Vorlagen für Kreditanalyseberichte

Was ist eine Kreditanalyse?

Eine Kreditanalyse ist die strukturierte Bewertung, ob ein Kreditnehmer, Emittent, Unternehmen, eine Immobilie, ein Portfolio oder ein Finanzmodell seine Verpflichtungen unter erwarteten und angespannten Bedingungen erfüllen kann. Ein Kreditanalysebericht kombiniert typischerweise historische Entwicklung, Cashflow-Generierung, Verschuldungsgrad, Liquidität, Sicherheiten, Schuldendienst, Szenarien, Marktkontext, Risiken, Gegenmaßnahmen und eine Empfehlung. Diese Vorlagen sollen Prüfern helfen, von isolierten Kennzahlen zu einer dokumentierten Einschätzung von Deckung, Widerstandsfähigkeit, Annahmen und Belegen zu gelangen.

Kategorien im Überblick

8

Berichtsvorlagen und Dashboards

€620.0K

angegebener Einstiegswert des Mietprojekts

$455.5M

Umsatz 2025 in der Analyse des operativen Leverages

15.3%

modellierte jährliche Rendite des ETF-Portfolios

150+

unterstützte Dateitypen für Workflows

8 Kreditanalyseberichte

Jeder nachfolgende Eintrag stellt einen in den bereitgestellten Daten beschriebenen Bericht oder ein Dashboard dar. Die Zahlen werden wie berichtet beibehalten; die Unterschiede zwischen berichteten, erfassten, modellierten und abgeleiteten Werten bleiben erhalten.

10-jähriger Stresstest des Cashflows einer Mietimmobilie

Typ: Kredit- und Schuldendienst-Stresstest für eine Mietimmobilie

Wichtige Kennzahl: Kumulativer Cashflow nach Schuldendienst im Basisszenario: €28.8K

Beschreibung: Dieser Bericht bewertet ein französisches Kurzzeitmietprojekt anhand von Basis-, Zinsschock- und Stagflationsszenarien. Im Mittelpunkt stehen Schuldendienstdeckung, Widerstandsfähigkeit der Auslastung, Cashflow-Belastung und die Zeiträume, in denen der DSCR unter 1,0x fällt.

Hauptanwendungsfall: Immobilienfinanzierung, Kreditprüfung, Szenarioanalyse und Schuldienstprüfung

Website: Mietimmobilien-Stresstest ansehen

Tags: Stresstest, DSCR, Auslastung, Cashflow

Dashboard zur Lückenanalyse einer technischen Zeichnung

Szenario-Scorecard

Szenario	Min. DSCR	Unter 1,0x	Kumulativer Cashflow
Basis	1.02x	Keine	€28.8K
Zinsschock	0.87x	8 Jahre	-€17.7K
Stagflation	0.79x	9 Jahre	-€24.4K

Dashboard zur Kostenabdeckung und zum operativen Leverage

Typ: Kreditprüfung des operativen Leverages in Software und Zahlungsverkehr

Wichtige Kennzahl: Deckung der Betriebskosten durch den Bruttogewinn 2025: 0.74x

Beschreibung: Diese Analyse von 2011 bis 2025 untersucht Umsatzwachstum, Bruttomarge, Deckung der Betriebskosten durch den Bruttogewinn und Betriebsergebnis. Sie zeigt, dass sich die Bruttomarge 2025 auf 43,5 % verbesserte, während die Betriebskosten weiterhin über dem Bruttogewinn lagen.

Hauptanwendungsfall: Unternehmenskreditprüfung, Covenant-Überwachung, Rentabilitätsanalyse und Kreditgeberberichte

Website: Dashboard zum operativen Leverage ansehen

Tags: operativer Leverage, Bruttomarge, Umsatz, Deckung

Jahr	Umsatz	Bruttomarge	Bruttogewinn / Betriebskosten	Betriebsergebnis
2021	$282.9M	22.0%	0.54x	-$53.9M
2022	$355.8M	25.1%	0.61x	-$58.0M
2023	$415.8M	23.6%	0.62x	-$59.7M
2024	$350.0M	41.8%	0.65x	-$79.1M
2025	$455.5M	43.5%	0.74x	-$68.8M

ETF-Portfolio-Dashboard über €40.000

Typ: Bericht zu Portfoliokredit und Risikodiversifikation

Wichtige Kennzahl: Modellierte jährliche Rendite: 15.3%

Beschreibung: Dieses Dashboard untersucht ein vollständig investiertes Portfolio von €40.000, das zu 65 % aus Aktien und zu 35 % aus Anleihen besteht. Es vergleicht Rendite, Volatilität, Drawdown, Allokation, Korrelation, VIX und den Beitrag jeder Anlageklasse zur modellierten Jahresrendite.

