Managementprognosen, Analystenschätzungen und ... · MANAGEMENTPROGNOSEN, ANALYSTENSCHÄTZUNGEN...

MANAGEMENTPROGNOSEN, ANALYSTENSCHÄTZUNGEN UND

EIGENKAPITALKOSTEN

EMPIRISCHE ANALYSEN AM DEUTSCHEN KAPITALMARKT

Inauguraldissertation zur Erlangung der Würde eines Doktors der

Wirtschaftswissenschaft der Fakultät für Wirtschaftswissenschaft der

Ruhr-Universität Bochum

vorgelegt von

Diplom-Kaufmann Uwe Nölte aus Frankenthal

Dekan: Prof. Stephan Paul

Referent: Prof. Bernhard Pellens

Korreferent: Prof. Stephan Paul

Tag der mündlichen Prüfung: 16.7.2008

Inhaltsübersicht II

INHALTSÜBERSICHT

Abbildungsverzeichnis...................................................................................IX

Tabellenverzeichnis......................................................................................... X

Abkürzungsverzeichnis ............................................................................... XII

Symbolverzeichnis....................................................................................XVIII

1 Einleitung.................................................................................................... 1

1.1 Problemstellung und Zielsetzung....................................................... 1 1.2 Gang der Untersuchung...................................................................... 6

2 Managementprognosen ............................................................................ 9

2.1 Problemstellung und Gang der Untersuchung................................... 9 2.2 Institutionelle Grundlagen................................................................ 12 2.3 Theoretische Grundlagen ................................................................. 38 2.4 Literaturüberblick und Hypothesenbildung..................................... 46 2.5 Empirische Untersuchung ................................................................ 62 2.6 Zwischenfazit.................................................................................... 85

3 Analystenschätzungen............................................................................. 88

3.1 Problemstellung und Gang der Untersuchung................................. 88 3.2 Institutionelle Grundlagen................................................................ 92 3.3 Theoretische Grundlagen ............................................................... 118 3.4 Literaturüberblick und Hypothesenbildung................................... 123 3.5 Empirische Untersuchung .............................................................. 144 3.6 Zwischenfazit.................................................................................. 177

4 Eigenkapitalkosten ................................................................................ 182

4.1 Problemstellung und Gang der Untersuchung............................... 182 4.2 Modellgrundlagen........................................................................... 186 4.3 Theoretische Grundlagen ............................................................... 206 4.4 Literaturüberblick und Hypothesenbildung................................... 221 4.5 Empirische Untersuchung .............................................................. 231 4.6 Zwischenfazit.................................................................................. 261

5 Zusammenfassung................................................................................. 264

Inhaltsübersicht III

Anhang........................................................................................................... 270

Literaturverzeichnis..................................................................................... 280

Inhaltsverzeichnis IV

INHALTSVERZEICHNIS

Abbildungsverzeichnis...................................................................................IX

Tabellenverzeichnis......................................................................................... X

Abkürzungsverzeichnis ............................................................................... XII

Symbolverzeichnis....................................................................................XVIII

1 Einleitung.................................................................................................... 1

1.1 Problemstellung und Zielsetzung....................................................... 1 1.2 Gang der Untersuchung...................................................................... 6

2 Managementprognosen ............................................................................ 9

2.1 Problemstellung und Gang der Untersuchung................................... 9 2.2 Institutionelle Grundlagen................................................................ 12

2.2.1 Definitionen ........................................................................ 12

2.2.2 Prozess der Erstellung von Managementprognosen .......... 21

2.2.3 Kommunikationswege........................................................ 25

2.2.4 Adressaten von Managementprognosen ............................ 33

2.3 Theoretische Grundlagen ................................................................. 38

2.3.1 Vollständige Publizität........................................................ 38

2.3.2 Einschränkungen der vollständigen Publizität................... 40

2.3.2.1 Informationsunsicherheit ..................................... 40

2.3.2.2 Publizitätskosten .................................................. 40

2.3.2.3 Eigeninteresse des Managers und

Verifizierbarkeit der Informationen..................... 42

2.4 Literaturüberblick und Hypothesenbildung..................................... 46

2.4.1 Determinanten der Informationsunsicherheit .................... 48

2.4.1.1 Unternehmenskomplexität................................... 48

2.4.1.2 Verfügbarkeit von öffentlichen

Informationen....................................................... 50

2.4.1.3 Unsicherheit zukünftiger Gewinne...................... 52

Inhaltsverzeichnis V

2.4.2 Determinanten der Publizitätskosten.................................. 54

2.4.2.1 Bedeutung interner Informationen....................... 54

2.4.2.2 Informationsasymmetrie ...................................... 55

2.4.3 Determinanten des Eigeninteresses des Managements ..... 57

2.4.3.1 Nachfragedruck .................................................... 57

2.4.3.2 Bestehen eines Verlustes ..................................... 59

2.4.4 Zusammenfassung der Hypothesen.................................... 61

2.5 Empirische Untersuchung ................................................................ 62

2.5.1 Datenbasis und Methodik ................................................... 63

2.5.2 Deskriptive Statistik............................................................ 65

2.5.3 Modellauswahl.................................................................... 71

2.5.4 Ergebnisse ........................................................................... 78

2.5.5 Einschränkung der Ergebnisse und Robustheitstests......... 82

2.6 Zwischenfazit.................................................................................... 85

3 Analystenschätzungen............................................................................. 88

3.1 Problemstellung und Gang der Untersuchung................................. 88 3.2 Institutionelle Grundlagen................................................................ 92

3.2.1 Definitionen und Abgrenzung............................................ 92

3.2.2 Eigenschaften von Analystenschätzungen....................... 101

3.2.3 Einflussgruppen von Analysten........................................ 107

3.3 Theoretische Grundlagen ............................................................... 118

3.3.1 Traditionelle neoklassische Kapitalmarkttheorie............. 118

3.3.2 Einschränkungen der neoklassischen

Kapitalmarkttheorie .......................................................... 118

3.3.2.1 Unsicherheit ....................................................... 118

3.3.2.2 Beschränkte Rationalität .................................... 120

3.4 Literaturüberblick und Hypothesenbildung................................... 123

3.4.1 Variablen der Qualität der Finanzberichterstattung......... 124

3.4.1.1 Qualität der Investor Relations .......................... 124

Inhaltsverzeichnis VI

3.4.1.2 Qualität des Geschäftsberichts........................... 131

3.4.1.3 Managementprognosepräzision......................... 134

3.4.2 Kontrollvariablen .............................................................. 139

3.4.2.1 Unternehmensgröße ........................................... 139

3.4.2.2 Anzahl der Analysten......................................... 140

3.4.2.3 Anzahl der Unternehmenssegmente.................. 141

3.4.2.4 Volatilität der Gewinne...................................... 142

3.4.2.5 Bestehen eines Verlustes ................................... 143

3.4.3 Zusammenfassung der Hypothesen.................................. 143

3.5 Empirische Untersuchung .............................................................. 144

3.5.1 Datenbasis und Methodik ................................................. 144

3.5.2 Ergebnisse ......................................................................... 146

3.5.2.1 Univariate Analyse............................................. 146

3.5.2.2 Multivariate Analyse.......................................... 151

3.5.2.2.1 Korrelationsanalyse........................ 155

3.5.2.2.2 Modellformulierung ....................... 158

3.5.2.2.3 Ergebnisse der

Regressionsanalyse......................... 159

3.5.2.2.4 Überprüfung der

Regressionsvoraussetzungen.......... 166

3.5.3 Einschränkung der Ergebnisse und Robustheitstests....... 174

3.6 Zwischenfazit.................................................................................. 177

4 Eigenkapitalkosten ................................................................................ 182

4.1 Problemstellung und Gang der Untersuchung............................... 182 4.2 Modellgrundlagen........................................................................... 186

4.2.1 Dividendendiskontierungsmodell..................................... 187

4.2.2 Residualgewinnmodelle.................................................... 191

4.2.3 Gewinnkapitalisierungsmodelle ....................................... 196

4.2.4 Würdigung der Modelle.................................................... 202

Inhaltsverzeichnis VII

4.3 Theoretische Grundlagen ............................................................... 206

4.3.1 Capital Asset Pricing Model............................................. 207

4.3.2 Einschränkungen des Capital Asset Pricing Model......... 210

4.3.2.1 Informationspräzision ........................................ 212

4.3.2.2 Informationsasymmetrie .................................... 213

4.4 Literaturüberblick und Hypothesenbildung................................... 221

4.4.1 Variablen der Informationsqualität .................................. 222

4.4.1.1 Qualität der Investor Relations .......................... 222

4.4.1.2 Qualität des Geschäftsberichts........................... 223

4.4.1.3 Managementprognosepräzision......................... 224

4.4.2 Kontrollvariablen .............................................................. 226

4.4.2.1 Systematisches und unsystematisches Risiko ... 226

4.4.2.2 Verschuldungsgrad............................................. 227

4.4.2.3 Buchwert-Marktwert-Verhältnis ....................... 228

4.4.2.4 Unsicherheit der Renditen ................................. 229

4.4.2.5 Unternehmensgröße und Anzahl der

covernden Analysten.......................................... 229

4.4.3 Zusammenfassung der Hypothesen.................................. 230

4.5 Empirische Untersuchung .............................................................. 231

4.5.1 Datenbasis und Methodik ................................................. 231

4.5.2 Ergebnisse ......................................................................... 234

4.5.2.1 Univariate Analyse............................................. 234

4.5.2.2 Multivariate Analyse.......................................... 237

4.5.2.2.1 Korrelationsanalyse........................ 239

4.5.2.2.2 Modellformulierung ....................... 243

4.5.2.2.3 Ergebnisse der

Regressionsmodelle........................ 244

4.5.2.2.4 Überprüfung der

Regressionsvoraussetzungen.......... 251

Inhaltsverzeichnis VIII

4.5.3 Einschränkung der Ergebnisse und Robustheitstest ........ 256

4.6 Zwischenfazit.................................................................................. 261

5 Zusammenfassung................................................................................. 264

Anhang........................................................................................................... 270

Literaturverzeichnis..................................................................................... 280

Abbildungsverzeichnis IX

Abbildungsverzeichnis Abbildung 1: Wirkungskette zwischen der Qualität der

Finanzberichterstattung, der Unsicherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen ......................................................................... 4

Abbildung 2: Gang der Untersuchung......................................................... 7

Abbildung 3: Struktur des zweiten Kapitels ............................................. 11

Abbildung 4: Struktur des zweiten Kapitels – Theoretische Grundlagen .......................................................................... 37

Abbildung 5: Determinanten der Managementprognosepräzision........... 47

Abbildung 6: Wirkungskette zwischen der Qualität der Finanzberichterstattung, der Unsicherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen ....................................................................... 89

Abbildung 7: Struktur des dritten Kapitels................................................ 91

Abbildung 8: Einflussgruppen von Analysten ........................................ 107

Abbildung 9: Struktur des dritten Kapitels – Literaturüberblick............ 123

Abbildung 10: Literaturüberblick Kapitel 3.............................................. 124

Abbildung 11: Bestimmung des Zeitraums zur Berechnung der Streuung und des Schätzfehlers ........................................ 147

Abbildung 12: Schätzfehler und Streuung im Untersuchungszeitraum ... 150

Abbildung 13: Wirkungskette zwischen der Qualität der Finanzberichterstattung, der Unsicherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen ..................................................................... 183

Abbildung 14: Struktur des vierten Kapitels............................................. 185

Abbildung 15: Ebenen der Informationsunsicherheit ............................... 211

Abbildung 16: Determinanten der Eigenkapitalkosten............................. 221

Abbildung 17: Implizite Marktrisikoprämien im Zeitablauf .................... 235

Abbildung 18: Wirkungskette zwischen der Qualität der Finanzberichterstattung, der Unsicherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen ..................................................................... 264

Tabellenverzeichnis X

Tabellenverzeichnis Tabelle 1: Beispiele für verschiedene Prognosearten .......................... 17

Tabelle 2: Zusammenfassung der Hypothesen .................................... 62

Tabelle 3: Häufigkeitsverteilung der verschiedenen Prognosearten ...................................................................... 66

Tabelle 4: Variablendefinitionen.......................................................... 69

Tabelle 5: Deskriptive Statistiken der unabhängigen Variablen nach Prognosepräzision....................................................... 70

Tabelle 6: Ergebnisse der univariaten und multivariaten Analyse...... 79

Tabelle 7: Übersicht der Ergebnisse zu den Determinanten der Managementprognosepräzision .......................................... 86

Tabelle 8: Wesentliche IR-Instrumente ............................................. 126

Tabelle 9: Zusammenfassung der Analystenbefragungen zur Qualität der Investor Relations ......................................... 129

Tabelle 10: Fragebogen der DVFA zur Qualität der Investor Relations ............................................................................ 130

Tabelle 11: Übersicht über die Methoden zur Bewertung des besten Geschäftsberichts ................................................... 133

Tabelle 12: Untersuchte Komponenten des Geschäftsberichts im Rahmen des Wettbewerbs „Bester Geschäftsbericht“ von Prof. Küting................................................................ 134

Tabelle 13: Zusammenfassung der Hypothesen des dritten Kapitels.............................................................................. 144

Tabelle 14: Entwicklung der Stichprobe.............................................. 146

Tabelle 15: Schätzfehler und Streuung nach Indexzugehörigkeit....... 151

Tabelle 16: Variablendefinitionen in Kapitel 3.................................... 153

Tabelle 17: Deskriptive Statistik der unabhängigen Variablen nach FORERR und FOREDISP ....................................... 154

Tabelle 18: Korrelationsmatrix............................................................. 156

Tabelle 19: Determinanten der Eigenschaften von Analystenschätzungen – IR-Qualität ................................ 160

Tabelle 20: Determinanten der Eigenschaften von Analystenschätzungen – multivariate Regressionsergebnisse ...................................................... 162

Tabelle 21: Determinanten der Eigenschaften von Analystenschätzungen – Präzision der Managementprognosen ..................................................... 163

Tabelle 22: Determinanten der Eigenschaften von Analystenschätzungen – Integration aller Variablen ....... 164

Tabellenverzeichnis XI

Tabelle 23: Zusammenfassende Übersicht der Kernergebnisse.......... 179

Tabelle 24: Verwendete Bewertungsmodelle ...................................... 201

Tabelle 25: Zusammenfassung der Hypothesen .................................. 231

Tabelle 26: Deskriptive Statistik der geschätzten Risikoprämie ......... 234

Tabelle 27: Variablendefinitionen........................................................ 237

Tabelle 28: Deskriptive Statistik der unabhängigen Variablen ........... 238

Tabelle 29: Korrelationsmatrix nach Pearson und Spearman der einbezogenen Variablen.................................................... 241

Tabelle 30: Regressionsergebnisse nach Absolutwerten..................... 246

Tabelle 31: Regressionsergebnisse nach Rangwerten ......................... 250

Tabelle 32: Ergebnisse des Fixed-Effects-Modells ............................. 255

Tabelle 33: Übersicht der Ergebnisse zu den Determinanten der Eigenkapitalkosten ............................................................ 262

Abkürzungsverzeichnis XII

Abkürzungsverzeichnis

Abs. Absatz

AIMR Association for Investment Management Research

AG Aktiengesellschaft

AktG Aktiengesetz

AM arithmetisches Mittel

AnSVG Anlegerschutzverbesserungsgesetz

APT Arbitrage Pricing Theory

avg. Durchschnitt (average)

BaFin Bundesanstalt für Finanzdienstleistungsaufsicht

BaWe Bundesaufsichtsamt für den Wertpapierhandel

BilReG Bilanzrechtsreformgesetz

BörsZulV Börsenzulassungsverordnung

bspw. Beispielsweise

BTM Buchwert-Marktwert-Verhältnis (book-to-market-ratio)

bzgl. Bezüglich

bzw. Beziehungsweise

ca. Circa

CAPM Capital Asset Pricing Model

CDAX Deutscher Aktienindex (composite)

CEO Chief Executive Officer

CFA Chartered Financial Analyst

Abkürzungsverzeichnis XIII

CFAI Chartered Financial Analyst Institute

CFO Chief Financial Officer

CIFAR Center for International Financial Analysis and Research

CIIA Certified International Investment Analyst

c.p. ceteris paribus

DAI Deutsches Aktieninstitut

DAX Deutscher Aktienindex

DCF Discounted Cashflow

DDM Dividendendiskontierungsmodell

DIRK Deutscher Investor Relations Verband e.V.

DS Datastream

DVFA Deutsche Vereinigung für Finanzanalyse und Asset Manage-ment

EBIT Ergebnis vor Zinsen und Steuern (earnings before interests and taxes)

EBITDA Ergebnis vor Zinsen, Steuern und Abschreibungen (earnings before interests, taxes, depreciation and amortization)

EFFAS European Federation of Financial Analysts

EPS Ergebnis je Aktie (Earnings per share)

et al. und andere

etc. et cetera

e.V. eingetragener Verein

eV erwartetes Vorzeichen

evtl. eventuell

f. folgende

Abkürzungsverzeichnis XIV

FAF Financial Analysts Federation

FASB Financial Accounting Standards Board

FE Schätzfehler (Forecast Error)

F&E Forschung und Entwicklung

ff. fort folgende

GCFAS German Chartered Financial Analysts Society e.V.

GEX Deutscher Aktienindex Mittelstand (German Entrepreneurial Index)

GLS Generalized Least Squares

GmbH Gesellschaft mit beschränkter Haftung

GuV Gewinn- und Verlustrechnung

HDAX Deutscher Aktienindex (Hundert)

HFA Hauptfachausschuss

HGB Handelsgesetzbuch

h.M. herrschende Meinung

hrsg. herausgegeben

Hrsg. Herausgeber

IAS International Accounting Standards

IASB International Accounting Standards Board

I/B/E/S Institutional Brokers Estimate System

i.d.R. in der Regel

IDW Institut der Wirtschaftsprüfer

IFRS International Financial Reporting Standards

Abkürzungsverzeichnis XV

insb. insbesondere

IPO Initial Public Offering

IR Investor Relations

Jg. Jahrgang

k.A. keine Angabe

KonTraG Gesetz zur Kontrolle und Transparenz im Unternehmensbe-reich

LLV0 LogLikelihood-Wert der alleinigen Schätzung der Konstanten

LLVv LogLikelihood-Wert des vollständig spezifizierten Modells

LOG Natürlicher Logarithmus

LR Likelihood-Ratio

MAF Mittlerer absoluter Schätzfehler

Max. Maximum

MDAX Deutscher Aktienindex (Midcap)

m.E. meines Erachtens

Med. Median

MF mittlerer Schätzfehler

Min. Minimum

Mio. Millionen

MPS Managementprognoseindex (management precision score)

Mrd. Milliarden

m.W. meines Wissens

m.w.N. mit weiteren Nachweisen

Abkürzungsverzeichnis XVI

N Anzahl, Zählindex

n.b. nicht berichtet

NEMAX Deutscher Aktienindex (Neuer Markt)

NIRI National Investor Relations Institute

Nr. Nummer

n.v. nicht verfügbar

OLS Ordinary Least Squares

Q1 25 %-Quartil

Q3 75 %-Quartil

Rd. Randnummer

Reg FD Regulation Fair Disclosure

REX Deutscher Rentenindex

RP Risikoprämie

RS Rechnungslegungsstandard

S&P Standard and Poor’s

SDAX Deutscher Aktienindex (Small Cap)

SEC Securities and Exchange Commission

SIC Standard Industrial Classification

SMAX Deutscher Aktienindex (Small Cap)

sog. sogenannt

Sp. Spalte

Std. Standardabweichung (standard deviation)

STOXX Europäischer Aktienindex (stock index)

Abkürzungsverzeichnis XVII

T (Kapitalmarkt-)Teilnehmer

TecDAX Deutscher Aktienindex (Technologiewerte)

TransPuG Transparenz- und Publizitätsgesetz

US United States

u.a. unter anderem

u.U. unter Umständen

vgl. vergleiche

VTAD Vereinigung technischer Analysten Deutschlands e.V.

WpAIV Wertpapierhandelsanzeige- und Insiderverzeichnisverordnung

WPDLU Wertpapierdienstleistungsunternehmen

WpHG Wertpapierhandelsgesetz

WS Worldscope

z.B. zum Beispiel

zzgl. zuzüglich

Symbolverzeichnis XVIII

Symbolverzeichnis

€ Euro

A Bewertungsstichtag

AEG erwartetes abnormales Gewinnwachstum (abnormal earnings growth)

bps Buchwert des Eigenkapitals pro Aktie (book value per share)

bpsA Buchwert des Eigenkapitals pro Aktie zum Stichtag A

ci jahresspezifische Dummyvariable

cu unternehmensspezifische Dummyvariable

cov Kovarianz

CT Claus/Thomas

DIV Dividenden

dps erwartete Dividende pro Aktie

eps erwartetes Ergebnis je Aktie

epsactual realisiertes Ergebnis je Aktie in I/B/E/S

E () Erwartungswertoperator

EK Eigenkapital

FORERR Schätzfehler

FROE erwartete Eigenkapitalrendite (forecasted return on equity)

g erwartete Wachstumsrate

gDIV erwartete langfristige Dividendenwachstumsrate

glt erwartete langfristige Gewinnwachstumsrate

Symbolverzeichnis XIX

IBESltg von Analysten geschätzte langfristige Gewinnwachstumsrate in

I/B/E/S

gst erwartete kurzfristige Wachstumsrate

GLS Gebhardt/Lee/Swaminathan

GG Gordon/Gordon

GM Gode/Mohanram

k Laufindex

I Anzahl der Signale über ein Unternehmen

N Anzahl (Zählvariable)

P Preis je Aktie

PEG Kurs-Gewinn-Wachstumsverhältnis (price-earnings-growth-ratio)

r Diskontierungszinssatz

rEK erwartete Eigenkapitalkosten

rf risikofreier Zinssatz

rm Marktrisikoprämie

rx erwartete Eigenkapitalkosten im jeweiligen Modell

rp unternehmensspezifische Risikoprämie

RG Residualgewinn

ROE Eigenkapitalrendite (return on equity)

T Periode, Geschäftsjahr

u Wert des Residuums

V Wert eines Investitionsobjektes

Symbolverzeichnis XX

Var Varianz

WAVGPREC gewichtete Präzision (weighted average precision)

X Wert eines Einflussfaktors im Regressionsmodell

x̂ Schätzung der Variable x

x Realisierung der Variable x

Z erwartete Zahlungszuflüsse

α Regressionskonstante

β Beta-Faktor, Regressionskoeffizient

γ Präzisionsgrad einer Information, Regressionskoeffizient

δ Anteil privater Signale, Regressionskoeffizient

ε Fehlerterm des Regressionsmodells

µ Anteil informierter Investoren, Regressionskoeffizient

Einleitung 1

1 Einleitung

1.1 Problemstellung und Zielsetzung

Die Rechnungslegung und Finanzberichterstattung deutscher Unternehmen be-

findet sich seit Mitte der 1990er Jahre in einer tiefgreifenden Umbruchphase.

Zahlreiche Regulierungen, wie das Gesetz zur Kontrolle und Transparenz im

Unternehmensbereich (KonTraG), das Transparenz- und Publizitätsgesetz

(TransPuG) oder der Übergang zu den International Financial Reporting Stan-

dards (IFRS) mit ihren detaillierten Angabepflichten, haben zu einer deutlichen

Erhöhung der Pflichtpublizität geführt.1 Als Auslöser dieser Entwicklung wird

häufig die gestiegene Bedeutung des Kapitalmarktes für deutsche Unternehmen

und die Zurückdrängung des sog. „Insider-Systems“ angesehen.2 In einem von

Insidern geprägten Finanzsystem finanzieren sich Unternehmen vornehmlich

über Banken. Diese verfügen ihrerseits über enge Beziehungen zum Manage-

ment und sind somit über die internen Vorgänge informiert. Dementsprechend

besteht wenig Bedarf an der Veröffentlichung von Unternehmensinformationen.3

In einem Outsider-System dagegen ist das Unternehmen gezwungen, sich eher

über externe Kapitalmärkte zu finanzieren. Hierbei verlangen insbesondere In-

vestoren und Analysten aktuelle und umfassende Informationen zur Prüfung ei-

ner Investition und zur nachfolgenden Überwachung des Unternehmensmana-

gements.4

Ziel der Regulierungsmaßnahmen zur Finanzberichterstattung der Unternehmen

ist insbesondere die Herstellung einer leichteren Vergleichbarkeit der Unterneh-

menskennzahlen und eine höhere Transparenz und Qualität der berichteten In-

formationen.5 Den Investoren soll somit eine verbesserte Grundlage für ihre In-

vestitionsentscheidung zur Verfügung gestellt werden. Tatsächlich zeigen bi-

1 Vgl. Bonse (2004), S. 1-3. 2 Vgl. Daske (2005), S. 9. 3 Vgl. Leuz/Wüstemann (2003), S. 2-4. 4 Vgl. Ball et al. (2000), S. 1-3. 5 Vgl. Böcking/Orth (1998), S. 1873; Pfitzer et al. (2002), S. 157-159.

Einleitung 2

lanzanalytische Studien, die im Detail die von Unternehmen offen gelegten Ge-

schäftsberichte auf Informationsgehalt, Verständlichkeit und Verlässlichkeit

überprüfen, dass deutsche Unternehmen im Durchschnitt der letzten zehn Jahre

mehr und detaillierter berichtet haben.6

Die gesetzlich verpflichtend abzugebenden Veröffentlichungen stellen zudem

lediglich die Mindestanforderung an die Unternehmenspublizität dar. Daneben

existiert für Unternehmen eine Vielzahl von Möglichkeiten, freiwillig über die

Unternehmenslage und zukünftige Entwicklungen zu berichten. Denkbar sind

z.B. Unternehmensbroschüren, Pressemitteilungen oder freiwillige Prognosen

des Managements. Auch hier ist seit Ende der 1990er Jahre eine deutliche Ten-

denz zu mehr Transparenz der Unternehmen zu konstatieren. Beispielsweise zei-

gen jährliche durchgeführte Befragungen von Finanzanalysten, für die die Fi-

nanzberichterstattung von besonderer Bedeutung ist, dass sich die Qualität der

freiwilligen Finanzberichterstattung verbessert hat.7

Insgesamt scheint sowohl die gesetzlich regulierte als auch die freiwillige Fi-

nanzberichterstattung deutscher Unternehmen in den vergangenen Jahren an

Qualität gewonnen zu haben. Gleichwohl variiert die Qualität zwischen den ein-

zelnen Unternehmen stark. Während manche Unternehmen wie die SAP AG

sowohl in Analystenbefragungen als auch in bilanzanalytischen Studien stets

sehr gute Ergebnisse erzielen, schneiden gerade kleinere Unternehmen häufig

vergleichsweise schlecht ab. Da die gesetzlich regulierte Finanzberichterstattung

normiert ist, muss die Variation auf Unterschiede in der freiwilligen Berichter-

stattung zurückzuführen sein. Fraglich erscheint damit, welche Faktoren die

Qualität der freiwilligen Berichterstattung beeinflussen. Verschiedene Studien

argumentieren, die Qualität der Finanzberichterstattung hinge vor allem von dem

aktuellen wirtschaftlichen Erfolg des Unternehmens ab.8 So findet z.B. Miller

(2002), dass Unternehmen in Zeiten steigender Gewinne deutlich mehr Nach-

6 Vgl. Daske/Gebhardt (2006a), S. 473. 7 Vgl. hierzu insbesondere die Ergebnisse der Studie zur Qualität der Investor Relations im Zeitraum 1997

bis 2006 in Abschnitt 3.5.2. 8 Vgl. Miller (2002); Lang/Lundholm (1993).

Einleitung 3

richten abgeben, die zudem einen höheren Informationsgehalt besitzen. Andere

Studien schreiben die Entwicklung eher der gestiegenen Bedeutung und Nach-

frage des Kapitalmarktes nach mehr und besseren Informationen zu.9 Die Ergeb-

nisse von Lang/Lundholm (2000) zeigen z.B., dass Unternehmen vor einer Akti-

enemission deutlich mehr Informationen offenlegen. Diese unterschiedlichen

Ergebnisse widersprechen sich zwar nicht; sie deuten allerdings darauf hin, dass

nicht nur eine einzige Determinante der Qualität der freiwilligen Finanzbericht-

erstattung existiert, sondern mehrere Komponenten dafür verantwortlich sind. Im

ersten Teil der vorliegenden Arbeit soll daher für den deutschen Kapitalmarkt

die Frage beantwortet werden, welche Faktoren die Qualität der freiwilligen Fi-

nanzberichterstattung bestimmen.

Im zweiten und dritten Teil der Arbeit sollen darauf aufbauend die Konsequen-

zen der gestiegenen Qualität der freiwilligen Finanzberichterstattung untersucht

werden. Als wichtige Konsequenz einer gestiegenen Qualität werden vielfach

eine Verringerung der Unsicherheit des Kapitalmarktes sowie die Reduzierung

der Kapitalkosten genannt.10 Das folgende Zitat von John M. Foster (2003), ei-

nem früheren Mitglied des US-amerikanischen Financial Accounting Standards

Board (FASB), verdeutlicht dies:

„More information always equates to less uncertainty, and […]

people pay more for certainty. In the context of financial informa-

tion, the end result is that better disclosure results in a lower cost

of capital.”11

Allerdings stellt sich die Frage, ob die Aussage von Foster (2003) als allgemein-

gültig übernommen werden kann. Bereits der erste Satz des Zitats umfasst zwei

Aussagen, deren Inhalt alles andere als offensichtlich erscheint: Führen mehr In-

formationen wirklich zu weniger Unsicherheit? Und bezahlen die Kapitalmarkt-

teilnehmer wirklich mehr für Sicherheit? Auch der erwartete Effekt, dass die

Kapitalkosten für Unternehmen mit „besserer Berichterstattung“ sinken, ist nicht 9 Vgl. Myers/Majluf (1984), S. 187-191; Lang/Lundholm (2000), S. 623. 10 Linsmeier et al. (1998), S. 161 f.; Europäische Kommission (2002a), S. 2. 11 Foster (2003), S. 1.

Einleitung 4

so eindeutig, wie in diesem Satz formuliert. In der Literatur werden die beschrie-

benen Zusammenhänge regelmäßig als zweistufiger Effekt verstanden.12 Ver-

deutlicht man sich diesen Effekt zusammen mit den gerade beschriebenen Ein-

flussfaktoren der Finanzberichterstattung graphisch, so entsteht die folgende

Wirkungskette:

Einflussfaktoren der Finanzberichterstattung

11Qualität der

FinanzberichterstattungUnsicherheit des Kapitalmarktes

Kapital-kosten

22 33

Abbildung 1: Wirkungskette zwischen der Qualität der Finanzberichterstattung, der

Unsicherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen

Ob diese Wirkungskette tatsächlich existiert, wird sowohl in der Praxis als auch

in der Theorie kontrovers diskutiert. Eine Reihe von aktuellen Artikeln und Ar-

beitspapieren hat sich insbesondere den Fragestellungen 2 und 3 beschäftigt.13

Hierbei werden die Zusammenhänge sowohl modelltheoretisch untersucht als

auch empirische mit Kapitalmarktdaten getestet. Als schwierig stellt sich gerade

in empirischen Studien die Messung der einzelnen Konstrukte heraus. Sowohl

die „Qualität der Finanzberichterstattung“, die „Unsicherheit des Kapitalmark-

tes“ als auch die „Kapitalkosten“ können nicht direkt beobachtet oder gemessen

werden. Ball et al. (2003) formulieren beispielsweise in Bezug auf die Qualität

der Finanzberichterstattung: „’Financial reporting quality’ is an elusive concept,

particularly in view of the multiplicity of uses of financial statement informa-

tion.”14 Zur Überprüfung der Zusammenhänge werden daher sog. Stellvertreter-

variablen (proxies) verwendet, für die eine hohe Korrelation mit dem nicht

messbaren Konstrukt vermutet wird.15 Zur Messung der Unsicherheit des Kapi-

talmarktes über die Unternehmensentwicklung werden z.B. Stellvertretervariab-

len wie die Streuung der Analystenschätzung oder die Geld-Brief-Spanne der

Aktie herangezogen. Die Qualität der Finanzberichterstattung wird dagegen oft

12 Vgl. Leuz/Verrechia (2000), S. 91; Gassen/Sellhorn (2006), S. 366 f. 13 Vgl. z.B. Easley/O'Hara (2004); Lambert et al. (2006); Lambert et al. (2007); Daske (2005)

Leuz/Verrechia (2000); Verdi (2005). 14 Ball et al. (2003), S. 236. 15 Vgl. Krasker/Pratt (1986), S. 641.

Einleitung 5

durch finanzanalytische Ansätze bewertet, bei denen z.B. der Geschäftsbericht

im Detail auf gewünschte Eigenschaften hin untersucht und bewertet wird. Ziel

der empirischen Forschung in diesem Bereich muss es daher sein, die vermute-

ten drei Zusammenhänge mit möglichst vielen Stellvertretervariablen zu unter-

mauern. Die vorliegende Arbeit und die darin enthaltenen drei empirischen Stu-

dien sind diesem Ziel untergeordnet. Kernziel ist es, durch die Nutzung von bis-

her nicht verwendeten Stellvertretervariablen weitere Bausteine zum Verständnis

der Wirkungskette zwischen der Qualität der Finanzberichterstattung, der Unsi-

cherheit des Kapitalmarktes und den Kapitalkosten der Unternehmen zu liefern.

In der ersten Studie wird die Präzision der Managementprognosen als Teil der

Qualität der Finanzberichterstattung gewählt. Das Management gibt regelmäßig

Prognosen über die zukünftige Lage des Unternehmens und die erwarteten Ge-

winne ab.16 Diese Informationen dienen Analysten und Investoren zur Anpas-

sung ihrer Erwartungen und stellen damit einen Teil der Unternehmensberichter-

stattung dar.17 Ziel der ersten Studie ist die Beantwortung der Frage, unter wel-

chen Bedingungen das Management zur Abgabe von präzisen Informationen

neigt und welche Bedingungen eher zu einer Verschleierung der wahren Inhalte

führen. Die in der ersten Studie zu untersuchende Fragestellung lautet daher wie

folgt:

1. Welche Faktoren beeinflussen die Präzision von Management-

prognosen?

In der zweiten Studie wird der Zusammenhang zwischen der Qualität der Fi-

nanzberichterstattung und der Unsicherheit des Kapitalmarktes untersucht. Als

Indikator der Berichtsqualität dienen drei Stellvertretervariablen: Die Qualität

der Investor Relations (IR) eines Unternehmens, gemessen durch eine Befra-

gungsstudie von Finanzanalysten; die Qualität des Geschäftsberichts, gemessen

durch die Ergebnisse einer detaillierten Auswertung des Informationsgehalts von

Geschäftsberichtes sowie die Präzision der vom Management abgegebenen

16 Vgl. z.B. Pellens et al. (2007), S. 24-29. 17 Vgl. Nöldeke (2006), S. 2.

Einleitung 6

Prognosen. Als Stellvertreter für die Unsicherheit des Kapitalmarktes dienen die

Streuung und der Fehler der Analystenschätzungen. Ziel der zweiten Studie ist

damit die Beantwortung der folgenden Frage:

2. Hat die Qualität der Finanzberichterstattung Einfluss auf die

Streuung und den Fehler der Analystenschätzungen?

In der dritten Studie wird abschließend der Zusammenhang zwischen der Quali-

tät der Finanzberichterstattung und den Kapitalkosten untersucht. Als Indikator

der Qualität der Finanzberichterstattung werden wiederum die in der zweiten

Studie verwendeten Variablen herangezogen. Als Stellvertretervariable der Kapi-

talkosten eines Unternehmens wurden die impliziten Eigenkapitalkosten mithilfe

der in der Literatur gängigen ex-ante-Modelle für den Zeitraum 1997-2006 ge-

schätzt. Ziel ist die Beantwortung der folgenden dritten Frage:


Höhe der Kapitalkosten?

1.2 Gang der Untersuchung

Die drei oben genannten Fragestellungen der Arbeit werden in insgesamt drei

Kapiteln untersucht. Die Strukturierung der einzelnen Kapitel ist dabei weitge-

hend identisch, um die Arbeit möglichst übersichtlich zu gestalten. Abbildung 2

gibt einen Überblick über den Gang der Untersuchung.

Einleitung 7

Wo werden Prognosen abgegeben?Wer sind die Adressaten?

Welche Faktoren beeinflussen die Präzision von Managementprognosen?Literaturüberblick und Hypothesenbildung

2.4

Welche Faktoren beeinflussen die Präzision der Prognosen der DAX- und MDAX-Unternehmen?

Empirische Untersuchung2.5

Zwischenfazit2.6

Warum werden Informationen veröffentlicht?Warum werden Informationen nicht veröffentlicht?

Wie entstehen Prognosen?Welche Eigenschaften haben Prognosen?

Fragestellung

2.3

2.2

2.1

Theoretische Grundlagen

Institutionelle Grundlagen

Problemstellung

Kapitel



2.4



Zwischenfazit2.6



Fragestellung

2.3

2.2

2.1



Problemstellung

Kapitel

Problemstellung3.1

Hat die Qualität des Geschäftsberichts, die Qualität der Investor Relations oder die Präzision der Managementprognosen Einfluss auf den Fehler und die Streuung der Analystenschätzungen?


Hat die Qualität der Finanzberichterstattung Einfluss auf die Analystenschätzungen? Welche weiteren Faktoren beeinflussen die Analystenschätzungen ?

Warum sind Analysten unsicher und machen Fehler?

Wie arbeiten Analysten?Was schätzen sie?

Fragestellung

3.6

3.4

3.3

3.2 Wie gut sind die Schätzungen?Was beeinflusst die Qualität der Schätzungen?

Zwischenfazit

Literaturüberblick und Hypothesenbildung



KapitelProblemstellung3.1






Fragestellung

3.6

3.4

3.3


Zwischenfazit




Kapitel

Hat die Qualität der Investor Relations, die Qualität des Geschäftsbericht oder die Präzision der Managementprognosen Einfluss auf die Höhe der Eigenkapitalkosten?


Problemstellung4.1

Hat die Qualität der Finanzberichterstattung Einfluss auf die Höhe der Eigenkapitalkosten?Welche weiteren Faktoren beeinflussen die Höhe der Eigenkapitalkosten?

Welchen Einfluss haben Informationen auf die Höhe der Eigenkapitalkosten?

Wie funktionieren die Modelle zur Schätzung der impliziten Eigenkapitalkosten?

Fragestellung

4.6

4.4

4.3

4.2

Zwischenfazit



Modellgrundlagen

Kapitel

Hat die Qualität der Investor Relations, die Qualität des Geschäftsbericht oder die Präzision der Managementprognosen Einfluss auf die Höhe der Eigenkapitalkosten?


Problemstellung4.1


Welchen Einfluss haben Informationen auf die Höhe der Eigenkapitalkosten?


Fragestellung

4.6

4.4

4.3

4.2

Zwischenfazit



Modellgrundlagen

Kapitel

1. Einleitung1. Einleitung

5. Zusammenfassung5. Zusammenfassung

Abbildung 2: Gang der Untersuchung

Alle Kapitel enthalten eine eigene Einführung in die Problemstellung und ein ab-

schließendes Zwischenfazit. In den institutionellen Grundlagen werden wesentli-

che Definitionen und Begriffe erläutert, um in die Thematik einzuführen. Die

theoretischen Grundlagen umfassen die relevanten analytischen Modelle zu jeder

der drei Fragestellungen. Zielsetzung ist hierbei stets die Beantwortung der Frage

warum der vermutete Zusammenhang überhaupt bestehen sollte. Im Literatur-

Einleitung 8

überblick wird anschließend eine Übersicht über den Stand der empirischen For-

schung zu der jeweiligen Frage gegeben. Hier soll überprüft werden, ob der theo-

retisch unterstellte Zusammenhang auch empirisch nachgewiesen werden konn-

te. Die Aufarbeitung der empirischen Forschungsergebnisse dient dazu, mögli-

che Ansatzpunkte für die eigene Untersuchung offenzulegen. Da insbesondere

für den deutschen Kapitalmarkt zu den drei Fragestellungen noch Forschungsbe-

darf besteht, wird zu jeder Fragestellung eine eigene empirische Untersuchung

durchgeführt. Die Arbeit schließt in Kapitel 5 mit einer Zusammenfassung der

Ergebnisse.

Managementprognosen 9

2 Managementprognosen

2.1 Problemstellung und Gang der Untersuchung

Die Geschäftsführungsorgane eines Unternehmens, d.h. bei einer Aktiengesell-

schaft (AG) der Vorstand und bei einer Gesellschaft mit beschränkter Haftung

(GmbH) die Geschäftsführung, werden häufig auch als das Management be-

zeichnet. Das Wertpapierhandelsgesetz (WpHG) bezeichnet die verantwortlichen

Personen innerhalb dieser Organe auch als Unternehmensinsider, da sie regel-

mäßig über nicht öffentlich bekannte Informationen verfügen, wie geplante Un-

ternehmenskäufe, Strategiewechsel oder die Höhe des nächsten Quartalge-

winns.18 Aufgrund des mit ihrer Tätigkeit verbundenen Informationsvorsprungs

vor den Kapitalmarktteilnehmern scheint es nicht verwunderlich, dass vom Ma-

nagement abgegebene Prognosen über die zukünftige Entwicklung regelmäßig

eine der Schlüsselinformation darstellen, die Investoren für ihre Wertpapieranla-

geentscheidungen benötigen.19 Dementsprechend heftig ist die Reaktion des Ka-

pitalmarktes bei Veröffentlichung dieser Informationen. Ein Beispiel hierfür fin-

det sich in der am 15.3.2006 im Handelsblatt erschienenen Schlagzeile über die

Ertragslage der Deutschen Post:

„Konzernchef Zumwinkel kündigte an, einen operativen Gewinn

von mind. 3,7 Mrd. € erzielen zu wollen. Das Papier der Deutschen

Post verlor daraufhin 7 %. Die Bank Merck Finck erklärte, sie ha-

be mit 3,9 Mrd. € gerechnet.“20

Die Kursreaktion verdeutlicht zum einen, dass die Prognosen des Managements

vom Kapitalmarkt wahrgenommen werden. Zum anderen ist die Höhe des Kurs-

sturzes ein deutlicher Indikator für die Relevanz dieser Informationen.

18 Vgl. Schwark (2004), Rz. 1-7. 19 In einer Vielzahl von US-amerikanischen empirischen Studien wurde z.B. gezeigt, dass Prognosen er-

hebliche Auswirkungen auf Aktienkurse, Analystenschätzungen oder die Geld-Brief-Spanne besitzen. Vgl. Baginski/Han (1990); Pownall et al. (1993); Coller/Yohn (1997); Barker (1998); Hank (1999).

20 O.V., Handelsblatt vom 15.3.2006, S. 1.


Trotz oder gerade wegen dieser Bedeutung variiert die Bereitschaft des Mana-

gements zur Abgabe von Prognosen zwischen den Unternehmen stark. Während

beispielsweise die SAP AG regelmäßig Prognosen abgibt, lehnt die Münchner

Rück AG dies aufgrund der Gefahr bei nicht eingehaltenen Prognosen juristisch

in Anspruch genommen zu werden, ab.21 Aber auch im Fall der Abgabe einer

Prognose schwankt der Informationsgehalt. Eine Aussage wie z.B. „ Wir erwar-

ten ein Umsatzwachstum von 4-5 %“ ist vergleichsweise eindeutig. Eher unklar

ist hingegen, was genau der Vorstandsvorsitzende der Allianz AG am 18.3.2005

im Sinn hatte, als er folgende Aussage über die zukünftige Entwicklung machte:

„ Wir werden 2005 noch eine Schippe drauflegen.“ 22 Es scheint damit offensicht-

lich, dass einzelne Manager unterschiedliche Strategien bei der Entscheidung

über den Informationsgehalt einer Prognose verfolgen. Unklar ist allerdings,

welche Faktoren für diese Entscheidung verantwortlich sind. Ziel dieses Kapitels

ist es daher, der folgenden Frage nachzugehen:

Relevanz besitzt diese Fragestellung aus verschiedenen Gründen. Aus Sicht der

Investoren könnte die Präzision einer Prognose einen Hinweis auf den Kenntnis-

stand des Managements geben. Wenn z.B. die Abgabe von präzisen Prognosen

konsequent abgelehnt wird, bedeutet dies möglicherweise, dass selbst das Mana-

gement nicht über ausreichende Informationen verfügt.23 Ebenso wäre denkbar,

dass durch genaue Informationen über die wirtschaftlichen Aussichten des Un-

ternehmens neue Anbieter in die jeweilige Branche „ gelockt“ würden.24 Aus re-

gulatorischer Sicht ließe sich daher eine Informationspflicht zur Verhinderung

wirtschaftlicher Machtstellungen begründen.25 Wird zudem die Präzision der

Prognosen als Stellvertreter der Qualität der freiwilligen Finanzberichterstattung

interpretiert, so stellen die Einflussfaktoren der Managementprognosen mögli- 21 Vgl. Münchner Rück-Gruppe, Geschäftsbericht 2004, S. 130. 22 O.V., Handelsblatt vom 18.3.2005, S. 24. 23 Vgl. Trueman (1986), S. 54. 24 Vgl. Moxter (1962), S. 4. 25 Vgl. Moxter (1962), S. 4.

Welche Faktoren beeinflussen die Präzision von Managementprognosen?


cherweise auch auf Einflussfaktoren der Qualität der restlichen Finanzberichter-

stattung dar. Dies könnte Aufschluss über die Frage geben, warum manche Un-

ternehmen z.B. im Geschäftsbericht eine Vielzahl von freiwilligen Informationen

offenlegen, während andere nur die gesetzlich vorgeschriebenen Mindestanfor-

derungen erfüllen.

Zur Klärung der Frage nach den Einflussfaktoren der Präzision von Manage-

mentprognosen wird das folgende Kapitel in fünf Abschnitte unterteilt, die in

Abbildung 3 dargestellt sind.



2.4



Zwischenfazit2.6



Fragestellung

2.3

2.2

2.1



Problemstellung

Kapitel



2.4



Zwischenfazit2.6



Fragestellung

2.3

2.2

2.1



Problemstellung

Kapitel

Abbildung 3: Struktur des zweiten Kapitels

In Abschnitt 2.2 werden die institutionellen und definitorischen Grundlagen der

Erstellung von Managementprognosen erläutert. Der Chronologie einer Progno-

se folgend werden die Fragen beantwortet, 1) wie der Prozess der Erstellung ei-

ner Prognose abläuft, 2) welche Eigenschaften eine Prognose besitzen kann, 3)

auf welchem Weg eine Prognose veröffentlicht wird und 4) wer die Adressaten

der Prognosen sind.

Als theoretischer Unterbau wird in Abschnitt 2.3 die grundlegende Frage beant-

wortet, warum das Management überhaupt Informationen abgibt. Diese Frage

wird zum einen durch eine Darstellung von spieltheoretischen Ansätzen zum

Publizitätsverhalten von Managern beantwortet. Zum anderen wird die prakti-

sche Sichtweise durch eine aktuelle Studie von Graham et al. (2005) beleuchtet,


in der 400 Manager der größten amerikanischen Unternehmen nach den Gründen

für ein offenes Publizitätsverhalten befragt werden.26

In Abschnitt 2.4 erfolgt ein Literaturüberblick über die bisherigen Forschungser-

gebnisse zur oben definierten Frage nach den Determinanten der Management-

prognosepräzision. Hierbei werden vor allem die Ergebnisse US-amerikanischer

Studien untersucht, da bis auf Nöldeke (2006) noch keine Untersuchung für den

deutschen Kapitalmarkt vorliegt. Zur Vorbereitung der eigenen Untersuchung

werden bereits hier Hypothesen gebildet. Die aufgestellten Hypothesen werden

in Abschnitt 2.5 im Rahmen der empirischen Untersuchung für die Unternehmen

des DAX und MDAX im Zeitraum von 2002 bis 2005 getestet. Da Deutschland

aufgrund vielfältiger rechtlicher und ökonomischer Unterschiede sowie hinsicht-

lich der Informationseffizienz des Kapitalmarktes vom amerikanischen Markt

abweicht27, erscheint eine eigenständige Untersuchung des deutschen Kapital-

marktes gerechtfertigt.28 Das Kapitel schließt in Abschnitt 2.6 mit einem Fazit.

2.2 Institutionelle Grundlagen

2.2.1 Definitionen

Im ersten Schritt ist es notwendig, den hier verwendeten Begriff der „ Manage-

mentprognose“ zu definieren und abzugrenzen. In der deutschen Literatur fin-

det sich allerdings keine einheitliche Definition.29 Nach der hier verwendeten

Definition von Bretzke (1992) ist eine Prognose eine „ nachvollziehbare Aussa-

ge über den Eintritt bestimmter zukünftiger Ereignisse oder Entwicklungen un-

ter Benennung konkreter Zeiträume mit oder ohne Angabe von Eintrittswahr-

26 Vgl. Graham et al. (2005). 27 Vgl. zu Untersuchungen zur Informationseffizienz des deutschen Kapitalmarktes Möller (1995), Sp.

1149. 28 Vgl. zu weiteren Unterschieden hinsichtlich der Bedeutung der Kapitalmärkte oder des Rechtssystems

Pellens et al. (2006), S. 39-40. 29 Vgl. zu den Definitionen des umfassenderen „ Prognose“ -Begriffs Quick/Kayadelen (2002), S. 950; Dör-

ner (1996), S, 220; Götze (1993), S. 8 m.w.N.; Kleber (1989), S. 1989 f.


scheinlichkeiten.“ 30 Mit Hilfe dieser Definition können ähnliche Termini wie

Prophezeiung31 oder Projektion32 abgegrenzt werden.33

Gegenstand der Prognosepublizität sind demnach Aussagen über die künftige

Entwicklung eines Unternehmens.34 Für den hier verwendeten Begriff der

„ Managementprognosen“ ist allerdings eine weitere Eingrenzung dieser Defi-

nition notwendig. Dies betrifft insbesondere 1) die Prognosevariable, 2) die

Freiwilligkeit der Aussage sowie 3) die Person oder Gruppe, die die Prognose

abgibt.

Als Prognosevariable wird die Größe bezeichnet, auf die sich eine prospektive

Aussage bezieht.35 Hierbei kann zwischen Prognosen bestimmter Einzelgrößen

und von geschlossenen Berichtssystemen unterschieden werden.36 Prognoseva-

riablen in Gestalt von Einzelgrößen sind z.B. der Gewinn je Aktie oder der

Umsatz.37 Geschlossene Berichtssysteme bilden beispielsweise Plan-Erfolgs-

oder -Kapitalflussrechnungen.38 In dieser Arbeit wird hinsichtlich der Progno-

sevariable von einer Prognose gesprochen, wenn sich die Aussage auf Positio-

nen der Gewinn- und Verlustrechnung bezieht oder auf Kennzahlen, die eng

damit verbunden sind.39 Darin sind beispielsweise Aussagen über Umsätze,

den Jahresüberschuss oder das Ergebnis je Aktie eingeschlossen.40 Als eng

verbunden gilt eine Kennzahl, wenn sich die Aussage auf eine Position der

30 Bretzke (1992), Sp. 1436. 31 Als Prophezeiung werden zukunftsbezogene Aussagen bezeichnet, die entweder nicht an den Eintritt

bestimmter Bedingungen geknüpft sind oder die nicht plausibel sind. Prophezeiungen stellen letztlich bloße Behauptungen dar. Vgl. Tietzel (1981/82), S. 35.

32 Tietzel (1981/82) definiert Projektionen als reine Trendextrapolationen, bei der eine Zeitreihe von Daten in die Zukunft fortgeschrieben wird. Vgl. Tietzel (1981/82), S. 35.

33 Vgl. Bretzke (1985), Sp. 550. 34 Vgl. Mennenöh (1984), S. 1; ebenso Drobeck (1998), S. 21. 35 Vgl. Drobeck (2001), S. 1224; Radde (2006), S. 113. 36 Vgl. Bechtel et al. (1976), S. 209 f. 37 Vgl. Radde (2006), S. 113. 38 Vgl. Rückle (1984), S. 63. Vgl. zu Plan-Jahresabschlüssen Zwehl (1968); Kuhn (1993). Vgl. für prospek-

tive Kapitalflussrechnungen Busse von Colbe (1966), S. 109 ff. 39 Die Aussage bezieht sich damit lediglich auf Einzelgrößen. 40 Vgl. Rückle (1981), S. 447.


GuV bezieht, die Art der Berechnung aber vom Unternehmen selbst festgelegt

wird, wie z.B. das häufig genannte „ Ergebnis nach Bereinigung von Sonderef-

fekten.“ 41

Die Unterscheidung der Freiwilligkeit der Aussage wird bei Vergleichen von

Definitionen aus der deutschen und US-amerikanischen Literatur deutlich.

Während z.B. Hirst et al. (2006) den Begriff der management earnings fore-

cast als „ voluntary managerial disclosures that provide information about ex-

pected earnings for a particular firm”42 definieren und damit lediglich von

freiwilliger Publizität ausgehen, umfasst die obige Definition von Bretzke

(1992) sämtliche, d.h. auch verpflichtend abzugebende Aussagen. In dieser Ar-

beit wird der Definition von Bretzke (1992) gefolgt. Diese Abgrenzung dient

einzig der Eingrenzung der Arbeit und der Vorbereitung der empirischen Un-

tersuchung. In dieser werden Prognosen erhoben, die sowohl im Rahaus-

schließlich der gesetzlich regulierten als auch der freiwilligen Unternehmens-

berichterstattung gemacht werden.

Schließlich ist eine Eingrenzung der die Aussage machenden Personen oder

Personengruppen notwendig. Hirst et al. (2006) sprechen hier von „ managerial

disclosure“ ohne jedoch in der Folge eine Definition des Begriffs managerial

abzugeben. Eine Befragung von PricewaterhouseCoopers (2005) der HDAX

und GEX-Unternehmen hat ergeben, dass die für die Prognoseabgabe verant-

wortliche Person i.d.R. der Vorstandsvorsitzende oder der Finanzvorstand ist.

Teilweise kann aber auch der Leiter der Investor-Relations-Abteilung zustän-

dig sein.43 Um diesen Ergebnissen Rechnung zu tragen, wird in dieser Arbeit

der Term das Management definiert als „ Mitglieder des Geschäftsführungsor-

gans oder Personen, die auf Unternehmensebene eng mit diesen verbunden

sind.“ Mit dieser Definition sind neben dem Vorstandsvorsitzenden und dem

41 Vgl. Pellens et al. (2007), S. 25. 42 Hirst et al. (2007), S. 2. 43 Vgl. PricewaterhouseCoopers (2005), S. 14. GEX und HDAX sind von der Deutsche Börse AG entwi-

ckelte Indizes. Vgl. www.deutsche-boerse.de.


Finanzvorstand einer Aktiengesellschaft vor allem auch die Leiter der Öffent-

lichkeitsarbeit eingeschlossen.44

Grundsätzlich hat das Management die Entscheidungshoheit über 1) den Zeitho-

rizont und 2) den Informationsgehalt einer Prognose.45 Aus der Höhe der prog-

nostizierten Kennzahl ergibt sich zudem 3) der Überraschungseffekt der Progno-

se in Relation zu einer eventuell bestehenden Analystenschätzung. Vergleicht

man die Prognose des Managements mit der tatsächlich eingetroffenen Kenn-

zahl, so lassen sich 4) der Fehler einer Prognose sowie 5) die Prognoseneigung

ermitteln. Die Eigenschaften werden im Folgenden kurz erläutert:

1) Der Zeithorizont einer Prognose bezeichnet die Zeitspanne zwischen der Ab-

gabe der Prognose und der Veröffentlichung der tatsächlich realisierten Kenn-

zahl.46 Hierbei wird üblicherweise zwischen kurz-, mittel- und langfristigen

Prognosen unterschieden.47 Eine genaue Abgrenzung dieser Zeitspannen erfolgt

in der Literatur allerdings nicht einheitlich.48 Bezüglich der Häufigkeit der ein-

zelnen Prognosen mit unterschiedlichem Zeithorizont stellt Lees (1981) in einer

US-amerikanischen Untersuchung fest, dass Prognosen für das folgende Quartal,

das folgende Kalenderjahr bzw. Geschäftsjahr sowie als Langfristprognose für

die nächsten fünf Jahre gängig sind.49 Weniger häufig sind dagegen monatliche

Prognosen sowie Zwei-Jahres- und Drei-Jahres-Prognosen.50 Eine aktuellere Be-

fragungsstudie des US-amerikanischen National Investor Relations Institu-

te (NIRI) ergab, dass 82 % der befragten Unternehmen eine Prognose für das

Geschäftsjahr abgeben, während das nächste Quartalsergebnis lediglich von

44 Vgl. Lücke (1981), S. 1283. In der empirischen Untersuchungen werden zudem ausschließlich Aktienge-

sellschaften untersucht. Die weiteren Ausführungen beziehen sich damit auf diese Gesellschaftsform. 45 Vgl. für die weiteren Ausführungen und eine Übersicht weiterer Charakteristika von Managementprog-

nosen Hirst et al. (2007). 46 Vgl. Drobeck (2001), S. 1224; Hagest/Kellinghusen (1977), S. 410. 47 Vgl. Drobeck (2001), S. 1224; Hagest/Kellinghusen (1977), S. 410. 48 Vgl. Hagest/Kellinghusen (1977), S. 410; Brockhoff (1977), S. 40 f. 49 Vgl. Lees (1981), S. 9 f. 50 Vgl. Lees (1981), S. 8 f.


51 % der befragten Unternehmen prognostiziert wird.51 Für den deutschen Kapi-

talmarkt liegen keine Studien zu dieser Frage vor. Im Rahmen dieser Untersu-

chung werden lediglich Prognosen betrachtet, die für das laufende Geschäftsjahr

abgegeben werden. Der Zeithorizont wird somit auf maximal ein Jahr festgelegt.

2) Zur Definition des Informationsgehalts einer Prognose kann auf die Definition

des Informationsbegriffs durch Wittmann (1959) zurückgegriffen werden. Dieser

definiert eine Information als „ zweckorientiertes Wissen“ , das geeignet sein

muss, die Entscheidungsfindung zu beeinflussen und den Empfänger in seiner

Entscheidung zu unterstützen.52 Eine Prognose enthält dementsprechend dann

Informationsgehalt, wenn durch sie neue Handlungsalternativen generiert, die

Wahrscheinlichkeiten der bestehenden Alternativen verändert oder die Ergebnis-

se der Handlungsalternativen präzisiert werden.53 Bezogen auf Prognosen des

Managements ist die folgende Aussage des Vorstandsvorsitzenden der BASF

AG eine Aussage ohne Informationsgehalt: „ Man strebe zwar eine Verbesserung

an, könne aber auch einen leichten Rückgang nicht ausschließen.“ 54 Eine Steige-

rung des Informationsgehalts kann erreicht werden, wenn eine Aussage umfas-

sender, präziser und weniger bedingt gemacht wird.55 Dies lässt sich wie folgt

begründen: Eine umfassendere Aussage enthält mehr Informationen, weil mehr

Sachverhalte angesprochen werden, d.h. die Aussage mehr neue Handlungsalter-

nativen offenlegt. Eine höhere Präzision der Prognose erhöht den Informations-

gehalt, da die angesprochenen Sachverhalte genauer dargestellt werden und so-

mit die Wahrscheinlichkeit und/oder das Ergebnis von Handlungsalternativen

besser eingeschätzt werden können. Ebenso ist der Informationsgehalt größer, je

weniger bedingt eine Aussage ist, da Bedingungen die Gültigkeit der Aussage

einschränken.56

51 Vgl. National Investor Relations Institute (2005), S. 1-6. 52 Vgl. Wittmann (1959), S. 14; Wersig (1974), S. 28-34; Pellens (1989), S. 33. 53 Vgl. Ballwieser (1997), S. 36; Möller/Hüfner (2002), Sp. 355. 54 O.V., Handelsblatt vom 9.3.2005, S. 10. 55 Vgl. im Folgenden Radde (2006), S. 116 ff. 56 Vgl. Wild (1982), S. 124.


Um den so definierten Informationsgehalt von Prognosen messen zu können,

werden diese regelmäßig anhand ihres Präzisionsgrades in verschiedene Klassen

eingeteilt.57 Üblicherweise wird zwischen Punkt-, Intervall-, Minimum- bzw.

Maximumprognosen und qualitativen Prognosen unterschieden.58 Tabelle 1 gibt

eine Übersicht über die potenziellen Ausprägungen und nennt Beispiele für mög-

liche Aussagen:59

Präzisionsgrad BeispielPunktprognose „ Wir erwarten einen Jahresüberschuss von 3 Mrd. Euro.“Intervallprognose „ Wir erwarten ein Umsatz- und Gewinnwachstum von 10-20%.“Minimumprognose „ Wir erwarten ein besseres Betriebsergebnis.“Maximumprognose „ Die Gewinnprognose für das Gesamtjahr lässt sich nicht halten.“Qualitative Prognose „ Wir erwarten ein zufriedenstellendes Ergebnis.“ Tabelle 1: Beispiele für verschiedene Prognosearten

Bei einer Punktprognose wird die Prognosevariable in Form eines einzelnen nu-

merischen Wertes dargestellt. Der numerische Wert kann auch in indirekter

Form durch Angabe eines Veränderungsmaßes erfolgen, indem die absolute oder

relative Veränderung einer bekannten Vergleichsgröße angegeben wird.60

Punktprognosen zeichnen sich dadurch aus, dass sie c.p. den höchsten Informati-

onsgehalt besitzen, da sie für den Adressaten die Wahrscheinlichkeit eines er-

warteten Ergebnisses prinzipiell maximieren.61 Ein gravierender Nachteil von

Punktprognosen ist allerdings, dass sie eine vermeintliche Genauigkeit und Ver-

lässlichkeit vorgeben, die realiter nicht gegeben ist.62 Die Wahrscheinlichkeit,

dass der in Gestalt einer Punktprognose vorhergesagte Wert tatsächlich später

57 Vgl. Schmidt (1971), S. 76; Bretzke (1975), S. 119. 58 Vgl. Hirst et al. (1999) S. 114 ff.; Drobeck (1998), S. 89. 59 Neben diesen Arten von Prognosen legen Han/Tan (2006) eine hybride Managementprognoseform fest.

Diese entsteht, wenn innerhalb einer Intervallprognose zusätzlich eine beste Erwartung abgegeben wird und die Prognose damit sowohl Eigenschaften von Punkt- als auch von Intervallprognosen besitzt. Vgl. Han/Tan (2006).

60 Vgl. Wasser (1976), S. 44; Busse von Colbe (1968), S. 105; Sorg (1984), S. 1038. 61 Der von Baetge/Schulze (1998), S. 942 vertretenen Ansicht, dass „ die Angabe von Bandbreiten bzw.

Intervallen einen höheren Informationsgehalt als die alleinige Angabe des Erwartungswertes (Punkt-prognose) hat“ wird hier nicht verfolgt. Diese Aussage verkennt, dass der Informationsgehalt der Prog-nose von deren Allgemeinheit, der Präzision und der Bedingtheit abhängig ist. Die Verdeutlichung der Unsicherheit der Zukunft ist dagegen nicht Aufgabe der Aussagen. Vgl. Radde (2006), S. 119.

62 Vgl. Drobeck (2001), S. 1224; Brockhoff (1977), S. 48.


tatsächlich exakt eintritt, ist regelmäßig sehr gering, wenn nicht sogar gleich

null.63

Intervallprognosen sind hingegen dem Vorwurf der Scheingenauigkeit weniger

ausgesetzt, da die Prognosevariable nicht in Form eines Punktwertes, sondern in

Gestalt einer Bandbreite von denkbaren Entwicklungsmöglichkeiten angegeben

wird.64 Der Informationsgehalt von Intervallprognosen ist c.p. geringer als der

von Punktprognosen, zugleich ist die Eintrittswahrscheinlichkeit höher.65 Als

Nachteil von Intervallprognosen, die ohne Kennzeichnung besonders wahr-

scheinlicher Werte veröffentlicht werden, wird angesehen, dass die Adressaten

den Wert in der Mitte des Intervalls häufig als besonders wahrscheinlich einstu-

fen.66

Maximum- und Minimumprognosen werden häufig auch als komparative Prog-

nosen bezeichnet, da sie einen numerischen Wert als Referenzmaßstab voraus-

setzen.67 Sie enthalten typischerweise Formulierungen wie „ größer - kleiner“ ,

„ wächst - schrumpft“ oder „ besser - schlechter.“ 68 Im Vergleich zu Punkt- und

Intervallprognosen weisen komparative Prognosen einen geringeren Informati-

onsgehalt auf, da sie prinzipiell weniger Ereignisse ausschließen und somit die

Anzahl der möglichen Handlungsalternativen weniger reduzieren.

Qualitative Prognosen sind dadurch gekennzeichnet, dass die erwartete Entwick-

lung in verbaler Form beschrieben wird und eine Konkretisierung in Zahlenan-

gaben unterbleibt.69 Sie umfassen lediglich Informationen zu Richtungsänderun-

gen oder Niveauverschiebungen der Prognosevariablen.70 Typischweise enthal-

63 Vgl. Drobeck (1998), Fn. 31; Theil et al. (1971), S. 134 und 137. 64 Vgl. Rückle (1981), S. 452. 65 Vgl. Härter (1985), S. 44. 66 Vgl. Rückle (1984), S. 64 f. 67 Vgl. Radde (2006), S. 122. 68 Vgl. Wasser (1976), S. 44; Sorg (1984), S. 1038. 69 Vgl. Rothschild (1969), S. 170; Dörner (1996), S. 221. 70 Vgl. Khosrawi-Rad (1991), S. 18.


ten sie eher allgemeine gehaltene Beurteilungskriterien wie „ gut - schlecht“ oder

„ wenig - viel.“ 71

Zur Häufigkeit der einzelnen Prognosen stellen Pellens et al. (2007) für Deutsch-

land fest, dass Minimumprognosen die am häufigsten gewählte Prognosepräzisi-

on sind.72 Vergleichbare Ergebnisse finden Baginski et al. (2004) in den USA.73

Nöldeke (2006) findet in ihrer Untersuchung, dass bei Prognosen des operativen

Ergebnisses und des Jahresüberschusses Minimum- und Maximumprognosen

überwiegen, während Aussagen über den erwarteten Umsatz überwiegend in

Punktprognosen abgegeben werden.74

3) Der Überraschungseffekt bezeichnet den Inhalt einer Prognose im Vergleich

zu den Erwartungen des Kapitalmarktes. In den meisten Studien werden die Er-

wartungen des Kapitalmarktes bezüglich einer Kennzahl durch die Analysten-

schätzungen approximiert.75 Der Überraschungseffekt kann dabei drei Ausprä-

gungen besitzen. Übertrifft die Höhe der Prognose die aktuellen Erwartungen, ist

die Prognose positiv (good news); liegt die Prognose unterhalb der Erwartungen,

so ist sie negativ (bad news); liegt die Prognose im Bereich der Erwartungen, so

wird von einer bestätigenden Prognose gesprochen (confirming forecast).76 Ist

die Abweichung von den Erwartungen besonders stark negativ, wird diese Prog-

nose auch als Gewinnwarnung (earnings warning) bezeichnet.77 Die empiri-

schen Befunde zur Häufigkeit von positiv und negativ überraschenden Progno-

sen sind gemischt. Während ältere Studien von Patell (1976), Penman (1980)

und Waymire (1984) dokumentieren, dass positive Nachrichten häufiger abgege-

71 Vgl. Wasser (1976), S. 44; Radde (2006), S. 118. 72 Vgl. Pellens et al. (2007), S. 26. 73 Vgl. Baginski et al. (2004), S. 8. 74 Vgl. Nöldeke (2006), S. 97. 75 Vgl. z.B. Williams (1996), S. 103-107. Ebenso kommen allerdings auch andere Variablen zur Anwen-

dung. Penman (1980) verwendet ein Zeitreihenmodell der Ergebnisse zur Ermittlung der Markterwar-tungen. Basu (1997) bestimmt die Markterwartungen aus dem Vorzeichen und der Stärke der Aktien-kursreaktion auf neue Informationen.

76 Vgl. Hirst et al. (2007), S. 16. 77 Vgl. Hirst et al. (2007), S. 5.


ben werden als negative, finden neuere Untersuchen von Hutton et al. (2003),

dass weder positive noch negative Nachrichten überwiegen. In der aktuellsten

Studie von Hutton/Stocken (2007) bestehen 37 % der Stichprobe aus positiven

Nachrichten, 17 % aus bestätigenden Prognosen und 46 % aus negativen Nach-

richten.78

4) Der Prognosefehler wird regelmäßig definiert als Absolutbetrag der Abwei-

chung der Managementprognose einer Kennzahl von der späteren Realisati-

on.79 Eine Prognose gilt als treffgenauer, je geringer der Fehler ist.80 Hinsicht-

lich der Höhe des Fehlers wurde in der Vergangenheit diskutiert, ob die Prog-

nose des Managements einen geringeren Fehler aufweist als die Schätzungen

von Unternehmensexternen oder statistischen Modellen.81 Hinsichtlich des

Vergleichs mit statistischen Modellen zeigen die empirischen Ergebnisse von

Copeland/Marioni (1972), dass das Management treffgenauere Prognosen ab-

gibt als einfache Zeitreihenmodelle.82 Dies kann damit begründet werden, dass

das Management die Zukunftsentwicklung durch Planung und Durchführung

selbst gestaltet, wodurch auch die erwarteten Ergebnisse dieser Handlungen in

die Prognosen einfließen.83 Auch im Vergleich mit den Schätzungen Unter-

nehmensexterner zeigen die Ergebnisse von Ota (2002), dass Manager treffge-

nauer prognostizieren als Finanzanalysten.84 Sie begründen dies damit, dass

das Management als Unternehmensinsider über mehr zukunftsbezogene Infor-

mationen verfügt als Unternehmensexterne.85

78 Vgl. Hutton/Stocken (2007), S. 15. 79 Vgl. Hirst (2006), S. 15. 80 Diese Definition der Treffgenauigkeit einer Prognose dient der Abgrenzung zum Begriff der Präzision,

der sich auf die verbale Formulierung zum Zeitpunkt der Abgabe bezieht. 81 Vgl. Copeland/Marioni (1972), S. 497-500. 82 Vgl. Copeland/Marioni (1972), S. 504. 83 Vgl. Wild (1970), S. 567 ff. Vgl. auch Drobeck (1998), S. 24. 84 Vgl. Ota (2002), S. 17. 85 Vgl. Ota (2002), S. 17. Für einen Überblick über diesen Forschungsbereich Coller/Yohn (1998), S. 59 f.;

Hassel/Jennings (1986); Waymire (1986).


5) Die Neigung einer Prognose wird von Hirst et al. (2007) definiert als „ sys-

tematic tendency to be inaccurate in a particular direction.“ 86 Wird dieser Defini-

tion gefolgt, ergibt sich die Prognoseneigung des Managements aus der Betrach-

tung des Prognosefehlers. Eine Prognose und das dafür verantwortliche Mana-

gement werden dabei als optimistisch (pessimistisch) charakterisiert, wenn das

zu einem späteren Zeitpunkt tatsächlich realisierte Ergebnis unterhalb (oberhalb)

des Prognosewertes liegt. Aktuelle Studien zeigen, dass das Management eine

Tendenz besitzt, bewusst pessimistische Prognosen abzugeben. Chen (2004)

zeigt z.B., dass die Prognosen der Quartalsergebnisse in 44 % der Fälle unterhalb

des tatsächlichen Ergebnisses liegen und nur in 10 % oberhalb.87 Als Ziel dieser

Anstrengungen wird häufig die Reduzierung der Analystenschätzungen genannt,

um zum Zeitpunkt der Bekanntgabe des Ergebnisses diese Schätzungen zu tref-

fen bzw. zu übertreffen.88 Diese absichtliche Fehlleitung des Managements wird

auch als earnings guidance oder expectations management bezeichnet.89 Diese

Erkenntnis korrespondiert mit den Befragungsergebnissen von Graham et al

(2005), die feststellen, dass das Management grundsätzlich eine eher vorsichtige

Haltung nach dem Prinzip „ to under-promise and over-deliver“ verfolgt.90 Aller-

dings liegen sowohl die Prognoseneigung als auch der Prognosefehler aufgrund

des Vergleichs mit der tatsächlichen Realisierung einer Kennzahl nicht allein im

Einflussbereich des Managements. Exogene Faktoren wie Nachfrageverschie-

bungen oder Preisänderungen können das realisierte Ergebnis und damit auch

die Neigung der Prognose beeinflussen.

2.2.2 Prozess der Erstellung von Managementprognosen

Bevor das Management eine Prognose abgeben kann, muss die dafür notwen-

dige Informationsbasis innerhalb des Unternehmens generiert werden. Dies er-

folgt i.d.R. im Rahmen der Finanzplanung eines Unternehmens, welche die

86 Hirst et al. (2007), S. 18. 87 Vgl. Chen (2004), S. 28. 88 Vgl. Nöldeke (2006), S. 119. 89 Vgl. z.B. Nöldeke (2006), S. 2; Matsumoto (2002), S. 483-485. 90 Vgl. Graham et al. (2005), S. 42.


systematische Prognose, Steuerung und Kontrolle sämtlicher Ein- und Auszah-

lungen eines Unternehmens, die aufgrund der geplanten Aktivitäten anfallen,

umfasst.91 Wird von einem Mehrpersonenunternehmen ausgegangen, sind die

Zuständigkeiten und Entscheidungsbefugnisse der Finanzplanung üblicherwei-

se delegiert und auf viele Personen aufgeteilt. Das gesamte Entscheidungsfeld

des Unternehmens wird so in mehrere Teilentscheidungsfelder (wie z.B. Ein-

kauf, Produktion oder Vertrieb) aufgeteilt, die von einem spezifischen Be-

reichsmanagement geführt werden.92 Die Beschaffung, Verarbeitung und Wei-

tergabe von Informationen aus den einzelnen Teilentscheidungsfeldern obliegt

somit den Bereichsmanagern. Ausgangspunkt der Erstellung des aggregierten

Finanzplans bilden die leistungswirtschaftlichen Teilpläne der Unternehmens-

bereiche. Zur Erstellung der Teilpläne müssen die Bereichsmanager regelmä-

ßig eigenständig Prognosen über die zukünftige Entwicklung erstellen. Die Er-

stellung von Prognoseaussagen erfolgt in der Praxis regelmäßig mit Hilfe von

Prognoseverfahren93, die in mathematisch-statistische und intuitive Methoden

differenziert werden können.94

Die Anzahl der mathematisch-statistischen Prognoseverfahren, die in der Pra-

xis angewendet werden, ist kaum zu überblicken.95 Unter die in der Praxis be-

deutsamen mathematisch-statistischen Prognoseverfahren fallen Zeitreihen-,

Diskriminanz- und Regressionsanalyse sowie neuronale Netze.96 Bei Anwen-

dung dieser Techniken wird die künftige Entwicklung der prognostizierten Va-

riablen mittels formalmathematischer Operationen aus vergangenheits- und ge-

genwartsbezogenen Daten berechnet.97

91 Vgl. Fischer (2002), S. 560. 92 Vgl. Ewert/Wagenhofer (2005), S. 406-410. 93 Als Prognoseverfahren wird hierbei die formelle Technik bezeichnet, mit der „ die Gesamtheit der ver-

fügbaren Informationen in eine Prognoseaussage umgewandelt wird“ ; Quick/Kayadelen (2002), S. 950. 94 Vgl. IDW (2002), Abschnitt A Tz. 188. 95 Vgl. Rudolph (1998), S. 1; Götze (2000), S. 1 ff. 96 Vgl. IDW (2002), Abschnitt A Tz. 188; Rudolph (1998), S. 183 ff.; Zimmermann (1997), S. 61 ff.; Kle-

ber (1989), S. 201 ff. 97 Vgl. Thiele (1993), S. 7.


Intuitive Prognoseverfahren bauen dagegen primär auf dem individuellen Ur-

teilsvermögen der prognostizierenden Person auf.98 Zu den intuitiven Progno-

severfahren zählen vor allem die Delphi-Methode und die Szenario-Technik.99

Bei der Delphi-Methode wird einzelnen, teilnehmenden Experten eine Progno-

seaufgabe gestellt, die u.a. die Vorhersage von zukünftigen Innovationen oder

Ereignissen und die dazugehörigen Wahrscheinlichkeiten umfassen kann. Die

Meinungsbildung erfolgt dabei nicht auf Basis einer zusammenwirkenden

Gruppendiskussion, sondern durch wiederholte, standardisierte Einzelbefra-

gungen mit anschließenden Ergebnis-Rückkoppelungen.100 Auf diese Weise

können die Experten ihre ursprünglich abgegebenen Prognosen erneut über-

denken und gegebenenfalls modifizieren. Abschließend werden die Einzel-

prognosen unter Zuhilfenahme statistischer Methoden zu einem Gesamturteil

aggregiert.101 Die Vorgehensweise der Szenario-Technik besteht darin, im An-

schluss an eine eingehende Gegenwartsanalyse zunächst die wesentlichen Ein-

flussfaktoren der künftigen Entwicklung eines Untersuchungsgegenstandes zu

identifizieren. Anschließend werden auf der Grundlage möglicher Annahmen-

konstellationen verschiedene Ergebnisse der Prognosevariablen ermittelt. Im

Rahmen dieser Analyse wird erkennbar, wie sich die Veränderungen der

Haupteinflussfaktoren voraussichtlich auf die Prognosevariable auswirken

werden.102

Sowohl intuitive wie auch mathematisch-statistische Verfahren besitzen Vor-

und Nachteile. Die Aussagekraft der mithilfe der intuitiven Prognoseverfahren

ermittelten Vorhersagen hängt entscheidend von dem Fachwissen der Person

ab. Daraus resultiert zum einen der Nachteil, dass die Ergebnisse aufgrund der

fehlenden Eignung der „ Experten“ fehlerhaft sein können. Zum anderen ist die

intersubjektive Nachvollziehbarkeit der Prognose-Herleitung erschwert, so

98 Vgl. Bretzke (1985), Sp. 1438 f.; Emde (1989), Sp. 1646. 99 Vgl. Radde (2006), S. 139. 100 Vgl. Radde (2006), S. 140 f. 101 Vgl. zu weiteren Einzelheiten der Delphi-Methode Graf (1999), S. 152 ff.; Götze (1993), S. 43 ff. 102 Vgl. Drobeck (2001), S. 1230.


dass zwangsläufig Ermessensspielräume entstehen.103 Demgegenüber besteht

ein Vorteil gegenüber den mathematisch-statistischen Verfahren darin, dass

prinzipiell sämtliche relevanten Einflussfaktoren unabhängig von ihrer Quanti-

fizierbarkeit berücksichtigt werden können.104

Nachdem die einzelnen Bereichsmanager mit Hilfe eines Prognoseverfahrens

ihre Teilpläne entwickelt und erstellt haben, können diese im Rahmen der zent-

ralen Finanzplanung zu einer Plan-Bilanz und Plan-GuV auf der obersten Un-

ternehmensebene aggregiert werden. Die Erstellung der Plan-Bilanz und Plan-

GuV hat nun mehrere Konsequenzen: Erstens wird die Geschäftsleitung über

die bilanziellen sowie ergebnisbezogenen Auswirkungen der geplanten Ge-

schäftspolitik informiert. Zweitens kann eine frühe Erstellung der Planungen

dazu dienen, dem Management Zeit zu geben, Argumente für das Auftreten be-

stimmter Zahlen zu sammeln, um bei der Vorstellung der Ergebnisse argumen-

tativ gerüstet zu sein.105 Drittens können Plan-Bilanzen und Plan-Gewinn- und

Verlustrechnungen auch zu Rückwirkungen auf die Teilpläne der Bereichsma-

nager führen. Je nachdem, ob die Rückwirkung in Form einer neuen Plan-

Vorgabe oder in einer Allokation von Kapital resultiert, entstehen für die Be-

reichsmanager unterschiedliche Anreize zur Prognoseformulierung. So kann

z.B. vom Top-Management aufbauend auf den Planungsrechnungen die Errei-

chung bestimmter Kennzahlen gefordert werden. In diesem Fall bestünden für

das Bereichsmanagement Anreize, die Spielräume in den Planungsrechnungen

so auszunutzen, dass die Zielgröße möglichst leicht erreichbar ist.106 Die Prog-

nose würde entsprechend niedrig formuliert werden. Wird hingegen die Allo-

kation von Kapital auf die einzelnen Unternehmensbereiche anhand der Prog-

nosen in den Teilplänen festgelegt, könnte dies die Bereichsmanager zur Ab-

gabe eines möglichst günstig scheinenden Teilplans animieren. Eine Kennzahl

würde entsprechend hoch und optimistisch prognostiziert werden. In beiden

103 Vgl. Quick/Kayadelen (2002), S. 951; Götze (1993), S. 30. 104 Vgl. Sahner/Kammers (1984), S. 2316. 105 Vgl. Lücke (1981), S. 1283. 106 Vgl. Ewert/Wagenhofer (2005), S. 423.


Fällen würden die resultierende Plan-Bilanz und -GuV auf der obersten Unter-

nehmensebene systematisch verzerrt. Eine anschließende fehlerhafte Prognose

durch das Top-Management wäre damit die kausale Folge der Anreizstruktur

innerhalb des Unternehmens.

2.2.3 Kommunikationswege

Eine Prognose durch das Management kann Teil der freiwilligen oder der gesetz-

lich verpflichtenden Publizität sein. Als Teil der Pflichtpublizität sind in dieser

Arbeit insbesondere Prognosen im Rahmen von Ad-hoc-Meldungen und im La-

gebericht als Teil des Geschäftsberichts relevant.107 Daher soll im Weiteren un-

tersucht werden, inwiefern 1) auf diesen beiden Wegen eine Pflicht zur Progno-

seabgabe besteht und 2) die Präzision der Prognosen ebenfalls gesetzlich festge-

legt ist.

Prognosen im Lagebericht

Die Verpflichtung zur Aufstellung eines Lageberichts ergibt sich aus § 264

Abs. 1 Satz 1 und 3 HGB für den Einzelabschluss und nach § 315 für den Kon-

zernabschluss. Aufgabe des Lageberichts ist es, die Adressaten des Geschäftsbe-

richts über die Lage des Unternehmens zu informieren. Einen Teil des (Kon-

zern-) Lageberichts stellt der Prognosebericht nach § 289 Abs. 1. Satz 1 HGB

bzw. § 315 Abs. 1 dar, wonach im (Konzern-)Lagebericht die voraussichtliche

Entwicklung unter Benennung der zugrund liegenden Annahmen zu beurteilen

und zu erläutern ist.108 Zur Auslegung des Gesetzeswortlauts in Hinblick auf den

Inhalt der Erläuterungen kann auf die Literatur zurückgegriffen werden. Nach

herrschender Meinung erstreckt sich die Beurteilung und Erläuterung der vor-

aussichtlichen Entwicklung grundsätzlich auf alle Berichtsgegenstände, die auch

als Gegenstand der Berichterstattung über den Geschäftsverlauf des abgelaufe-

107 Ebenso sind in Börsenzulassungsprospekten nach §29 Abs. 2 BörsZulV „ Angaben über die Ge-

schäftsaussichten des Emittenten mindestens für das laufende Geschäftsjahr“ aufzunehmen. Diese An-gaben spielen aufgrund des Charakters eines einmaligen Ereignisses für diese Arbeit keine Rolle.

108 Vgl. Prigge (2006), S. 191. Diese Formulierung stellt eine Aufwertung der Regelungen zu dem Stand vor dem BilReG dar, da bisher lediglich auf die voraussichtliche Entwicklung einzugehen war, während sie jetzt beurteilt und erläutert werden muss. Vgl. Kajüter (2004), S. 202.


nen Geschäftsjahres in Betracht kommen.109 Als mögliche Prognosegegenstände

werden in IDW RS HFA 1 neben der künftigen Umsatz- und Ergebnisentwick-

lung auch Umwandlungen oder Unternehmensbeteiligungen, noch nicht abge-

schlossene Verträge sowie die Entwicklung einzelner Geschäftsfelder ge-

nannt.110 Ellrott (2006) ist zudem der Ansicht, dass in der Prognoseberichterstat-

tung u.a. auch Angaben zu geplanten Maßnahmen einschließlich der hiermit

verbundenen Auswirkungen gemacht werden sollten. Außerdem seien Aussagen

über die Eckdaten des Unternehmens erforderlich, wie der erwartete Umsatz und

Ertrag.111 Selchert/Greinert (2002) sind dagegen der Auffassung, dass aufgrund

der Gesetzesformulierung in § 289 lediglich auf die allgemeine Unternehmens-

entwicklung einzugehen sei.112 Dieser Berichtspflicht könne durch Aussagen wie

„ Wir gehen von einer Fortsetzung der erfolgreichen Unternehmenstätigkeit aus“

genüge getan werden.113 Eine Nennung von Vorgängen und deren konkrete fi-

nanziellen Auswirkungen wäre dagegen nicht erforderlich.114 Insgesamt ist damit

eine Prognose verpflichtend abzugeben, allerdings herrscht keine Einigkeit über

die zu prognostizierende Variable oder den Prognosehorizont.

Hinsichtlich der Präzision der prognostizierten Kennzahlen werden in der ein-

schlägigen Literatur sehr präzise Prognosen abgelehnt und teilweise sogar die

Quantifizierung von Prognosen generell hinterfragt. Der IDW lehnt z.B. in IDW

RS HFA 1.42 Punktprognosen ab, da die in der Prognose immanente Unsicher-

heit nicht ausreichend zum Ausdruck gebracht wird. Stattdessen seien verbale

Erläuterungen der künftigen Entwicklung, komparative oder Intervallprognosen

zu bevorzugen.115 Auch Ellrott (2006) vertritt die Auffassung, dass quantitative

Aussagen nicht verlangt werden könnten. Eine qualitative Aussage zur zukünfti-

109 Vgl. Marten et al. (2003), S. 542; Selch (2003), S. 76; Böcking/Müßig (2003); Mandl/Jung (2002), Sp.

1702. 110 Vgl. IDW (2005), S. 530. Ähnlich auch Stobbe (1988), S. 307. 111 Vgl. Ellrott (2006), Rz. 38. 112 Vgl. Selchert/Greinert (2002), S. 254-257. 113 Vgl. Radde (2006), S. 208. 114 Vgl. auch Selchert et al. (2000), S. 256 ff. 115 Vgl. IDW (2005), S. 530.


gen Unternehmensentwicklung in Form einer Tendenzaussage wäre ausrei-

chend.116 Trotz der Gefahr der Veröffentlichung von inhaltsleeren Aussagen

werden ergänzende Zahlenangaben auch von den Herausgebern des ADS nur in

nicht näher beschriebenen Ausnahmefällen befürwortet.117 Entscheide sich die

Unternehmensführung dennoch für quantitative Angaben, seien Intervallprogno-

sen gegenüber Punktprognosen angesichts der vermiedenen Scheingenauigkeit

einwertiger Angaben der Vorzug zu geben.118 Einzig Baetge/Fischer/Paskert

(1989) plädieren für eine „ gewisse Mindestquantifizierung in Form von Progno-

serechnungen (…), damit den Lageberichtsadressaten die Möglichkeit einer ge-

wissen Überprüfung der Prognosen gegeben wird.“ 119 Als Beispiel nennen sie

die Angabe von Punktprognosen, obwohl auch sie Intervallprognosen grundsätz-

lich vorziehen.120

Hinsichtlich der Prognosepräzision kann konstatiert werden, dass in der der

deutschen Literatur zur Prognoseberichterstattung kein einheitliches Meinungs-

bild existiert. Vielfach werden wenig präzise Prognosen bereits als gesetzeskon-

form angesehen. Sehr präzise Prognosen sind insofern als Teil der freiwilligen

Finanzberichterstattung anzusehen.

Prognosen in der Ad-hoc-Publizität

Aufgabe der Ad-hoc-Publizität ist es, die Regelpublizität in Form des Zwischen-

berichts nach § 40 Börsengesetz und des Jahresabschlusses gem. § 264, 290

HGB nebst Lagebericht gem. § 289, 315 HGB der börsennotierten Unternehmen

zu ergänzen.121 Ziel ist es, den Kapitalmarktteilnehmern die zur Investitionsent-

scheidung benötigten Informationen zur Verfügung zu stellen, damit zu jeder

116 Vgl. Ellrott (2006), Rz. 39. 117 Vgl. ADS (1995), Rz. 107. 118 Vgl. ADS (1995), Rz. 107. 119 Baetge et al. (1989), S. 42. 120 Vgl. Baetge et al. (1989), S. 42 f. 121 Vgl. Kiem/Kotthoff (1995), S. 1999.


Zeit ein möglichst korrekter Preis für jedes Wertpapier abgebildet wird.122 Ge-

setzliche Grundlage der Ad-hoc-Publizität ist der § 15 Abs. 1 Satz 1 WpHG.

Demnach muss ein Emittent von Finanzinstrumenten, die zum Handel an einem

inländischen organisierten Markt zugelassen sind oder für die er eine solche Zu-

lassung beantragt hat, Insiderinformationen, die ihn unmittelbar betreffen, unver-

züglich veröffentlichen. Hierbei ist fraglich, ob die in dieser Arbeit betrachteten

Managementprognosen von dieser Pflicht erfasst werden, d.h. ob diese als In-

siderinformationen zu betrachten sind. Dies könnte z.B. dann der Fall sein, wenn

dem Management Informationen über das Ergebnis des laufenden Geschäftsjah-

res vorliegen. Die Definition einer Insiderinformation erfolgt in § 13 Abs. 1

Satz 1 WpHG. Demnach ist eine Insiderinformation eine „ konkrete Information

über nicht öffentlich bekannte Umstände, die sich auf einen oder mehrere Emit-

tenten von Insiderpapieren oder auf die Insiderpapiere selbst beziehen und die

geeignet sind, im Falle ihres öffentlichen Bekanntwerdens den Börsen- oder

Marktpreis der Insiderpapiere erheblich zu beeinflussen.“ Hierbei ist insbesonde-

re fraglich, 1) welche Umstände gemeint sind und 2) ob eine Prognose den Bör-

sen- oder Marktpreis erheblich beeinflussen kann.

Als Umstände gem. § 13 Abs 1 Satz 3 WpHG gelten solche Ereignisse, die mit

hinreichender Wahrscheinlichkeit in Zukunft eintreten werden.123 Der Begriff

der hinreichenden Wahrscheinlichkeit wird von der Bundesanstalt für Finanz-

dienstleistungsaufsicht (BaFin) dadurch konkretisiert, dass „ konkrete Anhalts-

punkte vorliegen, die den Eintritt des Umstands als voraussehbar erscheinen las-

sen.“ 124 Darunter fällt z.B., wenn für den Emittenten konkrete Anhaltspunkte für

das Eintreffen des Ereignisses vorliegen.125 Der Begriff des „ Umstands“ umfasst

damit neben beweisbaren Tatsachen der Gegenwart und Vergangenheit auch

überprüfbare Werturteile oder auf zukünftige Ereignisse gerichtete Prognosen.126

122 Vgl. Maier-Reimer/Webering (2002) S. 1857 f. 123 Vgl. Jungmichel (2007), S. 83. 124 BaFin (2005), S. 20. 125 Vgl. BaFin (2005), S. 48. 126 Vgl. Pawlik (2007), Rz. 23.


Allgemein formulierte Erwartungen oder langfristige Planungen des Emittenten

werden dagegen von der Publizitätspflicht ausgeschlossen.127

Die Beurteilung der Erheblichkeit der Kursbeeinflussung einer Information wur-

de in der kapitalmarktrechtlichen Literatur bis zur Einführung des Anleger-

schutzverbesserungsgesetzes (AnSVG) stark diskutiert.128 Unterschieden wurden

hierbei zwei Ansätze. Der objektive Ansatz plädierte für die Herausbildung fixer

Grenzwerte zur Bestimmung der Erheblichkeitsschwelle. Im subjektiven Ansatz

werden dagegen starre Schwellenwerte abgelehnt und eher subjektive Kriterien

zur Bestimmung des Erheblichkeitsmaßstabs bevorzugt.129 Nach diesem Ansatz

wird die Kurserheblichkeit danach beurteilt, ob ein verständiger Anleger eine

nicht öffentlich bekannte Information bei seiner Anlageentscheidung berücksich-

tigen würde. Mit der Neufassung des § 13 Abs. 1 WpHG nach Einführung des

AnSVG setzte sich dieser subjektive Ansatz nach h.M. durch.130 Um die Ein-

schätzung einer Information in diesem subjektiven Ansatz als „ kurserheblich“ zu

erleichtern, hat die BaFin in ihrem Emittentenleitfaden eine beispielhafte Anfüh-

rung von möglichen Vorgängen aufgelistet. Unter diesen befindet sich auch die

„ wesentliche Änderung der Ergebnisse der Jahresabschlüsse oder Zwischenbe-

richte gegenüber früheren Ergebnissen oder Marktprognosen.“ 131 Sollte damit

das zu erwartende Ergebnis erheblich von früheren Prognosen abweichen, so ist

die Erheblichkeit der Kursbeeinflussung gegeben und eine Prognose bei gleich-

zeitiger Erfüllung der anderen Bedingungen obligatorisch abzugeben. Wichtig ist

hierbei allerdings insbesondere der Vergleich zu aktuellen Markterwartungen.

Sollte sich bei der Aufstellung des Jahresabschlusses bspw. herausstellen, dass

der Gewinn um 50 % gesteigert werden konnte, so stellt dies zwar eine neue In-

formation dar; die Eignung der Information zur erheblichen Kursbeeinflussung

hängt jedoch davon ab, welche Informationen oder Prognosen dem Markt bereits

127 Vgl. Jungmichel (2007), S. 84. 128 Vgl. Assmann (2006), Rz. 62. 129 Vgl. ausführlich für diese Ansätze Assmann (2006), Rz. 62-68. 130 Vgl. Claussen/Ulrich (2005), S. 750; Koch (2005), S. 268; Möllers (2005), S. 1395. 131 Vgl. BaFin (2005), S. 43 f.


vorliegen. Hat der Vorstand z.B. regelmäßig über die Gewinnentwicklung be-

richtet, ist häufig keine Eignung zur erheblichen Kursbeeinflussung mehr gege-

ben.132

Bedeutsam erscheint zudem das Konkurrenzverhältnis der Prognosen im Rah-

men der Ad-hoc-Publizität und der im Quartalsbericht oder Geschäftsbericht

veröffentlichen Ergebnisse. Schon in der Bekanntmachung vom 9.7.1996 hat das

Bundesaufsichtsamt für den Wertpapierhandel klar gestellt, dass eine veröffent-

lichungspflichtige Insiderinformation bereits dann vorliegt, wenn ein erheblicher

Gewinn oder Verlust mit hoher Wahrscheinlichkeit erwartet werden kann.133 Die

Veröffentlichungspflicht entsteht, sobald die betreffende Information der ver-

antwortlichen Person aus dem Unternehmen zugeht. Daraus folgt, dass die In-

formation bereits im Rahmen der Ad-hoc-Publizität zu veröffentlichen ist, also

unabhängig von vorher festgelegten Terminen für Bilanzpresse- oder Analysten-

konferenzen.134 Diese Regelung stellt den Grund dafür dar, dass viele Unter-

nehmen dazu übergegangen sind, die relevantesten Informationen aus Bilanz und

GuV nicht erst bei der Bilanzpressekonferenz, sondern bereits im Rahmen von

Ad-hoc-Meldungen vor diesen Stichtagen bekanntzugeben. Werden die Progno-

sen kurz vor der Verkündung des tatsächlichen Ergebnisses abgegeben, werden

diese teilweise auch als Gewinn-Vorankündigungen (earnings preannounce-

ments) definiert.135

Ist das Ereignis sowohl hinreichend wahrscheinlich als auch die Erheblichkeit

der Kursbeeinflussung gewährleistet, dann ist eine Prognose im Rahmen der Ad-

hoc-Publizität verpflichtend abzugeben. Zur inhaltlichen Ausgestaltung einer

Prognose im Rahmen der Ad-hoc-Publizität, insbesondere deren Präzision, exis-

tieren nur vergleichsweise wenig konkrete Aussagen. Nach § 15 Abs. 1 Satz 5

WpHG müssen die in der Prognose genutzten Kennzahlen im Geschäftsverkehr

132 Vgl. BaFin (2005), S. 23. 133 Vgl. BaFin (2005), S. 47 f. 134 Vgl. BaFin (2005), S. 48. 135 Vgl. Hirst et al. (2007), S. 5.


üblich sein und einen Vergleich mit den zuletzt genutzten Kennzahlen ermögli-

chen. Sinn dieser Regelung ist es, den Marktteilnehmern ein klares Bild über die

neuen Umstände zu ermöglichen und zu verhindern, dass der Emittent durch die

Verwendung von „ Fantasiekennzahlen“ negative Entwicklungen verschleiern

kann.136 In § 4 Abs. 1 Nr. 4 der Wertpapierhandelsanzeige- und Insiderverzeich-

nisverordnung (WpAIV), die den Inhalt von Ad-hoc-Meldungen konkretisiert,

wird neben der Angabe des Namens des Emittenten und anderen Identifikationen

der Meldungen lediglich „ die zu veröffentlichende Information“ gefordert. Eine

klare Festlegung der Präzision der darzustellenden Informationen erfolgt nicht.

Ist z.B. eine Gewinnprognose lediglich in Form von Minimum- oder Maximum-

prognosen möglich, stellt dies die neue Information dar, für die ggf. Publizitäts-

pflicht besteht.

Insgesamt kann damit festgehalten werden, dass im Rahmen der Lageberichter-

stattung und der Ad-Hoc-Publizität eine Pflicht zur Abgabe von Prognosen be-

stehen kann. Für Prognosen im Rahmen der Lageberichterstattung wird nach

§ 289 und 315 HGB und der h.M. eine Pflicht zur Abgabe von Prognosen festge-

legt. Im Rahmen der Ad-hoc-Publizität besteht dagegen nur eine Pflicht zur

Prognoseabgabe, wenn bestimmte Bedingungen erfüllt sind. Hinsichtlich der

hier wichtigen Ausgestaltung der Prognosen, d.h. wie präzise eine Prognose

formuliert sein muss, existieren keine gesetzlichen Verpflichtungen. Auch die

h.M. lehnt sowohl bei der Lageberichterstattung als auch der Ad-hoc-Publizität

eine Mindestpräzision ab. Dementsprechend liegt die Entscheidung über die Prä-

zision der Prognose im Ermessen des Managements. Sie stellt damit einen Teil

der freiwilligen Finanzberichterstattung eines Unternehmens dar.

Unter die freiwillige Prognosepublizität fallen regelmäßig Aussagen des Mana-

gements, die bei offiziellen Terminen wie der Jahreshauptversammlung, der Bi-

lanzpressekonferenz oder der Vorstellung des Quartalsberichts gemacht wer-

den.137 Ebenso können Messen, Presse- und Analystenkonferenzen, Zeitungsin-

136 Vgl. BaFin (2005), S. 48. 137 Vgl. Lees (1981), S. 12.


terviews oder Telefonkonferenzen (conference calls) zur Abgabe von Prognosen

genutzt werden. Da es sich hierbei um freiwillig abgegebene Prognosen handelt,

ist per Definition weder die Abgabe noch die Ausgestaltung der Prognose ge-

setzlich geregelt.

Einen wichtigen Unterschied zwischen freiwilligen und gesetzlich verpflichtend

abzugebenden Prognosen stellt die öffentliche Wahrnehmung dar. Während die

Prognosen im Rahmen der Lageberichterstattung und der Ad-hoc-Publizität re-

gelmäßig dem gesamten Kapitalmarkt zur Verfügung stehen und damit öffent-

lich sind, können freiwillige Prognosen auch über private Kanäle weitergegeben

werde.138 Private Kanäle sind z.B. Unternehmenspräsentationen in Kleingruppen

oder Einzelgespräche (one-on-one) mit Analysten. Dieser Kommunikationsweg

dient dazu, bestimmte Informationen nur an ausgewählte Adressaten zu verteilen

und andere Marktteilnehmer auszuschließen.139 Beispielsweise zeigen Untersu-

chungen aus den USA, dass sich das Management häufig mit den Schätzmodel-

len eines Analysten explizit auseinandersetzt und Hilfestellung bei der Bestim-

mung von Schätzungen leistet.140 Dies kann dem Management z.B. zur Kontakt-

pflege mit einzelnen Analysten dienen, die sie im Gegenzug besser bewerten.

Diese Vorgehensweise der Bereitstellung von Informationen an ausgewählte

Analysten und andere Kapitalmarktteilnehmer ist als sog. expectations manage-

ment141 oder earnings guidance142 bekannt.143

138 In der US-amerikanischen Literatur wird regelmäßig in public und private disclosure unterschieden. 139 Vgl. Ajinkya/Gift (1984), S. 426. 140 Vgl. Hutton (2005), S. 871. 141 Vgl. z.B. Matsumoto (2002), S. 403-405. 142 Vgl. z.B. Wichels (2002), S. 164. 143 Vgl. dazu auch Noe/Hansen (1999).


2.2.4 Adressaten von Managementprognosen

Prognosen des Managements stellen Teile aus der Gesamtheit aller Maßnah-

men144 der Finanzberichterstattung eines Unternehmens dar.145 Zur Bestim-

mung der Adressaten von Managementprognosen kann damit auf die in der Li-

teratur gängige Ableitung der Adressaten der gesamten Finanzberichterstattung

eines Unternehmens zurückgegriffen werden. Der Adressatenkreis kann dabei

strukturiert werden in die Gruppen der 1) Aktionäre, 2) Informationsintermedi-

äre, 3) Gläubiger, 4) Abnehmer und Lieferanten 5) Arbeitnehmer sowie

6) Konkurrenten.146 Im Folgenden werden diese Gruppen und ihr mögliches In-

teresse an Managementprognosen erläutert.

1) An der Unternehmensleitung nicht beteiligte Aktionäre und potenzielle Akti-

onäre treffen beim Kauf und Verkauf von Aktien und Bezugsrechten Entschei-

dungen über Investitions- und Desinvestitionsbeträge.147 Wird unterstellt, dass

sie den erwarteten Zahlungsstrom zwischen sich und dem Unternehmen nach

Höhe, zeitlicher Verteilung und Sicherheit optimieren wollen, kann daraus ab-

geleitet werden, dass für sie sämtliche Informationen von Interesse sind, wel-

che die Möglichkeit der Prognose dieser Größen verbessern und die Unsicher-

heit darüber reduzieren. Aktionäre und potenzielle Aktionäre können nach den

Charakteristika des einzusetzenden Kapitals und der Expertise weiter unter-

gliedert werden in institutionelle Investoren und Privatinvestoren. Institutionel-

le Investoren sind natürliche oder juristische Personen, die professionell Mittel

verwalten und am Kapitalmarkt anlegen.148 Hierzu zählen u.a. Banken, Versi-

cherungen, Pensions- und Investmentfonds.149 Institutionelle Investoren haben

144 Bezogen auf Unternehmen ist Publizität als Veröffentlichung von betrieblichen Sachverhalten zu verste-

hen. Damit zählen zur Publizität alle Nachrichten, die vom Unternehmen veröffentlicht werden, d.h. ne-ben der zwangsweisen Veröffentlichung bestimmter Sachverhalte auch freiwillige Maßnahmen wie Werbung und Maßnahmen der Investor Relations. Vgl. Heuser (1998), S. 455-457.

145 Vgl. Drobeck (2001), S. 29. 146 Vgl. Busse von Colbe (1968), S. 93 ff.; Moxter (1962), S. 203; Widmer (1972), S. 86 ff., Perlitz (1973),

S. 13 f. Daneben wird in der Literatur teilweise auch die allgemeine Öffentlichkeit als Adressat genannt. Vgl. Nagos (1991), S. 55.

147 Vgl. Busse von Colbe (1968), S. 93. 148 Vgl. Mackensen (2000), S. 27-28. 149 Vgl. Leven (1998), S. 56-57.


aufgrund ihrer Treuhänderpflicht grundsätzlich ein großes Interesse an Infor-

mationen.150 Da sie aufgrund ihres hohen Kapitaleinsatzes meist einen gewis-

sen Einfluss auf das Management nehmen können, besitzt das Management re-

gelmäßig ein Interesse daran, die Informationsnachfrage dieser Investoren zu

erfüllen.151 Privatinvestoren verfügen im Vergleich zu institutionellen Investo-

ren hingegen meist über wenig einzusetzendes Kapital und Expertise.152 Be-

züglich der Investition ihrer Mittel stellen Brennan/Tamarowski (2000) fest,

dass sie sich tendenziell auf die Expertise von institutionellen Investoren und

Finanzanalysten verlassen.

2) Die Aufgabe von Informationsintermediären ist die Sammlung und Analyse

von Informationen, die anschließende Verarbeitung und Aufbereitung sowie die

Weitergabe an Interessenten.153 Diese Aufgabe wird insbesondere von Finanz-

analysten wahrgenommen.154 Finanzanalysten sind Personen „ die auf Basis öf-

fentlich verfügbarer Informationen und spezieller Vorkenntnisse eine fundierte

Analyse und Prognose über Kapitalmärkte, Branchen und Unternehmen erstel-

len.“ 155 Ihre Analysen werden anschließend in Form von z.B. sog. Broker Re-

ports, in denen sie u.a. Gewinnschätzungen, Gewinnwachstumsprognosen und

Investitionsempfehlungen abgeben, vorrangig an institutionelle Investoren wei-

tergegeben.156 Da es eine primäre Aufgabe von Finanzanalysten darstellt, mög-

lichst präzise und treffgenaue Empfehlungen abzugeben, haben diese regelmäßig

ein hohes Interesse an den veröffentlichten Prognosen des Managements.157 Für

das Unternehmen stellen Finanzanalysen eine wichtige Interessengruppe dar, da

durch ihre Empfehlungen Entscheidungen am Kapitalmarkt beeinflusst wer-

150 Vgl. El-Gazzar (1998), S. 119 ff. 151 Vgl. Bushee/Noe (2000), S. 171. 152 Der Anteil der privaten Haushalte am Aktienumlauf betrug im Jahr 2005 lediglich 12,5 %. Vgl. dazu

DAI (2005), S. 08.1-3-d. 153 Vgl. Healy/Palepu (2001), S. 416. 154 Vgl. hierzu ausführlich Abschnitt 3.2. 155 DVFA (2000), S. 9. 156 Vgl. DVFA (2000), S. 9. 157 Vgl. Pietzsch (2004), S. 62.


den.158 Chatlos (1974) findet z.B., dass ca. 80 % der Transaktionen an Börsen

aufgrund von Empfehlungen von Analysten zustande kommen.159 Nach den Er-

gebnissen von Sienel (1995) basieren in Deutschland die meisten Anlageent-

scheidungen auf den vorherigen Bewertungen durch Analysten.160

3) Die Leistung der Gläubiger an das Unternehmen besteht darin, ihm Fremdka-

pital zur Verfügung zu stellen.161 Sie entscheiden regelmäßig über die Gewäh-

rung, Prolongation oder Kündigung sowie die Konditionen eines Kredites. Ähn-

lich der Zielsetzung der Aktionäre werden Gläubiger ihre Entscheidung so tref-

fen, dass der Zahlungsstrom mit dem Unternehmen hinsichtlich Kreditauszah-

lung, erhaltener Zinsen und Kreditrückzahlung optimiert wird.162 Diese Optimie-

rung hängt insbesondere von den zukünftigen Einzahlungsüberschüssen ab, die

das Unternehmen in seinem Leistungsbereich erwirtschaftet.163 Zur Beurteilung

dieser zukünftigen Leistungsfähigkeit besteht für die Gläubiger ein Bedarf an In-

formationen, aus denen sich Rückschlüsse auf die zukünftigen Zahlungen ziehen

lassen.164 Ziel ist dabei insbesondere die Indikation der Wahrscheinlichkeit einer

zukünftigen Zahlungsunfähigkeit und die Höhe der erwarteten Kreditverluste,

wenn es zur Zahlungsunfähigkeit kommt.

4) Aktuelle und potenzielle Abnehmer und Lieferanten können aus verschiede-

nen Gründen ein Bedürfnis nach Informationen über die wirtschaftliche und fi-

nanzielle Entwicklung des Unternehmens haben. Erstens kann für Lieferanten

die Kenntnis der wirtschaftlichen Entwicklung für die strategische Position bei

der Aushandlung der Einkaufs- und Verkaufspreise bedeutsam sein.165 Ferner

kann eine wirtschaftlich gute Lage des Unternehmens den Lieferanten veranlas- 158 Vgl. Diehl (2001), S. 398. 159 Vgl. Chatlos (1974).Weitere Studien zeigen den Einfluss der Analysten auf die Kaufentscheidung von

Investoren, vgl. z.B. Lys/Sohn (1990). 160 Vgl. Sienel (1995). 161 Vgl. Nagos (1991), S. 41. 162 Vgl. Busse von Colbe (1968), S. 94. 163 Vgl. Drobeck (2001), S. 35. 164 Vgl. Busse von Colbe (1968), S. 92 ff. 165 Vgl. Coenenberg/Bischof (2005), S. 1145.


sen, die eigene Produktionskapazität zu erweitern, um mögliche zukünftige Auf-

träge erfüllen zu können. Besonders bedeutsam erscheinen Informationen, wenn

über die Aufnahme oder Nichtaufnahme einer dauerhaften und intensiven Bezie-

hung zum Unternehmen entschieden wird. Lieferanten, deren Geschäft haupt-

sächlich durch einen einzelnen Kunden generiert wird und Abnehmer, die einen

Großteil ihres eingesetzten Materials von einem Lieferanten beziehen, sind bis

zu einem gewissen Grade von dieser Gesellschaft abhängig. Sie sind daher be-

sonders an der zukünftigen Zahlungs- bzw. Lieferbereitschaft und -fähigkeit in-

teressiert.166

5) Arbeitnehmer haben Arbeitsverträge mit dem Unternehmen geschlossen und

interessieren sich folglich dafür, ob die Verträge von Seiten des Unternehmens

künftig erfüllt werden. Ebenso haben sie bestimmte Karriere- und Gehaltserwar-

tungen und dürften sich daher für die Wachstumsperspektiven des Unternehmens

interessieren.167

6) Konkurrenten verfolgen i.d.R. ebenso das Ziel, den Zahlungsstrom zwischen

sich und der Umwelt zu optimieren.168 Dieses Ziel hängt allerdings nicht nur von

ihren eigenen Entscheidungen ab, sondern auch von der Konkurrenzentwick-

lung. Informationen über die erwartete Entwicklung eines Konkurrenzunterneh-

mens bieten ihnen daher die Möglichkeit, Rückschlüsse auf ihre eigenen Zah-

lungsflüsse zu ziehen und evtl. bereits getroffene Entscheidungen zu modifizie-

ren.169

Alle genannten Adressaten haben grundsätzlich Interesse an Prognosen über die

zukünftige Entwicklung eines Unternehmens. Aufgrund dieser Nachfrage könnte

nun vermutet werden, dass das Management sämtliche Informationen offenlegt,

166 Vgl. Busse von Colbe (1968), S. 94. Konkurrenten stellen grundsätzlich keine Adressatengruppe dar, da

es nicht Ziel der Rechnungslegung bzw. der Veröffentlichung von Prognosen ist, konkurrierende Perso-nen oder Unternehmen zu informieren. Da diese jedoch auch Zugriff auf die in den Prognosen enthalte-nen Informationen besitzen, werden sie hier in die Adressatengruppe einbezogen.

167 Pellens et al. (2006), S. 5. 168 Vgl. Busse von Colbe (1968), S. 94 f. 169 Vgl. Wagenhofer/Ewert (2003), S. 322.


die von Außenstehenden verlangt werden. Da allerdings häufig beobachtet wer-

den kann, dass dies gerade bei der Präzision der Prognosen nicht der Fall ist,

müssen neben der externen Nachfrage noch andere Faktoren den Informations-

gehalt der Prognosen beeinflussen.170 Dieser Zusammenhang kann auch in funk-

tionaler Form dargestellt werden als:

Im nun folgenden Abschnitt sollen die theoretischen Grundlagen dieser Faktoren

erläutert werden. Dazu muss im ersten Schritt die Frage untersucht werden, wa-

rum das Management überhaupt Informationen in Form von Prognosen veröf-

fentlicht. Abbildung 4 zeigt die Einordnung des nächsten Abschnitts in Kapitel 2

auf.



2.4



Zwischenfazit2.6



Fragestellung

2.3

2.2



KapitelWo werden Prognosen abgegeben?Wer sind die Adressaten?


2.4



Zwischenfazit2.6



Fragestellung

2.3

2.2



Kapitel

Abbildung 4: Struktur des zweiten Kapitels – Theoretische Grundlagen

Die Struktur des folgenden Abschnitts orientiert sich an den Darstellungen der

analytischen Literatur zur Frage der freiwilligen Publizität.171 Im ersten Schritt

wird regelmäßig eine Ausgangssituation unterstellt, in der es – unter einigen An-

nahmen – für das Management vorteilhaft ist, sämtliche verfügbaren Informatio-

nen offen zu legen (vollständige Publizität). Anschließend werden die rigiden

Annahmen der Modelle schrittweise aufgehoben, um realitätsnähere Bedingun-

gen zu simulieren. Es zeigt sich, dass es zu Einschränkungen der vollständigen

Publizität kommen kann.

170 Vgl. Gassen (2000), S. 12-14. 171 Vgl. Dobler (2004), S. 50.

Präzision von Prognosen = f (Faktor 1, Faktor 2,..., Faktor N)


2.3 Theoretische Grundlagen

2.3.1 Vollständige Publizität

Ausgangspunkt der modelltheoretischen Forschung zur freiwilligen Publizität

bilden Gleichgewichtsmodelle, in denen das Management den übrigen Akteuren

sämtliche verfügbaren Informationen offenbart. Dieses als disclosure prin-

ciple172 bzw. unraveling173 bezeichnete Resultat stellt sich ein, sofern folgende

Annahmen erfüllt sind:174

1. Es ist allgemein bekannt, dass das Management über wertrelevante Un-

ternehmensinformationen verfügt.

2. Durch Publizität entstehen keine Kosten.

3. Das Management handelt im Interesse der Aktionäre, indem es den

Marktwert des Unternehmens maximiert.

4. Die Verbreitung von unwahren Informationen ist ausgeschlossen, sämtli-

che veröffentlichten Informationen sind verifizierbar.

Bedingung für die Bildung des Gleichgewichtes ist zunächst, dass das Manage-

ment rational handelt, d.h. seinen eigenen Nutzen zu maximieren versucht. Er-

hält es nun Informationen, die den zukünftigen Unternehmenswert verändern,

wird es diese nur publizieren, wenn ihm dadurch ein ökonomischer Vorteil ent-

steht.175 Bildet der Markt vor einer Nachricht a priori-Erwartungen über die Ver-

teilung des zukünftigen Unternehmenswerts, wird das Management daher nur

Informationen offen legen, die im Vergleich zu den bestehenden Erwartungen

des Marktes günstig sind und den Unternehmenswert nicht senken.176 Durch

Annahme 1 des Ausgangsmodells ist der Markt allerdings jederzeit über das Ein-

treffen und Vorliegen von neuen Informationen informiert. Das Verhalten des

172 Vgl. Dye (1985), S. 127. 173 Vgl. Wagenhofer/Ewert (2003), S. 287 ff. 174 Vgl. Dobler (2004), S. 50; Ross (1979), S. 183-188. 175 Vgl. Ross (1979), S. 177-181. 176 Vgl. Dobler (2004), S. 51.


Managements wird daher von skeptischen Marktteilnehmern antizipiert, die da-

mit den Fall einer Nicht-Offenlegung von Informationen als ungünstig interpre-

tieren und ihre Durchschnittserwartungen bzgl. des Unternehmenswerts nach un-

ten korrigieren.177 Wagenhofer/Ewert (2003) beschreiben die Reaktion der skep-

tischen Marktteilnehmer treffend mit: „ Keine Antwort ist auch eine Antwort.“ 178

Diese Erwartungsrevision des Marktes für das Risiko einer Fehlinformation und

der damit verbundene „ Abschlag für Unsicherheit“ auf den Preis des Unterneh-

mens resultiert wiederum in einem Anreiz für das Management, auch Informati-

onen zu veröffentlichen, die zwar ungünstiger sind als die a priori-Erwartung des

Marktes, aber günstiger als die revidierte Erwartung im Fall des Schweigens.179

Informationen, die zu Unternehmenswerten unterhalb des revidierten Werts führ-

ten, würden allerdings nicht publiziert, was von den Marktteilnehmern wiederum

antizipiert werden würde. Der Revisionsprozess von skeptischen Erwartungen

des Marktes und Ausweisentscheidungen des Managements setzt sich solange

fort, bis die Marktteilnehmer im Fall des Schweigens von den denkbar ungüns-

tigsten Nachrichten ausgehen.180 Ein vollständiger Ausweis der Informationen

durch das Management wird somit erzwungen. Bezogen auf die hier untersuch-

ten Managementprognosen würde dieser Zustand implizieren, dass alle Unter-

nehmen über neue Informationen konstant und präzise berichten. Eine Untersu-

chung der Einflussfaktoren der Managementprognosepräzision wäre hinfällig, da

keine Variation bestehen würde.

Das Ergebnis des unraveling gilt nur unter den oben genannten vier Annahmen.

Zur Darstellung einer realitätsnäheren Situation werden im Folgenden die An-

nahmen schrittweise aufgehoben.

177 Vgl. Dobler (2004), S. 51. Diese Annahme gilt nur für den Fall, dass die Adressaten eine skeptische Er-

wartungshaltung haben, d.h. dass im Fall der Nicht-Bekanntgabe einer Information von einer unter-durchschnittlichen Information ausgegangen wird. Für den Fall von „ naiven“ Adressaten, die im Fall der Nicht-Veröffentlichung von durchschnittlichen Informationen ausgehen, vgl. Wagenhofer/Ewert (2003), S. 341 und Wagenhofer (1990), S. 162 ff.

178 Wagenhofer/Ewert (2003), S. 291. 179 Vgl. Wagenhofer (1990), S. 18. 180 Vgl. Wagenhofer/Ewert (2003), S. 291.


2.3.2 Einschränkungen der vollständigen Publizität

2.3.2.1 Informationsunsicherheit

Im Allgemeinen ist nicht bekannt, ob das Management über Informationen zur

zukünftigen Entwicklung des Unternehmens verfügt. Auch das Eintreffen von

neuen Informationen über den zukünftigen Unternehmenswert bei dem Mana-

gement ist in der Regel nicht öffentlich. Ein Ausbleiben der Bekanntgabe von

neuen Informationen kann aus Sicht des Marktes daher nicht ausschließlich als

ein bewusstes Verheimlichen ungünstiger Informationen interpretiert werden,

denn u.U. liegen einfach keine neuen Informationen vor.181 Ebenso vernachläs-

sigt die bislang unterstellte eindeutige Interpretierbarkeit der Information eine

Unsicherheit der Adressaten, die aus der möglichen Fehlinterpretation von nicht

eindeutigen Prognosen entsteht.182

Das Ausbleiben der Bekanntgabe von Prognosen sowie mögliche Interpretati-

onsprobleme können zu Unsicherheiten bei den Adressaten führen.183 Die Kapi-

talmarktteilnehmer bilden in einem solchen Fall Wahrscheinlichkeiten über das

mögliche Vorliegen von relevanten Informationen beim Unternehmen und revi-

dieren ihren Erwartungswert, der über dem Wert der ungünstigsten Konstellation

liegt. Als Folge kann das Management für den Fall, dass eine Information un-

günstiger ist als die revidierte Erwartung der Marktteilnehmer, diese Information

erfolgreich verheimlichen.184

2.3.2.2 Publizitätskosten

Eine weitere Einschränkung erfährt das disclosure principle, wenn die Informati-

onsbekanntgabe mit Kosten verbunden ist. In der Literatur wird hierbei regelmä-

181 Vgl. Wagenhofer/Ewert (2003), S. 295. 182 Interpretationsprobleme können entstehen, wenn die Information nicht eindeutig in die Zielgröße der

Adressaten übertragen werden kann, wie z.B. die Transformation einer Prognose der Umsatzentwick-lung in ausschüttungsfähige Cashflows. Vgl. Dobler (2004), S. 76.

183 Vgl. Kuhner (1998), S. 207-210. 184 Vgl. Wagenhofer/Ewert (2003), S. 297. Diese Handlungsmöglichkeit ist allerdings an die glaubwürdige

Angabe des Unternehmens über das Fehlen einer Information gekoppelt. Diese Glaubwürdigkeit kann z.B. dadurch eingeschränkt werden, dass andere Unternehmen in derselben Branche entsprechende In-formationen veröffentlichen. Wie oben erläutert, trifft dies nur für Informationen zu, für die keine ge-setzliche Veröffentlichungspflicht, wie z.B. im Rahmen der Ad-hoc-Publizität besteht.


ßig zwischen direkten und indirekten Ausweiskosten unterschieden.185 Direkte

Kosten der Publizität sind unmittelbar der Information zuzuordnen, wie z.B.

Kosten der Datenbeschaffung, der Verifizierung und der Veröffentlichung.186

Indirekte Kosten entstehen aus den evtl. negativen Reaktionen von Marktteil-

nehmern wie Verkaufsempfehlungen von Finanzanalysten oder der Kündigung

von Krediten durch Fremdkapitalgeber.187

Durch direkte Kosten der Publizität können Situationen entstehen, in denen es

für das Management vorteilhaft ist, Informationen nicht offen zu legen. Da ein

Unternehmen die Kosten der Informationsbekanntgabe tragen muss, wird das

Management eine Information nur dann veröffentlichen, wenn der erwartete

Nutzen höher ist als die entsprechenden Kosten. Damit kann selbst für Unter-

nehmen mit positiven Nachrichten ein Anreiz zur Nicht-Publikation gegeben

sein, wenn die Kosten der Publikation den erwarteten Nutzen übersteigen. Als

Folge werden auch die Kapitalmarktteilnehmer einen Nichtausweis von Informa-

tion nicht eindeutig als negative Information interpretieren und nicht zwangsläu-

fig von der ungünstigsten Information ausgehen. Somit können am Markt unter-

bewertete Unternehmen existieren, deren positive Informationen nicht veröffent-

licht und damit marktwerterhöhend eingesetzt werden, da die Kosten der Publi-

kation den Nutzen übersteigen.188

Indirekte Kosten der Publizität hängen von den Reaktionen der Adressaten auf

die Publikation oder Nicht-Publikation einer Information ab. Beispielsweise

stellt die Reaktion eines bestehenden oder potenziellen Konkurrenten einen

wichtigen Einflussfaktor der Managemententscheidung dar. Besteht eine poten-

zielle Konkurrenzgefahr, so könnte ein möglicher Konkurrent durch eine positive

Information zum Eindringen in den Produktmarkt gebracht werden. Eine un-

günstige Information schreckt ihn dagegen ab. Das Management muss daher

185 Vgl. Verrecchia (2001), S. 147. 186 Vgl. Ballwieser (1985), S. 51. 187 Für eine Übersicht über direkte und indirekte Kosten der Publikation vgl. Dobler (2004), S. 77-89. 188 Vgl. Wagenhofer/Ewert (2003), S. 293; Verrecchia (2001), S. 148-151.


abwägen, ob im Fall einer positiven Nachricht der Nutzen der erwarteten positi-

ven Reaktion der eigentlichen Adressaten die Kosten eines möglichen Eindrin-

gens von Konkurrenten überwiegen würde.189 Je nach Höhe der erwarteten Re-

aktionen ergeben analytische Modellierungen unterschiedliche optimale Ent-

scheidungen.190

Liegt bereits eine bestehende Konkurrenzgefahr durch ein anderes Unternehmen

vor, verläuft die Analyse ähnlich. Das Management ist daran interessiert, den

Wettbewerber durch ungünstige Informationen zu einer niedrigen Produktions-

menge zu drängen.191 Daher besteht ein eindeutiger Anreiz, nur ungünstige In-

formationen zu publizieren.192 Kommen Aktionäre oder andere Adressaten als

weitere Akteure hinzu, besteht allerdings ein zweiter, konfliktärer Anreiz, da die-

sen durch positive Informationen eine günstige Perspektive suggeriert werden

soll. Welche Ausweisstrategie optimal ist, hängt auch hier letztlich von den je-

weiligen Modell- und Parameterspezifikationen ab, wie z.B. der Bedeutung der

Information für den Konkurrenten oder der Typ des Konkurrenzverhältnisses.193

Weitere indirekte Kosten können durch Klagen von Aktionären aufgrund von

nicht eingehaltenen Prognosen des Managements entstehen.194 Ebenso kann die

freiwillige Informationsabgabe zu ungewollter Beobachtung durch Aufsichtsor-

ganisationen oder Kapitalgeber führen.195

2.3.2.3 Eigeninteresse des Managers und Verifizierbarkeit der

Informationen

In den bisherigen Modellen wurde stets von der Handlung des Managements im

Interesse der Aktionäre ausgegangen. In der Praxis ist jedoch häufig zu beobach-

189 Vgl. Wagenhofer/Ewert (2003), S. 306. 190 Vgl. Wagenhofer/Ewert (2003), S. 310. 191 Vgl. Dobler (2004), S. 75. 192 Die Argumentation ist vergleichbar, wenn die Informationsinteressen von Arbeitnehmern, Kunden und

Lieferanten analysiert werden. Auch diese können positive Nachrichten möglicherweise zu Ungunsten des Unternehmens ausnutzen.

193 Vgl. hierzu ausführlich Wagenhofer/Ewert (2003), S. 303-326. 194 Vgl. Skinner (1997), S. 249. 195 Vgl. Berger/Hann (2007), S. 3.


ten, dass das Management eigene Interessen verfolgt, die dem Aktionär schaden

können (moral hazard).196 Während das Management zum Erhalt seiner Ver-

dienstquelle stets, also auch bei negativem Kapitalwert, an der Fortführung des

Unternehmens interessiert ist, hat der Investor daran jedoch nur bei positiven Er-

tragserwartungen Interesse.197 Für den Manager bestehen daher Anreize, nur In-

formationen zu veröffentlichen, die zu einer Fortführung des Unternehmens füh-

ren, während negative Informationen verschwiegen werden. Die Reaktion der

Aktionäre auf einen Ausweis oder Nichtausweis von Informationen hängt nun

von der Dauer der Beschäftigung des Managers und der Verifizierbarkeit der In-

formationen ab. Hierbei trennen analytische Modelle zwischen ein- und mehrpe-

riodischen Modellen.198 In einem einperiodischen Modell kann – aufgrund der

Unsicherheit über künftige Realisationen – der empirische Wahrheitsgehalt von

prognostizierten Angaben ex-ante nicht verifiziert werden.199 Dies widerlegt die

Prämisse des disclosure principles, die eine 100 %igen Verifizierbarkeit der In-

formationen unterstellt.200 Ein Henry Ford zugeschriebenes Zitat formuliert es

treffend: „ You can’ t build a reputation on what you are going to do.”201 In die-

sem Fall wird von sog. Cheap-Talk-Modellen gesprochen.202 Cheap talk be-

zeichnet Aussagen, die „ beliebig gemacht werden können; sie sind nicht verifi-

zierbar, nicht bindend und verursachen keine (direkten) Kosten. Der Sender der

Nachricht (…) zieht aus der ausgewiesenen Information keinen unmittelbaren

Vor- oder Nachteil.“ 203 Aufgrund der fehlenden Verifizierbarkeit werden skepti-

sche Adressaten davon ausgehen, dass das Management bestimmte Informatio-

nen bewusst falsch abgibt. Die nicht verifizierbaren Nachrichten werden als un-

glaubwürdig eingestuft und ignoriert, um eine Täuschung durch das Manage-

196 Vgl. ausführlich zu moral hazard z.B. Jost (2001), S. 15; Horsch (2005), S. 85-89. 197 Vgl. Dobler (2004), S. 101 f. 198 Vgl. z.B. Stocken (2000), S. 359-361. 199 Nicht verifizierbar sind Informationen bei denen eine Prüfung des Wahrheitsgehaltes unmöglich oder

mit sehr hohen Kosten verbunden ist. Vgl. dazu Wagenhofer/Ewert (2003), S. 332. 200 Vgl. Laux/Franke (1970), S. 4. 201 Zitiert nach Hutton/Stocken (2007), S. 2. 202 Vgl. ausführlich zu Cheap-Talk-Modellen Farrell/Rabin (1996), S. 103-118. 203 Wagenhofer/Ewert (2003), S. 335.


ment zu vermeiden; sie haben daher keinen Informationsgehalt.204 Cheap-Talk-

Modelle führen in der Folge zu einem sog. Babbling-Gleichgewicht, in dem das

Management entweder schweigt oder eine Nachricht sendet, die ignoriert

wird.205 Ist die Abgabe von Informationen für das Management mit Kosten ver-

bunden, wird sie bei fehlender Glaubwürdigkeit damit stets unterbleiben und zu

unvollständiger Publizität führen.

Eine veränderte Situation ergibt sich im Fall von mehrperiodischen Beschäfti-

gungszeiträumen des Managements, da nun eine Historie von (verifizierbaren)

Nachrichten vorliegt. Ein Investor kann dabei am Ende jeder Periode eine Prü-

fung der abgegebenen Informationen durchführen, um damit die Glaubwürdig-

keit der neuen Signale des Managements zu beurteilen. Kommt die Überprüfung

der alten Signale zu einem positiven Ergebnis, erhöht sich die Glaubwürdigkeit

der neuen Information. Die Investoren werden in den Folgeperioden in zuneh-

mendem Maße ihre Entscheidungen weniger an ihren a-priori-Erwartungen aus-

richten, sondern auch ohne Verifikation stärker den Aussagen des Managements

vertrauen.206 Durch die zunehmende Glaubwürdigkeit entstehen nun für das Ma-

nagement Anreize zu einer Publikation von Informationen.207 Kommt es nach

dem Aufbau von Vertrauen allerdings zu Fehlinformationen, werden Investoren

das Management durch Vertrauensabbau sanktionieren.208

Der Aufbau von Vertrauen ist für das Management insbesondere für den Fall be-

deutsam, dass die a-priori-Erwartungen der Aktionäre negativ sind, dem Mana-

gement jedoch positive Informationen vorliegen. Ein Beispiel ist eine bestands-

204 Dies gilt auch für den Fall, dass das Unternehmen tatsächlich wahrheitsgetreu berichtet, denn die Adres-

saten können dies nicht erkennen und lassen sich daher auch nicht davon beeinflussen. Stiglitz (1984) . S- 231, beschreibt dies treffend mit: „ not all true statements convey information; they must be known to be true.”

205 Vgl. Stocken (2000), S. 366-368; Wagenhofer/Ewert (2003), S. 332 f. 206 Vgl. Graham et al. (2005), S. 57; Wagenhofer/Ewert (2003), S. 334. 207 Vgl. Graham et al. (2005), S. 55-60. In der Studie von Graham et al. (2005) stimmen etwa 92 % der

Befragten dem Motiv der Verbesserung der Reputation des Unternehmens als Motivation zur Abgabe von Prognosen zu. Ebenso kann das Management durch präzise Prognosen die eigenen Fähigkeiten sig-nalisieren, um damit ihre aktuelle und zukünftige Entlohnung sowie die zukünftigen Beschäftigungs-möglichkeiten zu verbessern. Vgl. Graham et al. (2005), S. 55.

208 Vgl. Dobler (2004), S. 127.


gefährdende Unternehmenskrise, bei der nur dem Management Informationen

über einen lukrativen Großauftrag vorliegen, die aber ex-ante nicht verifizierbar

sind. Nur im Fall einer hohen Glaubwürdigkeit würden die Investoren ihre nega-

tiven a-priori-Erwartungen zugunsten der Informationen des Managements revi-

dieren. Für das Management hängt damit der Anreiz zur Abgabe von glaubwür-

digen Informationen insbesondere von dem eigenen Beschäftigungshorizont so-

wie den möglichen Sanktionsmaßnahmen im Fall von Fehlinformationen ab.209

Je länger der Beschäftigungshorizont und je härter die Sanktionsmaßnahmen,

desto stärker sind die Anreize des Managements, dauerhaft wahre Informationen

zu veröffentlichen.210

Zusammenfassend kann unter Betrachtung theoretischer Modelle zum Publizi-

tätsverhalten des Managements festgehalten werden, dass das Management unter

bestimmten Annahmen sämtliche verfügbaren Informationen offenlegt. Werden

diese – teilweise realitätsfernen – Annahmen jedoch aufgehoben, kommt es zu

einer Einschränkung der vollständigen Offenlegung. Je nach Bedeutung der drei

Faktoren Informationsunsicherheit, Publizitätskosten und Eigeninteresse des

Managements werden mehr oder weniger Informationen veröffentlicht. Der an-

fangs aufgestellte funktionale Zusammenhang kann damit durch die folgende

Funktion spezifiziert werden:

Über die Bedeutung der einzelnen Faktoren können aus den Modellen jedoch

kaum eindeutig Erkenntnisse gewonnen werden. Zwar können Handlungen lo-

gisch abgeleitet werden, wenn ausschließlich ein Einflussfaktor des Publizitäts-

verhaltens betrachtet wird. Es ergeben sich jedoch teilweise bereits bei der

gleichzeitigen Betrachtung von zwei Einflussfaktoren keine eindeutigen Ergeb-

nisse mehr.211 Da in der Praxis jedoch stets mehrere Einflussfaktoren gleichzeitig

wirken, die zumeist voneinander abhängig sind, können sie nur in ihrer Gesamt- 209 Vgl. Dobler (2004), S. 106; Stocken (2000), S. 370. 210 Vgl. Dobler (2004), S. 104-107; Werner (1991), S. 239 f. 211 Vgl. Wagenhofer/Ewert (2003), S. 359.

Präzision von Prognosen = f (Unsicherheit, Kosten, Eigeninteresse)


wirkung auf das Publizitätsverhalten untersucht werden.212 Die empirische Lite-

ratur testet daher meist keine einzelnen Hypothesen, die explizit analytisch abge-

leitet werden, sondern mehrere Hypothesen gleichzeitig, die damit entsprechend

weniger präzise und verallgemeinerbar sind.213 Diese Einschränkungen müssen

bei der Betrachtung der Ergebnisse des nachfolgenden Literaturüberblicks sowie

der empirischen Untersuchung berücksichtigt werden.

2.4 Literaturüberblick und Hypothesenbildung

Die in dem vorausgehenden Kapitel dargestellten Zusammenhänge verdeutli-

chen, dass die Aufhebung der Annahmen des disclosure principles zu einer Ab-

weichung von der vollständigen Publizität und damit vom höchst möglichen In-

formationsgehalt der durch das Unternehmen freiwillig bereitgestellten Informa-

tionen führt. Als wesentliche Determinanten des Informationsgehalts einer Prog-

nose wurden die drei Faktoren Informationsunsicherheit, Publizitätskosten und

Eigeninteresse des Managements identifiziert. Problematisch erscheint die empi-

rische Überprüfung dieses Zusammenhangs, da sowohl der Informationsgehalt

als auch die drei Einflussfaktoren sog. latente Variablen darstellen, d.h. nicht di-

rekt messbar sind. Daher müssen sowohl abhängige wie auch unabhängige Vari-

ablen durch Stellvertretervariablen abgebildet werden.214

Der Informationsgehalt der Finanzberichterstattung eines Unternehmens wird in

empirischen Studien regelmäßig mit Hilfe verschiedener Stellvertretervariablen

gemessen. Zwei verbreitete Kennzahlen sind z.B. das Ergebnis einer Befragung

von Finanzanalysten zur Qualität der freiwilligen Unternehmenspublikationen215

oder die Bewertung von Geschäftsberichten mit Hilfe selbst erstellter Kriterien-

kataloge.216 Häufig dient auch eine höhere Wertrelevanz von Gewinnen als

212 Vgl. Wagenhofer/Ewert (2003), S. 359. 213 Vgl. Wagenhofer/Ewert (2003), S. 360. 214 Vgl. hierzu Backhaus et al. (2006), S. 338. 215 Vgl. Nagar et al. (2003); Healy et al. (1999); Lang/Lundholm (1996); Lang/Lundholm (1993). 216 Vgl. Botosan (1997); Francis et al. (2006). In diese Kategorie fällt bspw. auch der in Deutschland re-

gelmäßig durchgeführte Wettbewerb „ Bester Geschäftsbericht“ , vgl. dazu O.V. (2005), S. 125-138.


Stellvertreter für eine qualitativ höherwertige Finanzberichterstattung.217 Im

Rahmen dieses Kapitels wird die Präzision einer Managementprognose als Stell-

vertreter des Informationsgehalts der freiwilligen Finanzberichterstattung eines

Unternehmens verwendet. Die Messung der Präzision erfolgt mit Hilfe der in

Abschnitt 2.2.1 erläuterten fünf Arten von Prognosen (Punktprognose, Intervall-

prognose, Minimum- bzw. Maximumprognose und qualitative Prognose).

Die drei Konstrukte Informationsunsicherheit, Publizitätskosten und Eigeninte-

resse des Managements, die als unabhängige Variable fungieren, sind ebenfalls

nicht messbar und müssen durch Stellvertreter abgebildet werden. Hierzu wur-

den in der Literatur eine Reihe von Stellvertretervariablen entwickelt, die den

drei latenten Variablen zugeordnet werden.218 Abbildung 5 gibt eine Übersicht

über die in dieser Untersuchung verwendeten sieben Stellvertretervariablen, die

im folgenden Literaturüberblick ausführlich beschrieben werden.

Management-prognosepräzision

Unternehmens-komplexität

Informations-unsicherheit

Unsicherheit zukünftiger Gewinne

Publizitätskosten

Bedeutung interner Informationen

Nachfragedruck

Informations-asymmetrie

Verfügbarkeit öffentlicher

Informationen

Eigeninteresse des Managements Bestehen eines

Verlustes

Kap. 2.4.1.1

Kap. 2.4.1.3

Kap. 2.4.2.1

Kap. 2.4.3.1

Kap. 2.4.2.2

Kap. 2.4.1.2

Kap. 2.4.3.2

Latente Variablen Stellvertretervariablen Maßzahl der Qualität der freiwilligen Finanzberichterstattung

Abbildung 5: Determinanten der Managementprognosepräzision

217 Vgl. z.B. Francis et al. (2004); Barth et al. (2001). 218 Die Zuordnung der Indikatorvariablen zu den latenten Variablen ist nicht überschneidungsfrei. In vielen

Fällen werden Stellvertretervariablen mehrere latente Variablen gleichzeitig beeinflussen. Vgl. dazu auch Abschnitt 2.5.


Anzumerken ist, dass auch die sieben Stellvertretervariablen latent sind und so-

mit über Indikatoren gemessen werden müssen. Beispielsweise ist die Unter-

nehmenskomplexität selbst nicht direkt beobachtbar und wird daher in empiri-

schen Studien häufig durch den Indikator „ Anzahl der Unternehmenssegmente“

gemessen.

Die Struktur der folgenden Literaturübersicht orientiert sich an Abbildung 5. Je-

des der drei Konstrukte und die dazugehörigen Stellvertretervariablen werden in

einem Abschnitt erläutert und die bisherigen Forschungsergebnisse zum Einfluss

auf die Managementprognosepräzision dargestellt. Zur Vorbereitung der eigenen

Untersuchung wird jeweils direkt im Anschluss an die Darstellung eine Hypo-

these für die eigene Untersuchung gebildet. Die aufgestellten Hypothesen wer-

den in Abschnitt 2.5 empirisch überprüft.

2.4.1 Determinanten der Informationsunsicherheit

2.4.1.1 Unternehmenskomplexität

Wie in Abschnitt 2.2.2 erläutert, erhält das Management im Rahmen des Progno-

seerstellungsprozesses Informationen zu den erwarteten Ergebnissen aus den

einzelnen Teilbereichen des Unternehmens.219 Eine hohe Unternehmenskomple-

xität, z.B. durch eine hohe Anzahl unterschiedlicher geographischer Segmente

oder durch eine Vielzahl unterschiedlicher Produkte, kann dabei die Unsicherheit

des Managements erhöhen, was zu einem höheren Risiko von Prognosefehlern

führt.220 Will das Management den Prognosefehler möglichst gering halten oder

keine Scheingenauigkeit suggerieren, sinkt tendenziell die Wahrscheinlichkeit

der Abgabe und die erwartete Präzision einer Prognose.

Andererseits besteht bei höherer Unternehmenskomplexität auch höhere Unsi-

cherheit bei Finanzanalysten und Investoren bezüglich der zukünftigen Ergebnis-

219 Zum Prozess der Erstellung von Managementprognosen vgl. Abschnitt 2.2.1. 220 Vgl. Hutton (2005), S. 867.


se.221 Um diese Unsicherheit zu reduzieren, werden bei komplexen Unternehmen

tendenziell mehr Informationen nachgefragt. In dieser Situation wird das Mana-

gement unter Druck gesetzt, trotz eigener Unsicherheit eine präzise Prognose ab-

zugeben.222 Der Einfluss der Unternehmenskomplexität auf den Informationsge-

halt erscheint damit insgesamt unklar. Als einzige bisherige empirische Studie zu

dieser Frage findet Hutton (2005) in ihrer Untersuchung einen positiven223, je-

doch nicht-signifikanten Zusammenhang zwischen der Unternehmenskomplexi-

tät (gemessen durch die Anzahl der operativen Segmente und den prozentualen

Anteil von immateriellen Vermögenswerte an der Bilanzsumme) und der Wahr-

scheinlichkeit einer Unterstützung der Analysten bei der Erstellung der Progno-

se.224 Sie kann damit – zumindest tendenziell – die höhere Bedeutung des Nach-

fragedrucks bestätigen. Eine Ursache für die fehlende Signifikanz ihrer Ergeb-

nisse ist möglicherweise die vergleichsweise kleine Stichprobe von lediglich 410

Beobachtungen für das Jahr 1999. Da in der hier vorliegenden Arbeit eine größe-

re Stichprobe gebildet wird, ist der Zusammenhang möglicherweise feststellbar.

Für die eigene Untersuchung wird die Hypothese über den Zusammenhang zwi-

schen Präzision der Managementprognose und Unternehmenskomplexität daher

ebenfalls positiv formuliert. Wie bei Hutton (2005), erfolgt die Messung der

Komplexität des Unternehmens anhand der Anzahl der Unternehmenssegmente

und des Anteils der immateriellen Vermögenswerte an der Bilanzsumme.225 Hö-

here Werte der Variablen dienen als Indikator für eine höhere Komplexität des

Unternehmens. Die sich ergebenden Hypothesen lauten wie folgt:

221 Vgl. Barth et al. (2001), S. 2; Ajinkya et al. (2005) finden, dass die Unsicherheit des Marktumfelds, ge-

messen als Standardabweichung der Analystenschätzungen, negativ mit der Prognosehäufigkeit korre-liert.

222 Vgl. Hutton (2005), S. 878-880. 223 Von einem „ positiven” Zusammenhang wird in der Folge gesprochen, wenn der Regressionskoeffizient

einer Regressionsgeraden bei der Schätzung des Zusammenhangs zwischen zwei Variablen positiv ist. 224 Vgl. Hutton (2005), S. 894. 225 Vgl. Hutton (2005), S. 879.


Hypothese 1.1: Ceteris paribus besteht ein positiver Zusammenhang zwischen der Anzahl der Unternehmenssegmente und der Präzision ei-ner Prognose.

Hypothese 1.2: Ceteris paribus besteht ein positiver Zusammenhang zwischen dem Anteil immaterieller Vermögenswerte an der Bilanzsum-me und der Präzision einer Prognose.

2.4.1.2 Verfügbarkeit von öffentlichen Informationen

Liegt für ein Unternehmen bereits eine Vielzahl externer Informationen vor, so

ist für das Management das Verheimlichen von weiteren Informationen schwie-

riger. Ist z.B. das Wachstum des Bruttoinlandsprodukts bereits seit längerem be-

kannt, so erscheint es eher unglaubwürdig, wenn das Management weiterhin an-

gibt, die Auswirkungen des Wachstums nicht abschätzen zu können. Eine unprä-

zise Prognose kann daher von den Kapitalmarktteilnehmern als ein bewusstes

Zurückhalten von schlechten Informationen gewertet werden und einen zusätzli-

chen Risikoabschlag zur Folge haben. Es ist daher grundsätzlich eine eher präzi-

se Prognose zu erwarten.

Andererseits ist der Nutzen von präzisen Ergebnisprognosen geringer, wenn der

Informationsgehalt der öffentlich verfügbaren Informationen hoch ist. So können

durch Managementprognosen vermittelte Informationen durch andere verfügbare

Quellen wie Analystenberichte oder volkswirtschaftliche Studien substituiert

werden.226 Der Anreiz zur Abgabe einer präzisen Prognose ist für das Manage-

ment in diesem Fall nicht ausreichend groß. Eine Prognose wird daher tenden-

ziell vermieden oder der Informationsgehalt niedrig gehalten. Insgesamt lassen

sich bei Verfügbarkeit öffentlicher Informationen sowohl Argumente für als

auch gegen die Abgabe von präzisen Prognosen finden. Möglicherweise lässt

sich die Frage nach der Richtung des Zusammenhangs empirisch beantworten.

226 Vgl. Baginski/Hassel (1997), S. 305.


Zur Messung der Verfügbarkeit öffentlicher Informationen wird in empirischen

Studien regelmäßig die Unternehmensgröße herangezogen.227 Frankel et al.

(1995) finden in ihrer Untersuchung für große Unternehmen eine höhere Anzahl

von Prognosen. Sie folgern daraus, dass die Wahrscheinlichkeit einer Prognose

des Managements bei größeren Unternehmen höher ist.228 Als mögliche Erklä-

rungsfaktoren nennen sie zum einen, dass größere Unternehmen aufgrund der

stärkeren Beachtung durch die Öffentlichkeit einem größeren Druck zur Progno-

seabgabe unterliegen und daher mehr Prognosen abgeben. Andererseits betonen

sie auch, dass aufgrund der fehlenden medialen Beachtung für kleinere Unter-

nehmen weniger bzw. keine Prognosen gefunden werden. In ihrer Studie werden

– wie in den meisten Studien zu Managementprognosen – nur Prognosen aus

Zeitungen und Nachrichtenagenturen in die Stichprobe aufgenommen. Diese

Medien tendieren allerdings dazu, hauptsächlich Meldungen von größeren Un-

ternehmen zu publizieren.229 Eine geringe Anzahl von gefundenen Management-

prognosen kleinerer Unternehmen ist damit weniger auf eine geringere Informa-

tionsbereitschaft dieser Unternehmen zurückzuführen, als eher auf eine geringe

Beobachtung durch Medien und Analysten.

In der vorliegenden Arbeit wird allerdings nur die Präzision von bereits vorlie-

genden Prognosen untersucht. Die Schätzung der Wahrscheinlichkeit einer

Prognoseabgabe wird dagegen vernachlässigt. Damit ist das Problem der gerin-

geren Anzahl von Prognosen kleinerer Unternehmen hier weniger schwerwie-

gend.

Baginski/Hassel (1997) messen den Zusammenhang zwischen Prognosepräzisi-

on und Unternehmensgröße direkt und erhalten einen signifikant negativen Ko-

effizienten. Dies impliziert, dass größere Unternehmen tendenziell unpräzisere

Prognosen abgeben. Ihre Ergebnisse bekräftigen damit die Vermutung, dass für 227 Vgl. Frankel et al. (1995), S. 145; Dempsey (1989); Atiase (1985). Hierbei ist problematisch, dass die

Unternehmensgröße zudem mit verschiedenen anderen Unternehmenscharakteristika wie der Anzahl der Segmente, der Kosten der Informationsproduktion oder den Managementfähigkeiten korreliert sein kann. Vgl. Atiase (1985), S. 22.

228 Vgl. Frankel et al. (1995), S. 145. 229 Vgl. Frankel et al. (1995), S. 140.


größere Unternehmen die Nachfrage nach präzisen Prognosen geringer ist, da

bereits andere Informationsquellen vorliegen. Die zu untersuchende Hypothese

wird daher wie folgt formuliert230:

Hypothese 1.3: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Unternehmensgröße und der Präzision einer Prog-nose.

2.4.1.3 Unsicherheit zukünftiger Gewinne

Prognosen werden zu unterschiedlichen Zeitpunkten im Laufe eines Geschäfts-

jahres abgegeben. Ein größerer zeitlicher Abstand zwischen Abgabezeitpunkt

und Geschäftsjahresende (Prognosehorizont) erhöht dabei die Unsicherheit der

Prognoseerstellung.231 Dies erhöht die Schwierigkeit für das Management, eine

präzise Prognose abzugeben. Es kann daher vermutet werden, dass ein negativer

Zusammenhang zwischen der Länge des Prognosehorizonts und der Präzision

einer Prognose besteht. Die empirische Literatur bestätigt diese Vermutung.232

Baginski/Hassel (1997) finden z.B., dass Prognosen präziser formuliert werden,

je später sie abgegeben werden.233 Die Hypothese lautet daher wie folgt:

Hypothese 1.4: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Länge des Prognosehorizonts und der Präzision ei-ner Prognose.

Ein weiterer Indikator der Unsicherheit der Prognoseerstellung ist möglicherwei-

se die Volatilität der Gewinne. Eine höhere Volatilität der Gewinne erhöht si-

multan auch die Unsicherheit des Managements, da die Spannweite möglicher

Gewinne und damit auch das Risiko einer Fehlprognose steigt. Da negative

Überraschungen am Kapitalmarkt regelmäßig stärker bestraft werden als positi-

230 An dieser Stelle ist anzumerken, dass die Unternehmensgröße als Stellvertretervariable für verschiedene

Einflussgrößen und auch Hypothesen stehen kann. Ein möglicherweise existierender Zusammenhang kann damit nicht eindeutig auf die latente Variable „ Verfügbarkeit von öffentlichen Informationen“ zu-rückgeführt werden.

231 Vgl. Ajinkya et al. (2005), S. 360. 232 Vgl. Baginski/Hassel (1997), S. 309; Karamanou/Vafeas (2005), S. 470. 233 Vgl. Baginski/Hassel (1997), S. 309.


ve, wird das Management bei einer größeren Spannweite der möglichen Gewin-

ne c.p. weniger und unpräzisere Prognosen abgeben. Die Ergebnisse der empiri-

schen Literatur bestätigen diesen vermuteten Zusammenhang eindeutig.

Kent/Ung (2003) untersuchen den Zusammenhang zwischen der Volatilität des

Ergebnisses und der Qualität der freiwilligen Finanzberichterstattung, gemessen

durch eine Bewertung des Informationsgehalts der freiwilligen Angaben im Ge-

schäftsbericht. Sie finden, dass die Qualität der freiwillig veröffentlichten Infor-

mationen bei Unternehmen, deren Ergebnisse stärker schwanken, signifikant

schlechter ist.234

Waymire (1985) untersucht die Häufigkeit der Prognoseabgabe von Unterneh-

men in Abhängigkeit der vergangenen Volatilität des Ergebnisses.235 Die Volati-

lität des Ergebnisses wird berechnet als Varianz der Steigerung des Ergebnisses

je Aktie der mindestens letztens fünf Geschäftsjahre. Auch seine Ergebnisse

bestätigen die obige Vermutung: „ firms which issue earnings forecasts more fre-

quently (…) are characterized by less volatile earnings.”236

Ajinkya et al. (2005) untersuchen den Einfluss von Unsicherheit auf die Präzi-

sion von Managementprognosen.237 Als Stellvertretervariablen der Unsicher-

heit verwenden sie den Beta-Faktor eines Unternehmens, die Volatilität der

Quartalsergebnisse der letzten zwölf Quartale sowie die Streuung der Analys-

tenschätzungen. Sie finden für alle drei Variablen den erwarteten negativen

Zusammenhang mit der Präzision der Managementprognosen, der allerdings

nur für den Beta-Faktor signifikant ist.238

Im Rahmen dieser Arbeit dient die über die letzten drei Geschäftsjahre gemesse-

ne Standardabweichung der Kennzahl „ Unverwässertes Ergebnis je Aktie“ eines

234 Vgl. Kent/Ung (2003), S. 278 und 283. 235 Vgl. Waymire (1985), S. 269. 236 Vgl. Waymire (1985), S. 269. 237 Vgl. Ajinkya et al. (2005), S. 343. 238 Vgl. Ajinkya et al. (2005), S. 359.


Unternehmens als Indikator für eine bestehende Unsicherheit des Managements.

Die Hypothese lautet daher wie folgt:

Hypothese 1.5: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Standardabweichung des Ergebnis je Aktie und der Präzision einer Prognose.

2.4.2 Determinanten der Publizitätskosten

2.4.2.1 Bedeutung interner Informationen

Wie in Kapitel 2.3.2.2 beschrieben wurde, können Kosten durch die öffentliche

Abgaben von Prognosen entstehen, wenn die darin enthaltenen Informationen

von Konkurrenten genutzt werden (proprietary cost hypothesis).239 Die Kosten

der Informationsbekanntgabe sind dabei insbesondere von der existierenden

Marktstruktur und der Höhe des erwarteten Unternehmenswachstums abhän-

gig.240 Agiert ein Unternehmen z.B. in einem wachsenden Markt mit wenigen

Wettbewerbern, könnten mehr und präzisere Informationen über zukünftige

Entwicklungen zum Markteintritt von Wettbewerbern führen.241 Dies würde in

der Folge möglicherweise zu einem Abschmelzen der für das Unternehmen

möglichen Überrenditen führen. Daher kann erwartet werden, dass Unternehmen

in Märkten mit höherer Marktanteilskonzentration bzw. mit (noch) wenigen

Wettbewerbern tendenziell weniger und unpräzisere Prognosen veröffentli-

chen.242

In der Untersuchung von Bamber/Cheon (1998) wird der Zusammenhang zwi-

schen der Konzentration der Marktanteile auf wenige Wettbewerber und der

Prognosepräzision untersucht. Die Konzentration des Wettbewerbs wird operati-

onalisiert als Anteil des Umsatzes der fünf größten Unternehmen am Gesamtum-

satz der Branche.243 Je höher dieser Anteil ist, desto konzentrierter ist die Bran-

239 Vgl. Verrecchia (1983), S. 181 f.; Bamber/Cheon (1998), S. 172. 240 Vgl. hierzu Abschnitt 2.3.2.2. 241 Vgl. Healy/Palepu (2001), S. 424. 242 Vgl. Bamber/Cheon (1998), S. 172. 243 Vgl. Bamber/Cheon (1998), S. 178.


che und desto höher sind die Kosten bei Markteintritt neuer Konkurrenten. Ihre

Ergebnisse bestätigen die oben genannte Vermutung, Unternehmen in hoch kon-

zentrierten Branchen geben signifikant unpräzisere Prognosen ab.244

In der vorliegenden Arbeit wird dieser Zusammenhang für den deutschen Kapi-

talmarkt überprüft. Die Hypothese lautet wie folgt:

Hypothese 2.1: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Konzentration des Wettbewerbs und der Präzision einer Prognose.

Zur Messung der Konzentration des Wettbewerbs wird in Anlehnung an Bam-

ber/Cheon (1998) der Umsatzanteil der vier größten Unternehmen einer Branche

am Gesamtumsatz der Branche ermittelt. Die Brancheneinteilung erfolgt anhand

der Klassifikation der Datenbank des Institutional Investors Estimate System

(I/B/E/S).245

2.4.2.2 Informationsasymmetrie

Wie in Kapitel 2.3.2.2. erläutert, können Kosten für das Management durch eine

bestehende Informationsasymmetrie zwischen Unternehmen und Kapitalmarkt-

teilnehmern entstehen. Die Befragungsergebnisse von Graham et al. (2005) deu-

ten an, dass dem Management die daraus entstehenden Kosten bewusst sind.246

Demnach geben 82 % der befragten Manager an, dass es ein Ziel der freiwilligen

Berichterstattung ist, das von den Investoren wahrgenommene Informationsrisi-

ko zu senken. Daher sollte der Anreiz für das Management, eine präzise Progno-

se abzugeben, stärker sein, wenn die wahrgenommene Informationsasymmetrie

groß ist.

244 Vgl. Bamber/Cheon (1998), S. 188 f. 245 Bamber/Cheon (1998) verwenden zur Abgrenzung der Branchen die zweistelligen SIC-Code-Nummern

und bestimmen die Marktkonzentration anhand des Anteils der fünf größten Unternehmen. Aufgrund der geringeren Anzahl von Unternehmen in Deutschland muss in dieser Untersuchung allerdings die Klassi-fikation von I/B/E/S verwendet werden, die lediglich neun Branchen umfasst, sowie zur Bestimmung der Marktkonzentration pro Branche auf vier Unternehmen zurückgegriffen werden.

246 Vgl. Graham et al. (2005), S. 55.


Eine spezielle Konstellation, in der diese Vermutung leichter überprüfbar ist, be-

steht vor der Erstemission von Wertpapieren. In dieser Situation liegt dem Kapi-

talmarkt und potenziellen Investoren eine vergleichsweise geringe Informations-

basis über ein Unternehmen vor, so dass das klassische Informationsasym-

metrieproblem zwischen Management und Investoren deutlicher hervortritt. Die-

se Informationsasymmetrie führt, wie Akerlof (1970) zeigt, im besten Fall nur zu

einer Reduzierung des Verkaufspreises und im schlechtesten Fall zu einem Zu-

sammenbruch des gesamten Marktes.247 Im Fall der Erstemission von Wertpa-

pieren kann es aufgrund von Informationsasymmetrien somit zu einem underpri-

cing der Wertpapiere kommen.248 Um den preisreduzierenden Risikoabschlag

der Informationsasymmetrie zu verringern und einen möglichen Marktzusam-

menbruch zu verhindern, werden von Börsenaufsichtsbehörden regelmäßig um-

fangreiche Veröffentlichungen verlangt.249 Neben diesen verpflichtenden Infor-

mationen kann das Management zusätzlich freiwillige Informationen bereitstel-

len und die Qualität dieser Informationen durch die Wahl der begleitenden In-

vestmentbank oder des Wirtschaftsprüfers signalisieren.250 Insbesondere wenn

das Management selbst an der Emission beteiligt ist und damit unmittelbar von

einem höheren Emissionspreis profitiert, wird der Anreiz zum Abbau der Infor-

mationsasymmetrie hoch sein.251

Jog/McConomy (2003) sowie Frankel et al. (1995) untersuchen das Prognose-

verhalten von Unternehmen vor Neuemissionen. Frankel et al. (1995) bestäti-

gen, dass ein Zusammenhang zwischen der Wahrscheinlichkeit der Abgabe einer

Prognose und der Emission von Wertpapieren besteht: „ the tendencies to issue

management forecasts and finance externally are positively associated.“ 252

Jog/McConomy (2003) finden zudem, dass durch die Abgabe von Prognosen das

247 Vgl. Akerlof (1970) ; Fang (2006), S. 2729. 248 Underpricing bezeichnet dabei die prozentuale Differenz zwischen dem Preis des Wertpapiers am Ende

des ersten Börsenhandelstages und dem Emissionspreis. Vgl. Gosh (2007), S. 271 f. 249 Vgl. z.B. Schröder (2002), S. 59-76. 250 Vgl. Jog/McConomy (2003), S. 127; Fang (2006), S. 1729. 251 Vgl. Ma (2007), S. 271 f. 252 Frankel et al. (1995), S. 136.


underpricing der Wertpapiere reduziert werden kann: „ our results indicate that

forecasters, on average, obtain a significantly lower degree of underpricing.”253

Dies wird von den Autoren als Hinweis auf eine Reduzierung der Informati-

onsasymmetrie durch die Abgabe von Managementprognosen gewertet.

In dieser Untersuchung wird der Bedarf an externer Finanzierung operationali-

siert durch die Höhe der externen Finanzierung in Relation zu der Bilanzsum-

me am Ende des Geschäftsjahres.254 Die Kennzahl wird berechnet als Summe

von Kreditaufnahme zuzüglich Kapitaleinzahlungen abzüglich Schuldentil-

gung.255 Die zugehörige Hypothese lautet:

Hypothese 2.2: Ceteris paribus besteht ein positiver Zusammenhang zwischen dem Bedarf an externer Finanzierung und der Präzision einer Prognose.

2.4.3 Determinanten des Eigeninteresses des Managements

2.4.3.1 Nachfragedruck

Wie in Abschnitt 2.3.2.3 im Rahmen der theoretischen Grundlagen dargestellt

wurde, hat das Management ein Interesse an transparenter Berichterstattung, um

damit die eigene Reputation zu verbessern. Auch die empirischen Ergebnisse

bestätigen diese Vermutung. Nach den Befragungsergebnissen von Graham et

al. (2005) ist der Aufbau von Reputation aus Sicht des Managements der wich-

tigste Grund für eine transparente, freiwillige Berichterstattung. 92.1 % der Be-

fragten gaben an, dass „ developing a reputation for transparent reporting is the

key factor motivating voluntary disclosures.“ 256 Eine Befragungsstudie von Pri-

cewaterhouseCoopers (2005) kommt für Deutschland zu vergleichbaren Ergeb-

nissen. Die Steigerung der Glaubwürdigkeit des Managements rangiert hierbei

an vierter Stelle von 14 möglichen Zielen der freiwilligen Berichterstattung.257

253 Jog/McConomy (2003), S. 158. 254 Vgl. Hutton (2005), S. 878. 255 Eigenkapitalrückzahlungen werden aufgrund der geringen Praxisrelevanz nicht betrachtet. 256 Graham et al. (2005), S. 54. 257 Vgl. PricewaterhouseCoopers (2005), S. 13.


Verschiedene Studien argumentieren nun, dass der Reputationsaufbau für das

Management insbesondere dann wichtig und möglich ist, wenn eine starke Nach-

frage nach Informationen von Seiten des Kapitalmarktes herrscht.258 Matsumoto

(2002) argumentiert z.B., dass Unternehmen, von denen eine hohe zukünftige

Wachstumsrate erwartet wird, unter einer stärkeren Beobachtung stehen, da neue

Informationen über die zukünftige Entwicklung einen stärkeren Effekt auf den

Aktienkurs ausüben. Ein mögliches Signal, dass die erwartete Wachstumsrate

nicht erreicht werden kann, würde dementsprechend mit stärkeren Kursabschlä-

gen und Verlusten an Reputation bestraft werden. Diese Unternehmen werden

daher besonders unter dem Druck stehen, die Kapitalmarkterwartungen nicht zu

enttäuschen und werden daher versuchen die Markterwartungen zu beeinflussen.

Die Studie von Hutton (2005) überprüft diese Argumentation. Sie unterstellt,

dass Unternehmen mit hohen Werten von Multiplikatoren wie das Kurs-Gewinn-

Verhältnis oder das Marktwert-Buchwert-Verhältnis einem besonders starken

Nachfragedruck ausgesetzt sind.259 Die Beeinflussung des Marktes misst sie

durch die Wahrscheinlichkeit, dass das Management die Schätzungen der Ana-

lysten während eines vorherigen Treffens untersucht und möglicherweise edi-

tiert. Ihre Hypothese formuliert sie wie folgt: „ I (…) expect to find that firms

with higher book-to-market ratios are less likely to provide earnings guid-

ance.“ 260 Ihre Ergebnisse bestätigen die Vermutung. Unternehmen, die ein höhe-

res Marktwert-Buchwert-Verhältnis besitzen, überprüfen mit signifikant höherer

Wahrscheinlichkeit die Schätzmodelle der Analysten.261

In dieser Arbeit wird der Argumentation und Vorgehensweise von Hutton (2005)

gefolgt. Das Marktwert-Buchwert-Verhältnis dient hierbei als Indikator des

Nachfragedrucks. Als Reaktion auf einen höheren Nachfragedruck wird hier al-

258 Vgl. Hutton (2005), S. 877; Matsumoto (2002), S. 484-493. 259 Vgl. Hutton (2005), S. 877. 260 Hutton (2005), S. 877. Um dieses Ziel zu erreichen, können Manager auch versuchen, bilanzielle Spiel-

räume zu nutzen, um das veröffentlichte Ergebnis zu verbessern. Vgl. für eine Gegenüberstellung der beiden Maßnahmen Matsumoto (2002).

261 Vgl. Hutton (2005), S. 902.


lerdings nicht die Wahrscheinlichkeit einer Überprüfung der Schätzmodelle,

sondern stattdessen die Präzision einer Prognose verwendet. Der vermutete Zu-

sammenhang lautet damit wie folgt:

Hypothese 3.1: Ceteris paribus besteht ein positiver Zusammenhang zwischen dem Marktwert-Buchwert-Verhältnis und der Präzision einer Prognose.

Problematisch bei der Überprüfung dieses Zusammenhangs ist, dass für das Ma-

nagement neben einer öffentlichen Prognose vielfältige andere Optionen zur

Weitergabe von Informationen bestehen, insbesondere auf nicht-öffentlichen

Wegen, wie z.B. in one-on-ones oder Telefonkonferenzen. Die auf diesen We-

gen übermittelten Informationen sind nicht messbar und stellen möglicherweise

einen relevanteren Weg zur Beeinflussung der Kapitalmarkterwartungen dar als

öffentliche Prognosen. Ebenso könnte ein höheres Marktwert-Buchwert-

Verhältnis auch als Indikator für höhere erwartete Kosten für die Prognoseabga-

be stehen, da die Kosten der Informationspreisgabe bei Wachstumsunternehmen

durch das Risiko des möglichen Markteintritts eines Konkurrenten c.p. höher

sind.262 Unternehmen mit einem höheren Marktwert-Buchwert-Verhältnis wür-

den in diesem Fall weniger und unpräzisere Prognosen abgeben. Der Zusam-

menhang zwischen Marktwert-Buchwert-Verhältnis und der Präzision der Prog-

nose wäre in diesem Fall negativ. Bamber/Cheon (1998) vermuten und untersu-

chen diesen Zusammenhang, finden aber einen (allerdings nicht signifikanten)

positiven Zusammenhang.263 Dies deutet darauf hin, dass das Marktwert-

Buchwert-Verhältnis ein besserer Indikator für den Druck des Kapitalmarktes ist,

nicht zu enttäuschen.

2.4.3.2 Bestehen eines Verlustes

Wie in Abschnitt 2.3.2 gezeigt, können für das Management vielfältige negative

Konsequenzen bei Veröffentlichung von negativen Nachrichten wie Aktienkurs-

262 Vgl. Abschnitt 2.3.2.2 sowie auch Bamber/Cheon (1998), S. 172. 263 Vgl. Bamber/Cheon (1998), S. 181.


abschläge, verringerte Arbeitsplatzsicherheit, geringere Entlohnung und Ver-

schlechterung der Reputation entstehen.264 Dadurch bestehen Anreize für das

Management, schlechte Nachrichten zu verheimlichen, während gute Nachrich-

ten offen publiziert werden. Dye (1985) bestätigt diese Vermutung in einem ana-

lytischen Modell.265

Die Schwierigkeit der empirischen Untersuchung des Managementverhaltens bei

guten und schlechten Nachrichten besteht nun in der Beantwortung der Frage,

wann und wie präzise dem Management neue Information zugehen. Nur wenn

dies bekannt ist, kann aus der anschließenden Veröffentlichung oder fehlenden

Veröffentlichung der Informationen auf das Publizitätsverhalten des Manage-

ments geschlossen werden. Miller (2002) löst diese Fragestellung, indem er das

Publizitätsverhalten von Unternehmen während Phasen steigender Gewinne un-

tersucht.266 Er unterstellt, dass eine Phase steigender Gewinne, operationalisiert

als Steigerung des Ergebnisses über mindestens acht Quartale, gleichbedeutend

ist mit dem Eintreffen von „ guten Nachrichten.“ 267 Dementsprechend erwartet

er, dass die Anzahl und Menge der vom Unternehmen veröffentlichten Informa-

tionen in diesen Phasen steigt.268 Umgekehrt wird angenommen, dass in Phasen

fallender Gewinne hauptsächlich „ schlechte Nachrichten“ eintreffen, was zu ei-

ner intransparenten Publizitätspolitik führen. Seine Ergebnisse bestätigen die ge-

nannten Hypothesen. Unternehmen, die sich in einer Phase dauerhaft steigender

Gewinne befinden, geben signifikant häufiger Pressemeldungen ab, die zudem

über eine höhere Anzahl von Einzelinformationen wie Dividendenankündigun-

gen oder Gewinnprognosen verfügen.269 Sinken die Ergebnisse im Anschluss an

diese Phase wieder, kehren die Unternehmen zu ihrer ursprünglichen Publizitäts-

politik zurück.

264 Vgl. Rogers/van Buskirk (2006), S. 1. 265 Vgl. Dye (1985), S. 124. 266 Vgl. Miller (2002), S. 173. 267 Ebenso ist der Fall denkbar, dass die Steigerung der Gewinne geringer ist als erwartet, so dass auch eine

Steigerung eine negative Nachricht darstellen kann. 268 Vgl. Miller (2002), S. 185. 269 Vgl. Miller (2002), S. 188.


In dieser Arbeit wird der Vorgehensweise von Miller (2002) gefolgt und vermu-

tet, dass beim Eintreffen von schlechten Nachrichten der Informationsgehalt der

Prognosen durch das Management niedrig gehalten wird, d.h. Prognosen unprä-

zise abgegeben werden. Das Eintreffen von schlechten Nachrichten wird in An-

lehnung an Ajinkya et al. (2005) operationalisiert durch das Bestehen eines nega-

tiven Jahresüberschusses im laufenden Geschäftsjahr.270 Die Hypothese lautet

wie folgt:

Hypothese 3.2: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen dem Bestehen eines Verlustes im aktuellen Geschäfts-jahr und der Präzision einer Prognose.

2.4.4 Zusammenfassung der Hypothesen

Ziel des Abschnitts 2.4 war es, die Ergebnisse der empirischen Studien für den

Zusammenhang zwischen der Präzision einer Managementprognose und den drei

Konstrukten Informationsunsicherheit, Publizitätskosten und Eigeninteresse des

Managements darzustellen. Der zu Anfang dieses Abschnitts vermutete funktio-

nale Zusammenhang lautete:

Die drei unabhängigen latenten Variablen wurden durch insgesamt neun Stell-

vertretervariablen ersetzt, für die in der Literatur ein Zusammenhang mit der

Präzision der Prognosen gefunden wurde. Für diese Stellvertretervariablen wur-

den anschließend Hypothesen aufgestellt, die in Tabelle 2 zusammengefasst

sind. Abgebildet sind die Hypothesen, die verwendeten Variablen, das in der

empirischen Untersuchung verwendete Variablenkürzel sowie das erwartete

Vorzeichen (eV). Ein „ +“ deutet auf einen erwarteten positiven Einfluss einer

Variable hin, während im Fall eines „ -“ eine negative Wirkung vermutet wird.

270 Vgl. Ajinkya et al. (2005).

Managementprognosepräzision = f (Unsicherheit, Kosten, Eigeninteresse)


Hypothese Variable Kürzel eV

H 1.1 Anzahl der Unternehmenssegmente SEGMENTE +H 1.2 Anteil immaterielles Vermögen IAV +H 1.3 Unternehmensgröße LOGGROESSE -H 1.4 Länge des Prognosehorizonts HORIZONT -H 1.5 Volatilität des Ergebnisses je Aktie VOLA_EPS -

H 2.1 Wettbewerb WETTBEWERB -H 2.2 Bedarf an externer Finanzierung EXTFIN +

H 3.2 Nachfragedruck MTB +H 3.4 Verlustjahr VERLUST -

Determinanten der Informationsunsicherheit

Determinanten der Publizitätskosten

Determinanten des Eigeninteresses des Managements

Tabelle 2: Zusammenfassung der Hypothesen

2.5 Empirische Untersuchung

Die empirische Untersuchung zielt darauf ab, die in Abschnitt 2.4 abgeleiteten

Hypothesen zu den Determinanten der Managementprognosepräzision für deut-

sche Unternehmen zu überprüfen. Während dieses Themengebiet für den ameri-

kanischen Kapitalmarkt bereits intensiv analysiert worden ist, fehlen bislang Un-

tersuchungen für Deutschland.271

Der Ablauf der empirischen Untersuchung gestaltet sich wie folgt: In einem ers-

ten Schritt werden die Methodik der Datensammlung erläutert sowie einige de-

skriptive Statistiken zu abhängigen und unabhängigen Variablen vorgestellt. Im

zweiten Schritt werden die zu schätzenden Regressionsmodelle formuliert. Im

271 In den USA hat seit Ende der 1990er Jahre die Forschung im Bereich Managementprognosen deutlich

zugenommen. Vgl. z.B. Anilowski et al. (2006), S. 25. Ein Auslöser dieser Forschungswelle war die Ver-fügbarkeit von elektronischen Datenbanken des Anbieters First Call im Jahr 1998. First Call war ur-sprünglich nur ein Anbieter von Analystenschätzungen für institutionelle Investoren. Eher beiläufig wurden ab Mitte der 1990er-Jahre auch Prognosen des Managements erfasst, die bei Analystenkonferen-zen und Conference Calls geäußert wurden. Erst Ende der 1990er Jahre realisierte First Call, dass auch die vom Management geäußerten Prognosen für die Kunden von Interesse waren. Zu diesem Zeitpunkt wurde damit begonnen, systematisch Managementprognosen in die Datenbank mit aufzunehmen. Diese verstärkte Sammlung ab 1998 erklärt den Anstieg der Anzahl von Managementprognosen, der in einigen Studien dokumentiert wird. Vor 1998 und teilweise auch danach wurden Managementprognosen auch in den USA durch eine Schlagwortsuche in Medien wie dem Wall Street Journal oder Factiva (früher Dow Jones New Retrieval Service) erfasst. Ajinkya et al. (2005) zeigen dabei, dass die Daten von First Call umfassender sind, als eine Suche mit gängigen Schlagworten. Vgl. dazu Ajinkya et al. (2005), S. 350.


dritten Schritt werden die Modelle geschätzt und die ermittelten Regressionsko-

effizienten interpretiert. Der vierte Schritt umfasst schließlich die Prüfung des

Gesamtmodells sowie der einzelnen Variablen.

2.5.1 Datenbasis und Methodik

Aufgrund der fehlenden Verfügbarkeit von Datenbanken für öffentliche Mana-

gementprognosen deutscher Unternehmen für den Untersuchungszeitraum zwi-

schen 2002 und 2005 werden die Prognosen eigenhändig erhoben. Dazu können

grundsätzlich die in Abschnitt 2.2.3 aufgeführten Kanäle (z.B. conference calls,

Hauptversammlungsmitschriften, öffentliche Analystenkonferenzen) als Origi-

närquelle für Prognosen genutzt werden. Da eine Originärbeschaffung nicht

möglich ist, wird auf Nachrichten von Finanzjournalisten als Sekundärquelle zu-

rückgegriffen.272 Ihre Mitteilungen werden in der Regel über 1) elektronische In-

formationskanäle (z.B. Bloomberg, Reuters, Dow Jones News Wire) sowie über

2) klassische Medien (z.B. Zeitungen, Zeitschriften) übertragen. Der Zugriff auf

elektronische Kanäle scheint für die Analyse ausreichend, da die klassischen

Medien zeitlich nachgelagert sind und Meldungen aus den elektronischen Me-

dien überwiegend nur replizieren. Problematisch hierbei ist, dass z.B. die Daten-

banken von Reuters oder Dow Jones News Wire für Deutschland lediglich über

Archive verfügen, für die der Datenzugriff auf die letzten zwei Jahre beschränkt

ist.273 Da in dieser Untersuchung das Verhalten des Managements über einen

längeren Zeitraum untersucht werden soll, muss auf die Daten eines klassischen

Mediums zurückgegriffen werden. Aufgrund der überregionalen Verbreitung

wurde hierfür das Handelsblatt gewählt.274

272 Ohne eigene Anwesenheit bei einer Analystenkonferenz oder der Hauptversammlung gibt es keine Mög-

lichkeit, auf die Prognosen zuzugreifen, sofern sie zu diesem Zeitpunkt gemacht worden sind. Einige Unternehmen, insbesondere des DAX, übertragen seit einiger Zeit Live-Streams von Hauptversammlun-gen oder Telefonkonferenzen auf ihrer Homepage. Diese sind allerdings nur für einzelne DAX-Unternehmen und selten für Unternehmen des MDAX sowie nur für einen begrenzten Zeitraum abruf-bar.

273 Dies wurde in Telefonaten mit Mitarbeitern der Gesellschaften deutlich. 274 Für die Jahre 2004 und 2005 lag zusätzlich ein Test-Zugang auf die Reuters Datenbank vor. Für diesen

Zeitraum wurden die Meldungen in Reuters mit dem Handelsblatt verglichen. In den meisten Fällen überschnitten sich die Meldungen. Wurde eine Meldung lediglich bei Reuters gefunden, wurde diese ebenfalls in den Datensatz aufgenommen.


Grundlage der Untersuchung sind Prognosen, die von den 80 zum Stichtag

31.12.2005 in DAX und MDAX enthaltenen Unternehmen im Zeitraum

1.1.2002 bis 31.12.2005 abgegeben wurden.275 Um eine mögliche Verzerrung

der Ergebnisse durch die Beschränkung der Analyse auf die zu diesem Zeitpunkt

noch existierenden Unternehmen zu vermeiden (survivorship bias), wurde die

Stichprobe anschließend auf sämtliche Unternehmen ausgedehnt, die im Zeit-

raum zwischen 1.1.2002 und 31.12.2005 Teil des DAX oder MDAX waren.276

Die Erweiterung um diese Unternehmen steigerte die Stichprobe auf 125 Unter-

nehmen. Für diese Unternehmen wird im elektronischen Archiv des Handels-

blatts nach Mitteilungen gesucht, die jeweils Begriffe wie „ Prognose“ , „ Gewinn“

oder „ Ergebnis“ und den jeweiligen Unternehmensnamen enthalten.277 Da einige

Unternehmen eine Vielzahl von Prognosen abgeben278, andere jedoch lediglich

vereinzelt, wird die Suche auf diejenigen Prognosen beschränkt, die zum Zeit-

punkt der Bilanzpressekonferenz und der Vorstellung der Quartalsberichte für

das laufende Geschäftsjahr abgegeben wurden.279 Werden zu einem Zeitpunkt

mehr als eine Prognose abgegeben, z.B. eine Intervallprognose des Umsatzes

und eine Minimumprognose des Jahresüberschusses, wird diejenige mit der

höchsten Präzision ausgewählt. Sofern im Rahmen der Veröffentlichung der

Quartals- oder Jahresergebnisse keine Prognose gefunden wird, erfolgt eine Ver-

275 Testweise wurden auch Unternehmen des TecDAX und SDAX auf Meldungen untersucht. Hierbei zeig-

te sich allerdings, dass lediglich sehr vereinzelt Meldungen gefunden wurden, was wohl mit einer gerin-geren öffentlichen Relevanz dieser Unternehmen begründet werden kann. Daher erfolgte eine Begren-zung auf die Unternehmen des DAX und MDAX. Der zeitliche Rahmen von vier Jahren wurde gewählt, um möglichst viele Prognosen einzubeziehen. Eine Ausdehnung des Zeitraums auf Prognosen vor 2002 erscheint vor dem Hintergrund der Boom-Periode bis Mitte 2000 zwar grundsätzlich interessant, aber nicht repräsentativ.

276 Die Unternehmen wurden auch verfolgt, bevor sie in den DAX oder MDAX aufgenommen wurden und nachdem sie aus dem Index ausgeschieden sind. Zum Problem der Selbstselektion vgl. z.B. Wooldridge (2002), S. 10.

277 Abwandlungen wie beispielsweise „ prognostiziert“ oder „ Ergebnisse“ werden ebenfalls in die Suche integriert. Diese qualitative Suche nach bestimmten Begriffen und Schlagworten wird in der Literatur zu Managementprognosen standardmäßig angewendet. Vgl. bspw. Ajinkya et al. (2005), S. 350. Die in US-amerikanischen Studien verwendete Datenbank First Call Corporate Investor Guidelines hat eine äquiva-lente Vorgehensweise.

278 Im Rahmen einer Voruntersuchung konnten z.B. für die Deutsche Post in 2004 sieben Prognosen gefun-den werden.

279 Prognosen, die im Rahmen von Zwischenmitteilungen oder zum Zeitpunkt der Hauptversammlung ab-gegeben wurden, bleiben unberücksichtigt.


längerung des Zeitraums, so dass dieser auch Pressemitteilungen umfasst, die bis

zu +/- 3 Monate vom Zeitpunkt der verpflichtenden Berichterstattung abwei-

chen.280 Insgesamt können damit theoretisch für jedes Unternehmen vier Prog-

nosen pro Jahr zur Verfügung stehen, was zu einer maximalen Stichprobengröße

von 2.000 Prognosemeldungen (= 125 Unternehmen × 4 Prognosen × 4 Jahre)

führt. Für einzelne Unternehmen können allerdings in einigen Geschäftsjahren

trotz Ausweitung des Zeitraums keine Prognoseaussagen des Managements ge-

funden werden.281 Sofern keine Managementprognosen identifizierbar sind, wird

dies in der Auswertung mit „ Keine Angabe“ bewertet. Die Auswertung der Mel-

dungen im Handelsblatt nach der oben beschriebenen Methodik ergibt schließ-

lich 1.442 Prognosen von insgesamt 120 Unternehmen.282

2.5.2 Deskriptive Statistik

In Abschnitt 2.2.2 wurde herausgearbeitet, dass die Art einer Prognose unter-

schiedliche Präzisionsausprägungen besitzen kann. So wird in Punktprognosen,

Intervallprognosen, Minimum- und Maximumprognosen und qualitative Progno-

sen unterschieden. Jede der gefundenen 1.442 Ergebnisprognosen wird daher ei-

ner dieser Ausprägungen zugeordnet.283 Tabelle 3 zeigt die Verteilung der Prog-

nosen unterteilt nach Präzision und Jahr:

280 Viele Unternehmen neigen dazu, die Eckdaten der Quartals- oder Jahresergebnisse bereits im Rahmen

einer Ad-hoc-Meldung vor dem offiziellen Termin bekannt zu geben. Vgl. Möllers (2005), S. 1395. Die-se werden ebenfalls in die Untersuchung mit einbezogen.

281 Eine fehlende Prognose kann unterschiedlich erklärt werden. Erstens verfolgt das Unternehmen u.U. eine restriktive Prognosepolitik. So wird Allianz-Chef Michael Diekmann am 6. Mai 2004 wie folgt zi-tiert: „ Wir können keine genaue Zukunftsprognose machen und wir können auch keine Pannen aus-schließen.“ , O.V., Handelsblatt vom 6.5.2004, S. 21. Ebenso möglich ist die fehlende Berichterstattung im Handelsblatt. Seltener ist die Tatsache, dass ein Unternehmen zum Zeitpunkt der Ergebnisbekanntga-be noch nicht gegründet ist, übernommen wurde oder bereits Insolvenz angemeldet hat.

282 Für fünf der 125 gelisteten Unternehmen konnte im gesamten Zeitraum keine Prognose gefunden wer-den. Eine Liste der einbezogenen Unternehmen befindet sich in Anhang 1.

283 Vielfach sind die Angaben des Managements schwer zuzuordnen. Um die Vorgehensweise nachvollzie-hen zu können, gibt Anhang 2 eine Übersicht über die häufigsten Aussagen und die zugeordneten Präzi-sionswerte.


0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

2002 2003 2004 2005

Qualitativ

Maximum

Minimum

Intervall

Punkt

PrognosePunkt 171 50% 146 41% 135 36% 147 40% 599 42%Intervall 51 15% 72 20% 84 23% 105 28% 312 22%Minimum 81 24% 94 26% 128 34% 90 24% 393 27%Maximum 27 8% 29 8% 14 4% 18 5% 88 6%qualitativ 10 3% 16 4% 12 3% 12 3% 50 3%Gesamt 340 100% 357 100% 373 100% 372 100% 1442 100%

2002 2003 2004 2005 Gesamt

Tabelle 3: Häufigkeitsverteilung der verschiedenen Prognosearten

Aus der Tabelle geht hervor, dass die Gesamtanzahl an Punktprognosen (42 %)

sowohl die Intervall- als auch Minimumprognosen (22 % bzw. 27 %) übersteigt.

Vor dem Hintergrund der Ergebnisse von Pellens et al. (2007) erscheinen die

Ergebnisse überraschend, da die Autoren in ihrer Studie einen Überhang von

Minimumprognosen (28 %) über Punktprognosen (23 %) und Intervallprognosen

(16 %) gefunden haben.284 Die unterschiedlichen Ergebnisse können erklärt

werden durch die hier durchgeführte Erweiterung um die Unternehmen des

MDAX sowie die Betrachtung aller zwischen 2002 und 2005 in DAX und

MDAX gelisteten Unternehmen. Pellens et al. (2007) betrachten dagegen nur

284 Vgl. Pellens et al. (2007), S. 26.


solche Unternehmen, die zum 31.12.2005 im DAX gelistet waren.285 Ebenso ist

ein leichter Trend von den annahmegemäß präziseren Punktprognosen hin zu In-

tervallprognosen zu erkennen. Diese Entwicklung bestätigen die Ergebnisse von

Nöldeke (2006).286

An dieser Stelle ist anzumerken, dass im oben definierten funktionalen Zusam-

menhang die Untersuchungseinheit (abhängige Variable) der empirischen Unter-

suchung eine einzelne Prognose darstellt. Ebenso denkbar ist jedoch auch, die

Analyse auf Unternehmensebene durchzuführen. In diesem Fall müsste versucht

werden, die Prognosepolitik eines Unternehmens festzustellen, indem durch Mit-

telwertbildung der innerhalb eines Jahres ein Prognosepräzisionsindex definiert

wird.287 Beide Vorgehensweisen sind plausibel, berücksichtigen jedoch die

Struktur der unabhängigen Variablen, die sich in situations- und unternehmens-

spezifische Variablen unterteilen lassen, unterschiedlich. Eine situationsspezifi-

sche Variable ist z.B. der Zeitraum bis zum Geschäftsjahresende. Dieser wird

zum Zeitpunkt der Prognoseabgabe gemessen und verändert sich im Laufe eines

Jahres vergleichsweise stark. Unternehmensspezifische Variablen sind dagegen

Variablen, wie z.B. der Anteil immaterieller Vermögenswerte oder die Anzahl

der Segmente, die nur einmal jährlich gemessen werden und weitgehend kon-

stant bleiben. Der Unterschied zwischen situations- und unternehmensspezifi-

schen Variablen liegt damit in der Veränderlichkeit innerhalb eines Jahres.

Streng genommen verändert sich z.B. auch die Unternehmensgröße, gemessen

durch die Marktkapitalisierung, oder das Marktwert-Buchwert-Verhältnis eines

Unternehmens im Laufe eines Jahres. Da diese Veränderung im Vergleich zur

Änderung der Variable HORIZONT aber vergleichsweise gering ist, werden die-

se Variablen den unternehmensspezifischen Variablen zugeordnet. Unter der

285 In den im Anhang 3a und 3b dargestellten Auswertungen nach Indexzugehörigkeit zeigt sich, dass die

Unternehmen des MDAX deutlich präzisere Prognosen abgeben als die Unternehmen im DAX und da-mit die höhere Präzision im hier untersuchten Sample verursachen. Hierbei wurde jedes Unternehmen dem Index zugeordnet, in dem es zum Zeitpunkt der Prognoseabgabe enthalten war. War ein Unterneh-men noch nicht bzw. nicht mehr an der Börse notiert oder in einem anderen Index (z.B. SDAX oder TecDAX) enthalten, wurde es dem Index zugeordnet, in dem es zuerst bzw. zuletzt notiert war.

286 Vgl. Nöldeke (2006), S. 99. 287 Vgl. dazu und im Folgenden Baginski et al. (2004), S. 11.


Annahme, dass die Prognosepräzision hauptsächlich durch unternehmensspezifi-

sche Faktoren getrieben wird, erscheint die Analyse auf Unternehmensebene ge-

eignet. Wird dagegen vermutet, dass die Präzision einer Prognose sowohl von

unternehmens- als auch von situationsspezifischen Faktoren beeinflusst wird,

sollte die Analyse auf Ebene der einzelnen Prognose durchgeführt werden.288 In

diesem Fall könnte eine Analyse auf Unternehmensebene die situationsspezifi-

schen Variablen nicht mehr oder nicht adäquat berücksichtigen, da durch die er-

forderliche Mittelwertbildung die situationsspezifischen Variablen wenig aussa-

gekräftig werden.

Als Indikator dafür, dass die Untersuchung auf Ebene der einzelnen Prognosen

gerechtfertigt ist, kann das häufig genannte Ziel des Managements, durch Prog-

nosen die Markterwartungen korrigieren zu wollen (sog. expectations adjuste-

ment hypothesis), gewertet werden.289 Demnach reagiert das Management vor

allem dann in Form einer präzisen Prognose, wenn die Markterwartungen zu ei-

nem bestimmten Zeitpunkt hinsichtlich zukünftiger Ergebnisse von den eigenen

Erwartungen abweichen.290 Infolgedessen ist auch die Präzision der Prognose

abhängig von den Markterwartungen und damit situationsspezifisch.291 In dieser

Arbeit wird daher grundsätzlich der Vermutung gefolgt, dass die Präzision der

Prognose sowohl von situations- als auch von unternehmensspezifischen Fakto-

ren abhängig ist. Folglich wird die Analyse auf Einzelprognoseebene durchge-

führt.

Die unabhängigen Variablen werden aus verschiedenen Quellen generiert. Die

Finanzdaten der Unternehmen werden aus der Worldscope-Datenbank von

Thomson Financial bezogen. Die Daten zu den Analystenschätzungen stammen

aus der Summary-History-Datenbank von I/B/E/S. Tabelle 4 gibt einen Über-

blick über die Definitionen und Quellen der unabhängigen Variablen:

288 Vgl. Baginski et al. (2004), S. 11. 289 Vgl. dazu vor allem Ajinkya/Gift (1984), S. 425-444. 290 Ziel ist es, die Markterwartungen an die eigenen Erwartungen anzupassen, um extreme Kursreaktionen

zum Zeitpunkt der Veröffentlichung des realisierten Ergebnisses zu vermeiden. 291 Vgl. Baginski et al. (2004), S. 11.


Variable Definition QuelleSEGMENTE Anzahl der Produktsegmente (WC19501-19591) eines Unternehmens zu

Ende des Geschäftsjahres. Worldscope

IAV Anteil immaterieller Vermögenswerte (WC02649) an der Bilanzsumme (WC02999) zu Ende des Geschäftsjahres.

Worldscope

LOGGROESSE Logarithmus des Marktwerts des Eigenkapitals (WC08001) zum Ende des Geschäftsjahres.

Worldscope

HORIZONT Anzahl der Tage zwischen Prognoseabgabe und Geschäftsjahresende. Handelsblatt

VOLA_EPS Standardabweichung des Ergebnis je Aktie (WC05210) der letzten drei Geschäftsjahre.

Worldscope

WETTBEWERB 1 / (Anteil des Umsatzes (WC01001) der vier umsatzstärksten Unternehmen innerhalb der durch die I/B/E/S definierten Branche am Gesamtumsatz aller in Worldscope abgebildeten Unternehmen dieser Branche).

Worldscope

EXTFIN Summe von Kreditaufnahme zzgl. Kapitaleinzahlungen abzgl. Schuldentilgung (WC04500) dividiert durch die Bilanzsumme zum Ende des Geschäftsjahres.

Worldscope

MTB Marktwert-Buchwert-Verhältnis (PTBV) zu Beginn des Geschäftsjahres. Datastream

VERLUST 1, falls Konzernjahresüberschuss (WC01551) < 0 im Geschäftsjahr; 0, falls Konzernjahresüberschuss (WC01551) > 0 im Geschäftsjahr.

Worldscope

Tabelle 4: Variablendefinitionen

Zur Bereinigung von Ausreißern werden die Extremwerte der Daten untersucht.

Für die Variablen MTB, VOLA_EPS, IAV und EXTFIN wird ein „ Winsori-

zing“ 292 aller Beobachtungen auf 1 %-Niveau durchgeführt, indem sämtliche

Beobachtungen, die unterhalb des 1 %- und oberhalb des 99 %-Perzentils liegen,

auf die jeweiligen Perzentile zurückgesetzt werden. Die Variable Unterneh-

mensgröße wird logarithmiert. Um die Präzision einer Prognose für das spätere

Regressionsmodell messbar zu machen, werden den Präzisionsausprägungen

Werte zwischen null und drei zugeordnet (3 = Punktprognose, 2 = Intervallprog-

nose, 1 = Minimum- bzw. Maximumprognose, 0 = qualitative Prognose).293

Tabelle 5 zeigt für die unabhängigen Variablen, unterteilt nach Prognosepräzisi-

on, die Anzahl der Beobachtungen (N), das arithmetische Mittel (AM), die Stan-

dardabweichung (Std), das 25 %- und 75 %-Quartil (Q1 bzw. Q3) sowie den

Median.

292 Dieses Verfahren, dass wohl nach dem Biostatistiker Charles Winsor benannt ist, ersetzt Beobachtungen

einer Verteilung, die höher oder niedriger sind als ein bestimmtes Perzentil der Verteilung durch diese oberen und unteren Perzentile der Verteilung. Vgl. dazu http://www.stata.com/statalist/archive/2004-08/msg00010.html (Stand 11.11.2007). Die Vorgehensweise des „ Winsorizing“ zur Ausreißerbereini-gung ist in der empirischen Kapitalmarktforschung gängig. Vgl. z.B. Daske et al. (2006), S. 23. Um die Erläuterungen auch in den folgenden Untersuchungen zu vereinfachen, wird von „ Winsorisierung“ ge-sprochen, wenn dieses Verfahren verwendet wird.

293 Vgl. zu dieser in der Literatur gängigen Vorgehensweise z.B. Ajinkya et al. (2005), S. 354.


Variable Präzision N AMMEDIAN STDEV MIN Q1 Q3 MAXSEGMENTE 0 50 4.84 5 2.10 1 3 6 10SEGMENTE 1 481 4.63 5 1.93 1 3 6 10SEGMENTE 2 312 4.37 5 1.81 1 3 6 10SEGMENTE 3 599 4.40 4 1.80 1 3 6 10IAV 0 50 0.07 0.03 0.09 0.00 0.01 0.12 0.37IAV 1 481 0.10 0.07 0.10 0.00 0.03 0.16 0.46IAV 2 312 0.15 0.09 0.15 0.00 0.03 0.22 0.51IAV 3 599 0.12 0.07 0.13 0.00 0.02 0.20 0.51LOGGROESSE 0 50 14.72 14.38 2.02 10.51 13.18 16.83 17.87LOGGROESSE 1 479 14.74 14.66 1.63 10.62 13.56 15.90 17.93LOGGROESSE 2 312 14.73 14.64 1.45 10.85 13.69 15.78 17.93LOGGROESSE 3 598 14.22 14.05 1.64 9.51 12.94 15.41 18.06HORIZONT 0 50 204 235 103 32 125 289 344HORIZONT 1 481 185 186 98 32 123 252 350HORIZONT 2 312 181 163 92 32 106 254 350HORIZONT 3 599 172 158 93 32 67 246 350VOLA_EPS 0 50 1.57 1.26 1.43 0.04 0.46 2.09 6.22VOLA_EPS 1 481 1.27 0.75 1.31 0.03 0.30 1.79 6.22VOLA_EPS 2 311 0.92 0.52 1.21 0.03 0.23 1.07 6.22VOLA_EPS 3 599 0.92 0.44 1.22 0.03 0.16 1.20 6.22WETTBEWERB 0 50 1.72 1.78 0.32 1.07 1.56 1.82 3.54WETTBEWERB 1 481 1.62 1.74 0.28 1.03 1.44 1.79 3.86WETTBEWERB 2 312 1.60 1.56 0.31 1.03 1.44 1.79 3.86WETTBEWERB 3 599 1.65 1.58 0.39 1.03 1.44 1.79 3.86EXTFIN 0 50 0.02 0.00 0.04 0.00 0.00 0.02 0.15EXTFIN 1 481 0.02 0.00 0.03 0.00 0.00 0.02 0.23EXTFIN 2 311 0.02 0.00 0.04 0.00 0.00 0.03 0.19EXTFIN 3 598 0.03 0.00 0.05 0.00 0.00 0.03 0.23MTB 0 50 1.55 1.24 1.17 0.44 0.92 1.95 7.00MTB 1 479 1.91 1.50 1.38 0.44 1.13 2.23 10.52MTB 2 312 2.68 2.15 1.98 0.55 1.46 3.12 10.52MTB 3 598 2.22 1.63 1.88 0.44 1.02 2.57 10.52VERLUST 0 50 0.26 0.00 0.44 0.00 0.00 1.00 1.00VERLUST 1 481 0.17 0.00 0.37 0.00 0.00 0.00 1.00VERLUST 2 312 0.14 0.00 0.35 0.00 0.00 0.00 1.00VERLUST 3 599 0.14 0.00 0.34 0.00 0.00 0.00 1.00Für die Variable LOGGROESSE und MTB fehlen drei Beobachtungen für ein Unternehmen, das bei Prognoseabgabe noch nicht börsennotiert war. Für die Variablen VOLA_EPS bzw. EXTFIN fehlen ein bzw. zwei Datensätze, für die keine Daten in Worldscope verfügbar waren. Diese Beobachtungen werden im Rahmen der Regressionsanalyse nicht einbezogen.

Tabelle 5: Deskriptive Statistiken der unabhängigen Variablen nach Prognosepräzision

Anhand der deskriptiven Statistiken lassen sich bereits erste Schlüsse über die

vermuteten Zusammenhänge ziehen:

Aussagen, die konsistent mit den Erwartungen sind, lassen sich für die Variablen

HORIZONT, VERLUST und VOLA_EPS machen. Konsistent mit den Erwar-

tungen nimmt die Prognosepräzision mit abnehmendem Prognosehorizont

(HORIZONT) zu. Ebenso geben Unternehmen, die im laufenden Jahr einen Ver-

lust erwirtschaften (VERLUST), durchschnittlich unpräzisere Prognosen ab. Un-

ternehmen, deren Vorjahresergebnisse (VOLA_EPS) stärker schwanken geben

im aktuellen Jahr unpräzisere Prognosen ab. Keine eindeutigen Aussagen lassen

sich für die Variablen LOGGROESSE, MTB, SEGMENTE, IAV, EXTFIN und


WETTBEWERB treffen, da die durchschnittlichen Werte der Variablen zwi-

schen den Präzisionsklassen schwanken bzw. fast konstant sind.

Um den Einfluss einzelner Variablen auf die Präzision einer Prognose weiter zu

untersuchen, werden im nächsten Schritt verschiedene Regressionsmodelle zu-

nächst vorgestellt und anschließend geschätzt.

2.5.3 Modellauswahl

Die Wahl des passenden Regressionsmodells für den oben definierten funktiona-

len Zusammenhang hängt insbesondere von der Ausprägung der zu analysieren-

den abhängigen Variable ab. Die abhängige Variable kann grundsätzlich ein

metrisches oder nicht-metrisches Skalenniveau besitzen. In dieser Untersuchung

wird die Präzision von Managementprognosen untersucht, die hier vier mögliche

Ausprägungen besitzt. Die abhängige Variable ist damit nicht-metrisch. In die-

sem Fall bieten sich die Verfahren der logistischen Regressionsanalyse (Logit-

Modelle) oder der Diskriminanzanalyse an, in denen die nicht-metrische Aus-

prägung berücksichtigt wird.294 In Abgrenzung zur Diskriminanzanalyse ist die

logistische Regression an weniger strenge Prämissen geknüpft und kann damit

als wesentlich robuster angesehen werden.295 In den im Literaturüberblick disku-

tierten empirischen Studien wird ebenfalls fast ausnahmslos das Verfahren der

logistischen Regression verwendet, weshalb dieses auch im Rahmen dieser Un-

tersuchung zur Anwendung kommt.

Grundgedanke der logistischen Regression ist die Formulierung eines Regressi-

onsmodells, bei dem die Wahrscheinlichkeit des Eintritts eines bestimmten Er-

eignisses bestimmt werden soll.296 Die klassische lineare Regressionsanalyse ist

hierfür nicht geeignet, da mit ihr nur die Ausprägungen der Beobachtungen,

294 Neben den Logit-Modellen werden in der Literatur ebenso sog. Probit-Modelle verwendet. Vgl. Kenne-

dy (2003), S. 260. Deren grundsätzlicher Unterschied liegt in der Verteilungsannahme des Residuums der Regressionsgleichung. Probit-Modelle unterstellen eine Standardnormalverteilung, während Logit-Modelle eine logistische Verteilung annehmen. Vgl. zum Probit-Modell Greene (2003), S. 710-719.

295 Vgl. Backhaus et al. (2006), S. 418. Vgl. für eine umfassende Beschreibung zum Maximum-Likelihood-Verfahren Greene (2003), S. 468-521.

296 Vgl. Backhaus et al. (2006), S. 436.


nicht aber der Wahrscheinlichkeit einer bestimmten Ausprägung geschätzt wer-

den können.297 Bei der logistischen Regression werden dagegen den einzelnen

Beobachtungen mittels einer Wahrscheinlichkeitsfunktion Wahrscheinlichkeiten

zugeordnet, so dass nach unten und oben unbeschränkte Werte auf ein Intervall

zwischen null und eins abgebildet werden.298 Wie auch in einem linearen Reg-

ressionsmodell beinhaltet ein logistisches Modell einen konstanten Term α so-

wie einen Vektor β der Regressionskoeffizienten. Die Koeffizienten werden mit

Hilfe der Maximum-Likelihood-Methode so geschätzt, dass die Wahrscheinlich-

keit, die empirisch beobachteten Werte zu erhalten, maximiert wird.299 Aus der

Maximierung der Wahrscheinlichkeitsfunktion ergibt sich der Wert der Likeli-

hood-Funktion. Eine Vereinfachung des Maximierungsproblems wird regelmä-

ßig dadurch erreicht, dass der natürliche Logarithmus der Wahrscheinlichkeits-

funktion maximiert wird.300 Die Ausprägungen der abhängigen Variablen in dem

obigen Modell sind allerdings nicht nur zweistufig (binäre logistische Regressi-

on), sondern können insgesamt vier Präzisionslevel annehmen, die nach Präzisi-

onsgrad geordnet werden können. Daher wird in diesem Kapitel ein sog. geord-

netes logistisches Modell verwendet, welches die Ordinalität der verschiedenen

Präzisionsniveaus berücksichtigt.301

Da häufig die Validität einer Unterscheidung zwischen dem Informationsgehalt

von Punktprognosen und Intervallprognosen kritisch gesehen wird302, wird diese

Unterscheidung in einem zweiten Modell nicht mehr vorgenommen, indem le-

diglich zwischen Prognosen mit relativ hoher und relativ geringer Präzision un-

terschieden wird. Punkt- und Intervallprognosen werden der Klasse mit hohem

Informationsgehalt zugeordnet (High_Prec), während Minimum- bzw. Maxi-

297 Vgl. Wooldridge (2002), S. 457; Greene (2003), S. 665. 298 Vgl. Wooldridge (2002), S. 457. 299 Vgl. zur Methode der Maximum-Likelihood-Schätzung Greene (2003), S. 468-524; Gujarati (2003), S.

112-117. 300 Vgl. Backhaus et al. (2006), S. 429. 301 Für eine ausführliche Beschreibung von geordneten logistischen Modellen vgl. Kennedy (2003), S. 264-

280. 302 Vgl. dazu Abschnitt 2.2.1.


mumprognosen und qualitative Prognosen ein geringer Informationsgehalt

(Low_Prec) zugestanden wird. Dieses zweite Modell beinhaltet lediglich zwei

Ausprägungen der abhängigen Variablen und ist damit ein binäres logistisches

Modell.

Die in dieser Untersuchung verwendeten Daten umfassen insgesamt vier Jahre

mit mehreren Beobachtungen pro Unternehmen und stellen daher sog. Panelda-

ten dar. Definitionsgemäß liegen Paneldaten vor, wenn für einzelne Untersu-

chungseinheiten n = 1, 2, …, N (Unternehmen) mehrere Beobachtungen zu ver-

schiedenen Zeitpunkten t = 1, 2, …, T vorliegen.303 Bei Verwendung von Panel-

daten können unbeobachtbare – meist jahres- oder unternehmensspezifische –

Einflüsse existieren, die dazu führen können, dass einzelne Beobachtungen nicht

mehr unabhängig sind und miteinander korrelieren.304 Da in dieser Untersuchung

die Prognosepräzision auch von nicht beobachtbaren, personenspezifischen Ei-

genschaften abhängig sein kann (wie z.B. der Persönlichkeit des Vorstandsvor-

sitzenden), ist das Vorliegen von unternehmensspezifischen Faktoren wahr-

scheinlich.305 In diesem Fall ist die Voraussetzung der Unabhängigkeit der ein-

zelnen Beobachtungen der Stichprobe möglicherweise nicht mehr erfüllt. Eine

Nicht-Berücksichtigung der unternehmensspezifischen Effekte könnte zu einer

ineffizienten Schätzung und zu einer Überschätzung der jeweiligen Teststatisti-

ken führen.306 Zur Berücksichtung einer möglichen Abhängigkeit der Beobach-

tungen untereinander und der damit verbundenen Durchbrechung einer der Vor-

aussetzungen der linearen Regression307 bieten sich mehrere Methoden an. Zum

einen können Modelle mit robusten Standardfehlern berechnet werden.308 Dabei

werden die Standardfehler des Regressionsmodells gemäß des von Huber (1967)

303 Vgl. Henze (2004), S. 68. 304 Vgl. Kennedy (2003), S. 301-318. 305 Vgl. Hribar/Yang (2007) für eine Untersuchung des Einflusses von übersteigertem Selbstbewusstsein

des Vorstandsvorsitzenden auf die Managementprognoseneigung. 306 Vgl. Petersen (2006), S. 29; Wooldridge (2002), S. 461. 307 Bei der einfachen logistischen Regressionsanalyse gelten dieselben Voraussetzungen wie bei der linea-

ren Variante, darunter auch die Unabhängigkeit der einzelnen Beobachtungen. Vgl. Ricken (2007), S. 187; Backhaus et al. (2006), S. 480.

308 Vgl. Kennedy (2003), S. 372-388.


und White (1980) vorgeschlagenen Verfahrens korrigiert, um auftretende Korre-

lationen zwischen den Beobachtungen zu berücksichtigen. Die geschätzten Ko-

effizienten bleiben dabei allerdings unverändert.309

Zum anderen können die unternehmensspezifischen Effekte auch direkt in das

jeweilige Modell als feste (fixed effects) oder zufällige Effekte (random effects)

integriert werden.310 Mit diesen Verfahren werden unbeobachtete bzw. unbeob-

achtbare über die Zeit konstante unternehmensspezifische Faktoren berücksich-

tigt. Der ursprünglich verwendete Fehlerterm in der Regressionsgleichung wird

dabei um eine zusätzliche, unternehmensspezifische Komponente ergänzt.311 Die

Unterscheidung zwischen festen und zufälligen Effekten basiert auf der Erwar-

tung hinsichtlich der eingefügten Regressionskonstante. Bei zufälligen Effekten

wird unterstellt, dass die neu eingefügte Regressionskonstante unabhängig von

den Regressoren ist. Zufällige Effekte liegen z.B. vor, wenn in verschiedenen

Jahren eine neue Stichprobe von Unternehmen gezogen wird und sich diese

Stichprobe von Jahr zu Jahr unterscheidet. In der vorliegenden Datenbasis ist al-

lerdings zu erwarten, dass Unternehmenseffekte nicht zufällig, sondern fix sind,

da die einbezogenen Unternehmen im Untersuchungszeitraum kaum variieren. In

diesem Fall ist davon auszugehen, dass die Regressionskonstante nicht unabhän-

gig von den Regressoren ist und damit die Voraussetzungen für das Random-

Effects-Modell nicht erfüllt sind.312 In diesem Fall ist eine Verwendung des we-

niger restriktiven Fixed-Effects-Modells vorzuziehen, in dem kein spezieller Zu-

sammenhang zwischen der Regressionskonstante und den Regressoren voraus-

gesetzt wird.

Problematisch bei der Anwendung des Fixed-Effects-Modells ist allerdings, dass

aufgrund der Anzahl von Unternehmen eine entsprechend hohe Anzahl von Reg-

309 Vgl. Petersen (2006), S. 2; Wooldridge (2002), S. 496; Kennedy (2003), S. 402. 310 Vgl. Greene (2003), S. 285. 311 Vgl. Wooldridge (2002), S. 252. 312 Vgl. Allison (2005), S. 29.


ressionskonstanten in das Modell integriert werden muss.313 Dies kann zu nume-

rischen Problemen und einer Verringerung von Freiheitsgraden führen.314 Um

dieses Problem zu beheben, kann bei der logistischen Regressionsanalyse auf das

bedingte Maximum-Likelihood-Verfahren zurückgegriffen werden. Für die

Schätzung der Koeffizienten wird hierbei lediglich die Veränderung der abhän-

gigen und der unabhängigen Variablen eines Unternehmens über die Zeit be-

trachtet (within firm variation).315 Ein Nachteil dieses Verfahrens besteht darin,

dass Beobachtungen von Unternehmen, bei denen sich eine Variable im Zeitab-

lauf nicht verändert, nicht berücksichtigt werden können.316 Somit sind die Koef-

fizienten der Schätzung zwar erwartungstreu und konsistent, allerdings nicht ef-

fizient. Als gravierender wirkt sich allerdings der Nachteil aus, dass bei ver-

gleichsweise kurzen Zeitreihen die within firm variation gering ausfällt und die

Schwankungen zwischen den Unternehmen eliminiert werden. Damit wird ledig-

lich die unternehmensindividuelle Schwankung im Regressionsmodell berück-

sichtigt. Die Schätzung des Regressionsmodells erklärt dagegen nicht, wie un-

ternehmensübergreifende Unterschiede in der Prognosepräzision zustande kom-

men.317 Die Eignung von Fixed-Effects-Modellen für die hier vorliegende Unter-

suchung scheint demnach begrenzt zu sein.318 Dennoch wird das Fixed-Effects-

Modell wird als drittes Modell geschätzt, um möglichst viele Interpretationsmög-

lichkeiten zu erhalten und den unterschiedliche Anforderungen an den Datensatz

gerecht zu werden. In der folgenden Untersuchung wird also im ersten Schritt

ein geordnetes logistisches Modell unter Einbeziehung aller neun Indikatorvari-

ablen berechnet. Das zweite Modell ist ein binäres, logistisches Modell mit le-

313 Vgl. Wooldridge (2003), S. 465. 314 Vgl. Kennedy (2003), S. 304; Wooldridge (2003), S. 464. 315 Vgl. Wooldridge (2002), S. 269. Hierbei werden die einzelnen Variablen um ihre Mittelwerte bereinigt

und mit den bereinigten Werten eine Maximum-Likelihood-Schätzung durchgeführt. Vgl. dazu Wooldridge (2002), S. 491.

316 Vgl. Ruhwedel (2003), S. 166. 317 Vgl. Börsch-Supan/Köke (2002), S. 302 f. 318 Auch Hermalin/Weisbach (1991) argumentieren: „ This approach [firm-specific dummy variables], how-

ever, would eliminate all between-firm variation from the data. Since we believe that the primary force driving our results is between-firm variation, we do not adopt this approach.” Hermalin/Weisbach (1991), S. 107.


diglich zwei Präzisionsklassen. Im dritten Modell wird ein Fixed-Effects-Modell

mit Hilfe des bedingten Maximum-Likelihood-Verfahrens geschätzt, um für un-

ternehmensspezifische Faktoren zu kontrollieren. Diese werden als Regressions-

konstanten in das Modell integriert; die Regressionskonstante α entfällt.319 Die

Modelle lauten somit wie folgt:

(1) ij

ijji uxβαPräzision ++= ∑=

9

1

(2) ij

ijji uxβαklassePräzisions ++= ∑=

9

1

(3) iuj

ijji ucxβPräzision ++= ∑=

9

1

mit: Präzisioni = Präzisionswert der Prognose i

Präzisionsklassei = Präzisionsklasse der Prognose i

α = Regressionskonstante

βj = Regressionskoeffizient der Indikatorvariable j

xij = Wert der Indikatorvariable j der Prognose i

ui = Wert der Residuums der Prognose i

cu = Unternehmensspezifische Dummyvari-able

Zur Beurteilung der Signifikanz und der Schätzgüte der Modelle dienen ver-

schiedene Maßzahlen. Eine gängige Kennzahl im Rahmen von logistischen Reg-

ressionsmodellen ist der Likelihood-Ratio-Test (LR-Test).320 Dieser testet die

Nullhypothese, dass alle in das Modell einbezogenen Variablen gemeinsam nicht

zur Erklärung der abhängigen Variable beitragen.321 Hierbei wird der LogLikeli-

hood-Wert des vollständig spezifizierten Modells (LLv) mit dem entsprechenden

319 Vgl. Baltagi (2005), S. 12 f; Ruhwedel (2003), S. 167 f. 320 Vgl. Backhaus et al. (2006), S. 448. 321 Vgl. für die weiteren Ausführungen Backhaus et al. (2006), S. 448-451.


Wert der alleinigen Schätzung der Konstanten (LL0) in Beziehung gesetzt. Es

gilt:

Der Testwert ist asymptotisch chi-quadrat-verteilt. Die Anzahl der Freiheitsgrade

entspricht der Anzahl der in das Modell einbezogenen Regressoren. Übersteigt

der Wert des LR den Wert eines bestimmten Signifikanzniveaus der Chi-

Quadrat-Verteilung, so ist die Hypothese, dass alle geschätzten Koeffizienten

gleich null sind, abzulehnen.322 Die Interpretation entspricht damit dem F-Test in

der linearen Regression.323

Auf Basis des LR können sog. Pseudo-R2-Werte berechnet werden, die dem R2

der linearen Regression nachempfunden sind.324 Eine der am häufigsten verwen-

deten Pseudo-R2-Statistiken ist das sog McFadden-R2 (1974). Dieses wird wie

folgt berechnet:325

Der R2-Wert kann dabei Ausprägungen zwischen 0 und 1 annehmen. Höhere

Werte stehen für eine bessere Anpassung des Modells. Wird der Wert um die

Anzahl der Kovariablen adjustiert, ergibt sich das sog. adj. McFadden-R2. Auf-

grund der hohen Verbreitung dieser Kennzahl wird in der Folge das adj. McFad-

den-R2 als Gütemaß der Regressionsgleichung angegeben.326.

Bei der Interpretation der geschätzten Koeffizienten der logistischen Regression

ist zu beachten, dass diese nicht mit denen der linearen Regressionsanalyse ver-

gleichbar sind, da kein linearer Zusammenhang zwischen den unabhängigen Va-

322 Vgl. Backhaus et al. (2006), S. 439. 323 Vgl. Backhaus et al. (2006), S. 446-448. 324 Vgl. z.B. Wooldridge (2002), S. 465; Backhaus et al. (2006), S. 440 ff. 325 Vgl. dazu ausführlich McFadden (1974), S. 104-151. 326 Für eine ausführliche Beschreibung der Kennzahl vgl. Veall/Zimmermann (1994), S. 151-164.

Likelihood-Ratio = 2 × (LLv - LL0)

McFadden-R2 = 1 - 0LL

LLv


riablen und den über die logistische Funktion bestimmten Wahrscheinlichkeiten

existiert.327 Damit sind weder die Regressionskoeffizienten untereinander ver-

gleichbar, noch ist die Wirkung eines Koeffizienten konstant. Eine lineare Inter-

pretation der geschätzten Koeffizienten wie bspw. „ Eine Verkürzung des Hori-

zonts um einen Tag erhöht die Wahrscheinlichkeit einer präziseren Prognose um

0,5 %“ ist damit nicht ohne weiteres möglich. Interpretierbar ist damit lediglich

die Richtung des Einflusses.

Zur Aufbereitung der Daten wurde das Statistikpaket SAS 9.1 verwendet. Die

Regressionsanalysen erfolgten weitestgehend mit STATA 9.0.

2.5.4 Ergebnisse

In diesem Abschnitt werden die Ergebnisse der Regressionsanalysen dargestellt

und daraufhin ausgewertet, ob die Managementprognosepräzision von den dar-

gestellten Variablen beeinflusst wird. Tabelle 6 zeigt die Ergebnisse der drei

Modelle. Für jedes Verfahren sind die erwarteten Vorzeichen der Variable, die

Regressionskoeffizienten, die zugehörigen p-Werte sowie die Signifikanz der

Koeffizienten angegeben. Zur Beurteilung der Regressionsgüte enthält die Ta-

belle zudem die Anzahl der Beobachtungen, den Wert des Likelihood-Ratio-

Tests sowie den Pseudo-R2-Wert. Ein Vergleich der Modelle ist nicht sachge-

recht, da die Modelle unterschiedliche Anforderungen an den Datensatz stellen.

Aus diesem Grund stehen die Interpretation der Richtung und des Signifikanzni-

veaus der Koeffizienten im Vordergrund.

327 Vgl. Backhaus et al. (2006), S. 431.


Variable eV Koeffizient p-Wert Koeffizient p-Wert Koeffizient p-WertSEGMENTE + -0.005 0.865 -0.021 0.518 -0.091 0.441IAV + 1.010 0.006 *** 1.987 0.000 *** 1.045 0.750LOGGROESSE - -0.169 0.000 *** -0.123 0.002 *** -0.055 0.810HORIZONT - -0.001 0.014 ** -0.001 0.035 ** -0.001 0.115VOLA_EPS - -0.112 0.017 ** -0.131 0.007 *** 0.078 0.493WETTBEWERB - 0.011 0.941 0.016 0.924 -0.185 0.880EXTFIN + 2.995 0.010 ** 4.788 0.001 *** 3.877 0.059 *MTB + 0.096 0.001 *** 0.190 0.000 *** 0.119 0.219VERLUST - -0.244 0.121 -0.155 0.364 -0.099 0.683Konstante n.b. 2.0765 0.002 *** n.v.

Beobachtungen 1437 1437 1328LR-Test 77.2 *** 101.403 *** 8.92Pseudo-R2 0.0246 0.043 0.0079

Fixed-Effects-ModellGeordnete logistische

RegressionBinäre logistische

Regression

Dargestellt sind die geschätzten Regressionskoeffizienten mit den entsprechenden p-Werten. Die Symbole */**/*** verdeutlichenSignifikanz mit einer Irrtumswahrscheinlichkeit von 10%/5%/1%. In dem geordneten und dem binären logistischenRegressionsmodell wurden robuste Standardfehler nach White (1980) und Huber (1967) verwendet. Im geordneten Modell wird dieRegressionskonstante nicht berichtet (n.b.), da aus dem Modell mit vier möglichen Ausprägungen der abhängigen Variable dreiRegressionskonstanten resultieren und die Interpretation der Konstante hier nicht im Vordergrund steht. Im Fixed-Effects-Modell isteine Regressionskonstante nicht enthalten (n.v.). Tabelle 6: Ergebnisse der univariaten und multivariaten Analyse

Im ersten Modell, der geordneten logistischen Regression mit vier möglichen

Ausprägungen einer Prognose, werden fast alle Hypothesen auf signifikantem

Niveau bestätigt. Hinsichtlich des Einflusses der Unternehmenskomplexität wird

deutlich, dass Unternehmen mit einem größeren Anteil an immateriellem Ver-

mögen (IAV) unpräzisere Prognosen abgeben. Da ein großer Bestandteil der

immateriellen Vermögenswerte regelmäßig die Position „ Geschäfts- oder Fir-

menwert“ ist, könnte dies darauf hindeuten, dass es für Manager schwieriger ist,

den Effekt von möglichen außerplanmäßigen Abschreibungen vorherzusehen.328

Der zweite Indikator für die Unternehmenskomplexität, die Anzahl der Segmen-

te (SEGMENTE) ist dagegen nicht signifikant.

Hinsichtlich des Einflusses der Volatilität der Vorjahresgewinne (VOLA_EPS)

waren zwei Argumentationsstränge denkbar. Zum einen kann die Kennzahl als

Indikator der Unsicherheit des Kapitalmarktes angesehen werden, woraus bei ei-

ner höheren Unsicherheit eine stärkere Nachfrage nach Informationen resultiert.

Andererseits ist eine höhere Volatilität auch ein Indikator für die Unsicherheit

des Managements. Das Management würde in diesem Fall eher unpräzise Prog-

nosen abgeben, um Fehler möglichst zu vermeiden. Die Ergebnisse bestätigen

328 Vgl. Nöldeke (2006), S. 114-116.


diese zweite Hypothese. Eine höhere Volatilität der Vorjahresgewinne führt c.p.

zu einer geringeren Präzision der Prognosen. Dieser Gedanke eines vorsichtigen

Managements wird unterstützt durch den negativen Koeffizienten des Prognose-

horizonts (HORIZONT). Prognosen, die früher abgegeben werden und damit ei-

ner größeren Unsicherheit unterliegen, sind signifikant unpräziser.

Der Koeffizient der Unternehmensgröße (LOGGROESSE) ist signifikant nega-

tiv, was darauf hindeutet, dass die Prognosen von Managern größerer Unterneh-

men signifikant unpräziser sind. Dieses Ergebnis ist konsistent mit dem von Nöl-

deke (2006) und Baginski/Hassel (1997).329 Baginski/Hassel (1997) begründen

dies damit, dass für kleinere Unternehmen weniger Informationen öffentlich ver-

fügbar sind, was dazu führt, dass die Manager dieser Unternehmen präzisere

Prognosen abgeben. Für größere Unternehmen besteht dagegen durch die Infor-

mationsproduktion von externen Quellen ein geringerer Anreiz weitere Informa-

tionen zu veröffentlichen: „ information about larger firms is already produced by

parties external to the firm (… ). If the information produced by parties external

to the firm is sufficient to meet the demand for more information about larger

firms, then to some extent, precise management forecast disclosures and these

other sources of publicly available information can be viewed as substitutes.“ 330

Der Einfluss der Anreize mehr Informationen in Form von präziseren Prognosen

abzugeben, zeigt sich wiederum bei der Betrachtung des Bedarf an externer Fi-

nanzierung (EXTFIN). Unternehmen, die in einem Jahr mehr Kapital aus exter-

nen Quellen aufnehmen, geben signifikant präzisere Prognosen ab. Hut-

ton (2005) begründet dies damit, dass diese Unternehmen erstens mehr Anreize

besitzen, Informationen zu veröffentlichen, um Unterbewertungen zu vermeiden.

Zweitens könnten sie auch unter stärkeren Nachfragedruck geraten, da sowohl

Analysten als auch institutionelle Investoren Informationen benötigen, um z.B.

die Sicherheit einer zu emittierenden Anleihe zu bewerten.331 Diese Hypothese

329 Vgl. Nöldeke (2006), S. 115 f.; Baginski/Hassel (1997), S. 309. 330 Vgl. Baginski/Hassel (1997), S. 305. 331 Vgl. Hutton (2005), S. 878.


des höheren Nachfragedrucks wird unterstützt durch den signifikant positiven

Koeffizienten des Marktwert-Buchwert-Verhältnisses (MTB). Dieser deutet dar-

auf hin, dass Unternehmen, deren Unternehmenswert in einem größeren Maß

von den zukünftigen Ergebnissen abhängig ist, einem größeren Druck ausgesetzt

sind, Informationen zu veröffentlichen.

Wird die Unterteilung in vier Ausprägungen der Prognosepräzision vermieden

und werden stattdessen nur zwei Präzisionsklassen gebildet, ändern sich die Er-

gebnisse nur geringfügig. Lediglich für die Volatilität des Ergebnisses der Vor-

jahre (VOLA_EPS) und für das Maß an externen Finanzierung (EXTFIN) steigt

das Signifikanzniveaus von 95 % auf 99 %. Aus dem Likelihood-Ratio-Test geht

hervor, dass in allen drei Schätzungen die Koeffizienten insgesamt mit einer Irr-

tumswahrscheinlichkeit von unter 1 % von null verschieden sind. Allerdings

deutet das Signifikanzniveau anhand des Pseudo-R2 auf eine geringe Erklä-

rungsgüte beider Modelle hin.

Die Ergebnisse der logistischen Regressionsmodelle bestätigen einen Großteil

der aufgestellten Hypothesen; allerdings wurde bei ihrer Ermittlung die Struktur

der vorliegenden Längsschnittdaten ignoriert. Werden die möglichen Korrelatio-

nen zwischen den Beobachtungen eines Unternehmens im Rahmen des Fixed-

Effect-Verfahrens berücksichtigt, bleiben die Vorzeichen der Variablen weitge-

hend gleich. Jedoch fallen die Testwerte der Variablen, bis auf den Bedarf an ex-

terner Finanzierung (EXTFIN), deutlich schwächer und nicht mehr signifikant

aus. Die Begründung der schwächeren Ergebnisse liegt möglicherweise an der

Vorgehensweise des Fixed-Effects-Verfahren, die Beobachtungen eines einzel-

nen Unternehmens innerhalb einer Gruppe zusammenzufassen. Die Vorausset-

zung, dass mit dem Fixed-Effects-Verfahren aussagekräftige Koeffizienten er-

mittelt werden, sind unterschiedliche Ausprägungen der Regressoren innerhalb

der Gruppen (Unternehmen). Die hier verwendeten Variablen, insbesondere die

Anzahl der Unternehmenssegmente, die Unternehmensgröße, das Marktwert-

Buchwert-Verhältnis und der Wettbewerb sind vergleichsweise stabil mit gerin-


ger Standardabweichung.332 Daher kann eine geringere Heterogenität innerhalb

der Gruppe vermutet werden, die zu den nicht signifikanten Ergebnissen führt.

Der folgende Abschnitt befasst sich mit Einschränkungen und möglichen Prob-

lemen bei der Interpretation der empirischen Ergebnisse. Ebenso werden ver-

schiedene Robustheitstest durchgeführt und Ansätze für die weitere Forschung

gegeben.

2.5.5 Einschränkung der Ergebnisse und Robustheitstests

Die Einschränkungen der Ergebnisse können chronologisch vom Zeitpunkt der

Datensammlung bis zur Auswahl des Variablen strukturiert werden. Sie werden

im Folgenden dargestellt:

1) Fehler bei der Datensammlung durch Informationsintermediäre

Die Managementprognosen werden durch eine Analyse des Online-Archivs des

Handelsblatts erhoben. Das Handelsblatt erstellt Berichte sowohl aufgrund eige-

ner Analysen sowie durch die Übernahme von Pressemeldungen anderer Anbie-

ter. In Bezug auf die hier untersuchten Prognosen besteht daher die Möglichkeit,

dass Mitarbeiter des Handelsblattes oder anderer Anbieter, die z.B. bei Bilanz-

pressekonferenzen oder Hauptversammlungen anwesend sind, manche Informa-

tionen des Managements nicht oder nur unzureichend aufnehmen. Beispielswei-

se ist denkbar, dass ein Unternehmen eine Minimumprognose abgibt, über diese

allerdings in den Medien als Punktprognose oder gar nicht berichtet wird. Die

Folge sind verfälschte Ergebnisse. Das Problem der fehlenden Berichterstattung

tritt insbesondere bei vergleichsweise kleinen Unternehmen auf. Eine stichpro-

benartige Analyse der SDAX- und TecDAX-Unternehmen ergab, dass lediglich

sehr wenige Unternehmensmeldungen bzw. Prognosen von diesen Unternehmen

im Handelsblatt identifiziert werden können. Da es m.E. unwahrscheinlich ist,

dass gerade diese Unternehmen eine deutlich intransparente Publizitätspolitik

verfolgen, ist dieser Zustand eher auf die Berichterstattung des Handelsblattes

zurückzuführen. Eine Ausweitung des Samples auf diese Unternehmen in zu-

332 Vgl. Abschnitt 2.5.2.


künftigen Untersuchungen erscheint daher lediglich sinnvoll, wenn andere Mög-

lichkeiten der Datensammlung genutzt werden. Eine Möglichkeit für zukünftige

Untersuchungen besteht in der Verwendung von Video- oder Audioaufzeich-

nungen von Unternehmens- bzw. Analystenkonferenzen, anhand derer die Prog-

nosen des Managements selbst erfasst werden können. Insbesondere die in den

USA gängigen Datenbanken gewährleisten bereits heute, dass die auf Konferen-

zen abgegebenen Prognosen und Ausführungen digitalisiert und als Texte zur

Analyse verfügbar gemacht werden.

2) Fehler bei der Datensammlung im Rahmen der Untersuchung

Die Analyse der Berichte des Archivs des Handelsblatts erfolgt durch eine

Schlagwortsuche nach Worten wie „ Gewinn“ oder „ Prognose.“ Diese Schlag-

wortsuche führt naturgemäß zu weniger präzisen Resultaten als eine detaillierte

Analyse jedes einzelnen Berichts. Da eine solche detaillierte Durchsicht aller

Unternehmensnachrichten im Handelsblatt mit Blick auf die Relation von zeitli-

chem Aufwand zu erwarteter Ergebnisverbesserung nicht vorgenommen wurde,

kannst nicht ausgeschlossen werden, dass einzelne Prognosen von Unternehmen

fehlen.

3) Subjektivität der Interpretation

Nach der Sammlung der Prognosemeldungen wird jeder Prognose ein Präzisi-

onswert zugeordnet. Bei der Zuordnung der Präzisionswerte zu den einzelnen

Prognosen muss allerdings in verschiedenen Fällen eine subjektive Zuordnung

durchgeführt werden. Um eine möglichst hohe intersubjektive Nachprüfbarkeit

der Ergebnisse zu gewährleisten, werden in Anhang 2 eine Vielzahl von Wort-

lauten des Managements und die entsprechende Zuordnung als Punkt-, Intervall-,

Maximum- oder Minimumprognosen bzw. qualitative Prognose wiedergegeben.

Nichtsdestotrotz können durch subjektive Einflüsse bei der Zuordnung Probleme

bei der Replikation der Ergebnisse entstehen.333

333 Vgl. Healy/Palepu (2001), S. 427.


4) Fehlende Berücksichtigung von in den Prognosen enthaltenen Informationen

Im Rahmen dieser Arbeit werden bestimmte in den Prognosen enthaltene Infor-

mationen nicht berücksichtigt. In vielen Fällen wird z.B. eine Prognose durch ei-

nen Zusatz ergänzt, wie eine erwartete „ leichte“ oder „ deutliche“ Steigerung ei-

ner bestimmten Kennzahl. Diese Zusätze werden im Rahmen der empirischen

Untersuchung nicht berücksichtigt, da sie den Grad der Subjektivität erhöhen

würden. Weitergehende Studien könnten daher z.B. untersuchen, ob die Interpre-

tation solcher qualitativen Zusätze am deutschen Kapitalmarkt einheitlich ist.334

5) Nicht-Beobachtbarkeit der Variablen

Neben Problemen bei der Messung der abhängigen Variablen bestehen ebenso

verschiedene Einschränkungen bei den unabhängigen Variablen. Da die drei

theoretisch identifizierten latenten Variablen (Informationsunsicherheit, Publizi-

tätskosten und Eigeninteresse des Managements) nicht beobachtbar sind, müssen

sie durch Stellvertretervariablen approximiert werden. Damit wird ein Zusam-

menhang zwischen der Stellvertretervariable und der Einflussgröße unterstellt.

Dieser Zusammenhang ist allerdings nicht zwingend vorhanden. Bestimmte

Stellvertretervariablen, wie z.B. die Unternehmensgröße, stehen für viele Ein-

flussgrößen und auch für verschiedene Hypothesen. Auch im Fall eines signifi-

kanten Ergebnisses ist damit nicht eindeutig, ob ein gefundener Zusammenhang

auf die Wirkung der latenten Variable zurückzuführen ist oder ob die Stellvertre-

tervariable nicht eher eine andere Hypothese erfasst.

6) Nicht berücksichtigte Variablen

Nicht erfasste oder nicht erfassbare Einflussgrößen können das Ergebnis überla-

gern oder zu fehlerhaften Interpretationen führen. Beispielsweise könnten unbe-

obachtbare Variablen, wie z.B. persönliche Charakteristika des Managements

oder die Unternehmenskultur, Einfluss auf das Publizitätsverhalten nehmen.

Ebenso wurden in dieser Untersuchung verschiedene situationsspezifische Vari-

334 In der Studie von De Jong et al. (2006) für den niederländischen Kapitalmarkt werden diese Zusätze be-

rücksichtigt.


ablen nicht erfasst. Cotter et al. (2006) zeigen z.B., dass das Management ten-

denziell eher eine präzise Prognose abgibt, wenn die zu dieser Zeit aktuellen

Analystenschätzungen sehr optimistisch sind.335 Daher wäre die Präzision einer

Prognose auch von einer optimistischen Neigung der Analystenschätzungen ab-

hängig.

2.6 Zwischenfazit

Ziel des vorliegenden Kapitels war es, die folgende Frage zu beantworten:

Zur Messung der Präzision einer Prognose wurden die Prognosen des Manage-

ments von Unternehmen, die im Zeitraum zwischen 2002 und 2005 in DAX und

MDAX enthalten waren, aus Unternehmensmeldungen im Handelsblatt erhoben

und in vier Präzisionsklassen eingeteilt. Dabei ergab sich, dass die Unternehmen

des MDAX durchschnittlich präzisere Prognosen abgeben als die Unternehmen

des DAX. Weiterhin werden Punktprognosen am häufigsten abgegeben, gefolgt

von Minimum- und Intervallprognosen. Aus der Literatur zu freiwilliger Publizi-

tät wurden anschließend drei latente Konstrukte herausgearbeitet, welche die

Präzision der Managementprognosen beeinflussen. Hierunter fallen: 1) eine be-

stehende Informationsunsicherheit, 2) die Kosten der Publizität sowie 3) das Ei-

geninteresse des Managements. Diese drei latenten Variablen wurden im nächs-

ten Schritt mit Hilfe von neun Indikatorvariablen approximiert. Der Einfluss die-

ser neun Indikatorvariablen wurde in einem geordneten logistischen Modell, in

einem binären logistischen Modell sowie in einem Fixed-Effects-Modell ge-

schätzt. Tabelle 7 fasst die Ergebnisse zusammen.

335 Vgl. Cotter et al. (2006), S. 608.

Welche Faktoren beeinflussen die Präzision von Managementprognosen?


Ergebnisse

Variable eV

Geordnete logistische Regression

Binäre logistische Regression

Fixed Effects-Modell

H 1.1 Anzahl der Unternehmenssegmente + o o oH 1.2 Anteil immaterielles Vermögen + + + oH 1.3 Unternehmensgröße - - - oH 1.4 Länge des Prognosehorizonts - - - oH 1.5 Volatilität des Ergebnis je Aktie - - - o

H 2.1 Wettbewerb - o o oH 2.2 Bedarf an externer Finanzierung + + + +

H 3.1 Nachfragedruck + + + oH 3.2 Verlustjahr - o o o

Die Übersicht fasst die Hypothesen zu den erwarteten Vorzeichen der Determinanten der Managementprognosepräzisionund die Ergebnisse zusammen. Die Zeichen stellen eine signifikant positive (+) oder negative (-) bzw. keine signifikante(o) Beziehung zwischen den untersuchten Variablen dar.

Hypothese

Determinanten der Informationsunsicherheit

Determinanten der Publizitätskosten

Determinanten des Eigeninteresses des Managements

Tabelle 7: Übersicht der Ergebnisse zu den Determinanten der

Managementprognosepräzision

Im geordneten logistischen Regressionsmodell mit vier möglichen Ausprägun-

gen der Managementprognosen sowie im binären Modell mit lediglich zwei Prä-

zisionsklassen werden signifikante Ergebnisse für die meisten aufgestellten

Hypothesen erzielt. So werden präzisere Prognosen abgegeben von Unterneh-

men mit

• geringerem Anteil an immateriellem Vermögen,

• geringerer Marktkapitalisierung,

• einer geringeren Volatilität der Vorjahresergebnisse,

• einem höheren Bedarf an externer Finanzierung sowie

• einem höheren Marktwert-Buchwert-Verhältnis.

Dies unterstützt die aufgestellten Hypothesen, dass die Abgabe von präzisen

Prognosen durch das Management von der Unsicherheit der Informationen, dem

Eigeninteresse des Managements sowie von dem externen Nachfragedruck signi-

fikant beeinflusst wird. Wird zusätzlich in einem Fixed-Effects-Modell für un-

ternehmensspezifische Faktoren kontrolliert, so besteht hingegen ein signifikan-

ter Zusammenhang nur zwischen der Präzision und dem Bedarf an externer Fi-


nanzierung. Dies ist möglicherweise mit den genannten Schwächen des Modells

zu erklären.

Im nächsten Schritt stellt sich die Frage, welche Konsequenzen aus den Mana-

gementprognosen für den Kapitalmarkt resultieren. Diese Konsequenzen er-

scheinen für das Management besonders bedeutsam, da ein Kernziel des Mana-

gements darin besteht, durch die Abgabe von Prognosen die Unsicherheit des

Kapitalmarktes zu reduzieren. Grundsätzlich ist eine Vielzahl von Auswirkungen

denkbar, wie z.B. Aktienkursreaktionen, die Revision von Analystenschätzungen

oder eine Veränderung der Kapitalkosten durch Verringerung der Informationsa-

symmetrie.336 Da Analysten einen Hauptadressaten der Managementprognosen

darstellen und ihre Unsicherheit auch als Indikator der Unsicherheit des Kapi-

talmarktes verwendete werden, stehen sie im dritten Kapitel im Vordergrund.337

Es stellt sich damit die Frage, ob es dem Management gelingt, durch präzise

Prognosen die Unsicherheit der Analysten zu verringern. Diese Frage soll im

nächsten Kapitel beantwortet werden.

336 Für einen Überblick und einen Verweis auf weitere Literatur vgl. Hirst et al. (2007). 337 Vgl. zu den Adressaten von Managementprognosen Kapitel 2.2.4.

Analystenschätzungen 88

3 Analystenschätzungen


Finanzanalysten sind als Informationsintermediäre professionell mit der Be-

schaffung, Analyse und Auswertung von Unternehmensinformationen beschäf-

tigt.338 Sie aggregieren und analysieren Informationen und geben sie z.B. in

Form von Ergebnis- oder Kursschätzungen an den Kapitalmarkt weiter.339 Ihre

Schätzungen gelten dabei häufig als Stellvertreter der Erwartungen sämtlicher

Kapitalmarktteilnehmer.340 Insbesondere die Streuung der Schätzungen sowie

der Schätzfehler werden regelmäßig als Indikator der Unsicherheit des gesamten

Kapitalmarktes herangezogen.341

Um die erwarteten Aktienkurse und Ergebnisse eines Unternehmens möglichst

treffgenau zu schätzen, benötigen Analysten Informationen über ein Unterneh-

men. Da ein Großteil der notwendigen Informationen direkt durch das Unter-

nehmen bereitgestellt wird, kann vermutet werden, dass eine höhere inhaltliche

Qualität der Finanzberichterstattung zu einer geringeren Unsicherheit führt.342 In

diesem Kapitel soll daher untersucht werden, ob die Qualität der Finanzbericht-

erstattung die Unsicherheit der Analysten beeinflusst. Präzise formuliert lautet

die in diesem Kapitel zu beantwortende Frage:

Bezogen auf die Wirkungskette aus der einleitenden Problemstellung sollte da-

mit der in der nachfolgenden Graphik dargestellte Zusammenhang 2 gelten.

338 Vgl. z.B. Bittner (1996), S. 24. 339 Vgl. Löffler/Weber (1997), S. 10. 340 Vgl. Abarbanell et al. (1995); Schipper (1991), S. 105-107. 341 Vgl. Tong (2007), S. 223; Leuz (2003), S. 462; Clarke/Shastri (2000). 342 Vgl. Lees (1981), S. 3-7.

„Hat die Qualität der Finanzberichterstattung eines Unternehmens Ein-fluss auf den Schätzfehler und die Streuung der Analystenschätzungen?“



11Qualität der


Kapital-kosten

22 33



Probleme ergeben sich wiederum bei der Operationalisierung der einzelnen

Komponenten. Die Qualität der Finanzberichterstattung eines Unternehmens

stellt ein nicht messbares Konstrukt dar und wird daher in der empirischen

Rechnungslegungsforschung regelmäßig durch verschiedene Stellvertretervari-

ablen approximiert.343 In diesem Kapitel werden dazu drei Variablen verwendet:

1) Die Qualität des Geschäftsberichts, 2) die Qualität der Investor Relations

(IR)344 sowie 3) die Präzision der Managementprognosen.

Der Geschäftsbericht stellt regelmäßig die Grundlage und erste Anlaufstelle für

Analysten zur Informationsbeschaffung dar.345 Verschiedene Studien haben ge-

zeigt, dass die darin enthaltenen Informationen für Analysten und Eigenkapital-

geber von Bedeutung sind.346 Die IR-Arbeit eines Unternehmens ist insbesonde-

re für die Bereitstellung von aktuellen und zukunftsbezogenen Informationen

bedeutsam.347 Auch für die Klärung von Unklarheiten bei der Analyse des Ge-

schäftsberichts werden die IR-Abteilungen von Analysten kontaktiert.348 Das

Management stellt aufgrund seines Informationsvorsprungs die wohl wichtigste

persönliche Informationsquelle der Analysten dar. Eine Reihe von Studien zeigt,

dass Analysten den Informationen des Managements eine hohe Bedeutung bei-

messen.349 Dementsprechend kann erwartet werden, dass auch die Prognosen des

Managements über das zukünftige Ergebnis für die Analystenschätzungen des-

selben relevant sind.

343 Vgl. Lang/Lundholm (1996), S. 468. 344 Die Definition und Abgrenzung des Begriffs Investor Relations erfolgt in Abschnitt 3.4.1.1. 345 Vgl. Chang/Most (1981), S. 50. 346 Für eine Übersicht vgl. Bonse (2004). 347 Vgl. Pietzsch (2004), S. 12 und S. 62. 348 Vgl. Bittner (1996), S. 20. 349 Vgl. z.B. Chang/Most (1981), S. 50; Pietzsch (2004), S. 62; Wichels (2002), S. 164-167.


Neben den vom Unternehmen bereitgestellten Informationen haben noch weitere

Faktoren Einfluss auf die Streuung und den Fehler der Analystenschätzungen. So

haben verschiedene Studien gezeigt, dass Personen oder Gruppen, wie z.B. der

Arbeitgeber der Analysten oder das analysierte Unternehmen Interesse an den

Schätzungen besitzen und sie in eine bestimmte Richtung beeinflussen.350 Eben-

so deuten verschiedene Studien darauf hin, dass auch Analysten irrational han-

deln und bei ihren Schätzungen psychologischen Einflüssen unterliegen.351 Da-

her werden auch verschiedene andere Faktoren in die Untersuchung einbezogen.

Eine zweite, ergänzend zu beantwortende Frage lautet damit:

Während für den US-amerikanischen Markt bereits zahlreiche Studien zu den

Einflussfaktoren der Qualität von Analystenschätzungen vorliegen, wurden für

den deutschen Markt nur vereinzelt Untersuchungen durchgeführt.352 Hervorzu-

heben sind hier insbesondere die Arbeiten von Henze (2004) und Bessler/Stanzel

(2007).353 In dieser Arbeit werden ihre Ergebnisse aufgegriffen und im Rahmen

der Regressionsanalyse um weitere Einflussfaktoren ergänzt.

Zur leichteren Orientierung der Ausführungen dieses Kapitels dient der folgende

Ausschnitt aus der Ausgangsgraphik aus Kapitel 1.

350 Vgl. Lin/McNichols (1998), S. 101 ff. 351 Vgl. Stotz/von Nitzsch (2005). Guedj/Bouchaud (2005) zeigen z.B., dass Analysten häufig nicht ihren

eigenen Informationen vertrauen, sondern zu einem Herdentrieb neigen, d.h. der Empfehlung der Masse folgen. Vgl. Guedj/Bouchaud (2005). Vgl. dazu auch De Bondt/Thaler (1990).

352 Vgl. Guedj/Bouchaud (2005); Trueman (1994). 353 Weitere Untersuchungen für den deutschen Kapitalmarkt sind z.B. Hüfner/Möller (1997); Capstaff et al.

(1998); Capstaff et al. (2001); Wallmeier (2005a) und Daske (2005).

„Welche weiteren Einflussfaktoren bestimmen den Schätzfehler und die Streuung von Analystenschätzungen?“







Fragestellung

3.6

3.4

3.3


Zwischenfazit




Kapitel






Fragestellung

3.6

3.4

3.3


Zwischenfazit




Kapitel

Abbildung 7: Struktur des dritten Kapitels

In Abschnitt 3.2 wird das institutionelle Umfeld von Analysten untersucht. Hier-

bei werden ihr Arbeitsumfeld, die Art der Tätigkeit und die Anreizstruktur dar-

gestellt. In Abschnitt 3.3 werden die theoretischen Grundlagen für die empiri-

sche Untersuchung gelegt. Anhand der Darstellung von analytischen Modellen

wird die Frage beantwortet werden, warum Analysten überhaupt Fehler machen

bzw. unsicher sind und welche Einflussfaktoren dafür verantwortlich sind. Zur

Überprüfung der Relevanz dieser theoretisch hergeleiteten Einflussfaktoren wer-

den in Abschnitt 3.4 die wichtigsten empirischen Ergebnisse zu diesen Fragestel-

lungen vorgestellt. Als Vorbereitung der eigenen Untersuchung werden insbe-

sondere Studien zum Einfluss von Unternehmensinformationen auf die Qualität

der Analystenschätzungen betrachtet. Kern der empirischen Untersuchung in

Abschnitt 3.5 wird dann die Frage sein, ob ein Zusammenhang zwischen der Fi-

nanzberichterstattung eines Unternehmens und dem Schätzfehler und der Streu-

ung der Analystenschätzungen besteht. Kann ein Zusammenhang festgestellt

werden, so können daraus möglicherweise Empfehlungen für Unternehmen ab-

geleitet werden, ob mehr Wert auf die Qualität des Geschäftsberichts oder eher

die darüber hinausgehende Investor-Relations-Arbeit gelegt werden sollte. Das

Kapitel wird in Abschnitt 3.6 mit einem Fazit geschlossen.


3.2 Institutionelle Grundlagen

3.2.1 Definitionen und Abgrenzung

Zur Untersuchung der Analystentätigkeit ist es im ersten Schritt notwendig, den

hier verwendeten Begriff der „ Analysten“ sowie ihrer Schätzungen zu definieren

und abzugrenzen. Wichtig ist hierbei zu betonen, dass weder in der öffentlichen

Diskussion noch in der wissenschaftlichen Literatur eine einheitliche Begriffsde-

finition existiert.354 Auch ist die Berufsbezeichnung „ Analyst“ nicht rechtlich ge-

schützt.355 Eine Grundlage bietet die folgende Definition der Deutschen Vereini-

gung für Finanzanalyse und Asset Management (DVFA). Die DVFA definiert

Finanzanalysten356 als

„Personen, die aufgrund allgemein verfügbarer Informationen und

spezieller Vorkenntnisse eine Beurteilung und Bewertung von

Wertpapieren von Unternehmen und deren Derivaten – auch von

Volkswirtschaften, Kapitalmärkten und Branchen – in der Form

von zumeist schriftlichen Analysen vornehmen. Die Ergebnisse der

Arbeit der Analysten dienen privaten und institutionellen Anlegern

und den Kundenberatern, Vermögensverwaltern sowie Portfolio-

managern in Kapitalanlagegesellschaften im In- und Ausland als

Grundlage für Anlageentscheidungen.“357

Auf der Basis dieser Definition wird in der Folge die Tätigkeit und Person des

Analysten definiert und abgegrenzt. Im ersten Schritt ist die Person des Analys-

ten zu beurteilen. Eine gesetzlich vorgeschriebene Berufsausbildung, worauf der

Wortlaut „ spezielle Vorkenntnisse“ beruhen könnte, besteht für Analysten nicht.

Dennoch haben sich verschiedene Analystenvereinigungen gebildet, die von ih-

354 Vgl. Rosen/Gerke (2001), S. 10 f. 355 Vgl. Diehl (2001), S. 400. 356 In vielen deutschen und amerikanischen Kapitalmarktstudien werden die Begriffe „ Finanzanalyst“ und

„ Analyst“ synonym verwendet, ohne eine inhaltliche Unterscheidung zu machen. Vgl. z.B. Stanzel (2007), S. 19. In der vorliegenden Arbeit wird der Begriff „ Analyst“ aufgrund der nachfolgenden Defini-tion der DVFA mit dem Begriff „ Finanzanalyst“ gleichgesetzt.

357 DVFA (2000), S. 48.


ren Mitgliedern eine gewisse Mindestausbildung fordern.358 Die in Deutschland

bekanntesten Institutionen sind die DVFA, die Vereinigung technischer Analys-

ten Deutschlands (VTAD) sowie die German Chartered Financial Analysts So-

ciety (GCFAS). Die verschiedenen nationalen europäischen Analystenverbände

sind in der European Federation of Financial Analysts (EFFAS) zusammenge-

schlossen. Auf globaler Ebene bildet das Chartered Financial Analysts Institute

(CFAI) den wohl größten Verband, dem neben der deutschen GCFAS weitere

126 Analystenverbände aus insgesamt 46 Nationen angehören. Im Folgenden

werden die für deutsche Analysten wichtigsten Verbände der DVFA und das

CFAI in Hinblick auf die Ausbildungsvoraussetzungen kurz vorgestellt.

Die DVFA ist ein Berufsverband von Kapitalmarktexperten mit aktuell ca. 1.100

persönlichen Mitgliedern.359 Hauptziele der DVFA sind es, „ durch Informatio-

nen, Veröffentlichungen und Aus- und Weiterbildung die beruflichen Qualifika-

tion ihrer Mitglieder zu fördern“ sowie „ die Berufsausübung auf einem qualitativ

hohen, international anerkannten Niveau mittels professioneller Standards zu

gewährleisten.“ 360 Zur Vermittlung der für Finanzanalysen notwendigen Kennt-

nisse bietet die DVFA insbesondere den Abschluss zum Certified International

Investment Analyst (CIIA) an. In diesem rund sieben Monate dauernden Ausbil-

dungsprogramm werden Kenntnisse u.a. in der Rechnungslegung, Finanzierung

und Statistik aber auch eher national bedeutende Themen wie Rechtsgrundlagen

nach WpHG vermittelt.361

Das CFAI ist die wohl größte globale Vereinigung von Finanzanalysten. Ziel der

Organisation ist es auch hier, durch ein umfangreiches Ausbildungsprogramm

eine hohe Qualität der Finanzanalyse und eine gute Ausbildung der Analysten zu

gewährleisten.362 Kernprogramm des CFAI ist die Ausbildung zum Chartered

358 Vgl. Stanzel (2007), S. 216. 359 Vgl. DVFA (2006), S. 6. 360 DVFA (2003), S. 51. 361 Vgl. Stanzel (2007), S. 217 sowie die Broschüre CIIA der DVFA. 362 Vgl. Stanzel (2007), S. 222. Siehe dazu auch die Einleitung im Rahmen der Research Objectivity Stan-

dards unter www.cfainstitute.org (Stand 7.11.2007).


Financial Analyst (CFA), das als berufsbegleitendes Studium konzipiert ist. Zu

der Erlangung des Titels sind drei erfolgreich abgeschlossene Prüfungen sowie

die Mitgliedschaft im CFAI vorzuweisen. Die drei notwendigen, jeweils sechs-

stündigen Examensklausuren überprüfen ebenso wie das DVFA-Programm

Kenntnisse in Finanzierung, Rechnungslegung und Statistik, legen aber aufgrund

der internationalen Ausrichtung weniger Gewicht auf nationale gesetzliche Re-

gelungen.

Im zweiten Schritt ist eine Beschränkung des Arbeitsgebietes der Analysten

notwendig. Nach der Definition der DVFA werden von den Analysten Wertpa-

piere und deren Derivate sowie ganze Branchen, Volkswirtschaften und Kapi-

talmärkte beurteilt und bewertet. Dies zeigt die unterschiedlichen Tätigkeitsbe-

reiche von Analysten, die in der Praxis auch in die Bereiche strategic research,

economic research sowie equity research und fixed income research unterteilt

werden können.363 Im Bereich strategic research werden vor allem das aktuelle

Kapitalmarktumfeld und marktbeeinflussende Faktoren untersucht. Hierunter

fallen z.B. die Analyse der Auswirkungen von neuen Technologien oder der Ein-

fluss geänderter gesetzlicher Rahmenbedingungen.364 Im economic research

werden makroökonomische Variablen und ihr Einfluss auf den Kapitalmarkt und

auf einzelne Branchen untersucht. Darin eingeschlossen sind z.B. die Entwick-

lung des Bruttoinlandsprodukts, der Inflationsraten oder der Wechselkurse.365

Der Bereich equity research und fixed income research befasst sich mit der Ana-

lyse und Bewertung einzelner Wertpapiere. Während es im equity research re-

gelmäßig das Ziel ist, anhand von Bewertungsverfahren einen fundamentalen

Wert einer Aktie zu ermitteln, fokussiert das fixed income research dagegen auf

die Bewertung und Ausfallwahrscheinlichkeit von Anleihen.366 Hierunter kön-

nen neben Unternehmensanleihen z.B. auch diejenigen von Gebietskörperschaf-

ten fallen. Im Rahmen dieser Arbeit werden die Analystenschätzungen des Un-

363 Vgl. Wichels (2002), S. 36. 364 Vgl. Achleitner (2002), S. 763. 365 Vgl. Achleitner (2002), S. 765-768. 366 Vgl. Achleitner (2002), S. 768-779.


ternehmensergebnisses untersucht. Daher ist für die weitere Analyse lediglich

die Tätigkeit eines Analysten im Bereich equity research relevant.

Im dritten Schritt wird der Arbeitsprozess eines Analysten untersucht. Nach der

Definition der DVFA werden von Analysten zumeist schriftliche Analysen auf-

grund allgemein verfügbarer Informationen erstellt, die dann an verschiedene

Adressaten weitergegeben werden. Der Prozess der Analyse lässt sich demnach

chronologisch untergliedern in die Teilabschnitte 1) Informationsbeschaffung,

2) Informationsverarbeitung und 3) Informationsdistribution.367

1) Informationsbeschaffung

Ausgangslage der Research-Tätigkeit ist die Beschaffung von Informationen

über ein gecovertes368 Unternehmen.369 Die dafür notwendigen Informationen

können aus vielfältigen Quellen stammen, wobei als die wichtigsten regelmäßig

die Jahresabschlüsse und Quartalsberichte eines Unternehmens genannt wer-

den.370 Jahresabschlüsse bieten trotz des großen Vergangenheitsbezugs eine

weitgehend objektive und umfassende Datengrundlage. Quartalsberichte können

aufgrund der höheren Frequenz den Analysten aktuellere Informationen lie-

fern.371 Vergleichbar wichtig für Analysten ist die direkte Kommunikation mit

dem Unternehmensmanagement durch Unternehmensbesuche oder Analysten-

konferenzen.372 Chang/Most (1981) finden z.B., dass Analysten den Gesprächen

mit dem Management die zweithöchste Bedeutung nach Geschäftsberichten und

367 Vgl. Henze (2004), S. 16. 368 Der Begriff der Coverage bedeutet übersetzt „ Bedeckung“ bzw. „ Berichterstattung“ über ein Unterneh-

men. In der Kapitalmarktpraxis ist der Begriff gängig und definiert die Beobachtung und Analyse eines Unternehmens durch einen Analysten. Vgl. dazu umfassend Pietzsch (2004).

369 Vor diesem Schritt steht noch die Entscheidung, ein Unternehmen überhaupt zu covern, vgl. Pietzsch (2004) für eine Untersuchung der Faktoren, die diese Entscheidung beeinflussen.

370 Für weitere Studienergebnissen bzgl. der bevorzugten Informationsquellen von Finanzanalysten siehe z.B. Barker (1998), S. 9-12.

371 Vgl. Hax (1998), S. 301. Für eine tiefergehende Analyse der Literatur über die für Analysten wichtigen Informationen innerhalb des Geschäftsberichts vgl. Bonse (2004), S. 88-101.

372 Vgl. Hax (1998), S. 11-12.


Unternehmensprospekten einräumen.373 Insbesondere der Einsatz von Einzel-

und Kleingruppengesprächen (one-on-ones) oder Telefonkonferenzen (conferen-

ce calls) wird von Analysten regelmäßig gefordert, da im Rahmen dieser Ge-

spräche eine Validierung der eigenen Analysen erfolgen kann.374 Weitere Infor-

mationsquellen der Analysten sind Pressemitteilungen oder Mitteilungen, die im

Rahmen der Ad-hoc Publizität veröffentlicht werden, sowie über die Geschäfts-

berichte hinausgehende Unternehmenspublikationen wie z.B. Emissionsprospek-

te.375 Tendenziell vernachlässigbar erscheinen dagegen die Unternehmens-

Homepage, die Hauptversammlung oder Pressekonferenzen.376

Eine wichtige Abgrenzung wird in der Definition der DVFA durch die Berück-

sichtigung lediglich „ allgemein verfügbarer Informationen“ gemacht. Die DVFA

definiert damit, dass Analysten der „ Gebrauch von Insidermaterial“ nicht erlaubt

ist.377 Diese Anforderung zielt darauf ab, Analysten von der Verwendung von

Insiderinformationen abzuhalten, die sie im Rahmen von privaten Gesprächen

mit dem Management erhalten können. Nach § 14 Abs. 1 Nr. 2 WpHG ist die

Weitergabe von Insiderinformationen durch Primärinsider wie das Management

zwar verboten, ob dies jedoch in der Praxis vollständig beachtet wird, ist zumin-

dest fraglich. Ein Analyst erlangt nach h.M. bereits durch den Erhalt der Insider-

information selbst Insiderstatus.378 Dies hat zur Folge, dass er bei Nicht-

Beachtung der Insider-relevanten Regelungen dafür belangt werden kann. Flie-

ßen die nicht öffentlich bekannten Informationen anschließend sogar in die Be-

wertung ein, kommen die Analyse und damit der gesamte Research-Bericht als

Insiderinformation in Betracht und müssen bei Kurserheblichkeit im Rahmen ei- 373 Vgl. Chang/Most (1981); Pike et al. (1993) zeigen für Deutschland, dass die Treffen mit Analysten als

wichtigste Informationsquelle eingeordnet werden, gefolgt vom Geschäftsbericht/Zwischenbericht und Gesprächen mit Unternehmensvertretern. Die Autoren stellen zudem fest, dass die Bedeutung persönli-cher Kontakte im Vergleich zu eher formalisierten Geschäftsberichten zugenommen hat. Vgl. auch die Ergebnisse für britische Finanzanalysten Breton/Taffler (1995), S. 88. Solch einen Wandel zu eher in-formellen Kontakten bestätigt auch Schulz (1999) für Deutschland. Vgl. Schulz (1999), S. 181-186.

374 Vgl. Steiger (2000), S. 205. 375 Vgl. Michalkiewicz (2003), S. 118; Bittner (1996), S. 159; Hax (1998), S. 12-17. 376 Vgl. Schulz (1999), S. 192; Häcker et al. (2001), S. 671. 377 Vgl. DVFA (2003), S. 48. 378 Vgl. Schwark (2004), Rz. 22.


ner Ad-hoc-Mitteilung veröffentlicht werden.379 Dabei spielt es grundsätzlich

auch keine Rolle, wenn sich ein Analyst gegen den Erhalt von Insiderinformati-

onen verwahrt.380 Wäre dies anders, könnte ein Analyst bereits durch einseitige

Erklärung an potenzielle Informanten auf Seiten des Managements die Möglich-

keit ausschließen, Insider zu werden. Wird die Bewertung dagegen ausschließ-

lich aufgrund öffentlich bekannter Umstände erstellt, wie von der DVFA emp-

fohlen, so stellt auch sie nach §13 WpHG Abs. 2 keine Insiderinformation dar.

Dies führt zu der Folgerung, dass Analysten Informationen, die sie z.B. im Rah-

men von one-on-ones oder Firmenbesichtigungen erhalten, auf Insiderrelevanz

prüfen müssen, um sich nicht selbst potenziell strafbar zu machen.381

Hinsichtlich des Inhalts und des Aggregationsgrads der notwendigen Informati-

onen besteht für Analysten regelmäßig ein umfassender Bedarf sowohl an finan-

ziellen als auch nicht-finanziellen Kennzahlen sowie an Daten für die Gesamtun-

ternehmensebene und für einzelne Produkt- und geographische Segmente. Als

finanzielle Kennzahlen werden insbesondere Ergebnisgrößen wie EBIT,

EBITDA, Jahresüberschuss, operativer Cashflow oder Umsätze gefordert.382 Für

diese Daten werden regelmäßig keine vollständigen Planungsrechnungen erwar-

tet, sondern vielmehr eine nachvollziehbare Basis für eigene Schätzungen.383 Als

nicht-finanzielle Inhalte stehen besonders Informationen zur Finanzierungsstra-

tegie, die Dividendenpolitik sowie die F&E-Aktivitäten im Vordergrund.384

2) Informationsverarbeitung

Zentraler Bereich der Leistungserbringung eines Analysten ist die Verarbeitung

der gesammelten Informationen. Dies erfolgt unter der Zielsetzung der Schät-

zung von wichtigen Unternehmenskennzahlen und der anschließenden Ermitt-

lung eines Unternehmenswerts. Hierzu wird zunächst aus den beschafften In- 379 Vgl. Assmann (2006), Rz. 75. 380 Vgl. Assmann (1997), S. 53. 381 Vgl.Claussen (1997), S. 21. 382 Vgl. Block (1999), S. 89; Previts et al. (1994), S. 59. 383 Vgl. Pietzsch (2004), S. 65. 384 Vgl. Schulz (1999), S. 218.


formationen eine Schätzung der zukünftigen Entwicklung in Form von Zah-

lungsreihen erstellt und mittels dieser dann auf Basis eines geeigneten Bewer-

tungsmodells ein Zielunternehmenswert bestimmt.385 Die Prognose der Zah-

lungsreihen wird überwiegend mit Hilfe des sog. Top-Down-Ansatzes durchge-

führt.386 Kerngedanke dieses Ansatzes ist, dass die Entwicklung eines Unter-

nehmens vor allem von der Entwicklung der Gesamtwirtschaft und der Branche

abhängig ist. Diesem Gedanken folgend wird zunächst der Einfluss makroöko-

nomischer Faktoren, wie z.B. der Rohstoffpreise oder der Wechselkurse, auf den

Unternehmenswert bestimmt und die zukünftigen Ausprägungen dieser Faktoren

prognostiziert. Analog wird im zweiten Schritt der Einfluss der Branchen auf den

Unternehmenswert bestimmt und die Branchenentwicklung geschätzt. In einem

dritten Schritt wird zusätzlich eine Analyse des Unternehmens vorgenommen

und beispielsweise quantitative Kennzahlenanalysen oder eher qualitative Be-

wertungen des Managements in der Modell integriert. Aufbauend auf diesen

Prognosen kann ein Analyst die unternehmensspezifische Entwicklung in Form

von Kennzahlen wie Umsatz, EBIT oder Free Cashflow ableiten.387 Die prog-

nostizierten unternehmensspezifischen Kennzahlen können dann in Bewertungs-

verfahren wie der Discounted-Cashflow-Methode (DCF-Methode) oder Unter-

nehmensmultiplikatoren eingesetzt werden, um den fundamentalen Unterneh-

menswert zu ermitteln.388 Bei den DCF-Verfahren wird aus der Diskontierung

der erwarteten Zahlungszuflüsse mit den korrespondierenden Kapitalkosten der

Fundamentalwert einer Aktie bzw. eines Unternehmens ermittelt. Bei den Multi-

plikatorverfahren wird eine Bezugsgröße des Unternehmens (z.B. Gewinn je Ak-

tie) mit einem in der Regel aus Branchendaten abgeleiteten Multiplikator (z.B.

Kurs-Gewinn-Verhältnis) multipliziert und daraus der Unternehmenswert ermit-

385 Vgl. Michalkiewicz (2003), S. 121-125. 386 Vgl. ausführlich zum Top-Down-Ansatz Hooke (1998), S. 65-129. Zum ebenfalls verwendeten Bottom-

Up-Ansatz vgl. Hooke (1998), S. 74 f. 387 Vgl. Wichels (2002), S. 34. 388 Vgl. z.B. Häcker et al. (2001), S. 677. Asquith et al. (2005) finden, dass die Mehrheit der Analysten

Multiples-Verfahren nutzt, während DCF-Modelle nur selten zur Anwendung kommen. Vgl. Asquith et al. (2005), S. 245 f.


telt.389 Ausgehend von einer bestehenden Differenz zwischen aktuellem Aktien-

kurs und dem ermittelten fundamentalen Unternehmenswert wird anschließend

eine (Des-)Investitionsentscheidung für die Aktie des Unternehmens ausgespro-

chen.390 Die Resultate dieses Analyseprozesses in Form der prognostizierten

Kennzahlen sowie der darauf aufbauenden Anlageempfehlung werden in Re-

search-Reports dargestellt. Je nach Analystenhaus wird den Anlageempfehlun-

gen eine drei- oder fünfstufige Bewertungsskala zu Grunde gelegt.391 Eine drei-

stufige Skala unterscheidet z.B. die Empfehlungen in „ Buy/Hold/Sell.“ 392 Die

Ergebnis je Aktie-Schätzungen (earnings forecasts) als Teil der prognostizierten

Ergebniskennzahlen stellen neben den Investitionsempfehlungen das in wissen-

schaftlichen Studien zur Untersuchung von Analystenschätzungen populärste

Produkt dar.393

3) Informationsdistribution

Hinsichtlich der Distribution der Analyseergebnisse können Finanzanalysten in

Buy- und Sell-Side-Analysten unterschieden werden.394 Sell-Side-Analysten ar-

beiten in der Regel bei Investmentbanken, Universalbanken oder Brokerhäu-

sern.395 Ihre Berichte und Empfehlungen werden nicht direkt für eine eigene

Portfoliozusammenstellung verwendete, sondern eher für den Kontakt mit aus-

gewählten Kreis institutioneller Investoren genutzt und nach einer gewissen

Zeitspanne auch an Wirtschaftsmedien verbreitet.396 Im Gegensatz zu den Emp-

fehlungen der Sell-Side-Analysten wird die Arbeit der Buy-Side-Analysten

hauptsächlich im Rahmen der internen Kapitalallokation von Investmenthäusern

389 Vgl. Hillebrandt (2001), S. 618. 390 391 Vgl. Henze (2004), S. 18. 392 Vgl. Kames (2000), S. 50-58; Block (1999), S. 90. Neben den prinzipiellen Empfehlungsstufen Kaufen,

Halten und Verkaufen werden in der Praxis auch häufig mehrstufige Rating-Systeme zur besseren Aus-differenzierung der Empfehlungen eingesetzt. Vgl. Ho/Harris (1998), S. 51.

393 Vgl. Zamagna (2000), S. 273; Arnold/Moizer (1984), S. 202. 394 Vgl. Pietzsch (2004), S. 11. 395 Vgl. Bittner (1996), S. 24. 396 Vgl. Pietzsch (2004), S. 11; Hooke (1999), S. 82; Schipper (1991), S. 106.


verwendet. Eine dritte Gruppe stellen sog. unabhängige Finanzanalysten dar, die

in der Regel für eigenständige Agenturen und nicht für Investmentbanken oder

Brokerhäuser arbeiten.397 Die von Buy-Side-Analysten und Analysten unabhän-

giger Agenturen generierten Investitionsempfehlungen und Ergebnisschätzungen

sind in der Regel nicht über Datenbanken verfügbar. Im Rahmen dieser Arbeit

werden daher ausschließlich Gewinnschätzungen von Sell-Side-Analysten unter-

sucht.

Der Prozess der Informationsdistribution von Sell-Side-Analysten wird regelmä-

ßig chronologisch in eine primäre und sekundäre Phase gegliedert.398 In der ers-

ten Phase (primary dissemination) werden die Ergebnisse von Analysten zeitnah

an den Kundenkreis wie Banken, Industrieunternehmen oder Investmentgesell-

schaften kostenlos weitergegeben, wobei zumeist eine zeitliche Priorisierung der

größten und wichtigsten Kunden vorgenommen wird.399 Im Gegenzug wird er-

wartet, dass die aus den Empfehlungen resultierenden Wertpapiergeschäfte des

Kunden über die Bank abgewickelt werden oder sich Nachfolgeeffekte wie z.B.

M&A-Transaktionen ergeben.400 In der zweiten Phase (secondary dissemination)

werden die Analyseergebnisse in reduzierter oder modifizierter Form an Infor-

mations- und Nachrichtendienste, die Wirtschaftspresse und an kommerzielle

Datenanbieter weitergegeben.401 Kommerzielle Anbieter wie Thomson Financi-

al402, Reuters403 oder Zacks Investment Research404 werden auch häufig in wis-

senschaftlichen Studien als Datenlieferanten genutzt. Da in der eigenen empiri-

schen Untersuchung auf die Datenbank „ Institutional Brokers Estimate System

397 Vgl. Stanzel (2007), S. 21. 398 Vgl. Rosen/Gerke (2001), S. 11; Kim et al. (1997), S. 508 sprechen von einem „ two-tiered process“ der

Informationsdistribution. 399 Vgl. Pietzsch (2004), S. 70. 400 Für eine Übersicht über die in einem Report enthaltenen Informationen, vgl. Kames (2000), S. 50-52. 401 Vgl. Lloyd/Canes (1978), S. 43; Pietzsch (2004), S. 70. 402 Vgl. www.thomson.com (Stand 18.12.2007). 403 Vgl. www.reuters.com (Stand 18.12.2007). 404 Vgl. www.zacks.com (Stand 18.12.2007).


(I/B/E/S)“ von Thomson Financial zurückgegriffen wird, wird deren Aufbau hier

kurz erläutert.405

Die I/B/E/S-Datenbank enthält die Schätzungen von ca. 4.000 Einzelanalysten

von ca. 400 Banken und Investmenthäusern. Sobald ein Analyst die Beobach-

tung eines Unternehmens aufgenommen hat, kann er im Rahmen des I/B/E/S-

Systems für Kennzahlen dieses Unternehmens Schätzungen abgeben. Diese In-

formationen werden anschließend von I/B/E/S an Kunden wie Investmentbanken

oder Fondsgesellschaften weiterveräußert. Die Aktualisierung der Schätzungen

erfolgt dabei für jedes Unternehmen monatlich, so dass für große Unternehmen

regelmäßig zwölf Schätzungen pro Analyst in einem Jahr vorliegen. Jeder Da-

tensatz besteht dabei aus dem Namen der Gesellschaft, dem Schätzzeitpunkt, der

geschätzten Kennzahl, der Schätzperiode, der Anzahl der schätzenden Analysten

sowie den Parametern Mittelwert, Median, Standardabweichung, Minimum und

Maximum aller Schätzungen. Neben den am häufigsten abgegebenen EPS-

Schätzungen werden auch Kennzahlen wie EBIT, Umsatz oder Cashflow ge-

schätzt. Die Schätzung erfolgt dabei sowohl für das laufende Geschäftsjahr als

auch für einzelne Quartals- oder Halbjahresergebnisse. Ebenso werden Schät-

zungen für die Ergebnisse in weiter in der Zukunft liegenden Kennzahlen abge-

geben, wie das EPS in zwei oder drei Jahren. Da die Abgabe von Schätzungen

allerdings nicht verpflichtend erfolgt, schwankt die Verfügbarkeit von weniger

gängigen Kennzahlen oder weiter in der Zukunft liegenden Ergebnisse zwischen

den einzelnen Unternehmen stark. In der eigenen empirischen Untersuchung

werden daher lediglich EPS-Schätzungen für das laufende Geschäftsjahr unter-

sucht.

3.2.2 Eigenschaften von Analystenschätzungen

Aus Sicht der Nutzer von Analystenschätzungen sind bestimmte Qualitätseigen-

schaften wünschenswert. Häufig genannte Merkmale sind 1) ein geringer

Schätzfehler, 2) eine geringe Streuung, 3) eine schnelle und vollständige Verar-

405 Vgl. für die weiteren Ausführungen Thomson Financial (1998), S. 1 ff.; Thomson Financial (2003), S. 1;

Wallmeier (2005a), S. 745.


beitung neuer Informationen oder 4) die Freiheit von Verzerrungen wie systema-

tischem Optimismus oder Pessimismus.406 Henze (2004) bietet eine ausführliche

Beschreibung der beiden letztgenannten Eigenschaften sowie eine empirische

Untersuchung dieser Eigenschaften für deutsche Analysten.407 In dieser Arbeit

stehen der Schätzfehler sowie die Streuung der Schätzungen im Vordergrund.

Daher werden lediglich diese im Folgenden erläutert.

Den wohl unmittelbarsten Maßstab zur Beurteilung der Qualität einer Analysten-

schätzung bildet der Schätzfehler (forecast error). Der Schätzfehler ergibt sich

als Differenz der geschätzten von der realisierten Kennzahl. Je niedriger der

Schätzfehler, desto besser ist c.p. die Schätzung des Analysten. Bezüglich der

Berechnung herrscht in der Literatur allerdings keineswegs Einigkeit darüber,

welcher Wert von welchem zu subtrahieren ist. Huberts/Fuller (1995) ziehen

z.B. den tatsächlichen Gewinn von der Schätzung ab, während Dreman/Berry

(1995) und Easterwood/Nutt (1999) umgekehrt die Schätzung vom tatsächlichen

Gewinn subtrahieren.408 Insofern ist bei der Interpretation des Vorzeichens Vor-

sicht geboten. Die generelle Aussagefähigkeit des Schätzfehlers ist von dieser

Wahl indes nicht betroffen.

Als das einfachste Fehlermaß kann der einfache mittlere Schätzfehler (MF) aller

Analysten dienen, der die durchschnittliche Über- oder Unterschätzung aufzeigt

und wie folgt berechnet wird:

406 Eine Analystenschätzung wird als optimistisch (pessimistisch) bezeichnet, wenn der geschätzte Wert

höher (niedriger) ist als der tatsächlich realisierte Wert. 407 Vgl. Henze (2004), S. 33 ff. 408 Vgl. Huberts/Fuller (1995), S. 13; Dreman/Berry (1995) , S. 32; Easterwood/Nutt (1999), S. 1780; Stan-

zel (2007), S. 255.


(4) ( )∑ −=N

TiTtij xxN

MF1

,,,,ˆ1

mit: Ttijx ,,,ˆ = Schätzung des Analysten j zum Zeitpunkt t für Unter-nehmen i für die Periode T

Tix , = realisierter Wert des Ergebnisses je Aktie für das Un-ternehmen i für die Periode T

N = Anzahl der von Analysten abgegebenen Schätzungen

Ein Nachteil dieser Definition ist, dass sich positive und negative Schätzfehler

durch Saldierung aufheben. Dementsprechend erscheint der einfache mittlere

Schätzfehler als Beurteilungsmaßstab für Analystenschätzungen ungeeignet. Um

dieses Problem zu lösen, existiert eine Reihe von weiteren Kennzahlen, wie z.B.

der mittlere positive oder der mittlere negative Schätzfehler, in deren Berech-

nung jeweils nur die positiven bzw. negativen Schätzungen eingehen.409 Da in

diese Fehlermaßzahlen allerdings nur ein Teil der Schätzungen berücksichtigt

wird, wird deren allgemeine Gültigkeit abgelehnt.410 Eine Verbesserung kann

dagegen durch den mittleren absoluten Schätzfehler (MAF) erreicht werden, bei

dem sich positive und negative Schätzungen nicht gegenseitig aufheben.

(5) ∑ −=N

TiTtij xxN

MAF1

,,,,ˆ1

mit: Ttijx ,,,ˆ = Schätzung des Analysten j zum Zeitpunkt t für Unter-nehmen i für die Periode T

Tix , = realisierter Wert des Ergebnisses je Aktie für das Un-ternehmen i für die Periode T

N = Anzahl der von Analysten abgegebenen Schätzungen

Der mittlere absolute Schätzfehler zeigt die Prognosegenauigkeit jedoch unab-

hängig von dem Niveau der Schätzung. Unterschiede in der Ergebnishöhe zweier

Unternehmen können somit zu Unterschieden in der Fehlerhöhe führen, obwohl

sie sich prozentual entsprechen. Zur besseren Vergleichbarkeit wird der Schätz-

409 Vgl. Andres/Spiwoks (2001), S. 12. 410 Vgl. Stanzel (2007), S. 257.


fehler daher regelmäßig mit dem Aktienkurs am Jahresanfang oder dem tatsäch-

lichen Ergebnis skaliert.411 Nachteil der Skalierung mit dem tatsächlichen Er-

gebnis ist, dass dies zu Berechnungsproblemen führen kann, wenn der Gewinn je

Aktie den Wert null oder nahe null annimmt. Eine Division durch null ist nicht

möglich und im Fall einer Division durch einen Wert nahe null führt bereits eine

geringe Abweichung des geschätzten Werts vom realisierten Wert zu einem ho-

hen skalierten Prognosefehler.412 Nachteil der Skalierung mit dem Aktienkurs ist

die schwierigere Interpretation des skalierten Fehlers sowie, dass der Schätzfeh-

ler auch von der Höhe des jeweils genutzten Aktienkurses abhängig ist. Dies

kann insbesondere in Zeiten volatiler Aktienkurse oder bei Wachstumsunter-

nehmen zu falschen Schlüssen führen.413 Die Vor- und Nachteile der beiden Ska-

lierungsverfahren haben dazu geführt, dass in der wissenschaftlichen Literatur

keine der beiden Methoden generell vorgezogen wird. Capstaff et al. (1995),

Dreman/Berry (1995) oder Cooper et al. (2001) nutzen z.B. den Gewinn je Aktie

zur Skalierung, während Brown (1996), Lin/McNichols (1998) oder Easter-

wood/Nutt (1999) den Aktienkurs einsetzen.414 In dieser Arbeit wird im Rahmen

der empirischen Untersuchung die Skalierung mit dem Aktienkurs am Jahresan-

fang vorgenommen. Steht nicht die Analyse der Schätzungen eines einzelnen

Analysten im Vordergrund, können die Einzelschätzungen zudem zu einem Me-

dian oder Mittelwert aggregiert werden. Dies stellt die sog. „ Konsensusschät-

zung“ dar, die häufig als Indikator der Markterwartung gilt.415

Da die weiteren Ausführungen insbesondere auf dem Schätzfehler und der

Streuung der Schätzungen basieren, werden bereits hier die in der empirischen

Untersuchung verwendeten Variablen erläutert. In Anlehnung an die vorherigen

411 Vgl. Daske (2005), S. 102; Henze (2004), S. 34 ff.; Ettredge/Fuller (1991), S. 29; Brown (1996), S. 41. 412 Vgl. Stanzel (2007), S. 260. 413 Vgl. Stanzel (2007), S. 260. 414 Vgl. Capstaff/Paudyal (1995), S. 72; Dreman/Berry (1995), S. 32; Cooper et al. (2001), S. 387-391;

Brown (1996), S. 40-42; Lin/McNichols (1998), S. 112; Easterwood/Nutt (1999), S. 1780. 415 Vgl. Kothari (2001), S. 152; Schipper (1991), S. 106 f.


Ausführungen ergibt sich der hier verwendete Schätzfehler der Analysten

(FORERR) als:416

(6) i

iactualti

P

epsepsFORERR ,, −

=

mit: tieps , = Konsensusschätzung des Ergebnisses je Aktie zum Zeitpunkt t für Unternehmen i für das laufende Ge-schäftsjahr

iactualeps , = realisierter Wert des Ergebnisses je Aktie für das Un-ternehmen i für das laufende Geschäftsjahr

Pi = Aktienkurs des Unternehmens i zu Beginn des Ge-schäftsjahres

Für die eigene empirische Untersuchung wurden auf Anfrage bei Thomson Fi-

nancial ausschließlich die Konsensusschätzungen, nicht aber die Einzelschätzun-

gen zur Verfügung gestellt. Daher werden im Weiteren nur die Konsensusschät-

zungen untersucht. Der Schätzfehler ergibt sich demnach als Differenz zwischen

der Konsensusschätzung des Ergebnisses je Aktie für ein bestimmtes Unterneh-

men i zu einem Zeitpunkt t für das laufende Geschäftsjahr und dem tatsächlich

realisierten Ergebnis (epsactual,i), skaliert mit dem Aktienkurs zu Beginn des Ge-

schäftsjahres. Als tatsächlich realisiertes Ergebnis werden im Rahmen dieser Ar-

beit nicht die im Jahresabschluss eines Unternehmens ausgewiesenen EPS ver-

wendet, sondern die in der Datenbank I/B/E/S enthaltenen EPS (epsactual). Vorteil

dieser Vorgehensweise ist eine bessere Vergleichbarkeit dieser Kennzahl mit der

korrespondierenden Analystenschätzung. Dies kann damit begründet werden,

dass Analysten regelmäßig nicht das im Geschäftsbericht ausgewiesene EPS

schätzen, sondern stattdessen eine nachhaltigere EPS-Kennzahl, die keine außer-

gewöhnlichen Effekte beinhaltet. Um eine bessere Vergleichsmöglichkeit der be-

richteten EPS mit den Analystenschätzungen zu gewährleisten, werden auch in

I/B/E/S nach Veröffentlichung des Jahresabschlusses die berichteten EPS an die-

se Definitionen der Analysten angepasst. Thomson Financial beschreibt die Vor-

gehensweise wie folgt: 416 Vgl. Lang/Lundholm (1996), S. 472.


With very few exceptions analysts make their earnings forecasts on

a continuing operations basis. This means that I/B/E/S receives an

analyst’s forecast after discontinued operations, extra-ordinary

charges, and other non-operating items have been backed out.

While this is far and away the best method for valuing a company,

it often causes a discrepancy when a company reports earnings.

I/B/E/S adjusts reported earnings to match analysts’ forecasts on

both an annual and quarterly basis. This is why I/B/E/S actual may

not agree with other published actual; i.e. newspaper reports.417

Die Streuung der Analystenschätzungen (dispersion of analysts’ forecasts) wird

häufig zur Abbildung der Unsicherheit der Analysten genutzt.418 Weichen die

verschiedenen individuellen Analystenschätzungen stark voneinander ab, deutet

dies auf unterschiedliche Erwartungen hinsichtlich zukünftiger Ergebnisse

hin.419 Die regelmäßig und auch in dieser Arbeit verwendete Art der Berechnung

ist wie folgt:420

(7) i

tii P

FOREDISP ,σ=

mit: FOREDISPi = Standardabweichung σ der zum Zeitpunkt t für das Un-ternehmen i für das laufende Geschäftsjahr abgegebe-nen EPS-Schätzungen skaliert mit dem Aktienkurs P zu Beginn des Jahres.

Investoren wie auch das Management bevorzugen in der Regel eine geringe

Streuung der Analystenschätzungen, da damit ein geringeres Investitionsrisiko

sowie geringere Kapitalkosten verbunden werden.421 Im weiteren Verlauf wird

daher von einer hohen Qualität der Analystenschätzungen gesprochen, wenn die-

se eine geringe Streuung und einen geringen Fehler aufweisen.

417 Thomson Financial (2003), S. 2. 418 Vgl. z.B. Leuz (2003), S. 462 f. 419 Vgl. Abarbanell et al. (1995), S. 32. 420 Vgl. Lang/Lundholm (1996), S. 476. 421 Vgl. Graham et al. (2005), S. 55.


3.2.3 Einflussgruppen von Analysten

Analysten sind bei ihrer Tätigkeit in der Regel in ein Geflecht von Beziehungen

und Abhängigkeiten eingebunden.422 Zahlreiche Einflussgruppen haben ein un-

mittelbares Interesse an den Gewinnschätzungen und Investitionsempfehlungen

der Analysten und könnten über direkten oder indirekten Kontakt versuchen, auf

Analysten einzuwirken und damit die Qualität der Schätzungen zu beeinflussen.

Abbildung 8 gibt einen Überblick über die wichtigsten Gruppen, deren analys-

tenspezifische Interessen im Folgenden erläutert werden.423 Ziel der Darstellun-

gen ist die Ermittlung von möglichen Einflussfaktoren auf den Schätzfehler und

die Streuung von Analystenschätzungen.

Analyst InvestorenAnalysiertes Unternehmen

Gesetzgebung

Gehalt, Karriere Prestige

InformationInformation

Reputation

Infor-mation

Verhaltensregeln

(Des-)Investition

Fachpresse

Gebühren

Bank/Research-Agentur

Kommissionen

Abbildung 8: Einflussgruppen von Analysten

1) Banken und Research-Agenturen

Wie oben beschrieben sind Analysten i.d.R. bei Banken, Brokerhäusern oder un-

abhängigen Research-Agenturen beschäftigt.424 Diese Institute sind häufig mit

den vom Analysten analysierten Unternehmen über weitere Bankdienstleistun-

gen verbunden. Beispielsweise unterstützen Banken bei der Strukturierung einer

422 Vgl. Pietzsch (2004), S. 41-59. 423 Vgl. Schipper (1991), S. 112. 424 Da die unabhängigen Research-Agenturen regelmäßig nur einen geringen Teil der Arbeitgeber von Ana-

lysten ausmachen, wird in der Folge nur noch von „ Banken“ als Arbeitgeber gesprochen. Vgl. Pietzsch (2004), S. 11.


Übernahme oder bei der Platzierung eines Wertpapiers. Erstellt ein Analyst im

Rahmen einer solchen speziellen Transaktion eine Analyse, handelt es sich um

sog. deal-getriebenes Research. Besteht kein spezieller Anlass wird seine Tätig-

keit als deal-unabhängiges Research bezeichnet.425 Bei beiden existieren unter-

schiedliche Einflussfaktoren auf die Qualität der Schätzungen.

In deal-getriebenen Analysen steht für die Bank die Gewinnung von Mandaten

und der damit verbundenen Gebühren im Vordergrund. Aufgrund ihrer i.d.R.

vertieften Unternehmens- und Branchenkenntnisse besteht die Arbeit der Ana-

lysten hierbei in der Bereitstellung von Daten über geplante oder gerade durch-

geführte Kapitalmarkttransaktionen oder Wertpapiergeschäfte für Abteilungen

der Bank wie Corporate Finance oder Mergers & Acquisitions.426 Als Teil eines

IPO-Teams hat der Analyst z.B. die Aufgabe, einen Börsenkandidaten zu bewer-

ten. Die Unternehmen, die Kapitalmarkttransaktionen durchführen, sind dabei

regelmäßig auch an positiven Aktienempfehlungen oder hohen Gewinnschät-

zungen interessiert, um den Aktienkurs zu erhöhen. Dementsprechend könnten

die Unternehmen Druck auf die Bank ausüben und mit dem Auftragsabbruch

drohen, wenn deren Analysten keine positive Prognosen bzw. Empfehlungen

über das Unternehmen abgeben.427 Eine Vielzahl von Studien unterstützt diese

Hypothese. Lin/McNichols (1998) finden z.B., dass die langfristigen Analysten-

schätzungen bei Unternehmen, die eine Geschäftsbeziehung zur Bank unterhal-

ten, signifikant positiver verzerrt sind, als bei solchen Unternehmen, die diese

Beziehungen nicht unterhalten.428 Dugar/Nathan (1995) zeigen diesen Zusam-

menhang auch bei Aktienempfehlungen.429 Ebenso zeigen Agrawal/Chen

(2007), dass der überhöhte Optimismus bei Aktienempfehlungen und Gewinn-

schätzungen vor allem in der Hausse-Phase der 1990er Jahre auftrat, die von ei-

425 Vgl. Pietzsch (2004), S. 41. 426 Vgl. Clarke et al. (2004) weisen z.B. nach dass beim Wechsel eines besonders renommierten Analysten

zu einer anderen Bank auch deren Deal-Flow, d.h. besonders die Anzahl der Eigen- und Fremdkapital-emissionen steigt.

427 Vgl. Pietzsch (2004), S. 56; Hong et al. (2003), S. 122; Ellis et al. (2003), S. 4. 428 Vgl. Lin/McNichols (1998), S. 115. 429 Vgl. Dugar/Nathan (1995), S. 154.


ner Vielzahl von Kapitalmarkttransaktionen gekennzeichnet war.430 Auch sie

bestätigen das Ergebnis von Lin/McNichols (1998), dass Analysten, deren Ar-

beitgeber Investmentbanking-Dienstleistungen anbieten, Schätzungen und Emp-

fehlungen besonders optimistisch abgeben.431 Der systematische Optimismus

kann auch im Verhalten bei Kapitalerhöhungen dokumentiert werden. Best et al.

(2003) zeigen, dass bei Unternehmen vor einer geplanten Kapitalerhöhungen die

langfristigen Gewinnschätzungen der Analysten signifikant ansteigen, während

nach der Kapitalerhöhung dieser Optimismus wieder abfällt.432 Best et al. (2003)

interpretieren dies als sog. „ Windows of Opportunity“ , in der das Unterneh-

mensmanagement und Analysten zusammenarbeiten, um die Emissionserlöse zu

maximieren.433 O’Brien et al. (2005) vergleichen die Tätigkeit von Analysten

unabhängiger Research-Agenturen und abhängigen Analysten. Sie finden eine

Tendenz der abhängigen Analysten, im Anschluss an Wertpapieremissionen

schneller und häufiger Kaufempfehlungen für die betreuten Unternehmen zu

veröffentlichen als unabhängige Analysten.434 Teilweise scheinen Analysten

auch soweit zu gehen, Unternehmen, die nicht mit der Bank verbunden sind, ab-

zuqualifizieren. Mola (2005) findet Hinweise darauf, dass Analysten von Ban-

ken, die für einen IPO verantwortlich sind, die vergleichbaren, schon am Markt

notierten Unternehmen herabstufen, um die eigene Emission am Markt zu unter-

stützen.435 Insgesamt scheinen damit positive Empfehlungen der Analysten für

die weiteren deal-getriebenen Dienstleistungen der Bank eine zentrale Rolle zu

spielen, indem sie als Instrument verwendet werden, bestehende Kunden von

Kapitalmarktgeschäften an die Bank zu binden und neue Kunden zu gewin-

nen.436

430 Vgl. Agrawal/Chen (2007), S. 1. 431 Vgl. Agrawal/Chen (2007), S. 24. 432 Vgl. Best et al. (2003), S. 155-157. 433 Vgl. auch Stanzel (2007), S. 136. 434 Vgl. O'Brien et al. (2005), S. 625. 435 Vgl. Mola (2005), S. 29 ff. 436 Vgl. Stanzel (2007), S. 138.


Deal-unabhängige Analysen werden i.d.R. nicht an die Investoren veräußert,

sondern dienen Mitarbeitern der Sales-Abteilung eher als Argumentationsgrund-

lage in Kundengesprächen.437 Die Analyseergebnisse werden dabei auf die indi-

viduelle Situation des Kunden abgestimmt, um in der Folge dem Kunden Kauf-

oder Verkaufsempfehlungen von Wertpapieren vorzuschlagen und von den an-

schließenden Wertpapiertransaktionen des Kunden und den damit verbundenen

Kommissionen zu profitieren.438 Hierbei können Analysten der Versuchung un-

terliegen, durch überzogene Über- oder Unterbewertungen von Unternehmen

Empfehlungen zu generieren, um so zusätzliche Provisionen und Gebühren für

die Bank zu generieren. Eine „ Halten“ -Empfehlung ist in diesem Sinne kontra-

produktiv, da sie auf keine gebührengenerierende Handlung des Kunden abzielt.

Im Vergleich von optimistischen und pessimistischen Gewinnschätzungen und

Aktienempfehlungen besitzen erstere ein deutlich höheres akquisitorisches Po-

tenzial für zukünftige Handelsumsätze, da die Möglichkeit von Leerverkäufen

für Investoren i.d.R. beschränkt ist.439 Jackson (2005) zeigt z.B., dass sehr opti-

mistische Analysten zudem sogar höhere Handelsumsätze generieren können als

Analysten mit höherer Reputation.440 Auch eine gesteigerte Frequenz der Revi-

sion der Schätzungen kann zu höheren Handelsvolumina und damit Gebühren

für die Bank führen.441 Ebenso zeigt Irvine (2001), dass allein die Beobachtung

eines Unternehmens durch einen Analysten der Bank das Handelsvolumen für

die Wertpapiere dieses Unternehmens über die Bank erhöht. Für Unternehmen,

die von keinem Analysten der Bank gecovert werden, ist das Handelsvolumen

dagegen deutlich geringer.442 Insgesamt verdeutlichen diese Studien, dass für die

Bank auch deal-unabhängige Analysen ein Instrument zur Generierung von Ge-

437 Zwischen Analyst und dem institutionellen Investor als Kunden steht i.d.R. noch eine Sales-Abteilung,

die für die Pflege der Kundenbeziehungen verantwortlich ist. 438 Vgl. Achleitner (2002), S. 669. 439 Vgl. Stanzel (2007), S. 139. 440 Vgl. Jackson (2005), S. 673. 441 Vgl. Ajinkya et al. (1991), S. 389. 442 Vgl. Irvine (20001), S. 224.


bühren darstellen. Dementsprechend wird auch die Qualität der Schätzungen von

der Bedeutung dieser Komponente abhängig sein.443

2) Investoren

Primäre Zielgruppe der im Aktien-Research erstellten Empfehlungen und Prog-

nosen sind institutionelle Investoren, die diese, neben anderen Informationen wie

Geschäftsberichtsanalysen oder persönlichen Gesprächen mit dem Management,

für ihre Anlageentscheidungen nutzen.444 Die Analystenprognosen sollen dabei

im Vergleich zu Geschäftsberichten zeitnähere und im Vergleich zu Aussagen

des Managements objektivere Informationen liefern.445 Institutionellen Investo-

ren kann grundsätzlich ein Interesse an präzisen, verzerrungsfreien und treffge-

nauen Prognosen unterstellt werden, da Fehlinformationen zu einer ineffizienten

Kapitalallokation oder zu einer schlechten Renditeentwicklung führen können.446

Aufgrund der von ihnen an die Bank entrichteten Kommissionen, können sie

Druck auf die Bank aufbauen, die Qualität der Schätzungen ihrer Analysten zu

verbessern. Ein größerer Einfluss auf die Tätigkeit des Analysten sollte sich da-

her in einer höheren Qualität der Schätzungen auswirken.

3) Analysiertes Unternehmen

Das Management des gecoverten Unternehmens stellt für den Analysten regel-

mäßig eine wichtige Informationsquelle dar.447 Durch gute Beziehungen zum

Management kann sich der Analyst den wichtigen Zugang zu umfassenden und

für die Bewertung relevanten Informationen sichern.448 Allerdings führen die di-

vergierenden Interessen zwischen Analyst und analysiertem Unternehmen für

443 Vgl. Stanzel (2007), S. 140. 444 Zur Abgrenzung von institutionellen Investoren vgl. Kapitel 2.2.4. Empirische Ergebnisse zeigen, dass

Manager von Aktienfonds primäre Informationsquellen, wie z.B. persönliche Gespräche mit dem Unter-nehmensmanagement oder Experten besonders häufig nutzen, wohingegen das das Aktien-Research le-diglich als Sekundärquelle genutzt wird. Vgl. Bassen (2002), S. 257 f.

445 Vgl. Hax (1998), S. 21. 446 Vgl. Hodgkinson (2001), S. 943. 447 Vgl. Hax (1998), S. 12-14; Claussen (2002), S. 311 f. Die Gespräche bieten ebenso die Möglichkeit zur

Einschätzung der Kompetenz und Glaubwürdigkeit des Managements. 448 Vgl. Stanzel (2007), S. 143.


den Analysten auch zu einer Dilemma-Situation.449 Aufgrund des Zugangs zu

hochwertigeren Informationen des Managements sind möglicherweise treffge-

nauere Gewinnschätzungen und Empfehlungen möglich, die letztlich die Reputa-

tion und Karriere des Analysten fördern. Das Unternehmen hat dagegen grund-

sätzlich Interesse an langfristig hohen Gewinn- und Aktienkursschätzungen, da

dies regelmäßig auch zu höheren Aktienmarktbewertungen und Vergütungen des

Managements führt.450 Veröffentlicht ein Analyst nun einen neutral-

ausgerichteten Research-Bericht ohne optimistische „ Färbung“ , kann dies dazu

führen, dass dem Analyst eine Informationssperre droht, in Form von fehlenden

Einladungen zu Analystenkonferenzen oder Ausschluss von privaten one-on-one

Gesprächen. Fraglich erscheint damit, wie der Analyst eine solche Dilemma-

Situation löst, d.h. welcher der beiden Einfüsse größer ist. Die Ergebnisse von

Hodgkinson (2001) und Lim (2001) deuten darauf hin, dass die Erhaltung des In-

formationszugangs und einer guten Beziehung zum Management des gecoverten

Unternehmens für Analysten wichtiger als treffgenaue Schätzungen ist. Sie fin-

den, dass Analysten mit Zugang zum Management nicht treffgenauere, sondern

stärker optimistisch verzerrte Schätzungen abgeben.451 Einen weiteren Hinweis

auf die Dominanz des Managements finden Mest/Plummer (2003). Sie überprü-

fen, ob Kennzahlen, die für das Unternehmensmanagement bedeutsamer sind –

hier Ergebnis je Aktie – stärker durch Optimismus beeinflusst werden als Kenn-

zahlen, die weniger wichtig sind – hier Umsatz je Aktie. Sie finden, dass die

wichtigere Kennzahl EPS von stärkerem Optimismus und daher tendenziell

durch stärkeren Einfluss des Unternehmensmanagement gekennzeichnet ist.452

Insgesamt scheint damit der Einfluss des Managements auf die Analystenschät-

zungen stärker zu sein, als der Anreiz für Analysten, treffgenaue Schätzungen

abzugeben.

449 Vgl. Hodgkinson (2001), S. 943; Das et al. (1998), S. 278; Hong/Kubik (2003) S. 319. 450 Vgl. Francis/Philbrick (1993), S. 216 f.; Darrough/Russel (2002), S. 127. 451 Vgl. Hodgkinson (2001), S. 943; Lim (2001), S. 369 f. 452 Vgl.Mest/Plummer (2003), S. 103-106.


Neben dem Interesse an positiven Aktienempfehlungen und hohen Ergebnis-

schätzungen für weiter in der Zukunft liegende Geschäftsjahre hat ein Unter-

nehmen regelmäßig auch Interesse an den Ergebnisschätzungen, die kurz vor

Bekanntgabe des tatsächlichen Ergebnisses für das jeweilige Geschäftsjahr ab-

gegeben werden. Diese Schätzungen werden zur Berechnung herangezogen, ob

ein Unternehmen die Schätzungen der Analysten übertroffen oder verfehlt hat.

