Anpassung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren


Diplomarbeit, 2008

120 Seiten, Note: 1,3


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1. Einführung
1.1 Problemstellung und Zielsetzung
1.2 Vorgehensweise

2. Theoretische Grundlagen der Unternehmensbewertung mit Multiplikatoren
2.1 Unternehmensbewertung mit Discounted Cash-Flow Verfahren
2.2 Das Konzept des Multiplikatorverfahrens
2.2.1 Grundlagen des Verfahrens
2.2.2 Multiplikatoren auf Basis der Gewinn- und Verlustrechnung
2.2.3 Buchwert- und Cashflow-Multiplikatoren
2.2.4 Theoretische Fundierung des Multiplikatorverfahrens aus dem Dividenden Discount Modell am Beispiel des Gewinn-Multiplikators
2.3 Stellhebel des Multiplikatorverfahrens
2.3.1 Auswahl des Werttreibers
2.3.2 Auswahl der Peer Group
2.3.3 Auswahl der Verdichtungsmethode
2.4 Einsatzgebiete und Grenzen von Multiplikatoren
2.4.1 Wertrelevanz und Verzerrung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren

3. Einflussfaktoren auf die Ungenauigkeit und Verzerrung von Gewinnprognosen
3.1 Unternehmensspezifische Faktoren
3.1.1 Verminderte Prognosequalität durch Unternehmenscharakteristika
3.1.2 Über - und Unterreaktion auf Informationen zu den Unternehmen
3.2 Analystenspezifische Faktoren
3.2.1 Faktoren bedingt durch Analysten-Charakteristika
3.2.2 Anreizbedingte Ursachen für die Verzerrung von Prognosen
3.3 Faktoren bedingt durch die Rechnungslegung
3.4 Erklärungsansätze hinsichtlich des Verhaltens von Analysten

4. Ausgewählte Regressionsansätze zur Erfassung des Prognosefehlers
4.1 Regressionsansatz nach Abarbanell/Bernard (1992)
4.2 Regressionsansatz nach Easterwood/Nutt (1999)
4.3 Regressionsansatz nach Gu/Xue (2007)
4.4 Regressionsansatz nach Ali/Klein/Rosenfeld (1992)
4.5 Regressionsansatz nach Gu/Wu (2003)

5. Empirische Umsetzung der Regressionsansätze
5.1 Untersuchungsmethoden
5.2 Datenbasis und Datenbereinigung
5.3 Operationalisierung der Regressionsvariablen

6. Ergebnisse der Regressionsanalysen
6.1 Deskriptive Statistik
6.1.1 Verteilungsstatistik
6.1.2 Korrelationsanalyse
6.2 Ergebnisse der Regressionsanalysen

7. Das Multiplikatorverfahren mit adjustierten Gewinnprognosen
7.1 Herleitung der Hypothese und Vorgehen im Multiplikatorverfahren
7.1.1 Hypothesenbildung
7.1.2 Vorgehen
7.2 Datensatz
7.3 Deskriptive Statistiken
7.4 Ergebnisse des Multiplikatorverfahrens und Diskussion der Befunde
7.4.1 Ergebnisse
7.4.2 Diskussion

8. Abschließende Bemerkungen und Ausblick

Anhang
A.1 Übersichtstabellen zu den Abschnitten 3.1 bis 3.3
A.2 Empirische Untersuchung - Regressionsanalysen
A.4 Empirische Untersuchung - Multiplikatorverfahren

Literaturverzeichnis

Tabellenverzeichnis

Tabelle A1: Studienergebnisse zur Erklärung der Verzerrung und Ungenauigkeit

Tabelle A2: Operationalisierung der Regressionsvariablen

Tabelle A3: Verteilungsstatistiken

Tabelle A4: Korrelationsmatrix Easterwood/Nutt (1999)

Tabelle A5: Korrelationsmatrix Ali/Klein/Rosenfeld (1992)

Tabelle A6: Korrelationsmatrix Gu/Wu (2003)

Tabelle A7: Korrelationsmatrix Gu/Xue (2007)

Tabelle A8: Nachschätzung Abarbanell/Bernard (1992)

Tabelle A9: Nachschätzung Ali/Klein/Rosenfeld (1992) - Grundmodell

Tabelle A10: Nachschätzung Ali/Klein/Rosenfeld (1992) - Erweitertes Modell

Tabelle A11: Nachschätzung Easterwood/Nutt (1999)

Tabelle A12: Nachschätzung Gu/Wu (2003) - Mittelwert-Median-Differenz

Tabelle A13: Nachschätzung Gu/Wu (2003) - Schiefe-Koeffizient

Tabelle A14: Nachschätzung Gu/Xue (2007) - Gewinnentwicklungen als Hauptvariable

Tabelle A15: Nachschätzung Gu/Xue (2007) - Gewinnprognosen als Hauptvariable

Tabelle A16: Nachschätzung Gu/Xue (2007) - Gewinnentwicklungen und Dispersion der Prognosen

Tabelle A17: Nachschätzung Gu/Xue (2007) - Gewinnprognosen und Dispersion der Prognosen

Tabelle A18: Nachschätzung Gu/Xue (2007) - Gewinnentwicklungen, Dispersion der Prognosen und Kontrollvariablen

Tabelle A19: Nachschätzung Gu/Xue (2007) - Gewinnprognosen, Dispersion der Prognosen und Kontrollvariablen

Tabelle A20: Nachschätzung Gu/Xue (2007) - Gewinnprognosen, Gewinnentwicklungen, Dispersion der Prognosen und Kontrollvariablen

Tabelle A21: Erwartete Fehler in den Gewinnprognosen

Tabelle A22: Deskriptive Statistik - Werttreiber

Tabelle A23: Deskriptive Statistik - Multiplikatoren

Tabelle A24: Inaccuracy der Multiplikatoren

Abbildungsverzeichnis

Abbildung A1: Marktpreisschätzung als lineare Funktion des Werttreibern

Abbildung A2: Aggregierte Multiplikatoren in Abhängigkeit der Verdichtungsfunktion

Abbildung A3: Prognosefehlerverteilung in der Stichprobe Ali/Klein/Rosenfeld (1992)

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einführung

1.1 Problemstellung und Zielsetzung

Das Multiplikatorverfahren erfährt in der Praxis von Analysten und Investoren im Rahmen der Aktienbewertung sowie von Investmentbanken bei Initial Pricing Offerings bzw. Unternehmenstransaktionen eine hohe Bedeutung.1 Ein wesentlicher Aspekt bei diesem Verfahren ist, dass anders als bei den zukunftsorientierten Bewertungsverfahren wie bspw. den Discounted Cash-Flow (DCF) Methoden keine Annahmen hinsichtlich der erwarteten Zahlungen getroffen werden müssen. Zudem dienen die DCF Verfahren der Ermittlung des inneren Wertes eines Objektes und liefern letztlich einen Grenzpreis, wohingegen mittels Multiplikatoren eine Schätzung des potentiellen Marktpreises vorgenommen wird. Die Modellwelt der Multiplikatoren besagt, dass das Produkt aus einem Werttreiber des zu bewertenden Unternehmens und einem auf einer Peer Group (Gruppe vergleichbarer Unternehmen) basierenden Börsenkurs-Werttreiber-Verhältnis den potentiellen Marktpreis des Unternehmens abbildet. Die Forschung untersucht dieses Modell dahingehend, in wieweit sich bspw. durch Wahl des Werttreibers oder der Vergleichsunternehmen eine Verbesserung der Schätzgenauigkeit erzielen lässt.2 Werden Vergleichsunternehmen auf Basis der Branche des zu bewertenden Unternehmens selektiert, zeigen Untersuchungen für den amerikanischen und europäischen Raum, dass Multiplikatoren mit Gewinnprognosen von Analysten3 als Werttreiber die besten Schätzungen erlauben im Vergleich zu Werttreibern aus der Gewinn und Verlust- bzw. der Kapitalflussrechnung und bestimmten Bilanzpositionen.4

Relativ wenig Forschung ist bisher hinsichtlich der genaueren Untersuchung der Werttreiber zu verzeichnen. Einzig Schreiner/Spremann (2007) haben bisher demonstriert, dass eine Adjustierung der Gewinne um F&E Aufwendungen zu besseren Marktpreisschätzungen durch Multiplikatoren bei Unternehmen in forschungsintensiven Branchen führt, weil F&E Aufwendungen wertrelevante Informationen beinhalten. Dieses Vorgehen wirft im Zusammenhang mit den Multiplikatoren auf Basis der Gewinnprognosen die Untersuchungsfrage dieser Arbeit auf, ob und wie eine Verbesserung der Marktpreisschätzung erzielt werden kann, wenn jener Werttreiber um den in der Literatur zahlreich nachgewiesen Prognosefehler bereinigt wird. Für den amerikanischen sowie europäischen Markt ist zu konstatieren, dass die Gewinnerwartungen von Analysten einerseits ungenau und anderseits verzerrt sind, d.h. im Durchschnitt liegen die Prognosen über den realisierten Gewinnen.5 Autoren wie Hughes et al. (2006) und Ali et al. (1992) haben bereits gezeigt, dass eine Erfassung des Prognosefehlers über Regressionsmodelle und eine anschließende Adjustierung der Prognosen um den erwarteten Fehler eine Reduktion jener Verzerrung zur Folge hat. Bspw. berichten Ali et al. (1992) eine durchschnittliche Verbesserung von 12 %.6 Dieses Vorgehen soll nun in dieser Diplomarbeit anhand angewählter Regressionsansätze aufgegriffen werden. Die Grundlage für die Nachschätzung der Ansätze sind Daten zu US-amerikanischen Unternehmen. Der adjustierte Werttreiber wird dann im Multiplikatorverfahren verwendet und es wird geprüft, ob auf diesem Wege eine höhere Genauigkeit erzielt werden kann.

1.2 Vorgehensweise

Diese Diplomarbeit lässt sich in einen theoretischen sowie einen empirischen Teil gliedern. Der theoretische Teil umfasst die Kapitel 2 bis 4. In Kapital 2 werden zunächst die Grundlagen des Multiplikatorverfahrens im Rahmen der Unternehmensbewertung vermittelt. Ausgehend von der Darstellung der DCF Verfahren in 2.1 erfolgt eine Beschreibung des Multiplikatormodells in 2.2. In den Unterabschnitten wird das Konzept des Verfahrens, diverse Multiplikatoren auf Basis von Strom-, Bestands- und Cashflowgrößen sowie eine theoretische Fundierung des Modells vorgestellt. Abschnitt 2.3 fasst die Befunde empirischer Studien hinsichtlich der Wirkung von der Wahl des Werttreibers, der Vergleichsunternehmen und der Verdichtungsfunktion auf die Genauigkeit des Multiplikatorverfahrens zusammen. In 2.4 werden die Anwendungsmöglichkeiten sowie die damit verbundenen Grenzen des Multiplikatorverfahrens diskutiert. Abschnitt 2.5 dient als Überleitung zu Kapitel 3 und erläutert, aus welchen Gründen Gewinnprognosen als Werttreiber den hohen Stellenwert in der Multiplikator-Literatur besitzen und was unter dem Aspekt verzerrter Prognosen zu verstehen ist. Kapital 3 befasst sich anschließend intensiv mit den in der Forschung identifizierten Einflussfaktoren auf die Ungenauigkeit und Verzerrung der Gewinnprognosen. In den Unterabschnitten 3.1 bis 3.3 werden dabei die Ergebnisse von Untersuchungen vorgestellt, welche Ursachen für jene Verzerrung sowie Ungenauigkeit anhand der Unternehmen und ihren Charakteristika, den Analysten und deren Umfeld sowie der konservativen Rechnungslegung aufzeigen. Zum Abschluss von Kapitel 3 wird in 3.4 die Rationalität bzw. das Verhalten von Analysten thematisiert. Kapitel 4 der Arbeit befasst sich mit der Vorstellung ausgewählter Regressionsansätze, welche genutzt werden sollen, um die Prognosefehler zu erklären. Hierbei erhält der Leser eine kurze Darstellung der zentralen Ergebnisse und einen Überblick über die formale Abbildung der Modelle. Die Regressionsansätze greifen dabei auf in Kapitel 3 dargestellte Gründe für den Fehler zurück und sollen diese nun empirisch validieren. Die Aufführung der Regressionsansätze dient somit als Grundlage für die durchzuführenden Untersuchungen im empirischen Teil dieser Arbeit.

Der empirische Teil beginnt mit Kapitel 5, in welchem die Untersuchungsmethoden, der Datensatz und seine Bereinigung sowie die Operationalisierung der Regressionsvariablen vorgestellt werden.7 Kapitel 6 beinhaltet die deskriptiven Statistiken sowie die Ergebnisse und Interpretationen der nachgeschätzten Regressionsansätze.8 In Kapitel 7 wird untersucht, ob die adjustierten Gewinnprognosen einen besseren Werttreiber darstellen als die eigentlichen Analystenschätzungen und somit einen höheren Informationsgehalt bzgl. der Unternehmensbewertung aufweisen. Nach Formulierung der Hypothese zum Multiplikator mit angepasstem Werttreiber und Erläuterung des Vorgehens bspw. hinsichtlich der Wahl der Verdichtungsfunktion sowie der Vergleichsunternehmen in 7.1, wird in 7.2 der Datensatz beschrieben. 7.3 fasst die deskriptiven Statistiken zusammen und 7.4 beinhaltet die Ergebnisse der Untersuchung des Multiplikatorverfahrens mit adjustierten Gewinnprognosen inklusive einer Diskussion der Befunde. In Kapitel 8 werden die Ergebnisse dieser Arbeit zusammengefasst und Ideen für weitere Forschung kurz aufgeführt.

2. Theoretische Grundlagen der Unternehmensbewertung mit Multiplikatoren

2.1 Unternehmensbewertung mit Discounted Cash-Flow Verfahren

Das Konzept der DCF Verfahren basiert auf dem Barwertkalkül der Investitionsrechnung für ein Projekt mit (unsicheren) Zahlungsüberschüssen, einem risikoadjustierten Zinssatz sowie einer Diskontierung der Überschüsse auf den gegenwärtigen Zeitpunkt, welches zur Ermittlung von Marktwerten des Eigen- oder Gesamtkapitals auf Unternehmensebene ausgeweitet wird.9 Wesentliche Aufgaben für den Bewertenden entstehen bei der Ermittlung der Zahlungsüberschüsse sowie der Bestimmung der Diskontierungsgrößen. Die Zahlungsüberschüsse werden im Rahmen eines Detailplanungszeitraumes periodenspezifisch prognostiziert. In der folgenden Rentenphase werden sie als ewig konstant wachsende oder konstante Rente modelliert.10 Die Ermittlung von Zähler- und Nennergröße ist verfahrensspezifisch und erlaubt eine Gliederung der DCF Verfahren in das Weighted Average Cost of Capital (WACC) Verfahren, das Total Cashflow Verfahren, das Adjusted Present Value Verfahren sowie das Flow to Equity Verfahren. Die ersten drei genannten Verfahren lassen sich dem Entity Ansatz zuordnen, wonach der Gesamtwert des Unternehmens unter jeweiligen Finanzierungsprämissen darstellt wird. Die WACC Methode hat sich hierbei als das in der Praxis weitverbreitteste Verfahren herausbilden können.11 Die Bestimmung der Zahlungsüberschüsse hat hierbei finanzierungsneutral zu erfolgen, d.h., Zahlungsströme an die Eigen- und Fremdkapitalgeber werden gemeinsam erfasst, womit diese als Brutto Cashflows oder auch Free Cashflows (FCF) bezeichnet werden.12 Eine Abbildung der Verschuldung sowie der steuerlichen Belastung erfolgt durch den Kalkulationszinssatz - in diesem Fall der gewichtete Kapitalkostensatz (WACC). Über die WACC Methode lässt sich der Marktwert des Eigenkapitals wie folgt berechen:13

Abbildung in dieser Leseprobe nicht enthalten

Der Marktwert des Eigenkapitals[Abbildung in dieser Leseprobe nicht enthalten]zum heutigen Zeitpunkt ergibt sich aus dem Barwert aller erwarteten unsicheren Free Cashflows[Abbildung in dieser Leseprobe nicht enthalten]eines Unternehmens über den Detailplanungszeitraum sowie dem Barwert der Free Cashflows ermittelt über die ewige Rente abzüglich des heutigen Marktwertes der Nettofinanzverbindlichkeiten[Abbildung in dieser Leseprobe nicht enthalten]des Unternehmens.14

Über den Equity Ansatz lässt sich der Marktwert des Eigenkapitals hingegen direkt berechnen. Anstelle der Free Cashflows werden nur Zahlungsüberschüsse ermittelt, welche die Zahlungsströme durch Fremdfinanzierung erfassen, so dass diese dann als Flow to Equity die verbleibenden Cashflows an die Eigenkapitalgeber abbilden. Der WACC wird durch den Fokus auf das Eigenkapital durch den aus dem Capital Asset Pricing Model (CAPM)15 geschätzten Eigenkapitalkostensatz ersetzt.16

2.2 Das Konzept des Multiplikatorverfahrens

2.2.1 Grundlagen des Verfahrens

Das Multiplikatorverfahren ermittelt anders als die DCF-Verfahren nicht den inneren Wert eines Unternehmens, sondern dient der Schätzung des potentiellen Marktpreises über einen relativen Preisvergleich mit anderen Unternehmen.17 Somit ist nicht der Grenzpreis Ziel der Bewertung, sondern ein möglicher Kauf- bzw. Verkaufspreis.18 Die Tatsache, dass das Multiplikatormodell auf am Markt entstandenen Preisen und dort verarbeiteten Informationen beruht, lässt die Bezeichnung eines „marktorientierten Bewertungsansatzes“ zu.19 Wie bei den DCF-Verfahren existieren ein Entity- sowie ein Equity-Ansatz.20 Über Equity-Multiplikatoren wird der potentielle Marktpreis des Eigenkapitals ermittelt, womit der Kurs je Aktie bzw. die Börsenkapitalisierung und entsprechende Größen des Jahresabschlusses, die an die Eigenkapitalgeber adressiert sind, wie etwa der Jahresüberschuss, in das Modell einfließen.21 Die Schätzung des Marktpreises des zu bewertenden Unternehmens (Bewertungsobjekt) über einen Equity- Multiplikator erfolgt in mehreren Schritten:22 Um den zu schätzenden Preis ˆ eq des[Abbildung in dieser Leseprobe nicht enthalten]Bewertungsobjektes i zum Zeitpunkt t zu ermitteln, muss zunächst ein finanzwirtschaftlicher Werttreiber ausgewählt werden.23 Anschließend gilt es eine Auswahl von j =1,..., J zum Bewertungsobjekt vergleichbarer Unternehmen zu identifizieren und zu einer Peer Group[Abbildung in dieser Leseprobe nicht enthalten]zusammenzufassen, wobei i selbst nicht dieser Gruppe angehören darf. Dann wird für alle Unternehmen der Peer Group jeweils ein Verhältnis aus dem beobachteten Preis des Eigenkapitals[Abbildung in dieser Leseprobe nicht enthalten]sowie dem gewählten[Abbildung in dieser Leseprobe nicht enthalten]Werttreiber X eq ermittelt. Die einzelnen Multiplikatoren der Vergleichsunternehmen[Abbildung in dieser Leseprobe nicht enthalten]müssen darauf folgend mittels einer Verdichtungsfunktion V wie bspw. dem arithmetischen Mittel oder dem Median zu einem aggregierten Multiplikator[Abbildung in dieser Leseprobe nicht enthalten]zusammengefasst werden. In einem letzen Schritt wird der potentielle Marktpreis von i als Produkt aus[Abbildung in dieser Leseprobe nicht enthalten]und dem Werttreiber[Abbildung in dieser Leseprobe nicht enthalten] errechnet:

Abbildung in dieser Leseprobe nicht enthalten

Die Ermittlung des Unternehmensgesamtwertes[Abbildung in dieser Leseprobe nicht enthalten]über den Entity-Ansatz verläuft analog, wobei die Zählergröße um den geschätzten Marktpreis des Fremdkapitals[Abbildung in dieser Leseprobe nicht enthalten]zu erweitern ist. Für[Abbildung in dieser Leseprobe nicht enthalten]hat sich in der Theorie und der Forschung der Buchwert der Nettofinanzverbindlichkeiten als geläufiger Schätzer erwiesen.24[Abbildung in dieser Leseprobe nicht enthalten]ist im Entity- Ansatz als Entity-Werttreiber, wie bspw. dem Umsatz, von i zu verstehen.

Abbildung in dieser Leseprobe nicht enthalten

Es wird deutlich, dass dem Modell die zentrale Annahme einer linearen Beziehung zwischen dem geschätzten Preis und dem gewählten Werttreiber zu Grunde liegt, d.h., das Bewertungsobjekt und die Unternehmen der Peer Group unterscheiden sich nur durch die Höhe von Xi,t. Aus diesem Grund sollte der Werttreiber alle unternehmensspezifischen Faktoren enthalten, die eine Marktpreisdifferenz zu den Peer Group Unternehmen ausmacht, womit hingegen alle darin nicht abgebildeten Faktoren annahmegemäß zwischen Peer Group und Bewertungsobjekt konstant sind.25 Daher gilt es, Vergleichunternehmen zu identifizieren, die hinsichtlich wertrelevanter Faktoren dem Bewertungsobjekt möglichst ähnlich sind.26 Zudem muss im Modell das Identitätsprinzip gewahrt werden, was zum einen bedeutet, dass Zähler und Nenner des Multiplikators bzgl. der Adressaten übereinstimmen müssen. Bspw. sind Börsenkurse mit dem Jahresüberschuss als eine an die Eigenkapitalgeber adressierte Größe zu 27 skalieren.

Dies ist damit zu begründen, dass sich die Marktpreise des Bewertungsobjektes und der Peer Group Unternehmen in Relation zum Werttreiber entsprechen sollen sowie Zähler und Nenner eine möglichst hohe Korrelation aufweisen müssen. Zum anderen ist eine Informationskonsistenz der beiden Größen sicherzustellen, d.h., dass die im Werttreiber enthaltenen Informationen auch im Marktpreis verarbeitet sind und zudem möglichst aktuell sein müssen.28

Abbildung A1 zeigt abschließend geschätzte alternative Eigenkapitalmarktpreise bei einer gegebenen Höhe des Werttreibers (schwarze senkrechte Linie) und alternativen Höhen des aggregierten Multiplikators als Folge unterschiedlicher Peer Groups. Entlang der grünen Linie erkennt man die Bestimmung der geschätzten Marktpreise ausgehend von unterschiedlich hoch ausgeprägten Werttreibern.

Abbildung A1: Marktpreisschätzung als lineare Funktion des Werttreibern

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

2.2.2 Multiplikatoren auf Basis der Gewinn- und Verlustrechnung

An Hand der Gewinn- und Verlustrechnung (GuV) sind sowohl Equity- als auch Entity-Multiplikatoren ermittelbar. Alle Werttreiber vom Umsatz bis zum EBIT (Earning Before Interest and Taxes) werden durch das gesamte gebundene Kapital erwirtschaftet und werden für Entity-Multiplikatoren verwendet. Die nachfolgenden Größen dienen der Skalierung von Börsenkursen.29 Einerseits gilt generell, je höher der Werttreiber in der GuV angesiedelt ist, desto weniger kann er von der Bilanzpolitik, Rechnungslegung und der Steuerpolitik beeinflusst werden. Andererseits werden solche Werttreiber weniger unternehmensspezifische Informationen z.B. hinsichtlich operativer Effizienz oder der Preispolitik widerspiegeln, welche wiederum Börsenkurs determinierend sind.30

Für Umsatz-Multiplikatoren gilt im Gegensatz zu bspw. Gewinn-Multiplikatoren, dass der Werttreiber stets positiv ist und somit die Bildung ökonomisch interpretierbarer Multiplikatoren erlaubt, die auch bei Verlust ausweisenden Unternehmen Anwendung finden können.31 Ein weiterer Vorteil des Umsatzes ist, dass er stark durch strategische Änderungen oder das Branchenwachstum beeinflusst wird und somit als Indikator für die künftige Entwicklung eines Unternehmens gesehen werden kann.32 Hingegen zeigen Umsätze nicht die Ertragskraft und gerade bei Verlust ausweisenden Unternehmen ist zu beachten, dass Umsatz-Multiplikatoren mit unter hohe Werte annehmen und dabei die entsprechend schlechte Finanzlage unberücksichtigt bleibt.33 Dennoch nutzen Analysten diesen Multiplikator bei jungen Unternehmen bzw. Hochtechnologie-Firmen, weil deren Gewinne neben hoher Volatilität auch durch hohe F&E- und Start-up- Aufwendungen sowie sonstige transitorische Effekte geprägt sind, womit sie weniger informativ sind. Insbesondere in F&E-intensiven Industrien besitzen Umsätze daher eine verstärkte Erklärungskraft des Börsenkurses.34

Das EBITDA (Earnings Before Interest, Tax, Depreciation and Amortization) als Werttreiber spiegelt die Ertragskraft der Unternehmen wieder und dient in der Praxis als Approximation von Cashflow Werttreibern. Das EBITDA ist der Ertrags-Indikator, der am geringsten von internationalen - teils stark abweichenden - Steuersystemen, der Rechnungslegung35 sowie den Fremdkapitalkonditionen beeinflusst wird. Zudem ist ein Vergleich von Unternehmen mittels dieser Multiplikatoren möglich, die sich stark in ihren Verschuldungsgraden unterscheiden.36

Das EBIT dagegen wird einerseits von der Bilanzpolitik und den unterschiedlichen Rechnungslegungsstandards beeinflusst und andererseits ist ein Vergleich von Unternehmen auf Basis des EBIT problematisch bzgl. des abzuschreibenden Firmenwertes. Neben dem international unterschiedlichen Vorgehen hinsichtlich der Abschreibungsverfahren ist zu fragen, ob ein Unternehmen durch Akquisitionen gewachsen ist und somit Firmenwert abschreiben kann. Die Nichtbeachtung der Abschreibungen macht hingegen den EBIT-Multiplikator für Unternehmen unterschiedlicher Anlageintensitäten einsetzbar.37 Ungeachtet dessen sind Entity- Multiplikatoren generell kritisch zu betrachten, da die Zählergröße in der Regel eine Approximation des Fremdkapitalmarktpreises in Form des Buchwertes und nicht des tatsächlichen Marktpreises beinhaltet.38

Gewinnmultiplikatoren können als Werttreiber neben den berichteten Jahresüberschüssen auch die prognostizierten Gewinne aufweisen. Gewinnprognosen als Werttreiber werden in Abschnitt 2.5 gesondert betrachtet. Als finale Position in der GuV bildet der Gewinn einerseits im höchsten Maße die Ertragskraft des Unternehmens ab und unterliegt andererseits im höchsten Maße der Verzerrung durch Steuern und Rechnungslegungsstandards.39 Bspw. kann in den USA seit Anfang der 50er Jahre des letzten Jahrhunderts eine Zunahme der Wirkungen der konservativen Rechnungslegung (conservatism) auf die Gewinne festgestellt werden. Für jenen Zeitraum kann gezeigt werden, dass vermehrt kleine Gewinne bzw. Verluste berichtet worden sind. Die daraus resultierenden ansteigenden Gewinnmultiplikatoren sind somit nicht zwingend auf Änderungen in den Fundamentalfaktoren der Unternehmen (Wachstum, Profitabilität und Risiko) zurückzuführen, was anhand des zeitlich relativ stabilen Verlaufs der den Gewinnen zugrunde liegenden Cashflow-Verteilungen gezeigt werden kann.40 Die Konsequenz des conservatism ist nicht unproblematisch, da einerseits Unternehmen mit ausgewiesenen Verlusten nicht verwendet werden dürfen und andererseits niedrige Gewinne im Nenner vergleichsweise hohe sowie ökonomisch schwer interpretierbare Multiplikatoren zur Folge haben. Außerdem sollte es für Investoren wesentlich sein, dass jener conservatism im internationalen Vergleich unterschiedlich stark ausgeprägt sein kann. So ist die konservative Bilanzierung in code law Ländern wie Deutschland in höherem Maße vertreten als in common law Ländern, wie den USA und Großbritannien,41 was in einem länderübergreifenden Vergleich von Unternehmen mittels Multiplikatoren zu beachten ist. Weiterhin muss beachtet werden, dass der conservatism unter den Branchen eines Landes in unterschiedlichem Ausmaß vorliegt.42 So ist ein branchenübergreifender Vergleich mittels Gewinn-Multiplikatoren problematisch, weil bspw. die Gewinne von Unternehmen in F&E-intensiven Branchen auf Grund der konservativen Behandlung von F&E Aufwendungen nach unten verzerrt sind.43 Dieser Effekt kann sich sogar in derselben Branche dadurch verstärken, dass sich Unternehmen in unterschiedlichen Lebenszyklen befinden und folglich abweichende F&E Intensitäten aufweisen. Daher wird für das Multiplikatorverfahren gefordert, bei der Bewertung von Unternehmen solcher Industrien F&E Aufwendungen in die Gewinne zurück zu rechnen, da sie als Indikator für künftige Profitabilität zu sehen sind.44

2.2.3 Buchwert- und Cashflow-Multiplikatoren

Bei Buchwert-Multiplikatoren handelt es sich entweder um eine Skalierung der Börsenkapitalisierung mit dem Eigenkapitalbuchwert oder im Sinne eines Entity- Multiplikators erfolgt ein Bezug auf den Buchwert der Aktiva.45 Eine sinnvolle Anwendung der Buchwert-Multiplikatoren richtet sich in erster Linie nach der Relevanz der Buchwerte für die Börsenkapitalisierung. So besitzen Buchwerte im Finanzsektor eine hohe Erklärungskraft, weil die Bilanzen von bspw. Banken weitestgehend durch Verbindlichkeiten und finanzielle Vermögensgegenstände geprägt sind. In kapitalintensiven Branchen, wie der Energie- und Versorgungswirtschaft oder der Fertigungsindustrie, stehen Buchwerte ebenfalls in hohem Zusammenhang zum Börsenkurs, weil die materiellen Vermögensgegenstände des Anlagevermögens wesentliche Treiber für künftige Gewinne und Cashflows sind und somit stellvertretend für die Ertragskraft der Unternehmen zu sehen sind.46 Inhaltslose Buchwert- Multiplikatoren sind hingegen z.B. im Dienstleistungssektor zu erwarten. Das Anlagevermögen von Unternehmen in dieser Branche, wie bspw. Unternehmensberatungen, bildet nicht das Wissen der Angestellten als einen der zentralen Werttreiber ab. Weiterhin sind Buchwert-Multiplikatoren mit Vorsicht zu betrachten, wenn wesentliche Werttreiber bilanziell nicht erfasst werden dürfen. F&E Kosten - wie bereits beschrieben - werden in der Regel als Aufwandpositionen behandelt, was in F&E intensiven Industrien im Extremfall zu negativen Gewinnen und somit zu einem stark verminderten oder sogar zu einem negativen Eigenkapitalbuchwert führen kann, womit diese Unternehmen mangels fehlender ökonomischer Interpretierbarkeit der Multiplikatoren aus der Bewertung ausscheiden.47 Sehr geringe Buchwerte führen zudem zu sehr hohen und schwer interpretierbaren Multiplikatoren. Branchenunabhängig kann bspw. für die Gesamtwirtschaft der USA eine Erhöhung der Buchwertmultiplikatoren durch die Verstärkung des conservatism in Form von vermehrten Abschreibungen oder Unterbewertungen des Eigenkapitals festgestellt werden.48 Als Vorteil der Buchwert-Multiplikatoren ist zu nennen, dass sie - sofern positiv - bei Unternehmen mit temporären Verlusten oder negativen Cashflows anwendbar sind und bei jenen Unternehmen dann eine hohe Erklärungskraft des Börsenkurses aufweisen.49

Cashflows als Werttreiber erlauben die Bildung von Entity- bzw. Equity- Multiplikatoren. Für Entity-Multiplikatoren fungieren der operative Cashflow und der um Investitionszahlungen angepasste Free Cashflow als Werttreiber. Letzterer ist auf Grund der meist ungenauen Angaben zu den Investitionsaktivitäten der Unternehmen schwer ermittelbar.50 Falls ermittelbar, wird die Höhe des Multiplikators im Zeitverlauf stark durch unterschiedliche Investitionsintensitäten (ins Anlage- und Umlaufvermögen) beeinflusst.51 Equity-Multiplikatoren besitzen den Flow-to-Equity als Werttreiber und erfordern zur problemlosen Anwendung genaue Kenntnis über die Änderungen der zinstragenden Verbindlichkeiten des Unternehmens. Als Vorteil von Cashflow- Multiplikatoren wird die geringe Beeinflussung durch die Rechnungslegungspraktiken der Unternehmen genannt und sie bilden wie die Gewinne unternehmensspezifische Informationen.52

2.2.4 Theoretische Fundierung des Multiplikatorverfahrens aus dem Dividenden

Discount Modell am Beispiel des Gewinn-Multiplikators Das Dividenden Discount Modell (DDM) baut auf dem gleichen investitionstheoretischen Ansatz wie die DCF Verfahren auf. Die Summe der erwarteten Zahlungen - in diesem Fall Dividenden Zahlungen - werden mit der geforderten Rendite der Eigenkaitalgeber abdiskontiert.53 Im Folgenden wird anhand des DDM gezeigt, dass den zukunftsorientierten Bewertungsverfahren sowie den Multiplikator- Modellen die gleichen Fundamentalfaktoren Wachstum, Profitabilität und Risiko zu Grunde liegen. Dabei wird im Multiplikatormodell eine Konstanz dieser Faktoren im Zeitverlauf unterstellt.

Die Ableitung des Gewinn-Multiplikators aus dem DDM ergibt sich wie folgt:54

Abbildung in dieser Leseprobe nicht enthalten

Gewinnmultiplikator nach Division mit EPS

Abbildung in dieser Leseprobe nicht enthalten

Der Gewinn-Multiplikator bzw. der geschätzte Marktpreis stehen somit in positiven Zusammenhang mit den Faktoren Wachstum und Profitabilität und fallen mit steigendem Risiko.55

2.3 Stellhebel des Multiplikatorverfahrens

2.3.1 Auswahl des Werttreibers

Der linear proportionale Zusammenhang zwischen Werttreiber und potentiellem Marktpreis lässt die Frage zu, welcher Werttreiber am besten zur Skalierung geeignet ist. Liu et al. (2002) zeigen in ihrer Studie über den amerikanischen Markt, dass im Falle von Branchenmultiplikatoren Multiplikatoren auf Basis von Analysten-Gewinn- Schätzungen gefolgt von Gewinnmultiplikatoren basierend auf Jahresabschlussdaten die besten Marktpreisschätzungen über fast alle betrachteten Industrien erlauben. Eine vergleichsweise mittelmäßige Schätzgenauigkeit wird den Buchwert-, EBITDA- und Cashflow-Multiplikatoren zugeschrieben, wohingegen die Umsatzmultiplikatoren über fast alle Industrien die ungenauesten Schätzungen erlauben.56 Die Unterschiede in den ermittelten Genauigkeiten begründen die Autoren mit dem Gehalt an wertrelevanten Informationen in den einzelnen Werttreibern.57 Dass dies branchenunabhängig gilt, widerlegt die Vermutung, dass gleiche Typen von Multiplikatoren in verschiedenen Industrien unterschiedlich effizient sind. Zudem widerlegen die relativ mittelmäßigen Genauigkeiten der Cashflow-Multiplikatoren die weit verbreite Ansicht der Überlegenheit dieser Multiplikatoren, weil Cashflows im Gegensatz zu Gewinnen wertrelevante Informationen durch Accruals vernachlässigen.58 Die Ergebnisse zu den Umsatz-Multiplikatoren müssen jedoch mit Vorsicht betrachtet werden, weil in der Stichprobe nur Unternehmen mit positiven Gewinnen bzw. Cashflows enthalten sind, womit Unternehmen bspw. aus der Hochtechnologie-Branche, die mitunter auf Grund ihrer Finanz- und Ertragslage nur für den Umsatzmultiplikator in Frage kommen, in der Untersuchung keine Berücksichtigung gefunden haben.59

Lie/Lie (2002) bestätigen die Befunde zu Liu et al. (2002) bzgl. der Bedeutung von Gewinnprognose-Multiplikatoren im Branchenvergleich, wohingegen sie jedoch für vergangenheitsorientierte Gesamtunternehmensmultiplikatoren, basierend auf den Buchwerten des Anlagevermögens, bessere Ergebnisse aufzeigen als für Gewinn- Multiplikatoren.60 Für den europäischen und amerikanischen Markt bestätigen Schreiner/Spremann (2007) ebenfalls die Ergebnisse von Liu et al. (2002) und zeigen eine deutliche Verringerung des Schätzfehlers unter Verwendung von Gewinnprognose- Multiplikatoren, welche sich zudem verstärkt, wenn der Prognosehorizont von einem Jahr auf zwei Jahre ansteigt. Interessanterweise zeigt diese Studie zudem, dass Multiplikatorschätzungen (für Entity-, Equity- und Gewinnprognose-Multiplikatoren) auf Basis der USA-Daten im Durchschnitt um etwa 10 % genauer sind als in Europa, was mit höheren Publizitätsanforderungen bzgl. wertrelevanter Rechnungslegungsinformationen im stärker Eigenkapitalgeber orientierten Finanzsystem der USA und der Qualität der Gewinnprognosen von amerikanischen Analysten seitens der Autoren begründet wird. Zudem wird eine geringere Informationseffizienz in den europäischen Aktienmärkten vermutet, d.h., Informationen aus den Jahresabschlusskennzahlen und den Analystenprognosen werden in Europa relativ zu den USA unvollständiger in den Kursen abgebildet.61 Die Studie zeigt zudem in Einklang mit dem Grundgedanken und den Ergebnissen von Liu et al. (2002)

(Werttreiber mit höherem Informationsgehalt bedingen bessere Multiplikatorschätzungen) eine Verbesserung der Marktpreisschätzungen, wenn in F&E intensiven Branchen Gewinngrößen um F&E Aufwendungen, Abschreibungen auf immaterielle Vermögensgegenstände und so genannte Knowlegde Costs adjustiert 62 werden.

Diese Befunde gelten sowohl bei Entity- als auch bei Equity Multiplikatoren.63

2.3.2 Auswahl der Peer Group

Neben der Wahl des geeinten Werttreibers ist zu beachten, dass in den skalierten Marktpreisen der Peer Group Unternehmen unternehmensspezifische Informationen verarbeitet sind, womit die Unterschiede zwischen Peer Group und Bewertungsobjekt möglichst gering sein müssen.64 Die Herleitung des Gewinn-Multiplikators sowie die partiellen Ableitungen in Abschnitt 2.2.4 unterstreichen die Bedeutung der Fundamentalfaktoren für das Multiplikatormodell, wonach eine Variierung in jenen Fundamentalfaktoren theoretisch eine Veränderung des Multiplikators bedingt und somit einen Einfluss auf die Marktpreisschätzung hat. Die zu beantwortende Frage ist daher, auf welche Weise die Unterschiede zwischen den Unternehmen, die letztlich zu unterschiedlichen Bepreisungen am Kapitalmarkt führen, erfasst werden können, um eine möglichst hohe Homogenität zwischen Peer Group und Bewertungsobjekt zu erzielen. Damodaran (2002) definiert Vergleichbarkeit von Unternehmen, wenn sie bzgl. der Fundamentalfaktoren ähnlich sind. In der Praxis sind hingegen meist aus Gründen der Praktikabilität Branchenmultiplikatoren weit verbreitet.65

