Genauigkeit von Gewinnprognosen und Effekte zusätzlicher Prognosen

Diploma Thesis , 2011 , 90 Pages , Grade: 1,7

Business economics - Controlling

In einer sich in immer stärkerer Weise globalisierenden Gesellschaft sind, aufgrund moderner Informations- und Kommunikationstechnologien, Informationen so gut wie überall,
jederzeit und auf schnellem Wege verfügbar. Dies hat zweifelsfrei den Vorteil, dass im Rahmen einer Entscheidungsfindung auf eine breite Informations- und Datenbasis Rückgriff genommen werden kann. Neben diesen positiven Aspekten ergeben sich jedoch auch einige problematische Perspektiven. Die Exponiertheit bzgl. der Informationen und Daten macht es zum Einen erforderlich, hinsichtlich der Informationen zu filtern, welche von Entscheidungsrelevanz sind. Zum Anderen muss zeitgleich eine Beurteilung von Qualität und Güte dieser Informationen stattfinden, um die Entscheidung nicht von Vorhinein auf einer unvorteilhaften Basis fußen zu lassen.

Inhaltsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Thematik und Fragestellung
1.2 Zielsetzung und Vorgehensweise

2 Finanzanalysten als Kapitalmarktakteure
2.1 Definition und Klassifikation von Finanzanalysten
2.2 Analyseformen
2.2.1 Technische Analyse
2.2.2 Fundamentalanalyse
2.3 Nutzen und Nutznießer der Analysetätigkeit
2.3.1 Erklärungsansätze für die Existenz von Finanzanalysten
2.3.2 Profiteure der Analysetätigkeit
2.3.3 Finanzanalysten als Forschungsgebiet
2.4 Regulierungsaspekte

3 Finanzmarktprognosen und Prognosegenauigkeit
3.1 Gewinnprognosen als Teil der Analysetätigkeit
3.2 Messung von Prognosefehlern
3.2.1 Absolute Fehlermaße
3.2.2 Relative Fehlermaße
3.2.3 Benchmarkbasierte Fehlermaße
3.3 Gewinnprognosen und Verzerrungen
3.4 Einflussfaktoren auf die Prognosegenauigkeit
3.4.1 Verhaltenswissenschaftliche Einflussfaktoren
3.4.1.1 Individuelle Verhaltensanomalien
3.4.1.2 Kollektive Verhaltensanomalien
3.4.2 Einfluss von Interessenkonflikten
3.4.2.1 Prinzipal-Agent-Theorie
3.4.2.2 Prinzipal-Agent Beziehungen in der Finanzanalyse
3.4.3 Weitere Einflussfaktoren
3.4.3.1 Einflussfaktoren auf Analystenebene
3.4.3.2 Einflussfaktoren aufUnternehmensebene
3.4.3.3 Einflussfaktoren auf staatlicher Ebene
3.5 Signalwirkung spezieller Merkmale von Finanzanalysten

4 Effekte zusätzlich prognostizierter Elemente
4.1 Gewinnprognosen in Kombination mit Umsatzprognosen
4.1.1 Datengrundlage derUntersuchung
4.1.2 Marktreaktionen auf ergänzte Prognosen
4.1.3 Einfluss auf die Prognosegenauigkeit
4.1.4 Zusammenfassung und Diskussion der Wirkungsweisen
4.2 Gewinnprognosen in Kombination mit Cash-Flow Prognosen
4.2.1 Datengrundlage derUntersuchung
4.2.2 Einfluss auf die Prognosegenauigkeit
4.2.3 Ursachen der Prognoseverbesserung
4.2.4 Zusammenfassung und Diskussion der Wirkungsweisen
4.3 Gewinnprognosen in Kombination mit Investitionshinweisen
4.3.1 Datengrundlage derUntersuchung
4.3.2 Einfluss auf die Prognosegenauigkeit
4.3.3 Beständigkeit der Ergebnisse
4.3.4 Zusammenfassung und Diskussion der Wirkungsweisen

5 Unternehmensmanagement und Gewinnprognosen
5.1 Beeinflussung von Gewinnen - Earnings Management
5.2 Beeinflussung von Erwartungen - Forecast Management
5.3 Wechselwirkungen - Earnings Game

6 Fazit

Anhang

Literaturverzeichnis

Rechtsquellenverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten.

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten.

Abbildungsverzeichnis

Abbildung 1: Informationsverarbeitung durch Finanzanalysten

Abbildung 2: Finanzanalysten als Informationsintermediäre

Abbildung 3: Forschungsfelder der Finanzanalyse

Abbildung 4: Verzerrte Gewinnprognosen

Abbildung 5: Beispiele für kognitive Verhaltensanomalien

Abbildung 6: ExtremePrognosen

Abbildung 7: Weitere Determinanten der Prognosequalität

Abbildung 8: Erweiterung des Forschungsgebietes

Abbildung 9: Beispiel einer Aktienempfehlung

Abbildung 10: Beispiel für Expectations Management

Tabellenverzeichnis

Tabelle 1: Buy-Side und Sell-Side Analysten

Tabelle 2: Formen der Informationseffizienz

Tabelle 3: Rechenbeispiel zum ME und MAE

Tabelle 4: Rechenbeispiel zu quadratischen Fehlermaßen

Tabelle 5: Rechenbeispiel zu relativen Fehlermaßen

Tabelle 6: Rechenbeispiel zum Theilschen Prognosefehlermaß

Tabelle 7: Variablen der Regressionsgleichung [8] bis [9]

Tabelle 8: Zusammenfassung der Untersuchungsvariablen

Tabelle 9: Berechnung des Nettogewinns

Tabelle 10: Variablen der Regressionsgleichungen [10] bis [13]

Tabelle 11: Beispiel zur Disaggregation des Gewinns

Tabelle 12: Berechnung der Cash-Flow Größen

Tabelle 13: Variablen der Regressionsgleichungen [14] bis [21]

Tabelle 14: Variablen der Regressionsgleichungen [22] bis [23]

Tabelle 15: Techniken des Earnings Managements

1 Einleitung

In einer sich in immer stärkerer Weise globalisierenden Gesellschaft sind, aufgrund mo­derner Informations- und Kommunikationstechnologien, Informationen so gut wie über­all, jederzeit und auf schnellem Wege verfügbar. Dies hat zweifelsfrei den Vorteil, dass im Rahmen einer Entscheidungsfindung auf eine breite Informations- und Datenbasis Rückgriff genommen werden kann. Neben diesen positiven Aspekten ergeben sich je­doch auch einige problematische Perspektiven. Die Exponiertheit bzgl. der Informatio­nen und Daten macht es zum Einen erforderlich, hinsichtlich der Informationen zu fil­tern, welche von Entscheidungsrelevanz sind. Zum Anderen muss zeitgleich eine Beur­teilung von Qualität und Güte dieser Informationen stattfinden, um die Entscheidung nicht von Vorhinein auf einer unvorteilhaften Basis fußen zu lassen.

1.1 Thematik und Fragestellung

Gerade im Finanz- und Wirtschaftsleben ist der Umgang mit Informationen in hohem Maße von Bedeutung. Finanzanalysten und im Speziellen Sell-Side Analysten bilden eine elementare Gruppe innerhalb der Akteure auf dem Kapitalmarkt. Sie sind aufgrund ihrer Tätigkeit der Informationssuche, -verarbeitung und -Weitergabe als klassische In­formationsintermediäre zu bezeichnen. Im Rahmen dieser Prozesskette der Intermediati­on ergeben sich multiple Einflüsse auf die Qualität der Analyseergebnisse. Diese Ergeb­nisse der Finanzanalyse stellen wiederum einen bedeutsamen Ausgangspunkt von Ent­scheidungskalkülen weiterer Kapitalmarktteilnehmer wie privater und institutioneller Investoren dar. Für sie ist somit das Wissen um qualitätsbeeinflussende Faktoren von immanenter Wichtigkeit, um das Risiko einer Investitionsentscheidung von Vorhinein (ex-ante) adäquat zu ermessen und dementsprechend in ihr Entscheidungskalkül einzu­beziehen.

Einen bedeutenden Teil der Finanzanalyse bildet das Erstellen von Prognosen und spezi­ell die Erstellung von Gewinnprognosen für betrachtete Unternehmen. Die Qualität und Güte dieser Vorhersagen lässt sich im Nachhinein (ex-post) durch Vergleich von pro­gnostiziertem und realisiertem Wert in Form des Prognosefehlers erfassen. Diese Opera­tionalisierung macht es konkret an dieser Stelle möglich, der Frage nach Einflussfakto­ren und Determinanten der Genauigkeit und somit der Qualität der Analyseergebnisse nachzugehen. Neben speziellen Charakteristika von Finanzanalysten und ihren Progno­sen steht dabei die Frage im Raum, in wie weit sich zusätzliche Prognosen und deren Offenlegung wie etwa eine Vorhersage des Umsatzes neben der des Gewinns auf die Prognosegenauigkeit auswirken.

1.2 Zielsetzung und Vorgehensweise

Die vorliegende Arbeit soll einen Überblick sowohl über individuelle Faktoren von Fi­nanzanalysten als auch externe Determinanten geben, welche die Qualität von Gewinn­prognosen beeinflussen. Zusätzlich erfolgt die Darstellung und Diskussion eines relativ neuen Schwerpunktes der Kapitalmarktforschung, welcher in diesem Kontext die Wir­kung zusätzlich prognostizierter Elemente - wie etwa des Umsatzes eines betrachteten Unternehmens - untersucht.

Die Arbeit bedient sich dabei nachfolgender Gliederung: Kapitel 1 dient als Einführung in die Thematik und stellt die Problematik sowie den Aufbau der Arbeit dar. Das darauf folgende Kapitel 2 gibt einen Umriss der im Fokus stehenden Kapitalmarktakteure und ihrer Tätigkeit. Mit Kapitel 3 beginnt der Hauptteil der Arbeit durch Vorstellung des Be­reichs der Gewinnprognosen und dem Aspekt der Prognosegenauigkeit. Ebenfalls zum Hauptteil der Arbeit zählt Kapitel 4, welches - basierend auf den Erkenntnissen in Kapi­tel 3 - die Darstellung hinsichtlich der Auswirkungen zusätzlich bereitgestellter Ele­mente durch die Analysten übernimmt. In Kapitel 5 rückt anschließend mit dem Mana­gement des Unternehmens eine weitere Gruppe der Ersteller von Gewinnprognosen in den Betrachtungsraum bevor im Rahmen einer Zusammenfassung mit Kapitel 6 die vor­liegende Arbeit endet.

2 Finanzanalysten als Kapitalmarktakteure

Bevor die Qualität von Gewinnprognosen untersucht werden kann, bedarf es als Grund­lage für das Verständnis der weiteren Ausführungen dieser Arbeit einer genaueren Erfas­sung der handelnden Personen sowie ihrer Tätigkeit. Aus diesem Grund soll das aktuelle Kapitel einen Überblick über Finanzanalysten, ihre Aktivitäten in Form der Finanzana­lyse und deren Nutzen für den Kapitalmarkt und die dort agierenden Individuen und In­stitutionen geben.

2.1 Definition und Klassifikation von Finanzanalysten

Finanzanalysten lassen sich als professionelle Kapitalmarktakteure definieren, welche auf Basis unternehmerisch publizierter Daten und weiterer ihnen zur Verfügung stehen­den Marktinformationen Wertpapiere auf dem Kapitalmarkt wie z.B. Aktien und Anlei­hen analysieren und bewerten (Finanzanalyse).^[1] Grundlage dafür bilden neben individu­ellen Fähigkeiten und Fertigkeiten der Analysten der Einsatz von Kennzahlen und ma­thematischen Modellen zur Bewertung verschiedener Investitionsmöglichkeiten. Das in der Öffentlichkeit wohl bekannteste Ergebnis ihrer Tätigkeit bilden Aktienempfehlun­gen, d.h. Hinweise in der Form, eine spezielle Aktie im Bestand zu halten (hold bzw. neutral), zu kaufen (buy bzw. kaufen) oder zu verkaufen (sell bzw. verkaufen). Des Wei­teren zählen Prognosen und Analyseberichte für betrachtete Unternehmen zu den essen­tiellen Resultaten der Analysetätigkeit. In Summe lassen sich folglich Arbeitsergebnisse von Finanzanalysten unter dem Begriff Informationsprodukte oder -güter zusammenfas­sen. Abbildung 1 verdeutlicht den Prozess der Informationssammlung, -verarbeitung und -weitergabe im Rahmen der Finanzanalyse.

Abbildung 1: Informationsverarbeitung durch Finanzanalysten

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Vgl. Ramnath/Rock/Shane (2008), S. 37.

Die Personengruppe der Finanzanalysten ist keinesfalls als homogen zu betrachten. Im Wesentlichen lassen sich zwei große Blöcke identifizieren und differenzieren.^[2]

Zum Einen besitzen institutioneile Investoren wie Investmentgesellschaften oder Versi­cherungen eigene Researchabteilungen. Dort beschäftigte Analysten haben zum Ziel, ih­rem Arbeitgeber bzw. dem verantwortlichen Portfoliomanager durch Sammeln und Auf­bereiten von Informationen zu einer sachlich fundierten Investitionsentscheidung zu verhelfen und fungieren faktisch als Anlageberater. Vertreter dieser Kategorie werden als Buy-Side Analysten bezeichnet.

Die konträre Gruppe bilden Vertreter der Sell-Side Analysten. Diese stehen im Ange­stelltenverhältnis mit Broker-Unternehmen oder Investmentbanken, d.h. mit Institutio­nen, welche originär im Wertpapierhandel und Asset-Management verhaftet sind. Diese Analystenposition weist folglich eher distributiven als beratenden Charakter auf, da ihre Tätigkeit eine externe Zielkomponente beinhaltet. Erstellte Berichte, Prognosen und Empfehlungen sind an bestehende Kunden bzw. potentielle Neukunden des Arbeitge­bers (private und institutionelle Investoren) und nicht in erster Linie an diesen selbst ge­richtet. Diese institutionelle Unterscheidung der Finanzanalysten kann anhand einiger weiterer Gesichtspunkte noch vertieft werden. Tabelle 1 fasst dies in einer Übersicht zu­sammen.

Tabelle 1: Buy-Side und Sell-Side Analysten

Quelle: Eigene Darstellung nach Groysberg/Healy/Chapman (2008), S. 25-27.

Abbildung in dieser Leseprobe nicht enthalten.

Im Rahmen dieser vorliegenden Arbeit sind mit dem Begriff (Finanz-)Analysten aus­schließlich Sell-Side Analysten gemeint. Bei Aussagen zu Wertpapieren und deren Ana­lyse wird repräsentativ von Aktien ausgegangen.

2.2 Analyseformen

Finanzanalysten sammeln und werten Informationen aus, um in einem abschließenden Urteil eine Handlungsempfehlung zu geben. Im Rahmen der Wertpapieranalyse kann konzeptionell zwischen zwei Grundformen unterschieden werden.^[3]

2.2.1 Technische Analyse

Bei der technischen Analyse werden historische Marktdaten mittels Kennzahlen oder Schaubildern aufbereitet und anschließend analysiert. Grundannahme dieser Analyse­form ist es, dass sich Informationen auf dem Kapitalmarkt nur langsam ausbreiten und als Folge Trends entstehen können. Kurssteigerungen werden als Indiz für das Vorliegen guter Nachrichten gesehen, ein Abfallen des Kurses dementsprechend als Signal für ne­gative Nachrichten. Diese Beobachtung wird genutzt, um die zukünftige Kursentwick­lung zu prognostizieren (Richtungsprognose).

Problematisch an diesem Vorgehen ist zum Einen der Rückschluss von einer beobachte­ten Kursreaktion auf das Vorliegen einer entsprechenden Information und zum Anderen die Tatsache, dass Erfahrungswerte der Analysten im hohen Maße einfließen und Inter­pretationsspielräume bei der Deutung der Daten gegeben sind.

2.2.2 Fundamentalanalyse

Im Vergleich zur technischen Analyse weist die Fundamentalanalyse einen weitaus hö­heren Grad an Komplexität auf. Sie versucht unter Einsatz spezieller Bewertungsmodel­le wie etwa dem Dividenden-Barwert-Modell (Dividend Discount Model, DDM) oder den Diskontierte-Cash-Flow Methoden (Discounted Cash-Flow, DCF) den fairen Kurs einer Aktie (respektive den fairen Unternehmenswert) zu bestimmen. Zu den Inputpara­metern der Analyse gehören neben publizierten Unternehmensdaten (Financial State­ment etc.) und deren Aufbereitung auch Prognosen über die zukünftige Entwicklung (Gewinne, Zinsen, Wachstumsraten etc.) sowie qualitative Aspekte des Unternehmens­geschehens und umweltbezogene Daten. Ziel ist es, die Ertragskraft des Unternehmens in der Zukunft so exakt wie möglich zu erfassen und zu bewerten (innerer Wert der Ak­tie bzw. des Unternehmens). Der Vergleich zwischen ermitteltem fairen Wert und aktu- ellem Marktwert, welcher sich in Form einer Über- oder Unterbewertung manifestiert, bildet die Grundlage der Analystenempfehlung.

Der modellgestützte Ansatz liefert im Vergleich zwar eine ökonomisch begründete Ein­schätzung, ist aber letztlich ebenfalls mit Unsicherheit behaftet, z.B in Form hoher Pro­gnoseunsicherheiten oder in der Bestimmung geeigneter Diskontierungssätze.

2.3 Nutzen und Nutznießer der Analysetätigkeit

Die Thematik, welchen Nutzen Finanzanalysten auf dem Kapitalmarkt erbringen, wirft zuvor eine Frage von existenzieller Natur auf. Erst wenn geklärt ist, warum Finanzana­lysten als Institution auf dem Kapitalmarkt agieren, empfiehlt es sich, auf den Nutzen ihrer Arbeit und deren Profiteure zu sprechen zu kommen.

2.3.1 Erklärungsansätze für die Existenz von Finanzanalysten

Die Existenz von Finanzanalysten ist eng verknüpft mit der Thematik informationseffi­zienter Märkte. Ein in diesem Sinne effizienter Markt ist dadurch gezeichnet, dass sämt­liche bewertungsrelevanten Informationen sich direkt in den Preisen der gehandelten Wertpapiere niederschlagen (Effizienzmarkthypothese).^[4] Tabelle 2 zeigt verschiedene Ausprägungen der Effizienz hinsichtlich der zu Grunde liegenden Informationsmenge.

Tabelle 2: Formen der Informationseffizienz

Abbildung in dieser Leseprobe nicht enthalten.

Quelle: Eigene Darstellung nach Fama (1970), S. 383.

Ist der Kapitalmarkt auch nur im mittelstarken Sinne informationseffizient, so ist eine Researchtätigkeit, wie von den Analysten vorgenommen, mit keinem zusätzlichen Nut- zen verbunden und kein Kapitalmarktteilnehmer wäre bereit, diese Arbeit zu entlohnen. Sowohl eine technische als auch eine Fundamentalanalyse wären überflüssig, da alle re­levanten Informationen bereits in den Preisen der Wertpapiere enthalten sind.

Die Frage nach dem Grad der Informationseffizienz real existierender Märkte ist Ge­genstand zahlreicher Studien und Untersuchungen, wobei ein einheitliches und eindeuti­ges Bild zur empirischen Evidenz der Informationseffizienz auf Märkten nicht konsta­tiert werden konnte.^[5] Als Reaktion auf die Kritik an der Effizienzmarkthypothese etwa durch Grossman und Stiglitz (1980) sieht Fama (1991) den Nutzen des Konzepts eines effizienten Marktes unter Verweis auf real existierende Kosten für den Handel und die Informationsbeschaffung (Transaktionskosten) als Vergleichsgröße (Benchmark), an der sich die Realität messen kann bzw. sollte.^[6] Bestehende Transaktionskosten und somit Marktunvollkommenheiten (z.B. in Form von auftretenden Kosten für die Informations­beschaffung aufgrund einer asymmetrischen Informationsverteilung zwischen Emitten­ten und Anlegern von Wertpapieren) können folglich als Begründung für die Existenz von Finanzanalysten angeführt werden. Sie nehmen auf dem Kapitalmarkt eine Interme­diationsfunktion ein, indem sie als Mittler zwischen Produzenten und Konsumenten ei­nes Gutes agieren.^[7] In diesem Fall handelt es sich bei diesem Gut um Kapitalmarktinfor­mationen. Diese werden von den Analysten gesammelt, aufbereitet und an interessierte Investoren kommuniziert. Durch Spezialisierung und Erzielen von Skaleneffekten sind sie dazu befähigt, diesen Prozess kostengünstiger zu verrichten als mögliche alternative Arrangements, wie etwa eine selbständige Informationsbeschaffung und -auswertung durch die Investoren.^[8]

