Jahresabschlussanalyse

INHALTSVERZEICHNIS

ABKÜRZUNGSVERZEICHNIS

ABBILDUNGSVERZEICHNIS

1 GRUNDLAGEN

2 METHODEN UND INSTRUMENTE
2.1 Klassische Verfahren
2.1.1 Kennzahlen
2.1.2 Kennzahlensysteme
2.2 Moderne Verfahren
2.2.1 Die Notwendigkeit neuer Ansätze
2.2.2 Multivariate Diskriminanzanalyse
2.2.3 BP-14

3 TEILBEREICHE DER ANALYSE
3.1 Finanzwirtschaftliche Jahresabschlussanalyse
3.1.1 Die Vermögensstrukturanalyse
3.1.2 Die Kapitalstrukturanalyse
3.1.3 Die Liquiditätsanalyse
3.2 Erfolgswirtschaftliche Jahresabschlussanalyse
3.2.1 Die Ergebnisanalyse
3.2.2 Die Rentabilitätsanalyse
3.2.3 Die Wertschöpfungsanalyse
3.2.4 Die Break-Even-Analyse

4 GRENZEN DER Aussagefähigkeit

LITERATURVERZEICHNIS

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Beispiel einer Gliederungszahl anhand der Eigenkapitalquote

Abbildung 2: Beispiel einer Beziehungszahl anhand der Umsatzrentabilität

Abbildung 3: Beispiel einer Indexzahl anhand einer Umsatzreihe

Abbildung 4: Die Diskriminanzfunktion

Abbildung 5: Kennzahlenverdichtung mit Neuronalen Netzen

Abbildung 6: Kennzahlen zur Vermögensstrukturanalyse

Abbildung 7: Beispiel einer Kennzahl zur Umsatzrelation

Abbildung 8: Kennzahlen zur Kapitalstrukturanalyse

Abbildung 9: Der Leverage-Effekt

Abbildung 10: Kennzahlen der bestandsorientierten Liquiditätsanalyse

Abbildung 11: Arbeitsschema zur Ermittlung des Cash Flow nach DVFA/SG

Abbildung 12: Der Return on Investment (ROI)

Abbildung 13: Kennzahlen der Wertschöpfungsanalyse

Abbildung 14: Break-Even-Analyse bei einem Einproduktunternehmen

1 GRUNDLAGEN

Unter dem Begriff Jahresabschlussanalyse^[1] sind Verfahren der Informationsgewinnung und -auswertung zu verstehen, mit deren Hilfe aus den Angaben des Jahresabschlusses (Bilanz, Gewinn- und Verlustrechnung, Kapitalflussrechnung und Anhang) und des Lageberichtes Erkenntnisse über die Finanz- und Ertragslage eines Unternehmens gewonnen werden.^[2]

Die Jahresabschlussanalyse ermöglicht somit die Ermittlung entscheidungsrelevanter Informationen über die aktuelle wirtschaftliche Lage und die zukünftige wirtschaftliche Entwicklung einer Unternehmung, welche nicht direkt aus dem Jahresabschluss und dem Lagebericht zu entnehmen sind.^[3] Hierbei sollte deutlich werden, dass erst durch die zusammengefassten Teilurteile der Finanz- und Ertragslage ein Gesamturteil über die wirtschaftliche Lage eines Unternehmens gefällt werden kann.^[4]

Dieser Prozess der Informationsverdichtung kann chronologisch in die Phasen Aufbereitung des Jahresabschlusses, Analyse der absoluten Kennzahlen, Analyse von Verhältniszahlen, Verdichtung der Kennzahlen zu einem Gesamturteil und der Interpretation des Gesamturteils aufgeteilt werden.^[5]

Als^[6] die zwei wesentlichen Erkenntnisziele gelten die finanzielle Stabilität und die Ertragskraft eines Unternehmens, nach denen die Adressaten der Analyseergebnisse in zwei Gruppen aufteilt werden können. Zur ersten Gruppe, die primär an der finanziellen Stabilität interessiert sind, zählen vor allem aktuelle und potentielle Gläubiger (Liquidität), Kunden und Lieferanten (termingerechte Zahlungen) und Arbeitnehmer (Lohn- und Gehaltzahlungen). Interesse an der Ertragskraft haben vor allem Eigner (Dividende), Führungskräfte (Aktien-Optionen), Gewerkschaften (Lohn- und Gehaltsforderungen), Konkurrenz (Vergleichsmaßstab).

