Anwendung des Capital Asset Pricing Model zur Ermittlung der Betafaktoren ausgewahlter Unternehmen

Auszug

In Kapitel 4 wurde dargelegt, wie die einzelnen Bestandteile des CAPM – risikofreie Rendite, Marktrisikoprämie und das systematische Risiko Beta – bestimmt und daraus die Kapitalkosten ermittelt werden können. Die so gewonnenen Informationen zu den Eigenkapitalkosten eines Unternehmens sind sowohl in der Unternehmensbewertung als auch für die Bewertung zukünftiger Investitionen einsetzbar.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 325.
    Siehe Kapitel 4.3.1 bis 4.3.3.Google Scholar
  2. 326.
    Siehe z.B. für den deutschen Aktienmarkt: Frantzmann, Hans-Jörg: Zur Messung des Marktrisikos deutscher Aktien, in: Zeitschrift für betriebswirtschaftliche Forschung (ZfbF): 1990, Band 42, S. 67–83 und sehr ausführlich: Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997 sowie die in beiden Schriften angegebene Literatur.Google Scholar
  3. 327.
    Siehe z. B. Börsen-Zeitung oder http://www.cortalconsors.de.
  4. 328.
    Siehe z.B. Sharpe, William F.: Portfolio Theory and Capital Markets, 2000 oder sehr konkret anhand eines Beispiels: Loderer, Claudio / Jörg, Petra / Pichler, Karl / Zgraggen, Pius: Handbuch der Bewertung, 2000, S. 359–363 und S. 473–475.Google Scholar
  5. 329.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 79.Google Scholar
  6. 330.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 79.Google Scholar
  7. 331.
    Spremann, Klaus: Portfoliomanagement, 2000, S. 28.Google Scholar
  8. 332.
    Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 54.Google Scholar
  9. 333.
    Kapitalveränderungen werden auch beim so genannten Kurs-oder Preisindex berücksichtigt, um Verzerrungen zu vermeiden.Google Scholar
  10. 334.
    Durch die Multiplikation der Bruchterms mit 100 erhalt man den Prozentwert.Google Scholar
  11. 335.
    Vgl. Steiner, Manfred / Bruns, Christoph: Wertpapiermanagement, 2000, S. 52–53.Google Scholar
  12. 336.
    Vgl. Fama, Eugene: The Behavior of Stock-Market Prices, in: The Journal of Business: 1965, Vol. 38,No. 1, S. 34–105, hier S. 45–46.CrossRefGoogle Scholar
  13. 337.
    Vgl. Fama, Eugene: Foundations of Finance, 1976, S. 20 und 31.Google Scholar
  14. 338.
    Vgl. Uhlir, Helmut / Steiner, Peter: Wertpapieranalyse, 1994, S. 129–130.Google Scholar
  15. 339.
    Vgl. Spremann, Klaus: Portfoliomanagement, 2000, S. 52–53.Google Scholar
  16. 340.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 56.Google Scholar
  17. 341.
    Vgl. Erhard, Ulrich / Fischbach, Rainer / Kehrle, Karl / Weiler, Hans: Praktisches Lehrbuch Statistik, 1992, S. 185.Google Scholar
  18. 342.
    Siehe Kapitel 4.3.3.Google Scholar
  19. 343.
    Sharpe verwendet in seinen Arbeiten als Parametersymbole ai und bi. In neueren Arbeiten ist oft αi und βi zu lesen. Da in diese Arbeit immer von Beta gesprochen wird, werden im weiteren nur die griechischen Symbole verwendet.Google Scholar
  20. 344.
    Vgl. Fama, Eugene: Foundations of Finance, 1976, S. 80.Google Scholar
  21. 345.
    Vgl. Fama, Eugene: Foundations of Finance, 1976, S. 80.Google Scholar
  22. 346.
    Das Statistik Add-In für Microsoft Excel steht als kostenlose Demoversion zum Download unter http://www.winstat.de zur Verfügung.