Hauptanwendungsfall: Portfoliorisikoprüfung, Analyse von Kreditengagements, Allokationsberichte und Diversifikationsbewertung

Website: ETF-Portfolio-Dashboard ansehen

Tags: Portfoliorisiko, Anleihen, Drawdown, Korrelation

Anlageallokation

S&P 50055% · €22,000

NASDAQ10% · €4,000

Anleihen mit Investment-Grade-Rating20% · €8,000

Hochzinsanleihen15% · €6,000

Risikovergleich

Anlage	Rendite	Volatilität
S&P 500	19.1%	14.6%
NASDAQ	24.2%	19.7%
IG-Anleihen	5.5%	5.2%
HY-Anleihen	8.5%	3.4%

Dashboard zu Brokerumsätzen

Typ: Analyse von Brokerumsätzen und Zinsabhängigkeit

Wichtige Kennzahl: Anteil des Nettozinsertrags bei IBKR 2024: 65.0%

Beschreibung: Dieser Bericht vergleicht Provisionsmix, Anteil des Nettozinsertrags, Umsatzbasis und Wachstum von IBKR und Tiger. Er unterscheidet den ausgewiesenen Gesamtumsatz von einer erfassten Umsatzbasis und weist darauf hin, dass die beiden Datensätze hinsichtlich der Umsatzstruktur nicht vollständig vergleichbar sind.

Hauptanwendungsfall: Kreditprüfung von Finanzinstituten, Analyse der Umsatzkonzentration und Zinssensitivität

Website: Brokerumsatz-Dashboard ansehen

Tags: Zinserträge, Umsatzmix, Broker, Wachstum

Jahr	Provisionsmix	Anteil Nettozinsertrag	IBKR-Basis	Tiger-Umsatz
2018	35.8%	64.2%	$2.37B	$33.6M
2020	49.5%	50.5%	$2.25B	$138.5M
2022	44.2%	55.8%	$2.99B	$225.4M
2024	35.0%	65.0%	$4.84B	$391.5M

Dashboard zu Wirtschaftsindikatoren

Typ: Makroökonomische Kreditrisikoanalyse

Wichtige Kennzahl: Korrelation zwischen Leitzins und Arbeitslosigkeit: -0.44

Beschreibung: Das Dashboard untersucht Leitzinsen, Arbeitslosigkeit, VPI und ihre historischen Beziehungen. Es verzeichnet eine maximale Arbeitslosenquote von 14.80 % im April 2020, einen Spitzenwert des Leitzinses von 5.33 % im August 2023 und einen VPI von 333.98 im Mai 2026.

Hauptanwendungsfall: Makroökonomische Überlagerungen, Portfolioüberwachung, Sensitivitätsanalyse von Kreditnehmern und Szenariendesign

Website: Dashboard zu Wirtschaftsindikatoren ansehen

Tags: Makroökonomie, Inflation, Arbeitslosigkeit, Leitzinsen

Makro-quantitatives Modellierungsdashboard

Typ: Überprüfung eines makrofinanziellen quantitativen Modells

Wichtige Kennzahl: Aktuelle Veränderung der Inflation im Jahresvergleich im Mai 2026: 4.17%

Beschreibung: Dieses Dashboard deckt den Zeitraum von Januar 2000 bis Mai 2026 ab und vergleicht Leitzins, Treasury-Rendite, Inflation, Arbeitslosigkeit und reales BIP. Es umfasst rollierende Korrelationen, Regimevergleiche, Vorlauf-Nachlauf-Profile und eine Heatmap, die zeigt, dass sich makroökonomische Beziehungen in verschiedenen Politikregimen verändern können.

Hauptanwendungsfall: Makroökonomische Kreditprognosen, Regimeanalyse und Modelldiagnostik

Website: Makro-quantitatives Dashboard ansehen

Tags: Makroökonomie, Korrelationen, BIP, Regimeanalyse

3.63%

Leitzins

4.48%

10-jährige Treasury-Rendite

4.17%

Inflation im Jahresvergleich

4.30%

Arbeitslosigkeit

2.68%

Reales BIP im Jahresvergleich

Dashboard zum Versagen makroökonomischer Modelle

Typ: Überprüfung des Versagens makroökonomischer Modelle und des Risikos von Kreditprognosen

Wichtige Kennzahl: Größte Abweichung nach 2020: 30.532 Prozentpunkte im April 2020

Beschreibung: Dieser Bericht zeigt, wie eine einfache Zuordnung von Inflation und Arbeitslosigkeit versagte, als die Leitzinsen die Nullzinsgrenze erreichten. Er vergleicht einen RMSE von 0.32 Prozentpunkten in einer ruhigen Phase mit einem RMSE von 7.85 Prozentpunkten während der globalen Finanzkrise und an der Nullzinsgrenze.