Alford (1992) untersucht die Wirkung von unterschiedlichen Methoden zur Ermittlung von Peer Groups auf die Genauigkeit des Gewinn-Multiplikators. Er wählt Kennzahlen von Unternehmen wie z.B. dem Return on Equity (ROE) und dem Buchwert der Aktiva, um wertrelevante Informationen zu erfassen. Zudem operationalisiert Alford (1992) die Branchenzugehörigkeit der Unternehmen über den Standard Industrial Classification Code (SIC Code) als alternativen Weg, vergleichbare Unternehmen zu identifizieren.66 Die Studie zeigt zum einen, dass, wenn Peer Groups auf ähnlichen ROE-Größen und Buchwerten in Kombination basieren, bessere Schätzungen erzielt werden, als wenn die Kenngrößen einzeln angewendet werden. Die höchste Schätzgenauigkeit wird jedoch den Branchenmultiplikatoren - gebildet über den SIC Code - zugeschrieben. Eine Verengung der Branchen nach dem SIC-Kriterium über Kennzahlen führt sogar zu einer Verschlechterung der Ergebnisse. Erfolgt hingegen eine Verengung der relevanten Unternehmen durch einen Übergang vom einstelligen bis zum dreistelligen SIC Code, ist jeweils eine Verbesserung der Genauigkeit festzustellen.67 Daraus schließt Alford (1992), dass Branchen - operationalisiert über den SIC Code - ein effizientes Mittel sind, um Unterschiede unter den Unternehmen zu erfassen.68

Hermann/Richter (2003) können diese Ergebnisse in ihrer Untersuchung allerdings nicht bestätigen. Sie zeigen im Rahmen eines risikoneutralen Bewertungsansatzes, dass die Bildung von Peer Groups nach dem SIC Code für den Gewinnmultiplikator keine bessere Schätzung der Marktpreise bietet, wenn alternativ Vergleichsunternehmen über diverse Kennzahlen als Proxys für die Fundamentalfaktoren Wachstum und Profitabilität zu Referenzgruppen gebündelt werden.69 Vergleichbar zu der Studie von Hermann/Richter (2003) zeigen Dittmann/Weiner (2005) im Falle des EBIT- Multiplikators, dass SIC Code basierte Peer Groups schlechtere Preisschätzungen erbringen, als wenn der Multiplikatorberechnung eine Selektion der Unternehmen nach ähnlichen Return on Asset -Werten und Buchwerten vorausgeht.70

Die Studien Bhojraj/Lee (2002) und Henschke/Homburg (2008) argumentieren vergleichbar zu den letzt genannten Autoren. Jedoch wählen sie einen regressionsbasierten Ansatz, um vergleichbare Unternehmen zu identifizieren. Im ersten Schritt des Bhojraj/Lee-Ansatzes führen die Autoren branchenübergreifende multiple lineare Regressionen für Unternehmen des amerikanischen Marktes durch, bei welchen Entity - bzw. Equity -Multiplikatoren als abhängige und diverse Proxys für die Fundamentalfaktoren Wachstum, Profitabilität und Risiko als unabhängige Variablen definiert sind. Die ermittelten Regressionsgleichungen erlauben dann für jedes Unternehmen der Grundgesamtheit einen theoretischen Entity- bzw. Equity- Multiplikator zu schätzen, welcher als warranted multiple bezeichnet wird. Als vergleichbare Unternehmen werden dann jene selektiert, welche die geringsten Abweichungen zum warranted multiple aufweisen. Anschließend werden die tatsächlich beobachteten Multiplikatoren der Peer Group aggregiert und die Ergebnisse der Untersuchung zeigen eine Verbesserung der Marktpreisschätzungen im Vergleich zum Vorgehen von Alford (1992).71

Henschke/Homburg (2008) bilden in Anlehnung an Alford (1992) Peer Groups auf Basis des SIC-Codes für die verwendeten Buchwert-, Gewinn und Gewinnprognose- Multiplikatoren. Den je nach Multiplikator unterschiedlich stark auftretenden Schätzfehler sehen die Autoren als Resultat von fehlender Erfassung der Unterschiede in den Fundamentalfaktoren der Unternehmen durch das Branchenkriterium. Die Fundamentalfaktoren werden anhand mehrerer finanzieller Kennzahlen wie bspw. der F&E-Intensität und dem ROE operationalisiert.72 Die Autoren ermitteln daraus „Unterschieds-Kennzahlen“ wie bspw. die Differenz der F&E-Intensität des Bewertungsobjektes zur Median F&E-Intensität der Branche und verwenden diese Größen in Regressionsmodellen mit dem Schätzfehler als abhängige Variable. Die regressierten Schätzfehler werden für so genannte Peer Scores73 verwendet, um möglichst ähnliche Unternehmen zu identifizieren sowie erwartet Schätzfehler zu errechnen und anschließend suboptimale Multiplikatorschätzungen zu korrigieren. Wenn Unternehmen mittels der Scores ausgewählt bzw. Bewertungsfehler über die Regressionsansätze korrigiert werden, lässt sich als Kernergebnis festhalten, dass eine Kontrolle der Unterschiede in den Fundamentalfaktoren ermöglicht wird, womit die Bewertungsfehler der vergangenheitsorientierten Multiplikatoren ähnlich gering ausfallen wie die Fehler der Gewinnprognose-Multiplikatoren. Damit stehen die Ergebnisse dieser Autoren im Gegensatz zu den Befunden von Liu et al. (2002), wonach die Wahl des Werttreibers für Genauigkeit des Modells verantwortlich ist.74

Insbesondere die Ergebnisse der beiden letzten Studien verdeutlichen, inwieweit eine systematisierte Auswahl von Vergleichsunternehmen anhand von Fundamentalfaktoren im Vergleich zum pragmatischen aber auch simplen Vorgehen über Branchen-Codes eine Verbesserung des Multiplikatorverfahrens erlaubt. Dies ist konsistent mit den in Bhojraj/Lee (2002) und Henschke/Homburg (2008) dargestellten theoretischen Fundierung des Multiplikatorverfahrens auf Basis von zukunftsorientierten Bewertungsverfahren sowie den Herleitungen in Abschnitt 2.2.4 dieser Arbeit.75 Entscheidet sich der Bewertende hingegen für Auswahl von Peer Unternehmen über das Branchenkriterium, sollten gemäß Liu et al. (2002) Gewinnprognose- bzw. Gewinn- Multiplikatoren vorrangig genutzt werden.

2.3.3 Auswahl der Verdichtungsmethode

Ein weiterer wesentlicher Bestandteil der Multiplikatormethode ist die Wahl der Verdichtungsfunktion, was angesichts der Verteilung der Multiplikatoren jedoch nicht trivial ist. So weisen bspw. Gewinn-, Gewinnprognose- und Umsatz-Multiplikatoren eine rechtsschiefe Verteilung auf, wohingegen EBIT-Multiplikatoren annähernd normal verteilt sind.76 Eine weite Verbreitung bei Praktikern erfährt das arithmetische Mittel als Aggregationsmechanik.77 Jedoch erweist sich dieses Lagemaß als sensitiv gegenüber Ausreißern in der Multiplikatorverteilung.78 Der Grund für diese Empfindlichkeit ist die Minimierungseigenschaft des arithmetischen Mittels, also die Minimierung der Summe der quadratischen Abstände einzelner Beobachtungen zum Mittelwert.79 So ist bei der Anwendung des arithmetischen Mittels als Verdichtungsfunktion bei Gewinn- Multiplikatoren wegen der Rechtsschiefe in der Verteilung tendenziell von einer Überbewertung des Bewertungsobjektes auszugehen.80 Als Antwort auf die Gefahr einer Überbewertung wird eine Verdichtung über den Median empfohlen. Durch seine Minimierungseigenschaft, wonach die Summe der absoluten Abstände der einzelnen Beobachtungen zum Median minimiert wird, reagiert er unempfindlich auf Ausreißer und reflektiert das Zentrum von asymmetrischen Verteilungen besser als der Mittelwert.81 In der Forschung ist diese Art der Verdichtungsfunktion weit verbreitet.82 In Baker/Ruback (1999) wird eine alternative Verdichtungsfunktion in Form des harmonischen Mittels betrachtet und im Vergleich zum Mittelwert sowie Median als bessere Art der Verdichtung des Multiplikators herausgestellt.83 Es kann angewendet werden, wenn die Merkmale in Form von Quotienten vorliegen, wie es bei Multiplikatoren der Fall ist, und bildet deren Kehrwerte ab. Nach Ermittlung des Mittelwertes dieser reziproken Multiplikatoren erfolgt eine erneute Kehrwertberechnung und man erhält das harmonische Mittel. Beim Gewinnmultiplikator lässt sich das Verhältnis aus Gewinn und Marktpreis als Eigenkapitalrendite ökonomisch interpretieren, womit auch negative Werttreiber genutzt werden können. Mathematisch betrachtet ist das harmonische Mittel wegen seines konvexen Funktionsverlaufs geringer als das arithmetische Mittel. 84 Hermann/Richter (2003) stellen im Gegensatz zu Baker/Ruback (1999) den Median als besten Schätzer für Multiplikatoren heraus, verweisen jedoch darauf, dass das harmonische Mittel für eine homogene Stichprobe annähernd gute Marktpreisschätzungen ermöglicht wie über den Median verdichtete Multiplikatoren.

Ohne eine Eliminierung von Ausreißern resultieren aus der Anwendung des harmonischen Mittels tendenziell Unterbewertungen.85

Abbildung A2: Aggregierte Multiplikatoren in Abhängigkeit der Verdichtungsfunktion

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

2.4 Einsatzgebiete und Grenzen von Multiplikatoren

Multiplikatoren spielen im Rahmen der Unternehmens- und Aktienbewertung eine bedeutende Rolle und gelten neben den DCF-Verfahren als das meist genutzte Verfahren in der täglichen Praxis. In den USA verwenden ca. 99 % der All American Research Team Analysten Gewinn- bzw. EBITDA-Multiplikatoren in ihren Analysten- Berichten.86

Als zwei wesentliche Einsatzgebiete sind die Initial Public Offerings (IPOs) sowie Formen der Unternehmenstransaktion wie Fusionen, Management Buy Outs bzw. Mergers & Acquisitions (M&A) Aktivitäten zu nennen.87 Ziel des Multiplikatorverfahrens ist es im Rahmen einer IPO, den Emissionspreis eines an der Börse zu platzierenden Unternehmens durch den Preisvergleich von bereits börsennotierter Unternehmen (Similar Public Company Method - SPCM) oder auf Basis getätigter Neu-Emissionen (Initial Public Offering Method - IPOM) zu ermitteln.88 Ist letzteres der Fall, müssen neben einer ausreichend großen Anzahl statt gefundener Neu- Emissionen die dabei zu Stande gekommenen Emissionspreise öffentlich zugänglich sein, was bspw. in den USA über den IPO Reporter als Informationsdienst möglich ist.89 Ein wesentlicher Nachteil der Multiplikator Anwendung mit der IPOM ist die

Tatsache, dass IPO Märkte im Vergleich zu Wertpapier Märkten als zyklisch schwankender und spekulativer gelten,90 so dass in diesem Zusammenhang das IPO- Underpricing Phänomen zu nennen ist. Dies besagt, dass die Emissionspreise in der Regel unter den Kursen des ersten Börsentages liegen, womit den Unternehmen unerwartet weniger Eigenkapital zufließt und weniger Investitionen durchgeführt werden können.91 Aus diesem Grunde sollte eine Emissionspreisfindung auf Basis der SPCM durchgeführt werden, um gegenwärtige Stimmungsbilder am Kapitalmarkt besser aufzugreifen. Ein wesentlicher Nachteil bei der Ermittlung eines Emissionspreises über die SPCM besteht in genau jener aktuellen Stimmung des Marktes, was in einer euphorischen Marktphase zwar zu einem hohem Emissionserlös führen kann, langfristig hingegen den Emissionserfolg im Sinne einer dauerhaften Aktionärszufriedenheit gefährdet, weil das Unternehmen überbewertet worden ist und es die daraus resultierenden Anforderungen seitens der Investoren nicht erfüllen kann.92 Unabhängig davon, ob der IPO- oder Aktienmarkt betrachtet wird, ist die Bedeutung des Multiplikatorverfahrens bei IPOs letztlich damit zu begründen, dass nicht selten junge Unternehmen ihre Anteile an der Börse platzieren wollen, aber auf Grund ihrer kurzen Historie die Ermittlung verlässlicher Plandaten und angemessener Kapitalkosten erschweren. Die Resultate von DCF-Bewertungen können dann unter zur Hilfenahme des Multiplikatorverfahrens plausibilisiert werden.93

Ein weiteres Einsatzfeld für Multiplikatoren ist der Markt für Unternehmenstransaktionen. Im Akquisitionsprozess können sie sowohl zu Beginn den beteiligten Parteien eine erste Vorstellung bzgl. des möglichen Transaktionspreises bieten als auch in der Endphase ein nützliches Signal liefern, inwieweit die auf subjektiven Einschätzungen beruhenden Unternehmenswerte, ermittelt bspw. über die DCF Modelle, am Markt überhaupt realisierbar sind. Grundsätzlich ist es wie im Rahmen der IPOs möglich, über die SPCM eine Multiplikatorbewertung vorzunehmen. Hierbei wird jedoch nur eine Marktpreisuntergrenze ermittelt, weil Multiplikatoren auf Basis von Börsenpreisen lediglich den stand alone Wert abbilden, welcher allein die finanzwirtschaftlichen Motive der Investoren reflektiert. Folglich bleiben strategische Aufschläge durch erwartete Verbundeffekte als Folge der Kontrollübernahme oder Effekte durch Angebot und Nachfrage hinsichtlich des Akquisitionsobjektes auf den stand alone Wert unberücksichtigt.94 Zudem erfordert die Anwendung eine Adjustierung des geschätzten Eigenkapitalmarktpreises, weil das nicht börsennotierte Bewertungsobjekt eine geringere Marktfähigkeit besitzt und somit höhere Transaktionskosten im Akquisitionsprozess aufwirft. Dies kann über den Fungibilitätsabschlag erfasst werden.95

Die Recent Comparable Transaction Method (RCTM) hingegen unterscheidet sich von der SPCM durch die Auswahl der Vergleichspreise, weil hierbei nicht die aktuellen Börsenkapitalisierungen herangezogen werden, sondern die tatsächlich gezahlten Preise für Unternehmenstransaktionen.96 Der Vorteil dieser Methode ist, dass die Bedingungen, unter denen eine Transaktion zum Abschluss gekommen ist, wie der Fungibilitätsabschlag, erwartete Synergien und die Angebots-Nachfrage-Situation hinsichtlich des Akquisitionsobjektes bereits eingepreist sind. Auf Grund letzterem ist die zeitliche Nähe der Transaktionen jedoch nicht unerheblich, weil andernfalls die Transaktionspreise nicht mehr die gegenwärtige Situation am Markt für Unternehmenstransaktionen abbilden. Gleichzeitig muss der Markt für Unternehmenstransaktionen groß genug und hinreichend transparent sein, um einen angemessenen Umfang der Peer Group zu garantieren, bzw. um überhaupt Daten über Transaktionen zu erhalten. Im Vergleich zur SPCM bleibt festzuhalten, dass mittels der RCTM im Vergleich zur SPCM im Rahmen einer Multiplikatorbewertung eine Obergrenze bestimmt wird, zu welcher die jeweilige Transaktion zum Abschluss kommen könnte. Zu beachten ist jedoch, dass gerade die strategischen Aufschläge abnormale Multiplikatoren zur Folge haben, die vom Bewertenden aus der Peer Group eliminiert werden müssen.97

Ein weiterer Anwendungsfall des Multiplikatorverfahrens ist die relative Bewertung von Kapitalmarkttiteln in der Aktienanalyse. Dabei gilt es für Analysten Über- und Unterbewertungen anhand der Höhe des Multiplikators des Bewertungsobjektes zum Peer Group Multiplikator zu identifizieren, um darauf aufbauend Handelsempfehlungen (Buy -, Hold -, Sell -Empfehlungen) für Investoren bereitzustellen.98

2.4.1 Wertrelevanz und Verzerrung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren

Analysten übernehmen am Kapitalmarkt die Rolle von Informationsintermediären und kommunizieren Empfehlungen sowie Wachstums- und Gewinnprognosen. Damodaran (2002) vermutet in den Gewinnprognosen einen höheren Informationsgehalt als in vergangenheitsorientierten Rechnungslegungsdaten, weil Analysten Aspekte beachten, die über die berichteten Daten hinaus gehen und Entwicklungen der Branche und der Gesamtwirtschaft berücksichtigen sowie private Informationen erfassen.99 Yee (2004) sieht den Vorteil dieses so genanten forward- earning accounting gegenüber der ordnungsmäßigen Rechnungslegung darin, dass letzteres Ansichten über die Entwicklung der accrual -Komponente in den Jahresabschlüssen nicht erlaubt, obwohl diese eine wesentliche Wertrelevanz besitzen können. Das forward-earning accounting ermöglicht dem Analysten somit zusätzliche wertrelevante Informationen und deren Wirkung, wie bspw. die Anmeldung eines Patentes und eine mögliche Gewinnsteigerung, neben den reinen Bilanzdaten in die Prognose zu integrieren.100

Empirische Studien bestätigen diese Vermutungen und verdeutlichen, dass Gewinnprognosen und Prognoserevisionen bewertungsrelevante Informationen enthalten. Bspw. untersucht Stickel (1991) die Entwicklung abnormaler Renditen in Abhängigkeit der Prognoserevisionen und weist für einen Zeitraum von bis zu 11 Tagen nach deren Veröffentlichung abnormale Renditen in Höhe von 0,67 % für sehr positive und -0,64 % für äußerst negative Revisionen nach. Diese Beobachtungen sind robust gegenüber alternativen Ursachen für abnormale Kursbewegungen wie etwa Gewinnveröffentlichungen, Dividendenzahlungen und Stock-Splits.101 Liu/Thomas (2000) zeigen zudem, dass Revisionen von Gewinnprognosen einen wesentlich größeren Teil von Kursreaktionen erklären, als Überraschungen auf Basis berichteter Gewinne dies tun.102 In der Studie Dechow et al. (1999) regressieren die Autoren den Marktpreis des Eigenkapitals auf historische Buchwerte sowie Gewinne und konstatieren signifikant positive Koeffizienten, wobei Gewinne die höhere Erklärungskraft besitzen. Eine anschließende Integration der Informationsvariable „Gewinnprognosen“ zeigt, dass der Koeffizient der Buchwerte weiterhin signifikant positiv, aber nun kleiner ist, womit Buchwerte Informationen besitzen, die über jene der Prognosen hinausgehen. Der Koeffizient der Gewinne wird ebenfalls kleiner und ist zudem nicht mehr signifikant, was verdeutlicht, dass Informationen in den Gewinnen unter denen der Prognosen subsumiert werden.103

Multiplikator-Studien wie Liu et al. (2002), Schreiner/Spremann (2007) oder Henschke/Homburg (2008) bestätigen diese Befunde hinsichtlich der hohen Wertrelevanz der Gewinnprognosen und deren überlegenen Informationsgehalt gegenüber vergangenheitsorientierten Werttreibern anhand ihrer Ergebnisse. Dies ist letztlich nicht überraschend, denn die Modellwelt der Multiplikatormethode fordert, dass der Nenner des Multiplikators stets eine Größe mit den aktuellsten Informationen darstellt. Versteht man einen Marktpreis (Börsenkurs) als Spiegelbild künftiger Erwartungen, so ist die höchste Informations-Konsistenz im Modell dann gegeben, wenn mittels Gewinnerwartungen skaliert wird.104

Betrachtet man allerdings Studien zur Qualität der Research Leistung von Analysten, so ist zu erkennen, dass deren Einschätzungen hinsichtlich künftiger Gewinne systematisch höher als die tatsächlichen Unternehmensergebnisse liegen und diese somit negativ verzerrt sind.105 Chopra (1998) zeigt in einer Untersuchung für die Jahre 1985 - 1997, dass die Gewinnerwartungen von Wall-Street-Analysten im Durchschnitt ca. 6 % über den realisierten Gewinnen gelegen haben.106 Die Untersuchung von Beckers et al. (2004) verdeutlicht, dass optimistische Prognosen kein alleiniges Phänomen des amerikanischen Marktes sind. Die Autoren identifizieren in ihrer Untersuchung für Europa (1993 bis 2002) teils deutliche länder- und brachenspezifische Unterschiede hinsichtlich der Prognosequalität. So beträgt die Verzerrung für Ein-Jahres Prognosen in Deutschland und Italien ca. 30 %, wohingegen sich die Verzerrung in Großbritannien und Spanien auf 18 % bzw. 16 % beläuft. Besonders ungenaue Prognosen werden bei Gebrauchgüterunternehmen (113.%), Energieerzeugern (130.%) und Basisgütererzeugern (106 %) festgestellt.107 Zudem ist das Ausmaß der Verzerrung bzw. Ungenauigkeit in den Auf- und Abschwung der Volkswirtschaften unterschiedlich ausgeprägt, d.h., in Boom Phasen werden Gewinne unterschätzt und in Rezessionen hingegen überschätzt.108 Im folgenden Abschnitt werden die Ergebnisse von empirischen Studien vorgestellt, die diverse Einflussfaktoren auf die Ungenauigkeit und die Verzerrung der Gewinnprognosen mittels Regressionsanalysen und parameterfreien Verfahren identifizieren.

3. Einflussfaktoren auf die Ungenauigkeit und Verzerrung von Gewinnprognosen

3.1 Unternehmensspezifische Faktoren

3.1.1 Verminderte Prognosequalität durch Unternehmenscharakteristika

Eddy/Seifert (1992) regressieren den relativen absoluten Fehler von Gewinnprognosen auf diverse Variablen hinsichtlich unternehmensspezifischer Aspekte. Sie vermuten eine erhöhte Problematik, Gewinne genau prognostizieren zu können, wenn diese einer hohen Unsicherheit auf Grund der Verschuldung der Unternehmen und dem Geschäftsmodell (historische Volatilität der Gewinne) unterliegen. Dahingegen werden vor allem große Unternehmen mit einem gut funktionierenden Investor Relation im Vergleich zu kleineren Teilnehmern am Markt die Öffentlichkeit und die Analysten mit mehr Informationen versorgen, was die Prognosequalität erhöhen sollte.109 Die Autoren können die Argumentation anhand der Befunde von signifikanten Regressionskoeffizienten (jeweils auf dem 1 % Niveau) bestätigen, d.h., die Ungenauigkeit der Prognosen steigt mit der Verschuldung der Unternehmen, der Gewinnvolatilität und fällt mit der Unternehmensgröße.110 Studien wie Gu/Wu (2003), Gu/Xue (2007), Louis et al. (2008) und Duru Reeb (2002) modellieren die Unternehmensgröße als Kontrollvariable in ihren Regressionsuntersuchungen. Bzgl. optimistischer Verzerrungen in den Prognosen wird argumentiert, dass bei Analysten von kleinen Unternehmen mit gering ausgestalteter Kapitalmarktkommunikation der Anreiz zu einem bewusst induziertem Optimismus hoch ist, um somit private Informationen der Manager zu erhalten.111 Die ersten beiden Studien konstatieren ein signifikant positives Vorzeichen des Koeffizienten, womit bei größeren Unternehmen pessimistischere Prognosen zu erwarten sind. Hingegen berichten Duru/Reeb (2002) und Louis et al. (2008) keinen bzw. einen signifikant negativen Zusammenhang.112

Die vergleichsweise gute Informationsumwelt der großen Unternehmen hat nicht nur Einfluss auf die Prognosegenauigkeit bzw. -Verzerrung, sondern auch auf die Analystendichte der Unternehmen. Ein Analyst mit dem Ziel der Nutzenmaximierung wird das Unternehmen untersuchen, welches die meisten öffentlichen Informationen bereitstellt. Der Nutzen des Analysten ist dabei als Differenz aus der Erlösbeteiligung an seinen Reports und dem Aufwand der Prognoseerstellung zu sehen. Folglich sollte von einem positiven Zusammenhang zwischen der Unternehmensgröße und der Analystendichte auszugehen sein.113 Die Wirkung einer hohen Analystendichte auf die Prognosequalität ist hingegen diskutabel. Eine steigende Analystendichte erhöht die Wettbewerbsintensität unter den Analysten, weil bei einer begrenzten Anzahl Investoren je Unternehmen der Umsatz bzgl. verkauften Reports zurückgeht. Als Reaktion werden Analysten versuchen, sich einander mit akkurateren Prognosen zu überbieten, um ihr Einkommen zu sichern. Empirisch zeigen Lys/Soo (1995) mittels einer Regressionsanalyse, dass bei der Regression des absoluten Fehlers auf die Analystendichte ein signifikant negatives Vorzeichen diese Argumentation bestätigt.114 Demgegenüber wird argumentiert, dass gerade in einem solchen wettbewerblichen Umfeld Analysten die Gunst der Manager erlangen wollen, um im Vergleich zu ihren Konkurrenten trotz eines bewusst induzierten Optimismus in den Gewinnprognosen letztlich besser abzuschneiden.115 Der Regressionskoeffizient der Kontrollvariable in Gu/Wu (2003) ist signifikant und negativ, was im Widerspruch zu Lys/Soo (1995) steht, wonach eine Minimierung des Fehlers das Ziel des Analysten darstellt. Gu/Xue (2007) hingegen konstatieren ein signifikant positives Vorzeichen, was auf einen abnehmenden Optimismus in den Prognosen deutet. Gleiches kann in den Untersuchungen von Duru/Reeb (2002) und Louis et al. (2008) gezeigt werden.116

Die Bedeutung dieses Konkurrenzkampfes wird auch von Das et al. (1998) thematisiert. Sie argumentieren, sofern vergangene Gewinnentwicklungen und öffentlich verfügbare Informationen ausreichen, um im Vergleich zu anderen Analysten akkurate Prognosen zu erstellen, keine Notwendigkeit bestehen wird, private Informationen des Managements als Unterstützung heranzuziehen. Liegt hingegen eine erhöhte Prognoseschwierigkeit durch volatile Gewinne vor, wird die Nachfrage nach Insiderinformationen zunehmen. Im Gegenzug werden Analysten diese Informationen mit optimistischen Gewinnerwartungen würdigen.

[...]


1 Vgl Asquith et al. (2005), S. 257.

2 Vgl. bspw. Liu et al (2002) und Henschke/Homburg (2008).

3 In dieser Arbeit sind die Begriffe „Analyst“ und „Sell-Side-Analyst“ gleichbedeutend.

4 Vgl. Liu et al. (2002); Schreiner/Spremann (2007).

5 Vgl. bspw. Beckers et al (2004), S. 77, für Europa und Abarbanell/Lehavy (2003), S. 110, für die USA.

6 Vgl. Ali et al. (1992), S. 193; Hughes et al. (2006), S. 18 f.

7 Die Operationalisierung der Variablen weicht in dieser Arbeit teilweise von dem Vorgehen der Studien aus Kapitel 4 ab und muss daher gesondert beschrieben werden.

8 Als Regressionsmethoden werden in dieser Arbeit die Verfahren Ordinary Least Squares (OLS) sowie Least Absolute Deviation (LAD) verwendet.

9 Vgl. Ballwieser (1993), S. 133; Brealey/Myers (2003), S. 14.

10 Vgl. Ernst et al. (2006), S. 38.

11 Vgl. Kuhner/Maltry (2006), S. 200.

12 Vgl. Mandl/Rabel (1997), S. 311.

13 Vgl. Kuhner/Maltry (2006), S. 200.

14 Schreiner/Spremann (2007), S. 7, definieren Nettofinanzverbindlichkeiten (net debt) als zinstragende Verbindlichkeiten minus Kasse/Bankguthaben bei Kreditinstituten/Schecks plus Vorzugsaktien.

15 Vgl. zum CAPM bspw. Kuhner/Maltry (2006), S. 162. ff. und Pennacchi (2008), S. 58 ff.

16 Vgl. Mandl/Rabel (1997), S. 367.

17 Vgl. Peemöller et al. (2002), S. 198.

18 Vgl. Coenenberg/Schultze (2002), S. 699; Damodaran (2002), S. 18.

19 Vgl. Krolle et al. (2005), S. 5.

20 Vgl. Löhnert/Böckmann (2005), S. 411.

21 Alternativ können auch die entsprechenden prognostizierten Größen Verwendung finden.

22 Vgl. Henschke/Homburg (2008), S. 6; Schreiner/Spremann (2007), S. 6; Alford (1992), S. 97.

23 Grundsätzlich ist es möglich, auch nicht-finanzwirtschaftliche Werttreiber zu verwenden. Amir/Lev (1996), S. 5, zeigen empirisch, dass nicht finanzielle Indikatoren in der Internet-Industrie wertrelevante Informationen besitzen, wohingegen Bilanzdaten für die Erklärung der Börsenkurse vergleichsweise irrelevant sind. Bei der Bewertung von Amazon schlägt Damodaran (2002), S. 566 f., die Anzahl der Kunden als Werttreiber vor. Diese Art von Werttreibern ist dann vorteilhaft, wenn finanzwirtschaftliche Werttreiber nicht vorliegen, unzuverlässig oder unwesentlich sind.

24 Vgl. Alford (1992), S. 104; Koller et al. (2005), S. 348; Spremann/Schreiner (2007), S. 6. Die Notation für die Nettofinanzverbindlichkeiten weicht an dieser Stelle von der in Abschnitt 2.1 ab, weil in der Multiplikator Literatur jene Nettofinanzverbindlichkeiten auf diese Weise abgekürzt werden. Inhaltlich werden keine Abweichungen unterstellt.

25 Vgl. Bausch (2000), S. 454.

26 Vgl. Henschke/Homburg (2008), S. 1.

27 Vgl. Schreiner/Spremann (2007), S. 7.

28 Vgl. Bausch (2000), S. 458.

29 Die im Folgenden dargestellten Multiplikatoren stellen jedoch nur eine Auswahl der in der Literatur vorrangig genannten Multiplikatoren dar. Weitere mögliche Multiplikatoren bzw. Werttreiber werden in den Studien Schreiner/Spremann (2007), S. 34, und Liu et al. (2002), S. 146, erläutert. So werden Multiplikatoren bspw. auch als Verhältnis aus Börsenkurs und Umsatz bzw. dem EBITDA gebildet entgegen der theoretischen Grundüberlegung, welche in Abschnitt 2.2.1 dieser Arbeit aufgeführt wird.

30 Vgl. Benninga/Sarig (1997), S. 306 f. in Verbindung mit S. 325; Barton et al. (2008), S. 2.

31 Vgl. Damodaran (2002), S. 543; Peemöller et al. (2002), S. 208.

32 Vgl. Frykman/Tolleryd (2003), S. 56.

33 Vgl. Damodaran (2002), S. 543.

34 Vgl. Chandra/Ro (2008), S. 200 in Verbindung mit S. 213.

35 Detailiertere Erläuterungen zu Konsequenzen der Rechnungslegung bzgl. Ertragsgrößen werden im Rahmen der Ausführungen zum Gewinn-Multiplikator vorgenommen.

36 Vgl. Damodaran (2002), S. 501; Frykman/Tolleryd (2003), S. 57.

37 Ernst et al. (2006), S. 176.

38 Der Buchwert des Fremdkapitals als Schätzgröße unterscheidet sich bei den Unternehmen durch ungleiche Behandlung von bspw. Pensionsverpflichtungen oder Aktienoptionen der Angestellten. Vgl. Schreiner/Spremann (2007), S. 8.

39 Vgl. Ernst et al. S. 177; Liu et al. (2002), S. 138.

40 Vgl. Givoly/Hayn (2000), S. 63 f. Die Verringerung der Gewinne ist auch nicht auf Einmal-Effekte wie Restrukturierungsmaßnahmen und hohe Goodwill-Abschreibung in M&A intensiven Zeiten zurückzuführen, weil dieses Phänomen Industrie übergreifend vorliegt und auch für Gesamtkapitalgrößen wie dem EBIT festgestellt worden ist.

41 Vgl. Lara/Mora (2004), S. 267.

42 Vgl. Henschke et al. (2007), S. 18.

43 Vgl. Givoly/Hayn (2000), S. 71.

44 Vgl. Schreiner/Spremann (2007), S. 9; Damodaran (2002), S. 500. Diese F&E Aufwendungen besitzen jedoch nur dann eine hohe Wertrelevanz, wenn das jeweilige Unternehmen bereits in der Vergangenheit ein starkes Wachstum bzgl. F&E Intensität verzeichnen konnte. Vgl. Monahan (2005), S. 228.

45 Vgl. Frykman/Tolleryd (2003), S. 65.

46 Vgl. Barth et al. (1998), S. 25 f.; Liu et al. (2002), S. 169.

47 Vgl. Barth et al. (1998), S. 26; Damodaran (2002), S. 512.

48 Vgl. Givoly/Hayn (2000), S. 69; Richardson/Tinaikar (2004), S. 229; Frykman/Tolleryd (2003), S. 66.

49 Vgl. Frykman/Tolleryd (2003), S. 65; Aleksanyan (2006), S. 20.

50 Vgl. Ernst et al. (2006), S. 178.

51 Vgl. Mandl/Rabel (1997), S. 266.

52 Vgl. Ernst et al. (2006), S. 178.

53 Vgl. Damodaran (2002), S. 13.

54 Vgl. Damodaran (2002), S. 322-323 in Verbindung mit S. 471.

55 Für eine Fundierung der Entity-Multiplikatoren am Beispiel des EBIT-Multiplikators aus einem DCF Modell vgl. z.B. Druckarcyk/Schüler (2007), S. 478 ff. Die Aussagen hinsichtlich der Wirkung der Fundamentalfaktoren sind identisch.

56 Die Dominanz der Gewinnprognose-Multiplikatoren wird zudem gesteigert, wenn Zwei-Jahres- anstelle von Ein-Jahres-Prognosen Verwendung finden.

57 Vgl. Liu et al. (2002), S. 156.

58 Vgl. Liu er al. (2002), S. 163.

59 Vgl. Liu et al. (2002), S. 155.

60 Vgl. Lie/Lie (2002), S. 10.

61 Vgl. Schreiner/Spremann (2007), S. 20.

62 Knowlegde Costs werden aus Kosten zur Pflege der immateriellen Vermögensgegenstände definiert, vgl. Schreiner/Spremann (2007), S. 9.

63 Vgl. Schreiner/Spremann (2007), S. 18.

64 Vgl. Benniga/Sarig (1997), S. 307; Liu et al. (2002), S. 136.

65 Vgl. Damodaran (2002), S. 462.

66 Für detailiertere Ausführungen zum SIC Code vgl. Böcking/Nowak (1999), S. 172.

67 Vgl. Alford (1992), S. 106. Vergleichbar sind diese Resultate zu den Befunden aus Liu et al. (2002). Die Autoren zeigen eine Verbesserung der Schätzgenauigkeit, wenn für die Multiplikatorbestimmung nicht alle Unternehmen des Marktes als Peer gewählt werden, sondern die der gleichen Branche. Vgl. Liu et al. (2002), S. 156.

68 Vgl. Alford (1992), S. 107.

69 Als Proxys werden bspw. die erwarteten Gewinnwachstumsraten und der ROE genutzt Vgl. Hermann/Richter (2003) , S. 210.

70 Vgl. Dittmann/Weiner (2005), S. 13 f.

71 Vgl. Bhojraj/Lee (2002), S. 416 ff. in Verbindung mit S. 432 f.

72 Vgl. Henschke/Homburg (2008), S. 16.

73 Bspw. besagen hohe Peer Scores, dass die Unterschiede in den Fundamentalfaktoren zwischen Peer Group und Bewertungsobjekt hoch sind, was entsprechende Fehlbewertungen zur Folge hat.

74 Vgl. Henschke/Homburg (2008), S. 19.

75 Vgl. Bhojraj/Lee (2002), S. 413 ff. und Henschke/Homburg (2008), S. 6 ff.

76 Vgl. Baker/Ruback (1999), S. 7 f.; Damodaran (2002), S. 470 in Verbindung mit S. 544

77 Vgl. Schwetzler (2003), S. 88.

78 Vgl. Damodaran (2002), S. 459.

79 Vgl. Assenmacher (2003), S. 74.

80 Vgl. Hermann/Richter (2003), S. 217.

81 Vgl. Assenmacher (2003), S. 68.

82 Vgl. bspw. Henschke/Homburg (2008), S. 6 sowie Alford (1992), S. 97.

83 Vgl. Baker/Ruback (1999), S. 20.

84 Vgl. Krolle et al. (2005), S. 67; Schwetzler (2003), S. 88 f.

85 Vgl. Hermann/Richter (2003), S. 212. Die Autoren reduzieren die Stichprobe dabei um das erste und 99. Perzentil und kommen somit zu ihren Befunden.

86 Vgl. Brösel/Hautmann (2007), S. 237; Asquith et al. (2005), S. 257.

87 Vgl. Kim/Ritter (1999), S. 413; Peemöller et al. (2002), S. 198.

88 Vgl. Mandl/Rabel (1997), S.264.

89 Vgl. Böcking/Nowak (1999), S. 174.

90 Vgl. Mandl/Rabel (1997), S. 264.

91 Hunger (2003), S. 6, berichtet für den deutschen IPO-Markt der Jahre 1997 - 2002 ein durchschnittliches Underpricing von 42,34 %, welches jedoch in den einzelnen Marktsegmenten unterschiedlich ausfällt, wobei das höchste Underpricing für den neuen Markt konstatiert wird.

92 Vgl. Coenenberg/Schultze (2002), S. 700.

93 Vgl. Löhnert/Böckmann (2005), S. 409; Kim/Ritter (1999), S. 412.

94 Vgl. Bausch (2000), S. 452.

95 Ein Ausbleiben dieser Anpassung würde eine vollkommene Wertgleichheit zwischen dem nicht börsennotierten Bewertungsobjekt und den Vergleichsunternehmen unterstellen. Vgl. Buchner (1995), S. 411 f.

96 Vgl. Buchner (1995), S. 411.

97 Vgl. Bausch (2000), S. 457.

98 Vgl. Coenenberg/Schultze (2002), S. 698; Peemöller et al. (2002), S. 198.

99 Vgl. Damodaran (2002), S. 281.

100 Vgl. Yee (2004), S. 313 f.

101 Vgl. Stickel (1991), S. 407 in Verbindung mit S. 415.

102 Vgl. Liu/Thomas (2000), S. 89.

103 Der Koeffizient der Prognosen ist signifikant positiv und weist mit 22,62 den vergleichsweise größten t -Wert auf, womit dieser die höchste Erklärungskraft des Eigenkapitalmarktpreises besitzt. Vgl. Dechow et al. (1999), S. 24-26.

104 Vgl. Schreiner/Spremann (2007), S. 10; Kuhner/Maltry(2006), S. 36.

105 Vgl. als Überblick Kothari (2001), S. 159.

106 Vgl. Chopra (1998), S. 36.

107 Vgl. Beckers et al (2004), S. 77.

108 Vgl. Richardson et al. (1999), S. 17; Chopra (1998), S. 42; Higgins (2002), S. 387.

109 Auf Angaben bzgl. der Operationalisierung der Variablen wird, sofern dies im Folgenden nicht in den Textstellen angegeben wird, auf Tabelle A1 verwiesen.

110 Vgl. Eddy/Seifert (1992), S. 24-25 in Verbindung mit S. 30.

111 Vgl. Gu/Wu (2003), 13.

112 Vgl. Gu/Wu (2003), S. 18; Gu/Xue (2007), S. 425; Louis et al. (2008), S. 35; Duru/Reeb (2002), S. 428. Die Hauptvariablen dieser Studien werden in den folgenden Abschnitten diskutiert.

113 Vgl. Lys/Soo (1995), S. 754; Bhushan (1989), S. 261.

114 Vgl. Lys/Soo (1995), S. 762.

115 Vgl. Gu/Wu (2003), S. 13.

116 Vgl. Gu/Wu (2003), S. 18; Gu/Xue (2007), S. 425; Duru/Reeb (2002), S. 428; Louis et al. (2008), S. 35.

Ende der Leseprobe aus 120 Seiten

Details

Titel
Anpassung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren
Hochschule
Universität zu Köln  (Seminar für ABWL und Controlling)
Note
1,3
Autor
Jahr
2008
Seiten
120
Katalognummer
V176277
ISBN (eBook)
9783640974351
ISBN (Buch)
9783640974696
Dateigröße
864 KB
Sprache
Deutsch
Schlagworte
Unternehmensbewertung, Multiple Verfahren, Verzerrung von Gewinnprognosen, Analysts' forecast error / bias, Eigenkapitalbewertung, Price earning ratio, comparables, Earning forecast bias
Arbeit zitieren
Dipl.-Kfm. Markus Klemusch (Autor), 2008, Anpassung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren, München, GRIN Verlag, https://www.grin.com/document/176277

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Anpassung von Gewinnprognosen als Werttreiber im Multiplikatorverfahren



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden