Multiplikatorverfahren in der Unternehmensbewertung - Empirische Befunde zur Wertrelevanz von Multiples und Anwendung in der Praxis

INHALTSVERZEICHNIS

  Inhaltsverzeichnis  I

  Tabellenverzeichnis  IV

  Abbildungsverzeichnis  V

  Abkürzungsverzeichnis  VI

1.  Einleitung  1

2.  Theoretische Grundlagen  2

2.1  Grundlagen der linearen Regression  2

2.1.1  Zielsetzung und Vorgehensweise  2

2.1.2  Annahmen des Verfahrens  3

2.2  Objektivierter innerer Unternehmenswert und Entscheidungswert  6

2.3  Informationseffizienzhypothese  7

2.4  Verfahren der Unternehmensbewertung  8

2.4.2  Das Dividend Discount Model (DDM)  10

2.4.3  Das Ertragwertverfahren  10

2.4.4  Das Discounted Cash Flow (DCF) Verfahren  11

2.4.4.1  Nettoverfahren FTE Verfahren  13

2.4.4.2  Bruttoverfahren  13

2.4.4.2.1  WACC Verfahren  14

2.4.4.2.2  APV Verfahren  15

2.4.4.3  Kritische Würdigung  16

2.4.5  Das Residual Income Valuation (RIV) Verfahren  17

  I  

3.  Das Multiplikatorverfahren  19

3.1  Der traditionelle Ansatz  19

3.1.1  Grundkonzeption  19

3.1.2  Verfahrensarten  20

3.1.3  Theoretische Fundierung  21

3.1.3.1  Herleitung ausgewählter Multiplikatoren  21

3.1.3.2  Vergleich mit Zukunftserfolgswertverfahren  24

3.1.4  Problembereiche in der Anwendung  25

3.1.4.1  Auswahl der vergleichbaren Unternehmen (Peer Group)  25

3.1.4.1.1  Branchenzugehörigkeit als Vergleichskriterium  25

3.1.4.1.2  Fundamentalfaktoren als Vergleichskriterium  27

3.1.4.1.3  Überlegungen zur Anzahl der Vergleichsunternehmen  28

3.1.4.2  Auswahl der Bezugsgröße  28

3.1.4.2.1  Entity Multiplikatoren vs Equity Multiplikatoren  29

3.1.4.2.2  Stromgrößen vs Bestandsgrößen  30

3.1.4.3  Auswahl der Verdichtungsmethode  30

3.1.4.3.1  Arithmetisches Mittel  31

3.1.4.3.2  Harmonisches Mittel  32

3.1.4.3.3  Median  32

3.1.4.3.4  Lineare Regression  33

3.1.4.4  Zusammenfassung  33

3.2  Der Regressionsansatz als Alternative  34

3.3  Zwischenfazit  36

4.  Empirische Befunde zur Wertrelevanz der einzelnen  

  Vorgehensweisen  36

4.1  Befunde zur Auswahl der Comparable Companies  37

4.1.1  Boatsman Baskin (1981)  37

4.1.2  Alford (1992)  38

4.1.3  Kaplan Ruback (1995)  39

4.1.4  Kim Ritter (1999)  40

4.1.5  Cheng McNamara (2000)  41

4.1.6  Weitere Befunde zum Branchenkriterium ein Überblick  41

4.1.7  Bhojraj Lee (2002)  42

4.1.8  Herrmann (2002)  43

4.1.9  Kelleners (2004)  44

  II  

4.2  Befunde zur Auswahl der Bezugsgröße  45

4.2.1  LeClair (1990)  45

4.2.2  Kim Ritter (1999)  46

4.2.3  Baker Ruback (1999)  46

4.2.4  Gilson Hotchkiss Ruback (2000)  47

4.2.5  Liu Nissim Thomas (2002a)  47

4.2.6  Lie Lie (2002)  48

4.2.7  Herrmann (2002)  49

4.2.8  Kelleners (2004)  49

4.3  Befunde zur Auswahl der Verdichtungsmethode  50

4.3.1  Baker Ruback (1999)  50

4.3.2  Liu Nissim Thomas (2002a)  50

4.3.3  Weitere Befunde  51

4.4  Vergleich von traditionellem Ansatz und Regressionsansatz  51

4.5  Zusammenfassung  53

5.  Das Multiplikatorverfahren in der Praxis Exemplarische  

  Darstellung des Vorgehens bei der Deutsche Bank Corporate Advisory  

  Group  54

5.1  Allgemeines Vorgehen  54

5.1.1  Grundsätzlicher Ablauf der Bewertung  54

5.1.2  Auswahl der vergleichbaren Unternehmen  55

5.1.3  Auswahl der Bezugsgröße  55

5.1.4  Auswahl der Verdichtungsmethode  56

5.2  Bewertungsbeispiel: Spin-Off Lanxess  56

6.  Schlussbetrachtung  60

Anhang   62

  Literaturverzeichnis  68

  III  

Tabellenverzeichnis

Tabelle 1:  Ausgewählte Problembereiche der linearen Regression  6

Tabelle 2:  Ermittlung der Cash Flows  13

Tabelle 3:  RIV-Beispielrechnung  18

Tabelle 4:  Berechnung Enterprise Value  59

Tabelle 5:  Multiplikatorbewertung von Lanxess vor Spin-Off  58

Tabelle 6:  Das DCF-Verfahren  62

Tabelle 7:  Übersicht der empirischen Studien 1 2  63

Tabelle 8:  Übersicht der empirischen Studien 2 2  64

  IV  

Abbildungsverzeichnis

  Abbildung 1: Verfahren der Unternehmensbewertung  9

  Abbildung 2: KGV Multiples der Unternehmen des S P 500 per 18 10 2005  30

  Abbildung 3: Bewertungsbandbreiten für den Lanxess Eigenkapitalwert  59

  V  

Abkürzungsverzeichnis

  CAPM Capital Asset Pricing Model  

  DB CAG Deutsche Bank Corporate Advisory Group  

  DCF Discounted Cash Flow  

  DDM Dividend Discount Model  

  EBIAT Earnings before Interest, after Taxes  

  EBIDAAT Earnings before Interest, Depreciation and Amortization, after Taxes  

  EBIT Earnings before Interest and Taxes  

  EBITDA Earnings before Interest, Taxes, Depreciation and Amortization  

  FCF Free Cash Flow  

  FTE Flow to Equity  

  I/B/E/S Institutional Brokers Estimate System  

  IPO Initial Public Offering  

  LBO Leveraged Buyout  

  P/E Price/Earnings  

  M/B Market value of Equity/Book value of Equity  

  RIV Residual Income Valuation  

  ROE Return on Equity  

  SIC Standard Industrial Classification  

  TCF Total Cash Flow  

  WACC Weighted Average Cost of Capital  

  VI  

1. Einleitung

Dem Multiplikatorverfahren kommt in der Praxis der Unternehmensbewertung eine erhebliche Bedeutung zu: ¹ Insbesondere bei der Erstellung von Fairness Opinions durch Investmentbanken ² oder bei Börseneinführungen ³ finden Multiplikatoren regelmäßig Verwendung. Zahlreiche Studien belegen zudem den hohen Stellenwert, den das Bewertungsverfahren bei Venture Capital Gesellschaften ⁴ , Private Equity Firmen ⁵ sowie Unternehmungsberatungen ⁶ besitzt.

Diese offensichtliche Beliebtheit des Bewertungsverfahrens in der Praxis wird in der Literatur vor allem mit seiner einfachen Anwendung und der leichten Vergleichbarkeit der Ergebnisse erklärt. ⁷ Darüber hinaus wird dem Verfahren von einigen Autoren eine grundsätzliche Eignung zur Erhöhung der Objektivität zugesprochen. ⁸ Gleichwohl sieht sich das Multiplikatorverfahren in der wissenschaftlichen Diskussion starker Kritik ausgesetzt, insbesondere im deutschsprachigen Raum. ⁹ Hierbei werden vor allem eine mangelnde theoretische Fundierung und die scheinbar willkürliche Auswahl der Eingangsgrößen in die Bewertung beklagt. 10

Vor dem Hintergrund dieser unterschiedlichen Betrachtungsweisen setzt sich die vorliegende Arbeit detailliert mit dem Verfahren auseinander. Ziel der Arbeit ist es, Vor- und Nachteile unterschiedlicher Vorgehensweisen bei der Anwendung des Verfahrens herauszuarbeiten und auf Grundlage von theoretischen Überlegungen und empirischen Befunden mögliche Verbesserungen aufzuzeigen.

Dazu soll zum einen geprüft werden, ob eine Bewertung mit Multiplikatoren auch be-wertungstheoretisch begründbar ist. Zum anderen soll anhand von empirischen Befunden zur Wertrelevanz des Verfahrens aufgezeigt werden, welche Anwendungsmethodik zu den besten Bewertungsergebnissen führt.

¹ Vgl. Seppelfricke (1999), S. 300; Bausch (2000), S. 449; Böcking/Nowak (1999), S. 169; Wagner (2005), S. 9; Moser/Auge-Dickhut (2003b), S. 213.

² Vgl. DeAngelo (1990), S. 104ff.; ferner Mukherjee/Kiymaz/Baker (2004), S. 13-16 zum regelmäßigen Einsatz bei M&A Transaktionen in den USA.

³ Vgl. Nelles/Rojahn/Berner (2001), S. 323; Strauch/Lütke-Uhlenbrock (2002), S. 370ff.; Aders/Galli/Wiedemann (2000), S. 197 und die dort angegebene Literatur.

⁴ Vgl. Walter (2003), S. 130ff.

⁵ Vgl. Achleitner u.a. (2004), S. 702ff.; Dittmann/Maug/Kemper (2004), S.620ff. ⁶ Vgl. Peemöller/Beckmann/Kronmüller (2002), S. 562.

⁷ Vgl. Damodaran (2002), S. 637; Cheredito/Hadewitz (2001), S. 321; Creutzmann/Deser (2005), S. 2ff.; Coenenberg/Schultze (2002b), S. 697, Yoo (2006), S.2.

⁸ Vgl. Böcking/Nowak (1999), S. 169; Wagner (2005), S. 9.

⁹ Vgl. Herrmann (2002), S. 11; Kelleners (2004), S.2.

¹⁰ Vgl. Bausch (2000), S.458; Mandl/Rabel (1997), S. 262ff.; Kelleners (2004), S.3; Herrmann (2002), S. 122f.; Ballwieser (1991), S. 61f.

1

Nach Einführung in die Problemlage und Definition des Ziels der Arbeit werden in Kapitel 2 zunächst einige grundlegende Begriffe definiert und Zusammenhänge sowie Verfahren der Unternehmensbewertung dargestellt.

In Kapitel 3 wird das Multiplikatorverfahren ausführlich beschrieben und ein Bezug zu anderen vorgestellten Bewertungsmethoden hergestellt.

Kapitel 4 widmet sich den empirischen Befunden zur Wertrelevanz der Multiplikatoren in ihren unterschiedlichen Anwendungsformen. Der Schwerpunkt der Betrachtung liegt dabei auf den Ergebnissen zu einer „optimalen“ Anwendung des Verfahrens. Vor dem Hintergrund der gewonnenen theoretischen und empirischen Erkenntnisse wird in Kapitel 5 eine exemplarische Anwendung des Multiplikatorverfahrens in der Praxis dargestellt.

Im abschließenden Kapitel 6 werden die Ergebnisse zusammengefasst und thesenartige Handlungsempfehlungen gegeben.

2. Theoretische Grundlagen

2.1 Grundlagen der linearen Regression

Da im Verlauf der Arbeit des öfteren auf das ökonometrische Verfahren der linearen Regression zurückgegriffen wird, sollen hier kurz Vorgehen und Annahmen dieser Methode erläutert werden.

2.1.1 Zielsetzung und Vorgehensweise

Die lineare Regression dient der Wiedergabe von Dependenzbeziehungen zwischen einer abhängigen und einer oder mehrerer unabhängiger Variablen und spielt in der Ökonometrie eine große Rolle. Mit ihrer Hilfe können (vermutete) Zusammenhänge quantitativ beschrieben und erklärt, sowie Werte der abhängigen Variablen geschätzt und prognostiziert werden. ¹¹ Bei der Anwendung der linearen Regression ist zunächst die vermutete Ursache-Wirkungs-Beziehung festzulegen und die Regressionsgleichung zu spezifizieren. Die Störgröße ε t repräsentiert dabei die von den unabhängigen Variablen nicht erfassten Einflussgrößen. Handelt es sich um eine univariate Regression stellt sich die Regressionsfunktion formal wie folgt dar:

¹¹ Vgl. Backhaus u.a. (2003), S. 46.

2

ε β α = y (1)

t

mit y t

α

β Im Falle mehrerer unabhängiger Variablen (multivariate Regression) erweitert sich die Gleichung zu:

ε β β β α = (2) y

t Mit der Methode der kleinsten Quadrate ¹² , welche die Summe der quadrierten Abweichungen der Schätzwerte von den Beobachtungswerten minimiert, werden in der Folge die Regressionsparameter bestimmt. Dieses Vorgehen impliziert, dass eine ausreichend große Anzahl von Beobachtungen zur Verfügung stehen muss, da aufgrund der quadratischen Gewichtung der Abweichungen andernfalls ein erheblich verzerrender Einfluss durch Ausreißerwerte besteht.

Mit Hilfe verschiedener Gütemaße kann anschließend überprüft werden, wie gut die geschätzte Regressionsfunktion die empirischen Daten reflektiert und welchen Erklärungsbeitrag die einzelnen Variablen leisten. ¹³ Als globale Gütemaße für die Eignung des Modells insgesamt werden vor allem das Bestimmtheitsmaß sowie die F-Statistik verwendet. Zur Prüfung der Erklärungsleistung der einzelnen Regressionskoeffizienten wird insbesondere der t-Test herangezogen.

2.1.2 Annahmen des Verfahrens

Die lineare Regression basiert auf einer Reihe von Prämissen. Die Erfüllung dieser Annahmen ist Voraussetzung für die Ermittlung von unverzerrten, effizienten (varianzminimalen) Schätzern für die Regressionsparameter und die Durchführbarkeit von Signifikanztests. ¹⁴ Die einzelnen Annahmen des Modells sowie die entstehenden Probleme und deren mögliche Behebung bei Verletzung dieser Prämissen sollen hier kurz vorgestellt werden: ¹⁵ A1: Das Modell enthält alle relevanten unabhängigen Variablen und keine der verwendeten unabhängigen Variablen ist irrelevant.

¹² Vgl. von Auer (2005), S. 51-57 zu einer umfassenden Darstellung der Methode.

¹³ Vgl. Backhaus u.a. (2003), S. 63ff. zu den einzelnen Gütemaßen.

¹⁴ Vgl. Backhaus u.a. (2003), S. 79; von Auer (2005), S. 143f.

¹⁵ Zu den gesamten nachfolgenden Erläuterungen der Annahmen vgl. Backhaus u.a. (2003), S. 77-93

sowie ergänzend von Auer (2005), S. 133-493 zu einer sehr umfangreichen Darstellung der einzelnen

Prämissen sowie den Konsequenzen ihrer Verletzung.

3

Werden nicht alle relevanten Variablen im Modell berücksichtigt, führt dies zu einer Verzerrung der Schätzwerte, da die verbleibenden Variablen den Einfluss der ausgelassenen Größe aufnehmen. Zudem werden in der Folge die Hypothesentests ungültig. Aus der Aufnahme irrelevanter Variablen resultieren zum einen ineffiziente Schätzer, zum anderen erhöht sich die Unschärfe der Hypothesentests. Generell kann der Verletzung der Annahme mit einer Neuspezifikation des Modells begegnet werden.

A2: Der wahre Zusammenhang zwischen der abhängigen und der / den unabhängigen Variablen ist linear.

Die Folge einer nicht-linearen Beziehung zwischen der abhängigen und den unabhängigen Variablen ist ebenfalls eine Verzerrung der Schätzwerte. Eine mögliche Lösung des Problems besteht in der Transformation (z.B. eine Logarithmierung) der Regressionsfunktion oder der einzelnen unabhängigen Variablen, um eine lineare Beziehung in den Parametern herzustellen.

A3: Die Regressionsparameter sind für alle Beobachtungen konstant. Ist diese Annahme nicht erfüllt, liegen sogenannte Strukturbrüche (Trendänderungen) vor, welche vor allem bei Zeitreihenanalysen auftreten, wenn sich z.B. durch neue Rahmenbedingungen der Einfluss der unabhängigen auf die abhängige Variable verändert. Auch dies kann eine Verzerrung der Schätzer zur Folge haben. Durch die Erweiterung des Modells um eine sog. „Dummy“-Variable, welche den Wert 0 für die Beobachtungen vor und den Wert 1 für Beobachtungen nach dem Strukturbruch annimmt, kann dieses Problem oft beseitigt werden.