Hierbei besteht kaum Zweifel über die Auswirkungen des Verfehlens der Ge-

winnschätzungen der Analysten auf den Aktienkurs eines Unternehmens. Kinney

et al. (2002) und Bartov et al. (2002) berichten z.B. über eine signifikante Redu-

zierung des Aktienkurses bei Verfehlen der Analystenschätzungen.453 Aufgrund

dieser regelmäßig sehr negativen Kapitalmarktreaktionen besteht für das Mana-

gement ein Anreiz, diese Unterschreitungen möglichst zu vermeiden.454 Wie an-

hand der Formel zur Berechnung des Schätzfehlers ersichtlich ist, kann dies ei-

nerseits durch Beeinflussung des tatsächlichen Ergebnisses oder andererseits

durch Beeinflussung der Analystenschätzungen geschehen. Die Beeinflussung

des tatsächlichen Ergebnisses unter Ausnutzung bilanzpolitischer Spielräume

wird regelmäßig als earnings management bezeichnet und ist in einer Vielzahl

von Studien dokumentiert worden.455 Die Beeinflussung der Analystenschätzun-

gen wird dagegen als expectations management oder earnings guidance be-

zeichnet, was hier im Vordergrund steht.

Zahlreiche Studien zeigen, dass das Management versucht, durch gezielte Be-

reitstellung von Informationen die Erwartungen und Schätzungen der Analysten

in die gewünschte Richtung zu lenken.456 Liegen beispielsweise die Schätzungen

der Analysten auf einem sehr hohen, für das Unternehmen nicht erreichbarem

Niveau, wird das Management versuchen, über die Abgabe von negativen Nach-

richten an die Analysten, möglichst unter Umgehung der restlichen Kapital-

453 Vgl. z.B. Bartov et al. (2002), S. 173 ff.; Barth et al. (1999), S. 387 ff.; Kinney et al. (2002). 454 Vgl. Stanzel (2007) 455 Vgl. z.B. DeGeorge et al. (1999), S. 1-4; Healy/Wahlen (1999), S. 368. 456 Vgl. Matsumoto (2002), S. 484.


marktteilnehmer, die Schätzungen zu senken.457 Gelingt dies, übertrifft das reali-

sierte Ergebnis zum Zeitpunkt der Ergebnisbekanntgabe die Analystenschätzun-

gen. Kommt es neben dieser rein informativen „ Hinleitung“ durch das Manage-

ment sogar zu einer aktiven Interaktion zwischen Management und Analysten

wird teilweise von einem earnings game458 oder numbers game459 gesprochen.

In diesem Fall wird eine Wechselwirkung zwischen Analysten und Management

vermutet, die zu der charakteristischen monotonen Reduzierung des Schätzfeh-

lers im Zeitablauf führt.460 So zeigen Richardson et al. (2004), dass die Ergeb-

nisschätzungen, die zu Anfang eines Geschäftjahres abgegeben werden deutlich

höher liegen und damit optimistischer ausfallen, als Schätzungen, die kurz vor

Ende des Geschäftsjahres abgegeben werden.461 Kurz vor der Veröffentlichung

des Ergebnisses weisen sie sogar einen leichten Pessimismus auf, so dass das tat-

sächliche Ergebnis zum Zeitpunkt der Bekanntgabe über den korrespondieren-

den Analystenschätzungen liegt und positiv überrascht. Damit wird erreicht, dass

das Management die Zielgröße der Analystenschätzungen noch überbieten kann

und somit eine negative Kursreaktion vermeidet.462 Schonfeld (1998) beschreibt

dieses Phänomen der systematisch angepassten Analystenschätzungen als „ a

game that corporate officers like to play with (… ) analysts, a ‚game of nods and

winks’ .“ 463

Insgesamt scheinen durch das earnings game sowohl Unternehmen als auch

Analysten zu profitieren. Mit optimistischen, langfristigen Schätzungen befriedi-

gen die Analysten den Bedarf des Managements an positiven Research-

Berichten. Mit den nach unten revidierten, kurzfristigen Schätzungen ermögli-

457 Vgl. Bartov et al. (2002), S. 174. 458 Vgl. z.B. Stanzel (2007), S. 153. 459 Vgl. Levitt (1998), S. 79-82. 460 Vgl. Richardson et al. (2004), S. 885-888. 461 Vgl. Richardson et al. (2004), S. 899 f. Dieser Zusammenhang kann allerdings auch durch die geringere

Schwierigkeit der Schätzung des zeitlich näher gelegenen Ereignisses resultieren. Den negativen Zu-sammenhang zwischen Prognosefehlern und -horizont bestätigen die Ergebnisse vieler Studien wie z.B. Duru/Reeb (2002); Jacob et al. (1999); Brown (2001).

462 Vgl. Brown/Caylor (2005), S. 423-427. 463 Schonfeld (1998), S. 267.


chen sie zudem dem Unternehmen das Übertreffen der Schätzungen und sichern

zusätzlich ihre eigene Reputation und die der Bank durch einen möglichst gerin-

gen Schätzfehler.464

4) Gesetzgeber

Zur Minderung der vorgestellten Spannungsverhältnisse zwischen Analyst und

Unternehmensmanagement bzw. Bank und damit auch zur Verbesserung der

Qualität der Schätzungen wurde in Deutschland eine Reihe von gesetzlichen

Verhaltensvorschriften erlassen.465 Für die Tätigkeit von Analysten sind dabei

insbesondere die Insiderregeln des Wertpapierhandelsgesetzes (WpHG) rele-

vant.466

Wesentlicher Bestandteil des im Jahr 1994 im Rahmen des zweiten Finanz-

marktförderungsgesetzes neu geschaffenen Wertpapierhandelsgesetzes ist das

Verbot von Insidergeschäften gem. §§12-20 WpHG.467 Hierbei ist in §14 Abs. 1

Nr. 2 WpHG die unbefugte Mitteilung oder Zugänglichmachung von Insiderin-

formationen468 kodifiziert. Ziel dieser Regulierungsmaßnahme war es, die

gleichmäßige Bereitstellung von kapitalmarktrelevanten Informationen für alle

Kapitalmarktteilnehmer zu gewährleisten469 Damit sollte insbesondere die vor

dieser Regulierung gängige Weitergabe von Informationen durch das Manage-

ment an ausgewählte Investoren oder Analysten vor einer öffentlichen Bekannt-

gabe verhindert werden.470 Bezogen auf die hier untersuchten Analystenschät-

zungen könnte nun vermutet werden, dass als Folge dieses Verbots die Unsi-

cherheit der Analysten gestiegen ist, da das Management als eine der wichtigsten

Informationsquellen „ versiegt“ ist. In Deutschland existieren bislang keine Stu-

dien, die diesen Sachverhalt untersucht. Aufschluss darüber können verschiedene 464 Vgl. Stanzel (2007), S. 154. 465 Vgl. Pietzsch (2004), S. 73. 466 Vgl. Henze (2004), S. 25. 467 Vgl. Fülbier (1998), S. 39. 468 Zum Begriff der Insiderinformation vgl. Abschnitt 2.2.3. 469 Vgl. Beck (2004), Rd. 2. 470 Vgl. Beck (2004), Rd. 3-4; Henze (2004), S. 25 f.; Stanzel (2007), S. 198.


Studien aus den USA geben, die die Wirkung der vergleichbaren Regulation

Fair Disclosure (Regulation FD) untersucht haben. In den USA wurde die Pra-

xis der selektiven Weitergabe von internen Informationen an ausgewählte Ana-

lysten oder Investoren durch die Regulation FD im Jahr 2000 untersagt.471 Vor

Erlass der Regulation FD war diese Weitergabe auch hier gängige Praxis.472

Heflin et al. (2003) und Shane et al. (2001) finden nach Einführung der Regula-

tion FD allerdings keine signifikante Veränderung des Prognosefehlers oder der

Streuung der Prognosen. Sie erklären dies mit zwei Reaktionsschemata auf die

Regulation FD: Zum einen ersetzt das Management die fehlende Möglichkeit der

Verbreitung privater Information durch eine verstärkte Publikation von freiwilli-

gen, zukunftsgerichteten Informationen. Zum anderen versuchen auch Analysten

das Informationsdefizit durch andere Quellen auszugleichen.473 Die Ergebnisse

von zwei aktuelleren Studien bestätigen diese Interpretation allerdings nicht.

Agrawal et al. (2006) finden, dass sowohl die Konsensus- als auch Einzelschät-

zungen von Analysten nach der Regulation FD weniger treffgenau geworden

sind und eine größere Streuung aufweisen. Auch Findlay/Matthew (2006) bestä-

tigen den negativen Einfluss der Regulation FD auf die Treffgenauigkeit. Insge-

samt ist damit unklar, wie das gesetzliche Verbot der Weitergabe von Insiderin-

formationen die Analystenschätzungen beeinflusst hat.

5) Fachpresse

Da bei längeren Wertpapieranalysen i.d.R. der Name des covernden Analysten

auf dem Bericht angegeben wird, ist eine individuelle Zuordnung von Schätzun-

gen oder Empfehlungen zu bestimmten Analysten möglich.474 Diese einzelne

Zuordnung ermöglicht es der Fachpresse, wie z.B. dem Wall Street Journal in

den USA oder dem Manager Magazin in Deutschland, eine personenbezogene

Performancebeurteilung der Analysten und ein darauf aufbauendes Reputations-

471 Vgl. eine ausführliche Darstellung der Effekte der Regulation FD vgl. Stanko (2001). 472 Vgl. Hutton (2005), S. 871. 473 Vgl. Heflin et al. (2003), S. 1-3. 474 Die Schätzungen von einzelnen Finanzanalysten werden z.B. auch durch Datenbankanbieter wie I/B/E/S

gesammelt. Vgl. Thomson Financial (2003).


ranking zu erstellen.475 Hierbei wird insbesondere die relative Prognosegenauig-

keit der Gewinnschätzungen gegenüber anderen Analysten beleuchtet, um damit

auf die Qualität des Analysten schließen zu können.476 Ein höheres Ranking

kann für Analysten mit einer Steigerung ihres aktuellen Einkommens sowie ei-

ner Verbesserung der zukünftigen Karrierechancen verbunden sein. Hong/Kubik

(2001) stellen z.B. fest, dass Analysten mit geringeren Prognosefehlern mit hö-

herer Wahrscheinlichkeit befördert werden.477 Stickel (1992) findet einen positi-

ven Zusammenhang zwischen der Treffgenauigkeit eines Analysten und seiner

Reputation.478 Dementsprechend werden Analysten i.d.R. ein Interesse daran ha-

ben, treffgenaue Prognosen abzugeben, um möglichst hoch in den Rankings

platziert zu sein und so ihre weiteren Karrierechancen zu maximieren.

Insgesamt zeigt sich, dass Analysten in einem komplexen Umfeld tätig sind und

vielfältige, teilweise gegenläufige Interessen der Einflussgruppen berücksichti-

gen müssen. Neben diesen – tendenziell externen – Einflüssen zeigt eine Viel-

zahl empirischer Studien, dass auch eher interne, psychologische Faktoren, wie

beispielsweise die beschränkte Verarbeitungskapazität, zu einer geringen Quali-

tät der Schätzungen führen können.479 Sowohl interne als auch externe Faktoren

widersprechen allerdings dem Leitbild der traditionellen Kapitalmarkttheorie,

welches 1) vollständige Information und 2) vollständige Rationalität der Kapi-

talmarktteilnehmer unterstellt. Unter diesen Annahmen existieren weder Fehler

noch eine Streuung von Analystenschätzungen. Es stellt sich damit folgende

Frage:

475 Vgl. Löffler/Weber (1997), S. 18; Moerschen (17.2.2001), S. 47. 476 Ebenso erstellt das Wall Street Journal eine Beurteilung anhand der auf Basis der Empfehlungen erziel-

ten ein-jährigen Renditen. Vgl. Desai et al. (2000), S. 21. 477 Vgl Hong et al. (2003), S. 313-315. 478 Vgl. Stickel (1992). 479 Zur beschränkten Verarbeitungskapazität vgl. Kapitel 3.3.2.2.

Warum kann es überhaupt zu Schätzfehlern und einer Streuung der Schät-zungen kommen?


Um diese Frage zu beantworten, wird im Folgenden die traditionelle Kapital-

markttheorie als Referenzmodell vorgestellt. Im Anschluss werden die beiden

genannten Annahmen sequentiell aufgehoben, um damit zu einem realitätsnähe-

ren Modell zu gelangen und die Existenz von Fehlern und der Streuung von

Analystenschätzungen zu erklären.


3.3.1 Traditionelle neoklassische Kapitalmarkttheorie

Ausgangspunkt der theoretischen Grundlagen bildet die traditionelle neoklassi-

sche Kapitalmarkttheorie, die von der Annahme vollkommener Märkte aus-

geht.480 Nach herrschender Meinung impliziert ein vollkommener Markt 1) ein

streng rationales Verhalten der Wirtschaftsubjekte und 2) die vollständige

Markttransparenz durch vollkommene und kostenlose Information aller

Markteilnehmer.481 Bezogen auf Informationsintermediäre wie Finanzanalysten

bestünde unter solchen Annahmen kein Bedarf an ihren Diensten, da sämtliche

Informationen frei verfügbar wären und optimal verwertet werden könnten. Un-

terstellt, es würde dennoch eine Nachfrage nach deren Schätzungen bestehen,

würden diese bedingt durch vollkommene Information und Rationalität stets

identisch abgegeben, die Streuung von Analystenschätzungen wäre gleich null.

Wird der Auffassung von Hicks und Morgenstern gefolgt und vollständige In-

formation auch als vollständige Voraussicht über zukünftige Ereignisse definiert,

wäre auch der hier untersuchte Schätzfehler gleich null.482

3.3.2 Einschränkungen der neoklassischen Kapitalmarkttheorie

3.3.2.1 Unsicherheit

Die Annahmen der neoklassischen Kapitalmarkttheorie sind in der Praxis regel-

mäßig nicht erfüllt. Der individuelle Informationsstand der Marktteilnehmer ist

480 Vgl. im Folgenden vor allem Fülbier (1998), S. 115 ff. 481 Vgl. zur Annahme der strengen Rationalität Williamson (1985), S. 44-47 und Fülbier (1998), S. 115. In

der traditionellen Neoklassik wird hinsichtlich des Informationsstandes der Marktteilnehmer nicht zwi-schen Übersicht über aktuelle Informationen und Voraussicht bzgl. zukünftiger Informationen unter-schieden.

482 Vgl. Hicks (1933), S. 445; Morgenstern (1935), S. 338-339; Brandes (1985); Kunz (1985), S. 32.


unvollkommen, da Informationen nur unvollständig vorliegen und eine kosten-

freie und sofortige Verfügbarkeit von Informationen meist nicht gegeben ist.483

Die neoklassische Informationsökonomik versucht nun, die Realität adäquater

abzubilden, indem von unvollkommener Information der Marktteilnehmer aus-

gegangen wird. Dies führt dazu, dass diese ihre Entscheidungen unter Unsicher-

heit treffen müssen. Situationen unter Unsicherheit können in Risiko- und Un-

gewissheitssituationen unterschieden werden. In Risikosituationen ist die Anzahl

der möglichen Umweltzustände bekannt und lediglich die Eintrittswahrschein-

lichkeiten der Umweltzustände sind unsicher. In Ungewissheitssituationen ist

dagegen auch die Anzahl der möglichen Umweltzustände nicht bekannt. Bezo-

gen auf die hier im Vordergrund stehenden Ergebnisschätzungen kann davon

ausgegangen werden, dass Analysten grundsätzlich weder ein Spektrum aller

möglichen Gewinnausprägungen aufbauen, noch über vollständige Informatio-

nen hinsichtlich der Eintrittswahrscheinlichkeiten verfügen. Es besteht somit ei-

ne Ungewissheitssituation unter den Analysten, die zu Fehlern und der Streuung

von Schätzungen führen kann.

Da der Informationsstand in der Informationsökonomik nicht exogen vorgege-

ben, sondern als endogene, vom Marktteilnehmer beeinflussbare Größe definiert

ist, können die Marktteilnehmer nun versuchen, die Unsicherheit zu reduzieren,

indem Informationsaktivitäten, wie die Suche und Weitergabe von Informatio-

nen, initiiert werden.484 Informationen können dabei definiert werden als

„ zweckorientiertes Wissen“ 485, wobei der Zweck der Information die Verbesse-

rung der Entscheidungsgrundlage ist. Von einer Verbesserung kann nach Hirsh-

leifer (1973) dann gesprochen werden, wenn die Information geeignet ist, die

subjektive Einschätzung der Wahrscheinlichkeiten einer festgelegten Anzahl von

möglichen Umweltzuständen zu verändern.486 Die Information muss dement-

sprechend dafür sorgen, dass die vom Entscheider geschätzte a-priori-

483 Vgl. im Folgenden Fülbier (1998), S. 118. 484 Vgl. Hopf (1983), S. 20-21; Wesseling (1991), S. 83-84; Fülbier (1998), S. 118. 485 Vgl. Wittmann (1959), S. 14; Pellens (1989), S. 33. 486 Vgl. Hirshleifer (1973), S. 31 f.


Wahrscheinlichkeitsverteilung eines Ereignisses in eine verbesserte a-posteriori-

Wahrscheinlichkeitsverteilung umgewandelt wird.487 Diese Definition berück-

sichtigt allerdings lediglich Risikosituationen und vernachlässigt das Potenzial

einer Information, auch die Menge aller möglichen Umweltzustände zu verän-

dern.488 Unter Einbeziehung unvollständiger Entscheidungsmodelle, in denen die

Menge der möglichen Umweltzustände nicht vollständig bekannt ist, kann durch

Information die a-priori geschätzte Anzahl der möglichen Umweltzustände über

zukünftige Ereignisse sowohl vergrößert als auch verkleinert werden.489 Bezogen

auf die Ungewissheitssituation von Analysten kann dementsprechend eine neue,

extrem positive oder negative Information das Spektrum möglicher Ergebnisse

erweitern und damit die Unsicherheit der Analysten erhöhen. Damit verbunden

wäre c.p. auch eine zumindest temporär erhöhte Streuung der Analystenprogno-

sen nach Erhalt einer Information. Grundsätzlich sollte eine neue Information

sowohl zu einer Reduzierung der Anzahl der möglichen Umweltzustände als

auch einer verbesserten a-posteriori-Wahrscheinlichkeitsverteilung führen.490

Insgesamt kann festgehalten werden, dass es aufgrund von Unsicherheit der

Analysten zu Abweichungen vom theoretischen Ideal einer Fehler- und Streu-

ungsfreiheit der Analystenschätzungen kommen kann. Neu hinzukommende In-

formationen, wie z.B. durch Managementprognosen, sind allerdings nicht per se

unsicherheitsreduzierend, sondern können die Unsicherheit der Analysten auch

erhöhen.

3.3.2.2 Beschränkte Rationalität

Die bisherige Argumentation unterstellt eine sofortige und korrekte Verarbeitung

von Informationen durch die Marktteilnehmer. Notwendige Anpassungsprozes-

se, wie z.B. die rationale Evaluation der Information, sind annahmegemäß per-

487 Vgl. Fülbier (1998), S. 120. 488 Vgl. Hirshleifer (1973), S. 31; Fülbier (1998), S. 109. 489 Vgl. Wesseling (1991), S. 19-20. 490 Vgl. Marschak/Radner (1972), S. 65-67.


fekt.491 Die Erkenntnis, dass die Informationsaufnahme- und verarbeitungskapa-

zität begrenzt sind, bildet den Ansatzpunkt der Forschung zur sog. behavioral fi-

nance, die u.a. das Ziel verfolgt, das Verhalten von Kapitalmarktteilnehmern rea-

litätsnäher zu beschreiben, zu erklären und vorherzusagen.492 Hierbei wird die

Annahme der vollständigen Rationalität zugunsten einer begrenzten Rationalität

(bounded rationality) der Marktteilnehmer aufgegeben.493 Ein begrenzt rationa-

les Individuum wird zwar weiterhin versuchen, den eigenen Nutzen zu maximie-

ren, jedoch ist der unbegrenzte Erwerb von Wissen aufgrund der begrenzten

kognitiven Fähigkeiten schwer bzw. unmöglich.494 Es ist daher gezwungen, im

Rahmen seiner eingeschränkten kognitiven Aufnahme- und Verarbeitungskapa-

zitäten in Entscheidungssituationen eine Informationsauswahl zu betreiben, um

die Komplexität der Sachverhalte unter Unsicherheit zu reduzieren. Zu dieser

Komplexitätsreduktion dienen Faustregeln, sog. Heuristiken495, die es ermögli-

chen, Informationen möglichst einfach und schnell in den Entscheidungskontext

einzubinden. Beispielsweise zeigen Studien, dass Individuen kognitiv leicht zu-

gängliche Informationen bei ihrer Entscheidung stärker gewichten als weniger

leicht zugängliche Informationen (sog. Verfügbarkeitsheuristik).496 Diese Ineffi-

zienzen bei der Verarbeitung von verfügbarer Information können dazu führen,

dass neue Informationen, welche die Unsicherheit einer Entscheidung reduzieren

könnten, von den Individuen nicht oder nicht korrekt aufgenommen werden. Be-

zogen auf Analystenprognosen zeigen verschiedene Studien, dass auch Analys-

ten „ nur Menschen“ sind und i.d.R. beschränkt-rational handeln. Diese be-

schränkte Rationalität kann sich in verschiedenen Verhaltensweisen äußern. In

der klassischen Studie von De Bondt/Thaler (1990) weisen die Autoren eine

491 Vgl. Fülbier (1998), S. 156. 492 Vgl. Barber/Odean (1999), S. 41; Goldberg/von Nitzsch (2004), S. 26. 493 Vgl. Simon (1957), S. 196-297; Fülbier (1998), S. 123. 494 Vgl. zur individuellen Rationalität Richter/Furubotn (1996), S. 3-5. 495 Heuristika sind Mechanismen der Informationsverarbeitung, die mit geringem Aufwand zu einem

schnellen, aber nicht garantiert optimalem Ergebnis kommen. Heuristiken werden insbesondere dann angewendet, wenn sehr wenig Zeit oder Informationen zur Verfügung steht. Vgl. grundlegend Tversky/Kahneman (1982), S. 3 ff.

496 Vgl. für weitere Beispiele und Heuristiken Goldberg/von Nitzsch (2004) sowie grundlegend von De Bondt/Thaler (1990).


Überreaktion von Analysten nach. Analysten schätzen dabei den zukünftigen

Gewinn je Aktie von verschiedenen Unternehmen systematisch zu hoch ein; die

tatsächlichen Änderungen des Gewinns pro Aktie betragen lediglich ca. 65 %

der geschätzten Änderungen.497 Hunter/Coggin (1988) bestätigen das Prinzip der

selektiven Wahrnehmung von Informationen. Sie finden, dass Analysten aus ei-

ner großen Zahl von Daten und Nachrichten lediglich diejenigen herausfiltern,

die im Einklang mit ihren bisherigen Schätzungen stehen.498 Die Ergebnisse von

Hilary/Menzly (2006) deuten auf eine Überschätzung der eigenen Fähigkeiten

(overconfidence) bei Analysten hin. Gelingt einem Analysten eine kurze Abfolge

relativ genauer Schätzungen, weicht ein Analyst in der Folge mit höherer Wahr-

scheinlichkeit von der Konsensusschätzung ab. Hilary/Menzly (2006) interpretie-

ren dies in der Weise, dass Analysten durch die kurze Erfolgsserie ihr Selbstbe-

wusstsein steigern konnten, was dazu führt, dass sie ihren eigenen Schätzungen

mehr vertrauen als der Meinung der anderen Analysten.499

Insgesamt zeigen die dokumentierten Ergebnisse, dass die Aufhebung der An-

nahmen der klassischen Kapitalmarkttheorie das Auftreten von Schätzfehlern

und einer Streuung der Analystenschätzungen erklären kann. Insbesondere aus

den Ergebnissen der behavioral finance kann die Erkenntnis gezogen werden,

dass selbst bei einer hohen Qualität der Finanzberichterstattung eines Unterneh-

mens eine geringe Qualität der Schätzungen auch mit den beschränkten kogniti-

ven Fähigkeiten der Analysten begründet werden kann. In Deutschland beschäf-

tigen sich insbesondere die Arbeiten von Stotz/von Nitzsch (2005), Goldberg/von

Nitzsch (2004) und teilweise auch Henze (2004) mit kognitiven Einflussfaktoren

von Analystenschätzungen.500 Da im Rahmen dieser Arbeit die Untersuchung

des Einflusses der Finanzberichterstattung eines Unternehmens im Vordergrund

steht, wird eine Analyse der beschränkten Rationalität nicht weiter verfolgt. Zur

Vorbereitung der eigenen empirischen Analyse werden im nächsten Kapitel da-

497 Vgl. De Bondt/Thaler (1990), S. 53-56. 498 Vgl. Hunter/Coggin (1988), S. 284. 499 Vgl. Hilary/Menzly (2000), S. 489-492. 500 Vgl. Stotz/von Nitzsch (2005); Goldberg/von Nitzsch (2004); Henze (2004).


her die wichtigsten Studien zum Einfluss der Finanzberichterstattung auf die

Qualität der Schätzungen dargestellt.




Warum sind Analystenschätzungen unsicher und machen Fehler?


Fragestellung

3.6

3.4

3.3


Zwischenfazit

Literaturüberblick



Kapitel




Warum sind Analystenschätzungen unsicher und machen Fehler?


Fragestellung

3.6

3.4

3.3


Zwischenfazit

Literaturüberblick



Kapitel

Analystenschätzungen

Abbildung 9: Struktur des dritten Kapitels – Literaturüberblick


Im Rahmen der empirischen Untersuchung in Abschnitt 3.5 wird eine hohe

Schätzqualität definiert als Konsensusschätzung mit geringer Streuung und ge-

ringem Schätzfehler. Als Indikatoren der Qualität der Finanzberichterstattung ei-

nes Unternehmens werden die drei Stellvertretervariablen, 1) Qualität der Inves-

tor Relations, 2) Qualität des Geschäftsberichts sowie 3) Präzision der Manage-

mentprognosen untersucht. Der zu untersuchende funktionale Zusammenhang

lautet damit wie folgt:

Qualität der Schätzung = f (Qualität der Investor Relations, Qualität des Geschäftsberichts, Prognosepräzision)

Der nun folgende Literaturüberblick soll eine Übersicht über die bisherigen Stu-

dien zu diesem Zusammenhang geben. Abbildung 10 gibt eine Übersicht über

die Strukturierung des folgenden Literaturüberblicks:


Qualität der Analystenschätzung

Anzahl der Analysten

Volatilität der Gewinne

Anzahl der Unternehmenssegmente

Bestehen eines Verlustes

Kap. 3.4.2.2

Kap. 3.4.2.4

Kap. 3.4.2.3

Kap. 3.4.2.5


Qualität der Investor Relations

Kap. 3.4.1.1

Kap. 3.4.1.2

Qualität des Geschäftsberichts

Kap. 3.4.1.3

UnternehmensgrößeKap.

3.4.2.1

Variablen der Qualität der Finanzberichterstattung Kontrollvariablen

Abbildung 10: Literaturüberblick Kapitel 3

3.4.1 Variablen der Qualität der Finanzberichterstattung

3.4.1.1 Qualität der Investor Relations

Bevor auf die bisherigen Studien zum Zusammenhang zwischen der IR-Arbeit

und der Qualität der Analystenschätzungen eingegangen wird, muss zunächst der

Begriff „ Investor Relations“ definiert und abgegrenzt werden. In der Praxis ist

die IR-Abteilung eines Unternehmens regelmäßig für die Bereitstellung einer

Vielzahl von freiwilligen und verpflichtend abzugebenden Informationen ver-

antwortlich, wie z.B. die Veröffentlichung von Pressemitteilungen und Ad-hoc-

Mitteilungen oder die Veranstaltung von Roadshows und Analystenkonferen-

zen.501 Eine allgemein anerkannte theoretische Abgrenzung des Begriffs ist in

der Literatur allerdings noch nicht erfolgt. Während die US-amerikanische Lite-

ratur die IR-Arbeit auf Maßnahmen der freiwilligen Publizität beschränkt,502

herrscht in der deutschen Literatur Uneinigkeit. Allendorf (1996) fordert z.B. ei-

ne klare Trennlinie zwischen Pflicht- und freiwilliger Publizität, wobei er letztere

als Investor Relations definiert.503 Er begründet dies damit, dass die Pflichtpubli-

zität prinzipiell von allen Unternehmen zu erfüllen ist und sich daher eine Be-

schränkung der IR-Arbeit auf Maßnahmen der freiwilligen Kommunikation an-

501 Vgl. Wichels (2002), S. 18. 502 Vgl. Lang/Lundholm (1996), S. 473. 503 Vgl. Allendorf (1996), S. 9.


bietet.504 Diese Differenzierung verkennt allerdings, dass auch im Rahmen der

Pflichtpublizität Spielräume zur freiwilligen Abgabe von Informationen bleiben.

Beispielsweise ist innerhalb des Geschäftsberichts neben obligatorischen Ele-

menten wie Bilanz, GuV oder Anhang noch zusätzlicher Freiraum für ergänzen-

de Informationen.505 Auch die deskriptive Erläuterung einzelner Positionen der

GuV oder der Bilanz bietet Möglichkeiten, den Adressaten freiwillig mehr In-

formationen offen zu legen. Insgesamt erscheint eine Trennung von verpflich-

tender und freiwilliger Publizität nur schwer möglich. Daher werden unter den

Begriff der Investor Relations regelmäßig sämtliche freiwillig und gesetzlich

vorgeschriebenen Kommunikationsmaßnahmen subsumiert.506 Achleitner et

al. (2001) definieren den Begriff der IR im weiteren Sinne als „ die Offenlegung

börsenkursrelevanter Informationen und deren Verbreitung in der Financial

Community.“ 507 Im Folgenden wird der weiten Definition von Achleitner et

al. (2001) gefolgt. Somit werden dem Begriff der Investor Relations sowohl

Maßnahmen der freiwilligen wie auch der gesetzlich verpflichtenden Publizität

zugeordnet.

Das oberste Ziel der IR-Aktivitäten ist in Übereinstimmung mit dem obersten

Ziel des Unternehmens die Steigerung des Unternehmenswertes.508 Aus diesem

aggregierten Ziel werden regelmäßig verschiedene quantitative und qualitative

Unterziele gebildet.509 Hierunter fallen z.B. die Reduzierung von Informations-

asymmetrien zwischen Unternehmen und Investoren, die Erhöhung des Be-

kanntheitsgrades, die Steigerung der Analystenbeobachtung, die Verringerung

der Aktienkursvolatilität oder die Verringerung der Eigenkapitalkosten.510 Er-

reicht werden sollen diese Ziele insbesondere durch die Weitergabe von Infor-

mationen an den Kapitalmarkt. Nach der obigen weiten Definition und in Anleh- 504 Vgl. Pietzsch (2004), S. 18. 505 Vgl. Wenzler (1994), S. 22 f. 506 Vgl. Pietzsch (2004), S. 19. 507 Achleitner (2001), S. 5. Für weitere Definitionen vgl. Pietzsch (2004), S. 18. 508 Vgl. Drill (1995), S. 57. 509 Vgl. Sieben (2003), S. 343. 510 Vgl. Pietzsch (2004), S. 21; Zacharias (1998), S. 158; Ridder (2006), S. 18.


nung an Drill (1995) können die Informationsinstrumente der IR-Arbeit in ver-

pflichtende und freiwillige sowie persönliche und unpersönliche Publizitätsmaß-

nahmen unterteilt werden.511 Tabelle 8 gibt einen beispielhaften Überblick über

die wichtigsten Instrumente der IR-Arbeit:

Unpersönlich PersönlichPflicht - Geschäftsbericht

- Zwischenbericht- Emissionsprospekt- Ad-hoc-Publizität

- Hauptversammlung- Analystenkonferenzen

Freiwillig - Investorenhandbuch- Homepage- Pressemitteilungen- Unternehmensbroschüren

- Presse- und Telefonkonferenzen- Roadshows- Aktionärsmessen- Betriebsbesichtigungen

Tabelle 8: Wesentliche IR-Instrumente512

Neben der reinen Weitergabe von Informationen wird in der Literatur zur Inves-

tor-Relations-Arbeit stets auch die Bedeutung der Glaubwürdigkeit der Informa-

tionen betont. Die von der DVFA und dem Deutschen Investor Relations Ver-

band (DIRK) erarbeiteten „ Grundsätze effektiver Finanzkommunikation“ , for-

mulieren z.B. dazu als übergeordnetes Ziel der IR-Arbeit die Schaffung von

Glaubwürdigkeit, denn „ effektive Finanzkommunikation beruht auf der Glaub-

würdigkeit des Managements von Unternehmen und glaubwürdig vorgetragener

Kommunikation.“ 513 Die DVFA untergliedert dieses übergeordnete Ziel in die

drei Zwischenziele Zielgruppenorientierung, Transparenz und Kontinuität.514

Unter Zielgruppenorientierung wird insbesondere die Fokussierung des Unter-

nehmens auf die Interessen der Finanzanalysten und die direkte Ansprache durch

das Top-Management verstanden. Transparenz der Informationsübermittlung

kann erreicht werden, indem ein Unternehmen lediglich die wesentlichen Infor-

mationen kommuniziert. Die Informationen sollen zudem nachvollziehbar und in

der notwendigen Tiefe erläutert werden. Kontinuität wird erreicht, indem das

Unternehmen stets aktuelle und mit den Vorjahren vergleichbare Zahlen präsen-

tiert. Insgesamt stellen die Grundsätze einen von Analysten und IR-Managern

511 Vgl. Drill (1995), S. 60. 512 Vgl. Achleitner et al. (2001) S. 20; Pietzsch (2004), S. 19. 513 DVFA (2007), S. 2. 514 Vgl. im Weiteren DVFA (2007), S. 1-20.


erarbeiteten Leitfaden für die IR-Abteilungen von Unternehmen dar. In Bezug

auf diese Arbeit kann daher erwartet werden, dass ein Unternehmen, das diese

Anforderungen besser erfüllt, vom Kapitalmarkt – und insbesondere von den

Analysten – auch als glaubwürdiger eingeschätzt wird. Eine höhere Glaubwür-

digkeit sollte demnach c.p. zu einer verbesserten Entscheidungsgrundlage der

Analysten führen und damit auch zur Reduzierung der Schätzunsicherheit.515 Die

Hypothese lautet daher wie folgt:

Hypothese 1.1: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Qualität der Investor Relations und dem Fehler und der Streuung der Analystenschätzungen.

Zur Messung der Qualität der Investor Relations werden in den USA seit langem

Analystenbefragungen durchgeführt.516 Hierbei wird u.a. beurteilt, wie bereitwil-

lig und kompetent das Management Fragen der Analysten beantwortet, Auskunft

über die zukünftige Entwicklung gibt oder wie häufig es Analystenpräsentatio-

nen veranstaltet.517 Eine höhere Bewertung in diesen Befragungen wird gleich-

gesetzt mit einer höheren IR-Qualität.518 Zum empirischen Zusammenhang zwi-

schen der IR-Qualität und Eigenschaften der Analystenschätzungen zeigen

Lang/Lundholm (1996), dass erwartungsgemäß ein positiver Zusammenhang

zwischen der Beurteilung der IR-Qualität durch die Analysten und der Treffge-

nauigkeit der Schätzungen sowie ein negativer Zusammenhang zwischen der IR-

Qualität und der Streuung vorliegen.519 Zur Messung der IR-Qualität in Deutsch-

land wird seit 1997 eine Analystenbefragung als Wettbewerb „ Capital Investor

Relations Preis“ durch die DVFA und die Zeitschrift Capital durchgeführt. Da

das Ergebnis dieser Befragung die von der DVFA und dem DIRK aufgestellten

515 Vgl. z.B. Lang/Lundholm (1996), S. 470. 516 In den USA wurden die Befragungen in der Vergangenheit u.a. von der Financial Analysts Federation

(FAF) organisiert. 517 Vgl. Lang/Lundholm (1996), S. 473. 518 Denkbar ist ebenfalls, dass die IR-Arbeit zwar objektiv sehr gut ist, die Analysten aber aus anderen

Gründen in Befragungsstudien das Unternehmen schlecht beurteilen. In diesem Fall wäre das Befra-gungsergebnis kein valider Indikator der IR-Arbeit.

519 Vgl. zu ähnlichen Ergebnissen Agrawal et al. (2006); Farragher/Kleiman (1994), S. 411 f.


Kriterien widerspiegelt und deshalb im Rahmen dieser Arbeit als Stellvertreter

der IR-Qualität verwendet wird, soll sie hier näher betrachtet werden.

In den Jahren 1997 bis 1999 wurde die Befragungsstudie von der Zeitschrift Ca-

pital und der DVFA durchgeführt.520 Sie beinhaltete neben einer Befragung der

Analysten zur IR-Qualität auch eine Bewertung des Informationsgehalts des Ge-

schäftsberichts sowie der Präsentationsqualität des Geschäftsberichts.521 Seit

dem Jahr 2000 wird das Ergebnis der Analystenbefragung zur IR-Qualität, die

Kategorie „ Analystenurteil“ , als eigenständiger Wettbewerb „ Capital Investor

Relations Preis“ durch die Zeitschrift Capital durchgeführt und die Ergebnisse

separat veröffentlicht. Tabelle 9 gibt das Jahr der Befragung, die Fundstelle, die

wissenschaftlicher Leitung (Jury), die Kriterien der Untersuchung, die Anzahl

der untersuchten Unternehmen sowie die Maximalpunktzahl in der Untersu-

chung zur Qualität der IR wider.

520 In Anhang 4 werden der Stichtag der Datensauswahl, die betrachteten Indizes sowie die Anzahl der ein-

bezogenen Unternehmen dargestellt. 521 Vgl. z.B. O.V. (1999), S. 58 f. Die Erläuterung zur Bewertung des Informationsgehalts des Geschäftsbe-

richts erfolgt in Abschnitt 3.4.1.2. In der hier nicht relevanten Unterkategorie „ Präsentationsqualität“ un-tersucht ein Team von Public Relations-Experten die Darstellungen innerhalb des Geschäftsberichts. Beurteilt wird beispielsweise die Optik von Grafiken, die Papierqualität oder der leserfreundliche Auf-bau von Tabellen.


Jahr Quelle Jury Kriterien Unt. Ergebnis1997 Capital, 10/1997, S. 60-100 Prof. Küting

Public-Relations-ExpertenProf. Loistl

InformationsqualitätPräsentationsqualitätAnalystenurteil

200 0-4000-3400-300

1998 Capital 9/1998, S. 38-79 Prof. KütingPublic-Relations-ExpertenProf. Loistl


201 0-3000-2000-500

1999 Capital 10/1999, S. 40-74 Prof. KütingPublic-Relations-ExpertenProf. Loistl


202 0-3000-2000-500

2000 Capital 21/2000, S. 78-96 Prof. Loistl Analystenurteil 237 0-5002001 Capital 19/2001, S. 41-59 Prof. Loistl Analystenurteil 237 0-5002002 Capital 19/2002, S. 34-53 Prof. Loistl Analystenurteil 238 0-5002003 Capital 15/2003, S. 30-40 Prof. Loistl Analystenurteil 198 0-5002004 Capital 15/2004, S. 50-60 Prof. Loistl Analystenurteil 198 0-5002005 Capital 15/2005, S. 32-39 Prof. Loistl Analystenurteil 197 0-5002006 Capital 14/2006, S. 41-53 Prof. Bassen Analystenurteil 196 0-500 Tabelle 9: Zusammenfassung der Analystenbefragungen zur Qualität der Investor

Relations

Die Punktzahl der hier relevanten Kategorie „ Analystenurteil“ wird aufbauend

auf einem von der DVFA erstellten Fragebogen erhoben, der vier Fragen zu den

oben erläuterten Dimensionen Zielgruppenorientierung, Transparenz und Konti-

nuität enthält. Tabelle 10 zeigt den Fragebogen für das Jahr 2007.522 Die Analys-

ten beurteilen hierbei, ob

• ein Unternehmen proaktiv auf Investoren und Analysten zugeht und

Informationen bereitstellt,

• alle relevanten Informationen in adäquater Form und Häufigkeit ange-

boten werden,

• alle bereitgestellten Berichte eine gewisse Kontinuität besitzen und ak-

tuell sind sowie über die notwendige Präzision verfügen, sowie

• ob auch nicht-finanzielle Informationen wie zu den Themen Corporate

Governance, immaterielle Vermögenswerte oder soziales Engagement

berichtet werden.

522 Vgl. auch http://www.dvfa.de (Stand 10.10.2007). Die einzelnen Komponenten der Befragung blieben

dabei zwischen 1997 und 2006 weitgehend gleich, so dass eine Vergleichbarkeit der Ergebnisse über die Zeit unterstellt werden kann. Lediglich das Kriterium „ Extra Financial Reporting“ wurde 2006 zum ers-ten Mal in die Befragung einbezogen.


Targetgroup OrientationBoard and IRO provide information to institutional investors and financial analysts proactively

Wertung

CEO / IR provide information to main target groups proactively and in state-of the art way ++CEO / IR provide information to main target groups by and large proactively +Targetgroup orientation is average compared to peers 0IR communicates only to selected investors and analysts -IR informs investors and analysts if requested --

Transparency All relevant information is provided in appropriate form and frequency All information provided is ideal in form and frequency ++Most of the information is being provided in acceptable form and frequency +Compared to peers transparency of information is average 0Only selected parts of information are adequately transparent -The majority of information is insufficiently transparent --

Track RecordReports have sufficient continuity, are up-to-date and sufficiently precise to allow a high level of forecast quality Level of continuity is very good, information is up-to-date ++By and large continuous, up-to-date and sufficiently precise +Compared to peers continuity and precision is average 0Reports do not always have sufficient continuity and are sometimes not up-to-date -Continuity, up-to-dateness and precision are insufficient --

Extra Financial ReportingThe company reports non-financial information on topics such as Corporate Governance, intangible assets, social & environmental assets etc. EF-information is being provided in superb quality e.g. quantified ++Most of the information provided is useful and appropriate +EF-information offered is average compared to peers 0Only selected parts of the EF-information are usable or appropriate -EF-information is either too scarce or not usable --

Tabelle 10: Fragebogen der DVFA zur Qualität der Investor Relations

Das Gesamtergebnis der vier Fragen wird durch gleichgewichtete Summation

der Ergebnisse der vier Kategorien ermittelt.523 Den empirischen Zusammen-

hang zwischen dem Ergebnis dieser Befragung und den hier relevanten Eigen-

schaften der Analystenschätzungen hat als bisher einzige Studie für Deutschland

Daske (2005) für den Zeitraum 1997 bis 2003 untersucht. Er bestätigt ebenso

wie die US-amerikanische Studie von Lang/Lundholm (1996) einen signifikant

negativen Zusammenhang der IR-Qualität mit der Streuung der Schätzungen.

523 Dies wurde im Gespräch mit den Verfassern der Studie bestätigt.


Allerdings findet er keinen signifikanten Zusammenhang der IR-Qualität mit

dem Schätzfehler.524

3.4.1.2 Qualität des Geschäftsberichts

Vergleichbar mit den Zielen der Investor Relations besteht auch für den Ge-

schäftsbericht eine Informationsfunktion.525 Aufgabe des Geschäftsberichts ist

dabei die „ Darstellung der Entwicklung in der abgelaufenen Berichtsperiode und

der wirtschaftlichen Lage (… ) für eine Organisation.“ 526 Wie in Abschnitt 2.2.4

beschrieben, können die Adressaten des Geschäftsberichts unterschieden werden

in die Gruppen der 1) Aktionäre, 2) Informationsintermediäre, 3) Gläubiger, 4)

Abnehmer und Lieferanten, 5) Arbeitnehmer sowie 6) Konkurrenten.527 Der Ge-

schäftsbericht umfasst hierbei neben den für Konzernunternehmen verpflichtend

zu erstellenden Komponenten, wie Bilanz, GuV, Anhang oder Kapitalflussrech-

nung, regelmäßig auch eine Fülle freiwilliger Informationen wie Beschreibungen

der Produkte, des wirtschaftlichen Umfelds oder der Konkurrenzsituation.528

Diese Informationen dienen den hier im Vordergrund stehenden Analysten re-

gelmäßig als Grundlage für die Erstellung von Schätzungen.529 Chang/Most

(1981) finden z.B. in einer Befragung von Finanzanalysten in den USA, Groß-

britannien und Neuseeland, dass der Geschäftsbericht als wichtigste bzw. zweit-

wichtigste Informationsquelle genannt wird.530 Auch die Ergebnisse der Befra-

gungsstudie von Ernst/Gassen/Pellens (2005), die u.a. die Bedeutung verschie-

dener Informationsquellen für institutionelle und private Anleger untersuchen,

deuten darauf hin, dass der Geschäftsbericht als Informationsquelle für instituti-

onelle Anleger und damit wohl auch für Analysten sogar noch bedeutender ist

als der direkte Kontakt zum Management.531 Da Analysten bei der Erstellung

524 Vgl. Daske (2005), S. 119. 525 Vgl. Coenenberg/Bischof (2005), S. 1182. 526 O.V. (1998), S. 283. 527 Vgl. dazu ausführlich Abschnitt 2.2.4. 528 Vgl. o.V. (1998), S. 283. 529 Vgl. Kapitel 2.2.1. 530 Vgl. Chang/Most (1981), S. 50. 531 Vgl. Ernst et al. (2005), S. 34.


von Research-Berichten ein Kosten-Nutzen-Kalkül aufstellen und daher für je-

des beobachtete Unternehmen nur ein gewisses Zeitkontingent zur Verfügung

steht, sind Analysten regelmäßig an einer verständlichen und detaillierten Dar-

stellung der relevanten Informationen interessiert.532 Unternehmen, die eine hö-

here Informationsmenge und -qualität bereitstellen, können daher mit einer ver-

besserten Schätzgenauigkeit und verringerten Unsicherheit rechnen.533 Als empi-

rische Überprüfung dieser Überlegung findet Hope (2003), dass zwischen der

Qualität von Geschäftsberichten, gemessen durch die Bewertung der Geschäfts-

berichtsbestandteile mit Hilfe eines Punktesystems durch das Center for Interna-

tional Financial Analysis and Research (CIFAR), und dem Schätzfehler ein sig-

nifikant negativer Zusammenhang besteht.534 Daske (2005) bestätigt für

Deutschland, dass eine hohe Qualität des Geschäftsberichts, gemessen durch die

erreichte Gesamtpunktzahl im Wettbewerb „ Bester Geschäftsbericht“ , den Prog-

nosefehler und die Prognosestreuung für die untersuchten Unternehmen signifi-

kant reduzieren kann.535 Dementsprechend wird folgende Hypothese aufgestellt:

Hypothese 1.2: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Qualität des Geschäftsberichts und dem Fehler und der Streuung der Analystenschätzungen.

Zur Messung der Qualität des Geschäftsberichts werden sowohl in den USA als

auch in Deutschland regelmäßig Bewertungen der einzelnen Komponenten des

Geschäftsberichts durch Experten-Teams durchgeführt. In dieser Arbeit wird zur

Messung der Informationsqualität des Geschäftsberichts auf die Ergebnisse einer

Studie zurückgegriffen, die seit 1997 von Professor Küting und einem Team von

Mitarbeitern und Studenten der Universität des Saarlandes durchgeführt und in

verschiedenen Zeitschriften und mit teilweise wechselnden Kriterien und Punkt-

532 Vgl. Achleitner et al. (2005), S. 262. 533 Vgl. Lang/Lundholm (1996), S. 472. 534 Vgl. Hope (2003); Francis et al. (2006), S. 2. 535 Vgl. Daske (2005), S. 118.


zahlen publiziert wird. Diese wird im Folgenden erläutert.536 Wie oben bereits

beschrieben, wurde die Untersuchung der Informationsqualität der Geschäftsbe-

richte in den Jahren 1997 bis 1999 von der Zeitschrift Capital zusammen mit ei-

ner Befragung zur IR-Qualität unter dem Titel „ Capital Investor Relations Preis“

durchgeführt. Nach Abspaltung der Analystenbefragung als eigenständiger

Wettbewerb im Jahr 2000 wird die Analyse und Bewertung der Geschäftsberich-

te seit 2000 ebenfalls als separater Wettbewerb unter unterschiedlichen Bezeich-

nungen durchgeführt. Im Jahr 2002 wechselte der Wettbewerb zum besten Ge-

schäftsbericht zur Zeitschrift Focus Money. Ab 2004 erfolgte wiederum ein

Wechsel zur Zeitung Handelsblatt. Tabelle 11 gibt eine zusammenfassende

Übersicht über die bis zum Jahr 2006 durchgeführten Untersuchungen. Angege-

ben sind die Fundstelle, die Jury, die Bewertungskriterien, die Anzahl der unter-

suchten Unternehmen sowie die Maximalpunktzahl der Kriterien.

Jahr Quelle Jury Kriterien Untern. Ergebnis Gesamtergebnis Anpassungen1997 Capital 10/1997,

S. 60-100Prof. Küting Public-Relations-ExpertenProf. Loistl


200 0-4000-3400-300

0-1040 0-400

1998 Capital 9/1998, S. 38-79

Prof. Küting Public-Relations-ExpertenProf. Loistl


200 0-3000-2000-500

0-1000 0-300

1999 Capital 10/1999, S. 40-74

Prof. Küting Public-Relations-ExpertenProf. Loistl


202 0-3000-2000-500

0-1000 0-300

2000 Capital 21/2000, S. 78-96

Prof. KütingPublic-Relations-Experten

InformationsqualitätPräsentationsqualität

219 0-3000-200

0-500 0-300

2001 Capital 20/2001, S. 171-187

Prof.KütingPublic-Relations-Experten

InformationsqualitätPräsentationsqualität

200 0-5000-500

0-1000 0-500

2002 Focus Money 30/2002, 14-25

Prof.Küting InformationsqualitätErtragsstärke

205 0-10000-1000

0-2000 0-1000

2003 Focus Money 32/2003, 12-19


155 0-10000-1000

0-2000 0-1000

2004 Focus Money 33/2004, 18-23


133 0-10000-1000

0-2000 0-1000

2005 Handelsblatt, 25.Oktober 2005, S. 20 ff.


132 0-10000-1000

0-2000 0-1000

2006 Handelsblatt, 31.Oktober 2006, S. 18 ff.


130 0-10000-1000

0-2000 0-1000

Tabelle 11: Übersicht über die Methoden zur Bewertung des besten Geschäftsberichts

In der Unterkategorie „ Informationsqualität“ beurteilt Professor Küting und sein

Team die Qualität und den Informationsgehalt der Geschäftsberichte. Hierzu

wird eine Vielzahl von Einzelkriterien geprüft, wie z.B. die Ausführlichkeit der

536 Vgl. im Folgenden Daske/Gebhardt (2006a), S. 469-471. Eine vergleichbare Untersuchung zur Qualität

des Geschäftsberichts wird jährlich unter der Leitung von Professor Baetge durchgeführt und im Mana-ger Magazin veröffentlicht. Da hierbei allerdings lediglich die Ergebnisse der bestplatzierten Unterneh-men veröffentlicht werden, würde eine Verwendung dieser Ergebnisse die Untersuchungsstichprobe deutlich reduzieren. Auf Anfrage war die komplette Auswertung der Ergebnisse nicht erhältlich.


Beschreibung der angewendeten Bilanzierungs- und Bewertungsmethoden oder

die Tiefe der Aufgliederung von Sammelpositionen wie den sonstigen betriebli-

chen Aufwendungen.537 Da eine detaillierte Auflistung der Einzelkriterien nicht

öffentlich verfügbar ist, können lediglich die drei Oberkategorien und die ihnen

untergeordneten Bestandteile angegeben werden. Tabelle 12 listet diese für das

Jahr 2007 auf.

- Kapitalflussrechnung - Währungsumrechnung - Risikobericht - Cashflow-Kennzahl - Kapitalkonsolidierung - Branchenentwicklung - Ergebnis nach DVFA/SG bzw.

Earnings per Share - Zwischenergebnis-

eliminierung - Prognosebericht/voraus-

sichtliche Entwicklung - Angaben zur Aktie sowie

Aktienkursentwicklung - Abschreibungsmethoden und

Nutzungsdauern - Forschung und

Entwicklung - Mehrjahresübersicht - Herstellungskosten - Segmentberichterstattung - sonstige (betriebliche) Auf-

wendungen/Erträge - sonstige Rückstellungen - Pensionsrückstellungen und

Stock Options - Anteilsliste - Schuldenkonsolidierung

Sonderrechnungen/Zusatz-informationen

Anhang Lagebericht

Tabelle 12: Untersuchte Komponenten des Geschäftsberichts im Rahmen des Wettbewerbs

„ Bester Geschäftsbericht“ von Prof. Küting

Das Gesamtergebnis des Wettbewerbs in der Kategorie „ Informationsqualität“

ergibt sich durch Gewichtung der Einzelkriterien538 und dient im Rahmen dieser

Arbeit als Indikator der Informationsqualität des Geschäftsberichts. Ein höherer

Punktwert sollte demnach zu einer Verringerung des Schätzfehlers und der

Streuung der Schätzungen führen.

3.4.1.3 Managementprognosepräzision

Neben der Informationsquelle „ Geschäftsbericht“ stellt das Management eines

Unternehmens selbst regelmäßig eine der wichtigsten Informationsquellen für

537 Vgl. z.B. Luber/Nitschke (1999), S. 65-67. 538 Die Gewichtung der einzelnen Kriterien ist nicht öffentlich verfügbar und konnte auch auf Nachfrage

nicht festgestellt werden. Die Einzelkriterien könnten sich in den zurückliegenden Jahren verändert ha-ben. Da die Auswertung in den letzten zehn Jahren jedoch ausschließlich unter der Leitung von Prof. Küting stattgefunden hat, wird eine gewisse Konstanz der Kriterien unterstellt.


Analysten dar.539 Analysten können sich durch gute Beziehungen zum Manage-

ment frühzeitig einen umfassenden Zugang zu bewertungsrelevanten Informati-

onen verschaffen, um damit die Qualität ihrer Research-Berichte zu erhöhen.

Dies wird durch eine Reihe von Befragungsstudien bestätigt, die zeigen, dass

Analysten den Informationen des Managements eine hohe Bedeutung beimes-

sen.540 Aufgrund dieser Bedeutung der Informationsquelle „ Management“ kann

erwartet werden, dass die Qualität des Aktien-Researchs der Analysten steigt,

wenn das Management qualitativ und quantitativ höherwertige Informationen an

die Analysten weitergibt. Wichtig erscheint hierbei insbesondere hinsichtlich des

Kommunikationsweges zu differenzieren, auf dem die Analysten die Informatio-

nen des Managements erhalten. Wie in Abschnitt 2.2.1 erläutert, kann das Ma-

nagement Informationen auf öffentlichen oder privaten Kommunikationswegen

an Analysten weitergeben. Private Kanäle stellen dabei insbesondere nicht öf-

fentliche conference calls oder Einzelgespräche mit ausgewählten Analysten dar,

während öffentliche Kanäle z.B. die Hauptversammlung oder Pressemitteilungen

sind, die den gesamten Kapitalmarkt erreichen.541 Die auf diesen Wegen kom-

munizierten Informationen können hinsichtlich des Informationsgehalts und des

Zeitpunkts der Informationsweitergabe differieren.542 Beispielsweise könnte das

Management in einer kurzen Pressemitteilung eine Steigerung des Marktanteils

um 5 % ankündigen, während in einer nicht-öffentlichen Analystenkonferenz ei-

ne Woche zuvor ausführlich über die Gründe und Folgen dieses Ereignisses dis-

kutiert wurde. Fraglich erscheint damit insbesondere, ob beide Kommunikati-

onswege für Analysten von Bedeutung sind.

539 Vgl. Stanzel (2007), S. 143. 540 Vgl. z.B. Chang/Most (1981), S. 50; Pietzsch (2004), S. 62; Wichels (2002), S. 164-167. 541 Ajinkya/Gift (1984) widmen sich z.B. der Frage, ob der Inhalt einer Prognose den gewählten Kommuni-

kationsweg beeinflusst. Aus ihren Ergebnissen schließen sie, dass Unternehmen Prognosen eher direkt öffentlich verfügbar machen, wenn die Analystenschätzungen als Indikator der Markterwartungen sehr stark von den Erwartungen des Managements abweichen. Die Managementprognosen dienen in dem Fall also der Korrektur oder Angleichung der Erwartungen des Marktes an die Erwartungen des Mana-gements. In der Literatur wird dies als Expectations-Adjustment-Hypothese bezeichnet. Ajinkya/Gift (1984), S. 426.

542 Vgl. Bowen et al. (2002), S. 286.


Hinsichtlich der privaten Kanäle finden verschiedene Studien, dass die auf die-

sen Wegen weitergegebenen Informationen die Analystenschätzungen beeinflus-

sen. Bowen et al. (2002) zeigen z.B., dass Analystenschätzungen bei Unterneh-

men, die nicht-öffentliche conference calls veranstalten, im Anschluss daran ei-

nen signifikant geringeren Fehler und eine signifikant niedrigere Streuung auf-

weisen als bei Unternehmen, die keine conference calls veranstalten.543 Sie

schließen daraus: „ Conference calls increase the information available to ana-

lysts.“ 544 Einen weiteren Hinweis auf die Bedeutung der über private Kanäle be-

reitgestellten Informationen finden Chen/Matsumoto (2006). In ihrer Studie zei-

gen sie, dass Analysten, die für das Unternehmen vorteilhafte Empfehlungen

aussprechen, in der Folge einen geringen Schätzfehler aufweisen.545

Chen/Matsumoto (2006) deuten dies als Hinweis darauf, dass die Analysten auf-

grund ihrer positiven Berichte über das Unternehmen mehr und qualitativ hoch-

wertigere Insiderinformationen vom Management erhalten, die letztendlich zu

besseren Schätzungen führen.

Hinsichtlich der Messung des Informationsgehalts der über öffentliche Kanäle

bereitgestellten Informationen sind verschiedene Wege denkbar. Eine erste

Strömung untersucht die Aktienkursreaktion auf öffentlich abgegebene Mana-

gementprognosen. Eine stärkere Reaktion deutet hierbei auf einen höheren In-

formationsgehalt hin. Waymire (1984) und Ajinkya/Gift (1984) finden z.B. eine

abnormale Kursreaktion auf öffentlich abgegebene Managementprognosen.

Skinner (1994) stellt in einer Folgestudie fest, dass die Stärke der abnormalen

Kursreaktion von der Art der Nachricht abhängig ist. Nach seinen Ergebnissen

sind die Reaktionen bei negativen Nachrichten im Vergleich zu den positiven

543 Vgl. Bowen et al. (2002), S. 313. 544 Bowen et al. (2002), S. 287. 545 Vgl. Chen/Matsumoto (2006), S. 657-660.


Neuigkeiten durchschnittlich doppelt so stark.546 Diese Ergebnisse werden in ei-

ner aktuelleren Studie von Rogers/Stocken (2005) bestätigt.547

Andere Studien untersuchen die Analystenreaktion in Form von Schätzungsrevi-

sionen. Eine stärkere Reaktion in Form einer Revision der Ergebnisschätzungen

deutet hierbei auf den Informationsgehalt der Prognosen für die Analysten hin.

Waymire (1986) sowie Jennings (1987) finden, dass Analysten ihre Schätzungen

nach der Veröffentlichung einer Managementprognose signifikant häufiger und

stärker revidieren. Cotter et al. (2006) zeigen, dass 60 % der Analysten sogar be-

reits innerhalb von fünf Tagen nach dem Tag der Prognose ihre Schätzung revi-

dieren. Dementsprechend scheint auch der öffentliche Weg der Informationsbe-

kanntgabe neue, relevante Informationen für Analysten zu enthalten.

In einer dritten Richtung wird der Informationsgehalt durch eine direkte Beurtei-

lung der Prognose gemessen. Beispielsweise definieren Matsumoto et al. (2006)

die Anzahl der dokumentierten Worte in conference calls als Indikator eines ho-

hen Informationsgehaltes.548 Sie untersuchen durch eine Analyse der öffentli-

chen conference calls, ob das Management bei negativer Geschäftsentwicklung

des abgelaufenen Geschäftsjahres weniger berichtet als im Fall einer guten Ent-

wicklung.549 Sie finden, dass das Management bei schlechter Entwicklung mehr

berichtet als bei vergleichsweise guten Ergebnissen. Neben der Analyse der An-

zahl der Worte versuchen andere Studien den Informationsgehalt durch die Prä-

zision der Prognoseaussage des Managements zu bestimmen. Wie in Abschnitt

2.2.1 erläutert, kann eine vom Management abgegebene Prognose unterschied-

lich präzise formuliert werden. Bezogen auf Analystenschätzungen ist zu vermu-

ten, dass eine höhere Prognosepräzision c.p. den Analysten mehr und bessere In-

formationen zur Verfügung stellt. Dementsprechend sollte es in der Folge zu ei-

ner stärkeren Senkung der Streuung und des Fehlers von Analystenschätzungen

546 Vgl. Skinner (1994), S. 54 f. 547 Vgl. Rogers/Stocken (2005), S. 1235. 548 Vgl. Matsumoto et al. (2006), S. 15. 549 Vgl. Matsumoto et al. (2006), S. 15.


kommen.550 Hirst et al. (1999) sowie Libby et al. (2006) untersuchen in einer

Experimentalstudie, ob sich der Präzisionsunterschied zwischen einer Punkt- und

einer Intervallprognose auf die nachfolgende eigene Schätzung der Investoren

bzw. der Analysten auswirkt. Entgegen ihrer Vermutung führt die höhere Präzi-

sion der Punktprognose des Managements allerdings nicht zu einer geringeren

Spannweite der Schätzungen der Investoren bzw. Analysten.551 Nach diesen Er-

gebnissen scheint zwischen dem Informationsgehalt von Punktprognosen und

Intervallprognosen kein signifikanter Unterschied zu bestehen. In beiden Studien

wurde allerdings lediglich der Vergleich zwischen Intervallprognosen und

Punktprognosen untersucht, während Maximum- und Minimumprognosen sowie

qualitative Prognosen nicht einbezogen wurden. Gerade bei den drei letzteren

Prognoseformen ist ein geringer Informationsgehalt für Analysten zu vermuten,

da sie die Wahrscheinlichkeiten der möglichen Ergebnisse nur gering reduzie-

ren.552 Ebenso wurde in beiden Studien der Effekt der Präzision auf den Schätz-

fehler nicht betrachtet. Beide Punkte sollen im Rahmen dieses Kapitels überprüft

werden. Da in dieser Untersuchung auch Maximum- und Minimumprognosen

sowie qualitative Prognosen einbezogen werden, wird vermutet, dass eine höhere

Präzision der Prognose c.p. zu einer größeren Verringerung der Unsicherheit der

Analysten führt. Die Hypothese lautet wie folgt:

550 Vgl. Kuhn/Budescu (1996); Kuhn et al. (1999). 551 Vgl. Hirst et al. (1999), S. 120; Libby et al. (2006), S. 22. 552 Vgl. Wittmann (1959), S.14.


Hypothese 1.3: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Präzision der Managementprognose und dem Feh-ler und der Streuung der Analystenschätzungen.

Als Indikator der jährlichen Präzision der Prognosen eines Unternehmens wird in

den Jahren 2002 bis 2005 ein Präzisionsindex gebildet.553 Dazu werden die Er-

gebnisprognosen des Managements für jedes Unternehmen gesammelt und die

Präzision der Prognose quantifiziert (3 = Punktprognose, 2 = Intervallprognose,

1 = Minimum- bzw. Maximumprognose, 0 = qualitative Prognose).554 Anschlie-

ßend wird das arithmetische Mittel der Präzisionswerte der einzelnen – auf ma-

ximal vier Prognosen pro Jahr und Unternehmen beschränkten – Prognosen be-

rechnet. Dies stellt die durchschnittliche Prognosepräzision eines Unternehmens

dar.

3.4.2 Kontrollvariablen

3.4.2.1 Unternehmensgröße

Große Unternehmen veröffentlichen in der Regel mehr freiwillige Informatio-

nen, da ein größeres Publikum an der Entwicklung des Unternehmens interes-

siert ist und das Management dementsprechend die Nachfrage nach Information

befriedigen muss.555 Zudem liegen von großen Unternehmen auch durch externe

Informationsproduzenten wie Analysten, Wirtschaftsinstitute, Journalisten oder

Wissenschaftler mehr Informationen vor.556 Fraglich erscheint, ob diese höhere

Quantität der Informationen auch die Unsicherheit der Analysten über mögliche

Umweltzustände und Eintrittswahrscheinlichkeiten reduzieren kann und so in

der Folge der Schätzfehler und die -streuung reduziert werden. Lang/Lundholm 553 Vgl. zu dieser Vorgehensweise Francis et al. (2006), S. 29. Die Verwendung eines selbst konstruierten

Indexes besitzt verschiedene Vor- und Nachteile. Ein Vorteil besteht z.B. darin, dass der Index den Ef-fekt von Managementprognosen direkter messen kann im Vergleich zu extern ermittelten Daten zur In-vestor Relations-Qualität. Letztere werden häufig durch Befragungen ermittelt. Ein Nachteil besteht hin-gegen darin, dass der Index aufgrund der unvermeidbaren Subjektivität bei der Codierung der Prognosen nur schwer repliziert werden kann. Durch die Anhangangaben zur Vorgehensweise bei der Codierung der Prognosen soll dieser Nachteil möglichst gering gehalten werden. Vgl. dazu Anhang 2.

554 Die Sammlung und Quantifizierung der Prognosen basiert auf der Vorgehensweise in Kapitel 2. Vgl. dazu Kapitel 2.5.1.

555 Vgl. Cooke (1992); Chow/Wong-Boren (1987); Das et al. (1998). 556 Vgl. Duru/Reeb (2002), S. 422; Atiase (1985), S. 22.


(1993) zeigen, dass die Ergebnisse von Unternehmen, für die bereits eine Viel-

zahl öffentlicher Informationen vorliegen, treffgenauer geschätzt werden und ei-

ne geringere Streuung aufweisen als von vergleichbaren Unternehmen. Daske

(2005) bestätigt diese Ergebnisse für Deutschland.557 Als Stellvertreter für die

öffentliche Verfügbarkeit von Informationen wird in der Regel die Unterneh-

mensgröße verwendet.558 Aufgrund der bisherigen empirischen Ergebnisse lautet

die Hypothese wie folgt:

Hypothese 2.1: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Unternehmensgröße und dem Fehler und der Streuung der Analystenschätzungen.

3.4.2.2 Anzahl der Analysten

Neben der Größe eines Unternehmens ist die Anzahl der das Unternehmen co-

vernden Analysten eine in der Literatur häufig verwendete Variable zur Messung

des Informationsumfelds.559 Dies wird damit begründet, dass für Unternehmen

mit einer größeren Anzahl covernder Analysten grundsätzlich mehr Informatio-

nen zur Verfügung stehen, wie z.B. Research-Berichte, Studien von volkswirt-

schaftlichen Instituten oder Zeitungsartikel.560 Wie auch bei der Unternehmens-

größe ist der erwartete negative Zusammenhang zwischen der Anzahl der Ana-

lysten und der Streuung und dem Fehler der Analystenschätzungen in der Litera-

tur eindeutig belegt.561 Die Hypothese wird daher wie folgt formuliert:

557 Vgl. Daske (2005), S. 117-119. 558 Vgl. z.B. Hope (2003), S. 250. 559 Vgl. z.B. Gode/Mohanram (2003), S. 405. 560 Vgl. Daske (2005), S. 287. 561 Dass die Anzahl der Analysten positiv mit der Prognosegenauigkeit zusammenhängt zeigen z.B. Daske

(2005), S. 119-121; Henze (2004), S. 180 f.; Brown (1997), S. 87; Hope (2003), S. 257 f.; Duru/Reeb (2002), S. 428. Für die Beziehung zwischen Analystenanzahl und der Streuung der Schätzungen zeigt Daske (2005) einen negativen Zusammenhang. Vgl. Daske (2005), S. 119-121.


Hypothese 2.2: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Anzahl der beobachtenden Analysten und dem Feh-ler und der Streuung der Analystenschätzungen.

3.4.2.3 Anzahl der Unternehmenssegmente

Die Komplexität eines Unternehmens wird u.a. bestimmt durch die Anzahl der

Geschäftsfelder sowie der geographischen Ausrichtung eines Unternehmens.562

Die Ermittlung von für die Schätzung relevanten Informationen ist bei stark di-

versifizierten Unternehmen aufgrund der Vielzahl unterschiedlicher Märkte und

Produkte erschwert. So ist es für die Gewinnschätzung z.B. häufig notwendig,

das Unternehmen in die geographischen und operativen Segmente zu unterteilen.

Dies zwingt den Analysten zu einer größeren Analyseaktivität.563 Bestehen zeit-

liche Restriktionen, verursacht die größere Anzahl von Segmenten eine größere

Unsicherheit und einen höheren Schätzfehler. Andererseits kann eine größere

Anzahl von Segmenten zu einem „ Portfolio-Effekt“ führen, wenn sich Schätz-

fehler für einzelne Segmente aufheben.564

Die Ergebnisse von Dunn/Nathan (1998), Ferris/Sarin (2000) und Duru/Reeb

(2002) bestätigen die Vermutung, dass eine höhere Komplexität der Analyse zu

einem höheren Schätzfehler führt.565 Für die eigene Untersuchung wird diesen

Ergebnissen gefolgt und die Hypothese entsprechend formuliert:

562 Vgl. Dunn/Nathan (2005), S. 7. 563 Vgl. Dunn/Nathan (2005), S. 7-9; Garcia-Meca/Ballesta-Sanchez (2006), S. 31. 564 Vgl. Thomas (2002), S. 377. 565 Vgl. Ferris/Sarin (2000), S. 109. Dunn/Nathan (2005) untersuchen den Einfluss der Anzahl von Unter-

nehmen, die ein Analyst beobachtet, auf den Fehler der Schätzungen. Duru/Reeb (2002) messen den Einfluss von internationaler Diversifikation als Indikator für Komplexität.


Hypothese 2.3: Ceteris paribus besteht ein positiver Zusammenhang zwischen der Anzahl der Segmente eines Unternehmens und dem Feh-ler und der Streuung der Analystenschätzungen.

3.4.2.4 Volatilität der Gewinne

Unternehmen, die in stabilen Branchen tätig sind, haben in der Regel eine gerin-

gere Volatilität der Umsätze und Ergebnisse. Aufgrund der geringeren Volatilität

sind die zukünftigen Gewinne i.d.R. leichter schätzbar.566 Die Ergebnisse von

Hope (2003) bestätigen diese Vermutung. Er findet einen signifikant negativen

Einfluss der Volatilität der Gewinne auf die Treffgenauigkeit der Analysten-

schätzungen. Ciccone (2001) und Duru/Reeb (2002) belegen ebenfalls einen sig-

nifikant positiven Zusammenhang zwischen der Gewinnvolatilität und der Höhe

des Schätzfehlers.567 Ciccone (2005) dokumentiert zudem, dass bei stärkerer

Gewinnvolatilität die Analystenschätzungen stärker streuen.568 Um die Volatili-

tät der Gewinne zu operationalisieren, können verschiedene Maßzahlen verwen-

det werden. Duru/Reeb (2002) verwenden z.B. die Standardabweichung der Ge-

samtkapitalrendite der letzten fünf Jahre.569 Henze (2004) verwendet die Stan-

dardabweichung des Gewinns je Aktie für die letzten vier Jahre.570 In dieser Un-

tersuchung liegt für viele Unternehmen eine solche Zeitreihe allerdings nicht vor.

Daher wird die Volatilität der Aktienrendite des abgelaufenen Geschäftsjahres

als Stellvertretervariable für die Volatilität der Gewinne verwendet. Es ergibt

sich folgende Hypothese:

566 Vgl. Daske (2005), S. 96. 567 Vgl. Duru/Reeb (2002), S. 428. 568 Vgl. Ciccone (2005), S. 1-3. 569 Vgl. Duru/Reeb (2002), S. 422. 570 Vgl. Henze (2004), S. 178.


Hypothese 2.4: Ceteris paribus besteht ein positiver Zusammenhang zwischen der Volatilität der Aktienrendite und dem Fehler und der Streuung der Analystenschätzungen.

3.4.2.5 Bestehen eines Verlustes

Verschiedene Studien zeigen, dass die Vorhersagbarkeit der Gewinne eines

Unternehmens zusätzlich davon abhängt, ob das Unternehmen Gewinne oder

Verluste erzielt.571 Ertragsschwache Unternehmen stehen häufig vor strukturel-

len Veränderungen, wodurch Erfolge nur eingeschränkt absehbar sind.572 Zu-

sätzlich wird das Erkennen von drohenden Verlusten oder abnehmenden Ge-

winnen erschwert, wenn das Management dieser Unternehmen versucht, diese

zu verschleiern und die Berichterstattung daher einschränkt.573 Die resultieren-

de schlechte Informationslage kann zu größerer Unsicherheit und in Folge des-

sen zu Schätzfehlern führen.574 Hwang et al. (1996) und Ciccone (2001) zei-

gen, dass Unternehmen mit Verlusten oder abnehmenden Gewinnen höhere

Schätzfehler sowie eine größere Streuung der Schätzungen aufweisen.575 Dar-

aus ergibt sich folgende Hypothese:

Hypothese 2.5: Ceteris paribus ist die Wahrscheinlichkeit eines höheren Schätzfehlers und einer höheren Streuung größer, wenn das Unternehmen im aktuellen Geschäftsjahr einen Verlust er-wirtschaftet.


Insgesamt ergeben sich acht Hypothesen, die im Rahmen der empirischen Unter-

suchung überprüft werden sollen. Tabelle 13 gibt einen Überblick.

571 Vgl. Hwang (1996). 572 Vgl. Hüfner/Möller (1997), S. 5. 573 Vgl. Hüfner/Möller (1997), S. 5 f.; Lang/Lundholm (1993), S. 248 f. 574 Vgl. Hüfner/Möller (1997), S. 6. 575 Vgl. auch Capstaff/Paudyal (1995); Brown (1998); Hwang et al. (1996); Ciccone (2005).


Variable Kürzel Streuung Fehler

H 1.1 Informationsqualität der Investor Relations IRQUAL - -H 1.2 Informationsqualität des Geschäftsberichts INFQUAL - -H 1.3 Präzision der Prognosen MPS - -

H 2.1 Unternehmensgröße LOGGROESSE - -H 2.2 Anzahl der Analysten ANALYSTEN - -H 2.3 Anzahl der Unternehmenssegmente SEGMENTE + +H 2.4 Volatilität der Gewinne VOLA + +H 2.5 Bestehen eines Verlustes VERLUST + +

HypotheseeV

Determinanten der Informationsqualität

Kontrollvariablen

Tabelle 13: Zusammenfassung der Hypothesen des dritten Kapitels

Ein „ +“ deutet auf einen erwarteten positiven Zusammenhang hin, während im

Fall eines „ -“ eine negative Wirkung erwartet wird. Der im Folgenden zu über-

prüfende funktionale Zusammenhang kann damit spezifiziert werden zu:


Der Ablauf der empirischen Untersuchung ist wie folgt: Im ersten Schritt wird

die Methodik der Datensammlung erläutert sowie einige deskriptive Statistiken

zu abhängigen und unabhängigen Variablen vorgestellt. Im zweiten Schritt wer-

den die zu schätzenden Regressionsmodelle formuliert. Im dritten Schritt werden

die Modelle geschätzt und die Ergebnisse interpretiert. Der vierte Schritt umfasst

schließlich die Überprüfung der Regressionsvoraussetzungen sowie eine kriti-

sche Würdigung der gewählten Vorgehensweise und der erzielten Ergebnisse.


Durch die Wahl der Analystenschätzungen, der Variablen zur Messung der In-

formationsqualität der Finanzberichterstattung sowie der Kontrollvariablen ent-

stehen vier Bedingungen an den Datensatz: 1) Ein Ergebnis der Untersuchung

zur Qualität der Investor Relations für ein deutsches Unternehmen liegt vor.

Eigenschaft der Schätzung = f (IRQUAL, INFQUAL, MPS, LOGGROESSE, ANALYSTEN, SEGMENTE, VOLA, VERLUST)


2) Ein Ergebnis der Untersuchung zum besten Geschäftsbericht liegt vor.576

3) Mindestens zwei Analysten geben eine EPS-Schätzung für das Unternehmen

ab und das realisierte Ergebnis liegt vor. 4) Die Kontrollvariablen liegen voll-

ständig vor.577

Grundlage der Untersuchung sind damit alle deutschen Unternehmen, für die im

Zeitraum des Wettbewerbs „ Capital Investor Relations Preis“ zwischen 1997

und 2006 mindestens ein Ergebnis vorliegt. Daraus ergeben sich 1.969 Beobach-

tungen für 431 Unternehmen.578 Die zweite Bedingung führt zu einer Reduzie-

rung des Datensatzes auf 1.525 Beobachtungen von 386 Unternehmen. Die dritte

Bedingung ist erforderlich, da für die Berechnung der Standardabweichung min-

destens zwei Werte notwendig sind sowie ohne das realisierte Ergebnis die Be-

rechnung des Schätzfehlers unmöglich ist. Diese Bedingung führt zu einer Ver-

ringerung des Datensatzes auf 1.379 Beobachtungen von 350 Unternehmen. Die

vierte Bedingung ist notwendig, da teilweise bei Unternehmen die notwendigen

Daten zur Berechnung der Kontrollvariablen Marktkapitalisierung oder Volatili-

576 Die zweite Bedingung ist notwendig, da die beiden Studien teilweise unterschiedliche Stichproben ver-

wenden, sodass für manche Unternehmen nur eines der beiden Ergebnisse vorliegt Die Studien untersu-chen teilweise unterschiedliche Indizes, nutzen unterschiedliche Stichtage oder treffen abweichende An-nahmen zur Abgrenzung von Finanzinstitutionen. So ist z.B. die CE Consumer Electronics AG am 20.6.2005 aus dem Index SDAX ausgeschieden. Da der Stichtag der Untersuchung zum Besten Ge-schäftsbericht der 8.8.2005 war, während der des Wettbewerbs zur Investor Relations-Qualität bereits am 21.3.2005 lag, liegen für dieses Unternehmen lediglich Ergebnisse für die Investor Relations-Qualität vor. Unterschiede ergeben sich teilweise auch bei der Auswahl des Indexes. Im Jahr 2002 wurden im Wettbewerb zum besten Geschäftsbericht u.a. die Unternehmen des SMAX untersucht, während die Qualität der Investor Relations lediglich für die Unternehmen des SDAX abgefragt wurde. Die Arndt Autovermietung AG wurde z.B. im März 2002 in den SDAX und somit auch in den SMAX aufgenom-men, allerdings im Zuge der Verringerung auf 50 Unternehmen zum 24.6.2002 wieder aus dem SDAX eliminiert. Folglich war das Unternehmen zu den Stichtagen lediglich im SMAX, nicht jedoch im SDAX gelistet und damit im Jahr 2002 nur in der Untersuchung zum besten Geschäftsbericht enthalten. Teil-weise scheinen auch Fehler bei der Durchführung vorzuliegen. So wurde die Holsten Brauerei AG statt der CTS Eventim in die Untersuchung einbezogen, obwohl sie bereits am 24.3.2004 gegen die CTS Eventim im SDAX ausgewechselt wurde und als Stichtag der Untersuchung der 15.5.2004 angegeben wurde. Anhang 4 gibt eine Übersicht über die Auswahlkriterien der beiden Studien.

577 Da die Managementprognosen ausschließlich für die DAX und MDAX-Unternehmen im Zeitraum 2002 bis 2005 erhoben wurden, liegen deutlich weniger Beobachtungen (309) für diese Variable vor. Um die Untersuchungsstichprobe nicht zusätzlich zu reduzieren, wurde auf die Bedingung des Vorliegens einer Prognose oder eines jahresdurchschnittlichen Präzisionswertes verzichtet. Stattdessen wurden die Analy-sen für diese Variable mit einer verkleinerten Stichprobe separat durchgeführt.

578 Der Wettbewerb wurde im Betrachtungszeitraum mit Unternehmen durchgeführt, die in verschiedenen Aktienindizes enthalten sind. Für eine genaue Darstellung der in dem Wettbewerb in einem bestimmten Jahr betrachteten Indizes, vgl. Anhang 4.


tät der Aktienrendite fehlen.579 Insgesamt verbleiben für die Untersuchung 1.338

Beobachtungen von 318 Unternehmen.580 Tabelle 14 gibt einen Überblick über

die Entwicklung der Stichprobe.

abzgl. Beobachtungen (Unternehmen)

Deutsche Unternehmen mit Ergebnis im Wettbewerb "Capital Investor Relations Preis".

1.969(431)

Unternehmen mit Ergebnis in der Studie "Bester Geschäftsbericht".

-444(45)

1.525(386)

Kein realisiertes Ergebnis oder nur eine Schätzung verfügbar.

-146(36)

1.379(350)

Keine Werte für die Marktkapitalisierung oder die Aktienkursvolatilität verfügbar.

-41(32)

1.338(318)

Stichprobe 1.338318

Tabelle 14: Entwicklung der Stichprobe

3.5.2 Ergebnisse

3.5.2.1 Univariate Analyse

Im nächsten Schritt werden deskriptive Statistiken zu den beiden abhängigen Va-

riablen Schätzfehler und Streuung dargestellt. Zur Berechnung des Schätzfehlers

werden Konsensusschätzungen des Gewinns pro Aktie für das Ergebnis des lau-

fenden Geschäftsjahres verwendet. Die notwendigen Daten zu den Analysten-

schätzungen stammen aus der Summary-History-Datenbank von I/B/E/S. Die

Konsensusschätzungen werden dabei für jedes Unternehmen monatlich aktuali-

siert, während die Wettbewerbe lediglich jährlich durchgeführt werden. Es muss

daher ein Zeitraum oder ein Zeitpunkt zur Berechung des Fehlers und der Streu-

ung bestimmt werden. Da dies nicht unproblematisch ist, soll das Problem an-

hand der Abbildung 11 und einem kurzen Beispiel der BMW AG verdeutlicht

werden.

579 In seltenen Fällen war ein Unternehmen zu Beginn des Geschäftsjahres noch nicht börsennotiert. Diese

Beobachtungen werden ebenfalls eliminiert. 580 Eine Übersicht über die einbezogenen Unternehmen gibt Anhang 5.


1.1.2001

Geschäfts-bericht

Investor Relations

1.1.2002 1.1.2003

1.1.2001 1.1.2002

PublikationMärz 2001

PublikationMärz 2002

Juni - August 2001Befragungs-

zeitraum

Juni – August 2002Befragungs-

zeitraum

1.1.2003

Abbildung 11: Bestimmung des Zeitraums zur Berechnung der Streuung und des

Schätzfehlers

Die BMW AG hat ihr Geschäftsjahresende wie die meisten Unternehmen des

Datensatzes am 31.12. eines Jahres.581 Die Veröffentlichung des Geschäftsbe-

richts für das Geschäftsjahr 2001 erfolgte am 11.03.2002. Die zu diesem Zeit-

punkt aktuelle Konsensusschätzung von insgesamt 39 Analysten für das Ergeb-

nis je Aktie des Geschäftsjahres 2002 betrug 2,64 €/Aktie mit einer Standardab-

weichung der Schätzungen von 0,29. Eine unsicherheitsreduzierende Wirkung

eines qualitativ hochwertigen Geschäftsberichts kann nun erst ab dem Zeitpunkt

der Veröffentlichung des Geschäftsberichts erwartet werden. Erst dann können

Analysten die darin enthaltenen Informationen auswerten und in ihre Schätzun-

gen für das aktuelle Geschäftsjahr integrieren. Bei der BMW AG reduzierte sich

im Anschluss an die Veröffentlichung des Geschäftsberichts die Standardabwei-

chung im April 2002 auf 0,18 bis auf 0,12 im Dezember 2002. Diese Reduzie-

rung kann einerseits auf die Informationen des Geschäftsberichts, andererseits

aber auch auf andere Informationen zurückzuführen sein, die im Zeitablauf be-

kannt werden. Zur Bestimmung des Untersuchungszeitraumes ist es daher not-

wendig, eine Annahme über den Wirkungszeitraum des Geschäftsberichts zu

treffen. Hierbei ist einerseits denkbar, dass sämtliche Informationen sofort nach

Veröffentlichung von den Analysten verarbeitet werden und sie für den Rest des

Jahres keine Relevanz mehr besitzen. In diesem Fall sollte nur die Änderung des

Analystenschätzfehlers und Streuung vor und nach dem Zeitpunkt der Veröffent-

lichung verwendet werden. Andererseits kann auch vermutet werden, dass die 581 Von den 1.338 Beobachtungen lag bei 1.112 (ca. 83 %) das Geschäftsjahresende am 31.12.


Informationen im Geschäftsbericht noch für einen gewissen Zeitraum nach der

Veröffentlichung die Analystenschätzungen beeinflussen. Beispielsweise wäre

denkbar, dass Analysten einen gewissen Zeitraum brauchen, die enthaltenen In-

formationen zu verarbeiten oder dass einzelne Informationen erst zu einem spä-

teren Zeitpunkt relevant werden. Spätestens zum Zeitpunkt der Publikation des

neuen Geschäftsberichts im Folgejahr wird die Qualität des alten Geschäftsbe-

richts allerdings wohl nahezu keine Auswirkung mehr besitzen. In der Abbil-

dung ist die erwartete stärkere Auswirkung auf die Analystenschätzungen kurz

nach Veröffentlichung des Geschäftsberichts dunkel markiert.

Ein zweites Problem der Untersuchung besteht darin, dass die IR-Variable

gleichzeitig einbezogen werden soll. Der Zeitpunkt der Befragung der Finanz-

analysten liegt hier regelmäßig zwischen Juni und August eines jeden Jahres.582

Da ihre Beurteilungen auf den Erfahrungen aus einem gewissen Zeitraum vor

der Befragung basieren, sind die Ergebnisse vergangenheitsorientiert. Eine Un-

tersuchung der Auswirkung der Investor-Relations-Qualität auf die Analysten-

schätzungen sollte daher die Analystenschätzungen vor dem Zeitpunkt der Be-

fragung analysieren.

Diese unterschiedlichen Wirkungsrichtungen machen es notwendig, den Zeit-

raum so zu wählen, dass die Schnittmenge der Auswirkungen der beiden Variab-

len auf die Analystenschätzungen möglichst groß ist. Im obigen Beispiel scheint

die Schnittmenge im viermonatigen Zeitraum zwischen April und Juli eines Jah-

res am größten.583 Es werden damit der Schätzfehler und die Streuung der Ana-

lystenschätzungen für vier Monate nach Veröffentlichung des Geschäftsberichts

berechnet. Eine Veränderung dieses Zeitraums besitzt Vor- und Nachteile. Eine

Verlängerung über mehr als vier Monate hinaus würde unterstellen, dass die Be-

fragungsergebnisse zur IR-Qualität auch repräsentativ für den Zeitraum nach

582 Vgl. dazu Abschnitt 3.4.1.1. 583 Für Unternehmen deren Geschäftsjahr nicht am 31.12. endet, greift die Argumentation nicht. Dies ist

allerdings nur dann problematisch, wenn sich die Qualität der IR überraschend ändert. Besitzt ein Unter-nehmen z.B. das Geschäftsjahresende am 30.09.2005 und veröffentlicht den Geschäftsbericht am 1.12.2005, wird der Schätzfehler für die folgenden vier Monate berechnet und die Bewertung der IR-Qualität aus dem Jahr 2006 sowie die Bewertung des Geschäftsberichts 2004/2005 darauf bezogen.


dem Stichtag der Befragung sind. Eine Verkürzung hätte eine Datenverringerung

zur Folge. Vergleichbare Untersuchungen wie die von Lang/Lundholm (1996)

vereinfachen dagegen die Analyse, indem sie beide Werte auf das volle Ge-

schäftjahr beziehen.584 Dieser Vorgehensweise wird hier nicht gefolgt.585

Die Berechnung der Werte für den monatlichen Schätzfehler und die Streuung

erfolgt anhand der bereits in Abschnitt 3.2.2 dargestellten Formel:

(8) i

iactualti

P

epsepsFORERR ,, −

=

mit: tieps , = Konsensusschätzung des Ergebnisses je Aktie zum Zeitpunkt t für Unternehmen i für das laufende Ge-schäftsjahr

iactualeps , = realisierter Wert des Ergebnisses je Aktie für das Un-ternehmen i für das laufende Geschäftsjahr

Pi = Aktienkurs des Unternehmens i zu Beginn des Ge-schäftsjahres

(9) i

tii P

FOREDISP ,σ=

mit: FOREDISPi = Standardabweichung σ der zum Zeitpunkt t für das Un-ternehmen i für das laufende Geschäftsjahr abgegebe-nen EPS-Schätzungen skaliert mit dem Aktienkurs P zu Beginn des Jahres.

Um die monatlich verfügbaren Werte für den Schätzfehler und die Streuung mit

den auf Jahresbasis vorliegenden Werten der Informationsvariablen vergleichbar

zu machen, wird in Anlehnung an Hope (2003) für den Schätzfehler und die

Streuung für jedes Unternehmen ein Durchschnittswert der vier vorliegenden

Werte gebildet.586 Um den Einfluss von möglichen Ausreißern zu beschränken,

584 Vgl. Lang/Lundholm (1996), S. 473 f. 585 In nicht-tabellierten Robustheitstests wird der Zeitraum zur Berechnung des Fehlers und der Streuung

auf zwei Monate verkürzt sowie auf sechs und neun Monate verlängert. Die Ergebnisse bleiben stabil. Lediglich die Signifikanzniveaus verändern sich leicht.

586 Vgl. Hope (2003), S. 245.


wird für alle Daten eine Winsorisierung auf dem 1%- bzw. auf dem 99%-Niveau

durchgeführt.587 Abbildung 12 gibt einen Überblick über das arithmetische Mit-

tel des Schätzfehlers und der Streuung über den Untersuchungszeitraum.

0.000

0.010

0.020

0.030

0.040

0.050

0.060

0.070

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

FORERR FOREDISP Jahr 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Gesamt

FORERR 0.015 0.059 0.038 0.022 0.030 0.035 0.011 0.011 0.009 0.003 0.026FOREDISP 0.040 0.021 0.016 0.013 0.013 0.026 0.053 0.016 0.012 0.012 0.022

Abbildung 12: Schätzfehler und Streuung im Untersuchungszeitraum

Die Abbildung zeigt für den Schätzfehler einen leicht fallenden Trend. Dies

könnte ein Indikator für die in den letzten Jahren verbesserte Informationslage

für Analysten sein. Denkbar wäre auch, dass die Tendenz zur Bilanzierung nach

IFRS zu besseren Schätzungen geführt hat. Eine mögliche Begründung wäre

auch eine intensivere Kommunikation zwischen Analysten und Unternehmen.

Ebenso denkbar ist allerdings auch, dass nicht eine Verbesserung der Schätzun-

gen sondern lediglich die positive Entwicklung der Ergebnislage der Unterneh-

men gerade im Zeitraum 2004 bis 2006 zu geringeren Schätzfehlern geführt hat.

Hintergrund hierbei ist, dass für Analysten regelmäßig eine Neigung zu optimis-

tischen Schätzungen nachgewiesen werden kann.588 Sind die tatsächlichen Er-

gebnisse der Unternehmen nun sehr hoch, wird der Schätzfehler c.p. kleiner und

587 Vgl. zu dieser Vorgehensweise auch Daske et al. (2006), S. 23. 588 Vgl. z.B. Capstaff et al. (1998); Capstaff et al. (2001); Henze (2004); Wallmeier (2005b).


damit die optimistische Verzerrung weniger deutlich. Bezüglich der Streuung der

Schätzungen ist insbesondere die starke Erhöhung im Jahr 2003 erkennbar.

Neben der zeitlichen Entwicklung kann auch eine Klassifizierung nach Indexzu-

gehörigkeit Aufschlüsse über den Datensatz geben. Tabelle 15 gibt einen Über-

blick über die Parameterverteilung nach Indexzugehörigkeit.

FORERRIndex N AM Median Std Q1 Q3DAX 246 0.0268 0.0155 0.0301 0.006 0.04MDAX 493 0.0474 0.018 0.0830 0.006 0.052NEMAX50 122 0.0592 0.020 0.0941 0.009 0.07SDAX 194 0.0545 0.019 0.0918 0.008 0.056Small Cap 183 0.0625 0.048 0.0717 0.018 0.08TecDAX 100 0.0616 0.0165 0.1111 0.0065 0.045Gesamt 1338 0.0476 0.019 0.0791 0.007 0.055

FOREDISPIndex N AM Median Std Q1 Q3DAX 246 0.0116 0.009 0.0088 0.005 0.015MDAX 493 0.0179 0.011 0.0227 0.007 0.019NEMAX50 122 0.0211 0.012 0.0358 0.006 0.02SDAX 194 0.0194 0.011 0.0282 0.006 0.022Small Cap 183 0.0233 0.015 0.0234 0.009 0.028TecDAX 100 0.0192 0.01 0.0277 0.005 0.02Gesamt 1338 0.0178 0.011 0.0241 0.006 0.02

Tabelle 15: Schätzfehler und Streuung nach Indexzugehörigkeit

Es zeigt sich, dass die tendenziell größeren Unternehmen des DAX und MDAX

erwartungsgemäß sowohl niedrigere Schätzfehler als auch eine niedrigere Streu-

ung der Analystenschätzungen aufweisen als die vergleichsweise kleineren Un-

ternehmen des NEMAX50, SDAX, TecDAX und der verbleibenden Small Cap-

Unternehmen.589 Dieses Ergebnis erzielen auch Daske (2005) und Stanzel (2007)

für den deutschen Kapitalmarkt.590

3.5.2.2 Multivariate Analyse

In die multivariate Analyse werden die drei Variablen zur Informationsqualität

(IRQUAL, INFQUAL, MPS) sowie verschiedene Kontrollvariablen einbezogen.

589 Die Unterteilung in Small-Cap-Unternehmen wurde aus der Untersuchung zum besten Geschäftsbericht

übernommen, die im Zeitraum zwischen 1997 und 1999 auch Unternehmen aus einer Kategorie „ Small Cap“ untersuchte. Ob diese Kategorie dem ehemaligen SMAX-Segment entspricht, ist aus den Be-schreibungen der Studie nicht ersichtlich.

590 Vgl. Daske (2005), S. 119; Stanzel (2007), S. 430.


Die Daten für die Managementprognosepräzision werden für die Jahre 2002-

2005 eigenhändig erhoben. Den Präzisionsausprägungen werden dazu Werte

zwischen null und drei zugeordnet.591 Die Daten zum Ergebnis der Studie „ Capi-

tal Investor Relations Preis“ entstammen aus der Zeitschrift Capital. Die Ergeb-

nisse zur Informationsqualität des Geschäftsberichts des Wettbewerbs „ Bester

Geschäftsbericht“ werden aus den Zeitschriften Capital und Focus Money sowie

dem Handelsblatt entnommen. Die in den beiden Untersuchungen maximal ver-

gebenen Punktzahlen variieren teilweise, wie z.B. zwischen 0-100, 0-200 oder 0-

500. Um die Punkzahlen intertemporal und in beiden Wettbewerben vergleich-

bar zu machen, werden daher alle Werte auf eine Spanne zwischen 0-100 stan-

dardisiert.592 Die Daten zum Marktwert des Eigenkapitals sowie der Volatilität

der Aktienrenditen stammen aus der Datenbank Datastream von Thomson Fi-

nancial. Die notwendigen Bilanz- und GuV-Daten zur Berechung der Anzahl der

Segmente und eines bestehenden Verlustes werden aus der Worldscope-

Datenbank bezogen. Die Anzahl der Analysten stammt aus der I/B/E/S-

Datenbank. Zusätzlich wird in das Regressionsmodell die Branchenzugehörig-

keit eines Unternehmens einbezogen. Diese werden anhand der Branchenklassi-

fikation von I/B/E/S zugeordnet. Tabelle 16 gibt einen Überblick über die Defi-

nitionen und die Berechnung der verwendeten unabhängigen Variablen:

591 Vgl. zu dieser in der Literatur gängigen Vorgehensweise z.B. Ajinkya et al. (2005), S. 354. Die Art der

Erhebung der Prognosepräzision wird ausführlich in Kapitel 2.5.1 erläutert. 592 Vgl. Daske/Gebhardt (2006a), S. 471.


Variable Definition QuelleIRQUAL Ergebnis im Wettbewerb „ Capital Investor Relations Preis“ bzw.

Ergebnis in der Kategorie „ Analystenurteil“ .Capital

INFQUAL Ergebnis im Bereich Informationsqualität im Wettbewerb „ Bester Geschäftsbericht“ .

Capital/Focus Money/Handelsblatt

MPS Arithmetisches Mittel der einzelnen Präzisionswerte der Prognosen des Vorjahres. Die Präzisionswerte werden wie folgt definiert: 3, falls das Unternehmen eine Punktprognose abgibt;2, falls das Unternehmen eine Intervallprognose abgibt; 1, falls das Unternehmen eine Maximum- oder Minimumprognose abgibt; 0, falls das Unternehmen eine qualitative Prognose abgibt.

Handelsblatt

ANALYSTEN Durchschnittliche Anzahl der Analysten, die das Unternehmen beobachten und eine Schätzung für das Ergebnis am Ende des Geschäftsjahres abgeben.

I/B/E/S

LOGGROESSE Natürlicher Logarithmus des Marktwerts des Eigenkapitals (WC08001) zu Beginn des Jahres in Mio. €.

Worldscope

SEGMENTEAnzahl der Produktsegmente (WC19501-19591) eines Unternehmens zu Beginn des Geschäftsjahres.

Worldscope

VERLUST 1, falls das von I/B/E/S berichtete Ergebnis je Aktie im Geschäftsjahr < 0; 0, falls das von I/B/E/S berichtete Ergebnis je Aktie im Geschäftsjahr > 0.

I/B/E/S

VOLA

Standardabweichung der täglichen Rendite über 250 Handelstage des vorhergehenden Geschäftsjahres. Falls nicht verfügbar, wird der Wert für das aktuelle Geschäftsjahr verwendet.

Datastream

INDUSTRY Einteilung basierend auf der I/B/E/S-Branchenklassifikation. I/B/E/S Tabelle 16: Variablendefinitionen in Kapitel 3

Tabelle 17 gibt einen Überblick über die Anzahl der Beobachtungen (N), das

arithmetische Mittel (AM), den Median, die Standardabweichung (Std), Mini-

mum- und Maximumwerte sowie das 25 %- und 75 %-Quartil (Q1 bzw. Q3).

Um einen ersten Indikator zu erhalten, ob Unternehmen mit geringem Schätzfeh-

ler oder geringer Streuung der Schätzungen systematisch abweichende Charakte-

ristika besitzen, werden jeweils Untergruppen gebildet. In den ersten beiden

Gruppen werden die Unternehmen anhand des Medians des Schätzfehlers der

Gesamtstichprobe in zwei Gruppen von Unternehmen mit „ relativ großen“ und

„ relativ kleinen“ Schätzfehlern getrennt. In den beiden nachfolgenden Gruppen

erfolgt die Trennung anhand des Medians der Streuung.