Im betriebswirtschaftlichen Sprachgebrauch werden die Begriffe Jahresabschlussanalyse und Bilanzanalyse oft synonym verwendet, wobei die Bilanzanalyse genau genommen zwar ein sehr wichtiger aber trotzdem nur ein Teilbereich der Jahresabschlussanalyse ist.^[7]

2 METHODEN UND INSTRUMENTE

2.1 Klassische Verfahren

2.1.1 Kennzahlen

Die Kennzahlenrechnung ist als traditionelles Verfahren der Jahresabschlussanalyse immer noch das dominierende Instrument in der Analysepraxis.^[8] Unter Kennzahlen sind hochverdichtete Maßgrößen zu verstehen, die in einer konzentrierten Form Aussagen über zahlenmäßig erfassbare Sachverhalte ermöglichen.^[9]

Die^[10] Kennzahlen sind zu unterscheiden in absolute Kennzahlen bzw. Grundzahlen (z.B. Gewinn, Umsatz oder Bilanzsumme), die direkt dem Jahresabschluss entnommen werden können und relative Kennzahlen bzw. Verhältniszahlen (z.B. Mittelwert, Deckungsgrad oder Eigenkapitalquote), die zwei absolute Kennzahlen in Beziehung setzen und in der Regel als Prozentzahlen dargestellt werden. Sie lassen sich unterteilen in:

Gliederungszahlen setzen bestimmte Teilgrößen zur zugehörigen Gesamtmasse in Beziehung und geben das Verhältnis des Teils zum Ganzen wieder.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Beispiel einer Gliederungszahl anhand der Eigenkapitalquote

Beziehungszahlen setzen ebenfalls zwei absolute Zahlen zueinander in Beziehung, die aber nicht wie bei den Gliederungszahlen in logischer Verbindung stehen müssen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Beispiel einer Beziehungszahl anhand der Umsatzrentabilität

Indexzahlen setzen gleichartige aber zeitlich oder räumlich unterschiedliche Größen in Verbindung, wobei eine Größe als Basis (Wert = 100%) zum Vergleich dient. An diesem Index wird gemessen, wie sich ein bestimmter Vergleichswert prozentual im Verhältnis zum Basisjahr verändert hat.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Beispiel einer Indexzahl anhand einer Umsatzreihe

Ein wesentlicher Vorteil der relativen Kennzahlen gegenüber den absoluten Kennzahlen, die einen Wert nicht interpretieren (sind 2 Mio. € Gewinn gut oder schlecht?) ist, dass sie beim Vergleich unterschiedlich großer Unternehmen besser einsetzbar sind.^[11] Bei einem Vergleich der Unternehmen A (2 Mio. € Kapital und 200.000 € Gewinn) und B (1 Mio. € Kapital und 150.000 € Gewinn) geben absolute Kennzahlen die angegebenen Größen wieder und stellen dar, dass Unternehmen A den höheren Gewinn erzielt hat. Erst bei der Anwendung relativer Kennzahlen wird deutlich, dass Unternehmen B trotz eines niedrigeren Gewinns im Vergleich zum eingesetzten Kapital aber eine höhere Rentabilität aufweist.

Auf dieser Basis als Beurteilungsmaßstab für Kennzahlen existieren neben dem im Beispiel dargestellten Betriebs- und Branchen-vergleich, dem Zeit- und Entwicklungsvergleich und dem Soll- Ist-Vergleich grundsätzlich drei verschiedene Ansätze.^[12]

2.1.2 Kennzahlensysteme

Um die Aussagekraft der einzelnen Kennzahlen zu erhöhen, wurden Kennzahlensysteme gebildet. Unter einem Kennzahlensystem ist die Gesamtheit von auf logisch-deduktivem Wege geordneten Kennzahlen, die betriebswirtschaftlich sinnvolle Aussagen über Unternehmen und ihre Teilbereiche ermöglichen, zu verstehen.^[13]

Bei den meisten Kennzahlensystemen wird eine besonders wichtige und aussagefähige Spitzenkennzahl als Gesamturteilsbasis gewählt, die aufgrund analytischer Überlegungen in mehrere Unterkennzahlen zerlegt wird, wodurch eine Kennzahlenpyramide oder Kennzahlenhierarchie entsteht.^[14] Die einzelnen Kennzahlen der Kennzahlensysteme sind hierbei entweder rechentechnisch miteinander verknüpft (Rechensystem) oder stehen in einem bloßen Systematisierungszusammenhang zueinander (Ordnungssystem).^[15]

Als das bekannteste und älteste Kennzahlensystem gilt das Du Pont-Kennzahlensystem^[16].

2.2 Moderne Verfahren

2.2.1 Die Notwendigkeit neuer Ansätze

Bei der Gesamtbeurteilung von Unternehmen mit traditionellen Kennzahlen entsteht das Problem, welche und wie viele Kennzahlen einen geeigneten Gesamtindikator bilden können, der gezielte Aussagen zur wirtschaftlichen Lage und insbesondere zur Früherkennung von Unternehmenskrisen treffen kann.^[17]

Auch Kennzahlensysteme sind in ihrer Aussagekraft in der Regel nur auf bestimmte Unternehmensteile beschränkt und geben keine Auskunft über die Gesamtlage eines Unternehmens.^[18] Zudem sind in traditionellen Kennzahlensystemen Kennzahlen enthalten, die zwar in einem sachlogischen oder rechnerischen Zusammenhang stehen, für die es aber weder einen theoretischen oder empirischen Nachweis gibt, das durch sie eine genaues Urteil über das Analyseziel getroffen werden kann.^[19]

Zu den neuen Verfahren, die eine Interpretation der gesamten wirtschaftlichen Lage eines Unternehmens ermöglichen sollen, zählen neben der Diskriminanzanalyse und den Neuronalen Netzen, die in den folgenden Abschnitten anhand von Verfahrensbeispielen dargestellt werden, unter anderem Scoringbewertungsverfahren, Punktebewertungsverfahren und Ratingverfahren.^[20] Diese ebenfalls nicht unumstrittenen modernen Verfahren dienen nicht als Ersetzung sondern als Ergänzung der klassischen Kennzahlen und Kennzahlensysteme, die, wie in Abschnitt 2.1.1 dargestellt wurde, immer noch das dominierende Instrument der Analysepraxis sind.

2.2.2 Multivariate Diskriminanzanalyse

Die Multivariate Diskriminanzanalyse (Diskriminanz = Trennung) ist ein Verfahren zur Analyse von Gruppenunterscheidungen, bei der mit Hilfe mathematisch-statistischer Verfahren Kennzahlen herausgefiltert werden, die eine aussagefähige Zuordnung bzw. Trennung in erfolgreiche (gesunde, solvente) und erfolglose (kranke, insolvente) Unternehmen ermöglichen.^[21]

Zu den Zielen der Diskriminanzanalyse zählen die Erkennung und Systematisierung der Ursachen unternehmerischen Misserfolgs, die frühzeitige Erkennung von Krisenanzeichen und eine einheitliche Beurteilung auf Basis eines vergleichbaren, objektiv systematischen, lückenlosen und überschneidungsfreien Verfahrens.^[22]

In der Praxis hat sich die lineare Multivariate Diskriminanzanalyse weitgehend in der Kreditwürdigkeitsprüfung durchgesetzt.^[23] Hier^[24] werden zunächst Kennzahlen kranker und gesunder Unternehmen in Kennzahlenkatalogen zusammengestellt und anschließend überprüft, welche Kennzahlen mit welcher Gewichtung die beiden Gruppen am besten trennen. Dies geschieht, bis die Aufnahme neuer Kennzahlen nicht mehr zur Verbesserung der Klassifikationsleistung beiträgt. Abschließend wird eine Diskriminanzfunktion erstellt, welche die Trennungsgerade mit den einzelnen Kennzahlen (x) und deren jeweiligen Gewichtungen (a) wie folgt darstellt:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Die Diskriminanzfunktion^[25]

Die Summe der gewichteten Kennzahlen ergibt zusammen mit dem auf den Trennwert festgelegten absoluten Glied (a0) den Diskriminalwert (D), wobei dieser bei gesunden Unternehmen über und bei kranken Unternehmen unter dem Trennwert liegen sollte.^[26] Zwei typische Fehler, die bei der Diskriminanzanalyse auftreten können, sind der α-Fehler (kranke Unternehmen werden als gesund klassifiziert) und der β-Fehler (gesunde Unternehmen werden als krank klassifiziert).^[27]

Ein weiterer Schwachpunkt des Verfahrens besteht darin, dass es lediglich zu einem pauschalen Urteil über eine mögliche Gefährdung führt, aber nicht die Ursachen für eine mögliche Unternehmenskrise aufzeigt, was wiederum den Einsatz weiterer Kennzahlen erfordert.^[28]

2.2.3 BP 14

Das BP 14 (Backpropagation-Netz mit 14 Kennzahlen) von Baetge basiert auf der Technik der „Künstlichen Neuronalen Netze“ und dient als Klassifizierungs- und Frühwarninstrument in der Bilanzbonitäts-beurteilung.^[29]

Künstliche^[30] Neuronale Netze, deren Funktionsweise dem der menschlichen Neuronen nachempfunden ist, sind die neueste Weiterentwicklung in der Methodik der Kennzahlenverdichtung. Sie sind als lernende Systeme besonders für den Einsatz in schlecht strukturierten und komplexen Systemen geeignet. Zudem sind sie im Gegensatz zur Multivariaten Diskriminanzanalyse universell einsetzbar und übertreffen deren Klassifizierungsleistung.