  23. 347.
    Vgl. Sachs, Lothar: Angewandte Statistik, 1992, S. 526.Google Scholar
  24. 348.
    Vgl. Sachs, Lothar: Angewandte Statistik, 1992, S. 497.Google Scholar
  25. 349.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 68.Google Scholar
  26. 350.
    Dabei gilt für die Berechnung der Freiheitsgrade des Zählers (v1) und des Nenners (v2): v1=n-df-1 und v2=df.Google Scholar
  27. 351.
    In Kapitel 5.2 liegt df immer zwischen 34 und 334. Bei einem Konfidenzniveau von 95% liegt der kritische (tabellierte) Wert bei ca. 4,15 bei 34 Freiheitsgraden und geht gegen 3,84 ab 120 Freiheitsgraden. Für ein Konfidenzniveau von 99% liegen die Werte bei ca. 7,5 bzw. 6,63.Google Scholar
  28. 352.
    Vgl. zu dieser und der folgenden Ausführung: Sachs, Lothar: Angewandte Statistik, 1992, S. 209.Google Scholar
  29. 353.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 70.Google Scholar
  30. 354.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 20–21.Google Scholar
  31. 355.
    Ausführlich zum Stör-bzw. Fehlerterm siehe: Spremann, Klaus: Portfoliomanagement, 2000, S. 289–290.Google Scholar
  32. 356.
    Vgl. Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997, S. 86–89 sowie die dort angegeben Literatur. v357_Aufgrund der Erkenntnisse von Zimmermann werden in dieser Arbeit die Betafaktoren mit dem Standardmarktmodell berechnet.Google Scholar
  33. 358.
    Siehe u.a.: Copeland, Tom / Koller, Tim / Murrin, Jack: Unternehmenswert, 2002, S. 266; Richter, Frank / Simon-Keuenhof, Kai: Bestimmung durchschnittlicher Kapitalkostensätze deutscher Industrieunternehmungen, in: Betriebswirtschaftliche Forschung und Praxis (BFuP): 1996, Band 48, S. 698–708, hier S. 700–701 oder Baetge, Jörg / Krause, Clemens: Die Berücksichtigung des Risikos bei der Unternehmensbewertung, in: Betriebswirtschaftliche Forschung und Praxis (BFuP): 1994, Band 46, S. 433–456, hier S. 453.Google Scholar
  34. 359.
    Der Euro wurde 1999 zuerst als Giralgeld eingeführt. Banknoten und Münzen wurden zum 01.01.2002 ausgegeben.Google Scholar
  35. 360.
    Durch die Einführung der europäischen Währungsunion in einem Groβteil Europas kann jeder Investor frei von Währungsrisiken grenzuberschreitend investieren.Google Scholar
  36. 361.
    Vgl. Richter, Frank / Simon-Keuenhof, Kai: Bestimmung durchschnittlicher Kapitalkostensätze deutscher Industrieunternehmungen, in: Betriebswirtschaftliche Forschung und Praxis (BFuP): 1996, Band 48, S. 698–708, hier S. 701Google Scholar
  37. 362.
    Fär die Berechnungsmethodik der Renditen siehe: Deutsche Bundesbank: Kapitalmarktstatistik: Statistisches Beiheft zum Monatsbericht 2, Januar 2005, S.66. (http://www.bundesbank.de)
  38. 363.
    Die dem Chart zugrunde liegenden Datentabellen (Monatskurse) stammen aus der öffentlich zugänglichen Zeitreihendatenbank der Deutschen Bundesbank unter http://www.bundesbank.de.
  39. 364.
    Für die vollständige Definition siehe: Deutsche Bundesbank: Kapitalmarktstatistik: Statistisches Beiheft zum Monatsbericht 2, Januar 2005, S.64. (http://www.bundesbank.de)
  40. 365.
    Quelle: Eigene Darstellung.Google Scholar
  41. 366.
    Die Bundesbank stellt auf ihrer Homepage die Monatsrenditen ab April 1973 zur Verfügung. „Im Zeitraum März 1976 bis einschlieβlich Dezember 1976 weist die Zeitreihe keine Werte auf, da in diesem Zeitraum keine entsprechenden Anleihen im Umlauf waren. Der Bund und seine ehemaligen Sondervermögen Deutsche Bundesbahn und Deutsche Bundespost als bedeutendste Emittenten der öffentlichen Hand haben Anfang der siebziger Jahre vor allem Anleihen mit Ursprungslaufzeiten zwischen 5 und 8 Jahren emittiert.” Emailantwort der Deutschen Bundesbank auf die Frage, warum keine Renditen für den entsprechenden Zeitraum in der Datenbank ausgewiesen werden.Google Scholar
  42. 367.
    Quelle: Eigene Darstellung.Google Scholar
  43. 368.
    Zur Diskussion, ob geometrisches oder arithmetisches Mittel siehe u. a.: Copeland, Tom / Koller, Tim / Murrin, Jack: Unternehmenswert, 2002, S. 269–270.Google Scholar
  44. 369.
    Die für den Chart notwendigen Zeitreihen für 10-jährige US-Treasurys wurden freundlicherweise von der Deutsche Bundesbank, Zentralbereich Markte aus dem Bloombergsystem zur Verfügung gestellt.Google Scholar
  45. 370.
    Die Zeitreihen für die 30-jährigen US-Bonds stammen aus dem Datastreamsystem und beginnen am 31.01.1980.Google Scholar
  46. 341.
    Im Mittel lagen die 30-jährigen 0,25 über den 10jahrigen Anleihen. Die absolute Schwankungsbreite lag dabei im Intervall von-0,73 im Juli 1981 bis 1, 1 im Oktober 2002.Google Scholar
  47. 372.
    Quelle: Bloomberg, Datastream und Zeitreihendatenbank der Deutsche Bundesbank; Eigene Darstellung.Google Scholar
  48. 373.
    Siehe Kapitel 5.1.2.1.Google Scholar
  49. 374.
    Quelle: Eigene Darstellung.Google Scholar
  50. 375.
    Die Renditen für 10-jährige japanische Staatsanleihen standen ab Januar 1984 in Datastream zur Verfugung.Google Scholar
  51. 376.
    Quelle: Bloomberg, Datastream und Zeitreihendatenbank der Deutsche Bundesbank; Eigene Darstellung.Google Scholar
  52. 377.
    Im Mittel lag die Verzinsung der deutschen Anleihen seit Mitte 1989 2,9 Prozentpunkte über der Verzinsung für japanische Anleihen. Die Schwankungsgrenzen betrug rund 4,1 im Juni 1995 (Maximum) bis 1,2 im September 1990 (Minimum).Google Scholar
  53. 378.
    Siehe Kapitel 5.1.2.1 und Kapitel 5.1.2.2.Google Scholar
  54. 379.
    Quelle: Eigene Darstellung.Google Scholar
  55. 380.
    Siehe Kapitel 4.3.2Google Scholar
  56. 381.
    Siehe z. B.: Timmreck, Christian: β-Faktoren–Anwendungsprobleme und Lösungsansätze, in: Finanz Betrieb: 2002, Heft 5, S. 300–307, hier S. 302 oder Steiner, Manfred / Kleeberg, Jochen: Zum Problem der Indexauswahl im Rahmen der wissenschaftlich-empirischen Anwendung des Capital Asset Pricing Model, in: Die Betriebswirtschaft (DBW): 1991, Band 51, S. 171–182, hier S. 180.Google Scholar
  57. 382.
    Die Gewichtung der einzelnen Unternehmen im DAX ändert sich börsentäglich. Die in Abbildung 39 angegebenen Werte sind Stand 01.03.2005.Google Scholar
  58. 383.
    Quelle: Eigene Darstellung. Die aktuelle Gewichtung der einzelnen Unternehmen im DAX wird börsentäglich auf der Homepage der Deutschen Börse (http://deutsche-boerse.com) veröffentlicht.
  59. 384.
    Vgl. MSCI Standard Methodology Book, August 2004, S. 5.Google Scholar
  60. 385.
    Für eine komplette Übersicht mit den genauen Zuordnungen siehe: Morgan Stanley Capital International: MSCI Standard Methodology Book, August 2004, S. 37–38.Google Scholar
  61. 386.
    Morgan Stanley Capital International: MSCI Standard Methodology Book, August 2004, S. 9.Google Scholar
  62. 387.
    Für eine komplette Übersicht mit den genauen Zuordnungen siehe: Morgan Stanley Capital International: Methodology & Index Policy, 1998, S. 64. Die in dieser Übersicht noch als Developed Markets eingeordneten Lander Luxemburg und Malaysia gehören aktuell nicht mehr zu selbigen. Luxemburg wird aufgrund der kleinen Gröβe nicht mehr einzeln betrachtet, Malaysia ist den Emerging Markets zugeordnet. Telefonische Auskunft von: Thorsten Coers, Analyst, MSC1Barra, Frankfurt am Main, 14.03.2005.Google Scholar
  63. 388.
    Developed Markets beinhaltet folgende Länder: Österreich, Australien, Belgien, Kanada, Dänemark, Finnland, Frankreich, Deutschland, Hongkong, Irland, Italien, Japan, Niederlande, Neuseeland, Norwegen, Portugal, Singapur, Spanien; Schweden, Schweiz, Groβbritannien, USA.Google Scholar
  64. 389.
    Vgl. Morgan Stanley Capital International: Methodology & Index Policy, 1998, S. 42.Google Scholar
  65. 390.
    Der Net-Total-Return-Index rechnet zusätzlich Steuereffekte mit ein, welche für einen Investor aufgrund der weltweit unterschiedlichen steuerlichen Behandlung von Dividenden entstehen.Google Scholar
  66. 391.
    Gross Index (G1) ist die Bezeichnung für Brutto-Total-Return-Index bei MSCI.Google Scholar
  67. 392.
    Quelle: Eigene Darstellung.Google Scholar
  68. 393.
    Alle in dieser Arbeit verwendeten Indexzeitreihen von MSCI wurden freundlicherweise von MSCI-Barra kostenfrei für diese Forschungsarbeit zur Verfügung gestellt.Google Scholar
  69. 394.
    100 Punkte wurde anstatt der oft üblichen 0 Punkte gewählt, weil die Indexentwicklung mancher Indizes in den ersten Monaten negativ war und ein Unterschreiten der Nulllinie aus optischen Gründen vermieden werden sollte.Google Scholar
  70. 395.
    Morgan Stanley legte den Wert des MSCI-Europe in Euro zum 31.12.1998 auf 100 Punkte fest. Da dieser Wert kleiner als der Punktwert der MSC1-Europe in Dollar zum Vergleichszeitpunkt ist, erfolgt eine Multiplikation der Zeitreihe anstatt wie bei der anfänglichen Normierung eine Division.Google Scholar
  71. 396.
    Quelle: Eigene Darstellung.Google Scholar
  72. 397.
    Quelle: Eigene Darstellung.Google Scholar
  73. 398.
    Alle Renditen sind als so genannte Prozentrenditen nach Formel (53) multipliziert mit 100 berechnet.Google Scholar
  74. 399.
    Solche angeblich in der Vergangenheit erzielte Durchschnittsrenditen lassen sich durch die Wahl der Intervallgrenzen oft stark beeinflussen. Die so ermittelte jahrliche Rendite sagt aber nichts über die tatsächliche Renditeentwicklung der einzelnen Jahre aus. Für eine Darstellung inklusive des Zinseszinseffekts siehe Kapitel 6.1.2.Google Scholar
  75. 400.
    Quelle: Eigene Darstellung.Google Scholar
  76. 401.
