Benchmarking von Golden-Source-Pricing und Valuation Confidence

# Benchmarking von Golden-Source-Pricing und Valuation Confidence

Ein Private-Credit-Kredit liegt in Ihrem Fonds bei 99,5. Ihr primärer Vendor markiert ihn mit 98,2. Eine Broker-Quote sagt 97. Das Monatsende ist in 48 Stunden, und der NAV (Net Asset Value, der Wert pro Anteil, zu dem Investoren zeichnen und zurückgeben) muss gestellt werden. Welche Zahl ist richtig, und wie sicher sind Sie? Diese Frage, nicht der Preis selbst, ist die eigentliche Aufgabe eines Valuation-Teams.

In dieser Lektion geht es darum, die Datenmaschinerie zu bauen, die sie beantwortet: eine belastbare Pricing-Hierarchie, ein Scoring-System für Vendor-Preise und einen quantifizierten Confidence Score, den Sie gegenüber einem Auditor verteidigen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

Warum „Golden Source“ ein Datenproblem ist und kein Rechenproblem

Eine Golden Source ist der einzige, autoritative Datensatz für einen bestimmten Datenpunkt, den alle nachgelagerten Systeme übernehmen. Für eine liquide US-Large-Cap-Aktie ist die Golden Source trivial: der Schlusskurs an der Primärbörse. Für illiquide Assets gibt es keine einzelne Autorität, also konstruieren Sie eine aus einer Hierarchie von Inputs.

Die Assets, die Schmerzen verursachen:

• Private Credit und Direct Lending Kredite (keine Börse, kaum Handel)
• Bankkredite (Leveraged Loans, bepreist über Dealer-Quotes)
• High-Yield- und Distressed-Bonds (dünn, Dealer-getrieben)
• Private Equity und Real Assets (quartalsweise, modellbasiert)
• OTC-Derivate (modellbasiert, kurvenabhängig)

Allein der US-Private-Credit-Markt wird üblicherweise auf über 1,5 Billionen USD Assets under Management für 2024 bis 2025 geschätzt (Branchenschätzung, Zahlen variieren je Quelle). Diese Positionen werden selten gehandelt, ihr „Preis“ ist also eine Meinung. Ihre Datendisziplin macht aus Meinungen eine auditierbare Zahl.

Schritt 1: Die Pricing-Hierarchie definieren

Regulatoren erwarten einen dokumentierten Waterfall. Unter ASC 820 (US GAAP) und IFRS 13 (international) werden Fair-Value-Inputs in drei Level eingeordnet:

• Level 1: notierte Preise in aktiven Märkten (Börsenschluss). Höchste Confidence.
• Level 2: beobachtbare Inputs außererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → notierten Preisen (vergleichbare Bonds, Benchmark-Kurven, ausführbare Dealer-Quotes).
• Level 3: nicht beobachtbare Inputs (interne Modelle, Manager-Marks). Niedrigste Confidence.

Ihre operative Hierarchie liegt darunter. Ein typischer Waterfall für einen Bankkredit:

1. Composite Evaluated Price eines primären Pricing-Vendors

2. Evaluated Price eines sekundären Vendors

3. Durchschnitt ausführbarer Dealer-Quotes (2 oder mehr)

4. Einzelne indikative Dealer-Quote

5. Modell- oder Matrixpreis aus vergleichbaren Instrumenten

6. Vorheriger Preis fortgeschrieben (stale, kennzeichnen)

Jede Stufe nach unten ist eine niedrigere Confidence-Stufe. Die Spielregel: die Regel dokumentieren, bevor Sie sie brauchen, damit die Preisauswahl systematisch erfolgt und nicht als Ermessensentscheidung zum Monatsende.

Die großen Evaluated-Pricing-Vendors, die Sie tatsächlich nennen werden: ICE Data Services, Bloomberg (BVAL), S&P Global Market Intelligence (einschließlich des früheren IHS Markit Pricing) und Refinitiv (LSEG). Für private Assets liefern Valuation-Spezialisten wie Houlihan Lokey, Kroll und Lincoln International unabhängige Marks.