Chung und Jo (1996) sehen zudem Analogien zwischen Finanzanalysten und Rating­agenturen, da sie Entscheidungen des Managements überwachen und publizieren und damit eine disziplinierende Wirkung ausüben können.^[9] Diese Sichtweise auf Finanzana­lysten als Überwachungs- und Kontrollinstanz geht konform mit dem Modell von Dia­mond (1984). In diesem übernimmt ein Finanzintermediär zwischen Anlegern und Ka­pitalnachfragern Überwachungs- und Kontrollaufgaben (delegated monitoring). Wie Diamond aufzeigt, kann dies unter bestimmten Bedingungen zu einer transaktionkosten­optimalen (Minimum an Transaktionskosten) Situation führen.^[10] Das Verhältnis zwi-sehen Investoren und Analysten weist somit Ähnlichkeiten mit einer Prinzipal-Agent Beziehung auf, auch wenn keine explizite Vertragsbeziehungen bestehen. Finanzanalys­ten stellen einen möglichen Schutz gegen opportunistisches Verhalten des Managements dar, das den Interessen von Investoren zuwider laufen kann.^[11] In wie Weit sich in diesem Zusammenhang Konflikte aus dem bestehenden Arbeitsverhältnis der Analysten erge­ben (Ziel- bzw. Interessenkonflikte) und welche Auswirkungen auf ihre Arbeitsergebnis­se damit verbunden sein können, wird an anderer Stelle dieser Arbeit noch aufgegriffen und detaillierter diskutiert werden (vgl. Abschnitt 3.4.2 und Kapitel 5).

Abbildung 2 verdeutlicht die institutionelle Stellung von Finanzanalysten als Informati­onsintermediäre auf dem Kapitalmarkt.

Abbildung 2: Finanzanalysten als Informationsintermediäre

Abbildung in dieser Leseprobe nicht enthalten

Kapitalfluss ► Informationsfluss

Quelle: Vgl. Healy/Palepu (2001), S.408.

2.3.2 Profiteure der Analysetätigkeit

Das Sammeln, Auswerten und Kommunizieren von Unternehmensinformationen durch Finanzanalysten kann das Informationsniveau auf dem Kapitalmarkt steigern. Je besser diese Transformation von privater in öffentliche Information stattfindet, desto eher re­flektieren Preise alle bewertungsrelevanten Informationen. Auf diese Weise tragen Ana­lysten dazu bei, die Effizienz des Kapitalmarktes zu steigern.

Als Teil der Investmentkette unterstützen sie Investoren zudem bei deren Entschei­dungsfindung. Das Aufzeigen und Kommunizieren verschiedener Investitionsmöglich­keiten durch Prognosen und Empfehlungen ermöglicht es, eine Auswahl gemäß indivi­dueller Präferenzen zu treffen.

In diesem Kontext zeigt sich ein wesentlicher Aspekt des Nutzens von Finanzanalysen. Investoren unterliegen bei ihrer Portfoliobildung einem Trade-Off zwischen Risiko auf der einen und Rendite auf der anderen Seite. Dies manifestiert sich in der Art, dass eine höhere Rendite in der Regel nur unter in Kaufnahme eines höheren Risikos möglich ist. Eine höhere Effizienz des Marktes impliziert für Investoren ein geringeres Risiko auf­grund nicht bekannter Informationen einen Verlust zu erleiden. Für ein Unternehmen, welches sich durch den Kapitalmarkt finanziert, bedeutet dies wiederum als Konse­quenz, dass Kapitalkosten niedriger ausfallen, da Renditeforderungen aufgrund geringe­rer Unsicherheit sinken (geringere Risikoprämie).^[12] Neben diesem Einfluss auf Kapital­kosten stellen Finanzanalysen für Unternehmen neben Pflichtpublizität und freiwilliger Kommunikation wie etwa in Form von Public Relations, einen zusätzlichen Weg dar, in Kontakt mit der Öffentlichkeit zu treten und die Aufmerksamkeit zu steigern^[13] Inwie­weit das Management eines Unternehmens hier Einfluss nimmt und Wechselwirkungen mit Analyseergebnissen der Finanzanalysten bestehen, wird in Abschnitt 3.4.2 und Ka­pitel 5 detaillierter dargestellt.

Mit in vorderster Reihe der Nutznießer der Arbeit der Analysten stehen selbstverständ­lich neben ihnen selbst deren Arbeitgeber (Broker-Unternehmen und Investmentbanken). Empfehlungen der beschäftigten Analysten können Einfluss auf das Handelsvolumen von Wertpapieren haben und z.B. Erträge aus Kommissionsgeschäften auf Kosten der Investoren steigern.^[14] Wie bereits angedeutet bietet diese Konstellation von Profitorientierung der Finanzanalysten und ihrer Arbeitgeber auf der einen Seite und Bedarf an unverfälschter objektiver Researchleistung für die Investoren anderer­seits, Raum für mögliche gravierende Interessenkonflikte mit Einfluss auf das Analyse­ergebnis (vgl. Abschnitt 3.4.2).

2.3.3 Finanzanalysten als Forschungsgebiet

Neben ihrer beschriebenen Tätigkeit auf dem Kapitalmarkt stehen Finanzanalysten so­wohl als Personen als auch mit den Ergebnissen ihrer Arbeit im Fokus von Wissenschaft und Forschung. Die Forschung auf dem Gebiet der Finanzanalyse und Finanzmarktpro- gnose lässt sich in verschiedene Aspekte unterteilen. Folgende Abbildung 3 zeigt eine Übersicht über einige wesentliche Forschungsfelder, auf die im Anschluss näher einge­gangen wird.

Abbildung 3: Forschungsfelder der Finanzanalyse

Quelle: Vgl. Ramnath/Rock/Shane (2008), S. 37.

Abbildung in dieser Leseprobe nicht enthalten.

Jedes der Forschungsfelder beschäftigt sich mit einem speziellen Aspekt innerhalb des mit der Arbeit der Finanzanalysten verbundenen Prozesses der Informationssammlung, -Verarbeitung und -Weitergabe. Des Weiteren sind die Ergebnisse der Finanzanalyse so­wie Einflüsse auf deren Qualität von Interesse für die Kapitalmarktforschung.^[15] Im Rahmen der Untersuchung der Entscheidungsprozesse von Analysten wird unter Anderem den Fragen nachgegangen, welche Informationen in ihre Entscheidungsfin­dung eingehen, wie sie diese beeinflussen, und in welcher Weise die Transformation von Informationen in konkrete Prognosen und Empfehlungen stattfindet.

