Monte-Carlo Simulation und Fuzzyfizierung qualitativer Informationen bei der Unternehmensbewertung

Deterministische Discounted Cash Flow Modelle (DCF-Modelle) greifen im Rahmen der Unternehmensbewertung lediglich auf einwertige Größen zurück. Bei stochastischen Modellen werden einzelne Plangrößen hingegen mehrwertig dargestellt, indem aus Wahrscheinlichkeitsverteilungen verschiedene Wertausprägungen generiert werden. Ein deterministisches DCF-Modell kann einfach in ein stochastisches Modell überführt werden. Anders als beim klassischen DCF-Modell werden im Rahmen der Monte-Carlo Simulation als Ergebnisgrößen Wertbandbreiten erzeugt, welche die dem Bewertungsobjekt innewohnenden Unsicherheiten in den Zahlungsströmen bzw. im Unternehmenswert wiedergeben. Aus den Schwankungsbandbreiten lässt sich dann abschätzen, wie wahrscheinlich bestimmte Zielgrößen erreicht werden. Die Umwandlung eines deterministischen in ein stochastisches Bewertungsmodell ist folglich sehr hilfreich. Dennoch unterliegt auch die Monte-Carlo Simulation einigen Limitationen, die in der praxisorientierten Unternehmensbewertung einige Probleme aufwerfen. Der Hauptbeitrag dieser Arbeit ist es, drei dieser Probleme anwendungsbasiert aufzuzeigen und zu lösen.Zunächst müssen mehrere Wahrscheinlichkeitsverteilungen durch unterschiedliche Personen generiert werden. Die Ermittlung und Zusammenführung von Verteilungen der wichtigsten Wert- und Risikotreiber im Rahmen der Due Diligence liefert dem Entscheidungsträger wichtige Hinweise über die aggregierte Risikoeinschätzung der am Bewertungsprozess beteiligten Personen. Der erste Beitrag beschreibt einen Ansatz, wie diese Verteilungen anhand einer Expertenbefragung ermittelt und computergestützt kombiniert werden können, um so eine Unternehmenswertverteilung zu errechnen, die die wahre Risikosituation bestmöglich widerspiegelt.Des Weiteren ist die Wettbewerbsposition vieler Unternehmen von qualitativen Risikofaktoren abhängig. Aufgrund der Schwierigkeit, diese Einflussgrößen quantitativ in der Planrechnung abzubilden, finden viele dieser Risiken in der stochastischen Unternehmensbewertung nur unzureichend Berücksichtigung. Im zweiten Beitrag wird ein anwendungsorientierter Ansatz vorgestellt, wie mit Hilfe der Fuzzy-Set Theorie und einem wissensbasierten System qualitative Risikoinformationen erfasst und einer Weiterverarbeitung in der Monte-Carlo Simulation zugänglich gemacht werden können.Schließlich erfordert die anwendungsorientierte Umsetzung der Monte-Carlo Simulation ein leistungsfähiges Softwarepaket. Der dritte Beitrag gibt einen Überblick, inwieweit eine Computer basierte Monte-Carlo Simulation zur Unterstützung der Arbeiten im Due Diligence Prozess beitragen kann. Hierzu wird die Leistungsfähigkeit der vier marktführenden Softwaretools anhand ausgewählter Kriterien näher untersucht (Definieren und Verwalten von Verteilungen, Features zur Auswertung und Analyse der Simulationsergebnisse, Supportfunktionen, u.a.).