negativer Zusammenhang für alle Tranchen zeigt. Für die Equity Tranche sinkt dagegen die durchschnittliche LGD mit steigender Konzentration, während deren Ausfallwahrscheinlichkeit unverändert auf dem Niveau von 100% bleibt. So profitiert die Equity Tranche von der mit der Wahl eines stärker konzentrierten Portfolios verbundenen höheren Volati94

Tabelle 3.8: Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Industriekonzentration. Es werden folgende Statistiken der Simulationen berichtet: Mittelwert sowie Standardabweichung (SD) der Verlustrate, Ausfallwahrscheinlichkeit (PD) und durchschnittliche Loss Given Default (LGD). Die 1. Spalte gibt die Anzahl der Industrien an, denen die Kredite zugeordnet sind, die 2. Spalte die Tranche und die 3. Spalte die Größe der Tranche. Die jeweils letzte Zeile zeigt die Kennzahlen für den Asset Pool. Anzahl Industrien

Tranche

Größe

Mittelwert Verlustrate

SD Verlustrate

PD

LGD

30

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,12% 0,30% 1,13% 5,52% 16,73% 82,48% 18,75%

0,09% 3,11% 5,03% 9,01% 18,77% 29,86% 18,31% 5,73%

0,07% 0,19% 0,46% 2,28% 11,45% 30,74% 100,00% 100,00%

2,66% 61,97% 65,79% 49,70% 48,17% 54,41% 82,48% 18,75%

25

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,13% 0,32% 1,17% 5,66% 16,87% 82,42% 18,76%

0,11% 3,33% 5,24% 9,19% 19,02% 30,00% 18,42% 5,77%

0,08% 0,21% 0,49% 2,37% 11,73% 30,80% 100,00% 100,00%

3,03% 63,06% 66,42% 49,54% 48,29% 54,79% 82,42% 18,76%

20

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,15% 0,36% 1,25% 5,77% 17,08% 82,30% 18,76%

0,13% 3,60% 5,53% 9,48% 19,27% 30,17% 18,58% 5,84%

0,09% 0,23% 0,52% 2,48% 11,82% 31,05% 100,00% 100,00%

3,00% 65,76% 68,63% 50,46% 48,83% 55,02% 82,30% 18,76%

15

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,16% 0,39% 1,38% 6,11% 17,37% 82,10% 18,76%

0,16% 3,64% 5,75% 10,05% 19,87% 30,44% 18,82% 5,94%

0,09% 0,25% 0,60% 2,67% 12,31% 31,27% 100,00% 100,00%

4,05% 65,40% 65,43% 51,68% 49,68% 55,55% 82,10% 18,76%

10

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,22% 0,52% 1,64% 6,70% 18,06% 81,70% 18,76%

0,19% 4,31% 6,67% 11,06% 20,81% 31,02% 19,36% 6,16%

0,13% 0,34% 0,76% 3,03% 13,14% 31,93% 100,00% 100,00%

3,83% 64,62% 68,35% 54,24% 50,96% 56,56% 81,70% 18,76%

5

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,01% 0,47% 1,98% 2,59% 8,31% 19,43% 80,61% 18,76%

0,32% 6,31% 9,26% 14,05% 23,48% 32,19% 20,73% 6,75%

0,28% 0,70% 1,37% 4,44% 15,11% 32,90% 100,00% 100,00%

4,20% 66,84% 71,89% 58,23% 55,01% 59,04% 80,61% 18,76%

95

lität, wohingegen die höherrangigen Tranchen von dieser negativ betroffen werden. Dieser Befund stimmt mit den in der Simulationsstudie von Krahnen / Wilde (2008) ermittelten Ergebnissen überein. Sie untersuchen die Auswirkungen eines unvorhergesehenen Anstiegs der Asset-Korrelation zwischen den Schuldnern des Referenzportfolios auf die Risikoeigenschaften der Tranchen und finden, dass eine gestiegene Asset-Korrelation der Referenzschuldner bei den höherrangigen Tranchen zu einem Anstieg und bei den nachrangigen Tranchen zu einem Rückgang der mittleren Verlustrate führt.81 Bei der von ihnen unterstellten Transaktionsstruktur kehrt sich die Richtung des Zusammenhangs zwischen der Verlustrate und der Asset-Korrelation allerdings zwischen der fünften und sechsten der insgesamt sieben Tranchen um.82 An welcher Stelle im Wasserfall sich der Zusammenhang ändert, hängt von der jeweiligen Strukturierung der Transaktion ab. So kann für die Investoren der Tranchen zusammengefasst werden, dass wie auch im Hinblick auf die Ausfallwahrscheinlichkeit der Referenzschuldner eine Interessensdivergenz zwischen den Investoren der vorrangigen Tranchen und denen der Equity Tranche existiert. Während letztere eine maximale Konzentration präferieren, sind die Investoren der Senior und Mezzanine Tranchen bei der geringst möglichen Konzentration am besten gestellt. Für die Managervergütung ergibt sich aus Tabelle 3.7, dass diese wie die Equity Tranche einen positiven Zusammenhang mit der Industriekonzentration aufweist und ihren höchsten Wert von 18,63 Mio. EUR bei Zugrundelegung des am stärksten konzentrierten Portfolios erzielt. Hierbei reagieren die drei Vergütungsbestandteile unterschiedlich auf eine Veränderung der Portfoliokonzentration. Der Wert der Senior Fee wird wie der der Subordinated Fee durch eine Verringerung der Konzentration positiv beeinflusst, wobei ihre Sensitivität gegenüber der Konzentration nur sehr gering ist. Die Subordinated und die Incentive Fee weisen dagegen aufgrund ihrer Nachrangstellung einen stärkeren Zusammenhang mit der Konzentration auf, der sich jedoch in der Richtung unterscheidet. So sinkt der Wert der Subordinated Fee mit zunehmender Konzentration, wohingegen der Wert der Incentive Fee, gleichermaßen wie der der Equity Tranche, ansteigt. Die Incentive Fee zeigt dabei im Vergleich eine deutlich höhere Wertsensitivität, woraus sich für die Gesamtvergütung des Managers insgesamt ein positiver Zusammenhang mit der Portfoliokonzentration ergibt. Folglich besitzt der CLO-Manager einen Anreiz, die Konzentration des Pools, im Interesse der Equity Investoren und gegen das Interesse der Investoren der vorrangigen Tranchen, im Rahmen seines Handlungsspielraums zu maximieren. Dieses Ergebnis ist gegenüber Änderungen der angenommenen Vergütungsstruktur robust. Zum einen geht von der Höhe der Senior Fee aufgrund der sehr geringen Wertsensitivität 81

Ein Anstieg der Asset-Korrelation wirkt sich gleichermaßen auf die Portfolioverlustverteilung aus wie eine Erhöhung der Industriekonzentration. In beiden Fällen wird bei gleich bleibendem Mittelwert Wahrscheinlichkeitsmasse an die Verteilungsränder verschoben. 82 Vgl. hierzu Krahnen / Wilde (2008), S. 12-13.

96

gegenüber der Portfoliokonzentration keine bzw. eine zu vernachlässigende Anreizwirkung für den CLO-Manager aus. Zum anderen ist die Wertsensitivität der Incentive Fee deutlich höher als die der Subordinated Fee, so dass auch bei Annahme einer sehr hohen Subordinated Fee in Verbindung mit einer sehr geringen Incentive Fee der mit einer Steigerung der Konzentration verbundene Wertzuwachs der Incentive Fee die gleichzeitige Wertminderung der Subordinated Fee übersteigt. So weist die Gesamtvergütung auch dann einen positiven Zusammenhang mit der Konzentration des Asset Pools auf, wenn beispielsweise von einer Subordinated Fee von 0,60% p. a. und einer Incentive Fee von 10% mit einer Threshold von 15% p. a. ausgegangen wird.83 Auch bei einer Beteiligung des CLO-Managers an der Equity Tranche ändern sich die Ergebnisse hinsichtlich dessen Konzentrationswahl nicht. In diesem Fall würde sich der Risikoanreiz des Managers sogar verstärken, da der Wert der Equity Tranche wie auch die Gesamtvergütung einen positiven Zusammenhang mit der Konzentration aufweisen. Es lässt sich schließen, dass in gemanagten CLO-Transaktionen für den Asset Manager unabhängig von einer Beteiligung an der Equity Tranche ein Risikoanreiz in Bezug auf die Konzentration des Referenzpools besteht. Somit kommt es zwischen diesem und den Investoren der Debt Tranchen zu einem Anreizkonflikt, von dem insbesondere die Investoren der Mezzanine Tranchen betroffen sind, da die Wertsensitivität der Mezzanine Tranchen gegenüber der Portfoliokonzentration die der Senior Tranche(n) übersteigt. Auch das in Bezug auf die Portfoliokonzentration bestehende Anreizproblem kann durch die Beschränkung des Handlungsspielraums des Managers abgemildert werden. So lassen sich die für die Senior und Mezzanine Tranchen resultierenden Wertverluste durch die Festlegung von Konzentrationshöchstgrenzen oder die Vorgabe eines minimalen Diversifikationsgrades für das Referenzportfolio begrenzen.

83

Diese Berechnung basiert auf einer Senior Fee von 0,15% p. a. Eine Subordinated Fee von 0,60% p. a. ist im Vergleich zu den in der Praxis üblichen Werten als sehr hoch einzuordnen, eine Incentive Fee von 10% mit einer Threshold von 15% p. a. als sehr gering. So weisen beispielsweise die in der Studie von Fitch (2008b) untersuchten CLO-Transaktionen maximal eine Subordinated Fee von 0,55% p. a. auf. Die in der Praxis typischerweise vereinbarten Anreizgebühren sehen eine Höhe von 20% und einen Schwellenwert von 12% p. a. vor. Vgl. Fitch (2008b), S. 21, und Kapitel 4.4.1. Durch Annahme einer höheren Subordinated Fee werden wiederum die Tranchierung sowie die Credit Spreads der Tranchen beeinflusst. In Analogie zu dem in Fußnote 78 beschriebenen Einfluss der Subordinated Fee auf die Tranchierung der Transaktion führt eine Steigerung der Subordinated Fee zu einer Verringerung der Größen der Debt Tranchen und zu einer Erhöhung der Größe der Equity Tranche, da sich während der Laufzeit weniger Mittel im Reserve Account ansammeln und somit der Risikopuffer zur Deckung fehlender Zins- und Tilgungszahlungen des Pools geringer ausfällt. Bei Annahme einer Subordinated Fee von 0,60% p. a. und einer Senior Fee von 0,15% resultiert gemäß der in Kapitel 3.4.4 dargestellten Tranchierungsmethodik folgende Tranchengrößen: 69,10% (AAA), 2,76% (AA), 2,38% (A), 4,85% (BBB), 6,34% (BB), 5,17% (B) und 9,39% (FLP).

97

3.5.3 Kreditauswahl im Hinblick auf die Wiedergewinnungsquote Neben der Ausfallwahrscheinlichkeit der Kredite und der Portfoliokonzentration kann der CLO-Manager seine Kreditauswahl nach der Recovery Rate der Kredite treffen. Im Folgenden stehen diesem wiederum sechs Referenzportfolios mit einem Wert von jeweils 480 Mio. EUR zum Erwerb zur Verfügung, die sich in der Recovery Rate der zugrunde liegenden Kredite unterscheiden. Für die Kredite der Portfolios werden folgende Wiedergewinnungsquoten unterstellt: 90%, 80%, 70%, 60%, 50% bzw. 40%. Die mit diesen Wiedergewinnungsquoten verbundenen Credit Spreads der Kredite sind in Tabelle 3.1 des Kapitels 3.4.2 angegeben. Die Ausfallwahrscheinlichkeit und die Konzentration der Referenzportfolios sind identisch und werden auf den für die Tranchierung angenommenen Werten gehalten. Demnach verfügen die Kredite über ein Rating von B und sind insgesamt fünf Industrien zugeordnet.84 Wie im Hinblick auf die Bestimmung der Ausfallwahrscheinlichkeit besteht für den CLO-Manager bei der Wahl der Recovery Rate der Kredite der Trade-Off zwischen dem Risiko und den Zinszahlungen des Portfolios, da mit einer hohen Recovery Rate zwar ein geringer erwarteter Verlust verbunden ist, dieser allerdings auch mit niedrigen Zinszahlungen einhergeht. Abbildung 3.5 zeigt die beiden Endwertverteilungen der Kreditportfolios, deren Kredite eine Recovery Rate von 80% und 40% aufweisen. Durch eine Änderung der Wiedergewinnungsquote der unterlegten Kredite wird wie durch eine Änderung der PD und der Konzentration nur die Standardabweichung der Endwertverteilung beeinflusst, der Mittelwert der Verteilung bleibt aufgrund der für die Kredite angenommenen Par Spreads unverändert. Eine Steigerung der Recovery Rate hat, wie aus Abbildung 3.5 zu erkennen ist, aufgrund der sinkenden mittleren Verlustrate eine Verringerung der Volatilität der Endwertrealisationen zur Folge. Die Simulationsergebnisse für die unter den verschiedenen Referenzportfolios zu erwartenden Tranchenwerte und Managervergütung sind in Tabelle 3.9 berichtet. Für die Debt Tranchen und die Equity Tranche ergibt sich wiederum ein divergierender Zusammenhang mit dem Risiko des zugrunde liegenden Asset Pools. Die Debt Tranchen weisen einen positiven Zusammenhang mit der Wiedergewinnungsquote der Kredite auf, die Equity Tranche einen negativen. Für die Debt Tranchen zeigt sich, dass deren Werte solange mit steigender Recovery Rate der Kredite zunehmen, bis die Ausfallwahrscheinlichkeit der jeweiligen Tranche Null erreicht, wie es für die AAA- bis A-Tranche bei Zugrundelegung einer Recovery Rate von 70% und für die BBB-Tranche bei der Recovery Rate von 80% der Fall ist. An diesem Punkt haben die Tranchen ihren jeweiligen Maximalwert erreicht und nehmen bei einer weiteren Erhöhung der Recovery Rate nicht mehr im Wert zu. Die 84

Für die Verteilung der Kredite auf die Industrien wird wiederum bei jedem Referenzportfolio eine Gleichverteilung angenommen. Das in Bezug auf die Recovery Rate risikoreichste Portfolio kommt dem der Tranchierung zugrunde gelegten Worst Case-Portfolio gleich, so dass weiterhin die Tranchengrößen des Kapitels 3.4.4 angewandt werden können.

98

Abbildung 3.5: Veränderung der Endwertverteilung des Referenzportfolios bei Variation der Recovery Rate der unterlegten Kredite. Abgebildet sind die Endwertverteilungen der Portfolios, deren Kredite eine Recovery Rate von 80% und 40% besitzen. Die Kredite der Portfolios sind jeweils 5 Industrien zugeordnet und verfügen über ein Rating von B. 0.40 Recovery Rate 40%

Relative Häufigkeit

0.35

Recovery Rate 90%

0.30 0.25 0.20 0.15 0.10 0.05 0 250

300

400 450 500 350 Portfoliowert (in Mio. EUR)

550

600

B-Tranche besitzt hingegen wie die Equity Tranche ein eindeutiges Maximum, welches sie bei Wahl des Portfolios mit der höchsten Wiedergewinnungsquote der unterlegten Kredite erreicht. Die Risikoeigenschaften der Tranchen bei Zugrundelegung der verschiedenen Referenzportfolios sind in Tabelle 3.10 angegeben. Es wird deutlich, dass die mittleren Verlustraten der Debt Tranchen mit sinkender Recovery Rate der Kredite zunehmen, was sowohl auf die steigenden Ausfallwahrscheinlichkeiten als auch auf die steigenden LGDs der Tranchen zurückzuführen ist. Die Debt Tranchen profitieren wie auch im Falle der PD nicht von den höheren Zinszahlungen, die mit einer höheren Portfolioqualität verbunden sind, da ihre jeweils maximal zu erzielenden Endwerte nicht durch den Excess Spread beeinflusst werden. Im Gegensatz dazu fließt der nach Bedienung der Zins- und Tilgungsverpflichtungen der Debt Tranchen verbleibende Excess Spread an die Equity Tranche. So nimmt der Mittelwert der an diese Tranche fließenden Zahlungen mit sinkender Recovery Rate zu, obwohl die durchschnittliche Verlustrate des Referenzportfolios steigt.85 Die mit einer geringeren Recovery Rate verbundene höhere Volatilität der Zahlungen des Pools wirkt sich folglich wertsteigernd auf die Equity Tranche aus. Es lässt sich festhalten, dass wie auch hinsichtlich der PD und der Konzentration des Referenzportfolios - eine Interessensdivergenz zwischen den Investoren der Equity Tranche und denen der Debt Tranchen existiert. Während die Investoren der Debt Tranchen das Portfolio mit einer möglichst 85

In Tabelle 3.10 ist zu erkennen, dass der Mittelwert der Verlustrate und die durchschnittliche LGD der Equity Tranche mit sinkender Recovery Rate steigen. Dies begründet sich darin, dass der maximal erzielbare Endwert der Equity Tranche mit sinkender Recovery Rate aufgrund der steigenden Zinszahlungen der unterlegten Kredite zunimmt und sich somit die in die Berechnung der Verlustrate und LGD einfließenden Verluste auf einen höheren Endwert der vertraglichen Ansprüche beziehen. Der gleiche Zusammenhang gilt für die mittlere Verlustrate und die LGD des Asset Pools. Vgl. hierzu die Ausführungen zur Berechnung der Verlustrate des Pools und der Tranchen in Kapitel 3.4.3.

99

Tabelle 3.9: Werte der Managervergütung und der CLO-Tranchen in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite (in Mio. EUR). Der Wert der Senior, Subordinated (Subord.) und Incentive Fee wird in der 2. bis 4. Spalte berichtet, der Wert der Gesamtvergütung (Σ) in der 5. Spalte und die Tranchenwerte in der 6. bis 12. Spalte. Die Tranche und die Tranchengröße sind in der 2. und 3. Zeile angegeben. Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20%, die ab einer internen Verzinsung der Equity Tranche (FLP) von 8% p. a. gezahlt wird. Die unterlegten Kredite sind jeweils 5 Industrien zugeordnet und verfügen über ein Rating von B. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. Asset Pool

Managervergütung

Recovery Rate

Senior 0,15%

Subord. Incentive 0,45% 8%/20%

90% 80% 70% 60% 50% 40%

4,953 4,866 4,780 4,693 4,606 4,519

14,714 13,926 13,892 13,569 13,280 13,012

0,000 0,002 0,092 0,337 0,688 1,103

CLO-Tranchen Σ 19,667 18,795 19,764 18,599 18,574 18,634

AAA 69,80%

AA 2,76%

A 2,40%

BBB 4,88%

BB 6,37%

B 5,20%

FLP 8,59%

335,088 335,088 335,088 335,088 335,082 335,048

13,332 13,332 13,332 13,331 13,319 13,270

11,627 11,627 11,627 11,623 11,594 11,512

24,041 24,041 24,037 23,979 23,774 23,419

33,326 33,324 33,066 32,405 31,504 30,556

30,960 30,192 28,285 26,900 25,804 24,946

11,959 13,601 15,800 18,075 20,349 22,614

hohen Recovery Rate der unterlegten Kredite präferieren, bevorzugen die Equity Investoren das Portfolio mit einer möglichst geringen Recovery Rate. Hierbei sind die Investoren wiederum aufgrund der mit sinkendem Rang einer Tranche steigenden Wertsensitivität gegenüber dem Risiko des Referenzportfolios umso stärker von einer ihren Präferenzen entgegengesetzten Portfoliowahl des CLO-Managers betroffen, je geringer der Rang einer Tranche im Cashflow-Wasserfall ist. Im Hinblick auf die Portfoliowahl des CLO-Managers zeigt sich, dass dieser seine Gesamtvergütung durch Wahl des Portfolios maximiert, dessen Kredite die höchste Recovery Rate besitzen. Folglich besteht bei der angenommenen Vergütungsstruktur für den Manager kein Risikoanreiz. Die Senior und die Subordinated Fee werden von der Recovery Rate der Kredite wie auch von der PD und der Konzentration anders beeinflusst als die Incentive Fee. Die beiden Vergütungskomponenten weisen wie die Debt Tranchen einen positiven Zusammenhang mit der Recovery Rate auf, wobei die Subordinated Fee eine höhere Wertsensitivität gegenüber der Recovery Rate besitzt. Die Senior Fee wird als Position mit der höchsten Priorität nie, d. h. auch nicht bei Zugrundelegung der Recovery Rate von 40%, von Verlusten des Referenzportfolios betroffen. Ihr Wert steigt dennoch mit zunehmender Recovery Rate, da diese wie auch die Ausfallwahrscheinlichkeit der Kredite das Portfoliovolumen während der Laufzeit, auf welche sich die Senior Fee bezieht, determiniert. Im Gegensatz dazu schlagen die Verluste des Referenzportfolios bis zur Subordinated Fee als stark subordinierte Position durch. Erwirbt der CLO-Manager Kredite mit höherer Recovery Rate, steigt der Wert der Subordinated Fee nicht nur aufgrund des im Durchschnitt höheren Portfoliovolumens, sondern auch aufgrund der sinkenden Verlustrate der Vergütungskomponente. Im Gegensatz zur Senior und Subordinated Fee steigt der Wert der Incentive Fee mit abnehmender Recovery Rate, da durch eine höhere Volatilität der Endwerte die Wahrscheinlichkeit der Erreichung der Incentive Fee Threshold zunimmt. Sie weist allerdings eine im Vergleich zur Senior und Subordinated Fee geringe100

Tabelle 3.10: Risikocharakteristika der CLO-Tranchen und des Asset Pools in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite. Es werden folgende Statistiken der Simulationen berichtet: Mittelwert sowie Standardabweichung (SD) der Verlustrate, Ausfallwahrscheinlichkeit (PD) und durchschnittliche Loss Given Default (LGD). Die 1. Spalte gibt die Recovery Rate der Kredite an, die 2. Spalte die Tranche und die 3. Spalte die Größe der Tranche. Die jeweils letzte Zeile zeigt die Kennzahlen für den Asset Pool. Recovery Rate

Tranche

Größe

Mittelwert Verlustrate

SD Verlustrate

PD

LGD

90%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,00% 0,00% 60,05% 3,71%

0,00% 0,00% 0,00% 0,00% 0,00% 0,15% 20,59% 1,33%

0,00% 0,00% 0,00% 0,00% 0,00% 0,02% 100,00% 100,00%

8,77% 60,05% 3,71%

80%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,00% 0,01% 2,48% 71,90% 7,15%

0,00% 0,00% 0,00% 0,00% 0,37% 8,91% 21,83% 2,57%

0,00% 0,00% 0,00% 0,00% 0,05% 12,65% 100,00% 100,00%

12,13% 19,62% 71,90% 7,15%

70%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,00% 0,00% 0,02% 0,78% 8,64% 76,24% 10,35%

0,00% 0,00% 0,00% 0,86% 5,90% 20,60% 21,53% 3,73%

0,00% 0,00% 0,00% 0,06% 3,00% 22,50% 100,00% 100,00%

27,01% 26,00% 38,41% 76,24% 10,35%

60%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,01% 0,03% 0,26% 2,76% 13,11% 78,43% 13,34%

0,02% 0,94% 1,62% 3,94% 12,61% 26,23% 21,20% 4,80%

0,01% 0,02% 0,06% 0,69% 7,18% 27,35% 100,00% 100,00%

1,67% 64,36% 57,22% 37,23% 38,52% 47,95% 78,43% 13,34%

50%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,00% 0,09% 0,28% 1,11% 5,47% 16,66% 79,74% 16,14%

0,11% 2,77% 4,79% 8,93% 18,67% 29,80% 20,94% 5,81%

0,05% 0,17% 0,43% 2,23% 11,44% 30,61% 100,00% 100,00%

3,52% 57,21% 64,15% 49,84% 47,81% 54,41% 79,74% 16,14%

40%

AAA AA A BBB BB B FLP Asset Pool

69,80% 2,76% 2,40% 4,88% 6,37% 5,20% 8,59% 100,00%

0,01% 0,47% 0,98% 2,59% 8,31% 19,43% 80,61% 18,76%

0,32% 6,31% 9,26% 14,05% 23,48% 32,19% 20,73% 6,75%

0,28% 0,70% 1,37% 4,44% 15,11% 32,90% 100,00% 100,00%

4,20% 66,84% 71,89% 58,23% 55,01% 59,04% 80,61% 18,76%

101

re Wertsensitivität gegenüber der Wiedergewinnungsquote der Kredite auf, woraus sich insgesamt für die Gesamtvergütung ein positiver Einfluss der Recovery Rate ergibt. Folglich besitzt der Asset Manager im Hinblick auf die Recovery Rate keinen Risikoanreiz und wählt bei der Zusammenstellung des Asset Pools Kredite mit einer möglichst hohen Recovery Rate, womit er im Interesse der Investoren der Debt Tranchen und gegen das Interesse der Equity Investoren handelt. Die Überprüfung der Robustheit der Ergebnisse bezüglich der angenommenen Vergütungsstruktur zeigt, dass der Manager nur dann einen Anreiz zur Minimierung der Recovery Rate der unterlegten Kredite besitzt, wenn eine deutlich geringere Subordinated Fee und/oder eine deutlich höhere Incentive Fee als im Referenzfall festgelegt wird. Die sich bei Variation der Höhe der Subordinated Fee (Panel A) und der Incentive Fee Threshold (Panel B) ergebenden Werte der Managervergütung sind in Tabelle 3.11 dargelegt.86 So besitzt der Manager bei unveränderter Senior und Incentive Fee erst ab einer Subordinated Fee von weniger als 0,19% p. a. einen Anreiz, das Portfolio mit der geringsten Recovery Rate der zugrunde liegenden Kredite zu wählen. Wird dagegen die Incentive Fee Threshold verringert und die Senior und Subordinated Fee auf 0,15% p. a. bzw. 0,45% p. a. konstant gehalten, kehren sich die Präferenzen des Managers bei einem Schwellenwert von ungefähr 1% p. a. um. Tabelle 3.11: Wert der Managervergütung in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite für verschiedene Höhen der Subordinated Fee (Panel A) und der Incentive Fee Threshold (Panel B) (in Mio. EUR). Die Kredite verfügen über ein Rating von B und sind insgesamt 5 Industrien zugeordnet. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. PANEL A: Variation der Subordinated Fee Senior Fee Subordinated Fee Incentive Fee

0,15% 0,40% 8%/20%

0,15% 0,35% 8%/20%

18,031 17,386 17,226 17,096 17,102 17,190

16,395 15,920 15,687 15,592 15,629 15,746

Recovery Rate 90% 80% 70% 60% 50% 40%

0,15% 0,30% 8%/20%

0,15% 0,25% 8%/20%

0,15% 0,20% 8%/20%

0,15% 0,15% 8%/20%

0,15% 0,10% 8%/20%

11,479 11,231 11,062 11,076 11,207 11,410

9,842 9,644 9,518 9,569 9,732 9,964

8,208 8,054 7,974 8,061 8,257 8,518

0,15% 0,45% 3%/20%

0,15% 0,45% 2%/20%

0,15% 0,45% 1%/20%

19,667 18,912 19,133 19,167 19,281 19,438

19,669 18,969 18,237 19,298 19,427 19,595

19,674 19,039 19,347 19,430 19,572 19,750

Managervergütung 14,756 14,383 14,146 14,088 14,156 14,301

13,118 12,814 12,605 12,582 12,682 12,856

PANEL B: Variation der Incentive Fee Threshold Senior Fee Subordinated Fee Incentive Fee

0,15% 0,45% 7%/20%

0,15% 0,45% 6%/20%

19,667 18,801 18,814 18,696 18,706 18,792

19,667 18,813 18,877 18,802 18,844 18,953

Recovery Rate 90% 80% 70% 60% 50% 40%

86

0,15% 0,45% 5%/20%

0,15% 0,45% 4%/20%

Managervergütung 19,667 18,834 18,951 18,918 18,987 19,115

19,667 18,867 19,037 19,040 19,133 19,277

Vgl. hierzu die Ausführungen in Fußnote 78 zum Einfluss der Höhe der Subordinated Fee auf die Tranchierung der Transaktion.