Neben den Entscheidungsprozessen sind Fragen der Kompetenz von Analysten von Be­deutung und Interesse. Dabei zeigt sich Kompetenz in der Fähigkeit, qualitativ höher­wertige (genauere) Prognosen zu erstellen. Gegenstand und Ergebnisse der Untersu­chungen sind Eigenschaften und Merkmale, welche die Kompetenz der Analysten erklä­ren. Obendrein werden in den Studien Umstände beleuchtet, die die Nützlichkeit von Prognosen erhöhen. Diesem Forschungsfeld lassen sich ebenfalls Untersuchungen zu­ordnen, die das Phänomen des Herdentriebs bzw. Herdenverhaltens bei Finanzprogno­sen und seine möglichen Ursachen zum Thema haben.

Ein drittes Feld befasst sich mit dem Informationsgehalt der Ergebnisse der Analys-tenarbeit, d.h. inwieweit werden durch Prognosen der Finanzanalysten Informationen transportiert und in welchem Ausmaß kongruieren diese Prognosen und die Erwartun­gen des Marktes miteinander. Dieser Informationsgehalt betrifft nicht nur Gewinnpro­gnosen, sondern auch Prognosen von Gewinnkomponenten, wie der des Umsatzes. Re­lativ neu in diesem Zusammenhang ist eine Betrachtung kombinierter Wirkungsweisen, z.B. wie reagiert der Markt bei einer revidierten Gewinnprognose bei gleichzeitiger Kaufempfehlung durch die Analysten. Dieser Aspekt der Kombination wird in Kapitel 4 im Rahmen der Wirkung zusätzlicher Prognosen auf die Genauigkeit der Gewinnpro­gnosen ebenfalls zum Tragen kommen.

Im Bereich der Effizienz wird z.B. der Frage nachgegangen, ob die Informationsverar­beitung durch die Analysten auf effiziente Weise stattfindet oder Anzeichen für (syste­matische) Verzerrungen in Form von Unter- oder Überreaktionen hinsichtlich Informa­tionen zu finden sind.

Studien zum Aspekt der Anreize untersuchen die Auswirkungen extrinsischer Motivati­on, wie z.B. die der Entlohnungssysteme oder Karrieregesichtspunkte auf den Ar­beitsprozess und das Arbeitsergebnis von Analysten. In diesem Bereich liegt auch ein möglicher Erklärungsansatz für zuvor beschriebene Verzerrungen bei Prognosen.

Die Effekte, welche das Regelungsumfeld, d.h. gesetzliche Bestimmungen und Stan­dards auf die Arbeit der Finanzanalysten hat, bilden ein weiteres Forschungsfeld. Auch internationale Vergleiche diesbezüglich und weiterer länderspezifischer Unterschiede fallen darunter.

Im letzten Punkt Aspekte des Forschungsdesigns lassen sich Arbeiten subsumieren, die Forschungsergebnisse und bis dato gezogene Schlussfolgerungen bzgl. Finanzana­lysten und Prognosen kritisch hinterfragen. Dies betrifft z.B. die den Arbeiten zu Grun­de liegenden Annahmen oder deren Datengrundlage.

2.4 Regulierungsaspekte

Durch Finanzanalysten generierte Informationsprodukte fließen in Entscheidungskalkü­le von privaten und institutionellen Investoren ein. Aufgrund der weitreichenden Folgen und möglichen Fehlentwicklungen, die damit verbunden sein können, existieren kodifi­zierte Regelungen sowie Standards und Normen für den Bereich der Finanzanalyse auf staatlicher und nicht-staatlicher Ebene, von denen einige im Folgenden kurz umrissen werden sollen.

In Deutschland überwacht in diesem Kontext die Bundesanstalt für Finanzdienstleis­tungsaufsicht (BaFin) als Aufsichtsbehörde den Wertpapierhandel nach Maßgabe des

Wertpapierhandelsgesetzes (WpHG) bezüglich der Einhaltung gestellter Ansprüche an Kompetenz, Transparenz und Organisation. Relevanter Paragraph ist in diesem Zusam­menhang §34b WpHG, welcher neben einer Definition von Finanzanalyse (§34b Absatz 1, Satz 1 WpHG) und Finanzinstrumenten (§34b Absatz 3 WpHG) auch Forderungen an Finanzanalysten hinsichtlich Sachkunde, Sorgfalt und Gewissenhaftigkeit stellt (§34b Absatz 1 WpHG).

Diese sehr allgemein gehaltenen Auflagen des WpHG konkretisieren sich im Rahmen der Finanzanalyseverordnung (FinAnV). Neben Angaben über Ersteller und Verantwort­liche (§2 FinAnV) und Grundsätze sachgerechter Erstellung und Darbietung (§3 Fi­nAnV) widmet sich ein Großteil der Thematik möglicher Interessenskonflikte und deren Aufdeckung in der Finanzanalyse (§5 FinAnV).^[16]

Auf nicht-staatlicher Ebene trägt der Berufsverband Deutsche Vereinigung für Finanz­analyse und Asset Management (DVFA) durch selbstauferlegte Normen und Standards, wie den Grundsätzen ordnungsmäßigen Finanz-Researchs (GoFR), zur Qualitätssiche­rung im Rahmen der Finanzanalyse bei.^[17]

In den USA übt die Securities and Exchange Commission (SEC) die staatliche Aufsicht über Wertpapiergeschäfte aus. Die SEC kann ihre Verantwortung und damit verbundene Kontrollaufgaben im Rahmen der Wertpapieraufsicht an private Einrichtungen oder Un­ternehmen delegieren, welche dann als Self Regulatory Organizations (SROs) Verhal­tens- und Organisationspflichten erlassen und überwachen.^[18] Für den Bereich der Finan­zanalysten hat die Financial Industry Regulatory Authority (FINRA) als wichtigste SRO eine Vielzahl von Regeln und Verboten mit dem Ziel des verbesserten Schutzes von In­vestoren erlassen.^[19]

Als private Organisation agiert in diesem Kontext das CFA-Institute (Berufsverband für Finanzanalysten und Investment-Experten) mit Hauptsitz in den USA und seinem Be­rufsbildungsprogramm zum Chartered Financial Analyst (CFA).^[20]

3 Finanzmarktprognosen und Prognosegenauigkeit

Das vorangegangene Kapitel 2 hat verdeutlicht, wie Finanzanalysten dazu beitragen können, Transaktions- und Kapitalkosten im Rahmen ihrer Rolle als Informationsinter­mediäre auf dem Kapitalmarkt zu senken und ihre Informationsprodukte Eingang in In­vestitionsentscheidungen von Investoren finden zu lassen. Diese Entwicklungen sindje- doch nicht per se gegeben, sondern an gewisse Anforderungen bzw. Erwartungen hin­sichtlich Qualität und Güte der Analysearbeit bzw. deren Ergebnisse geknüpft. Aus die­sem Grunde steht der Aspekt der Qualität, sowie Faktoren, welche diese beeinflussen, im Fokus der vorliegenden Arbeit und des folgenden Kapitels. Konkret treten dabei Ge­winnprognosen und deren Genauigkeit als ein wesentliches Produkt ins Zentrum der Betrachtung.

