Welche Vorteile bietet die Monte-Carlo-Simulation (MCS) in den einzelnen Bilanzierungsphasen des Geschäfts- oder Firmenwerts? Können die Nachteile der MCS zu dem Befund führen, wonach der Capital Asset Pricing Modell-Ansatz gegenüber der MCS vorzuziehen ist?
Im Jahr 2022 operieren Unternehmen in einem hochdynamischen Multikrisen-Umfeld. Neben dem VUCA-Phänomen, sowie der Erderwärmung (Häufung von Katastrophenereignissen) kamen 2020 die Corona-Pandemie und gegenwärtig der russisch-ukrainische Krieg mit nachteiligen Folgen für die Wirtschaftssubjekte hinzu. Unter anderem ist im Zuge dieser Entwicklungen die Planungsunsicherheit deutlich angestiegen.
Im Jahr 2020 erschien das Akronym „BANI“ (Brüchig, Ängstlich, Nichtlinear, Unbegreiflich, incomprehensible) analog des VUCA-Akronyms als Reaktion auf das Multikrisen-Umfeld. Das BANI-Rahmenwerk beansprucht die zeitgerechte Ablöse des VUCA-Rahmenwerks zu sein. Im Kern beschreibt es ein Umfeld des Chaos‘, mit der Handlungsempfehlung des Arrangierens mit diesem Chaos. Ob sich das BANI-Akronym durchsetzen wird, bleibt indessen abzuwarten. Die Treiber des VUCA-Phänomens – Digitalisierung bzw. die digitale Transformation (besonders Big-Data) und Globalisierung – sind wirksam; sie verstetigen sich. Daraus ergeben sich u. a. höhere Volatilitäten mit der Folge steigender Planungsunsicherheit für Unternehmen. Die engere Abfolge disruptiver Veränderungen führt darüber hinaus zu einer erhöhten Eintrittswahrscheinlichkeit existenzbedrohender Risiken. Beispielhaft sei hierzu auf den wachsenden Bedeutungsverlust von Printmedien, das Reisebürosterben oder die sinkende Anzahl von Bankfilialen verwiesen. Abzugrenzen ist die Disruption von der Innovation: Bei einer Disruption wird ein Teil der Wertschöpfungskette überflüssig, Innovationen revolutionieren dagegen die Wertschöpfungskette. Die VUCA-Rahmenbedingungen eröffnen zugleich bspw. durch technologische Innovationen auch Chancen. Diese Chancen sind zusammengefasst v. a. Potenziale der Wettbewerbsfähigkeit: Neue Produkte und Dienstleistungen, Steigerung der Effizienz von Geschäftsprozessen, sowie die Weiterentwicklung oder Neuerfindung von Geschäftsmodellen. Demnach beinhaltet das VUCA-Phänomen auch eine Ambivalenz zwischen Disruption und Innovation. Das VUCA-Umfeld beeinflusst sonach das Risiken- und Chancenportfolio von Unternehmen. [...]
Inhaltsverzeichnis
1 Problemstellung
1.1 Auswirkungen des VUCA-Phänomens auf Unternehmen
1.2 Anforderungen an das Risikomanagement
1.3 Sollvorgabe zur erwartungstreuen Planung
1.4 Fortbestandsrisiko: Abwertungsbedürftiger Geschäfts- oder Firmenwert
2 Erläuterung des VUCA-Phänomens
2.1 VUCA: Herkunft und Bedeutung
2.2 Umgang mit VUCA in der Unternehmensplanung
2.2.1 Erläuterung des Begriffs VUCA-Prime
2.2.2 VUCA-Prime mittels stochastischer Szenarioanalyse in der Unternehmensplanung
2.2.3 Unternehmensakquisitionen, VUCA-Phänomen und GoFW
3 Risikomanagement und Monte-Carlo-Simulation
3.1 Pflicht zur Unterhaltung und Anforderungen an das Risikomanagement
3.2 State of the art: Monte-Carlo-Simulation
3.2.1 Geschichtliche und mathematische Grundlagen der Monte-Carlo-Simulation
3.2.2 MCS: Erstmalige Beschreibung und Namensherkunft
3.2.3 Darstellung des Nadelproblems von Buffon
3.2.4 Herleitung des zentralen Satzes der Monte-Carlo-Rechnung
3.3 Bedeutung der MCS für die Ermittlung des aggregierten und quantifizierten Gesamtrisikoumfangs
3.4 Eigenkapital- und Liquiditätsbedarf: Überschuldungs- und Insolvenzwahrscheinlichkeit
3.5 Verletzung der Financial Covenants
4 Gründe für die Ausweitung der MCS auf die gesamte Unternehmensplanung
4.1 Erforderlicher Paradigmenwechsel – Bandbreitensimulation
4.2 Betrachtung unsicherer Entwicklungen in der gesamten Bandbreite
4.3 Bestimmung erwartungstreuer Planwerte, Konfidenzintervalle und Risikomaße
4.4 Entscheidungsgrundlage – Quantifizierung von Maßnahmenwirkungen
4.5 Erneuerung der traditionellen Unternehmensplanung
4.6 Bestimmung der risikoadjustierten Kapitalkosten einer Unternehmung
4.7 Ausgleich werttheoretischer Mängel des DCF-Kalküls
5 Wesen und Ansatzbilanzierung des GoFW nach IFRS
5.1 Wesen des Geschäfts- oder Firmenwerts
5.2 Bestandteile des Geschäfts- oder Firmenwerts
5.3 Abgrenzung: Originärer und derivativer GoFW
5.3.1 Originärer Geschäfts- oder Firmenwert
5.3.2 Derivativer Geschäfts- oder Firmenwert
5.4 Ansatz und Erstbewertung des derivativen GoFW nach IFRS
5.5 GoFW-Allokation und zahlungsmittelgenerierende Einheiten
5.5.1 Allokation des GoFW auf ZMGE
5.5.2 Begriff und Bildung von ZMGE
5.5.3 Bedeutung von ZMGE für die Folgebewertung des derivativen GoFW
6 Folgebewertung des GoFW nach IAS 36
6.1 Impairment-Only-Approach als Folgebewertungskonzept für den derivativen GoFW
6.2 Verwirklichung des Impairment-Only-Approach durch Impairment-Tests
6.2.1 Kriterium für einen Abwertungsbedarf und Abschreibungshöhe
6.2.2 Bedeutung von Triggering-Events
6.3 Begriff und Ermittlungsgrundsätze für den Nutzungswert
6.3.1 Grundzüge des DCF-Verfahrens und Interpretation des GoFW
6.3.1.1 Darstellung der Grundzüge des DCF-Verfahrens und Verfahrensvarianten
6.3.1.2 Interpretation des GoFW als barwertiges Residuum
6.3.2 Nutzungswert als Teilunternehmenswert und Abgrenzung zum Nettoveräußerungspreis abzüglich Veräußerungskosten
6.3.2.1 Nutzungswert als IAS 36-konformer Teilunternehmenswert
6.3.2.2 Nettoveräußerungspreis abzüglich Veräußerungskosten
6.3.3 Ermittlung des IAS 36-spezifischen Cashflows
6.3.3.1 Cashflow der Detailplanungsphase
6.3.3.2 Cashflow der Fortschreibungsphase
6.3.3.3 Unsicherheiten in Bezug auf die betragsmäßige Höhe und den zeitlichen Anfall der Cashflows sowie enumerative Dichtefunktionen
6.3.3.3.1 Unsicherheiten in Bezug auf die betragsmäßige Höhe und den zeitlichen Anfall der Cashflows
6.3.3.3.2 Enumerative Dichtefunktionen gemäß IAS 36.A11
6.3.4 IAS-36-spezifischer Diskontierungssatz des Nutzungswertkalküls
6.3.4.1 Ermittlungsgrundsätze des Diskontierungssatzes
6.3.4.2 Sicherer Zinssatz
6.3.4.3 Marktrisikoprämie und Betafaktor
6.3.4.4 Umgang mit dem unsystematischen Risiko einer ZMGE
6.3.4.5 Bestimmung des Insolvenzrisikos einer ZMGE
6.3.4.6 Bereinigung des Beta-Faktors: Fiktiv schuldenfreies Unternehmen
6.3.3.7 Bereinigung des Diskontierungssatzes um Steuereinflüsse
6.4 Manipulationsmöglichkeiten im Rahmen der Folgebewertung des GoFW
6.4.1 Manipulation mithilfe der CF-Prognose
6.4.2 Manipulation mithilfe des Diskontierungssatzes
6.4.2.1 Darstellung der Manipulation mithilfe des Diskontierungssatzes
6.4.2.2 Beispielhafte Sensitivitätsanalyse: Variation des Diskontierungssatzes
7 Wesen der Simulation und simulative Unternehmensbewertung
7.1 Wesen der Simulation
7.2 Wesen der Stochastischen Simulation
7.3 Grundüberlegung zur Bestimmung des Diskontierungssatzes
7.4 Grundlagen und Vorteile der simulationsbasierten Unternehmensbewertung
7.4.1 Grundlagen der simulationsbasierten Unternehmensbewertung
7.4.2 Vorteile in Bezug auf die Ermittlung des Nutzungswerts nach IAS 36
7.5 Darstellung des Ansatzes der unvollständigen Replikation
7.5.1 Motivation und Zweck des Ansatzes
7.5.2 Grundüberlegung zu und Darstellung der Replikationsgleichungen
7.5.2.1 Replikationsgleichung I
7.5.2.2 Replikationsgleichung II
7.5.2.3 Replikationsgleichung III
7.5.2.4 Replikationsgleichungspaar IV
7.5.3 Theoretischer Hintergrund
7.5.3.1 Entscheiderindividuelle Präferenzen
7.5.3.2 Realitätsnahes Financial Modelling
8 Simulationsbasierte Unternehmensbewertung mittels Sicherheitsäquivalent- und Risikozuschlagsmethode
8.1 Erläuterung und Formalisierung des Begriffs Sicherheitsäquivalent
8.2 Risikopräferenz
8.3 Problematik der Risikonutzenfunktion, Lösung: Sharpe-Ratio
8.3.1 Beschreibung der Problematik
8.3.2 Sharpe Ratio und μ-σ-Prinzip: Marktpreis des Risikos
8.4 Erläuterung und Darstellung der SÄ-Methode für die Ermittlung des Nutzungswerts
8.4.1 Erläuterung der SÄ-basierten Ermittlung des Nutzungswerts
8.4.2 Darstellung des Rechengangs der SÄ-Methode
8.5 Erläuterung der Risikozuschlagsmethode
8.6 Vergleich zwischen SÄ- und Risikozuschlagsmethode
8.7 Bestimmung der Kapitalkosten mithilfe der SÄ-Methode
8.8 Berechnung des Nutzungswerts auf Basis der SÄ- und Risikozuschlagsmethode
8.8.1 Nutzungswertberechnung in der Fortschreibungsphase mit der Risikozuschlagsmethode
8.8.2 Nutzungswertberechnung in der Detailplanungsphase mit der Risikozuschlagsmethode
8.8.3 Nutzungswertberechnung in der Fortschreibungsphase mit der Sicherheitsäquivalent-Methode
8.8.4 Nutzungswertberechnung in der Detailplanungsphase mit der Sicherheitsäquivalent-Methode
8.9 Sequenzielle Vorgehensweise zur Berechnung des Nutzungswerts
8.10 Grundsätzliche Entscheidungen im Umgang mit Risiken
8.11 Grundsätzliche Entscheidungen bei der simulativen Berechnung des NW
8.11.1 Wahl des Risikomaßes: Betafaktor oder VaR
8.11.1.1 Abwägung zwischen Betafaktor und VaR
8.11.1.2 These zur IAS 36-Konformität des VaR: Substitution des Betafaktors
8.11.1.2.1 IAS 36-Konformität des VaR: Argumentation
8.11.1.2.2 IAS 36-Konformität des VaR: Rechentechnische Umsetzung
8.11.2 Risikobezugseinheit
8.11.3 Risikoquantifizierungszeitraum
8.11.4 Diversifikationsfaktor
8.11.5 Risikoaggregationsreihenfolge
9 Ergebnisse zur MCS-basierten GoFW-Bilanzierung
9.1 Leitfragen der Ergebnisbetrachtung
9.1.1 Hinführung zu den Leitfragen
9.1.2 Leitfragen
9.2 Vor- und Nachteile der MCS in den einzelnen Bilanzierungsphasen
9.2.1 Einsatz der MCS vor der Akquisition
9.2.1.1 Erwartungstreue Bewertung des Akquisitionsobjekts
9.2.1.2 Prospektive Unternehmensbewertung
9.2.1.3 Protektionswirkung gegen Überzahlung
9.2.2 Einsatz der MCS bei Ansatz und Erstbewertung
9.2.2.1 Synergieorientierte GoFW-Allokation
9.2.2.2 Reduktion des Impairment-Puffers
9.2.3 Einsatz der MCS in der Folgebewertung
9.2.3.1 Konformität der MCS mit dem Nutzungswertkonzept
9.2.3.2 Wegfall der Anpassungsproblematik des Betafaktor
9.2.3.3 Ermittlung risikoadäquater Kapitelkosten
9.2.3.4 Plausibilisierung der zugrundeliegenden CF-Schätzung
Zielsetzung & Themen
Die vorliegende Masterthesis befasst sich mit der Anwendung der Monte-Carlo-Simulation (MCS) als Instrument zur wertorientierten Unternehmenssteuerung, insbesondere unter Berücksichtigung von VUCA-Rahmenbedingungen. Das primäre Ziel der Arbeit ist es, aufzuzeigen, wie durch eine stochastische Szenarioanalyse eine realistischere und robustere Unternehmensplanung erreicht und der Geschäfts- oder Firmenwert (GoFW) sowie der Nutzungswert belastbarer ermittelt werden kann, um so finanzielle Risiken effizienter zu steuern und Entscheidungsgrundlagen zu verbessern.
- Analyse und quantitativer Umgang mit dem VUCA-Phänomen in der Unternehmensplanung
- Integration von Risikomanagement und Controlling mittels Monte-Carlo-Simulation
- Methodische Weiterentwicklung der Unternehmensbewertung insbesondere bei der Folgebewertung des Goodwills nach IFRS
- Einsatz von Sicherheitsäquivalenz- und Risikozuschlagsmethoden zur Bestimmung risikoadäquater Kapitalkosten
- Untersuchung von Manipulationsmöglichkeiten bei der Goodwill-Bilanzierung
Auszug aus dem Buch
1.1 Auswirkungen des VUCA-Phänomens auf Unternehmen
Im Jahr 2022 operieren Unternehmen in einem hochdynamischen Multikrisen-Umfeld. Neben dem VUCA-Phänomen, sowie der Erderwärmung (Häufung von Katastrophenereignissen) kamen 2020 die Corona-Pandemie und gegenwärtig der russisch-ukrainische Krieg mit nachteiligen Folgen für die Wirtschaftssubjekte hinzu. Unter anderem ist im Zuge dieser Entwicklungen die Planungsunsicherheit deutlich angestiegen. Im Jahr 2020 erschien das Akronym „BANI“ (Brüchig, Ängstlich, Nichtlinear, Unbegreiflich, incomprehensible) analog des VUCA-Akronyms als Reaktion auf das Multikrisen-Umfeld. Das BANI-Rahmenwerk beansprucht die zeitgerechte Ablöse des VUCA-Rahmenwerks zu sein. Im Kern beschreibt es ein Umfeld des Chaos‘, mit der Handlungsempfehlung des Arrangierens mit diesem Chaos. Ob sich das BANI-Akronym durchsetzen wird, bleibt indessen abzuwarten. Die Treiber des VUCA-Phänomens – Digitalisierung bzw. die digitale Transformation (besonders Big-Data) und Globalisierung – sind wirksam; sie verstetigen sich. Daraus ergeben sich u. a. höhere Volatilitäten mit der Folge steigender Planungsunsicherheit für Unternehmen. Die engere Abfolge disruptiver Veränderungen führt darüber hinaus zu einer erhöhten Eintrittswahrscheinlichkeit existenzbedrohender Risiken. Beispielhaft sei hierzu auf den wachsenden Bedeutungsverlust von Printmedien, das Reisebürosterben oder die sinkende Anzahl von Bankfilialen verwiesen.
Abzugrenzen ist die Disruption von der Innovation: Bei einer Disruption wird ein Teil der Wertschöpfungskette überflüssig, Innovationen revolutionieren dagegen die Wertschöpfungskette. Die VUCA-Rahmenbedingungen eröffnen zugleich bspw. durch technologische Innovationen auch Chancen. Diese Chancen sind zusammengefasst v. a. Potenziale der Wettbewerbsfähigkeit: Neue Produkte und Dienstleistungen, Steigerung der Effizienz von Geschäftsprozessen, sowie die Weiterentwicklung oder Neuerfindung von Geschäftsmodellen.
Zusammenfassung der Kapitel
1 Problemstellung: Dieses Kapitel erörtert die Herausforderungen durch das VUCA-Phänomen und identifiziert die Notwendigkeit einer verbesserten Risikomanagement-Integration in die Unternehmensplanung.
2 Erläuterung des VUCA-Phänomens: Hier wird der Ursprung und die Bedeutung von VUCA sowie die Anwendung von VUCA-Prime in der strategischen Planung detailliert dargelegt.
3 Risikomanagement und Monte-Carlo-Simulation: Das Kapitel behandelt die gesetzlichen Anforderungen an das Risikomanagement und stellt die Monte-Carlo-Simulation als zentrales methodisches Instrument zur Risikoquantifizierung vor.
4 Gründe für die Ausweitung der MCS auf die gesamte Unternehmensplanung: Es werden Argumente für einen Paradigmenwechsel hin zur Bandbreitensimulation angeführt, um Planungsunsicherheiten belastbar abzubilden.
5 Wesen und Ansatzbilanzierung des GoFW nach IFRS: Dieses Kapitel erläutert die theoretischen Grundlagen des Geschäfts- oder Firmenwerts und die notwendige Allokation auf zahlungsmittelgenerierende Einheiten.
6 Folgebewertung des GoFW nach IAS 36: Der Fokus liegt auf dem Impairment-Only-Approach sowie den Ermittlungsgrundsätzen für den Nutzungswert und den zugehörigen Cashflows.
7 Wesen der Simulation und simulative Unternehmensbewertung: Hier werden die theoretischen Grundlagen der Simulation sowie spezifische Vorteile einer simulationsbasierten Bewertung erarbeitet.
8 Simulationsbasierte Unternehmensbewertung mittels Sicherheitsäquivalent- und Risikozuschlagsmethode: Es wird die praktische Anwendung dieser Methoden zur Bestimmung von Kapitalkosten und Nutzungswerten unter Berücksichtigung von Risiken beschrieben.
9 Ergebnisse zur MCS-basierten GoFW-Bilanzierung: Im abschließenden Hauptkapitel werden Erkenntnisse aus der Anwendung der MCS auf die verschiedenen Phasen der Goodwill-Bilanzierung zusammengefasst und bewertet.
Schlüsselwörter
Monte-Carlo-Simulation, VUCA, Unternehmensplanung, Risikomanagement, Goodwill, Impairment-Test, Nutzungswert, Risikoaggregation, Kapitalkosten, Sicherheitsäquivalent, Risikozuschlagsmethode, Volatilität, Wahrscheinlichkeitsverteilung, Unternehmensbewertung, Wertminderung
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Der Autor untersucht die Potenziale der stochastischen Simulation (Monte-Carlo-Methode) für eine moderne, risikoorientierte Unternehmensplanung und die Bilanzierung von Firmenwerten (GoFW) unter den komplexen Bedingungen volatiler Märkte (VUCA).
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf dem Risikomanagement, der stochastischen Modellierung von Unternehmensdaten, der IAS-36-konformen Bewertung des Goodwills und dem Vergleich klassischer Bewertungsmodelle mit simulationsbasierten Ansätzen.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel besteht darin, darzulegen, wie durch den Einsatz der Monte-Carlo-Simulation die Qualität von Unternehmensplanungen und -bewertungen gesteigert werden kann, um bessere Entscheidungsgrundlagen trotz hoher Unsicherheit zu schaffen.
Welche wissenschaftliche Methode verwendet der Autor?
Der Autor nutzt die Monte-Carlo-Simulation (MCS) als zentrales quantitatives Werkzeug, um Wahrscheinlichkeitsverteilungen und Risikoaggregationen für die Unternehmensplanung und Goodwill-Bewertung zu modellieren.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in theoretische Erläuterungen zum VUCA-Umfeld, die mathematischen Grundlagen der Szenarioanalyse, sowie deren praktische Anwendung auf IFRS-Bilanzierungsprobleme und die Ermittlung risikoadäquater Kapitalkosten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zentrale Begriffe sind neben der Monte-Carlo-Simulation (MCS) vor allem das VUCA-Phänomen, das Goodwill-Impairment (IAS 36), die Bestimmung des Nutzungswerts und die Risikoaggregation.
Wie trägt die MCS zur Lösung von Problemen bei der Goodwill-Bilanzierung bei?
Die MCS ermöglicht eine objektivere Quantifizierung von Synergieerwartungen und hilft, das Risiko einer bilanziellen Überschuldung durch eine sachgerechte Bewertung des Goodwills unter Unsicherheit besser einzuschätzen.
Warum ist das klassische CAPM laut Autor nur eingeschränkt geeignet?
Der Autor kritisiert, dass das standardmäßige CAPM auf vergangenheitsorientierten Aktienmarktdaten basiert und für unternehmensspezifische (idiosynkratische) Risiken sowie für nicht börsennotierte Einheiten kaum brauchbare Ergebnisse liefert.
Findet der "Impairment-Only-Approach" bei der Arbeit Anwendung?
Ja, der Autor erläutert ausführlich, wie dieser Ansatz für den derivativen Goodwill nach IAS 36 durch Impairment-Tests verwirklicht wird und welche Rolle dem Nutzungswert in diesem Kontext zukommt.
- Citar trabajo
- Adrian Krauß (Autor), 2022, Wertorientierte Unternehmenssteuerung in unsicheren Zeiten. Monte-Carlo-Simulationen versus Capital Asset Pricing Model, Múnich, GRIN Verlag, https://www.grin.com/document/1359567