A4: Der Erwartungswert der Residuen beträgt 0.

Weicht der Erwartungswert der Störgrößen von 0 ab, z.B. aufgrund von systematischen Messfehlern der abhängigen Variablen, so hat dies eine verzerrende Wirkung auf den Schätzer des Niveauparameters. Da jedoch überwiegend nach den Schätzern für die Steigungsparameter gesucht wird, ist dieser Effekt oft nicht bedeutsam. Andernfalls sind komplexere Schätzmethoden zu verwenden. A5: Keine Autokorrelation der Residuen.

Liegt Autokorrelation der Störgrößen vor, d.h. weisen die Residuen aufgrund linearer Abhängigkeit Trends bzw. eine Struktur auf, sind die Schätzer der Regressionsparameter ineffizient. Die Diagnose von Autokorrelation der Residuen erfolgt zumeist mit einem Residuenplot in Kombination mit dem Durbin-Watson-Test. 16

¹⁶ Vgl. zur Anwendung dieses Tests von Auer (2005), S. 394ff.

4

Es empfiehlt sich eine Transformation der Regressionsgleichung, um die Autokorrelation zu beseitigen.

A6: Keine Heteroskedastizität der Residuen.

Diese Annahme verlangt, dass die Varianz der Fehler konstant (homoskedastisch) ist, somit also die Störgrößen unabhängig von den exogenen Variablen und der Reihenfolge der Beobachtungen sind. Bei Nichterfüllung dieser Prämisse sind die Schätzer ineffizient. Eine eventuelle Heteroskedastizität lässt sich mit Hilfe von speziellen Tests, wie dem sog. Goldfeld-Quandt-Test oder dem White-Test diagnostizieren. Mittels einer Transformation der Regressionsgleichung kann versucht werden, Homoskedastizität der Störgrößen herzustellen.

A7: Keine (hohe) Multikollinearität der erklärenden Variablen.

Multikollinearität der unabhängigen Variablen liegt vor, wenn diese voneinander linear abhängig sind. Sie resultiert aus redundanter Information in den unabhängigen Variablen der Regressionsgleichung. Da diese doppelt vorhandene Information nicht eindeutig einer speziellen unabhängigen Variablen zugerechnet werden kann, ist dieser Informationsanteil für die Parameterschätzung nicht nutzbar. Demzufolge werden die Schätzwerte der Regressionsparameter unzuverlässig und ihre Standardabweichung steigt. ¹⁷ Außerdem reagieren sie sehr sensitiv auf das Entfernen oder Hinzufügen weiterer unabhängiger Variablen. Ferner verliert das Bestimmtheitsmaß seine Aussagekraft.

Die potentiellen linearen Abhängigkeiten können durch eine Regression jeder einzelnen exogenen Variablen auf die jeweils verbleibenden unabhängigen Variablen aufgedeckt werden.

Durch das Entfernen scheinbar weniger relevanter Variablen aus der Regressionsgleichung kann die Multikollinearität reduziert werden, allerdings erhöht dies, wegen einer damit meist verbundenen Verletzung der Annahme A1, das Risiko einer verzerrten Schätzung.

A8: Die Residuen sind normalverteilt.

Sind die Residuen nicht normalverteilt, so sind die Hypothesentests zur Signifikanz der ermittelten Schätzwerte für die Regressionsparameter nicht anwendbar. Ein Lösungsansatz ergibt sich aus der Aussage des zentralen Grenzwertsatzes, dass Zufallsvariablen für genügend große Stichproben eine Normalverteilung approximieren. Je größer also die zugrunde liegende Beobachtungsanzahl, desto eher

¹⁷ Dennoch bleibt die „BLUE“ Eigenschaft der Schätzer erhalten, die Schätzwerte weisen also die rela-

tiv gesehen geringste Varianz auf und sind erwartungstreu, vgl. Backhaus u.a. (2003), S. 89.

5

wird die Annahme A8 (approximativ) erfüllt sein, so dass sich die genannten Probleme im Wesentlichen bei kleinen Stichproben ergeben.

Tabelle 1 fasst die wichtigsten Problembereiche der linearen Regression zusammen Tabelle 1: Ausgewählte Problembereiche der linearen Regression 18

2.2 Objektivierter innerer Unternehmenswert und

Entscheidungswert

In der Literatur herrscht überwiegend Einigkeit, dass der Unternehmenswert von den zukünftig erwarteten entnehmbaren Zahlungsüberschüssen determiniert wird. ¹⁹ Auf diesem Grundgedanken aufbauend existieren unterschiedliche Konzeptionen des Unternehmenswertes, die sich vor allem aus der Zweckabhängigkeit der Unternehmensbewertung ergeben. ²⁰ Im Rahmen dieser Arbeit ist vor allem die Unterscheidung zu treffen zwischen dem Begriff des inneren Unternehmenswertes („intrinsic value“) ²¹ , wie er in der angloamerikanischen Literatur anzutreffen ist, und der aus der Kölner Funktionenlehre ent-standenen Konzeption des transaktionsspezifischen Entscheidungswertes ²² . Der intrinsische Unternehmenswert ergibt sich aus der Bewertung der erwarteten zukünftigen Zahlungsströme durch einen fiktiven „allwissenden Analysten“ ²³ . Es handelt

¹⁸ In Anlehnung an Backhaus u.a. (2003), S. 92.

¹⁹ Vgl. Böcking/Nowak (2000), S.21; Bausch (2000), S. 451; Seppelfricke (1999), S. 300; Cope-land/Koller/Murrin (2000), S. 51; Meitner (2002), S. 648.

²⁰ Für einen Überblick vgl. z.B. Mandl/Rabel (1997), S. 5ff.; Coenenberg/Schultze (2002a), S. 599ff.; Herrmann (2002), S. 12ff.

²¹ Vgl. Damodaran (2002), S. 17f.; synonym werden hier im Folgenden auch die Begriffe „true value“ und „innerer Wert“ verstanden.

²² Vgl. Mandl/Rabel (1997), S. 9-23.

²³ Vgl. Damodaran (2002), S. 17.

6

sich somit um einen objektivierten Wert, der transaktionsspezifische Einflüsse, insbesondere mögliche Synergien, unberücksichtigt lässt.

Demgegenüber ist der Entscheidungswert als subjektiver Grenzpreis im Rahmen einer potentiellen Unternehmenstransaktion zu verstehen. ²⁴ Bei der Ermittlung des Entscheidungswertes werden die individuellen Erwartungen und situationsspezifischen Einfluss-faktoren der jeweiligen Partei berücksichtigt wie z.B. höhere erwartete Zahlungsüberschüsse durch Verbundeffekte oder die subjektive Risikoaversion. Somit ist der Entscheidungswert stets auf ein bestimmtes Bewertungssubjekt bezogen ²⁵ und gibt die jeweilige marginale Preisschwelle der Transaktionspartner an, bis zu welcher sich der Abschluss der Transaktion ökonomisch gerade noch lohnt. ²⁶ Er markiert also im Falle des Verkäufers eine Preisuntergrenze, im Falle des Käufers eine Preisobergrenze. 27

2.3 Informationseffizienzhypothese

Eine wichtige Annahme für das Multiplikatorverfahren im Allgemeinen ²⁸ und für die im Kapitel 4 vorgestellten empirischen Befunde im Speziellen ist die Informationseffizienz der Märkte. Gemäß dieser von Fama (1970) spezifizierten Hypothese wird ein Markt als (informations)effizient bezeichnet, wenn die auf ihm gebildeten Preise jederzeit alle verfügbaren Informationen vollständig widerspiegeln. ²⁹ Die beobachteten Marktpreise ³⁰ enthalten in diesem Fall alle bewertungsrelevanten Informationen und stellen somit den besten Schätzer für den inneren Wert des Investments dar. ³¹ Abweichungen des Marktwertes vom inneren Unternehmenswert sind also stets unverzerrt und zufällig. ³² Der Grad der Informationseffizienz lässt sich hierbei in drei Stufen einteilen: ³³ Bei der schwachen Informationseffizienz werden alle verfügbaren historischen Informationen von den Preisen reflektiert. In der mittelstrengen Form sind zusätzlich alle öffentlich verfügbaren Informationen in den beobachteten Preisen enthalten. Bei der strengen Informationseffizienz wird des Weiteren die vollständige Berücksichtigung aller privaten Informationen in den Marktwerten gefordert.

²⁴ Vgl. Mandl/Rabel (1997), S. 17.

²⁵ Vgl. Barthel (2005), S. 33.

²⁶ Vgl. Coenenberg/Schultze (2002a), S. 599.

²⁷ Vgl. Mandl/Rabel (1997), S. 66.

²⁸ Vgl. Peemöller/Meister/Beckmann (2002), S. 200; Nelles/Rojahn/Berner (2001), S. 323; Liu/Nissim/Thomas (2002a), S. 136.

²⁹ Vgl. Fama (1970), S. 383.

³⁰ Von einer Unterscheidung von Marktwerten und Marktpreisen wird aus Vereinfachungsgründen abgesehen und die Begriffe im Folgenden synonym verwendet.

³¹ Vgl. Stowe/Robinson/Pinto (2002), S. 17.

³² Vgl. Damodaran (2002), S. 153.

³³ Vgl. Fama (1970), S. 383.

7

Begründet werden kann die Annahme informationseffizienter Märkte mit dem Arbitragegedanken: Weicht ein Marktpreis vom Wert des Unternehmens ab, so ergeben sich risikolose Gewinnmöglichkeiten. Durch Verkauf von überbewerteten und Kauf von unterbewerteten Finanztiteln werden Ineffizienzen folglich (nahezu) sofort aufgrund der Aufmerksamkeit gewinnmaximierender Investoren beseitigt. ³⁴ Die Ineffizienzen werden hierbei umso schneller korrigiert, je größer die Liquidität auf dem Markt ist, je geringer die Transaktionskosten des Handelns sind und je mehr aufmerksame Anleger die Preisbildung verfolgen. ³⁵ Obwohl die Informationseffizienzhypothese nach wie vor kontrovers diskutiert wird ³⁶ , erscheint somit für die großen Kapitalmärkte (insbesondere für den US-amerikanischen Markt) die empirisch gestützte Annahme vertretbar, dass zumindest Informationseffizienz in ihrer mittelstrengen Form vorliegt. 37

2.4 Verfahren der Unternehmensbewertung

2.4.1 Überblick und Systematisierung

In Theorie und Praxis existiert eine Vielzahl unterschiedlicher Verfahren zur Unternehmensbewertung. ³⁸ Dies resultiert vor allem aus dem wissenschaftlichen Erkenntniszuwachs sowie aus der gemeinhin verbreiteten Auffassung, dass je nach Bewertungszweck verschiedene Verfahren zum Einsatz kommen sollten. ³⁹ Die verschiedenen Bewertungsmethoden lassen sich zunächst danach differenzieren, ob das jeweilige Unternehmen ganzheitlich oder als Summe seiner einzelnen Vermögensgegenstände und Schulden bewertet wird. ⁴⁰ Es ergibt sich demnach eine Einteilung in Gesamt- und Einzelbewertungsverfahren. 41

³⁴ Vgl. Damodaran (2003), S. 145: “It is the actions of investors, sensing bargains and putting into effect schemes to beat the market, that make markets efficient.” ³⁵ Vgl. Damodaran (2002), S. 206.

³⁶ Vgl. Copeland/Koller/Murrin (2000), S. 86.

³⁷ Vgl. Fabozzi/Peterson (2003), S. 45; Bausch (2002), S. 454; Ross/Westerfield/Jaffe, S. 353; Wagner (2005), S. 8; Peemöller/Meister/Beckmann (2002), S. 200; vgl. für eine Übersicht zu Tests der Hypothese und deren Probleme ferner Damodaran (2003), S. 158-170.

³⁸ Vgl. Meitner (2002), S. 648ff.

³⁹ Vgl. Mandl/Rabel (1997), S. 28f.; Coenenberg/Schultze (2002a), S. 597.

⁴⁰ Vgl. Mandl/Rabel (1997), S. 29.

⁴¹ Vgl. Coenenberg/Schultze (2002a), S. 601; Mandl/Rabel (1997), S. 58.

8

Abbildung 1: Verfahren der Unternehmensbewertung 42

Bei den Einzelbewertungsverfahren wird der sog. Substanzwert des Unternehmens ermittelt, indem die einzelnen Vermögensgegenstände zu ihren Wiederbeschaffungskosten bzw. Liquidationserlösen bewertet werden und die daraus resultierende Summe um die zum Stichtag bestehenden Schulden gemindert wird. ⁴³ Diese Verfahrensgruppe spielt mittlerweile in der Unternehmensbewertung eine eher untergeordnete Rolle ⁴⁴ und wird daher im Rahmen dieser Arbeit nicht näher betrachtet.

Die Gesamtbewertungsverfahren lassen sich in Methoden direkter und indirekter (vergleichender) Bewertung unterscheiden. ⁴⁵ Während sich auf dem Kapitalwertkalkül aufbauend der Unternehmenswert bei den Zukunftserfolgswertverfahren direkt aus der Abdiskontierung von Erfolgsgrößen des Bewertungsobjekts ergibt, wird bei den Multi-plikatorverfahren mittels eines Vergleichsobjektes indirekt auf den Unternehmenswert geschlossen.

Bevor in Kapitel 3 das Multiplikatorverfahren dargestellt wird, sollen zunächst die einzelnen Zukunftserfolgswertverfahren kurz erläutert werden. Unter gleichen Annahmen und bei Verwendung derselben Plandaten führen alle nachfolgend vorgestellten Methoden zum selben Bewertungsergebnis. 46

⁴² In Anlehnung an Coeneberg/Schultze (2002a), S. 601 und Mandl/Rabel (1997), S. 30. ⁴³ Vgl. zu einer ausführlichen Darstellung des Verfahrens Mandl/Rabel (1997), S. 46ff. ⁴⁴ Vgl. Peemöller/Beckmann (2002), S. 562; vgl. weiterhin Mandl/Rabel (1997), S. 61 zu einer Übersicht für die BRD, ferner kritisch zum Verfahren Walter (2003), S. 70.

⁴⁵ Vgl. Bhojraj/Lee (2002), S. 413.

⁴⁶ Vgl. Coenenberg (2002a), S. 603.

9

2.4.2 Das Dividend Discount Model (DDM)

Das DDM ist das einfachste der Zukunftserfolgswertverfahren. Es dient als Ausgangs-

punkt der Betrachtung, da sich unter bestimmten Annahmen alle anderen Methoden aus

diesem Modell ableiten lassen.

Grundlage des DDM ist die Überlegung, dass für den einzelnen Investor der Wert sei-

nes Eigenkapitalanteils ausschließlich aus den erwarteten, ihm zufließenden Zahlungs-

strömen resultiert. ⁴⁷ Diese ergeben sich in Form von Dividenden und des späteren

Verkaufserlöses. ⁴⁸ Da letzterer sich wiederum als Funktion der erwarteten Zahlungs-

ströme zum Zeitpunkt des Verkauf ausdrücken lässt, kann durch iteratives Einsetzen der

heutige Eigenkapitalwert ausschließlich in Abhängigkeit der künftigen Dividenden dar-

gestellt werden. ⁴⁹ Es ergibt sich somit im Grundmodell des DDM:

^∞ D

EK (3) V

0

mit: EK V 0

k

Wird ein konstantes Wachstum der Dividenden unterstellt, so ergibt sich der Spezialfall

des Gordon Growth Modells: 50

t + + ^∞ g D ) 1 ( ) 1 ( g D D

EK (4) V

0

mit: g Wachstumsrate der Dividende

2.4.3 Das Ertragwertverfahren

Die Unternehmensbewertung erfolgt beim Ertragswertverfahren anhand der Diskontie-

rung der erwarteten Unternehmenserträge. ⁵¹ Hierbei werden in der Praxis sowohl Zah-

lungsströme als auch Periodenerfolge als relevante Ertragsgröße herangezogen. 52

^∞ E

(5) V

0

mit: V 0 = Unternehmenswert

BZ = Basiszins

⁴⁷ Von nicht-monetärem Nutzen wird hier abgesehen.

⁴⁸ Vgl. Damodaran (2002), S. 450.

⁴⁹ Vgl. Froidevaux (2004), S. 11; Brealey/Myers/Marcus (2001), S. 140ff.

⁵⁰ Vgl. Fabozzi/Peterson (2003), S. 213ff.; Ross/Westerfield/Jaffe (2002), S. 85.

⁵¹ Vgl. Mandl/Rabel (1997), S. 31.

⁵² Vgl. Mandl/Rabel (1997), S. 109ff.

10