DE102004007063A1 - Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung - Google Patents

Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung Download PDF

Info

Publication number
DE102004007063A1
DE102004007063A1 DE200410007063 DE102004007063A DE102004007063A1 DE 102004007063 A1 DE102004007063 A1 DE 102004007063A1 DE 200410007063 DE200410007063 DE 200410007063 DE 102004007063 A DE102004007063 A DE 102004007063A DE 102004007063 A1 DE102004007063 A1 DE 102004007063A1
Authority
DE
Germany
Prior art keywords
data
correlations
uncertainties
risks
company
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE200410007063
Other languages
English (en)
Inventor
Dirk Nötzold
Mark Nötzold
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IR INTERNAT RATING AG ZUERICH
IR-International Rating AG
Original Assignee
IR INTERNAT RATING AG ZUERICH
IR-International Rating AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IR INTERNAT RATING AG ZUERICH, IR-International Rating AG filed Critical IR INTERNAT RATING AG ZUERICH
Priority to DE200410007063 priority Critical patent/DE102004007063A1/de
Publication of DE102004007063A1 publication Critical patent/DE102004007063A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Abstract

Ein System und ein Verfahren wird zur Bewertung komplexer Systeme bereitgestellt. Es erlaubt eine detaillierte und vollständige Analyse des gegenwärtigen und zukünftigen Zustands eines komplexen Systems. Das System und das Verfahren liefern eine vollständig objektive, transparente und präzise Behandlung der Bewertung komplexer Systeme, weil das Bewertungsergebnis als Integration der Detailbewertungen der einzelnen Bestandteile des komplexen Systems berechnet wird. Das System und das Verfahren liefern weiter eine vollständige und konsistente Behandlung der mit zukünftigen Erwartungen assoziierten Unsicherheiten. Das System und das Verfahren umfassen ein Strukturierungsverfahren, welches das komplexe System in repräsentative Bestandteile einteilt, ein Datenmanagementsystem, das Daten und Ergebnisse sammeln und speichern kann, ein Expertensystem, das die Daten analysieren kann und ein Integrationssystem, das alle Daten einschließlich ihrer Unsicherheiten aggregieren kann. Als optionaler Teil ist auch ein Optimierungssystem und -verfahren umfasst.

Description

  • Gebiet der Erfindung
  • Die vorliegende Erfindung bezieht sich allgemein auf Rating- und Bewertungssysteme und -verfahren. Insbesondere bezieht sich die vorliegende Erfindung zumindest auf Unternehmensratings, Kreditratings, und/oder Unternehmensbewertungen.
  • Hintergrund der Erfindung
  • Das nächstliegende Nachbargebiet des beschriebenen Bewertungssystems und -verfahrens ist das Unternehmensrating oder Kreditrating. Andere Felder, in denen das beschriebene System und Verfahren gelten und angewendet werden, haben derzeit keine standardisierten oder quantitativen Verfahren, die als Referenz herangezogen werden könnten.
  • Definition Rating
  • Ein Kreditrating ist eine Meinung über die allgemeine Kreditwürdigkeit eines Schuldners (Obligors) oder die Kreditwürdigkeit eines Schuldners bezüglich bestimmter Schuldsicherheiten oder anderer finanzieller Verpflichtungen (Obligation) auf der Basis relevanter Risikofaktoren (Standard and Poor's (S&P), "Corporate Rating Criteria 2002"). Die Hauptelemente der Ratingprozesse der größeren Ratingagenturen (S&P, Moody's, Fitch Ratings) sind sehr ähnlich und sind im Folgenden beschrieben.
  • Gegenwärtiger Ratingprozess
  • Der konventionelle Ratingprozess basiert auf einer Analyse, die in mehrere Kategorien eingeteilt wird, um sicherzustellen, dass auffällige qualitative und quantitative Punkte berücksichtigt sind. Zum Beispiel sind die qualitativen Kategorien bei Industrieunternehmen an Geschäftsanalysen orientiert, wie der Wettbewerbsfähigkeit der Firma innerhalb ihrer Industrie und der Leistung des Managements; die quantitativen Kategorien beziehen sich auf finanzielle Analysen. Deshalb umfasst die korrekte Beurteilung der Kreditqualität für ein Industrieunternehmen nicht nur die Prüfung verschiedener finanzieller Messgrößen, sondern auch die gründliche Überprüfung der Geschäftsgrundlagen, einschliesslich der Aussichten für Branchenwachstum und die Empfindlichkeit hinsichtlich technologischer Änderungen, Streiks oder Regulationen. Im öffentlichen Finanzbereich umfasst dies eine Bewertung der zugrundeliegenden ökonomischen Stärke der öffentlichen Institution und der Effektivität staatlicher Prozesse Probleme zu lösen. In Finanzinstituten kann bereits die Reputation der Bank oder Gesellschaft eine Wirkung auf die zukünftige finanzielle Leistung haben. (S&P, Seite 5)
  • Die Ratingagentur ruft ein Team von Analysten mit entsprechender Sachkenntnis zusammen, um Informationen zu überprüfen, die für das Rating relevant sind. Ein leitender Analyst ist für den Ratingprozesses verantwortlich. Mehrere Mitglieder des Analystenteams treffen sich mit der Unternehmensführung (Management) des Unternehmens, um die Schlüsselfaktoren im Detail zu prüfen, die eine Auswirkung auf das Rating haben, einschließlich betrieblicher- und finanzieller Pläne und der Unternehmenspolitik. Dieses Treffen hilft den Analysten, eine qualitative Beurteilung des Managements, als einen wichtigen Faktor in der Ratingentscheidung, zu entwicklen. (S&P, Seite 5)
  • Die Ratings der Ratingagenturen basieren nicht auf finanziellen Projektionen (Vorausplanungen) oder der Meinung der Unternehmensführung (Management), wie sich die Zukunft gestaltet. Vielmehr basieren die Ratings auf der eigenen Beurteilung der Ratingagentur über die Unternehmensaussichten. Aber die finanziellen Vorausplanungen der Unternehmensführung sind ein wertvolles Werkzeug im Ratingprozess, da sie die Pläne des Managements verdeutlichen, wie die Unternehmensführung die Herausforderungen des Unternehmens beurteilt und wie sie beabsichtigt mit den Problemen umzugehen. Vorausplanungen beschreiben auch die Finanzstrategie, idem sie das Vertrauen in die Unterstützung durch interne Cash Flows oder durch Fremdkapital aufzeigen, und sie helfen, die finanziellen Ziele und die Unternehmenspolitik darzustellen. (S&P, Seite 12)
  • Gegenwärtige Rating-Methodologie
  • Die Ratingagentur verwendet ein Format, das die analytische Aufgabe in mehrere Kategorien einteilt und einen Rahmen liefert, der sicherstellt, dass alle Punkte berücksichtigt sind, z.B. Geschäftsrisiko mit Unterkategorien Branchenmerkmale, Wettbewerbsposition, Marketing, Technologie, Effizienz, Regulationen, Unternehmensführung und Finanzrisiqken mit Unterkategorien finanzieller Charakteristika, Finanzpolitik, Rentabilität, Kapitalstruktur, finanzielle Flexibilität, usw. (S&P, Seite 17)
  • Finanzrisiken werden im wesentlichen durch Finanzkennzahlen charakterisiert. Beispiele für relevante Finanzkennzahlen sind: EBIT (Gewinn vor Steuern), freier Cash Flow/Gesamtschulden, ROCE (Verzinsung des eingesetzten Kapitals), Operatives Ergebnis und Umsatz, langfristige Verbindlichkeiten und Gesamtkapital, Gesamtschulden/Gesamtkapital, usw. Finanzkennzahlen können verwendet werden, um Ausfallraten vorherzusehen und ungefähre Ratingergebnisse abzuleiten. Eine Ausfallrate ist die Frequenz und die Ausfallwahrscheinlichkeit ist die Wahrscheinlichkeit, dass ein Unternehmen seine Verpflichtungen nicht in voller Höhe und innerhalb der angegebenen Zeit bedienen kann. Statistische Bewertungen historischer Ausfalldaten beweisen die Bedeutung finanzieller Kennzahlen als Indikatoren für Ausfälle (Defaults). Finanzkennzahlen können als Messrahmen betrachtet werden, der die verfügbaren historischen Informationen konsolidiert. Ratingergebnisse basierend auf Finanzkennzahlen werden oft als Rating-Scores bezeichnet.
  • Finanzrisiken können auch in einem direkteren Ansatz durch das Modellieren des Ausfallprozesses und das Berechnen der Ausfallwahrscheinlichkeit abgebildet werden. Ein Ausfall-Modell, wie das erfolgreiche Merton-Modell (vgl. die KMV Implementierung "Modeling Default Risk", 1993, überarbeitet 2002), beschreibt die Entwicklung vom Verhältnis zwischen Vermögenswerten und Verbindlichkeiten als einen stochastischen Prozess. Das Ausfallereignis findet statt, wenn Verbindlichkeiten die Vermögenswerte übersteigen. Das Merton-Modell ist im Grunde genommen ein Black-Scholes Optionsmodell für Eigenkapital, in dem die Ausfallwahrscheinlichkeit einfach die Wahrscheinlichkeit ist, dass der Vermögenswert unterhalb des Ausfall-Punkts fällt. Neue Erweiterungen betrachten einen ungewissen Ausfall-Punkt ("CreditGrades Technical Document", Mai 2002). Dieses einfache Modell kann sehr erfolgreich sein, wenn genaue Schätzungen der Vermögenswerte und deren Volatilitäten gegeben sind. Die hauptsächlichen Vorteile dieses Modells bestehen darin, dass es weniger von historischen Daten abhängt und ein quantitatives Modell für die zukünftige Entwicklung liefert. Im Rahmen dieses Modelles werden nur den Marktwert des Vermögensgegenstands und seine Volatilität als die relevanten Aspekte der Ausfall-Informationen gesehen. Dies hebt auch den grundsätzlichen konzeptionellen Unterschied hervor, zwischen der Methode mit Finanzkennzahlen, die auf statistischen Vergleichen historischer Daten beruht, und der Ausfall-Modellierung, die auf einer stochastischen Beschreibung der zukünftigen Entwicklung basiert.
  • Geschäftsrisiken basieren normalerweise auf einer eher qualitativen Analyse. Die Experten der Ratingagenturen analysieren die einzelnen Geschäftsrisikokategorien und konsolidieren dann die Ergebnisse in einem Geschäftsrisikoprofil. Die Geschäftsrisikoanalyse liefert die Ergänzung zur Finanzkennzahlenanalyse. Ein Unternehmen mit einer stärkeren Wettbewerbsposition, günstigeren Geschäftsaussichten, und besser vorhersagbaren Cash Flows kann es sich leisten, zusätzliche Finanzrisiken einzugehen und doch das Kreditrating beizubehalten.
  • Es gibt keine Formeln für das Kombinieren von Bewertungen (Scores), um zu ein Ratingergebnis zu erreichen. Ratings stellen gegenwärtig ebenso eine Kunst wie eine Wissenschaft dar. Ein Rating ist am Ende eine Meinung. Es ist wirklich äußerst wichtig zu verstehen, dass der Ratingprozess nicht auf die Prüfung von verschiedenen finanziellen Massnahmen beschränkt ist. Korrekte Beurteilungen erfordern einen breiteren Rahmen, der eine gründliche Überprüfung des zugrundeliegenden Geschäfts, einschließlich Meinungen zu der Wettbewerbspositionierung des Unternehmens und Beurteilungen über die Unternehmensführung und ihren Strategien einschließt. Sicher sind solche Urteile sehr subjektiv; tatsächlich ist Subjektivität im Zentrum jeden Ratings. (S&P Seite 17)
  • Probleme
  • Die existierenden Verfahren für Unternehmens- oder Kreditratings haben mehrere methodische Defizite, die in Ausnahmefällen zu schwerwiegendem Fehlurteilen führen können. Andere Mängel betreffen die Genauigkeit des Ratingergebnisses und die Effizienz des Ratingprozesses. Die häufigsten Mängel sind:
  • Erstens, das konventionelle Rating liefert keine detaillierte und vollständige Analyse der Risiken und Chancen. Solch eine Analyse ist notwendig, um ein vollständiges Bild über den gegenwärtigen Stand und die mögliche Zukunft eines Unternehmens zu erhalten. Obwohl die Analyseschemen strukturiert (z.B. nach Branche, Region, usw.) sind und spezielle Anpassungen (z.B. für nicht-bilanzielle Verpflichtungen usw.) enthalten, beinhalten sie immer Gefahrenpotentiale, die zu schwerwiegenden Fehleinschätzungen führen können. Diese Potentiale werden nur erkannt, wenn das entsprechende Ausfallereignis eintritt. In letzter Zeit ist dies mehrmals in der Praxis der Fall gewesen.
  • Zweitens, das konventionelle Rating erlaubt keinen Bewertungsprozess, der alle Charakteristika und Besonderheiten einer Gesellschaft mit einbezieht. Das konventionelle Rating erfasst den Zustand der Gesellschaft durch ein vordefiniertes Beurteilungsschema, das der speziellen Struktur der Gesellschaft nicht unbedingt entspricht. Das Rating mit Hilfe von Finanzkennzahlen vergleicht das zu bewertende Unternehmen mit einem ähnlichen „Durchschnittsunternehmen" und berücksichtigt dabei keine Besonderheiten bzw. Charakteristika des Unternehmens, die eben nicht in den finanziellen Kennzahlen berücksichtigt werden. Zum Beispiel erhalten zwei Gesellschaften mit denselben Finanzkennzahlen dasselbe Finanzrisiko-Rating, obwohl eine der Gesellschaften die meisten ihrer Risiken gehedgt hat, während die andere Gesellschaft völlig ungeschützt ist. Oft enthält das Rating Anpassungen für wichtige Unternehmensspezifika, aber dieser Prozess ist nicht ausreichend detailliert, standardisiert und kontrolliert, um eine vollständige und adäquate Abdeckung aller Details und Charakteristika einer Gesellschaft zu garantieren.
  • Drittens, das konventionelle Rating erlaubt keine vollständig quantitative Bewertung, die unterschiedslos auch weiche Faktoren in den Ratingsprozess einschließt. Der Ratingprozess gliedert sich in die Auswertung quantitativer (z.B. finanzielle Risiken) und qualitativer (weiche Tatsachen, z.B. Geschäft riskiert) Faktoren. Der qualitative Ratingprozess verlangt, dass erfahrene Mitarbeiter die entsprechenden Risikofaktoren analysieren. Der Ratingprozess basiert nicht auf einer kohärenten Methodologie, die alle beurteilten Aspekte integriert.
  • Viertens, der konventionelle Ratingprozess ist nicht vollständig transparent, da die Ratings qualitativer Risikofaktoren subjektive Urteile erfordern und dies ist naturgemäß schwierig zu standardisieren, so dass alle Schätzungen auf vollständig reproduzierbaren Prozessen und Ergebnissen basieren. Der Ratingprozess ist nicht vollständig objektiv.
  • Fünftens, das konventionelle Rating erlaubt keine einheitliche Behandlung von zukünftigen Erwartungen. Viele Unternehmensdaten haben intrinsische Unsicherheiten, insbesondere die Abschätzung der zukünftigen Unternehmensentwicklung. Ein Ratingprozess muss einen einheitlichen Rahmen für die Behandlung solcher Unsicherheiten liefern. Die konventionellen Ratingmethoden berücksichtigen nicht die Unsicherheiten in der Dateneingabe, sie berechnen nicht die Fortpflanzung von Unsicherheiten im Ratingprozess, und sie geben nicht die Ratingergebnisse mit den zugehörigen Unsicherheiten oder den Abhängigkeiten von Eingabeunsicherheiten an.
  • Sechstens, das konventionelle Rating erlaubt keine Verbesserungen der Bewertungsgenauigkeit aufgrund des ersten, zweiten, dritten und fünften Problems.
  • Siebtens, das konventionelle Rating erlaubt keine kohärente Aggregation aller während des Ratingprozesses erhobenen Informationen. Qualitative und quantitative Aspekte sind vermischt und sind subjektiv gewichtet, um das Gesamtratingergebnis abzuleiten.
  • Achtens, das konventionelle Rating erlaubt keine vollständige Vergleichbarkeit der Ratingergebnisse, aufgrund des zweiten, dritten, vierten und fünften Problems.
  • Neuntens, das konventionelle Rating erlaubt keine vollständige Interpretation und Herunterbrechen der Ratingergebnisse, aufgrund des ersten, dritten, vierten, fünften und siebten Problems.
  • Zehntens, das konventionelle Rating erlaubt keine Standardisierung des Ratingprozesses aufgrund des dritten und siebten Problems.
  • Elftens, das konventionelle Rating erlaubt keine Automatisierung des Ratingprozesses aufgrund des dritten und siebten Problems.
  • Zusammenfassung der Erfindung
  • Mindestens eine Ausführung der vorliegenden Erfindung liefert ein neuartiges Bewertungs-System und -Verfahren, welches so ausgestaltet ist, dass mindestens einer der o.g. Nachteile der konventionellen Rating- und Bewertungssystemen vermieden wird.
  • Eine Ausführung der vorliegenden Erfindung liefert ein System und ein Verfahren zum Unternehmensrating oder -bewertung, und umfasst beispielsweise:
    • (i) Wahl einer Unternehmenspartition mit nicht-überlappenden Einheiten, möglicherweise die Partitionierung entlang einer Unternehmenshierarchieebene;
    • (ii) Eingabe in ein Datenmanagementsystem mit Daten bezüglich Risken, Chancen, Faktoren und anderen Größen, die Aspekte der besagten Einheiten repräsentieren und wichtig für das Rating- oder Bewertungsergebnis sind, inklusive Daten bezüglich der Quantifizierung von Erwartungen, Unsicherheiten und Korrelationen der besagten Risiken, Chancen, Faktoren, und Größen, möglicherweise durch einen iterativen und interaktiven Datensammlungsprozess der Daten auf Vollständigkeit und Konsistenz prüft;
    • (iii) Analyse der besagten Daten mit einem Expertensystem, wobei das Expertensystem möglicherweise besagte Einheiten mit Benchmarkeinheiten vergleicht und Schwächen, Stärken, Risiken, Chancen oder Faktoren der besagten Einheiten identifiziert und Vorschläge zur Optimierung des Betriebes, der Leistung oder der Wettbewerbsfähigkeit besagter Einheiten ableitet;
    • (iv) Aggregation der besagten Risiken, Chancen und Größen, einschließlich der Auswirkungen der besagten Unsicherheiten und Korrelationen, möglicherweise einschliesslich des Äquivalents multidimensionaler Wahrscheinlichkeitsverteilungen;
    • (v) Erstellung eines Rating- oder Bewertungsergebnisses, möglicherweise die Genauigkeit und Informationen über die Abhängigkeiten des Ergebnisses enthaltend;
    • (vi) optional die Optimierung der Gesellschaft hinsichtlich Betrieb und/oder Strategie.
  • Eine Ausführung der vorliegenden Erfindung liefert ein Bewertungsverfahren und/oder -system, das zumindest eine der folgenden Eigenschaften ausweist: (1) Es erlaubt, eine detaillierte und vollständige Analyse der Werte, der Risiken, der Chancen und der anderen Faktoren vorzunehmen, die verwendet werden, um die gegenwärtige Situation sowie mögliche zukünftige Entwicklungen eines komplexen Systems zu beschreiben, (2) es erlaubt, in einen Ratingprozess alle Charakteristika und Spezifika eines komplexen Systems mit einzubeziehen, (3) es erlaubt, eine vollständig quantitative Bewertung vorzunehmen, die auch weiche Faktoren unterschiedslos in den Bewertungsprozess integriert (4) es erlaubt, einen vollständige transparenten und objektiven Bewertungsprozess zu erhalten, (5) es erlaubt, zukünftige Erwartungen mit ihren intrinsischen Unsicherheiten konsistent zu behandeln, (6) es erlaubt, im Vergleich zu den konventionellen Methoden, aufgrund der detaillierteren und vollständigeren Analyse eine höhere Bewertungsgenauigkeit zu erzielen, (7) es erlaubt, die kohärente Aggregation aller bewerteten Information vorzunehmen, inklusive aller quantitativen und qualitativen Aspekte. (Das Integrationsverfahren macht genau dies.) (8) es erlaubt, ein vollständig vergleichbares Ratingergebnis durch einem transparenten und generellen Ratingprozess zu berechnen, (9) es erlaubt, eine detaillierte Analyse der Bewertungsergebnisse vorzunehmen, da dieses Ergebnis auf einer detaillierten Analyse basiert und von einer mathematischen Integration generiert wird, (10) und (11), es schon vom Design her Standardisierung und Automatisierung erlaubt.
  • Kurze Beschreibung der Zeichnungen
  • Ausführungsbeispiele der Erfindung sind in der Beschreibung dargestellt und werden unter Bezugnahme auf die Zeichnung illustriert und erläutert, wobei mit gleichen Bezugszeichen gleiche Elemente gekennzeichnet sind.
  • 1 zeigt ein Flussdiagramm, das ein Bewertungsverfahren erläutert.
  • 2 zeigt ein Flussdiagramm, das ein Strukturierungsverfahren erläutert.
  • 3 zeigt das standardisierte Strukturierungsschema.
  • 4 zeigt ein Strukturierungsbeispiel.
  • 5 zeigt ein Flussdiagramm, das das Datenmanagementsystem erläutert.
  • 6 zeigt eine Darstellung von Unsicherheiten bei historischen Fluktuationen und zukünftigen Erwartungen.
  • 7 zeigt eine Darstellung einer 2-dimensionalen Normalverteilung.
  • 8 zeigt ein Flussdiagramm, das das Expertensystem erläutert.
  • 9 zeigt ein Flussdiagramm, das das Integrationssystem erläutert.
  • 10 zeigt eine Darstellung der Aggregation von Unsicherheiten mit Korrelationen.
  • 11 zeigt ein Beispiel für eine Aggregationshierarchie.
  • 12 zeigt eine Darstellung eines Ratings basierend auf dem Merton-Modell.
  • 13 zeigt eine Darstellung einer multidimensionalen Bewertung mit Korrelationen.
  • 14 zeigt eine Darstellung eines Ratings einschließlich Korrelationen.
  • 15 zeigt eine Darstellung eines Risk-Return-Portfolios.
  • 16 zeigt ein Flussdiagramm, das das Optimierungssystem erläutert.
  • 17 zeigt ein Beispiel für das Strukturieren eines Unternehmens.
  • 18 zeigt ein Beispiel für das Strukturieren einer Fertigungsstraße.
  • Detaillierte Beschreibung der bevorzugten Ausführung der Erfindung
  • Überblick
  • Ein System und/oder Verfahren gemäß einer Ausführung der vorliegenden Erfindung vermeidet zumindest einen der Nachteile konventioneller Rating-Ansätze: Ratingergebnisse werden aus einer detaillierten Analyse der Vermögenswerte und Verbindlichkeiten der Gesellschaft (oder deren Vorhaben) berechnet. Die einzelnen Vermögenswerte und Verbindlichkeiten werden individuell bewertet und dann zu einem Gesamtrating für die Gesellschaft (oder deren Vorhaben) integriert. Die Ausfallwahrscheinlichkeit (d.h. die Wahrscheinlichkeit, dass eine Gesellschaft nicht in der Lage ist, ihren Verpflichtungen in vollem Umfang und innerhalb einer angegebenen Zeit nachzukommen) wird als kohärente Aggregation aller Risiken und Chancen berechnet. Das heißt, das Rating ist das Ergebnis einer Integration der Fluktuationen der einzelnen Vermögenswerte und Verbindlichkeiten des Unternehmens, das die Interrelationen zwischen den Vermögenswerten, Verbindlichkeiten und internen und externen Faktoren enthält. Die explizite Berücksichtigung von Schwankungen von Unternehmensdaten und -kennzahlen in allen Schritten des Ratingprozesses ist ein weiterer Aspekt des gezeigten Systems und Verfahrens. Mit diesem Vorgehen ist es möglich, die Genauigkeit der Ratingergebnisse zu erfassen und zu kontrollieren. Das System realisiert eine Standardisierung und Automatisierung des Ratingprozesses mit einer extrem verbesserten Leistung und Genauigkeit.
  • Wenn es sich nicht anders aus dem Kontext ergibt, sollen die folgenden Definitionen zutreffen. "Verallgemeinerte Vermögenswerte" (generalized assets) umfassen Vermögenswerte, Verbindlichkeiten, Rechte, Funktionen, Prozesse, Schnittstellen (zwischen Prozessen und zwischen Funktionen), Wechselbeziehungen und andere Objekte, denen Werte oder Qualitäten zugeordnet werden können. "Vermögenswerte" (assets) umfassen auch Verbindlichkeiten, da das vorliegende System Verbindlichkeiten als negative Vermögenswerte behandelt, und wird häufig synonym mit verallgemeinerte Vermögenswerte verwendet. "Verallgemeinerte Werte" umfassen Werte oder Qualitäten, die gemessen und quantifiziert werden können, so wie übliche Werte in Einheiten einer Währung ausgedrückt werden können oder so wie die verschiedenen Definitionen für Qualität und Effizienz. Zur Abkürzung und Lesbarkeit wird "Wert" oft synonym mit verallgemeinerter Wert verwendet. "Bewertung" ist Bestimmung des Wertes. "Rating" ist ein spezieller Fall der Bewertung mit der konventionellen Bedeutung als Unternehmensrating oder Kreditrating Prozess. "Erwartungen" sind Schätzungen zukünftiger Werte. "Schätzungen" sind konventionelle Schätzungen oder Beurteilungen, unter den verfügbaren, normalerweise beschränkten Informationen. "Risiken" und "Chancen" sind mögliche positive und negative Fluktuationen zukünftiger Werte. "Risiken" umfassen Chancen, wenn sinnvoll, weil das vorliegende System die Risiken als negative Chancen behandelt. "Fluktuationen" sind Änderungen in den verallgemeinerten Werten, die sich normalerweise auf stochastische und häufige Änderungen beziehen. "Unsicherheiten" sind mögliche Fehler in den Erwartungen oder Schätzungen. Risiken und Chancen sind Beispiele für Unsicherheiten. "Faktoren" sind treibende Kräfte (Driving Forces), Einflüsse oder Fluktuationen, die als Variable oder Referenzen verwendet werden, um die Dynamik von Größen zu beschreiben. "Systematische Faktoren" sind Faktoren, die mit Ereignissen oder Änderung von bestimmten Größen verbunden sind oder verbunden werden können. Sie werden normalerweise mit anderen Faktoren korrelieren. "Unsystematische Faktoren" oder "idiosynkratische Faktoren" sind Faktoren, die rein zufällig sind und nicht mit anderen Faktoren zusammenhängen (korrelieren). "Durchschnitt", "Durchschnittswert", "Standardabweichung", "Volatilitäten", "Kovarianzen" und "Korrelationen" beziehen sich, wenn es sinnvoll ist, auf die verallgemeinerten Werte, und haben ihre konventionelle Bedeutung im Kontext von multivariaten Brownschen Prozessen oder zeitlich evolvierenden multivariaten Normalverteilungen. Sie beziehen sich auf geeignete Verallgemeinerungen im Kontext allgemeinerer Prozesse oder im unspezifischen allgemeinen Kontext und können sich implizit auf weitere Parameter beziehen, wenn es sinnvoll ist. "Kohärente Aggregation" und "Aggregation" beziehen sich auf die Integration einzelner Bestandteile zu einer Gesamtheit unter expliziter und vollständiger Berücksichtigung der Volatilitäten und Korrelationen zwischen den Bestandteilen. "Konsolidiert" bedeutet "integriert" und ist vom Kontext abhängig, ob die konventionelle Addition oder die kohärente Aggregation gemeint ist.
  • Die folgende detaillierte Beschreibung zumindest einer Ausführung des Systems und des Verfahrens bezieht sich auf das Gebiet des Unternehmensrating und -bewertung. Jedoch sind die Ausführungen des beschriebene Systems und Verfahrens allgemeiner und können bei verschiedenen Bewertungen komplexer Systeme in vielen Bereichen angewendet werden. Im allgemeinen kann die Bewertung eine Meinung, Schätzung, Beurteilung, Analyse, Rating oder Klassifizierung von einer Person, eines Vermögenswerts (Asset), eines Prozesses, eines Projektes oder einer Eigenschaft sein. Über das Unternehmens- oder Kreditrating hinaus gibt es viele Gebiete, in denen standardisierte, quantitative und objektive Bewertungsverfahren einen beträchtlichen Fortschritt darstellen können. Beispiele sind die Bewertung von Regierungen, Staaten, Prozessen (z.B. Unternehmensprozesse, Produktionsprozesse); Prozessen, Produkten, Dienstleistungen (z.B. Forschung und Entwicklung, Beratung, Recht, Investitionsdienstleitungen, Internet, Online, und ASP-Dienstleitungen), Immobilien, Finanzprodukten (z.B. Bonds, Swaps, Convertibles, Exotische Optionen), Verbrauchsgütern und Verbraucherdienstleistungen (z.B. Haushaltswaren, Computer, Sportartikel, Nahrungsmittel, sonstige Produkte und Dienstleistungen), Vermietungs- und Leasingprodukten und -dienstleistungen (z.B. Mietwagen, Hotels), Verkehrsmitteln (z.B. Kraftfahrzeuge, Schiffe, Flugzeuge, Züge), Verfahren, Projekten, Strategien, Investitionen, Fonds, Krediten, Verbindlichkeiten, Wertpapieren, Versicherungen, Produktionsstätten, Lieferanten, Technologien, Produktqualitäten und Dienstleistungen (z.B. Effizienz, Wettbewerbsfähigkeit, ISO 9001).
  • Bezugnehmend auf die beiliegende Zeichnung, zeigt 1 das allgemeine Flussdiagramm des Bewertungsverfahrens. Das Bewertungsverfahren kann z.B. aus einem oder mehreren der vier oder fünf Hauptteile bestehen, nämlich dem Strukturierungsverfahren (100), dem Datenmanagementsystem (200), dem Expertensystem (300), dem Integrationssystem (400) und einem optionalen Optimierungssystem (500). Das Strukturierungsverfahren (100) bildet das Unternehmen in einer Hierarchie von Einheiten ab. Das Datenmanagementsystem (200) sammelt und analysiert die Eingabedaten. Das Expertensystem (300) führt Benchmark- bzw. Vergleichsanalysen (relative Methode) aus. Das Integrationssystem (400) aggregiert die Unternehmensdaten (absolute Methode). In dem letzten Schritt werden alle gesammelten Daten und generierten Ergebnisse gespeichert und berichtet. Ein optionales Optimierungssystem (500) findet die besten Lösungen zu vorgegebenen Zielen und Restriktionen.
  • In Abhängigkeit von dem Bewertungsziel sind in einigen Fällen nicht alle Systembestandteile notwendig, um die gewünschten Ergebnisse zu erreichen. Dann werden die unnötigen Bestandteile als optional betrachtet. Zum Beispiel erfordert ein Unternehmensrating kein Expertensystem, das Risiken und Chancen aus den Schlüsselkennzahlen des Unternehmens ableitet bzw. identifiziert. Das System enthält schon einen Standardsatz der größeren Risiken und Chancen, die in, den meisten Fälle genügen, um die Ratingziele zu erreichen. In diesem Fall ist das Expertensystem ein optionales System, das die Ratinggenauigkeit erhöht. Natürlich erfordern optimale Ergebnisse immer alle optionalen Systeme (auch einschließlich der spezialisierten unten beschriebenen Erweiterungsmodule).
  • Das Strukturierungsverfahren (2)
  • Schritt 100 – Das Strukturierungsverfahren:
  • Das Strukturierungsverfahren ist ein Hauptbestandteil des Bewertungsverfahrens. Ein Ziel umfasst das Strukturieren und die Partitionierung der Gesellschaft in finanzielle Investitionen und betriebliche Geschäftseinheiten, so dass eine vollständige und repräsentative Abbildung des Unternehmens entsteht.
  • Schritt 110 – Identifizieren und definieren finanzieller Beteiligungen:
  • In einer ersten Stufe werden die finanziellen Beteiligungen der Gesellschaft identifiziert und definiert (110). Finanzielle Beteiligungen sind zum Beispiel Kapitalbeteiligungen mit oder ohne Gesellschaftscharakter.
  • Schritt 120 – Identifizieren und definieren betrieblicher Geschäftseinheiten und Schritt 130 – Identifizieren und definieren betrieblicher Untereinheiten:
  • In einem nächsten Schritt werden die betrieblichen Geschäftseinheiten (120) und die betrieblichen Untereinheiten (130) von dem Unternehmen identifiziert und definiert. Wenn die Unternehmensführung direkte Kontrolle und Verantwortung über eine Geschäftseinheit hat, dann entspricht dieses Geschäft einer betrieblichen Geschäftseinheit, ansonsten handelt es sich um eine finanzielle (Kapital-)Beteiligung.
  • Schritt 140 – Definieren der Fundamentaleinheiten:
  • Die Partitionierung in betriebliche Geschäftseinheiten und Untereinheiten entspricht normalerweise der hierarchischen Struktur der Gesellschaft. Die Strukturierung und Partitionierung hängt von der Diversifikationsbreite und -tiefe des Unternehmens ab. Auf der untersten Hierarchieebene beziehen sich die Einheiten auf Produkte oder Funktionen, je nach der Organisationsstruktur der Gesellschaft. Diese Einheiten auf der untersten Hierarchieebene werden Fundamentaleinheiten (140) genannt. Auf dieser Ebene sind die Daten durch das Management-Information-System oder Controlling Systeme verfügbar.
  • Es ist ein wichtiger Aspekt des Strukturierungsverfahrens, dass es eine vollständige und konsistente Partitionierung des Unternehmens in nicht-überlappende Einheiten garantiert und dabei auch die entsprechenden Charakteristika und Interdependenzen beinhaltet. Das Standard-Strukturierungsschema wird in 3 gezeigt. Eine Gesellschaft ist in betriebliche Geschäftseinheiten, finanzielle Beteiligungen und Tochtergesellschaften strukturiert. Die Tochtergesellschaften sind auch entsprechend dem Standard-Strukturierungsschema gegliedert.
  • Die betrieblichen Geschäftseinheiten umfassen normalerweise Business Units (organisatorische Produkt-Markt-Kombinationen). Diese Business Units sind die Produktsparten der Gesellschaft und normalerweise als Profit-Centers organisiert. Diese Business Units umfassen Fundamentaleinheiten, die üblicherweise auf Funktionen oder Produkte bezogen sind. Einige Gesellschaften sind direkt in Fundamentaleinheiten strukturiert, ohne Business Units oder aber mit Business Units nur auf einer unteren Hierarchieebene (funktionale Organisationsstruktur). Um alle Fälle abzudecken, sind die Fundamentaleinheiten als unterste hierarchische Strukturebene und Einheit definiert, die entweder Business Units oder Funktionseinheiten umfassen. Die Fundamentaleinheiten umfassen verallgemeinerten Vermögenswerten (wie oben definiert). Die hier erörterten (und in 3 als ovale Kreise dargestellt) einzelnen Elemente müssen nicht existieren, nur einmal existieren oder existieren mehrfach oder vielfach.
  • Die Grundelemente der Bewertungsanalyse sind die verallgemeinerten Vermögenswerte. Für die konsistente und vollständige Analyse aller Unternehmensbestandteile ist es wichtig, dass nicht nur Vermögenswerte und Verbindlichkeiten berücksichtigt und quantifiziert werden. Das gegenwärtige Bewertungssystem betrachtet als einen wesentlichen Bestandteil des Identifikations- und Quantifizierungsverfahren auch Prozesse und Schnittstellen zwischen Prozessen und Funktionen, und zwar auf derselben Ebene und von gleicher Wichtigkeit wie die betrachteten Vermögenswerte und Verbindlichkeiten.
  • Für die große Mehrheit von Gesellschaften liefert das Standard-Strukturierungsschema die Basis für eine getreue Abbildung der Unternehmensstruktur. In speziellen Fällen, wenn das Standard-Strukturierungsschema die Struktur einer Gesellschaft nicht richtig erfasst, werden Erweiterungen oder Reformulierungen vom Standard-Strukturierungsschema benötigt. Reformulierungen verwenden die Elemente (in 3 als ovale Kreise dargestellt) des Standardschemas, aber kombinieren sie unterschiedlich. Zum Beispiel enthalten in einer Erweiterung des Standardschemas, betriebliche Geschäftseinheiten oder eine Business Unit weitere Tochtergesellschaften und Finanzeinheiten bzw. -beteiligungen.
  • Ein spezifisches Beispiel für das Strukturierungsverfahren wird in 4 gezeigt. Die Gesellschaft hat zwei Arten von Einheiten: Finanz- und Betriebseinheiten. In diesem Beispiel umfasst die erste Hierarchieebene mehrere Tochtergesellschaften, die zweite Hierarchieebene umfasst Business Units, und die dritte Hierarchieebene umfasst Fundamentaleinheiten, d.h. Produkt- oder Funktionseinheiten. In einem anderen Fall ohne Tochtergesellschaften wäre die erste Hierarchieebene die Ebene der Business Units.
  • Die Strukturierung und Partitionierung bildet die Basis für einen oder mehrere Vorteile des vorliegenden Bewertungsverfahrens gegenüber den konventionellen Methoden, darunter z.B.: (1) Die gegenwärtige Bewertung verlässt sich nicht auf konsolidierte Daten. Sie erzielt Präzision und Transparenz aufgrund der Details, die auf der untersten Hierarchieebene verfügbar sind. (2) Sie identifiziert und integriert zusätzlich spezifische Unternehmensinformationen, die in den Korrelationen und Interdependenzen der Untereinheiten enthalten sind. (3) Das vorliegende Verfahren und das System erlauben ein konsistentes Herunterbrechen der Ergebnisse in Details und Ursprünge von der untersten bis zur höchsten Hierarchieebene. Dies erleichtert enorm unternehmensspezifische Analysen, Bewertungen, Interpretationen und Optimierungen.
  • Datenmanagementsystem (5)
  • Schritt 200 – Datenmanagementsystem:
  • Das Datenmanagementsystem (200) ist ein weiterer wesentlicher Bestandteil des Bewertungsverfahrens. Es umfasst eine Basiseinheit und eine Controllingeinheit. Die Basiseinheit enthält die Schritte (210), (230) und (260). Sie fordert, lädt und speichert die notwendigen Daten und bildet auf diese Art ein funktionierendes Datenmanagementsystem. Die Schritte (220), (240) und (250) sind die intelligente Erweiterung, die den Datenerhebungsprozess optimiert. Die Optimierung garantiert, dass nur die Daten nachgefragt werden, die am sichersten zur größten Verbesserung bezüglich der Bewertungsgenauigkeit führen. Das System enthält zwei Eingänge von anderen Systemen. (Die Eingänge treffen nur zu, wenn das Nachfragesysteme existiert.) Eingang (A) ist eine Datennachfrage vom Integrationssystem, und Eingang (B) ist eine Datennachfrage vom Expertensystem.
  • Schritt 210 – Laden externer Daten (z.B. Marktdaten, Benchmarkdaten, öffentliche Daten):
  • Das Datenmanagementsystem beginnt mit dem Sammeln externer Daten als Informationsbasis (210). Diese Datenbasis besteht normalerweise aus Marktdaten, Benchmarkdaten und öffentlichen Unternehmensinformationen, wie Bilanz oder Gewinn- und Verlustrechnung (210). Diese Daten werden von öffentlichen und kommerziellen Datenbanken bezogen (SEC Daten, Unternehmensveröffentlichungen, Branchendaten, Marktumfragen und -analysen, Analysten Reports, Provider von Unternehmensinformationen, Finanzmarktdaten, ökonomische und politische Daten, Geschäftsverbände, Gefahrenereignisdaten, usw.). Die Daten beinhalten externe Faktoren und ihre Korrelationen. Die externen Faktoren beziehen sich auf Ereignisse ausserhalb der Gesellschaft. Typische externe Faktoren sind Finanzindizes, z.B. Zinssätze oder Wechselkurse, Wirtschaftsindizes, politische Ereignisse z.B. Streiks oder Katastrophen z.B: Feuer, Wetter. Das System enthält einen Standardsatz von Faktoren, der hauptsächlich Finanz-, Branchen- und Wirtschaftsdaten umfasst. Das gegenwärtige System enthält optional Module für bestimmte Branchen und Geschäftsfunktionen mit Daten, die über ein Netzwerk, wie z.B. über das Internet, aktualisiert werden können.
  • Schritt 220 – Optimieren des Erhebungsprozesses (z.B. spezialisiertes Modul laden):
  • Von dieser Datenbasis leitet das Datenmanagementsystem bestimmte Einstellungen ab, die verwendet werden, um den weiteren Datenerhebungsprozess (220) zu steuern. Auf der Grundlage externer Daten, schätzt das System grob ab, welche der Finanzeinheiten, der betrieblichen Geschäftseinheiten oder anderen Einheiten erwartungsgemäß die größte Auswirkung auf das Bewertungsergebnis haben, z.B. im Falle eine Ratings, die größten Verluste und Gewinne. Das System optimiert das Datenerhebungsverfahren, (1.) dadurch, dass nur Daten angefordert werden, die notwendig sind, um eine gegebene Genauigkeit im Bewertungsprozess zu erreichen, (2.) durch die Konzentration auf Faktoren, die gewöhnlicherweise die Dynamik in der gegebenen Branche widerspiegeln und (3.) durch das Ranking von Datensätzen bezüglich ihrer Relevanz für das Bewertungsergebnis. Die spezifischen Einstellungen entsprechen normalerweise einem oder mehreren vorkonfigurierten Modulen, die Regeln enthalten, die auf Expertenwissen basieren und die ein gutes Modell für die betrachtete Gesellschaft, Business Unit oder Fundamentaleinheit liefern. Das Modell liefert eine erste Nnäherung für den erforderlichen Datensatz und für das Ranking der Daten. Im Falle eines Eingangs von Schritt 250 (unvollständige, inkonsistente oder nicht kohärente Daten) oder von A (von Schritt 440, die Präzision entspricht nicht den Anforderungen) fordert das System mehr Eingabedaten.
  • Schritt 230 – Erhalten und Sammeln interner Daten auf der gegenwärtigen Hierarchieebene:
  • Die tatsächliche Datenerhebung (230) ist ein interaktiver real-time (zeitnaher) Prozess, da sie dem Benutzer oder dem externen System, je nachdem wer die Daten liefert, Rückmeldung gibt. Zum Beispiel kann der Benutzer oder das externe System entscheiden, basierend auf den Informationen, die während der Schritte (220)-(250) generiert werden, ob der Genauigkeitszuwachs weitere Datenerhebungen rechtfertigt. Wenn keine internen Daten verfügbar sind oder die verfügbaren internen Daten bereits erhoben sind, d.h. die Nachfrage nach internen Daten versagt wird, endet Schritt (230) und das System fährt mit einer letzten Bewertung fort. Eine einzig auf externen Daten basierende Bewertung ist möglich, aber nicht so präzise wie mit vollständiger Datenunterstützung.
  • Die erhobenen Daten (230) umfassen normalerweise interne vertrauliche Unternehmensdaten. Diese Daten werden elektronisch von Datenbanken des Unternehmens erhalten oder werden manuell über die Benutzerschnittstelle des Systems eingegeben. Die Daten stammen aus dem Controlling, dem Rechnungswesen, den Produkteinheiten, den Funktionseinheiten und aus persönlichen Interviews mit Business Unit Managern, Kunden und Klienten. Das System fordert Risiken und Chancen, interne Faktoren und ihre Korrelationen an, alle auf der betrachteten Hierarchieebene (siehe 4). Typische interne Faktoren sind Maße für Produktqualität, Mitarbeiterzufriedenheit oder Gefahren z.B. Computer- oder Datenbankausfall. Im Falle eines Eingangs von B (von Schritt 350, zusätzliche Daten sind für die Quantifizierung notwendig) fordert das System mehr Eingabedaten.
  • Einige Eigenschaften im Vergleich mit den bestehenden Bewertungsprozessen können Folgendes umfassen: (1.) Die Datenerfassung und Analyse geschehen auf mikroskopischen Ebenen und verlaufen normalerweise von den höheren Hierarchieebenen zu den unteren Ebenen, die den Fundamentaleinheiten entsprechen. Für das Ziel einer hohen Präzision, beginnt die Datenerhebung und Analyse sofort auf der Ebene der Fundamentaleinheiten. Das Bewertungsergebnis ist das Integral dieser mikroskopischen Bewertungen. Die mikroskopischen Daten auf der Fundamentalhierarchieebene sind normalerweise vertrauliche Unternehmensdaten. Diese Daten umfassen unter anderem sowohl Kosten- und Rentabilitätsdaten als auch weiche Faktoren. Die vorhandenen Datenerhebungs- und Analyseverfahren beinhalten solche Daten nicht, insbesondere nicht unter systematischen oder unternehmensweiten Gesichtspunkten. (2.) Die Datenerhebungs- und Analyseprozesse decken alle Einheiten auf eine homogene und kohärente Art ab. Es gibt kein Herauspicken bestimmter Einheiten bezüglich einer a-priori Wichtigkeit. Die Wichtigkeit von bestimmten Einheiten ist nur a-posteriori bekannt als ein Teil des Ergebnisses, das sowohl alle anderen Einheiten als auch die umfassenden Korrelationsinformationen beinhaltet. Aus demselben Grund verwenden die intelligenten Bestandteile des Datenmanagementsystems Vorbewertungen, um die relative Wichtigkeit oder Wirkung der zusätzlicher Inputs abzuschätzen. Es gibt auch kein Herauspicken von bestimmten Zahlen oder Daten, die die finanzielle Situation oder Wettbewerbssituation der Gesellschaft repräsentieren. Nochmals, die Wichtigkeit dieser Zahlen und Daten ist ein Ergebnis des beschriebenen Datenerhebungs- und Analyseverfahrens. (3.) Die Datenerhebung und Analyse berücksichtigen Korrelationsinformationen. Existierende Methoden und Systeme beinhalten diese Informationen nicht, insbesondere nicht mit der notwendigen Rigidität und mathematischen Genauigkeit. (4.) Der Datenerhebungs- und Analyseprozess beinhaltet die vollen Wahrscheinlichkeitsinformationen, d.h. Information über Fluktuationen und Unsicherheiten. Die existierenden Systeme und Methoden berücksichtigen diese Information nicht. Für Bewertungen, die auf Voraussagen oder zukünftigen Ereignissen basieren, ist es notwendig, Abweichungen von den durchschnittlichen Erwartungen zu berücksichtigen, da Unsicherheiten normalerweise intrinsische Merkmal von Voraussagen sind. (5.) Die Datenerhebung schließt auch die Unsicherheiten von Schätzungen mit ein. Besonders bei spärlicher Datenbasis kann es sein, dass die Schätzungen nicht genau sind und die entsprechenden Unsicherheiten einen Einfluss auf die Ergebnisse haben können.
  • Im speziellen Fall des Unternehmensratings und der manuellen Dateneingabe über eine Benutzerschnittstelle des Systems sind die Schätzungen das Ergebnis einer Zusammenarbeit von Risk Owner und Risk Profiler. Der Risk Owner ist die Person verantwortlich für die zu bewertenden Vermögenswerte (assets). Der Risk Profiler ist die Person verantwortlich für den Bewertungsprozess. Risk Owner und Risk Profiler repräsentieren zwei komplementäre Aspekte des Datenerhebungsprozesses. Der Risk Owner kennt die Eigenschaften und Eigentümlichkeiten der Vermögensgegenstände und identifiziert, qualifiziert und quantifiziert die Risiken, Chancen und Abhängigkeiten. Der Risk Profiler unterstützt den Risk Owner im Quantifizierungsprozess und transferiert und klassifiziert diese Informationen im Rahmen des Bewertungsprozesses (z.B. basierend auf Risikokatalog und Risikodatenbank). Die Zusammenarbeit von Risk Ownern und Risk Profilern garantiert einen einheitlichen unternehmensweiten Standard der Datenerhebung, höhere Präzisionslevels und einen wesentlich effizienteren Erhebungsprozess. Es ist natürlich möglich, dass eine Anwender in einer Person gleichzeitig beide Rollen annimmt, die des Risk Owner's und die des Risk Profiler's.
  • Die erhobenen Daten umfassen Schätzungen von Unsicherheiten assoziiert mit Fluktuationsgrößen und zukünftigen Erwartungen. 6 zeigt Beispiele für die zwei Arten von Unsicherheiten. Historische Schwankungen (61) mit ihrer mittleren Veränderung über die Zeit (62) und mögliche zukünftige Realisierungen (64) um die durchschnittliche erwartete Veränderung (65). Zum Beispiel ist der erste Kurventyp die vergangene Entwicklung eines Wechselkurses mit seinem durchschnittlichen Trend über eine kurze Periode und die zweite Kurve charakterisiert zwei erwartete zukünftige Entwicklungen desselben Wechselkurses. Im ersten Fall schwankt die Kurve um ihr Mittel (63) während im zweiten Fall die einzelnen Realisierungen stark von durchschnittlichen Erwartungen abweichen können (66). Die Schwankungsbreiten um den Durchschnittwert im ersten Fall und die Größe der Unsicherheit zukünftiger Erwartungen im zweiten Fall sind ausschlaggebende Determinanten der zugrundeliegenden Kurvendynamik. Die Größe der Unsicherheiten muss für jede vernünftige Beschreibung von Schwankungsgrößen oder zukünftigen Erwartungen erfasst werden. Ein Merkmal mindestens einer Ausführung dieser Erfindung umfasst, dass diese Unsicherheiten und ihre Korrelationen angefordert und integriert werden. Konventionelle Bewertungsmethoden und -systeme zielen oft ausschließlich auf Durchschnittswerte.
  • Eine übliche Beschreibung von Größen mit Unsicherheiten geschieht mittels Wahrscheinlichkeitsverteilungen oder stochastischen Prozesse (z.B. multivariate Normalverteilungen wie unten beschrieben.) Die Verteilungen oder Prozesse werden weiter durch Parametern spezifiziert, wie z.B. den mittleren Raten, den Volatilitäten, den Korrelationen, usw. 7 zeigt ein Beispiel einer 2-dimensionalen Normalverteilung von Faktoren mit Volatilitäten σ1 = 0.1 (71) und σ2 = 0.2 (72) und Korrelation ρ = 0.5 . Die positive Korrelation impliziert, dass Fluktuationen bei denen sich beide Faktoren in dieselbe Richtung bewegen, wahrscheinlicher sind (73). Lineare Kombinationen von Faktoren entsprechen geraden Linien (74) und das Volumen unterhalb der gezeigten Oberfläche (75) gibt die Wahrscheinlichkeit an, dass die lineare Kombination beider Faktoren unterhalb eines gegebenen Werts fällt. Eine andere, mehr mechanische und implizite Beschreibung des Spektrums von Fluktuationen geschieht mit genetischen Algorithmen oder neuronalen Netzwerken.
  • In den meisten Fällen ist es kein vernünftiges Verfahren, alle Wechselbeziehungen (z.B. Volatilitäten und Korrelationen) zwischen allen fluktuierenden Größen zu bestimmen und zu erheben. Aus Gründen der Praktikabilität und Leistung beschreibt das System Fluktuationen durch Funktionen von linearen Faktorkombinationen. Der Vorteil solch eines Verfahrens ist, dass eine sehr große Anzahl von Korrelationen zwischen Größen von einem viel kleineren Satz von Faktorkorrelationen erfasst werden kann, während ungefähr das gleiche Genauigkeitsniveau bestehen bleibt. Zum Beispiel erfordert ein Satz von 100 Größen etwa 100 × 100/2 = 5000 Korrelationen zwischen ihnen. Normalerweise kann ein Satz von 100 Größen zuverlässig durch etwa 10 Faktoren abgebildet werden bei ungefähr dergleichen Genauigkeit. Diese 10 Faktoren erfordern nur 45 Korrelationen. Ein weiterer Vorteil ist, dass Korrelationen zwischen Faktoren im allgemeinen viel leichter zu messen sind.
  • Fluktuationen, die nicht mit dem Satz aus Faktoren beschrieben werden können, werden von einem idiosynkratischen Faktor erfasst. Das System unterscheidet automatisch eine genaue Berechnung von einer ungefähren Faktorberechnung durch Überprüfen der Existenz eines idiosynkratischen Faktors. Der Berechnungsmodus ist damit durch die Dateneingabe kontrollierbar. Im allgemeinen sind die Unterschiede zwischen diesen zwei Bewertungsmodi klein in bezug auf die Präzision der Endergebnisse, aber groß in bezug auf die Leistung.
  • Der Satz aus Faktoren und seine Korrelationen sind Basiseingabedaten, die vom Datenmanagementsystem erhoben werden. Die Parameter, die eine Faktorwahrscheinlichkeitsverteilung beschreiben, können von historischen Datenserien oder von gegenwärtigen Marktdaten extrahiert oder geschätzt werden. Zum Beispiel, unter der Annahme, dass Wechselkurse durch eine multivariate Normalverteilung beschrieben werden, kann man ihre Fluktuationen und Korrelationen aus historischen Wechselkursdaten schätzen. Die Schätzung selbst enthält mehrere Parameter, wie die Länge der Schätzperioden oder die Gewichtungsfunktion mit die neuere Daten betont. Der Gesamtfehler des Schätzprozesses enthält die Fehler der Annahme einer multivariaten Normalverteilung und die Fehler, die durch vorgegebene Schätzperioden oder Gewichtungsfunktionen enstehen. Unsicherheiten beim Schätzen der Faktoren sind auch wichtige Eingabedaten. Bei spärlichen Daten können die Schätzungsunsicherheiten so groß wie die zugrundeliegende Schätzung sein. Diese Effekte werden deshalb mit denselben Verfahren und auf derselben Ebene wie alle anderen Unsicherheiten behandelt. Ähnliche Schätzungsfehler bestehen auch für die Beispiele genetischer Algorithmen oder neuronaler Netzwerke, die mit historischen Datensätze trainiert werden. Es ist vorteilhaft, dass diese Einschätzungssicherheiten vollständig erfasst werden.
  • Die Faktoren liefern eine Basis für die Beschreibung anderer Größen. Wie oben beschrieben, beinhaltet die Dynamik der Größen Unsicherheiten aufgrund von Fluktuationen oder zukünftigen Erwartungen. Die Unsicherheiten werden mit Funktionen modelliert, die von einer linearen Faktorkombination abhängen. Solch eine lineare Kombination wird von einem Satz von Gewichtungen spezifiziert, fortan Faktorgewichte genannt. Zum Beispiel, die betrachtete Größe sei der Umsatz einer Tochtergesellschaft eines Unternehmens in einer anderen Währungszone. Die Fluktuationen des Umsatzes; das in der Buchführungswährung der Muttergesellschaft gemessenen wird, hängen stark vom Wechselkurs zwischen den zwei Währungszonen ab. Der Umsatz ist eine lineare Funktion der linearen Faktorkombinationen mit einem relativ hohen Gewichtung für den Wechselkursfaktor. Die Faktorgewichte bestimmen auch die Volatilität des Umsatzes.
  • Schritt 240 – Analysieren der Daten, Bestimmen der Parameter, Vorbewertung:
  • Die Daten werden bezüglich Konsistenz, Kohärenz und Vollständigkeit analysiert (240). Das beinhaltet natürlich das Verifizieren, dass alle für den Bewertungsprozess notwendigen Größen gegeben sind. Vollständigkeit impliziert auch, dass diese Daten ausreichen, um eine gewünschte Schätzungsgenauigkeit zu erzielen. Eine vorläufige Bewertung (Vorbewertung) ist oft notwendig, um die Bewertungsgenauigkeit zu beurteilen, die mit einem gegebenen Datensatz erreicht werden kann. Diese Vorbewertung ist eine Integration basierend auf dem gegenwärtig vorhandenen Datensatz. Die Vorbewertung umfasst die Integration aller einzelnen Einheiten auf allen Hierarchieebenen. Die erhobenen Daten werden auch auf Konsistenz geprüft, z.B. durch Überprüfung der Gültigkeit von Ausschlussbedingungen innerhalb der Datensätze, und auf Kohärenz z.B. durch Überprüfung, dass die Daten mit Verfahren vergleichbarer Genauigkeit erhobenen werden. Im Falle der Beschreibung eines Faktorsatzes (siehe Schritt 230 oben), ist ein Ergebnis der gegenwärtigen Analyse ein neuer Satz von orthogonalen und normalisierten Faktoren, die den Eigenvektoren der Korrelationsmatrix entsprechen. Dieser neue Satz von Faktoren ist eine lineare Transformation des originalen Faktorsatzes. Der neue Faktorsatz hat den Vorteil, dass Orthogonalisierung und Normalisierung eine Invariante Definition von Größenordnungen erzeugen und auch sehr viele Operationen vereinfachen. Dieser Faktorensatz wird benutzt, um intern ein invariantes Mass der Präzision zu definieren und die Geschwindigkeit zu erhöhen.
  • Schritt 250 – Sind die Daten vollständig, konsistent und kohärent?:
  • Die Datenerhebung ist ein iterativer Prozess (250). Wenn die Daten entweder nicht konsistent oder nicht ausreichend sind, um die erforderliche Bewertungsgenauigkeit zu erreichen, sind weitere Datenerhebungsschritte notwendig (250). Der Optimierungsschritt (220) garantiert, dass nur jene Daten nachgefragt werden, die am wahrscheinlichsten zur größten Verbesserung der Bewertungsgenauigkeit führen. Daten, die bei diesem Schritt vernachlässigt waren, können immer noch in einem späteren Schritt erhoben werden, wenn sich herausstellt, dass sie wichtig sind (250). Wenn die iterativen oder interaktiven Eigenschaften des Datenerhebungsverfahrens ausgeschaltet werden, wird die Datenerhebung natürlich in einem Schritt fortfahren. In diesem Fall hält der Bewertungsprozess an, wenn die Überprüfung bezüglich Datenkonsistenz oder Datenvollständigkeit keinen Erfolg hat (250). Das System liefert eine Echtzeit-Überwachung der gesamten Ergebnisse und der gesamten Präzision, und es zeigt die Auswirkung der gegenwärtigen Eingaben an.
  • Ein spezifisches Beispiel für die Kriterien im Datenprüfungsprozess (250) ist das Folgende. Viele wichtige Zahlen beim Unternehmenrating oder in der Unternehmensbewertung hängen von zukünftigen Erwartungen ab. Die Unsicherheiten in diesen zukünftigen Erwartungen erfordern Quantifizierung. Die Skala von den Unsicherheiten wird oft in Form von Volatilitäten oder Kovarianzen parametrisiert. Die Kovarianzen für N Faktoren werden von einer symmetrischen N × N Matrix mit N(N + 1)/2 verschiedene Elementen dargestellt. Größen wie Kovarianzen können von historischen Serien (Erfahrungen) abgeleitet werden oder durch reine Abschätzungen (Erwartung) vorgegeben werden. Datenvollständigkeit erfordert hier unter anderem, dass ein vollständiger Satz von diesen N(N + 1)/2 Größen gegeben ist, die die Unsicherheiten spezifizieren. Datenkonsistenz erfordert hier unter anderem, dass die berechneten oder geschätzten Kovarianzen alle nötigen Beziehungen abbildet, die man vom mathematischen Formalismus erwarten könnte. Datenkohärenz erfordert hier unter anderem, dass die Berechnungen oder Schätzungen, die zu den Kovarianzdaten führen, mit vergleichbarer Genauigkeit gemacht wurden, um homogene Datenqualität zu garantieren.
  • Schritt 260 – Speichern der Daten und Berichten der Ergebnisse:
  • Der vollständige Datensatz, und Zwischenergebnisse (z.B. Bewertungsparameter) sind zum späteren Gebrauch gespeichert (260). Ein optionaler Bericht (260) fasst die Hauptmerkmale der erhobenen Daten, der Datenanalyse, der Zwischenergebnisse und der Vorbewertungsergebnisse zusammen. Der Bericht zeigt auch alle anderen Statusinformation wie Namen und Ursprung der verwendeten Daten (z.B. Dateinamen, verwendeten Datenbanken) und andere Informationen an, die im Betrieb des Datenmanagementsystems generiert wurde, wie Fehler und Warnmeldungen, Anfragen des Anwenders, Interaktionen mit anderen Systemen, usw. Der Bericht enthält im Grunde genommen alle Informationen, die notwendig sind, um die Details der Eingaben zu rekonstruieren, (d.h. Lieferung einer vollständigen Historie).
  • Das Datenmanagementsystem enthält mehrere Merkmale, die zuvor nicht in dieser oder ähnlicher Weise bei Unternehmenratings oder Bewertungen verwendet wurden. Es umfasst mindestens eine der folgenden Eigenschaften: (1.) selektive Datenerhebung optimiert für höchste Bewertungsgenauigkeit bei minimalen Datenerfordernissen, (2.) vollständige Kontrolle über die Bewertungsgenauigkeit, da alle Verfahrensschritte Präzisionszahlen übertragen von der Dateneingabe bis zur Ergebnisausgabe, (3.) überlegene Bewertungsgenauigkeit aufgrund mikroskopischer Analysen, die Information von der untersten Hierarchieebene in ein genaues globales Ergebnis integrieren, (4.) überlegene Bewertungsgenauigkeit aufgrund der expliziten Berücksichtigung von Risiken und Chancen, (5.) überlegene Bewertungsgenauigkeit aufgrund der expliziten Berücksichtigung und Quantifizierung der sogenannten weichen Faktoren, wie Reputation, Managementqualität, usw.
  • Expertensystem (8)
  • Schritt 300 – Exper tensystem:
  • Das Expertensystem (300) ist ein weiterer Hauptbestandteil des Bewertungsverfahrens. Seine Aufgabe ist die Analyse der gegebenen Unternehmensdaten. Die Analyse basiert auf einer hochentwickelten Benchmarkmethode (bzw. Vergleichsmethoden). Das Expertensystem gibt Anforderungen ab (B), um weitere Daten zu erheben. (die Anforderung trifft nur zu, wenn ein Datenmanagementsystem existiert.)
  • Schritt 310 – Laden vordefinierter Benchmarkzahlen:
  • Anfangs lädt das Expertenverfahren die verschiedenen Benchmarkzahlen, die als Referenzmodelle für verschiedene Arten von Gesellschaften oder verschiedene Kombinationen von Unternehmensdaten wirken (310). Die Benchmarkdaten sind vom Datenmanagementsystem erhoben worden von Marktdaten, Industriedaten, Aktiengesellschaftsdaten, usw. (210). Zum Beispiel bestehen die Benchmarkdaten einer Branche aus Werten oder Wertebereichen der Hauptfaktoren, Korrelationen, Unternehmens- oder Finanzzahlen und Kennzahlen, die für diese Branche charakteristisch sind. Diese Benchmarkdaten werden durch statistische Analysen vergangener Datensätze gebildet oder beruhen auf gegebenen Regelsätzen oder Beschränkungen, die bestimmte Arten von Gesellschaften charakterisieren.
  • Das Benchmarkverfahren vergleicht immer eine gegebene Unternehmenseinheit mit einer Referenzeinheit innerhalb derselben Gesellschaft (internes Benchmarking) oder mit einer Referenzeinheit außerhalb des Unternehmens (externes Benchmarking). (1.) Das externe Benchmarking ist ein Vergleich mit den generischen, externen Markt- oder Branchenzahlen. Der Zweck des externen Benchmarkings ist eine Bewertung im Verhältnis zum Marktdurchschnitt, zur Branche oder zu Wettbewerbern. Diese Referenzdaten wurden in Schritt (210) gesammelt. Auf der untersten Analyseebene wird die gegebene Fundamentaleinheit mit einer ähnlichen generischen Fundamentaleinheit verglichen, die Markt-, oder Branchenstandards oder Wettbewerber repräsentieren. Ziemlich oft existieren keine solchen Referenzeinheiten, weil auf diesem Analyseniveau nur wenige vergleichbare Wettbewerber existieren und keine Daten verfügbar sind. In diesen Fällen generiert das externe Benchmarking keinen zusätzlichen Input. (2.) Das interne Benchmarking vergleicht Einheiten, die innerhalb derselben Gesellschaft liegen und denselben übergeordneten Teil haben. Der Zweck des internen Benchmarkings ist, die relative Wichtigkeit von Schwestereinheiten zu quantifizieren und absolute Leistungszahlen in einen Prozentsatz allgemeiner Betriebsleistung zu transformieren. Die Referenzzahlen für interne Benchmarkings enthalten die gemeinsamen und durchschnittlichen Merkmale der Schwestereinheiten. Beide, die externen und die internen Benchmarking-Verfahren identifizieren die Ähnlichkeiten und Unterschiede im Vergleich zu einem Durchschnitt oder einer normalem Operation.
  • Schritt 320 – Vergleichen mit Benchmarks und Klassifizieren des gegenwärtigen Typus:
  • Das Expertensystemn startet die Analyse durch Vergleichen der Gesellschafts- oder Einheitszahlen mit denen der Benchmarkgesellschaft oder Benchmarkeinheit (320). Das lokalisiert die gegebene Gesellschaft oder Einheit innerhalb des Satzes der Benchmarkgesellschaften oder -Einheiten und liefert eine erste Klassifizierung. Diese Klassifizierung drückt die charakteristischen Merkmale der gegebenen Gesellschaft oder Einheit in bezug auf die Benchmarkgesellschaften oder -Einheiten aus.
  • Schritt 330 – Identifizieren entsprechender Stärken, Schwächen und Besonderheiten:
  • In einem nächsten Schritt identifiziert das Expertensystem die Besonderheiten der gegebenen Gesellschaft oder Einheit (330). Besonderheiten sind die Charakteristika der Gesellschaft oder Einheit, die nicht von den Benchmarkzahlen abgedeckt werden. Sie liefern erste Schlüsse und wertvolle Hinweise für weitere Prüfungen. Die Extraktion von Besonderheiten ist ein wichtiger Schritt um (1.) Schwächen und Stärken verglichen mit Wettbewerbern zu identifizieren, (2.) Ziele abzuleiten und dadurch die Wettbewerbsfähigkeit zu verbessern, (3.) die einzelnen Risiken und Chancen der Fundamentaleinheit zu identifizieren. Der Benchmarkingrozess verwendet mathematische Formeln für Tests bezüglich der Abweichungen von durchschnittlichem Verhalten und bezüglich der Bedeutung dieser Abweichungen.
  • Schritt 340 – Identifizieren entsprechender Risiken und Chancen:
  • In einem nächsten Schritt identifiziert das Expertensystem die Risiken und Chancen der gegebenen Gesellschaft oder Einheit (340). Der allgemeine Rahmen von Risiken und Chancen ist durch die Klassifizierung in bezug auf die Benchmarkgesellschaften oder -Einheiten determiniert. Zum Beispiel sind die gemeinsamen Risiken und Chancen einer Branche schon in den externen Benchmarkzahlen enthalten. Die spezifischen Risiken und Chancen und mögliche strategische Konsequenzen werden aus den Besonderheiten abgeleitet, die in Schritt 330 extrahiert wurden.
  • Schritt 350 – Sind weitere Daten für die Quantifizierung notwendig?:
  • Wenn Besonderheiten identifiziert sind und weitere Daten und Analysen zur Quantifizierung gefordert werden, sind weitere Datenerhebungsschritte notwendig, und eine Anforderung (B) wird an das Datenmanagementsystem gesandt (230). Die Hierarchieebene muss für Schritt 230 eingestellt werden.
  • Schritt 360 – Speichern und Berichten der Ergebnisse:
  • In einem letzten Schritt (360) speichert das Expertensystem die berechneten Ergebnisse im Datenmanagementsystem und erstellt auch einen Bericht. Der Bericht zeigt Statusinformationen und andere Informationen, die im Betrieb des Expertensystems generiert wurden, wie Fehler und Warnmeldungen, Benutzeranforderungen, Interaktionen mit anderen Systemen usw.
  • Integrationssystem (9)
  • Schritt 400 – Integrationssystem:
  • Das Integrationssystem (400) ist ein weiterer Hauptteil des Bewertungsverfahrens. Seine Aufgabe ist die Konsolidierung von Unternehmensdaten durch kohärente Aggregation. Die kohärente Aggregation (kurz auch Aggregation genannt) ist eine Integration, die vollen Bezug auf die Korrelationen (im allgemeineren, Wechselbeziehungen) zwischen den Größen nimmt, die integriert werden. Die Wichtigkeit dieses Verfahrens beruht auf der Tatsache, dass nicht alle Größen, insbesondere nicht Schwankungen, wie Nummern oder Zahlen aufaddiert werden können. Unsicherheiten in Erwartungen oder Unsicherheiten in zukünftigen Erwartungen erfordern zur kohärenten Integration mehr komplexe mathematische Modelle. Ein korrektes kohärentes Aggragtionsverfahren ist z.B. eine mathematische Integration oder Simulation mit multivariate Wahrscheinlichkeitsverteilungen. Das Integrationssystem emittiert eine Anforderung (A), um weitere Daten zu erheben. (die Anforderung trifft nur zu, wenn ein Datenmanagementsystem existiert.)
  • Schritt 410 – Erhalten der Zahlensätze mit Unsicherheitsparametern:
  • Die erste Stufe des Integrationssystems ist die Datenerfassung (410). Die Daten umfassen Größen, die einen Zustand quantifizieren wie z.B. die Zahlen der Bilanz und Gewinn- und Verlustrechnung, und Größen, die Unsicherheiten oder zukünftige Erwartungen quantifizieren, wie z.B. Risiken und Chancen in den Zahlen der Bilanz und Gewinn- und Verlustrechnung. Das neue Merkmal der hier beschriebenen Bewertung ist, dass es die Unsicherheiten aller Größen mit berücksichtigt und ihren Einfluss durch den ganzen Bewertungsprozess mit trägt. Die Unsicherheiten in Fluktuationen oder zukünftigen Erwartungen werden oft mit stochastischen Prozessen oder multivariate Verteilungen modelliert und sind mit Volatilitäten, Korrelationen und anderen Größen parametrisiert. Das Integrationssystem erwartet, dass die erhaltenen Daten die notwendigen Wahrscheinlichkeitsinformationen liefern.
  • Schritt 420 – Bestimmen der multivariaten Wahrscheinlichkeitsverteilung:
  • Im nächsten Schritt des Integrationssystems muss ein konsistentes und kohärentes Modell der gelieferten Daten vorhanden sein, das die Daten in einer für die Integration passenden Form darstellt (420). Datensätze auf dieser Stufe des Bewertungsprozesses sind immer in Form von Wahrscheinlichkeitsverteilungen angegeben, zumindest spezifiziert durch den Durchschnitt und die Fluktuation der Größe (d.h. in Form der Standardabweichung, der Varianz oder der Volatilität). Zum Beispiel sollten Voraussagen, Schätzungen oder Erwartungen des zukünftigen Umsatzes nur mit ihrer Standardabweichung notiert werden, beispielsweise mit 10% Unsicherheit über ein Jahr. Auch müssen die Faktoren für diese Unsicherheiten spezifiziert und quantifiziert werden. Im Falle des Umsatzes könnten solche Faktoren allgemeine Wirtschaftsentwicklung, Wechselkurse für Export- oder Importorientierte Unternehmen, lokales Wetter für Elektrizitätsprovider importieren, usw., sein. Viele mathematische Modelle existieren, um die Wirkungen von Fluktuationen und Korrelationen in eine einheitliche Beschreibung zu kombinieren. Diese Modelle unterscheiden sich hinsichtlich dem Hervorheben der mathematischen Repräsentanz, Charakteristik, Präzision usw., sie basieren aber auf einer ähnlichen Aggregationslogik und führen zu ähnlichen Aggregationsergebnissen. Ein populäres Modell ist die multivariate Normalverteilung (oder Prozess; mit oder ohne Copulas). Es kann die Dynamik von vielen Größen einschließlich ihrer Fluktuationen beschreiben. Das Modell ist spezifiziert durch Parameter, wie Durchschnittswerte; Volatilitäten und Korrelationen der Größen. Diese Parameter müssen für alle Größen in dem Datensatz berechnet sein, wenn die multivariate Normalverteilung als Datenmodell übernommen wird.
  • Zum Beispiel wird oftmals eine Größe q modelliert als Term in Abhängigkeit einer linearen Kombination mehrer Faktoren f = ( f1,...,fN ) und einem idiosynkratischen Faktor ε mit Gewichtungen w1,...,wN, wε q = b(w1f1 + w2f2 + w3f3 + ... + wNfN+ wεε) wobei b eine empirisch oder analytisch ableitete Funktion ist. Im einfachen Fall, dass die Faktoren f1,...,fN und ε einer Brownschen-Bewegung gehorchen, ist ihre zugehörige Wahrscheinlichkeitsverteilung eine evolvierende multivariate Normalverteilung: ϕ(f,ε) = ϕ(f)ϕ(ε) ϕ(ε) = (2πσε 2t)–½ exp[ – εtε/(2σε 2t)] ϕ(f1, f2,..., fN) = (2π)–n/2(detΣ)–½exp[ – (ftΣ–1f)/2] f = (f1, f2,..., fN)
    Figure 00280001
  • Wobei σε die Volatilität des idiosynkratischen Faktors ist, Σ ist die Kovarianzmatrix der Faktoren f1,..., fN, N ist die Anzahl der Faktoren, σik = σiσkρik bezeichnet die Kovarianz zwischen den Faktoren i und k (mit i, k = 1,..., N ), σi ist die Volatilität des Faktor i, ρik ist die Korrelation zwischen den Faktoren i und k und t ist die verstreichende Zeit. 7 zeigt die Form einer 2-dimensionale Faktorwahrscheinlichkeitsverteilung mit Korrelation. Innerhalb der Systeme werden orthogonale (keine Korrelationen) und normalisierte (Einheitsvolatilität) Faktoren verwendet, um die Leistung zu verbessern. Diese orthonormalisierten Faktoren werden von einer linearen Faktortransformation generiert.
  • Schritt 430 – Integrieren, um Wahrscheinlichkeitsverteilungen für konsolidierte Größen zu erhalten:
  • Wie zuvor werden die Dynamiken und Unsicherheiten unkonsolidierter Größen von einer Wahrscheinlichkeitsverteilung dargestellt. Die entsprechenden konsolidierten Daten werden durch die mathematische Integration der (multivariate) Wahrscheinlichkeitsverteilung erhalten (430). Zum Beispiel, unter der Annahme, dass die multivariate Wahrscheinlichkeitsverteilung die Umsatzwahrscheinlichkeitsverteilungen mehrerer Geschäftseinheiten enthält, wird der gesamte konsolidierte Umsatz aller Geschäftseinheiten dann von der Wahrscheinlichkeitsverteilung der einzelnen Umsätze abgebildet, die aus dem Integrieren über alle einzelnen Umsätzen resultiert, mit der Beschränkung, das der Gesamtumsatz die Summe aller einzelnen Umsätze ist. Das Ergebnis für den Gesamtumsatz ist wieder eine Wahrscheinlichkeitsverteilung, und sein Durchschnitt ist der erwartete Umsatz. Die Fluktuationen aller einzelnen Umsätze aggregieren sich zu einer allgemeine Unsicherheit im konsolidierten Umsatz.
  • Die Aggregation von Größen mit Unsicherheiten basiert nicht nur auf ihren Unsicherheiten. Die Korrelationen sind auch ein Hauptbestandteil, weil sie bestimmen, wie die Unsicherheiten kombiniert sind. Die richtige Behandlung von Korrelationen erfordert äußerste Sorgfalt und kann normalerweise nur mit hochentwickelten Werkzeugen oder komplexen mathematischen Formeln geschafft werden. Zum Beispiel wird der Umsatz mehrerer Geschäftseinheiten normalerweise durch Addition der einzelnen Umsatzbeiträge zum Gesamtumsatz berechnet. Dieses Verfahren ist nur richtig, wenn keine Unsicherheiten oder Fluktuationen berücksichtigt werden. Der zukünftige Umsatz der Gesellschaft oder der Business Unit basieren normalerweise auf Schätzungen oder Vorausplanungen, die Unsicherheiten mit sich tragen. Wenn die einzelnen Business Units von verschiedenen Faktorkombinationen abhängen, wie es fast immer der Fall ist, dann dürfen die Fluktuationen der einzelnen Umsätzen nicht einfach addiert werden, sondern integriert mittels eines komplexeren Verfahrens, wie oben beschrieben. Im allgemeinen verringern sich alle Unsicherheiten in der Gesamtheit, weil sich viele einzelne Fluktuationen gegenseitig aufheben oder durch Aggregation verringern. Nur in dem sehr speziellen Fall, wo alle Business Units derselben Faktorkombination folgen, sind die Korrelationen maximal und die Umsatzschwankungen würden sich addieren. Das sich Aufheben einzelner Fluktuationen ist den bekannten Diversifikationseffekten in der Portfoliotheorie ziemlich ähnlich.
  • Die Diversifikation verschiedener Korrelationen ist in 10 beschrieben sowie die Aggregation von zwei Verteilungen, jede mit Durchschnittswert 10,0 (101), (102) und Standardabweichung 2,0 (105), z.B. resultierend aus zwei Erwartungen für zukünftige Aktienwerte. Naiv gesehen, wird es erwartet, dass das Ergebnis Voraussage 10,0 mit der Standardabweichung 2,0 ist, da beide Schätzungen im Wert übereinstimmen. Jedoch ist dieses Ergebnis nur für den Fall richtig, dass beide Erwartungen exakt auf den gleichen Ursachen, d.h. Faktoren basieren (107). Das richtige Ergebnis hat denselben durchschnittlichen Erwartungswert (103), Wert 10,0 wie zuvor, aber mit verschiedenen Standardabweichungen (104) zwischen 0,0 und 2,0. Das heißt, der allgemeine Fall mit verschiedenen zugrundeliegenden Faktoren, d.h. nicht-perfekter Korrelation (106) führt zur Diversifikation. 10 beschreibt Fälle von einer kleinen oder keinen Korrelation (108), Antikorrelation (109) und mittleren Korrelation. Mit einigen Vereinfachungen kann die kohärente Aggregation von Unsicherheiten als Vektoraddition dargestellt werden, wobei die Korrelation dem Winkel zwischen den hinzuzufügenden Vektoren entspricht und sehr ähnlich der Pythagoras Formel ist, die die Addition von Seitenlängen eines Dreiecks beschreibt, siehe 10. Mit den Notationen von oben ist das Winkelmaß der Volatilität einer aggregierten Größe (103) gegeben durch:
    Figure 00300001
  • Obwohl das vorherige Beispiel die tatsächliche Diversifikation stark vereinfacht, weil die Fluktuationen der Größen im allgemein nicht-lineare Funktionen der Faktoren sind, bleiben die Aufhebungseffekte dennoch groß. Die Aggregation mit Aufhebungen einzelner Schwankungen ist die Basis für die Verbesserung hinsichtlich existierender Bewertungssysteme und -verfahren.
  • Eine andere Folge der Diversifikation ist, dass subjektive Schätzungen in den Eingabedaten gemittelt werden, während objektive oder allgemeine Schätzungen in der Aggregation erhalten bleiben. Dies ist in der Tatsache begründet, dass subjektive Schätzungen einen viel größeren Anteil idiosynkratischer Schwankungen enthalten. Auf diese Weise, in dem Fall eines Mangels an Daten, wenn subjektive Schätzungen von Experten einen wesentlichen Input für eine Bewertung darstellen, führen das vorgestellte System und das gezeigte Verfahren zu einem viel objektiveren Ergebnis, als das was aus naiver Sicht erwartet wird. Eine weitere Verbesserung ist natürlich, dass die Unsicherheit in den Schätzungen unabhängig abgedeckt wird; das Beispiel nach (230).
  • Das Integrationssystem ist konzeptionelle und mathematisch äquivalent zu der Simulation möglicher zukünftiger Unternehmensentwicklungen. Es ist die Summe über alle zukünftigen Standpunkte, wobei jeder Status einer bestimmten Kombination von realisierten Faktorwerten entspricht. Das Ergebnis von vielen Simulationen ist ein Spektrum verschiedener Bewertungsergebnisse. Dieses Spektrum von Bewertungsergebnissen ist charakterisiert durch den Durchschnittswert und einer Standardabweichung als Skala der Unsicherheit um den Durchschnittswert herum. Das beschriebene Integrationssystem basiert auf einem konsistenten Evolutionsmodell für Unsicherheiten mit Faktorgewichtungen und Korrelationen.
  • Die Aggregation kann in mehreren Schritten erfolgen, z.B. von einer niedrigen Hierarchieebene zu einer höheren Hierarchieebenen. Dies ist in 11 erläutert, wo die Risiken und Chancen von einer betrieblichen Geschäftseinheit über zwei Hierarchieebenen aggregiert werden und wo das Strukturieren dem Beispiel aus 4 folgt. Das Integrationssystem verwendet zwei Verfahren für die Aggregation von aggregierten Größen. Das Standardverfahren besteht darin, repräsentative Faktoren zu aggregieren. Ein Rückfallverfahren ist, zu der untersten Hierarchieebene zurückzugehen und mit den bekannten Korrelationen zu aggregieren.
  • Schritt 440 – Haben alle Ergebnisse die geforderte Präzision?:
  • Wenn die Ergebnisse nicht die erforderliche Präzision haben, sind weitere Datensammlungsschritte notwendig und eine Anforderung (A) wird an das Datenmanagementsystem gesandt. Der Optimierungsschritt (220) garantiert, dass nur jene Daten angefordert werden, die am wahrscheinlichsten zur größten Verbesserung bezüglich der Schätzungsgenauigkeit führen. Dieser Optimierungsschritt kann ein iterativer Prozess mit einem Maximum von zwei Wiederholungsschleifen sein, bevor das System automatisch speichert und berichtet (zum Beispiel, falls eine geforderte Genauigkeit von 0,001% nicht erreicht werden kann, ohne eine übermäßige Lieferung an Daten). Das System gibt eine Nachricht, dass die erforderliche Genauigkeit nicht erreicht werden kann.
  • Schritt 450 – Speichern und Berichten der Ergebnisse:
  • In einem letzten Schritt (450) speichert das Integrationssystem die berechneten Ergebnisse im Datenmanagementsystem. Es erstellt auch einen Bericht mit Systemnachrichten wie Fehler und Warnmeldungen, Benutzeranforderungen, Interaktionen mit anderen Systemen usw.
  • Einige Eigenschaften des beschriebenen Integrationssystems als Teil eines Bewertungsprozesses umfassen: (1.) Größen werden zusammen mit ihren intrinsischen Unsicherheiten aggregiert. Der Unterschied zu konventionellen Bilanzkalkulationen oder Gewinn- und Verlustrechnungen ist, dass es eine zweite Dimension zu allen Größen gibt, die der Unsicherheiten, d.h. die quantifizierten Abweichungen von Erwartungen. (2.) Diese zusätzliche zweite Dimension der Unsicherheiten erfordert das Verfahren der kohärenten Aggregation, das die konventionelle Addition erweitert bzw. ersetzt. Unsicherheiten werden nicht addiert wie gewöhnliche Zahlen, sondern mehr wie Vektoren, siehe 10. (3.) Da sich Unsicherheiten normalerweise aus einer Vielfalt von verschiedenen Ursprüngen ergeben, erscheinen Diversifikation als eine Effekt der Aggregation. Im allgemeinen sind die aggregierten Gesamt-Unsicherheiten über alles nicht so groß wie die Summe der einzelnen Unsicherheiten.
  • Kohärente Aggregation ist ein neuer Aspekt verglichen mit den konventionellen Bewertungsschemen. Die 12 bis 14 erläutern zumindest einige der Unterschiede zwischen der neuen und konventioneller Bewertung im Falle des Unternehmensratings. Das Merton-Modell in 12 ist die Basis der meisten erfolgreichen konventionellen Ratingschemen. Es berücksichtigt die Evolution (122) des Vermögenswertes von der Gesellschaft von einem Anfangswert (121) mit durchschnittlicher Wachstumsrate (123) in die Zukunft. Die Wahrscheinlichkeitsverteilung (124) von zukünftigen Vermögenswerten ist von der Volatilität bestimmt, d.h. von der Schwankungsbreite (126), die vom Unterschied zwischen realisierten Werten (125) und dem durchschnittlichen erwarteten Wert gegeben wird. Der sogenannte „Distance-to-Default" (Abstand zum Ausfall)(127) gibt Wertunterschied zum Ausfallpunkt an (128). Beim Ausfallwert, fällt der Vermögenswert unter den Verbindlichkeitswert und der Ausfall tritt ein. Die Ausfallwahrscheinlichkeit ist der Bereich (129) unter der Kurve unterhalb des Ausfallpunkts. In Kürze, das Merton Modell betrachtet die Entwicklung eines Vermögenswerts (122) gegeben durch die Wahrscheinlichkeitsverteilung (124) und berechnet die Ausfallwahrscheinlichkeit (129) der Vermögenswertschwankungen unterhalb des Ausfallpunkts (128.) Dieses Modell ist ein eindimensionales Modell, das nur die Fluktuationen des gesamten Vermögenswerts betrachtet (oder Vermögenswerts abzüglich des Werts der Verbindlichkeiten).
  • 13 vergleicht das Merton Modell mit dem multidimensionalen Bewertungsschema mit Strukturierungs- und Aggregationsschritt. Die Vektoren in 13 stellen Schwankungen (wie im vorherigen Absatz beschrieben und in 10 erläutert) dar. Das Merton-Modell nimmt den allgemeinen Vermögenswert (131) und teilt einen allgemeinen Risikovektor zu (132) entsprechend der Fluktuationsskala (126). Diese Variablen bestimmen die Ausfallwahrscheinlichkeit. Im Gegensatz dazu strukturiert das multidimensionale Bewertungsschema zuerst (134) die Vermögenswert (133) in konstituierende Vermögenswerte. Die Bestandteile können Business-, Produkt- oder Funktions-Einheiten oder allgemeine Vermögenswerte sein. Eine Risikobeurteilung bewertet die einzelnen Bestandteile (135). Die einzelnen Risiken hängen von verschiedenen Faktoren ab und auf diese Weise zeigen die Risikovektoren (136) in verschiedene Richtungen. Die kohärente Aggregation (137) von den einzelnen Risiken zu einem allgemeinen Risikovektor (138) für den Vermögenswert erfordert korrekte Überlegungen über die Korrelationen zwischen den Bestandteilen.
  • Die multidimensionale Entwicklung ist in 14 erläutert, welche 12 um viele Dimensionen erweitert. Nur zwei Dimensionen können in 14 gezeigt werden, aber im allgemeinen ist die Anzahl der Dimensionen gleich der Anzahl der verallgemeinerten Vermögenswerte oder der Anzahl von Faktoren, wenn die Vermögenswerte über Faktoren dargestellt werden. Die Wahrscheinlichkeitsverteilung ist von drei Parametern charakteriesiert, den zwei Volatilitäten (141) der Vermögenswertschwankungen und der Korrelationen (142). Die Ausfallwahrscheinlichkeit ist das Volumen unter dem Bereich (144), das alle aggregierten Schwankungen unterhalb der Ausfalllinie (143) abdeckt. Die aggregierten Schwankungen sind die aggregierten Risiken und Chancen von den zwei Vermögenswerten.
  • Im speziellen Fall, in dem die Bewertung ein Unternehmenrating darstellt, ist die erste Aufgabe die Bewertung von Risiken und Chancen der Gesellschaft und die hierarchische Strukturierung und die hierarchische Aggregation sind wesentliche Verfahren der Bewertung. Das primäre Ratingergebnis in Form der Ausfallwahrscheinlichkeit der Gesellschaft ist die Integration aller Risiken und Chancen. Zusätzlich zu den bereits erwähnten Vorteilen hat das vorliegende Bewertungsverfahren weitere Vorteile, wenn es auf Unternehmensratings angewendet wird. (1.) Die Bewertung basiert sowohl auf Risiken als auch auf Chancen. Die Ausfallwahrscheinlichkeit ist nicht nur ein Integral der Risiken, sondern ein Integral der Risiken und Chancen. Chancen können bedeutend zu integrierten Ausfallrisiken beitragen, weil sie Risiken statistisch aufheben können. Überraschenderweise scheint es, dass dieser Tatsache bisher wenig Aufmerksamkeit zugekommnen ist. (2.) Das Integrationssystem stellt sicher, dass alle Risiken und Gelegenheiten berücksichtigt sind. Dies schließt zum Beispiel die vollständige Integration weicher Faktoren in das Bewertungsverfahren mit ein. (3.) Die vorliegende Bewertung beugt beliebigen oder subjektiven Gewichtungen von Risiken in konventionellen Schätzungen vor. Das Gesamtrisiko ist die kohärente Aggregation der Einzelrisiken. Parameter sind gut spezifizierte Faktoren, Faktorgewichte und Korrelationen. (4.) Die vorliegende Bewertung basiert ganz auf zukünftigen Erwartungen. Es gibt keine Voreingenommenheit aufgrund historischer Daten. (5.) Die Bewertung basiert auf den einzelnen Risiken und Chancen der Gesellschaft, die geprüft wird. Es gibt keine Voreingenommenheit aufgrund von Eigenschaften der Benchmarkgruppen.
  • Ergebnisse
  • Ein Merkmal des beschriebenen Bewertungsverfahrens und -systems ist, dass zukünftige Erwartungen mit der vollen Wahrscheinlichkeitsinformation quantifiziert werden. Wahrscheinlichkeitsverteilungen für alle Größen oder für alle zugrundeliegenden Faktoren können die gegenwärtigen Informationen über mögliche zukünftige Entwicklungen vollständig darstellen. Zum Beispiel kann man von einer Wahrscheinlichkeitsverteilung alle Zustände der zugrundeliegenden Größen und für alle Zeiten in der Zukunft erhalten. Ähnliche Ergebnisse können in Bezug auf stochastische Prozesse oder neuronale Netze gegeben sein. Dies ist viel mehr als die üblichen einzelnen Vorausplanungen in Geschäftsplänen oder den gewählten extremen Szenarien, wie in best-und-worst-case Szenarien oder eindimensionalen Szenarien für Sensitivitätsanalysen.
  • Die wahrscheinlichkeitstheoretische Natur der Größen reflektiert die Tatsache, dass Voraussagen über die Zukunft immer Unsicherheiten beinhalten. Vollständig voraussagbare Ereignisse, die mit Sicherheit stattfinden, sind sehr selten. Existierende Bewertungsverfahren behandeln diese Unsicherheiten nicht und berücksichtigen nur mittlere Werte. Sie vernachlässigen zukünftige Entwicklungen, die vom erwarteten Ergebnis abweichen, wie Nebenwirkungen oder unwahrscheinliche Ereignisketten, die zu qualitativ und quantitativ bedeutenden Veränderungen in der projezierten Zukunft führen können. In vielen Fällen führt das volle Spektrum möglicher Auswirkungen zu bedeutenden Korrekturen sogar der Durchschnittswerte. Existierende Bewertungsverfahren vernachlässigen mögliche Abweichungen um die erwarteten Werte und vernachlässigen auf diese An auch die herbeigeführten Veränderungen in den erwarteten Werten.
  • Mindestens eine Ausführung der vorliegenden Erfindung kann auf verschiedene Bewertungen komplexer Systeme in vielen Gebieten angewandt werden. Eine Auswahl von Anwendungen ist die nachstehende: (1.) Wie oben beschrieben und in 14 erläutert, gibt im Bereich des Unternehmensratings die Wahrscheinlichkeit, dass das Gesamtvermögen abzüglich der Verbindlichkeitswerte unterhalb Null fällt, die Ausfallwahrscheinlichkeit einer Gesellschaft an. In diesem Fall wird der Vermögensschwellenwert auf den Ausfallpunkt gesetzt und die Wahrscheinlichkeit, mit der dieser Schwellenwert überschritten wird, ist das Ergebnis. Mindestens ein Merkmal daran umfasst die multidimensionale Bewertung mit Aggregation. (2.) Im Bereich des Risikomanagements ist die Wahrscheinlichkeit fixiert, z.B. bei 1% und die Vermögensschwelle ist das Ergebnis. Das sogenannte Value-at-risk ist der Wertverlust (d.h. die Differenz zwischen dem erwarteten Wert und dem Vermögensschwellenwert), der in einer angegebenen Zeitperiode mit 1% Wahrscheinlichkeit auftritt. Ein weiteres Merkmal umfasst die Strukturierung hinsichtlich der verallgemeinerten Vermögenswerte und nicht in Bezug auf die Risikotypen. Ein weiteres Merkmal umfasst, dass alle Risikoarten unternehmensweit in einem Modell aggregiert werden, d.h. einschließlich aller bzw. vollständiger Korrelationen sogar zwischen den verschiedenen Risikoarten. Ein weiteres Merkmal umfasst, dass Unsicherheiten von Schätzungen ein integraler Bestandteil der Bewertung sind. (3.) Im Bereich des Controllings werden die Unternehmensdaten der Bilanz und Gewinn- und Verlustrechnung durch Wahrscheinlichkeitsverteilungen dieser Werte dargestellt. Das neuartige Merkmal ist, dass die Wahrscheinlichkeitsverteilungen konsistente und vollständige Voraussagen mit Unsicherheiten und Korrelationen liefern können. (4.) Im Bereich der Qualitätskontrolle bestimmen die Wahrscheinlichkeitsverteilung der Qualitätsvariablen oder der zugrundeliegenden Faktoren die Ausfallwahrscheinlichkeiten (wie in Beispiel 1) oder seltene Fluktuationen (wie in Beispiel 2). Ein Merkmal umfasst die Bewertung, die vollständig und konsistent verschiedene Ursachen für Qualitätsschwankungen aggregieren kann.
  • Außer den Basiszahlen und Verhältnissen mit ihren Termen und Wahrscheinlichkeitsstrukturen enthalten die Ergebnisse auch abgeleitete Größen. Die abgeleiteten Größen nehmen bestimmte Aspekte auf, um Eigenschaften auszudrücken oder Interpretationen oder Darstellungen zu erleichtern. Zum Beispiel werden die Erfolgsfaktoren und die Kernkompetenz der Gesellschaft am besten ausgedrückt durch die Position oder dem Status der Gesellschaft oder Einheit in Bezug auf Benchmarks bzw. Vergleichsdaten oder relativ zu gleichartigen Gesellschaften oder Einheiten. Dies ist ein Ergebnis der gemachten Vergleiche im Expertensystem (300). Die meisten abgeleiteten Größen werden in Form von normalisierten Werten wie Prozentsätzen oder Verhältnissen gezeigt und gespeichert. Die visuelle Darstellung (z.B. auf einem Computerbildschirm oder in einem gedruckten Bericht) erfolgt über 2 und 3-dimensionale Oberflächenplots und mehrfarbige Charts. Die Ergebnisse sind Grundlage für weitere Interpretationen und Analysen des Optimierungsverfahrens.
  • Die Ergebnisse enthalten auch Formeln oder Darstellungen (z.B. in einer Tabelle oder einem Graphikplot), die die wesentlichen Ergebnisse in vereinfachter oder angenäherter Form umfassen. Zum Beispiel kann die Ausfallwahrscheinlichkeit des Ratingergebnisses als Formel dargestellt werden, die eine Funktion von Faktoren und/oder Verhältnisdaten (z.B. Kennzahlen) ist. Im einfachsten Fall ist diese Funktion nur eine lineare Summe der bewerteten Faktoren oder Verhältniszahlen. Mit dieser Formel ist es dann möglich, das Ratingergebnis (innerhalb eines nennbaren Fehlerbereichs) für geänderte oder neue Werte von Faktoren oder Verhältnisdaten zu aktualisieren.
  • Kohärente Aggregationen führen zu Diversifikationen, die in der modernen Portfoliotheorie verwendet werden, um die Komposition von Vermögenswerten in einem Portfolio zu bestimmen, das Returns (Rückflüsse) maximiert und Risiken minimiert, und zu einer sogenannten Efficient Frontier (151) optimaler Vermögenswerte (152) führt, siehe 15. Das vorliegende Integrationssystem verwendet die kohärente Aggregation, um effiziente Vermögenswerte (und Verbindlichkeiten), Prozesse, Schnittstellen, Funktionen, Business Units usw. im Kontext von Unternehmensbewertungen zu bestimmen, wobei sich Effizienz auf die Werteffizienz, Qualitätseffizienz usw. bezieht.
  • Im Falle von Unternehmensratings umfassen die Ergebnisse einen repräsentativen Satz von Zahlen und Verhältnisdaten (z.B. Kennzahlen), die die Fundamentaleinheiten auf viele Weisen und unter vielen Gesichtspunkten quantifizieren. Diese Zahlen sind z.B. Return und risikoadjustierte Returns, Zinsdeckungsraten, operatives Ergebnis zu Umsatzerlösen, verschiedene Kennzahlen zum Verhältnis Schulden und Kapital, Einnahmen oder Cash Flow zu Umsatz erlösen, z-scores, allgemeine Zahlen und Kennzahlen, die die Stärken und Schwächen des Unternehmens quantifizieren, interne und externe Faktoren des Unternehmens, verschiedene gemessene Risiken und Chancen, so wie value-at-risk, Risiken- und Chancen-Konzentrationen, Sensitivitäten für alle betrachteten Zahlen und Kennzahlen und unter Berücksichtigung der Faktoren (wie Zinsraten, Wechselkurse, Branchen- oder Sektorzahlen, allgemeine globale und lokale ökonomische, finanzielle und politische Faktoren, Wetter, usw.), Stress-Testing-Ergebnisse, Ergebnisse von Simulationen und Szenarioanalysen, und vieles mehr. Viele der erwähnten Zahlen und Verhältnisdaten werden in verschiedenen Ausprägungen verwendet und drücken einen unterschiedlichen Detaillierungsgrad aus. Alle Zahlen werden mit der vollen Wahrscheinlichkeitsinformation, z.B. in Bezug auf Wahrscheinlichkeitsverteilungen, quantifizierte zukünftige Erwartungen und intrinsische Unsicherheiten, geliefert.
  • Speicher- und Verteilungssystem
  • Die Struktur der Ergebnisse führt mehrere Merkmale ein, die ein besseres Speicherverfahren erlauben. Die Struktur der Ergebnisse (1.) ist von der Hierarchieebene unabhängig, (2.) enthält alle Information über die berücksichtigte Einheit (d.h. sie projektiert oder reduziert den Informationsinhalt nicht irreversibel), (3.) enthält die Information in integraler Form; (4.) enthält Kohärenz- oder Korrelationsinformation zwischen den Einheiten auf derselben Hierarchieebene.
  • Eine erste Folge dieser Merkmale ist, dass die originären Eingabeinformation von einem vollständigen Ergebnissatz wieder herstellbar ist. Zweitens werden alle Information in standardisierter Form geliefert, so dass Ergebnisse derselben Hierarchieebene sofort in ein konsolidiertes Ergebnis für die gemeinsame übergeordnete Hierarchieebene integriert werden können.
  • Ein Aspekt beim Speichern der Ergebnisse ist, eine Datenbank zu erstellen und zu pflegen, die Daten der beschriebenen Art und den beschriebenen Eigenschaften enthält. Die Fluktuations- und Unsicherheitsinformationen enthalten mit den Eingabedaten und Ergebnisse eine Art von Daten, die bis jetzt noch nicht durch andere Rating- oder Bewertungsmethoden gesammelt und gespeichert worden sind. Besonders ist es für zukünftige Benchmarks und andere Vergleichszwecke hilfreich, solch eine Datenbank aufzubauen. Die Daten werden über lokalen und globalen Computernetzen vertrieben.
  • Optimierungssystem (16)
  • Das Optimierungssystem (500) ist ein optionaler Teil des Bewertungsprozesses. Seine Hauptaufgabe ist es, strategische und funktionale Entscheidungen in der Gesellschaft oder in Gesellschaftseinheiten zu optimieren.
  • Anfangs lädt das Optimierungssystem (510) alle die Daten, die im Datenmanagementsystem (200) existieren und alle Regeln und Ergebnisse vom Expertensystem (300).
  • Im nächsten Schritt müssen die Ziele und Beschränkungen definiert werden (520). Der Benutzer formuliert eine objektive Funktion, die seine Ziele für die Zukunft in Bezug auf Unternehmenszahlen, Kennzahlen und ihre Terme quantifiziert. Er gibt auch die Beschränkungen ein, die er in Bezug auf Intervalle, Grenzwerte, spezifische Werte oder allgemeine Rangfolgen anwenden will. Zum Beispiel will der Benutzer den Umsatz unter minimalen Gesamtkosten in einer 3 Jahrperiode mit 5-10% Rentabilität maximieren. Auf der Benutzerschnittstelle wählt er (1.) den Umsatz als die zu maximierende objektive Funktion, (2.) die Kosten als die zu minimierende objektive Funktion, (3.) eine Progression für den Optimierungsgrad über die 3 Jahresperioden und (4.) das 5-10% Intervall als eine Beschränkung für die Rentabilität. Der Benutzer kann auch aus einem gegebenen Satz von objektiven Funktionen und Beschränkungen wählen, oder er kann seine eigenen Formeln definieren, die dann vom System interpretiert werden.
  • Der nächste Schritt ist die Simulation einer großen Anzahl möglicher zukünftiger Szenarien (530). Es gibt zwei Arten von Simulationen. Die erste Art macht eine Stichprobenerhebung der multivariate Wahrscheinlichkeitsverteilung für die Faktoren d.h. durch Generieren von Sätzen von Probewerten für die Faktoren der Unternehmensdynamik. Dies bestimmt alle möglichen zukünftigen Entwicklungen, die die Ziele unter den auferlegten Beschränkungen erfüllen. Die zweite Art simuliert die Entwicklung nicht, sondern sucht nach allgemeinen Lösungen für Zielfunktion mit ihren Beschränkungen. Diese An der Analyse erlaubt es, Beschränkungen oder Beziehungen zwischen verschiedenen Größen zu untersuchen, ohne das stochastisch zu berücksichtigen, z.B. um Sensitivitäten zu bestimmen oder die Dynamik für fixe Faktoren zu studieren. Mischungen aus beiden Arten sind möglich, z.B. durch Fixierung eines Faktors. Für alle Arten der Simulationen, werden die Simulationen, die die Beschränkungen erfüllen, mögliche Lösungen genannt, und die Simulation, die die objektive Funktion maximiert (oder minimiert) wird die optimale Lösung genannt. Das Optimierungsergebnis umfasst mögliche Lösungen, inklusive der optimalen Lösung und der objektiven Funktion und der auferlegten Beschränkungen. Das Optimierungsergebnis kann eine Grundlage für operative oder strategische Entscheidungen bilden.
  • Wenn das Optimierungsergebnis nicht konsistent ist, z.B. wenn keine mögliche Lösung existiert oder wenn der Benutzer den Simulationsprozess aus irgendwelchen Gründen wiederholen möchte, dann ist eine Änderung der objektiven Funktion oder der Beschränkungen möglich (540). Im automatischen Modus stellt das System die Beschränkungen ein, um eine Lösung zu finden, wenn keine mögliche Lösung zuvor herausgefunden wurde, oder im Falle von degenerierten optimalen Lösungen, um den Satz von Lösungen für nur eine optimale Lösung zu reduzieren.
  • In einem abschließenden Schritt speichert und berichtet das Optimierungssystems die berechneten Optimierungsergebnisse (550). Der Bericht zeigt (1.) das optimale und ausgewählte Ergebnis, (2.) einen Satz an Alternativen, die sehr nahe bei der optimalen Lösung liegen (die Anzahl der Alternativen ist abhängig von der Wahl des Benutzers und der Hardware und den Speicherkapazitäten) und (3.) die objektive Funktion, Beschränkungen und vorhandenen Änderungen. Das System speichert die Optimierungsergebnisse und die Historie der Änderungen im Datenmanagementsystem. Die vollständigen Optimierungsergebnisse zu speichern, garantiert, dass spätere Analysen die Simulationen wiederholen können, wenn notwendig.
  • Beispiel 1 – Rating eines Automobilzulieferunternehmens, das Türsysteme produziert
  • Das Strukturierungsverfahren (17)
  • Schritt 110:
    • Finanzbeteiligungen der Gesellschaft A (der Gesellschaft, für die das Rating durchgeführt wird): 10% Anteil von Gesellschaft B (Hersteller von Türschlosssystemen) und 25% Anteil von Gesellschaft C (Hersteller von Fenstern)
  • Schritt 120:
    • • Betriebliche Geschäftseinheiten: Betriebliche Geschäftseinheiten der Gesellschaft A in Europa, eine Tochtergesellschaft in Nordamerika und eine Tochtergesellschaft in Südamerika
  • Schritt 130:
    • • Betriebliche Untereinheiten von Gesellschaft A: Business Unit 1 (Türen und Rahmen), Business Unit 2 (Fenster), Business Unit 3 (Türschlosssystem), Business Unit 4 (technische Unterstützung – Fensterheber)
  • Schritt 140:
    • • Fundamentaleinheiten: Funktionseinheiten jeder Business Unit – Finanzen und Controllingabteilung, Personal- und EDV-Abteilung, Verkaufs- und Marketingabteilung, Produktionsabteilung, Technik- und F&E-Abteilung, Einkaufsabteilung
    • • Andere Funktionen sind zentralisiert, z.B. Qualitätsabteilung, Rechtsabteilung.
  • Datenmanagementsystem
  • Schritt 210:
    • • Extern verfügbare Unternehmensdaten von Unternehmen A (Input): Bilanz, Gewinn- und Verlustrechnung
    • • Externe Automobil- (Automobilhersteller) Marktdaten (Input): – Marktvolumen (nationale und internationale, gegenwärtige und zukünftige Zahlen), – Marktstruktur (Fragmentierung vs. Konzentration, Anzahl und Charakteristik der wesentlichen Unternehmen in dem Markt, Produktion/Kapazität vs. Nachfrage), – Marktanteile der Automobilhersteller, – Marktwachstum, – neue Technologien und Trends, – Einflussfaktoren.
    • • Externe Marktdaten der Lieferanten und Unterlieferanten (2nd tier supplier) von Türrahmen und deren Bestandteilen (Input): – Marktvolumen (nationale und internationale, gegenwärtige und zukünftige Zahlen), – Marktstruktur (Fragmentierung vs. Konzentration, Anzahl und Charakteristik der wesentlichen Unternehmen in dem Markt, Produktion/Kapazität vs. Nachfrage), – Marktanteile der Hersteller von Türrahmen und Komponenten, – Marktwachstum (in Abhängigkeit der Automobilproduktion), – neue Technologien und Trends, – Einflussfaktoren.
    • • Das System lädt von einer Datenbank die externen Faktordaten, d.h. Wirtschaftswachstum und -Entwicklung, Wechselkurse, Wetter, Katastrophenrisikodaten (hazard event data), usw. und die entsprechenden Unsicherheiten und Korrelationen.
  • Schritt 220:
    • • Die geforderten Daten sind im allgemeinen jeweils die nächsten auf der vom Optimierungsverfahren bestimmten Liste. Das System ordnet bzw. rankt die Daten, die notwendig sind um eine gegebene Bewertungspräzision zu erreichen. Mit dem Automobilmodul ordnet bzw. stuft das System Preis, Qualität und Technologie als oberste Eingabedaten ein. Mit dem Standardmodul listet das System Kosten, Cash Flow, Qualität als Eingabedaten mit Priorität auf.
    • • Auf Grundlage externer Daten (öffentlicher Unternehmensdaten und Marktdaten) schätzt das System grob welche Einheit am wahrscheinlichsten die größten Verluste und Gewinne besitzt, um die relevanten Positionen und Funktionen für die Analyse (in diesem Beispiel Business Unit 1-4) zu identifizieren.
    • • Im Falle des Prozesseintritts über Schritt 250 (Schleife; siehe unten): das System positioniert die geforderten Daten der Marktzugangszeiten (time-to-market) für Elektromotorensteuerung in Business Unit 4 zu oberst der Liste.
    • • Im Falle des Zugangs vom Integrationssystem (Schritt 440, siehe unten): Die letzte Genauigkeit war nicht ausreichend, so dass das Datenmanagementsystem eine Anforderung nach mehr Eingabedaten erhält.
  • Schritt 230:
    • • Das System fordert die Eingabe interner Daten (vergangene, gegenwärtige und erwartete Zahlen) von allen Business Units, Regionen, Funktionseinheiten, Produkten, Kunden und Lieferanten: – Kosten, Verkaufsmenge, Preis, Umsatz, Rentabilität: – Struktur (z.B. fixe und variable Kosten) – ABC-Analyse – Struktur der Kunden und Lieferanten (z.B. Umsatz mit jedem Kunden und Unterlieferanten) – Zeitreihen – Finanzdaten (von allen Business Units) – Cash Flow-Struktur (dynamischer Schuldengrad; abgezinster Cash Flow; Netto-Cash Flow) – Liquidität (1.-/2.-/3.Grades) – Kapital- und Finanzstruktur (Kapitalstruktur, Netto-Umlaufvermögen, Anlagendeckung) – Rentabilitätsstruktur (ROI, ROCE, Umsatz/Rentabilität) – Qualitätsdaten (von allen Prozessen und Produkten) – Ausfallrate – Servicerate
    • • Das System fordert die Eingabe interne Faktoren wie beispielsweise der Abwesenheitsrate (z.B. für Produktivität). Das System fordert Volatilitäten, Korrelationen und Gewichte für jene Faktoren. Das System fordert auch die Korrelationen zwischen diesen internen Faktoren und externen Faktoren.
    • • Das System fordert Eingabedaten, die die Risiken und Chancen quantifizieren. Unter anderen fragt das System die Eingabe von Daten nach, die das 3-Tages bis 5-Tages Lieferantenausfallrisiko quantifizieren. Diese Ausfallfrequenz ist über 1 Ereignis in 5 Jahren mit einem durchschnittlichen gesamten Verlust von 2 Millionen EUR (mit 0,3 Millionen Einnahmenverlust) und es ist geschätzt, dass sie zu 20% von dem ökonomischen Index Faktor und zu 80% von einem idiosynkratischen Risikofaktor abhängt.
    • • Das System fordert die Eingabe von Daten, die das Risiko der Investition in Höhe von 100 Millionen EUR in ein in Just-in-time (JIT) Werk in Asien quantifizieren. Das Risiko hängt zu 60% vom Wechselkursfaktor und zu 40% vom idiosynkratischen Faktor ab. Es wird geschätzt, dass die Volatilität der Investition 25% pro Jahr ist.
    • • Andere Risiken und Chancen sind auf ähnliche Art quantifiziert.
    • • Im Falle des Zugangs von Schritt 350 (Schleife, siehe unten): Das System fordert die Fixkostendaten für Business Unit 2.
  • Schritt 240:
    • • Das System analysiert die Daten bezüglich Konsistenz, Kohärenz und Vollständigkeit. Dies erfordert eine Vorbewertung.
    • • Im Falle des erstmaligen Zugangs: Das System bestimmt, dass die time-to-market Daten für Elektromotorsteuerungen in Business Unit 4 unvollständig sind.
  • Schritt 250:
    • • Im Falle des erstmaligen Zugangs: Die time-to-market Daten für Elektromotorsteuerungen in Business Unit 4 sind unvollständig. Das System kehrt deshalb zu Schritt 220 zurück, um diese Daten nachzufragen.
    • • Im Falle des zweiten Zugangs: Mit de zusätzlichen Eingabedaten für Geschäftseinheit 4 zurückkehrend, bestimmt das System, dass die Daten jetzt vollständig, konsistent und kohärent sind.
  • Schritt 260:
    • • Das Datenmanagementsystem speichert die Daten und berichtet die Ergebnisse.
  • Expertensystem
  • Schritt 310:
    • • Das Expertensystem lädt die vordefinierten Benchmarkzahlen (Schritt 210).
  • Schritt 320:
    • • Das Expertensystem vergleicht die Zahlen der Gesellschaft A (auch für alle Business Units, wenn detaillierte Benchmarkdaten existieren) mit jenen des Benchmark- bzw. Vergleichssystems; das Unternehmensbenchmarking ist effizient unter Berücksichtigung weltweit existierender Unternehmen mit ähnlichen Strukturen, Umsätzen, Anzahl Mitarbeiter, Tochtergesellschaften, Kunden und Produkten, usw.; insbesondere Wettbewerber fungieren als die besten Benchmarkunternehmen;
    • • Lieferanten A (zu ratendes Unternehmen): Verhältnis Netto Umlaufvermögen (Liquiditätskoeffizient; kurzfristige Verbindlichkeiten/Umlaufvermögen) 15%, Rentabilität 5,5% Lieferant 2 (Benchmarkunternehmen): Verhältnis Netto Umlaufvermögen 17%, Rentabilität 7,2% Lieferant 3 (Benchmarkunternehmen): Verhältnis Netto Umlaufvermögen 16%, Rentabilität 6,9%
  • Schritt 330:
    • • Das Expertensystem identifiziert Stärken und Schwächen durch das Analysieren der internen Daten und das Vergleichen der Zahlen mit den Zahlen der Benchmarkunternehmen (für alle Business Units): z.B. Kostentreiber, Gelderzeuger, Geldvernichter, Lebenszykluskosten, F&E-Kosten im Verhältnis zum Umsatz, Einkaufsstruktur (selber machen oder kaufen), Entwicklungskosten im Verhältnis zum Gewinn und Umsatzentwicklung, Gewinn und Verkauf pro Region, Verkaufsniederlassungen und Kunden. (Dieser Schritt wird wiederholt für alle Business Units und Fundamentaleinheiten).
    • • Ergebnisse für Stärke und Schwächen im Vergleich zu den Benchmarks: – Hohe Rentabilität – geringe Ausfallrate (aufgrund solider Ingenieurleistungen und Erfahrungen der F&E-Abteilung/Mitarbeitern) – geringe Anzahl an Kunden
  • Schritt 340:
    • • Das Expertensystem identifiziert individuelle Risiken und Chancen durch das Analysieren der internen und externen Daten und durch das Vergleichen der Zahlen mit den Zahlen der Benchmarkunternehmen (für alle Business Units und Fundamentaleinheiten)
    • • Das Expertensystem identifiziert Projektrisiken und -Chancen, die nicht schon in Schritt 230 erfasst wurden: Hohe Kostenposition (hoher Anteil fixer Kosten) führt zu kleinerer Rentabilität
    • • Im Falle des erstmaligen Zugangs: Das System bestimmt, dass weitere Daten für die Quantifizierung notwendig sind. Die Fixkostendaten von Business Unit 2 sind erforderlich.
  • Schritt 350:
    • • Im Falle des erstmaligen Zugangs: Die Fixkostendaten von Business Unit 2 sind erforderlich. Das System kehrt zu Schritt 230 zurück, um diese Daten nachzufragen.
    • • Im Falle des zweiten Zugangs: Das System hat keine weitere Datenanforderung.
  • Schritt 360:
    • • Das Expertensystem speichert und berichtet die Ergebnisse
  • Integrationssystem
  • Schritt 410:
    • • Die Eingaben enthalten auch Schätzungen und Erwartungen. Diese stochastischen oder Wahrscheinlichkeitsinformationen wurden durch Volatilitäten, Korrelationen, Faktoren und Faktorgewichte abgedeckt. Die vollständige Wahrscheinlichkeitsinformation ist in den Faktoren enthalten; sie beschreiben die Dynamik aller fluktuierenden Größen.
  • Schritt 420:
    • • In diesem Beispiel sind die Faktoren mit multivariaten Gauß-Verteilungsfunktionen modelliert.
  • Schritt 430:
    • • Eine Monte Carlo Simulation dieser Faktoren beinhaltet verschiedene simulierte Entwicklungen der Faktoren und damit folglich auch aller verbundenen fluktuierenden Größen. Ein Satz vieler Simulationen produziert ein Spektrum verschiedener Ergebnisse. Dieses Spektrum ist die Wahrscheinlichkeitsverteilungsfunktion. Wenn die Fluktuationen vom Vermögenswert (abzüglich der Verbindlichkeiten) der Gesellschaft in Form von Faktoren gegeben sind, produziert die Faktorsimulation Wahrscheinlichkeitsfunktionen für die Vermögenswerte (abzüglich der Verbindlichkeiten). Wenn der Vermögenswert (abzüglich der Verbindlichkeiten) unterhalb Null fällt, wird das Unternehmen „ausfallen". Die Ausfallwahrscheinlichkeit ist deshalb die Wahrscheinlichkeit, dass der Vermögenswert (abzüglich der Verbindlichkeiten) die Null innerhalb der berücksichtigten Zeitspanne von 1 Jahr erreicht. Als ein Ergebnis berechnet das System aus den aggregierten Risiken und Chancen eine Ausfallwahrscheinlichkeit von 0,95%, entsprechend einer Einschätzungsklasse BB(S&P Klassifizierung).
  • Schritt 440:
    • • Im Falle des erstmaligen Eingangs: Die Präzision der berechneten Liquiditätszahlen erfüllt nicht das vorher eingestellte Genauigkeitserfordernis. Das System kehrt zu Schritt 220 zurück, um mehr Eingabedaten für eine detailliertere Analyse zu fordern.
    • • Im Falle des zweiten Eingangs: Mit dem zusätzlichen Eingabedaten zurückkehrend, erfüllt die Präzision der berechneten Zahlen die Anforderungen.
  • Schritt 450:
    • • Das Integrationssystem speichert und berichtet die Ergebnisse
  • Beispiel 2 – Qualitätsbewertung einer Fertigungsstraße "Lackieranlage" in der Automobilindustrie
  • Das Strukturierungsverfahren (18)
  • Schritt 110:
    • • Industrielle Anwendung z.B.: Hersteller von Möbeln oder großen Komponenten (synthetische Teile für die Elektronikindustrie)
  • Schritt 120:
    • • Betriebliche Geschäftseinheiten der Automobilanwendung: Lackierung von Komponenten (z.B. Stoßstangen) und Lackieranlagen (z.B. Automobile);
  • Schritt 130:
    • • Betriebliche Untereinheiten der Lackieranlage: Prozesseinheit 1 – Applikationssystem, Prozesseinheit 2 – Fördersystem; Prozesseinheit 3 – Meßsystem;
  • Schritt 140:
    • • Die Fundamentaleinheiten der Lackieranlage sind die einzelnen Bestandteile der Prozesseinheiten (Einzelteile); diese Bestandteile und die industriellen Anwendungen werden nicht in diesem Beispiel betrachtet.
  • Datenmanagementsystem
  • Schritt 210:
    • Extern verfügbare Daten der Lackieranlagenstrasse (Rating der Lackieranlage und ihren Prozesseinheiten): technische Datenblätter, Produktbeschreibungen und Spezifikationen;
    • • Externe Daten von anderen Lieferanten und Unterlieferanten (2nd tier supplier) von Lackieranlagen, Applikationssystemen, Fördersystemen und Meßsystemen: – Standardzahlen für Qualität (nationale und internationale, gegenwärtige und zukünftige Zahlen), – Standardbandbreiten für Messung (Bandbreiten für schlechte, mittlere und gute Qualität), – Marktkriterien für Qualität, – neue Technologien und Trends (Angebote der Lieferantenseite), – Einflussfaktoren.
    • • Externe Automobil- und Kundenmarktdaten: – Qualitätsgrenzen von Kunden, – durchschnittliche Qualitätsforderung, – neue Technologien und Trends (Forderungen der Kundenseite), – Einflussfaktoren.
    • • Das System lädt externe Faktoren von einer Datenbank, d.h. Wirtschaftsentwicklung und wachstum, Wetter, Kosten, Ereignisdaten über Gefahren, usw. und die entsprechenden -Volatilitäten und Korrelationen.
  • Schritt 220:
    • • Die geforderten Daten sind im allgemeinen jeweils die nächsten auf der vom Optimierungsverfahren bestimmten Liste. Das System ordnet bzw. rankt die Daten, die notwendig sind um eine gegebene Bewertungspräzision zu erreichen: Lebenszyklusposition, technische Leistung, Qualitätsdaten.
    • • Auf Grundlage externer Daten schätzt das System grob welche Prozesseinheit am wahrscheinlichsten den größten Einfluss auf die Ergebnisse der Qualitätsbewertung hat.
    • • Im Falle des Prozesseintritts über Schritt 250 (Schleife; siehe unten): das System positioniert die geforderten historischen Ausfalldaten der Prozesseinheit 2 und zusätzliche Faktorgewichtungen für Prozesseinheit 3 ganz nach oben auf die Liste.
    • • Im Falle des Zugangs vom Integrationssystem (Schritt 440, siehe unten): das System fordert mehr Eingabedaten.
  • Schritt 230:
    • • Das System fordert die Zufuhr interner Daten (vergangene, gegenwärtige und erwartete Zahlen) von allen Prozesseinheiten 1-3: – Lebenszyklusposition – Alter von Prozesseinheiten und Bestandteilen, – Technologiestand, – Kosten pro Einheit (Kosten des lackierten Autos), – Prozesskosten, – Innovationsrate, – Abschreibungen; – Technische Leistung – Automatisierungsgrad, – Kapazitäten, – Verarbeitungszeit, – Flexibilitätsgrad (z.B. Zeit für das Wechseln der Farbe, des Autotyps), – Gemessene Farbdicke; – Andere – Anzahl der Lieferanten, – Erfahrung der Lieferanten, – Erfahrung der Benutzer; – Qualitätsdaten – Ausfallrate – Servicerate – Kratzwiderstand Qualität der Bestandteile;
    • • Das System fordert Eingabedaten, die die Qualitätsschwankungen quantifizieren. Diese Daten können von statistischen Analysen historischer Fluktuationen sein oder Erwartungsschätzungen zukünftiger Ereignisse. Qualitätsrisiken kommen von seltenen und plötzlich auftretenden Ereignissen und von häufigen oder permanenten Schwankungen. Die seltene Ereignisgruppe enthält z.B. ungleichmäßige und plötzliche Qualitätsverschlechterungen, verursacht durch Defekte einzelner Farbdüsen. Die Ereignisfrequenz ist etwa 7 Ereignisse pro Jahr und die dazugehörige Qualitätsverschlechterung beträgt etwa 5%. Die Faktorgewichte sind zu 5% Faktor Temperatur, 15% Farbkonsistenz und 80% idiosynkratischer Faktor. Die häufigste Gruppe der Qualitätsschwankung beinhaltet z.B. Luftverunreinigungen. Diese Größe wird überwacht und wurde schon als ein Faktor erfasst. Luftverunreinigungen unterliegen auch großen Schwankungen aufgrund von Ereignisse, z.B. als eine Folge des Luftfilterausfalls. Diese und andere Qualitätsrisiken sind quantifiziert. Dies wird für alle Einheiten getan.
    • • Im Falle des Eingang von Schritt 350 (Schleifen; siehe unten): Das System fordert zusätzliches Details und Daten für den Farbwechselprozess.
  • Schritt 240:
    • • Das Datenmanagementsystem analysiert Daten (für alle Prozesseinheiten): z.B. Qualitätstreiber, Qualitätszerstörer, Qualitätsgrenzen (externe und interne Standards), Lebenszyklusposition, usw. Das System überprüft, ob die Daten vollständig, konsistent und kohärent sind.
    • • Im Falle des erstmaligen Zugangs: Das System bestimmt, dass diese Fixkostenstruktur der Prozesseinheit 1 unvollständig ist.
    • • Das System aggregiert alle Daten, um eine Vorbewertung zu erhalten.
  • Schritt 250:
    • • Im Falle des erstmaligen Zugangs: Zusätzliche historische Ausfalldaten für Prozesseinheit 2 und Faktorgewichtungsdaten für Prozesseinheit 3 sind erforderlich. Das System kehrt deshalb zu Schritt 220 zurück, um diese Daten anzufordern.
    • • Im Falle des zweitem Zugangs: Mit den zusätzlichen Eingabedaten für Prozesseinheit 2 und 3 zurückkehrend, bestimmt das System, dass die Daten jetzt vollständig, konsistent und kohärent sind.
  • Schritt 260:
    • • Das Datenmanagementsystem speichert die Daten und berichtet die Ergebnisse.
  • Expertensystem
  • Schritt 310:
    • • Das Expertensystem lädt die vordefinierten Benchmarkzahlen (Schritt 210).
  • Schritt 320:
    • • Das Expertensystem vergleicht die Zahlen der Fertigungsstraße "Lackieranlage" (auch für alle Prozesseinheiten, wenn detaillierte Benchmarkdaten existieren) mit jenen des Benchmarksystems; der Vergleich von Fertigungsstraßen ist effizient in bezug auf weltweite vorhandene . Fertigungsstraßen mit ähnlichen Funktionen, Anwendungen, technischen Fakten, Preisen, Kunden und Bestandteilen usw.; besonders scheinen Wettbewerber der beste Benchmarkpartner zu sein;
    • • Fertigungsstraße A (zu bewertende Fertigungsstraße): Lackieranlage A: Ausfallrate ist 0,85%, Fertigungsstraße B (Benchmarkfertigungsstraße): Lackieranlage B: Ausfallrate ist 0,70%, Fertigungsstraße C (Benchmarkfertigungsstraße): Lackieranlage B: Ausfallrate ist 0,73%;
  • Schritt 330:
    • • Das Expertensystem identifiziert Stärken und Schwächen durch das Analysieren der internen Daten und dem Vergleichen der Zahlen mit den Zahlen der Benchmarkgesellschaften (dieser Schritt wiederholt sich für alle Prozesseinheiten);
    • • Ergebnisse für die Stärken und Schwächen verglichen mit den Benchmarks: – Geringe Anzahl Lieferanten, – Geringe Kosten pro Einheit, – Niedrige Prozessflexibilität (lange Umrüstzeiten) – Hohe Ausfallrate
  • Schritt 340:
    • • Das Expertensystem identifiziert einzelne Risiken und Chancen durch das Analysieren der internen und externen Daten und das Vergleichen der Zahlen mit den Zahlen von den Benchmarkfertigungsstraßen (für alle Prozesseinheiten)
    • • Das System plotet Wahrscheinlichkeitsverteilungen für alle Schlüsselzahlen aus. Die folgenden Beispiele sind von jenen Wahrscheinlichkeitsverteilungen abgeleitet:
    • • Identifizierte Qualitätsrisiken und Chancen wurden nicht schon in Schritten 230 abgedeckt: Lange Farbwechselzeiten (Umrüstzeiten) führen zu gesteigerten Lackierung.
  • Schritt 350:
    • • Im Falle des erstmaligen Zugangs: Das System bestimmt, dass der Farbwechselprozess eine detailliertere Quantifizierung benötigt. Das System kehrt zu Schritt 230 zurück, um weitere Daten anzufordern.
    • • Im Falle des zweiten Zugangs: Das System hat keine weitere Datenanforderungen..
  • Schritt 360:
    • • Die System speichert und berichtet die Ergebnisse.
  • Integrationssystem
  • Schritt 410:
    • • Die Eingaben enthalten Schätzungen und Erwartungen. Diese stochastischen oder Wahrscheinlichkeitsinformationen wurden durch Volatilitäten, Korrelationen, Faktoren und Faktorgewichte abgedeckt. Die vollständige Wahrscheinlichkeitsinformation ist in den Faktoren enthalten; sie beschreiben die Dynamik aller fluktuierenden Größen.
  • Schritt 420:
    • • In diesem Beispiel sind die Faktoren mit multivariaten Gauß-Verteilungsfunktionen modelliert. Aus Leistungsgründen orthogonalisiert und normalisiert das System die Faktoren, d.h. die Originalfaktoren sind in einen äquivalenten Satz neuer orthogonaler Faktoren mit einheitlichen Volatilitäten transformiert.
  • Schritt 430:
    • • Eine Monte Carlo Simulation dieser Faktoren beinhaltet verschiedene simulierte Entwicklungen von der Qualität und den dazugehörigen Größen. Ein Satz von vielen Simulationen produziert ein Spektrum verschiedener Ergebnisse. Dieses Spektrum ist die Wahrscheinlichkeitsverteilungsfunktion. Solange die Qualität und die dazugehörigen Größen in bezug auf die Faktoren gegeben werden, produziert die Faktorsimulation Wahrscheinlichkeitsverteilungen für Qualität und dazugehörige Größen. Die Simulation aggregiert die Qualitätsschwankungen, d.h. sie integriert alle Effekte, die das Gesamtqualitätsrisiko beeinflussen, inklusive aller Wechselbeziehungen zwischen Ursachen und allen gemeinsamen Ereignissen, die sich gegenseitig verstärken oder aufheben können.
    • • Die Wahrscheinlichkeit, dass die allgemeine Qualität der Autolackierung um 5% innerhalb von den nächsten 2 Stunden abnimmt beträgt 0,3%. Einige andere Ergebnisse sind die Wahrscheinlichkeit, dass die allgemeine Qualität der Autolackierung über die Minimalspezifikation innerhalb des nächsten Tages abnimmt, die Risikokonzentrationen, d.h. das Qualitätsrisiko und -chance, Sensitivitäten in bezug auf die Faktoren, die Qualitätsrisiko und -chancen Landkarte usw.
  • Schritt 440:
    • • Im Falle des erstmaligen Eingangs: Die Präzision der berechneten Qualitätszahlen erfüllt die vorher eingestellten Anforderungen nicht. Das System kehrt zu Schritt 220 zurück, um mehr Eingabedaten für eine detailliertere Analyse nachzufragen.
    • • Im Falle des zweiten Eingangs: Mit dem zusätzlichen Eingabedaten zurückkehrend, erfüllt die Präzision der berechneten Zahlen die Anforderungen.
  • Schritt 450:
    • • Das Integrationssystem speichert und berichtet die Ergebnisse.
  • Die Erfindung stellt ein System und ein Verfahren zur Bewertung komplexer Systeme bereit. Es erlaubt eine detaillierte und vollständige Analyse des gegenwärtigen und zukünftigen Zustands eines komplexen Systems. Das System und das Verfahren liefern eine vollständig objektive, transparente und präzise Behandlung der Bewertung komplexer Systeme, weil das Bewertungsergebnis als Integration der Detailbewertungen der einzelnen Bestandteile des komplexen Systems berechnet wird. Das System und das Verfahren liefern weiter eine vollständige und konsistente Behandlung der mit zukünftigen Erwartungen assoziierten Unsicherheiten. Das System und das Verfahren umfassen ein Strukturierungsverfahren, welches das komplexe System in repräsentative Bestandteile einteilt, ein Datenmanagementsystem, das Daten und Ergebnisse sammeln und speichern kann, ein Expertensystem, das die Daten analysieren kann und ein Integrationssystem, das alle Daten einschließlich ihrer Unsicherheiten aggregieren kann. Als optionaler Teil ist auch ein Optimierungssystem und -verfahren umfasst.
  • Es liegt auf der Hand, dass die beschriebene Erfindung auf viele Weisen variiert werden kann. Beispielsweise können ein oder alle Verfahren der verschiedenen Ausführungen der vorliegenden Erfindung auf einem computerlesbaren Medium gespeichert sein. Solch ein computerlesbares Medium kann gebildet sein, ohne darauf beschränkt zu sein, durch eine Diskette (floppy disc), CD, optische Scheibe (optical disc), usw. Ein solches computerlesbares Medium kann z.B. ausführbare Anweisungen enthalten, welche konfiguriert sind, die Computeranlage eine oder alle der verschiedenen Ausführungen der vorliegenden Erfindung ausführen zu lassen. Das computerlesbare Medium kann Befehlsfolgen enthalten, die so ausgeführt sind, dass wenn sie durch einen Rechner oder eine Computeranlage (wie z.B. einen Netzserver oder einen anderen Typs von Computeranlage) gelesen werden, den Rechner veranlassen einen oder mehrere Schritte eines oder aller Verfahren der verschiedenen Ausführungen der vorliegenden Erfindung auszuführen.
  • Es werden alle Variationen der verschiedenen Ausführungen der vorliegenden Erfindung als nicht abweichend vom Erfindungsgedanken und dessen Reichweite angesehen, und alle diese Variationen, wie sie für den Fachmann naheliegen, sollen von den nachfolgenden Ansprüchen mitumfasst sein.

Claims (56)

  1. System zur Erzeugung eines Ratingergebnisses für ein Unternehmen umfassend: – Mittel zur Partitionierung des Unternehmens in nicht-überlappende Einheiten, – Mittel zur Spezifizierung von Risiken, Chancen und Faktoren für jede der nicht-überlappenden Einheiten, – Mittel zur Quantifizierung von auf die spezifizierten Risiken, Chancen und Faktoren bezogenen Erwartungen, Unsicherheiten und Korrelationen, – Mittel zur Eingabe von Daten in ein Datenmanagementsystem einschließlich Daten, welche auf die Quantifizierungen der zugeordneten Erwartungen, Unsicherheiten und Korrelationen bezogen sind, – Mittel zur Konsolidierung der spezifizierten Risiken und Chancen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Ratingergebnis zu erzeugen.
  2. System nach Anspruch 1, dadurch gekennzeichnet, dass das System automatisch Daten sammelt oder anfordert, wenn die erreichte Genauigkeit des erzeugten Ratingergebnisses nicht ausreichend ist.
  3. System nach Anspruch 1, dadurch gekennzeichnet, dass die Mittel zur Spezifizierung auch zur Identifizierung von Schwächen und Stärken der nicht-überlappenden Einheiten vorgesehen sind.
  4. System nach Anspruch 2, dadurch gekennzeichnet, dass zusätzlich Mittel zur Analyse der gesammelten Daten in Bezug auf Referenz-Daten vorgesehen sind, um Eigenschaften der gesammelten Daten zu messen.
  5. System nach Anspruch 2, dadurch gekennzeichnet, dass zusätzlich Mittel zur Analyse oder Integration der gesammelten Daten in Bezug auf bekannte Faktoren vorgesehen sind, um Auswirkungen von Korrelationen oder Abhängigkeiten unter den ausgewählten Größen aufzuzeigen.
  6. System nach Anspruch 5, dadurch gekennzeichnet, dass zusätzlich Mittel zur Konsolidierung der ausgewählten Größen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen vorgesehen sind.
  7. System nach Anspruch 1, dadurch gekennzeichnet, dass zusätzlich Mittel zur Erstellung eines Berichtes, in Realzeit, des erzielbaren Ratings auf der Grundlage eines vorliegenden Datensatzes des Unternehmens vorgesehen sind.
  8. System zur Bewertung umfassend: – Mittel zur Auswahl einer Partition eines zu bewertenden Objektes in nicht-überlappende Einheiten, – Mittel zur Spezifizierung von Größen, welche spezifische Aspekte der nicht-überlappenden Einheiten repräsentieren, – Mittel zur Quantifizierung von auf die spezifizierten Größen bezogenen Erwartungen, Unsicherheiten und Korrelationen, – Mittel zur Eingabe von Daten in ein Datenmanagementsystem einschließlich Daten, welche auf die spezifizierten Größen und die Quantifizierungen der zugeordneten Erwartungen, Unsicherheiten und Korrelationen bezogen sind, – Mittel zur Konsolidierung der Größen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Bewertungsergebnis zu erzeugen.
  9. System nach Anspruch 8, dadurch gekennzeichnet, dass das System automatisch Daten sammelt oder anfordert, wenn die erreichte Genauigkeit des erzeugten Bewertung nicht ausreichend ist.
  10. System nach Anspruch 8, dadurch gekennzeichnet, dass die Mittel zur Spezifizierung auch zur Identifizierung von Schwächen und Stärken der nicht-überlappenden Einheiten vorgesehen sind.
  11. System nach Anspruch 9, dadurch gekennzeichnet, dass zusätzlich Mittel zur Analyse der gesammelten Daten in Bezug auf Referenz-Daten vorgesehen sind, um Eigenschaften der gesammelten Daten zu messen.
  12. System nach Anspruch 9, dadurch gekennzeichnet, dass zusätzlich Mittel zur Analyse oder Integration der gesammelten Daten in Bezug auf bekannte Faktoren vorgesehen sind, um Auswirkungen von Korrelationen oder Abhängigkeiten unter den ausgewählten Größen aufzuzeigen.
  13. System nach Anspruch 12, dadurch gekennzeichnet, dass zusätzlich Mittel zur Konsolidierung der ausgewählten Größen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen vorgesehen sind.
  14. System nach Anspruch 8, dadurch gekennzeichnet, dass zusätzlich Mittel zur Erstellung eines Berichtes, in Realzeit, des erzielbaren Ratings auf der Grundlage eines vorliegenden Datensatzes des Unternehmens vorgesehen sind.
  15. Verfahren zur Erzeugung eines Ratingergebnisses für ein Unternehmen umfassend: – Auswählen einer Partitionierung des Unternehmens in nicht-überlappende Einheiten, – Eingaben in ein Datenmangementsystem, die bezogen sind auf Risiken, Chancen und Faktoren für die nicht-überlappenden Einheiten und auf Quantifizierungsdaten der zugeordneten Erwartungen, Unsicherheiten und Korrelationen, – Konsolidierung der spezifizierten Risiken und Chancen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Ratingergebnis zu erzeugen.
  16. Verfahren zur Bewertung umfassend die Schritte: – Auswählen einer Partitionierung des Bewertungsobjektes in nicht-überlappende Einheiten, – Eingaben in ein Datenmanagementsystem, die bezogen sind auf Daten von Größen, welche spezifische Aspekte der nicht-überlappenden Einheiten repräsentieren und auf Quantifizierungsdaten der den Größen zugeordneten Erwartungen, Unsicherheiten und Korrelationen, – Konsolidierung der spezifizierten Risiken und Chancen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Bewertungsergebnis zu erzeugen.
  17. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Auswählen auf die Auswahl von Partitionen entlang einer Ebene in der Organisationshierarchie des Unternehmens beschränkt sein kann.
  18. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Auswählen auf die Auswahl von Partitionen entlang einer Ebene in der Organisationshierarchie des Bewertungsobjektes beschränkt sein kann.
  19. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass die Erwartungen, Unsicherheiten und Korrelationen in Form von Wahrscheinlichkeitsverteilungen quantifiziert sind.
  20. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass die Erwartungen, Unsicherheiten und Korrelationen in Form von Wahrscheinlichkeitsverteilungen quantifiziert sind.
  21. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Sammeln der auf das Unternehmen bezogenen Daten interaktiv und iterativ erfolgt, indem auf Vollständigkeit und Konsistenz überprüft wird.
  22. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Sammeln der auf das Bewertungsobjekt bezogenen Daten interaktiv und iterativ erfolgt, indem auf Vollständigkeit und Konsistenz überprüft wird.
  23. Verfahren nach Anspruch 19, dadurch gekennzeichnet, dass die Konsolidierung die Integration eines Äquivalents multidimensionaler Wahrscheinlichkeitsverteilungen umfasst.
  24. Verfahren nach Anspruch 20, dadurch gekennzeichnet, dass die Konsolidierung die Integration eines Äquivalents multidimensionaler Wahrscheinlichkeitsverteilungen umfasst.
  25. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass die Genauigkeit des Ratingergebnisses ebenfalls ermittelt wird.
  26. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass die Genauigkeit des Bewertungsergebnisses ebenfalls ermittelt wird.
  27. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass eine Information hinsichtlich der Abhängigkeiten des Ratingergebnisses ebenfalls ermittelt wird.
  28. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass eine Information hinsichtlich der Abhängigkeiten des Bewertungsergebnisses ebenfalls ermittelt wird.
  29. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass eine Formel ermittelt wird, welche Abhängigkeiten von Funktionen von Faktoren oder Verhältniszahlen umfasst, welche das Ratingergebnis mit einer bestimmbaren Genauigkeit annähern.
  30. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass eine Formel ermittelt wird, welche Abhängigkeiten von Funktionen von Faktoren oder Verhältniszahlen umfasst, welche das Bewertungsergebnis mit einer bestimmbaren Genauigkeit annähern.
  31. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass die nicht-überlappenden Einheiten mittels eines Expertensystems analysiert werden.
  32. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass die nicht-überlappenden Einheiten mittels eines Expertensystems analysiert werden.
  33. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Ratingergebnis in einer Datenbank gespeichert wird.
  34. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Bewertungsergebnis in einer Datenbank gespeichert wird.
  35. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Ratingergebnis mittels eines lokalen oder eines globalen Computer-Netzwerkes verteilt wird.
  36. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Ratingergebnis mittels eines lokalen oder eines globalen Computer-Netzwerkes verteilt wird.
  37. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Unternehmen auf Grundlage des Ratingergebnisses optimiert wird.
  38. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Bewertungsobjekt auf Grundlage des Bewertungsergebnisses optimiert wird.
  39. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Expertensystem die nichtüberlappenden Einheiten mit Benchmark-Einheiten vergleicht.
  40. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Expertensystem die nichtüberlappenden Einheiten mit Benchmark-Einheiten vergleicht.
  41. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass das Expertensystem mindestens eine von den Stärken, Schwächen, Risiken, Chancen oder Faktoren der nicht-überlappenden Einheiten aufzeigt.
  42. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass das Expertensystem mindestens eine von den Stärken, Schwächen, Risiken, Chancen oder Faktoren der nicht-überlappenden Einheiten aufzeigt.
  43. Verfahren nach Anspruch 31, dadurch gekennzeichnet, dass das Expertensystem Empfehlungen ableitet, um zumindest den Betrieb (operation), das Ergebnis (performance) oder die Wettbewerbsfähigkeit (competitiveness) zu optimieren.
  44. Verfahren nach Anspruch 32, dadurch gekennzeichnet, dass das Expertensystem Empfehlungen ableitet, um zumindest den Betrieb (operation), das Ergebnis (performance) oder die Wettbewerbsfähigkeit (competitiveness) zu optimieren.
  45. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass mehr als 20 individuelle Risiken des Unternehmens, einschließlich seiner Bestandteile, konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  46. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass mehr als 20 individuelle Risiken des Bewertungsobjektes konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  47. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass mehr als 10 individuelle Risiken und mehr als 5 Chancen des Unternehmens, einschließlich seiner Bestandteile, konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  48. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass mehr als 10 individuelle Risiken und mehr als 5 Chancen des Bewertungsobjektes konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  49. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass mehr als 10 verschiedene Größen, welche spezifische Aspekte des Unternehmens, einschließlich seiner Bestandteile, repräsentieren, konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  50. Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass mehr als 10 verschiedene Größen, welche spezifische Aspekte des Bewertungsobjektes repräsentieren, konsolidiert werden unter Berücksichtigung und Konsolidierung von Unsicherheiten und Korrelationen.
  51. Computerlesbares Medium, welches durch einen Computer ausführbare Anweisungen enthält, welche einen Computer zur Ausführung des Verfahrens nach Anspruch 15 veranlassen.
  52. Computerlesbares Medium, welches durch einen Computer ausführbare Anweisungen enthält, welche einen Computer zur Ausführung des Verfahrens nach Anspruch 1 6 veranlassen.
  53. System zur Erzeugung eines Ratingergebnisses für ein Unternehmen umfassend: – Mittel zur Spezifizierung von zumindest Risiken und Chancen für nicht-überlappenden Einheiten des Unternehmens, – Mittel zur Quantifizierung von zumindest auf die spezifizierten Risiken und Chancen bezogenen Unsicherheiten und Korrelationen, – Mittel zur Konsolidierung der Risiken und Chancen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Ratingergebnis zu erzeugen.
  54. System nach Anspruch 53, dadurch gekennzeichnet, dass die Mittel zur Konsolidierung ein Datenmanagementsystem umfassen, welches auf die spezifizierten Quantifizierungen von Unsicherheiten und Korrelationen bezogene Daten enthält.
  55. System zur Bewertung umfassend: – Mittel zur Spezifizierung von zumindest Risiken, Chancen oder Faktoren, welche spezifische Aspekte von nicht-überlappenden Einheiten des Bewertungsobjektes umfassen, – Mittel zur Quantifizierung von zumindest auf die spezifizierten Größen bezogenen Unsicherheiten und Korrelationen, – Mittel zur Konsolidierung der Risiken und Chancen unter Berücksichtigung der Auswirkungen der Unsicherheiten und Korrelationen, um das Bewertungsergebnis zu erzeugen.
  56. System nach Anspruch 54, dadurch gekennzeichnet, dass die Mittel zur Konsolidierung ein Datenmanagementsystem umfassen, welches auf die spezifizierten Quantifizierungen von Unsicherheiten und Korrelationen bezogene Daten enthält.
DE200410007063 2004-02-13 2004-02-13 Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung Withdrawn DE102004007063A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE200410007063 DE102004007063A1 (de) 2004-02-13 2004-02-13 Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200410007063 DE102004007063A1 (de) 2004-02-13 2004-02-13 Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung

Publications (1)

Publication Number Publication Date
DE102004007063A1 true DE102004007063A1 (de) 2005-09-01

Family

ID=34813325

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200410007063 Withdrawn DE102004007063A1 (de) 2004-02-13 2004-02-13 Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung

Country Status (1)

Country Link
DE (1) DE102004007063A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037071A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 投资组合产品的风险监控方法及装置
CN113379267A (zh) * 2021-06-21 2021-09-10 重庆大学 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037071A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 投资组合产品的风险监控方法及装置
CN112037071B (zh) * 2020-09-01 2023-09-19 中国银行股份有限公司 投资组合产品的风险监控方法及装置
CN113379267A (zh) * 2021-06-21 2021-09-10 重庆大学 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质
CN113379267B (zh) * 2021-06-21 2023-06-16 重庆大学 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质

Similar Documents

Publication Publication Date Title
US20040133439A1 (en) Method and system for valuation of complex systems, in particular for corporate rating and valuation
Rogoff Traded goods consumption smoothing and the random walk behavior of the real exchange rate
US7711623B2 (en) Decision assistance platform configured for facilitating financial consulting services
Ai et al. Asset pricing with endogenously uninsurable tail risk
JP2004537799A (ja) ファイナンシャルプランニングおよびアドバイスを提供するシステムおよび方法
DE10394036T5 (de) System und Verfahren zum Ausführen einer Risikoanalyse
DE202016009077U1 (de) Segmentierung und Schichtung von Composite-Portfolios von Anlagepapieren
CA2640068A1 (en) System and method configured for facilitating financial analysis
Ouederni et al. A semi-variance model for incorporating risk into capital investment analysis
CA2641949A1 (en) Method configured for facilitating financial consulting services
Hagos et al. THE MEANS OF ANALYSIS AND EVALUATION FOR CORPORATE PERFORMANCES.
Amiri et al. Comparison of stock valuation models with their intrinsic value in Tehran Stock Exchange
DE102004007063A1 (de) Methode und System für die Bewertung komplexer Systeme, insbesondere für Unternehmensrating und -bewertung
Haylock Executives' short-term and long-term incentives-a distributional analysis
Ohnemus Productivity effects of business process outsourcing-a firm-level investigation based on panel data
WO2018028851A1 (de) Einrichtung zur datenverarbeitung und verfahren zur ermittlung der gewichte von konstituenten eines zielportfolios
EP1283488A1 (de) Computerbasiertes Verfahren zum Bestimmen von erwarteten Renditen von Anlageportfolios, Datenverarbeitungssystem, Serversystem und Clientsystem zum Durchführen dieses Verfahrens und Computerprogrammprodukt zur Durchführung des Verfahrens
US20080195552A1 (en) System and method configured for facilitating financial analysis
DE10208682A1 (de) Verfahren und System zur automatischen verhaltensorientierten Optimierung eines Portfolios der finanziellen Instrumente
Karaivanov et al. Enterprise dynamics and finance: Distinguishing mechanism design from exogenously incomplete markets models
He Payroll and Financial Leverage
TSEGBA et al. EFFECT OF ECONOMIC REPORTING AND BOARD COMPOSITION ON THE FINANCIAL PERFORMANCE OF LISTED CONSUMER GOODS COMPANIES IN NIGERIA
McGuckin The importance of establishment data in economic research
Ng et al. Contractor financial capability assessments
Monk et al. An Economic Case for Transparency in Private Equity: Data Science, Interest Alignment and Organic Finance

Legal Events

Date Code Title Description
8139 Disposal/non-payment of the annual fee