Diese Arbeit befasst sich mit der Risikomodellierung von Portfolios, insbesondere mit dem Problem der nicht Berücksichtigung von Marktfaktorkorrelationen im Ein-Faktor-Modell des Basler Ausschusses in Säule 1. In dieser Arbeit wird eine Modellanpassung vom Ein-Faktor-Modell mit eigenen Korrelationsschätzern, Inter- Sektorkorrelation und Intra-Sektorkorrelation, untersucht. Das angewandte Zwei- Faktor-Modell stammt aus einer aktuellen Studie von Siarka und ermöglicht es, den Basel-II-Regulierungsrahmen auf ein allgemeines Multi-Faktor-Umfeld zu erweitern. Die Methode verwendet Schätzungen aus historischen Daten, inklusive des Zeitraums der weltweiten Coronapandemie 2020/21 und Simulationen für fünf führende US-Banken. Ziel dieser Arbeit ist es, das Zwei-Faktor-Modell der Studie mit aktuel- len Daten zu erweitern und mit dem Ein-Faktor-Modell vom Basler Rahmenwerk zu vergleichen. Daraufhin wurden die Schätzer und Veränderungen im Vergleich zu den Schätzern aus der Studie von Siarka verglichen und Vor- und Nachteile der Methode aufgezeigt. Die Methode lieferte eindeutige Schätzer für die Intra-Sektorkorrelation und weniger eindeutige Schätzer für die Inter-Sektorkorrelation. Wie auch in der Studie von Siarka zeigte sich, dass die Nichtberücksichtigung der Korrelation zwischen den latenten Marktfaktoren zu einer Überschätzung vom unerwarteten Verlust, dem Kreditrisikomaß von Basel, führt. Dieser Unterschied zwischen den zwei Modellen war signifikant, jedoch waren die Unterschiede der Verluste in US-Dollar nicht so stark wie in der Studie von Siarka. Die unterschiedlichen Auswirkungen der Parameteränderungen bis 2021 könnten den positiven Diversifikationseffekt geschwächt haben, sodass nicht eindeutig gesagt werden kann, dass das Zwei-Faktor-Modell zu einem deutlich geringeren Kreditrisiko führt. Die Kreditrisikomodellierung des Zwei-Faktor-Modells ist jedoch genauer aufgrund weniger volatile totale Verluste und ermöglicht eine Modellierung der Korrelationen für Portfoli, This thesis addresses the problem of not considering market factor correlations in the Basel Committee’s one-factor model in Pillar 1. This study examines a modification of the one-factor model with own correlation estimators, intra- and inter-sector correlations. The two-factor model used is from a recent study by Siarka and can be applied to extend the Basel II regulatory framework to a general multi-factor environment. The method uses estimates from historical data, including the period of the global COVID-19 pandemic in 2020/2021, and simulations for five top-tier US banks. The aim of this work is to expand the two-factor model of the study with the current data and compare it with the one-factor model of the Basel Framework. The estimates and changes were then compared to those from Siarka’s study, and the advantages and disadvantages of the method were highlighted. The method provided clear estimates for the intra-sector correlation and less clear estimates for the inter-sector correlation. As also demonstrated in Siarka’s study, the non-consideration of the correlation between latent market factors leads to an overestimation of unexpected loss, Basel’s measure of credit risk. This difference between the two models was significant. The differences in losses in US dollars were not as strong as in Siarka’s study. The different effects of parameter changes up to 2021 may have weakened the positive diversification effect, thus it cannot be conclusively stated that the two-factor model results in significantly lower credit risk. However, the credit risk modeling of the two-factor model is more accurate due to less volatile total losses and allows modeling of correlations for portfolios across various asset classes, sectors, and regions., Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers, Masterarbeit Universität Innsbruck 2023