10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung

Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013

Simulation und Risikoaggregation in der Mittelfristplanung

Andy Böhme

Deutsche Lufthansa AG


Agenda

Risiken im Luftverkehrspassagiergeschäft

Mathematische Modellierung als Aggregationstechnik

Monte Carlo Simulation


Facts & Figures

Deutsche Lufthansa ist ein weltweit agierendes Luftverkehrsunternehmen

Insgesamt gehören über 400 Tochterunternehmen und Beteiligungsgesellschaften

zum Konzern.

Das Unternehmen ist in fünf Geschäftsfeldern aktiv.

Passage Airline Gruppe, Logistik, Technik, IT-Services, Catering

Drehkreuze: Frankfurt/Main, München, Zürich

Mitarbeiter: mehr als 118.000 und 155 Nationalitäten

627 Flugzeuge (Lufthansa Gruppe)

274 Ziele in 104 Ländern (Lufthansa inkl. Verbundairlines)

1.167 Ziele in 181 Ländern (Star Alliance)


2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

1042

28

718

36

383

577

845

1378

1280

130

1020

820

524

Operatives Ergebnis des Lufthansa Konzerns in Mio. EUR


Die Ursache der Schwankungen ist charakteristisch: Volatilität

Wettbewerb Wirtschaftswachstum Streik Naturkatastrophen Terroranschläge Epidemien Devisenkurse Finanzkrise Treibstoffpreise Politische Unruhen

http://www.tagesschau.de/wirtschaft/thielemann100-magnifier_mtb-1_pos-1.html


Planen in Bandbreiten

Mit hohem Aufwand wird ein Punkt-Planwert erarbeitet, der nur mit geringer Wahrscheinlichkeit erreicht wird.

Bandbreiten bilden das ganze Spektrum ab. Sie machen Unsicherheit sichtbar.

t

Ein Punkt Planung Szenarioplanung Bandbreitenplanung

tt


1. Erlösanstieg (PKT) ( +4%, +154 M€) 2. Erlösanstieg (Yield) ( +3%, +123 M€)3. Starker USD ( -4%, -73 M€ )4. Steigende Personalkosten ( +2%, -62 M€ )5. Fallender Ölpreis (-1%, +51 M€ )

Anwendungsbeispiel: Bandbreitenplanung

0

0,01

0,02

0,03

0,04

0,05

0,06

-50

0

-42

5

-35

0

-27

5

-20

0

-12

5

-50

25

10

0

17

5

25

0

32

5

40

0

47

5

55

0

62

5

70

0

77

5

85

0

92

5

1.0

00

1.0

75

1.1

50

Simulation operatives Ergebnis, LH - Beispielairline 2013 per Plan 2012

Kurzfrist Rating Indikatoren auf Down Grade, geschätzte

Wahrscheinlichkeit 6%

Notwendiges Ergebnis für positiven CVA, geschätzte Wahrscheinlichkeit 34%

derzeit wahrscheinlichstes Ergebnis geschätzt auf 390

Mio. € positiv

Vorjahresergebnis, Wahrscheinlichkeit für

Überschreitung ca. 83% TOP 5 Abweichungsursachen vs. Vorjahr

Bandbreiteu.10% Band

Erwarteter Fall

o. 10% Band

Umsatzerlöse MEUR 13.133 14.122 14.687

Materialaufwand MEUR 9.395 9.211 8.935

Personalaufwand MEUR 2.606 2.833 2.890

Operatives Ergebnis MEUR 97 390 625

EBITDAplus MEUR 928 1.256 1.469

CVA (intern) MEUR -526 -233 2

SKO MRD 161 164 164

PKT MRD 121 131 138

SLF (%) 75,2% 79,9% 84,1%

Simulationsparameter 27. Sep 12Ölpreisbasis 97,8 $/bbl

USD-Wechselkurs 1,36 $/€

BIP-Wachstum Europa 3,2%

BIP Wachstum Amerika 1,8%

BIP Wachstum Asien 5,4%

Shockdichte 17,0%

Erwartungswert Shockereignis 280 Mio. €

Fiktives Beispiel


Agenda





Das Verständnis über Wirkungszusammenhänge ist essentiell

In der Modellierung einer Gesellschaft können viele verschiedene indirekte Zusammenhänge abgebildet werden.

Zieldefinition: Ermittlung der Bandbreite für die wesentlichen KPIs für den 5-Jahreshorizont auf Basis der Zielplanung vom Sommer 2011 für Lufthansa Passage.

Nebenbedingung: Die Modellierung und die Kalibrierung müssen eine möglichst hohe Qualität aufweisen um belastbare Ergebnisse zu liefern.

Unsicherheit kann durch Wahrscheinlichkeiten

und Bandbreiten ausgedrückt werden.

Methode ist die simulations- basierte Risikoaggregation.

Unsicherheit kann durch Wahrscheinlichkeiten

und Bandbreiten ausgedrückt werden.

Methode ist die simulations- basierte Risikoaggregation.

Externe Faktoren

GuV

Treibstoffpreis Wechselkurs BIP Shocks

Preis-Absatz Funktion

AngebotsMenge

Yield

ErlöseGesamtkostenInvest

Hurdle(fast konst.)

Abschreibung

SonstigeÜberleitung

(konst.)

Abgesetzte Menge

Operatives Ergebnis

CVA

EBIDTA+

Marktkapatität

Analyse Wirtschafts-

Daten

Order-DeliveryAnalyse

Häufigkeitund EffektAnalyse

Finanzmarktanalyse

Steuerung

AbleitbareVariable Kosten

SitzladeFaktor

Nichtableitbarevariable Kosten

Fixkosten

MaximierungStellgröße

Externe Faktoren

GuV

Treibstoffpreis Wechselkurs BIP Shocks

Preis-Absatz Funktion

AngebotsMenge

Yield

ErlöseGesamtkostenInvest

Hurdle(fast konst.)

Abschreibung

SonstigeÜberleitung

(konst.)

Abgesetzte Menge

Operatives Ergebnis

CVA

EBIDTA+

Marktkapatität

Analyse Wirtschafts-

Daten

Order-DeliveryAnalyse

Häufigkeitund EffektAnalyse

Finanzmarktanalyse

Steuerung

AbleitbareVariable Kosten

SitzladeFaktor

Nichtableitbarevariable Kosten

Fixkosten

MaximierungStellgröße


Fixkostenanteil

Der Makroökonomische Wirkungskreis im Luftverkehrspassagiergeschäft

Profitabilität

Kapazität

Preisniveau Bestellungen

Angebot Auslieferung

Nachfrage

Zeitversatz

Zeitversatz

Möglichkeiten kurzfristiger

Kapazitätsanpassung


Die Definition der Preis-Absatzfunktion ist eine Herausforderung

Im Projekt muss eine Struktur für die Preis- Absatzfunktion gefunden werden.

Ansatz Regression (Returns, Absolut)

Anzahl der Einzelgleichungen

Vereinfachung durch Annahmen?

Verfügbarkeit, Belastbarkeit und Bereinigung von historischen Daten

Zeitliche Granularität, Geografische Granularität (Cluster)

Zeitversatz

Simulation von Einflussfaktoren

Rückkopplungseffekte

Statistische Signifikanz

BIP Kapazität Sondereffekte

Nachfragegleichung

Preisgleichung

Absatzgleichung

Modellerlöse

PAF


Anpassungen auf das Airline Geschäft sind Input- und Output getrieben

Marktttt ASKnBIPnN 21

LHttt ASKrNrSLF 21

Marktttt ASKpBIPpP 21

tLHttt PASKSLFBVE

OALt

GCt

LCCt

LHtt

ASKt ASKpASKpASKpASKpBIPpP 54321

Vereinfachung durch:• Wechsel der Preisbasis auf das Angebot (SLF entfällt, Hochverfallbares Gut)• Vergleichbare Wirkung der Eigenkapazität und der Wettbewerbskapazität (Nachfrage entfällt)Verkomplizierung durch:• Aufteilung des Marktangebotswachstums in Golf Carrier, Low Cost Carrier und Other Airlines

N … Nachfrage

ASK … Available Seat Kilometer

SLF … Seat Load Factor

BVE … Brutto Verkehrs Erlöse

P … Preis


Flotte

Sitze

Landungen

Landungen x MTOW

Blockstunden

Flugstunden

Produktionsplan

Logische Sequenz des Bandbreitenmodells

- Preis (ct/RPK)

- SLF (RPK/SKO)

- Bruttoverkehrserlöse

Preis-Absatz Regression

Überleitung (Erlös nah)

