Skip to main content

Modelle für Programmentscheidungen bei Unsicherheit

  • Chapter
  • 174 Accesses

Part of the book series: Springer-Lehrbuch ((SLB))

Zusammenfassung

Die hohe Bedeutung von Unsicherheiten für Investitionsentscheidungen motiviert dazu, diese auch in die Analyse von Modellen der Investitionsprogrammplanung1 explizit einzubeziehen. Dies wird allerdings dadurch erschwert, daß bei Programmentscheidungen häufig sehr viele, eventuell sogar unendlich viele Alternativen vorliegen. Es muß daher bei der Modellkonstruktion und/oder -auswertung eine Beschränkung auf eine relativ geringe Anzahl unsicherer Entwicklungen oder Alternativen erfolgen.

This is a preview of subscription content, log in via an institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Im folgenden wird der Sammelbegriff “Modelle der Investitionsprogrammplanung” für die unterschiedlichen Arten von Modellen zur Simultanplanung mehrerer Investitionsobjekte sowie von 2 Investitionen und anderen unternehmerischen Handlungen verwendet. Zu diesen Modellen vgl. Abschnitt 6.

    Google Scholar 

  2. Zu hier nicht vertieften Überlegungen, bei Unsicherheit Interdependenzen bereits bei der Modellierung von Zahlungsreihen einzelner Objekte zu erfassen, vgl. Krahnen, J.P.: (Investitionsmodelle), Sp. 1958 ff.

    Google Scholar 

  3. Vgl. Blohm, H.; Liider, K.: (Investition), S. 322 ff.

    Google Scholar 

  4. Zum Vorgehen vgl. Dinkelbach, W.: (Sensitivitätsanalysen), S. 23 ff.; Gal, T.: (Entscheidungsprobleme), S. 53 ff.; Schweim, J.: (Investitionsplanung), S. 108 ff. sowie zur Sensitivitätsanalyse bei Modellen fair Einzelentscheidungen Abschnitt 7. 3. 2.

    Google Scholar 

  5. Vgl. Felzmann, H.: (Modell), S. 52 ff.; Felzmann, H.: (Unterstützung), S. 834 ff.

    Google Scholar 

  6. Zur (simulativen) Risikoanalyse vgl. die Abschnitte 7.3.3 und 7.3.4.

    Google Scholar 

  7. Vgl. Salazar, R.C.; Sen, S.K.: (Simulation), S. 299 ff.; Blohm, H.; Lüder, K.: (Investition), S. 330 ff.

    Google Scholar 

  8. Vgl. Zimmermann, H.-J.: (Sets), S. 594; Buscher, U.; Roland, F.: (Fuzzy-Set-Modelle), S. 7.

    Google Scholar 

  9. Es wird hier unterstellt, daß die Zugehörigkeitsfunktion auf das Intervall [0,1] abbildet. Zugehörigkeitsfunktionen können aber auch auf andere Intervalle Bezug nehmen.

    Google Scholar 

  10. Vgl. Buscher, U.; Roland, F.: (Fuzzy-Set-Modelle), S. 37 ff.; Lehmann, I.; Weber, R.; Zimmermann, H.-J.: (Set), S. 4 ff.

    Google Scholar 

  11. Bei dieser Aussage ist vorausgesetzt, daß Kleiner-Gleich-Bedingungen vorliegen. Bei GrößerGleich-Bedingungen ist jeweils die andere Intervallgrenze zu verwenden.

    Google Scholar 

  12. Zum Minimum-Operator vgl. Zadeh, L.A.: (Sets), S. 225, zu anderen Operatoren wie dem Maximum-Operator oder kompensatorischen Operatoren vgl. Rommelfanger, H.: (Decision), S. 16 ff.

    Google Scholar 

  13. Damit besteht eine Analogie zur Maximin-Regel. Vgl. Abschnitt 7. 2.

    Google Scholar 

  14. Restriktionen, in denen keine unscharfen Aussagen einbezogen werden, lassen sich in diesem Optimierungsproblem in unveränderter Form erfassen.

    Google Scholar 

  15. Vgl. dazu Buscher, U.; Roland, F.: (Fuzzy-Set-Modelle), S. 57 ff.

    Google Scholar 

  16. Vgl. Markowitz, H.: (Portfolio), S. 8 ff.

    Google Scholar 

  17. Vgl. Hielscher, U.: (Aktienportefeuille), S. 186 ff.; Rodewald, B.: (Portfolio), S. 6 ff.

    Google Scholar 

  18. Jiwird hier vereinfachend für 2 • cji verwendet. Dieser Wert ergibt sich, da cji und cij über- einstimmen.

    Google Scholar 

  19. Zur Übertragung des Ansatzes auf die simultane Investitions-und Produktionsprogrammplanung vgl. Peters, L.: (Investitionsplanung).

    Google Scholar 

  20. Vgl. Kruschwitz, L.: (Investitionsrechnung), S. 325 ff.

    Google Scholar 

  21. Zu diesem vgl. Abschnitt 7.2.

    Google Scholar 

  22. Vgl. dazu Abschnitt 7.3.1.

    Google Scholar 

  23. Vgl. Hax,.; Laux, H.: (Planung), S. 318 ff.

    Google Scholar 

  24. Die Darstellung eines Entscheidungsbaumes ist bei Programmentscheidungen aufgrund der hohen Zahl von Alternativen nicht sinnvoll.

    Google Scholar 

  25. Die Notation weicht diesbezüglich von der beim Entscheidungsbaum verwendeten ab. Vgl. Abschnitt 7. 3. 5.

    Google Scholar 

  26. Vgl. Laux, H.: (Investitionsplanung), S. 20 f.

    Google Scholar 

  27. Zur Modellformulierung vgl. Laux, H.: (Investitionsplanung), S. 45 ff.

    Google Scholar 

  28. Vgl. Chames, A.; Cooper, W.W.: (Programming), S. 73 ff.; Lücke, W.: (Investitionslexikon), S.43f.

    Google Scholar 

  29. Vgl. Blohm, H.; Lüder, K.: (Investition), S. 327.

    Google Scholar 

  30. Vgl. dazu auch Blohm, H.; Lüder, K.: (Investition), S. 335.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 2002 Springer-Verlag Berlin Heidelberg

About this chapter

Cite this chapter

Götze, U., Bloech, J. (2002). Modelle für Programmentscheidungen bei Unsicherheit. In: Investitionsrechnung. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08019-1_8

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-08019-1_8

  • Publisher Name: Springer, Berlin, Heidelberg

  • Print ISBN: 978-3-540-42466-6

  • Online ISBN: 978-3-662-08019-1

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics