Menu Expand

Cite BOOK

Style

Ströbele, H. (2017). Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen. Verlag Wissenschaft & Praxis. https://doi.org/10.3790/978-3-89644-728-9
Ströbele, Heiko. Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen. Verlag Wissenschaft & Praxis, 2017. Book. https://doi.org/10.3790/978-3-89644-728-9
Ströbele, H (2017): Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen, Verlag Wissenschaft & Praxis, [online] https://doi.org/10.3790/978-3-89644-728-9

Format

Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen

Ströbele, Heiko

Schriftenreihe Finanzierung und Banken, Vol. 29

(2017)

Additional Information

Book Details

Pricing

Abstract

Der Erfolg eines Finanzinstituts im Kreditgeschäft mit Firmenkunden wird maßgeblich von der Fähigkeit bestimmt, die künftige Bonität von Unternehmen einzuschätzen. Durch eine zunehmend starke Regulierung und einen sich verschärfenden Wettbewerb gewinnen prognosestarke Kreditrisikomodelle weiter an Bedeutung. Sowohl in der theoretischen Forschung als auch in der Regulierungspraxis, wie in der Kreditwirtschaft insgesamt, dominieren jedoch seit Jahrzehnten Modelle und Verfahren der Ausfallprognose, welche eine starke Vergangenheitsorientierung implizieren. Dies betrifft im Grunde die gesamte betriebswirtschaftliche Krisenforschung.

Dieses Spannungsfeld - einhergehend mit einer mangelnden theoretischen Fundierung bisheriger Ansätze zur Bonitätsprognose - greift der Autor auf, indem er die Logik des Unternehmensbewertungsmodells von Schwartz/Moon (2001) auf die Ausfallprognose von Unternehmen überträgt. Erweiterungen dieses Modells, etwa um die Berücksichtigung qualitativer Einflussfaktoren wie der Managementqualität, resultieren im Potsdamer Modell zur simulativen Prognose der Ausfallwahrscheinlichkeit von Unternehmen. Ausgangspunkt des Verfahrens bildet die Monte Carlo Simulation, wodurch - im Gegensatz zu traditionellen Verfahren der Insolvenzprognose - ökonomisch fundierte Ursache-Wirkungszusammenhänge einen Ausfall definieren. Die empirische Untersuchung verdeutlicht das große Potenzial des Modells und damit einhergehend die Notwendigkeit eines Paradigmenwechsels bei der Prognose der Ausfallwahrscheinlichkeit von Unternehmen.

Table of Contents

Section Title Page Action Price
Geleitwort V
Vorwort VII
Inhaltsverzeichnis XI
Abbildungsverzeichnis XV
Tabellenverzeichnis XVIII
Abkürzungsverzeichnis XX
Symbolverzeichnis XXIII
1. Einleitung 1
1.1 Problemstellung und Zielsetzung 2
1.2 Gang der Untersuchung 4
2. Theoretischer Rahmen zu Kreditrisiko und Ausfallwahrscheinlichkeit 7
2.1 Krisenverlauf im Unternehmen 7
2.2 Abgrenzung des Untersuchungsgegenstandes 10
2.2.1 Kreditgeschäft und Kreditrisiko 10
2.2.1.1 Bedeutung des Kreditgeschäfts 11
2.2.1.2 Unvollkommenheit des Kreditmarktes 12
2.2.1.3 Informationsasymmetrie und Kooperationsprobleme 13
2.2.1.4 Kreditrisiko 14
2.2.2 Ermittlung der Ausfallwahrscheinlichkeit 19
2.2.3 Einzelkreditrisiko versus Portfoliorisiko 21
2.3 Bisherige Verfahren zur Bonitätsbestimmung 23
2.3.1 Historische Entwicklung der Verfahren zur Bonitätsanalyse 25
2.3.2 Traditionelle Verfahren 27
2.3.2.1 Jahresabschlussanalyse als Grundlage für die Verfahren der Bonitätsbeurteilung 27
2.3.2.2 Expertenurteil 30
2.3.2.3 Klassisches Scoring-Verfahren 32
2.3.2.4 Zusammenfassung und kritische Würdigung traditioneller Verfahren 33
2.3.3 Statistische Verfahren 35
2.3.3.1 Diskriminanzanalyse 35
2.3.3.2 Logistische Regression 41
2.3.3.3 Zusammenfassung und kritische Würdigung statistischer Verfahren 45
2.3.4 Verfahren der künstlichen Intelligenz 49
2.3.4.1 Expertensysteme 49
2.3.4.2 Exkurs: Fuzzy-Logik 52
2.3.4.3 Künstliche neuronale Netze 59
2.3.4.4 Zusammenfassung und kritische Würdigung der Verfahren der künstlichen Intelligenz 63
2.3.5 Optionspreismodelle und Credit Spreads 65
2.3.6 Risk Analysis Probability of Default Modell 73
2.3.7 Externe Ratings 75
2.4 Historische Entwicklung der Regulierung 84
2.4.1 Basel I 85
2.4.2 Basel II 87
2.4.2.1 Kreditrisikostandardansatz 89
2.4.2.2 Internal Ratings Based Approach 91
2.4.3 Basel III 95
2.4.4 Auswirkungen der Regulierung auf die Finanzintermediation und den Einsatz von Verfahren zur Bonitätsanalyse bei Unternehmenskrediten 97
2.5 Äquivalenz zur Unternehmensbewertung 99
3. Das Schwartz/ Moon Modell als Ausgangsbasis 105
3.1 Discounted Cashflow-Verfahren 105
3.2 Schwartz/ Moon Modell 109
3.2.1 Das Schwartz/ Moon Grundmodell (2001) 111
3.2.1.1 Umsatzprozess 112
3.2.1.2 Kostenprozess 114
3.2.1.3 Bestimmung des Cashflows 115
3.2.1.4 Ableitung des Unternehmenswertes 117
3.2.1.5 Risikoadjustierung 119
3.2.1.6 Diskretisierung des Modells 121
3.2.2 Weiterentwicklungen und Umsetzung des Schwartz/ Moon Modells 124
3.2.2.1 Forschungsarbeiten zum Schwartz/ Moon Modell 124
3.2.2.2 Sprungprozesse 131
3.2.2.3 Unternehmenssteuer, Verlustvortrag und Steuern auf Investorenebene 135
3.2.2.4 Risikoadjustierung 136
3.2.2.5 Fremdkapital und Ausfall 138
3.2.2.6 Fortführungswert (Continuing Value) 139
3.2.2.7 Stochastische Zinssätze 141
3.2.3 Insolvenzprognose auf Basis des Schwartz/ Moon Modells 143
4. Empirische Untersuchung 145
4.1 Datenbasis und Inputparameter 145
4.1.1 Datenbasis der Plausibilitätsprüfung 146
4.1.2 Parameterbestimmung 147
4.1.2.1 Periodenlänge, Simulationshorizont und Bilanzdaten 147
4.1.2.2 Anfängliche Umsatzänderungsrate und -volatilität 148
4.1.2.3 Volatilität der erwarteten Umsatzänderungsraten 153
4.1.2.4 Langfristiges Umsatzwachstum 154
4.1.2.5 Langfristige Volatilität des Umsatzes 155
4.1.2.6 Fixkosten und variable Kosten 156
4.1.2.7 Abschreibungs- und Investitionsrate 158
4.1.2.8 Anpassungsgeschwindigkeit 158
4.1.2.9 Zinssatz, Steuersatz und Korrelation der stochastischen Prozesse 159
4.1.2.10 Anzahl an Simulationspfaden 160
4.2 Simulation mit dem adaptierten Schwarz/ Moon Grundmodell 162
4.2.1 Adaptiertes Schwartz/ Moon Grundmodell 162
4.2.2 Ergebnisse des adaptierten Grundmodells 167
4.2.2.1 Zusammenhänge, Sensitivitäten und Informationsprofil des Modells 167
4.2.2.2 Ergebnisse DAX Unternehmen 174
4.2.2.3 Ergebnisse ausgefallener Unternehmen 179
4.2.2.4 Ergebnisse Gesamtsample 185
4.3 Simulation mit dem Potsdamer Modell 192
4.3.1 Erweiterungen zum Potsdamer Modell 192
4.3.1.1 Ausfall und Finanzierung 194
4.3.1.2 Dividendenpolitik 198
4.3.1.3 Managementqualität 200
4.3.1.4 Umsatzsprünge 208
4.3.1.5 Zusätzliche Inputparameter des Potsdamer Modells 215
4.3.2 Ergebnisse des Potsdamer Modells 216
4.3.2.1 Zusammenhänge, Sensitivitäten und Informationsprofil des Modells 216
4.3.2.2 Ergebnisse DAX Unternehmen 219
4.3.2.3 Ergebnisse ausgefallener Unternehmen 221
4.3.2.4 Ergebnisse Gesamtsample 228
4.3.2.5 Potsdamer Modell mit alternativ bestimmten Inputparametern 232
5. Fazit 237
5.1 Zusammenfassung und Einordnung der Ergebnisse 238
5.2 Ansätze für zukünftige Forschung 247
Anhang 249
Literaturverzeichnis 281