N AM Std Min Q1 Q3 MaxMPS 134 1.91 2.00 0.74 0.00 1.33 2.50 3.00IRQUAL 668 56.93 61.40 21.33 0.00 41.60 68.70 97.67INFQUAL 668 64.51 64.32 16.30 15.67 54.95 78.25 100.00ANALYSTEN 668 13.39 12.94 1.76 9.71 12.12 14.61 19.18LOGGROESSE 668 15.14 12.18 10.73 1.11 6.18 23.38 43.82SEGMENTE 668 3.87 4.00 2.10 1.00 2.00 5.00 10.00VERLUST 668 0.29 0.00 0.46 0.00 0.00 1.00 1.00VOLA 668 40.02 35.61 20.93 2.37 27.50 46.47 167.46INDUSTRY 668 5.88 7.00 2.41 1.00 4.00 7.00 10.00

N AM Std Min Q1 Q3 MaxMPS 175 2.11 ** 2.00 ** 0.68 0.25 1.67 2.67 3.00IRQUAL 670 65.56 *** 67.20 *** 18.41 0.00 53.60 78.20 99.67INFQUAL 670 70.35 *** 70.67 *** 14.60 6.00 60.33 82.00 95.00ANALYSTEN 670 14.09 *** 13.87 *** 1.69 10.38 12.79 15.27 18.41LOGGROESSE 670 17.14 *** 15.50 *** 10.61 1.00 7.64 26.00 46.25SEGMENTE 670 3.98 4.00 2.08 1.00 3.00 5.00 10.00VERLUST 670 0.16 *** 0.00 *** 0.36 0.00 0.00 0.00 1.00VOLA 670 36.88 *** 35.21 ** 15.71 3.48 25.96 42.81 123.49INDUSTRY 670 5.61 6.00 2.50 1.00 4.00 7.00 10.00

N AM Median Std Min Q1 Q3 MaxMPS 151 1.98 2.00 0.75 0.00 1.33 2.50 3.00IRQUAL 667 56.67 61.60 21.28 0.00 41.40 68.00 97.67INFQUAL 667 66.10 66.00 16.06 6.00 56.00 80.00 95.00ANALYSTEN 667 13.34 12.92 1.66 9.71 12.13 14.38 19.18LOGGROESSE 667 14.86 12.15 10.37 1.00 6.15 22.64 46.25SEGMENTE 667 3.97 4.00 2.02 1.00 2.00 5.00 10.00VERLUST 667 0.24 0.00 0.43 0.00 0.00 0.00 1.00VOLA 667 40.65 36.49 20.52 2.37 28.85 46.49 167.46INDUSTRY 667 6.09 7.00 2.39 1.00 5.00 7.00 10.00

N AM Median Std Min Q1 Q3 MaxMPS 158 2.07 2.00 0.69 0.25 1.50 2.50 3.00IRQUAL 671 65.81 *** 67.40 *** 18.35 0.00 55.60 78.33 99.67INFQUAL 671 68.76 *** 69.60 *** 15.32 16.67 59.67 81.50 100.00ANALYSTEN 671 14.14 *** 13.90 *** 1.77 9.72 12.79 15.44 18.41LOGGROESSE 671 17.41 *** 15.80 *** 10.90 1.00 8.00 26.30 43.08SEGMENTE 671 3.88 4.00 2.15 1.00 2.00 5.00 10.00VERLUST 671 0.21 0.00 0.41 0.00 0.00 0.00 1.00VOLA 671 36.26 *** 34.26 *** 16.10 3.09 25.25 42.53 146.43INDUSTRY 671 5.40 6.00 2.47 1.00 3.00 7.00 10.00Die Symbole ***/** verdeutlichen Signifikanz der Unterschiede im arithmetischen Mittel (t-test) bzw.Median (Wilcoxon-Test) mit einer Irrtumswahrscheinlichkeit von 1%/5%.

Median

Median

FOREDISP < Median (FOREDISP)

FOREDISP > Median (FOREDISP)

FORERR > Median (FORERR)

FORERR < Median (FORERR)

Tabelle 17: Deskriptive Statistik der unabhängigen Variablen nach FORERR und

FOREDISP


Die Analyse der Untergruppen bestätigt die erwarteten Ergebnisse. Die Präzision

der Managementprognosen (MPS) liegt jeweils in der Gruppe mit geringerem

Schätzfehler bzw. geringerer Streuung niedriger als in der Vergleichsgruppe.593

Auch die Qualität der Investor Relations (IRQUAL) und des Geschäftsberichts

(INFQUAL) ist in den Gruppen mit niedrigem Schätzfehler sowie niedriger

Streuung erwartungsgemäß signifikant höher. Auch für die Kontrollvariablen

zeigen sich die erwarteten Verhältnisse. Für die Gruppe mit niedrigem Schätz-

fehler und niedriger Streuung ergibt sich eine signifikant höhere Anzahl der

Analysten (ANALYSTEN) und ein größerer Marktwert des Eigenkapitals

(LOGGROESSE). Ebenso liegen die Volatilität (VOLA) und die Wahrschein-

lichkeit eines Verlustes (VERLUST) in der Gruppe mit höherem Schätzfehler

und höherer Streuung höher.

Insgesamt zeigt sich, dass für Unternehmen mit einer höheren Qualität der Fi-

nanzberichterstattung in Form einer 1) höheren Präzision der Prognosen, 2) einer

höheren Qualität der Investor Relations und 3) einer höheren Qualität des Ge-

schäftsberichts die Streuung und der Schätzfehler deutlich und zum Teil hoch

signifikant niedriger liegen.

3.5.2.2.1 Korrelationsanalyse

Anhand der Korrelationsmatrix aller einbezogenen Variablen werden im Fol-

genden mögliche Zusammenhänge dargestellt und erläutert. Diese können den

erwarteten Zusammenhang zwischen den Variablen der Informationsqualität und

den Eigenschaften der Analystenschätzungen weiter erhärten. Tabelle 18 zeigt

die paarweisen Korrelationskoeffizienten nach Pearson und Spearman. Der p-

Wert zur Beurteilung der Signifikanz steht jeweils unterhalb des Korrelationsko-

effizienten.

593 Die unterschiedliche Gruppengröße insbesondere bei der Variable MPS resultiert daraus, dass die Präzi-

sion der Managementprognosen bei Unternehmen mit vergleichsweise niedrigem Schätzfehler häufiger vorliegt.


1 2 3 4 5 6 7 8 9 10Abhängige Variablen

FORERR 1 1 0.476 -0.235 -0.200 -0.141 -0.146 -0.271 -0.022 0.086 0.2310.000 0.000 0.000 0.013 0.000 0.000 0.426 0.002 0.000

FOREDISP 2 0.494 1 -0.287 -0.112 -0.101 -0.129 -0.281 0.042 0.141 0.0770.000 0.000 0.000 0.077 0.000 0.000 0.123 0.000 0.005

Informationsvariablen

IRQUAL 3 -0.181 -0.248 1 0.483 -0.037 0.374 0.430 0.161 -0.130 -0.0300.000 0.000 0.000 0.514 0.000 0.000 0.000 0.000 0.269

INFQUAL 4 -0.138 -0.133 0.487 1 0.013 0.351 0.411 0.332 -0.153 0.0070.000 0.000 0.000 0.821 0.000 0.000 0.000 0.000 0.806

MPS 5 -0.098 -0.053 -0.023 0.009 1 -0.205 -0.211 -0.061 -0.006 -0.081-0.086 -0.349 -0.683 -0.870 0.000 0.000 0.285 0.915 0.157

Kontrollvariablen

ANALYSTEN 6 -0.154 -0.144 0.375 0.351 -0.196 1 0.764 0.314 -0.126 -0.1850.000 0.000 0.000 0.000 -0.001 0.000 0.000 0.000 0.000

LOGGROESSE 7 -0.226 -0.261 0.419 0.401 -0.206 0.788 1 0.350 -0.187 -0.1110.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

SEGMENTE 8 -0.041 -0.006 0.162 0.316 -0.081 0.354 0.380 1 -0.169 -0.083-0.133 -0.839 0.000 0.000 -0.155 0.000 0.000 0.000 0.003

VOLA 9 0.218 0.278 -0.086 -0.156 -0.010 -0.157 -0.208 -0.168 1 0.0900.000 0.000 -0.002 0.000 -0.860 0.000 0.000 0.000 0.001

VERLUST 10 0.366 0.172 -0.045 -0.003 -0.087 -0.193 -0.114 -0.086 0.159 10.000 0.000 -0.104 -0.923 -0.128 0.000 0.000 -0.002 0.000

Korrelationsmatrix nach Pearson (unteres Dreieck) und Spearman (oberes Dreieck) der abhängigen und unabhängigen Variablen. Angegeben werden dieKorrelationskoeffizienten und darunter die entsprechenden p-Werte. Tabelle 18: Korrelationsmatrix

Aus der Korrelationsmatrix lassen sich bereits erste Schlüsse auf 1) die Validität

der Unsicherheitsindikatoren, 2) die Einheitlichkeit der Informationspolitik so-

wie 3) den Einfluss der Informations- und Kontrollvariablen auf die Analysten-

schätzungen ziehen.

1) Unsicherheitsindikatoren

Wie oben argumentiert, werden zur Messung der Unsicherheit der Analysten re-

gelmäßig die Maßzahlen Schätzfehler und Streuung der Schätzungen verwendet.

Da beide das identische Konstrukt „ Unsicherheit der Analysten“ abbilden, sollte

eine hohe Korrelation der beiden abhängigen Variablen vorliegen. Wie erwartet,

sind beide signifikant positiv korreliert (0,494 bzw. 0,476). Bei einer vergleich-

baren Untersuchung für deutsche Unternehmen von Daske (2005) wird dieser

Zusammenhang ebenfalls signifikant und mit einem ähnlich hohen Koeffizienten

bestätigt.594

594 Vgl. Daske (2005), S. 115.


2) Einheitlichkeit der Informationspolitik

Wird erwartet, dass ein Unternehmen eine über alle Informationskanäle abge-

stimmte Publizitätspolitik verfolgt, sollte die Korrelation zwischen den Informa-

tionsvariablen INFQUAL, IRQUAL und MPS hoch sein und nahe an dem Ma-

ximalwert 1 liegen. Für die Variablen IRQUAL und INFQUAL wird hierbei ein

hoch signifikanter positiver Zusammenhang festgestellt mit einem Korrelations-

koeffizienten von 0,487. Das Ergebnis von Daske (2005) mit einem Korrelati-

onskoeffizienten von 0,455 ist vergleichbar.595 Entgegen der Erwartung wird je-

doch kein signifikanter Zusammenhang von INFQUAL oder IRQUAL mit der

Präzision der Managementprognosen festgestellt. Mit der Variablen IRQUAL ist

das Vorzeichen sogar entgegen den Erwartungen negativ.

3) Einfluss der Informations- und Kontrollvariablen auf die Analystenschätzun-

gen

Bezüglich des Einflusses der Informationsvariablen auf die Unsicherheitsindika-

toren werden die vorherigen Ergebnisse bestätigt. Zwischen den Variablen

IRQUAL bzw. INFQUAL und dem Schätzfehler sowie der Streuung der Schät-

zungen besteht ein signifikant negativer Zusammenhang (-0,181 bzw. -0,138).

Für die Prognosepräzision MPS kann nur mit dem Schätzfehler ein schwach ne-

gativer Zusammenhang festgestellt werden. Die Korrelation zwischen den Kon-

trollvariablen und den Eigenschaften der Analystenschätzungen reflektiert die

Ergebnisse früherer Untersuchungen.596 Sowohl Schätzfehler als auch Streuung

sind positiv korreliert mit der Volatilität der Aktienrenditen (VOLA) und dem

Bestehen eines Verlustes (VERLUST) im laufenden Geschäftsjahr. Eine negati-

ve Korrelation besteht mit der Unternehmensgröße (LOGGROESSE) und der

Anzahl der Analysten (ANALYSTEN). Bezüglich der Korrelationen der Kon-

trollvariablen untereinander zeigt sich erwartungsgemäß eine hohe Korrelation

595 Vgl. Daske (2005), S. 115. 596 Vgl. z.B. Hope/Kang (2005), S. 33; Lang/Lundholm (1996), S. 481.


zwischen Unternehmensgröße und der Anzahl der Analysten sowie zwischen der

Unternehmensgröße und der Anzahl der Segmente.

Insgesamt bestätigt auch die Korrelationsanalyse die erwarteten Zusammenhän-

ge zwischen den Informationsvariablen und den Eigenschaften der Schätzungen.

Allerdings beruhen diese Ergebnisse lediglich auf einem univariaten Zusam-

menhang. Zur Überprüfung, ob der Zusammenhang auch nach Einbeziehung

weiterer Variablen besteht, werden im Folgenden multivariate Regressionsmo-

delle formuliert und geschätzt.

3.5.2.2.2 Modellformulierung

Im Rahmen einer multivariaten Regressionsanalyse werden die verschiedenen

erklärenden Informations- und Kontrollvariablen auf ihren gemeinschaftlichen

Erklärungsgehalt der Eigenschaften der Analystenschätzungen hin untersucht.

Hierzu werden zwei Regressionsmodelle mit Hilfe der Kleinst-Quadrate-

Schätzung (Ordinary Least Squares, OLS) für den Fehler und die Streuung der

Schätzungen formuliert. Zur möglichst präzisen Bestimmung des Einflusses ei-

ner Variable auf die Schätzeigenschaften wird in drei Unterabschnitten jeweils

nur eine der drei Variablen der Informationsqualität (Variable INFO) in das Mo-

dell einbezogen. Im vierten Unterabschnitt werden anschließend die beiden Va-

riablen INFQUAL und IRQUAL zusammen untersucht, um zu überprüfen, wel-

che der beiden Variablen einen stärkeren Einfluss besitzt. Die Variable MPS

wird nicht einbezogen, da für sie deutlich weniger Beobachtungen vorliegen,

was die Stichprobe um ca. 77 % reduzieren würde. Bezüglich der Einbeziehung

der Kontrollvariablen wird aufgrund der hohen Korrelation zwischen der Unter-

nehmensgröße und der Anzahl der Analysten lediglich die Unternehmensgröße

in das Modell integriert.597 Um für den möglichen Einfluss jahres- und bran-

chenspezifischer Effekte zu kontrollieren, werden in zwei zusätzlichen Modellen

1b) und 2b) Branchen- und Jahresdummyvariablen in das Modell integriert (ind

597 In nicht tabellierten Ergebnissen wird für alle Modelle die Anzahl der Analysten statt der Unterneh-

mensgröße verwendet. Die Regressionskoeffizienten für die Anzahl der Analysten sind in allen Model-len signifikant mit dem erwarteten negativen Vorzeichen. Bezüglich der Koeffizienten der Informations-variablen ergeben sich keine signfikanten Veränderungen.


bzw. year).598 Bezüglich der Jahresdummyvariablen dient das erste Jahr (1997)

als Referenzjahr und erhält keine Dummyvariable. Die Branchendummyvariab-

len werden anhand der Branchenklassifikation von I/B/E/S erstellt.599 Die vier zu

schätzenden Modelle lauten damit wie folgt:

Modell 1a: FORERR = α + β1INFO + β2LOGGROESSE + β3SEGMENTE

+ β4VOLA+ β5VERLUST + ui

Modell 1b: FORERR = α + β1INFO + β2LOGGROESSE + β3SEGMENTE

+ β4VOLA + β5VERLUST + ∑=

9

1nnn yearγ

+ ∑=

9

1nnnindustryδ + ui

Modell 2a: FOREDISP = α + β1INFO + β2 LOGGROESSE+ β3SEGMENTE

+ β4VOLA+ β5VERLUST + ui

Modell 2b: FOREDISP = α + β1INFO + β2LOGGROESSE+ β3SEGMENTE

+ β4VOLA + β5VERLUST + ∑=

9

1nnn yearγ

+ ∑=

9

1nnnindustryδ + ui

3.5.2.2.3 Ergebnisse der Regressionsanalyse

1) Qualität der Investor Relations

In Tabelle 19 werden die Ergebnisse für die Modelle unter Einbeziehung der

Qualität der Investor Relations als Indikator der Informationsqualität präsentiert.

Für jedes Modell werden die Variablen, das erwartete Vorzeichen der Variable,

die Regressionskoeffizienten, die zugehörigen t-Werte sowie die Signifikanz der

598 Da es sich bei diesem Datensatz um Paneldaten handelt, wäre auch eine Einbeziehung unternehmens-

spezifischer Dummyvariablen möglich. Da die unternehmensspezifischen Effekte allerdings ebenso alle Einflüsse bündeln, die die Unternehmen voneinander unterscheiden, kann die Einbeziehung von unter-nehmensspezifischen Effekten dazu führen, dass eine Vielzahl der Variablen als nicht signifikant darge-stellt wird, obwohl ein Einfluss tatsächlich vorliegt. In der empirischen Literatur werden daher regelmä-ßig branchen- statt unternehmensspezifischer Effekte als Dummyvariablen in die Regressionsmodelle in-tegriert. Vgl. zu dieser Vorgehensweise auch Hope/Kang (2005), S. 30; Henze (2004), S. 155.

599 Aufgrund der geringen Anzahl von untersuchten Unternehmen wurde die Einteilung auf neun Branchen begrenzt. Zur Übersicht über die Branchenklassifkationen von I/B/E/S und die Zuordnung in dieser Un-tersuchung vgl. Anhang 6.


Koeffizienten angegeben. Die Güte eines Modells wird mit Hilfe des adjustierten

R2-Wertes und der F-Statistik beurteilt.

Modell 1a Modell 1b Modell 2a Modell 2bVariable eV Koeffizient Koeffizient Koeffizient Koeffizient

(t-Wert) (t-Wert) (t-Wert) (t-Wert)IRQUAL - -0.00041 -0.00015 -0.00020 -0.00022

3.59*** 1.35 5.46*** 5.70***LOGGROESSE - -0.00657 -0.00389 -0.00248 -0.00162

5.39*** 3.08*** 6.58*** 3.66***SEGMENTE + 0.00318 0.00162 0.00161 0.00123

3.42*** 1.86* 4.60*** 3.38***VOLA + 0.00060 0.00039 0.00030 0.00031

3.55*** 2.01** 4.19*** 3.90***VERLUST + 0.06244 0.11023 0.00687 0.01245

8.63*** 10.10*** 3.64*** 4.43***Jahres- und branchenspezifische Effekte einbezogen einbezogen

Konstante 0.1137 0.0760 0.0448 0.04957.66*** 4.35*** 8.74*** 7.25***

Beobachtungen 1338 1338 1338 1338

adj. R2 19.76% 31.25% 16.97% 23.40%F-Statistik 24.92 10.77 23.41 7.64

FORERR FOREDISP

Dargestellt sind die geschätzten Regressionskoeffizienten mit den entsprechenden t-Werten. Die Symbole */**/***verdeutlichen Signifikanz mit einer Irrtumswahrscheinlichkeit von 10%/5%/1%. In allen Modellen werden robusteStandardfehler nach Newey/West (1987) verwendet.

Tabelle 19: Determinanten der Eigenschaften von Analystenschätzungen – IR-Qualität

Hinsichtlich des Schätzfehlers bestätigen die Ergebnisse die Erwartungen bezüg-

lich der meisten Kontrollvariablen auf hoch signifikantem Niveau. Der erwartete

positive Zusammenhang mit dem Schätzfehler besteht zwischen der Anzahl der

Segmente (SEGMENTE), der Volatilität der Aktienrendite (VOLA) und dem

Bestehen eines Verlustes (VERLUST). Der erwartete negative Zusammenhang

mit der Unternehmensgröße (LOGGROESSE) wird ebenfalls bestätigt. Für den

Einfluss der IR-Qualität wird der erwartete negative Zusammenhang in beiden

Modellen 1a und 1b bestätigt. Die Anzahl der Koeffizienten wird allerdings

durch die Einbeziehung der jahres- und branchenspezifischen Dummyvariablen

in Modell 1b deutlich erhöht, woraus die reduzierten Signifikanzniveaus resultie-

ren. Eine nicht tabellierte Untersuchung der Dummyvariablen zeigt, dass die

Höhe des Schätzfehlers insbesondere von branchenspezifischen Dummyvariab-

len beeinflusst wird.


Für die Streuung der Schätzungen zeigt sich, dass IRQUAL auch nach Einbezie-

hung der Dummyvariablen einen signifikant negativen Einfluss besitzt. Dies bes-

tätigt die Erwartungen und lässt auf die aktive Einflussnahme des Unterneh-

mensmanagements auf die Analystenschätzungen schließen. Der sehr geringe

Wert des geschätzten Koeffizienten, der fast identisch mit den Ergebnissen von

Daske (2005) ist, lässt einen bedeutsamen Einfluss allerdings unplausibel er-

scheinen.600 Der vergleichsweise geringe Wert des adjustierten R2 sowie der

hoch signifikante Intercept-Term machen ebenso deutlich, dass lediglich ein ge-

ringer Teil der Variation der Residuen durch die einbezogenen Variablen erklärt

werden kann. Dies ist allerdings nicht überraschend vor dem Hintergrund, dass

nicht sämtliche bekannten Einflussfaktoren in die Analyse einbezogen wur-

den.601

2) Qualität des Geschäftsberichts

Tabelle 20 zeigt die Ergebnisse für die vier Modelle unter Einbeziehung der Va-

riablen für die Qualität des Geschäftsberichts (INFQUAL). Da die Ergebnisse in

vielen Punkten vergleichbar zu den vorherigen sind, werden lediglich die rele-

vanten Veränderungen diskutiert.

600 Vgl. Daske (2005), S. 119. 601 Chordia/Shivakumar (2005) zeigen z.B., dass makroökonomische Faktoren fast die Hälfte der Variation

der Gewinne erklären.



t-Wert t-Wert t-Wert t-WertINFQUAL - -0.00041 -0.00010 -0.00008 -0.00001

3.01*** 0.99 1.90* 0.150LOGGROESSE - -0.00740 -0.00530 -0.00322 -0.00255

6.04*** 4.25*** 8.48*** 5.80***SEGMENTE + 0.00374 0.00121 0.00171 0.00126

4.03*** 1.400 4.79*** 3.47***VOLA + 0.00057 0.00042 0.00029 0.00032

3.40*** 2.14** 4.11*** 3.98***VERLUST + 0.06331 0.11292 0.00702 0.01384


Konstante 0.12574 0.06517 0.04769 0.048108.39*** 3.72*** 8.72*** 6.85***

Beobachtungen 1338 1338 1338 1338

adj. R2 0.19 0.31 0.15 0.21F-Statistik 25.68 10.99 21.01 6.72

FORERR FOREDISP

Dargestellt sind die geschätzten Regressionskoeffizienten mit den entsprechenden t-Werten. Die Symbole */**/***verdeutlichen Signifikanz mit einer Irrtumswahrscheinlichkeit von 10%/5%/1%. In allen Modellen wurden robusteStandardfehler nach Newey/West (1987) verwendet. Tabelle 20: Determinanten der Eigenschaften von Analystenschätzungen – multivariate

Regressionsergebnisse

Sowohl bezüglich des Schätzfehlers als auch der Streuung bestätigen die Ergeb-

nisse die Erwartung eines negativen Zusammenhangs mit der Qualität des Ge-

schäftsberichts. In Modell 1a und 2a wird jeweils ein signifikanter Einfluss fest-

gestellt. Im Gegensatz zur IR-Qualität reduziert sich die Stärke des Einflusses

allerdings nach Integration der Dummyvariablen in beiden Modellen auf ein

nicht mehr signifikantes Niveau. Dies kann als Hinweis darauf gewertet werden,

dass die Qualität des Geschäftsberichts nur einen vergleichsweise geringen Ein-

fluss auf die Analystenschätzungen hat. Da die Variable INFQUAL mit

IRQUAL zudem stark korreliert, liegt hier möglicherweise ein überlagernder

Einfluss von IRQUAL vor. Dies wird unter 4) überprüft.

3) Präzision der Managementprognosen

In Tabelle 21 werden die Ergebnisse für die Modelle unter Einbeziehung der

Präzision der Managementprognosen als Indikator der Informationsqualität prä-

sentiert. Da die Präzision der Managementprognosen lediglich für die Jahre 2002

bis 2005 bestimmt wurde, verringert sich die Anzahl der Beobachtungen für je-


des Modell auf 309. Auch hier werden lediglich die relevanten Abweichungen

zu den vorherigen Ergebnissen beschrieben.


t-Wert t-Wert t-Wert t-WertMPS - -0.01037 -0.00438 -0.00177 -0.00107

1.93* 0.88 1.60 0.87LOGGROESSE - -0.00798 -0.00550 -0.00201 -0.00154

2.75*** 1.98** 3.12*** 2.10**SEGMENTE + 0.00431 0.00335 0.00124 0.00078

2.01** 1.88* 2.54** 1.50VOLA + 0.00127 -0.00007 0.00031 0.00017

3.36*** 0.1900 5.01*** 2.52**VERLUST + 0.04721 0.12343 0.00172 0.00887

4.48*** 5.04*** 0.91 2.07**Jahres- und branchenspezifische Effekte einbezogen einbezogen

Konstante 0.10076 -0.01969 0.03148 0.018632.05** 0.41 3.06*** 1.46

Beobachtungen 309 309 309 309

adj. R2 17.34% 40.40% 13.60% 19.72%F-Statistik 9.26 5.85 11.03 6.23

FORERR FOREDISP

Dargestellt sind die geschätzten Regressionskoeffizienten mit den entsprechenden t-Werten. Die Symbole */**/***

verdeutlichen Signifikanz mit einer Irrtumswahrscheinlichkeit von 10%/5%/1%. In allen Modellen wurden robuste

Standardfehler nach Newey/West (1987) verwendet.

Tabelle 21: Determinanten der Eigenschaften von Analystenschätzungen – Präzision der Managementprognosen

Der erwartete Zusammenhang zwischen der Präzision der Managementprogno-

sen (MPS) und dem Schätzfehler wird in Modell 1a auf schwach signifikantem

Niveau bestätigt. Nach Einbeziehung jahres- und branchenspezifischen Dummy-

variablen in Modell 1b ist der Regressionskoeffizient von MPS allerdings nicht

mehr signifikant. Bezüglich der Streuung der Schätzungen zeigt sich, dass auch

hier der erwartete negative Zusammenhang zwischen der Prognosepräzision bes-

tätigt werden kann, allerdings in beiden Modellen 2a und 2b auf nicht signifikan-

tem Niveau. Für die restlichen Variablen zeigen sich die erwarteten Vorzeichen,

wenn auch mit wechselnden Signifikanzniveaus.

Die Erklärungsgüte der Modelle steigt in Modell 1b gegenüber Modell 1a deut-

lich an, was auf die Einbeziehung der branchen- und jahresspezifischen Dum-

myvariablen zurückzuführen ist. Dies wird ebenso deutlich in der in Modell 1b


nicht mehr signifikanten Koeffizienten des Intercept-Terms. Der F-Test ist in al-

len Modell signifikant auf 99 %-Niveau.

4) Integration von INFQUAL und IRQUAL

Die abschließende gleichzeitige Betrachtung der Informationsvariablen soll die

Frage beantworten, welche der beiden Variablen INFQUAL und IRQUAL einen

größeren Einfluss besitzt. Da eine Einbeziehung von MPS den Datensatz deut-

lich reduziert hätte und die Variable lediglich in einem Modell des Schätzfehlers

einen schwach signifikanten Einfluss hatte, wird sie hier nicht berücksichtigt.

Tabelle 22 zeigt die Ergebnisse:

Modell 1a Modell 1b Modell 2a Modell 2bVariable EV Koeffizient Koeffizient Koeffizient Koeffizient

t-Wert t-Wert t-Wert t-WertINFQUAL - -0.00023 0.00010 0.00003 0.00005

1.63 1.04 0.76 1.05IRQUAL - -0.00035 -0.00020 -0.00021 -0.00023

2.82*** 1.72* 5.54*** 5.86***LOGGROESSE - -0.00624 -0.00456 -0.00252 -0.00171

4.91*** 3.45*** 6.59*** 3.74***SEGMENTE + 0.00350 0.00113 0.00157 0.00116

3.76*** 1.30 4.39*** 3.21***VOLA + 0.00059 0.00041 0.00030 0.00032

3.46*** 2.11** 4.21*** 3.93***VERLUST + 0.06296 0.11190 0.00680 0.01268


Konstante 0.1196 0.06506 0.04398 0.058.07*** 3.70*** 8.44*** 6.93***

Beobachtungen 1338 1338 1338 1338

adj. R2 19.84% 31.47% 16.94% 23.40%F-Statistik 21.63 10.49 19.59 7.49

FORERR FOREDISP

Dargestellt sind die geschätzten Regressionskoeffizienten mit den entsprechenden t-Werten. Die Symbole */**/***verdeutlichen Signifikanz mit einer Irrtumswahrscheinlichkeit von 10%/5%/1%. In allen Modellen wurden robusteStandardfehler nach Newey/West (1987) verwendet. Jahres- und industriespezifische Dummyvariablen sind inModell 2 integriert.

Tabelle 22: Determinanten der Eigenschaften von Analystenschätzungen – Integration aller

Variablen

Modell 1a zeigt, dass sowohl die Qualität des Geschäftsberichts als auch die

Qualität der IR den Schätzfehler verringern. Allerdings liegt nur der Koeffizient

von IRQUAL auf einem hoch signifikanten Niveau. Nach der Kontrolle für jah-

res- und branchenspezifische Einflussfaktoren in Modell 1b ist der Einfluss al-


lerdings auch für IRQUAL nur schwach signifikant. In Modell 2a besitzt ledig-

lich der Koeffizient der IR-Qualität das erwartete negative Vorzeichen, das aber

wiederum auf hoch signifikantem Niveau. Dieser Einfluss bleibt auch nach der

Einbeziehung der Dummyvariablen in Modell 2b signifikant. Dieses Ergebnis ist

konform mit dem von Daske (2005), der einen vergleichbar hohen negativen

Koeffizienten auf einem noch höheren Signifikanzniveau erhält.602 Der Einfluss

von INFQUAL auf die Streuung der Schätzungen ist in Modell 2a und 2b nicht

signifikant.

Insgesamt lassen die Ergebnisse aus den vier Ansätzen verschiedene Schlussfol-

gerungen zu: Erstens kann durch eine qualitativ hochwertige IR-Arbeit die Unsi-

cherheit der Analysten, gemessen durch die Streuung der Schätzungen, signifi-

kant gesenkt werden. Dies bestätigt die Ergebnisse von Lang/Lundholm (1996)

für den US-amerikanischen Kapitalmarkt. Diese schließen daraus, dass „ investor

relations is consistenly a significant determinant of analyst behavior.“ 603 Fraglich

erscheint nun, welcher Teil der IR-Arbeit für diesen Effekt verantwortlich ist.

Verschiedene Studien sehen den Geschäftsbericht als eine wichtige Komponente

der IR-Maßnahmen, da hierdurch verlässliche und geprüfte Informationen über-

mittelt werden.604 Das zweite erzielte Ergebnis zeigt jedoch, dass entgegen der

Erwartung kein eindeutig negativer, signifikanter Zusammenhang zwischen der

Qualität des Geschäftsberichts und der Unsicherheit der Analysten dokumentiert

werden kann. Das teilweise positive, wenn auch nicht signifikante Vorzeichen

des Koeffizienten INFQUAL könnte zudem als Indikator für den sog. „ Informa-

tion Overload“ der Analysten interpretiert werden. Beispielsweise wäre denkbar,

dass die höhere Quantität der Informationen im Geschäftsbericht zu einer Verun-

sicherung der Analysten führt, so dass diese stärker auf andere Maßnahmen der

IR-Arbeit zurückgreifen, wie z.B. Managementprognosen. Dies setzt allerdings

voraus, dass die Bewertungsergebnisse durch das Team von Prof. Küting eher

die Quantität als die Qualität des Geschäftsberichts widerspiegelt. Das dritte Er-

602 Vgl. Daske (2005), S. 119. 603 Lang/Lundholm (1996), S. 490. 604 Vgl. Chang/Most (1981), S. 50; Ernst et al. (2005), S. 34.


gebnis dieser Studie, der durchgehend negative Koeffizient des Regressionskoef-

fizienten der Managementprognosen, deutet auf die Bedeutung des Manage-

ments als Informationsquelle und Teil der IR-Arbeit hin. In nachfolgenden Stu-

dien könnten daher weitere Maßnahmen der IR-Arbeit in ihrer Relevanz für die

Analystenschätzungen untersucht werden. Beispielsweise finden Matsumoto et

al. (2006) in einer Studie für den US-amerikanischen Kapitalmarkt, dass eine

längere Dauer der conference calls nach Ergebnisbekanntgabe den Schätzfehler

der Analystenschätzungen reduziert. Vergleichbare Studien zu conference calls

für den deutschen Kapitalmarkt fehlen bislang.

3.5.2.2.4 Überprüfung der Regressionsvoraussetzungen

Die Anwendung einer Kleinst-Quadrate-Schätzung für die vier Modelle setzt

voraus, dass bestimmte Annahmen erfüllt sind. Zu diesen Annahmen gehören,

dass 1) der Zusammenhang linear ist, 2) der Erwartungswert des Residuums

gleich null ist, 3) die Residuen der Schätzgleichung weder korreliert 4) noch he-

teroskedastisch sind sowie 5) keine perfekte oder hohe Multikollinearität der

exogenen Variablen vorliegt.605 In diesem Abschnitt werden die Voraussetzun-

gen kurz erläutert und direkt anschließend die verwendeten Regressionsmodelle

auf deren Vorliegen überprüft. Da der Datensatz insgesamt 1.338 Beobachtun-

gen von 318 Unternehmen im Zeitraum von zehn Jahren umfasst, handelt es sich

um einen sog. Paneldatensatz. Die Besonderheiten bei der Analyse von Panelda-

ten werden in 6) ebenfalls erläutert. Die für die Anwendung des t-Tests und des

F-Tests notwendige Annahme der Normalverteilung der Residuen606 wird in 7)

überprüft.

1) Linearität des Modells

Die erste Annahme eines OLS-Modells ist, dass das Modell in seinen Parame-

tern konstant linear ist.607 Sie kann verletzt werden, wenn eine falsche Variablen-

auswahl oder eine nicht-lineare funktionale Form der Gleichung vorliegt. Zur 605 Vgl. Backhaus et al. (2006), S. 91 ff. 606 Vgl. Urban/Mayerl (2006), S. 145. 607 Vgl. im Folgenden Kennedy (2003), S. 106-109.


Überprüfung der Annahme wird regelmäßig der sog. RESET-Test (Regression-

Specification-Error-Test) angewendet, mit dessen Hilfe die Nullhypothese über-

prüft wird, dass keine Fehlspezifikation vorliegt. Die Anwendung des Tests auf

den Datensatz führt bei allen Modellen zur Ablehnung der Nullhypothese mit ei-

ner Irrtumswahrscheinlichkeit von 1 %. Dieses Ergebnis ist nicht überraschend

vor dem Hintergrund der Vielzahl von Variablen, die in der Literatur als Ein-

flussfaktoren der Analystenschätzungen identifiziert wurden, die aber in diesem

Regressionsmodell auf Grund von Datenrestriktionen nicht berücksichtigt wer-

den konnten.608 Die nicht einbezogenen Variablen beeinflussen die geschätzten

Regressionskoeffizienten allerdings nicht, wenn sie mit den weiteren Variablen

unkorreliert sind.609 Bezüglich eines möglicherweise nicht-linearen funktionalen

Zusammenhangs existieren in der Literatur bislang keine Hinweise, dass dieser

zu verbesserten Ergebnissen führt. Daher wird die Fragestellung einer möglichen

Nicht-Linearität des funktionalen Zusammenhangs nicht betrachtet.

2) Erwartungswert der Residuen gleich null

Die zweite Annahme des klassischen linearen Regressionsmodells ist, dass der

Erwartungswert der Residuen gleich null ist.610 Dies ist immer dann gegeben,

wenn die Schwankungen der Residuen ui zufällig verteilt sind. Eine Verletzung

dieser Annahme ist in der Regel lediglich mit einer Verzerrung des Schätzwerts

für die Regressionskonstante verbunden.611 Da die Regressionskonstante in die-

sen Modellen von geringerer Bedeutung ist, wird diese Annahme nicht weiter

betrachtet.

3) Residuen sind unkorreliert (fehlende Autokorrelation)

Autokorrelation liegt vor, wenn die Residuen eines Regressionsmodells nicht zu-

fällig verteilt sind, sondern miteinander korrelieren und damit abhängig vonein-

608 Vgl. hierzu auch Kapitel 3.2.3. 609 Vgl. Kennedy (2003), S. 107. 610 Vgl. im Folgenden Kennedy (2003), S. 48-50. 611 Vgl. Backhaus et al. (2006), S. 93.


ander sind.612 Insbesondere bei der Analyse von Zeitreihen stellt Autokorrelation

ein Problem dar, da aufeinander folgende Residuen häufig stark positiv korrelie-

ren.613 Die Folge von Autokorrelation der Residuen sind nicht effiziente, also

nicht varianzminimale Ergebnisse des Regressionsmodells.614 Neben der visuel-

len Inspektion der Residuenverteilung wird zur Überprüfung auf Autokorrelation

regelmäßig der Durbin-Watson-Test durchgeführt.615 Ein Test auf Autokorrelati-

on von Paneldatensätzen, für die nicht für jedes Jahr ein Wert der Querschnitts-

variable Unternehmen vorhanden ist, erfordert zudem ein spezielles Test-

Verfahren. In dieser Arbeit wird ein von Wooldridge (2002) entwickelter Test

auf serielle Korrelation verwendet, der die Nullhypothese nicht vorhandener Au-

tokorrelation der Unternehmensresiduen mit Hilfe eines Wald-Tests überprüft.616

Liegt Autokorrelation vor, werden regelmäßig angepasste Schätzverfahren wie

das von Newey-West verwendet, die trotz Autokorrelation robuste Schätzergeb-

nisse liefert.617 Eine weitere Möglichkeit besteht in der Verwendung von genera-

lisierten Kleinst-Quadrate-Schätzern (Generalized Least Squares, GLS). Hierbei

wird weniger Gewicht auf Beobachtungen mit höherer Fehlervarianz gelegt

wird, woraus verlässlichere Schätzergebnisse resultieren.618

Da der eigene Datensatz Beobachtungen über zehn Jahre enthält, kann grund-

sätzlich Autokorrelation vermutet werden. In den Ergebnissen des Tests von

Wooldridge (2002) wird insbesondere in den Modellen unter Einbeziehung der

Informationsvariablen INFQUAL und IRQUAL die Nullhypothese von fehlen-

der Autokorrelation in fast allen Modellen verworfen. Um den Effekt von Auto-

korrelation zu kontrollieren, werden daher in allen OLS-Regressionsmodellen

612 Vgl. Chatterjee/Price (1995), S. 157-181; Assenmacher (2002), S. 163 f.; Kennedy (2003), S. 140. 613 Vgl. Kennedy (2003), S. 157 ff.; Ruhwedel (2003), S. 157. 614 Vgl. Kennedy (2003), S. 141. 615 Vgl. Backhaus et al. (2006), S. 88. 616 Vgl. Wooldridge (2002), S. 282 f. 617 Der Newey-West-Schätzer ist sowohl robust gegen Heteroskedastizität als auch gegen Autokorrelation.

Vgl. Gujarati (2003), S. 484 f. 618 Vgl. Wooldridge (2003), S. 272.


heteroskedastizitäts- und autokorrelationsrobuste Standardfehler und Kovarian-

zen nach Newey/West (1987) verwendet.619

4) Residuen haben eine konstante Varianz (fehlende Heteroskedastizität)

Heteroskedastizität liegt vor, wenn die Residuen einzelner Beobachtungen nicht

die gleiche Varianz aufweisen, d.h. die Streuung der Residuen der geschätzten

Variablen nicht konstant ist.620 Dies hat verzerrte Standardfehler und verzerrte

Testergebnisse sowie die Ineffizienz der Schätzungen zur Folge. Zur Überprü-

fung auf Heteroskedastizität wird regelmäßig der White-Test und der

Breusch/Pagan-Test angewendet. Liegt Heteroskedastizität vor, kann entweder

eine Transformation der abhängigen Variablen mittels Skalierung erfolgen oder

die Standardfehler werden mit Hilfe spezieller Verfahren geschätzt, die den Ein-

fluss von Heteroskedastizität eliminieren (z.B. nach Huber (1980) und White

(1967) oder Newey/West (1987)).621

Im vorliegenden Datensatz werden alle Modelle mit Hilfe des White-Tests und

des Tests von Breusch/Pagan auf Heteroskedastizität überprüft. Die Annahme

der Homoskedastizität wird in allen Modellen verworfen. Dieses Ergebnis ist

konform mit vergleichbaren Untersuchungen, die zwar keine genauen Werte des

White-Tests angeben, jedoch explizit für Heteroskedastizität kontrollieren.622

Daher werden in allen OLS-Regressionsmodellen heteroskedastizitäts- und auto-

korrelationsrobuste Standardfehler und Kovarianzen nach Newey/West (1987)

verwendet.623

619 Vgl. Newey/West (1987), S. 703-708. 620 Vgl. im Folgenden Kennedy (2003), S. 136-139. 621 Vgl. White (1980); Rogers (1993); Newey/West (1987); Huber (1967). 622 Vgl. z.B. Daske et al. (2006), S. 26. In anderen Untersuchungen wird die Hypothese von fehlender Ho-

moskedastizität dagegen nicht verworfen. Diese Studien sind allerdings regelmäßig auf ein Jahr be-schränkt und spiegeln damit nicht den hier verwendeten Paneldatensatz wider. Vgl. Hail (2002), S. 759; Botosan (1997), S. 343.

623 Vgl. zu dieser Vorgehensweise auch De Jong et al. (2006), S. 35.


5) Keine lineare Abhängigkeit zwischen den Regressoren (fehlende Multikolli-

nearität)

Multikollinearität liegt vor, wenn in einem Modell verwendete Regressoren nicht

linear unabhängig voneinander sind. Eine erklärende Variable könnte in diesem

Fall als lineare Funktion der übrigen erklärenden Variablen dargestellt wer-

den.624 Ein bestimmtes Maß an Korrelation ist in der Praxis meist unvermeidlich,

stellt jedoch für ein Regressionsmodell regelmäßig kein Problem dar.625 Als Fol-

ge von Multikollinearität können größere Standardfehler der Regressionskoeffi-

zienten resultieren, was zu ineffizienten Schätzern führt und möglicherweise zu

einer fehlerhaften Nicht-Verwerfung von Hypothesen.626 Multikollinearität wird

regelmäßig anhand der Korrelationsmatrix der verwendeten Variablen festge-

stellt.627 Hohe Korrelationen zwischen einzelnen Variablen deuten auf bestehen-

de Multikollinearität hin. Zur Behandlung von Multikollinearität bietet es sich

an, jeweils nur eine der korrelierenden Variablen in das Regressionsmodell mit

aufzunehmen.628

In der eigenen Untersuchung besteht lediglich zwischen der Unternehmensgröße

und der Anzahl der Analysten eine hohe Korrelation. Da die Unternehmensgröße

eine höhere Korrelation mit den Eigenschaften der Analystenschätzungen auf-

weist, wird nur diese in die Modelle integriert.629

6) Berücksichtigung der Struktur von Paneldaten

Von Paneldaten wird gesprochen, wenn für einzelne Untersuchungseinheiten

mehrere Beobachtungen zu verschiedenen Zeitpunkten vorliegen.630 Die im

Rahmen dieser Arbeit verwendeten Daten umfassen insgesamt zehn Jahre mit

624 Vgl. Kennedy (2003), S. 205 f. 625 Vgl. z.B. Backhaus et al. (2006), S. 88. 626 Vgl. Kennedy (2003), S. 206-208. 627 Vgl. Kennedy (2003), S. 209. 628 Zu weiteren Möglichkeiten der Behandlung des Problems der Multikollinearität vgl. Kennedy (2003), S.

210-212. 629 Vgl. für diese Vorgehensweise auch Gebhardt et al. (2001), S. 162-164 sowie Daske et al. (2006), S. 26. 630 Vgl. Henze (2004), S. 68.


mehreren Beobachtungen pro Unternehmen und stellen daher sog. Paneldaten

dar. Paneldaten berücksichtigen sowohl die Querschnitts- als auch die Zeitrei-

hendimension von Daten und führen aufgrund der damit induzierten höheren

Anzahl von Freiheitsgraden im Vergleich zu einer Querschnittsanalyse zu einer

größeren Effizienz der Schätzung.631 Problematisch ist allerdings, dass die zu

schätzenden Parameter über den Querschnitt oder über die Zeitreihe variieren

können.632 Um das geeignete Regressionsmodell festzulegen, muss daher festge-

stellt werden a) in welcher Dimension (Zeitreihe oder Querschnitt), b) bei wel-

chen Parametern (Regressionskonstante oder/und Regressionsgewichte) und c)

in welcher Weise (feste oder zufällige Effekte) eine Heterogenität der Parameter

vorliegt.633 Auf diese drei Punkte ist näher einzugehen:

a) Kann bei der Schätzung der Parameter für alle Unternehmen und über alle

Zeitperioden hinweg ein identischer Parametervektor unterstellt werden, kann

das Modell mit einer Kleinst-Quadrate-Schätzung (OLS) geschätzt werden (poo-

led regression).634 Ist dagegen anzunehmen, dass der Parametervektor nicht für

alle Unternehmen und über alle Zeitperioden hinweg identisch ist, sondern zwi-

schen den Unternehmen variiert, sind Modelle mit divergierenden Regressions-

koeffizienten, d.h. divergierenden Regressionskonstanten oder -gewichten anzu-

wenden.635 Die Überprüfung, ob identische oder divergierende Parameter vorlie-

gen, kann mit Hilfe eines F-Tests durchgeführt werden.636

Für den vorliegenden Datensatz ist der Wert des F-Tests in allen Modellen hoch

signifikant, so dass die Annahme, dass keine unternehmens- oder jahresspezifi-

631 Vgl. Eckey et al. (2001), S. 272; Greene (2003), S. 293. 632 Vgl. Verbeek (2005), S. 310. 633 Vgl. Baltagi (2005), S. 11-52. Heterogenität der Beobachtungen bedeutet, dass sich einzelne Beobach-

tungen untereinander unterscheiden. Vgl. Kennedy (2003), S. 303. 634 Vgl. Henze (2004), S. 69. 635 Vgl. Henze (2004), S. 69. 636 Vgl. Baltagi (2005), S. 13. Anhand der Ergebnisse des Tests kann überprüft werden, ob die Parameter

aller eingesetzten Dummyvariablen gleich null sind. Führt der F-Test zu einer Ablehnung der Hypothe-se, dass der Parametervektor für alle Unternehmen und über alle Zeitperioden hinweg identisch ist, stel-len Unternehmens- und Zeiteffekt feste Größen dar und sollten im Modell berücksichtigt werden. Vgl. Kennedy (2003), S. 306.


schen Effekte vorliegen, verworfen werden kann. Folglich müssen diese im Reg-

ressionsmodell grundsätzlich berücksichtigt werden.

2) Die Berücksichtigung der unternehmens- oder jahresspezifischen Effekte

kann durch unterschiedliche Regressionskonstanten und/oder Regressionsge-

wichte erfolgen. In der Regel wird davon ausgegangen, dass sich unternehmens-

oder jahresspezifische Effekte vor allem in unterschiedlichen Regressionskon-

stanten niederschlagen und die Regressionsgewichte über alle Unternehmen und

Zeitperioden homogen sind.637 In der empirischen Literatur werden unterneh-

mens- und jahresspezifische Effekt üblicherweise durch die Einbeziehung von

Dummyvariablen kontrolliert.638

3) Die Berücksichtigung von unternehmens- oder jahresspezifischen Effekten in

der Regressionskonstante kann mittels fester (fixed effects) oder zufälliger Ef-

fekte (random effects) erfolgen639, die in Form von Dummyvariablen als Regres-

sionskonstanten in das Modell eingefügt werden.640 Feste Effekte liegen vor,

wenn die Effekte nicht zufällig, sondern durch fundamentale Faktoren wie z.B.

bestimmte Eigenschaften des Managements bedingt sind.641 Bei zufälligen Ef-

fekten wird unterstellt, dass keine Korrelation zwischen den exogenen Variablen

und den Unternehmenseffekten besteht.642 Zufällige Effekte liegen z.B. vor,

wenn in verschiedenen Jahren eine neue Stichprobe von Unternehmen gezogen

wird und sich diese Stichprobe von Jahr zu Jahr unterscheidet.

Die jahresspezifischen Effekte werden als Dummyvariablen in die Modelle 1b

und 2b integriert. Bezüglich der unternehmensspezifischen Effekte ist in der vor-

liegenden Datenbasis zu erwarten, dass die Unternehmenseffekte nicht zufällig,

sondern fix sind, da die einbezogenen Unternehmen im Untersuchungszeitraum

637 Vgl. Verbeek (2005), S. 310; Henze (2004), S. 70. 638 Vgl. z.B. Hail/Leuz (2006), S. 500; De Jong et al. (2006), S. 35; Henze (2004), S. 70. 639 Vgl. Greene (2003), S. 285. 640 Vgl. Kennedy (2003), S. 310. 641 Vgl. Hsiao (2003), S. 44. 642 Vgl. Greene (2003), S. 293.


kaum variieren. Zur Überprüfung dieser Vermutung wird der Hausman-Test

durchgeführt, mit dessen Hilfe die Nullhypothese überprüft wird, ob statt fester

eher zufällige Effekte berücksichtigt werden sollten.643 Die Testergebnisse zei-

gen, dass die Nullhypothese bei sämtlichen Modellen verworfen werden kann.

Damit scheint eine Berücksichtigung von festen unternehmensspezifischen Ef-

fekten vorteilhaft. Aufgrund der großen Anzahl der Unternehmen im Vergleich

zu den lediglich zehn untersuchten Jahren würde die Einführung von unterneh-

mensspezifischen Dummyvariablen allerdings zu einer deutlichen Verringerung

der Freiheitsgrade führen. Daher wurden stattdessen branchenspezifische Effekte

als Dummyvariablen in die Regressionsmodelle integriert.644

7) Normalverteilung der Residuen und Ausreißerbereinigung

Eine Überprüfung des Datensatzes auf evtl. vorliegende Ausreißer, die das Reg-

ressionsergebnis verzerren, wird mithilfe der Kennzahl Cook's Distance unter-

sucht.645 Tatsächlich können bei der Untersuchung der Residuen der Regressi-

onsmodelle verschiedene Ausreißer festgestellt werden. Um den Einfluss dieser

Ausreißer zu reduzieren, werden daher die abhängigen Variablen auf 1 %-

Niveau winsorisiert. In verschiedenen nicht tabellierten Robustheitstests wurde

die Winsorisierung ebenfalls auf 2,5 %- und 5 %-Niveau durchgeführt. Die Sig-

nifikanz der Ergebnisse bleibt weiter identisch, die Regressionskoeffizienten

verändern sich teilweise leicht.

Die Annahme der Normalverteilung der Residuen ist für die Anwendung der t-

Tests und F-Tests zur Überprüfung der Ergebnisse der Regressionsmodelle auf

Signifikanz erforderlich.646 Der zur Überprüfung dieser Annahme verwendete

Test von Shapiro/Wilk (1965)647 auf den Rohdatensatz ohne Anpassungen ergibt,

dass die Annahme einer Normalverteilung der Residuen auf signifikantem Ni-

643 Vgl. Kennedy (2003), S. 306. 644 Vgl. zu dieser gängigen Vorgehensweise auch Hail/Leuz (2006), S. 500; De Jong et al. (2006), S. 35;

Chen et al. (2006), S. 15. 645 Vgl. Kennedy (2003), S. 379 f. 646 Vgl. Urban/Mayerl (2006), S. 193. 647 Vgl. Shapiro/Wilk (1965), S. 591-611; Kennedy (2003), S. 87.


veau verworfen werden muss.648 Eine anschließende visuelle Inspektion der Ver-

teilung der Residuen zeigt allerdings keine auffällige Abweichung von einer

Normalverteilung. Die Ablehnung des Tests wurde möglicherweise durch die

vergleichsweise große Stichprobe verursacht, durch die die Normalverteilungs-

annahme „ fast immer signifikant abgelehnt wird.“ 649 Da bei hinreichend großen

Stichproben die Annahme der Normalverteilung aufgrund des zentralen Grenz-

wertsatzes regelmäßig unproblematisch ist650, wird von der Verwendung adjus-

tierter t-tests, wie beispielsweise dem Skewness-Adjusted-t-Test nach Johnson

(1978)651, abgesehen.

3.5.3 Einschränkung der Ergebnisse und Robustheitstests

Die Ergebnisse der empirischen Untersuchung sind mit einigen Einschränkungen

verbunden. Dieser Abschnitt beschäftigt sich daher mit potentiellen Problemen,

die bei der Durchführung der empirischen Untersuchung auftreten können.

1) Auswahl der Stichprobe

Verschiedene Studien haben gezeigt, dass gerade bei Unternehmen mit geringe-

rer Analystencoverage der Effekt von qualitativ hochwertigen Informationen

groß sein kann.652 Im Rahmen der Robustheitstests werden daher die Untersu-

chungsstichproben anhand des Medians der Analystencoverage in zwei Gruppen

mit jeweils hoher und niedriger Analystencoverage unterteilt. Anschließend

werden sämtliche Regressionsmodelle für die Gruppe mit niedriger Analysten-

coverage geschätzt. Die Ergebnisse zeigen allerdings für keines der Modelle eine

relevante Abweichung der Höhe der Regressionskoeffizienten oder der Signifi-

kanzniveaus. Die Ergebnisse der vorherigen Untersuchung können demnach

auch auf die Unternehmen mit geringer Beobachtung durch Analysten übertra-

gen werden. 648 Vgl. Urban/Mayerl (2006), S. 195. 649 Urban/Mayerl (2006), S. 195. 650 Vgl. von Auer (2005), S. 412. 651 Vgl. Johnson (1978), S. 536-544. 652 Vgl. z.B. Botosan (1997), die einen stärkeren Einfluss von Variablen der Informationsqualität auf die

Eigenkapitalkosten bei Unternehmen mit geringer Analystencoverage feststellt.



Die in dieser Studie verwendeten Ergebnisse der Studie zu der Qualität der In-

vestor Relations werden nicht selbst erhoben, sondern aus dem Wettbewerb „ In-

vestor Relations Preis“ aus der Zeitschrift Capital übernommen. Diese Ergebnis-

se basieren auf einer schriftlichen Befragung von Finanzanalysten, die die Quali-

tät der IR-Arbeit eines Unternehmens jährlich anhand verschiedener Kriterien

beurteilen.653 Neben den Vorteilen eines standardisierten Fragebogens besitzen

Befragungen auch verschiedene Nachteile.654 Lev (1976) bezweifelt z.B., ob die

Befragten überhaupt die Fähigkeit besitzen, ihre tatsächliche Meinung an-

zugeben und zu bewerten, da oftmals intuitiv entschieden werde.655 Hea-

ly/Palepu (2001) argumentieren, dass bei Befragungen auch unklar bleibe, in-

wiefern Analysten die Befragung überhaupt ernst nehmen und selbst durchfüh-

ren.656 Ebenso ist denkbar, dass der Fragebogen bewusst falsch beantwortet wird

oder einzelne Unternehmen nicht bewertet werden.657 In diesen Fällen könnte ei-

ne Verzerrung oder Verfälschung die Folge sein. Nichtsdestotrotz stellt die Be-

fragung eine Methode dar, die Qualität der IR-Arbeit eines Unternehmens aus

Sicht einer Hauptadressatengruppe möglichst direkt zu messen. Daher werden

die Ergebnisse hier verwendet werden.


Die in dieser Studie verwendeten Daten zur Qualität des Geschäftsberichts wer-

den nicht selbst erhoben, sondern den veröffentlichten Ergebnissen der Studie

„ Bester Geschäftsbericht“ entnommen. Diese Ergebnisse basieren auf subjekti-

ven Analysen von verschiedenen Teams, die die Qualität der Geschäftsberichte

anhand der Kriterien Inhalt, Finanzkommunikation, Optik und Sprache der Ge-

schäftsberichte bewerten. Hierbei besteht die Möglichkeit, dass die Kriterien

oder die Gewichtung der Kriterien, die die Teams von Professor Küting zur Be- 653 Vgl. zu den Kriterien Abschnitt 3.4.1.1. 654 Vgl. Healy/Palepu (2001), S. 426 f. 655 Vgl. Lev (1976), S. 125. 656 Vgl. Healy/Palepu (2001), S. 426 f; Konrad (2001), S. 74. 657 Vgl. Hines (1982), S. 297.


urteilung des Informationsgehalts an einen Geschäftsbericht anlegen, nicht den

Kriterien oder der Gewichtung der Kriterien der Analysten entsprechen. Bei-

spielsweise ist denkbar, dass Analysten nur bestimmte Bereiche eines Geschäfts-

berichts nutzen, z.B. die Kapitalflussrechnung, diese aber dafür besonders inten-

siv. Damit wären die Ergebnisse der Studie kein valider Indikator für die Qualität

des Geschäftsberichts aus Sicht der Analysten, was die weitgehend fehlende

Signifikanz der Ergebnisse für diese Variable erklären könnte.658

4) Managementprognosen

Neben den bereits in Abschnitt 2.5.5 diskutierten Problemen bei der Erhebung

von Managementprognosen besitzt die Verwendung von Managementprognosen

als Indikator der Qualität der Finanzberichterstattung weitere Vor- und Nachtei-

le. Ein Vorteil ist die eindeutige Identifizierbarkeit einer prognostizierten Kenn-

zahl, an deren Erreichen das Management später gemessen und eine Aussage als

wahr oder falsch beurteilt werden kann.659 Andere Maßzahlen, wie z.B. die Qua-

lität des Geschäftsberichts, können dagegen nicht verifiziert werden. Nachteilig

daran ist, dass eine Managementprognose damit eine zusätzliche Eigenschaft der

„ Glaubwürdigkeit“ erhält, was dazu führen kann, dass die alleinige Betrachtung

der Präzision nicht mehr ohne weiteres auf andere Stellvertretervariablen der Fi-

nanzberichterstattung übertragbar ist.660 Bushee/Leuz (2003) argumentieren, dass

die Wirkung der freiwilligen Publizität insbesondere von der Glaubwürdigkeit

der Informationen abhängt. Dies wird bestätigt durch die analytischen Ergebnis-

se von Trueman (1986). Möglicherweise könnte daher für die Präzision der Ma-

nagementprognosen ein eindeutig signifikanter Zusammenhang gefunden wer-

den, wenn die Untersuchung auf den Effekt von glaubwürdigen Prognosen be-

schränkt wird. Die empirische Messung der Glaubwürdigkeit der Aussagen des

Managements erscheint allerdings ausgesprochen schwierig. Eine erste Mög-

lichkeit wäre die Befragung von Analysten. Dieser Aspekt wurde bislang von

der DVFA vernachlässigt und könnte in zukünftige Fragebögen integriert wer- 658 Vgl. Hope (2003), S. 268. 659 Vgl. Healy/Palepu (2001), S. 426. Dies gilt nicht für qualitative Prognosen. 660 Vgl. Healy/Palepu (2001), S. 426.


den. Als zweite Möglichkeit verwendet Williams (1996) als Stellvertretervariable

der Glaubwürdigkeit die Treffgenauigkeit der Managementprognose des Vorjah-

res.661 Für den deutschen Kapitalmarkt ist die Messung der Treffgenauigkeit al-

lerdings noch problematisch, da das Management häufig keine eindeutig nach-

vollziehbaren Kennzahlen prognostiziert.662 Verbessert sich diese Situation in

Zukunft, könnten nachfolgende Studien versuchen, die Glaubwürdigkeit anhand

der Treffgenauigkeit zu messen und anschließend lediglich die Wirkung von

glaubwürdigen Prognosen auf die Analysten untersuchen.

5) Nicht einbezogene Variablen

In der empirischen Forschung zu den Einflussfaktoren des Fehlers und der

Streuung von Analystenschätzungen wird regelmäßig eine Vielzahl von Variab-

len überprüft, die in dieser Untersuchung nicht berücksichtigt wurden. Hierunter

fallen z.B. institutionelle Faktoren (z.B. Rechnungslegungsvorschriften)663, ana-

lystenspezifische Faktoren (Alter, Erfahrung)664 oder Faktoren, die den Arbeit-

geber des Analysten betreffen (z.B. Größe der Bank, Beziehung zwischen Bank

und Unternehmen)665. Die Integration dieser Variablen in die hier verwendeten

Modelle könnte die Erklärungsgüte des Modells steigern und möglicherweise die

Signifikanz der Informationsvariablen verringern.

3.6 Zwischenfazit

Ziel dieses Kapitels war die Beantwortung der folgenden Frage:

Als Indikatoren der Qualität der Finanzberichterstattung wurden 1) die Ergebnis-

se des Wettbewerbs „ Bester Geschäftsbericht“ , 2) die Ergebnisse des Wettbe-

661 Vgl. Williams (1996), S. 103. 662 Vgl. Pellens et al. (2007), S. 24-29. 663 Vgl. z.B. Higgins (1998), S. 59; Capstaff et al. (2001), S. 531 f. 664 Vgl. Stanzel (2007), S. 159-175. 665 Vgl. Clement (1999).

Hat die Qualität der Finanzberichterstattung eines Unternehmens Einfluss auf den Schätzfehler und die Streuung von Analystenschätzungen?


werbs „ Capital Investor Relations Preis“ sowie 3) die Präzision der selbst erho-

benen Prognosen des Managements gewählt. Die Analystenschätzungen wurden

aus der Datenbank I/B/E/S entnommen. Die Untersuchung umfasst für die bei-

den ersten Variablen den Zeitraum zwischen 1997 und 2006; für die Manage-

mentprognosen wurde die Spanne zwischen 2002 und 2005 analysiert.

Hinsichtlich der zeitlichen Entwicklung zeigt sich, dass die Qualität sowohl des

Geschäftsberichts als auch der IR-Arbeit im Verlauf der letzten zehn Jahre im

Durchschnitt gestiegen ist.666 Ebenso ist ein leichter Trend zu präziseren Analys-

tenschätzungen mit geringerer Streuung zu konstatieren. Um die Kausalität die-

ses Zusammenhangs zu überprüfen, wurden univariate und multivariate Analy-

sen unter Einbeziehung verschiedener Kontrollvariablen durchgeführt. Die uni-

variaten Analysen bestätigen für alle drei Variablen den erwarteten negativen

Zusammenhang auf signifikantem Niveau. Die Ergebnisse von Unternehmen,

die über eine hohe Qualität des Geschäftsberichts, einen hohe Qualität der Inves-

tor Relations oder eine hohe Präzision der Prognosen verfügen, werden signifi-

kant treffgenauer geschätzt und streuen weniger.

In multivariaten Analysen unter Kontrolle anderer Faktoren verbleibt lediglich

für den Einfluss der IR-Variable ein signifikant negativer Zusammenhang. Für

die Qualität des Geschäftsberichts kann dagegen kein signifikanter Einfluss fest-

gestellt werden. Tabelle 23 fasst die Ergebnisse der multivariaten Analyse unter

Einbeziehung von jahres- und branchenspezifischen Dummyvariablen zusam-

men. Die Variablen, für die der erwartete Zusammenhang auf signifikantem Ni-

veau bestätigt werden konnte, sind grau unterlegt.

666 Für die Präzision der Managementprognosen wurde bereits in Abschnitt 2.5.2 gezeigt, dass im Zeitraum

2002 bis 2005 ein Trend von Punktprognosen zu den annahmegemäß weniger präzisen Intervallprogno-sen konstatiert werden kann. Vgl. Abschnitt 2.5.2.


Variable Kürzel Streuung Fehler

H 1.1 Informationsqualität der Investor Relations IRQUAL - - - -H 1.2 Informationsqualität des Geschäftsberichts INFQUAL - - o oH 1.3 Präzision der Prognosen MPS - - o o

H 2.1 Unternehmensgröße LOGGROESSE - - - -H 2.2 Anzahl der Analysten ANALYSTEN - - - -H 2.3 Anzahl der Unternehmenssegmente SEGMENTE + + + +H 2.4 Volatilität der Gewinne VOLA + + + +H 2.5 Bestehen eines Verlustes VERLUST + + + +

HypotheseeV

Die Übersicht fasst die Hypothesen zu den erwarteten Vorzeichen (eV) und die Ergebnisse der vorliegendenUntersuchung zu den Determinanten der Analystenschätzungen zusammen. Hypothesen, die bestätigt wurden, sindgrau markiert. Die Zeichen stellen eine signifikant positive (+) oder negative (-) bzw. keine signifikante (o)Beziehung zwischen den untersuchten Variablen dar.

Ergebnis


Kontrollvariablen

Tabelle 23: Zusammenfassende Übersicht der Kernergebnisse

Insgesamt deuten die Ergebnisse daraufhin, dass die IR-Arbeit einen stärkeren

Einfluss auf die Ergebnisschätzungen der Analysten besitzt als die Qualität des

Geschäftsberichts. Die Präzision von Managementprognosen hat dagegen nicht

den erwartet signifikant negativen Einfluss auf die Analystenschätzungen.

Die möglichen Erklärungen für die fehlende Bedeutung des Geschäftsberichts

sind vielfältig. Tong (2007) nennt einen möglichen „ Crowding-out“ -Effekt der

veröffentlichten Informationen als Ursache des fehlenden Einflusses.667 Dem-

nach führt eine verbesserte Berichterstattung von Seiten der Unternehmen zu ei-

ner geringeren eigenen Informationssuche von Analysten: „ As public informati-

on becomes more accurate, the need for costly investment in the acquisition of

private information declines.“ 668 Durch den negativen Effekt der verringerten In-

formationsbeschaffung der Analysten wird der positive Effekt der besseren Be-

richterstattung kompensiert.

Plumlee (2003) beschreibt dagegen einen Komplexitätseffekt der bereitgestellten

Informationen. Demnach sind die Informationen im Geschäftsbericht teilweise

so umfangreich und komplex, dass entweder die Fähigkeiten oder die Anreize

667 Vgl. Tong (2007), S. 222. 668 Chordia/Shivakumar (2005), S. 225.


der Analysten nicht ausreichen, um die Informationen des Geschäftsberichts

vollständig auszuwerten: „ In either case, complexity reduces analysts’ use of in-

formation.“ 669 Diese Hypothese wird u.a. unterstützt durch die von der SEC er-

lassene sog. plain english rule. In dieser Regelung wird Unternehmen vorge-

schrieben, die eingereichten Börsenprospekte in klar verständlicher Sprache zu

halten, damit sie vom Kapitalmarkt verstanden werden können.670

Bezüglich der Bedeutung der IR stellt sich die Frage, welcher Teilbereich der

IR-Arbeit einen besonders starken Einfluss auf die Analystenschätzungen be-

sitzt. Für die öffentlichen Managementprognosen als Teil der IR-Arbeit wurde

nur in univariaten Analysen ein schwacher Zusammenhang festgestellt. Dement-

sprechend könnte eher die Qualität der Informationen, die durch andere Kanäle

weitergegeben werden, bedeutsam sein. Matsumoto et al. (2006) zeigen z.B.,

dass ein positiver Zusammenhang zwischen der Länge eines conference calls

und der Schätzgenauigkeit der Analysten besteht.671 Ebenso könnte die Glaub-

würdigkeit des Managements einen Einflussfaktor darstellen. Koch (2002) zeigt

z.B., dass die Analystenreaktion auf Managementprognosen von Unternehmen

mit geringerer Glaubwürdigkeit geringer ist.672 Weitergehende Forschungsansät-

ze könnten daher die beiden Fragen untersuchen, 1) warum Geschäftsberichte

keinen Einfluss auf die Schätzungen besitzen sowie 2) welche Faktoren der IR

für Analysten besonders wichtig sind. Hierbei wäre insbesondere eine Studie in-

teressant, in der die Bedeutung der Einzelergebnisse der vier Fragestellungen des

„ Capital Investor Relations Preis“ untersucht wird.

Das in diesem Kapitel erzielte Ergebnis – die Unsicherheit der Analysten kann

durch eine qualitativ gute IR-Arbeit reduziert werden – hat Implikationen für die

weitere Arbeit. Verschiedene Studien haben in der Vergangenheit gezeigt, dass

sich die Unsicherheit des Kapitalmarktes über die zukünftige Entwicklung eines

669 Plumlee (2003), S. 275. 670 Vgl. SEC (1997), S. 1. 671 Vgl. Matsumoto et al. (2006), S. 1. 672 Vgl. Koch (2002).


Unternehmens in einer höheren Risikoprämie auf den Aktienkurs nieder-

schlägt.673 Eine Verringerung der Unsicherheit durch eine qualitativ hochwertige

Finanzberichterstattung bzw. IR-Arbeit könnte dementsprechend zu einer Redu-

zierung dieser Risikoprämie führen. Diese Frage soll in Kapitel 4 untersucht

werden.

673 Vgl. Stoll (1978), S. 1133 ff.; Leuz/Verrechia (2000), S. 98.

Eigenkapitalkosten 182

4 Eigenkapitalkosten


„More information always equates to less uncertainty, and […]

people pay more for certainty. In the context of financial informa-

tion, the end result is that better disclosure results in a lower cost

of capital.”674

Dieses aus der Einleitung wiederholte Argument von John M. Foster (2003) do-

kumentierte den häufig vermuteten Zusammenhang zwischen Informationen und

Kapitalkosten Ob dieser Zusammenhang tatsächlich existiert, scheint sowohl in

der Unternehmenspraxis, in der Politik als auch in der Wissenschaft von enormer

Bedeutung zu sein.675 In der Praxis betreibt eine Vielzahl von Unternehmen kos-

tenintensive Maßnahmen der freiwilligen Publizität wie Roadshows, Aktionärs-

briefe oder Unternehmensbroschüren. Ziel ist hierbei stets auch die Verbesse-

rung der Glaubwürdigkeit und Reputation des Unternehmens, um den Aktien-

kurs zu erhöhen.676 Auf politischer Ebene ist es u.a. Ziel der Europäischen

Kommission, durch die Einführung der internationalen Rechnungslegungsregeln

in der Europäischen Union die Vergleichbarkeit und Transparenz der Abschlüsse

zu erhöhen. Dies soll u.a. zu einer Stärkung der Kapitalmärkte innerhalb der Eu-

ropäischen Union und damit letztendlich zu einer Reduzierung der Eigenkapital-

kosten der Unternehmen führen.677 In der Wissenschaft wird insbesondere unter-

sucht, ob und warum sich mehr Informationen auf die Eigenkapitalkosten aus-

wirken. Hierbei zeigt sich, dass die Aussage von John Foster regelmäßig in einen

sog. First-Order-Effekt und in einen Second-Order-Effekt unterteilt wird. Der

First-Order-Effekt beschreibt eine Reduzierung der Unsicherheit der Kapital-

marktteilnehmer durch eine höhere Qualität der bereitgestellten Informationen.

674 Foster (2003), S. 1. 675 Vgl. z.B. Lambert et al. (2007), S. 385 ff. 676 Nach den Befragungsergebnissen von Graham et al. (2005) ist der Aufbau von Reputation aus Sicht des

Managements der wichtigste Grund für eine transparente, freiwillige Berichterstattung. Vgl. Graham et al. (2005), S. 54. Die Befragungsstudie von PricewaterhouseCoopers (2005) kommt für Deutschland zu vergleichbaren Ergebnissen. Vgl. PricewaterhouseCoopers (2005), S. 13.

677 Vgl. Europäische Kommission (2002b), S. 2.


Auf der zweiten Ebene führt diese reduzierte Unsicherheit der Kapitalmarktteil-

nehmer als Second-Order-Effekt zu einer verringerten Renditeforderung gegen-

über den Unternehmen.678 In der aus der Einleitung entnommenen Abbildung ist

dieser Zusammenhang noch einmal graphisch abgebildet. Der First-Order-Effekt

ist in der unterstellten Wirkungskette als zweiter, der Second-Order-Effekt als

dritter Zusammenhang dargestellt.


11Qualität der


Kapital-kosten

22 33



Im vorherigen Kapitel wurde der Zusammenhang zwischen der Qualität der Fi-

nanzberichterstattung und der Unsicherheit des Kapitalmarktes untersucht. Für

die IR-Qualität als Stellvertretervariable für die Qualität der Finanzberichterstat-

tung konnte ein signifikanter Einfluss auf die Unsicherheit der Analysten als

Stellvertretervariable für die Unsicherheit des Kapitalmarktes festgestellt wer-

den. Dies kann als Indikator der Gültigkeit des First-Order-Effektes gewertet

werden. Ziel dieses Kapitels ist nun die Überprüfung des Gesamteffektes, d.h. ob

eine qualitativ hochwertige Finanzberichterstattung auch geeignet ist, die Kapi-

talkosten eines Unternehmens zu senken. Der Second-Order-Effekt wird nicht

explizit untersucht, sondern anhand von verschiedenen Kontrollvariablen in das

Modell einbezogen. Zudem werden die Ergebnisse der theoretischen und empiri-

schen Literatur dargestellt. Die in diesem Kapitel behandelte Fragestellung lautet

damit wie folgt:

Die theoretische Forschung zu dieser Frage ist weitgehend eindeutig und bestä-

tigt den vermuteten negativen Zusammenhang.679 Demnach führt eine höhere

678 Vgl. Gassen/Sellhorn (2006), S. 367. 679 Vgl. dazu ausführlich Abschnitt 4.3.

Besteht ein Zusammenhang zwischen der Qualität der Finanzberichterstat-tung und der Höhe der Kapitalkosten?


Qualität der Information c.p. zu geringeren Kapitalkosten. Empirisch sind die

Resultate allerdings weniger eindeutig und zuverlässig.680 Dies kann darauf zu-

rückgeführt werden, dass sowohl die Qualität der Finanzberichterstattung eines

Unternehmens als auch die Kapitalkosten nicht direkt beobachtet werden kön-

nen, sondern durch Stellvertretervariablen approximiert werden müssen.

Als Stellvertretervariablen für die Kapitalkosten eines Unternehmens werden in

der Literatur regelmäßig die Eigenkapitalkosten eines Unternehmens ge-

schätzt.681 Vielfach wird für diese Schätzung auf das Capital Asset Pricing Mo-

del (CAPM) zurückgegriffen.682 Allerdings hat die vielfältige Kritik bei der

praktischen Anwendung des CAPM – dass z.B. zukünftig erwartete Renditen

durch historische Renditen approximiert werden683 – in der jüngeren Vergan-

genheit zur Entwicklung von verschiedenen Ansätzen zur Schätzung der implizi-

ten Eigenkapitalkosten (implied cost of equity capital) geführt.684 Allerdings

können auch bei diesen Modellen in der praktischen Anwendung durch unter-

schiedliche Annahmen oder Datenquellen abweichende Ergebnisse resultie-

ren.685

Als Stellvertretervariablen der Qualität der Finanzberichterstattung eines Unter-

nehmens werden, wie in Abschnitt 3.4.1 dargestellt, häufig die Ergebnisse von

Befragungen zur Qualität der IR-Arbeit eines Unternehmens686, die qualitative

Auswertung der bereitgestellten Daten im Geschäftsbericht687 oder die Qualität

680 Vgl. Plumlee/Botosan (2007), S. 1-3. 681 Verschiedene Studien untersuchen ebenfalls die Auswirkung von Informationen auf die Höhe der

Fremdkapitalkosten. Vgl. dazu insbesondere Sengupta (1998). In diesem Kapitel beziehen sich die Aus-führungen auf die Eigenkapitalkosten eines Unternehmens.

682 Vgl. Ballwieser (1981), S. 99-105 und Ballwieser (1990), S. 171-173. 683 Vgl. zu den Kritiken am CAPM z.B. Ballwieser (1995), S. 124; Welch (2000), S. 505, Kothari (2001), S.

182; Fama/French (1997), S. 154. 684 Vgl. Botosan/Plumlee (2005) für eine Übersicht. Teilweise wird auch der Term „ erwartete Eigenkapital-

rendite“ verwendet. Im Folgenden werden beide Begriffe synonym verwendet. 685 Vgl. Easton/Sommers (2007), S. 984. 686 Vgl. Hail (2002), S. 486-488. 687 Vgl. Botosan (1997), S. 323 und S. 331.


der Gewinngrößen eines Unternehmens verwendet.688 Auch hier resultieren in

empirischen Studien aus der Verwendung verschiedener Stellvertretervariablen

unterschiedliche Ergebnisse.689 Insgesamt muss es daher Ziel der empirischen

Forschung in diesem Bereich sein, möglichst viele Indikatoren der „ wahren“

Qualität der Finanzberichterstattung zu identifizieren und anschließend den Zu-

sammenhang mit den Kapitalkosten zu überprüfen.

Der Beitrag dieses Kapitels liegt daher erstens darin, verschiedene neue Variab-

len zur Messung der Qualität der Finanzberichterstattung zu verwenden und den

Zusammenhang dieser Variablen mit den Eigenkapitalkosten zu testen. Zweitens

existieren gerade für den deutschsprachigen Raum vergleichsweise wenige Stu-

dien, die die Höhe der Eigenkapitalkosten bestimmen. Die Ergebnisse der Schät-

zungen erweitern daher die verfügbaren Ergebnisse dieses Forschungszweiges,

insbesondere auch in zeitlicher Hinsicht. Der Gang der Untersuchung orientiert

sich an Abbildung 14:

Hat die Qualität der Investor Relations, die Qualität des Geschäftsberichts oder die Präzision der Managementprognosen Einfluss auf die Höhe der Eigenkapitalkosten?



Warum haben Informationen Einfluss auf die Höhe der Eigenkapitalkosten?


Fragestellung

4.6

4.4

4.3

4.2

Zwischenfazit

Literaturüberblick


Modellgrundlagen

Kapitel

Hat die Qualität der Investor Relations, die Qualität des Geschäftsberichts oder die Präzision der Managementprognosen Einfluss auf die Höhe der Eigenkapitalkosten?



Warum haben Informationen Einfluss auf die Höhe der Eigenkapitalkosten?


Fragestellung

4.6

4.4

4.3

4.2

Zwischenfazit

Literaturüberblick


Modellgrundlagen

Kapitel

Abbildung 14: Struktur des vierten Kapitels

In Abschnitt 4.2 werden die Grundlagen der Modelle zur Schätzung der implizi-

ten Eigenkapitalkosten erläutert. Alle Modelle werden in der eigenen empiri-

schen Untersuchung eingesetzt. In Abschnitt 4.3 wird die theoretische Basis die-

ses Kapitels gelegt: Warum beeinflussen Informationen die Höhe der Eigenkapi-

talkosten? Nur wenn der Zusammenhang auch theoretisch begründbar ist, ist ei-

688 Vgl. Francis et al. (2004), S. 968 ff. 689 Vgl. z.B. Francis et al. (2006).


ne empirische Untersuchung zu rechtfertigen. Abschnitt 4.4 gibt einen Überblick

über die bisherigen Forschungsergebnisse zu dieser Thematik. Im Vordergrund

steht dabei die Frage, ob zwischen hier verwendeten Maßzahlen der Qualität der

Finanzberichterstattung eines Unternehmens (Präzision der Managementprogno-

sen, Qualität der Investor Relations und Qualität des Geschäftsberichts) und der

Höhe der Eigenkapitalkosten ein Zusammenhang nachgewiesen werden konnte.

Zudem werden Untersuchungen zu weiteren Faktoren dargestellt, für die bereits

ein Einfluss auf die Eigenkapitalkosten gezeigt wurde. In Abschnitt 4.5 wird der

Zusammenhang zwischen den drei Variablen und den Eigenkapitalkostenschät-

zungen für die Unternehmen der Stichprobe empirisch überprüft. Das Kapitel

schließt in Abschnitt 4.6 mit einer Zusammenfassung und einem Zwischenfazit.

4.2 Modellgrundlagen

Die Ansätze zur impliziten Ermittlung der Eigenkapitalkosten beruhen auf dem

zentralen Gedanken für die Bewertung von Investitionsobjekten: Der Wert eines

Investitionsobjektes V0 wird ermittelt, indem die erwarteten Zahlungszuflüsse Zt

mit dem erwarteten Diskontierungszins r auf den Bewertungszeitpunkt diskon-

tiert werden.690 In den Ansätzen zur Schätzung der impliziten Eigenkapitalkosten

wird die Bewertungsgleichung allerdings nun nicht nach V0, sondern stattdessen

nach r aufgelöst. Dazu wird der nicht bekannte Wert des Investitionsobjektes V0

durch den aktuellen Marktpreis P0 und die zukünftig erwarteten Zahlungszuflüs-

se Zt durch vergleichbare Größen wie z.B. Dividendenschätzungen von Analys-

ten ersetzt. Anschließend ergibt sich die erwartete Rendite automatisch als Dis-

kontsatz, der die Bewertungsgleichung löst.691 Wird von dem Diskontsatz der ri-

sikofreie Zinssatz subtrahiert, ergibt sich die unternehmensindividuelle Risiko-

prämie.692

690 Vgl. Cochrane (2001), S xiiif. und S. 7 f.; Busse von Colbe (1957), S. 11; Helbing (2001), S. 607. Zur

Vereinfachung der Notation wird hier und im Folgenden auf die Verwendung eines Erwartungswertope-rators verzichtet.

691 Vgl. Daske/Wiesenbach (2005), S. 408; Daske (2005), S. 143; Kothari (2001), S. 182. 692 Vgl. Botosan/Plumlee (2005), S. 25.


Ein erster Unterschied zwischen den Modellen zur impliziten Eigenkapitalkos-

tenschätzung ergibt sich nun bereits durch das verwendete Bewertungsmodell. In

dieser Arbeit werden insgesamt fünf Modelle zur Schätzung der Eigenkapital-

kosten bzw. der daraus abgeleiteten Risikoprämie verwendet. Diese fünf Model-

le umfassen das Dividendendiskontierungsmodell, zwei Varianten des Residual-

gewinnmodells sowie zwei Gewinnkapitalisierungsmodelle. Die aus diesen Mo-

dellen geschätzten Eigenkapitalkosten (Risikoprämien) werden mit rGG (rpGG),

rCT (rpCT), rGLS (rpGLS), rGM (rpGM), rPEG (rpPEG) bezeichnet. Im Folgenden werden

die Grundlagen dieser Modelle erläutert, sowie die notwendigen Spezifikationen

zur praktischen Ermittlung der Eigenkapitalkostenschätzungen festgelegt. Eine

kritische Würdigung der Modelle schließt diesen Abschnitt.

4.2.1 Dividendendiskontierungsmodell

Das Dividendendiskontierungsmodell von Williams (1938) stellt häufig die

Grundlage der anderen Bewertungsmodelle dar und wird vor allem für die Be-

wertung von Aktien verwendet.693 Der Wert einer Aktie zum Zeitpunkt t = 0 er-

gibt sich als Barwert der mit den Eigenkapitalkosten rEK diskontierten erwarteten

Dividenden pro Aktie dpst nach folgender Formel:694

(10) ∑∞= +

=1 )1(t

nEK

t0 r

dpsP

mit: P0 = Aktienpreis zum Zeitpunkt t = 0

dpst = erwartete Dividende pro Aktie zum Zeitpunkt t

rEK = erwartete Eigenkapitalkosten

Zur Ermittlung der erwarteten Eigenkapitalkosten wird die Gleichung nach rEK

aufgelöst, indem für den Wert der Aktie der aktuelle Aktienkurs eingesetzt wird

693 Vgl. Williams (1964), S. 54-57; Kothari (2001), S. 174. 694 Vgl. Kothari (2001), S. 174. Für die empirische Schätzung der impliziten Eigenkapitalkosten wird davon

ausgegangen, dass der fundamentale Wert der Aktie durch den Aktienpreis approximiert werden kann. Zur Diskontierung der erwarteten Dividenden müssen periodenspezifische Eigenkapitalkosten verwen-det, da die Höhe der Eigenkapitalkosten im Zeitablauf schwanken kann. Zur Vereinfachung der Notation wird hier auf einen Zeitindex verzichtet.


und die vom Kapitalmarkt erwarteten zukünftigen Dividenden durch Dividen-

denschätzungen von Finanzanalysten approximiert werden.695

Das Modell von Williams (1938) ist in dieser Grundform allerdings sowohl für

die Aktienbewertung als auch zur Schätzung der implizit erwarteten Kapitalkos-

ten problematisch, da eine explizite Schätzung der Dividenden für die gesamte,

als unendlich angenommene Lebensdauer erforderlich ist.696 Diese Problematik

wird im Modell von Gordon/Shapiro (1956) sowie Gordon (1962) behandelt, die

das allgemeine Modell von Williams (1938) weiterentwickelt haben.697 Statt die

Dividenden für jedes Jahr zu prognostizieren, werden eine konstante Thesaurie-

rungsquote und eine konstante Eigenkapitalrendite unterstellt, was zu einem

konstanten Wachstum g der Gewinne und Dividenden führt.698 Der Preis einer

Aktie ergibt sich demnach wie folgt:699

(11) DIVEK

0 grdps

P−

= 1

mit: Pt = Aktienpreis zum Zeitpunkt t = 0

dps1 = erwartete Dividende je Aktie zum Zeitpunkt t = 1


gDIV = erwartete langfristige Wachstumsrate der Dividenden

Für die Ermittlung der erwarteten Eigenkapitalkosten ist wie folgt umzustellen:

695 Vgl. hierzu auch Kothari (2001), S. 173-178. 696 Vgl. Gordon/Shapiro (1956), S. 104. 697 Vgl. Gordon/Shapiro (1956), S. 105 f. 698 Vgl. Campbell (2001), S. 3. 699 Vgl. hierzu und im Folgenden Gordon/Shapiro (1956), S. 105 f. Vereinfachend wird unterstellt, dass der

Eigenkapitalkostensatz konstant bleibt, sowie, dass die erwartete Dividendenwachstumsrate kleiner ist als die impliziten Kapitalkosten. Für die Behandlung eines veränderbaren Diskontierungszinssatzes vgl. Campbell/Shiller (1988); Rubinstein (1973).


(12) DIVt

EK gP

dpsr += 1

Zur praktischen Nutzung des Modells kann die Wachstumsrate der Dividenden

mit Hilfe der von Analysten geschätzten langfristigen Gewinnwachstumsrate IBESltg approximiert werden.700 Die erwartete Dividende kann aus den Dividen-

denprognosen bestimmt werden. Der Preis ist der aktuelle Aktienkurs.

Claus/Thomas (2001) wenden diesen Ansatz zur Bestimmung der impliziten Ei-

genkapitalkosten an. Sie merken allerdings auch kritisch an, dass der Ansatz

aufgrund der Annahme von unbegrenztem Dividendenwachstum zu unplausiblen

Ergebnissen führt.701 Um diese Schwäche zu beheben, verwenden

Guay/Kothari/Shu (2005) sowie Botosan/Plumlee (2005) das sog. Finite Horizon

Expected Return Model von Gordon/Gordon (1997).702 In diesem Modell wird

unterstellt, dass nach abgelaufener Detailprognosephase keine Überrendite mehr

erzielt werden kann.703 Guay/Kothari/Shu (2005) sowie Botosan/Plumlee (2005)

verwenden für ihr Modell eine Detailprognosephase von vier Jahren.704 Daraus

ergibt sich das folgende Modell, das auch im Rahmen der nachfolgenden empiri-

schen Untersuchung Anwendung findet:

700 Es ist dabei nicht eindeutig definiert, was genau unter „ langfristig“ zu verstehen ist. Die Erläuterung

dieses Terms im Handbuch von I/B/E/S lautet: „ the Long Term Growth Forecast generally represents an expected annual increase in operating earnings over the next full business cycle. In general, these fore-casts refer to a period of between three to five years.” Thomson Financial (2001), S. 42.

701 Vgl. Claus/Thomas (2001), S. 1634. 702 Vgl. Botosan/Plumlee (2005), S. 26; Guay et al. (2005), S. 33. 703 Vgl. Gordon/Gordon (1997). 704 Vgl. Guay et al. (2005), S. 33; Botosan/Plumlee (2005), S. 26.


(13) 45

4

10 )1()1( GGGGt

tGG

t

rreps

rdps

P+×

++

=∑=


dpst = erwartete Dividende je Aktie zum Zeitpunkt t

epst = erwarteter Gewinn je Aktie zum Zeitpunkt t = 5

rGG = erwartete Eigenkapitalkosten im Modell nach Gor-don/Gordon (1997)

Zur Umsetzung dieses Modells sind der Aktienkurs eines Unternehmens zum

Bewertungsstichtag sowie die erwarteten Dividenden je Aktie und der erwartete

Gewinn je Aktie in Periode fünf notwendig. Hierbei wird auf die Konsensus-

schätzungen zurückgegriffen.705 Die Aktienkurse werden zum Bewertungsstich-

tag aus Datastream entnommen. Die Dividenden- und Gewinnschätzungen wer-

den durch I/B/E/S zur Verfügung gestellt. Für einen Großteil der von I/B/E/S

analysierten Unternehmen liegen allerdings nur wenige Dividendenschätzungen

und lediglich Gewinnschätzungen für zwei oder drei Jahre vor. Fehlende Ge-

winnschätzungen werden mit Hilfe der absoluten geschätzten Gewinnänderun-

gen wie folgt bestimmt:706

(14) 2

1334

epsepsepseps

−+= bzw.

(15) 3

1445

epsepsepseps

−+=

Liegen in einzelnen Jahren nur Gewinnschätzungen für die ersten zwei Perioden

vor, wird das daraus resultierende Wachstum als konstant angenommen und für

die Ermittlung der weiteren Ergebnisschätzungen eingesetzt.707 Fehlende Divi-

dendenschätzungen werden aus den Gewinnschätzungen und einer als konstant

angenommenen Ausschüttungsquote ermittelt. Die Ausschüttungsquote ergibt

705 Vgl. z.B. Reese (2005), S. 4. 706 Vgl. Gebhardt et al. (2001), S. 143. Vgl. hierzu mit weiteren Anmerkungen Daske et al. (2006), S. 9. 707 Daske/Wiesenbach (2005) setzen zur Ermittlung fehlender Gewinnschätzungen zusätzlich die langfristi-

ge Wachstumsprognose der Analysten ein. Vgl. Daske/Wiesenbach (2005), S. 195. Aufgrund der Tatsa-che, dass diese für den deutschen Markt nur in seltenen Fällen in ausreichender Zahl vorliegen, wird im Rahmen dieser Arbeit darauf verzichtet.


sich aus der letzten verfügbaren Dividendenschätzung oder, falls diese nicht ver-

fügbar ist, aus dem letzten verfügbaren Geschäftsbericht.708

4.2.2 Residualgewinnmodelle

Das Residualgewinnmodell baut im Gegensatz zum Dividendendiskontierungs-

modell nicht auf Dividenden, sondern auf Größen des Rechnungswesens auf.709

Danach wird der Wert einer Aktie als die Summe aus dem der Aktie zuzurech-

nenden Anteil am Eigenkapitalbuchwert bps0 zum Bewertungsstichtag und den

mit dem Eigenkapitalkostensatz rEK diskontierten zukünftig erwarteten Residual-

gewinnen RG ermittelt.710 Der erwartete Residualgewinn ergibt sich als erwarte-

ter Gewinn je Aktie epst abzüglich der kalkulatorischen Eigenkapitalkosten, die

sich als Produkt aus dem Eigenkapitalbuchwert je Aktie zu Periodenbeginn und

dem Eigenkapitalkostensatz berechnen.711

(16) ∑∑ ∞

=

−∞

= +×−

+=⇔+

+=1t

tEK

1tEKt00

1tt

EK

t00 r

bpsrepsbpsP

rRG

bpsP)1()1(

mit: Pt = Aktienpreis zum Zeitpunkt t = 0

bpst = erwarteter Buchwert je Aktie zum Zeitpunkt t

epst = erwarteter Gewinn je Aktie zum Zeitpunkt t

RGt = erwarteter Residualgewinn zum Zeitpunkt t


Das erste im Rahmen dieser empirischen Untersuchung verwendete Residualge-

winnmodell folgt den Spezifikationen von Claus/Thomas (2001).712 Hierbei

werden ein Detailplanungszeitraum von fünf Jahren sowie ein anschließendes

708 Vgl. Gebhardt et al. (2001), S. 144. 709 Vgl. grundlegend Preinreich (1938), S. 224-232; Lücke (1955), S. 311-316; Schmalenbach (1962), S.

65. 710 Vgl. Ohlson (1995), S. 667. 711 Vgl. Edwards/Bell (1961), S. 67-69; Crasselt/Nölte (2007), S. 525. In der Literatur wird oftmals der

Begriff „ Eigenkapitalkosten” verwendet, obwohl lediglich der Eigenkapitalkostensatz gemeint ist. Vgl. Reese (2005); Hofmann (2006). Im Weiteren werden die Begriffe „ Eigenkapitalkostensatz“ und „ Eigen-kapitalkosten“ synonym verwendet.

712 Vgl. Claus/Thomas (2001), S. 1637-1640.


konstantes Wachstum der Residualgewinne unterstellt. Damit vereinfacht sich

Formel (16) zu:713

(17) 5

CTltCT

lt4CT55

1tt

CT

1tCTt00 rgr

gbpsreps

r

bpsrepsbpsP

)1()(

)1()(

)1( +×−+××−

++

×−+= ∑

=

−




rCT = erwartete Eigenkapitalkosten im Modell nach

Claus/Thomas (2001)

glt = erwartete langfristige Gewinnwachstumsrate

Zur Nutzung des Modells zur Schätzung der impliziten Eigenkapitalkosten wird

rCT als interner Zinsfuß ermittelt. Dazu wird neben den Ergebnisschätzungen der

Analysten und dem Aktienpreis auch der Ausgangswert des Buchwerts je Aktie

bps0, Prognosen für den Buchwert je Aktie bpst sowie Schätzungen der erwarte-

ten langfristigen Wachstumsrate glt benötigt. Der Ausgangswert des Buchwerts

je Aktie wird als Quotient aus dem Wert des Eigenkapitals und der Anzahl aus-

stehender Aktien ermittelt.714 Die Prognosen des Buchwerts je Aktie werden aus

den Gewinnschätzungen bestimmt, indem die Gültigkeit des Clean-Surplus-

Prinzips unterstellt und eine konstante Ausschüttungsquote der geschätzten Ge-

winne angenommen wird.715 Die Ausschüttungsquote wird analog zum Dividen-

dendiskontierungsmodell ermittelt. Für die Ermittlung des Restwerts wird eine

konstante langfristige Wachstumsrate glt der Residualgewinne unterstellt.716

Hierbei wird angenommen, dass diese Wachstumsrate der Inflationsrate ent-

713 Vgl. auch Penman/Sougiannis (1998), S. 352; Francis et al. (2000), S. 53 f. 714 Vgl. Claus/Thomas (2001), S. 1642. 715 Vgl. Daske/Wiesenbach (2005), S. 412. Zum Clean-Surplus-Prinzip vgl. Ohlson (1995); Feltham/Ohlson

(1995). 716 Vgl. Claus/Thomas (2001), S. 1640.


spricht.717 Zur Approximation der Inflationsrate dient der zum Bewertungsstich-

tag geltende risikolose Zins rf abzgl. 3 %.718

Weicht der Bewertungsstichtag vom Bilanzstichtag eines Unternehmens ab, er-

gibt sich das Problem, dass der Buchwert je Aktie nur zum Geschäftsjahresende,

nicht aber zum Bewertungsstichtag bekannt ist. Da für die Ermittlung der Kapi-

talkosten im Rahmen der eigenen empirischen Untersuchung der 30.6. eines Jah-

res gewählt wird, muss analog zu Daske (2005) der Buchwert je Aktie daher an-

gepasst werden.719 Hierzu wird angenommen, dass der Buchwert je Aktie kon-

stant mit der erwarteten Eigenkapitalrendite FROE bis zum Bewertungsstichtag

wächst. Unter dieser Annahme erfolgt die Anpassung des Buchwerts je Aktie

zum Bewertungsstichtag A wie folgt:

(18) 365

)(

10 )1(nnJahresbegistichtagBewertungsTage

A FROEbpsbps−

+×=

Die erwartete Eigenkapitalrendite FROE ergibt sich dabei als Quotient aus der

Analystenschätzung des Gewinns je Aktie für das laufende Jahr und dem Buch-

wert pro Aktie zu Beginn des Jahres.

(19) 0

1

bpseps

FROE =

Die Steigerung des Buchwerts stellt dabei die im Laufe des Jahres bereits reali-

sierten Gewinne dar. Dementsprechend muss der im restlichen Jahr noch zu er-

wartende Gewinn um die bereits im Buchwert enthaltene Steigerung reduziert

werden. Der prognostizierte Gewinn je Aktie im noch verbleibenden Geschäfts-

jahr epsA wird daher wie folgt ermittelt:

717 Vgl. Claus/Thomas (2001), S. 1640. 718 Vgl. Claus/Thomas (2001), S. 1642-1644; Daske (2005), S. 189; Gode/Mohanram (2003), S. 403; Reese

(2005), S. 5. 719 Vgl. dazu und im Folgenden Daske (2005), S. 149 ff.


(20) )( 01 bpsbpsepseps AA −−=

Der Residualgewinn der ersten unterjährigen Periode ergibt sich damit wie folgt:

(21) A

nnJahresbegistichtagBewertungsTage

CTA bpsrepsRG ×

−+−=

−

1)1( 365)(

1

Die Residualgewinne der verbleibenden Perioden im Detailplanungszeitraum

beziehen sich auf vollständige Geschäftsjahre und können daher jeweils mit dem

vollen Zinssatz diskontiert werden.720 Da als Bewertungsstichtag der 30.6. eines

Jahres verwendet wird, werden die Diskontierungssätze im Nenner jeweils auf

dieses Datum bezogen. Der Diskontierungszeitraum verkürzt sich damit jeweils

um sechs Monate.721

Die zweite hier verwendete Variante des Residualgewinnmodells ist das drei-

stufige Modell von Gebhardt et al. (2001).722 Diese unterteilen in ihrem Modell

eine Detailplanungsperiode, eine Übergangsperiode sowie eine Periode zur Be-

rechnung des Endwerts.723 In Anlehnung an Daske/Wiesenbach (2005) umfasst

die Detailprognoseperiode fünf Jahre, um die teilweise vorliegenden expliziten

Gewinnschätzungen der Jahre drei bis fünf zu berücksichtigen.724 Danach ergibt

sich der Wert einer Aktie nach folgender Formel:

720 Vgl. Daske (2005), S. 151. 721 Vgl. Daske et al. (2006), S. 6. 722 Vgl. Gebhardt et al. (2001). 723 Vgl. Gebhardt et al. (2001), S. 141. 724 Vgl. Daske/Wiesenbach (2005), S. 411. Im Originalansatz von Gebhardt et al. (2001) werden lediglich

die auf den Bewertungsstichtag folgenden drei Gewinnschätzungen berücksichtigt. Vgl. Gebhardt et al. (2001), S. 141-143.


(22) Detailplanungsperiode: 2/11

0 )1( GLSA r

RGbpsP

++=

+∑=

−+

5

2)5,0()1(t

tGLS

t

rRG

Übergangsperiode: +∑=

−−

+×−11

6)5,0(

1

)1()(

tt

GLS

tGLSt

rbpsrFROE

Endwert: + )5,11(12

)1( GLSGLS rrRG+×


bpst = (erwarteter) Buchwert je Aktie zum Zeitpunkt t


FROEt = erwartete Eigenkapitalrendite zum Zeitpunkt t

RGt = erwarteter Residualgewinn zum Zeitpunkt t

Tage = Anzahl der Tage zwischen Bewertungsstichtag und dem jeweiligen Geschäftsjahresende

rGLS = erwartete Eigenkapitalkosten im Modell von Gebhardt

et al. (2001)

Die Werte der Detailplanungsperiode werden wie im Modell von Claus/Thomas

(2001) ermittelt, d.h. auch unter Einbeziehung der Anpassungen an den 30.6. als

Bewertungsstichtag. In der Übergangsperiode bestimmt die erwartete Eigenkapi-

talrendite FROE die Entwicklung der Gewinne. Hierbei wird die Annahme ge-

troffen, dass sich diese ausgehend vom Ende der fünften Periode bis zum Ende

der Betrachtungsphase in Periode zwölf linear an die durchschnittliche, bran-

chenspezifische Ziel-Eigenkapitalrendite annähert.725 Diese Annahme resultiert

725 Die branchenspezifische Ziel-Eigenkapitalrendite kann auf verschiedene Arten ermittelt werden. Geb-

hardt et al. (2001) ermitteln den Wert, indem sie die untersuchten Unternehmen in die Branchen-Klassifikationen von Fama/French (1997) einordnen und für diese Branchen die jährliche Eigenkapital-rendite berechnen. Die Ziel-Eigenkapitalrendite ist dabei der gleitende Median der Eigenkapitalrendite der jeweils letzten fünf Jahre. Vgl. Gebhardt et al. (2001), S. 143. Daske/Wiesenbach (2005) verwenden den historischen 16-jährigen Branchenmedian aus dem Dow Jones Euro STOXX. Vgl. Daske/Wiesenbach (2005), S. 412.


aus den volkswirtschaftlichen Überlegungen, dass langfristig kein Unternehmen

Überrenditen erzielen kann.726

Zur praktischen Umsetzung wird die durchschnittliche, branchenspezifische

Ziel-Eigenkapitalrendite als Median der Eigenkapitalrenditen aller Unternehmen

einer Branche der letzten fünf Jahre berechnet.727 Die Branchenzugehörigkeit

wird in Anlehnung an die Industrieklassifikation von I/B/E/S vorgenommen. Un-

ternehmen mit negativer Eigenkapitalrendite werden unter der Annahme, dass

profitable Unternehmen die langfristigen Renditeerwartungen einer Branche bes-

ser darstellen, nicht berücksichtigt.728

Bei der Endwertbetrachtung ab Periode 12 wird unterstellt, dass langfristig die

durchschnittliche Eigenkapitalrendite der Branche erzielt werden kann. Zusätzli-

che Investitionen werden als wertneutral angenommen.729

In der empirischen Anwendung des Dividendendiskontierungsmodells sowie der

nachfolgend erläuterten Gewinnkapitalisierungsmodelle wird auf die Anpassung

der Daten an den Bewertungsstichtag bewusst verzichtet, um die Modelle nach-

vollziehbar zu halten. Grundsätzlich wäre auch hier eine Anpassung denkbar.730

4.2.3 Gewinnkapitalisierungsmodelle

Als Alternative zu den Dividendendiskontierungs- und Residualgewinnmodellen

ist in jüngerer Vergangenheit von Ohlson/Juettner-Nauroth (2005) das Abnor-

mal Earnings Growth (AEG-) Modell entwickelt worden.731 Im Kern teilt das

726 Diese Annahme kann aus mehreren Gründen kritisiert werden. Erstens ist unklar, ob der Prozess der

Erosion der Eigenkapitalrendite für jedes Unternehmen zutrifft. Unternehmen wie z.B. Microsoft erzie-len über einen langen Zeitraum Überrenditen, ohne dass es zu wesentlichen Abnahmen kommt. Zwei-tens ist der Startpunkt, der Zeitraum sowie der lineare Verlauf der Konvergenz unklar und hängt wohl wesentlich von der jeweiligen Situation der Branche ab. Drittens stellt die buchhalterische Eigenkapital-rendite eine lediglich aus Vergangenheitsdaten berechnete Vereinfachung einer ökonomischen Zielgröße dar. Vgl. dazu Reese (2005), S. 6.

727 Vgl. Gebhardt et al. (2001), S. 142 f. 728 Vgl. Gebhardt et al. (2001), S. 143. 729 Vgl. auch Gebhardt et al. (2001), S. 142; Daske/Wiesenbach (2005), S. 412. 730 Vgl. Daske/Wiesenbach (2005), S. 413. 731 Vgl. Ohlson/Juettner-Nauroth (2005). Empirische Implementierungen des Modells werden von Go-

de/Mohanram (2003), Chen et al. (2004) und Botosan/Plumlee (2005) durchgeführt.


AEG-Modell den Unternehmenswert in zwei Komponenten auf. Die erste Kom-

ponente bildet der mit dem Diskontierungszins kapitalisierte prognostizierte Ge-

winn des Folgejahres. Die zweite Komponente ist das sog. abnormale Gewinn-

wachstum (Abnormal Earnings Growth, AEG). Die Formel zur Berechnung des

Aktienwertes lautet demnach:732

(23) ∑∞=

+

++=

1

11

)1(1

tt

EK

t

EKEK0 r

AEGrr

epsP



dpst = erwartete Dividende je Aktie zum Zeitpunkt t


AEGt+1 = tEKtEKt epsrdpsreps ×+−×++ )1(1

Der Ansatz ist vergleichbar mit dem Residualgewinnmodell, jedoch wird der

Buchwert des Eigenkapitals durch den für die kommende Periode erwarteten ka-

pitalisierten Gewinn ersetzt.733 Damit ist der Bewertungsansatz unabhängig vom

Buchwert der Aktie und kommt ohne die Annahme des Clean-Surplus-Prinzips

aus.734

Im Rahmen der empirischen Untersuchung wird als erstes Gewinnkapitalisie-

rungsmodell das Modell von Gode/Mohanram (2003) verwendet. Diese formen

die Ausgangsgleichung unter den Annahmen einer konstanten Thesaurierungs-

quote und einer für alle Unternehmen identischen langfristigen Gewinnwachs-

tumsrate um und gelangen zu der folgenden Bewertungsgleichung:735

732 Für eine Erläuterung und Ableitung des AEG-Modells vgl. Crasselt/Nölte (2007), S. 191 ff. 733 Vgl. Daske (2005), S. 189. 734 Vgl. Gode/Mohanram (2003), S. 426. 735 Vgl. Gode/Mohanram (2003), S. 402 f.


(24) )(

))(( 11121

grrdpsepsrepseps

reps

PGMGM

GM

GM0 −×

−×−−+=


epst = erwarteter Gewinn je Aktie in Periode t = 1 bzw. t = 2

dps1 = erwartete Dividende je Aktie in Periode t = 1

rGM = erwartete Eigenkapitalkosten im Modell von Go-de/Mohanram (2003)

g = erwartete Wachstumsrate

Durch weitere Umstellungen ergibt sich die Gleichung zur Schätzung der impli-

ziten Eigenkapitalkosten rGM:736

(25) ( )ltstGM ggP

epsAAr −×++=

0

12

mit: A = )(21

0

1

P

dpsg lt +

gst = )(1

12

epsepseps −

≡ erwartete, kurzfristige Wachstumsrate

glt = rf - 3 % ≡ erwartete, langfristige Wachstumsrate

Die impliziten Eigenkapitalkosten sind somit eine Funktion aus dem Aktienkurs

zum Bewertungsstichtag, den erwarteten Gewinnen je Aktie für die beiden Fol-

geperioden, der erwarteten Dividende je Aktie der Folgeperiode sowie der er-

warteten kurzfristigen und langfristigen Gewinnwachstumsraten.737 Zur prakti-

schen Implementierung werden der Aktienkurs sowie die Gewinn- und Dividen-

denschätzungen analog zu den vorher erläuterten Modellen erhoben. Das Modell

von Gode/Mohanram (2003) unterscheidet zudem in die unternehmensspezifi-

sche kurzfristige Wachstumsrate gst und die für alle Unternehmen geltende lang-

fristige Wachstumsrate glt. Die kurzfristige Wachstumsrate gst entspricht dem

736 Vgl. Ohlson/Juettner-Nauroth (2005), S. 359. 737 Vgl. Daske (2005), S. 190.


erwarteten Gewinnwachstum von Periode 1 auf Periode 2.738 Die langfristige

Wachstumsrate wird wie auch im Residualgewinnmodell 1 als Differenz zwi-

schen risikolosem Zins und 3 % bestimmt. Um ökonomisch schwer zu interpre-

tierende negative Wachstumsraten auszuschließen, werden Unternehmen mit ne-

gativen Gewinnschätzungen ausgeschlossen.739 Dies führt dazu, dass aus diesem

Modell regelmäßig weniger Schätzungen der impliziten Eigenkapitalkosten re-

sultieren.740

Das zweite hier verwendete Gewinnkapitalisierungsmodell von Easton (2004)

stellt einen Spezialfall des Ohlson/Juettner-Nauroth (2005) Modells dar. Easton

(2004) leitet die impliziten Eigenkapitalkosten in Abhängigkeit des Kurs-

Gewinnwachstum-Verhältnisses (Price-Earnings-Growth Ratio, PEG) her.741

Unter der Annahme von konstanten AEG-Werten und dps1 = 0 kann Formel (23)

zur Bestimmung der impliziten Eigenkapitalkosten umgeformt werden in:742

738 Gode/Mohanram (2003) ermitteln die kurzfristige Wachstumsrate aus dem Durchschnitt der geschätzten

langfristigen Wachstumsrate und der aus dem Modell hervorgehenden kurzfristigen Wachstumsrate. Vgl. Gode/Mohanram (2003), S. 403. Diese Vorgehensweise führt zu einer Glättung der kurzfristigen Wachstumsrate, da die Wachstumsrate zwischen Periode 1 und 2 teilweise sehr hoch sein kann und zu unplausiblen Ergebnissen führt. Diesem Ansatz wird hier aufgrund der geringen Anzahl der Schätzun-gen der langfristigen Wachstumsrate nicht gefolgt.

739 Vgl. Gode/Mohanram (2003), S. 408. 740 Vgl. Daske (2005), S. 202-207. 741 Das Kurs-Gewinnwachstums-Verhältnis wird definiert als Quotient von Kurs-Gewinn-Verhältnis zu

kurzfristiger Gewinnwachstumsrate, vgl. Easton (2004), S. 77 ff. 742 Vgl. Easton (2004), S. 80 ff.


(26) 100

1

0

122

120 ×

=−

=⇔−

=PEGP

epsepsr

repseps

P PEGPEG

mit: P0 = Aktienpreis zum Zeitpunkt t


rPEG = erwarteter Eigenkapitalkostensatz im Modell nach Eas-ton (2004)

PEG = Kurs-Gewinnwachstum-Verhältnis

Die Anwendung dieses Modells erfordert die Bedingung, dass eps2 > eps1. Diese

Bedingung ist allerdings in vielen Fällen nicht erfüllt, was zu einer Reduzierung

des Datensatzes führt. Tabelle 24 gibt eine abschließende Übersicht:


Modell Kürzel Formel

Gordon/Gordon (1997) r GG

Claus/Thomas (2001) r CT

Gebhardt et al. (2001) r GLS

Gode/Mohanram (2003) r GM

Easton (2004) r PEG 212

0PEGr

epsepsP

−=

45

4

10 )1()1( GGGGt

tGG

t

rreps

rdps

P+×

++

= ∑=

∑=

−

+×−11

5

1

)1()(

tt

GLS

tGLSt

rbpsrFROE

11)1( GLSGLS rrRG

+×++

+×−+= ∑

=

−5

1

100 )1(t

tGLS

tGLSt

rbpsreps

bpsP

5CTltCT

lt4CT55

1tt

CT

1tCTt00 rgr

gbpsrepsr

bpsrepsbpsP

)1()()1()(

)1( +×−+××−+

+×−+= ∑

=

−

)))(( 11121

0 g(rrdpsepsrepseps

reps

PGMGM

GM

GM −×−×−−+=

Tabelle 24: Verwendete Bewertungsmodelle

mit: P0 = Aktienpreis zum Zeitpunkt t


dpst = erwarteter Dividende je Aktie zum Zeitpunkt t


FROE = erwartete Eigenkapitalrendite zum Zeitpunkt t

glt = erwartete langfristige Gewinnwachstumsrate im Modell nach Claus/Thomas (2001)

g = erwartete Gewinnwachstumsrate im Modell nach Gode/Mohanram (2003)

RG = erwarteter Residualgewinn nach der Übergangsperiode im Modell nach Claus/Thomas (2001)


4.2.4 Würdigung der Modelle

Im vorigen Abschnitt wurden verschiedene Modelle zur Schätzung der implizi-

ten Eigenkapitalkosten vorgestellt. Alle Modelle basieren zwar auf den gleichen

theoretischen Grundlagen des Dividendendiskontierungsmodells, unterscheiden

sich aber in der Art der Berechnung. In empirischen Anwendungen ergeben sich

daher regelmäßig Unterschiede in der Höhe der geschätzten Eigenkapitalkosten,

wodurch die Eignung der Schätzungen, als Stellvertreter der „ wahren“ , nicht be-

obachtbaren Kapitalkosten zu dienen, in Frage gestellt wird. Zur Evaluierung der

Modelle kam es daher in der jüngeren Vergangenheit zu verschiedenen Ver-

gleichsstudien, welche die Güte der einzelnen Modelle untersuchen.743 Zur Be-

wertung der Güte eines Modells werden hierbei hauptsächlich zwei Möglichkei-

ten vorgeschlagen.744 Erstens wird untersucht, wie stark die impliziten Eigenka-

pitalkosten mit Unternehmenseigenschaften korrelieren, die üblicherweise als

Indikatoren für das vorhandene Unternehmensrisiko angesehen werden, wie der

Beta-Faktor, der Verschuldungsgrad oder die Streuung von Analystenprogno-

sen.745 Eine hohe Korrelation deutet auf eine bessere Eignung des Modells zur

Messung der Risikoprämie hin. Zweitens wird die Korrelation der impliziten Ei-

genkapitalkosten mit den tatsächlich realisierten Renditen betrachtet.746 Auch

hier gilt eine höhere Korrelation als Indikator für eine höhere Verlässlichkeit des

Modells. Die Ergebnisse der Vergleichsstudien zeigen allerdings teilweise er-

nüchternde Ergebnisse. Guay et al. (2005) testen die hier verwendeten fünf Mo-

delle und finden keinen signifikanten Zusammenhang der geschätzten Eigenka-

pitalkosten und den tatsächlich realisierten Ein-Jahres-Renditen.747 Boto-

san/Plumlee (2005) evaluieren das Dividendendiskontierungsmodell, das Modell

von Gebhardt et al. (2001), eine leichte Abwandlung des Finite Horizon Expec-

743 Easton/Monahan (2005) verwenden z.B. sieben verschiedene Ansätze zur Schätzung der impliziten Ei-

genkapitalkosten, sowohl auf Unternehmensebene als auch simultan auf Branchenebene im Zeitraum zwischen 1981-1998. Aus ihren Modellen ergeben sich durchschnittliche, jährliche erwartete Eigenkapi-talkosten zwischen 8,8 % und 12,9 %. Vgl. Easton/Monahan (2005), S. 514. Vgl. auch Botosan/Plumlee (2005).

744 Vgl. Botosan/Plumlee (2005), S. 21 ff. 745 Vgl. Gode/Mohanram (2003), S. 403; Botosan/Plumlee (2005), S. 22 f. 746 Vgl. Botosan/Plumlee (2005), S. 22 f.; Chen et al. (2004), S. 324; Gode/Mohanram (2003), S. 400 f. 747 Vgl. Guay et al. (2005), S. 15 f.


ted Return Model, das Modell von Gode/Mohanram (2003) sowie das Modell

von Easton (2004) anhand der Korrelation zu Risikofaktoren.748 Sie kommen zu

dem Ergebnis, dass die Schätzungen basierend auf dem Dividendendiskontie-

rungsmodell sowie auf dem PEG-Modell höher mit den Risikofaktoren korrelie-

ren und daher zur Eigenkapitalkostenschätzung besser geeignet sind.749

Die Untersuchungen zeigen, dass die Verlässlichkeit der Modelle unterschiedlich

hoch ist und je nach Erfüllung der Annahmen unterschiedliche Modelle bevor-

zugt werden können. Diese Divergenzen lassen sich auf verschiedene Faktoren

zurückführen, die auch eine Kritik an den Modellen darstellen:

1) Subjektivität der Gewinnwachstumsannahme

In der Mehrzahl der Modelle ist eine explizite Annahme über das Wachstum im

Endwert erforderlich, die durch den Bewerter zu treffen ist. Die Modelle erhalten

damit eine subjektive Komponente, d.h. der Anspruch, die Eigenkapitalkosten

aus objektiven Kapitalmarktdaten abzuleiten, ist nicht mehr einzuhalten.750 Eas-

ton et al. (2002) versuchen, dieses Problem zu beheben. Sie verwenden dazu ei-

nen Ansatz, der auf die expliziten Gewinnwachstumsschätzungen der Analysten

verzichtet und stattdessen die im Markt befindliche Gewinnwachstumserwartung

mit Hilfe eines Regressionsansatzes schätzt.751 Die Anwendung dieser Modelle

liefert für deutsche Unternehmen allerdings wenig plausible Ergebnisse und wird

daher vernachlässigt.752

2) Sensitivität der Modelle auf die Gewinnwachstumsannahme

Die Modelle reagieren grundsätzlich sehr sensitiv auf die vom Bewerter bzw.

Analysten geschätzte Gewinnwachstumsrate nach der Detailplanungsperiode.753

Aufgrund der unterschiedlichen Annahmen der Modelle und der Sensitivität die-

748 Vgl. Botosan/Plumlee (2005), S. 33. 749 Vgl. Botosan/Plumlee (2005), S. 51. 750 Vgl. Reese (2005), S. 39. 751 Vgl. Easton et al. (2002). 752 Vgl. Daske (2005), S. 212. 753 Reese (2005), S. 15 ff.


ser Annahme kommt es zwangsläufig zu abweichenden Ergebnissen. In empiri-

schen Untersuchungen finden sich zum Teil sehr unterschiedliche Anwendungen

der geschätzten Wachstumsrate. Claus/Thomas (2001) nutzen die geschätzte

Wachstumsrate zur Berechnung fehlender Prognosen der Jahre drei bis fünf,754

während Gebhardt et al. (2001) sie lediglich zur Berechnung fehlender Dreijah-

resprognosen heranziehen.755 Harris/Marston (2001) wiederum verwenden die

geschätzte Gewinnwachstumsrate als unendliche Wachstumsrate im Gordon-

Modell.756

3) Einfluss der Rechnungslegung

Alle hier verwendeten Modelle basieren auf Gewinnschätzungen anstatt der the-

oretisch geeigneteren Cashflowschätzungen. Damit entsteht die Möglichkeit,

dass die Eigenkapitalkostenschätzungen verzerrt werden, wenn sich die unter-

schiedliche Ausnutzung bilanzpolitischer Spielräume auf die Gewinnschätzun-

gen oder die geschätzte Gewinnwachstumsrate auswirkt.757 Beispielsweise wirkt

sich eine vorsichtigere Bilanzierung darin aus, dass ein geringerer Teil der Ge-

winne im Detailplanungszeitraum realisiert wird.758 Somit sollte ein größerer

Teil der zukünftigen Gewinne in den geschätzten Wachstumsraten enthalten

sein. In diesem Fall sollten Unternehmen mit konservativen Bilanzierungsme-

thodiken über höhere langfristige Gewinnwachstumsraten verfügen, da die

buchhalterischen Gewinngrößen den „ Vorsprung“ der ökonomischen Gewinn-

größen wieder aufholen müssen.759 Für den Fall, dass die Annahme des Bewer-

ters bzw. die Analystenschätzungen dies nicht in der Höhe der langfristigen

Wachstumsrate widerspiegeln, ergeben sich verzerrte Schätzungen.

Ein weiterer Faktor ist die nur im Residualgewinnmodell notwendige Annahme

der Erfüllung des Clean-Surplus-Prinzips. Ist diese Annahme nicht erfüllt, könn- 754 Vgl. Claus/Thomas (2001), S. 1638. 755 Vgl. Gebhardt et al. (2001), S. 143. 756 Vgl. Harris/Marston (2001), S. 8. 757 Vgl. Hail/Leuz (2006), S. 492. 758 Vgl. Hail/Leuz (2006), S. 492. 759 Vgl. Hail/Leuz (2006), S. 492.


te dies zu verzerrten Ergebnissen führen. Chen et al. (2004) vergleichen die Güte

der Schätzungen von Residualgewinnmodellen und Gewinnkapitalisierungsmo-

dellen in verschiedenen Ländern anhand der Korrelation der Eigenkapitalkosten

mit verschiedenen Risikofaktoren.760 Sie argumentieren, dass die Gewinnkapita-

lisierungsmodelle in Ländern, in denen häufiger gegen das Clean-Surplus-

Prinzip verstoßen wird, eine höhere Güte der Schätzungen besitzen.761 Sie be-

gründen dies damit, dass die Residualgewinnmodelle die Erfüllung des Clean-

Surplus-Prinzips voraussetzen, während Gewinnkapitalisierungsmodelle ohne

diese Annahme auskommen. Im ersten Schritt zeigen sie daher, dass in den ang-

loamerikanischen Ländern (USA, Kanada, Australien) sowie in Japan seltener

gegen das Clean-Surplus-Prinzip verstoßen wird als in Deutschland und anderen

europäischen Ländern.762 Die anschließende Untersuchung der Korrelation der

Eigenkapitalkostenschätzungen mit den Risikofaktoren bestätigt die Vermutun-

gen. Die Schätzungen mithilfe der Gewinnkapitalisierungsmodelle sind in den

europäischen Ländern höher mit den Risikofaktoren korreliert, während die

Schätzungen aufbauend auf den Residualgewinnmodellen in den angloamerika-

nischen Ländern geeigneter sind.763

4) Verzerrung der Analystenschätzungen

Zusätzlich entstehen Probleme bei der Messung der Eigenkapitalkosten, falls die

in die Schätzung eingehenden Analystenschätzungen falsch oder systematisch

verzerrt sind. Bei konstantem Aktienkurs würden z.B. systematisch zu hohe

Analystenschätzungen zu einer Überschätzung der impliziten Eigenkapitalkosten

führen. Eine Vielzahl von Studien hat die Eigenschaften von Analystenschät-

zungen untersucht.764 Ein Kernergebnis ist, dass Analysten nicht sämtliche In-

formationen in die Schätzung einbeziehen sowie optimistisch verzerrte Schät-

zungen vor allem für Schätzungen mit einem Horizont von mehr als einem Jahr 760 Vgl. Chen et al. (2004), S. 328. 761 Vgl. Chen et al. (2004), S. 323. 762 Sie messen hierbei einen Verstoß als Differenz zwischen „ net income“ und „ comprehensive income“ ,

vgl. Chen et al. (2004), S. 332. 763 Vgl. Chen et al. (2004), S. 324. 764 Vgl. Easton/Sommers (2007), S. 984 f.


abgeben.765 Guay et al. (2005) zeigen, dass als Folge der zu optimistischen Ana-

lystenschätzungen grundsätzlich zu hohe Eigenkapitalkostenschätzungen entste-

hen, die zudem kaum mit den Risikofaktoren korrelieren.766

Im Rahmen der empirischen Untersuchung wird versucht, die genannten Prob-

lembereiche mit Hilfe von zwei Maßnahmen zu kontrollieren: In einem ersten

Schritt wird in Anlehnung an Gode/Mohanram (2003) und Botosan/Plumlee

(2005) untersucht, ob die Ergebnisse der Modelle systematisch mit gängigen Ri-

sikoindikatoren korrelieren. Zweitens werden in Anlehnung an Hail/Leuz (2006)

die Durchschnittswerte der fünf Modelle verwendet, um den Messfehler der

Schätzungen zu reduzieren.767


Nach der Darstellung der empirischen Ermittlung der Eigenkapitalkosten in Ab-

schnitt 4.2 ist es das Ziel des folgenden Abschnitts 4.3, einen theoretischen Zu-

sammenhang zwischen der Qualität der Finanzberichterstattung eines Unterneh-

mens und den Eigenkapitalkosten festzustellen. Hierzu ist es hilfreich, die Fi-

nanzberichterstattung als Teil des gesamten vom Unternehmen abgegebenen In-

formationssets zu betrachten und nach dem Einfluss von Informationen auf die

Eigenkapitalkosten zu fragen. Dieser Zusammenhang wird im Weiteren unter-

sucht.

Zur Bestimmung eines möglichen Einflusses von Informationen auf Eigenkapi-

talkosten ist es vorteilhaft, die Eigenkapitalkosten der Unternehmen als Rendite-

forderung der Eigenkapitalgeber anzusehen. In der Vergangenheit wurden ver-

schiedene theoretische Modelle zur Bestimmung der Höhe dieser Renditeforde-

rung entwickelt. Das in der Praxis wohl gängigste Modell stellt dabei das sog.

Capital Asset Pricing Model (CAPM) dar.768 In diesem Modell ist die Rendite-

765 Vgl. z.B. Brown (1996), S. 40-47; Easton/Sommers (2007), S. 984; Chan et al. (2003), S. 643. 766 Vgl. Guay et al. (2005), S. 2 f. 767 Vgl. Hail/Leuz (2006), S. 493. 768 Vgl. Sharpe (1964), S. 425-442; Lintner (1965), S. 13-37; Mossin (1966), S. 768-783.


forderung lediglich abhängig vom systematischen Risiko einer Anlage.769 Frag-

lich erscheint daher, ob und in welcher Weise Informationen in diesem Modell

überhaupt Platz haben, d.h. als Risikokomponente eingepreist werden. Um diese

Frage zu klären, werden in Abschnitt 4.3.1 zuerst die Grundlagen und Annah-

men des CAPM als Referenzmodell dargestellt. Anhand dieser Ausführungen

wird deutlich, dass Informationen im Basismodell aufgrund der restriktiven und

teilweise realitätsfernen Annahmen keine Rolle spielen. Ein Zusammenhang

könnte damit auch empirisch nicht nachgewiesen werden. Daher werden in Ab-

schnitt 4.3.2 verschiedene Annahmen des CAPM aufgehoben, wodurch der Ein-

fluss von Informationen theoretisch erklärbar wird.

4.3.1 Capital Asset Pricing Model

Ausgangspunkt des CAPM ist das Problem der Bestimmung des Preises von Fi-

nanzanlagen unter Risiko. Grundlage ist dabei die von Markowitz (1952) entwi-

ckelte Portfoliotheorie sowie das Separationstheorem von Tobin (1957).770 Die

Grundidee der Portfoliotheorie ist die Möglichkeit, durch Diversifikation in un-

terschiedliche Anlageformen das Gesamtrisiko einer Investition zu verringern.

Risikoaverse, rational handelnde Anleger werden dabei in ein Portfolio investie-

ren, das in Hinblick auf die erwartete Rendite und das erwartete Risiko effizient

ist.771 Ein Portfolio wird dabei als effizient definiert, wenn es bei gegebenem

Mittelwert der Portfoliorendite die kleinste Varianz oder bei gegebener Varianz

den höchsten Mittelwert aufweist.772 Sharpe (1963, 1964) sowie Mossin (1966)

und Lintner (1965, 1969) entwickelten aufbauend auf der Portfoliotheorie das

CAPM als Modell zur theoretisch geschlossenen Bestimmung der Abhängigkeit

der Rendite einer Finanzanlage von deren Risikogehalt.773 Während die Portfo-

liotheorie beschreibt, wie sich einzelne rational handelnde Anleger bei Unsicher-

heit verhalten sollten, überträgt das CAPM diese Überlegungen auf das Verhal-

769 Vgl. Elton et al. (2007), S. 284-298. 770 Vgl. Markowitz (1952); Tobin (1957). 771 Vgl. Berner et al. (2005), S. 711. 772 Vgl. Elton/Bell (2003), S. 293 ff. 773 Vgl. hierzu auch Rudolph (1986), S. 892.


ten aller Anleger.774 Unter den Annahmen des CAPM halten alle Anleger ein

identisches Marktportfolio, welches alle am Markt verfügbaren Wertpapiere ent-

hält. Existiert am Markt eine risikofreie Geldanlage- und Verschuldungsmög-

lichkeit, so äußert sich die Risikoaversion eines einzelnen Investors über den An-

teil von risikolosen Papieren im Portfolio. Für den riskanten Teil seiner Anlage

hält er das Marktportfolio und, je nach Grad der Risikoaversion, nimmt er Geld

zum risikolosen Zins auf oder legt es an. Da alle Anleger das Marktportfolio

halten, führen Angebot und Nachfrage nach diesen Wertpapieren zu einer

Markträumung.775 Der Kapitalmarkt befindet sich in einem Gleichgewicht, so

dass sich die Preise der Wertpapiere nach den mit ihnen verbundenen Risiken

ergeben.776 Der Erwartungswert der Rendite eines Wertpapiers ergibt sich dem-

nach als linearer Zusammenhang mit dem erwarteten Risiko.777 Unter der Prä-

misse vollständiger Diversifikation ist hierbei lediglich das sog. systematische

Risiko eines Wertpapiers relevant, das nicht durch Diversifikation vermieden

werden kann und somit die Höhe der Renditeforderung beeinflusst.778 Dieses

systematische Risiko wird bestimmt als erwartete Kovarianz von Aktienrendite

und Rendite des Marktportfolios im Vergleich zur erwarteten Varianz des

Marktportfolios.779 In der Grundformel nach Sharpe (1964) errechnet sich die

erwartete Rendite eines Anlegers E(Ri) für ein Wertpapier i aus der Summe von

risikofreier Rendite rf und der mit dem Risikomaß multiplizierten Marktrisiko-

prämie (rm - rf):780

774 Vgl. Hachmeister (1995), S. 161; Sharpe (1964), S. 441 f. 775 Vgl. Sharpe (1964), S. 441. 776 Vgl. Sharpe (1964), S. 441 f.; Mossin (1966), S. 773. 777 Vgl. Perridon/Steiner (2007), S. 256. 778 Vgl. Sharpe (1964), S. 440. 779 Vgl. Perridon/Steiner (2007), S. 255. 780 Zur leichteren Notation wird wiederum auf die Kennzeichnung von Erwartungswerten verzichtet.


(27) )var(r

)r,cov(r)r(rr)E(R

m

mifMfi ×−+=

Berücksichtigt man die Definition des systematischen Risikos als Beta-Faktor βi,

lässt sich die obige Gleichung umformen in die gängige Formel des CAPM:781

(28) )r(rrE(R) fMif −×+= β

Nach dieser Gleichung werden die erwartete Rendite der Investoren und damit

die Kapitalkosten eines Unternehmens lediglich beeinflusst durch das systemati-

sche Risiko eines Wertpapiers. Andere Einflussfaktoren, wie insbesondere In-

formationsunsicherheit, spielen in diesem Modell keine Rolle.782 Allerdings

werden die für die Ableitung dieser Formel notwendigen Annahmen des CAPM

sowie die daraus resultierende Realitätsferne in der Literatur stark diskutiert.783

Die für den Einfluss von Informationen relevanten Annahmen betreffen insbe-

sondere 1) die Portfoliobildung sowie 2) die Erwartungen der Anleger.

1) Zur Bildung von individuellen Portfolios nach Markowitz (1952) ist die

Kenntnis der erwarteten Rendite, der erwarteten Varianz sowie der er-

warteten Kovarianzen der Wertpapiere notwendig. Markowitz (1952)

trifft dabei die Annahme, dass diese Parameter sämtlichen Marktteilneh-

mern bekannt sind.784 Es herrscht damit vollständige Informationspräzi-

sion. Informationspräzision wird dabei definiert als die durchschnittliche

Qualität der den Marktteilnehmern zur Verfügung stehenden Informatio-

nen über die Parameter zur Schätzung der Renditeverteilung.785

781 Vgl. Sharpe (1964), S. 439. 782 Vgl. Mossin (1966), S. 779 f. 783 Vgl. zu den Annahmen des CAPM Markowitz (1952), S. 82; Sharpe (1964), S. 429; Spremann (2003),

S. 253 ff.; Hachmeister (1995), S. 160; Elton et al. (2007), S. 284 f. Vgl. für einen Überblick über die Kritiken Schneider (1980), S. 531-546. Mit Ausnahme der Annahme der homogenen Erwartungen der Kapitalmarktteilnehmer soll auf die ausführliche Darstellung der Annahmen verzichtet werden, da sie für den weiteren Verlauf der Arbeit nicht relevant sind.

784 Vgl. Markowitz (1952), S. 77-91. 785 Vgl. Verdi (2005), S. 2.


2) Sharpe (1964) stellt bei der Entwicklung des CAPM zudem das Axiom

der homogenen Erwartungen aller Anleger auf.786 Dies hat zur Folge,

dass (im Gegensatz zur Portfoliotheorie) alle Anleger anstelle eines indi-

viduellen Portfolios, über genau die gleiche Wertpapierzusammenstel-

lung – das Marktportfolio – verfügen.787 Homogene Erwartungen impli-

zieren allerdings auch, dass vollständige Informationssymmetrie zwi-

schen den Marktteilnehmern über die Parameter der Renditeverteilung

herrscht. Eine Aufteilung in gut und schlecht informierte Marktteilneh-

mer ist somit nicht möglich.788

4.3.2 Einschränkungen des Capital Asset Pricing Model

Verschiedene Studien haben gezeigt, dass beide in Kapitel 4.3.1 genannten An-

nahmen realiter nicht erfüllt sind, wodurch es zu Informationsunsicherheiten –

hier definiert als unvollständige Informationspräzision und/oder Informati-

ons-asymmetrie – am Kapitalmarkt kommen kann.789 Dies wird im CAPM nicht

berücksichtigt. Lambert et al. (2006) formulieren es wie folgt: „ The issues of

whether and how information differences across investors affects prices and the

cost of capital cannot be addressed in conventional models of asset pricing, such

as the Capital Asset Pricing Model (CAPM), because these models generally as-

sume investors have homogeneous beliefs.”790 Die Unterscheidung der beiden

Komponenten Informationspräzision und Informationsasymmetrie lässt sich an-

hand der nachfolgenden Abbildung 15 verdeutlichen. Sie zeigt ein Informations-

niveau bei vollständiger Information sowie die Informationsniveaus von zwei

fiktiven Kapitalmarktteilnehmern (T1 und T2). Die Unterschiede in den Infor-

mationsniveaus werden im Folgenden erläutert.

786 Vgl. Sharpe (1964), S. 425-442; Lintner (1965), S. 13-37; Mossin (1966), S. 768-783. 787 Vgl. Sharpe (1964), S. 435. 788 Vgl. Hofmann (2006), S. 110. 789 Vgl. z.B. Klein/Bawa (1975), S. 559. 790 Lambert et al. (2006), S. 3.


Informations-niveau Kapitalmarkt-

teilnehmer 1 (T1)

Kapitalmarkt-teilnehmer 2

(T2)

+

-

Informationsniveau bei vollständiger Information

Informationsniveau von T2

3

1

Informationsniveau von T1

2

Abbildung 15: Ebenen der Informationsunsicherheit791

Die erste von Markowitz (1952) getroffene Annahme ist, dass sämtliche Parame-

ter der erwarteten Renditeverteilung für jedes Wertpapier vollständig bekannt

sind. In der Praxis ist dies nicht gegeben, da es sich um zukünftige Werte han-

delt, die geschätzt werden müssen. Zur Portfoliobildung wird daher meist auf

Schätzungen aus historischen Datensätzen zurückgegriffen.792 Da Schätzungen

per Definition mit Unsicherheit verbunden sind, verfügen die Marktteilnehmer

realiter über eine geringere durchschnittliche Informationspräzision als im

CAPM unterstellt. Die Kapitalmarktteilnehmer sind damit hinsichtlich der Para-

meter der Renditeverteilung regelmäßig unsicher. Die daraus resultierende In-

formationsunsicherheit wird als Schätzrisiko (estimation risk) bezeichnet.793

Abbildung 15 verdeutlicht dies mit den Kapitalmarktteilnehmern T1 und T2, de-

ren Informationsniveau unterhalb des maximal möglichen liegt (Informationsun-

sicherheiten der Ebene 1 und 2).

Die Annahme von Sharpe (1964) zur Informationssymmetrie unterstellt, dass al-

le Marktteilnehmer über denselben Informationsstand verfügen, d.h. homogene

Erwartungen besitzen. Studien zum Einfluss von Insiderhandel zeigen allerdings,

dass bestimmte Gruppen von Analysten oder Investoren bevorzugt Informatio-

791 Vgl. Ridder (2006), S. 19. 792 Im Fall einer Neuemission fehlen sogar historische Zeitreihen, sodass eine Schätzung der Parameter nur

schwer möglich ist. Vgl. Daske et al. (2006), S. 29. 793 Vgl. Kempf/Memmel (2002), S. 896 f.; Coles et al. (1995), S. 347 ff.; Handa/Linn (1993), S. 81 ff.


nen erhalten.794 Damit besteht in der Praxis ein unterschiedlicher Informations-

stand zwischen den Kapitalmarktteilnehmern, der als Informationsasymmetrie

definiert wird. Die in Abbildung 15 dargestellten Informationsunsicherheiten der

Ebene 3 liegen damit vor, wenn zwischen den Kapitalmarktteilnehmern hetero-

gene Informationsstände vorliegen, d.h. diese in gut und schlecht informierte

Teilnehmer unterschieden werden können.

Werden diese beiden Annahmen des CAPM – vollständige Informationspräzisi-

on und -symmetrie – aufgrund ihrer Realitätsferne verworfen, entsteht die Frage,

welche Folgen sich daraus für die Bewertung riskanter Anlagen sowie die gefor-

derte Rendite der Marktteilnehmer ergeben. Um die Frage zu klären, werden im

Folgenden verschiedene analytische Modelle vorgestellt, welche die beiden An-

nahmen aufheben und unter realitätsnäheren Bedingungen die Auswirkung von

Informationen auf die Renditeforderungen aufzeigen.

4.3.2.1 Informationspräzision

Eine der Annahmen der Portfoliotheorie und des CAPM ist, dass den Investoren

die Parameter der Renditeverteilung bekannt sind. Sind den Investoren die Pa-

rameter in der Praxis jedoch nicht bekannt, müssen diese geschätzt werden. Die

Schätzungen sind typischerweise von geringerer Präzision als im theoretischen

Optimalfall von Markowitz (1952) und können zu suboptimalen Portfoliozu-

sammensetzungen führen.795 Fraglich erscheint damit, ob sich die aus der Schät-

zung resultierende Unsicherheit in den Renditeforderungen der Kapitalgeber wi-

derspiegelt. Klein/Bawa (1975) zeigen mit Hilfe eines Modells, dass sich Inves-

toren das Schätzrisiko in Form einer höheren Risikoprämie entlohnen lassen.796

Ihre Schlussfolgerung wurde in der Literatur allerdings stark diskutiert. Reinga-

num/Smith (1983) argumentieren beispielsweise, dass das Schätzrisiko lediglich

für Wertpapiere mit wenig verfügbaren Informationen relevant ist und in einem

ausreichend großen Portfolio diversifiziert werden kann. In einem Portfolio mit

794 Vgl. z.B. Huddart/Ke (2007); Chen (2007). 795 Vgl. Kempf/Memmel (2003), S. 516. 796 Vgl. Klein/Bawa (1975).


einem geringen Anteil dieser Wertpapiere sollte der Einfluss des Schätzrisikos

eher vernachlässigbar sein.797 Barry/Brown (1985) und Handa/Linn (1993) zei-

gen dagegen, dass neben dem Schätzrisiko auch das systematische Risiko der

Wertpapiere durch die Menge der verfügbaren Informationen beeinflusst wird.

Der nicht diversifizierbare Einfluss auf das systematische Risiko eines Wertpa-

piers resultiert in einer Erhöhung des Portfoliorisikos und damit der geforderten

Rendite.798 Clarkson et al. (1996) bestätigen in ihrer Analyse diesen Effekt, hin-

terfragen allerdings dessen Stärke. Auch die systematische Komponente des

Schätzrisikos sollte in einem ausreichend großen Kapitalmarkt durch die Effekte

der Diversifikation unwesentlich sein. Insgesamt ist die Stärke des Einflusses des

Schätzrisikos weiter umstritten und damit eine empirische Frage.799 In einem

Arbeitspapier findet Verdi (2005) einen signifikanten, positiven Zusammenhang

zwischen der Höhe der Eigenkapitalkosten und seinen Maßzahlen für Informati-

onspräzision.800 Zum gleichen Ergebnis kommt auch eine aktuelle Studie von

Botosan/Plumlee (2007) für ihre Maßzahlen der Informationspräzision. Dement-

sprechend könnten Informationen, die zur Schätzung der zukünftigen erwarteten

Rendite, Varianz und Kovarianz eines Wertpapiers hilfreich sind, die Eigenkapi-

talkosten senken. Botosan/Plumlee (2007) formulieren es wie folgt: „ Our results

suggest that managers might realize cost of equity capital benefits by (… ) select-

ing accounting and disclosure practices that increase the precision of their infor-

mation set.“ 801

4.3.2.2 Informationsasymmetrie

Die zweite hier relevante Annahme ist, dass homogene Erwartungen zwischen

den Kapitalmarktteilnehmern bezüglich der Parameter der Renditeverteilungen

bestehen.802 Fraglich erscheint, wie sich eine Aufhebung dieser Annahme auf die

797 Vgl. Reinganum/Smith (1983), S. 225. 798 Vgl. Barry/Brown (1986), S. 67. 799 Vgl. Clarkson et al. (1996), S. 79. 800 Vgl. Verdi (2005), S. 20 f. 801 Plumlee/Botosan (2007), S. 1. 802 Zudem wird unterstellt, dass vollständiger Wettbewerb unter den Kapitalmarktteilnehmern herrscht. Vgl.

Verrecchia (2001), S. 165.


Kapitalkosten auswirken würde. Als erste entwickeln Amihud/Mendelsohn

(1986) und Diamond/Verrecchia (1991) ein Modell, welches die Annahme der

homogenen Erwartung aufhebt und einen Kapitalmarkt mit asymmetrisch ver-

teilten Informationen unterstellt. Sie zeigen, dass in einem solchen Markt

schlecht informierte Teilnehmer dazu neigen, aus dem Markt auszuscheiden, da

sie im Fall von akutem Liquiditätsbedarf gezwungen sein könnten, mit den bes-

ser informierten Teilnehmern zu handeln und dabei möglicherweise übervorteilt

werden.803 Diese Form der adversen Selektion verursacht eine Verringerung der

Liquidität des Marktes. Das dadurch erhöhte Liquiditätsrisiko der verbliebenen

Marktteilnehmer führt zu einer Steigerung des Abschlags auf das Wertpapier

und damit zu erhöhten Kapitalkosten.804

Easley/O’Hara (2004) zeigen in ihrem Modell einen zweiten negativen Zusam-

menhang zwischen Informationsasymmetrie und Kapitalkosten. Ihr Modell und

ein darauf aufbauendes Modell von Lambert et al. (2006) werden im Folgenden

kurz dargestellt.805 Easley/O’Hara (2004) gehen in ihrem Modell davon aus,

dass am Kapitalmarkt Ik Signale mit der Präzision γk über den zukünftigen Wert

von k Aktien vorliegen. Einen bestimmten Anteil δk aller Signale erhalten ledig-

lich einzelne, gut informierte Investoren (private Signale). Die restlichen (1-δk)

Signale stehen sowohl informierten als auch uninformierten Investoren zur Ver-

fügung (öffentliche Signale). Die privaten Signale sind unter den Investoren un-

terschiedlich verteilt, wobei µk den Anteil der Investoren darstellt, der über die

privaten Signale verfügt. Das verfügbare Informationsset der µk informierten In-

vestoren besteht damit aus Ik Signalen. Den uninformierten (1-µk) Investoren

steht lediglich ein Informationsset mit den öffentlich verfügbaren (1-δk) Ik Signa-

len zur Verfügung. Damit unterscheidet sich die Präzision der von den informier- 803 Vgl. auch Verrecchia (2001), S. 164 f. 804 Zum Zusammenhang von Liquidität und Wertpapierpreisen vgl. insbesondere Kempf (1999), S. 111-156,

der ebenfalls zeigt, dass die erwartete Rendite eines illiquiden Wertpapiers in einem erweiterten CAPM-Modell höher ist als die vergleichbarer liquider Wertpapiere. Vgl. auch Verrecchia (2001), S. 164. Die-ser Zusammenhang wird in der Literatur zur Mikrostruktur von Kapitalmärkten näher erläutert. Vgl. ins-besondere Lambert et al. (2006), S. 30 f.

805 Die folgenden Ausführungen zu den Modellen von Easley/O’Hara (2004) und von Lambert et al. (2006) beziehen sich auf die sehr übersichtliche Darstellung und den Vergleich der beiden Modelle bei Plumlee/ Botosan (2007). Vgl. dazu Plumlee/Botosan (2007), S. 7-13.


ten und uninformierten Investoren gehaltenen Informationssets. Wird unterstellt,

dass sowohl informierte als auch uninformierte Investoren Anteile am Unter-

nehmen halten, ergibt sich die durchschnittliche Präzision des Informationssets

aller Investoren (WAVGPREC) als:

(29) WAVGPRECk = µk (Ikγk) + {1- µk}((1-δk) Ikγk)

Die erste von Easley/O’Hara (2004) gezogene Schlussfolgerung ist, dass im Fall

von präziseren Informationen (d.h. ein höherer Wert für γk) sowohl das Informa-

tionsset der weniger informierten als auch der besser informierten Investoren

steigt. Damit verbunden ist ein geringeres Schätzrisiko, was zu einer Reduzie-

rung der bereits in Abschnitt 4.3.2.1 erläuterten Schätzrisikokomponente der Ei-

genkapitalkosten führt. In Abbildung 15 wäre dies verbunden mit einer Steige-

rung des Informationsniveaus beider Kapitalmarktteilnehmer.

Die zweite Schlussfolgerung betrifft die Verteilung der Signale an informierte

und uninformierte Investoren (d.h. der Anteil der privaten Signale µk). Hierbei

treffen Easley/O’Hara (2004) die zentrale Annahme, dass die Anzahl der ver-

fügbaren Informationen Ik fix ist. Jede Erhöhung der Anzahl der privaten Signa-

le, d.h. eine Erhöhung von µk, reduziert die Anzahl der öffentlichen Signale und

umgekehrt. Entsteht nun eine Verschiebung dieser Verteilung hin zu mehr priva-

ten Informationen – z.B. weil das Management sich entscheidet, Informationen

nur noch an bestimmte Investoren weiterzugeben anstatt sie öffentlich bekannt-

zumachen – würde dies das verfügbare Informationsset der uninformierten In-

vestoren verschlechtern, da diese nur die öffentlich verfügbaren Informationen

erhalten. Das Informationsset der informierten Investoren wäre dagegen gleich,

da sie ohnehin beide Arten von Signalen empfangen. In Abbildung 15 wäre dies

gleichbedeutend mit einer Vergrößerung der Informationsasymmetrie zwischen

Kapitalmarktteilnehmer 1 und 2 aufgrund einer Verringerung des verfügbaren

Informationssets von Kapitalmarktteilnehmer 2. Easley/O’Hara (2004) argu-

mentieren nun, dass die uninformierten Investoren aufgrund der erhöhten Infor-

mationsasymmetrie eine höhere Rendite fordern, die sie für das Halten einer Ak-

tie mit weniger öffentlich verfügbaren Informationen und damit einem höheren


Risiko der Übervorteilung entlohnt.806 Treffen z.B. schlechte Nachrichten ein

und werden diese zuerst an informierte Investoren weitergegeben, können diese

schneller reagieren und z.B. die Aktie verkaufen. Dieser Effekt führt dazu, dass

uninformierte Investoren immer zu viele Aktien mit zukünftigen schlechten

Nachrichten und zu wenige Aktien mit zukünftigen guten Nachrichten halten.

Easley/O’Hara (2004) formulieren es treffend: „ the uninformed are always on

the wrong side.“ 807 Wird dieses Risiko nun von den uninformierten Investoren

wahrgenommen, werden sie dafür eine höhere Rendite fordern. Durch die Exis-

tenz von privaten Informationen, d.h. durch eine Informationsasymmetrie zwi-

schen informierten und uninformierten Investoren, entsteht somit eine neue Form

von systematischem Risiko, für das Investoren im Gleichgewicht entlohnt wer-

den wollen.808

Das Modell von Easley/O’Hara (2004) ist allerdings unter der zentralen An-

nahme aufgebaut, dass die Anzahl der verfügbaren Informationen Ik fix ist. Lam-

bert et al. (2006) erweitern daher das Modell von Easley/O’Hara (2004), indem

sie diese Annahme aufheben und die Anzahl der Informationen als variabel un-

terstellen.809 Kommt es nun zu einem Anstieg der Anzahl der privaten Signale,

ist damit – entgegen dem Modell von Easley/O’Hara (2004) – keine Verringe-

rung der Anzahl der öffentlichen Signale mehr verbunden. Das Informationsset

der informierten Investoren hat sich damit eindeutig verbessert. Zusätzlich kön-

nen die uninformierten Investoren aus der möglichen Veränderung der Preise In-

formationen ziehen, so dass sich auch ihr Informationsset verbessert.810 In

Abbildung 15 äußert sich dies in einer Erhöhung des Informationsniveaus von

Kapitalmarktteilnehmer 1 und einer möglichen Erhöhung des Niveaus von Teil-

nehmer 2. Obwohl es damit zu einer Steigerung der Informationsasymmetrie

kommen kann, erhöht sich die durchschnittliche Informationspräzision

806 Vgl. Easley/O'Hara (2004), S. 1554. 807 Easley/O'Hara (2004), S. 1554. 808 Vgl. Easley/O'Hara (2004), S. 1554. 809 Vgl. Lambert et al. (2006). 810 Vgl. Plumlee/Botosan (2007), S. 11.


WAVGPRECk, was gleichbedeutend mit verringerten Kapitalkosten ist. Bezogen

auf die Ausgangsfrage, ob durch Informationen die Kapitalkosten gesenkt wer-

den können, hat im Modell von Lambert et al. (2006) eine Maßnahme, die die

Informationsasymmetrie beeinflusst, dementsprechend nur dann Einfluss auf die

Kapitalkosten, wenn dadurch gleichzeitig die durchschnittliche Informationsprä-

zision verändert wird: „ information differences across investors affect a firm’ s

cost of capital through investors’ average information precision, and not infor-

mation asymmetry per se.“ 811 Die von Easley/O’Hara (2004) beschriebene Be-

fürchtung der Anleger, durch Benachteiligung beim Informationszugang über-

vorteilt zu werden, spielt im Modell von Lambert et al. (2006) keine Rolle. Sie

formulieren es wie folgt: “ Less informed investors choose to hold fewer shares

in firms where their uncertainty is greatest, not where information asymmetry is

greatest.”812

Ein Beispiel für die Bedeutung des Unterschieds zwischen Informationsasym-

metrie und Informationspräzision ist die Wirkung der von der SEC erlassenen

Regulation Fair Disclosure. Diese Regulierungsmaßnahme verbietet u.a. die

Weitergabe von Insiderinformationen vom Management an Analysten, um damit

eine Benachteiligung von uninformierten Investoren zu unterbinden.813 Bezogen

auf den Einfluss auf Informationsasymmetrie und -präzision am Kapitalmarkt

wären aus dieser Maßnahme zwei gegenläufige Effekte auf die geforderte Rendi-

te zu erwarten, je nachdem wie das Management auf die Regulierungsmaßnahme

reagiert.

Entscheidet sich das Management nach dem Verbot der selektiven Weitergabe

von Informationen dazu, neue Informationen nun an sämtliche Kapitalmarktteil-

nehmer weiterzugeben, so würde dies in den erläuterten Modellen als Konvertie-

rung von privaten in öffentliche Informationen interpretiert werden. Die absolute

Menge der abgegebenen Informationen bliebe konstant. Im Modell von Eas-

811 Lambert et al. (2006), S. 1. 812 Lambert et al. (2006), S. 3. 813 Zur Regulation FD vgl. Kapitel 3.2.3.


ley/O’Hara (2004) würde diese Verringerung der Informationsasymmetrie zu ei-

ner Verringerung der geforderten Rendite führen. Nach den Ergebnissen von

Lambert et al. (2006) spielt die Informationsasymmetrie zwischen den Investo-

ren zwar keine Rolle, jedoch hat sich der Informationsstand der uninformierten

Investoren verbessert. Damit verbunden ist eine Erhöhung der durchschnittlichen

Informationspräzision, was wiederum zu verringerten Kapitalkosten führt.

Andererseits könnte die geforderte Gleichbehandlung der Kapitalmarktteilneh-

mer auch eine Verringerung der durchschnittlichen Informationspräzision zur

Folge haben. Wenn das Management sich im Anschluss an das Verbot der selek-

tiven Weitergabe dazu entscheidet, die selektive Informationsweitergabe voll-

ständig zu stoppen, kommt es zu einer Verringerung der verfügbaren Informati-

onsbasis der informierten Investoren. Im Modell von Lambert et al. (2006) steigt

aufgrund der damit verbundenen gesunkenen durchschnittlichen Informations-

präzision sämtlicher Kapitalmarktteilnehmer die geforderte Rendite der Markt-

teilnehmer. Das Modell von Easley/O’Hara (2004) wäre in diesem Fall nicht

anwendbar, da sich die Menge der verfügbaren Informationen verändert hat. Ei-

ne simple Interpretation im Sinne, dass die verringerte Informationsasymmetrie

zu verringerten Kapitalkosten führt, wäre in diesem Fall fehlerhaft.

Fraglich erscheint, welches der beiden Modelle von Easley/O'Hara (2004) und

Lambert et al. (2006) die Realität besser widerspiegelt. Eine aktuelle Studie von

Plumlee/Botosan (2007) überprüft die Gültigkeit der beiden Modelle empi-

risch.814 Sie trennen hierbei insbesondere zwischen dem Einfluss der Informati-

onspräzision einerseits und dem Einfluss von Informationsasymmetrie anderer-

seits.815 Ihre Analyse zeigt, dass sowohl eine höhere Präzision der Information

als auch eine geringere Informationsasymmetrie signifikant mit niedrigeren Ei-

genkapitalkosten zusammenhängt.816 Sie legen ihre Ergebnisse als Tendenzaus-

sage zugunsten des Modells von Easley/O'Hara (2004) aus. Sie begründen dies 814 Vgl. Plumlee/Botosan (2007). 815 Vgl. für die verwendeten Stellvertretervariablen für Informationspräzision und -symmetrie Plum-

lee/Botosan (2007), S. 17-22. 816 Vgl. Plumlee/Botosan (2007), S. 29.


damit, dass eine höhere Informationsasymmetrie zu einer niedrigeren durch-

schnittlichen Informationspräzision und höheren Eigenkapitalkosten führt. Im

Modell von Lambert et al. (2006) wurde dagegen argumentiert, dass Informati-

onsasymmetrie keine Wirkung auf die Eigenkapitalkosten haben kann, sofern

nicht auch die Informationspräzision beeinflusst wird.817

Insgesamt kann damit konstatiert werden, dass bei der Untersuchung des Ein-

flusses von neuen Informationen zwei Wirkungen unterschieden werden müssen.

Erstens könnte das bestehende Informationsset der Investoren erweitert werden,

wodurch sich die Präzision der Informationen verbessert. Zweitens könnten neue

Informationen auch die Verteilung der Informationen und damit die Informati-

onsasymmetrie verändern. In Bezug auf die nachfolgende empirische Studie

muss damit zuerst geklärt werden, wie und ob die hier verwendeten Variablen

zur Messung der Qualität der Finanzberichterstattung die Informationspräzision

und -symmetrie beeinflussen. Analog zu Kapitel 3 werden als Indikatoren der

Qualität der Finanzberichterstattung die folgenden drei Variablen verwendet: 1)

die Qualität des Geschäftsberichts, gemessen anhand der Bewertung der Unter-

kategorie „ Informationsqualität“ im Wettbewerb „ Bester Geschäftsbericht“ 818, 2)

die Präzision der Prognosen des Managements, gemessen durch einen selbst ge-

bildeten Präzisionsindex819 sowie 3) die Qualität der Investor Relations, gemes-

sen als Gesamtergebnis der Analystenbefragung im Wettbewerb „ Capital Inves-

tor Relations Preis“ der Zeitschrift Capital.820

Hinsichtlich der Qualität des Geschäftsberichts scheint die Richtung des Einflus-

ses eindeutig: Der Geschäftsbericht ist für alle Investoren verfügbar und kann

demnach das Informationsset aller Investoren verbessern. Eine höhere Qualität

sollte demnach das Informationsset aller Investoren verbessern. Sowohl im Mo-

dell von Easley/O’Hara (2004) als auch im Modell von Lambert et al. (2006) re-

817 Vgl. Plumlee/Botosan (2007), S. 29. 818 Vgl. Abschnitt 3.4.1.2. 819 Vgl. Abschnitt 3.4.1.3. 820 Vgl. Abschnitt 3.4.1.1.


sultiert daraus eine erhöhte durchschnittliche Informationspräzision, was c.p. zu

niedrigeren Kapitalkosten führt. Nicht eindeutig ist hingegen die Stärke des Ein-

flusses. Diese hängt von der Relevanz ab, die die Informationen des Geschäfts-

berichts für die Investoren besitzen.

Die gleiche Argumentation gilt auch für die Präzision der Managementprogno-

sen. Durch eine hohe Präzision werden insgesamt präzisere Informationen für

alle Investoren zugänglich gemacht. Dementsprechend steigt auch hier die

durchschnittliche Informationspräzision, was zu verringerten Kapitalkosten

führt. Eine geringe Präzision der Aussage, wie z.B. „ Wir können keine Prognose

über die Gewinnentwicklung des nächsten Jahres abgeben“ , könnte zudem zu ei-

ner Steigerung der wahrgenommenen Informationsasymmetrie von einzelnen

Investoren führen. Diese könnten befürchten, dass das Management zwar über

Informationen über die zukünftige Gewinnentwicklungen verfügt, diese aber nur

an ausgewählte Investoren weitergeben möchte. Dementsprechend sollte auch

mit Blick auf die Informationsasymmetrie eine erhöhte Präzision der Prognosen

zu einer Verringerung der Kapitalkosten führen.

Hinsichtlich der Variable zur Qualität der IR ist die Interpretation nicht eindeu-

tig. Grundsätzlich scheint es klar zu sein, dass ein Unternehmen mit einer guten

IR-Arbeit sämtliche Kapitalmarktteilnehmer besser mit Informationen versorgt.

Dementsprechend sollten die Investoren bei einem solchen Unternehmen über

ein besseres Informationsset verfügen. Allerdings muss beachtet werden, dass

zur Bestimmung der IR-Qualität Analysten befragt wurden. Diese beurteilen in

der Befragung u.a., wie schnell das Management präzise, aktuelle und verlässli-

che Informationen an die Analysten weitergibt. Wie in Abschnitt 3.2.3 erläutert

wurde, haben Analysten aufgrund ihrer Tätigkeit Interesse an privaten Informa-

tionen. Alleine schon zur Berechtigung ihrer Existenz wäre es für sie vorteilhaft,

wenn das Management eine neue Information zuerst an sie und nicht direkt an

den Kapitalmarkt weitergibt. Bezogen auf die Variable „ Qualität der Investor

Relations“ könnte daher vermutet werden, dass ein Unternehmen, das Analysten

besser mit privaten Informationen versorgt, von den Analysten besser bewertet

wird. Ein hoher Wert in der Befragung könnte demnach auch auf eine höhere In-


formationsasymmetrie hindeuten. Im Modell von Easley/O’Hara (2004) erhöht

dies die geforderte Rendite. Ein die Kapitalkosten reduzierender Effekt ist damit

nicht eindeutig.


Die Ergebnisse der theoretischen Literatur deuten damit insgesamt darauf hin,

dass eine höhere Informationsqualität zu einer Verringerung des Schätzrisikos

sowie der Informationsasymmetrie und damit letztendlich der Eigenkapitalkos-

ten führt.821 Da die Finanzberichterstattung einen Teil der gesamten Unterneh-

menspublizität und der vom Unternehmen abgegebenen Informationen darstellt,

kann der gleiche Zusammenhang vermutet werden. Verschiedene US-

amerikanische und auch deutsche Studien haben diese Vermutung bereits mit

verschiedenen Stellvertretervariablen für die Qualität der Finanzberichterstattung

empirisch untersucht. Im folgenden Abschnitt 4.4 wird daher ein Literaturüber-

blick über die bisherigen Forschungsergebnisse gegeben. Der weitere Ablauf

orientiert sich an Abbildung 16:

Eigenkapitalkosten

Systematisches und unsystematisches Risiko

Buchwert-Marktwert-Verhältnis

Unsicherheit der Renditen

Verschuldungsgrad

Kap. 4.4.2.1

Kap. 4.4.2.3

Kap. 4.4.2.4

Kap. 4.4.2.2


Qualität der Investor Relations

Kap. 4.4.1.1

Kap. 4.4.1.2

Qualität des Geschäftsberichts

Kap. 4.4.1.3

Unternehmensgröße und Anzahl der Analysten

Kap. 4.4.2.5

Variablen der Informationsqualität Kontrollvariablen

Abbildung 16: Determinanten der Eigenkapitalkosten

Im Abschnitt 4.4.1 werden die Ergebnisse der bisherigen Studien zu den hier

verwendeten drei Stellvertretervariablen der Qualität der Finanzberichterstattung

dargestellt. Daneben wurde auch für eine Vielzahl anderer Faktoren ein Einfluss

auf die Höhe der Eigenkapitalkosten festgestellt. Diese werden als Kontrollvari-

ablen im Abschnitt 4.4.2 erläutert.

821 Vgl. Hail (2002), S. 745.


4.4.1 Variablen der Informationsqualität

4.4.1.1 Qualität der Investor Relations

Die Qualität der Investor Relations eines Unternehmens wird in der empirischen

Literatur häufig durch Analystenbefragungen822 oder durch die Bewertung der

veröffentlichen Informationen durch Gutachterteams gemessen.823 Hierbei wird

z.B. die Zeitnähe, die Glaubwürdigkeit oder die Transparenz der für Analysten

bereitgestellten Informationen bewertet.824 Sengupta (1998) untersucht den Zu-

sammenhang zwischen der Qualität der Investor Relations und den Fremdkapi-

talkosten. Als Maßzahl der Qualität der Investor Relations verwendet er die von

Finanzanalysten abgegebenen Bewertungen der Unternehmenskommunikation.

Übereinstimmend mit der theoretischen Literatur findet er einen negativen Zu-

sammenhang.825 Healy et al. (1999) finden einen positiven Zusammenhang zwi-

schen der Qualität der Investor Relations, gemessen durch die Bewertung der

Analysten, und dem Unternehmenswert.826 Froidevaux (2004) analysiert den Zu-

sammenhang zwischen dem Informationsgehalt der Investor-Relations-

Sektionen von 141 US-amerikanischen Unternehmenswebseiten (bewertet an-

hand eines selbsterstellten Indexes) und den Eigenkapitalkosten. Nach Kontrolle

verschiedener unternehmensspezifischer Charakteristika und Risiken (z.B. Beta-

Faktor, Unternehmensgröße, Industriezugehörigkeit) findet sie den erwarteten

signifikant negativen Zusammenhang.827 Botosan/Plumlee (2002) untersuchen

den Zusammenhang zwischen den impliziten Eigenkapitalkosten und der Quali-

tät der Investor Relations (gemessen durch die Bewertung von Finanzanalysten

der AIMR). Ein Zusammenhang kann hier allerdings nicht festgestellt werden.

822 Vgl. z.B. die Ergebnisse der Zeitschrift Capital O.V. (2006), S. 41-53. 823 Vgl. Botosan/Plumlee (2002), S. 29. Für ein Beispiel eines verwendeten Bewertungsbogens vgl. z.B.

Healy et al. (1999), S. 513. 824 Vgl. O.V. (2006), S. 44. Zur Kritik an der Verwendung solcher Kennzahlen zur Messung der Informati-

onsqualität vgl. Abschnitt 4.5.4. 825 Vgl. Sengupta (1998), S. 459 f. 826 Vgl. Healy et al. (1999), S. 491. Ein höherer Unternehmenswert impliziert c.p. geringere Kapitalkosten.

Vgl. Demsetz (1968), S. 50-53; Copeland/Galai (1983), S. 1457-1460; Botosan/Plumlee (2002), S. 23. 827 Vgl. Froidevaux (2004), S. 74.


Insgesamt deuten die empirischen Ergebnisse jedoch überwiegend auf einen ne-

gativen Zusammenhang hin. Die Hypothese wird daher wie folgt formuliert:

Hypothese 1.1: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Qualität der Investor Relations und den Eigenka-pitalkosten.

Zur Messung der Qualität der Investor Relations werden analog zu Kapitel 3 die

Ergebnisse des Wettbewerbs „ Capital Investor Relations Preis“ verwendet.828

4.4.1.2 Qualität des Geschäftsberichts

Zur Bestimmung des Einflusses der Qualität des Geschäftsberichts verwenden

viele empirische Studien eine Bewertung anhand selbst konstruierter Indizes

oder der Bewertung des Geschäftsberichts durch Expertenteams, wie Professoren

oder Finanzanalysten.829 Botosan (1997) untersucht den Zusammenhang zwi-

schen einem selbst konstruierten Publizitätsindex (zur Messung der Qualität des

Geschäftsberichts) und den impliziten Eigenkapitalkosten bei 122 Unternehmen

der Schwerindustrie.830 Da sie vermutet, dass für kleinere Unternehmen der Ef-

fekt einer höheren Informationsqualität größere Auswirkungen auf die Eigenka-

pitalkosten haben wird, bildet sie zwei nach Anzahl der beobachtenden Analys-

ten unterteilte Untergruppen. Für die Unternehmen, die von weniger Analysten

beobachtet werden, wird ein stärkerer Einfluss der Informationsqualität erwartet.

Ihre Ergebnisse bestätigen den erwarteten negativen Zusammenhang zwischen

der Publizitätsqualität und den impliziten Eigenkapitalkosten, allerdings nur für

die kleineren Unternehmen. Hail (2002) findet in einer vergleichbaren Studie für

73 Unternehmen am schweizer Aktienmarkt ebenfalls einen signifikanten Zu-

sammenhang zwischen der Geschäftsberichtsqualität und den impliziten Eigen-

kapitalkosten. Botosan/Plumlee (2002) untersuchen für 668 Unternehmen im 828 Vgl. ausführlich zur Erhebung dieser Variablen Abschnitt 3.4.1.1. 829 Vgl. Lang/Lundholm (1993), S. 253-256. Diese ziehen eine Bewertung durch die Analystenvereinigung

AIMR heran. Vgl. Daske/Gebhardt (2006a), S. 467-471, für eine ausführliche Beschreibung der Vorge-hensweise von Professoren als Bewerter der Geschäftsberichtsqualität. Vgl. Francis et al. (2006), S. 9, für die Verwendung und Vorteile eines selbst konstruierten Indexes als Methodik zur Messung der Qua-lität der Finanzberichterstattung.

830 Vgl. Botosan (1997), S. 323 und S. 331.


Zeitraum 1986 bis 1996 den Zusammenhang zwischen der Bewertung der Ge-

schäftsberichte durch Finanzanalysten und der Höhe der Eigenkapitalkosten.

Nach Kontrolle des Einflusses des Beta-Faktors und der Unternehmensgröße

finden sie, dass Unternehmen mit sehr hohen Bewertungen über ca. 0,7 % gerin-

gere Eigenkapitalkosten verfügen als Unternehmen mit sehr niedrigen Bewer-

tungen.831 Hail/Leuz (2006) untersuchen für 40 Länder im Zeitraum 1992-2001

den Einfluss von länderspezifischen Unterschieden bezüglich der Publizitätsan-

forderungen und Wertpapierregulierungen auf die Eigenkapitalkosten.832 Sie

können zeigen, dass die Eigenkapitalkosten in Ländern mit höheren Anforderun-

gen hinsichtlich der Publizität und der Wertpapierregulierungen c.p. niedriger

sind. Der theoretisch vermutete Zusammenhang wurde damit wiederholt auch in

empirischen Studien bestätigt. Die Hypothese für die eigene Untersuchung lautet

daher wie folgt:

Hypothese 1.2: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Qualität des Geschäftsberichts und den Eigenka-pitalkosten.

Zur Messung der Informationsqualität des Geschäftsberichts wird analog zu Ka-

pitel 3 das Ergebnis der Kategorie „ Informationsgehalt“ des Wettbewerbs „ Bes-

ter Geschäftsbericht“ der Zeitschriften Capital/Focus Money bzw. des Handels-

blattes verwendet.833

4.4.1.3 Managementprognosepräzision

Managementprognosen stellen einen Teilbereich der freiwilligen Publizität eines

Unternehmens dar.834 In vielen Studien wird ihr Einfluss auf die Eigenkapital-

kosten daher zusammen mit anderen Maßzahlen der freiwilligen Publizität ge-

831 Vgl. Botosan/Plumlee (2002), S. 22. 832 Vgl. Hail/Leuz (2006). 833 Vgl. hierzu ausführlich Abschnitt 3.4.1.2. 834 Hierbei ist anzumerken, dass teilweise auch Managementprognosen verpflichtend abgegeben werden

müssen, wie z.B. zur Korrektur einer vorherigen Prognose. Vgl. dazu Kapitel 2.2.3. Da der Großteil der abgegebenen Prognosen jedoch auf einer freiwilligen Entscheidung beruht, werden Managementprogno-sen hier als Teil der freiwilligen Publizität angesehen.


messen. Evans (2006) analysiert den Zusammenhang zwischen den Eigenkapi-

talkosten eines Unternehmens und der Selbstverpflichtung zu einer langfristig

transparenten Veröffentlichungspolitik.835 Konsistent mit seiner Hypothese fin-

det er signifikant geringere Eigenkapitalkosten von Unternehmen, die diese

Selbstverpflichtung eingehen. Er begründet dies damit, dass durch die transpa-

rente Veröffentlichungspolitik die Unsicherheit des Kapitalmarktes reduziert

wird, was zu geringeren Eigenkapitalkosten führt.836 Botosan/Plumlee (2002)

analysieren den Zusammenhang zwischen der Qualität der freiwilligen Bericht-

erstattung, gemessen durch ein Ranking der AIMR, und den impliziten Eigenka-

pitalkosten.837 Sie stellen dabei entgegen der Erwartung einen signifikant positi-

ven Zusammenhang zwischen der Qualität der freiwilligen Berichterstattung (in-

klusive Managementprognosen) und den Eigenkapitalkosten fest. Unternehmen,

welche die besten Werte im Ranking zur freiwilligen Berichterstattung erzielen,

haben um ca. 1,3 % höhere Eigenkapitalkosten als Unternehmen, welche die

schlechtesten Werte erzielen. Botosan/Plumlee (2002) erklären dieses kontrain-

tuitive Ergebnis damit, dass durch eine erhöhte Berichterstattung vermutlich

auch eine erhöhte Aktienkursvolatilität entsteht, was das wahrgenommene Risi-

ko der Aktie erhöht und damit zu höheren Renditeforderungen führt. Diese Er-

gebnisse bestätigt auch Evans (2006), der ebenfalls einen positiven Zusammen-

hang zwischen der Häufigkeit von Managementprognosen und den impliziten

Eigenkapitalkosten dokumentiert. Die einzige Untersuchung, die explizit den

Zusammenhang zwischen der Präzision einer Managementprognose und den im-

pliziten Eigenkapitalkosten untersucht, ist die von Francis et al. (2006). Sie stel-

len fest, dass eine höhere Präzision von Managementprognosen mit höheren im-

pliziten Eigenkapitalkosten verbunden ist. Allerdings schränken sie ihre Ergeb-

nisse selbst ein, da sie nicht für den Effekt einer höheren Anzahl von Prognosen

kontrollieren, der ebenfalls zu einer erhöhten Aktienkursvolatilität führen könn-

835 Ein Unternehmen wird hierbei als Unternehmen mit einer langfristig transparenten Veröffentlichungspo-

litik definiert, wenn es im Zeitablauf konsequent Prognosen abgibt und conference calls durchführt. 836 Vgl. Diamond/Verrecchia (1991). 837 Vgl. Botosan/Plumlee (2002), S. 21 f.


te.838 Da die bisherigen empirischen Ergebnisse nicht eindeutig sind, die theore-

tischen Ergebnisse jedoch eher einen negativen Zusammenhang implizieren, lau-

tet die Hypothese wie folgt:

Hypothese 1.3: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Präzision der Prognose und den Eigenkapitalkos-ten.

Die Ermittlung der Präzision der Managementprognosen erfolgt analog zu der

Vorgehensweise in Kapitel 3, indem ein Prognosepräzisionsindex aus den ver-

fügbaren Managementprognosen eines Jahres gebildet wird. Da die Berechnung

der Werte der impliziten Eigenkapitalkosten am 30.6. eines Jahres erfolgt und zu

diesem Zeitpunkt der Durchschnittswert der Präzision der Managementprognose

eines Jahres noch nicht feststeht, wird die Prognosepräzision des Vorjahres den

Eigenkapitalkostenschätzungen zum 30.6. eines Jahres zugeordnet.

4.4.2 Kontrollvariablen

4.4.2.1 Systematisches und unsystematisches Risiko

Wie in Abschnitt 4.3.1 dargestellt, ist im CAPM das systematische Risiko (Beta-

Faktor) eines Wertpapiers positiv mit der Renditeforderung der Eigenkapitalge-

ber korreliert. Folglich sollten auch die mit impliziten Modellen ermittelten Ei-

genkapitalkostenschätzungen positiv mit dem Beta-Faktor korrelieren. Die bishe-

rige empirische Literatur bestätigt diesen positiven Zusammenhang.839 Neben

dem systematischen Risiko zeigen verschiedene Studien ebenso einen Zusam-

menhang der Eigenkapitalkosten mit dem unsystematischen Risiko, gemessen

durch die Volatilität des Aktienkurses.840 Das unsystematische Risiko wird daher

ebenfalls als Kontrollvariable einbezogen. Die Hypothesen lauten wie folgt:

838 Vgl. Francis et al. (2006), S. 29-31. 839 Vgl. z.B. Botosan/Plumlee (2005). 840 Vgl. Reese (2005), S. 32; Daske (2005), S. 296.


Hypothese 2.1a: Ceteris paribus besteht ein positiver Zusammenhang zwi-schen dem systematischen Risiko eines Unternehmens und den Eigenkapitalkosten.

Hypothese 2.2b: Ceteris paribus besteht ein positiver Zusammenhang zwi-schen dem unsystematischen Risiko eines Unternehmens und den Eigenkapitalkosten.

Im Rahmen dieser Arbeit wird der Beta-Faktor durch eine Regression der monat-

lichen Renditen der einzelnen Unternehmen über die letzten 30 Monate mit dem

CDAX Performance Index als Stellvertreter für das Marktportfolio geschätzt.841

Die Volatilität des Aktienkurses wird berechnet als Standardabweichung der Ak-

tienrenditen des vergangenen Kalenderjahres.842

4.4.2.2 Verschuldungsgrad

Modigliani/Miller (1958) haben gezeigt, dass mit wachsendem Verschuldungs-

grad (gemessen in Marktwerten) das Risiko der Eigenkapitalgeber steigt, was zu

höheren Renditeforderungen führt. Fama/French (1992) unterstützen diese

Hypothese empirisch.843 Für Deutschland bestätigen Daske (2005) und Ree-

se (2005) diesen Zusammenhang.844 Demnach ergibt sich folgende Hypothese:

841 Vgl. Daske et al. (2006), S. 24; Gode/Mohanram (2003), S. 404; Botosan/Plumlee (2005) bereinigen den

Beta-Faktor um den Verschuldungsgrad, da der durch Regressionen ermittelte Beta-Wert sowohl das Verschuldungsrisiko als auch das Marktrisiko berücksichtigt. Botosan/Plumlee (2005), S. 34. Da beide Werte allerdings stark korreliert sind, wird auf diese Spezifikation hier verzichtet.

842 Vgl. Gebhardt et al. (2001), S. 145; Gode/Mohanram (2003), S. 404. 843 Vgl. Fama/French (1992), S. 441-443. 844 Vgl. Daske (2005), S. 296 f., der den erwarteten Zusammenhang in mehreren Modellen dokumentieren

kann. Ebenso Reese (2005), S. 32.


Hypothese 2.2: Ceteris paribus besteht ein positiver Zusammenhang zwischen dem Verschuldungsgrad und den Eigenkapitalkosten.

Der Verschuldungsgrad wird in dieser Untersuchung als Quotient von Buchwert

der langfristigen Verbindlichkeiten und Marktwert des Eigenkapitals am Anfang

des Geschäftsjahres berechnet.845

4.4.2.3 Buchwert-Marktwert-Verhältnis

Verschiedene empirische Arbeiten beschreiben weitere Variablen, die zwar kei-

ne explizite theoretische Fundierung besitzen, für die aber ein Zusammenhang

mit den realisierten oder den erwarteten Aktienrenditen gefunden wurde.846 Das

Buchwert-Marktwert-Verhältnis ist eine der am häufigsten bestätigten Variablen.

Fama/French (1992) sowie Lakonishok et al. (1994) zeigen, dass Unternehmen

mit einem höheren Buchwert-Marktwert-Verhältnis signifikant höhere Renditen

erzielen als Unternehmen mit einem niedrigen Wert.847 Fama/French (1992) er-

klären dies damit, dass ein höheres Buchwert-Marktwert-Verhältnis einen Indi-

kator für ein höheres Risiko des Unternehmens darstellt. Sie vermuten, dass ein

höheres Buchwert-Marktwert-Verhältnis aus gesunkenen Marktwerten resultiert,

was eine Folge von geringeren erwarteten zukünftigen Gewinnen und möglichen

finanziellen Problemen eines Unternehmens darstellen kann.848 Gebhardt et

al. (2001), Daske (2005) und Reese (2005) bestätigen diesen Zusammenhang

auch in Modellen mit erwarteten Renditen.849 Die Hypothese lautet daher wie

folgt:

845 Vgl. Daske (2005), S. 287. 846 Für einen Überblick vgl. Elton (2003), S. 417-421. 847 Vgl. Fama/French (1992); Lakonishok et al. (1994). 848 Vgl. Fama/French (1992), S. 441. 849 Vgl. Gebhardt et al. (2001), S. 164; Daske (2005), S. 286; Reese (2005), S. 32.


Hypothese 2.3: Ceteris paribus besteht ein positiver Zusammenhang zwischen dem Buchwert-Marktwert-Verhältnis und den Eigenkapital-kosten.

4.4.2.4 Unsicherheit der Renditen

Unternehmen, deren Ergebnisse in der Vergangenheit volatiler waren, werden

von Investoren regelmäßig als unsicherer angesehen, da damit auch eine schwie-

rigere Schätzung der zukünftigen Ergebnisse verbunden ist.850 Aufgrund des

damit verbundenen höheren Schätzrisikos werden die Aktien von Unternehmen

mit volatilen Ergebnissen mit einem höheren Risikozuschlag versehen.851 Die

Ergebnisse von Gebhardt et al. (2001) und Gode/Mohanram (2003) bestätigen

diese Überlegung. Sie zeigen, dass Unternehmen mit stabilen, leicht prognosti-

zierbaren Gewinnen niedrigere Eigenkapitalkosten besitzen.852 Als Stellvertre-

tervariablen für die Unsicherheit der erwarteten Renditen werden häufig der Va-

riationskoeffizient des Ergebnisses je Aktie der letzten fünf Jahre oder die Streu-

ung der Analystenschätzungen herangezogen.853 Im Rahmen dieser Arbeit wer-

den beide Größen verwendet. Die Hypothesen lauten daher wie folgt:

Hypothese 2.4a: Ceteris paribus besteht ein positiver Zusammenhang zwi-schen dem Variationskoeffizienten des Ergebnisses je Aktie und den Eigenkapitalkosten.

Hypothese 2.4b: Ceteris paribus besteht ein positiver Zusammenhang zwi-schen der Streuung der Analystenschätzungen und den Ei-genkapitalkosten.

4.4.2.5 Unternehmensgröße und Anzahl der covernden Analysten

Die Größe eines Unternehmens und die Anzahl der das Unternehmen beobach-

tenden Analysten sind in der Literatur häufig verwendete Variablen zur Messung

850 Vgl. Francis et al. (2004), S. 972 und S. 1006 f. 851 Vgl. Gebhardt et al. (2001), S. 146 f. 852 Vgl. Gebhardt et al. (2001), S. 146 f.; Gode/Mohanram (2003), S. 416. 853 Vgl. Daske et al. (2006), S. 26; Gode/Mohanram (2003), S. 404.


des Informationsumfelds.854 Dies wird damit begründet, dass für große Unter-

nehmen und Unternehmen mit einer größeren Anzahl covernder Analysten gene-

rell mehr Informationen zur Verfügung stehen, wie z.B. Studien von volkswirt-

schaftlichen Instituten, Zeitungsberichte, etc.855 Ebenso besteht für größere Un-

ternehmen regelmäßig eine höhere Aktienliquidität und ein daraus resultierendes

geringeres Liquiditätsrisiko.856 Die impliziten Eigenkapitalkosten sollten daher

geringer sein, je größer das Unternehmen und die Anzahl der Analysten sind.

Dieser erwartete negative Einfluss beider Variablen auf die impliziten Eigenka-

pitalkosten wird in einer Vielzahl von Studien dokumentiert.857 In der empiri-

schen Untersuchung wird die Unternehmensgröße gemessen durch die logarith-

mierte Marktkapitalisierung. Die Anzahl der beobachtenden Analysten wird aus

der Datenbank I/B/E/S entnommen.

Hypothese 2.5a: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Unternehmensgröße und den Eigenkapitalkosten.

Hypothese 2.5b: Ceteris paribus besteht ein negativer Zusammenhang zwi-schen der Anzahl der Analysten und den Eigenkapitalkosten.


Ziel von Abschnitt 4.4 war es, die bisherigen empirischen Ergebnisse zum Zu-

sammenhang zwischen der Qualität der Finanzberichterstattung eines Unterneh-

mens und der Höhe der Eigenkapitalkosten darzustellen. Ebenso konnten insge-

samt acht weitere Variablen identifiziert werden, für die ein Einfluss auf die Hö-

he der Eigenkapitalkosten nachgewiesen wurde. Dies daraus resultierenden

Hypothesen werden in Tabelle 25 zusammengefasst und im nächsten Abschnitt

empirisch überprüft.

854 Vgl. z.B. Gode/Mohanram (2003), S. 405. 855 Vgl. Daske (2005), S. 287. 856 Vgl. Penman (2004), S. 667. 857 Vgl. Botosan/Plumlee (2005), S. 42 ff.; Daske (2005), S. 296; Reese (2005), S. 32.


Variable Kürzel eV

H 1.1 Informationsqualität der Investor Relations IRQUAL -H 1.2 Informationsqualität des Geschäftsberichts INFQUAL -H 1.3 Präzision der Prognosen MPS -

H 2.1a Systematisches Risiko BETA +H 2.1b Unsystematisches Risiko VOLA +H 2.2 Verschuldungsgrad LEV +H 2.3 Buchwert-Marktwert-Verhältnis BTM +H 2.4a Variationskoeffizient des Ergebnis je Aktie VARKOEF +H 2.4b Streuung der Analystenschätzungen STREUUNG +H 2.5a Unternehmensgröße LOGGROESSE -H 2.5b Anzahl der Analysten ANALYSTEN -


Kontrollvariablen

Hypothese

Tabelle 25: Zusammenfassung der Hypothesen

Abgebildet sind die Hypothesen, die Determinanten, das Variablenkürzel sowie

das erwartete Vorzeichen. Ein „ +“ bzw. ein „ -“ deutet auf einen erwarteten posi-

tiven bzw. negativen Zusammenhang hin. Der im Folgenden zu überprüfende

funktionale Zusammenhang kann damit wie folgt spezifiziert werden:



Grundlage der Untersuchung sind alle Unternehmen, für die im Zeitraum der

beiden Wettbewerbe zwischen 1997 und 2006 Ergebnisse der Studien 1) zum

besten Geschäftsbericht und 2) „ Capital Investor Relations Preis“ vorliegen. Zu-

Eigenkapitalkosten = f (IRQUAL, INFQUAL, MPS, BETA, VOLA, LEV, BTM, VARKOEF, STREUUNG, LOGGROESSE, ANALYSTEN)


sätzlich müssen 3) ein Ergebnis der Eigenkapitalkostenschätzung sowie 4) die

verwendeten Kontrollvariablen vorliegen.858

Die ersten beiden Bedingungen müssen aufgestellt werden, da in den beiden

Studien teilweise unterschiedliche Stichproben verwendet werden, sodass nicht

alle Unternehmen in beiden Studien untersucht wurden.859 Wie bereits in Ab-

schnitt 3.5.1 dargelegt, liegen damit insgesamt 1.525 Beobachtungen für 386 Un-

ternehmen vor.

Die dritte Bedingung erfordert das Vorliegen einer Schätzung für die impliziten

Eigenkapitalkosten. Daher werden für die 386 Unternehmen die impliziten Ei-

genkapitalkosten nach den oben beschriebenen fünf Modellen für den Zeitraum

1997-2006 berechnet. Durch die Annahmen der verschiedenen Modelle zur

Schätzung der impliziten Eigenkapitalkosten kommt es zu Mindestanforderun-

gen an die Datenverfügbarkeit. Für jedes Unternehmen muss 1) der Aktienkurs,

2) die Zahl der ausstehenden Aktien, 3) der Buchwert des Eigenkapitals und 4)

die Ausschüttungsquote zum Bewertungszeitpunkt vorliegen. Zur Gewährleis-

tung, dass die Analystenschätzungen tatsächlich die Markterwartungen für den

relevanten Prognosehorizont approximieren, müssen zudem für jedes Unterneh-

men mindestens zwei Analystenschätzungen vorliegen.860 Das Modell nach Ohl-

son/Juettner-Nauroth (2005) erfordert zudem positive Gewinnprognosen für die

nächsten zwei Geschäftsjahre sowie eine Schätzung der langfristigen Wachs-

tumsrate.861 Für die Berechnung des PEG-Ratios nach Easton (2004) sind positi-

ve und wachsende prognostizierte Gewinne für die nächsten zwei Geschäftsjahre

858 Da die Managementprognosen ausschließlich für die DAX und MDAX-Unternehmen im Zeitraum 2002

bis 2005 erhoben wurden, liegen deutlich weniger Beobachtungen für diese Variable vor. Um die Unter-suchungsstichprobe nicht zusätzlich zu reduzieren, wurde auf die Bedingung des Vorliegens einer Prog-nose oder eines jahresdurchschnittlichen Präzisionswertes verzichtet. Stattdessen wurden die Analysen für diese Variable mit einer verkleinerten Stichprobe separat durchgeführt.

859 Vgl. dazu ausführlich Abschnitt 3.5.1. 860 Daske/Wiesenbach (2005) fordern mindestens drei Analystenschätzungen, während US-amerikanische

Studien beispielsweise mindestens fünf Werte verlangen. Vgl. Daske/Wiesenbach (2005), S. 409-411; Gode/Mohanram (2003), S. 407. Aufgrund der geringeren Verfügbarkeit von Analystenschätzungen auf dem deutschen Kapitalmarkt führt die Erleichterung der Voraussetzungen zu einem größeren Datensam-ple, jedoch auch zu einer geringeren Verlässlichkeit der Berechnungen.

861 Vgl. Ohlson/Juettner-Nauroth (2005), S. 355 ff; Gode/Mohanram (2003) 402 f.


erforderlich.862 Die restriktiven Annahmen der Modelle sorgen regelmäßig für

eine geringere Stichprobe mit stabileren und risikoärmeren Unternehmen.863 In

dieser Untersuchung reduziert sich der Datensatz aufgrund der Anforderungen

auf 1.126 Beobachtungen von 277 Unternehmen. Ein Großteil der empirischen

Studien berechnet die impliziten Eigenkapitalkosten einmal pro Jahr zu einem

bestimmten Zeitpunkt (z.B. 30.6. oder 31.12.).864 Dieser Vorgehensweise wird

gefolgt und die impliziten Eigenkapitalkosten zum 30.6. eines Jahres berechnet.

Die vierte Bedingung erfordert das Vorliegen der Kontrollvariablen. Für die

Analystenschätzungen, die Anzahl ausstehender Aktien, die Industrieklassifizie-

rungen sowie die Aktienpreise wird die I/B/E/S-Summary-History-Datenbank

verwendet. Sämtliche Daten aus Bilanz und GuV stammen aus der Worldscope-

Datenbank von Thomson Financial. Der risikolose Zins wird durch die Effektiv-

verzinsung von Staatsanleihen mit einer Restlaufzeit von zehn Jahren zum Be-

wertungsstichtag approximiert.865 Hierzu wird der Subindex für zehn-jährige An-

leihen des REX866 verwendet. Da für einzelne Unternehmen teilweise auch die

Kontrollvariablen nicht verfügbar sind, verbleibt ein Datensatz von 1.096 Beo-

862 Vgl. Easton (2004), S. 78-81. 863 Vgl. Reese (2005), S. 9; Botosan/Plumlee (2005), S. 35. 864 Vgl. Gebhardt et al. (2001), S. 145; Gode/Mohanram (2003), S. 15 (im Juni); Easton et al. (2004), S.

19-20; Easton et al. (2002), S. 664 (im Dezember). Der Grund für die Wahl dieses Bewertungszeit-punkts liegt in der Datenstruktur der notwendigen Analystenschätzungen. I/B/E/S aktualisiert die Schät-zungen monatlich an jedem dritten Donnerstag eines Monats. Vgl. Thomson Financial (2003), S. 1. So-lange der Geschäftsbericht eines Unternehmens nicht veröffentlicht ist, gelten die Ein-Jahres-Schätzungen noch für das abgelaufene Geschäftsjahr. Ein Analyst schätzt beispielsweise am 23.3.2004 das Ergebnis je Aktie eines Unternehmens mit Bilanzstichtag am 31.12.2003. Das Unternehmen legt die Bilanz für 2003 allerdings erst am 29.3.2004 vor. In diesem Fall gilt die Schätzung vom 23.3.2004 noch für das Geschäftsjahr 2003. Erst die Schätzung im nächsten Monat, nach Veröffentlichung der Bilanz, gilt für das Jahr 2004. Vgl. Daske (2005), S. 151. Die Schätzungen zwischen dem 31.12.2003 und dem 29.3.2004 sind sog. „ historische“ Schätzungen, da sie sich auf das bereits vergangene Geschäftsjahr be-ziehen. Da der Buchwert je Aktie vor der Veröffentlichung der Bilanz noch nicht verfügbar ist, muss er unter der Annahme des Kongruenzprinzips berechnet werden. Dies führt allerdings zum Verlust einer Gewinnschätzung und damit zu einer Reduzierung der Anzahl der Schätzungen. Bei der Wahl der Be-wertungszeitpunkts zum 30.6. haben in der Regel die meisten Unternehmen, deren Bilanzstichtag der 31.12. ist, ihre Ergebnisse veröffentlicht, so dass sich die Ein-Jahres-Schätzungen auf das laufende Jahr beziehen. Diese Argumentation greift allerdings nur für Gesellschaften, deren Geschäftsjahresende am 31.12. ist.

865 Vgl. Gebhardt et al. (2001), S. 145; Claus/Thomas (2001), S. 211; Gode/Mohanram (2003), S. 400. 866 Der Rentenindex REX ist ein gewichteter Durchschnittspreis aus synthetischen Anleihen konstanter

Laufzeit und bildet den Markt der Staatspapiere am deutschen Rentenmarkt ab. Vgl. dazu auch Deutsche Börse Group (2004), S. 2. Vgl. zu dieser Vorgehensweise Reese (2005), S. 9; Daske (2005), S. 153.


bachtungen von 268 Unternehmen im Zeitraum von 1997 bis 2006. Eine Über-

sicht über die einbezogenen Unternehmen gibt Anhang 7.

4.5.2 Ergebnisse

4.5.2.1 Univariate Analyse

Da der risikolose Zins eines Jahres für alle Unternehmen identisch ist, wird im

Weiteren lediglich die Risikoprämie rp des jeweiligen Modells betrachtet, die

sich als Differenz der impliziten Eigenkapitalkostenschätzung und dem risikolo-

sen Zinssatz ergibt. Tabelle 26 zeigt deskriptive Statistiken der Schätzungen der

einzelnen Modelle für die 1.126 Beobachtungen. Zusätzlich ist ein Durch-

schnittswert angegeben, der sich aus den für ein Unternehmen verfügbaren

Schätzungen ergibt.867

Jahr N AM N AM N AM N AM N AM N AM1997 88 0.60% 87 1.74% 87 -0.93% 89 5.22% 89 3.39% 93 2.16%1998 138 2.35% 135 2.81% 136 0.82% 142 6.29% 145 4.44% 146 3.52%1999 127 4.41% 126 4.83% 126 3.00% 116 7.06% 119 5.06% 133 4.78%2000 93 2.46% 97 3.13% 89 1.69% 108 6.90% 108 5.01% 112 3.83%2001 91 3.76% 106 5.41% 101 2.83% 107 8.71% 108 6.90% 116 5.94%2002 97 4.72% 117 5.70% 105 1.80% 110 9.73% 111 7.88% 119 6.33%2003 89 6.33% 106 6.42% 80 3.50% 95 10.63% 95 8.83% 106 7.13%2004 89 4.64% 100 4.88% 74 2.27% 90 9.23% 90 7.76% 100 5.87%2005 87 3.79% 99 4.06% 75 1.18% 88 7.51% 88 6.11% 99 4.58%2006 88 4.20% 100 4.29% 77 1.01% 91 8.38% 92 6.86% 102 4.90%Total 987 3.69% 1073 4.36% 950 1.74% 1036 7.90% 1045 6.14% 1126 4.90%

rp GM rp PEG

Die Übersicht zeigt die Anzahl der Beobachtungen (N) und das arithmetische Mittel (AM) für die Schätzungen der Modelle. Die Definitionen

sind wie folgt:

rpGG = Risikoprämie im Modell nach Gordon/Gordon (1997)

rpCT = Risikoprämie im Modell nach Claus/Thomas (2001)

rpGLS = Risikoprämie im Modell nach Gebhardt/Lee/Swaminathan (2001)

rp GM = Risikoprämie im Modell nach Gode/Mohanram (2003)

rp PEG = Risikoprämie im Modell nach Easton (2004)

rp AVG = Arithmetisches Mittel der fünf Modelle

Zur Bereinigung von Ausreißern werden sämtliche Schätzungen auf dem 1 %- bzw. 99 %-Perzentil winsorisiert.

rp AVGrp CT rp GLSrp GG

Tabelle 26: Deskriptive Statistik der geschätzten Risikoprämie

Ein Vergleich der Modelle untereinander zeigt, dass aus dem Modell von Geb-

hardt et al. (2001) die niedrigsten rpCT jährlichen Schätzungen resultieren. Die-

ses Ergebnis ist konform mit vergleichbaren Studien von Botosan/Plumlee

867 Die Durchschnittsbildung kann in diesem Fall dazu führen, dass für bestimmte Unternehmen höhe-

re/niedrigere Risikoprämien aufgrund eines Modells resultieren, da nicht für jedes Unternehmen Schät-zungen aus allen Modellen berechnet werden können. Aufgrund der geringen Anzahl fehlender Schätz-ergebnisse für verschiedene Modelle wird dies vernachlässigt.


(2005) für den amerikanischen Kapitalmarkt sowie Daske (2005) und Ree-

se (2005) für den deutschen Kapitalmarkt.868 Bezüglich der anderen vier Modelle

erzielen die Modelle nach Claus/Thomas (2001) und Gordon/Gordon (1997)

bzw. nach Ohlson/Juettner-Nauroth (2005) und Easton (2004) vergleichbare Er-

gebnisse.

Eine Betrachtung der Risikoprämie im Zeitablauf in Abbildung 17 zeigt den

Verlauf, der die Erkenntnisse der bisherigen Literatur bestätigt.

-2.00%

0.00%

2.00%

4.00%

6.00%

8.00%

10.00%

12.00%

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

rpCT rpGG rpGLS rpGM rpPEG rpAVG

Abbildung 17: Implizite Marktrisikoprämien im Zeitablauf

Der Durchschnittswert der Modelle rpAVG zeigt einen Anstieg der geforderten

Risikoprämie bis zum Jahr 1999, eine leichte Senkung im Jahr 2000, der wieder-

um eine Steigerung bis zum Jahr 2003 folgt. Diese Entwicklung kann u.U. mit

einer gestiegenen Risikoaversion der Anleger nach dem Platzen des Börsen-

booms ab 2001 erklärt werden. Der Verlauf der Ergebnisse stimmt weitgehend

mit den Resultaten von Reese (2005) als einzige für diesen Zeitraum vergleich-

bare Studie für deutsche Unternehmen überein. Der bei Reese (2005) im Jahr

2002 statt 2003 festgestellte Maximumwert der Risikoprämie kann wohl auf eine

unterschiedliche Untersuchungsstichprobe zurückgeführt werden. Die hier vor-

868 Vgl. Daske (2005), S. 207 f.; Reese (2005), S. 13; Hail/Leuz (2006), S. 493.


liegende Untersuchung beschränkt sich auf größere Unternehmen, die größten-

teils in Indizes vertreten sind, während Reese (2005) diese Einschränkung nicht

macht.869

Für verschiedene Unternehmen ergeben sich in einzelnen Jahren negative Risi-

koprämien; für das Modell nach Gebhardt et al. (2001) entstehen im Jahr 1997

sogar durchschnittlich negative Risikoprämien für die Stichprobe.870 Daske et al.

(2004), die vergleichbare Ergebnisse erhalten, geben hierfür zwei mögliche Er-

klärungsansätze: Zum einen könnten für einzelne Unternehmen möglicherweise

risikofreudige Investoren existieren. Zum anderen sind die negativen Werte

möglicherweise auch auf negative Beta-Wert zurückzuführen.871 Beide Erklä-

rungen erscheinen allerdings eher unplausibel, da teilweise auch Unternehmen,

für die ein Beta-Wert > 1 berechnet wurde, negative Risikoprämien besitzen so-

wie risikofreudige Investoren grundsätzlich eher in der Minderheit sein soll-

ten.872 Eine dritte, in der bisherigen Literatur vernachlässigte Erklärung könnte

im Auseinanderfallen von Anlegererwartungen und Analystenschätzungen lie-

gen. Kommt es z.B. zu einer starken Erhöhung des Aktienpreises ohne eine kor-

respondierende Erhöhung der Ergebnisschätzungen der Analysten, resultiert aus

den Bewertungsmodellen eine automatische Verringerung der berechneten Risi-

koprämie. Ein Rückschluss auf die Risikoprämie wäre hierbei nicht möglich, da

es sich entweder um eine irrational hohe Nachfrage der Anleger handelt (Analys-

ten liegen richtig) oder um eine fehlende Anpassung der Gewinnschätzungen

trotz neuer Informationen auf Seiten der Analysten (Anleger liegen richtig). Da

in verschiedenen Studien sowohl irrationale Verhaltensweisen der Anleger als

auch die nur langsame Anpassung der Analysten an neue Informationen gezeigt

869 In einer Vor-Analyse wurde die Höhe der Eigenkapitalkosten für eine größere Stichprobe geschätzt, die

nicht die Bedingung eines Ergebnisses in den beiden Wettbewerben besaß. Hierbei wurden durchgehend höhere Risikoprämien gefunden, sowie, dass die durchschnittliche Risikoprämie im Jahr 2002 am höchs-ten ist.

870 Eine ausführlichere Übersicht über Statistiken der Eigenkapitalkostenschätzungen vgl. Anhang 8. 871 Vgl. Daske et al. (2006), S. 22 f.; Reese (2005), S. 20. 872 Vgl. Daske/Gebhardt (2006b), S. 544.


wurden, könnte dies eine Erklärungsmöglichkeit für negative Risikoprämien

sein.873

4.5.2.2 Multivariate Analyse

Neben den drei Variablen zur Informationsqualität eines Unternehmens werden

acht Kontrollvariablen in das Modell aufgenommen. Tabelle 27 gibt einen Über-

blick über die Definitionen und die Berechnung der verwendeten Variablen:

Variable DefinitionMPS Arithmetisches Mittel der einzelnen Präzisionswerte der Prognosen des Vorjahres. Die Präzisionswerte

werden wie folgt definiert: 3, falls das Unternehmen eine Punktprognose abgibt;2, falls das Unternehmen eine Intervallprognose abgibt; 1, falls das Unternehmen eine Maximum- oder Minimumprognose abgibt; 0, falls das Unternehmen eine qualitative Prognose abgibt.

IRQUAL Ergebnis im Wettbewerb „ Deutscher Investor Relations Preis“ der Zeitschrift Capital.

INFQUAL Ergebnis der Kategorie „ Informationsgehalt" im Wettbewerb „ Bester Geschäftsbericht“ der Zeitschriften Capital/Focus Money bzw. des Handelsblatts.

BETA Beta-Faktor geschätzt durch das Marktmodell auf Basis der stetigen Monatsrenditen der letzten 30 Monate gegen die Rendite des CDAX Performance Index zum 30.6. eines Jahres.

VOLA Standardabweichung der täglichen Renditen über einen Zeitraum von 250 Handelstagen zum 30.6. eines Jahres

LEV Quotient des Buchwerts der gesamten Verbindlichkeiten (WC03255) und des Marktwerts des Eigenkapitals (WC08001) zum Jahresanfang.

BTM Buchwert-Marktwert-Verhältnis des Eigenkapitals (1/PTBV) zu Beginn des Jahres.

STREUUNG Standardabweichung der EPS-Schätzungen der Analysten im Juni des Bewertungsjahres.

VARKOEF Absolutwert des Variationskoeffizienten der Werte des Ergebnisses je Aktie (WC05210) der letzten drei Geschäftsjahre.

LOGGROESSE Natürlicher Logarithmus des Marktwerts des Eigenkapitals (WC08001) zu Beginn des Jahres in Mio. €.

ANALYSTEN Anzahl der Analysten, die das Unternehmen covern und eine Ein-Jahres-Prognose abgeben im Juni des Bewertungsjahres.

Tabelle 27: Variablendefinitionen

Um den Einfluss von Ausreißern möglichst gering zu halten, werden alle Variab-

len, auf dem 1 %- bzw. dem 99 %-Perzentil winsorisiert.874 Die in den beiden

Untersuchungen maximal vergebenen Punktzahlen für IRQUAL und INFQUAL

variieren teilweise, wie z.B. zwischen 0-100, 0-200 oder 0-500. Um die Punk-

zahlen intertemporal und in beiden Wettbewerben vergleichbar zu machen, wer-

den alle Werte auf eine Spanne zwischen 0-100 standardisiert.875 Um einen ers-

ten Indikator zu erhalten, ob Unternehmen mit geringeren Eigenkapitalkosten

systematisch abweichende Charakteristika besitzen, werden zunächst zwei Un- 873 Vgl. zur ineffizienten Informationsverarbeitung der Analysten z.B. Lys/Sohn (1990); Easterwood/Nutt

(1999). Für irrationale Verhaltensweisen der Anleger vgl. z.B. Kahneman/Tversky (1979); Goldberg/von Nitzsch (2004).

874 Vgl. zu dieser Vorgehensweise auch Daske et al. (2006), S. 23. 875 Vgl. Daske/Gebhardt (2006a), S. 471.


tergruppen gebildet. Dazu wird die gesamte Stichprobe anhand des Medians der

Eigenkapitalkosten in eine Gruppe mit Unternehmen mit „ relativ hohen“ und ei-

ne Gruppe mit „ relativ niedrigen“ Eigenkapitalkosten unterteilt. Tabelle 28 zeigt

die Anzahl der Beobachtungen (N), den Mittelwert (AM), den Median, die Stan-

dardabweichung (Std), Minimum- und Maximumwerte (Min bzw. Max) sowie

die 25 %- und 75 %-Quantile (Q1 bzw. Q3). Anhand des t-Tests (Wilcoxon-

Tests) werden die Mittelwerte (Mediane) auf Gleichheit getestet.

rp AVG < Median (rp AVG )

Variable N AM Med Std Min Q1 Q3 MaxMPS 102 2.10 2.25 0.71 0.33 1.67 2.50 3.00IRQUAL 548 64.84 67.38 20.61 9.20 54.50 80.00 96.38INFQUAL 548 68.51 70.00 15.71 26.20 59.67 81.50 93.50BETA 548 0.93 0.83 0.67 -0.02 0.44 1.26 2.83VOLA 548 0.39 0.31 0.21 0.15 0.25 0.44 1.28LEV 548 0.30 0.14 0.50 0.00 0.02 0.37 3.09BTM 548 0.40 0.36 0.27 0.00 0.21 0.52 2.78STREUUNG 548 0.36 0.20 0.67 0.00 0.10 0.34 5.84VARKOEF 548 0.67 0.35 0.94 0.00 0.16 0.70 4.62LOGGROESSE 548 14.22 14.01 1.71 10.53 12.88 15.52 17.75ANALYSTEN 548 19.50 19.00 11.00 2.00 10.00 29.00 41.00

rp AVG > Median (rp AVG )

Variable N AM Med Std Min Q1 Q3 MaxMPS 186 1.97 2.00 * 0.72 0.33 1.50 2.50 3.00IRQUAL 548 61.12 *** 66.10 *** 18.34 9.20 49.60 74.00 96.12INFQUAL 548 70.07 * 70.67 14.32 26.20 60.00 82.00 93.50BETA 548 0.97 0.84 0.66 -0.02 0.50 1.29 2.83VOLA 548 0.45 *** 0.37 *** 0.21 0.18 0.31 0.49 1.28LEV 548 0.68 *** 0.48 *** 0.71 0.00 0.17 0.97 3.09BTM 548 0.70 *** 0.62 *** 0.45 0.00 0.39 0.88 2.78STREUUNG 548 0.45 * 0.24 *** 0.96 0.00 0.13 0.41 5.84VARKOEF 548 0.98 *** 0.47 *** 1.18 0.00 0.20 1.22 4.62LOGGROESSE 548 13.44 *** 12.99 *** 1.70 9.72 12.24 14.49 17.75ANALYSTEN 548 15.29 *** 13.00 *** 10.22 2.00 7.00 22.00 41.00Das Symbol ***/**/* verdeutlicht die Signifikanz der Unterschiede im arithmetischen Mittel (t-Test) bzw.Median (Wilcoxon-Test) mit einer Irrtumswahrscheinlichkeit von 1%/5%/10%.

Tabelle 28: Deskriptive Statistik der unabhängigen Variablen

Die Übersicht zeigt die erwarteten Ergebnisse auf weitgehend hoch signifikan-

tem Niveau. Hinsichtlich der Informationsvariablen MPS und IRQUAL zeigt

sich, dass Unternehmen in der Gruppe mit niedrigeren Eigenkapitalkosten eine

höhere Prognosepräzision und eine höhere IR-Qualität aufweisen. Bei der Vari-

able INFQUAL zeigt sicht dagegen, dass Unternehmen mit höheren Eigenkapi-

talkosten über eine höhere Qualität des Geschäftsbericht verfügen. Hinsichtlich


der Kontrollvariablen haben diese Unternehmen zusätzlich eine geringere Volati-

lität der Aktienrendite (VOLA), einen geringeren Verschuldungsgrad (LEV), ein

geringeres Buchwert-Marktwert-Verhältnis (BTM), eine geringere Streuung der

Analystenschätzungen (STREUUNG), einen geringeren Beta-Faktor (BETA)

sowie einen kleineren Variationskoeffizienten der Gewinne (VARKOEF). Eben-

so sind diese Unternehmen signifikant größer (LOGGROESSE) und werden von

mehr Analysten (ANALYSTEN) beobachtet.

4.5.2.2.1 Korrelationsanalyse

Im Folgenden wird die Korrelationsmatrix aller einbezogenen Variablen darge-

stellt und erläutert. Zunächst soll jedoch kurz erläutert werden, welche Schlüsse

sich aus der Korrelationsmatrix ableiten lassen:

1) Güte der Modelle zur Schätzung der impliziten Eigenkapitalkosten

In Abschnitt 4.2.4 wurde erläutert, dass die Modelle zur Eigenkapitalkosten-

schätzung auf unterschiedlichen Inputparametern beruhen und daher divergieren

können. Wie im Rahmen der deskriptiven Analyse dargestellt, divergieren die

Ergebnisse auch in dieser Untersuchung teilweise stark. In einigen empirischen

Studien wird daher versucht, die Güte der Modelle zu vergleichen, um das ver-

lässlichste Modell zu identifizieren.876 Als Gütemaß werden dabei regelmäßig

die Korrelation der einzelnen Schätzergebnisse untereinander sowie die Korrela-

tion der Schätzergebnisse mit ausgewählten Risikofaktoren verwendet. Je höher

die Korrelation ist, desto verlässlicher ist ein Modell. Anhand der vorliegenden

Matrix kann daher beurteilt werden, wie verlässlich die Modelle in dieser Unter-

suchung sind.

2) Güte der Variablen zur Messung der Informationsqualität

Die Messung der Informationsqualität eines Unternehmens anhand der hier ver-

wendeten Stellvertretervariablen ist nicht frei von subjektiven Spielräumen. So-

wohl bei der Datensammlung der Managementprognosen als auch in der Vorge- 876 Vgl. z.B. Francis et al. (2000); Botosan/Plumlee (2005).


hensweise der beiden Wettbewerbe können subjektive Einflüsse das Ergebnis

verzerren. Um die Validität der Kennzahlen einschätzen zu können, wird die

Korrelation der drei Informationsvariablen untereinander verglichen.877 Unter

der Annahme, dass ein Unternehmen eine eindeutige Publizitätspolitik verfolgt,

sollten die einzelnen Informationsvariablen positiv zusammenhängen. Es wird

damit eine positive Korrelation zwischen den drei Informationsvariablen erwar-

tet.

3) Einfluss der Informationsvariablen auf die impliziten Eigenkapitalkosten

Wie oben argumentiert, sollte zwischen den einzelnen Informationsvariablen und

den impliziten Eigenkapitalkosten ein negativer Zusammenhang bestehen. Es

wird daher eine negative Korrelation erwartet.

Die Zusammenhänge können anhand der Korrelationsmatrix nach Pearson und

Spearman in Tabelle 29 überprüft werden. Die folgenden Ausführungen bezie-

hen sich auf die Ergebnisse nach Pearson.

877 Vgl. Hail (2002), S. 756-758.


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Abhängige Variablen

rp GM 1 1 0.98 *** 0.68 *** 0.54 *** 0.69 *** 0.90 *** -0.16 *** -0.17 *** 0.01 0.07 ** 0.27 *** 0.39 *** 0.45 *** 0.15 *** 0.20 *** -0.29 *** -0.23 ***rp PEG 2 0.99 *** 1 0.64 *** 0.50 *** 0.64 *** 0.88 *** -0.16 ** -0.11 *** 0.04 0.14 *** 0.35 *** 0.35 *** 0.39 *** 0.13 *** 0.26 *** -0.24 *** -0.19 ***rp CT 3 0.70 *** 0.66 *** 1 0.71 *** 0.98 *** 0.87 *** -0.07 -0.12 *** 0.05 * -0.03 0.15 *** 0.38 *** 0.44 *** 0.14 *** 0.05 -0.23 *** -0.19 ***rp GLS 4 0.59 *** 0.54 *** 0.68 *** 1 0.75 *** 0.75 *** -0.15 ** -0.16 *** 0.05 -0.03 0.09 *** 0.36 *** 0.52 *** 0.20 *** 0.07 ** -0.14 *** -0.09 ***rp DDM 5 0.63 *** 0.59 *** 0.91 *** 0.74 *** 1 0.90 *** -0.10 * -0.12 *** 0.09 *** -0.06 * 0.18 *** 0.43 *** 0.50 *** 0.13 *** 0.05 * -0.25 *** -0.22 ***rp AVG 6 0.90 *** 0.88 *** 0.87 *** 0.75 *** 0.90 *** 1 -0.11 * -0.14 *** 0.04 0.03 *** 0.24 *** 0.40 *** 0.46 *** 0.14 *** 0.16 *** -0.26 *** -0.20 ***

Informationsvariablen

MPS 7 -0.14 ** -0.12 * -0.05 -0.14 ** -0.08 -0.07 1 -0.05 0.02 -0.09 0.06 -0.09 -0.09 -0.20 *** -0.11 * -0.22 *** -0.21 ***

IRQUAL 8 -0.14 *** -0.08 *** -0.14 *** -0.17 *** -0.15 *** -0.14 *** -0.05 1 0.48 *** 0.12 *** 0.01 -0.15 *** -0.17 *** -0.14 *** -0.06 ** 0.41 *** 0.30 ***

INFQUAL 9 0.03 0.06 ** 0.00 0.04 0.04 0.02 -0.01 0.49 *** 1 -0.07 ** -0.11 *** 0.14 *** 0.09 *** -0.04 -0.11 *** 0.45 *** 0.31 ***

Kontrollvariablen

BETA 10 0.11 *** 0.17 *** 0.06 * -0.01 -0.07 * 0.07 ** -0.14 ** 0.09 *** -0.09 *** 1 0.48 *** 0.14 *** -0.09 *** -0.07 ** 0.28 *** 0.06 * 0.10 ***

VOLA 11 0.24 *** 0.31 *** 0.19 *** 0.09 *** 0.11 ** 0.22 *** 0.00 -0.01 -0.18 *** 0.63 *** 1 -0.13 *** -0.12 *** -0.16 *** 0.36 *** -0.19 *** -0.23 ***

LEV 12 0.35 *** 0.31 *** 0.32 *** 0.30 *** 0.38 *** 0.34 *** -0.09 -0.13 *** 0.09 *** -0.08 ** -0.12 *** 1 0.54 *** 0.23 *** 0.07 ** -0.02 0.04

BTM 13 0.50 *** 0.45 *** 0.39 *** 0.53 *** 0.44 *** 0.45 *** -0.01 -0.14 *** 0.08 *** -0.06 ** -0.07 ** 0.44 *** 1 0.17 *** 0.06 * -0.21 *** -0.07 **

STREUUNG 14 0.09 * 0.08 *** 0.08 *** 0.05 0.04 0.08 ** -0.17 *** -0.19 *** -0.15 *** -0.01 -0.05 0.12 *** 0.09 *** 1 0.11 *** 0.15 *** 0.21 ***

VARKOEF 15 0.23 *** 0.28 *** 0.16 *** 0.09 *** 0.15 *** 0.22 *** -0.18 *** -0.11 *** -0.14 *** 0.27 *** 0.37 *** 0.08 *** 0.09 *** 0.14 *** 1 -0.13 *** -0.14 ***

LOGGROESSE 16 -0.26 *** -0.21 *** -0.22 *** -0.15 *** -0.26 *** -0.25 *** -0.21 *** 0.41 *** 0.44 *** 0.01 -0.24 *** 0.01 -0.19 *** -0.06 ** -0.13 *** 1 0.76 ***

ANALYSTEN 17 -0.20 *** -0.17 *** -0.18 *** -0.11 *** -0.21 *** -0.19 *** -0.19 *** 0.31 *** 0.32 *** 0.04 -0.27 *** 0.04 -0.09 *** 0.02 -0.14 *** 0.78 *** 1Korrelationsmatrix nach Pearson (unteres Dreieck) und Spearman (oberes Dreieck) der abhängigen und unabhängigen Variablen. Angegeben werden die Korrelationskoeffizienten und darunter die entsprechenden p-Werte.

Tabelle 29: Korrelationsmatrix nach Pearson und Spearman der einbezogenen Variablen

Literaturverzeichnis 242

1) Güte der Modelle zur Schätzung der impliziten Eigenkapitalkosten

Die Korrelationen zwischen den Schätzungen der Risikoprämie der einzelnen

Modelle sind durchgehend hoch signifikant auf 1 %-Niveau und deuten daher

auf eine hohe Verlässlichkeit der Schätzmodelle hin. Die Werte vergleichbarer

Studien werden allerdings nicht erreicht.878 Die Korrelationen mit den Risikofak-

toren VOLA, BTM, VARKOEF und LEV sind weitestgehend hoch signifikant,

wohingegen die Korrelationen mit BETA und STREUUNG schwächer und nicht

in allen Modellen signifikant sind. Insbesondere die geringe Signifikanz und die

nicht eindeutige Richtung des Beta-Faktors enttäuschen, stehen aber in Einklang

mit vergleichbaren Untersuchungen, die ebenfalls nicht in allen Modellen signi-

fikante Ergebnisse erhalten.879 Neben einer veränderten Samplezusammenset-

zung und einer geringeren Samplegröße kann dies durch die in Abschnitt 4.2.4

dargelegten Messprobleme erklärt werden. Wie von Hail/Leuz (2006) vorge-

schlagen werden die Schätzungen daher zu einem Durchschnittswert aggre-

giert.880 In der Folge wird deshalb der von Hail/Leuz (2006) angewendeten Vor-

gehensweise gefolgt und der Durchschnittswert der Modelle rpAVG als Stellver-

tretervariable für die Risikoprämie verwendet.881 Für rpAVG kann dementspre-

chend auch der erwartete positive Zusammenhang mit dem Beta-Faktor auf hoch

signifikantem Niveau festgestellt werden.

2) Güte der Variablen zur Messung der Informationsqualität

Wie bereits in Abschnitt 3.5.2.2.1 ist auch hier die Korrelation zwischen den De-

terminanten des Informationsumfelds IRQUAL und INFQUAL positiv und hoch

signifikant. Der erwartete positive Zusammenhang zwischen IRQUAL und MPS

ist nicht signifikant. Die Korrelation zwischen INFQUAL und MPS ist sogar ne-

gativ, wenn auch auf nicht signifikantem Niveau. Diese Ergebnisse deuten dar- 878 Vgl. Reese (2005), S. 29; Hail/Leuz (2006), S. 494. 879 Vgl. Reese (2005), S. 29; Daske et al. (2006), S. 23. 880 Vgl. Hail/Leuz (2006), S. 493. 881 Im Rahmen der Robustheitschecks werden sämtliche Regressionen für jedes Modell einzeln durchge-

führt. Die Ergebnisse der Parameterschätzungen weichen leicht ab, ohne die Signifikanzniveaus zu ver-ändern.


auf hin, dass die hier erhobene Präzision der Managementprognosen kein valider

Indikator der Qualität der Finanzberichterstattung eines Unternehmens ist.

3) Einfluss der Informationsvariablen auf die impliziten Eigenkapitalkosten

Die Investor-Relations-Qualität (IRQUAL) hat einen signifikant negativen Zu-

sammenhang mit der geschätzten Risikoprämie in allen Modellen auf dem 1 %-

Niveau. Die Informationsqualität (INFQUAL) hat dagegen lediglich in einem

von fünf Modellen einen signifikanten Zusammenhang mit den impliziten Ei-

genkapitalkosten. Entgegen den Erwartungen ist dieser Zusammenhang aller-

dings positiv. Für die Präzision der Managementprognosen (MPS) besteht mit

den Schätzungen für rpGM, rpPEG und rpGLS ein signifikant negativer Zusammen-

hang.

4.5.2.2.2 Modellformulierung

Im Rahmen der multivariaten Regressionsanalyse werden die verschiedenen er-

klärenden Informations- und Kontrollvariablen auf ihren gemeinschaftlichen Er-

klärungsgehalt der impliziten Risikoprämie hin untersucht. Hierzu wird eine

Kleinst-Quadrate-Schätzung durchgeführt.882 Um den Einfluss einer Variablen

möglichst präzise bestimmen zu können, werden insgesamt vier Modelle ge-

schätzt. Die Modelle lauten wie folgt:

Modell 1: rpAVG = α + β1IRQUAL + β2INFQUAL + β3BETA

+ β4LOGGROESSE +β5BTM + β6STREUUNG

+ ∑=

9

1nnn yearγ + ∑

=

9

1nnnindδ + ui

Modell 2: rpAVG = α + β1MPS + β2IRQUAL + β3INFQUAL + β4BETA

+ β5LOGGROESSE +β6BTM + β7STREUUNG

+ ∑=

9

1nnn yearγ + ∑

=

9

1nnnindδ + ui

882 Vgl. z.B. Botosan/Plumlee (2005), S. 34.


Modell 3: rpAVG = α + β1IRQUAL + β2INFQUAL + β3VOLA

+ β4ANALYSTEN + β5LEV + β6VARKOEF

+ ∑=

9

1nnn yearγ + ∑

=

9

1nnnindδ + ui

Modell 4: rpAVG = α + β1MPS + β2IRQUAL + β3INFQUAL + β4VOLA

+ β5ANALYSTEN + β6LEV + β7VARKOEF

+ ∑=

9

1nnn yearγ + ∑

=

9

1nnnindδ + ui

Die beiden Informationsvariablen INFQUAL und IRQUAL sind in allen Model-

len enthalten. Da für die Variable MPS deutlich weniger Beobachtungen vorlie-

gen, wird sie lediglich in Modell 2 und 4 integriert. Aufgrund der teilweise ho-

hen Korrelation zwischen den Kontrollvariablen (BETA und VOLA,

LOGGROESSE und ANALYSTEN, BTM und LEV, STREUUNG und

VARKOEF), werden in Modell 1 und 2 lediglich die Variablen BETA,

LOGGROESSE, BTM und STREUUNG integriert, während in Modell 3 und 4

die korrelierten Variablen VOLA, ANALYSTEN, LEV und VARKOEF unter-

sucht werden. In allen Modellen sind Dummyvariablen zur Kontrolle von Jah-

reseffekten integriert (year).883 Das erste Jahr (1997) dient dabei als Referenzjahr

und erhält keine Dummyvariable. Zusätzlich werden mögliche branchenspezifi-

sche Einflüsse kontrolliert, indem die Unternehmen anhand der Branchenklassi-

fikation von I/B/E/S eingeteilt werden und eine entsprechende Dummyvariable

in jedes Modell integriert wird (ind).884

4.5.2.2.3 Ergebnisse der Regressionsmodelle

Um verschiedene Aussagen aus den Regressionsmodellen ableiten zu können,

werden zwei Analysen durchgeführt. Wie oben erläutert, wurden bei den beiden

Wettbewerben teilweise unterschiedliche Maximalwerte vergeben, z.B. 0-100, 0-

200 oder 0-500. Daher wurden die vergebenen Punkte bereits in der deskriptiven

Analyse auf eine maximale Spannweite von 0-100 begrenzt. Diese Absolutwerte

883 Die Begründung für die Einbeziehung von Dummyvariablen erfolgt in Abschnitt 4.5.2.2.4 im Rahmen

der Überprüfung der Regressionsvoraussetzungen. 884 Vgl. zur Übersicht über die Branchenklassifkationen von I/B/E/S Anhang 6.


werden im ersten Schritt in die Regressionsanalyse einbezogen. In einer zweiten

Analyse werden in Anlehnung an die Vorgehensweise von Botosan/Plumlee

(2002) und Hail (2002) statt der absoluten Werte der Informationsvariablen die

prozentualen Rangwerte verwendet. Dafür wird in jedem Jahr eine nach Punkten

geordnete Rangliste der Unternehmen erstellt und jedem Unternehmen eine

Rangposition zugeordnet (RANKIRQUAL, RANKINFQUAL und

RANKMPS).885 Unternehmen mit höheren Werten der Informationsvariablen

erhalten höhere Rangpositionen. Anschließend wird die Rangposition durch die

Gesamtzahl der Unternehmen in dem jeweiligen Jahr dividiert, so dass sich ein

Wert zwischen null und eins ergibt. Ein Wert nahe eins deutet somit auf hohe

Qualität hin, ein Wert nahe null auf eine sehr niedrige Qualität. Vorteile dieser

Vorgehensweise sind ein geringerer Einfluss von Ausreißern in der Regressions-

analyse und eine leichtere Interpretation der Regressionskoeffizienten.886 Ebenso

sind intertemporale Vergleiche aussagekräftiger.887

1) Absolutwerte der Informationsvariablen

Tabelle 30 zeigt die Ergebnisse für die vier verschiedenen Modelle. Dargestellt

werden die Variablen, das erwartete Vorzeichen einer Variable, die geschätzten

Regressionskoeffizienten und -konstanten, die zugehörigen t-Werte sowie die

Signifikanz der Koeffizienten.888 Die Güte eines Modells wird mit Hilfe des ad-

justierten R2-Wertes und der F-Statistik beurteilt.

885 Vgl. Botosan/Plumlee (2002), S. 34 f.; Hail (2002), S. 763. 886 Vgl. Hail (2002), S. 751. 887 Vgl. Daske/Gebhardt (2006a), S. 471. 888 Die Überprüfung, ob die Normalverteilung der Residuen als Voraussetzung für t-Test und F-Test gege-

ben ist, erfolgt im Abschnitt 4.5.2.2.4.


Modell 1 Modell 2 Modell 3 Modell 4Variable eV Koeffizient Koeffizient Koeffizient Koeffizient


3.66*** 2.68*** 4.99*** 2.82***INFQUAL - 0.00007 0.00002 -0.00002 -0.00009

0.75000 0.13000 0.17000 0.56000MPS - -0.00269 -0.00018

1.14000 0.08000BETA + 0.00397 0.00926

1.88* 2.60***LOGGROESSE - -0.00413 -0.00325

5.89*** 2.74***BTM + 0.02867 0.02733

6.55*** 5.01***STREUUNG + 0.00303 0.00150

1.47000 0.19000VOLA + 0.02770 -0.00325

3.28*** 0.22000ANALYSTEN - -0.00034 -0.00034

3.11*** 1.83*LEV + 0.01688 0.01585

8.42*** 6.28***VARKOEF + -0.00037 -0.00052

0.32000 0.35000

einbezogen einbezogen einbezogen einbezogen

Konstante 0.0836 0.1330 0.0477 0.11286.82*** 4.68*** 5.67*** 5.86***


adj. R2 36.13% 41.28% 33.34% 38.53%F-Statistik 24.17 12.75 24.75 13.28


Jahres- und branchenspezifische Effekte

Tabelle 30: Regressionsergebnisse nach Absolutwerten

Der Einfluss der Investor-Relations-Qualität (IRQUAL) ist wie erwartet in allen

Modellen signifikant mit dem erwartet negativen Vorzeichen. Unternehmen, de-

ren Investor-Relations-Qualität von den Analysten höher eingeschätzt wird, ha-

ben demnach signifikant niedrigere Eigenkapitalkosten. Vor dem Hintergrund

der vier Bereiche des Fragebogens (targetgroup orientation, transparency, track

record, extra financial reporting)889, die zu dem Ergebnis der IR-Variable führ-

ten, kann dies als Hinweis gewertet werden, dass eine transparente, zielgruppen-

orientierte und glaubwürdige Finanzberichterstattung zu niedrigeren Eigenkapi-

talkosten führt.

889 Vgl. dazu ausführlich Abschnitt 3.4.1.1.


Hinsichtlich der Variable für die Informationsqualität des Geschäftsberichts

(INFQUAL) besteht dieser Zusammenhang mit der Risikoprämie jedoch nicht.

Das Vorzeichen des Koeffizienten ist in den beiden ersten Modellen sogar posi-

tiv, allerdings auf nicht signifikantem Niveau. Eine höhere Qualität der Bericht-

erstattung im Geschäftsbericht führt demnach nicht zu einer Reduzierung der Ei-

genkapitalkosten. Dieses etwas enttäuschende Ergebnis kann verschiedene Er-

klärungen haben:

Erstens könnten die Ergebnisse des Wettbewerbs „ Bester Geschäftsbericht“ die

vom Kapitalmarkt wahrgenommene Informationsqualität nicht oder nicht voll-

ständig erfassen. In diesem Fall wäre das Ergebnis des Wettbewerbs ein schlech-

ter Indikator für die Qualität des Geschäftsberichts. Denkbar ist z.B., dass im

Geschäftsbericht eine Vielzahl von Angaben gemacht werden, die von den Be-

wertern der Studie als besonders relevant erachtet werden, für den Anleger aller-

dings keine Relevanz haben. Da eine ausführliche Beschreibung der Bewer-

tungskriterien und deren Gewichtung nicht verfügbar ist, können nur die Oberka-

tegorien in Tabelle 12 noch einmal betrachtet werden. Hierbei wird deutlich,

dass insbesondere im Anhang viele Komponenten bewertet werden, die aufgrund

ihrer Vergangenheitsorientierung möglicherweise nicht relevant sind, wie z.B.

Informationen zur Schuldenkonsolidierung, die Erläuterung der sonstigen Rück-

stellungen oder die Darstellung von Anteilslisten. Für eine genauere Analyse, ob

einzelne Komponenten im Wettbewerb „ Bester Geschäftsbericht“ die Höhe der

Eigenkapitalkosten möglicherweise doch beeinflussen, wäre ein Zugang zu die-

sen Daten erforderlich.

Zweitens sind in der vorliegenden Untersuchung vergleichsweise große Unter-

nehmen untersucht worden. Für diese liegen regelmäßig mehr Informationen aus

anderen Quellen vor, so dass der Geschäftsbericht als Informationsquelle an Be-

deutung verliert.890 Dementsprechend könnte die Qualität des Geschäftsberichts

bei kleineren, weniger beobachteten Unternehmen einen nachweisbaren Einfluss

auf die Eigenkapitalkosten besitzen. Für größere Unternehmen wäre die Bedeu-

890 Vgl. Botosan (1997), S. 326.


tung des Geschäftsberichts als Informationsquelle allerdings stark eingeschränkt.

Gegen diese Interpretation spricht allerdings, dass der Geschäftsbericht in Befra-

gungen von Investoren bezüglich seiner Bedeutung regelmäßig sehr hoch einge-

stuft wird.891 Eine Erklärung dieses scheinbaren Widerspruchs könnte die Inter-

pretation bilden, dass die für Investoren relevanten Informationen im Geschäfts-

bericht enthalten und normiert sind, so dass keine Differenzierung zwischen den

Unternehmen möglich ist. Lediglich bezüglich der nicht normierten freiwilligen

Erläuterungen ist eine Differenzierung möglich, die sich allerdings nicht in einer

niedrigeren Risikoprämie niederschlägt.

Die dritte hier betrachtete Informationsvariable stellt die Präzision der öffentlich

verfügbaren Prognosen des Managements (MPS) dar. Für diese Variable wird

vermutet, dass zwischen der Präzision der Prognosen und der Risikoprämie ein

negativer Zusammenhang besteht. Das Vorzeichen des Regressionskoeffizienten

der Variable MPS bestätigt diesen Zusammenhang in beiden Modellen. Die Ko-

effizienten sind allerdings nicht signifikant. Das nicht signifikante Ergebnis kann

möglicherweise darauf zurückgeführt werden, dass Managementprognosen re-

gelmäßig einen Teil der Investor Relations eines Unternehmen darstellen. Da für

die Qualität der Investor Relations ein signifikant negativer Zusammenhang

festgestellt wurde, könnte ein möglicher Einfluss der Managementprognosen be-

reits durch die Investor-Relations-Qualität überdeckt werden. Gegen diese Inter-

pretation spricht allerdings die nur geringe und nicht signifikante Korrelation

zwischen diesen beiden Variablen.

Die Kontrollvariablen zeigen durchgehend die erwarteten Vorzeichen. Wie in

vergleichbaren Studien wird ein signifikant positiver Zusammenhang zwischen

dem Buchwert-Marktwert-Verhältnis (BTM) bzw. dem Beta-Faktor und der Ri-

sikoprämie festgestellt, sowie ein signifikant negativer Zusammenhang zwischen

der Unternehmensgröße (LOGGROESSE) und den Eigenkapitalkosten.892 Die

891 Vgl. Abschnitt 3.4.1.2. 892 Vgl. Fama/French (1992), S. 427; Daske et al. (2006), S. 27; Hail/Leuz (2006), S. 500; Reese (2005), S.

32.


Absolutwerte der Koeffizienten entsprechen weitgehend den Werten bei

Daske (2006) und Reese (2005).893 Der Koeffizient der Streuung ist nicht signi-

fikant. Der Zusammenhang zwischen VOLA und der Risikoprämie hat in Mo-

dell 3 das erwartete positive Vorzeichen und ist auf dem 1 %-Niveau signifikant.

Für die Anzahl der Analysten (ANALYSTEN) wird der erwartete, hoch signifi-

kante Zusammenhang dieser Variable mit der Risikoprämie bestätigt.894 Für den

Verschuldungsgrad bestätigt sich ebenfalls der erwartete, hoch signifikante posi-

tive Zusammenhang.895 Für den Variationskoeffizienten des Ergebnisses je Aktie

(VARKOEF) ist der Regressionskoeffizient entgegen der Erwartung negativ, al-

lerdings nicht signifikant. Dies könnte auf den Vergangenheitsbezug dieser Vari-

able zurückzuführen sein, wodurch die aktuelle Marktunsicherheit über ein Un-

ternehmen nicht mehr widergespiegelt wird.

Der Erklärungsgrad der Modelle liegt zwischen 33,34 und 41,28 %. Vergleich-

bare Studien von Daske et al. (2006) und Reese (2005) erhalten mit anderen Va-

riablenkombinationen ohne Einbeziehung der Informationsvariablen vergleich-

bare Werte.896

2) Rangwerte

Tabelle 31 gleicht vom Aufbau her Tabelle 30 aus dem vorhergehenden Ab-

schnitt und zeigt die Ergebnisse der Regressionsmodelle mit den prozentualen

Rangpositionen der Informationsvariablen.

893 Vgl. Daske et al. (2006), S. 27; Reese (2005), S. 32. 894 Vergleichbare Ergebnisse erhalten Daske et al. (2006), S. 27 und Reese (2005), S. 32. In diesem Modell

wurde allerdings nicht für die Unternehmensgröße kontrolliert, die stark mit der Anzahl der covernden Analysten korreliert. In nicht tabellierten Ergebnissen zeigt sich, dass unter Kontrolle der Unterneh-mensgröße der Einfluss der Anzahl der Analysten nicht mehr signifikant ist.

895 Vergleichbare Ergebnisse erhält z.B. auch Hail (2002), S. 762. 896 Vgl. Daske et al. (2006), S. 26.




4.57*** 2.19** 5.36*** 2.13**INFQUAL - 0.00374 -0.00300 -0.00108 -0.00916

0.96000 0.44000 0.27000 1.49000MPS - -0.01193 -0.00180

1.49000 0.22000BETA + 0.00403 0.00933

1.92* 2.60***LOGGROESSE - -0.00392 -0.00331

5.64*** 2.74***BTM + 0.02822 0.02815

6.41*** 5.20***STREUUNG + 0.00310 0.00168

1.55000 0.22000VOLA + 0.02630 -0.00481

3.12*** 0.33000ANALYSTEN - -0.00032 -0.00034

2.92*** 1.80*LEV + 0.01636 0.01638

7.97*** 6.34***VARKOEF + -0.00042 -0.00045

0.36000 0.30000


Konstante 0.0774 0.1080 0.0369 0.06946.74*** 3.95*** 5.94*** 5.77***


adj. R2 36.58% 41.11% 33.60% 38.40%F-Statistik 24.17 12.75 24.75 13.28


Jahres- und branchenspezifische Effekte

Tabelle 31: Regressionsergebnisse nach Rangwerten

Hinsichtlich der Signifikanz der Koeffizienten ergeben sich wie erwartet keine

Änderungen zur vorherigen Analyse. Interessant erscheint nun insbesondere die

Betrachtung der Höhe des Koeffizienten von IRQUAL. Dieser liegt je nach Mo-

dell zwischen -0,014 und -0,02. Dieses Ergebnis deutet an, dass das Unterneh-

men, das den höchsten Wert der Investor-Relations-Qualität erzielt (prozentualer

Rang beträgt 1), zwischen 1,4 % und 2 % geringere Eigenkapitalkosten hat als

das Unternehmen, dass die niedrigste Position einnimmt (prozentualer Rang be-


trägt fast null).897 Diese Ergebnisse entsprechen weitgehend der Höhe der ver-

gleichbaren, bisherigen internationalen Studien. Botosan/Plumlee (2002) finden

für den US-amerikanischen Kapitalmarkt Effekte zwischen 0,7 und 1,3 %,898

während Hail (2002) für den schweizer Kapitalmarkt hinsichtlich seiner Infor-

mationsvariable sogar einen Unterschied zwischen 1,8 % und 2,4 % identifizie-

ren kann.899 Aufgrund der Höhe der Eigenkapitalkostenunterschiede sind die Er-

gebnisse für die Investor-Relations-Qualität nicht nur statistisch signifikant, son-

dern auch ökonomisch relevant.900

Im folgenden Abschnitt sollen abschließend die Regressionsvoraussetzungen der

Modelle überprüft werden.

4.5.2.2.4 Überprüfung der Regressionsvoraussetzungen

Die Anwendung der OLS-Methode für die vier Modelle setzt voraus, dass be-

stimmte Annahmen erfüllt sind. Zu diesen Annahmen gehören, dass 1) der Zu-

sammenhang linear ist, 2) der Erwartungswert des Residuums gleich null ist,

3) die Residuen der Schätzgleichung weder korreliert 4) noch heteroskedastisch

sind sowie 5) keine perfekte oder hohe Multikollinearität der exogenen Variab-

len vorliegt.901 Die Notwendigkeit dieser Voraussetzungen und die dafür entwi-

ckelten Tests wurden bereits in Abschnitt 3.5.2.2.4 erläutert. In diesem Abschnitt

erfolgt daher lediglich die Beschreibung der Testergebnisse. Da es sich bei dem

Datensatz zudem um Paneldaten handelt, werden die Ergebnisse einer separaten

Paneldatenanalyse in 6) beschrieben. Die Überprüfung der Normalverteilung der

Residuen erfolgt in 7).

897 Vgl. für diese Vorgehensweise und Interpretation auch Botosan (1997); Hail (2002). 898 Vgl. Botosan/Plumlee (2002), S. 22. 899 Vgl. Hail (2002), S. 742. 900 Vgl. Hail (2002), S. 763. 901 Vgl. Backhaus et al. (2006), S. 91 ff.


1) Linearität des Modells

Die Überprüfung der Linearitätsannahme der Modelle erfolgt zum einen durch

visuelle Inspektion der Residuen sowie durch den RESET-Test.902 Anhand der

visuellen Analyse des Streudiagramms zwischen standardisierten Residuen und

standardisierten, geschätzten Werten der abhängigen Variablen kann kein auffäl-

liger Zusammenhang festgestellt werden. Dies deutet auf einen linearen Zusam-

menhang hin. Zur zusätzlichen Überprüfung der Annahme der Linearität des

Modells wird der RESET-Test angewendet, mit dessen Hilfe die Nullhypothese

überprüft wird, dass keine Fehlspezifikation des Modells vorliegt 903 Die An-

wendung auf die Stichprobe führt bei den Modellen 1-3 zur Ablehnung der

Nullhypothese mit einer Irrtumswahrscheinlichkeit von 1 %. Dieses Ergebnis ist

nicht überraschend vor dem Hintergrund der Vielzahl von Variablen, die in der

Literatur als Einflussfaktoren der Eigenkapitalkosten identifiziert wurden, die

aber in diesem Regressionsmodell auf Grund von Datenrestriktionen nicht be-

rücksichtigt werden konnten.904 Insgesamt existieren in der Literatur keine Hin-

weise darauf, dass eine nicht-lineare Funktion in diesem Zusammenhang zu bes-

seren Ergebnisse führt. Daher wird die Fragestellung einer möglichen Nicht-

Linearität des funktionalen Zusammenhangs nicht betrachtet.

2) Erwartungswert der Residuen gleich null

Der Erwartungswert der Residuen ui ist immer dann gleich null, wenn die

Schwankungen der Residuen zufällig verteilt sind.905 Eine Verletzung dieser

Annahme ist in der Regel lediglich mit einer Verzerrung des Schätzwerts für die

Regressionskonstante verbunden.906 Da die Regressionskonstante in diesen Mo-

dellen von geringerer Bedeutung ist, wird diese Annahme nicht weiter betrachtet.

902 Vgl. Urban/Mayerl (2006), S. 205; Kennedy (2003), S. 109. 903 Vgl. Kennedy (2003), S. 109. 904 Vgl. z.B. Hail/Leuz (2006), S. 485. 905 Vgl. Kennedy (2003), S. 48. 906 Vgl. Backhaus et al. (2006), S. 93.


3) Residuen sind unkorreliert (fehlende Autokorrelation)

Da der eigene Datensatz Beobachtungen über zehn Jahre enthält, kann grund-

sätzlich Autokorrelation vermutet werden. In den Ergebnissen des Tests von

Wooldridge (2002) wird in allen Modellen die Nullhypothese von fehlender Au-

tokorrelation verworfen. Um für den Effekt von Autokorrelation zu kontrollie-

ren, wurden daher in allen Regressionsmodellen heteroskedastizitäts- und auto-

korrelationsrobuste Standardfehler und Kovarianzen nach Newey/West (1987)

verwendet.907

4) Residuen haben eine konstante Varianz (fehlende Heteroskedastizität)

Zur Überprüfung auf Heteroskedastizität wird der White-Test angewendet.908 Im

vorliegenden Datensatz ergeben die Testergebnisse, dass die Nullhypothese von

homoskedastischen Residuen in allen Modellen auf einem Signifikanzniveau

von 99 % verworfen werden muss. Dieses Ergebnis ist konform mit vergleichba-

ren Untersuchungen, die zwar keine genauen Werte des White-Tests angeben,

jedoch explizit für Heteroskedastizität kontrollieren.909 Um eine daraus resultie-

rende Verfälschung der Standardfehler der Regressionskoeffizienten zu vermei-

den, werden in allen Regressionsmodellen heteroskedastizitäts- und autokorrela-

tionsrobuste Standardfehler und Kovarianzen nach Newey/West (1987) verwen-

det.910

5) Keine lineare Abhängigkeit zwischen den Regressoren (fehlende Multikolli-

nearität)

Zur Überprüfung auf Multikollinearität werden die Ergebnisse der Korrelati-

onsmatrix untersucht. Da zwischen verschiedenen eingesetzten Variablen eine

teilweise sehr hohe Korrelation besteht, deutet dies auf Multikollinearität hin.

907 Vgl. Petersen (2006), S. 39. 908 Vgl. Kennedy (2003), S. 138. 909 Vgl. z.B. Daske et al. (2006), S. 26. In anderen Untersuchungen wird die Hypothese von fehlender Ho-

moskedastizität dagegen nicht verworfen. Diese Studien sind allerdings i.d.R. auf ein Jahr beschränkt und spiegeln damit nicht den hier verwendeten Paneldatensatz wider. Vgl. Hail (2002), S. 759; Botosan (1997), S. 343.

910 Vgl. zu dieser Vorgehensweise auch De Jong et al. (2006), S. 35.


Die Einbeziehung aller diskutierten unabhängigen Variablen in das Regressi-

onsmodell würde damit die Annahme der Unabhängigkeit der Regressoren ver-

letzen. Daher wird in den Regressionsmodellen von zwei Variablen mit hoher

Korrelation (LOGGROESSE und ANALYSTEN, LEV und BTM, BETA und

VOLA, VARKOEF und STREUUNG) jeweils nur eine im Modell verwendet

und die jeweils andere in einem zweiten Modell überprüft.911

6) Berücksichtigung der Struktur von Paneldaten

Die im Rahmen dieser Arbeit verwendeten Daten umfassen insgesamt zehn Jah-

re mit mehreren Beobachtungen pro Unternehmensjahr und stellen damit Panel-

daten dar. Da im Rahmen der Modellformulierung in Abschnitt 4.5.2.2.2 ledig-

lich branchenspezifische Effekte, nicht aber unternehmensspezifische Effekte

einbezogen wurden, soll an dieser Stelle überprüft werden, ob die Schätzung von

Fixed-Effects-Modellen unter Einbeziehung von unternehmensfixen Effekten zu

anderen Ergebnissen führt.912 Dies geschieht mithilfe der Methode der Mittel-

wertbereinigung, bei der durch Berechnung der Abweichungen vom unterneh-

mensspezifischen Mittelwert über die Zeitperioden sowohl der abhängigen als

auch der unabhängigen Variablen die Unternehmenseffekte eliminiert werden.913

Hierbei wird lediglich die zeitliche Streuung der Unternehmen (within group)

berücksichtigt, so dass bei geringer Heterogenität der Variablen keine signifikan-

ten Ergebnisse resultieren. Um den Einfluss von Heteroskedastizität und Auto-

korrelation zu kontrollieren, werden robuste Standardfehler verwendet sowie ei-

ne Clusterung der Unternehmensbeobachtungen vorgenommen.914 Tabelle 32

zeigt die Ergebnisse der Schätzungen mit Hilfe der Fixed-Effects-Modelle.

911 Vgl. für diese Vorgehensweise auch Gebhardt et al. (2001), S. 162-164 sowie Daske et al. (2006), S. 26. 912 Vgl. zu Modellen mit fixen Effekten Abschnitt 2.5.3. 913 Vgl. Eckey et al. (2001), S. 275-278. 914 Vgl. Stata Press (2007), S. 409.




3.93*** 2.14** 5.31*** 2.86***INFQUAL - -0.00004 -0.00025 -0.00004 -0.00039

0.27 0.67 0.30 1.10MPS - 0.00088 0.00166

0.26 0.52BETA + 0.00345 0.00625

1.53000 1.22000LOGGROESSE - -0.00545 -0.00246

1.81* 0.27000BTM + 0.02649 0.03932

3.32*** 2.98***STREUUNG + 0.00035 -0.00649

0.09 0.65VOLA + 0.00000 0.03660 -0.11313

2.10** 1.58ANALYSTEN - 0.00027 -0.00046

1.30 0.97000LEV + 0.01944 0.01751

6.05*** 2.94***VARKOEF + -0.00115 -0.00169

1.20 1.03


Konstante 0.1000 0.1103 0.0237 0.15682.32** 0.8100 2.02** 3.70***

Beobachtungen (Gruppen) 1094 (268) 288 (83) 1094 (268) 288 (83)

adj. R2 30.95% 36.39% 29.16% 17.38%F-Statistik 26.47 7.17 24.32 5.87


Jahresspezifische Effekte

Tabelle 32: Ergebnisse des Fixed-Effects-Modells

Die Ergebnisse zeigen, dass die Regressionskoeffizienten von verschiedenen Va-

riablen wie LOGGROESSE oder BETA nicht mehr ähnlich hohe Signifikanzni-

veaus erreichen wie in den vorherigen Analysen. Teilweise liegen sie auch un-

terhalb des 10 %-Niveaus. Dies kann auf eine geringere Heterogenität der Aus-

prägungen dieser Variablen im Zeitablauf zurückgeführt werden.915 Interessant

ist allerdings, dass die Ergebnisse für die Informationsvariablen IRQUAL,

INFQUAL und MPS mit den bisherigen Analysen weitgehend übereinstimmen.

Insbesondere die weiterhin hohe Signifikanz der Investor-Relations-Qualität 915 Vgl. Ruhwedel (2003), S. 248.


überrascht. Dies kann als Indikator der Stabilität der Ergebnisse angesehen wer-

den.

7) Normalverteilung der Residuen und Ausreißerbereinigung

Eine Analyse des Datensatzes auf evtl. vorhandene Ausreißer, die das Regressi-

onsergebnis verzerren, wird mithilfe der Kennzahl Cook's Distance untersucht.

Tatsächlich können bei der Untersuchung der Residuen der Regressionsmodelle

verschiedene Ausreißer festgestellt werden. Um den Einfluss dieser Ausreißer zu

reduzieren, werden daher die verwendeten Variablen auf 1 %-Niveau winsori-

siert.

Die Annahme der Normalverteilung der Residuen der Schätzgleichungen, die für

die Anwendung von t-Test und F-Test notwendig ist,916 wird mit Hilfe des Tests

von Shapiro/Wilk (1965) überprüft.917 Die Testergebnisse auf den Rohdatensatz

ohne Anpassungen zeigen, dass die Annahme einer Normalverteilung der Resi-

duen auf signifikantem Niveau verworfen werden muss.918 Eine anschließende

visuelle Inspektion der Verteilung der Residuen zeigt wie auch in Abschnitt

3.5.2.2.4 allerdings keine auffällige Abweichung von einer Normalverteilung.

Die Ablehnung des Tests wurde möglicherweise durch die vergleichsweise gro-

ße Stichprobe verursacht, durch die die Normalverteilungsannahme „ fast immer

signifikant abgelehnt wird.“ 919 Da bei hinreichend großen Stichproben die An-

nahme der Normalverteilung aufgrund des zentralen Grenzwertsatzes regelmäßig

unproblematisch ist920, wird von der Verwendung adjustierter t-Tests abgesehen.

4.5.3 Einschränkung der Ergebnisse und Robustheitstest

Die erzielten Ergebnisse zum Zusammenhang zwischen den drei Informations-

variablen und den impliziten Eigenkapitalkosten sind vorsichtig zu beurteilen.

Nachfolgend werden daher einige kritische Punkte analysiert und bewertet. Um 916 Vgl. Backhaus et al. (2006), S. 78 f. 917 Vgl. Shapiro/Wilk (1965), S. 591-611; Kennedy (2003), S. 87. 918 Vgl. Urban/Mayerl (2006), S. 195. 919 Urban/Mayerl (2006), S. 195. 920 Vgl. Von Auer (2005), S. 412.


die Stabilität der Ergebnisse zu überprüfen, werden im Rahmen einer Sensitivi-

tätsanalyse zudem verschiedene Modifikationen der Daten und Modelle durch-

geführt. Dabei wird untersucht, ob die ermittelten Ergebnisse auch unter verän-

derten Bedingungen Bestand haben.

A) Problem bei der Samplezusammensetzung

1) Größe des Samples

Die Ergebnisse aus der Untersuchung sollten aufgrund der geringen Stichpro-

bengröße im Vergleich zu US-amerikanischen Untersuchungen vorsichtig inter-

pretiert werden. Aufgrund der Betrachtung von hauptsächlich in DAX und

MDAX notierten Unternehmen sind die Ergebnisse auch auf diese vergleichs-

weise großen Unternehmen beschränkt. Gerade bei kleineren oder nicht-

börsennotierten Unternehmen könnte jedoch ein starker Einfluss der Finanzbe-

richterstattung vermutet werden, da andere Informationsquellen weniger leicht

verfügbar sind.

2) Ausreißerbereinigung

Bei der Ermittlung der impliziten Eigenkapitalkosten wurden die Daten mit Hilfe

des 1 %- und 99 %-Perzentil winsorisiert. Um die Robustheit der Ergebnisse bei

einer veränderten Ausreißerbereinigung weiter zu überprüfen, werden die Mo-

delle zusätzlich a) nicht winsorisiert sowie b) auf 5 %-Perzentil winsorisiert. Die

Regressionskoeffizienten verändern sich dabei minimal, die Signifikanzniveaus

bleiben bei allen Variablen stabil.

B) Probleme bei der Auswahl der Variablen und des Regressionsmodells

1) Eigenkapitalkosten

Die einzelnen Modelle zur Schätzung der impliziten Eigenkapitalkosten weisen

verschiedene Annahmen und Vorgehensweisen auf.921 Je nach Modell ergeben

sich unterschiedliche Schätzergebnisse. Ein möglicherweise nachgewiesener

921 Vgl. Abschnitt 4.2.4.


Einfluss einer Variablen hängt dementsprechend immer auch von dem gewählten

Modell und den dafür notwendigen Inputparametern ab.


Die in dieser Studie verwendeten Ergebnisse der Studie zu der Qualität der In-

vestor Relations wurden nicht selbst erhoben, sondern aus der Zeitschrift Capital

ermittelt. Die grundsätzlichen Probleme bei Befragungen wurden bereits in Ab-

schnitt 3.5.3 diskutiert. Schwerer wiegt in diesem Abschnitt allerdings das Prob-

lem, dass die Meinung der Finanzanalysten u.U. nicht die Meinung des gesamten

Kapitalmarktes widerspiegelt.922 Beispielsweise besteht die Möglichkeit, dass

das Management besonders gute Beziehungen zu einer Vielzahl von Analysten

aufrecht erhält und diese mit Informationen versorgt, Investoren aber vernachläs-

sigt. In diesem Fall könnte trotz hoher Sicherheit bei Analysten eine große Unsi-

cherheit bei den restlichen Kapitalmarktteilnehmern bestehen, die sich in einer

höheren Risikoprämie niederschlägt. In diesem Fall wäre die Qualität der Inves-

tor Relations kein valider Indikator der Qualität der bereitgestellten Informatio-

nen für den gesamten Kapitalmarkt.


Die in dieser Studie verwendeten Daten zur Qualität des Geschäftsberichts wer-

den nicht selbst erhoben, sondern wurden aus den veröffentlichten Ergebnissen

der Studie „ Bester Geschäftsbericht“ von Professor Küting entnommen. Diese

Ergebnisse basieren auf Analysen von verschiedenen Teams, die die Qualität der

Geschäftsberichte anhand verschiedener Kriterien beurteilen.923 Die Kritik an

möglichen Fehlern dieser Studie gleicht der in Abschnitt 3.5.3. Sind die Ergeb-

nisse der Studie nicht mehr repräsentativ und damit kein guter Indikator für die

Beurteilung des Geschäftsberichts durch Investoren, wäre auch ein Zusammen-

hang zwischen der Qualität des Geschäftsberichts und den Eigenkapitalkosten

nicht nachweisbar. Um dieser Frage nachzugehen, wurden im Vorfeld der empi-

922 Vgl. Ridder (2006), S. 241. 923 Zu den Kriterien vgl. Abschnitt 3.4.1.2.


rischen Untersuchung statt der Ergebnisse der Studie von Professor Küting die

öffentlich verfügbaren Gesamtergebnisse der Studie zum besten Geschäftsbe-

richt von Professor Baetge verwendet.924 Diese Studie untersuchte die gleiche

Fragestellung, legte aber andere Bewertungskriterien und wohl auch andere Ge-

wichtungsfaktoren an die einzelnen Komponenten an.925 Da hierfür weniger Un-

ternehmensergebnisse öffentlich vorliegen, sind die Ergebnisse weniger aussa-

gekräftig. Insgesamt zeigt sich allerdings, dass auch hier die wichtigsten Ergeb-

nisse – die fehlende Signifikanz der Qualität des Geschäftsberichts mit teilweise

positiven Vorzeichen – mit denen der Küting-Studie identisch sind.


Die Probleme bei der Erhebung von Managementprognosen und die Übertrag-

barkeit auf andere Stellvertretervariablen der Finanzberichterstattung wurden be-

reits in Abschnitt 2.5.5 und 3.5.3 diskutiert. Die Einschränkungen sind auf die

Untersuchung in diesem Kapitel übertragbar.

Zudem ist zu beachten, dass im Rahmen dieser Untersuchung lediglich die öf-

fentlich abgegebenen Prognosen als Indikator der Prognosepolitik des jeweiligen

Unternehmens analysiert wurden. Die im Rahmen der nicht-öffentlichen Kom-

munikation zwischen Management und Analysten bzw. Investoren abgegebenen

Prognosen konnten nicht untersucht werden. Da zu vermuten ist, dass im Rah-

men der privaten Kommunikation ebenfalls relevante Informationen weitergege-

ben werden, sind die Ergebnisse auf den Zusammenhang zwischen öffentlicher

Prognosepolitik und impliziten Eigenkapitalkosten beschränkt. Ein fruchtbarer

Bereich für weitere Forschungen scheint daher die Untersuchung der Wirkung

von Informationen auf den Kapitalmarkt, die auf nicht-öffentlichen Kommunika-

tionswegen weitergegeben werden.

924 Vgl. z.B. o.V. (2005). 925 Vgl. z.B. die Kriterien und die Gewichtung im Jahr 2004 für Industrieunternehmen http://www.manager-

magazin.de/static/gb_2004_kriterien_industrie.pdf (Stand 30.11.2007).


5) Endogenität der Informationsvariablen

Eine Einschränkung der Ergebnisse ergibt sich zudem, wenn bestimmte Variab-

len, die sowohl die Höhe der Eigenkapitalkosten als auch die verschiedenen Va-

riablen der Informationsqualität beeinflussen, nicht als Kontrollvariable in die

Regression aufgenommen werden können.926 Beispielsweise könnten Unterneh-

men, die eine hohe Qualität der Informationen bereitstellen, in Hinblick auf Un-

ternehmenscharakteristika systematisch von Unternehmen abweichen, die über

eine geringe Informationsqualität verfügen und daher auch geringere Eigenkapi-

talkosten tragen.927 Es liegt dann eine Scheinkorrelation zwischen den beiden

Variablen vor.928 Im Rahmen dieser Untersuchung wurde versucht, möglichst

viele der Variablen in die Regressionsmodelle einzubeziehen, für die in der bis-

herigen Literatur ein Zusammenhang mit den Eigenkapitalkosten nachgewiesen

werden konnte. Dennoch besteht die Möglichkeit, dass andere, nicht beobachtete

Variablen sowohl Eigenkapitalkosten als auch die Variablen der Informations-

qualität gleichzeitig beeinflussen.

6) Fehlende Berücksichtigung des First-Order- und Second-Order-Effekts

Bei dem hier untersuchten Zusammenhang zwischen verschiedenen Informati-

onsvariablen und den impliziten Eigenkapitalkosten wird unterstellt, dass 1) eine

hohe Qualität der Information die Unsicherheit der Kapitalmarktteilnehmer re-

duziert (First-Order-Effekt) sowie, dass sich 2) die reduzierte Unsicherheit der

Kapitalmarktteilnehmer in verringerten Renditeforderungen auswirkt (Second-

Order-Effekt). In Kapitel 3 wurde der First-Order-Effekt untersucht, in diesem

Kapitel nun der kombinierte Effekt. Weitergehende Untersuchungen könnten

daher insbesondere den Second-Order-Effekt für den deutschen Kapitalmarkt

separat untersuchen. Ebenso wurde im Rahmen dieser Arbeit nicht geklärt, wel-

cher Teil der Unsicherheit (Informationsasymmetrie oder Schätzrisiko) für die

erhöhte Risikoprämie verantwortlich ist.

926 Vgl. Börsch-Supan/Köke (2002), S. 297 f. 927 Vgl. Hail/Leuz (2006), S. 747. 928 Vgl. Ruhwedel (2003), S. 160.


4.6 Zwischenfazit

Ziel dieses Kapitels war die Überprüfung eines möglichen Zusammenhangs zwi-

schen der Informationsqualität eines Unternehmens und den impliziten Eigenka-

pitalkosten. Es sollte folgende Frage beantwortet werden:

Die Eigenkapitalkosten eines Unternehmens wurden mit fünf verschiedenen

Modellen zur Schätzung der impliziten Eigenkapitalkosten ermittelt. Als Stell-

vertretervariablen für die Qualität der Finanzberichterstattung eines Unterneh-

mens wurden drei Variablen verwendet. Erstens wurde die Präzision der vom

Management abgegebenen Prognosen herangezogen. Hierzu wurden die Progno-

sen der DAX- und MDAX-Unternehmen im Zeitraum 2002-2005 gesammelt

und die Präzision der Aussagen bewertet. Erwartet wurde, dass eine präzise Aus-

sage die Unsicherheit des Kapitalmarktes reduziert und damit zu niedrigeren Ei-

genkapitalkosten für das Unternehmen führt. Zweitens wurde die Wirkung der

Qualität der Investor Relations eines Unternehmens untersucht. Zu deren Mes-

sung wurde auf die Gesamtergebnisse des Wettbewerbs „ Capital Investor Relati-

ons Preis” der Zeitschrift Capital im Zeitraum 1997-2006 zurückgegriffen. Drit-

tens diente die Qualität des Geschäftsberichts als Indikator der Qualität der Fi-

nanzberichterstattung. Zur Messung dieser Qualität wurden die Ergebnisse zur

Unterkategorie „ Informationsgehalt” des Wettbewerbs „ Bester Geschäftsbericht”

im Zeitraum 1997-2006 verwendet. Tabelle 33 fasst die Ergebnisse der Regres-

sionsanalyse zusammen.929 Die Variablen, für die der erwartete Zusammenhang

auf signifikantem Niveau bestätigt werden konnte, sind grau unterlegt.

929 Für die Variable MPS ist das Ergebnis aus den Modellen 2 und 4 dargestellt, für die restlichen Variablen

die Ergebnisse der Modelle 1 und 3.

Besteht ein Zusammenhang zwischen der Qualität der Finanzberichterstat-tung und der Höhe der Eigenkapitalkosten?


Variable Kürzel eV Ergebnis

H 1.1 Informationsqualität der Investor Relations IRQUAL - -H 1.2 Informationsqualität des Geschäftsberichts INFQUAL - oH 1.3 Präzision der Prognosen MPS - o

H 2.1a Systematisches Risiko BETA + +H 2.1b Unsystematisches Risiko VOLA + +H 2.2 Verschuldungsgrad LEV + +H 2.3 Buchwert-Marktwert-Verhältnis BTM + +H 2.4a Variationskoeffizient des Ergebnis je Aktie VARKOEF + oH 2.4b Streuung der Analystenschätzungen STREUUNG + oH 2.5a Unternehmensgröße LOGGROESSE - -H 2.5b Anzahl der Analysten ANALYSTEN - -


Kontrollvariablen

Hypothese

Die Übersicht fasst die Ergebnisse der vorliegenden Untersuchung zu den Determinanten der Eigenkapitalkosten einesUnternehmens zusammen. Die Zeichen stellen eine signifikant positive (+) oder negative (-) bzw. keine signifikante (o)Beziehung zwischen den untersuchten Variablen dar. Tabelle 33: Übersicht der Ergebnisse zu den Determinanten der Eigenkapitalkosten

Die Ergebnisse zeigen für die Kontrollvariablen eine Bestätigung der bisherigen

Studien. Für die Variablen systematisches Risiko (BETA), unsystematisches Ri-

siko (VOLA), Verschuldungsgrad (LEV) und das Buchwert-Marktwert-

Verhältnis (BTM) konnte ein positiver Zusammenhang mit der Risikoprämie

festgestellt werden, während für die Variablen Unternehmensgröße

(LOGGROESSE) und die Anzahl der Analysten (ANALYSTEN) ein negativer

Zusammenhang besteht.

Bezüglich der drei Variablen zur Messung der Qualität der Finanzberichterstat-

tung eines Unternehmens konnte festgestellt werden, dass Unternehmen mit ei-

ner hohen Qualität der Investor Relations (IRQUAL) über signifikant niedrigere

Risikoprämien verfügen. Hierbei wurde für weitere Einflussfaktoren wie die Vo-

latilität des Aktienkurses oder der Unternehmensgröße kontrolliert. In einer

zweiten Analyse unter Verwendung der prozentualen Rangwerte der Variablen

konnte auch die ökonomische Signifikanz dieses Ergebnisses gezeigt werden. So

deutet der Regressionskoeffizient von IRQUAL an, dass zwischen dem Unter-

nehmen mit dem höchsten Wert der Investor-Relations-Qualität und dem Unter-

nehmen mit dem niedrigsten Wert ein Unterschied in der Höhe der Kapitelkosten

zwischen 1,4 % und 2 % besteht. Auch dieses Resultat ergibt sich unter Kontrol-


le von verschiedenen anderen unternehmensspezifischen Faktoren wie Verschul-

dungsgrad, Größe oder dem Beta-Faktor.

Für die Qualität des Geschäftsberichts und die Präzision der Managementprog-

nosen wurde dagegen nach Kontrolle für andere Einflussfaktoren kein signifi-

kanter Einfluss gefunden.


5 Zusammenfassung Diese Arbeit beschäftigte sich mit den Determinanten der Qualität der Finanzbe-

richterstattung von Unternehmen und den Auswirkungen dieser Qualität auf die

Unsicherheit des Kapitalmarktes und die Kapitalkosten von Unternehmen. Ziel

dieser Arbeit war es, Hinweise für die Gültigkeit des folgenden Wirkungszu-

sammenhangs zu finden:


11Qualität der


Kapital-kosten

22 33



Da sowohl die „ Qualität der Finanzberichterstattung“ , die „ Unsicherheit des Ka-

pitalmarktes“ als auch die „ Kapitalkosten“ nicht direkt beobachtet und gemessen

werden können, wurden diese mit Hilfe von Stellvertretervariablen operationali-

siert. In der ersten Studie wurde die Präzision der Prognosen des Managements

als Indikator der Qualität der Finanzberichterstattung gewählt. Die in der ersten

Studie zu untersuchende Fragestellung lautete daher wie folgt:

1. Welche Faktoren beeinflussen die Präzision von Management-

prognosen?

In der zweiten Studie wurde der Zusammenhang zwischen der Qualität der Fi-

nanzberichterstattung und der Unsicherheit des Kapitalmarktes untersucht. Als

Indikator für die Qualität der Finanzberichterstattung dienten drei Stellvertreter-

variablen: Die Qualität der Investor Relations eines Unternehmen (gemessen

durch eine Befragungsstudie von Finanzanalysten), die Qualität des Geschäftsbe-

richts (gemessen durch die Ergebnisse einer detaillierten Auswertung des Infor-

mationsgehalts von Geschäftsberichten) sowie die Präzision der vom Manage-

ment abgegebenen Prognosen. Als Stellvertreter für die Unsicherheit des Kapi-

talmarktes dienten die Streuung und der Fehler der Analystenschätzungen. Ziel

der zweiten Studie war damit die Beantwortung der folgenden Frage:



Streuung und den Fehler der Analystenschätzungen?

In der dritten Studie wurde abschließend der Zusammenhang zwischen der Qua-

lität der Finanzberichterstattung und den Kapitalkosten untersucht. Als Indikator

für die Qualität der Finanzberichterstattung wurden wiederum die in der zweiten

Studie verwendeten Variablen herangezogen. Als Stellvertretervariable für die

Kapitalkosten eines Unternehmens wurden die impliziten Eigenkapitalkosten

mithilfe der in der Literatur gängigen ex-ante-Modelle für den Zeitraum 1997-

2006 geschätzt. Ziel war die Beantwortung der folgenden dritten Frage:


Höhe der Kapitalkosten?

Zur Beantwortung dieser drei Fragen wurden drei Studien durchgeführt, die in

den Kapiteln „ Managementprognosen“ , „ Analystenschätzungen“ und „ Eigenka-

pitalkosten“ beschrieben wurden. Die Ergebnisse der einzelnen Kapitel werden

im Folgenden abschließende zusammengefasst und erläutert.


Zur Beantwortung der ersten Frage wurden für den Zeitraum 2002 bis 2005 die

Managementprognosen der DAX- und MDAX-Unternehmen gesammelt und die

Präzision der jeweiligen Aussagen in vier Klassen eingeteilt. Als mögliche Ein-

flussfaktoren der Prognosepräzision wurden anhand einer theoretischen Analyse

die drei Haupttreiber Informationsunsicherheit, Publizitätskosten und Eigeninte-

resse des Managements identifiziert. Diese wurden wiederum mit insgesamt

neun Stellvertretervariablen gemessen. Die Analyse wurde mithilfe von geordne-

ten logistischen Regressionsmodellen durchgeführt. Die Ergebnisse stützen die

Hypothesen hinsichtlich der drei Haupttreiber. Es lassen sich die folgenden

Schlussfolgerungen ziehen:

• Ist das Management selbst unsicher über die zukünftige Entwicklung,

wie z.B. im Falle eines langen Prognosehorizonts, bei einem hohen An-

teil des immateriellen Vermögens oder bei volatilen Vorjahresergebnis-


sen, so werden Prognosen tendenziell unpräziser abgegeben. Liegt dage-

gen bereits eine Vielzahl von Informationen vor, wie dies bei großen Un-

ternehmen meist der Fall ist, wird der Nachfragedruck nach präzisen

Prognosen geringer, was zu tendenziell unpräziseren Prognosen führt.

• Finanziert sich ein Unternehmen in einem Jahr besonders stark durch ex-

terne Quellen, ist es regelmäßig das Ziel des Managements, vor der Kapi-

talaufnahme das von den Investoren wahrgenommene Risiko zu verrin-

gern. Maßnahmen zur Reduzierung der Unsicherheit sind z.B. Road-

Shows, Analystenkonferenzen oder Prognosen über die zukünftige Ent-

wicklung. In dieser Studie konnte gezeigt werden, dass die Prognosen

präziser formuliert werden, wenn ein Unternehmen sich besonders stark

extern finanziert und damit die Kosten eines zu niedrigen Informations-

stands der Investoren vergleichsweise hoch sind.

• Hat das Management ein hohes Eigeninteresse an der präzisen Weiterga-

be von Informationen, wie z.B. im Fall eines hohen Marktwert-

Buchwert-Verhältnisses, werden Prognosen präziser formuliert.

• Für den Gesetzgeber und Investoren zeigen diese Ergebnisse, dass das

Management durchaus in der Lage ist präzise Prognosen abzugeben, so-

fern die Situation es erfordert. In der Literatur und in der Unternehmens-

praxis häufig vorgebrachte Argumente, eine präzise Prognose wäre in ei-

ner bestimmten Situation nicht möglich, sind daher kritisch zu betrach-

ten.

2) Analystenschätzungen

In der zweiten Studie wurde der Einfluss der Qualität der Finanzberichterstattung

auf die Unsicherheit des Kapitalmarktes untersucht. Hierbei dienten der Fehler

und die Streuung der Analystenschätzungen als Indikator für die Unsicherheit

des Kapitalmarktes. Als Indikator für die Qualität der Finanzberichterstattung


wurden die Ergebnisse verschiedener Studien zur Qualität der Investor Relations

und des Geschäftsberichts im Zeitraum 1997 bis 2006 sowie die Präzision der

vom Management abgegebenen Prognosen im Zeitraum 2002 bis 2005 verwen-

det. Hierbei wurde vermutet, dass durch eine höhere Qualität der Finanzbericht-

erstattung den Analysten eine verbesserte Grundlage für ihre Berechnungen ge-

liefert wird. Damit sollten die Schätzungen treffgenauer werden und zwischen

den Analysten weniger stark abweichen. Das Ergebnis bestätigte die Erwartun-

gen nur in einem Fall. Es konnten folgende Schlussfolgerungen gezogen werden:

• Es zeigt sich, dass unter Kontrolle anderer Faktoren wie Unternehmens-

größe, Volatilität der Gewinne oder der Anzahl der covernden Analysten

von den drei Variablen der Informationsqualität nur die IR-Qualität einen

durchgehend signifikanten Einfluss auf die Streuung und den Fehler der

Analystenschätzung besitzt.

• Die Qualität des Geschäftsberichts sowie die Präzision der Management-

prognosen scheinen dagegen keinen signifikanten Einfluss auf die Unsi-

cherheit der Analysten zu besitzen.

• Die fehlende Bedeutung der Präzision der Managementprognosen kann

als Indikator dafür gewertet werden, dass die in diesen Prognosen abge-

gebenen Informationen möglicherweise bereits in nicht-öffentlichen

Treffen zwischen Analysten und Management ausgetauscht wurden.

• Gravierend erscheint der fehlende Einfluss der Geschäftsberichtsqualität.

Dies kann einerseits als Hinweis gewertet werden, dass der Geschäftsbe-

richt für Analysten nur wenige bewertungsrelevante Informationen ent-

hält, wie z.B. die enthaltenen Zahlen in GuV und Bilanz. Da diese Infor-

mationen gesetzlich verpflichtend angegeben werden müssen, bietet sich

für Unternehmen hier keine Möglichkeit zur Differenzierung. Die vielfäl-

tigen freiwilligen Informationen im Geschäftsbericht, durch die sich die

Unternehmen von anderen Unternehmen abheben können, scheinen da-

gegen für die Analysten nicht relevant zu sein.


• Ebenso denkbar ist allerdings auch die Begründung von Plumlee (2003).

Demnach sind die Informationen im Geschäftsbericht bereits so vielfältig

und komplex, dass den Analysten entweder die Fähigkeit oder der Wille

fehlt, diese vollständig auszuwerten.930 Verbunden mit dieser Vermutung

ist das signifikante Ergebnis für den Koeffizienten der IR-Variable.

Denkbar ist z.B., dass die Analysten die Informationen im Geschäftsbe-

richt nicht auswerten, da sie diese in kompakterer und verständlicherer

Form in privaten Gesprächen mit dem Management oder Mitarbeitern

der IR-Abteilung erhalten.

• Aus Sicht der Praxis ist damit fraglich, wie Unternehmen die Qualität der

IR-Arbeit verbessern können. Sowohl Managementprognosen als auch

der Geschäftsbericht stellen einen Teil der Investor Relations dar; für

beide lässt sich allerdings kein signifikanter Einfluss auf die Schätzungen

nachweisen. Dementsprechend sind andere Kanäle wie z.B. Quartalsbe-

richte oder Ad-hoc-Meldungen möglicherweise von größerer Bedeutung.

3) Kapitalkosten

Die dritte Studie untersuchte schließlich den Einfluss der Qualität der Finanzbe-

richterstattung auf die Eigenkapitalkosten eines Unternehmens. Letztere wurden

mit fünf verschiedenen Modellen als implizite Eigenkapitalkosten geschätzt. Die

Qualität der Finanzberichterstattung wurde wiederum mit den drei oben be-

schriebenen Stellvertretervariablen gemessen. Hierbei wurde vermutet, dass

durch eine höhere Qualität der Finanzberichterstattung das Schätzrisiko und die

Informationsasymmetrie zwischen den Investoren verringert und damit auch die

Kapitalkosten eines Unternehmen gesenkt werden. Die Ergebnisse bestätigen die

Erwartungen wiederum nur in einem Fall:

930 Vgl. Plumlee (2003), S. 275.


• Zwischen den impliziten Eigenkapitalkosten und der Qualität der Inves-

tor Relations konnte ein statistisch signifikant negativer Zusammenhang

festgestellt werden. Dieses Ergebnis besteht auch nach Kontrolle für wei-

tere Einflussfaktoren wie der Volatilität des Aktienkurses oder der Un-

ternehmensgröße.

• In einer zweiten Analyse unter Verwendung der prozentualen Rangwerte

der Variablen konnte auch die ökonomische Signifikanz dieses Ergebnis-

ses gezeigt werden. So deutet der Regressionskoeffizient der Investor-

Relations-Qualität darauf hin, dass zwischen dem Unternehmen mit dem

höchsten Wert der IR-Qualität und dem Unternehmen mit dem niedrigs-

ten Wert ein Unterschied in der Höhe der Kapitalkosten zwischen 1,4 %

und 2 % besteht.

• Für die Qualität des Geschäftsberichts und die Präzision der Manage-

mentprognosen wurde nach Kontrolle für andere Einflussfaktoren dage-

gen kein signifikanter Einfluss gefunden. Wie bereits bei den Analysten-

schätzungen kann dies mit der fehlenden Wahrnehmung, der fehlenden

Relevanz oder des fehlenden Verständnisses begründet werden.

• Für die Unternehmenspraxis stellt sich damit die Frage nach der Kosten-

Nutzen-Relation bei der Erstellung des Geschäftsberichts. Gerade die

teilweise sehr detaillierten und zumeist wohl aufwändig recherchierten

freiwilligen Informationen im Anhang scheinen sich nicht in einer gerin-

geren Risikoprämie auszuzahlen. Stattdessen könnten andere Bestandtei-

le der IR-Arbeit wie z.B. häufige und detaillierte Analystenpräsentatio-

nen oder ein gut ausgebildetes IR-Team von deutlich höherer Bedeutung

sein. Der Nutzen dieser IR-Maßnahmen scheint vor dem Hintergrund ei-

ner möglichen Reduzierung der Kapitalkosten um bis zu 2% außer Frage

zu stehen.

Anhang 270

Anhang Anhang 1: Liste der einbezogenen Unternehmen in Kapitel 2

Nr. Unternehmensname Nr. Unternehmensname1 AAREAL BANK AG 61 INDUS Holding2 ADIDAS-SALOMON AG 62 INFINEON TECHNOLOGIES AG3 ALLIANZ AG 63 IVG IMMOBILIEN AG4 ALTANA AG 64 IWKA AG5 AMB Generali Holding AG 65 JENOPTIK AGH

6AVA ALLGEMEINE HANDELSGESELLSCHAFT DER VERBRAUCHER AG 66 JUNGHEINRICH VZ.

7 AWD Holding AG 67 K+S AG8 BAADER WERTPAPIERHANDELSBANK AG 68 KAMPS AG9 BASF AG 69 KARSTADT QUELLE AG

10 BAYER AG 70 KLÖCKNER WERKE AG11 Bayerische Hypo- und Vereinsbank AG 71 KOENIG UND BAUER VZ.12 BEATE UHSE AG 72 KOLBENSCHMIDT PIERBURG AG13 BEIERSDORF AG 73 KRONES14 BERU 74 LANXESS AG15 BHW Holding 75 LEONI AG16 BILFINGER BERGER AG 76 LINDE AG17 BMW GROUP AG 77 LOEWE AG18 BUDERUS AG 78 MAN AG19 CELANESE 79 MANNHEIMER AG20 CELESIO AG 80 MEDION AG21 COMDIRECT AG 81 MERCK KGAA22 COMMERZBANK AG 82 METRO AG23 CONTINENTAL AG 83 MLP AG24 DAIMLERCHRYSLER AG 84 MPC - MUENCHMEYER PETERSEN CAPITAL AG25 DEGUSSA 85 MTU AERO ENGINE HOLDING AG26 DEPFA BANK PLC 86 MUENCHENER RUECK.27 DEUTSCHE BANK AG 87 NORDDEUTSCHE AFFINERIE AG28 DEUTSCHE BOERSE AG 88 PFLEIDERER AG29 DEUTSCHE EUROSHOP AG 89 PHOENIX AKTIENGESELLSCHAFT30 DEUTSCHE LUFTHANSA AG 90 PREMIERE AG31 DEUTSCHE POST AG 91 PROSIEBEN SAT! MEDIA AG32 DEUTSCHE POSTBANK AG 92 PUMA AG33 DEUTSCHE TELEKOM AG 93 RHEINMETALL AG34 DEUTZ 94 RHÖN-KLINIKUM AG35 DIS DEUTSCHER INDUSTRIE SERVICE AG 95 RWE AG36 DOUGLAS HOLDING AG 96 SALZGITTER AG37 DRÄGERWERK VZ. 97 SAP AG38 DÜRR 98 SCHERING AG39 DYKCERHOFF 99 SCHWARZPHARMA AG40 E.ON AG 100 SGL CARBON AG41 EADS NV 101 SIEMENS AG42 EPCOS 102 SIXT AG43 ESCADA Vz. 103 SOFTWARE AG44 FIELMANN AG 104 STADA ARZNEIMITTEL AG45 FRAPORT AG 105 STINNES AKTIENGESELLSCHAFT46 FRESENIUS AG 106 SÜDZUCKER AG47 FRESENIUS MEDICAL CARE AG 107 TECHEM AG48 GEA GROUP 108 TECIS HOLDING AG49 GERRY WEBER INTERNATIONAL VZ. 109 TELEPLAN INTERNATIONAL AL50 GFK 110 THIEL LOGISTIK AG51 GILDEMEISTER 111 THYSSENKRUPP AG52 HANNOVER RÜCKVERSICHERUNG AG 112 TUI AG53 HEIDELBERG CEMENT AG 113 VIVACON AG54 HEIDELBERGER DRUCKMASCHINEN AG 114 VOLKSWAGEN AG55 HENKEL KGAA 115 VOSSLOH AG56 HOCHTIEF AG 116 WCM BETEILIGUNGS-UND GRUNDBESITZ-AG57 HORNBACH HOLING AG 117 WEDECO AG WATER TECHNOLOGY58 HUGO BOSS AG 118 WELLA AG59 HYPO REAL ESTATE HOLDING AG 119 WINCOR NIXDORF AG60 IKB DEUTSCHE INDUSTRIEBANK AG 120 ZAPF CREATION AG

Anhang 271

Anhang 2: Beispiele für gefundene Prognoseaussagen und gewählte

Prognoseart

Prognoseart AussagePunktprognose Gewinn von 540 Mio.Punktprognose Wir wollen 10% mehr.Punktprognose Am oberen Ende der Prognose-Spanne vom 12 bis 15 Prozent.Intervallprognose Zweistellige Verbesserung beim operativen Ergebnis.Intervallprognose Im niedrigen zweistelligen Bereich.Intervallprognose Jahresüberschuss soll im niedrigen zweistelligen Prozentbereich Intervallprognose Plus beim Betriebsergebnis im "niedrigen zweistelligen Bereich".Intervallprognose Mittlerer bis hoher einstelliger Bereich.Intervallprognose Niedrigen bis mittleren einstelligen Prozentsatz.Intervallprognose When I say high double-digit growth I really mean high double-

digit. That means between 50 and 100 percent.Intervallprognose Is still well above its mid-term target of 20 pct.Intervallprognose Eher am unteren bis mittleren Ende der Prognosespanne von 390 bis

430 Millionen Euro.Intervallprognose Der Jahresüberschuss sollte im mittleren zweistelligen Millionen-

Euro-Bereich ausfallen.Intervallprognose Mit einem Zuwachs im oberen einstelligen (Prozent)-Bereich.Intervallprognose Im unteren einstelligen Bereich.Intervallprognose Im hohen einstelligen bis niedrigen zweistelligen Bereich. Maximumprognose Drastisch drücken.Maximumprognose Sinkender Überschuss.Maximumprognose Das Niveau nicht ganz erreichen.Maximumprognose Werde deshalb das Ergebnis des Vorjahres nicht mehr erreichen.Maximumprognose Hält einen Umsatzrückgang auf seinem Heimatmarkt für möglich.Minimumprognose Signifikante Steigerung.Minimumprognose Leichte Zuwächse.Minimumprognose Kräftiger Ergebnisschub.Minimumprognose Positiver Trend.Minimumprognose Schippe drauflegen.Minimumprognose Und einem "angemessenen" Ergebniswachstum gesprochen.Minimumprognose It will slightly exceed its original sales target of a 4-6 pct.Minimumprognose By slightly more than 10 percent.Minimumprognose Der Jahresüberschuss solle dabei stärker als der Umsatz (hoher

einstelliger Bereich) ansteigenMinimumprognose Einen deutlichen Gewinn erwirtschaften.Minimumprognose Und einem Überschuss im mindestens mittleren zweistelligen

Millionen-Euro-Bereich gerechnet.qualitativ Bekräftige/bestätigte die Prognose.qualitativ Umsatzprognose zurückgezogen aufgrund der "nicht

prognostizierbaren wirtschaftlichen und politischen Lage." qualitativ Überproportional zum Umsatz steigenden Nettoergebnis.qualitativ Für den Gewinn gab von Pierer aber keine Prognose ab.qualitativ Keine signifikante Markterholung.qualitativ Das Ziel ist ausgesprochen sportlich.qualitativ Eine halbwegs verlässliche Prognose ist derzeit nicht möglich.qualitativ Wir sind zuversichtlich, die Ziele zu erreichen.qualitativ Wollte sich nicht auf eine Dividenden- und Gewinnprognose für das qualitativ Ertragskraft steigern

Anhang 272

Anhang 3a: Häufigkeitsverteilung der verschiedenen Prognosearten der

Unternehmen des DAX


2002 2003 2004 2005 Gesamt

Anhang 3b: Häufigkeitsverteilung der verschiedenen Prognosearten der

Unternehmen des MDAX


Gesamt2002 2003 2004 2005

Anhang 273

Anhang 4: Vergleich der Auswahlkriterien der Untersuchungen zu den

Variablen der Informationsqualität

Geschäftsjahr Qualität der Investor Relations (Loistl) Unt. Qualität des Geschäftsberichts (Küting) Unt.

2005 Stichtag der Datenauswahl 20.3.2006 196 30.6.2006 (Stichtag für das Vorliegen des Geschäftsberichts)

130

2005 Betrachtete Indizes EURO STOXX, DAX, MDAX, SDAX, TecDAX DAX, MDAX, SDAX, TecDAX

2005 Nicht einbezogene Unternehmen Teleatlas, Dyckerhoff, Elexis Banken, Versicherungen, Finanzinstitute, BB Biotech, Deutsche Beteiligungs AG

2004 Stichtag der Datenauswahl 21.3.2005 197 8.8.2005 1322004 Betrachtete Indizes EURO STOXX, DAX, MDAX, SDAX, TecDAX DAX, MDAX, SDAX, TecDAX

2004 Nicht einbezogene Unternehmen Teles, Klöckner Banken, Versicherungen, Finanzinstitute, BB Biotech, Deutsche Beteiligungs AG, Spark Networks (früher Matchnet)

2003 Stichtag der Datenauswahl 15.5.2004 198 25.6.2004 1332003 Betrachtete Indizes EURO STOXX, DAX, MDAX, SDAX, TecDAX DAX, MDAX, TecDAX, SDAX

2003 Nicht einbezogene Unternehmen - Banken, Versicherungen, Finanzinstitute, 3 Unternehmen, die keinen Bericht ablieferten (GPC Biotech, Matchnet, Teleplan)

2002 Stichtag der Datenauswahl 1.6.2003 198 k.A. 1552002 Betrachtete Indizes EURO STOXX, DAX, MDAX, SDAX, TecDAX DAX, MDAX, TecDAX/NEMAX50, SDAX2002 Nicht einbezogene Unternehmen - Banken, Versicherungen, Finanzinstitute, 3

Unternehmen, die keinen Bericht ablieferten2001 Stichtag der Datenauswahl 30.6.2002 238 30.6.2002 + "die im Laufe der letzten Monate

ausgeschiedenen Unternehmen"205

2001 Betrachtete Indizes EURO STOXX, DAX, MDAX, NEMAX, SDAX DAX, MDAX, NEMAX 50, SMAX

2001 Nicht einbezogene Unternehmen - Banken, Versicherungen, Finanzinstitute2000 Stichtag der Datenauswahl 30.6.2000 Stichtag für die

Indexzusammensetzung237 30.6.2001 200

2000 Betrachtete Indizes Euro STOXX 50, DAX, MDAX, NEMAX 50, SDAX

DAX, MDAX, SDAX, NEMAX 50, 20 Banken

2000 Nicht einbezogene Unternehmen - k.A.1999 Stichtag der Datenauswahl k.A. 237 1.5.2000 2191999 Betrachtete Indizes EURO STOXX 50, DAX, MDAX, NEMAX 50,

SDAXDAX, MDAX, NEMAX 50, SDAX und 20 Banken

1999 Nicht einbezogene Unternehmen k.A.1998 Stichtag der Datenauswahl k.A. 202 31.12.1998 (Stichtag für die

Indexzusammensetzung)202

1998 Betrachtete Indizes DAX, MDAX, Neuer Markt, Small Caps, Banken

DAX, MDAX, Neuer Markt, Small Caps, Banken

1998 Nicht einbezogene Unternehmen - k.A.1997 Stichtag der Datenauswahl Mai bis Juni 1998 201 31.7.1998 (Stichtag für Vorliegen des

Geschäftsberichts)200

1997 Betrachtete Indizes DAX, MDAX, Small Caps DAX, MDAX, Small Caps1997 Nicht einbezogene Unternehmen Banken, Versicherungen, Finanzinstitute,

Holzmann1996 Stichtag der Datenauswahl Mai bis Juni 1997 200 30.7.1997 (Stichtag für das Vorliegen des

Geschäftsberichts)200

1996 Betrachtete Indizes DAX, MDAX, SMAX DAX, MDAX, Small Caps1996 Nicht einbezogene Unternehmen Banken, Versicherungen, Finanzinstitute, 3

Unternehmen, die keinen Bericht abliefertenBanken, Versicherungen, Finanzinstitute, 3 Unternehmen, die keinen Bericht ablieferten

Anhang 274

Anhang 5: Liste der einbezogenen Unternehmen in Kapitel 3

Nr. Unternehmensname Nr. Unternehmensname Nr. Unternehmensname1 CONSORS DISC-BROKER 61 BIOTEST AG 121 HEIDELBERGCEMENT AG2 CONDOMI AG 62 BREMER WOLL-KAEMMEREI AG 122 HENKEL AG3 CENTROTEC SUSTAINABLE AG 63 BMW AG 123 HOECHST4 D LOGISTICS AG 64 BARMAG 124 HIT INTL.TRADING AG5 FRAPORT AG 65 HUGO BOSS AG 125 HYMER AG6 GFK AG 66 BASF AG 126 HORNBACH HOLDING AG7 HIGHLIGHT COMMS.AG 67 BUS BERZELIUS 127 HANNOVER RUCK.AG.8 IDS SCHEER AG 68 BAYERISCHE HYPO- UND VEREINSBANK AG 128 HOLSTEN-BRAUEREI AG9 MVV Energie AG 69 BEWAG AG 129 HOCHTIEF AG

10 PANDATEL AG 70 BERLINER ELEKTRO AG 130 PHILIPP HOLZMANN AKTIENGESELLSCHAFT11 GESCO AG 71 BAYWA AG 131 HEIDELB.DRUCKMASCHINE AG12 MEDION AG 72 BOEWE SYSTEC AG 132 HERLITZ AG13 TELES AG 73 BUDERUS 133 DOUGLAS HOLDING AG14 GARDENA 74 CONSTANTIN FILM AG 134 HEILIT + WOERNER BAU15 SOFTWARE AG 75 COMMERZBANK AG 135 IM INTL.MEDIA AG16 TELEGATE AG 76 CONTINENTAL AG 136 INTERSHOP COMMS.AG17 SAP SI 77 CEWE COLOR HDG. AG 137 INDUS HOLDING AG18 MEDIGENE AG 78 CREATON AG 138 IFA HOTEL & TOURISTIK AG19 SGL CARBON AG 79 CHA 139 IKB DEUTSCHE INDSTRBK.AG20 BROADVISION INCO. 80 DIS DT.INDUSTRIE SVS.AG 140 SARTORIUS PREF.AG21 EPCOS AG 81 DIALOG SEMICON.AG 141 IVG IMMOBILIN AG22 TELE ATLAS AG 82 DAIMLERCHRYSLER AG 142 IWKA AG23 TECIS HOLDING 83 BRAU UND BRUNNEN AG 143 JAGENBERG AG24 EDEL AG 84 BABCOCK BORSIG AG 144 JENOPTIK AG25 INFOMATEC 85 DEUTSCHE BANK AG 145 JUNGHEINRICH PREF. AG26 STADA ARZNEIMITTEL AG 86 DEGUSSA AG 146 SANDER JIL27 IXOS SOFTWARE AG 87 DRAEGERWERK AG 147 KONTRON AG28 AZEGO AG 88 DIDIER-WERKE AG 148 K & M MOEBEL AG29 AT & S AUSTRIA TECH AG 89 DLW 149 KM EUROPA METAL30 NORDEX AG 90 DATA MODUL AG 150 KAMPS31 BAADER WERTPAH.AG. 91 DRESDNER BANK 151 KARSTADT QUELLE AG32 QSC AG 92 DUERR AG 152 K+S AG33 ERGO VERSICHERUNG AG 93 DEUTSCHE TELEKOM AG 153 KIEKERT34 BROKAT TECHS.AG 94 DYCKERHOFF AG 154 EUROBIKE AG35 BERU AG 95 DYWIDAG 155 KAUFRING AG36 EM.TV AG 96 EADS 156 KOEGEL37 TECHEM AG 97 EHLEBRACHT AG 157 KOENIG & BAUER AG38 HEYDE AG 98 EDSCHA 158 DEUTZ AG39 SUESS MICROTECH AG 99 EDDING AG 159 KLOECKNER-WERKE AG40 APCOA PARKING AG 100 EFF-EFF FRITZ FUSS 160 KAMPA AG41 ADVA OPTICAL NETWORK AG 101 ELMOS SEMICONDUCTOR AG 161 KUNERT AG42 AMADEUS FIRE AG 102 ESCADA AG 162 KINOWELT MEDIEN AG43 AMB GENERALI HDG. AG 103 FAG KUGELFISCHER 163 KOLBENSCHMIDT PIERBURG44 ADIDAS AG 104 FLENDER FRIEDRICH 164 KRONES AG45 AHLERS AG 105 FIELMANN AG 165 KSB AG46 AVA 106 FRESENIUS SE 166 SKW TROSTBERG47 ALTANA 107 FRIATEC AG 167 LOEWE AG48 ALLIANZ SE 108 FUCHS PETROLUB AG 168 LINDNER HDG.49 BERTRANDT AG 109 GPC BIOTECH AG 169 LEONI AG50 ANDREAE-NORIS ZAHN AG 110 BILFINGER BERGER 170 LEICA CAMERA AG51 CURANUM AG 111 GILDEMEISTER AG 171 DEUTSCHE LUFTHANSA AG52 BETA SYSTEMS SOFTWARE AG 112 CELESIO AG 172 LÖSCH53 BHW HOLDING AG 113 GROHE FRIEDRICH 173 LION BIOSCIENCE AG54 BAYER AG 114 SAP AG 174 LEIFHEIT AG55 BINDING 115 GERRESHEIMER GLAS 175 LINDE AG56 BDAG BALCKE-DUERR 116 GLUNZ AG 176 VTG LEHNKERING57 BANKGESELLSCHAFT BERLIN AG 117 GERRY WEBER 177 SCHALTBAU HOLDING AG58 BEIERSDORF AG 118 GOLD-ZACK AG 178 LUDWIG BECK AG59 Bien.Haus 119 HORNBACH-BAUMARKT AG 179 MENSCH & MASCHIN.SFTW.AG60 ING BHF-BANK AG 120 HUCKE AG 180 MASTERFLEX AG

Anhang 275

Anhang 5: Liste der einbezogenen Unternehmen in Kapitel 3 (Fortset-

zung)

Nr. Unternehmensname Nr. Unternehmensname Nr. Unternehmensname181 MOBILCOM AG 241 SER SYSTEME AG 301 INFINEON TECHNOLOGIES AG182 MICRONAS SEMICON.HLDG. 242 SINGULUS TECHNOLOGIES AG 302 ELEXIS AG183 MAN AG 243 SALTUS TECHNOLOGY AG 303 METRO AG184 MOEBEL WALTHER AG 244 SCHLOTT GRUPPE AG 304 TECHNOTRANS AG185 GEA GROUP AG 245 SAI AUTOMOTIVE AG 305 T-ONLINE AG186 GRAMMER AG 246 STO 306 FLUXX AG187 MUEHLBAUER HOLDING AG 247 SPRINGER AXEL AG 307 ARQUES INDUSTRIES AG188 DEUTSCHE POST AG 248 SCHMALBACH-LUBECA 308 CELANESE189 MERCK KGAA AG 249 BAYER SCHERING PHARMA AKTIENGESELLSCHAFT 309 BEATE UHSE AG190 MLP 250 SG-HOLDING 310 BALDA AG191 MANNESMANN AG 251 SCHUMAG 311 SENATOR ENTERTAINMENT AG192 MUEHL PRODUCT & SER. AG 252 SIEMENS AG 312 MORPHOSYS AG193 MUENCHENER RUCK. AG 253 SALAMANDER 313 ZANDERS FEINPAPIERE194 MAX AUTOMATION AG 254 SCHNEIDER TECHS.AG 314 ZAPF CREATION AG195 NORDDEUTSCHE AFFINERIE 255 STRABAG 315 SERO ENTSORGUNG AG196 SANACORP PHARAMAHANDEL 256 SIXT AG 316 ROHWEDDER AG197 CYBERNET INET.SVS.INTL. 257 SUEDZUCKER AG 317 STEAG198 PROSIEBEN SAT 1 AG 258 TELEPLAN INTL.AG 318 ELRINGKLINGER AG199 SOLON FUER SOLARTECHNIK 259 TURBON AG200 PRIMACOM AG 260 TIPTEL AG201 PRAKTIKER BAU UND HEIM 261 TAKKT AG202 PFLEIDERER AG 262 THYSSENKRUPP AG203 PFEIFFER VACUUM TECH. AG 263 TARKETT AG204 SCHWARZ PHARMA AG 264 BERENTZEN-GRUPPE PREF.205 PLETTAC AG 265 UNITED INTERNET AG & CO.206 PHOENIX AG 266 UZIN UTZ AG207 PORSCHE AG 267 UMWELTKONTOR AG208 TUI AG 268 VARTA AG209 SALZGITTER AG 269 VILLEROY & BOCH PREF.AG210 PUMA AG 270 VBH HOLDING AG211 PWA 271 BECHTLE AG212 PIXELPARK AG 272 VCL FILM + MEDIEN AG213 CTA EVENTIM AG 273 VOGT ELECTRONIC PREF.AG214 THIEL LOGISTIC AG 274 E.ON AG215 QIAGEN NV 275 VERSEIDAG216 COMROAD 276 VEW217 DAB BANK AG 277 FJH AG218 FUNKWERK AG 278 VIAG AG219 GERICOM 279 VIVA MEDIA AG220 LAMBDA PHYSIK AG 280 VOLKSWAGEN AG221 MEDICLIN AG 281 VOSSLOH222 STINNES 282 SOLARWORLD AG223 PLAMBECK NEUE ENERGIE AG 283 WEDECO WATER TECH AG224 R STAHL AG 284 Wincor Nixdorf AG225 TFG CAPITAL AG 285 WELLA AG226 TRINTECH GP.PLC. 286 WALTER BAU AG227 QUANTE 287 H&R WASAG AG228 REFUGIUM HOLDING AG 288 WCM BETEILIGUNGS-UND GRUNDBESITZ-AG229 RATIONAL AG 289 WINKLER + DUENNEBIER AG230 ROLF BENZ 290 W.E.T. AUTOMOTIVE SYSTEMS AG231 FRESENIUS MED.CARE AG 291 WEINIG MICHAEL232 RHEINMETALL AG 292 WESTAG & GETALIT233 RHOEN-KLINIKUM AG 293 HAWESKO HLDG.234 RHEINHOLD & MAHLA 294 WMF AG235 RINOL AG 295 WERU AG236 REPOWER SYSTEMS AG 296 WUENSCHE AG237 RUETGERSWERKE AG 297 WEB.DE238 RWE AG 298 AIXTRON AGD239 SPAR HANDELS AG 299 EVOTEC AG240 SACHSENRING AUTO AG 300 FREENET AG

Anhang 276

Anhang 6: Einteilung der Branchen nach I/B/E/S

Branchenklassifikation Enthaltene Branchen nach I/B/E/SGESUNDHEIT Health Care

Health Mutli Industry

FINANZINSTITUTIONEN BankingFinancial servicesInsuranceReal estateFinance multi services

KONSUMGÜTER Beverages & TobaccoFood & HouseholdRecreationTextiles & ApparelConsumer non-durables multi industry

DIENSTLEISTUNGEN RecreationBus & Pub SVCLeisure & TourismMerchandisingIntl. TradingConsumer services multi industryTransportation airTransportation R&RTransportation shipTransportation multi industry

AUTOMOBILINDUSTRIE Automobiles

TECHNOLOGIE Data ProcessingElectronic ProcessingTechnology multi industry

CHEMIE UND GRUNDSTOFFE ChemicalsForestry productsMetals NonferrousMetals SteelMisc. MaterialsGold MiningBasic Industries Multi Industry

MEDIEN UND TELEKOMMUNIKATION Broadcast & PublishingTelecommunications

INDUSTRIE Building MaterialsAerospaceConstructionElectrical & ElectronicalIndustrial componentsMachinery & EngineeringCapital goods multi industryBasic industries multi IndustryEnergy sourcesEnergy equipmentEnergy multi industryUtilitiesUtilities multi industryAppliancesConsumer durables multi industry

Anhang 277

Anhang 7: Liste der einbezogenen Unternehmen in Kapitel 4

Nr. Unternehmensname Nr. Unternehmensname Nr. Unternehmensname1 SOFTWARE AG 61 TECHEM AG 121 H I S SPORTSWEAR2 WEBER (GERRY) INTL.AG 62 CREATON AG 122 HOCHTIEF AG3 VCL FILM + MEDIEN AG 63 IM INTL.MEDIA AG 123 HOLSTEN-BRAUEREI AG4 ADIDAS AG 64 MASTERFLEX AG 124 HOLZMANN PHILIPP AG5 AHLERS AG 65 LAMBDA PHYSIK AG 125 HORNBACH HOLDING AG6 SAP SYS.INTERGATION AG 66 DATA MODUL AG 126 HORNBACH-BAUMARKT AG7 DIS DT.INDUSTRIE SVS.AG 67 SPRINGER AXEL AG 127 HUCKE AG8 MEDIGENE AG 68 ARMSTRONG DLW AG 128 ACTION PRESS HOLDING AG9 SYGNIS PHARMA AG 69 GAUSS INTERPRISE AG 129 DOUGLAS HOLDING AG

10 SCHLOTT GRUPPE AG 70 DIDIER-WERKE AG 130 IFA HOTEL & TOURISTIK AG11 ANDREAE-NORIS ZAHN AG 71 BRAU UND BRUNNEN AG 131 VIVA MEDIA AG12 APCOA PARKING AG 72 DRAEGERWERK AG 132 REPOWER SYSTEMS AG13 IXOS SOFTWARE AG 73 DEUTSCHE POST AG 133 INDUS HOLDING AG14 AIXTRON AGD 74 DEUTSCHE TELEKOM AG 134 SALZGITTER AG15 BERU AG 75 T-ONLINE AG 135 KUKA AG16 DAB BANK AG 76 Q-CELLS AG 136 TECIS HOLDING17 ELSA AG 77 BDAG BALCKE-DUERR 137 JUNGHEINRICH PREF. AG18 W E T AUTOMOTIVE AG 78 DUERR AG 138 INTERTAINMENT AG19 ELEXIS AG 79 DYCKERHOFF & WIDMANN 139 INFOR BUSINESS SOLUTIONS20 BAADER WERTPAH.AG. 80 DYCKERHOFF AG 140 INFINEON TECHNOLOGIES AG21 AVA AG 81 EDSCHA 141 IDS SCHEER AG22 UNITED INTERNET AG & CO. 82 EDDING AG 142 KAMPA AG23 AMADEUS FIRE AG 83 EFF-EFF FRITZ FUSS 143 ARCANDOR AG24 D LOGISTICS AG 84 EVOTEC AG 144 KAMPS25 ADVA OPTICAL NETWG.AG 85 ELMOS SEMICONDUCTOR AG 145 KINOWELT MEDIEN AG26 SOLARWORLD AG 86 ESCADA AG 146 KIEKERT27 TELEGATE AG 87 EUROBIKE AG 147 KAUFRING AG28 EPCOS AG 88 BAYER AG 148 KOEGEL29 FJH AG 89 CELANESE AG 149 K & M MOEBEL AG30 QSC AG 90 FUNKWERK AG 150 DEUTZ AG31 WEDECO WATER TECH AG 91 FAG KUGELFISCHER 151 FRI.KRUPP-HOESCH AG32 BASF AG 92 HOECHST 152 NEMETSCHEK AG33 BECHTLE AG 93 FLENDER FRIEDRICH 153 VTG LEHNKERING34 BARMAG 94 FIELMANN AG 154 LEIFHEIT AG35 BMW AG 95 FRAPORT AG 155 LINDE AG36 LUDWIG BECK AG 96 FRESENIUS SE 156 LINDNER HDG.37 BEIERSDORF AG 97 FRESENIUS MED.CARE AG 157 A I S AG38 BERENTZEN-GRUPPE PREF. 98 FRIATEC AG 158 LOEWE AG39 BALDA AG 99 FUCHS PETROLUB AG 159 VODAFONE AG40 BETA SYSTEMS SOFTWARE AG 100 CONSTANTIN FILM AG 160 MAX AUTOMATION AG41 BIOTEST AG 101 GARDENA HOLDING PREF. 161 MEDICLIN AG42 BIEN-ZENKER AG 102 GEA 162 MERCK KGAA AG43 BERTRANDT AG 103 GERRESHEIMER GLAS 163 GEA GROUP AG44 BOEWE SYSTEC AG 104 GFK AG 164 MEDION AG45 CURANUM AG 105 GESCO AG 165 MOEBEL WALTHER AG46 HUGO BOSS AG 106 GILDEMEISTER AG 166 MOBILCOM AG47 BUDERUS 107 GRAMMER AG 167 MUEHLBAUER HOLDING AG48 BEWAG AG 108 GROHE FRIEDRICH 168 MUEHL PRODUCT & SER. AG49 DRESDNER BANK 109 BILFINGER BERGER 169 MORPHOSYS AG50 CEWE COLOR HDG. AG 110 MAN AG 170 PFLEIDERER AG51 INNOTEC TSS AG 111 KM EUROPA METAL 171 NORDDEUTSCHE AFFINERIE52 CENIT SYSTEMHAUS AG 112 HEYDE AG 172 KLOECKNER-WERKE AG53 CENTROTEC SUSTAINABLE AG 113 PHOENIX AG 173 PANDATEL AG54 LEONI AG 114 HAWESKO HLDG. 174 PFEIFFER VACUUM TECH. AG55 DEGUSSA AG 115 HEIDELBERGCEMENT AG 175 PLETTAC AG56 CONSORS DISC-BROKER 116 HENKEL AG 176 PORSCHE AML.HLDG.PREF.SE57 CONTINENTAL AG 117 THIELERT AKTGSF.AG 177 PRAKTIKER BAU UND HEIM58 TRACOM HOLDING AG 118 HIT INTL.TRADING AG 178 PUMA AG59 CTS EVENTIM AG 119 HERLITZ AG 179 QUANTE60 LANXESS AG 120 KONTRON AG 180 TARKETT AG

Anhang 278

Anhang 7: Liste der einbezogenen Unternehmen in Kapitel 4 (Fortset-

zung)

Nr. Unternehmensname Nr. Unternehmensname181 REFUGIUM HOLDING AG 241 H & R WASAG AG182 RATIONAL AG 242 WEINIG MICHAEL183 RHEINHOLD & MAHLA 243 WELLA AG184 RHEINMETALL AG 244 PROSIEBEN SAT 1 AG185 RWE AG 245 WERU AG186 KOLBENSCHMIDT PIERBURG 246 WESTAG & GETALIT187 RHOEN-KLINIKUM AG 247 WUENSCHE AG188 ROHWEDDER AG 248 WMF AG189 RUETGERSWERKE AG 249 ZAPF CREATION AG190 DAIMLER AG 250 ZANDERS FEINPAPIERE191 K + S AG 251 ELRINGKLINGER AG192 SANACORP PHRHLD.PREF. 252 LANDESBANK BL.HLDG.AG193 SANDER JIL 253 ING BHF-BANK AG194 SAP AG 254 DEUTSCHE LUFTHANSA AG195 SCHALTBAU HOLDING AG 255 SG-HOLDING196 BAYER SCHERING PHARMA AG 256 ERGO VERSICHERUNG AG197 SCHMALBACH-LUBECA 257 SENATOR ENTERTAINMENT AG198 KOENIG & BAUER AG 258 BREMER WOLL-KAEMMEREI AG199 RADEBERGER GRUPPE 259 WINCOR NIXDORF AG200 SCHUMAG 260 NORDEX AG201 SCHWARZ PHARMA AG 261 MTU AERO ENGINES HLDG.AG202 SUESS MICROTECH AG 262 LEICA CAMERA AG203 SERO ENTSORGUNG AG 263 INTERSHOP COMMS.AG204 SIXT AG 264 MVV ENERGIE AG205 SGL CARBON AG 265 FLUXX AG206 SIEMENS AG 266 AZEGO AG207 SINGULUS TECHNOLOGIES 267 PREMIERE AG208 SER SYSTEME AG 268 TUI AG209 SPAR HANDELS AG210 STADA ARZNEIMITTEL AG211 METRO AG212 R STAHL AG213 STINNES214 STO215 STRABAG216 SUEDZUCKER AG217 SALAMANDER218 HAMATECH AG219 HEIDELB.DRUCKMASCHINE AG220 TAKKT AG221 TECHNOTRANS AG222 TFG CAPITAL AG223 TELES AG224 SOLON FUER SOLARTECHNIK225 THYSSENKRUPP AG226 TURBON AG227 BEATE UHSE AG228 UTIMACO SAFEWARE AG229 ALTANA AG230 UMWELTKONTOR AG231 VEW232 E ON AG233 VIAG234 SKW TROSTBERG235 VERSEIDAG236 VILLEROY & BOCH PREF.AG237 VOGT ELECTRONIC PREF.AG238 VOLKSWAGEN AG239 VOSSLOH240 GOLD-ZACK AG

Anhang 279

Anhang 8: Deskriptive Statistiken der Eigenkapitalkostenschätzungen

verschiedener Modelle

Jahr Variable N AM Median Std. Min. Max. Jahr Variable N AM Median Std. Min. Max.1997 rp GM 89 5.22% 4.42% 3.57% -0.97% 16.18% 2002 rp GM 110 9.73% 8.82% 4.95% -0.24% 23.98%

1997 rp PEG 89 3.39% 2.52% 3.46% -2.52% 14.85% 2002 rp PEG 111 7.88% 7.05% 5.00% -4.83% 23.39%1997 rp CT 87 1.74% 1.93% 1.50% -2.34% 5.55% 2002 rp CT 117 5.70% 4.61% 4.66% -1.62% 30.53%1997 rp GLS 87 -0.93% -0.73% 1.60% -4.77% 3.24% 2002 rp GLS 105 1.80% 1.81% 4.34% -4.65% 13.70%1997 rp GG 88 0.60% 0.33% 3.53% -3.69% 29.56% 2002 rp GG 97 4.72% 4.13% 3.98% -3.14% 22.12%1997 rp AVG 93 2.16% 1.77% 2.59% -2.94% 17.26% 2002 rp AVG 119 6.33% 5.44% 4.36% -1.63% 22.12%

1998 rp GM 142 6.29% 5.92% 3.39% -0.97% 16.68% 2003 rp GM 95 10.63% 9.84% 5.82% 0.64% 35.50%1998 rp PEG 145 4.44% 4.31% 3.45% -4.65% 14.42% 2003 rp PEG 95 8.83% 7.79% 5.62% -0.20% 31.45%1998 rp CT 135 2.81% 2.71% 2.05% -2.34% 8.93% 2003 rp CT 106 6.42% 5.93% 4.05% -2.34% 16.75%1998 rp GLS 136 0.82% 0.98% 1.91% -3.97% 5.43% 2003 rp GLS 80 3.50% 3.74% 3.96% -3.13% 14.74%1998 rp GG 138 2.35% 2.21% 3.29% -3.37% 29.56% 2003 rp GG 89 6.33% 5.65% 4.05% -2.04% 16.60%1998 rp AVG 146 3.52% 3.16% 2.67% -1.79% 17.19% 2003 rp AVG 106 7.13% 6.27% 4.68% -3.13% 27.75%

1999 rp GM 116 7.06% 6.13% 3.87% -0.68% 23.12% 2004 rp GM 90 9.23% 8.55% 4.81% -0.97% 28.42%1999 rp PEG 119 5.06% 4.28% 3.96% -4.65% 20.60% 2004 rp PEG 90 7.76% 7.11% 4.66% -2.02% 25.46%1999 rp CT 126 4.83% 4.70% 3.65% -2.34% 18.17% 2004 rp CT 100 4.88% 4.61% 3.05% -1.86% 16.63%1999 rp GLS 126 3.00% 3.17% 3.13% -3.76% 12.02% 2004 rp GLS 74 2.27% 2.73% 3.00% -3.11% 8.27%1999 rp GG 127 4.41% 4.22% 3.91% -3.69% 17.96% 2004 rp GG 89 4.64% 4.44% 3.21% -2.24% 16.59%1999 rp AVG 133 4.78% 4.29% 3.22% -3.13% 18.02% 2004 rp AVG 100 5.87% 5.83% 3.33% -2.05% 15.00%

2000 rp GM 108 6.90% 6.27% 4.75% -0.97% 21.97% 2005 rp GM 88 7.51% 6.82% 4.02% -0.07% 21.10%2000 rp PEG 108 5.01% 4.46% 4.35% -2.86% 19.92% 2005 rp PEG 88 6.11% 5.52% 3.87% -0.61% 20.62%2000 rp CT 97 3.13% 2.90% 3.41% -2.34% 13.72% 2005 rp CT 99 4.06% 4.09% 2.68% -2.21% 11.09%2000 rp GLS 89 1.69% 1.22% 3.68% -4.77% 11.33% 2005 rp GLS 75 1.18% 1.60% 2.67% -3.79% 7.44%

2000 rp GG 93 2.46% 2.32% 3.93% -3.69% 13.62% 2005 rp GG 87 3.79% 3.67% 2.82% -3.22% 11.06%2000 rp AVG 112 3.83% 3.28% 3.57% -2.72% 15.48% 2005 rp AVG 99 4.58% 4.45% 2.76% -1.89% 13.11%

2001 rp GM 107 8.71% 7.44% 5.64% 1.29% 35.50% 2006 rp GM 91 8.38% 7.67% 3.70% 1.57% 20.18%2001 rp PEG 108 6.90% 5.72% 5.46% -4.90% 31.45% 2006 rp PEG 92 6.86% 6.24% 3.89% -4.08% 19.07%2001 rp CT 106 5.41% 4.04% 5.98% -1.82% 32.94% 2006 rp CT 100 4.29% 4.41% 2.25% -2.34% 11.61%2001 rp GLS 101 2.83% 1.95% 4.21% -4.64% 14.74% 2006 rp GLS 77 1.01% 1.02% 1.68% -2.63% 4.68%2001 rp GG 91 3.76% 2.85% 4.80% -3.69% 27.01% 2006 rp GG 88 4.20% 4.10% 1.99% -0.84% 10.07%2001 rp AVG 116 5.94% 4.70% 5.43% -1.08% 34.99% 2006 rp AVG 102 4.90% 4.62% 2.53% -1.75% 12.77%Die Übersicht zeigt die Anzahl der Beobachtungen (N), das arithmetische Mittel (AM), den Median, die Standardabweichung, den Minimum- und Maximumwert. Die Definitionen sindwie folgt:rp GM = Risikoprämie im Modell nach Gode/Mohanram (2003)

rp PEG = Risikoprämie im Modell nach Easton (2004)

rp CT = Risikoprämie im Modell nach Claus/Thomas (2001)

rp GLS = Risikoprämie im Modell nach Gebhardt/Lee/Swaminathan (2001)

rp GG = Risikoprämie im Modell nach Gordon/Gordon (1997)

rp AVG = Arithmetisches Mittel der fünf Modelle

Zur Bereinigung von Ausreißern werden sämtliche Schätzungen auf dem 1 %- bzw. 99 %- Perzentil winsorisiert.


Literaturverzeichnis

Adler, H./Düring, W./Schmalz, K. (1995): Rechnungslegung und Prüfung der Unternehmen. Teilband 2, 6. Aufl., Stuttgart.

Abarbanell, J./Lanen, W./Verrecchia, R. (1995): Analysts' forecasts as prox-ies for investor beliefs in empirical research, in: Journal of Accounting and Economics, Vol. 20, S. 31-60.

Achleitner, A.-K. (2002): Handbuch Investmentbanking, Wiesbaden.

Achleitner, A.-K./Bassen, A./Pietzsch, L. (2001): Kapitalmarktkommunikati-on von Wachstumsunternehmen, Stuttgart.

Achleitner, A.-K./Groth, T./Pietzsch, L. (2005): Bestimmungsfaktoren der Analystenabdeckung, in: Finanzbetrieb, 7. Jg., S. 261-272.

Agrawal, A./Chen, M. (2007): Do Analysts Conflicts Matter? Evidence from Stock Recommendations, Working Paper, University of Alabama.

Ajinkya, B. B./Gift, M. J. (1984): Corporate Manager's Earnings Forecasts and Symmetrical Adjustments of Market Expectations, in: Journal of Ac-counting Research, Vol. 22, S. 425-444.

Ajinkya, B./Atiase, R./Gift, M. (1991): Volume of Trading and the Dispersion in Financial Analysts' Earnings Forecasts, in: The Accounting Review, Vol. 66, S. 389-401.

Ajinkya, B./Bhojraj, S./Sengupta, P. (2005): The Association between Out-side Directors, Institutional Investors and the Properties of Management Earnings Forecasts, in: Journal of Accounting Research, Vol. 43, S. 343-376.

Akerlof, G. A. (1970): The market for ''lemons'': Quality uncertainty and the market mechanism, in: Journal of Economics, Vol. 84, S. 488-500.

Allendorf, G. (1996): Investor Relations deutscher Publikumsgesellschaften - eine empirische Wirkungsanalyse, Oestrich-Winkel.

Allison, P. D. (2005): Fixed Effects Regression Methods for Longitudinal Data Using SAS, Cary, North Carolina.

Andres, P./Spiwoks, M. (2001): Prognosegütemaße - State of the Art der sta-tistischen Ex post-Beurteilung von Prognosen, Sofia-Studien zur Instituti-onenanalyse Nr. 00-1, Working Paper, Darmstadt.

Anilowski, C./Feng, M./Skinner D. (2006): Does Earnings Guidance Affect Market Returns? The Nature and Information Content of Aggregate Earn-ings Guidance, Working Paper, University of Michigan.


Arnold, J./Moizer, P. (1984): A survey of methods used by UK investment analysts to appraise investments in ordinary shares, in: Accounting and Business Research, Vol. 14, S. 195-207.

Asquith, P./Mikhail, Michal/Au. A. (2005): Information content of equity analyst reports, in: Journal of Financial Economics, Vol. 75, S. 245-282.

Assenmacher, W. (2002): Einführung in die Ökonometrie, München.

Assmann, H. (1997): Rechtsanwendungsprobleme des Insiderrechts in der Praxis, in: Die Aktiengesellschaft, 42. Jg., S. 49-59.

Assmann, H. (2006): Kommentierung zu § 13, in: Wertpapierhandelsgesetz. Kommentar, hrsg. von Assmann, H./Schneider, U., Köln.

Assmann, H./Schneider, U. (2006): Wertpapierhandelsgesetz, Kommentar, 4., neu bearb. u. erw. Aufl., Köln.

Atiase, R. K. (1985): Predisclosure Information, Firm Capitalization, and Se-curity Price Behavior Around Earnings Announcements, in: Journal of Accounting Research, Vol. 23, S. 21-36.

BaFin (2005): Emittentenleitfaden der Bundesanstalt für Finanzdienstleis-tungsaufsicht, Frankfurt a.M.

Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2006): Multivariate Ana-lysemethoden, 11. Aufl., Berlin u.a.

Baetge, J./Fischer, T./Paskert, D. (1989): Der Lagebericht, Aufstellung, Prü-fung und Offenlegung, Stuttgart.

Baetge, J./Schulze, D. (1998): Möglichkeiten der Objektivierung der Lagebe-richterstattung über ''Risiken der künftigen Entwicklung'' - ein Vorschlag zur praktischen Umsetzung der vom KonTraG verlangten Berichtspflich-ten, in: Der Betrieb, 51. Jg., S. 937-948.

Baginski, S. P./Han, J. (1990): The Market Interpretation of Management Earnings Forecasts as a Predictor of Subsequent Financial Analyst Fore-cast Revision, in: The Accounting Review, Vol. 65, S. 175-190.

Baginski, S. P./Hassel, J. M. (1997): Determinants of Management Forecast Precision, in: The Accounting Review, Vol. 72, S. 303-312.

Baginski, S. P./Hassel, J./Kimbrough, M. (2004): Why Do Managers Ex-plain Their Earnings Forecasts? in: Journal of Accounting Research, Vol. 42, S. 1-29.


Ball, R./Kothari, S.P./Robin, A. (2000): The Effect of international institu-tional factors on the properties of accounting earnings, in: Journal of Ac-counting and Economics, Vol. 29, S. 1-51.

Ball, R./Robin, W./Wu, J. (2003): Incentives versus standards: properties of accounting income in four East Asian countries, in: Journal of Accounting and Economics, Vol. 36, S. 235-270.

Ballwieser, W. (1981): Die Wahl des Kalkulationszinsfußes bei der Unter-nehmensbewertung unter Berücksichtigung von Risiko und Geldentwer-tung, in: Betriebswirtschaftliche Forschung und Praxis, 33. Jg., S. 97-114.

Ballwieser, W. (1985): Informationsökonomie, Rechnungslegungstheorie und Bilanzrichtliniengesetz, in: Zeitschrift für betriebswirtschaftliche For-schung, 34. Jg., S. 47-66.

Ballwieser, W. (1990): Unternehmensbewertung und Komplexitätsreduktion, 3. Aufl., Wiesbaden.

Ballwieser, W. (1995): Aktuelle Aspekte der Unternehmensbewertung, in: WPg, 48. Jg., S. 119-129.

Ballwieser, W. (1997): Chancen und Gefahren einer Übernahme amerikani-scher Rechnungslegung, in: Handelsbilanzen und Steuerbilanzen. Fest-schrift für H. Beisse, hrsg. von Budde W./Moxter, A. K., Düsseldorf, S. 25-43.

Baltagi, B. H. (2005): Econometric analysis of panel data, Chichester u.a.

Bamber, L. S./Cheon, Y. S. (1998): Discretionary Management Earnings Forecast Disclosures: Antecedents and Outcomes Associated with Fore-cast Venue and Forecast Specificity Choices, in: Journal of Accounting Research, Vol. 36, S. 167-190.

Barber, B. M./Odean, T. (1999): The Courage of Misguided Convictions, in: Financial Analysts Journal, Vol. 55, S. 41-55.

Barker, R. G. (1998): The market for information - evidence from finance di-rectors, analysts and fund managers, in: Accounting and Business Re-search, Vol. 29, S. 3-20.

Barry, C. B./Brown, S. C. (1986): Limited information as a source of risk, in: The Journal of Portfolio Management, Vol. 12, S. 66-72.

Barth, M./Elliott, J./Finn, M. (1999): Market Rewards Associated with Pat-terns of Increasing Earnings, in: Journal of Accounting Research, Vol. 37, S. 387-413.

Barth, M./Kasznik, R./McNichols, M. (2001): Analyst coverage and intangi-ble assets, in: Journal of Accounting Research, Vol. 39, S. 1-34.


Bartov, E./Givoly, D./Hayn, C. (2002): The rewards to meeting or beating earnings expectations, in: Journal of Accounting and Economics, Vol. 33, S. 173-204.

Bassen, A. (2002): Einflussnahme institutioneller Investoren auf Corporate Governance und Unternehmensführung unter besonderer Berücksichti-gung börsennotierter Wachstumsunternehmen, Oestrich-Winkel.

Basu, S. (1997): The Conservatism Principle and the Asymmetric Timeliness of Earnings, in: Journal of Accounting and Economics, Vol. 24, S. 3-37.

Bechtel, W./Köster, H./Steenken, U. (1976): Die Veröffentlichung und Prü-fung von Vorhersagen über die Entwicklung von Unternehmungen, in: Bi-lanzfragen. Festschrift zum 65. Geburtstag von Prof. Dr. Dr. h. c. Ulrich Leffson, hrsg. von Baetge, J./Moxter, A./Schneider, D., S. 205-216.

Beck, H. (2004): Kommentierung zu §14 WpHG, in: Kapitalmarktrechtskom-mentar, hrsg. von Schwark, E., München.

Berger, P./Hann, R. (2007): Segment Profitability and the Proprietary and Agency costs of Disclosure, Working Paper, University of Chicago, Uni-versity of Southern California.

Berner, C./Rojahn, J./Kiel, O./Dreimann, M. (2005): Die Berücksichtigung des unternehmensindividuellen Risikos in der Unternehmensbewertung - eine empirisch gestützte Untersuchung des Beta-Faktors, in: Finanzbe-trieb, 7. Jg., S. 711-718.

Best, R. W./Payne, J./Howard, J. (2003): Analyst Following and Equity Of-ferings Subsequent to Initial Public Offerings, in: Review of Quantitative Finance & Accounting, Vol. 20, S. 155-168.

Bittner, T. (1996): Die Wirkungen von Investor Relations-Maßnahmen auf Fi-nanzanalysten, Bergisch Gladbach - Köln.

Block, S. (1999): A Study of Financial Analysts: Practice and Theory, in: Fi-nancial Analysts Journal, Vol. 55, S. 86-95.

Böcking, H./Müßig, A. (2003): Neue Herausforderungen für den Konzernla-gebericht durch das Transparenz- und Publizitätsgesetz sowie den Deut-schen Corporate Governance Kodex? in: Der Konzern, 1. Jg, S. 38-50.

Böcking, H./Orth, C. (1998): Offene Fragen und Systemwidrigkeiten bei den neuen Rechnungslegungs- und Prüfungsvorschriften des KonTraG und des KapAEG, in: Der Betrieb, 51. Jg., S. 1873-1879.

Bonse, A. (2004): Informationsgehalt von Konzernabschlüssen nach HGB, IAS und US-GAAP. Eine empirische Analyse aus Sicht der Eigenkapital-geber, Frankfurt a.M. u.a.

Börsch-Supan, A./Köke, J. (2002): An Applied Econometricians' View of Empirical Corporate Governance Studies, in: German Economic Review, Vol. 3, S. 295-326.


Botosan, C. A. (1997): Disclosure level and the cost of equity capital, in: The Accounting Review, Vol. 72, S. 323-349.

Botosan, C. A./Plumlee, M. A. (2002): A Re-examination of Disclosure Level and the Expected Cost of Equity Capital, in: Journal of Accounting Re-search, Vol. 40, S. 21-40.

Botosan, C. A./Plumlee, M. A. (2005): Assessing Alternative Proxies for the Expected Risk Premium, in: The Accounting Review, Vol. 80, S. 21-53.

Bowen, R./Bowen, A./Matsumoto, D. (2002): Do Conference Calls Affect Analysts Forecasts? in: The Accounting Review, Vol. 77, S. 285-316.

Brandes, W. (1985): Über die Grenzen der Schreibtisch-Ökonomie, Tübingen.

Breton, G./Taffler, R. (1995): Creative Accounting and Investment Analyst Response, in: Accounting and Business Research, Vol. 31, S. 91-101.

Bretzke, W. (1975): Das Prognoseproblem bei der Unternehmensbewertung. Ansätze einer risikoorientierten Bewertung ganzer Unternehmungen auf der Grundlage modellgestützter Erfolgsprognosen, Düsseldorf.

Bretzke, W. (1985): Prognoseprüfung, in: Handbuch der Abschlussprüfung, hrsg. von Coenenberg, A. G., Stuttgart, Sp. 549-557.

Bretzke, W. (1992): Prognoseprüfung, in: Handwörterbuch der Revision, hrsg. von Coenenberg A.G./Wysocki, K., Stuttgart, Sp. 1436-1442.

Brockhoff, K. (1977): Prognoseverfahren für die Unternehmensplanung, Wiesbaden.

Brown, L. D. (1996): Analyst forecasting error and their implications for secu-rity analysis: an alternative perspective, in: Financial Analysts Journal, Vol. 52, S. 40-47.

Brown, L. D. (2001): A temporal analysis of earnings surprises: Profits versus losses, in: Journal of Accounting Research, Vol. 39, S. 221-241.

Brown, L. D./Caylor, M. L. (2005): A temporal analysis of quarterly earnings thresholds: propensities and valuation consequences, in: The Accounting Review, Vol. 80, S. 423-440.

Brown, L. D. (1998): Managerial Behavior and the Bias in Analysts' Earnings Forecasts, Working Paper, Georgia State University.

Brown, L. D. (1997): Analyst Forecasting Errors: Additional Evidence, in: Fi-nancial Analysts Journals, Vol. 53, S. 81-88.

Budde W./Moxter, A. K. (1997): Handelsbilanzen und Steuerbilanzen, Fest-schrift für H. Beisse, Düsseldorf.


Bushee, B. J./Noe, C. F. (2000): Corporate Disclosure Practices, Institutional Investors and Stock Return Volatility, in: Journal of Accounting Research Supplement, Vol. 38, S. 171-201.

Busse von Colbe, W. (1957): Der Zukunftserfolgswert, Wiesbaden.

Busse von Colbe, W. (1966): Aufbau und Informationsgehalt von Kapital-flussrechnungen, in: Zeitschrift für Betriebswirtschaft, S. 82-114.

Busse von Colbe, W. (1968): Prognosepublizität von Aktiengesellschaften, in: Beiträge zur Lehre von der Unternehmung, Festschrift für Karl Schäfer, hrsg. Angehrn, O./Künzi, H.P., Stuttgart, S. 91-118.

Campbell, J. Y./Shiller, R. J. (1988): The Dividend-Price Ratio and Expecta-tions of Future Dividends and Discount Factors, in: Review of Financial Studies, Vol. 1, S. 195-228.

Campbell, J. Y. (2001): Forecasting US Equity Returns in the 21st Century, in: Estimating the Real Rate of Return on Stocks over the Long Term, hrsg. von SSAB, Washington D.C., S. 3-10.

Capstaff, J./Paudyal, K. (1995): The accuracy and rationality of earnings forecasts by UK analysts, in: Journal of Business Finance und Accounting, Vol. 22, S. 67-85.

Capstaff, J./Rees, W./Paudyal, K. (1998): Analysts’ Forecasts of German Firms’ Earnings: a Comparative Analysis, in: Journal of International Fi-nancial Management, Vol. 9, S. 83-116.

Capstaff, J./Paudyal, K./Rees, W. (2001): A Comparative Analysis of Earn-ings Forecasts in Europe, in: Journal of Business Finance & Accounting, Vol. 28, S. 531-562.

Chan, L. K. C./Karceski, J./Lakonishok, J. (2003): The level and persistence of growth rates, in: The Journal of Finance, Vol. 58, S. 643-684.

Chang, L./Most, K. (1981): An International Comparison of Investor Uses of Financial Statements, in: International Journal of Accounting, Vol. 17, S. 43-60.

Chatlos, W. (1974): What is Investor Relations? in: Investor Relations Hand-book, hrsg. von Roalman, A., New York, S. 3-19.

Chatterjee, S./Price, B. (1995): Praxis der Regressionsanalyse, 2. Aufl., Mün-chen u.a.

Chen, F./Jorgensen, D./Yoo, Y. (2004): Implied cost of equity capital in earn-ings-based valuation: international evidence, in: Accounting and Business Research, Vol. 34, S. 323-344.


Chen, Q. (2007): Discussion of Which Institutional Investors Trade Based on Private Information about Earnings and Returns? in: Journal of Account-ing Research, Vol. 45, S. 323-331.

Chen, S./Matsumoto, D. (2006): Favorable versus unfavorable recommenda-tions: the impact on analyst access to management-provided information, in: Journal of Accounting Research, Vol. 44, S. 657-689.

Chen, S. (2004): Why Do Managers Fail to Meet Their Own Forecasts? Work-ing Paper, University of Washington.

Chordia, T./Shivakumar, L. (2005): Inflation illusion and post-earnings-announcement drift, in: Journal of Accounting Research, Vol. 43, S. 521-556.

Chow, C. W./Wong-Boren, A. (1987): Voluntary financial disclosures by Mexican corporations, in: The Accounting Review, Vol. 62, S. 533-541.

Ciccone, S. J. (2005): Trends in analyst earnings forecast properties, in: Inter-national review of financial analysis, Vol. 14, S. 1-22.

Clarke, J./Shastri, K. (2000): On Information Asymmetry Metrics, Working Paper, Georgia Institute of Technology, University of Pittsburgh.

Clarke, J./Khorana, A./Patel A. (2004): The good, the bad and the ugly? Dif-ferences in analyst behavior at investment banks, brokerages and inde-pendent research firms, Working Paper, Georgia Institute of Technology, Wake Forest University.

Clarkson, P./Guedes, J. (1996): On the diversification, observability and measurement of estimation risk, in: Journal of Financial and Quantitative Analysis, Vol. 31, S. 69-84.

Claus, J./Thomas, J. (2001): Equity Premia as Low as Three Percent? Evi-dence from Analysts' Earnings Forecasts for Domestic and International Stock Markets, in: The Journal of Finance, Vol. 56, S. 1629-1665.

Claussen, C. (1997): Insiderrecht für Finanzanalysten, Köln.

Claussen, C./Ulrich, F. (2005): Der Emittentenleitfaden, in: Die Aktiengesell-schaft, 50. Jg., S. 745-765.

Claussen, P. (2002): Dem Neuen Markt eine zweite Chance, in: Betriebs-Berater, 57. Jg., S. 105-112.

Clement, M. (1999): Analyst Forecasting Accuracy: Do Ability, Resources, and Portfolio Complexity Matter? in: Journal of Accounting & Econom-ics, Vol. 27, S. 285-303.

Cochrane, J. (2001): Asset Pricing, Princeton.


Coenenberg, A. G./Bischof, B. (2005): Jahresabschluss und Jahresabschluss-analyse: betriebswirtschaftliche, handelsrechtliche, steuerrechtliche und internationale Grundsätze; HGB, IFRS und US-GAAP, Stuttgart.

Coles, J./Loewenstein, U. (1995): On Equilibrium Pricing under Parameter Uncertainty, in: Journal of Financial and Quantitative Analysis, Vol. 30, S. 347-364.

Coller, M./Yohn, T. L. (1997): Management Forecasts and Information Asymmetry: An Examination of Bid-Ask Spreads, in: Journal of Account-ing Research, Vol. 35, S. 181-191.

Coller, M./Yohn, T. L. (1998): Management Forecasts: What do we know? in: Financial Analysts Journal, Vol. 54, S. 58-62.

Cooke, T. (1992): The impact of size, stock market listing and industry type on disclosure in the annual reports of Japanese listed corporations, in: Ac-counting and Business Research, Vol. 22, S. 229-237.

Cooper, R./Day, T./Lewis, C. (2001): Following the leader: a study of indi-vidual analysts' earnings forecasts, in: Journal of Financial Economics, Vol. 61, S. 383-416.

Copeland, R. M./Marioni, R. J. (1972): Executives Forecasts of Earnings per Share versus Forecasts of Naïve Models, in: Journal of Business, Vol. 45, S. 497-512.

Copeland, T./Galai, D. (1983): Information Effects on the Bid-ask Spread, in: The Journal of Finance, Vol. 38, S. 1457-1469.

Cotter, J./Tuna, I./Wysocki, P. (2006): Expectations Management and Beat-able Targets: How do Analysts React to Explicit Earnings Guidance? in: Contemporary Accounting Research, Vol. 23, S. 593-624.

Crasselt, N./Nölte, U. (2007): Aktienbewertung mit dem Abnormal Earnings Growth Model, in: Finanzbetrieb, 9. Jg., S. 523-531.

DAI (2005): DAI-Factbook 2005 - Statistiken, Analysten und Graphiken zu Aktionären, Aktiengesellschaften und Börsen, Frankfurt a.M.

Darrough, M. N./Russel, T. (2002): A positive model of earnings forecasts: Top down versus bottom up, in: Journal of Business, Vol. 75, S. 127-152.

Das, S./Levine, C./Sivaramakrishnan, K. (1998): Earnings predictability and bias in analysts' earnings forecasts, in: The Accounting Review, Vol. 73, S. 277-294.

Daske, H. (2005): Adopting international financial reporting standards in the European Union, Frankfurt a.M.


Daske, H./Gebhardt, G. (2006a): International Financial Reporting Standards and Experts' Perceptions of Disclosure Quality, in: Abacus, Vol. 42, S. 461-498.

Daske, H./Gebhardt, G. (2006b): Zukunftsorientierte Bestimmung von Risi-koprämien und Eigenkapitalkosten für die Unternehmensbewertung, in: Zeitschrift für betriebswirtschaftliche Forschung, 58. Jg., S. 530-551.

Daske, H./Gebhardt, G./Klein, S. (2006): Estimating the expected cost of eq-uity capital using analysts' consensus forecasts, in: Schmalenbach Busi-ness Review, Vol. 58, S. 2-36.

Daske, H./Wiesenbach, K. (2005): Praktische Probleme der zukunftsorientier-ten Schätzung von Eigenkapitalkosten am deutschen Kapitalmarkt, in: Fi-nanzbetrieb, 6. Jg., S. 407-419.

De Bondt, W./Thaler, R. (1990): Do security analysts overreact? in: American Economic Review, Vol. 80, S. 52-57.

De Jong, A./Mertens, G./van der Poel, M. (2006): The Impact of Managerial Discretion on Management Earnings Forecasts, Working Paper, Erasmus University Rotterdam.

DeGeorge, F./Patel, F./Zeckhauser, R. (1999): Earnings Management to Ex-ceed Thresholds, in: Journal of Business, Vol. 72, S. 1-33.

Dempsey, S. (1989): Predisclosure information search incentive, analyst fol-lowing, and earnings announcement price response, in: The Accounting Review, Vol. 64, S. 748-757.

Demsetz, H. (1968): The Cost of Transacting, in: Quarterly Journal of Eco-nomics, Vol. 82, S. 33-53.

Desai, H./Bing, L./Singh, A. (2000): Do all-stars shine? Evaluation of ana-lysts’ recommendations, in: Financial Analysts Journal, Vol. 56, S. 20-29.

Deutsche Börse Group (2004): Leitfaden zu den REX-Indizes, Frankfurt a.M.

Dhaliwal, Dan/Zhihong, C./Xie, H. (2006): Regulation Fair Disclosure and the Cost of Equity Capital, Working Paper, University of Arizona, City University of Hong Kong, Syracuse University.

Diamond, D. W./Verrecchia, R. (1991): Disclosure, Liquidity, and the Cost of Capital, in: The Journal of Finance, Vol. 46, S. 1325-1359.

Diehl, U. (2001): Investmentanalysten, in: Investor Relations am Neuen Markt, hrsg. von Achleitner, A.-K., Stuttgart, S. 397-420.

Dobler, M. (2004): Risikoberichterstattung, Frankfurt a.M. u.a.

Dörner, D. (1996): Der Prognosebericht nach §289 Abs. 2 Nr. 2 HGB - Über-legungen zur Verminderung der Diskrepanz zwischen Publizitätsanforde-rungen und Publizitätspraxis, in: Rechnungslegung, Prüfung und Beratung


- Herausforderungen für den Wirtschaftsprüfer, Festschrift zum 70. Ge-burtstag von Professor Dr. Rainer Ludewig, hrsg. von Baetge, J./Börner, D./Forster, K.-H./Schruff, C., Düsseldorf, S. 217-251.

Dreman, D./Berry, M. (1995): Analyst Forecasting Errors and Their Implica-tions for Security Analysis, in: Financial Analysts Journal, Vol. 51, S. 30-42.

Drill, M. (1995): Investor Relations: Funktion, Instrumentarium und Manage-ment der Beziehungspflege zwischen schweizerischen Publikumsaktien-gesellschaften und ihre Investoren, Bern u.a.

Drobeck, J. (1998): Prognosepublizität - Die Berichterstattung über die vor-aussichtliche Entwicklung der Kapitalgesellschaft in den Lageberichten deutscher Aktiengesellschaften gem. §289 Abs. 2 Nr. 2 HGB, Frankfurt a.M.

Drobeck, J. (2001): Die Prognosepublizität im Prospekt über öffentlich ange-botene Kapitalanlagen und deren Beurteilung nach IDW S 4, in: WPg, 54. Jg., S. 1223-1234.

Dugar, A./Nathan, S. (1995): The Effect of Investment Banking Relationships on Financial Analysts' Earnings Forecasts and Investment Recommenda-tions, in: Contemporary Accounting Research, Vol. 12, S. 131-160.

Dunn, K./Nathan, S. (2005): Analyst Industry Diversification and Earnings Forecast Accuracy, in: The Journal of Investing, Vol. 14, S. 7-14.

Duru, A./Reeb, D. M. (2002): International diversification and analysts' fore-cast accuracy and bias, in: The Accounting Review, Vol. 77, S. 415-433.

DVFA (2000): Jahresbericht 2000, Dreieich.



DVFA (2007): DVFA-Grundsätze für effektive Finanzkommunikation, Drei-eich.

Dye, R. (1985): Disclosure of Nonproprietary Information, in: Journal of Ac-counting Research, Vol. 23, S. 123-145.

Easley, D./O'Hara, M. (2004): Information and the Cost of Capital, in: The Journal of Finance, Vol. 59, S. 1553-1583.

Easterwood, J. C./Nutt, S. R. (1999): Ineffiency in analysts' earnings fore-casts: systematic misreaction or systematic optimism, in: The Journal of Finance, Vol. 54, S. 1777-1797.


Easton, P. (2004): PE Ratios, PEG Ratios and Estimating the Expected Rate of Return on Equity Capital, in: The Accounting Review, Vol. 79, S. 73-95.

Easton, P./Monahan, S. (2005): An evaluation of accounting-based measures of expected return, in: The Accounting Review, Vol. 80, S. 501-538.

Easton, P./Sommers, G. (2007): Effect of Analysts' Optimism on Estimates of the Expected Rate of Return Implied by Earnings Forecasts, in: Journal of Accounting Research, Vol. 45, S. 983-1015.

Easton, P./Taylor,G./Shroff, P./Sougiannis, T. (2002): Using Forecasts of Earnings to Simultaneously Estimate Growth and the Rate of Return on Equity Investment, in: Journal of Accounting Research, Vol. 40, S. 657-676.

Eckey, H./Kosfeld/R./Dreger, C. (2001): Ökonometrie: Grundlagen, Metho-den, Beispiele, Wiesbaden.

Edwards, E./Bell, P. W. (1961): The Theory and Measurement of Business Income, Berkeley.

El-Gazzar, S. (1998): Predisclosure Information and Institutional Ownership: A Cross-Sectional Examination of Market Revaluations During Earnings Announcement Periods, in: The Accounting Review, Vol. 73, S. 119-129.

Ellis, K./Michael, R./O’Hara M. (2003): Competition in Investment Banking: Proactive, Reactive, or Retalitory? Working Paper, University of Califor-nia, Cornell University.

Ellrott, H. (2006): Kommentierung zu § 289 HGB, in: Beck’ scher Bilanz-Kommentar, Handels- und Steuerbilanz: §§ 238 bis 339, 342 bis 342e HGB mit EGHGB und IAS / IFRS – Abweichungen, hrsg. von Ellrott u.a., München.

Elton, E. (2003): Modern portfolio theory and investment analysis, Hoboken.

Elton, E. O./Bell, P. W. (2003): The theory and measurement of business in-come, Berkeley u.a.

Elton, E./Gruber, M./Brown, S. (2007): Modern portfolio theory and invest-ment analysis, New York u.a.

Emde, W. (1989): Prognosetechniken und -systeme, in: Handwörterbuch der Planung, hrsg. von Szyperski, N., Stuttgart, S. 1645-1658.

Ernst, E./Gassen, J./Pellens, B. (2005): Verhalten und Präferenzen deutscher Aktionäre - Eine Befragung privater und institutioneller Anleger zu In-formationsverhalten, Dividendenpräferenz und Wahrnehmung von Stimm-rechten, Frankfurt a.M.

Ettredge, M./Fuller, R. J. (1991): The negative earnings effect, in: The Jour-nal of Portfolio Management, Vol. 17, S. 27-33.


Europäische Kommission (2002a): Richtlinien des europäischen Parlaments und des Rates zur Änderung der Richtlinien 78/660/EWG, 83/349/EWG- und 91/674/EWG über den Jahresabschluss und den konsolidierten Ab-schluss von Gesellschaften bestimmter Rechtsformen sowie Versiche-rungsunternehmen, Brüssel.

Europäische Kommission (2002b): Verordnung (EG) Nr. 1606/2002 des eu-ropäischen Parlaments und des Rates vom 19. Juli 2002 betreffend die Anwendung internationaler Rechnungslegungsstandards, Brüssel.

Evans, M. (2002): Financial Distress and the Credibility of Management Ear-nings Forecasts, Working Paper, Carnegie Mellon University.

Ewert, R./Wagenhofer, A. (2005): Interne Unternehmensrechnung, Heidel-berg.

Fama, E. F./French, K. R. (1992): The Cross-Section of Expected Stock Re-turns, in: The Journal of Finance, Vol. 47, S. 427-465.

Fama, E. F./French, K. R. (1997): Industry costs of equity, in: Journal of Fi-nancial Economics, Vol. 43, S. 153-193.

Fang, L. H. (2006): Investment Bank Reputation and the Price and Quality of Underwriting Services, in: The Journal of Finance, Vol. 60, S. 2729-2761.

Farragher, E. J./Kleiman, R. (1994): Do investor relations make a difference, in: Quarterly Review of Economics and Finance, Vol. 34, S. 403-413.

Farrell, J./Rabin, M. (1996): Cheap Talk, in: Journal of Economic Perspec-tives, Vol. 10, S. 103-118.

Feltham, G./Ohlson, J. A. (1995): Valuation and Clean Surplus Accounting for Operating and Financial Activities, in: Contemporary Accounting Re-search, Vol. 11, S. 689-731.

Ferris, S./Sarin, A. (2000): Security analysis and corporate diversification, in: Advances in Financial Economics, Vol. 5, S. 105-137.

Fischer, E. (2002): Finanzplanung, in: Handwörterbuch Unternehmensrech-nung und Controlling, hrsg. von Küpper, H.,/Wagenhofer, A., Stuttgart, S. 569-577.

Foster, J. M. (2003): The FASB and the Capital Markets, www.fasb.org/articles&reports/Foster_FASBReport.pdf (Stand 22.01.2008).

Francis, J./LaFond, R./Olsson, P./Schipper, K. (2004): Costs of equity and earnings attributes, in: The Accounting Review, Vol. 79, S. 967-1010.


Francis, J./Nanda, D./Olsson, P. (2006): Voluntary disclosure, information quality, and costs of capital, Working Paper, Duke University.

Francis, J./Philbrick, D. R. (1993): Analysts' Decisions as Products of a Multi-Task Environment, in: Journal of Accounting Research, Vol. 31, S. 216-230.

Francis, J./Olsson, P./Oswald, D. (2000): Comparing the Accuracy and Ex-plainability of Dividend, Free Cash Flow, and Abnormal Earnings Equity Value Estimates, in: Journal of Accounting Research, Vol. 38, S. 45-70.

Frankel, R./McNichols, M. (1995): Discretionary Disclosure and External Fi-nancing, in: The Accounting Review, Vol. 70, S. 135-150.

Froidevaux, E. (2004): Investor Relations Internet Disclosure and the Cost of Equity Capital, Freiburg.

Fülbier, R. U. (1998): Regulierung der Ad-hoc-Publizität, Wiesbaden.

Garcia-Meca, E./Ballesta-Sanchez, J. P. (2006): Influences on financial ana-lyst forecast errors: A meta-analysis, in: International Business Review, Vol. 15, S. 29-52.

Gassen, J. (2000): Datenbankgestützte Rechnungslegungspublizität, Bochum.

Gassen, J./Sellhorn, T. (2006): Applying IFRS in Germany - Determinants and Consequences, in: Betriebswirtschaftliche Forschung und Praxis, 58. Jg., S. 365-386.

Gebhardt, W./Lee, C./Swaminathan, B. (2001): Towards an Implied Cost of Capital, in: Journal of Accounting Research, Vol. 39, S. 135-176.

Gode, D./Mohanram, P. S. (2003): Inferring the cost of capital using the Ohl-son-Juettner Model, in: Review of Accounting Studies, Vol. 8, S. 399-431.

Goldberg, J. /von Nitzsch, R. (2004): Behavioral Finance, München.

Gordon, J. R./Gordon, M. (1997): The finite horizon expected return model, in: Financial Analysts Journal, Vol. 53, S. 52-61.

Gordon, J. R./Shapiro, E. (1956): Capital Equipment Analysis: The required rate of profit, in: Management Science, Vol. 3, S. 102-110.

Gosh, S. (2007): Underpricing of Initial Public Offerings, in: Emerging Mar-kets Finance and Trade, Vol. 41, S. 45-57.

Götze, U. (1993): Szenario-Technik in der strategischen Unternehmenspla-nung, Wiesbaden.


Götze, W. (2000): Grafische und empirische Techniken des Business Fore-casting, Lehr- und Übungsbuch für Betriebswirte und Wirtschaftsinforma-tiker, München u.a.

Graf, H. (1999): Prognosen und Szenarien in der Wirtschaftspraxis, München u.a.

Graham, J. R./Harvey, C./Rajgopal, S. (2005): The economic implications of corporate financial reporting, in: Journal of Accounting and Economics, Vol. 40, S. 3-73.

Greene, W. (2003): Econometric Analysis, Upper Saddle River.

Guay, W./Kothari, S. P./Shu, S. (2005): Properties of implied cost of capital using analysts' forecasts, Working Paper.

Guedj, O./Bouchaud, J. (2005): Expert's earnings forecasts: Bias, herding and gossamer information, in: International Journal of Theoretical & Applied Finance, Vol. 8, S. 933-946.

Gujarati, D. N. (2003): Basic econometrics, New York u.a.

Hachmeister, D. (1995): Der Discounted Cash Flow als Maß der Unterneh-menswertsteigerung, Frankfurt a.M. u.a.

Häcker, M./Unser, M./Veeser, A./ Wagner, W. (2001): Investor Relations und Shareholder Value am Neuen Markt, in: Finanzbetrieb, 3. Jg., S. 665-678.

Hagest, J./Kellinghusen, G. (1977): Zur Problematik der Prognoseprüfung und der Entwicklung von Grundsätzen ordnungsmäßiger Prognosebildung, in: WPg, 30. Jg., S. 405-415.

Hail, L. (2002): The impact of corporate voluntary disclosures on the ex-ante cost of capital for Swiss firms, in: European Accounting Review, Vol. 11, S. 741-773.

Hail, L./Leuz, C. (2006): International differences in the cost of equity capital: Do legal institutions and securities regulation matter? in: Journal of Ac-counting Research, Vol. 44, S. 485-531.

Han, J./Tan, H. (2006): Investors' Reaction to Management Guidance Form, Working Paper, University of Hong Kong, Nanyang Technological Uni-versity,

Handa, P./Linn, S. (1993): Arbitrage pricing with estimation risk, in: Journal of Financial and Quantitative Analysis, Vol. 28, S. 81-100.

Hank, B. (1999): Informationsbedürfnisse von Kleinaktionären, Frankfurt a.M.


Harris, R. S./Marston, F. C. (2001): The market risk premium: expectational estimates using analysts` forecasts, in: Journal of Accounting and Finance, Vol. 11, S. 6-16.

Härter, M. (1985): Güte- und Erfolgsbeurteilung zukunftsbezogener Aussa-gen, exemplarisch untersucht an Energieprognosen für den Bereich der Europäischen Gemeinschaft, Frankfurt a.M. u.a.

Hassel, J. M./Jennings, R. (1986): Relative forecast accuracy and the timing of earnings forecast announcements, in: The Accounting Review, Vol. 61, S. 58-75.

Hax, G. (1998): Informationsintermediation durch Finanzanalysten, Frankfurt a.M. u.a.

Healy, P. M./Hutton, A./Palepu, K. (1999): Stock Performance and Interme-diation Changes Surrounding Sustained Increases in Disclosure, in: Con-temporary Accounting Research, Vol. 16, S. 485-520.

Healy, P. M./Palepu, K. G. (2001): Information asymmetry, corporate disclo-sure, and the capital markets: A review of the empirical disclosure litera-ture, in: Journal of Accounting and Economics, Vol. 31, S. 405-440.

Healy, P. M./Wahlen, J. M. (1999): A Review of the Earnings Management Literature and its Implications for Standard Setting, in: Accounting Hori-zons, Vol. 13, S. 365-383.

Heflin, F./Subramanyam, K. R./Zhang, Y. (2003): Regulation FD and the Financial Information Environment: Early Evidence, in: The Accounting Review, Vol. 78, S. 1-37.

Helbing, C. (2001): Unternehmensbewertung im Wandel, in: Der Schweizer Treuhänder, Vol. 75, S. 607-614.

Henze, J. (2004): Was leisten Finanzanalysten?, Münster.

Hermalin, B./Weisbach, M. (1991): The Effects of Board Composition and Direct Incentives on Firm Performance, in: Financial Management, Vol. 20, S. 101-112.

Heuser, P. (1998): Publizität, in: Lexikon des Rechnungswesens, hrsg. von Busse von Colbe, W./Pellens, B., München u.a., S. 587-591.

Hicks, J. R. (1933): Gleichgewicht und Konjunktur, in: Journal of Economics, Vol. 4, S. 441-455.

Higgins, H. N. (1998): Analyst Forecasting Performance in Seven Countries, in: Financial Analysts Journal, Vol. 54, S. 58-62.

Hilary, G./Menzly, L. (2000): Does past success lead analysts to become overconfident? in: Management Science, Vol. 52, S. 489-500.

Hillebrandt, F. (2001): Multiplikatorverfahren, in: DBW, 61. Jg., S. 618-621.


Hines, R. (1982): The usefulness of annual reports: the anomaly between the efficient market hypothesis and shareholder surveys, in: Accounting and Business Research, Vol. 14, S. 3-14.

Hirshleifer, J. (1973): Where are we in the theory of information? in: The American Economic Review, Papers and Proceedings, Vol. 63, S. 31-39.

Hirst, D. E./Koonce, L./Miller, J. (1999): The Joint Effect of Management's Prior Forecast Accuracy and the Form of Its Financial Forecasts on Inves-tor Judgment, in: Journal of Accounting Research, Supplement, Vol. 37, S. 101-124.

Hirst, E./Koonce, L./Venkataraman, S. (2007): Management Earnings Fore-casts: A Review and Framework, Working Paper, University of Texas.

Ho, M. J./Harris, R. S. (1998): Market reaction to messages from brokerage ratings systems, in: Financial Analysts Journal, Vol. 54, S. 49-57.

Hodgkinson, L. (2001): Analysts' Forecasts and the Broker Relationship, in: Journal of Business Finance & Accounting, Vol. 28, S. 943-961.

Hofmann, C. (2006): Unternehmenspublizität und Eigenkapitalkosten, in: Zeitschrift für betriebswirtschaftliche Forschung (Sonderheft), 58. Jg., S. 109-146.

Hong, H./Kubik, J. D. (2003): Analyzing the analysts: Career concerns and biased earnings forecasts, in: The Journal of Finance, Vol. 58, S. 313-351.

Hong, H./Kubik, J./Solomon, A. (2003): Security analysts' career concerns and herding of earnings forecasts, in: RAND Journal of Economics, Vol. 31, S. 121-144.

Hooke, J. (1998): Security analysis on Wall Street. A comprehensive guide to today's valuation methods, New York u.a.

Hope, O. (2003): Disclosure Practices, Enforcement of Accounting Standards, and Analysts' Forecast Accuracy: An international study, in: Journal of Accounting Research, Vol. 41, S. 235-272.

Hope, O./Kang, T. (2005): The association between macroeconomic uncer-tainty and analysts' forecast accuracy, in: Journal of International Ac-counting Research, Vol. 4, S. 23-38.

Hopf, M. (1983): Informationen für Märkte und Märkte für Informationen, Frankfurt a.M.

Horsch, A. (2005): Agency und Versicherungsintermediation, in: Institutione-nökonomie und Betriebswirtschaftslehre, hrsg. von Horsch, A./Meinhövel, H./Paul, S., München, S. 81-99.

Hribar, P./Yang, H. (2007): CEO Overconfidence, Management Earnings Forecasts, and Earnings Management, Working Paper, University of Iowa, Cornell University.


Hsiao, C. (2003): Analysis of Panel Data, Cambridge.

Huber, P. J. (1967): The Behavior of Maximum Likelihood Estimates under Nonstandard Conditions, in: Proceedings of the Fifth Berkeley Sympo-sium on Mathematical Statistics and Probability, Vol. 1, S. 161-206.

Huberts, L. C./Fuller, R. J. (1995): Predictability Bias in the U.S. Equity Market, in: Financial Analysts Journal, Vol. 51, S. 12-28.

Huddart, S./Ke, B. (2007): Information Asymmetry and Cross-sectional Variation in Insider Trading, in: Contemporary Accounting Research, Vol. 24, S. 195-232.

Hüfner, B./Möller, H. P. (1997): Erfolge börsennotierter Unternehmen aus Sicht von Finanzanalysten: Zur Verlässlichkeit von DVFA-Ergebnissen und deren Prognosen, in: Zeitschrift für Bankrecht und Bankwirtschaft, Vol. 9, S. 1-15.

Hunter, J./Coggin, D. (1988): Analyst Judgment: The Efficient Market Hy-pothesis versus a Psychological Theory of Human Judgment, in: Organiza-tional Behavior & Human Decision Processes, Vol. 42, S. 284-303.

Hutton, A. (2005): Determinants of Managerial Earnings Guidance Prior to Regulation Fair Disclosure and Bias in Analysts' Earnings Forecasts, in: Contemporary Accounting Research, Vol. 22, S. 867-914.

Hutton, A. P./Stocken, P. C. (2007): Effect of Reputation on the Credibility of Management Forecasts, Working Paper, Boston College, Dartmouth Col-lege.

Hwang, L. (1996): Loss firms and analysts earnings forecasts errors, in: Jour-nal of Financial Statement Analysis, Vol. 1, S. 18-30.

IDW (2002): Wirtschaftsprüfer-Handbuch 2002, Handbuch für Rechnungsle-gung, Prüfung und Beratung, Band II, Düsseldorf.

IDW (2005): Aufhebung der IDW Stellungnahme zur Rechnungslegung: Auf-stellung des Lageberichts (IDW RS HFA 1), in: FN-IDW, S. 530.

Irvine, P. (20001): Do analysts generate trade for their firms? Evidence from the Toronto stock exchange, in: Journal of Accounting and Economics, Vol. 30, S. 209-226.

Jackson, A. (2005): Trade-Generation, Reputation, and Sell-Side Analysts, in: The Journal of Finance, Vol. 60, S. 673-717.


Jacob, J./Lys, T./Neal, M. (1999): Expertise in forecasting performance of se-curity analysts, in: Journal of Accounting and Economics, Vol. 28, S. 51-82.

Jog, V./McConomy, B. (2003): Voluntary Disclosure of Management Earn-ings Forecasts in IPO Prospectuses, in: Journal of Business Finance & Ac-counting, Vol. 30, S. 125-167.

Johnson, N. (1978): Modified t Tests and Confidence Intervals for Asymmet-ric Populations, in: Journal of the American Statistical Association, Vol. 73, S. 536-544.

Jost, P. (2001): Die Prinzipal-Agenten-Theorie in der Betriebswirtschaftslehre, Stuttgart.

Jungmichel, T. (2007): Haftung und Schadenskompensation bei Verstößen gegen Ad-hoc-Publizitätspflichten: unter besonderer Berücksichtigung der §§ 37b, 37c WpHG, Hannover.

Kahneman, D./Tversky, A. (1979): Prospect theory: an analysis of decisions under risk, in: Econometrica, Vol. 4, S. 263-291.

Kajüter, P. (2004): Der Lagebericht als Instrument einer kapitalmarktorien-tierten Rechnungslegung - Umfassende Reformen nach dem Entwurf zum BilReG und E-DRS 20, in: Der Betrieb, 57. Jg., S. 197-203.

Kames, C. (2000): Unternehmensbewertung durch Finanzanalysten als Aus-gangspunkt eines Value Based Management, Frankfurt a.M. u.a.

Karamanou, I./Vafeas, N. (2005): The Association between Corporate Boards, Audit Committees, and Management Earnings Forecasts: An Em-pirical Analysis, in: Journal of Accounting Research, Vol. 43, S. 453-486.

Kempf, A. (1999): Wertpapierliquidität und Wertpapierpreise, Wiesbaden.

Kempf, A./Memmel, C. (2002): Schätzrisiko in der Portfoliotheorie, in: Handbuch Portfoliomanagement - strukturierte Ansätze für ein modernes Wertpapiermanagement, hrsg. von Kleeberg, J. M./Rehkugler, H., Bad Soden/Ts.

Kempf, A./Memmel, C. (2003): Parameterschätzung in der Portfoliotheorie: Ein analytischer und simulationsgestützter Vergleich, in: Die Betriebswirt-schaft, Vol. 63, S. 516-531.

Kennedy, P. (2003): A guide to econometrics, Cambridge, Mass.

Kent, P./Ung, K. (2003): Voluntary Disclosure of forward-looking earnings information in Australia, in: Australian Journal of Management, Vol. 28, S. 273-285.


Khosrawi-Rad, M. (1991): Probleme und Möglichkeiten bei der Definition, Klassifikation, Interpretation und Operationalisierung von Prognose, Prognosemodell, Prognosefehler und Prognosefehlermaße, Hamburg.

Kiem, R./Kotthoff, J. (1995): Ad-hoc-Publizität bei mehrstufigen Entschei-dungsprozessen, in: Der Betrieb, Vol. 48, S. 1999-2004.

Kim, S. T./Lin, J./Slovin, M. (1997): Market structure, informed trading and analysts recommendations, in: Journal of Financial and Quantitative Analysis, Vol. 32, S. 507-523.

Kinney, W./Burgstahler, D./Martin, R. (2002): Earnings surprise ''material-ity'' as measured by stock returns, in: Journal of Accounting Research, Vol. 40, S. 1297-1329.

Kleber, P. (1989): Prognoseprobleme in der Unternehmensbewertung, Wies-baden.

Klein, R. W./Bawa, V. S. (1975): The effect of estimation risk on optimal portfolio choice under uncertainty, in: Journal of Financial and Quantita-tive Analysis, Vol. 10, S. 559.

Koch, S. (2005): Neuerungen im Insiderrecht und der Ad-hoc-Publizität, in: Der Betrieb, 58. Jg., S. 267-274.

Konrad, K. (2001): Mündliche und schriftliche Befragung - Ein Lehrbuch, Landau.

Kothari, S. (2001): Capital Markets Research in Accounting, in: Journal of Accounting and Economics, Vol. 31, S. 105-231.

Krasker, W./Pratt, J. (1986): Bounding the Effects of Proxy Variables on Regression Coefficients, in: Econometrica, Vol. 54, S. 641-655.

Kuhn, K. M./Budescu, D. V. (1996): The relative importance of probabilities, outcomes, and vagueness in hazard risk decisions, in: Organisational Be-havior und Human Decision Processes, Vol. 68, S. 301-317.

Kuhn, K./Budescu, D./Hershey, J./Kramer, K./Rantilla, A. (1999): Attrib-ute tradeoffs in low probability/high consequence risk: the joint effect of dimension preference and vagueness, in: Risk, Decision, and Policy, Vol. 4, S. 31-46.

Kuhn, U. (1993): Planabschlüsse im Konzern. Die Entwicklung eines Systems von Planabschlüssen unter Einbeziehung einer empirischen Untersuchung zwölf großer deutscher Konzerne, Stuttgart.

Kuhner, C. (1998): Verfügungsrechte an Unternehmensinformationen - Die Verrechtlichung des Informationsflusses zwischen Unternehmen und Ka-pitalmarkt im Blickfeld ökonomischer Analysen, München.

Kunz, H. (1985): Marktsystem und Information: 'konstitutionelle Unwissen-heit' als Quelle von 'Ordnung', Tübingen.


Lakonishok, J./Shleifer, A./Vishny, R. (1994): Contrarian Investment, Ex-trapolation, and Risk, in: The Journal of Finance, Vol. 49, S. 1541-1578.

Lambert, R. A./Leuz, C./Verrecchia, R. (2007): Accounting Information, Disclosure, and the Cost of Capital, in: Journal of Accounting Research, Vol. 45, S. 385-420.

Lambert, R. A./Leuz, C./Verrecchia, R. (2006): Information Asymmetry, In-formation Precision, and the Cost of Capital, Working Paper, University of Pennsylvania, University of Chicago, University of Pennsylvania.

Lang, M. H./Lundholm, R. J. (1993): Cross-sectional Determinants of Ana-lyst Ratings of Corporate Disclosures, in: Journal of Accounting Research, Vol. 31, S. 246-271.

Lang, M. H./Lundholm, R. J. (1996): Corporate Disclosure and Analyst Be-havior, in: The Accounting Review, Vol. 71, S. 467-492.

Lang, M. H./Lundholm, R. J. (2000): Voluntary Disclosure and Equity Offer-ings: Reducing Information Asymmetry or Hyping the Stock? in: Con-temporary Accounting Research, Vol. 17, S. 623-662.

Laux, H./Franke, G. (1970): Der Wert betrieblicher Informationen für Aktio-näre, in: Neue Betriebswirtschaft, Vol. 23, S. 1-8.

Lees, F. A. (1981): Public Disclosure of Corporate Earnings Forecasts, New York.

Leuz, C. (2003): IAS vs. US-GAAP: Information Asymmetry-Based Evidence from Germany's New Market, in: Journal of Accounting Research, Vol. 41, S. 445-472.

Leuz, C./Verrechia, R. (2000): The Economic Consequences of Increased Disclosure, in: Journal of Accounting Research (Supplement), Vol. 38, S. 91-124.

Leuz, C./Wüstemann, J. (2003): The Role of Accounting in the German Fi-nancial System, Working Paper, University of Chicago, University of Mannheim.

Lev, B. (1976): On the adequacy of publicly available information for security analysis, in: Financial information requirements for security analysis, hrsg. von Abdel-Khalik, A. T., Durham, S. 123-143.

Leven, A. (1998): Investor Relations and Shareholder Value, in: Shareholder Value Reporting, hrsg. von Müller, M. F., S. 45-62.

Levitt, A. (1998): The importance of high quality accounting standards, in: Accounting Horizons, Vol. 12, S. 79-82.


Libby, R./Hun-Tong,T./Hunton, J. (2006): Does the Form of Management's Earnings Guidance Affect Analysts' Earnings Forecasts? in: The Account-ing Review, Vol. 82, S. 207-225.

Lim, T. (2001): Rationality and Analysts' Forecast Bias, in: The Journal of Fi-nance, Vol. 56, S. 369-385.

Lin, H./McNichols, M. (1998): Underwriting relationships, analysts' earnings forecasts and investment recommendations, in: Journal of Accounting and Economics, Vol. 25, S. 101-127.

Linsmeier, T./Boatsman, J./Herz, R./Jennings, R./Jonas, G./Lang, M./Petroni, K./Shores, D./Wahlen, J. (1998): Criteria for Assessing the Quality of an Accounting Standard, in: Accounting Horizons, Vol. 12, S. 161-162.

Lintner, J. (1965): The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets, in: The Review of Economics and Statistics, Vol. 47, S. 13-37.

Lloyd, D. P./Canes, M. (1978): Stock prices and the publication of second-hand information, in: Journal of Business, Vol. 51, S. 43-56.

Löffler, G./Weber, M. (1997): Welche Faktoren beeinflussen erwartete Akti-enrenditen - eine Analyse anhand von Umfragedaten, in: Zeitschrift für Wirtschafts- und Sozialwissenschaften, Vol. 117, S. 209-246.

Luber, T./Nitschke, R. (1999): Nur die Wahrheit zählt, in: Capital, 45. Jg., No. 10, S. 40-74.

Lücke, W. (1955): Investitionsrechnungen auf der Grundlage von Ausgaben oder Kosten? in: Zeitschrift für handelswissenschaftliche Forschung, Vol. 7, S. 310-324.

Lücke, W. (1981): Planbilanz, in: Handwörterbuch des Rechnungswesens, hrsg. von Kosiol, E./Chmielewicz, K., Stuttgart, S. 1279-1290.

Lys, T. Z./Sohn, S. (1990): The Association between Revisions of Financial Analysts' Earnings Forecasts and Security Price Changes, in: Journal of Accounting and Economics, Vol. 13, S. 341-364.

Ma, S. (2007): Information asymmetry and valuation uncertainty, the determi-nation of China’ s IPO allocation procedures, in: Applied Financial Eco-nomics, Vol. 17, S. 271-284.

Mackensen, M. (2000): Institutionelle Anleger im Unternehmensrecht Deutschlands und der USA, Frankfurt a.M.


Maier-Reimer, G./Webering, A. (2002): Ad hoc-Publizität und Schadenser-satzhaftung - Die neuen Haftungsvorschriften des Wertpapierhandelsge-setztes, in: Wertpapiermitteilungen, Vol. 56, S. 1857-1904.

Mandl, G./Jung, M. (2002): Prognose- und Schätzprüfung, in: Handwörter-buch der Rechnungslegung und Prüfung, hrsg. von Ballwieser W., Stutt-gart, Sp. 1698-1706.

Markowitz, H. (1952): Portfolio selection, in: The Journal of Finance, Vol. 7, S. 77-91.

Marschak, J./Radner, R. (1972): Economic Theory of Teams, New Haven et al.

Marten, K./Quick, R./Ruhnke, K. (2003): Wirtschaftsprüfung, Grundlagen des betriebswirtschaftlichen Prüfungswesens nach nationalen und interna-tionalen Normen, Stuttgart.

Matsumoto, D. A. (2002): Management's Incentives to Avoid Negative Earn-ings Surprises, in: The Accounting Review, Vol. 77, S. 483-514.

Matsumoto, D./Pronk, M./Roelofsen, E. (2006): Managerial Disclosure vs. Analyst Inquiry: An Empirical Investigation of the Presentation and Dis-cussion Portions of Earnings-Related Conference Calls, Working Paper, University of Washington Business School u.a.

McFadden, D. (1974): Conditional Logit Analysis of Qualitative Choice Be-haviour, in: Frontiers in Econometrics, hrsg. von Zarembka, P., New York, S. 105-142.

Mennenöh, H. (1984): Prognosepublizität, Vorschläge Vorschläge zur unge-wissheitsorientierten Gestaltung einer prospektiven Berichterstattung an externe Adressaten - Bochumer wirtschaftswissenschaftliche Studien Nr. 101, Working Paper, Bochum.

Mest, D. P./Plummer, E. (2003): Analysts' Rationality and Forecast Bias: Evidence from Sales Forecasts, in: Review of Quantitative Finance & Ac-counting, Vol. 21, S. 103-122.

Michalkiewicz, C. (2003): Aktienanalysten - Feinde oder Verbündete im Rahmen des Investor Marketings, in: Investor Marketing, hrsg. von Ebel, B. M., S. 115-130.

Miller, G. (2002): Earnings Performance and Discretionary Disclosure, in: Journal of Accounting Research, Vol. 40, S. 173-204.

Moerschen, T. (17.2.2001): Trefferquoten der Analysten im Vergleich: David schlägt Goliath,

Mola, S. (2005): Do IPO analysts issue unfavourable recommendations on Non-IPO Firms? Working Paper, Arizona State University.


Möller, H. P. (1995): Kapitalmarktforschung, empirische, in: Handwörterbuch des Bank- und Finanzwesens, hrsg. von Gerke, W. M., Stuttgart, Sp. 1143-1154.

Möller, H. P./Hüfner, B. (2002): Empirische Forschung, in: Handwörterbuch Unternehmensrechnung und Controlling, hrsg. von Küpper, H. A., Stutt-gart, Sp. 351-359.

Möllers, T. (2005): Insiderinformation und Befreiung von der Ad-hoc-Publizität nach §15 Abs. 3 WpHG - Zur Beurteilung von mehrstufigen Entscheidungsprozessen durch das Anlegerschutzverbesserungsgesetz, in: Wertpapiermitteilungen, 59. Jg., S. 1393-1400.

Morgenstern, O. (1935): Vollkommene Voraussicht und wirtschaftliches Gleichgewicht, in: Zeitschrift für Nationalökonomie, 6. Jg., S. 337-357.

Mossin, J. (1966): Equilibrium in a capital asset market, in: Econometrica, Vol. 34, S. 768-783.

Moxter, A. (1962): Der Einfluß von Publizitätsvorschriften auf das unterneh-merische Verhalten, Köln u.a.

Myers, S./Majluf, N. (1984): Corporate financing and investment decisions when firms have information that investors do not have, in: Journal of Fi-nancial Economics, Vol. 13, S. 187-221.

Nagar, V./Nanda, D./Wysocki, P. (2003): Discretionary disclosure and stock-based incentives, in: Journal of Accounting and Economics, Vol. 34, S. 283-309.

Nagos, P. (1991): Externe Berichterstattung: Information für ''Stakeholders'', Zürich.

National Investor Relations Institute. (2005): NIRI Issues 2005 Survey Re-sults on Earnings Guidance Practices; Number of Companies Providing Earnings Guidance Declining,

Newey, W./West, K. (1987): A Simple, Positive Semi-Definite, Heteroscedas-tic and Autocorrelation Consistent Covariance Matrix, in: Econometrica, Vol. 55, S. 703-708.

Noe, C. F./Hansen, G. A. (1999): When is Managers' Earnings Guidance Most Influential? Working Paper, Charles River Associates, Pennsylvania State University.

Nöldeke, M. (2006): Expectations Guidance in Public Companies, Basel.


O'Brien, P./McNichols, M./Hsiou-Wei (2005): Analyst Impartiality and In-vestment Banking Relationships, in: Journal of Accounting Research, Vol. 43, S. 623-650.

O.V. (1998): Geschäftsbericht, in: Lexikon des Rechnungswesens, hrsg. von Busse von Colbe, W./Pellens B., 4. Aufl., München u.a.

O.V. (1999): Nur die Wahrheit zählt, in: Capital, 38. Jg., No. 10, S. 40-74.

O.V. (2005): Der beste Geschäftsbericht, in: Manager Magazin, 35. Jg., No. 10, S. 126-138.

O.V. (2006): Preis der Wahrheit, in: Capital, 45. Jg., No. 14, S. 41-53.

Ohlson, J. A. (1995): Earnings, Book Values, and Dividends in Equity Valua-tion, in: Contemporary Accounting Research, Vol. 11, S. 661-687.

Ohlson, J./Juettner-Nauroth, B. (2005): Expected EPS and EPS growth as determinants of value, in: Review of Accounting Studies, Vol. 10, S. 349-365.

Ota, K. (2002): The Usefulness of Management Forecast Information, Work-ing Paper, Musashi University.

Pawlik, C. (2007): Kommentierung zu §13, in: Kölner Kommentar zum WpHG, hrsg. von Hirte, H./Möllers, T., Köln.

Pellens, B. (1989): Der Informationswert von Konzernabschlüssen: Eine empi-rische Untersuchung deutscher Börsengesellschaften, Wiesbaden.

Pellens, B./Fülbier, R. U./Gassen J. (2006): Internationale Rechnungslegung, Stuttgart.

Pellens, B./Nölte, U./Berger, O. (2007): Ergebnisprognosen durch das Mana-gement - Sind die Managementprognosen der DAX-Unternehmen zu pes-simistisch? in: Finanzbetrieb, 7. Jg., S. 24-29.

Penman, S. H. (2004): Financial statement analysis and security valuation, Boston u.a.

Penman, S. (1980): An empirical Investigation of the Voluntary Disclosure of Corporate Earnings Forecasts, in: Journal of Accounting Research, Vol. 18, S. 132-160.

Penman, S./Sougiannis, T. (1998): A Comparison of Dividend, Cash Flow and Earnings Approaches to Equity Valuation, in: Contemporary Account-ing Research, Vol. 15, S. 343-383.


Perlitz, M. (1973): Die Prognose des Unternehmenswachstums aus Jahresab-schlüssen deutscher Aktiengesellschaften, Bochum.

Petersen, M. A. (2006): Estimating Standard Errors in Finance Panel Data Sets: Comparing Approaches, Working Paper, Kellogg School of Man-agement, Northwestern University.

Pfitzer, N./Oser, P./Orth, C. (2002): Zur Reform des Aktienrechts, der Rech-nungslegung und Prüfung durch das TransPuG, in: Der Betrieb, 55. Jg., S. 157-165.

Pietzsch, L. (2004): Bestimmungsfaktoren der Analysten-Coverage, Bad So-den/Ts.

Pike, R./Meerjanssen, J./Chadwick, L. (1993): The Appraisal of Ordinary Shares by Investment Analysts in the UK and Germany, in: Accounting and Business Research, Vol. 23, S. 489-499.

Plumlee, M. A. (2003): The Effect of Information Complexity on Analysts’ Use of That Information, in: The Accounting Review, Vol. 78, S. 275-296.

Plumlee, M. A./Botosan, C. A. (2007): Are Information Attributes Priced? Working Paper, University of Utah.

Pownall, G./Wasley, C./Waymire, G. (1993): The stock price effect of alter-native types of management earnings forecasts, in: The Accounting Re-view, Vol. 68, S. 896-912.

Preinreich, G. A. (1938): Annual Survey of Economic Theory: The Theory of Depreciation, in: Econometrica, Vol. 6, S. 219-241.

Previts, G./Bricker, R./Robinson, T. (1994): A content analysis of sell-side financial analyst company reports, in: Accounting Horizons, Vol. 8, S. 55-70.

PricewaterhouseCoopers. (2005): Kapitalmarktkommunikation in Deutsch-land, München.

Prigge, C. (2006): Konzernlageberichterstattung vor dem Hintergrund einer Bilanzierung nach IFRS, Düsseldorf.

Quick, R./Kayadelen, E. (2002): Zur Aussagefähigkeit von Prognosen in Emissionsprospekten am Neuen Markt, in: WPg, 55. Jg., S. 949-965.

Radde, J. (2006): Gestaltung und Prüfung der Prognosepublizität in Börsenzu-lassungs-prospekten, Düsseldorf.


Reese, R. (2005): Alternative Modelle zur Schätzung der erwarteten Eigenka-pitalkosten, Working Paper, Ludwig-Maximilians-Universität München.

Reinhold, S. (2006): Post-traumatische Störungen von Behinderten, unveröf-fentlichte Diplomarbeit, Evangelische Fachhochschule Rheinland-Westfalen-Lippe.

Reinganum, M./Smith, J. K. (1983): Investor preference for large firms: new evidence on economies of scale, in: Journal of Industrial Economics, Vol. 32, S. 213-227.

Richardson, S./Siew, H./Wysocki, P. (2004): The Walk-Down of Beatable Analyst Forecasts: The Role of Equity Issuance and Insider Trading Incen-tives, in: Contemporary Accounting Research, Vol. 21, S. 885-924.

Richter, R./Furubotn, E. G. (1996): Neue Institutionenökonomik: Eine Ein-führung und kritische Würdigung, Tübingen.

Ricken, S. (2007): Kreditrisikotransfer europäischer Banken - theoretische Be-gründungsansätze und ihre kapitalmarktempirische Überprüfung anhand von Verbriefungsaktionen, Bochum.

Ridder, C. (2006): Investor Relations-Qualität: Determinanten und Wirkun-gen, Wolfratshausen.

Rogers, J. L./Stocken, P. C. (2005): Credibility of Management Forecasts, in: The Accounting Review, Vol. 80, S. 1233-1260.

Rogers, J. L./van Buskirk, A. (2006): Management Forecasts Bundled with Negative Earnings Surprises: Credibility-Building versus Opportunism, Working Paper, University of Chicago.

Rogers, W. (1993): Regression Standard Errors in Clustered Samples, in: Stata Technical Bulletin, Vol. 13, S. 19-23.

Rosen, R. v./Gerke, W. (2001): Kodex für anlegergerechte Kapitalmarkt-kommunikation, Frankfurt a.M.

Ross, S. (1979): Disclosure Regulation in Financial Markets: Implications of Modern Finance Theory and Signaling Theory, in: Issues in Financial Regulation, hrsg. von Edwards, F. D., New York u.a., S. 177-200.

Rothschild, K. (1969): Wirtschaftsprognose. Methoden und Probleme, Berlin u.a.

Rubinstein, M. E. (1973): A Mean-Variance Synthesis of Corporate Financial Theory, in: Journal of Finance, Vol. 28, S. 167-181.

Rückle, D. (1981): Gestaltung und Prüfung externer Prognosen, in: Manage-ment und Kontrolle, Festgabe für Erich Loitlsberger zum 60. Geburtstag, hrsg. von Seicht, G., Berlin, S. 431-468.


Rückle, D. (1984): Externe Prognosen und Prognoseprüfung, in: Der Betrieb, 37. Jg., S. 57-69.

Rudolph, A. (1998): Prognoseverfahren in der Praxis, Heidelberg.

Rudolph, B. (1986): Neuere Kapitalkostenkonzepte auf der Grundlage der Ka-pitalmarkttheorie, in: Zeitschrift für betriebswirtschaftliche Forschung, 39. Jg., S. 892-898.

Ruhwedel, F. (2003): Eigentümerstruktur und Unternehmenserfolg, Frankfurt a.M.

Sahner, F./Kammers, K. (1984): Der Lagebericht - Gegenwart und Zukunft, in: Der Betrieb, 37. Jg., S. 2309-2316.

Schipper, K. (1991): Analysts' Forecasts, in: Accounting Horizons, Vol. 5, S. 105-121.

Schmalenbach, E. (1962): Dynamische Bilanz, Köln u.a.

Schmidt, U. (1971): Zum Prognoseproblem in der Wirtschaftswissenschaft. Eine Untersuchung auf wissenschaftstheoretischer Grundlage, Dagers-heim.

Schneider, D. (1980): Investition und Finanzierung, Lehrbuch der Investitions-, Finanzierungs- und Ungewißheitstheorie, Wiesbaden.

Schonfeld, K. (1998): The guidance game, in: Fortune vom 21.12.1998, S. 267-268.

Schröder, O. (2002): Unternehmenspublizität und Kapitalmärkte. Eine rechts-vergleichende Untersuchung unter besonderer Berücksichtigung der öko-nomischen Analyse des Rechts, Heidelberg.

Schulz, M. (1999): Aktienmarketing, Berlin u.a.

Schwark, E. (2004): Kapitalmarktrechtskommentar, München.

SEC (1997): Plain English Disclosure. 17 CFR Parts 228, 229, 230, 239 and 274. Release Nos. 33–7497, 34–39593, IC–23011, International Series No. 1113; File No. S7–3–97, RIN 3235–AG88, Washington, D.C.

Selch, B. (2003): Der Lagebericht, Risikoberichterstattung und Aufstellung nach IDW RS HFA 1, Wiesbaden.

Selchert, F./Erhardt/M./Fuhr, A./Greinert, M. (2000): Prüfung des Lagebe-richts einschließlich Konzernlagebericht nach deutschem und internationa-lem Recht, Bielefeld.


Selchert, F./Greinert, M. (2002): Aufstellung des Lageberichts, in: Beck'-sches Handbuch der Rechnungslegung, hrsg. von Castan E. u.a., München.

Sengupta, P. (1998): Corporate disclosure quality and the cost of debt, in: The Accounting Review, Vol. 73, S. 459-474.

Shapiro, S./Wilk, M. (1965): An analysis of variance test for normality (com-plete samples), in: Biometrika, Vol. 52, S. 591-611.

Sharpe, W. F. (1964): Capital asset prices: A theory of market equilibrium under conditions of risk, in: The Journal of Finance, Vol. 19, S. 425-442.

Sieben, F. (2003): Customer Relationship Management als Schlüssel zur Kun-denzufriedenheit, in: Kundenzufriedenheit - Konzepte, Methoden, Erfah-rungen, hrsg. von Homburg, C., Wiesbaden, S. 327-346.

Sienel, W. (1995): Meist positiv, in: Wirtschaftswoche, 49. Jg., S. 78-79.

Simon, H. A. (1957): Models of Man: Social and Rational, Mathematical Es-says on Rational Human Behavior in a Social Setting, New York u.a.

Skinner, D. (1994): Why Firms Voluntarily Disclose Bad News, in: Journal of Accounting Research, Vol. 32, S. 38-60.

Skinner, D. (1997): Earnings disclosure and stockholder lawsuits, in: Journal of Accounting and Economics, Vol. 23, S. 249-282.

Sorg, P. (1984): Zukunftsorientierte Berichterstattung in den Geschäftsberich-ten deutscher Industrie-Aktiengesellschaften - Ergebnisse einer empiri-schen Untersuchung, in: Zeitschrift für betriebswirtschaftliche Forschung, S. 1028-1049.

Spremann, K. (2003): Portfoliomanagement, München u.a.

Stanko, B. B. (2001): Improving financial reporting and disclosure, in: Busi-ness and Economic Review, Vol. 47, S. 21-25.

Stanzel, M. (2007): Qualität des Aktienresearchs von Finanzanalysten, Gießen.

Stata Press. (2007): Longitudinal/Panel Data Release 10, Lakeway Drive, Col-lege Station, Texas.

Steiger, M. (2000): Institutionelle Investoren im Spannungsfeld zwischen Ak-tienmarkliquidität und Corporate Governance, Baden-Baden.

Stickel, S. E. (1992): Reputation and performance among security analysts, in: The Journal of Finance, Vol. 32, S. 38-60.

Stiglitz, J. (1984): Information, screening, and welfare, in: Bayesian Models in economic theory, hrsg. von Boyer, M./Kihlstrom, R., Amsterdam u.a.

Stobbe, T. (1988): Der Lagebericht, in: Betriebs-Berater, 43. Jg., S. 303-311.


Stocken, P. C. (2000): Credibility of voluntary disclosure, in: RAND Journal of Economics, Vol. 31, S. 359-374.

Stoll, H. (1978): The Supply of Dealer Services in Securities Markets, in: Journal of Finance, Vol. 33, S. 1133-1151.

Stotz, O./von Nitzsch, R. (2005): The perception of control and the level of overconfidence: evidence from analyst earnings estimates and price tar-gets, in: The Journal of Behavioral Finance, Vol. 6, S. 121-128.

Theil, H./Boot, J./Kloek, T. (1971): Prognosen und Entscheidungen. Einfüh-rung in Unternehmensforschung und Ökonometrie, Opladen.

Thiele, J. (1993): Kombination von Prognosen, Heidelberg.

Thomas, S. (2002): Firm diversification and asymmetric information: evidence from analysts’ forecasts and earnings announcements, in: Journal of Fi-nancial Economics, Vol. 64, S. 373-396,

Thomson Financial (1998): I/B/E/S Detail History, London.

Thomson Financial (2001): I/B/E/S on Datastream, London.

Thomson Financial (2003): Glossary I/B/E/S Summary History - Version 2.0, New York.

Tietzel, M. (1981/82): Über die Unmöglichkeit von Wirtschaftsprognosen, in: List-Forum, S. 31-44.

Tobin, J. (1957): Liquidity preference as behaviour towards risk, in: Review of Economic Studies, Vol. 25, S. 65-86.

Tong, H. (2007): Disclosure standards and market efficiency: Evidence from analysts' forecasts, in: Journal of International Economics, Vol. 72, S. 222-241.

Trueman, B. (1986): Why do managers voluntarily release earnings forecasts? in: Journal of Accounting and Economics, Vol. 8, S. 53-71.

Trueman, B. (1994): Analyst forecasts and herding behavior, in: Review of Financial Studies, Vol. 7, S. 97-124.

Tversky, A./Kahneman, D. (1982): Judgement under uncertainty: Heuristics and biases, in: Judgement under uncertainty: Heuristics and biases, hrsg. von Kahneman D./Slovic, P./Tversky, A., S. 3-20.


Urban, D./Mayerl, J. (2006): Regressionsanalyse: Theorie, Technik und An-wendung, Wiesbaden.

Veall, M./Zimmermann, K. (1994): Evaluating Pseudo R2's for Binary Probit Models, in: International Journal of Methodology, Vol. 28, S. 151-164.

Verbeek, M. (2005): A Guide to Modern Econometrics, 2. Aufl., Chichester.

Verdi, R. S. (2005): Information Environment and the Cost of Equity Capital, Working Paper, Massachusetts Institute of Technology.

Verrecchia, R. (1983): Discretionary Disclosure, in: Journal of Accounting and Economics, Vol. 5, S. 179-194.

Verrecchia, R. (2001): Essays on disclosure, in: Journal of Accounting and Economics, Vol. 32, S. 97-180.

Von Auer, L. (2005): Ökonometrie, Berlin u.a.

Wagenhofer, A. (1990): Informationspolitik im Jahresabschluß, Heidelberg.

Wagenhofer, A./Ewert, R. (2003): Externe Unternehmensrechnung, Berlin u.a.

Wallmeier, M. (2005a): Analysts’ Earnings Forecasts for DAX100 Firms dur-ing the Stock Market Boom of the 1990s, in: Financial Markets and Port-folio Management, Vol. 19, S. 131-151.

Wallmeier, M. (2005b): Gewinnprognosen von Finanzanalysten: Ein europäi-scher Vergleich, in: Finanzbetrieb, 7. Jg., S. 744-750.

Wasser, G. (1976): Bestimmungsfaktoren freiwilliger Prognosepublizität. Eine empirische Untersuchung auf Basis eines Modells zur Bewertung des In-formationsgehalts veröffentlichter Unternehmungsprognosen, Düsseldorf.

Waymire, G. (1985): Earnings volatility and voluntary management forecasts disclosure, in: Journal of Accounting Research, Vol. 23, S. 268-295.

Waymire, G. (1986): Additional evidence on the accuracy of analyst forecasts before and after voluntary management earnings forecasts, in: The Ac-counting Review, Vol. 61, S. 129-142.

Wenzler, C. (1994): Die Komponenten des Geschäftsberichts: Abgrenzung und Prüfung unter besonderer Berücksichtigung des freien Teiles, Frank-furt a.M.


Werner, U. (1991): Die Messung des Unternehmenserfolgs auf Basis einer kommunikationstheoretisch begründeten Jahresabschlußanalyse, Wiesba-den.

Wersig, G. (1974): Information - Kommunikation - Dokumentation, Pullach.

Wesseling, E. (1991): Individuum und Information: Die Erfassung von Infor-mation und Wissen in ökonomischen Handlungstheorien, Tübingen.

White, H. (1980): A Heteroskedasticity-Consistent Covariance Matrix Estima-tor and a Direct Test for Heteroskedasticity, in: Econometrica, Vol. 48, S. 817-838.

Wichels, D. (2002): Gestaltung der Kapitalmarktkommunikation mit Finanz-analysten, Wiesbaden.

Widmer, H. (1972): Zur Erweiterung der Berichterstattung im Geschäftsbe-richt der AG, Zürich.

Wild, J. (1970): Probleme der theoretischen Deduktion von Prognosen, in: Zeitschrift für die gesamte Staatswissenschaft, 126. Jg., S. 553-576.

Wild, J. (1982): Grundlagen der Unternehmungsplanung, Opladen.

Williams, J. (1964): The Theory of Investment Value, Amsterdam.

Williams, P. (1996): The Relation between a Prior Earnings Forecast by Man-agement and Analyst Response to a Current Management Forecast, in: The Accounting Review, Vol. 71, S. 103-113.

Williamson, O. E. (1985): The economic institutions of capitalism: Firms, markets, relational contracting, New York u.a.

Wittmann, W. (1959): Unternehmung und unvollkommene Information, Köln.

Wooldridge, J. (2002): Econometric Analysis of Cross Section and Panel Data, Cambridge, Massachusetts u.a.

Wooldridge, J. (2003): Introductory Econometrics, Mason, Ohio.

Zacharias, E. (1998): Börseneinführung mittelständischer Unternehmen - Rechtliche Grundlagen und strategische Konzepte bei der Vorbereitung des Going Public, Bielefeld.

Zamagna, P. S. (2000): Erwartungskorrekturen am Kapitalmarkt kommunizie-ren, in: Investor Relations. Professionelle Kapitalmarktkommunikation, hrsg. von Deutscher Investor Relations Kreis e.V., Wiesbaden, S. 273-285.


Zimmermann, H. (1997): Neuronale Netze als Prognosetool in der Ökonomie, in: Neue Ansätze der Prognostik, hrsg. von Fulda, E. M., Frankfurt a.M. u.a., S. 61-77.

Zwehl, W. v. (1968): Untersuchung zur Erstellung einer Planbilanz als Ergän-zung des Jahresabschlusses, Berlin.

U W E M I C H A E L N Ö L T E , M B A

PERSÖNLICHE DATEN

Geburtsdatum: 26.05.1977

Familienstand: ledig

Staatsangehörigkeit: deutsch

AUSBILDUNG

03/2003 – 03/2008 11/2002 08/2000 - 05/2001 08/1999 10/1997 - 11/2002 09/1996 - 07/1997 06/1996

Wissenschaftlicher Mitarbeiter am Lehrstuhl für Internationale Unternehmensrechnung der Ruhr-Universität Bochum Übungsleiter im Bereich IFRS, HGB & Unternehmensbewertung Abschluss als Diplomkaufmann an der Universität Mannheim (1,8) Spezialisierung im Bereich Finanzierung und Bilanzierung Thema: „Kritische Analyse der Thesen Ballwiesers zur Verbindung von Ertragswertverfahren und DCF-Verfahren“ (1,7) Studium an der Western Illinois University (USA) und Abschluss des MBA (GPA 4,0) Vordiplom (2,1 / Abschluss unter den besten 12% des Jahrgangs) Studium der BWL an der Universität Mannheim Wehrdienst im Bundesministerium der Verteidigung Abitur am Karolinengymnasium Frankenthal (2,1)

BERUFLICHE TÄTIGKEITEN UND PRAKTIKA

06/2008 – 06/2001 - 09/2001 05/2001 - 06/2001 08/2000 - 05/2001 04/2000 - 08/2000

KPMG – Köln – Corporate Finance/Valuation – Vollzeit Mitarbeit bei Unternehmensbewertungen, Purchase Price Allocations, Impairment Tests und Artikeln zur Bilanzierung immaterieller Vermögenswerte PricewaterhouseCoopers – Frankfurt – Corporate Finance – Praktikant Mitarbeit bei der Erstellung von Unternehmensbewertungen sowie von Markt- und Wettbewerbsstudien, Unternehmensrecherchen und Kennzahlenanalysen Arthur Andersen – Frankfurt – Auditing & Tax – Praktikant Mitarbeit bei der Prüfung einer Kapitalanlagegesellschaft Analyse einer Software zum Vermögenscontrolling Western Illinois University - USA Tätigkeit als Assistent des stellv. Dekans Fachhochschule Ludwigshafen Tutor im Fach Statistik

U W E M I C H A E L N Ö L T E • W E R T H M A N N S T R A ß E 2 2 • 5 0 9 3 5 K Ö L N

T E L . : 0 1 7 7 / 3 4 2 9 6 4 9 • E - M A I L : N O E L T E @ G M X . D E

02/2000 - 05/2000 08/1999 - 10/1999

Unilever / DiverseyLever – Mannheim – Praktikant Mitarbeit in den Bereichen Controlling & Marketing DaimlerChrysler – Mannheim – Interviewer für eine Studie zur Kundenzufriedenheit

INTERESSEN UND ENGAGEMENT

• Dozent im Fach Bilanzen (HGB, Grundstudium) und internationale Rechnungslegung (IFRS, Hauptstudium) an der Fachhochschule für Ökonomie und Management (FOM), Essen

• Dozent im Studiengang "Qualified Financial Consultant" der Deutsche Bank AG (Bilanzanalyse)

• Dozent im Rahmen von In-House Seminaren der ThyssenKrupp Steel AG (Wertorientiertes Management)

• CFA – Level II bestanden • Teilnehmer am KPMG European Doctoral Colloquium in Accounting im

Rahmen des Kongresses der European Accounting Association (EAA, Dublin, Irland) 2006

• Teilnehmer am Workshop „Advanced Financial Accounting“ (University of Tilburg, Niederlande), Dezember 2006

• Tutor in General Management (Western Illinois University)

SPRACHKENNTNISSE

• Deutsch (Muttersprache) • Englisch (verhandlungssicher) • Französisch (gut)

PC – KENNTNISSE

SPRACHKENNTNISSE

• MS – Office (sehr gut) • SPSS (Grundlagen) • Datastream (gut)

AUSZEICHNUNGEN

• Stipendiat der Julius - Paul - Stiegler Stiftung • Stipendiat der Alwin - Reemtsma Stiftung • Stipendium der Studiengebühren in den USA • Aufnahme in das Beta - Gamma - Sigma Chapter of Business • Ehemaliger Pfalzmeister im Tischtennis

U W E M I C H A E L N Ö L T E • W E R T H M A N N S T R A ß E 2 2 • 5 0 9 3 5 K Ö L N

T E L . : 0 1 7 7 / 3 4 2 9 6 4 9 • E - M A I L : N O E L T E @ G M X . D E

VERÖFFENTLICHUNGEN

• Nölte, U., CFA – Yes…No…Maybe…I don’t know, in: Finanzbetrieb, 10. Jg. (2008), S. 623-626.

• Crasselt, N./Nölte, U., Aktienbewertung mit dem Abnormal Earnings Growth Model, in: Finanzbetrieb, 9. Jg. (2007), S. 523-531.

• Nölte,U./Weinreis, M./Mezhova, L., Praxis der Bilanzierung von Gemeinschaftsunternehmen nach IAS 31, in: Praxis der internationalen Rechnungslegung (PiR), Heft 6/2007, S. 264-267.

• Pellens,B./Nölte, U./Berger, O., Ergebnisprognosen durch das Management - Sind die Managementprognosen der DAX-Unternehmen zu pessimistisch?, in: Finanzbetrieb (FB), 9. Jg. (2007), S. 24-29.

• Pellens,B./Neuhaus, S./Nölte, U., Konzernergebnis und Earnings per Share, in: Betriebliches Rechnungswesen und Controlling im Spannungsfeld von Theorie und Praxis - Festschrift für Prof. Dr. Jürgen Graßhoff zum 65. Geburtstag (2005), S. 31-53.

• Jödicke,D./Nölte, U., IFRS-Forum - Anwendungsfragen und praktische Konsequenzen der IFRS, in: Kapitalmarktorientierte Rechnungslegung (KoR), Vol. 2 (2005), S. 88-92.

• Nölte, U./Richard M., First-time Adoption of IFRS und Goodwill-Bilanzierung, in: Steuern und Bilanzen (StuB), 4. Jg., (2003), S. 697-701

• Pellens, B./Detert, K./Nölte, U./Sellhorn, T., Enforcement von Rechnungslegungsregeln (KoR), 4. Jg. (2004), S. 1-4.

• Basche,K./Nölte, U., Reporting Comprehensive Income und bilanzielle Behandlung von Entsorgungs-, Rekultivierungs- und ähnlichen Verpflichtungen in: Kapitalmarktorientierte Rechnungslegung (KoR), Vol. 4 (2004), S. 36-39

• Pellens,B./Jödicke, D./Nölte, U., Lobbyisten streben nach Einfluss auf Bilanzregeln - Übernahme der IFRS durch die EU ist kompliziert, in: Handelsblatt Nr. 232 vom 29.11.2004, S. 15.

• Pellens,B./Jödicke, D./Nölte, U., Vorsicht beim Gewinn je Aktie nach IFRS, in: Handelsblatt Nr. 239 vom 08.12.2004, S.16.

• Nölte, U., Determinanten der Präzision von Managementprognosen – eine empirische Analyse der DAX und MDAX – Unternehmen, eingereicht bei “Zeitschrift für Betriebswirtschaft“ (ZfB)

• Nölte, U., Baranski, K., Analystenschätzungen und die Qualität der Finanzberichterstattung – eine empirische Untersuchung für den deutschen Kapitalmarkt, eingereicht bei „Die Betriebswirtschaft“ (DBW)

• Nölte, U., Cost of equity capital and the quality of voluntary disclosure, in progress

Managementprognosen, Analystenschätzungen und ... · MANAGEMENTPROGNOSEN, ANALYSTENSCHÄTZUNGEN...

Documents

Transcript of Managementprognosen, Analystenschätzungen und ... · MANAGEMENTPROGNOSEN, ANALYSTENSCHÄTZUNGEN...