SUMZ

Stochastische Unternehmensbewertung mittels Methoden der Zeitreihenanalyse
 

Projektbereich / Cluster: Unternehmensführung und -steuerung

Auftraggeber/Mittelgeber: BMWI

Projektträger: AiF

Kooperationspartner:  Partnerunternehmen der DHBW

Projektkoordinator: Kooperatives Forschungsprojekt an der DHBW Karlsruhe

Projektteam:

Projektlaufzeit: aktuell

Projektbeschreibung + Zielsetzung: Die wertorientierte Unternehmensführung ist ein Managementkonzept, das sich sowohl in der wissenschaftlichen Theorie als auch in der unternehmerischen Praxis großer Aktualität erfreut. Das Unternehmen wird dabei stets im Hinblick auf einen maximalen Unternehmenswert gesteuert. Der Unternehmenswert entspricht der Summe der diskontierten zukünftigen Cashflows, die von betriebswirtschaftlichen Größen wie beispielsweise Umsatzerlösen und Kosten oder Beschaffungs-, Produktions- und Absatzzahlen abhängen. Die zentrale Aufgabe der Unternehmensbewertung ist also die fundierte Prognose dieser betriebswirtschaftlichen Größen bzw. der zugehörigen Cashflows. Daher ist es das Ziel des Forschungsprojekts, die wertbestimmenden betriebswirtschaftlichen Größen mittels Methoden der Zeitreihenanalyse zu prognostizieren und darauf aufbauend den stochastischen Unternehmenswert zu ermitteln.

Zielgruppe: Partnerunternehmen der DHBW

Vorgehensweise/Methodik: Inhaltlich gliedert sich das Forschungsprojekt in einen Theorie- und in einen Praxisteil. Im Theorieteil wird methodisch die Zeitreihenanalyse eingehend untersucht. Ein Schwerpunkt liegt hier auf den autoregressiven Modellen. Es wird die Güte der Modellanpassung analysiert, die sich für eine geeignete Parameterschätzung ergibt. Die Parameterschätzung erfolgt dabei mittels der Autokorrelationsfunktion bzw. der Kleinste-Quadrate-Methodik. Danach werden die erhaltenen Zeitreihenmodelle zur Prognose der betriebswirtschaftlichen Größen verwendet. Darauf aufbauend wird der stochastische Unternehmenswert berechnet. Es wird analysiert, welche Struktur die so erhaltene Unternehmenswertverteilung besitzt und ob sie in eine Klasse wahrscheinlichkeitstheoretisch bekannter Verteilungen fällt. Im Praxisteil werden die untersuchten Zeitreihenmodelle im Hinblick auf praktische Unternehmensdaten angewandt. Dabei werden die Modelle für reale betriebswirtschaftliche Größen angepasst. Auf Basis dieser Modellanpassung werden die betrachteten betriebswirtschaftlichen Größen für die Zukunft prognostiziert. Als betriebswirtschaftliche Größen sind hier auf einer aggregierten Ebene Umsatzerlöse und Kosten oder auf einer detaillierten Ebene Beschaffungs-, Produktions- und Absatzzahlen denkbar. Auch kann die Modellspezifikation auf Ebene des Gesamtunternehmens oder auf Ebene der strategischen Geschäftseinheiten erfolgen. Dazu wird eine umfangreiche Software entwickelt, mit der die Parameterschätzung der Zeitreihenmodelle und die Prognose der betriebswirtschaftlichen Größen durchgeführt werden kann. Diese Software ist problemlos in bestehende Planungstools des Unternehmens integrierbar. Im Ergebnis wird dadurch eine fundierte Unternehmensplanung und Unternehmensbewertung möglich.

Status/Stadium des Projekts: 
Es wurde ein theoretisch fundiertes Modell zur Unternehmensplanung und -bewertung entwickelt. Ebenso wurde eine Software programmiert, die eine Anwendung dieses theoretischen Modells für praktische Unternehmensdaten ermöglicht. Es werden laufend interessierte Unternehmen gesucht, die bereit sind, betriebswirtschaftliche Daten im Hinblick auf eine Unternehmensplanung und -bewertung zur Verfügung zu stellen.

Veröffentlichungen:

  • Gaussian Distributed Shareholder Value as a Tool for Value Based Management – Business Horizon, in: Journal of Business and Policy Research, 7. Jahrgang (2012), Heft 3, S. 123-139.
  • Valuation of a Company using Time Series Analysis, in: Journal of Business Valuation and Economic Loss Analysis, 12. Jahrgang (2017), Heft 1, S. 1-39.
  • Unternehmensbewertung mittels Regressionsanalysen, in: Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 29. Jahrgang (2017), Heft 1, S. 66-73.
  • A Machine Learning Approach to Univariate Time Series Forecasting of Quarterly Earnings, in: Review of Quantitative Finance and Accounting, 55. Jahrgang (2020), Heft 4, S. 1163-1179.
  • Bestimmung des optimalen Aktienportfolios – Ein Machine-Learning-Ansatz in theoretischer Herleitung und praktischer Anwendung, in Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 35. Jahrgang (2023), Heft 3, S. 35-38.

Ansprechpartner: Prof. Dr. Philipp Pohl, Prof. Dr. Dietmar Ratz

Links: