· 

Planung und Prognose des Hedgings von Wechselkursrisiken

Tanja Zimmermann

© 2021 Fachmedien Otto Schmidt KG

Prof. Yvonne Hofstetter, CEO und Co-Founder von 21strategies, plädiert für das Anwenden von Szenariotechniken der Bayes-Theorie für das Hedging von Finanzmarktrisiken.

 

Wie kann das Hedging von Wechselkursrisiken geplant und prognostiziert werden? Die Autoren geben einen verständlichen Einblick in die mathematischen Konstrukte, auf denen Vorhersagen für Wechselkursentwicklungen beruhen. Sie sind ausgewiesene Experten für die Bereiche Künstliche Intelligenz und dem Hedging von Finanzmarktrisiken und teilen ihre Erfahrungen: Prof. Yvonne Hofstetter, CEO und Co-Founder von 21strategies, Christian Held, ehemaliger Head of Treasury bei der Bayer AG und Carsten Jäkel, Leiter Global Treasury Services für die DACH Region bei Ernst & Young. Eine Frage drängt sich dabei auf: Warum setzen so wenig Treasurer diese Vorhersagemodelle ein?

 

Beispielhaft greifen die Autoren die Szenariotechnik unter Nutzung der Bayes-Theorie heraus und stellen seine Wirkungsweise am Hedging von Wechselkursrisiken dar. Letztendlich wird eine Antwort gefunden auf die Frage, ob fragmentierte und subjektive Einschätzungen in Treasury-Abteilungen tatsächlich effektiver in der Anwendung und Vorhersage von Veränderungen sein können als bewährte mathematische Modelle.

Ein Abweichen vom Plan sei „Spekulation“

Bereits an der Corona-Pandemie kann jeder erkennen, wie schwierig und komplex verlässliche Planungen und Vorhersagen sein können. Damit liegt der Schluss nahe, dass Planungen in einer komplex vernetzen Welt gar nicht möglich seien. Nicht nur die einzelnen Faktoren ändern sich, sondern auch die Strukturen können kurzfristig auf den Kopf gestellt werden. Die Finanzabteilungen sind auf Verlässlichkeit bedacht. Sind alle Abweichungen von der Planung gleichzusetzen mit Spekulation? Ist es nicht eher so, dass Szenariotechniken Treasurer unterstützen können?

künstliche neuronale Netze und Szenariotechniken – ihre Wirkungsweise

Künstliche Intelligenz im strengen Sinne beruht auf neuronalen Netzen, die gesammelte Massendaten auswerten. So können Zusammenhänge ermittelt werden. Allerdings stellen die Autoren auch heraus, dass es hier Geistereffekte geben kann. Eine Alternative ist die Modellierung von Szenarien unter Anwendung der Bayes-Theorie, so die Autoren. Als probablistisches Modell liefert sie mögliche Aussagen über zukünftige Entwicklungen. Sie funktioniert top-down, was bedeutet, dass erst ein Modell mit spezifischen Kenntnissen über die Zusammenhänge modelliert wird, bevor es mit Daten kalibriert wird. Durch das Einsetzen von Echtzeitdaten können erst Hypothesen verändert werden und Aussagen über Eintrittswahrscheinlichkeiten getroffen werden.

automatisierte Szenarien im Hedging von Wechselkursrisiken

Menschen betrachten eine Zunahme der Datenflut eher als eine Steigerung der Komplexität. Interpretationen seien daher umso schwieriger. Gerade hier sehen die Autoren die Vorteile gegenüber dem klassischen Vorgehen in Treasury-Abteilungen. Ein automatisierter Einsatz von Szenariotechniken auf Grundlage der Bayes-Theorie ist damit in der Lage, verlässliche Aussagen unter Unsicherheit über zukünftige Entwicklungen zu treffen. Prognosen über Entwicklungen von Wechselkursen und damit von Hedging-Empfehlungen warten nur auf ihren Einsatz in Treasury-Abteilungen. Prof. Yvonne Hofstetter, CEO und Co-Founder von 21strategies, meint hierzu: „Bayes als systematische Szenariotechnik für das Treasury ist sehr leistungsfähig, wenn auch kompliziert. Allein die Modellentwicklung dauert mehrere Jahre.“

 

Der Artikel ist in der Zeitschrift „REthinking Finance“ erschienen. Mit einem Schwerpunkt im technologischen und organisatorischen Wandel von Finanzfunktionen werden hier Fragen der digitalen Transformation in der Finanzplanung diskutiert.