16,99 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
  • Format: PDF

Studienarbeit aus dem Jahr 2009 im Fachbereich BWL - Controlling, Note: 1,3, Private Fachhochschule Göttingen, Sprache: Deutsch, Abstract: Die vorliegende Arbeit ist in vier Kapitel untergliedert. Die Einleitung, das erste Kapitel, weist auf die Notwendigkeit und Aktualität der Krisenfrüherkennung hin und skizziert den Aufbau der Arbeit. Kapitel 2 ist den theoretischen Grundlagen gewidmet: Neben dem Begriff der „Unternehmenskrise“ mitsamt ihren Ursachen, Verläufen und Wirkungen wird der Kennzahlenbegriff, sowie dessen Aufgaben erläutert. Weiterhin wird in diesem Kapitel eine Unterscheidung…mehr

Produktbeschreibung
Studienarbeit aus dem Jahr 2009 im Fachbereich BWL - Controlling, Note: 1,3, Private Fachhochschule Göttingen, Sprache: Deutsch, Abstract: Die vorliegende Arbeit ist in vier Kapitel untergliedert. Die Einleitung, das erste Kapitel, weist auf die Notwendigkeit und Aktualität der Krisenfrüherkennung hin und skizziert den Aufbau der Arbeit. Kapitel 2 ist den theoretischen Grundlagen gewidmet: Neben dem Begriff der „Unternehmenskrise“ mitsamt ihren Ursachen, Verläufen und Wirkungen wird der Kennzahlenbegriff, sowie dessen Aufgaben erläutert. Weiterhin wird in diesem Kapitel eine Unterscheidung zwischen Frühwarnung, Früherkennung und Frühaufklärung getroffen. Das 3. Kapitel behandelt den Einsatz von Kennzahlen als Früherkennungsinstrumente. Dabei werden die zu den strukturellen Analysen gehörenden Cash Flow-Analyse, Rentabilitätsanalyse und Liquiditätsanalyse vorgestellt. Die Brücke zur Detailanalyse wird mit Hilfe der Gap-Analyse geschlagen. Des Weiteren werden in diesem Kapitel Kennzahlensysteme und statistische Verfahren zur Krisenfrüherkennung vorgestellt. Zu diesen modernen Verfahren gehört zum einen die multivariate Diskriminanzanalyse (MDA), die auf der Analyse von Gruppenunterschieden beruht, und zum anderen die Künstlich Neuronale Netzanalyse (KNNA), welche das menschliche Gehirn als Vorbild hat. Schließlich wird in diesem Kapitel ein empirisches Modell, das Beatge-Bilanz-Rating® (BBR®) vorgestellt, welches auf der Basis eines Künstlich Neuronalen Netzes (KNN) funktioniert. Die Arbeit endet mit einer Schlussbetrachtung im 4. Kapitel.