3.1 Gewinnprognosen als Teil der Analysetätigkeit

Basierend auf ihren Einschätzungen der zukünftigen Entwicklung eines beobachteten Unternehmens geben Finanzanalysten Gewinnprognosen (mit quartalsmäßigem, jährli­chem oder langfristigem Horizont) in Form des erwarteten Gewinns pro Aktie (Earnings per Share, EPS) ab, welche auch zur Fundierung ihrer Empfehlungen dienen^[21] Dabei ist dies kein einmaliges und abgeschlossenes Ereignis, sondern ein kontinuierlicher Prozess im Vorlauf zur Gewinnbekanntgabe durch die Unternehmen (Prognoserevisionen durch die Analysten)^[22] Mit fortschreitendem Unternehmensgeschehen und dem Auftreten neu­er bewertungsrelevanter Informationen wird eine Anpassung der Gewinnerwartungen in positiver oder negativer Hinsicht notwendig. Verschiedene Studien wie etwa Gleason und Lee (2003) dokumentieren anhand der Erzielung abnormaler Renditen, dass durch Gewinnprognosen bzw. deren Revisionen Informationen transportiert und Bewegungen auf dem Kapitalmarkt verursacht werden. Dabei erfolgt der Preisanpassungsprozess nicht unmittelbar sondern verzögert und wird unter Anderem beeinflusst von Quantität und Qualität der Prognoserevision.^[23]

Für private und institutionelle Investoren bilden Gewinnprognosen und Prognoserevi­sionen eine wichtige Orientierungshilfe im Rahmen ihrer Portfoliobildung und dessen Management. Erwartete Marktentwicklungen bzw. Entwicklungen des Gewinns können im Hinblick auf die Profitabilität Investitions- oder Desinvestitionsentscheidungen not­wendig machen. Diese Markterwartungen hinsichtlich zukünftiger Gewinne (Renditeer­wartungen der Investoren) bedingen die bedeutende Rolle von Gewinnprognosen der Analysten im Rahmen der empirischen Kapitalmarktforschung.^[24] In diesem Kontext die­nen Analystenprognosen als Proxy für die Gewinnerwartungen des Marktes, da ihnenim Vergleich zu alternativen Bestimmungsmethoden wie etwa Prognosemodellen basie- rend auf historischen Daten (Prognosen aufbauend auf Zeitreihen) eine Überlegenheit zugeschrieben wird. Als eine mögliche und nicht völlig unumstrittene Ursache dieser Überlegenheit werden dabei unter Anderem die besseren Informationsversorgung und Informationsverarbeitung durch die Finanzanalysten gesehen.^[25] Nichtsdestotrotz unter­oder überschätzen auch Prognosen von Finanzanalysten Gewinne von Unternehmen, was sich in Form von Prognosefehlern offenbart.

3.2 Messung von Prognosefehlern

Die Güte einer Gewinnprognose lässt sich im Nachhinein (ex-post) anhand des Progno­sefehlers, d.h. der Differenz zwischen prognostiziertem und realisiertem Gewinn beur­teilen. Verschiedene Berechnungsmethoden des Fehlers und somit verschiedene Güte­maße sind in der Praxis anwendbar, von denen die bekanntesten im Folgenden kurz vor­gestellt werden.^[26]

Grundsätzlich ist es in diesem Zusammenhang je nach Untersuchungsaspekt und -Per­spektive möglich, zwischen individuellen Prognosen und sogenannten Konsens-Progno­sen mehrerer Analysten zu differenzieren und Prognosefehler zu berechnen. Für die fol­gende Darstellung wird von individuellen Prognosen von Finanzanalysten ausgegan- gen.^[27]

3.2.1 Absolute Fehlermaße

Absolute Fehlermaße berechnen die Abweichung zwischen prognostiziertem und reali­siertem Wert ohne eine weitere Bezugsgröße. Zu der Kategorie dieser Gütemaße zählt der mittlere Fehler (Mean Error, ME), der sich wie folgt berechnet:

Abbildung in dieser Leseprobe nicht enthalten

Der ME beschreibt die durchschnittliche Über- bzw. Unterschätzung der Analystenpro­gnose, wobei Überschätzungen hierbei mit negativen, Unterschätzungen mit positiven Werten in die Berechnung eingehen.^[28] Der Nachteil dieses Maßes besteht in dem statt­findenden Fehlerausgleich, d.h. in der Addition der einzelnen Abweichungen des pro­gnostizierten Wertes (Punktprognosen) (yt) vom realisierten Wert (yt). So kann z.B. eine Überschätzung des Gewinns im Zeitpunkt (t) durch eine Unterschätzung in(t+ 1) kom­pensiert werden. Im Ergebnis ist es folglich möglich, dass bei reiner Betrachtung dieses Maßes, Aussagen zur Prognoseleistung getroffen werden, welche nicht der Realität ent­sprechen.

Alternativ zum ME steht die Berechnung des mittleren absoluten Fehlers (Mean Absolut Error, MAE) zur Verfügung, welcher die durchschnittliche Abweichung zwischen pro­gnostiziertem und realisiertem Wert aufzeigt. Im Gegensatz zum ME findet hierbei kein Fehlerausgleich statt, d.h. es erfolgt keine Saldierung zwischen über- und unterschätzten Werten. Der Wert des MAE berechnet sich anhand der Gleichung:

Abbildung in dieser Leseprobe nicht enthalten.

Zur Verdeutlichung zeigt Tabelle 3 mit Hilfe eines einfachen Zahlenbeispiels die Be­rechnung der beiden absoluten Fehlermaße ME und MAE.

[ Tabelle 3 siehe Anhang ]

Eine Unterkategorie der absoluten Prognosefehler bilden Fehlermaße, welche die auftre­tenden Abweichungen vor der Summierung quadrieren und auf diese Weise die Saldie­rung von Fehleinschätzungen vermeiden. Ein Vertreter dieser Gruppe ist der mittlere quadratische Fehler (Mean Squared Error, MSE):

Mit Hilfe des MSE lässt sich wiederum die Standardabweichung (Root Mean Squared Error, RMSE) als dessen Wurzel berechnen:

Abbildung in dieser Leseprobe nicht enthalten.

Im Unterschied zu den beiden ersten absoluten Maßen werden bei den quadratischen Fehlermaßen evtl. auftretende Ausreißer in der Stichprobe, d.h. große Prognosefehler überproportional gewichtet, weshalb man auch von der Ausreißersensitivität dieser Feh­lermaße spricht. Tabelle 4 zeigt die Berechnung anhand des Beispiels.

[ Tabelle 4 siehe Anhang ]

3.2.2 Relative Fehlermaße

Aus Gründen der Vergleichbarkeit von Prognosen bietet sich der Einsatz relativer (nor­mierter) Fehlermaße an. Diese berechnen die Abweichung zwischen prognostiziertem und realisiertem Wert in Bezug zu einer Referenzgröße.

Zu diesen Gütemaßen zählt zum einen analog zum mittleren Fehler (ME) der mittlere prozentuale Fehler (Mean Percentage Error, MPE), welcher die Prognosefehler z.B. mit­tels Division durch den realisierten Gewinn normiert.^[29] Wie zuvor lässt das Vorzeichen des MPE auf eine durchschnittliche Über- oder Unterschätzung schließen:

Abbildung in dieser Leseprobe nicht enthalten.

Die beiden Maße ME und MPE sind dazu geeignet, systematische Verzerrungen von Prognosen zu beurteilen (vgl. Abschnitt 3.3), da sie diese isoliert (ohne in Kombination mit der Streuung) betrachten.

Äquivalent zum MAE kann der mittlere absolute prozentuale Fehler (Mean Absolut Per­centage Error, MAPE) berechnet werden:

Abbildung in dieser Leseprobe nicht enthalten.

Tabelle 5 zeigt anhand des bekannten Beispiels die Methodik der beiden relativen Feh­lermaße.

[ Tabelle 5 siehe Anhang ]

Bei den zuvor dargestellten Fehlermaßen ist es ebenfalls möglich, z.B. um der Wirkung von Ausreißern zu begegnen, statt des arithmetischen Mittels den Median zu verwen­den, welcher diesbezüglich weniger sensitiv reagiert.

3.2.3 Benchmarkbasierte Fehlermaße

Benchmarkbasierte Fehlermaße setzen ein angewandtes Prognoseverfahren in Bezug zu einem Referenzverfahren, um auf diese Art die Güte des eingesetzten Verfahrens zu be­urteilen.

Als ein Vertreter dieser Maße sei hier das Theilsche U2 dargestellt, welches einen Ver­gleich zu einer naiven Prognose, d.h. einer reinen Fortschreibung der Werte in die Zu-

kunft (yt+i = yt ; Random Walk ohne Drift) erlaubt. Der Wert des Maßes berechnet sich anhand der Gleichung:

Abbildung in dieser Leseprobe nicht enthalten.

Bei der Berechnung werden relative Gewinnveränderungen (Wachstumsraten) miteinan­der verglichen. Dabei stehen (Ayt) für die realisierte und (Ayt) für die prognostizierte Veränderung und erfassen auf diese Art Fehler in der Prognose. Vorteil dieses Maßes ist unter Anderem die einfache Interpretation des Ergebnisses. Optimaler Weise liegt der erhaltene Wert von U2 zwischen Null und Eins und zeigt damit an, dass die Analysten­prognose bessere Ergebnisse als die Benchmark (naive Prognose) liefert. Ein Ergebnis von Eins oder höher impliziert, dass das eingesetzte Prognoseverfahren im Vergleich zur Referenz zu keinen besseren bzw. schlechteren Ergebnissen führt und folglich nicht effi­zient ist und verworfen werden sollte. Tabelle 6 zeigt die Berechnung des Theilschen Fehlermaßes.^[30]

[ Tabelle 6 siehe Anhang ]

3.3 Gewinnprognosen und Verzerrungen

Aus einer konstatierten vermeintlichen Überlegenheit von Prognosen der Finanzanalys­ten gegenüber Zeitreihenmodellen kann wie angeführt nicht ohne Weiteres der Schluss gezogen werden, dass Analysten stets perfekte Prognosen liefern. So zeigt eine Vielzahl von Studien und Untersuchungen, dass Gewinnprognosen von Analysten ungenau sind.^[31]

Gleichzeitig kommen mehrere Untersuchungen zu dem Ergebnis, dass die Gewinnpro­gnosen einerseits nicht nur ungenau, sondern auch im Mittel überwiegend positiv ver­zerrt sind. Eine Verzerrung (bias) besteht in diesem Zusammenhang, wenn sich zwi­schen prognostiziertem und tatsächlichem Wert systematische Differenzen manifestie­ren, welche nicht zufallsbedingt sind und sich als Folge im Mittel nicht ausgleichen.^[32] Im Durchschnitt kommt es in Konsequenz zu systematischen Über- oder Unterschätzun- gen des Untemehmensgewinns.^[33] Im ersten Falle spricht man von optimistisch verzerr­ten, im Letzteren von pessimistisch verzerrten Prognosen.^[34] Abbildung 4 verdeutlicht dies beispielhaft anhand der Verteilungsfunktion der Gewinnprognosen in Form einer systematischen Überschätzung (optimistischer bias). Der Fall pessimistisch verzerrter Prognosen ergibt sich spiegelbildlich.

Abbildung 4: Verzerrte Gewinnprognosen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Vgl. Olsen (1996), S. 38.

Einige ausgewählte Studien können die Thematik der Verzerrungen von Gewinnprogno­sen der Finanzanalysten exemplarisch verdeutlichen.

Easterwood und Nutt (1999) dokumentieren in ihrer Arbeit, dass Analysten auf negative Informationen eine Unterreaktion- und auf positive Informationen eine Überreaktion zeigen. Dieses Ergebnis stützt ihre Sicht der systematisch optimistischen Reaktion von Analysten auf Informationen.

Olsen (1996) zeigt auf, dass mit steigendem Schwierigkeitsgrad der Prognoseerstellung die Gewinnprognosen der Analysten eine Tendenz zum Konsens aufweisen (Herdentrieb bzw. Herdenverhalten). Gleichzeitig veranschaulicht die Studie, dass mit steigendem Herdentrieb eine positive Verzerrung einhergeht, welche durch selbigen verstärkt wird. Richardson, Teoh und Wysocki (1999) beschreiben in ihrer Untersuchung einen dyna­mischen Prozess im Vorfeld der Gewinnbekanntgabe durch die Unternehmen. Demnach findet im Zeitablauf des Geschäftsjahres ein Wechsel von optimistisch hin zu pessimis­tisch verzerrten Prognosen statt. Als Begründung führen sie eine Veränderung des Tra­de-Off in den Anreizen der Analysten an. Dem entsprechend wägen Analysten zum einen zwischen Prognosegenauigkeit als Bewertungskriterium für ihr Prognoseleistung und Zugang zu Informationen für die Erstellung der Prognosen durch ein wohlwollen­des Unternehmensmanagement auf der anderen Seite ab. Je näher der Zeitpunkt der Ge­winnbekanntgabe und damit die Offenlegung ihrer Leistung rückt, desto mehr Gewicht legen sie auf genaue Prognosen. Einen ähnlichen Wechsel vom Optimismus hin zum Pessimismus kann Brown (2001a) für den Kapitalmarkt der USA anführen. Demnach sind die Jahre 1984 bis 1999 durch eben diese Veränderung gekennzeichnet.^[35] Kothari (2001) steht den Anzeichen für das Bestehen verzerrter Analystenprognosen mit Hinweis auf unterschiedliche Untersuchungsrahmen und Untersuchungsdesigns, sowie auf einen dokumentierten kontinuierlich schwindenden Grad an Verzerrung eher skep­tisch gegenüber. Die Einbettung in eine temporale Sichtweise, wie in der Untersuchung von Richardson, Teoh und Wysocki (1999) mit Hinblick auf den Prognosehorizont, er­scheint ihm am sinnvollsten zu sein, was gegen die Persistenz von Verzerrungen spricht.^[36]

Die geschilderte Thematik wirft die generelle Frage nach Einflussfaktoren bzw. Deter- minaten der Prognosegenauigkeit von Finanzanalysten auf, um möglicherweise vor ei­ner Investitionsentscheidung (ex-ante) gute von schlechten Analysten separieren zu kön­nen.

3.4 Einflussfaktoren auf die Prognosegenauigkeit

Entsprechend den Ausführungen von Bessler und Stanzel (2005) können Einflussfakto­ren auf die Genauigkeit von Gewinnprognosen weitgehend in drei Gruppen aufgeteilt werden.^[37]

Zum Einen zeigt die verhaltensorientierte Finanzierungslehre (behavioral finance) auf, dass entgegen der Annahme des rational agierenden homo oeconomicus, Menschen und somit auch Finanzanalysten Entscheidungsheuristiken und Verhaltensanomalien unter­liegen können (Abschnitt 3.4.1). Des Weiteren sind Analysten in ein Umfeld vielfältiger Interessengegensätze eingebettet.

[...]

---

^[1] Zur Definition und Beschreibung vgl. z.B. DVFA (2008), S.3.

^[2] Vgl. zu dieser Kategorisierung und weiteren Beschreibung z.B. Groysberg et al. (2007), S. 1-13 sowie Groysberg/Healy/Chapman (2008), S. 25-27.

^[3] Vgl. zu diesen Formen und der weiteren Beschreibung z.B. Bodie/Kane/Marcus (2008), S. 361-363 und S. 570-678.

^[4] Durchgeführt werden dabei Tests auf abnorme Perfomance (Erzielung von Überrenditen). Übersichten zu relevanten Arbeiten finden sich bei z.B. bei Levy/Post (2004), S. 390, 394 und 397.

^[5] Vgl. Grossman/Stiglitz (1980), S. 393 und Fama (1991), S. 1575.

^[6] Vgl. Sjurts(2011).

^[7] Vgl. Kinietal.(2003), S.8.

^[8] Vgl. Chung/Jo (1996), S. 494.

^[9] Im Modell konvergieren die Delegationskosten gegen Null, wenn die Anzahl kapitalnachfragender Unternehmen gegen Unendlich strebt. Es verbleiben nur die Kosten des Monitoring.

^[10] Vgl. Healy/ Palepu (2001), S. 409.

^[11] Vgl. Easley/O'hara (2004), S. 1578.

^[12] Vgl. Healy/ Palepu (2001) S. 406.

^[13] Vgl. Hayes (1998) S. 312-313, Hong/Kubik/Solomon (2000) S. 122 und Healy/ Palepu (2001) S. 417.

^[14] Vgl. zu den folgenden Ausführungen Ramnath/Rock/Shane (2008), S. 38-68, welche ebenfalls tabellarische Zusammenstellungen der zu Grunde liegenden Arbeiten präsentieren.

^[15] Für die Darstellung auftretender Interessenskonflikte vgl. Abschnitt 3.4.2.

^[16] Vgl. DVFA (2006), S.1-2.

^[17] Vgl. Hoffmann (2009), S. 59.

^[18] http://www.finra.org/Industry/Issues/ResearchAnalystRules.

^[19] http://www.cfainstitute.org.

^[20] Vgl. Bradshaw (2004).

^[21] Vgl. Richardson/Teoh/Wysocki (1999), S. 1.

^[22] Vgl. Gleason/Lee (2003), S. 221-222.

^[23] Vgl. Schipper (1991), S. 106-107 sowie Clement (1999), S. 286.

^[24] Kothari (2001, S. 153) beschreibt diese vermeintliche Überlegenheit zu Zeitreihenmodellen als eine zumeist implizit getroffene Annahme und zeigt ebenfalls auf, dass die Verwendung der Prognosen als Proxy für die Markterwartungen in der Forschung keinesfalls unumstritten ist.

^[25] Vgl. zu den dargestellten Maßen und Ausführungen Küsters (2005) S. 367-380.

^[26] Vgl. zu dieser Differenzierung Schipper (1991), S. 106-107 sowie Kothari (2001), S. 152.

^[27] Erfolgt die Berechnung derart, dass der realisierte Wert von der Prognose abgezogen wird ( yt - ÿt), so ist dies entsprechend spiegelbildlich zu interpretieren.

^[28] Wie im Verlauf der Arbeit noch zu sehen sein wird, können zur Normierung der Prognosefehler auch andere Werte als der des realisierten Unternehmensgewinns benutzt werden (vgl. Kapitel 4).

^[29] Auf die Darstellung weiterer benchmarkbasierter Fehlermaße sei an dieser Stelle verzichtet und beispielhaftauf Küsters (2005), S. 378-380 verwiesen.

^[30] Vgl. exemplarisch das Ergebnis von Stickel (1990), S. 417 oder Sinha/Brown/Das (1997), S. 4.

^[31] Vgl. Kothari (2001), S. 153.

^[32] Dennoch ist es möglich, dass Prognosen, welche verzerrt sind genauer sind als unverzerrte, vgl. Das/Levine/Sivaramakrishnan (1998) S. 279 sowie die Ausführungen im Abschnitt 3.2 dieser Arbeit.

^[33] Vgl. Bessler/Stanzel (2005) S. 8.

^[35] Vgl. Brown (2001), S. 239.

^[36] Vgl. Kothari (2001), S. 155-156.

^[37] Vgl. im Folgenden Bessler/Stanzel (2005), S.4-5.

• College: University of Cologne (Wirtschafts- und Sozialwissenschaftlichen Fakultät)
• Course: Controlling
• Grade: 1,7
• Author: Markus Schiffbauer (Author)
• Publication Year: 2011
• Pages: 90
• Catalog Number: V299120
• ISBN (eBook): 9783656953913
• ISBN (Book): 9783656953920
• Language: German
• Tags: genauigkeit, gewinnprognosen, effekte, prognosen