    Bei Tochterunternehmen, die sich schlecht entwickeln, wird in der Regel versucht, sie durch Sanierungs-und Restrukturierungsmaβnahmen profitabler zu machen. Gelingt dies nicht, droht Veräuβerung oder Schlieβung des Teilbereiches.Google Scholar
  77. 402.
    Siehe Kapitel 5.1.3.2.Google Scholar
  78. 403.
    Australien und Süd-Afrika werden Amerika zugeordnet.Google Scholar
  79. 404.
    Siehe Kapitel 5.1.1.1.Google Scholar
  80. 405.
    Leider war auch keine geeignete Übersicht beim entsprechenden Branchenverband zu bekommen.Google Scholar
  81. 406.
    Die Liste der Pfleiderer AG enthält 17 Unternehmen.Google Scholar
  82. 407.
    Die beiden amerikanischen Unternehmen Georgia-Pacific und Weyerhaeuser sind auch groβe Papierhersteller und werden deshalb in Kapitel 5.2.4 bei den Papierherstellern nochmals aufgeführt.Google Scholar
  83. 408.
    Quelle: Eigene Darstellung. Die Umsätze sind in Millionen angegeben, die Wahrungsspalte bezieht sich auf den Umsatz und die Wahrungsnotierung der Aktie.Google Scholar
  84. 409.
    Das Datastreamsystem der Firma Thomson-Financial ist eine der weltweit gröβten Datenbanken für historische Wertpapierkurse. Naturlich kann es sein, dass auch Zeitreihen vor Dezember 1976 im System vorhanden sind, diese werden aber für diese Arbeit nicht benotigt da der Untersuchungszeitraum auf die letzten 28 Jahre begrenzt wurde.Google Scholar
  85. 410.
    Auf die Ausweisung des Achsenabschnitts Alpha wurde verzichtet, da die geschätzten Werte für Alpha kaum von null abweichen. Das bedeutet, es existiert kein Teil der Unternehmensrendite, welcher von der Marktrendite vollkommen unabhängig ist, also auch bei einer Marktrendite von null bestehen bleibt.Google Scholar
  86. 411.
    Quelle: Eigene Darstellung.Google Scholar
  87. 412.
    Quelle: Eigene Darstellung.Google Scholar
  88. 413.
    Quelle: Eigene Darstellung.Google Scholar
  89. 414.
    Quelle: Eigene Darstellung.Google Scholar
  90. 415.
    Quelle: Eigene Darstellung.Google Scholar
  91. 416.
    Quelle: Eigene Darstellung.Google Scholar
  92. 417.
    Quelle: Eigene Darstellung.Google Scholar
  93. 418.
    Quelle: Eigene Darstellung. Beta 28 steht für den Untersuchungszeitraum 1977–2004 also der letzten 28 Jahre. Entsprechendes gilt für die anderen Spalten.Google Scholar
  94. 419.
    Zum Einfluss der Steigung der Regressionslinie auf das Bestimmtheitsmaβ siehe: Hradetzky, Joachim: Das Bestimmtheitsmaβ, in: Forstwissenschaftliches Centralblatt: 1978, Jahrgang 97, S. 168–181.Google Scholar
  95. 420.
    Quelle: Eigene Darstellung.Google Scholar
  96. 421.
    Der Anhang wurde aus Platzgründen aus diesem Buch gestrichen. Sie finden ihn im Internet als pdf-Datei unter http://www.fwl.wi.tum.de im Bereich Forschung–Projekte.
  97. 422.
    Vgl. Sachs, Lothar: Angewandte Statistik, 1992, S. 427.Google Scholar
  98. 423.
    Quelle: Eigene Darstellung.Google Scholar
  99. 424.
    Quelle: Eigene Darstellung.Google Scholar
  100. 425.
    Quelle: Eigene Darstellung.Google Scholar
  101. 426.
    Dem Unternehmen Xerox wurde Bilanzfälschung nachgewiesen, was zu erheblichen Kursschwankungen an der Börse geführt hat.Google Scholar
  102. 427.