- Ladefaktor u. Pax

- Nebenverkehrserlöse

- LVK-Steuer

- Sonstige. Streckenerlöse

- Nebenleistungserlöse

- Bellyerlöse

- YQ Klassik

- FQ

YQ - Surcharge

- Gesamterlöse

- Fixkosten

- variabilisierte Kosten

- Vertriebsprovisionen (BVE)

- Flugsicherung (SKO)

- EDV-Vertrieb (PAX)

- Flughafengebüren (Landungen)

- Cockpit (BJ über BH)

PER

- Produktionsabhängige Überleitungen (B:Fuel)

- EBITDA+

- CVA

GuV - Überleitung

BIPSKO - Wettbewerb

We

chse

lkursrisike

n (D

iverse

An

do

ckstatio

ne

n)

Treibstoffpreis Eventrisiken (div. Andockstationen)

Bestellungen

Der Produktions- Plan bestimmt die Kapazitäts- Kosten

SKO

Exogen Modell Modell

Exogene Größen


Agenda





P&L Statement

Operating Revenue ('000 USD) Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04

North America 124,865 143,595 109,132 118,954 154,640 100,516 80,413 128,661 135,094 124,286 159,086 133,632Europe 108,796 125,115 95,088 103,646 134,739 87,581 70,064 112,103 117,708 108,292 138,613 116,435Asia Pacific 43,689 50,242 38,184 41,621 54,107 35,170 28,136 45,017 47,268 43,486 55,663 46,757Latin America 18,754 21,567 16,391 17,866 23,226 15,097 12,078 19,324 20,290 18,667 23,894 20,071Middle East/Africa 8,571 9,857 7,491 8,165 10,615 6,900 5,520 8,832 9,273 8,531 10,920 9,173

Group Revenue 304,675 350,376 266,286 290,252 377,327 245,263 196,210 313,936 329,633 303,262 388,176 326,068

Operating Costs (Less DA)


Group Operating Costs 219,366 252,271 191,726 208,981 271,676 176,589 141,271 226,034 237,336 218,349 279,487 234,769

Group EBITDA 85,309 98,105 74,560 81,270 105,652 68,674 54,939 87,902 92,297 84,913 108,689 91,299

P&L Statement



Group Revenue 304,675 350,376 266,286 290,252 377,327 245,263 196,210 313,936 329,633 303,262 388,176 326,068




Group EBITDA 85,309 98,105 74,560 81,270 105,652 68,674 54,939 87,902 92,297 84,913 108,689 91,299

Mittel- bis Langfristplanung

Integriertes Risikomodell /Monte Carlo Simulation

Wesentliche Cash Flow Risiken

Verteilung Cash Flow/ Earnings

0%

10%

20%

30%

40%

50%

Financial Counterparty Competition Facility Disruption Asset I ntegration

P&L Statement



Group Revenue 304,675 350,376 266,286 290,252 377,327 245,263 196,210 313,936 329,633 303,262 388,176 326,068




Group EBITDA 85,309 98,105 74,560 81,270 105,652 68,674 54,939 87,902 92,297 84,913 108,689 91,299

Modelleingabe – Risikoinformationen

Modellausgabe – Risikoquantifizierung

Finanziell Kontrahenten Wettbewerb Anlagen-integrität

Betriebs-unterbrechunge

n

0,0%

1,0%

2,0%

3,0%

4,0%

5,0%

(816) (474) (75) 324 666 1.008

50%

40%

30%

20%

10%

0%

-750 -500 -250 250 500 750

Streik

CAPEX

Treibstoffpreise

Zinssätze

Wechselkurse

Operative Risiken

Finanzielle Risiken

Slot-Verfügbarkeiten

Wettbewerber-Aktionen

BIP-Entwicklung

Steuern

OPEX

VerzögerungFlugzeuglieferungen

Marktkapazität

Regulatorische Risiken: Sicherheit

StrategischeRisiken

Risiken für Cash Flow /

GuV

Regulatorische Risiken: Umwelt

Sicherheit

Netzwerkrisiken

Ticketabgaben

Kreditrisiken

Katastrophen/Krieg

Kerosin-preis

Risiko- Modell

BIP/Preis-

Absatz-Modell

FX Risiko- Modell

…

Risikopyramide

Markt-/RisikoparameterBIP/Nachfrageentwicklung

KapazitätsentwicklungKerosinpreisentwicklung

FX-EntwicklungSzenarien für Katastrophen /

Pandemien / Sicherheit…

Das Modell unterstützt eine dynamische Treiberlogik an welcher die Verteilungen angedockt werden können.

Illustrative


Unsicherheit in Ölpreisschwankungen quantifizieren

6/1/

2004

12/1

/200

4

6/1/

2005

12/1

/200

5

6/1/

2006

12/1

/200

6

6/1/

2007

12/1

/200

7

6/1/

2008

12/1

/200

8

6/1/

2009

12/1

/200

9

6/1/

2010

12/1

/201

0

6/1/

2011

12/1

/201

1

6/1/

2012

12/1

/201

20

20

40

60

80

100

120

140

160brent crude oil monthly average ($/bbl)

Krisen, Konjunkturschwankungen und Spekulation destabilisieren den Ölpreis (meist) Fundamentale Marktmechanismen stabilisieren den Ölpreis (meist)


Parametrisierung:Diskretisierung:

Modell:

Autoregressive Ohrnstein-Uhlenbeck Modellierung

ttt dWdtXdX

),0(~ dtNdWt

t

t

tt

tt

dWe

eXeX

2

)1(

)1(

2

1

baXX tt 1

121t

)1(

ln2)(

1

ln

2at

asd

a

bt

a

20 40 60 80 100 120 140 160

-80

-60

-40

-20

0

20

40

60

80

f(x) = − 0.654821190631582 x + 58.5846715534923R² = 0.360570083633447

Crude Oil Preis Xt

Cru

de

Oil

Pre

is D

elt

a (

Xt+

12

- X

t)


Mit dem Ornstein-Uhlenbeck Modell wird die Unsicherheit in den Ölpreisen simuliert.

Das Ornstein-Uhlenbeck Modell eignet sich Aufgrund der einfachen Handhabung.Über ausreichend viele Simulationspfade kommt man zur VerteilungEs funktioniert mit lediglich drei Parametern (Preis, Schwankung, Backdrift)Autoregressive KalibrierungValidierung über Prüfung der Output-Verteilung möglich

10,0% 80,0% 10,0%

76,1 136,2

4060

8010

012

014

016

018

020

022

024

0

0,000

0,002

0,004

0,006

0,008

0,010

0,012

0,014

0,016

0,018

0,020

Simulation Rohölpreis BNT ICE 2012


20

40

60

80

100

120

140

160

180

Ölp

reis

in $

, IKY

Q in

€

YQ - Interkont. Modelled

Ölpreis Brent Spot Monthly Average

-60

-40

-20

-

20

40

60

80

100

120

140

10.08 10.09 10.10 10.11 10.12 10.13 10.14Sich

erun

gser

gebn

is in

Mio

. $

-

20

40

60

80

100

120

140

160

Ölp

reis

in $

/bbl

Hedge Ergebnis in Mio.$Ölpreis Brent Spot Monthly Average

Surcharge und Treibstoffpreissicherung werden abhängig vom simulierten Ölpreis modelliert

Die Surcharge folgt der Treibstoffpreisentwicklung.

Steigende Treibstoffpreise führen zu größeren Anpassungen.

Verschiedene Stufen werden modellseitig zusammengefasst.

Die Hedgingergebnisse spiegeln die Entwicklung der Treibstoffpreise wieder.

Die Risikoasymetrie in der Hedgingpolitik in das Modell integriert werden.

Schematische Darstellung / fiktive Zahlen


Die Verteilungsrisiken werden mit Hilfe der Korrelationsmatrix in Verbindung gebracht.

4 Jahre Analyse Treibstoff FX BIPBNT JET CO2 USD JPY GBP CHF Sonst. Korrel. Infl. EU NA SA AF NO AP

Treibstoff Rohöl 1,00 0,98 0,82 0,73 0,77 -0,36 0,18 -0,29 0,73 0,71 0,83 0,79 0,85 0,32 0,62 0,82Kerosene 0,98 1,00 0,83 0,67 0,68 -0,33 0,09 -0,28 0,67 0,82 0,88 0,83 0,91 0,39 0,74 0,81CO2 0,82 0,83 1,00 0,52 0,55 -0,41 0,10 -0,47 0,52 0,67 0,85 0,82 0,88 0,53 0,61 0,83

FX USD 0,73 0,67 0,52 1,00 0,91 0,16 0,46 0,31 1,00 0,36 0,48 0,36 0,46 0,13 0,38 0,43JPY 0,77 0,68 0,55 0,91 1,00 -0,07 0,53 0,11 0,91 0,31 0,47 0,41 0,46 0,09 0,30 0,51GBP -0,36 -0,33 -0,41 0,16 -0,07 1,00 0,38 0,88 0,16 -0,17 -0,47 -0,63 -0,34 0,19 -0,13 -0,66CHF 0,18 0,09 0,10 0,46 0,53 0,38 1,00 0,35 0,46 -0,22 -0,13 -0,22 0,03 0,40 -0,24 0,02Sonstige -0,29 -0,28 -0,47 0,31 0,11 0,88 0,35 1,00 0,31 -0,16 -0,45 -0,62 -0,42 -0,10 -0,09 -0,67USD Korrelierte 0,73 0,67 0,52 1,00 0,91 0,16 0,46 0,31 1,00 0,36 0,48 0,36 0,46 0,13 0,38 0,43Inflation 0,71 0,82 0,67 0,36 0,31 -0,17 -0,22 -0,16 0,36 1,00 0,83 0,74 0,85 0,40 0,94 0,52

BIP Deutschland und Europa 0,83 0,88 0,85 0,48 0,47 -0,47 -0,13 -0,45 0,48 0,83 1,00 0,97 0,93 0,37 0,85 0,87Nordamerika 0,79 0,83 0,82 0,36 0,41 -0,63 -0,22 -0,62 0,36 0,74 0,97 1,00 0,90 0,29 0,75 0,92Südamerika 0,85 0,91 0,88 0,46 0,46 -0,34 0,03 -0,42 0,46 0,85 0,93 0,90 1,00 0,62 0,80 0,84Afrika 0,32 0,39 0,53 0,13 0,09 0,19 0,40 -0,10 0,13 0,40 0,37 0,29 0,62 1,00 0,36 0,34Nahost 0,62 0,74 0,61 0,38 0,30 -0,13 -0,24 -0,09 0,38 0,94 0,85 0,75 0,80 0,36 1,00 0,50Asien-pazifik 0,82 0,81 0,83 0,43 0,51 -0,66 0,02 -0,67 0,43 0,52 0,87 0,92 0,84 0,34 0,50 1,00

Korrelationsanalyse (Beispiel)

Korrelationsszenarien erhält man über- Schätzen der Einträge auf unterschiedlichen Zeithorizonten- Explizite Wahl der Einzelzusammenhänge (Korrelationsszenarien)


Auswertungen zu Einzeleventrisiken liegen in guter Qualität vor.

Item Zusammensetzung jeweils DE, KO, IK separat

DBI (Erlöse) Erlös (NN + YQ + Gebüren + Sonst. – Provis.)/Gast x Gäste (Flugstreich. + reduz. Buchungen)

DBI (Kosten) Kost. (Vertrieb, Verpfleg, Gebüren, Versicherung, Ticketabrechn, Sonst. BAK)/Gast x Gäste Kost. (Infrastr., Abfertig. Landegeb., FluSi, Var. Technik, Crew., Fuel)/Flug x Flüge

Verspätungskosten Satz je Verspätungsstunde: (Holding, Anflugverzögerung, High Speed Cruise, Var. Technik,

Passagierbetreuung, Kompensation, Mehrarbeit Station)/Stunde x Stunden

Weitere Kosten Einzelermittlung erfolgt summarisch je nach Risikotyp unterschiedlich Deicing, Übernachtungsaufwand, Verpflegungskosten, Ersatzbeförderung, Gepäcknachsendung, Mehrarbeit,

Charterzusatzkosten

Die Informationen aus der Analyse in Einzeldarstellung werden vereinfachend auf die vorhandenen PER-Zeilen geschlüsselt. Es sind alternative Methoden denkbar.

Informationen jeweils aus NER, Corona Revenue, Obelisk, und Einzellieferungen

Impact Wirkt auf Wert pro Tag in Mio. EURErlöseffekt BVE 17,9

YQ 4,1Fluggastgebühr 1,6Sonstige Streckenerlöse 2,9

Kosteneffekte Sonstige BAK 3,5Treibstoff inkl. Sicherung 10,0Kosten Cockpit 0,0

Ergebniseffekt Ergebnis 12,9

Schematische Darstellung / Fiktive Zahlen


Risken aus Gefahrenzonen, ohne direkten Impact auf die Produktion können im Sitzladefaktor modelliert werden.

Sitzladefaktor vs. VJ Effeklt SLF APJanuar 2011 73,59% -1,18% -0,25%

Februar 2011 85,65% 0,11% 0,02%

März 2011 77,75% -16,14% -3,12%

April 2011 61,04% -21,61% -3,66%

Mai 2011 67,02% -19,62% -3,80%

Juni 2011 76,81% -15,81% -3,03%

Juli 2011 79,63% -9,31% -1,75%

August 2011 85,98% -4,62% -0,87%

September 2011 85,04% -5,48% -1,05%

Oktober 2011 85,50% -9,79% -1,89%

November 2011 82,60% -6,82% -1,45%

Dezember 2011 82,17% -0,70% -0,15%

-12,13% -2,29%Durchschnitt über betroffene Monate

Fukushima 911 SARS …

Wahrscheinlichkeit eine Gefahrenzonenkrise pro Jahr

(ja/nein) pro Jahr = 40%

Anzahl Monate einer Gefahrenzonenkrise bei Ereigniseintritt. PERT (Beta) verteilt

Durchschnittlicher Effekt auf den SLF

eines GVG je Monat.

Simulierte Risikoverteilung für

das Risiko „Gefahrenzonen“

x x =

Item Modellschritt

Dauer der Krise Min 1M, Max 10M, Höchstwahrscheinlich 4M

Auswahl GVG

Einzelevent tritt in einem Verkehrsgebiet auf, ist also lokal begrenzt.

Jedes VG hat die gleiche Wahrscheinlichkeit von dem Event getroffen zu werden.

Sitzladefaktor Der Effekt auf den Sitzladefaktor des VGs kann

modellseitig unterschiedlich unterstellt werden.

10,0% 80,0% 10,0%

2,38 6,80

01

23

45

67

89

10

11

0,00

0,05

0,10

0,15

0,20

0,25

Verteilung Dauer Einzelevent in Monaten

Pert(1;4;10)

Minimum 1,00Maximum10,00Mittelwert 4,50Std.Abw. 1,66



Einzelevents führen nur auf der Risikoseite zu Abweichungen von der Modellprojektion.

Eigenschaften von Eventrisiken

Eventrisiken wirken sich auf Kosten und Erlöse aus, entsprechend ergeben sich Kompensationseffekte.

Einzeleventrisiken wirken sich nur auf der Risikoseite aus, es gibt keine Chance im Vergleich zum prognostizierten Modellergebnis ohne Eintritt eines Einzelevents

Die erwartete Risikohöhe unter Beachtung von Streiksituationen, Vulkanausbruch, Schneechaos und sogenannten Gefahrenzonenrisiken beträgt ca. 40 Mio. EUR.

10% der Einzelevents führen zu Auswirkungen größer als 100 Mio. EUR auf das operative Ergebnis in einem Jahr.

Einzelrisiken können je nach Verwendungszweck in einzelnen Auswertungen deaktiviert oder hinzugeschalten werden.

Die Auswertungen links beinhalten Streiks, Schneechaos, Vulkan und verschiedene Gefahrenzonenrisiken.


16.844

16

.52

6,5

16

.40

01

6.5

00

16

.60

01

6.7

00

16

.80

01

6.9

00

17

.00

01

7.1

00

Gesamterlöse 2012

16.300

16.350

16.400

16.450

16.500

16.550

16.600

16.650

Gesa

mtk

ost

en

20

12

59,8%4,0%

34,2% 2,0%

Gesamtkosten LH Passage / 2012 im Vergleich zu Gesamterlöse_LH_Passage / 2012

x-Mittelwert 16.844,28x-Std.Abw. 62,65y-Mittelwert 16.526,54y-Std.Abw. 28,93Pearson-Korrel.-Koeff. 0,980

10,0% 80,0% 10,0%

258,7 358,5

50

10

01

50

20

02

50

30

03

50

40

0

0,000

0,005

0,010

0,015

0,020

0,025

0,030

0,035

Operatives Ergebnis LH Passage / 2012

Operatives Ergebnis LH Passage / 2012 (Sim.Nr.7)

