Erklärungsgrößen künftiger operativer Cash Flows: Empirische Evidenz zu deutschen KMU unter Berücksichtigung der Earnings-Qualität

برآورد و اندازه‌گیری ریسک جریان‌های نقدی عملیاتی آتی بخش مرکزی ارزیابی و رتبه‌بندی اعتباری شرکت‌ها است. با این حال، برای سرمایه‌گذاران در شرکت‌های کوچک و متوسط ​​(SMEs) دشوار است، زیرا احتمال نکول شرکت‌های کوچک و متوسط ​​بسیار بیشتر از شرکت‌های بزرگ است و کیفیت داده‌های صورت‌های مالی سالانه موجود، مناسب بودن آن‌ها برای کوتاه مدت نامشخص است. پیش‌بینی‌های میان‌مدت و بلندمدت جریان نقدی بر اساس 5970 صورت‌های مالی سالانه شرکت‌های کوچک و متوسط ​​آلمانی در بخش تولید. از دیدگاه سرمایه گذار، چندین مدل جریان نقدی با یکدیگر مقایسه شده و تأثیر کیفیت اطلاعات صورت های مالی سالانه مورد استفاده بر کیفیت پیش بینی بررسی می شود. سپس نویسنده نشان می‌دهد که چگونه استفاده از متغیرهای توضیحی غیرمادی از حوزه‌های شرکتی نوآوری، منابع انسانی و سازمان، تخمین را بهبود می‌بخشد. به عنوان بخشی از شبیه سازی مونت کارلو، او توزیع احتمال جریان نقدی عملیاتی آتی را مدل می کند و بنابراین ابزاری برای مدیریت ریسک داخلی ایجاد می کند.

Die Schätzung und Risikomessung künftiger operativer Cash Flows ist ein zentraler Bestandteil der Bewertung und Bonitätseinschätzung von Unternehmen. Sie gestaltet sich für Investoren kleiner und mittelständischer Unternehmen (KMU) jedoch schwierig, da die Ausfallwahrscheinlichkeit von KMU im Vergleich zu Großunternehmen wesentlich höher und die Qualität der vorhandenen Jahresabschlussdaten ungewiss ist.

Nikolaus Wrede analysiert empirisch finanzielle und immaterielle Erklärungsgrößen bezüglich ihrer Eignung für die kurz-, mittel- und langfristige Cash-Flow-Prognose anhand von 5.970 Jahresabschlüssen deutscher KMU des verarbeitenden Gewerbes. Aus Sicht eines Investors werden mehrere Cash-Flow-Modelle miteinander verglichen und der Einfluss der Qualität der verwendeten Jahresabschlussinformationen auf die Prognosegüte untersucht. Anschließend zeigt der Autor, wie der Einsatz immaterieller Erklärungsgrößen aus den Unternehmensbereichen Innovation, Personal und Organisation die Schätzung verbessert. Im Rahmen einer Monte-Carlo-Simulation modelliert er die Wahrscheinlichkeitsverteilung des künftigen operativen Cash Flows und entwickelt damit ein Instrument für das interne Risikomanagement.