Hauptanwendungsfall: Prognosevalidierung, Modell-Governance, Stresstests und Kontrollen von Kreditentscheidungen

Website: Dashboard zum Modellversagen ansehen

Tags: Modellrisiko, RMSE, Prognosen, Regimewechsel

Ruhige Phase 2005–2007, RMSE0.32 pp

Globale Finanzkrise / Nullzinsgrenze, RMSE7.85 pp

Diagnostik der makrofinanziellen Modellierung

Typ: Diagnostik von Finanzmodellen und Überprüfung der Prognosegüte

Wichtige Kennzahl: Verschlechterung des R² nach Entfernung von Lookahead-Informationen: 61.3 Prozentpunkte

Beschreibung: Dieser Diagnosebericht prüft Scheinregressionen, differenzierte Daten, vorweggenommene Informationen und Spezifikationen mit verzögerten Daten. Er zeigt, dass ein R² von 98.1 % bei Niveaudaten und ein naives Lookahead-R² von 80.0 % unter realistischeren Spezifikationen auf 19.0 % beziehungsweise 18.6 % sinken.

Hauptanwendungsfall: Validierung von Kreditmodellen, Prognose-Governance und Vermeidung überschätzter Prognoseleistung

Website: Modellierungsdiagnostik ansehen

Tags: Modellrisiko, Lookahead-Bias, Regression, Diagnostik

Diagnose	R²
Scheinregression, Niveaudaten	98.1%
Korrigierte Regression, Differenzen	19.0%
Naives Lookahead	80.0%
Realistische verzögerte Daten	18.6%

Technisches und Bewertungs-Dashboard für Yanjing Beer

Typ: Unternehmens- und Aktienanalyse für die Kreditprüfung

Wichtige Kennzahl: KGV von Yanjing: 55.04x

Beschreibung: Mit Stand vom 11.05.2022 kombiniert dieser Bericht Kursentwicklungen, Abweichungen von gleitenden Durchschnitten, Unterstützungen und Widerstände, Peer-Multiplikatoren, Dividenden und einen zusammengesetzten Bewertungswert. Er zeigt den Gegensatz zwischen Yanjings niedrigerem KBV und KUV sowie seinem höheren KGV gegenüber dem Peer-Durchschnitt.

Hauptanwendungsfall: Aktienbezogene Kreditprüfung, Bewertungsvergleich, Sensitivität des Marktwerts und Peer-Analyse

Website: Bewertungs-Dashboard ansehen

Tags: Bewertung, Peer-Vergleich, KGV, technische Analyse

Unternehmen	Trend	KGV	KBV	Bewertungswert
Pearl River Beer	Bärisch	27.33x	1.79x	30.5
Yanjing Beer	Neutral	55.04x	1.39x	36.4
Huiquan Beer	Neutral	65.49x	1.85x	59.9
Tsingtao Brewery	Bärisch	35.54x	4.79x	69.3

Qualitätskontrollen für Kreditanalysen

Prüfungen von Berechnungen und Deckung

Ein nützlicher Bericht sollte wichtige Kennzahlen neu berechnen, statt sie lediglich zu wiederholen. In der Praxis bedeutet das, den DSCR anhand von NOI und Schuldendienst zu validieren, Zeiträume unter 1,0x zu identifizieren und Zinssätze, Auslastung, Margen und Inflation zu testen. Hier kann Kredit-Stresstesting einen statischen Bericht in ein Entscheidungsinstrument verwandeln.

Finanzkennzahlen neu berechnen.
Berichtete, erfasste und abgeleitete Zahlen trennen.
Zeiträume mit unzureichender Deckung identifizieren.
Die Berechnungsmethode für wichtige Kennzahlen zeigen.

Beleg- und Modellkontrollen

Die bereitgestellten Berichte betonen außerdem die Transparenz. Prüfer sollten fehlende oder nicht vergleichbare Daten identifizieren, testen, ob Korrelationen stabil bleiben, Zusammenhang und Kausalität unterscheiden und vorweggenommene Informationen vermeiden. Ein KI-Prüfpfad unterstützt diesen Prozess, indem er jede Zahl zu ihrer Quelldatei, Zeile und ihrem Feld zurückverfolgt.

