Skip to main content

2015 | Buch

Das Working Capital als Indikator für Zahlungsausfälle

insite
SUCHEN

Über dieses Buch

Rainer Dreo gelingt der empirische Beweis der risikoerhöhenden Wirkung negativen Working Capitals. Er beantwortet die Frage, ob in Fällen von nur unvollständig vorliegenden Bilanzen allein auf Basis des Working Capitals eine Aussage über die Eintrittswahrscheinlichkeit zukünftiger Zahlungsausfälle getätigt werden kann. Unter Verwendung der von einer Kreditversicherung zur Verfügung gestellten Daten werden Vorhersagemodelle entwickelt, die sich in Bezug auf die Branchengruppen Handel und Produktion, das Alter der Daten und die individuelle Einschätzung der zukünftigen gesamtwirtschaftlichen Lage unterscheiden.

Inhaltsverzeichnis

Frontmatter
1. Einleitung
Zusammenfassung
Wenn Unternehmen ihren Kunden ein Zahlungsziel gewähren, verschaffen sie sich durch diesen Lieferantenkredit oft einen Wettbewerbsvorteil gegenüber Unternehmen, die gegen Vorauskasse liefern oder auf Barzahlung bei Abholung bestehen. Der Lieferantenkredit kommt den Kreditnehmer, also den Abnehmer der Ware oder Leistung, einerseits zwar teuer, hat jedoch den Vorteil, dass weder eine Kreditwürdigkeitsprüfung durchgeführt werden muss, noch zusätzliche Transaktionskosten entstehen. Dies bedeutet für den Lieferanten aber auch gleichzeitig die Übernahme des Risikos, dass der Abnehmer seinen vertraglichen Zahlungsverpflichtungen bei Fälligkeit nicht nachkommen kann.
Rainer Dreo
2. Der Working Capital-Begriff
Zusammenfassung
Dieses Kapitel widmet sich der genauen Definition des in dieser Arbeit verwendeten Working Capital-Begriffs und der Abgrenzung der unterschiedlichen Begriffe voneinander. Weiters werden alternative Kennzahlen der Liquidität beschrieben und im Folgenden begründet, warum sie in dieser Diplomarbeit keine Anwendung finden.
Rainer Dreo
3. Grundlagen der logistischen Regression
Zusammenfassung
Der Zusammenhang zwischen dem Working Capital und dem potenziellen Zahlungsausfall wird mittels der logistischen Regressionsanalyse untersucht. Im Folgenden wird das logistische Regressionsmodell näher erörtert.
Rainer Dreo
4. Vorbereitung der logistischen Regression
Zusammenfassung
Die Vorbereitung der logistischen Regression erfordert sämtliche verwendete Daten detailliert und exakt zu beschreiben, um das größtmögliche Maß an Klarheit sicher zu stellen. Dieses Kapitel legt daher den Schwerpunkt auf die Definition und die Aussagekraft der verwendeten Daten, bevor es sich schließlich der Modellentwicklung und der Modellierung der Variablen widmet.
Rainer Dreo
5. Univariate logistische Regression Yt ~ Xt-1
Zusammenfassung
Im Folgenden werden im Rahmen von Zeitreihenanalysen in Verbindung mit univariaten binären logistischen Regressionsanalysen Zusammenhänge zwischen Forderungsausfällen im Jahr t und den betreffenden Working Capital-Werten des Jahres t-1 untersucht. „Univariat“ bedeutet, dass nur eine unabhängige Variable in die Untersuchungen miteinbezogen wird. Zur mulitvariaten binären logistischen Regression siehe später Kapitel 7.
Rainer Dreo
6. Univariate logistische Regression Yt ~ Xt-2
Zusammenfassung
Die Untersuchungen aus Kapitel 5 haben bislang zu interessanten Ergebnissen geführt. Allerdings sind sie in Fällen, in denen das Working Capital/Bilanzsumme-Verhältnis nur des Vorvorjahres t-2 vorhanden ist, nicht anwendbar. Im Folgenden werden daher im Rahmen von Zeitreihenanalysen in Verbindung mit univariaten binären logistischen Regressionsanalysen Zusammenhänge zwischen Forderungsausfällen im Jahr t und den betreffenden Working Capital-Werten des Jahres t-2 untersucht.
Rainer Dreo
7. Multivariate logistische Regression Yt ~ Xt-2 + Xt-1
Zusammenfassung
Werden Zusammenhänge zwischen mehreren unabhängigen Variablen auf eine abhängige Variable im Rahmen einer logistischen Regressionsanalyse untersucht, spricht man von einer multivariaten logistischen Regression. Ist die abhängige Variable wie in den vorliegenden Untersuchungen binär skaliert, findet das multivariate binäre logistische Regressionsmodell Anwendung.
Rainer Dreo
8. Schlussfolgerungen
Zusammenfassung
Das letzte Kapitel der vorliegenden Diplomarbeit befasst sich nun mit den Schlussfolgerungen aus den vorgenommenen Untersuchungen.
Rainer Dreo
9. Conclusio
Zusammenfassung
Im Rahmen dieser Diplomarbeit wurde der empirische Beweis erbracht, dass sich negatives Working Capital risikoerhöhend auf die Wahrscheinlichkeit eines Zahlungs- bzw. Forderungsausfalls auswirkt. Außerdem wurde nachgewiesen, dass das Ausfallsrisiko mit zunehmendem negativen Working Capital ansteigt. Es wurden Prognosemodelle entwickelt, die eine Berechnung der Ausfallswahrscheinlichkeit im Jahr t auf Basis des Working Capitals der Jahre t-1 und/oder t-2 erlauben. Diese Modelle liegen in unterschiedlichen Varianten vor, welche eine Berücksichtigung der Branchengruppen Handel und Produktion, der Aktualität der vorliegenden Daten sowie der individuellen Einschätzung der zukünftigen gesamtwirtschaftlichen Lage ermöglichen. Die Prognosemodelle sind derart gestaltet, sodass die Wahrscheinlichkeiten von einem durchschnittlich verständigen Anwender bzw. einer durchschnittlich verständigen Anwenderin schnell und einfach errechnet werden können.
Rainer Dreo
Backmatter
Metadaten
Titel
Das Working Capital als Indikator für Zahlungsausfälle
verfasst von
Rainer Dreo
Copyright-Jahr
2015
Electronic ISBN
978-3-658-07818-8
Print ISBN
978-3-658-07817-1
DOI
https://doi.org/10.1007/978-3-658-07818-8