Machine Learning legt nichtlineare Kreditausfallrisiken offen
Random-Forest-Algorithmen prognostizieren Kreditausfälle europäischer Firmen präziser als Standardmodelle. Eine EZB-Studie belegt anhand von 2.039 Banken und 6.215 Firmen, dass maschinelles Lernen insbesondere extreme Ausfallrisiken im Stresstest deutlich besser erfasst.
Treffsicherer als lineare Modelle
Die EZB-Ökonomen Luca Nocciola und Samuele Scaglioni vergleichen im Working Paper 3277 Random Forests mit klassischen Logit-Regressionen zur Bestimmung von Ausfallwahrscheinlichkeiten.
Anhand von 10.000 Unternehmensabschlüssen aus der Orbis-Datenbank zeigt das Ensemble-Verfahren eine überlegene Prognosekraft über alle Zeithorizonte.
Außerhalb der Stichprobe erzielt das Machine-Learning-Modell einen durchschnittlichen ROC-AUC-Wert von 0,967 gegenüber 0,917 beim Logit-Ansatz, während der Brier-Score von 0,022 auf 0,020 sinkt.
Die SHAP-Analyse identifiziert operative Cashflows, Barbestände und Finanzaufwendungen als wichtigste Treiber für Zahlungsausfälle.
Makroökonomische Variablen tauchen nicht unter den zehn wichtigsten Faktoren auf, da Unternehmensbilanzen die Gesamtwirtschaft bereits granular abbilden.
Netzwerkdaten enttarnen Extremrisiken
Gekoppelt mit AnaCredit-Daten bilden die Autoren ein Netzwerk aus 2.039 Banken und 6.215 Unternehmen ab, das 88 Prozent des Kreditregisters abdeckt.
Unter den EBA-Stresstestszenarien von 2023 verdoppelt sich die projizierte Ausfallrate im ersten Jahr auf rund 7,0 Prozent – ähnlich wie in der Finanzkrise 2008.
Das Modell deckt zudem extreme Nichtlinearitäten auf: Während Logit-Modelle Risiken nivellieren, identifiziert der Random Forest besonders verwundbare Institute, deren Risikoindex unter Stress auf über 80 Prozent steigt.
Schluss mit dem linearen Tunnelblick
Die Studie belegt eindrucksvoll die Schwächen linearer Aufsichtsmodelle bei extremen Schocks.
Das hartnäckige Festhalten an simplen Regressionen verstellt den Blick auf systemische Randrisiken im Bankensektor.
Die Europäische Zentralbank sollte maschinelles Lernen schleunigst zum festen Bestandteil ihrer Stresstests machen.