10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung
description
Transcript of 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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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)
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
Die Ursache der Schwankungen ist charakteristisch: Volatilität
Wettbewerb Wirtschaftswachstum Streik Naturkatastrophen Terroranschläge Epidemien Devisenkurse Finanzkrise Treibstoffpreise Politische Unruhen
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
Fixkostenanteil
Der Makroökonomische Wirkungskreis im Luftverkehrspassagiergeschäft
Profitabilität
Kapazität
Preisniveau Bestellungen
Angebot Auslieferung
Nachfrage
Zeitversatz
Zeitversatz
Möglichkeiten kurzfristiger
Kapazitätsanpassung
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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)
North America 89,903 103,388 78,575 85,647 111,341 72,372 57,897 92,636 97,267 89,486 114,542 96,215Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451Middle East/Africa 6,171 7,097 5,394 5,879 7,643 4,968 3,974 6,359 6,677 6,143 7,862 6,604
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
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)
North America 89,903 103,388 78,575 85,647 111,341 72,372 57,897 92,636 97,267 89,486 114,542 96,215Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451Middle East/Africa 6,171 7,097 5,394 5,879 7,643 4,968 3,974 6,359 6,677 6,143 7,862 6,604
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
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
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)
North America 89,903 103,388 78,575 85,647 111,341 72,372 57,897 92,636 97,267 89,486 114,542 96,215Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451Middle East/Africa 6,171 7,097 5,394 5,879 7,643 4,968 3,974 6,359 6,677 6,143 7,862 6,604
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
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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)
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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)
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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)
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Schematische Darstellung / Fiktive Zahlen
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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.
Schematische Darstellung / Fiktive Zahlen
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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
Simulation und Risikoaggregation in der MittelfristplanungDeutsche Lufthansa AG21. September 2013
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