Liquiditätspuffer interagieren dynamisch mit Marktbedingungen. In Stressphasen steigen regulatorische Anforderungen faktisch, weil Sicherheitenqualität sinkt und Haircuts steigen. Ein stochastisches Modell bildet diese Dynamik als zeitvariablen Parameter ab — nicht als fixe Untergrenze. Erst dadurch wird sichtbar, wie regulatorische Mindestanforderungen unter Stress zur bindenden Constraint werden, die Portfolioanpassungen erzwingt, bevor ein tatsächlicher Ausfall droht. Die regulatorische Grenze ist keine sichere Zone, sondern ein bewegliches Ziel.

Die Leverage Ratio interagiert mit stochastischen Finanzierungsbedingungen auf eine Weise, die klassische Modelle nicht erfassen. Wenn Assetpreise fallen, steigt der Hebel implizit — nicht weil neue Schulden aufgenommen werden, sondern weil der Eigenkapitalwert sinkt. Portfolios, die nahe der regulatorischen Grenze operieren, sind damit besonders anfällig für erzwungene Deleveraging-Zyklen in Phasen sinkender Assetpreise. Diese Prozyklizität ist kein Regulierungsfehler, sondern ein strukturelles Merkmal bilanzieller Hebelgrenzen. Stochastische Modelle müssen diese Prozyklizität explizit abbilden, um die tatsächliche Portfoliostabilität unter variablen Marktbedingungen ehrlich zu bewerten.

Die Qualitätseinstufung hochliquider Aktiva ist unter Stress variabel. Staatsanleihen, die regulatorisch als erstklassige Liquiditätspuffer gelten, können in Stressphasen an Marktliquidität verlieren — besonders wenn viele Marktteilnehmer gleichzeitig dieselben Papiere liquidieren. Ein stochastisches Modell für Finanzierungsliquidität muss die Qualitätsvariabilität regulatorisch anerkannter Sicherheiten explizit abbilden. Andernfalls unterschätzt es die effektive Verfügbarkeit von Liquiditätspuffern genau in den Szenarien, für die sie konzipiert wurden. Die LCR-Kennzahl ist ein Mindeststandard — kein Stressgarant.

Langfristige Finanzierung ist stabiler als kurzfristige — das stimmt unter normalen Bedingungen. Doch stochastische Finanzierungsmodelle zeigen, dass die NSFR-Struktur eine neue Risikoquelle einführt: Rollover-Risiken konzentrieren sich auf bestimmte Fälligkeitszeitpunkte. Wenn mehrere langfristige Finanzierungslinien gleichzeitig zur Erneuerung anstehen und die Marktbedingungen sich verschlechtert haben, entsteht ein konzentrierter Refinanzierungsstress. Ein Modell, das nur die durchschnittliche Laufzeitstruktur betrachtet, übersieht diese Fälligkeitskonzentration. Stochastische Analyse muss die zeitliche Verteilung von Refinanzierungsbedarfen explizit modellieren — nicht nur ihren Durchschnitt.

Regulatorische Anforderungen sind nie vollständig gleichmäßig bindend. Unterschiedliche Institutstypen unterliegen unterschiedlichen Regelwerken, und die Grenzziehung zwischen regulierten und weniger regulierten Akteuren verschiebt sich im Zeitverlauf. Dieses regulatorische Gefälle erzeugt Finanzierungsströme von stark regulierten zu weniger stark regulierten Segmenten des Marktes — und damit neue Konzentrationsrisiken in weniger transparenten Bereichen. Stochastische Modelle für Finanzierungsliquidität müssen diese Heterogenität der regulatorischen Bindung berücksichtigen, um systemische Risiken nicht systematisch in regulatorisch schlecht sichtbaren Marktsegmenten zu unterschätzen.