Schritt 2: Vendor-Preise gegen Evaluated Marks scoren

Sie vertrauen keinem einzelnen Vendor blind. Sie benchmarken sie gegeneinander und gegen Ihren unabhängigen Evaluated Mark. Drei Data-Quality-Metriken leisten den Großteil der Arbeit.

Price Dispersion

Die Spanne zwischen unabhängigen Quellen für dasselbe Instrument.

Rechenbeispiel, ein einzelner High-Yield-Bond:

| Quelle | Preis |

|--------|-------|

| Vendor A (BVAL) | 96,80 |

| Vendor B (ICE) | 97,10 |

| Dealer-Quote 1 | 96,50 |

| Dealer-Quote 2 | 97,40 |

Mittelwert = (96,80 + 97,10 + 96,50 + 97,40) / 4 = 96,95

Max minus Min = 97,40, 96,50 = 0,90 Punkte Dispersion.

Dispersion als Prozentsatz des Mittelwerts = 0,90 / 96,95 = 0,93 %.

Eine Daumenregel, die manche Häuser nutzen: jeden Level-2-Bond, bei dem die Dispersion einen Schwellenwert überschreitet (zum Beispiel 1 % oder 2 Punkte), zur Analystenprüfung kennzeichnen. Das ist ein Tolerance Break, und ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → sollte automatisch in eine Queue laufen.

Staleness

Wie viele Geschäftstage sich der Preis nicht bewegt hat. Ein Private-Credit-Mark, der 40 Handelstage flach bei 99,5 liegt, ist nicht „stabil“, ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ist stale. Verfolgen Sie Tage seit der letzten Preisänderung je Position und setzen Sie eine Staleness-Obergrenze je Assetklasse (enger für High Yield, weiter für eine quartalsweise bewertete PE-Beteiligung).

Vendor Agreement Rate

Über ein rollierendes Fenster der Prozentsatz der Instrumente, bei denen zwei Vendors innerhalb der Toleranz übereinstimmen.

$$\text{Agreement rate} = \frac{\text{instruments within tolerance}}{\text{total instruments priced by both}}$$

Wenn ICE und BVAL bei 940 von 1.000 Bonds innerhalb von 0,5 Punkten übereinstimmen, liegt die Agreement Rate bei 94 %. Verfolgen Sie das je Vendor-Paar und je Sektor. Ein Rückgang von 94 % auf 85 % bei Leveraged Loans innerhalb eines Monats ist ein Datensignal, das Untersuchung verdient, bevor es den NAV trifft.

Schritt 3: Valuation Confidence quantifizieren

Jetzt kombinieren Sie die Signale zu einem einzigen Valuation Confidence Score je Position. Das ist das Deliverable, das Ihr CFO und Ihr Auditor wollen.

Ein einfaches, belastbares Scoring-Modell verteilt Punkte über Dimensionen:

def valuation_confidence(source_count, dispersion_pct,
                         days_stale, fair_value_level):
    score = 100

    # Weniger unabhängige Quellen = geringere Confidence
    if source_count >= 3:   score -= 0
    elif source_count == 2: score -= 10
    else:                   score -= 25

    # Höhere Dispersion = geringere Confidence
    if dispersion_pct <= 0.5:   score -= 0
    elif dispersion_pct <= 1.5: score -= 10
    else:                       score -= 25

    # Staleness-Abzug
    score -= min(days_stale * 2, 30)

    # Abzug nach Fair-Value-Level
    score -= {1: 0, 2: 10, 3: 25}[fair_value_level]

    return max(score, 0)

# Unser Private-Credit-Kredit: 1 Quelle, 0 % Dispersion (keine Trades),
# 40 Tage stale, Level 3
print(valuation_confidence(1, 0.0, 40, 3))  # -> 20

Dieser Kredit erreicht 20 von 100. Niedrige Confidence, korrekt gekennzeichnet, trotz eines sauber aussehenden flachen Preises. Zum Vergleich ein Level-2-Bond mit 3 Quellen, 0,3 % Dispersion, heute bepreist: ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → erreicht 90. Der Score legt die Illusion von Stabilität offen, die ein statischer Preis erzeugt.

Die Gewichtungen sind illustrativ, kein Standard. Der Punkt ist, dass das Modell transparent ist, konsistent angewendet wird und einen auditierbaren Trail erzeugt.