Verzögerte Daten für Prognosen verwenden.
Veränderliche Beziehungen über verschiedene Regime hinweg testen.
Fehlende Daten und Grenzen der Vergleichbarkeit offenlegen.
Unabhängige Belege und den Bestanden/Nicht-bestanden-Status bewahren.

Wichtigste Einheiten nach Segment

Am besten für Schuldienstanalysen

Cashflow-Stresstest für Mietimmobilien Dashboard zur Kostenabdeckung Dashboard zu Wirtschaftsindikatoren

Am besten für Modell- und Prognoserisiken

Makro-quantitative Modellierung Versagen makroökonomischer Modelle Diagnostik der Finanzmodellierung

Am besten für Portfolio- und Marktengagements

ETF-Portfolio-Dashboard Brokerumsatz-Dashboard Yanjing-Bewertungs-Dashboard

Am besten für quellenbasierte Prüfungen

Dashboard zum operativen Leverage Mietimmobilien-Stresstest Modellierungsdiagnostik

So wählen Sie den richtigen Kreditanalysebericht

Wenn Sie prüfen müssen, ob Immobilieneinnahmen den Schuldendienst decken → priorisieren Sie den Cashflow-Stresstest für Mietimmobilien und prüfen Sie DSCR, Break-even-Auslastung und kumulativen Cashflow.

Wenn Sie beurteilen müssen, ob ein wachsendes Unternehmen Betriebskosten auffangen kann → priorisieren Sie das Dashboard zum operativen Leverage und vergleichen Sie Bruttogewinn und Betriebskosten.

Wenn Sie festverzinsliche Anlagen und Aktienengagements gemeinsam verstehen müssen → priorisieren Sie das ETF-Portfolio-Dashboard und untersuchen Sie Allokation, Volatilität, Drawdown und Korrelationen.

Wenn Zinserträge für ein Finanzinstitut zentral sind → priorisieren Sie das Brokerumsatz-Dashboard und trennen Sie den Anteil des Nettozinsertrags vom Provisionsmix.

Wenn ein Kreditnehmer empfindlich auf Zinsen, Inflation oder Beschäftigung reagiert → priorisieren Sie die makroökonomischen Dashboards und untersuchen Sie die relevanten Korrelationen und Regimewechsel.

Wenn eine Prognose ungewöhnlich genau erscheint → priorisieren Sie Berichte zu Modellversagen und Diagnostik, die vorweggenommene Informationen, verzögerte Daten und Fehler außerhalb des Regimes testen.

Wenn Marktwert oder Peer-Positionierung den Kreditschutz beeinflussen → priorisieren Sie das Bewertungs-Dashboard und vergleichen Sie Multiplikatoren, technische Niveaus und Peer-Rangfolgen.

Für Teams, die wiederholbare Prüfprozesse aufbauen, können wiederverwendbare Finanz-Workflows helfen, Berechnungen zu standardisieren und Korrekturen dauerhaft zu übernehmen. Wenn mehrere Systeme zu einem Ergebnis beitragen, kann ein unabhängiger Berichtvalidator vor der Übergabe des Berichts an einen Entscheidungsträger eine separate Prüfung liefern.

Häufig gestellte Fragen

Wie viele Vorlagen für Kreditanalyseberichte sind enthalten?

Diese Sammlung umfasst acht Berichtsbeispiele und Dashboards. Sie decken Schuldendienst-Stresstests für Mietimmobilien, operativen Leverage, ETF-Portfoliorisiken, Brokerumsätze, makroökonomische Indikatoren, makro-quantitative Modellierung, das Versagen makroökonomischer Modelle und die Diagnostik von Finanzmodellen ab. Ein separates technisches und Bewertungs-Dashboard für Yanjing Beer ist ebenfalls im Eintrag zur Unternehmens- und Aktienprüfung enthalten. Die Beispiele verwenden unterschiedliche Währungen, Zeiträume und Analysemethoden. Ihr Umfang ist groß genug, um zu zeigen, wie eine Kreditanalyse Grundlagen des Kreditnehmers, Marktdaten, Szenarien und Modellkontrollen verbinden kann.

Was ist ein Kreditanalysebericht?

Ein Kreditanalysebericht ist eine strukturierte Bewertung der Faktoren, die Rückzahlungsfähigkeit und finanzielles Risiko beeinflussen. Er kann Umsatz, Rentabilität, Cashflow, Verschuldungsgrad, Liquidität, Schuldendienstdeckung, Sicherheiten, Stresstests, Peer-Vergleiche, makroökonomische Risiken und eine Empfehlung enthalten. Der Bericht sollte erklären, woher wichtige Zahlen stammen und wie Kennzahlen oder Szenarien berechnet wurden. In dieser Sammlung unterscheiden die Berichte außerdem zwischen ausgewiesenen Gesamtwerten, erfassten Grundlagen, modellierten Werten und Einschränkungen der Vergleichbarkeit. Diese Unterscheidung hilft Prüfern zu vermeiden, jede Zahl als gleich sicher oder direkt vergleichbar zu behandeln.

Was ist der Unterschied zwischen einem Kreditanalysebericht und einem Stresstest?

Ein Kreditanalysebericht ist das umfassendere Dokument zur Bewertung der finanziellen Lage, Rückzahlungsfähigkeit, Risiken und Gegenmaßnahmen. Ein Stresstest ist ein fokussierter Bestandteil, bei dem ausgewählte Annahmen verändert werden, um zu untersuchen, wie sich Deckung oder Cashflow unter Belastung verhalten. So verändert der Bericht zur Mietimmobilie Zinssätze, Auslastungsresilienz und Betriebsbedingungen, um Zeiträume mit einem DSCR unter 1,0x aufzuzeigen. Ein vollständiger Kreditbericht kann diesen Stresstest zusammen mit historischer Entwicklung, Geschäftskontext, Sicherheiten und einer Empfehlung enthalten. Stresstests beantworten daher eine konkrete Frage zur Widerstandsfähigkeit, während die Kreditanalyse den vollständigen Entscheidungskontext strukturiert.

Wie häufig sollten Kreditanalyseberichte aktualisiert werden?

Die Quelldaten schreiben keine einheitliche Aktualisierungsfrequenz vor. Der geeignete Turnus hängt vom Kreditnehmer, der Fazilität, dem Portfolio, dem Berichtszeitraum und der Volatilität der relevanten Risiken ab. Berichte, die monatliche oder vierteljährliche Finanzinformationen verwenden, sollten im Allgemeinen aktualisiert werden, sobald neue Quelldaten verfügbar sind, während makroökonomische oder marktbezogene Analysen möglicherweise häufiger überwacht werden müssen. Ein Bericht sollte außerdem nach wesentlichen Änderungen bei Zinsen, Liquidität, Umsatz, Verschuldung, Auslastung oder Modellannahmen überprüft werden. Die Sammlung selbst ist für regelmäßige Prüfungen vorgesehen, sobald neue Berichtsbeispiele und Quellinformationen verfügbar werden.

Wie kann eine Organisation einen belastbareren Kreditbericht erstellen?

Beginnen Sie damit, wichtige Kennzahlen neu zu berechnen und Verhältniszahlen anhand ihrer zugrunde liegenden Eingaben zu validieren. Verfolgen Sie jede wichtige Zahl bis zu Quelldatei, Zeile, Feld und Berechnungsmethode zurück und kennzeichnen Sie fehlende, abgeleitete, erfasste oder nicht vergleichbare Werte eindeutig. Verwenden Sie für Prognosen verzögerte Daten und testen Sie, ob Beziehungen in unterschiedlichen wirtschaftlichen Regimen Bestand haben. Ein unabhängiger KI-Prüfer wie Energent Audit kann Zahlen neu berechnen, Ausnahmen identifizieren, ein Bestanden/Nicht-bestanden-Urteil ausstellen und unterstützende Belege bewahren. Das Ergebnis ist ein leichter zu prüfender Bericht, da sich die Aufmerksamkeit auf markierte Ausnahmen statt auf die manuelle Kontrolle jeder Zeile richten kann.

Erstellen Sie Kreditberichte, hinter denen Sie stehen können

Diese Vorlagen zeigen, wie Kreditanalysen Finanzberichte, Szenarien, makroökonomische Indikatoren, Marktdaten und Modelldiagnostik miteinander verbinden können. Nutzen Sie die Beispiele, um Ihre nächste Prüfung zu strukturieren, und validieren Sie anschließend die Zahlen und bewahren Sie die Belege hinter jeder Schlussfolgerung. Energent.ai wurde entwickelt, um Ergebnisse anderer KI-Systeme über komplexe Dateien und Workflows hinweg neu zu berechnen, zurückzuverfolgen und zu überprüfen.

Energent Audit entdecken