    Abzulehnen wäre diese These, wenn z.B. eine trichter-oder trompetenförmige Gestalt entstehen wurde.Google Scholar
  103. 428.
    Quelle: Eigene Darstellung.Google Scholar
  104. 429.
    Vielen Dank an Patrick Lawall, Heidelberger Druckmaschinen AG, Heidelberg für die Bereitstellung der Daten.Google Scholar
  105. 430.
    Die Umsätze von Heidelberger Druckmaschinen AG und Ricoh stammen aus dem Jahr 2004. Auf eine Sortierung nach den Umätzen im Druckbereich wurde bewusst verzichtet, da die Aktienkurse sich auf das Gesamtunternehmen beziehen.Google Scholar
  106. 431.
    Quelle: Eigene Darstellung. Die mit einem Stern gekennzeichneten Umsätze sind in Euro, die mit zwei Sternen versehenen Umsätze sind in US-Dollar angegeben.Google Scholar
  107. 432.
    Die Umsätze der MAN-Tochterunternehmen sind auf der Webseite http://www.man.de veröffentlicht.
  108. 433.
    Die Zahl von 500 Mio. Euro geht aus der eingangs erwähnten Prasentation „The competitive environment of Heidelberg” hervor und wurde mit Patrick Lawall, Heidelberger Druckmaschinen AG, Heidelberg nochmals telefonisch validiert.Google Scholar
  109. 434.
    Quelle: Eigene Darstellung.Google Scholar
  110. 435.
    Quelle: Eigene Darstellung.Google Scholar
  111. 436.
    Quelle: Eigene Darstellung.Google Scholar
  112. 437.
    Quelle: Eigene Darstellung.Google Scholar
  113. 438.
    Quelle: Eigene Darstellung.Google Scholar
  114. 439.
    Quelle: Eigene Darstellung.Google Scholar
  115. 440.
    Quelle: Eigene Darstellung.Google Scholar
  116. 441.
    Quelle: Eigene Darstellung.Google Scholar
  117. 442.
    Xerox musste seine Bilanzen für die Jahre 1997 bis 2001 um mehrere Mrd. US-Dollar nachträlich nach unten korrigieren.Google Scholar
  118. 443.
    Der Anhang wurde aus Platzgründen aus diesem Buch gestrichen. Sie finden ihn im Internet als pdf-Datei unter http://www.fwl.wi.tum.de im Bereich Forschung–Projekte.
  119. 444.
    Siehe Anhang 70–76.Google Scholar
  120. 445.
    Siehe Anhang 76.Google Scholar
  121. 446.
    Quelle: Eigene Darstellung.Google Scholar
  122. 447.
    Quelle: Eigene Darstellung. Unternehmensnamen und Umsatzdaten stammen aus einem Artikel über die Top 100 der Papierindustrie in der Zeitschrift: PPI Pulp & Paper International: September 2004 S. 13–19, hier S. 16–17. Freundlicherweise zur Verfügung gestellt von: Ulrike Czermak, UPM-Kymmene, Augsburg. Alle Umsätze sind aus dem Jahr 2003 und in US-Dollar. Die Spalte Währung bezieht sich auf die Aktiennotierung.Google Scholar
  123. 448.
    Quelle: Eigene Darstellung.Google Scholar
  124. 449.
    Quelle: Eigene Darstellung.Google Scholar
  125. 450.
    Quelle: Eigene Darstellung.Google Scholar
  126. 451.
    Quelle: Eigene Darstellung.Google Scholar
  127. 452.
    Quelle: Eigene Darstellung.Google Scholar
  128. 453.
    Quelle: Eigene Darstellung.Google Scholar
  129. 454.
    Quelle: Eigene Darstellung.Google Scholar
  130. 455.
    Quelle: Eigene Darstellung.Google Scholar
  131. 456.
    Quelle: Eigene Darstellung.Google Scholar
  132. 457.
    Quelle: Eigene Darstellung.Google Scholar
  133. 458.
    Vgl. z.B. Baetge, Jörg / Krause, Clemens: Die Berücksichtigung des Risikos bei der Unternehmensbewertung, in: Betriebswirtschaftliche Forschung und Praxis (BFuP): 1994, Band 46, S. 433–456, hier S. 446. Ausführlicher zum Problem der optimalen Lange der Schätzperiode: Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997.Google Scholar
  134. 459.
    Quelle: Eigene Darstellung.Google Scholar
  135. 460.
    Quelle: Eigene Darstellung.Google Scholar
  136. 461.
    Quelle: Eigene Darstellung.Google Scholar
  137. 462.
    Quelle: Eigene Darstellung.Google Scholar
  138. 463.
    Quelle: Eigene Darstellung.Google Scholar
  139. 464.
    Quelle: Eigene Darstellung.Google Scholar
  140. 465.
    Quelle: Eigene Darstellung.Google Scholar
  141. 466.
    Quelle: Eigene Darstellung.Google Scholar
  142. 467.
    Den Anhang finden Sie im Internet unter http://www.fwl.wi.tum.de im Bereich Forschung–Projekte.
  143. 468.
    Auf die Tatsache, dass es sich hierbei um einen rechentechnischen Effekt ohne Aussagekraft für die Schätzgüte handelt, wurde bereits in Kapitel 5.2.1 verwiesen.Google Scholar
  144. 469.
    Die Schwankungsbreite ist mit den genauen Zahlen berechnet. Die bei einigen Werten auftretende Abweichung von 0,01 zu min. und max. ist auf die Rundung zurückzuführen.Google Scholar
  145. 470.
    Quelle: Eigene Darstellung.Google Scholar
  146. 471.
    Quelle: Eigene Darstellung.Google Scholar
  147. 472.
    Quelle: Eigene Darstellung.Google Scholar
  148. 473.
    Quelle: Eigene Darstellung.Google Scholar
  149. 474.
    Siehe u. a. Frantzmann, Hans-Jörg: Zur Messung des Marktrisikos deutscher Aktien, in: Zeitschrift für betriebswirtschaftliche Forschung (ZfbF): 1990, Band 42, S. 67–83 oder Zimmermann, Peter: Schätzung und Prognose von Betawerten, 1997. Etwas widersprüchlich dazu: Baetge, Jörg / Krause, Clemens: Die Berücksichtigung des Risikos bei der Unternehmensbewertung, in: Betriebswirtschaftliche Forschung und Praxis (BFuP): 1994, Band 46, S. 433–456 welche ein r2 von 0,815 für Daimler Benz ausweisen. Dies liegt aber an der gewählten Betrachtungsperiode und an der gewählten Approximation des Marktportfolios. Die nicht explizit erwähnten aber in einem Chart ausgewiesenen Bestimmtheitsmaβe für AEG stimmen mit den in dieser Arbeit erzielten Ergebnissen überein.Google Scholar
  150. 475.
    Dies soll nicht uber die Tatsache hinwegtäuschen, dass Papier-, Druckmaschinen-und Holzindustrie eigene Branchen mit eigenem Gewicht sind.Google Scholar
  151. 476.
    In der Form „Developed Countries”.Google Scholar
  152. 477.
    Die Indexzeitreihen wurden von MSCIBarra kostenfrei zur Verfügung gestellt.Google Scholar
  153. 478.
    Leider existieren keine vergleichbaren Sektorindices für die Regionen Europa, USA und Japan.Google Scholar
  154. 479.
    Vgl. Kapitel 5.1.3.2.Google Scholar
  155. 480.
    Quelle: Eigene Darstellung.Google Scholar
  156. 481.
    Eine Übersicht mit den aktuell im MSCI-World-und MSC1-Europe Paper & Forest Products enthaltenen Unternehmen befindet sich im Anhang 7.Google Scholar

Copyright information

© Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden 2006

Personalised recommendations