In den Jahren nach der Jahrtausendwende hat die Zahl der Unternehmensinsolvenzen in der Bundesrepublik Deutschland immer neue Rekordwerte erreicht. Im Jahr 2014 konnten noch 24.085 Unternehmensinsolvenzen verzeichnet werden. Betrachtet man zusätzlich die Höhe der voraussichtlichen Forderungen, welche in den vergangenen sieben Jahren bei durchschnittlich 33,75 Mrd. Euro lagen und erfahrungsgemäß in 90%-95% der Fälle uneinholbar sind, wird die gesamtwirtschaftliche Bedeutung der frühzeitigen Erkennung einer möglichen Insolvenzgefahr für alle Marktteilnehmer noch hervorgehoben.
Seit Entwicklung der ersten empirisch-statistischen Insolvenzprognoseverfahren Ende der 1960er Jahre wird diesen eine stetig zunehmende Bedeutung zugesprochen. Sie eignen sich insbesondere zur Auswertung großer Datenmengen und liefern dabei in der Regel zuverlässige Prognoseergebnisse. Dennoch ist es bislang nicht gelungen, eines der zahlreichen Insolvenzprognosemodelle als das Beste zu identifizieren.
Das Ziel dieser Arbeit soll es sein, neben den klassischen Bilanzkennzahlen weitere Kennzahlen zu identifizieren, die einen zusätzlichen Informationsgehalt zur Ermittlung der prognostizierten Ausfallwahrscheinlichkeit von Unternehmen besitzen. Die Analyse erfolgt anhand eines selbst zu generierenden Insolvenzprognosemodells auf Basis von Jahresabschlussinformationen deutscher Unternehmen. Dabei soll versucht werden, weitere für die Insolvenzprognose relevante Unternehmensinformationen so zu modifizieren, dass sie einen positiven Einfluss auf die empirische Schätzgüte des zugrunde liegenden Insolvenzprognosemodells aufweisen.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Theoretische Übersicht
- 2.1. Begriffsbestimmung der Unternehmensinsolvenz
- 2.2. Empirisch-statistische Insolvenzprognosemodelle
- 2.3. Datenauswahl im Insolvenzprognosemodell
- 2.4. Zusammenfassung und untersuchungsleitende Fragestellung
- 3. Daten und Methodik
- 3.1. Beschreibung der Datenbasis
- 3.2. Theoretische und empirische Kennzahlenauswahl
- 3.3. Vorbereitung der multivariaten Analyse
- 3.3.1. Datenbereinigung und -modifizierung
- 3.3.2. Empirischer Pretest und univariate Analyse
- 3.4. Durchführung der multivariaten Analyse
- 4. Ergebnisse und Schlussfolgerungen
- 4.1. Entwicklung des Basismodells zur Insolvenzprognose
- 4.2. Veränderung der empirischen Schätzgüte durch Anpassungen im Basismodell
- 5. Zusammenfassung und Fazit
Zielsetzung und Themenschwerpunkte
Die vorliegende Diplomarbeit befasst sich mit der Insolvenzprognose anhand von Kennzahlen. Ziel ist es, ein empirisch-statistisches Modell zu entwickeln, das die Wahrscheinlichkeit des Eintretens einer Unternehmeninsolvenz anhand von relevanten Kennzahlen vorhersagt.
- Theoretische Grundlagen der Insolvenzprognose
- Empirische Modelle zur Insolvenzprognose
- Datenauswahl und -aufbereitung für die Prognose
- Entwicklung eines empirischen Modells zur Insolvenzprognose
- Bewertung und Interpretation der Ergebnisse
Zusammenfassung der Kapitel
Das erste Kapitel führt in das Thema der Insolvenzprognose ein und erläutert die Relevanz des Themas. Das zweite Kapitel bietet eine theoretische Übersicht über die Insolvenzprognose, wobei verschiedene Ansätze und Modelle vorgestellt werden. Das dritte Kapitel beschreibt die verwendeten Daten und die Methodik der Analyse. Das vierte Kapitel präsentiert die Ergebnisse der empirischen Analyse und diskutiert die Schlussfolgerungen. Abschließend fasst das fünfte Kapitel die Ergebnisse zusammen und zieht ein Fazit.
Schlüsselwörter
Insolvenzprognose, Kennzahlenanalyse, empirische Modellierung, multivariate Analyse, Unternehmenskrise, Finanzkennzahlen, Insolvenzprävention.
- Quote paper
- Sabrina Kick (Author), 2015, Insolvenzprognose anhand von Kennzahlen. Deutsche Unternehmensinsolvenzen, Munich, GRIN Verlag, https://www.grin.com/document/338255