🎬 [VIDEO: "Fair Value Measurement (IFRS 13) explained" - youtube.com - ein klarer Durchgang durch die dreistufige Fair-Value-Hierarchie und beobachtbare versus nicht beobachtbare Inputs]

Als Governance-Rückgrat hinter all dem sind die Global Investment Performance Standards (GIPS) des CFA Institute und die Principles for the Valuation of Collective Investment Schemes der IOSCO die Referenzframeworks, auf die sich Regulatoren stützen.

Schritt 4: Confidence auf den NAV-Strike hochrollen

Scores auf Positionsebene sind Inputs. Das Board und der Fondsadministrator interessieren sich für die Valuation Confidence auf NAV-Ebene: welcher Anteil des Fonds, nach Marktwert, liegt in Buckets mit niedriger Confidence?

Rechenbeispiel, ein Fonds mit 500 Millionen USD:

| Confidence-Band | Marktwert | % des NAV |

|-----------------|-------------|----------|

| Hoch (80 bis 100) | 350 Mio. | 70 % |

| Mittel (50 bis 79) | 100 Mio. | 20 % |

| Niedrig (0 bis 49) | 50 Mio. | 10 % |

10 % des NAV haben niedrige Confidence. Wenn Ihre Fondsrichtlinie niedrige Confidence bei 15 % deckelt, stellen Sie den NAV. Hätte ein Marktereignis den Wert auf 22 % getrieben, eskalieren Sie vor dem Strike an das Valuation Committee, und Sie weiten wahrscheinlich Ihre Price-Challenge-Aktivität aus: das formale Nachfragen bei Vendors, einen Mark zu begründen oder zu revidieren.

Dieses Roll-up wird die eine Folie im monatlichen Pack des Valuation Committee. Es verwandelt tausende Preispunkte in eine Governance-Entscheidung.

Der Data-Governance-Rahmen

Nichts davon hält ohne Lineage. Jeder gestellte Preis braucht einen gespeicherten Nachweis darüber: welche Quellen verfügbar waren, welche Stufe der Hierarchie genutzt wurde, die Dispersion, den Confidence Score und wer ein Override genehmigt hat. Das ist Data LineageData LineageData Lineage zeigt, wie Daten sich durch Systeme bewegen und dabei transformiert werden, von der Quelle bis zur Nutzung: woher sie kommen, was sie verändert hat und wohin sie gehen.Vollständige Definition ansehen → (der nachvollziehbare Pfad von der Quelle zur berichteten Zahl).

Regulatoren erwarten das. In den USA verlangt die Rule 2a-5 der SEC unter dem Investment Company Act (in Kraft seit 2022), dass Fund Boards einen dokumentierten Fair-Value-Prozess überwachen, einschließlich der Prüfung von Pricing-Vendors. In Europa schreibt AIFMD (Alternative Investment Fund Managers Directive) eine vom Portfoliomanagement unabhängige Valuation-Funktion vor. Beide sind im Kern Anforderungen an eine gute Governance von Pricing-Daten.

Wichtigste Erkenntnisse

• Bauen Sie den Waterfall vor dem Monatsende. Eine dokumentierte Pricing-Hierarchie verwandelt Meinungen zu illiquiden Assets in systematische, auditierbare Auswahlen über die Level von ASC 820 / IFRS 13.
• Ein flacher Preis ist kein sicherer Preis. Verfolgen Sie Dispersion, Staleness und Vendor Agreement Rate als Data-Quality-Metriken erster Klasse; ein 40 Tage alter Mark sollte auch bei null Dispersion niedrig scoren.
• Scoren Sie jede Position, dann rollen Sie hoch. Ein transparenter Confidence Score (0 bis 100), nach Marktwert aggregiert, zeigt Ihnen vor dem Strike, welcher Anteil des NAV wirklich unsicher ist.
• Lineage ist das Deliverable. SEC Rule 2a-5 und AIFMD verlangen beide einen nachvollziehbaren Nachweis darüber, welche Quelle, welche Stufe und welcher Genehmiger jeden Preis erzeugt hat.
• Benchmarken Sie Vendors laufend gegeneinander. Eine fallende Agreement Rate zwischen ICE und BVAL in einem Sektor ist ein Frühwarnsignal, das NAV-Fehlern vorausgeht.