10 böhme cib 2013 simulation und risikoaggragation in der mittelfristplanung
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. Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
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. 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. 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. 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. 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. Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
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. 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. 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. 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. 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. Simulation und Risikoaggregation in der Mittelfristplanung
Deutsche Lufthansa AG
21. September 2013
Agenda
Risiken im Luftverkehrspassagiergeschäft
Mathematische Modellierung als Aggregationstechnik
Monte Carlo Simulation
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. 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. 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. 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. 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
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. 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. 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. 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. 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