Ein quantitativer Rahmen oder Algorithmus, der historische Daten, Kreditnehmermerkmale und statistische Methoden nutzt, um Kreditrisikokennzahlen wie Probability of Default (PD), Loss Given Default (LGD) und Exposure at Default (EAD) zu schätzen oder Kredit‑Scores für Entscheidungen zu erzeugen.

Prinzip

Relevante Prädiktoren, geeignete statistische bzw. Machine‑Learning‑Verfahren, Kalibrierung und Backtesting sowie Governance (Validierung, Monitoring und Versionierung) kombinieren, um Modellzuverlässigkeit sicherzustellen und Überanpassung oder Verzerrungen zu begrenzen.

Demonstration

Ein Retail‑PD‑Modell kann eine logistische Regression mit Antragsteller‑Einkommen, Beschäftigungsdauer, früheren Zahlungsausfällen und Auslastung verwenden, um eine 12‑Monats‑PD zu schätzen; ein LGD‑Modell nutzt Besicherungsbewertungen und Rückgewinnungszeiträume zur Schätzung der erwarteten Verlustschwere unter Stress und Normalbedingungen.

Fehlanwendung

Modellausgaben außerhalb der Trainingspopulation extrapolieren (Population Drift), Aktualisierungen bei strukturellen Änderungen versäumen, opake Modelle ohne Erklärbarkeit für hochrelevante Kreditentscheidungen einsetzen oder Validierungsergebnisse ignorieren.

Konsequenz

Ein gut verwaltetes Kreditmodell ermöglicht konsistente Underwriting‑Entscheidungen, risikobasierte Preisgestaltung, Portfolio‑Stresstests und regulatorische Kapitalberechnungen; mangelhafte Modelle führen zu Fehlbewertungen, unerwarteten Verlusten und Aufsichtsrügen.

Umkehrung

Das Gegenteil ist ein rein diskretionäres Underwriting ohne quantitative Modellunterstützung; zwar flexibel, fehlen ihm Konsistenz, Skalierbarkeit und objektive Audit‑Spuren.

Abgrenzung

Gilt für Scoring, PD/LGD/EAD‑Schätzungen und Rückstellungen; ersetzt nicht die Kreditpolitik und trifft nicht allein die endgültige Kreditgenehmigung, wenn Governance menschliche Aufsicht verlangt.

Semantische Spannung

Steht im konzeptionellen Wettbewerb mit Expertenurteil und externen Ratings; Spannung besteht zwischen maximaler Vorhersagegenauigkeit und der Aufrechterhaltung von Interpretierbarkeit und Fairness unter regulatorischen Anforderungen.

Synthese

Ein Kreditmodell ist ein geregeltes statistisches Instrument, das Kreditnehmer‑Risiken aus Daten und Algorithmen quantifiziert, um konsistente Kreditentscheidungen, Preisbildung und Rückstellungsprozesse zu unterstützen und das laufende Validierung und Kontrollen erfordert.