Grundlegend kann der Aufbau wie folgt dargestellt werden:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Kennzahlenverdichtung mit Neuronalen Netzen^[31]

Für^[32] die Entwicklung des BP-14 standen zum Test rund 10.500 Jahresabschlüsse gesunder und rund 900 kranker Unternehmen zur Verfügung. Hier galt es zunächst aus einer großen Anzahl von möglichen Kennzahlen diejenigen herauszufiltern, die besonders gut eine Unterscheidung von kranken und gesunden Unternehmen ermöglichen. Dies wurde im Rahmen des sogenannten Backpropagation-Algorithmus (Fehlerrückführung) durchgeführt.^[33] Hierbei wurden im Vorfeld der Neuronalen Netzanalyse 259 Kennzahlen gebildet, von denen letztendlich 14 herausgefiltert wurden.

[...]

---

^[1] Anm.: Die gängige Literatur geht vorrangig von der externen Jahresabschlussanalyse aus, bei der die externen Analytiker in der Regel nur Informationen aus den gesetzespflichtigen Publikationen von Kapitalgesellschaften haben und nicht über interne Daten verfügen.

^[2] vgl. Coenenberg, A. G. (2001), S. 873 u. 875

^[3] vgl. Wehrheim, M./Schmitz, T. (2001), S. 16

^[4] vgl. Baetge, J. (1998), S. 2

^[5] vgl. Baetge, J./Jerschensky, A. (1996), S. 1581

^[6] Anm.: Zu den folgen Ausführungen vgl. Coenenberg, A. G. (2001), S. 875-876

^[7] vgl. Baetge, J. (1998), S. 2

^[8] vgl. Küting, K./Weber, C.-P. (2001), S. 23

^[9] vgl. Küting, K./Weber, C.-P. (2001), S. 23

^[10] Anm.: Zu den folgenden Ausführungen vgl. Zdrowomyslaw, N. (2001), S. 660 u. 661

^[11] vgl. Baetge, J. (1998), S. 140

^[12] vgl. Wehrheim, M./Schmitz, T. (2001), S. 53

^[13] vgl. Küting, K./Weber, C.-P. (2001), S. 27

^[14] vgl. Baetge, J. (1998), S. 37

^[15] vgl. Küting, K./Weber, C.-P. (2001), S. 31

^[16] Anm.: Aus Platzgründen soll an dieser Stelle nicht näher auf das Du Pont-Kennzahlensystem eingegangen werden. Literaturhinweise: Küting, K./Weber, C.-P. (2001), S. 31-33 u. Baetge, J. (1998), S. 38

^[17] vgl. Küting, K./Weber, C.-P. (2001), S. 349 u. 350

^[18] vgl. Baetge, J. (1998), S. 537

^[19] vgl. Baetge, J. (1998), S. 537

^[20] vgl. Wehrheim, M./Schmitz, T. (2001), S. 60

^[21] vgl. Zdrowomyslaw, N. (2001), S. 806

^[22] vgl. Wehrheim, M./Schmitz, T. (2001), S. 56

^[23] vgl. Wehrheim, M./Schmitz, T. (2001), S. 57

^[24] Anm.: Zu den folgenden Ausführungen vgl. Baetge, J. (1998), S.561 u. 562

^[25] vgl. Baetge, J. (1998), S. 562

^[26] vgl. Küting, K./Weber, C.-P. (2001), S. 358

^[27] vgl. Baetge, J. (1998), S. 562

^[28] vgl. Coenenberg, A. G. (2001), S. 901

^[29] vgl. Zdrowomyslaw, N. (2001), S. 814

^[30] Anm.: Zu den folgenden Ausführungen vgl. Coenenberg, A. G. (2001), S. 901 u. 902

^[31] vgl. Coenenberg, A. G. (2001), S. 902

^[32] vgl. Baetge, J. (1998), S. 508

^[33] vgl. Baetge, J. (1998), S. 576