Minimum 56,91Maximum 358,49Mittelwert 317,93Std.Abw. 44,76Werte 1000


Anwendungsbeispiel: Planungsbandbreite und ÜberleitungTreibereffekt Ergebnis 2013 (Szenario) Median

263,3

35,2

238,3

312,0

165,2357,3

61,9

170,8

175,4 185,5

364,2

OK

P

BIP

Com

mod

ity

YQ

-Erh

öhun

g FX

Bas

isca

se BIP

Com

mod

ity

YQ

-Red

uzie

rung F

X

Cra

shca

se

12€

110 $/bbl

Kosteneffekt und Erlösbewertung

Anwendungsgebiete: Transparente Überleitung zwischen Stichtagsbetrachtungen der Planung Optimale Top-Down Validierung von Bottom-Up Planungsansätzen Strukturellen Effekte aus Projekten / Investitionsvorhaben transparent bekommen Unterstützung des konstruktiven Planungsgespräches Risikoquantifizierung für Top Risiken Risikoaggregation des Gesamtrisikos Szenario Analysen inklusive der Beachtung von Kopplungseffekten

2013

2014

2015

2016

2017

2018

-1.000

-500

0

500

1.000

1.500

Medianwert

10% - 90%

5% - 95%

Strategie

Schematische Darstellung

Fiktives Beispiel


Dankeschön

Deutsche Lufthansa AG (2013): Geschäftsbericht 2012 Deutsche Lufthansa AG, Lufthansa Investor Relations, Frankfurt am Main 2013. Klonovsky, M., Dolak, G., Hinze, P., Jutzi, S., Kowalski, M., Krischer, M., (2010): Asche auf unser Haupt , In: Focus 2010, Nb. 17, S.

132-138. Black, F., Scholes, M. (1973): The Pricing of Options and Corporate Liabilities, Journal of Political Economy 81, Nb. 3, S. 637–654. Ornstein, L. S., and G. E. Uhlenbeck. (1930): On the Theory of the Brownian Motion, Physical Review 36, Nb. 5, S. 823-841. Gillespie, D. T. (1996): Exact numerical simulation of the Ornstein-Uhlenbeck process and its integral, Physical review 54, Nb. 2: S.

2084–2091. Ju, J. (2009): Bias in the estimation Estimation of the Mean Reversion Parameter Parameter in Continous Time Model., East Asian

Bureau of Economic Research, Microeconomic Working Papers 23045. Taplin, H.H.E. (1997): A Generalised Decomposition of Travel-Related Demand Elasticities into Choice and Generation Components,

Journal of Transport Economics and Policy 31, S. 183-191. Bureau of Transport Economics (1995): Demand Elasticities for Air Travel to and from Australia, Working Paper 20. Intervistas Consulting Inc. (2007): Estimating Air Travel Demand Elaticities, Final Report, S. 10-17 Meier M. (2009): Wettbewerb im Europäischen Luftverkehr, Norderstedt 2008. Klein, R. (2001): Revenue Management: Quantitative Methoden zur Erlösmaximierung in der Dienstleistungsproduktion,

Betriebswirtschaftliche Forschung und Praxis 53, S. 245-259. Philip A. V. (1986): Air deregulation revisited: Choice of aircraft, load factors, and marginal-cost fares for domestic air travel,

Transportation Research 20, Issue 5, Part A, S. 361–371 Oum, T. H., Gillen D. W., Noble, S. E. (1986): Demands for Fareclasses and Pricing in Airline Markets, Logistics and Transportation

Review 22, Nb. 3, S. 195-222 Gleißner, W. (2011): Risikomanagement: Datenprobleme und unsichere Wahrscheinlichkeitsverteilungen. In Klein, A. (Hrsg.):

Risikomanagement und Risiko-Controlling, Freiburg 2011, S. 205-222. Bahdra, D. (2003): Demand for Air Travel in the United States: Bottom-Up Economometric Estimation and Implications for Forecasts by

Origin and Destination Pairs, Journal of Air Transportation 8, Nb. 2, S. 19-56 Henle, W. (2010): Risikokoppelung und Transparenz, Risk, Compliance & Audit, Nb. 2010-05, S. 26-30

10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung

Documents

Transcript of 10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung