Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Simulation und Risikoa...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
 Risiken im Lu...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Facts & Figures
 Deut...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
1042
28
718
36
383
577...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Die Ursache der Schwan...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Planen in Bandbreiten
...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
1. Erlösanstieg (PKT) ...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
 Risiken im Lu...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Das Verständnis über W...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Fixkostenanteil
Der Ma...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Die Definition der Pre...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Anpassungen auf das Ai...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Flotte
Sitze
Landun...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
 Risiken im Lu...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
P&L Statement
Operatin...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Unsicherheit in Ölprei...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Parametrisierung:Diskr...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Mit dem Ornstein-Uhlen...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
20
40
60
80
100
120
14...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Die Verteilungsrisiken...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Auswertungen zu Einzel...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Risken aus Gefahrenzon...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Einzelevents führen nu...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Anwendungsbeispiel: Pl...
Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Dankeschön
 Deutsche ...
Nächste SlideShare
Wird geladen in …5
×

10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung

1.202 Aufrufe

Veröffentlicht am

0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.202
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
427
Aktionen
Geteilt
0
Downloads
5
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung

  1. 1. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Simulation und Risikoaggregation in der Mittelfristplanung Andy Böhme Deutsche Lufthansa AG
  2. 2. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Agenda  Risiken im Luftverkehrspassagiergeschäft  Mathematische Modellierung als Aggregationstechnik  Monte Carlo Simulation
  3. 3. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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)
  4. 4. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 1042 28 718 36 383 577 845 1378 1280 130 1020 820 524 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Operatives Ergebnis des Lufthansa Konzerns in Mio. EUR
  5. 5. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Die Ursache der Schwankungen ist charakteristisch: Volatilität  Wettbewerb  Wirtschaftswachstum  Streik  Naturkatastrophen  Terroranschläge  Epidemien  Devisenkurse  Finanzkrise  Treibstoffpreise  Politische Unruhen
  6. 6. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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
  7. 7. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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 -500 -425 -350 -275 -200 -125 -50 25 100 175 250 325 400 475 550 625 700 775 850 925 1.000 1.075 1.150 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, Wahrsch einlichkeit für Überschreitung ca. 83% TOP 5 Abweichungsursachen vs. Vorjahr Bandbreite u.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 12 Ölpreisbasis 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
  8. 8. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Agenda  Risiken im Luftverkehrspassagiergeschäft  Mathematische Modellierung als Aggregationstechnik  Monte Carlo Simulation
  9. 9. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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. Externe Faktoren GuV Treibstoffpreis Wechselkurs BIP Shocks Preis-Absatz Funktion Angebots Menge Yield ErlöseGesamtkostenInvest Hurdle (fast konst.) Abschreibung Sonstige Überleitung (konst.) Abgesetzte Menge Operatives Ergebnis CVA EBIDTA+ Marktkapatität Analyse Wirtschafts- Daten Order- Delivery Analyse Häufigkeit und Effekt Analyse Finanzmarktanalyse Steuerung Ableitbare Variable Kosten Sitzlade Faktor Nichtableitbare variable Kosten Fixkosten Maximierung Stellgröße Externe Faktoren GuV Treibstoffpreis Wechselkurs BIP Shocks Preis-Absatz Funktion Angebots Menge Yield ErlöseGesamtkostenInvest Hurdle (fast konst.) Abschreibung Sonstige Überleitung (konst.) Abgesetzte Menge Operatives Ergebnis CVA EBIDTA+ Marktkapatität Analyse Wirtschafts- Daten Order- Delivery Analyse Häufigkeit und Effekt Analyse Finanzmarktanalyse Steuerung Ableitbare Variable Kosten Sitzlade Faktor Nichtableitbare variable Kosten Fixkosten Maximierung Stellgröße
  10. 10. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Fixkostenanteil Der Makroökonomische Wirkungskreis im Luftverkehrspassagiergeschäft Profitabilität Kapazität Preisniveau Bestellungen Angebot Auslieferung Nachfrage Zeitversatz Zeitversatz Möglichkeiten kurzfristiger Kapazitätsanpassung
  11. 11. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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 P A F
  12. 12. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Anpassungen auf das Airline Geschäft sind Input- und Output getrieben Markt ttt ASKnBIPnN 21 LH ttt ASKrNrSLF 21 Markt ttt ASKpBIPpP 21 t LH ttt PASKSLFBVE OAL t GC t LCC t LH tt ASK t 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
  13. 13. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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 Wechselkursrisiken(DiverseAndockstationen) Treibstoffpreis Eventrisiken (div. Andockstationen) Bestellungen Der Produktions- Plan bestimmt die Kapazitäts- Kosten SKO Exogen Modell Modell Exogene Größen
  14. 14. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Agenda  Risiken im Luftverkehrspassagiergeschäft  Mathematische Modellierung als Aggregationstechnik  Monte Carlo Simulation
  15. 15. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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 80,413 128,661 135,094 124,286 159,086 133,632 Europe 108,796 125,115 95,088 103,646 134,739 87,581 70,064 112,103 117,708 108,292 138,613 116,435 Asia Pacific 43,689 50,242 38,184 41,621 54,107 35,170 28,136 45,017 47,268 43,486 55,663 46,757 Latin America 18,754 21,567 16,391 17,866 23,226 15,097 12,078 19,324 20,290 18,667 23,894 20,071 Middle 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 96,215 Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833 Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665 Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451 Middle 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 80,413 128,661 135,094 124,286 159,086 133,632 Europe 108,796 125,115 95,088 103,646 134,739 87,581 70,064 112,103 117,708 108,292 138,613 116,435 Asia Pacific 43,689 50,242 38,184 41,621 54,107 35,170 28,136 45,017 47,268 43,486 55,663 46,757 Latin America 18,754 21,567 16,391 17,866 23,226 15,097 12,078 19,324 20,290 18,667 23,894 20,071 Middle 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 96,215 Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833 Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665 Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451 Middle 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% Fin an cial Coun t er par t y Compet it ion Facilit y Disr upt ion Asset I n t egr at ion 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 80,413 128,661 135,094 124,286 159,086 133,632 Europe 108,796 125,115 95,088 103,646 134,739 87,581 70,064 112,103 117,708 108,292 138,613 116,435 Asia Pacific 43,689 50,242 38,184 41,621 54,107 35,170 28,136 45,017 47,268 43,486 55,663 46,757 Latin America 18,754 21,567 16,391 17,866 23,226 15,097 12,078 19,324 20,290 18,667 23,894 20,071 Middle 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 96,215 Europe 78,333 90,083 68,463 74,625 97,012 63,058 50,446 80,714 84,750 77,970 99,802 83,833 Asia Pacific 31,456 36,174 27,493 29,967 38,957 25,322 20,258 32,412 34,033 31,310 40,077 33,665 Latin America 13,503 15,528 11,802 12,864 16,723 10,870 8,696 13,913 14,609 13,440 17,204 14,451 Middle 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- unterbrechungen 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 Verzögerung Flugzeuglieferungen Marktkapazität Regulatorische Risiken: Sicherheit Strategische Risiken 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-/Risikoparameter BIP/Nachfrageentwicklung Kapazitätsentwicklung Kerosinpreisentwicklung FX-Entwicklung Szenarien für Katastrophen / Pandemien / Sicherheit … Das Modell unterstützt eine dynamische Treiberlogik an welcher die Verteilungen angedockt werden können. Illustrative
  16. 16. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Unsicherheit in Ölpreisschwankungen quantifizieren 0 20 40 60 80 100 120 140 160 6/1/2004 12/1/2004 6/1/2005 12/1/2005 6/1/2006 12/1/2006 6/1/2007 12/1/2007 6/1/2008 12/1/2008 6/1/2009 12/1/2009 6/1/2010 12/1/2010 6/1/2011 12/1/2011 6/1/2012 12/1/2012 brent crude oil monthly average ($/bbl)  Krisen, Konjunkturschwankungen und Spekulation destabilisieren den Ölpreis (meist)  Fundamentale Marktmechanismen stabilisieren den Ölpreis (meist)
  17. 17. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Parametrisierung:Diskretisierung: Modell: Autoregressive Ohrnstein-Uhlenbeck Modellierung ttt dWdtXdX ),0(~ dtNdW t t t t t t t dW e eXeX 2 )1( )1( 2 1 baXX tt 1 121t y = -0.654x + 58.58 R² = 0.360 -80 -60 -40 -20 0 20 40 60 80 0 20 40 60 80 100 120 140 160 CrudeOilPreisDelta(Xt+12-Xt) Crude Oil Preis Xt
  18. 18. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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 Verteilung Es funktioniert mit lediglich drei Parametern (Preis, Schwankung, Backdrift) Autoregressive Kalibrierung Validierung über Prüfung der Output-Verteilung möglich
  19. 19. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 20 40 60 80 100 120 140 160 180 1.1.101.5.101.9.101.1.111.5.111.9.111.1.121.5.121.9.121.1.131.5.131.9.131.1.141.5.141.9.141.1.151.5.151.9.151.1.161.5.161.9.16 Ölpreisin$,IKYQin€ YQ - Interkont. Modelled Ölpreis Brent Spot Monthly Average -60 -40 -20 - 20 40 60 80 100 120 140 10.08 10.09 10.10 10.11 10.12 10.13 10.14 SicherungsergebnisinMio.$ - 20 40 60 80 100 120 140 160 Ölpreisin$/bbl Hedge Ergebnis in Mio.$ 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
  20. 20. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Die Verteilungsrisiken werden mit Hilfe der Korrelationsmatrix in Verbindung gebracht. 4 Jahre Analyse Treibstoff FX BIP BNT 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 0,82 Kerosene 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 0,81 CO2 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 0,43 JPY 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 0,51 GBP -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 -0,66 CHF 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 0,02 Sonstige -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 -0,67 USD 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 0,43 Inflation 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 0,87 Nordamerika 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 0,92 Südamerika 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 0,84 Afrika 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 0,34 Nahost 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 0,50 Asien-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)
  21. 21. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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. EUR Erlöseffekt BVE 17,9 YQ 4,1 Fluggastgebühr 1,6 Sonstige Streckenerlöse 2,9 Kosteneffekte Sonstige BAK 3,5 Treibstoff inkl. Sicherung 10,0 Kosten Cockpit 0,0 Ergebniseffekt Ergebnis 12,9 Schematische Darstellung / Fiktive Zahlen
  22. 22. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Risken aus Gefahrenzonen, ohne direkten Impact auf die Produktion können im Sitzladefaktor modelliert werden. Sitzladefaktor vs. VJ Effeklt SLF AP Januar 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. Schematische Darstellung / Fiktive Zahlen
  23. 23. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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
  24. 24. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. September 2013 Anwendungsbeispiel: Planungsbandbreite und Überleitung Treibereffekt Ergebnis 2013 (Szenario) Median 263,3 35,2 238,3 312,0 165,2 357,3 61,9 170,8 175,4185,5 364,2 OKP BIP Commodity YQ-Erhöhung FX Basiscase BIP Commodity YQ-Reduzierung FX Crashcase 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 Strategie Schematische Darstellung Fiktives Beispiel
  25. 25. Simulation und Risikoaggregation in der Mittelfristplanung Deutsche Lufthansa AG 21. 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

×