Ein geläufiges und auch äußerst geeignetes Instrument um das mannigfaltige Infor-mationsmaterial des Jahresabschlusses zu analysieren und zu übersichtlichen Größen zu verdichten, bietet die klassische Bilanzanalyse mittels Kennzahlen bzw. Kennzahlensystemen mit dem Ziel ein Unternehmen bestmöglich bewerten zu können. Da aber Externe grundsätzlich keine andere Informationsquelle des bilanzierenden Unternehmens haben, sind sie umso mehr darauf angewiesen, dass ein möglichst getreues Bild der Vermögens-, Finanz- und Ertragslage veröffentlicht wird. Da der Jahresabschluss vergangenheitsbezogen ist, diverse Bilanzierungs- und Bewer-tungswahlrechte sowie das Vorsichtsprinzip und eine grundsätzliche Interessens- und Informationsasymmetrie bestehen, scheint es unwahrscheinlich zu sein, dass eine rein objektive Urteilsbildung gewährleistet ist. Die traditionelle Bilanzanalyse mittels einzelnen, oder in Verbindung stehenden Kennzahlen ist zwar für die Auswertung und Komprimierung der zur Verfügung stehenden Informationen und in einem Mehrperioden-, Soll-ist- oder Branchenvergleich für die Erkennung etwaiger Trends sehr sinnvoll, läuft aber Gefahr durch die soeben angesprochenen Schwachstellen zu falschen Schlussfolgerungen zu führen. Die Aussagekraft von Kennzahlen kann des Weiteren durch die subjektive Entscheidung des Analysten in Bezug auf ihre Auswahl und Gewichtung verfälscht sein. Bestehende Unternehmensrisiken lassen sich auf Grund dessen nicht zwingend ableiten. Dies versuchen moderne Ansätze der kennzahlengestützten Bilanzanalyse auszugleichen und stellen somit eine Erweiterung zur klassischen Bilanzanalyse dar. Mit Hilfe mathematisch-statistischer Verfahren soll ein objektiveres Maß zur Beurteilung des Fortbestandes eines Unternehmens gewährleistet werden.
Inhaltsverzeichnis
1 Einleitung
1.1 Ausgangssituation und Problemstellung
1.2 Zielsetzung
1.3 Forschungsfrage
1.4 Methodik
1.5 Vorgehensweise
2 Begriffsabgrenzung
2.1 Bilanzanalyse
2.1.1 Traditionelle Bilanzanalyse
2.1.1.1 Kennzahlen
2.1.1.2 Kennzahlensysteme
2.1.2 Kritische Würdigung und Grenzen der traditionellen Bilanzanalyse
2.2 Moderne Ansätze der kennzahlengestützten Bilanzanalyse
2.2.1 Scoring Modelle
2.2.2 Künstliche Neuronale Netze (KNN)
2.2.3 Diskriminanzanalyse (DMA)
2.2.3.1 Univariate Diskriminazanalyse (UDMA)
2.2.3.2 Multivariate Diskriminanzanalyse (MDMA)
2.3 Kritische Würdigung moderner Verfahren der Bilanzanalyse
3 Kritische Reflexion
3.1 Verknüpfung der Begriffsabgrenzung mit der Forschungsfrage
3.2 Begründung zum Argumentationsgang und Schlussfolgerung
3.3 Beantwortung der Forschungsfrage
4 Empfehlungen
Zielsetzung & Themen
Die Arbeit untersucht, wie moderne, kennzahlengestützte Verfahren die Schwächen der traditionellen Bilanzanalyse – insbesondere im Hinblick auf die Früherkennung von Unternehmenskrisen und die mangelnde Objektivität bei der Kennzahlenauswahl – überwinden können.
- Methoden der traditionellen Bilanzanalyse und deren Grenzen.
- Überblick über moderne Ansätze wie Scoring-Modelle.
- Analyse Künstlicher Neuronaler Netze als Frühwarnsysteme.
- Vertiefende Untersuchung der Diskriminanzanalyse.
- Kritische Reflexion der Objektivität und Prognosetauglichkeit moderner Verfahren.
Auszug aus dem Buch
2.2.2 Künstliche Neuronale Netze (KNN)
KKN, ursprünglich entwickelt um das Nervensystem von Lebewesen besser zu analysieren und verstehen zu lernen, zählen zu den multivariaten, strukturen- entdeckenden Verfahren. Sie kommen dort zum Einsatz, wo viele verknüpfte Ursachen zusammenspielen und die Beziehung zwischen diesen Variablen nicht linear ist. Somit kann dieses Verfahren den subjektiven Mutmaßungen eines Analysten über vermeintliche Zusammenhänge entgegenwirken. Die Verbindungen zwischen den Variablen werden selbständig durch einem Lernprozess innerhalb des neuronalen Netzes erschlossen (vgl. Backhaus et al. 2003, S. 738).
Kinnebrock (vgl. 1994, S. 11) definiert KNN wie folgt: „Neuronale Netze sind dann einsetzbar, wenn eine unscharfe Informationsverarbeitung vorliegt, die oft als hochdimensionale nichtlineare Abbildung beschreibbar ist“ (Kinnebrock 1994, S. 11).
Auf der Basis einer Reihe von Jahresabschlüssen von solventen und insolventen Unternehmen dienen KNN der Mustererkennung, um daraufhin als Frühwarnsystem der Bilanzanalyse zu fungieren. D.h., Kennzahlenmuster werden erkannt und verknüpft und als Krisenindikator für weitere Unternehmen verwendet (vgl. Baetge et al. 2000, S. 180).
KNN bestehen aus einer Eingabe-, Ausgabe- und je nach Komplexität aus versteckten Zwischenschichten, die ausschließlich der Informationsverarbeitung dienen. (vgl. Küting / Weber 2009, S. 397).
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Problemstellung der klassischen Bilanzanalyse ein und definiert Zielsetzung, Forschungsfrage sowie die methodische Vorgehensweise der Arbeit.
2 Begriffsabgrenzung: Hier werden zunächst die Grundlagen der traditionellen Bilanzanalyse kritisch erörtert, bevor moderne, quantitativ-statistische Verfahren wie Scoring-Modelle, KNN und die Diskriminanzanalyse als Erweiterungen vorgestellt werden.
3 Kritische Reflexion: Dieses Kapitel verknüpft die theoretischen Erkenntnisse mit der Forschungsfrage, begründet den gewählten Argumentationsgang und liefert eine zusammenfassende Beantwortung der Ausgangsfrage.
4 Empfehlungen: Abschließend werden praktische Handlungsempfehlungen für Investoren gegeben, wobei die Kosten-Nutzen-Relation beim Einsatz moderner Verfahren hervorgehoben wird.
Schlüsselwörter
Bilanzanalyse, Jahresabschluss, Kennzahlen, Kennzahlensysteme, Unternehmenskrisen, Insolvenzprognose, Diskriminanzanalyse, Scoring-Modelle, Künstliche Neuronale Netze, Objektivität, Frühwarnsystem, Multivariat, Wirtschaftsdaten, Finanzlage, Ertragslage
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Weiterentwicklung der klassischen Bilanzanalyse durch moderne, mathematisch-statistische Verfahren, um deren Schwachstellen auszugleichen.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind die traditionelle Kennzahlenanalyse, Scoring-Modelle, Künstliche Neuronale Netze und die Diskriminanzanalyse zur Insolvenzfrüherkennung.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es aufzuzeigen, wie externe Bilanzadressaten durch moderne Verfahren ein objektiveres Bild der Unternehmenslage erhalten und Unternehmenskrisen besser prognostizieren können.
Welche wissenschaftliche Methode wurde verwendet?
Die Bachelorarbeit basiert auf einer quantitativen Sekundärforschung durch umfangreiche Literaturrecherche in wissenschaftlichen Fachquellen.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden sowohl traditionelle Instrumente analysiert als auch moderne, quantitative Methoden detailliert vorgestellt und hinsichtlich ihrer Funktionsmechanismen erläutert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Bilanzanalyse, Unternehmenskrisen, Insolvenzprognose, Diskriminanzanalyse und Objektivität.
Wie unterscheidet sich die multivariate Diskriminanzanalyse vom univariaten Ansatz?
Während der univariate Ansatz Kennzahlen isoliert betrachtet und somit zu widersprüchlichen Ergebnissen führen kann, kombiniert die multivariate Diskriminanzanalyse mehrere Variablen zu einem Gesamtwert, was eine präzisere Klassifikation ermöglicht.
Können moderne Verfahren alle Schwächen der klassischen Analyse beheben?
Nein, die Arbeit stellt fest, dass auch moderne Ansätze von der Datenbasis des (vergangenheitsorientierten) Jahresabschlusses abhängen und theoretische Defizite hinsichtlich der Ursächlichkeit von Unternehmenskrisen bestehen bleiben.
- Citar trabajo
- Mag. Jan-Patrick Stärk (Autor), 2010, Moderne Verfahren der kennzahlengestützten Bilanzanalyse, Múnich, GRIN Verlag, https://www.grin.com/document/211220