102

Ist der Manager an der Equity Tranche beteiligt, kommt es unter der im Referenzfall angenommenen Vergütung bereits bei einem Anteil von 11% zu einem Risk Shifting-Problem. Tabelle 3.12 zeigt für unterschiedlich hohe Beteiligungen an der Equity Tranche die Gesamtergebnisse des Managers, die sich bei den zur Wahl stehenden Referenzportfolios ergeben. Wie auch in Bezug auf die PD der Referenzkredite festgestellt wurde, stellt eine Beteiligung an der Equity Tranche eine kritische Einflussgröße für die Präferenzordnung des Asset Managers dar. Solange der Manager keinen oder nur sehr geringen Anteil an der Equity Tranche hält, besteht für diesen kein Anreiz, Kredite mit geringer Recovery Rate zu erwerben. Ist der Manager hingegen mit einem signifikanten Anteil an der Equity Tranche beteiligt und/oder nimmt die Incentive Fee im Vergleich zur Subordinated Fee einen vergleichsweise hohen Anteil an, kann es zu einem Risikoanreiz des Managers kommen, den die Investoren der Debt Tranchen, insbesondere die der Mezzanine Tranchen, bei ihrer Investitionsentscheidung berücksichtigen müssen. Folglich kommt es in Bezug auf die Festlegung der Wiedergewinnungsquote entweder zu einem Anreizkonflikt mit den Investoren der Debt Tranchen oder mit den Investoren der Equity Tranche. Zur Begrenzung der aus einem Risk Shifting-Anreiz des Managers resultierenden Wertverluste der Debt Tranchen kann für die durchschnittliche Recovery Rate der Kredite ein Mindestwert vorgegeben werden. Die Auswirkungen des Anreizkonflikts zwischen dem Manager und den Equity Investoren können dagegen durch die Festlegung eines minimalen Durchschnittsspreads bzw. -kupons der Kredite abgeschwächt werden. Tabelle 3.12: Gesamtergebnis des CLO-Managers in Abhängigkeit der Recovery Rate der zugrunde liegenden Kredite für verschiedene Höhen der Beteiligung des Managers an der Equity Tranche (in Mio. EUR). Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20% mit einer Threshold von 8% p. a. Die unterlegten Kredite sind jeweils 5 Industrien zugeordnet und verfügen über ein Rating von B. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. Beteiligung an Equity Tranche

5,00%

10,00%

20,265 19,475 19,554 19,503 19,592 19,765

20,863 20,155 20,344 20,407 20,609 20,896

Recovery Rate 90% 80% 70% 60% 50% 40%

15,00%

20,00%

25,00%

Gesamtergebnis CLO-Manager 21,461 20,835 21,134 21,311 21,626 22,026

22,059 21,516 21,924 22,214 22,644 23,157

22,657 22,196 22,714 23,118 23,661 24,288

103

3.5.4 Einfluss der Transaktionsstruktur auf die Kreditauswahl des Managers Die Strukturierung einer Verbriefungstransaktion beeinflusst die Verteilung der eingehenden Cashflows auf die verschiedenen Tranchen und hat somit Einfluss auf die von den Investoren und dem Manager erzielbaren Ergebnisse. Folglich besteht die Möglichkeit, dass Modifikationen im Wasserfallprinzip beispielsweise durch Vereinbarung zusätzlicher Sicherungsmaßnahmen die Ergebnisse in Bezug auf die Gestaltung der Risikoeigenschaften des Referenzportfolios durch den Manager verändern. Daher wird im Folgenden die zuvor für den Manager ermittelte Portfoliowahl auf ihre Robustheit hinsichtlich der angenommenen Subordinationsstruktur getestet. Hierzu werden zwei Modifikationen im Wasserfallprinzip der Transaktion durchgeführt und deren Auswirkungen auf die Tranchen- sowie Vergütungsendwerte untersucht. Zum einen wird für den Reserve Account eine Obergrenze (Cap) eingeführt, wodurch die Equity Tranche im Gegensatz zu der bisherigen Struktur bereits während der Laufzeit der Transaktion Zahlungen erhält, wenn die im Reserve Account angesammelten Mittel diese Obergrenze überschreiten. Zum anderen werden in den Cashflow-Wasserfall für die Debt Tranchen Overcollateralization Tests integriert, die an jedem Zahlungstermin erfüllt werden müssen. Bei Nichtbestehen eines Tests wird die jeweilige Tranche sowie die gegenüber dieser vorrangigen Tranchen aus dem Cashflow des Pools gemäß dem Subordinationsprinzip soweit getilgt bis die O/C Ratio der Tranche wieder dem festgelegten Grenzwert entspricht. Beide Modifikationen des Wasserfallprinzips beeinflussen die Verteilung der aus dem Pool eingehenden Cashflows auf die verschiedenen Tranchen, woraus eine jeweils veränderte Tranchierung des Pools resultiert.87 Im Falle eines begrenzten Reserve Account werden Zahlungen von den vorrangigen Tranchen, insbesondere von den Mezzanine Tranchen, zur Equity Tranche umverteilt, da sämtliche an den einzelnen Zahlungsterminen über den Cap des Reserve Account hinausgehenden Mittel, die im Falle eines unbegrenzten Reserve Account einbehalten werden, an die Equity Tranche fließen. Im Ergebnis nimmt die Equity Tranche einen höheren und die Summe der Debt Tranchen einen niedrigeren Anteil am Referenzportfolio an. Hierbei ist der Anteil der Equity Tranche umso höher, je geringer der Cap des Reserve Account gewählt wird.88

87

Durch die Änderung der Tranchengrößen werden wiederum die Tranchen-Spreads beeinflusst. Für die folgenden Simulationen werden die sich bei der jeweiligen Tranchierung ergebenden Par Spreads der Tranchen herangezogen. 88 Beispielsweise resultiert bei einem Cap des Reserve Account von 10% des Nominalwerts des Referenzportfolios eine Equity Tranche von 9,24% und Debt Tranchen von 69,93% (AAA), 2,76% (AA), 2,40% (A), 4,88% (BBB), 6,21% (BB) und 4,58% (B), wohingegen bei einem Cap von 5% die Equity Tranche 14,22% beträgt und die Debt Tranchen 68,11% (AAA), 2,11% (AA), 2,10% (A), 3,67% (BBB), 5,20% (BB) und 4,58% (B). Vgl. in diesem Zusammenhang auch Hein (2008), S. 19 sowie 21-24, die den Einfluss verschieden spezifizierter Reserve Accounts auf die Tranchierung von CLO-Transaktionen untersucht.

104

Die Anreize des CLO-Managers hinsichtlich der Wahl der Ausfallwahrscheinlichkeit, der Konzentration sowie der Wiedergewinnungsquote der zugrunde liegenden Assets werden für verschieden hohe Obergrenzen des Reserve Account überprüft. Es zeigt sich, dass unabhängig von der Spezifikation des Cap dieselben Ergebnisse wie im Fall des unbegrenzten Reserve Account resultieren. Der Asset Manager besitzt ausschließlich in Bezug auf die Konzentration des Referenzportfolios einen Risikoanreiz, im Hinblick auf die Ausfallwahrscheinlichkeit und die Recovery Rate der Kredite minimiert er dagegen das Portfoliorisiko. Die Senior und die Subordinated Fee weisen wiederum einen negativen Zusammenhang mit dem Risiko des Referenzportfolios auf, die Incentive Fee einen positiven. Hierbei ist der Wert der Incentive Fee c. p. umso geringer, je kleiner der Cap des Reserve Account gewählt wird, da mit einem fallenden Cap die Größe der Equity Tranche steigt und somit der Leverage der Transaktion sinkt, wodurch die Equity Tranche im Durchschnitt eine geringere Rendite erzielt und die Wahrscheinlichkeit sinkt, dass die für die Incentive Fee erforderliche Mindestverzinsung der Equity Tranche erreicht wird. Für die Wahl der Portfoliokonzentration durch den Manager bedeutet dies, dass mit einem geringeren Cap bzw. niedrigeren Leverage der Transaktion die Risikoanreize des Managers schwächer werden, da dadurch die Wertsensitivität der Gesamtvergütung gegenüber der Portfoliokonzentration sinkt. Die Präferenzen der verschiedenen Investorengruppen werden durch die Einführung eines begrenzten Reserve Account nicht beeinflusst. Während die Investoren der Debt Tranchen im Hinblick auf alle drei Risikogrößen ein minimales Portfoliorisiko präferieren, bevorzugen die Investoren der Equity Tranche das Referenzportfolio mit dem jeweils höchsten Risiko. Für die Risikoanreize des CLO-Managers ergibt sich ein leicht verändertes Bild, wenn im Wasserfall der Transaktion für die Debt Tranchen O/C Tests angenommen werden. Der Einfachheit halber wird im Folgenden der zugrunde liegende Asset Pool nur in insgesamt vier Tranchen aufgeteilt: drei Debt Tranchen mit einem Rating von AAA, BBB und B sowie eine nicht geratete Equity Tranche.89 Für den Wasserfall der jährlichen Zinszahlungen wird angenommen, dass nach Bestehen der O/C Tests der AAA-, BBB- sowie B-Tranche an einem Ausschüttungstermin die Mittel, die nach Begleichung aller gegenüber der Equity Tranche vorrangigen Zahlungsverpflichtungen übrig sind, an die Investoren der Equity Tranche fließen. Die überschüssigen Mittel werden demnach nicht wie in dem ursprünglich angenommenen Wasserfallprinzip in einem Reserve Account angesammelt, sondern direkt an die Equity Investoren weitergeleitet, wodurch die Equity Tranche wie im Fall eines begrenzten Reserve Account bereits vor Fälligkeit der Transaktion Zahlungen erhält, die von der Höhe des für den O/C Test der B-Tranche gewählten Grenzwerts abhängig sind. 89

Diese Annahme dient lediglich zur Vereinfachung. Sie hat keinen Einfluss auf die Ergebnisse in Bezug auf die Anreize des CLO-Managers, da die unterste geratete Tranche wiederum ein Rating von B aufweist, wodurch die an den Manager fließenden Zahlungen der Senior, Subordinated und Incentive Fee im Vergleich zu der Struktur mit sieben Tranchen nur im geringen Maße beeinflusst werden.

105

So werden im Vergleich zu der zuvor unterstellten Subordinationsstruktur Zahlungen von den Mezzanine Tranchen zur Senior sowie zur Equity Tranche umverteilt, wobei das Ausmaß der Umverteilung von den für die O/C Ratios festgelegten Grenzwerten abhängt. Tabelle 3.13 zeigt die Tranchierung des Asset Pools, die sich bei verschiedenen Kombinationen der O/C-Grenzwerte ergibt.90 Es wird deutlich, dass der Anteil der Senior Tranche am Asset Pool umso größer ist, je höher die für die O/C Tests festgelegten Grenzwerte sind. Der Anteil der Equity Tranche hängt dagegen nur von dem Grenzwert des untersten O/C Tests ab und ist umso höher, je geringer dieser gewählt wird. Tabelle 3.13: Tranchengrößen in Abhängigkeit der für die O/C Tests der Debt Tranchen angenommenen Grenzwerte. Die Berechnungen basieren auf dem Worst Case-Portfolio sowie auf einer Senior Fee von 0,15% p. a. und einer Subordinated Fee von 0,45% p. a. Tranche AAA BBB B FLP

O/C Test 130% 115% 105% -

Größe 73, 47% 9, 36% 8, 32% 8, 85%

O/C Test 120% 110% 105% -

Größe 73, 39% 9, 22% 8, 55% 8, 85%

O/C Test 120% 110% 103% -

Größe 72, 13% 8, 34% 7, 31% 12, 22%

O/C Test 110% 105% 102% -

Größe 71, 19% 7, 85% 6, 81% 14, 16%

Im Folgenden werden zunächst die Simulationsergebnisse für den Fall dargelegt, bei welchen die Grenzwerte für die O/C Tests der AAA-, BBB- und B-Tranche 110%, 105% bzw. 102% betragen, bevor anschließend die Robustheit der Ergebnisse in Abhängigkeit dieser Grenzwerte analysiert wird. Tabelle 3.14 zeigt die sich unter der O/C-Struktur von 110%, 105% und 102% ergebenden Werte der Managervergütung und der CLO-Tranchen, wobei in Panel A die Ausfallwahrscheinlichkeit, in Panel B die Konzentration und in Panel C die Recovery Rate der unterlegten Kredite variiert werden. Bei Analyse von Panel A und C wird deutlich, dass die Ergebnisse bezüglich der Bestimmung der PD und der Recovery Rate der Kredite den Ergebnissen in Kapitel 3.5.1 und 3.5.3 entsprechen. Der Manager minimiert bezüglich beider Variablen das Portfoliorisiko. Allerdings weist die Managervergütung im Vergleich zum Referenzfall eine höhere Wertsensitivität gegenüber der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite auf, was darauf zurückzuführen ist, dass die Subordinated Fee stärker und die Incentive Fee weniger mit dem Risiko des Referenzportfolios schwankt. Demzufolge sind die Ergebnisse hinsichtlich der Wahl der Ausfallwahrscheinlichkeit und der Recovery Rate gegenüber einer Managervergütung, bei der die Incentive Fee insgesamt einen höheren Anteil an der Gesamtvergütung annimmt, bzw. gegenüber einer möglichen Beteiligung des Managers an der Equity Tranche im Vergleich zum Fall ohne Deckungstests robuster. So kehren sich beispielsweise die Präferenzen des Managers hinsichtlich der Ausfallwahrscheinlichkeit (Recovery Rate) der Referenzkredite erst bei einer Beteiligung an der Equity Tranche von ca. 44% (42%) um, 90

Die Höhe der Grenzwerte für die O/C Tests der Debt Tranchen von Cashflow CDO-Transaktionen ist von der Art der zugrunde liegenden Assets abhängig und schwankt für Senior Tranchen mit Rating von AAA zwischen 108% und 130% und für Mezzanine Tranchen mit Rating von BBB zwischen 103% und 112%. Siehe Lucas / Goodman / Fabozzi (2006), S. 36.

106

Tabelle 3.14: Wert der Managervergütung und der CLO-Tranchen in Abhängigkeit der Ausfallwahrscheinlichkeit (Panel A), der Industriekonzentration (Panel B) und der Wiedergewinnungsquote (Panel C) der zugrunde liegenden Kredite bei Existenz von O/C Tests im Cashflow-Wasserfall der Transaktion (in Mio. EUR). Die O/C Tests der AAA-, BBB- und B-Tranche weisen Grenzwerte von 110%, 105% und 102% auf. Der Wert der Senior, Subordinated (Subord.) und Incentive Fee wird in der 2. bis 4. Spalte berichtet, der Wert der Gesamtvergütung (Σ) in der 5. Spalte und die Tranchenwerte in der 6. bis 9. Spalte. Die Tranche und die Tranchengröße sind in der 2. und 3. Zeile angegeben. Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20% mit einer Threshold von 8% p. a. Das Rating der Kredite in Panel B und C beträgt B, die Industriekonzentration in Panel A und C 20% (5 Industrien) und die Recovery Rate der Kredite in Panel A und B 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. PANEL A: Wahl der Ausfallwahrscheinlichkeit Managervergütung CLO-Tranchen

Asset Pool Rating

Senior 0,15%

Subord. 0,45%

Incentive 8%/20%

Σ

AAA 71,19%

BBB 7,85%

B 6,81%

FLP 14,16%

AAA AA A BBB BB B

5,039 5,036 5,031 4,990 4,818 4,519

15,116 15,107 15,092 14,961 14,060 10,975

0,000 0,000 0,000 0,000 0,000 0,329

20,155 20,142 20,123 19,951 18,878 15,823

341,758 341,758 341,758 341,758 341,757 341,725

38,268 38,268 38,268 38,268 38,247 37,669

37,722 37,722 37,722 37,720 37,097 32,669

42,097 42,109 42,129 42,302 44,020 52,113

PANEL B: Wahl der Portfoliokonzentration Managervergütung CLO-Tranchen

Asset Pool Anzahl Industrien

Senior 0,15%

Subord. 0,45%

Incentive 8%/20%

Σ

AAA 71,19%

BBB 7,85%

B 6,81%

FLP 14,16%

30 25 20 15 10 5

4,520 4,520 4,520 4,519 4,519 4,519

11,186 11,176 11,156 11,134 11,084 10,975

0,167 0,175 0,184 0,196 0,230 0,329

15,873 15,870 15,860 15,849 15,833 15,823

341,752 341,751 341,749 341,747 341,744 341,725

38,024 38,012 37,994 37,966 37,905 37,669

33,765 33,702 33,640 33,534 33,280 32,669

50,604 50,644 50,742 50,894 51,214 52,113

PANEL C: Wahl der Recovery Rate Managervergütung

Asset Pool

CLO-Tranchen

Recovery Rate

Senior 0,15%

Subord. 0,45%

Incentive 8%/20%

Σ

AAA 71,19%

BBB 7,85%

B 6,81%

FLP 14,16%

90% 80% 70% 60% 50% 40%

4,953 4,866 4,780 4,693 4,606 4,519

14,860 14,593 14,064 13,010 11,903 10,975

0,000 0,000 0,000 0,024 0,129 0,329

19,813 19,459 18,844 17,727 16,638 15,823

341,758 341,758 341,758 341,758 341,754 341,725

38,268 38,268 38,268 38,248 38,095 37,669

37,722 37,720 37,509 36,414 34,612 32,669

42,439 42,794 43,621 45,853 48,900 52,113

wohingegen dies ohne O/C Tests bereits bei einer Beteiligung von ca. 14% (11%) der Fall ist. Für die Portfoliokonzentration (Panel B) zeigt sich, dass sich der in Kapitel 3.5.2 festgestellte Zusammenhang zwischen der Managervergütung und der Konzentration des Referenzportfolios bei der angenommenen O/C-Struktur gerade umkehrt. Sofern der Manager nicht an der Equity Tranche beteiligt ist, besitzt er bei der unterstellten Vergütung keinen Anreiz, die Konzentration des Pools zu maximieren. Die Umkehrung des Zusammenhangs begründet sich darin, dass die Wertsensitivität der Subordinated Fee gegenüber der Konzentration im Vergleich zum Referenzfall gestiegen, während die der Incentive Fee konstant geblieben ist. Allerdings ist hierbei zu beachten, dass der Manager bereits dann wieder einen Anreiz zur Maximierung der Konzentration des Referenzportfolios besitzt, wenn er mit einem Anteil von nur 4% an der Equity Tranche beteiligt ist oder die Incenti107

ve Fee insgesamt einen etwas höheren Anteil an dessen Gesamtvergütung ausmacht. Für die CLO-Tranchen ergibt sich schließlich, dass die Richtungen der Zusammenhänge der Tranchenwerte mit der Ausfallwahrscheinlichkeit, der Konzentration sowie der Wiedergewinnungsquote der Referenzkredite durch die Einführung der O/C Tests nicht beeinflusst werden. Die Investoren der Debt Tranchen präferieren weiterhin jeweils das Referenzportfolio mit dem geringsten Risiko, während die Investoren der Equity Tranche ihr höchstes Ergebnis bei Zugrundelegung des risikoreichsten Referenzportfolios (Worst Case-Portfolio) erzielen. Wie oben bereits aufgezeigt wurde, beeinflusst die Höhe der für die O/C Tests angenommenen Grenzwerte die Tranchierung der Verbriefungstransaktion, die sich wiederum auf die Wertsensitivität der Managervergütung gegenüber dem Portfoliorisiko auswirkt. Die Wertsensitivität der Managervergütung gegenüber dem Portfoliorisiko wird insbesondere durch den für den O/C Test der untersten gerateten Tranche festgelegten Grenzwert beeinflusst, da von diesem die Größe der Equity Tranche abhängt. Es zeigt sich, dass mit steigendem Grenzwert die Wertsensitivität der Gesamtvergütung des Managers gegenüber der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite aufgrund der kleineren Equity Tranche zunimmt.91 Demzufolge ist die Portfoliowahl des Managers hinsichtlich der beiden Variablen umso robuster, je kleiner die Equity Tranche und je größer der Leverage der Transaktion ist. Hinsichtlich der Portfoliokonzentration zeigt sich, dass, solange der Zusammenhang zwischen der Managervergütung und der Portfoliokonzentration negativ ist, die Wertsensitivität der Managervergütung mit steigender Größe der Equity Tranche zunimmt. Dies bedeutet, dass der negative Zusammenhang zwischen der Vergütung und der Konzentration des Referenzportfolios und somit die Anreize des Managers zur Minimierung der Portfoliokonzentration umso stärker sind, je geringer der Leverage der Transaktion ist. Wird die Größe der Equity Tranche hingegen durch Festlegung eines höheren O/C-Grenzwerts für die unterste Debt Tranche verringert, ergibt sich, dass sich ab einem bestimmten Punkt der negative Zusammenhang zwischen der Managervergütung und der Portfoliokonzentration zu einem positiven Zusammenhang umkehrt und der Manager wieder einen Anreiz zur Maximierung der Konzentration besitzt. So besteht für diesen bei der vorliegenden CLO-Transaktion ein Risikoanreiz, wenn für die O/C Ratio der B-Tranche ein Grenzwert von 103% festgelegt wird, woraus eine Equity Tranche von 12,22% resultiert. So kann bezüglich der Konzentrationswahl des Managers zusammengefasst werden, dass das bestehende Risikoanreizproblem durch die Ausgestaltung von Overcollateralization Tests abgemildert werden kann, es jedoch von der Höhe der Subordinated und der Incentive Fee, der Höhe einer möglichen Eigenkapitalbeteiligung 91

Der Zusammenhang ist auf die mit sinkender Equity Tranche steigende Wertsensitivität der Subordinated Fee zurückzuführen. Zwar nimmt die Sensitivität der Incentive Fee gegenüber dem Portfoliorisiko ebenfalls mit sinkender Equity Tranche zu, allerdings in einem geringeren Maß als die der Subordinated Fee.

108

des Managers sowie von dem Leverage der Transaktion abhängt, ob es vollständig gelöst werden kann.

3.5.5 Einfluss der Risikoeinstellung auf die Kreditauswahl des Managers Schließlich wird der Einfluss der Risikoeinstellung des CLO-Managers auf die in den Kapiteln 3.5.1 bis 3.5.3 ermittelten Ergebnisse getestet. Es wird untersucht, ob und gegebenenfalls wie sich die Portfoliowahl des Managers und die damit verbundenen Anreizprobleme ändern, wenn für diesen ein risikoaverses Verhalten unterstellt wird. Im Folgenden wird davon ausgegangen, dass der Manager die Alternativen anhand des Erwartungsnutzens (Bernoulli-Nutzens) der unsicheren Ergebnisse bewertet und seine Präferenzen durch die folgende Risikonutzenfunktion U beschrieben sind:92 (3.8)

U(X) = X α .

Hierbei kennzeichnet X die Endvermögensposition und α den Grad der Risikoaversion, wobei 0 < α < 1 gilt. Die Risikoaversion des Managers ist umso stärker ausgeprägt, je kleiner der Parameter α festgelegt wird.93 Die Form der Risikonutzenfunktion impliziert eine fallende absolute Risikoaversion sowie eine konstante relative Risikoaversion (CRRA).94 Die CRRA-Risikonutzenfunktion besitzt die vorteilhafte Eigenschaft, dass die Präferenzen des Managers nicht von dessen Anfangsvermögen abhängen, so dass dieses in der folgenden Betrachtung vernachlässigt werden kann. Für die Originatoren der Kredite und die Investoren der verschiedenen Tranchen wird weiterhin davon ausgegangen, dass diese ausreichend diversifiziert sind und die Kredite bzw. die emittierten Tranchen risikoneutral 92

Durch die Risikonutzenfunktion (3.8), die der Klasse der Potenzfunktionen zugeordnet ist, wird ein plausibles und allgemein anerkanntes Risikoaversionsverhalten des Kapitalanlegers abgebildet, da sie den Anforderungen an ökonomisch sinnvolle Risikonutzenfunktionen (Nichtsättigung, Risikoaversion des Anlegers und sinkende absolute Risikoaversion) genügt. Vgl. hierzu Schmidt-von Rhein (1996), S. 259-265, und Elton u. a. (2003), S. 214-220. Zum Erwartungsnutzen- bzw. Bernoulli-Prinzip vgl. Bernoulli (1954). Für einen detaillierten Überblick siehe auch Spremann (2006), S. 509-529, und Bamberg / Coenenberg / Krapp (2008), S. 71-79. 93 Ein Wert des Parameters α von Eins impliziert ein risikoneutrales Entscheidungsverhalten. 94 Eine fallende absolute Risikoaversion bedeutet, dass der Anleger den absoluten in risikobehaftete Anlagen investierten Betrag mit steigendem Vermögen erhöht. Eine konstante relative Risikoaversion drückt aus, dass der Anleger bei steigendem Vermögen stets einen konstanten Anteil seines Vermögens in risikobehafteten Anlagen hält. Zu den Risikomaßen der absoluten und der relativen Risikoaversion siehe Pratt (1964) und Arrow (1964). Während eine fallende absolute Risikoaversion als ökonomisch sinnvoll erachtet wird, besteht in der Literatur bezüglich der aus ökonomischer Sicht wünschenswerten Form der relativen Risikoaversion Uneinigkeit. Vgl. hierzu Alexander / Francis (1986), S. 22, Schmidt-von Rhein (1996), S. 260-261, und Elton u. a. (2003), S. 218. Neuere Arbeiten der experimentellen Forschung zeigen, dass das Entscheidungsverhalten von Anlegern durch die Klasse der CRRA Risikonutzenfunktionen sehr gut beschrieben wird. Siehe Schmidt-von Rhein (1996), S. 525-526.

109

bewerten. Daher können bei der zugrunde gelegten Transaktionsstruktur ohne Obergrenze für den Reserve Account und ohne O/C Tests für die Debt Tranchen die in Kapitel 3.4 ermittelten Werte für die Credit Spreads der Kredite, die Tranchierung und die Credit Spreads der Tranchen herangezogen werden. Somit ergeben sich für die Werte der verschiedenen Tranchen dieselben Ergebnisse wie in den Kapiteln 3.5.1 bis 3.5.3, weshalb die Präferenzen der Investoren im Folgenden aus der Betrachtung ausgeblendet werden. Die Auswahl des Asset Managers bezüglich der PD, der Konzentration sowie der Recovery Rate der Kredite wird für verschiedene Risikoaversionsgrade untersucht. Unter Risikoaversion wird der Barwert der Managervergütung hergeleitet, indem in jedem Simulationslauf die Sicherheitsäquivalente der vom Manager an den einzelnen Ausschüttungsterminen realisierten Zahlungen berechnet und dann mit dem risikofreien Zinssatz auf t = 0 diskontiert und über t summiert werden.95 Der Barwert der Managervergütung ergibt sich dann als Erwartungswert der in den einzelnen Simulationsläufen berechneten Vergütungswerte. Die entsprechenden Simulationsergebnisse sind in Tabelle 3.15 dargestellt.96 Den Berechnungen liegt wiederum eine Senior Fee von 0,15% p. a., eine Subordinated Fee von 0,45% p. a. und eine Incentive Fee von 20% mit einer Threshold von 8% p. a. zugrunde. Es wird deutlich, dass sich die Portfoliowahl des Managers durch die Annahme der Risikoaversion nicht beeinflusst wird. So maximiert der Manager auch bei einem hohen Risikoaversionskoeffizienten von 0,90 die Konzentration des Asset Pools und minimiert das Portfoliorisiko in Bezug auf die PD und die Recovery Rate der unterlegten Kredite. Allerdings beeinflusst der Grad der Risikoaversion die Wertsensitivität der Managervergütung gegenüber dem Risiko des Asset Pools. Wie aus Tabelle 3.15 zu erkennen ist, nimmt die Wertsensitivität der Vergütung gegenüber der PD und der Recovery Rate der Kredite mit steigendem Risikoaversionskoeffizienten zu. Im Gegensatz dazu ist der positive Zusammenhang zwischen der Vergütung und der Portfoliokonzentration umso geringer, je risikoaverser der Manager ist. Folglich sind die Risikoanreize eines Asset Managers umso schwächer, je stärker dessen Risikoaversion ausgeprägt ist. Dies wird auch bei Variation der Vergütungsstruktur und bei Einführung einer Eigenkapitalbeteiligung des CLO-Managers deutlich. Beispielsweise besitzt der Manager bei Annahme eines Risikoaversionskoeffizienten von 0,90 auch dann keinen Risikoanreiz bezüglich der PD und der Recovery Rate der Kredite, wenn bei gleich bleibender Senior und Incentive Fee eine Subordinated Fee von Null angenommen wird oder der Manager zu 100% an der Equity Tranche beteiligt ist.97 Bezüglich der 95

Das Sicherheitsäquivalent eines zufallsabhängigen Ergebnisses X ist das sichere Ergebnis S, bei welchem ein Entscheidungsträger zwischen X und S indifferent ist. Aufgrund der Indifferenz X ∼ S und der daraus folgenden Gleichung U (S) = E[U (X)] ergibt sich das Sicherheitsäquivalent in der expliziten Form S = S(X) = U −1 (E[U (X)]) . Vgl. Bamberg / Coenenberg / Krapp (2008), S. 78. 96 Für die Nutzenfunktion (3.8) ergibt sich die relative Risikoaversion (RRA) aus der Gleichung RRA = 1 − α. 97 Im Gegensatz dazu besteht für einen risikoneutralen Manager bezüglich der PD und der Recovery Rate der Kredite der Anreiz zur Maximierung des Portfoliorisikos, wenn c. p. die Subordinated Fee geringer

110

Tabelle 3.15: Wert der Managervergütung in Abhängigkeit der Ausfallwahrscheinlichkeit (Panel A), der Industriekonzentration (Panel B) und der Wiedergewinnungsquote (Panel C) der zugrunde liegenden Kredite bei verschiedenen Risikoaversionsgraden des CLO-Managers (in Mio. EUR). Die berichtete relative Risikoaversion (RRA) stellt den Risikoaversionskoeffizienten dar. Die Berechnungen basieren auf einer Senior Fee von 0,15% p. a., einer Subordinated Fee von 0,45% p. a. und einer Incentive Fee von 20% mit einer Threshold von 8% p. a. Das Rating der Kredite in Panel B und C beträgt B, die Industriekonzentration in Panel A und C 20% (5 Industrien) und die Recovery Rate der Kredite in Panel A und B 40%. Zahlen in Fettschrift zeigen den jeweils höchsten Wert an. PANEL A: Wahl der Ausfallwahrscheinlichkeit 0,10

RRA

0,30

Rating AAA AA A BBB BB B

0,50

0,70

0,90

20,155 20,136 20,074 18,951 18,670 17,852

20,155 20,135 20,071 18,760 18,592 17,653

0,70

0,90

17,736 17,741 17,745 17,758 17,777 17,852

17,581 17,584 17,586 17,595 17,604 17,653

0,70

0,90

19,603 18,583 18,545 18,248 18,031 17,852

19,582 18,507 18,470 18,143 17,883 17,653

Managervergütung 20,155 20,136 20,082 19,285 18,870 18,517

20,155 20,136 20,080 19,201 18,809 18,288

20,155 20,136 20,077 19,093 18,742 18,065

PANEL B: Wahl der Portfoliokonzentration 0,10

RRA

0,30

Anz. Industrien 30 25 20 15 10 5

0,50 Managervergütung

18,230 18,241 18,257 18,286 18,342 18,517

18,061 18,070 18,082 18,106 18,148 18,288

17,896 17,903 17,911 17,929 17,959 18,065

PANEL C: Wahl der Recovery Rate 0,10

RRA

0,30

Recovery Rate 90% 80% 70% 60% 50% 40%

0,50 Managervergütung

19,658 18,769 18,737 18,552 18,495 18,517

19,641 18,713 18,678 18,453 18,339 18,288

19,623 18,651 18,614 18,352 18,184 18,065

Portfoliokonzentration zeigt sich, dass trotz der gesunkenen Wertsensitivität der Vergütung die Ergebnisse gegenüber Änderungen der Vergütungsstruktur weiterhin sehr robust sind. Ein Manager mit Risikoaversionskoeffizienten von 0,90 maximiert beispielsweise auch dann noch die Konzentration des Referenzportfolios, wenn bei gleicher Höhe der Senior Fee und der Incentive Fee die Subordinated Fee 0,60% p. a. und die Incentive Fee Threshold 12% p. a. beträgt. Im Ergebnis lässt sich zusammenfassen, dass auch ein risikoaverser CLO-Manager bei der Zusammenstellung des Asset Pools einen Anreiz zur Maximierung der Portfoliokonzentration besitzt, wenn sich die Höhe der Senior, der Subordinated und der Incentive Fee im Rahmen der am Markt zu beobachtenden Werte bewegt. Dagegen besteht bezüglich der PD und der Recovery Rate der Kredite für einen risikoaversen Manager kein Risikoanreiz, auch wenn der Anteil der Incentive Fee an der Gesamtvergütung

als 11% p. a. ist oder der Manager einen Anteil von mindestens 14% an der Equity Tranche hält. Vgl. hierzu Kapitel 3.5.1 und 3.5.3.

111

vergleichsweise hoch ist oder der Manager einen signifikanten Anteil der Equity Tranche hält.

3.6 Zusammenfassung In der vorliegenden Studie werden anhand simulierter CLO-Transaktionen die für einen CLO-Manager bezüglich der Auswahl der zugrunde liegenden Kredite bestehenden Risikoanreize analysiert und Interessenkonflikte zwischen diesem und den Investoren der verschiedenen Tranchen abgeleitet. Hierbei werden als positive Einflussgrößen für das Risikoverhalten des CLO-Managers die Incentive Fee und die Beteiligung an der Equity Tranche identifiziert, deren Werte mit steigendem Risiko des Asset Pools zunehmen. Dagegen weisen die Senior Fee und die Subordinated Fee einen negativen Zusammenhang mit dem Risiko des unterlegten Portfolios auf und wirken somit gegen ein Risk Shifting des Managers. So hängt es von der Zusammensetzung der Managervergütung und der Höhe der Beteiligung an der Equity Tranche ab, ob der CLO-Manager einen Anreiz zur Maximierung des Portfoliorisikos besitzt. Hierbei ergeben sich jedoch hinsichtlich der Ausfallwahrscheinlichkeit, der Konzentration und der Wiedergewinnungsquote der unterlegten Kredite unterschiedliche Risikopräferenzen für den Manager. So besitzt dieser stets einen Anreiz zur Maximierung der Portfoliokonzentration, wenn sich die Höhe der Subordinated und der Incentive Fee im Rahmen der am Markt zu beobachtenden Werte bewegt. Dagegen besteht für den CLO-Manager hinsichtlich der Ausfallwahrscheinlichkeit und der Wiedergewinnungsquote kein Risikoanreiz, sofern das Verhältnis der Incentive Fee zur Gesamtvergütung nicht vergleichsweise hoch ist und der Manager keinen oder nur einen geringen Anteil an der Equity Tranche hält. Ist der CLO-Manager jedoch mit einem signifikanten Anteil an der Equity Tranche beteiligt und/oder nimmt die Incentive Fee einen hohen Anteil an der Gesamtvergütung an, bewirkt dies, dass nicht nur hinsichtlich der Portfoliokonzentration, sondern auch hinsichtlich der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite Risikoanreize für den Manager geschaffen werden. Die Investoren der verschiedenen CLO-Tranchen werden von den Anlageentscheidungen des Managers unterschiedlich betroffen. Während die Investoren der Senior und der Mezzanine Tranchen ein Referenzportfolio mit einem möglichst geringen Risiko präferieren, sind die Equity Investoren an einem möglichst hohen Risiko des Asset Pools interessiert. Dementsprechend kommt es in einer gemanagten CLO-Transaktion zu einem Anreizkonflikt zwischen dem CLO-Manager und den Investoren der vorrangigen Tranchen, wenn der Manager einen Anreiz zur Maximierung des Risikos des Referenzportfolios besitzt. Demgegenüber liegt ein Interessenkonflikt zwischen dem Manager und den Equity Inves-

112

toren vor, wenn für den Manager kein Risk Shifting-Anreiz besteht. Hierbei erleiden die Investoren einen umso größeren Wertverlust, je geringer die Priorität der von ihnen gehaltenen Tranche ist, da die Wertsensitivität der Tranchen einer Transaktion mit steigender Subordination zunimmt. So müssen vor allem die Investoren der Mezzanine Tranchen und der Equity Tranche die Anreize des CLO-Managers kennen, um ihre Zahlungsbereitschaft für die Wertpapiere entsprechend anpassen zu können. Das Risikoverhalten des CLO-Managers wird aber nicht nur von der Zusammensetzung der Vergütung und der Höhe der Beteiligung des Managers an der Equity Tranche beeinflusst, sondern auch von der Subordinationsstruktur der Transaktion. So lässt sich durch die Ausgestaltung von Overcollateralization Tests für die Debt Tranchen einer Transaktion ein Risk Shifting-Anreiz des CLO-Managers abschwächen bzw. lösen. Dabei spielt der O/C Test der untersten gerateten Tranche eine wesentliche Rolle, da durch dessen Grenzwert die an die Equity Tranche fließenden Zahlungen und demnach auch die Zahlungen der Incentive Fee beeinflusst werden. Es zeigt sich, dass der für den CLO-Manager hinsichtlich der Portfoliokonzentration bestehende Risikoanreiz umso schwächer ist, je geringer der Grenzwert für den untersten O/C Test gestaltet wird. Für die Risikoeinstellung des CLOManagers wird hingegen kein signifikanter Einfluss auf dessen Risikoanreize festgestellt. So maximiert auch ein stark risikoaverser Manager stets die Portfoliokonzentration und minimiert das Portfoliorisiko bezüglich der Ausfallwahrscheinlichkeit und der Recovery Rate der Kredite. Hierbei sind die Manageranreize in Bezug auf die Ausfallwahrscheinlichkeit und die Recovery Rate der Kredite deutlich robuster gegenüber Veränderungen der Vergütungsstruktur und gegenüber der Annahme einer Beteiligung an der Equity Tranche als im Fall eines risikoneutralen Managers. Neben der Vergütungsstruktur, der Managerbeteiligung an der Equity Tranche und den Deckungstests stellen die bereits in Kapitel 3.2.4 dargelegten Maßnahmen zur Begrenzung des Handlungsspielraums eines CLO-Managers ein geeignetes und einfaches Instrument zur Abmilderung eines möglichen Risikoanreizproblems dar. Durch die Festlegung genauer Qualitätsanforderungen und Konzentrationsgrenzen kann die von einem CLO-Manager vorzunehmende Zusammensetzung des Referenzportfolios zu Beginn aber auch während der Laufzeit gesteuert werden. Diese Vorgaben helfen darüber hinaus den Ratingagenturen und den Investoren, gemanagte CLO-Transaktionen zu beurteilen bzw. zu bewerten, da durch sie das maximal mögliche Risiko des Asset Pools festgelegt ist.

113

Literaturverzeichnis zu Kapitel 3 Agrawal, Anup ; Mandelker, Gershon N. (1987): Managerial Incentives and Corporate Investment and Financing Decisions, in: Journal of Finance, Jg. 42, S. 823–837. Agrawal, Anup ; Nagarajan, Nandu J. (1990): Corporate Capital Structure, Agency Costs, and Ownership Control: The Case of All-Equity Firms, in: Journal of Finance, Jg. 45, S. 1325–1331. Alexander, Gordon J. ; Francis, Jack Clark (1986): Portfolio Analysis, 3. Aufl., Englewood Cliffs 1986. Arlt, Roland (2009): True Sale Securitisation unter besonderer Berücksichtigung der Rechtslage in Deutschland und Italien, Berlin 2009. Arrow, Kenneth J. (1964): The Role of Securities in the Optimal Allocation of RiskBearing, in: Review of Economic Studies, Jg. 31, S. 91–96. Ashcraft, Adam B. ; Schuermann, Til (2008): Understanding the Securitization of Subprime Mortgage Credit, Federal Reserve Bank of New York, Staff Report No. 318, März 2008. Bamberg, Günter ; Coenenberg, Adolf G. ; Krapp, Michael (2008): Betriebswirtschaftliche Entscheidungslehre, 14. Aufl., München 2008. Bernoulli, Daniel (1954): Exposition of a New Theory on the Measurement of Risk, in: Econometrica, Jg. 22, S. 23–36. Black, Fischer ; Scholes, Myron (1973): The Pricing of Options and Corporate Liabilities, in: Journal of Political Economy, Jg. 81, S. 637–654. Boot, Arnoud W. A. ; Thakor, Anjan V. (1993): Security Design, in: Journal of Finance, Jg. 48, S. 1349–1378. Braun, Hendryk ; Schmidt, Daniel (2005): Qualitative und quantitative Faktoren bei der Analyse von Asset-Backed-Securities, in: Praktiker-Handbuch Asset-Backed-Securities und Kreditderivate: Strukturen, Preisbildung, Anwendungsmöglichkeiten, aufsichtliche Behandlung, hrsg. von Josef Gruber, Walter Gruber und Hendryk Braun, Stuttgart 2005, S. 191–208. Carpenter, Jennifer N. (2000): Does Option Compensation Increase Managerial Risk Appetite?, in: Journal of Finance, Jg. 55, S. 2311–2331. Coles, Jeffrey L. ; Daniel, Naveen D. ; Naveen, Lalitha (2006): Managerial Incentives and Risk-Taking, in: Journal of Financial Economics, Jg. 79, S. 431–468. DeFusco, Richard A. ; Johnson, Robert R. ; Zorn, Thomas S. (1990): The Effect of Executive Stock Option Plans on Stockholders and Bondholders, in: Journal of Finance, Jg. 45, S. 617–627. DeMarzo, Peter M. (2005): The Pooling and Tranching of Securities: A Model of Informed Intermediation, in: Review of Financial Studies, Jg. 18, S. 1–35. 114

DeMarzo, Peter M. ; Duffie, Darrell (1999): A Liquidity-Based Model of Security Design, in: Econometrica, Jg. 67, S. 65–99. Elton, Edwin J. ; Gruber, Martin J. ; Brown, Stephen J. ; Goetzmann, William N. (2003): Modern Portfolio Theory and Investment Analysis, 6. Aufl., Hoboken 2003. Fender, Ingo ; Kiff, John (2004): CDO Rating Methodology: Some Thoughts on Model Risk and its Implications, Bank for International Settlements, BIS Working Papers No. 163, November 2004. Fitch (2007): European CLO Asset Managers - Survival of the Fittest, Structured Credit Europe Special Report, Januar 2007. Fitch (2008a): Global Rating Criteria for Corporate CDOs, Global Structured Finance Criteria Report, April 2008. Fitch (2008b): European CLO Asset Managers - Survival of the Fittest: The Return, CDO Asset Manager Europe Special Report, Juli 2008. Fitch (2008c): Criteria for Reviewing and Rating CDO Asset Managers, CDO Asset Manager Ratings Criteria Report, Oktober 2008. Franke, Günter ; Herrman, Markus ; Weber, Thomas (2007): Information Asymmetries and Securitization Design, Working Paper, Dezember 2007. Franke, Günter ; Krahnen, Jan Pieter (2008): The Future of Securitization, Center for Financial Studies, CFS Working Paper No. 2008/31, November 2008. Franke, Günter ; Weber, Thomas (2007): Wie werden Collateralized Debt ObligationTransaktionen gestaltet?, in: Zeitschrift für betriebswirtschaftliche Forschung, Sonderheft 57/07, S. 95-123. Franke, Günter ; Weber, Thomas (2009): Optimal Tranching in CDO-Transactions, Working Paper, Februar 2009. Friend, Irwin ; Lang, Larry H. P. (1988): An Empirical Test of the Impact of Managerial Self-Interest on Corporate Capital Structure, in: Journal of Finance, Jg. 43, S. 271–282. Garrison, Kedran R. (2005): Manager Incentives in Collateralized Debt Obligations, Working Paper, August 2005. Giesecke, Kay (2004): Credit Risk Modeling and Valuation: An Introduction, Working Paper, Oktober 2004. Glasserman, Paul (2004): Monte Carlo Methods in Financial Engineering: Stochastic Modelling and Applied Probability, New York 2004. Grau, Reto (2002): Collateralized Debt Obligations (CDO) für den institutionellen Anleger - Teil 1, in: Absolut Report, Nr. 11, Dezember 2002. Guay, Wayne R. (1999): The Sensitivity of CEO Wealth to Equity Risk: An Analysis of the Magnitude and Determinants, in: Journal of Financial Economics, Jg. 53, S. 43–71. 115

Hamerle, Alfred ; Jobst, Rainer ; Schropp, Hans-Jochen (2008): CDOs versus Anleihen: Risikoprofile im Vergleich, in: RisikoManager, Nr. 22, S. 1 und 8-14. Hein, Julia (2008): Optimization of Credit Enhancements in Collateralized Loan Obligations: The Role of Loss Allocation and Reserve Account, Working Paper, Januar 2008. Hull, John C. (2006): Options, Futures and Other Derivatives, 6. Aufl., Upper Saddle River 2006. Jensen, Michael C. ; Meckling, William H. (1976): Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure, in: Journal of Financial Economics, Jg. 3, S. 305–360. Jobst, Andreas (2002): Collateralised Loan Obligations (CLOs) - A Primer, Center for Financial Studies, CFS Working Paper No. 2002/13, Dezember 2002. Keller, Joachim (2008): Agency Problems in Structured Finance - A Case Study of European CLOs, National Bank of Belgium, Working Paper No. 137, August 2008. Kothari, Vinod (2006): Securitization: The Financial Instrument of the Future, Singapur 2006. Krahnen, Jan Pieter ; Wilde, Christian (2006): Risk Transfer with CDOs and Systemic Risk in Banking, Working Paper, Juni 2006. Krahnen, Jan Pieter ; Wilde, Christian (2008): Risk Transfer with CDOs, Center for Financial Studies, CFS Working Paper No. 2008/15, April 2008. Langner, Sabine (2002): Asset Backed Securities, in: Zeitschrift für betriebswirtschaftliche Forschung, Jg. 54, S. 656–673. Lewellen, Katharina (2006): Financing Decisions when Managers are Risk Averse, in: Journal of Financial Economics, Jg. 82, S. 551–589. Lucas, Douglas J. ; Goodman, Laurie S. ; Fabozzi, Frank J. (2006): Collateralized Debt Obligations: Structures and Analysis, 2. Aufl., Hoboken 2006. Merton, Robert C. (1974): On the Pricing of Corporate Debt: The Risk Structure of Interest Rates, in: Journal of Finance, Jg. 29, S. 449–470. Moody’s Investors Service (1996): The Binomial Expansion Method Applied to CBO/CLO Analysis, Special Report, Dezember 1996. Moody’s Investors Service (1998): The Double Binomial Method and Its Application to a Special Case of CBO Structures, Special Report, März 1998. Moody’s Investors Service (2002): Moody’s Approach: Preparing CDO Managers for Moody’s Operations Reviews, Rating Methodology, Dezember 2002. Moody’s Investors Service (2003): U.S. High-Yield CDOs: Analyzing the Performance of a Beleaguered CDO Category, Special Report, Januar 2003. 116

Moody’s Investors Service (2004): Moody’s Correlated Binomial Default Distribution, Rating Methodology, August 2004. Moody’s Investors Service (2009): Moody’s Approach to Rating Collateralized Loan Obligations, Rating Methodology, August 2009. Moody’s Investors Service (2010): Annual Sector Review (2009): Global CLOs, Special Report, März 2010. Plantin, Guillaume (2004): Tranching, Working Paper, April 2004. Pratt, John W. (1964): Risk Aversion in the Small and in the Large, in: Econometrica, Jg. 32, S. 122–136. Rajgopal, Shivaram ; Shevlin, Terry J. (2002): Empirical Evidence on the Relation between Stock Option Compensation and Risk Taking, in: Journal of Accounting and Economics, Jg. 33, S. 145–171. Ricken, Stephan (2007): Kreditrisikotransfer europäischer Banken: Theoretische Begründungsansätze und ihre kapitalmarktempirische Überprüfung anhand von Verbriefungstransaktionen, Frankfurt am Main 2007. Riddiough, Timothy J. (1997): Optimal Design and Governance of Asset-Backed Securities, in: Journal of Financial Intermediation, Jg. 6, S. 121–152. Ross, Stephen A. (2004): Compensation, Incentives, and the Duality of Risk Aversion and Riskiness, in: Journal of Finance, Jg. 59, S. 207–225. Rudolph, Bernd (2008): Lehren aus den Ursachen und dem Verlauf der internationalen Finanzkrise, in: Zeitschrift für betriebswirtschaftliche Forschung, Jg. 60, S. 713–741. Rudolph, Bernd ; Hofmann, Bernd ; Schaber, Albert ; Schäfer, Klaus (2007): Kreditrisikotransfer - Moderne Instrumente und Methoden, Berlin et al. 2007. Rudolph, Bernd ; Scholz, Julia (2007): Pooling und Tranching im Rahmen von ABSTransaktionen, in: Bank Archiv, Jg. 55, S. 538–548. Schiefer, Dirk (2008): Collateralized Debt Obligations (CDOs): Eine empirische Analyse der Bonitätsrisikoprämie auf Finanzmärkten, Bad Soden/Ts. 2008. Schmidt-von Rhein, Andreas (1996): Die Moderne Portfoliotheorie im praktischen Wertpapiermanagement: Eine theoretische und empirische Analyse aus Sicht privater Anleger, Bad Soden/Ts. 1996. Schönbucher, Philipp J. (2003): Credit Derivatives Pricing Models: Models, Pricing and Implementation, Chichester 2003. Schorin, Charles ; Weinreich, Steven (2001): Introduction to Collateralized Debt Obligations, in: Investing in Collateralized Debt Obligations, hrsg. von Frank J. Fabozzi und Laurie S. Goodman, New York 2001, S. 1–31. Spremann, Klaus (2006): Portfoliomanagement, 3. Aufl., München 2006. 117

Standard & Poor’s (2001): CDO Manager Quality: A Critical Consideration, Oktober 2001. Standard & Poor’s (2002): Global Cash Flow and Synthetic CDO Criteria, März 2002. Standard & Poor’s (2005): CDO Evaluator Version 3.0: Technical Document, Dezember 2005. Standard & Poor’s (2009): Update to Global Methodologies and Assumptions for Corporate Cash Flow and Synthetic CDOs, September 2009. Tavakoli, Janet M. (2008): Structured Finance and Collateralized Debt Obligations: New Developments in Cash and Synthetic Securitization, 2. Aufl., Hoboken 2008. Tufano, Peter (1996): Who Manages Risk? An Empirical Examination of Risk Management Practices in the Gold Mining Industry, in: Journal of Finance, Jg. 51, S. 1097– 1137.

118

4 Manager- und transaktionsspezifische Determinanten der Performance von Arbitrage CLOs

4.1 Problemstellung In der seit Sommer 2007 dauernden Finanzkrise sind Verbriefungen jeglicher Art erheblich unter Druck geraten. Allein am europäischen Markt nahmen die Ratingagenturen 2008 rund 7.000 und 2009 rund 11.000 Ratingherabstufungen vor, während 2007 nur rund 800 Herabstufungen zu verzeichnen waren.1 Aufgrund der niedrigen Ausfallraten in den Jahren vor der Finanzkrise sind Unterschiede in der Performance von Verbriefungstransaktionen auf dem noch relativ jungen europäischen Markt erst seit Mitte 2008 zu erkennen. In der Literatur existieren bislang nur wenige Studien, die sich mit der Performance von Verbriefungen und ihren Bestimmungsfaktoren befassen. Dies ist insbesondere mit der am Markt fehlenden Preistransparenz zu begründen. Zudem weisen die Transaktionen sehr vielfältige Ausgestaltungsformen auf, die einen Performancevergleich vor allem über die verschiedenen Marktsegmente hinweg erschweren.2 Ziel der vorliegenden Studie ist es, die bislang kaum erforschten Qualitätseinflüsse typischer Kreditrisikotransferprodukte durch eine empirische Analyse der Erklärungsdeterminanten der Performance europäischer Arbitrage Collateralized Loan Obligations (Arbitrage CLOs) herauszuarbeiten. Der Fokus liegt dabei auf den spezifischen Gestaltungsmerkmalen dieser Transaktionen. Arbitrage CLOs sind eine Untergruppe der Asset Backed Securities (ABS). Unter ABS werden festverzinsliche Wertpapiere oder Schuldscheine verstanden, die Zahlungsansprüche gegen eine eigens zum Zweck der Transaktion gegründeten Zweckgesellschaft verbriefen. Sie werden durch ein Portfolio von Vermögenswerten (Assets) gedeckt, die auf die Zweckgesellschaft übertragen wurden und den Inhabern der ABS als Haftungsmasse zur Verfügung stehen. Im Fall von Collateralized Loan Obligations (CLOs) bezieht sich das 1 2

Vgl. European Securitisation Forum (2008), S. 11, und European Securitisation Forum (2009), S. 11. Hierzu zeigen Adelson u. a. (2002), Adelson / Bartlett (2005) und Newman u. a. (2008), dass sich die Ausfall- und Downgradehäufigkeiten in den verschiedenen Marktsegmenten des US-amerikanischen Verbriefungsmarktes stark unterscheiden.

119 J. Scholz, Identifi kation und Lösung von Interessenkonfl ikten bei Verbriefungstransaktionen, DOI 10.1007/ 978-3-8349-6189-1_4, © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2011

Portfolio auf Unternehmenskredite, üblicherweise Leveraged Loans.3 Bei einer Arbitrage CLO-Transaktion erwirbt ein Asset Manager (CLO-Manager oder Collateral Manager) im Auftrag der Zweckgesellschaft Kreditforderungen, die von der Zweckgesellschaft zu einem Pool zusammengefasst und in Form von Wertpapieren am Markt platziert werden. Der Asset Manager tritt also an die Stelle des Originators einer Balance Sheet CLO-Transaktion, bei der der Originator ein bestehendes Kreditportfolio aus seiner Bilanz veräußert.4 Dem CLO-Manager kommt für die Performance der von ihm verwalteten Transaktion eine zentrale Rolle zu, da er neben der Auswahl der Kreditforderungen auch die Überwachung der Wertentwicklung übernimmt und ein aktives Management des zugrunde liegenden Kreditportfolios betreibt: „The manager’s investment strategy, skills, and diligence directly affect the risk and return profile of the CLO portfolio.“ 5 Daher werden in der vorliegenden Untersuchung neben transaktionsabhängigen Charakteristika die Vergütung des CLO-Managers sowie weitere managerspezifische Eigenschaften wie die Erfahrung und die Größe eines Managers als mögliche Erklärungsdeterminanten der Performance herangezogen. Der besondere Grund der Einbeziehung der Managervergütung ist darin zu sehen, dass es in gemanagten Kreditverbriefungstransaktionen zu Moral Hazard-Problemen auf Seiten des Asset Managers kommen kann, deren Bedeutung im Wesentlichen von der vertraglichen Gestaltung der Vergütung abhängt.6 Da die beim Management von CLOTransaktionen auftretenden Anreizprobleme in der Literatur bislang nur theoretisch7 sowie auf Basis eines Simulationsmodells8 untersucht worden sind, ist meines Wissens die vorliegende Studie die erste empirische Untersuchung, die sich mit den Anreizproblemen von CLO-Managern befasst. In die Untersuchung werden sämtliche zwischen September 1999 und Juni 2008 emittierten Transaktionen einbezogen. Die Performance wird anhand der Ratingherabstufungen der Ratingagenturen Moody’s, Standard & Poor’s und Fitch gemessen. Hierbei werden lediglich die Ratingherabstufungen im Jahr 2009 herangezogen, da die Agenturen als Konsequenz aus der im Zuge der Finanzkrise eingetretenen Verschlechterung der Kreditqualität vieler Schuldner Anfang des Jahres 2009 begonnen haben, ihre Annahmen und Methoden zur Bewertung von CLOs zu überarbeiten und sämtliche CLO-Ratings zu überprüfen, was drastische Korrekturen der Wertpapierratings zur Folge hatte. Daher werden aus Gründen der Vergleichbarkeit Ratingherabstufungen vor 2009 aus der Betrachtung ausgeblendet und der Untersuchungszeitraum auf das Jahr 2009 beschränkt. 3 4 5 6 7 8

Für einen Überblick über die Segmente des ABS-Marktes siehe Jobst (2002), S. 8. Für eine ausführlichere Differenzierung zwischen Arbitrage CLOs und Balance Sheet CLOs siehe Schiefer (2008), S. 204-224, sowie Kapitel 3.2.1. Moody’s Investors Service (2010), S. 2. Vgl. Keller (2008), S. 3, und Ashcraft / Schuermann (2008), S. 9-10. Siehe Garrison (2005). Siehe Kapitel 3.

120

Die Ergebnisse der empirischen Analyse zeigen, dass CLO-Manager einen Einfluss auf die Rating Performance von CLO-Transaktionen haben. So ist die Wahrscheinlichkeit einer Ratingherabstufung für Transaktionen höher, die dem Manager eine Incentive Fee gewähren. Dies deutet darauf hin, dass die Incentive Fee Anreize für CLO-Manager schafft, ein hohes Risiko für das Referenzportfolio zu gestalten. Des Weiteren wird gezeigt, dass die Wahrscheinlichkeit einer Ratingherabstufung umso geringer ist, je erfahrener und je größer der die Transaktion verwaltende CLO-Manager ist. Neben der Erfahrung und der Größe wird auch für den Typ und den Unternehmenssitz eines CLO-Managers ein Einfluss auf die Rating Performance festgestellt. So besitzen Transaktionen, bei denen eine Investmentbank als CLO-Manager fungiert, eine geringere Downgrade-Wahrscheinlichkeit als Transaktionen, die von einem Multi-Asset Manager, einem Hedge Fond oder einer Private Equity-Gesellschaft verwaltet werden. Schließlich deutet eine im Durchschnitt geringere Downgrade-Wahrscheinlichkeit von Transaktionen US-amerikanischer CLO-Manager auf eine im Vergleich zu europäischen Managern höhere Expertise amerikanischer Manager hin. Ein Einfluss transaktionsspezifischer Charakteristika auf die Performance von Arbitrage CLOs kann in der empirischen Untersuchung hingegen nicht nachgewiesen werden. Die vorliegende Studie ist wie folgt aufgebaut: In Kapitel 4.2 wird zunächst ein kurzer Überblick über die Ergebnisse der einschlägigen Literatur gegeben. Anschließend werden in Kapitel 4.3 die Hypothesen zu den Erklärungsdeterminanten der Rating Performance gemanagter Kreditverbriefungstransaktionen hergeleitet. Die empirische Untersuchung erfolgt in Kapitel 4.4, bevor dann die Studie mit einer kurzen Zusammenfassung und einem Ausblick in Kapitel 4.5 schließt.

4.2 Stand der Literatur Zur Performance von Verbriefungen und deren Einflussfaktoren liegen bisher nur wenige Studien vor. Adelson u. a. (2002) und Adelson / Bartlett (2005) untersuchen im Rahmen einer deskriptiven Analyse die Ratingherabstufungen und Ausfälle von Asset Backed Securities im engeren Sinne (i. e. S.) am US-amerikanischen Verbriefungsmarkt für die Jahre 1990 bis Mitte 2001 bzw. bis Mitte 2004.9 Sie finden Unterschiede in den Downgrade- und Ausfallhäufigkeiten von ABS-Transaktionen in Abhängigkeit von der Art der zugrunde liegenden Assets, dem Emissionsjahrgang und der Ratingagentur, die eine Transaktion bewertet. Gleichermaßen zeigen Newman u. a. (2008) anhand einer deskriptiven Analyse der Ratingherabstufungen US-amerikanischer Collateralized Debt Obligations (CDOs) 9

Der Gruppe der ABS i. e. S. werden z. B. Verbriefungen von Kreditkartenforderungen, von Studentenkrediten, von Automobilratenkrediten oder von Konsumentenforderungen zugeordnet. Siehe Jobst (2002), S. 8.

121

für die Jahre 1997 bis 2007, dass die Downgraderaten und -intensitäten der verschiedenen CDO-Klassen und Emissionsjahrgänge stark variieren. Vergleichbar mit der vorliegenden Studie, deren Fokus auf der Rolle des Asset Managers in gemanagten CLO-Transaktionen liegt, untersuchen Cantor / Hu (2007), Keys u. a. (2009) und Güttler / Hommel / Reichert (2010) den Einfluss verschiedener bei statischen Verbriefungen beteiligter Parteien auf die Transaktionsperformance.10 Cantor / Hu (2007) analysieren den Einfluss bestimmter Charakteristika des Sponsors auf die Performance US-amerikanischer Asset Backed Securities i. e. S. und Mortgage Backed Securities, die im Zeitraum von 1993 bis 2002 emittiert wurden.11 Sie stellen einen signifikanten Einfluss des Typs und des Ratings des Sponsors auf die Wahrscheinlichkeit einer Ratingherabstufung bzw. Wertminderung der Wertpapiere fest, wenn die Rating Performance über die Asset-Klassen hinweg analysiert wird. Wird jedoch für die Art der zugrunde liegenden Vermögenswerte kontrolliert, ist nur noch ein geringer Einfluss des Sponsortyps auf die Performance zu beobachten. Dies deutet darauf hin, dass die festgestellten Performanceunterschiede durch eine ungleichmäßige Verteilung der verschiedenen Sponsortypen auf die Asset-Klassen hervorgerufen wurden. Keys u. a. (2009) untersuchen den Einfluss bestimmter Charakteristika von Originatoren auf die Performance verbriefter Kredite am US-amerikanischen Subprime-Markt in den Jahren 2001 bis 2006. Sie finden, dass die Wahrscheinlichkeit eines Kreditausfalls mit der Größe, dem Anteil liquider Assets und dem Anteil der Sichteinlagen an der Bilanzsumme der verbriefenden Bank sinkt. Dies weist darauf hin, dass Originatoren mit einer höheren Qualität und Liquidität ein sorgfältigeres Screening bei der Kreditvergabe durchführen. Des Weiteren analysieren sie die Bedeutung möglicher auf Seiten des Originators bestehender Anreizprobleme bei der Kreditvergabe. Hierbei stellen sie einen negativen Einfluss der an der Vergütung gemessenen relativen Macht des Risikomanagers des Originators auf die Wahrscheinlichkeit eines Kreditausfalls fest, während sie für die Höhe der Vergütung des Top Management des Originators keinen Zusammenhang mit der Performance der Kredite nachweisen können. Diesen Befund führen sie darauf zurück, dass Moral Hazard-Probleme schwächer ausgeprägt sind, wenn die Risiko Management-Abteilung des Originators eine stärkere Verhandlungsmacht besitzt. Güttler / Hommel / Reichert (2010) analysieren die Bedeutung der Eigenschaften des Sponsors, des Servicers und des Underwriters als Erklärungsdeterminanten der Performance US-amerikanischer Residential Mortgage Backed Securities für die Jahre 2000 bis 2003, wobei sie die Performance einer Transaktion anhand der in den drei Jahren nach Closing durchschnittlichen monatlichen Rückstandsquote der im zugrunde liegenden Asset Pool befindlichen Hypothekenforderungen messen. Sie beobachten, dass Asset Pools von großen und finanziell gesunden Sponsoren im Durchschnitt eine bessere Performance 10 11

Für die beteiligten Parteien einer Verbriefungstransaktion und ihren Funktionen siehe Waschbusch (1998), S. 409-414, Kothari (2006), S. 201-202, und Schiefer (2008), S. 71-80. Als Untersuchungszeitraum verwenden sie die Ratingänderungen bis Juni 2006.

122

aufweisen. Ebenso stellen sie für die Größe und die Bonität des Servicers einen positiven Zusammenhang mit der Performance des Pools fest. Diese Befunde weisen darauf hin, dass Institutionen mit einer längeren Marktperspektive aufgrund von Reputationsbedenken weniger dazu neigen, Informationsasymmetrien zur Erzielung kurzfristiger Gewinne auszunutzen. Im Widerspruch dazu finden sie einen negativen Zusammenhang zwischen dem Marktanteil des Underwriters und der Performance des Asset Pools. Diesen Befund führen sie darauf zurück, dass Investmentbanken mit einem hohen Marktanteil im Verbriefungsgeschäft ihre Reputation zur Steigerung kurzfristiger Gewinne genutzt haben. Die Anreizprobleme bei gemanagten Verbriefungstransaktionen sind bislang nur Gegenstand der Untersuchungen von Garrison (2005) und Keller (2008) sowie der des vorangegangenen Kapitels dieser Arbeit. Garrison (2005) analysiert das Leistungs- und das Risikoanreizproblem bei gemanagten CDO-Transaktionen und wägt die damit verbundenen Agency-Kosten für verschiedene Formen der Beteiligung des Asset Managers an der von ihm verwalteten Transaktion gegeneinander ab. In Übereinstimmung mit dem Befund von Innes (1990), dass das Halten einer Eigenkapitalposition für einen beschränkt haftenden Agenten optimal ist, zeigt Garrison, dass eine Beteiligung des Managers an der Equity Tranche im Hinblick auf die Leistungsanreizwirkung ex ante effizient ist. Allerdings besitzt der Manager, unter Vernachlässigung von Transaktionskosten immer dann einen Anreiz zur Steigerung des Portfoliorisikos, wenn, in absoluten Werten gemessen, seine Beteiligung an der Equity Tranche seine Beteiligung an den Debt Tranchen übersteigt.12 Insgesamt jedoch überwiegen bereits bei einer geringen Effektivität der Screeninganstrengung die mit einer Eigenkapitalbeteiligung verbundenen positiven Leistungsanreizeffekte die Agency-Kosten des Risk Shifting. Keller (2008) identifiziert das Leistungs- und das Risikoanreizproblem als mögliche Probleme asymmetrischer Informationsverteilung zwischen dem Asset Manager einer CLO-Transaktion und den Investoren der emittierten Tranchen und legt auf Basis einer qualitativen Analyse dar, wie sich diese Probleme auf die Strategien des CLO-Managers in Bezug auf die Verwaltung des verbrieften Portfolios auswirken. Im Rahmen einer Darstellung der in der Praxis zu findenden Mechanismen zur Lösung der Anreizprobleme untersucht Keller mittels einer empirischen Analyse die Erklärungsdeterminanten für die Vereinbarung einer Bestimmung, die den CLO-Manager zum Kauf und gegebenfalls Halten eines bestimmten Anteils an der Equity Tranche verpflichtet. Hierbei beobachtet er, dass die Wahrscheinlichkeit der Vereinbarung einer Haltepflicht mit der Größe der CLO-Transaktion sowie der Erfahrung des CLO-Managers steigt. In der Simulationsstudie des Kapitels 3 wird das Risikoverhalten von CLO-Managern isoliert von deren Screening- und Monitoringanstrengung betrachtet. Hierbei wird untersucht, wie ein CLO-Manager die Auswahl der der Transaktion zugrunde liegenden Kredite in Bezug 12

Als Debt Tranchen werden hierbei die gegenüber der Equity Tranche vorrangigen Tranchen (Senior und Mezzanine Tranchen) bezeichnet.

123

auf deren Ausfallwahrscheinlichkeit und Wiedergewinnungsquote sowie in Bezug auf die Konzentration des gesamten Portfolios trifft, wenn er seine Vergütung und, falls vorhanden, den Wert seiner Beteiligung an der Equity Tranche maximiert. Es zeigt sich, dass die Incentive Management Fee und die Beteiligung an der Equity Tranche einen positiven Zusammenhang mit dem Risiko des Asset Pools aufweisen und daher für den CLO-Manager Anreize zur Gestaltung eines möglichst riskanten Portfolios setzen. Die Senior und die Subordinated Management Fee sinken hingegen mit steigendem Risiko des verbrieften Portfolios im Wert und wirken somit gegen ein Risk Shifting des Managers. Insgesamt ergibt sich, dass der Manager stets einen Anreiz zur Maximierung der Portfoliokonzentration besitzt. Die Ausfallwahrscheinlichkeit und Wiedergewinnungsquote der Kredite maximiert bzw. minimiert er hingegen nur dann, wenn der Anteil der Incentive Management Fee an der Gesamtvergütung hoch ist oder eine gewisse Beteiligung an der Equity Tranche vorliegt. Die vorliegende Studie unterscheidet sich von den bisherigen Untersuchungen vor allem dadurch, dass sie (1) die Determinanten der Performance von Arbitrage CLOs analysiert, (2) den europäischen Verbriefungsmarkt für die Untersuchung heranzieht und (3) die Rolle des Asset Managers in gemanagten Kreditverbriefungen untersucht. Der Literaturüberblick zeigt, dass damit eine nicht unerhebliche Forschungslücke geschlossen werden kann.

4.3 Hypothesen zu den Erklärungsdeterminanten der Performance von Arbitrage CLO-Transaktionen 4.3.1 Messung der Performance anhand von Ratingherabstufungen Die Performance von Arbitrage CLOs wird in der vorliegenden Studie über die Ratingherabstufungen der drei großen Ratingagenturen Moody’s, Standard & Poor’s und Fitch gemessen. Idealerweise sollte die Performancemessung anhand von Renditen vorgenommen werden. Da für Verbriefungstransaktionen aufgrund ihres außerbörslichen Handels in der Regel keine transparenten Marktpreise verfügbar sind, wird auf Ratingänderungen zurückgegriffen. Da die Ratingagenturen zur Bonitätsbeurteilung nicht nur das Ausfallrisiko des zugrunde liegenden Asset Pools heranziehen, sondern auch die gesamte strukturelle und rechtliche Ausgestaltung der Transaktion, stellen Ratings das beste verfügbare Maß

124

für die Kreditqualität einer Tranche dar.13 Bei der Verwendung von Ratingänderungen als Performancemaß ist zu berücksichtigen, dass Ausfälle im zugrunde liegenden Kreditpool nicht zwangsläufig zu Ratingherabstufungen der emittierten Tranchen führen. Besteht für die Tranchen ein ausreichendes Sicherheitenniveau, führen Ausfälle erst ab einer bestimmten Höhe zu Ratingherabstufungen. Die Untersuchung des Einflusses der herangezogenen Erklärungsdeterminanten auf die Performance von Arbitrage CLOs wird auf Transaktionsebene durchgeführt. Als Maß für die Performance einer Transaktion wird eine Dummyvariable verwendet, die den Wert Eins annimmt, wenn mindestens eine Tranche der Transaktion im Jahr 2009 herabgestuft wurde, und andernfalls den Wert Null.14 Anhand eines Probit-Regressionsmodells wird der Einfluss möglicher durch die Managervergütung hervorgerufener Anreizeffekte sowie bestimmter weiterer manager- und transaktionsspezifischer Charakteristika auf die Wahrscheinlichkeit einer Ratingherabstufung analysiert. Das für die Untersuchung herangezogene Modell ist allgemein durch folgende Gleichung beschrieben: Abhängige Variable = f (Vergütungsvariablen, managerspezifische Variablen, transaktionsspezifische Variablen).

Die Forschungsfragen der vorliegenden Studie lassen sich also grob in drei Bereiche einordnen. Der erste Bereich befasst sich mit der Frage, ob und gegebenenfalls in welchem Ausmaß sich mögliche Anreizprobleme auf Seiten des CLO-Managers auf die Performance einer Transaktion auswirken. Der zweite Bereich setzt sich mit der Bedeutung bestimmter Eigenschaften des CLO-Managers als mögliche Einflussfaktoren der Performance auseinander, der dritte Bereich mit der Bedeutung bestimmter Transaktionscharakteristika.

4.3.2 Die Bedeutung von Anreizproblemen auf Seiten des CLO-Managers Die Anreize eines CLO-Managers bei der Verwaltung einer Transaktion werden insbesondere durch dessen Vergütung bestimmt. Hierbei ist zu berücksichtigen, dass sich die Stärke 13

Hierbei ist zu berücksichtigen, dass sich das Rating lediglich auf die Bonität einer Tranche bezieht, nicht aber auf andere den Marktpreis beeinflussende Risikofaktoren wie z. B. die Liquidität einer Tranche. Zur Ratingmethodik von CDOs, denen Arbitrage CLOs als Teilsegment zugeordnet sind, siehe Fender / Kiff (2004). 14 Aufgrund der Dummykodierung werden Transaktionen mit unterschiedlich herabgestuften Tranchentypen (Senior versus Mezzanine Tranchen), mit unterschiedlich starken Ratingherabstufungen und mit einer unterschiedlichen Anzahl an Ratingherabstufungen im Jahr 2009 in einer Kategorie zusammengefasst, so dass Unterschiede zwischen diesen Gruppen nicht Gegenstand der folgenden Untersuchung sind.

125

der Leistungs- und Risikoanreize eines CLO-Managers während der Laufzeit der Transaktion in Abhängigkeit der Wertentwicklung des Referenzportfolios ändern kann. Garrison (2005) zeigt in diesem Zusammenhang, dass für die Stärke der beiden Anreizeffekte die Wahrscheinlichkeit entscheidend ist, mit der die Position des CLO-Managers im Geld endet. Ist die vom Manager gehaltene Position aufgrund unerwartet hoher bzw. niedriger Verluste im unterlegten Asset Pool weit aus dem Geld bzw. weit im Geld, sind mit ihr keine oder nur geringe Leistungs- und Risikoanreize verbunden. Eine starke Anreizwirkung wird hingegen dann geschaffen, wenn die Position des Managers gerade im Geld liegt.15 Da in der vorliegenden Studie eine statische Analyse der Rating Performance von Arbitrage CLOs durchgeführt wird, werden die Hypothesen über die Wirkungszusammenhänge zwischen der Rating Performance und den durch die Vergütung induzierten Anreizeffekten für eine ex ante-Betrachtung abgeleitet. Die in Arbitrage CLO-Transaktionen vorfindbaren Formen der Managervergütung sind vielfältig, wobei jedoch eine gemeinsame Grundstruktur zu erkennen ist. Typischerweise setzt sich diese aus drei Komponenten zusammen, der Senior Management Fee, der Subordinated Management Fee und der Incentive Management Fee.16 Die Managementgebühren werden aus den eingehenden Zahlungen des Asset Pools beglichen, wobei sie wie die Tranchen einer Transaktion eine bestimmte Priorität in Bezug auf die Verteilung der Cashflows besitzen. Die Senior Fee hat gegenüber sämtlichen Tranchen einer Transaktion einen übergeordneten Anspruch auf die Zahlungen des Asset Pools. Sie stellt die fixe Komponente der Vergütung eines CLO-Managers dar, da sie auch bei einer niedrigen Poolqualität vollkommen sicher ist.17 Wie in Kapitel 3 gezeigt wurde, geht von ihr keine bzw. eine zu vernachlässigende Anreizwirkung aus, weshalb diese im Folgenden nicht weiter betrachtet wird. Zu den variablen und somit anreizwirksamen Vergütungsbestandteilen zählen die Subordinated und die Incentive Fee. Die Subordinated Fee besitzt gegenüber den gerateten Tranchen (Senior und Mezzanine Tranchen) eine nachrangige Stellung und wird erst nach Bedienung der Zahlungsansprüche der Investoren dieser Tranchen, jedoch vor Bedienung der Ansprüche der Investoren der Equity Tranche gezahlt. Sie wird üblicherweise als jährlicher Prozentsatz definiert, der sich auf den Nominalwert des Asset Pools am Berechnungstag oder den in der Berechnungsperiode durchschnittlich vorhandenen Nominalwert des Pools bezieht. Ihr Risikoprofil ist daher vergleichbar mit dem einer nachrangigen Mezzanine Tranche. Fender / Mitchell (2009) zeigen anhand einer modelltheoretischen Analyse, dass durch den Einbehalt einer Mezzanine Tranche für den 15

Vgl. Garrison (2005), S. 19-21. Im Folgenden werden die drei Vergütungskomponenten mit Senior Fee, Subordinated Fee und Incentive Fee abgekürzt. Für die Vergütungskomponenten sind auch andere Bezeichnungen zu finden. So wird beispielsweise die Senior Fee in einigen Fällen auch als „Management Fee“ oder „Base Fee“ bezeichnet, die Subordinated Fee auch als „Performance Fee“ oder „Junior Management Fee“ und die Incentive Fee auch als „Contingent Management Fee“ oder als „Second Subordinated Fee“. 17 Vgl. Kapitel 3.5.1, S. 89. 16

126

Originator, der in einer statischen Kreditverbriefungstransaktion das Screening und in der Regel auch das Monitoring der Kredite übernimmt, positive Leistungsanreize geschaffen werden, deren Stärke von der Qualität des Forderungspools, der Größe der Equity Tranche und den Konjunkturerwartungen des Originators abhängt.18 In einer dynamischen Kreditverbriefungstransaktion ist der CLO-Manager für das Screening und das Monitoring der zugrunde liegenden Forderungen verantwortlich. Nach dem Befund von Fender / Mitchell (2009) sollte daher von der Subordinated Fee eine positive Leistungsanreizwirkung für den CLO-Manager ausgehen, die ceteris paribus mit der Höhe dieser Vergütungskomponente ansteigt. Bezüglich des Risikoverhaltens des CLO-Managers einer Kreditverbriefungstransaktion zeigen die Ergebnisse der Simulationsstudie in Kapitel 3, dass der Wert der Subordinated Fee einen negativen Zusammenhang mit dem Risiko des Asset Pools aufweist und daher gegen mögliche Risk Shifting-Anreize des Managers wirkt. Hierbei ist der mit der Subordinated Fee verbundene Anreiz des CLO-Managers zur Gestaltung eines geringen Portfoliorisikos umso stärker, je höher diese Vergütungskomponente ist. Zusammenfassend ist daher zu vermuten, dass sowohl das Leistungs- als auch das Risikoanreizproblem durch die Ausgestaltung einer Subordinated Fee abgemildert werden und die Höhe der Subordinated Fee sich negativ auf die Wahrscheinlichkeit einer Ratingherabstufung einer CLO-Transaktion auswirkt. Hypothese 1: Die Wahrscheinlichkeit einer Ratingherabstufung sinkt mit der Höhe der Subordinated Fee. Die Incentive Fee besitzt im Vergleich zu den anderen beiden Vergütungskomponenten die geringste Priorität in Bezug auf die Bedienung aus den eingehenden Zahlungen des Asset Pools. Ihre Auszahlung ist in der Regel von der Erreichung einer „Incentive Fee Threshold“ abhängig, die als jährliche Mindestrendite (Internal Rate of Return) der Equity Tranche definiert wird. Bezüglich der bei Überschreitung der Incentive Fee Threshold an den CLO-Manager fließenden Zahlungen sind zwei typische Formen zu beobachten: Entweder wird dem Manager ein bestimmter Anteil der bei Erreichung der Mindestrendite überschüssigen Zahlungen gewährt, die sonst an die Investoren der Equity Tranche fließen würden, oder er erhält eine jährliche Zahlung, die als Prozentsatz des Nominalwerts des Asset Pools definiert wird. Bis Erreichung der für die Equity Tranche vereinbarten Mindestrendite hat die Incentive Fee einen gegenüber der Equity Tranche untergeordneten Anspruch auf die Zahlungen des Pools. Wird die Incentive Fee Threshold erreicht, verfügt sie über die gleiche Priorität wie die Equity Tranche. Sie besitzt folglich Eigenkapitalcharakter, so dass die von Garrison (2005) und Fender / Mitchell (2009) in Bezug auf 18

Im Speziellen legen Fender / Mitchell dar, dass die erzielte Leistungsanreizwirkung vergleichsweise hoch ist, wenn die Qualität des Forderungspools niedrig, die Größe der Equity Tranche gering und die Wahrscheinlichkeit eines wirtschaftlichen Abschwungs hoch ist. Siehe Fender / Mitchell (2009), S. 17-19.

127

die Leistungsanreizwirkung der Equity Tranche ermittelten Ergebnisse auf die Incentive Fee angewandt werden können. Nach diesen sollte die Incentive Fee starke Leistungsanreize für den CLO-Manager schaffen. In diesem Zusammenhang finden Gan / Mayer (2007) bei ihrer Untersuchung des Verhaltens von Servicern am US-amerikanischen Markt für Commercial Mortgage Backed Securities, dass Servicer notleidende Kredite effizienter abwickeln, wenn sie die Erstverlusttranche halten. Deshalb ist ceteris paribus davon auszugehen, dass die Screening- und Monitoringanstrengungen eines CLO-Managers, der eine Incentive Fee erhält, höher sind als die eines Managers, dem keine Incentive Fee gewährt wird. Die Existenz einer Incentive Fee sollte sich demnach negativ auf die Wahrscheinlichkeit einer Ratingherabstufung auswirken. Jedoch werden gemäß den Ergebnissen der in Kapitel 3 durchgeführten Untersuchung durch die Incentive Fee Anreize für den CLO-Manager geschaffen, das Risiko des Referenzportfolios zu steigern, womit eine höhere Downgrade-Wahrscheinlichkeit der Transaktion verbunden ist. Die beiden durch die Incentive Fee hervorgerufenen Anreizeffekte wirken sich folglich gegensätzlich auf die Performance einer Arbitrage CLO-Transaktion aus. Die Wirkungsrichtung der Incentive Fee hängt davon ab, welcher der beiden Effekte dominiert. Der Einfluss auf die Wahrscheinlichkeit einer Ratingherabstufung ist dann positiv (negativ), wenn der Risikoanreizeffekt den Leistungsanreizeffekt überwiegt (unterliegt). Hypothese 2: Die Wirkungsrichtung der Incentive Fee auf die Wahrscheinlichkeit einer Ratingherabstufung bestimmt sich in Abhängigkeit des dominierenden Anreizeffekts.

4.3.3 Die Bedeutung von Eigenschaften des CLO-Managers Dem Asset Manager einer Arbitrage CLO-Transaktion obliegt eine Reihe von Aufgaben.19 Er erwirbt die Kredite des Referenzportfolios zu Beginn der Transaktion, reinvestiert die während der Laufzeit eingehenden Tilgungszahlungen und tauscht innerhalb eines jährlich begrenzten Handelsvolumens Kredite des Pools gegen neue Kredite aus mit dem Ziel, Handelsgewinne zu erzielen. Hierbei muss er im Treuhandvertrag (Indenture) festgelegte Vorgaben in Bezug auf die Zusammensetzung, die Qualität und die Diversifikation des Referenzportfolios einhalten. Zudem ist er für die Überwachung der Bonität der einzelnen Referenzschuldner sowie der Qualität des gesamten Portfolios zuständig. Häufig übernimmt er auch die Bearbeitung und Abwicklung notleidend gewordener Kreditengagements (Workout-Management). Aufgrund der ihm obliegenden Aufgaben kann der CLO-Manager einen erheblichen Einfluss auf die Performance einer Transaktion haben.20 19 20

Zu den Aufgaben des Asset Managers einer Kreditverbriefungstransaktion siehe auch Standard & Poor’s (2002), S. 6 und S. 56-62, Braun / Schmidt (2005), S. 207, und Fitch (2007), S. 11-17. Siehe Moody’s Investors Service (2010), S. 2, Standard & Poor’s (2009a), S. 30, und Fitch (2008a), S. 12-13. In diesem Zusammenhang ist auch die Studie von Lassalvy / Lautard (2010) zu nennen, die

128

So stellt die Prüfung der Fähigkeiten eines CLO-Managers auch einen wichtigen Bestandteil der Beurteilung der Ratingagenturen dar. Für die Fähigkeiten eines CLO-Managers sollten insbesondere dessen Erfahrung und Größe von Bedeutung sein.21 CLO-Manager mit langjähriger Markterfahrung haben aufgrund ihrer Kontakte auf dem Primär- und Sekundärmarkt einen guten und zeitnahen Zugang zu Informationen und sollten daher besser als neue Manager in der Lage sein, hochwertige Vermögenswerte zu akquirieren, ein breit diversifiziertes Portfolio zusammenzustellen und dieses während der Laufzeit aufrecht zu erhalten. Gleichermaßen sollte sich die Erfahrung eines Managers im Workout notleidender Kredite positiv auf die dabei zu erzielenden Ergebnisse und folglich auf die Performance der CLO-Transaktion auswirken. In Bezug auf die Größe eines CLO-Managers ist davon auszugehen, dass größere Manager über eine stärkere Verhandlungsposition beim Kauf und Verkauf von Vermögenswerten verfügen und besser ihre Preise als kleinere Manager durchsetzen können. Daneben besitzen größere Asset Manager in der Regel höhere und vermutlich bessere Research- sowie Workout-Kapazitäten. Dies motiviert Hypothese 3: Die Wahrscheinlichkeit einer Ratingherabstufung sinkt mit der Erfahrung und der Größe des CLO-Managers.

4.3.4 Die Bedeutung transaktionsspezifischer Charakteristika Die Bonitätseinstufungen der Ratingagenturen werden zu einem erheblichen Maß durch die Qualität des einer CLO-Transaktion zugrunde liegenden Portfolios bestimmt.22 Jedoch spielen auch die Tranchierung und die vereinbarten Sicherungsmaßnahmen (Credit Enhan-

für die 2009 am Markt befindlichen CLO-Manager große Unterschiede in den Ausfallraten der verwalteten Portfolios feststellen und diesen Tatbestand auf die unterschiedlichen Managementqualitäten zurückführen. Siehe Lassalvy / Lautard (2010), S. 15. 21 Da die Erfahrung und die Größe eines CLO-Managers eng miteinander zusammenhängen, wird deren Einfluss gemeinsam und nicht getrennt voneinander betrachtet. Gleichzeitig lässt sich die Erfahrung und die Größe eines Managers auch in Zusammenhang mit dessen Reputation bringen, die möglichen Leistungs- und Risikoanreizproblemen auf Seiten des Managers entgegenwirken kann. Vgl. hierzu die Ergebnisse der Career-Concerns-Modelle von Amihud / Lev (1981), Holmström / Ricart I Costa (1986) und Hirshleifer / Thakor (1992), die zeigen, dass Manager aufgrund von Reputationsbedenken risikoreiche Investitionen meiden. Zu den folgenden Ausführungen siehe Fitch (2007), S. 15-18. 22 Zur Ratingmethodik von CLOs siehe Moody’s Investors Service (2009f), Standard & Poor’s (2002, 2009a) und Fitch (2008a). Da der Forderungspool einer Arbitrage CLO-Transaktion nicht statisch ist, sondern durch das aktive Management des CLO-Managers ständigen Veränderungen unterliegt, basiert die Bewertung der Ratingagenturen bei gemanagten CLOs auf dem hypothetischen Portfolio, welches sich ergibt, wenn der Manager die im Treuhandvertrag festgelegten Qualitäts-, Struktur- sowie Konzentrationsbeschränkungen gerade einhält. Vgl. hierzu Moody’s Investors Service (2009f), S. 3, Standard & Poor’s (2002), S. 79-80, und Fitch (2008a), S. 13-15. Mit der Qualität des einer CLOTransaktion zugrunde liegenden Portfolios ist im Folgenden die Qualität des sich aus den Vorgaben des Treuhandvertrages ergebenden hypothetischen Referenzportfolios gemeint.

129

cement) eine bedeutende Rolle für die Bewertung der Tranchen.23 So ist es beispielsweise möglich, dass zwei Tranchen mit gleichem Attachment und Detachment Point, jedoch mit qualitativ unterschiedlichen Referenzportfolios, dasselbe Rating erhalten, wenn die Tranche der Transaktion mit dem Portfolio von geringerer Qualität mit höheren Credit Enhancements ausgestattet ist.24 Da die Standardabweichung der Verlustverteilung eines Kreditportfolios mit sinkender Qualität der zugrunde liegenden Assets steigt, ist davon auszugehen, dass eine CLO-Tranche, die auf einem Referenzportfolio niedriger Qualität basiert, ceteris paribus eine höhere Downgrade-Wahrscheinlichkeit besitzt als eine vergleichbare Tranche, der ein Referenzportfolio von hoher Qualität zugrunde liegt.25 Hierzu können Keys u. a. (2009) und Güttler / Hommel / Reichert (2010) für US-amerikanische Mortgage Backed Securities einen positiven Zusammenhang zwischen dem FICO Score des zugrunde liegenden Asset Pools und dessen Performance nachweisen.26 Dies begründet Hypothese 4: Die Wahrscheinlichkeit einer Ratingherabstufung sinkt mit steigender Qualität des Forderungspools. Neben der Qualität des Asset Pools könnte auch die Größe der Equity Tranche (First Loss Piece, FLP) für die Performance einer CLO-Transaktion von Bedeutung sein. Ein möglicher Zusammenhang zwischen der Rating Performance und der Größe der Equity Tranche lässt sich anhand zweier Überlegungen begründen. Zum einen wird die Größe der Equity Tranche überwiegend durch die Qualität des zugrunde liegenden Portfolios bestimmt.27 Hierzu können Franke / Weber (2007) und Franke / Herrman / Weber (2007) einen inversen Zusammenhang zwischen der Größe der Equity Tranche und der Qualität des verbrieften Forderungsportfolios nachweisen. Sie führen dies auf mögliche Probleme asymmetrischer Informationsverteilung zwischen dem Originator und den Investoren zurück, die sich mit sinkender Portfolioqualität verstärken und zu deren Abschwächung daher der Einbehalt einer größeren Equity Tranche durch den Originator erforderlich ist. 23

Zu den Sicherungsmaßnahmen von Verbriefungstransaktionen siehe z. B. Bär (2000), S. 207-227, Jobst (2002), S. 24-29, und Arlt (2009), S. 224-248. 24 Der Attachment Point einer Tranche stellt die untere Grenze dar, ab welcher die Tranche von den Verlusten im Asset Pool betroffen wird. Der Detachment Point ist dagegen die obere Grenze, bei der die Tranche einen Totalverlust erleidet. Attachment und Detachment Point werden als kumulierte Verlustraten des Asset Pools angegeben. Vgl. Fender / Tarashev / Zhu (2008), S. 90. 25 Zum Einfluss der Ausfallwahrscheinlichkeit und der Wiedergewinnungsquote der einer Transaktion zugrunde liegenden Kredite auf die Standardabweichung der Verlustverteilung siehe Kapitel 3.5.1 und Kapitel 3.5.3. 26 Der FICO Score ist ein einfacher Kreditwürdigkeitsindex, der das relative Risiko eines Zahlungsausfalls oder eines erheblichen Zahlungsverzugs eines Schuldners ausdrückt. Der FICO Score berechnet sich auf Basis verschiedener Daten zur Kredithistorie eines Schuldners, beinhaltet jedoch keine Informationen über das Einkommen und das Vermögen eines Schuldners. Vgl. Fishelson-Holstine (2004), S. 5-7. 27 Eine weitere Determinante der Höhe der Equity Tranche ist die Ausgestaltung des Subordinationsprinzips der CLO-Transaktion. Die Ergebnisse der Simulationen in Kapitel 3.5.4 zeigen, dass bei gegebenen Ratings für die vorrangigen Tranchen die Höhe einer möglichen Obergrenze des Reserve Account und die Ausgestaltung möglicher Coverage Tests die Größe der Equity Tranche beeinflussen.

130

Dementsprechend ist von einem positiven Einfluss der Größe der Equity Tranche auf die Wahrscheinlichkeit einer Ratingherabstufung auszugehen. Andererseits ist zu berücksichtigen, dass die Equity Tranche aufgrund des Subordinationsprinzips den gerateten Tranchen als Verlustpuffer dient. Kommt es zu Verlusten im Referenzportfolio, werden diese zunächst von der Equity Tranche als Erstverlusttranche absorbiert. Erst wenn diese vollständig aufgezehrt ist, müssen die darüber liegenden Tranchen Verluste tragen. Folglich sinkt ceteris paribus die Ausfallwahrscheinlichkeit der gerateten Tranchen mit der Größe der Equity Tranche. Daher ist zu vermuten, dass bei gleicher Qualität des Referenzportfolios Transaktionen mit einer größeren Equity Tranche eine geringere Wahrscheinlichkeit einer Ratingherabstufung haben. Die Überlegungen zeigen, dass für die Erklärung eines möglichen Einflusses der Größe der Equity Tranche auf die Rating Performance zwei Ansätze mit gegensätzlichen Wirkungsrichtungen gefunden werden können. Stellt die Equity Tranche im Wesentlichen einen Proxy für die Qualität dar, ist von einem positiven Zusammenhang zwischen ihrer Größe und der Wahrscheinlichkeit einer Ratingherabstufung auszugehen. Dient die Equity Tranche hingegen vornehmlich als Verlustpuffer für die gerateten Tranchen, ist ein negativer Zusammenhang zu vermuten. Hypothese 5: Die Wirkungsrichtung der Größe der Equity Tranche auf die Wahrscheinlichkeit einer Ratingherabstufung bestimmt sich in Abhängigkeit davon, ob die Equity Tranche vornehmlich als Proxy der Portfolioqualität oder als Verlustpuffer für die gerateten Tranchen dient. Die Größe einer Transaktion könnte eine weitere Erklärungsdeterminante der Rating Performance darstellen, wenn unterstellt wird, dass die Granularität des einer Transaktion zugrunde liegenden Portfolios mit dem Transaktionsvolumen steigt. Da die Standardabweichung der Verlustverteilung eines Kreditportfolios mit zunehmender Diversifikation sinkt, sollten Transaktionen mit stärker diversifizierten Referenzportfolios eine geringere Downgrade-Wahrscheinlichkeit aufweisen als Transaktionen mit weniger diversifizierten Portfolios.28 Dies motiviert Hypothese 6: Die Wahrscheinlichkeit einer Ratingherabstufung sinkt mit dem Transaktionsvolumen.

28

Zum Einfluss der Diversifikation eines Kreditportfolios auf die Standardabweichung der Verlustverteilung siehe Kapitel 3.5.2.

131

4.4 Empirische Auswertung europäischer Arbitrage CLO-Transaktionen 4.4.1 Datengrundlage In die vorliegende Untersuchung werden alle europäischen Arbitrage CLO-Transaktionen einbezogen, die im Zeitraum von September 1999 bis Juni 2008 begeben und bis Ende des Jahres 2008 noch nicht zurückgezahlt wurden.29 Von der Ratingagentur Fitch wurde ein Datensatz mit den in diesem Zeitraum emittierten Transaktionen sowie Informationen zu ihren Asset Managern zur Verfügung gestellt. Mittels verschiedener Informationsquellen wie Bloomberg, Moody’s, Standard & Poor’s, Fitch sowie den Emissionsprospekten der Transaktionen wurde der Datensatz überprüft und um transaktions- sowie tranchenspezifische Charakteristika erweitert. Insgesamt umfasst der Datensatz 216 Transaktionen mit 1.992 Tranchen, die größtenteils durch Leveraged Loans gedeckt sind.30 Die Transaktionen werden von insgesamt 64 CLO-Managern verwaltet, von denen mehr als die Hälfte in den Jahren 2006 (21) und 2007 (15) in den europäischen CLO-Markt eingetreten sind.31 Um die Rating Performance der Transaktionen zu bestimmen, wurden für die CLOTranchen die Ratingherabstufungen von Moody’s, Standard & Poor’s und Fitch im Zeitraum von 01.01.2009 bis 31.12.2009 zusammengestellt. Der Grund für die Begrenzung des Beobachtungszeitraums auf das Jahr 2009 ist, dass die Ratingagenturen im Zuge der jüngsten Finanzkrise Schwächen in ihren Modellen zur Beurteilung der Bonität von Verbriefungen erkannten, woraufhin sie ihre Methoden und Annahmen zu deren Bewertung überarbeiteten. Als Konsequenz wurden sämtliche von den Agenturen vergebene Ratings strukturierter Wertpapiere überprüft, was eine Vielzahl an Ratingherabstufungen nach sich zog. Für europäische CLO-Transaktionen begannen die Ratingagenturen in der zweiten Jahreshälfte 2008 (Fitch) bzw. in der ersten Jahreshälfte 2009 (Moody’s und Standard & Poor’s), ihre Ratingmethoden anzupassen und die Wertpapiere neu zu bewerten.32 So ist auf dem europäischen Markt für Arbitrage CLOs im Jahr 2009 eine Downgrade-Rate von rund 70% zu beobachten, während diese in den Jahren von 2001 bis 29

Da sämtliche in den Jahren 1999 und 2000 emittierten Transaktionen bis Ende des Jahres 2008 zurückgezahlt wurden, befinden sich letztlich nur Transaktionen der Jahre 2001 bis 2008 im Datensatz. 30 Für zehn Transaktionen konnten keine Informationen zu den emittierten Tranchen gesammelt werden, weshalb sich die oben angegebene Tranchenanzahl auf nur insgesamt 206 Transaktionen bezieht. 31 Zur Entwicklung der Anzahl der CLO-Manager am europäischen Markt siehe Fitch (2008b), S. 9-10, und Fitch (2010), S. 2-3. 32 Nach der Aussage eines Vertreters der Ratingagentur Fitch wurden in 2008 lediglich die Ratings einer einzigen Transaktion von der Anpassung der Ratingmethodik betroffen. Für die Überarbeitung der Ratingmethodik von CLOs siehe Moody’s Investors Service (2009a), Standard & Poor’s (2009a, 2009b) und Fitch (2008a). Hierbei wurden insbesondere die Annahmen hinsichtlich der Ausfallwahrscheinlichkeiten und Korrelationen der im Asset Pool befindlichen Forderungen angehoben.

132

2008 deutlich unter 1% lag. Hierbei ist jedoch anzumerken, dass die von den Agenturen in 2009 vorgenommenen Ratingherabstufungen nicht nur auf die geänderten Methoden und Annahmen zurückzuführen sind, sondern in den meisten Fällen auch mit einer Verschlechterung der Qualität der zugrunde liegenden Forderungsportfolios begründet werden.33 Daher muss bei einer empirischen Analyse der Rating Performance von CLOs für die Änderung der Ratingmethodik kontrolliert werden oder eine separate Betrachtung der Ratingherabstufungen vor und nach der Überarbeitung erfolgen. Da jedoch bis Ende 2008 insgesamt nur acht Arbitrage CLO-Transaktionen eine Ratingherabstufung erfuhren, ist eine Analyse der Rating Performance vor Anpassung der Ratingmethodik aufgrund der geringen Anzahl an Beobachtungen nicht möglich. In der vorliegenden Studie wird daher ausschließlich der Zeitraum nach Überarbeitung der Ratingmethodik herangezogen.34 Hierbei konnten die Ratingänderungen im Jahr 2009 insgesamt nur für 205 Transaktionen ermittelt werden.35 Von den 1.989 Tranchen der 205 letztlich in die Untersuchung einbezogenen Transaktionen verfügen 1.708 Tranchen über ein Rating von mindestens einer der drei Ratingagenturen: 1.324 Tranchen sind von Moody’s, 1.328 Tranchen von Standard & Poor’s und 233 Tranchen von Fitch bewertet. Die Anzahl nicht gerateter Tranchen beläuft sich auf 281. Die Performance der CLO-Transaktionen wird über die Dummyvariable DOWNGRADE beschrieben, die den Wert Eins annimmt, wenn mindestens eine Tranche der Transaktion in 2009 herabgestuft wurde, und andernfalls den Wert Null.36 Hierbei werden unter einer Ratingherabstufung nur tatsächliche Downgrades subsummiert. Veröffentlichungen von negativen Ausblicken (Outlook) oder Ankündigungen der Ratingagenturen, das Rating einer Tranche hinsichtlich einer möglichen Herabstufung zu überprüfen (Review bzw. Credit Watch) gelten nicht als Downgrade.37 Eine Betrachtung der in 2009 vorgenommenen Downgrades zeigt, dass 1.187 Tranchen der 1.708 gerateten Tranchen des Datensatzes 33

Siehe hierzu z. B. die Ankündigungen von Moody’s Investors Service (2009b, 2009c, 2009d, 2009e) in Bezug auf die im Zeitraum vom 17.03.2009 bis 20.03.2009 vorgenommenen Ratingherabstufungen, sowie Fitch (2010), S. 4. 34 Bei der Interpretation der in der empirischen Studie ermittelten Ergebnisse ist dementsprechend einschränkend zu berücksichtigen, dass sich der Untersuchungszeitraum auf eine Phase konjunkturellen Abschwungs bezieht. Vgl. hierzu auch die kritische Würdigung in Kapitel 4.4.6. 35 Neben den zehn Transaktionen, für die keine Tranchendaten ermittelt werden konnte (siehe Fußnote 30), waren für eine weitere Transaktion keine Ratingdaten verfügbar. 36 Eine von einer Ratingagentur vorgenommene Ratingherabstufung gilt nur dann als Downgrade, wenn das Tranchenrating dieser Agentur am Ende des Jahres 2009 niedriger ist als zu Beginn des Jahres. Demzufolge zählt eine Ratingherabstufung einer Agentur nicht als Downgrade, wenn diese einem Rating Upgrade der Agentur folgt und von ihrer Höhe, gemessen an der Anzahl der herabgestuften Ratingklassen, geringer ist als der vorherige Upgrade. Ein Überblick über die in der vorliegenden Studie herangezogenen Variablen und deren Bedeutung findet sich in Tabelle 4.6 des Anhangs. 37 Der Ausblick einer Ratingagentur stellt deren Prognose bezüglich der mittelfristigen Entwicklung (12 bis 18 Monate) der Bonität eines Emittenten bzw. eines Finanzinstruments dar. Dieser kann entweder negativ, positiv oder stabil ausfallen. Stellt eine Ratingagentur einen Schuldner oder ein Finanzinstrument unter Beobachtung, so deutet dies auf eine mögliche (eher kurzfristig) kommende Ratingheraufstufung oder -herabstufung hin. Vgl. hierzu Micu / Remolona / Wooldridge (2004), S. 64.

133

mindestens eine Ratingherabstufung erlitten, was einer Downgrade-Rate von knapp 70% entspricht. Die herabgestuften Tranchen sind insgesamt 192 Transaktionen zugeordnet, so dass nur 13 Transaktionen des Datensatzes keinen Downgrade in 2009 erfuhren. Der Einfluss möglicher durch die Vergütung induzierter Leistungs- und Risikoanreize von CLO-Managern auf die Rating Performance wird anhand der Subordinated Fee und der Incentive Fee, der variablen Bestandteile der Managervergütung, geprüft.38 Die Höhe der Subordinated Fee wird über die Variable SUBFEE gemessen. Sie ist definiert als jährlicher Prozentsatz des Nominalwerts des Asset Pools. Die in Tabelle 4.1 für die erklärenden Variablen angegebenen deskriptiven Statistiken zeigen, dass die Subordinated Fee im Mittel 0,40% p. a. beträgt, bei einem Wertebereich von 0,00% p. a. bis 0,75% p. a. Die von der Incentive Fee ausgehende Anreizwirkung wird über die Dummyvariable INCFEE geprüft, die die Existenz einer Incentive Fee im Management Agreement der Transaktion anzeigt. Von den 200 Transaktionen, für die die Managervergütung identifiziert werden konnte, wird in insgesamt 173 Transaktionen dem CLO-Manager eine Incentive Fee gewährt, wobei deren Ausgestaltungsformen variieren. Bei 134 Transaktionen ist die Incentive Fee als Anteil an den bei Überschreitung der Incentive Fee Threshold überschüssigen Cashflows definiert. Die Höhe dieses Anteils beträgt in 87% der Fälle 20,00%, bei einem Wertebereich von 8,30% bis 25,00%. In 36 Transaktionen bestimmt sich die Höhe der Incentive Fee durch einen jährlichen Prozentsatz am Nominalwert des Asset Pools, der in der zugrunde gelegten Stichprobe zwischen 0,05% p. a. und 0,38% p. a. schwankt.39 Bei 99% der Transaktionen, die eine Incentive Fee für den Manager vorsehen, ist eine Threshold festgelegt. Diese ist in den überwiegenden Fällen konstant, jedoch finden sich auch Formen, bei denen sich die Threshold während der Laufzeit erhöht oder nach dem EURIBOR richtet. Um den Einfluss der Erfahrung und der Größe eines CLO-Managers auf die Wahrscheinlichkeit einer Ratingherabstufung zu prüfen, werden zwei Maße herangezogen. Die Variable DEALS misst die Anzahl der bisher von einem Manager am europäischen Markt verwalteten CLO-Transaktionen, wobei das Closing Date der betrachteten Transaktion als Stichtag verwendet wird. Demnach werden sowohl die zum Emissionszeitpunkt noch ausstehenden Transaktionen als auch bereits zurückgezahlte Transaktionen des CLO-Managers berücksichtigt. Wie der Tabelle 4.1 zu entnehmen ist, beträgt zum Emissionszeitpunkt einer Transaktion die Anzahl der vom Manager verwalteten CLO-Transaktionen im Mittel 4,18 bei einem Median von 3,00. Mit einem minimalen Wert von 1,00 und einem maximalen 38

Bei einigen Transaktionen, die hinsichtlich ihrer Anzahl jedoch eine untergeordnete Rolle spielen, setzt sich die performanceabhängige Vergütung des CLO-Managers aus mehr als zwei Komponenten zusammen. In diesen Fällen werden die Vergütungsbestandteile in Abhängigkeit von deren Priorität in Bezug auf die Verteilung der aus dem Pool eingehenden Zahlungen entweder der Subordinated Fee oder der Incentive Fee zugerechnet. 39 Weitere drei Transaktionen sehen für den CLO-Manager eine individuell ausgestaltete Incentive Fee vor, die von den beiden typischen Formen abweicht.

134

Tabelle 4.1: Deskriptive Statistiken der erklärenden Variablen. Für die metrisch skalierten Variablen wird die Anzahl der Beobachtungen (N), der Mittelwert, der Median, die Standardabweichung, das Minimum (Min) und das Maximum (Max) berichtet. Für die Dummyvariablen wird neben N, Min und Max der Anteil des beobachteten Merkmals angegeben. Variable

N

Mittelwert/ Anteil

Median

Standardabweichung

Min

Max

Managervergütung: 200 200

0, 40 86,50%

0, 45

0, 14

0, 00 0, 00

0, 75 1, 00

205 205 205 205 205 205 205 205

4, 18 1846, 86 44,39% 17,56% 22,93% 8,78% 6,34% 30,73%

3, 00 1133, 25

3, 68 1760, 24

1, 00 131, 95 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00

18, 00 7631, 30 1, 00 1, 00 1, 00 1, 00 1, 00 1, 00

WARF FLP (in %) SIZE (in Mio. EUR)

196 205 205

779, 26 10, 48 446, 61

738, 67 10, 00 409, 43

324, 94 5, 21 160, 78

48, 63 0, 00 131, 95

2974, 46 45, 75 1140, 00

Emissionsjahre: J2001 J2002 J2003 J2004 J2005 J2006 J2007 J2008

205 205 205 205 205 205 205 205

0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00

1, 00 1, 00 1, 00 1, 00 1, 00 1, 00 1, 00 1, 00

SUBFEE (in %) INCFEE Managercharakteristika: DEALS AUM (in Mio. EUR) LF SPEZIALIST LF BANK MULTI-ASSET HEDGE FOND PRIVATE EQUITY US Transaktionscharakteristika:

1,46% 2,44% 2,44% 7,32% 11,22% 31,71% 34,63% 8,78%

Wert von 18,00 ist eine hohe Spannweite der Variable festzustellen, die mit dem starken Wachstum des europäischen CLO-Marktes bis 2007 zu begründen ist. Als zweites Maß für die Erfahrung und die Größe eines CLO-Managers wird die Variable AUM verwendet, die das von einem Manager verwaltete Vermögen in europäischen CLO-Transaktionen zum Emissionszeitpunkt der betrachteten Transaktion angibt. Das Volumen bereits zurückgezahlter Transaktionen des Managers findet hierbei keine Berücksichtigung. Tabelle 4.1 zeigt, dass ein Manager bei Closing einer Transaktion im Durchschnitt ein CLO-Vermögen in Europa von 1.847 Mio. EUR verwaltet. Mit einem Wertebereich von 132 Mio. EUR bis 7.631 Mio. EUR ist für die Variable AUM ebenfalls eine hohe Spannweite zu erkennen. In der vorliegenden Studie wird der natürliche Logarithmus der beiden Variablen, lnDEALS und lnAUM, herangezogen. Des Weiteren lassen sich CLO-Manager nach ihrem Typ und dem Sitz ihres Unternehmens unterscheiden. In Bezug auf den Typ können die CLO-Manager des Datensatzes fünf Gruppen zugeordnet werden: Leverage Finance Spezialist (23), Leverage Finance Abteilung einer Bank (16), Multi-Asset Manager (14), Hedge Fond (7) und Private EquityGesellschaft (4). Hierbei werden 44% der im Datensatz befindlichen Transaktionen von Leverage Finance Spezialisten verwaltet, 18% von Investmentbanken, 23% von MultiAsset Managern, 9% von Hedge Fonds und 6% von Private Equity-Unternehmen. In Be135

zug auf den Unternehmenssitz wird zwischen Europa (41) und den USA (23) differenziert. 69% der Transaktionen des Datensatzes werden von CLO-Managern mit Sitz in Europa, 31% von CLO-Managern mit Sitz in den USA gemanagt.40 Zur Beschreibung der Qualität des einer Transaktion zugrunde liegenden Portfolios bieten sich verschiedene Maße an.41 Für die vorliegende Studie wird der von Schaber (2009) verwendete gewichtete durchschnittliche Ratingfaktor WARF (Weighted Average Rating Factor) einer Transaktion herangezogen, der sich aus den zum Emissionszeitpunkt vorliegenden Ratings der einzelnen Tranchen einer CLO-Transaktion errechnet.42 Hierzu werden die Tranchenratings in Ratingfaktoren transformiert, welche für die Ratingklassen die mit 10.000 multiplizierten „idealisierten“ zehnjährigen Ausfallraten von Moody’s angeben.43 Der WARF berechnet sich als gewichteter Durchschnitt der für die Tranchen einer CLOTransaktion ermittelten Ratingfaktoren, wobei die Gewichtung mit dem am Nominalwert gemessenen Anteil einer Tranche am gesamten Transaktionsvolumen erfolgt.44 Nicht gerateten Equity Tranchen wird in Analogie zu Schaber (2009) ein Ratingfaktor von 6.500 zugewiesen, der mit einem Rating von CCC korrespondiert. Transaktionen, bei denen eine oder mehrere vorrangige Tranchen (Senior oder Mezzanine Tranchen) über kein Rating einer der drei Agenturen verfügen, werden aus der Betrachtung ausgeschlossen, weshalb die Variable WARF nur für 196 Transaktionen des Datensatzes vorliegt. Verfügt eine Tranche über das Rating von mehr als einer Agentur, werden die entsprechenden Ratingfaktoren der Tranche gemittelt.45 Da die Ratingfaktoren nicht linear, sondern exponentiell mit der Ratingklasse ansteigen, haben Tranchen mit einem niedrigen Rating einen stärkeren Einfluss auf den durchschnittlichen Ratingfaktor als höher eingestufte Tranchen. Wie in Tabelle 4.1 berichtet ist, beträgt der WARF im Mittel 779. Dieser korrespondiert mit einer idealisierten zehnjährigen Ausfallwahrscheinlichkeit von 7,79% bzw. einem Rating 40

Für die in der Studie verwendeten Variablen für den Typ und den Unternehmenssitz eines CLOManagers siehe Tabelle 4.6 des Anhangs. Beispielsweise verwenden Franke / Weber (2007), Franke / Herrman / Weber (2007) und Franke / Weber (2009) in ihren empirischen Studien zur Gestaltung von CDO-Transaktionen zwei von Moody’s publizierte Qualitätsmaße, die durchschnittliche Ausfallwahrscheinlichkeit des Forderungsportfolios (Weighted Average Default Probability) und den Moody’s Diversity Score, der ein Maß für die Risikostreuung eines Portfolios darstellt. Cuchra (2005) und Cuchra / Jenkinson (2006) ziehen als Qualitätsmaß ein selbst konstruiertes Durchschnittsrating heran, das sich aus den Ratings der einzelnen Tranchen einer Transaktion errechnet. Keys u. a. (2009) und Güttler / Hommel / Reichert (2010) verwenden in ihren Performancestudien den FICO Score und die Beleihungsrate (Loan-to-Value Ratio) als spezifische Qualitätsmaße für Hypothekenkredite. 42 Vgl. Schaber (2009), S. 149-150. 43 Die idealisierten Ausfallraten basieren auf den von Moody’s ermittelten historischen Ausfallraten. Siehe Moody’s Investors Service (2009f), S. 3-4. Die zu den Ratingklassen der Agenturen zugeordneten Ratingfaktoren sind in Moody’s Investors Service (2009f), S. 33, sowie in Tabelle 4.7 des Anhangs zu finden. 44 Hierbei ist anzumerken, dass Moody’s zur Bewertung von CLOs den durchschnittlichen Ratingfaktor des Asset Pools heranzieht, der nicht wie der durchschnittliche Ratingfaktor einer Transaktion auf den Ratingfaktoren der Tranchen, sondern auf denen der einzelnen Vermögenswerte im Asset Pool basiert. 45 Tranchen mit Split Ratings kommt jedoch mit einem Anteil von 5% nur eine untergeordnete Bedeutung zu. Lediglich 87 der 1.709 Tranchen verfügen über ein Split Rating. 41

136

zwischen Baa3 und Ba1. Mit einer minimalen Ausprägung des durchschnittlichen Ratingfaktors von 49 (Aa3 bis A1) und einer maximalen Ausprägung von 2.974 (B2 bis B3) sind für die zugrunde gelegte Stichprobe große Qualitätsunterschiede zu konstatieren. In der vorliegenden Regressionsanalyse wird der natürliche Logarithmus des durchschnittlichen Ratingfaktors, lnWARF, verwendet. Die Größe der Equity Tranche als mögliche Erklärungsdeterminante der Wahrscheinlichkeit einer Ratingherabstufung wird durch ihren am Nominalwert gemessenen Anteil am Transaktionsvolumen beschrieben. Als Equity Tranche gelten hierbei diejenigen Tranchen, die die geringste Priorität in Bezug auf die aus dem Asset Pool eingehenden Zahlungen besitzen und über kein Rating einer der drei Agenturen verfügen.46 Wie in Tabelle 4.1 an der die Größe der Equity Tranche angebenden Variable FLP zu erkennen ist, macht die Equity Tranche im Mittel 10,48% vom Transaktionsvolumen aus, wobei mit einem Wertebereich von 0,00% bis 45,75% für die Variable FLP eine hohe Spannweite festzustellen ist. Das Transaktionsvolumen als Proxy für die Granularität des Referenzportfolios wird schließlich über die Variable SIZE gemessen, die als Summe der Nominalwerte der Tranchen einer CLO-Transaktion definiert ist.47 Wie Tabelle 4.1 zeigt, beträgt das Transaktionsvolumen durchschnittlich 447 Mio. EUR. Für die Regressionsanalyse wird der natürliche Logarithmus des Transaktionsvolumens, lnSIZE, verwendet.

4.4.2 Univariate Ergebnisse Als erster Schritt der Analyse werden die CLO-Transaktionen nach der Ausprägung der Variable DOWNGRADE in zwei Teilstichproben, Transaktionen mit und ohne Ratingherabstufung, unterteilt und die Charakteristika der beiden Stichproben verglichen. Die Ergebnisse sind in Tabelle 4.2 dargestellt. Wie zu erkennen ist, umfasst die Teilstichprobe der CLO-Transaktionen ohne Ratingherabstufung 13 Beobachtungen und die Teilstichprobe der CLO-Transaktionen mit einer oder mehreren Ratingherabstufungen 192 Beobachtungen.48 Der Vergleich der Charakteristika zeigt, dass hinsichtlich dreier Variablen signifikante Unterschiede zwischen den beiden Teilstichproben bestehen. Ein hochsignifikanter Unterschied ergibt sich hinsichtlich der Verteilung der Dummyvariable INCFEE, 46

Im Fall mehrerer subordinierter Tranchen ohne Rating wird die Summe der Anteile dieser Tranchen herangezogen. Verfügt die unterste Tranche dagegen über ein Rating, so gilt diese nicht als Equity Tranche und es wird für ihre Größe ein Wert von Null festgesetzt. 47 Hierbei ist anzumerken, dass bei der Berechnung des Transaktionsvolumens die Nominalwerte der häufig im Rahmen von CLO-Transaktionen emittierten Combination Notes nicht berücksichtigt werden, da diese sich aus Teilen der „normalen“ Tranchen einer Transaktion zusammensetzen. Für eine Darstellung der Combination Notes siehe Schaber (2009), S. 87-88. 48 Aufgrund fehlender Beobachtungen umfasst die Teilstichprobe der CLO-Transaktionen mit Ratingherabstufung bezüglich der Variablen SUBFEE und INCFEE lediglich 187 Beobachtungen und bezüglich der Variable WARF nur 183 Beobachtungen.

137

Tabelle 4.2: Vergleich der Charakteristika von Arbitrage CLO-Transaktionen mit und ohne Ratingherabstufung. Für die metrisch skalierten Variablen werden pro Teilstichprobe die Anzahl der Beobachtungen (N), der Mittelwert, die Standardabweichung und der p-Wert des t-Tests auf Gleichheit der Mittelwerte berichtet. Für die Dummyvariablen werden pro Teilstichprobe neben N der Anteil des beobachteten Merkmals und der p-Wert des χ2 -Homogenitätstests auf Gleichheit der Verteilungen dokumentiert. Auf signifikante Unterschiede hinweisende p-Werte sind mit Asterisken gekennzeichnet, wobei ***, ** und * signifikant auf dem 1%-, 5%- bzw. 10%-Niveau bedeutet (zweiseitige Tests). DOWNGRADE=0 Variable

N

Mittelwert/ Anteil

Standardabweichung

DOWNGRADE=1 N

Mittelwert/ Anteil

Standardabweichung

p-Wert

Managervergütung: SUBFEE INCFEE

13 13

0,34 46,15%

0,18

187 187

0,40 89,30%

0,14

13 13 13 13 13 13 13 13

6,00 2883,21 61,54% 23,08% 15,38% 0,00% 0,00% 38,46%

4,81 2497,07

192 192 192 192 192 192 192 192

4,05 1776,69 43,23% 17,19% 23,44% 9,38% 6,77% 30,21%

3,58 1685,09

13 13 13

826,05 11,29 510,91

715,00 11,28 213,53

183 192 192

775,93 10,43 442,25

281,51 4,58 156,34

0,154 0,000***

Managercharakteristika: DEALS AUM LF SPEZIALIST LF BANK MULTI-ASSET HEDGE FOND PRIVATE EQUITY US

0,065* 0,028** 0,198 0,589 0,504 0,248 0,332 0,533

Transaktionscharakteristika: WARF FLP SIZE

0,592 0,565 0,137

die die Existenz einer Incentive Fee im Management Agreement einer CLO-Transaktion anzeigt. Während bei den Transaktionen ohne Downgrade nur 46,15% eine Incentive Fee dem CLO-Manager gewähren, sind es bei den Transaktionen mit Downgrade 89,30%. Des Weiteren zeigen sich Unterschiede in den Mittelwerten der die Erfahrung und die Größe eines CLO-Managers messenden Variablen DEALS und AUM. Die Variable DEALS, definiert als die Anzahl der bisher vom Asset Manager verwalteten europäischen CLOTransaktionen, beträgt für Transaktionen ohne Downgrade im Mittel 6,00, wohingegen sich für Transaktionen mit Downgrade ein Mittelwert von 4,05 ergibt. Ebenso ist eine höhere Erfahrung und Größe der CLO-Manager von nicht herabgestuften Transaktionen an der Variable AUM zu erkennen, die das von einem Manager zum Closing Date einer Transaktion verwaltete Vermögen in europäischen CLO-Transaktionen misst. Während die CLO-Manager der Transaktionen ohne Downgrade über ein verwaltetes Vermögen von durchschnittlich 2.883 Mio. EUR verfügen, sind es bei den CLO-Managern der Transaktionen mit Downgrade im Durchschnitt nur 1.777 Mio. EUR. Bezüglich der herangezogenen transaktionsspezifischen Charakteristika ergeben sich dagegen keine signifikanten Mittelwertunterschiede zwischen den Teilstichproben.

138

4.4.3 Multivariate Ergebnisse Die in Kapitel 4.3 abgeleiteten Hypothesen werden anhand mehrerer binärer Probitmodelle geprüft, die als abhängige Variable die Dummyvariable DOWNGRADE verwenden.49 Zunächst wird der Einfluss möglicher durch die Managervergütung hervorgerufener Anreizeffekte sowie der Einfluss der weiteren manager- und transaktionsspezifischen Charakteristika auf die Downgrade-Wahrscheinlichkeit einer Arbitrage CLO-Transaktion isoliert betrachtet, bevor dann deren Erklärungskraft in mehreren vollständigen Modellen gemeinsam untersucht wird. Es werden Dummyvariablen für die Emissionsjahre der Transaktionen zur Kontrolle für jahresspezifische Einflüsse hinzugezogen, wobei die Emissionsjahrgänge 2001 / 2002, 2003 / 2004, 2005 / 2006 und 2007 / 2008 jeweils zu einer Dummyvariablen zusammengefasst werden.50 Tabelle 4.3 zeigt die Ergebnisse der Probitregressionen, anhand derer der Einfluss der variablen Managervergütung, der Manager- und der Transaktionseigenschaften jeweils einzeln geprüft wird. Im Modell I werden die Variable SUBFEE für die Höhe der Subordinated Fee und die die Existenz einer Incentive Fee anzeigende Dummyvariable INCFEE in die Regression einbezogen. Wie aus Tabelle 4.3 zu erkennen ist, ist der Regressionskoeffizient für den INCFEE-Dummy positiv und hochsignifikant. Die Wahrscheinlichkeit einer Ratingherabstufung ist folglich höher für Transaktionen, bei denen dem CLO-Manager eine Incentive Fee gewährt wird. Dieser Befund weist darauf hin, dass durch die Incentive Fee Anreize für CLO-Manager geschaffen werden, eine risikoreiche Anlagestrategie für das zugrunde liegende Portfolio zu verfolgen. In Bezug auf den in Hypothese 2 formulierten Trade-Off zwischen den beiden mit der Incentive Fee verbundenen Anreizeffekten zeigt der positive Koeffizient von INCFEE, dass im Untersuchungszeitraum die Auswirkungen des Risk Shifting-Problems mögliche positive Leistungsanreizeffekte für CLO-Manager überstiegen haben. Hierbei ist davon auszugehen, dass sich eine risikoreiche Investitionspolitik insbesondere in Krisenzeiten, wie es im herangezogenen Untersuchungszeitraum der Fall ist, 49 50

Für eine ausführliche Darstellung von Probitmodellen siehe z. B. Greene (2000), S. 812-837, und Wooldridge (2009), S. 575-587. Der Grund für die Zusammenfassung der Jahrgänge besteht zum einen darin, dass für die Emissionsjahrgänge 2001 bis 2003 nur eine geringe Anzahl an Beobachtungen vorliegt. Siehe die deskriptiven Statistiken der Emissionsjahrgänge in Tabelle 4.1. Zum anderen wurden sämtliche in 2003 und 2005 emittierten Transaktionen des Datensatzes in 2009 herabgestuft. Daher müssen bei Einbezug von Jahresdummies die Dummyvariablen für 2003 und 2005 zusammen mit den in diesen Jahren emittierten Transaktionen aus der Regressionsschätzung ausgeschlossen werden, wodurch sich die Anzahl der Beobachtungen auf 177 Transaktionen reduzieren würde. Der Grund hierfür ist, dass die abhängige Variable DOWNGRADE für diese Emissionsjahre keine Schwankung aufweist, so dass bei Einbezug der in diesen Jahren emittierten Transaktionen eine Maximum-Likelihood-Schätzung nicht möglich ist. Die im Folgenden dargestellten Regressionsschätzungen wurden ebenfalls für den reduzierten Datensatz bei Einbezug von Jahresdummies durchgeführt. Hierbei wurden die Ergebnisse der anhand des vollständigen Datensatzes vorgenommenen Schätzungen nicht beeinflusst, es ergaben sich lediglich geringe Unterschiede in den Signifikanzen.

139

Tabelle 4.3: Determinanten der Rating Performance von Arbitrage CLO-Transaktionen für das Jahr 2009 - Ergebnisse I. Es werden Schätzergebnisse binärer Probitregressionen zur Erklärung der Determinanten der Wahrscheinlichkeit einer Ratingherabstufung berichtet. Die abhängige Variable entspricht der Dummyvariablen DOWNGRADE, die die Ratingherabstufung einer oder mehrerer Tranchen einer Transaktion in 2009 anzeigt. Mit N wird die Anzahl der Beobachtungen gekennzeichnet. Standardfehler in Klammern sind robust für Heteroskedastizität. Signifikante Koeffizienten sind mit Asterisken gekennzeichnet, wobei ***, ** und * signifikant auf dem 1%-, 5%- bzw. 10%-Niveau bedeutet (zweiseitige Tests). Variable SUBFEE INCFEE

Modell I 0,000 (1,026) 1,118*** (0,374)

lnDEALS

Modell II

−0,577*** (0,189)

lnAUM −0,537 (0,365) −1,056** (0,497) −0,818*** (0,298)

LF SPEZIALIST LF BANK US

Modell III

−0,488** (0,190) −0,489 (0,364) −1,028** (0,478) −0,766** (0,303)

lnWARF

Modell IV

0,085 (0,328)

FLP lnSIZE J0304 J0506 J0708 KONSTANTE N Log-Likelihood McFaddens R2 p-Wert (Wald χ2 )

1,007 (0,804) 1,429** (0,673) 0,794 (0,618) −0,276 (0,656) 200 −38,472 0,200 0,004

1,294* (0,703) 1,841*** (0,648) 1,402** (0,604) 1,620*** (0,555) 205 −40,167 0,171 0,022

1,174* (0,707) 1,721*** (0,648) 1,275** (0,594) 4,513*** (1,347) 205 −40,479 0,164 0,038

−0,490 (0,433) 0,847 (0,697) 1,266** (0,577) 0,640 (0,528) 3,116 (3,004) 196 −43,577 0,089 0,292

Modell V

−0,014 (0,027) −0,493 (0,435) 0,886 (0,699) 1,339** (0,583) 0,730 (0,536) 3,796 (2,693) 205 −44,103 0,089 0,239

negativ auf die Performance von CLOs auswirkt und bestehende Leistungsanreizeffekte dominiert. Für die Variable SUBFEE kann dagegen kein Einfluss auf die Wahrscheinlichkeit einer Ratingherabstufung nachgewiesen werden. Ihr Koeffizient ist nicht signifikant und besitzt entgegen der Hypothese 1 ein positives Vorzeichen. Insgesamt weist das Modell I mit einem McFaddens R2 von 0,20 einen mittleren Erklärungsgehalt auf. In den Modellen II und III wird die Bedeutung der ausgewählten Managercharakteristika als Erklärungsdeterminanten der Downgrade-Wahrscheinlichkeit von CLO-Transaktionen geprüft. Neben den Variablen lnDEALS und lnAUM für die Erfahrung und die Größe eines CLO-Managers werden der US-Dummy für den US-amerikanischen Unternehmenssitz eines Managers und die den Managertyp anzeigenden Dummyvariablen LF SPEZIALIST und LF BANK in die Regression einbezogen.51 Hierbei wird aufgrund der Multikollinearität zwischen den Variablen lnDEALS und lnAUM von einer simultanen Betrachtung 51

Aufgrund der geringen Anzahl an CLO-Managern, die den drei Managertypen Multi-Asset Manager, Hedge Fond und Private Equity-Gesellschaft angehören, werden diese zur Referenzgruppe zusammen-

140

dieser Variablen abgesehen.52 In beiden Modellspezifikationen kann, wie in Hypothese 3 unterstellt, ein negativer Zusammenhang zwischen der Erfahrung bzw. der Größe eines Managers und der Wahrscheinlichkeit einer Ratingherabstufung festgestellt werden. Der Koeffizient von lnDEALS, definiert als die logarithmierte Anzahl der bis zum Emissionszeitpunkt von einem Manager verwalteten CLO-Transaktionen, deutet auf eine mit der Managererfahrung und -größe sinkende Downgrade-Wahrscheinlichkeit hin. Dieser Zusammenhang findet auch in der Variable lnAUM Bestätigung. Die Wahrscheinlichkeit einer Ratingherabstufung sinkt ebenfalls mit dem logarithmierten Volumen des zum Emissionszeitpunkt verwalteten CLO-Vermögens eines Managers. Bezüglich der Bedeutung des Managertyps für die Downgrade-Wahrscheinlichkeit einer Transaktion zeigt sich in beiden Modellen für den LF BANK-Dummy ein signifikant negativer Koeffizient. Dieser gibt an, dass Transaktionen, die von einer Investmentbank (Leverage Finance Abteilung) gemanagt werden, mit einer geringeren Wahrscheinlichkeit in 2009 herabgestuft wurden als Transaktionen mit einem Multi-Asset Manager, einem Hedge Fond oder einer Private Equity-Gesellschaft als CLO-Manager. Der Koeffizient der Dummyvariable LF SPEZIALIST ist dagegen nicht signifikant, weist jedoch gleichermaßen ein negatives Vorzeichen auf, welches eine im Vergleich zur Referenzgruppe geringere DowngradeWahrscheinlichkeit von CLO-Transaktionen andeutet, die von einem Leverage Finance Spezialisten verwaltet werden. Für den US-Dummy kann ebenfalls ein Zusammenhang mit der Wahrscheinlichkeit einer Ratingherabstufung festgestellt werden. Der negative Koeffizient zeigt an, dass 2009 Transaktionen US-amerikanischer CLO-Manager eine im Durchschnitt geringere Downgrade-Wahrscheinlichkeit aufwiesen als Transaktionen europäischer Manager. Dieses Ergebnis lässt vermuten, dass US-amerikanische CLO-Manager aufgrund ihrer Managementtätigkeiten auf dem amerikanischen CLO-Markt, welche in den Variablen DEALS und AUM aufgrund der Beschränkung auf europäische Transaktionen nicht berücksichtigt sind, eine höhere Erfahrung im Management von CLO-Transaktionen besitzen als ihre europäischen Wettbewerber. Der Erklärungsgehalt der Modelle II und III ist jedoch mit einem McFaddens R2 von 0,17 und 0,16 eher gering. In den Modellen IV und V wird schließlich der Einfluss der als mögliche Erklärungsdeterminanten identifizierten Transaktionseigenschaften auf die Wahrscheinlichkeit einer Ratingherabstufung untersucht. Im Modell IV werden die Variablen lnWARF und lnSIZE für die Qualität und die Größe einer CLO-Transaktion auf den DOWNGRADE-Dummy regressiert, im Modell V wird neben lnSIZE die die Größe der Equity Tranche messende Variable FLP in die Regression einbezogen. Aufgrund der Multikollinearität zwischen den

52

gefasst. Der Einfluss der beiden Managertypen Leverage Finance Spezialist und Leverage Finance Abteilung einer Bank wird somit jeweils im Vergleich zu dieser Referenzgruppe geprüft. Der Bravais-Pearson-Korrelationskoeffizient der Variablen beträgt 0,97. Die Korrelationsmatrix der erklärenden Variablen ist in Tabelle 4.8 des Anhangs dokumentiert.

141

Variablen lnWARF und FLP bleibt deren gleichzeitige Aufnahme in die Regression aus.53 Die hohe Korrelation zwischen den beiden Variablen ist darauf zurückzuführen, dass bei der Berechnung des durchschnittlichen Ratingfaktors einer Transaktion der Equity Tranche der höchste Ratingfaktor von 6.500 zugewiesen wird und somit ihre Größe als deren Gewichtungsfaktor die Höhe des WARF erheblich beeinflusst. Die Schätzergebnisse der Modelle IV und V zeigen ein überraschendes Ergebnis: Die die Transaktionseigenschaften beschreibenden Variablen lnWARF, lnSIZE und FLP haben im Untersuchungszeitraum keinen signifikanten Einfluss auf die Rating Performance der Transaktionen. Die Vorzeichen der Koeffizienten dieser Variablen sind jedoch mit den in den Hypothesen 4 bis 6 unterstellten Zusammenhängen vereinbar. Die Hypothese 4 besagt, dass die Wahrscheinlichkeit einer Ratingherabstufung mit steigender Qualität einer CLO-Transaktion sinkt. Da die den durchschnittlichen Ratingfaktor messende Variable lnWARF einen umso höheren Wert annimmt, desto geringer die Qualität einer CLO-Transaktion ist, deutet der positive Koeffizient von lnWARF in Modell IV entsprechend der Hypothese 4 einen negativen Zusammenhang zwischen der Qualität und der Downgrade-Wahrscheinlichkeit einer CLO-Transaktion an. Der Koeffizient von lnSIZE besitzt in beiden Modellen ein negatives Vorzeichen, das in Übereinstimmung mit der Hypothese 6 eine mit der Größe einer Transaktion sinkende Downgrade-Wahrscheinlichkeit vermuten lässt. Der Koeffizient bleibt nahezu unverändert, wenn anstelle der Variable lnWARF die Variable FLP für die Größe der Equity Tranche in die Regression einbezogen wird. Gemäß der Hypothese 5 hängt die Richtung des Zusammenhangs zwischen der Größe der Equity Tranche und der Wahrscheinlichkeit einer Ratingherabstufung davon ab, ob die Equity Tranche überwiegend ein Proxy für die Qualität des Referenzportfolios darstellt oder den vorrangigen Tranchen als Verlustpuffer dient. Der negative Koeffizient von FLP deutet die Funktion der Equity Tranche als Verlustpuffer an. Demnach sinkt die Wahrscheinlichkeit einer Ratingherabstufung mit der Größe der Equity Tranche, da mit zunehmender Größe die Höhe an Verlusten steigt, die von der Equity Tranche getragen werden. Jedoch ist der Koeffizient von FLP nicht signifikant und das Modell V weist wie auch das Modell IV mit 0,09 einen sehr geringen Erklärungsgehalt auf. Die Ergebnisse der Probitregressionen, in denen die möglichen Erklärungsdeterminanten gemeinsam auf den DOWNGRADE-Dummy regressiert werden, sind in Tabelle 4.4 dargestellt. Die Vorzeichen der Regressionskoeffizienten bleiben bis auf das des Koeffizienten der Variable SUBFEE in allen Modellspezifikationen gegenüber denen in Tabelle 4.3 unverändert. Bezüglich der Signifikanzen zeigen sich nur geringe Unterschiede. Der Koeffizient für die Höhe der Subordinated Fee bleibt weiterhin insignifikant, jedoch weist er nun in allen Modellen entsprechend der Hypothese 1 ein negatives Vorzeichen auf, das eine 53

Der Bravais-Pearson-Korrelationskoeffizient der Variablen beträgt 0,85. Siehe hierzu die Korrelationsmatrix der erklärenden Variablen in Tabelle 4.8 des Anhangs.

142

Tabelle 4.4: Determinanten der Rating Performance von Arbitrage CLO-Transaktionen für das Jahr 2009 - Ergebnisse II. Es werden Schätzergebnisse binärer Probitregressionen zur Erklärung der Determinanten der Wahrscheinlichkeit einer Ratingherabstufung berichtet. Die abhängige Variable entspricht der Dummyvariablen DOWNGRADE, die die Ratingherabstufung einer oder mehrerer Tranchen einer Transaktion in 2009 anzeigt. Mit N wird die Anzahl der Beobachtungen gekennzeichnet. Standardfehler in Klammern sind robust für Heteroskedastizität. Signifikante Koeffizienten sind mit Asterisken gekennzeichnet, wobei ***, ** und * signifikant auf dem 1%-, 5%- bzw. 10%-Niveau bedeutet (zweiseitige Tests). Variable

Modell I

SUBFEE

−0,450 (0,946) 1,154*** (0,404) −0,562*** (0,195)

INCFEE lnDEALS

LF BANK US lnWARF

Modell III

Modell IV

−0,322 (0,923) 1,098*** (0,396)

−0,633 (0,915) 1,077*** (0,378) −0,557*** (0,185)

−0,480 (0,894) 1,025*** (0,370)

−0,379 (0,387) −1,045** (0,488) −0,888** (0,351) 0,051 (0,255)

−0,422** (0,180) −0,366 (0,376) −0,988** (0,480) −0,776** (0,332) 0,069 (0,252)

−0,425 (0,467) 1,352 (0,832) 1,943** (0,764) 1,632** (0,727) 2,896 (3,436)

−0,302 (0,475) 1,253 (0,842) 1,798** (0,755) 1,436** (0,712) 4,478 (3,552)

lnAUM LF SPEZIALIST

Modell II

FLP lnSIZE J0304 J0506 J0708 KONSTANTE N Log-Likelihood McFaddens R2 p-Wert (Wald χ2 )

191 −33,724 0,290 0,000

191 −34,296 0,278 0,001

−0,466 (0,381) −1,143** (0,480) −0,805** (0,341)

−0,413** (0,173) −0,459 (0,368) −1,073** (0,470) −0,699** (0,327)

−0,012 (0,025) −0,445 (0,491) 1,372* (0,829) 2,049*** (0,768) 1,705** (0,715) 3,608 (3,084)

−0,011 (0,025) −0,333 (0,499) 1,271 (0,838) 1,894** (0,759) 1,508** (0,704) 5,295* (3,169)

200 −34,339 0,286 0,001

200 −34,953 0,273 0,001

mit der Höhe der Subordinated Fee sinkende Downgrade-Wahrscheinlichkeit vermuten lässt. Aufgrund der Insignifikanz des Koeffizienten kann die Hypothese 1, die aufgrund der mit der Subordinated Fee verbundenen positiven Leistungsanreizeffekte einen negativen Zusammenhang zwischen der Höhe der Subordinated Fee und der Rating Performance unterstellt, nicht bestätigt werden. In Bezug auf die Incentive Fee zeigt sich, dass der Koeffizient des INCFEE-Dummies weiterhin positiv und hochsignifikant ist. Hinsichtlich der Hypothese 2 kann also festgehalten werden, dass die Existenz einer Incentive Fee die Wahrscheinlichkeit einer Ratingherabstufung erhöht. Der Befund der Simulationsstudie in Kapitel 3, dass die Incentive Fee Risikoanreize für CLO-Manager setzt, wird somit bestätigt. Allerdings kann das Ergebnis von Garrison (2005), dass die Auswirkungen des aus der Incentive Fee resultierenden Leistungsanreizeffekts die des Risikoanreizeffekts übersteigen, für den betrachteten Untersuchungszeitraum nicht nachgewiesen werden. Die Koeffizienten der Variablen lnDEALS und lnAUM für die Erfahrung und die Größe eines Managers zeigen unverändert einen negativen Zusammenhang mit der Wahrscheinlichkeit einer Ratingherabstufung an. Die Hypothese 3, nach der die Wahrschein143

lichkeit einer Ratingherabstufung mit der Erfahrung und der Größe eines CLO-Managers sinkt, wird somit sowohl für lnDEALS als auch für lnAUM bestätigt. In Bezug auf den Typ und den Unternehmenssitz eines CLO-Managers bleiben die Ergebnisse der Tabelle 4.3 ebenfalls bestehen. Die Dummyvariablen LF BANK und US verfügen weiterhin über signifikant negative Koeffizienten, wohingegen der negative Koeffizient der Dummyvariable LF SPEZIALIST keine Signifikanz besitzt. So kann festgehalten werden, dass im Untersuchungszeitraum Transaktionen, die von einer Investmentbank verwaltet werden, im Durchschnitt eine geringere Downgrade-Wahrscheinlichkeit aufweisen als die von Multi-Asset Managern, Hedge Fonds und Private Equity-Gesellschaften. Des Weiteren zeigen Transaktionen US-amerikanischer CLO-Manager eine bessere Rating Performance als Transaktionen europäischer CLO-Manager. Für die transaktionsspezifischen Merkmale ist aus Tabelle 4.4 zu erkennen, dass die Qualität des Referenzportfolios, das Transaktionsvolumen und die Größe der Equity Tranche auch in den vollständigen Modellen keinen Einfluss auf die Downgrade-Wahrscheinlichkeit einer Transaktion haben. Zwar stimmen die Vorzeichen der Koeffizienten von lnWARF, lnSIZE und FLP wie zuvor mit den in den Hypothesen 4 bis 6 unterstellten Zusammenhängen überein, jedoch können die Hypothesen aufgrund der Insignifikanz der Koeffizienten in der vorliegenden Untersuchung nicht bestätigt werden. Schließlich ist in Bezug auf die Emissionsjahre noch anzumerken, dass die in 2005 und 2006 sowie die in 2007 und 2008 (1. Jahreshälfte) emittierten CLOTransaktionen im Untersuchungszeitraum eine höhere Downgrade-Wahrscheinlichkeit zeigen als Transaktionen aus den Jahren 2001 und 2002. Der Erklärungsgehalt der Modelle weist mit Werten zwischen 0,27 und 0,29 ein deutlich verbessertes Niveau im Vergleich zu den in Tabelle 4.3 berichteten Werten auf.

4.4.4 Marginale Effekte der erklärenden Variablen Während bisher ausschließlich die Vorzeichen der geschätzten Regressionskoeffizienten analysiert wurden, steht nun die Höhe des Einflusses der erklärenden Variablen auf die Wahrscheinlichkeit einer Ratingherabstufung im Mittelpunkt der Betrachtung. Da Probitmodelle einen nicht-linearen Zusammenhang zwischen der Eintrittswahrscheinlichkeit der abhängigen Variable und den erklärenden Variablen unterstellen, ist der Einfluss der erklärenden Variablen nicht konstant, sondern hängt vom Niveau sämtlicher im Modell herangezogener Variablen ab. Daher werden zur Bestimmung der Höhe des Einflusses die marginalen Effekte der erklärenden Variablen berechnet. Diese geben den Effekt einer marginalen Veränderung einer Variablen auf die Downgrade-Wahrscheinlichkeit an, wobei alle anderen Variablen auf ihren Mittelwert gesetzt werden. Tabelle 4.5 zeigt die marginalen Effekte für die in Tabelle 4.4 berichteten Modellspezifikationen. Für die einbezogenen Dummyvariablen werden aufgrund ihrer dichotomen Natur die Effekte einer 144

Tabelle 4.5: Marginale Effekte der erklärenden Variablen. Es werden die marginalen Effekte für die Modellspezifikationen der Tabelle 4.4 zur Erklärung der Determinanten der Rating Performance von Arbitrage CLO-Transaktionen für das Jahr 2009 berichtet. Die abhängige Variable entspricht der Dummyvariablen DOWNGRADE, die die Ratingherabstufung einer oder mehrerer Tranchen einer Transaktion in 2009 anzeigt. Für die einbezogenen Dummyvariablen werden die Effekte einer diskreten Änderung von Null auf Eins angegeben. Zur Berechnung der marginalen und der diskreten Effekte werden die erklärenden Variablen auf ihre Mittelwerte gesetzt. In den Modellen I und II werden 191 Transaktionen, in den Modellen III und IV 200 Transaktionen einbezogen. Standardfehler in Klammern sind robust für Heteroskedastizität. Signifikante Koeffizienten sind mit Asterisken gekennzeichnet, wobei ***, ** und * signifikant auf dem 1%-, 5%- bzw. 10%-Niveau bedeutet (zweiseitige Tests). Variable

Modell I

Modell II

SUBFEE

−0,027 (0,055) 0,154* (0,087) −0,033** (0,015)

−0,021 (0,059) 0,150* (0,086)

INCFEE lnDEALS

−0,024 (0,025) −0,123 (0,102) −0,077* (0,040) 0,003 (0,015)

−0,027** (0,014) −0,025 (0,027) −0,120 (0,100) −0,069* (0,038) 0,004 (0,016)

−0,025 (0,026) Ja

lnAUM LF SPEZIALIST LF BANK US lnWARF

Jahresdummies

−0,035 (0,049) 0,130* (0,071) −0,031** (0,015)

Modell IV −0,029 (0,053) 0,128* (0,070)

−0,028 (0,024) −0,135 (0,102) −0,063* (0,036)

−0,025* (0,013) −0,030 (0,025) −0,131 (0,099) −0,057* (0,034)

−0,020 (0,029)

−0,001 (0,001) −0,036 (0,033)

−0,001 (0,002) −0,020 (0,028)

Ja

Ja

Ja

FLP lnSIZE

Modell III

diskreten Veränderung von Null auf Eins angegeben. Wie aus Tabelle 4.5 zu erkennen ist, weisen die Modelle konsistente Schätzergebnisse auf. Bei durchweg gleichen Vorzeichen zeigen sich hinsichtlich der Höhe der marginalen und der diskreten Effekte nur leichte Unterschiede. Im Folgenden werden die geschätzten marginalen und diskreten Effekte anhand des Modells I erläutert, da dieses den höchsten Erklärungsgehalt besitzt.54 Es wird deutlich, dass die Wahrscheinlichkeit einer Ratingherabstufung zu einem Großteil von der Incentive Fee beeinflusst wird. Für Transaktionen, bei denen der CLO-Manager eine Incentive Fee erhält, ist die Wahrscheinlichkeit einer Ratingherabstufung im Vergleich zu Transaktionen ohne Incentive Fee um 15 Prozentpunkte höher. Andererseits sinkt die Wahrscheinlichkeit einer Ratingherabstufung um 3 Prozentpunkte, wenn sich die Anzahl der vom CLO-Manager verwalteten Transaktionen um 1% erhöht. Für die ebenfalls die Erfahrung und die Größe eines CLO-Managers messende Variable lnAUM zeigen die in Modell II und IV geschätzten marginalen Effekte, dass die Downgrade-Wahrscheinlichkeit einer Transaktion sich um 3 Prozentpunkte verringert, wenn das zum Emissionszeitpunkt verwaltete CLO-Vermögen des Managers um 1% steigt. Hinsichtlich des Unternehmenssitzes zeigt sich, dass im Untersuchungszeitraum Transaktionen US-amerikanischer CLOManager eine um 8 Prozentpunkte geringere Downgrade-Wahrscheinlichkeit aufweisen als 54

Für den Erklärungsgehalt der Modelle siehe Tabelle 4.4.

145

die europäischer CLO-Manager. Als signifikante Einflussgröße der Rating Performance erwies sich in der vorangegangenen Analyse zudem die den Typ anzeigende Dummyvariablen LF BANK. Ihr diskreter Effekt gibt an, dass die Downgrade-Wahrscheinlichkeit von CLO-Transaktionen, die von einer Investmentbank gemanagt werden, um 12 Prozentpunkte geringer ist als die von Transaktionen, bei denen ein Multi-Asset Manager, ein Hedge Fond oder eine Private Equity-Gesellschaft als CLO-Manager fungiert. Allerdings erweist sich der diskrete Effekt des LF BANK-Dummies als nicht signifikant.

4.4.5 Klassifikationsfähigkeit des Probitmodells Zur Beurteilung der Modellgüte wird nun die Klassifikationsfähigkeit des Probitmodells analysiert. Hierzu wird die empirisch beobachtete Gruppenzuteilung, d. h. die Ausprägungen der abhängigen Variable DOWNGRADE, mit der über die Regressionsschätzung vorhergesagten Zuordnung verglichen. Die Zuordnung der Beobachtungen erfolgt über die ermittelten Downgrade-Wahrscheinlichkeiten, die einem zuvor festgelegten Trennwert (Cut Value) gegenübergestellt werden. Beobachtungen mit einer Downgrade-Wahrscheinlichkeit größer als der Trennwert werden der Gruppe der Transaktionen mit Ratingherabstufung zugerechnet, andernfalls der Gruppe der Transaktionen ohne Ratingherabstufung. Der Trennwert beeinflusst folglich die Gruppenzuteilung und damit die Klassifikationsfähigkeit des Modells. Der Einfluss des Trennwerts auf die Klassifikationsfähigkeit wird anhand der in Abbildung 4.1 dargestellten „Receiver Operating Characteristics (ROC)“-Kurve graphisch veranschaulicht.55 Die Abbildung zeigt die ROC-Kurve für das Modell I aus Tabelle 4.4, mit welchem die Klassifikationsfähigkeit des Regressionsansatzes im Folgenden beurteilt wird. Die ROC-Kurve stellt die Sensitivität (Richtigpositiv-Rate) eines Modells in Abhängigkeit von dessen Spezifität für verschiedene Trennwerte dar. Die auf der Ordinate abgetragene Sensitivität entspricht hierbei dem Anteil der korrekt klassifizierten Transaktionen mit Ratingherabstufung an der Gesamtzahl der Transaktionen mit Ratingherabstufung. Auf der Abzisse befindet sich die Falschpositiv-Rate, die dem Ausdruck (1-Spezifität) entspricht und den Anteil der falsch klassifizierten Transaktionen ohne Ratingherabstufung an der Gesamtzahl der Transaktionen ohne Ratingherabstufung darstellt.56 Da von den insgesamt 173 in die Regression einbezogenen Beobachtungen nur 13 Transaktionen in 2009 nicht herabgestuft wurden, ist vor allem die Spezifität des Modells von Bedeutung, d. h. die Fähigkeit des Modells, die Transaktionen ohne Ratingherabstufung korrekt zu identifizieren. Die Diagonale in Abbildung 4.1 kennzeichnet die Klassifikationsergebnisse, die bei einer rein zufälligen Zuordnung erreicht werden. Wie aus der Abbildung deutlich 55 56

Zur ROC-Analyse vgl. Bamber (1975), Hanley / McNeil (1982) und DeLong / DeLong / Clarke-Pearson (1988). Dementsprechend ist die Spezifität definiert als der Anteil der korrekt klassifizierten Transaktionen ohne Ratingherabstufung an der Gesamtanzahl der Transaktionen ohne Ratingherabstufung.

146

0.00

0.25

Sensitivität 0.50

0.75

1.00

Abbildung 4.1: ROC-Kurve des Probitmodells. Es werden die Schätzergebnisse der Modellspezifikation I der Tabelle 4.4 verwendet. Die ROC-Kurve stellt den Zusammenhang zwischen der Sensitivität und der Falschpositiv-Rate (1-Spezifität) in Abhängigkeit des gewählten Trennwerts dar.

0.00

0.25

0.50 1 − Spezifität

0.75

1.00

Area under ROC curve = 0.8669

wird, erhöht sich mit steigendem Trennwert die Sensitivität des Modells, also die Anzahl der korrekt klassifizierten CLO-Transaktionen mit Downgrade. Jedoch geht dies zu Lasten der Falschpositiv-Rate, die ebenfalls mit der Höhe des unterstellten Trennwerts zunimmt. Den höchsten Anteil insgesamt korrekt klassifizierter Transaktionen (Trefferquote) von 94,24% weist das Modell bei Trennwerten zwischen 56,72% und 59,12% sowie zwischen 68,95% und 70,32% auf.57 Liegt der Trennwert zwischen 56,72% und 59,12%, wird für insgesamt 185 Transaktionen eine Ratingherabstufung prognostiziert, von denen 176 korrekt und 9 falsch klassifiziert sind. Keine Ratingherabstufung wird für insgesamt nur 6 Transaktionen vorhergesagt, von denen tatsächlich 4 keinen Downgrade in 2009 erlitten. Demnach ergibt sich für diesen Trennwertbereich eine Sensitivität von 98,88% und eine Spezifität von 30,77%. Eine höhere Spezifität bei gleicher Trefferquote wird erreicht, wenn ein Trennwert zwischen 68,95% und 70,32% herangezogen wird. In diesem Bereich werden insgesamt 181 Transaktionen der Gruppe mit Ratingherabstufung zugeordnet, von denen tatsächlich 174 in 2009 einen Downgrade erfuhren. Keine Ratingherabstufung wird dagegen für 10 Transaktionen vorhergesagt, von denen 6 korrekt und 4 falsch klassifiziert sind. Diese Klassifikationsergebnisse korrespondieren mit einer Sensitivität von 97,75% und einer Spezifität von 46,15%. Aus den Klassifikationsergebnissen ist zu erkennen, dass das Regressionsmodell sehr gut in der Identifizierung herabgestufter Transaktionen ist, jedoch Schwächen in der Vorhersage nicht herabgestufter Transaktionen zeigt. Die „Area under a ROC curve (AUC)“ als Maß für die Modellgüte gibt an, dass das Regressionsmodell mit einer Wahrscheinlichkeit von 86,69% die Downgrade-Wahrscheinlichkeit herabgestufter 57

Tabelle 4.9 im Anhang zeigt die Klassifikationsmatrizen für diese Wertebereiche des Trennwerts.

147

Transaktionen höher einschätzt als die nicht herabgestufter Transaktionen.58 Insgesamt ergibt sich somit eine gute Klassifikationsfähigkeit des Modells.

4.4.6 Kritische Würdigung In der vorliegenden Studie werden die Leistungs- und Risikoanreize von CLO-Managern betrachtet, die durch eine performanceabhängige Vergütung hervorgerufen werden. CLOManager sind häufig auch an der Equity Tranche der von ihnen verwalteten Transaktion beteiligt, wodurch deren Anreize beeinflusst werden können. Gemäß der Argumentation für Hypothese 2 kann eine Beteiligung an der Equity Tranche einem CLO-Manager zusätzliche Anreize für ein sorgfältiges Screening und Monitoring geben und somit ein mögliches Leistungsanreizproblem abmildern.59 Andererseits kann eine Beteiligung an der Equity Tranche für den Manager auch Risikoanreize schaffen und ein mögliches Risk ShiftingProblem verstärken.60 Aufgrund der mangelnden Datenverfügbarkeit konnte in der vorliegenden Untersuchung die Bedeutung der Managerbeteiligung an der Equity Tranche für die Rating Performance nicht empirisch ermittelt werden. Da der Wert der Incentive Fee durch das von der Equity Tranche erzielte Ergebnis bestimmt wird, ist zu vermuten, dass in Analogie zur Incentive Fee eine Beteiligung an der Equity Tranche aufgrund des mit ihr verbundenen Risikoanreizproblems die Wahrscheinlichkeit einer Ratingherabstufung erhöht. Dieser Frage gilt es in weiteren empirischen Untersuchungen nachzugehen. Wie bereits erwähnt, basieren die Ergebnisse der vorliegenden Studie auf einem Untersuchungszeitraum, in dem die Ratingagenturen aufgrund der Überarbeitung ihrer Ratingmethodik sämtliche CLO-Ratings einer Neubewertung unterzogen haben. Da eine Prognose zukünftiger Ratingherabstufungen voraussetzt, dass die von den Agenturen angewandte Ratingmethodik über die Zeit konstant ist, ist eine Vorhersage von DowngradeWahrscheinlichkeiten mittels der in der Untersuchung gewonnenen Ergebnisse nur eingeschränkt möglich. Des Weiteren ist das der Untersuchung zugrunde gelegte Jahr 2009 durch einen konjunkturellen Abschwung gekennzeichnet. Dies führt zu einer Verzerrung der Stichprobe, die einen Rückschluss auf die Downgrade-Wahrscheinlichkeiten von Arbitrage CLO-Transaktionen in wirtschaftlich besseren Zeiten nicht ohne Weiteres zulässt. Um die Allgemeingültigkeit der Erkenntnisse zu sichern, sind daher weitere empirische Untersuchungen mit längeren bzw. unterschiedlichen Beobachtungszeiträumen erforderlich.

58 59 60

Siehe zur Bedeutung und Anwendung der AUC Hanley / McNeil (1982). Vgl. Garrison (2005), S. 18-19. Vgl. Garrison (2005), S. 20-22, und Kapitel 3.5, S. 91 f., 97 und 103.

148

4.5 Zusammenfassung und Ausblick Trotz der großen Bedeutung des Verbriefungsmarktes hat in der Literatur die Performance dieser Instrumente bisher nur wenig Beachtung gefunden. Ziel der vorliegenden Studie ist es, diese Lücke anhand einer Untersuchung der Erklärungsdeterminanten der Rating Performance europäischer Arbitrage CLO-Transaktionen zu verkleinern. Die in die Untersuchung einbezogenen Erklärungsdeterminanten lassen sich in drei Kategorien unterteilen. Zum einen wird die Bedeutung der durch die Vergütung hervorgerufenen Leistungs- und Risikoanreize auf Seiten des CLO-Managers für die Rating Performance überprüft. Hierbei werden die Subordinated Fee und die Incentive Fee als performanceabhängige Bestandteile der Managervergütung herangezogen. Es wird gezeigt, dass die Existenz einer Incentive Fee die Wahrscheinlichkeit einer Ratingherabstufung erhöht. Dieser Befund bestätigt das Ergebnis der in Kapitel 3 durchgeführten Simulationsstudie, dass die Incentive Fee für CLO-Manager Anreize zu einer risikoreichen Anlagestrategie schafft. Das theoretisch hergeleitete Ergebnis von Garrison (2005), dass die Auswirkungen des aus der Incentive Fee resultierenden Leistungsanreizeffekts die des Risikoanreizeffekts übersteigen, wird somit nicht bestätigt. Für die Subordinated Fee hingegen kann kein Einfluss auf die Downgrade-Wahrscheinlichkeit einer CLO-Transaktion nachgewiesen werden. Des Weiteren wird die Bedeutung bestimmter Charakteristika von CLO-Managern für die Rating Performance untersucht. Dazu werden mehrere managerspezifische Faktoren zur Erklärung der Downgrade-Wahrscheinlichkeit identifiziert: die Erfahrung, die Größe, der Typ und der Unternehmenssitz eines CLO-Managers. Für die Erfahrung und die Größe wird ein negativer Zusammenhang mit der Wahrscheinlichkeit einer Ratingherabstufung festgestellt. Hinsichtlich des Managertyps zeigen von Investmentbanken gemanagte CLOTransaktionen im Untersuchungszeitraum eine im Durchschnitt geringere DowngradeWahrscheinlichkeit als Transaktionen, die von Multi-Asset Managern, Hedge Fonds oder Private Equity-Gesellschaften verwaltet werden. Gleichermaßen kann für Transaktionen US-amerikanischer Manager eine bessere Rating Performance als für Transaktionen europäischer Manager festgestellt werden. Schließlich wird der Erklärungsgehalt bestimmter transaktionsspezifischer Eigenschaften für die Rating Performance überprüft. Für die Qualität des Referenzportfolios, die Größe der Equity Tranche und das Transaktionsvolumen kann hierbei kein signifikanter Zusammenhang mit der Wahrscheinlichkeit einer Ratingherabstufung nachgewiesen werden. Die Befunde dieser Studie geben erstmals einen Einblick in die Determinanten der Performance gemanagter Verbriefungstransaktionen. Der festgestellte negative Zusammenhang zwischen der Incentive Fee und der Performance belegt die Bedeutung von Anreizproblemen bei gemanagten Kreditverbriefungen. Anreizprobleme ergeben sich jedoch nicht nur auf Seiten der Asset Manager, sondern auf fast jeder Stufe des vor allem in den 149

USA sehr weitgehend aufgespalteten Verbriefungsprozesses.61 Trotz dieser Probleme bringen Verbriefungen für Banken eine Vielzahl an Vorteilen mit sich. Sie stellen nicht nur ein Instrument zur Erzielung von Arbitragegewinnen dar, sondern insbesondere auch ein Instrument zur Refinanzierung und Steuerung ihrer Kreditportfolios.62 Zur Wiederbelebung und Stärkung des im Zuge der Finanzkrise ausgetrockneten Verbriefungsmarktes sind daher die mit den Problemen der asymmetrischen Informationsverteilung zusammenhängenden Risiken des Moral Hazard, der Adverse Selektion und der Kollusion durch geeignete Maßnahmen zu lösen. Lösungsvorschläge, wie etwa eine Begrenzung der Aufspaltung der Wertschöpfungskette oder die Korrektur verfehlter Anreizmechanismen auf den einzelnen Stufen des Kreditvergabeprozesses sowie der Prozesse des Risikotransfers am amerikanischen Markt, zielen dabei in die richtige Richtung.63

61

Vgl. Ashcraft / Schuermann (2008), die die Friktionen zwischen den einzelnen beteiligten Parteien von Verbriefungen am US-amerikanischen Markt für Subprime-Darlehen detailliert beschreiben, sowie die Einführung zu dieser Arbeit. 62 Zur Bedeutung des Risikotransfers für die Bankensteuerung siehe Rudolph u. a. (2007), S. 165-170. 63 Siehe Rudolph (2010), S. 128.

150

Literaturverzeichnis zu Kapitel 4 Adelson, Mark H. ; Bartlett, Elizabeth (2005): ABS Credit Migration Update, in: Journal of Structured Finance, Jg. 11, S. 51–63. Adelson, Mark H. ; Sun, Yu ; Nikoulis, Panos ; Manzi, James (2002): ABS Credit Migrations, Nomura Fixed Income Research, März 2002. Amihud, Yakov ; Lev, Baruch (1981): Risk Reduction as a Managerial Motive for Conglomerate Mergers, in: Bell Journal of Economics, Jg. 12, S. 605–617. Arlt, Roland (2009): True Sale Securitisation unter besonderer Berücksichtigung der Rechtslage in Deutschland und Italien, Berlin 2009. Ashcraft, Adam B. ; Schuermann, Til (2008): Understanding the Securitization of Subprime Mortgage Credit, Federal Reserve Bank of New York, Staff Report No. 318, März 2008. Bamber, Donald (1975): The Area above the Ordinal Dominance Graph and the Area below the Receiver Operating Characteristic Graph, in: Journal of Mathematical Psychology, Jg. 12, S. 387–415. Bär, Hans P. (2000): Asset Securitisation: Die Verbriefung von Finanzaktiven als innovative Finanzierungstechnik und neue Herausforderungen für Banken, 3. Aufl., Bern et al. 2000. Braun, Hendryk ; Schmidt, Daniel (2005): Qualitative und quantitative Faktoren bei der Analyse von Asset-Backed-Securities, in: Praktiker-Handbuch Asset-Backed-Securities und Kreditderivate: Strukturen, Preisbildung, Anwendungsmöglichkeiten, aufsichtliche Behandlung, hrsg. von Josef Gruber, Walter Gruber und Hendryk Braun, Stuttgart 2005, S. 191–208. Cantor, Richard ; Hu, Jian (2007): Deal Sponsor and Credit Risk of Asset-Backed and Mortgage-Backed Securities, Working Paper, Mai 2007. Cuchra, Maciej Firla- (2005): Explaining Launch Spreads on Structured Bonds, Working Paper, University of Oxford, März 2005. Cuchra, Maciej Firla- ; Jenkinson, Tim (2006): Security Design in the Real World: Why are Securitization Issues Tranched?, Working Paper, Januar 2006. DeLong, Elizabeth R. ; DeLong, David M. ; Clarke-Pearson, Daniel L. (1988): Comparing the Areas under Two or More Correlated Receiver Operating Characteristic Curves: A Nonparametric Approach, in: Biometrics, Jg. 44, S. 837–845. European Securitisation Forum (2008): ESF Securitisation Data Report Q4:2008. European Securitisation Forum (2009): ESF Securitisation Data Report Q4:2009. Fender, Ingo ; Kiff, John (2004): CDO Rating Methodology: Some Thoughts on Model Risk and its Implications, Bank for International Settlements, BIS Working Papers No. 163, November 2004. 151

Fender, Ingo ; Mitchell, Janet (2009): Incentives and Tranche Retention in Securitisation: A Screening Model, Bank for International Settlements, BIS Working Papers No. 289, September 2009. Fender, Ingo ; Tarashev, Nikola ; Zhu, Haibin (2008): Credit Fundamentals, Ratings and Value-at-Risk: CDOs versus Corporate Exposures, in: BIS Quarterly Review, März 2008, S. 87-101. Fishelson-Holstine, Hollis (2004): The Role of Credit Scoring in Increasing Homeownership for Underserved Populations, Joint Center for Housing Studies, Working Paper Series BABC 04-12, Februar 2004. Fitch (2007): European CLO Asset Managers - Survival of the Fittest, Structured Credit Europe Special Report, Januar 2007. Fitch (2008a): Global Rating Criteria for Corporate CDOs, Global Structured Finance Criteria Report, April 2008. Fitch (2008b): European CLO Asset Managers - Survival of the Fittest: The Return, CDO Asset Manager Europe Special Report, Juli 2008. Fitch (2010): European CLO Management Industry Update: Brighter Prospects For Select Top-Tier Managers, CDO Asset Managers Europe Special Report, Juni 2010. Franke, Günter ; Herrman, Markus ; Weber, Thomas (2007): Information Asymmetries and Securitization Design, Working Paper, Dezember 2007. Franke, Günter ; Weber, Thomas (2007): Wie werden Collateralized Debt ObligationTransaktionen gestaltet?, in: Zeitschrift für betriebswirtschaftliche Forschung, Sonderheft 57/07, S. 95-123. Franke, Günter ; Weber, Thomas (2009): Optimal Tranching in CDO-Transactions, Working Paper, Februar 2009. Gan, Yingjin H. ; Mayer, Christopher (2007): Agency Conflicts, Asset Substitution, and Securitization, Working Paper, Mai 2007. Garrison, Kedran R. (2005): Manager Incentives in Collateralized Debt Obligations, Working Paper, August 2005. Greene, William H. (2000): Econometric Analysis, Upper Saddle River 2000. Güttler, Andre ; Hommel, Ulrich ; Reichert, Julia (2010): The Influence of Sponsor, Servicer and Underwriter Characteristics on RMBS Performance, Working Paper, April 2010. Hanley, James A. ; McNeil, Barbara J. (1982): The Meaning and Use of the Area under a Receiver Operating Characteristic (ROC) Curve, in: Radiology, Jg. 143, S. 29–36. Hirshleifer, David ; Thakor, Anjan V. (1992): Managerial Conservatism, Project Choice, and Debt, in: Review of Financial Studies, Jg. 5, S. 437–470. Holmström, Bengt ; Ricart I Costa, Joan (1986): Managerial Incentives and Capital Management, in: Quarterly Journal of Economics, Jg. 101, S. 835–860. 152

Innes, Robert D. (1990): Limited Liability and Incentive Contracting with Ex-ante Action Choices, in: Journal of Economic Theory, Jg. 52, S. 45–67. Jobst, Andreas (2002): Collateralised Loan Obligations (CLOs) - A Primer, Center for Financial Studies, CFS Working Paper No. 2002/13, Dezember 2002. Keller, Joachim (2008): Agency Problems in Structured Finance - A Case Study of European CLOs, National Bank of Belgium, Working Paper No. 137, August 2008. Keys, Benjamin J. ; Mukherjee, Tanmoy ; Seru, Amit ; Vig, Vikrant (2009): Financial Regulation and Securitization: Evidence from Subprime Loans, in: Journal of Monetary Economics, Jg. 56, S. 700–720. Kothari, Vinod (2006): Securitization: The Financial Instrument of the Future, Singapur 2006. Lassalvy, Laurent ; Lautard, Frédéric (2010): How Well Did European CLO Managers Avoid Default?, in: CLO Interest, hrsg. von Algis Remeza und Jerry Gluck, Moody’s Investors Service, März 2010, S. 15–16. Micu, Marian ; Remolona, Eli M. ; Wooldridge, Philip D. (2004): Preiseffekte von Rating-Meldungen: Untersuchungen am Markt für Credit Default Swaps, in: BIZQuartalsbericht, Juni 2004, S. 63-75. Moody’s Investors Service (2009a): Announcement: Moody’s Updates Key Assumptions for Rating CLOs, Global Credit Research, Februar 2009. Moody’s Investors Service (2009b): Rating Action: Moody’s Takes Rating Action on 71 Notes Issued by 21 CLO Transactions, Global Credit Research, 17. März 2009. Moody’s Investors Service (2009c): Rating Action: Moody’s Takes Rating Action on 99 Notes Issued by 30 CLO Transactions, Global Credit Research, 18. März 2009. Moody’s Investors Service (2009d): Rating Action: Moody’s Takes Rating Action on 227 Notes Issued by 66 CLO Transactions, Global Credit Research, 19. März 2009. Moody’s Investors Service (2009e): Rating Action: Moody’s Takes Rating Action on 57 Notes Issued by 18 CLO Transactions, Global Credit Research, 20. März 2009. Moody’s Investors Service (2009f): Moody’s Approach to Rating Collateralized Loan Obligations, Rating Methodology, August 2009. Moody’s Investors Service (2010): Annual Sector Review (2009): Global CLOs, Special Report, März 2010. Newman, Daniel ; Fabozzi, Frank J. ; Lucas, Douglas J. ; Goodman, Laurie S. (2008): Empirical Evidence on CDO Performance, in: Journal of Fixed Income, Jg. 18, S. 32–40. Rudolph, Bernd (2010): Die internationale Finanzkrise als Anstoß für Weiterentwicklungen im Risikocontrolling der Banken und für Reformen in der Bankregulierung, in: Zeitschrift für betriebswirtschaftliche Forschung, Sonderheft 61/10, S. 122-149. Rudolph, Bernd ; Hofmann, Bernd ; Schaber, Albert ; Schäfer, Klaus (2007): Kreditrisikotransfer - Moderne Instrumente und Methoden, Berlin et al. 2007. 153

Schaber, Albert (2009): Collateralized Debt Obligations: First Loss Piece Retention, Combination Notes, and Tranching, Frankfurt am Main et al. 2009. Schiefer, Dirk (2008): Collateralized Debt Obligations (CDOs): Eine empirische Analyse der Bonitätsrisikoprämie auf Finanzmärkten, Bad Soden/Ts. 2008. Standard & Poor’s (2002): Global Cash Flow and Synthetic CDO Criteria, März 2002. Standard & Poor’s (2009a): Update to Global Methodologies and Assumptions for Corporate Cash Flow and Synthetic CDOs, September 2009. Standard & Poor’s (2009b): CDOs: Supplementary Assumptions Relating To CDO Evaluator Version 5.0: The Corporate Credit Rating Transition Matrix, November 2009. Waschbusch, Gerd (1998): Asset Backed Securities - eine moderne Form der Unternehmensfinanzierung, in: Zeitschrift für Bankrecht und Bankwirtschaft, Jg. 10, S. 408–419. Wooldridge, Jeffrey M. (2009): Introductory Econometrics: A Modern Approach, Mason 2009.

154

Anhang zu Kapitel 4

Tabelle 4.6: Beschreibung der in der Studie verwendeten Variablen. Variable

Beschreibung

Rating Performance: DOWNGRADE

= 1, falls mindestens eine Tranche der CLO-Transaktion in 2009 herabgestuft wurde

Managervergütung: SUBFEE INCFEE

Höhe der Subordinated Fee (in %) = 1, falls eine Incentive Fee im Management Agreement der CLO-Transaktion vereinbart ist

Managercharakteristika: DEALS lnDEALS AUM lnAUM LF SPEZIALIST LF BANK MULTI-ASSET HEDGE FOND PRIVATE EQUITY US

Anzahl der bisher vom CLO-Manager am europäischen Markt verwalteten CLOTransaktionen (gemessen zum Emissionszeitpunkt) natürlicher Logarithmus der Variable DEALS Volumen des vom CLO-Manager verwalteten Vermögens in europäischen CLOTransaktionen (in Mio. EUR, gemessen zum Emissionszeitpunkt) natürlicher Logarithmus der Variable AUM = 1, falls CLO-Manager ein Leverage Finance Spezialist ist = 1, falls CLO-Manager eine Investmentbank (Leverage Finance Abteilung) ist = 1, falls CLO-Manager ein Multi-Asset Manager ist = 1, falls CLO-Manager ein Hedge Fond ist = 1, falls CLO-Manager eine Private Equity-Gesellschaft ist = 1, falls Sitz des CLO-Managers USA ist

Transaktionscharakteristika: WARF lnWARF FLP SIZE lnSIZE

durchschnittlicher Ratingfaktor der CLO-Transaktion natürlicher Logarithmus der Variable WARF Größe der Equity Tranche (in %) Volumen der CLO-Transaktion (in Mio. EUR) natürlicher Logarithmus der Variable SIZE

Emissionsjahre: J2001, J2002, J2003, J2004, J2005, J2006, J2007, J2008 J0102 J0304 J0506 J0708

= 1, falls CLO-Transaktion emittiert wurde = 1, falls CLO-Transaktion = 1, falls CLO-Transaktion = 1, falls CLO-Transaktion = 1, falls CLO-Transaktion

im Jahr 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008 im im im im

Jahr Jahr Jahr Jahr

2001 2003 2005 2007

oder oder oder oder

2002 2004 2006 2008

emittiert emittiert emittiert emittiert

wurde wurde wurde wurde

155

Tabelle 4.7: Zur Berechnung der Variable WARF verwendete Ratingfaktoren für die Bonitätseinstufungen der Ratingagenturen Moody’s, Standard & Poor’s und Fitch. Ratingfaktor

Rating Moody’s

Rating S &P / Fitch

Ratingfaktor

Rating Moody’s

Rating S &P / Fitch

1 10 20 40 70 120 180 260 360 610

Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3

AAA AA+ AA AA− A+ A A− BBB+ BBB BBB−

940 1.350 1.766 2.220 2.720 3.490 4.770 6.500 8.070 10.000

Ba1 Ba2 Ba3 B1 B2 B3 Caa1 Caa2 Caa3 Ca, C

BB+ BB BB− B+ B B− CCC+ CCC CCC− CC, C

Tabelle 4.8: Korrelationsmatrix der erklärenden Variablen. Die Tabelle berichtet die Bravais-PearsonKorrelationskoeffizienten der metrisch skalierten Variablen. Signifikante Korrelationen sind mit Asterisken gekennzeichnet, wobei * signifikant auf dem 1%-Niveau bedeutet. SUBFEE SUBFEE lnDEALS lnAUM lnWARF FLP lnSIZE

1,000 −0,019 0,017 −0,007 −0,086 0,024

lnDEALS

lnAUM

lnWARF

1,000 0,968* −0,159 −0,055 0,262*

1,000 −0,142 −0,037 0,430*

1,000 0,850* 0,006

FLP

1,000 −0,030

lnSIZE

1,000

Tabelle 4.9: Klassifikationsergebnisse des Probitmodells für verschiedene Trennwerte. Es werden die Schätzergebnisse der Modellspezifikation I der Tabelle 4.4 verwendet. PANEL A: Trennwert zwischen 56,72% und 59,12% Vorhergesagt Beobachtet Downgrade Kein Downgrade Summe

Downgrade

Kein Downgrade

Summe

176 9

2 4

178 13

185

6

191

PANEL B: Trennwert zwischen 68,95% und 70,32% Vorhergesagt Beobachtet

Downgrade

Kein Downgrade

Summe

Downgrade Kein Downgrade

174 7

4 6

178 13

Summe

181

10

191

156