Hannemann/Biewer/Kocatepe/Zaruk/Weigl, MaRisk AT 4.3.5 V ... / 6.3 Einschränkungen in der Datenqualität

Rz. 78

Im Rahmen der Angemessenheitsüberprüfung sind auch die zugrunde liegenden Daten eines Modells kritisch zu würdigen. Einschränkungen in der Datenqualität können sich bereits bei den Rohdaten ergeben. Rohdaten sind z. B. die Kundenstammdaten (Anschrift des Kreditnehmers, Kreditbetrag, Rating etc.) oder die für die Risikorechnung verwendeten Marktdaten (Aktienkurse, Zinskurven etc.). Die Bereitstellung der Daten in der erforderlichen Qualität ist insbesondere bei Instituten mit fragmentierten IT-Infrastrukturen eine große Herausforderung. Daraus können sich bereits zahlreiche Datenqualitätsprobleme ergeben, die bei der Auseinandersetzung mit den Grenzen und Beschränkungen eines Modells zu berücksichtigen sind.

Rz. 79

Auch wenn die Datenquellen inhaltlich korrekt, vollständig und aktuell sind, kommt es in der Praxis häufig vor, dass die notwendigen Daten nicht verfügbar sind. Dieses Problem stellt sich beispielsweise bei der Schätzung von Ausfallwahrscheinlichkeiten für Emittenten mit guten Bonitäten und im Bereich der ESG-Risiken. In diesem Fall wird die Datengrundlage häufig mit interpolierten oder extrapolierten Daten angereichert. Extrapolierte Daten bringen dabei höhere Modellrisiken mit sich.^[1]

Rz. 80

Auch die Repräsentativität der Daten sollte eine wichtige Komponente der Angemessenheitsüberprüfung darstellen. Die Relevanz der Repräsentativität kann bei Modellen, die Charakteristika von technologiegestützter Innovation und künstlicher Intelligenz aufweisen, sogar noch höher als bei klassischen statistischen Verfahren sein, weil die Funktionsweise dieser Verfahren gegenüber klassischen Verfahren weniger nachvollziehbar ist. Alle verwendeten Daten müssen so repräsentativ wie möglich sein, damit die systematische Verzerrung von Ergebnissen (sogenannter "Bias") ver...