Zusammenfassung
Untersuchungsgegenstand der folgenden empirischen Auswertungen sind die Bestimmungsgründe eines Währungsderivateeinsatzes von deutschen Unternehmen. Theoretische Grundlage bilden die in Abschnitt 2.2 dargestellten ökonomischen Erklärungsansätze eines unternehmerischen Risikomanagements. Zielsetzung der vorliegenden Arbeit ist eine empirische Verifizierung der theoretischen Erklärungsansätze anhand eines Samples deutscher Unternehmen. Dazu werden ausgehend von der Hedging-Theorie Hypothesen über den Einfluss einzelner Unternehmenscharakteristika auf das Hedging-Verhalten abgeleitet. Zur Abbildung der Unternehmenscharakteristika werden konkrete Kennzahlen gebildet und im Rahmen von Querschnittsanalysen die Hypothesen überprüft.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Herrmann (1988); Beck (1989), S. 79–98; Hinz (1989); Glaum/Roth (1993); Linke/Regnitter (1991); Price Waterhouse (1994); Gebhardt/Ruß (1999) oder Glaum/ Förschle (2000).
Für eine Diskussion der Ziele des Zinsmanagements vor dem Hintergrund des Einflusses von Zinsänderungen auf die operativen Zahlungsströme von Industrieunternehmen vgl. Oxelheim/Whilborg (1997), S. 60–65 und Gebhardt/Mansch (2001), S. 96f. und S. 101–103.
Vgl. die Studien von Mian (1996), Goldberg/Godwin/Kim/Tritschler (1998), Howton/ Perfect (1998a) und Graham/Rogers (1999), in denen die Untersuchungen jeweils separat für Währungs- und Zinsderivate durchgeführt werden.
Für eine Darstellung und Diskussion der Ergebnisse der Fragebogenaktion vgl. Bod-nar/Gebhardt (1999) und Gebhardt/Ruß (1999).
Vgl. Bodnar/Hayt/Marston/Smithson (1995); Bodnar/Marston (1996).
Vgl. Tabelle A 1 im Anhang.
SFAS No. 105 verlangt für nach dem 15. Juni 1990 endende Geschäftsjahre u.a. Angaben über die Höhe der Nominalwerte, Erläuterungen zu möglichen Marktpreis-,
Kredit- und Liquiditätsrisiken sowie nähere Angaben zur bilanziellen Behandlung derivativer Finanzinstrumente.
Für einen Überblick bezüglich des Umfangs der Berichterstattung über den Derivateeinsatz in den Geschäftsberichten deutscher Unternehmen vgl. Gebhardt (1997).
Vgl. Obermeier (1994), S. 284.
Vgl. dazu die Ausführungen bei Gebhardt/Ruß (1999), S. 33.
Die Unternehmen wurden dem vom Hoppenstedt-Verlag herausgegebenen Saling-Aktienführer entnommen.
Zum Selbstselektionsproblem vgl. z.B. Saerndal/SwenssonAVretman (1992), S. 556–594.
Vgl. Maddala (1991), S. 797–801 sowie die Ausführungen zu den AnwendungsVoraussetzungen der Logit-Analyse in Abschnitt 4.4.1.1.
Für zwei Unternehmen lagen keine Jahresabschlüsse vor und bei zwei weiteren Unternehmen handelt es sich um reine Finanzholdings.
Der Unternehmens wert wurde als Summe des Marktwertes des Eigenkapitals und des Buchwertes des Fremdkapitals ermittelt. Zur Bestimmung des Unternehmenswertes vgl. Abschnitt 4.2.5.
Die meisten Industrieunternehmen werden von dem Unternehmensführer „Die Großen 500“und dem Commerzbank-Führer „Wer gehört zu Wem?“ebenfalls als Dienstleistungsunternehmen klassifiziert, da diese Unternehmen auch umfangreiche produktspezifische Dienstleistungen anbieten.
Zur Charakterisierung der einbezogenen Unternehmen vgl. auch die Verteilungsparameter der Unternehmenskennzahlen in Tabelle A 4 im Anhang.
Diese zwei Unternehmen sind nicht in der Hoppenstedt-Bilanzdatenbank enthalten. Auch nach schriftlicher Anfrage und telefonischer Nachfrage waren die Jahresabschlüsse nicht zu erhalten.
Vgl. Coenenberg (2000), S. 583.
Vgl. Küting/Weber (1993), S. 473f.
540Vgl.Baetge(1994),S.339.
Bei sechs Unternehmen, die erhaltene Anzahlungen mit den Vorräten verrechneten, betrugen die erhaltenen Anzahlungen über 50% der ausgewiesenen Bilanzsumme.
Neben einem passivistischen Ausweis der steuerrechtlichen Sonderabschreibungen ist auch eine direkte Absetzung von den jeweiligen Vermögensgegenständen zulässig.
Vgl. Küting/Weber (1993), S. 67f.
Vgl. Küting/Weber (1993), S. 68.
Diese Bereinigungen folgten den Empfehlungen bei Coenenberg (2000), S. 880–892.
Vgl. § 1 PublG.
Zur eingeschränkten Veröffentlichungspflicht im Rahmen des Publizitätsgesetzes vgl. §§ 5 Abs. 5 und 13 Abs. 3 Satz 2 PublG.
Für einen Überblick über die rechtlichen Regelungen und eine kritische Diskussion der Transparenz der Anteilseignerstrukturen deutscher Unternehmen vgl. Becht/Boehmer (1999).
Vgl. z.B. Smith/Stulz (1985), S. 395–398; Bessembinder (1991), S. 520; Ross (1996), S. 14–18; Leland (1998), S. 1232–1237.
Vgl. Tabelle 20 sowie im Anhang Tabellen A 2 und 3.
Zur Ermittlung des Unternehmens wertes vgl. Abschnitt 4.2.5.
Sämtliche Kennzahlen, die auf Marktwertdaten beruhen, können nur für die 82 Börsengesellschaften gebildet werden.
Bei einem Unternehmen besteht wegen eines hohen Jahresfehlbetrages ein negativer Cashflow. Aufgrund von Interpretationsschwierigkeiten wurden für dieses Unternehmen keine Cashflow-Kennzahlen gebildet.
Bei Kennzahlen, die auf dem Cashflow II beruhen, reduziert sich das Sample auf 112 Unternehmen. Die Veränderung der Pensionsrückstellungen wurde nur gebildet, wenn der Jahresabschluss 1996 in der Hoppenstedt-Bilanzdatenbank nicht mit einem Nicht-vergleichbarkeitskennzeichen versehen war.
Vgl. Tabelle 20 sowie im Anhang Tabellen A 2 und 3
Vgl. Coenenberg (2000), S. 844 und die dort zitierten Bilanzkommentare.
Bei der Kennzahl „Market-to-book-ratio“wurde beim Buchwert des Eigenkapitals der Anteil Konzernfremder nicht miteinbezogen, da die Zählergröße „Marktwert des Eigenkapitals“ebenfalls nicht die Anteile Konzernfremder enthält.
Vgl. Tabellen A 2 und 3 im Anhang.
Entsprechend dem Bilanzgliederungsschema nach § 266 Abs. 2 HGB handelt es sich um die Bilanzpositionen „Wertpapiere’4 (B.III) und „Schecks, Kassenbestand, Bundesbank- und Postgiroguthaben, Guthaben bei Kreditinstituten“(B.IV).
Vgl. Froot/Scharfstein/Stein (1993), S. 1653.
Vgl. Tabellen A 2 und 3 im Anhang.
Vgl. Nance/Smith/Smithson (1993), S. 269; Géczy/Minton/Schrand (1997), S. 1332; Goldberg/Godwin/Kim/Tritschler (1998), S. 143 und Knopf/Nam/Thornton (2000), S. llf.
Die empirische Studie von Harhoff (1998) bestätigt anhand der Cashflow-Sensitivität der Investitionen Kapitalmarktrestriktionen für kleinere deutsche Unternehmen. Vgl. Harhoff(1998),S.443.
Vgl. Tabellen A 2 und 3 im Anhang.
Zur Bestimmung der Marktwerte des Eigenkapitals wurden die Börsenkurse zum 31.12.1996 herangezogen. Unternehmen, bei denen der Bilanzstichtag nicht der 31.
Dezember ist, wurden auf Nenn Wertänderungen überprüft und die Aktienanzahl entsprechend angepasst.
Sämtliche Kennzahlen, die auf Marktwertdaten beruhen, können nur für die 82 Börsengesellschaften gebildet werden.
Vgl. Géczy/Minton/Schrand (1997), S. 1332.
Vgl Tabelie 20 sowie im Anhang Tabellen A 2 und 3.
§ 285 Nr. 10 HGB verlangt die Auflistung aller Mitglieder der Geschäftsführungsorgane.
Die sechs im Sample enthaltenen Unternehmen mit der Rechtsform der GmbH & Co. KG bzw. der AG & Co. KG verzichten auf eine freiwillige Publizierung der Bezüge von Vorstand bzw. Geschäftsführung. Zwei weitere Unternehmen verzichten auf eine Publizierung mit Verweis auf § 286 Nr. 4 HGB, wonach die Angabe der Bezüge unterbleiben kann, wenn sich daraus die Bezüge eines Mitgliedes des Geschäftsfüh-rungsorgans feststellen lassen würden. Drei Unternehmen verzichteten auf eine entsprechende Angabe im Jahresabschluss ohne weitere Begründung. Für drei Unternehmen der Rechtsform der GmbH lagen die Jahresabschlüsse zwar in elektronischer Form vor, enthielt aber keine Angaben zu den Bezügen; die Jahresabschlüsse waren auch auf Nachfrage nicht von den Unternehmen zu erhalten.
Für eine empirische Analyse der Determinanten der Vorstandsbezüge deutscher Aktiengesellschaften vgl. Schmid (1997).
Für das Konzentrationsmaß „Herfindahl-Index“vgl. z.B. Bleymüller/Gehlert/Gülicher (1996), S. 191f.
Bei den Variablen „Streubesitz“und „1-Herfindahl-Index“erfolgte entgegen den Variablen „Bankenbeteiligung“und „Managerbeteiligung“bewusst keine Berücksichtigung der Anteilsverhältnisse der Obergesellschaften.
Vgl. Löffler (1991), S. 38–43; Shapiro (1996), S. 395f.
Vgl. Coenenberg (2000), S. 518–530.
Vgl. Franks/Mayer (1997a), S. 30–35.
Vgl. Abschnitt 4.1.2.
Kleine und mittelgroße Kapitalgesellschaften sind gemäß § 288 HGB nicht zu einer Segmentierung der Umsätze verpflichtet.
Die Umsatzaufteilung kann unterbleiben, wenn die geografischen Märkte sich nicht erheblich unterscheiden.
In den einschlägigen Bilanzkommentaren wird die Bedeutung der Vertriebsorganisation als Grundlage der Umsatzsegmentierung betont. In Abhängigkeit der Organisationsstruktur des Vertriebes ist eine Gliederung entsprechend den Absatzmärkten oder den Produktionsstandorten vorzunehmen. Vgl. Ellrott (1995), Kommentierung im Beck’schen Bilanz-Kommentar zu § 285 HGB, Rn. 70–73 und § 314 HGB, Rn. 24–27; Adler/Düring/Schmaltz (1995), Kommentierung zu § 280 HGB, Rn. 18–23 und Adler/Düring/Schmaltz (1996), Kommentierung zu § 314 HGB, Rn. 92f.
Während aus den Geschäftsberichten kleinerer Konzerne oftmals nicht hervorgeht, nach welchen Kriterien die Umsatzsegmentierung erfolgte, beinhalten die Geschäftsberichte vieler Großkonzerne neben einer Aufteilung nach Absatzmärkten zusätzlich noch eine nach Produktionsstandorten und nach Unternehmensbereichen.
Bei einem weiteren Unternehmen der Getränkebranche findet man eine geografische Segmentierung nicht in Geldeinheiten, sondern in Mengeneinheiten (Hektoliter). Vereinfachend wurden hier die Gesamtumsätze proportional zu den abgesetzten Mengeneinheiten aufgeteilt.
Die Branchenumsätze stellen die in- und ausländischen Erlöse deutscher Unternehmen des produzierenden Gewerbes aus dem Verkauf von eigenen Erzeugnissen, Handelswaren und industriellen sowie handwerklichen Dienstleistungen dar. Vgl. Statistisches Bundesamt (1998a), S. 188 und S. 191.
Vgl. Statistisches Bundesamt (1998b), S. 34f.
Vgl. die Ausführungen in Abschnitt 2.1.3 und die dort angegebenen Literaturquellen.
Die Verlagerung der Wertschöpfung in die Auslandsmärkte erfolgt zumeist allerdings weniger,aus Wechselkursüberlegungen, vielmehr stehen Kostenunterschiede, Absatzüberlegungen oder politische Gründe im Vordergrund. Nichtsdestotrotz beeinflusst eine Verlagerung der Wertschöpfung in die Auslandsmärkte das Währungs-Exposure. Für die Motive von Auslandsinvestitionen vgl. z.B. 469–478 oder Madura (1995), S. 467–472.
Vgl. Ellrott (1995), Kommentierung im Beck’schen Bilanz-Kommentar zu § 314 HGB, Rn. 33.
Trotz schriftlicher Anfrage und telefonischer Nachfrage war von diesen Unternehmen ein Geschäftsbericht nicht zu erhalten.
Tabelle A 4 im Anhang enthält die Verteilungsparameter der metrischen Variablen.
In zahlreichen Geschäftsberichten, insbesondere der Großkonzerne, befinden sich allerdings freiwillige Zusatzangaben zur Höhe bestehender Verlustvorträge.
Zu den spezifisch deutschen Besonderheiten bei der Unternehmensfinanzierung vgl. Franks/Mayer (1997a), S. 30–35; Boehmer (1999), S. 10–16.
Die univariaten Ergebnisse für das nicht um Extremwerte bereinigte Sample sind in Tabelle A 6 im Anhang enthalten; die Ergebnisse unterscheiden sich insgesamt nur geringfügig.
In allgemeiner Form besagt der Zentrale Grenzwertsatz, dass die Verteilung der arithmetischen Mittel von unabhängigen, identisch verteilten Zufallsvariablen mit wachsendem Stichprobenumfang gegen eine Normalverteilung strebt. Vgl. zum Zentralen Grenzwertsatz Bleymüller/Gehlert/Gülicher (1996), S. 78 und Härtung (1998), S. 121f.
Die Prüfgröße des Kolmogorov-Smirnov-Tests entspricht der maximalen absoluten Differenz zwischen der empirisch beobachteten Verteilungsfunktion und der Verteilungsfunktion der Normalverteilung. Diese Prüfgröße folgt der Kolmogorov-Smi-rnov-Verteilung, welche in tabellierter Form vorliegt. Zum Kolmogorov-Smirnov-Anpassungstest vgl. z.B. Härtung (1998), S. 183–189.
Die Ergebnisse des Normalverteilungstests sind in Tabelle A 5 im Anhang dargestellt.
Auf eine Transformation der Kennzahlenwerte, bspw. mittels einer Logarithmus- oder Wurzelfunktion, zur Annäherung an die Normalverteilung wurde hier bewusst verzichtet, da in diesem Fall die Kennzahlenwerte inhaltlich schwieriger zu interpretieren sind.
Vgl. z.B. Sachs (1997), S. 382–389 oder Härtung (1998), S. 513–520.
Vgl. Sachs (1997), S. 384.
Für den Chi-Quadrat-Test vgl. z.B. Sachs (1997), S. 449–455; Härtung (1998), S. 411–424. Zum Vergleich von zwei Anteilswerten wurde hier bewusst der Chi-Quadrat-Test dem Binomial-Test vorgezogen, da ersterer geringere Anforderungen an die Samplegröße stellt. Vgl. dazu Sachs (1997), S. 441 und S. 451.
Hartung (1998), S. 414–418 empfiehlt den „exakten“Test nach Fisher auch für größere Samples. Da die Berechnung der Prüfgröße als Summe von Gliedern einer hypergeometrischen Verteilung jedoch sehr aufwendig ist, wird dieser Test typischerweise nur für sehr kleine Samples durchgeführt.
Die Anzahl der einbezogenen Unternehmen N unterscheidet sich bei den einzelnen Variablen aufgrund der Datenverfügbarkeit. Siehe dazu die entsprechenden Ausführungen im Abschnitt 4.2 sowie in Tabelle A 5 im Anhang.
Obwohl die Kennzahlenverteilungen zuvor um Extremwerte bereinigt wurden, beeinflussen hier drei sehr hohe Werte die arithmetischen Mittel und die Standardabwie-chungen erheblich. Für die Gruppe der nicht-hedgenden Unternehmen ist dies ein Wert in Höhe von 364 und für die der hedgenden sind dies zwei Werte in Höhe von 141 und 428. Werden diese drei Werte eliminiert, so ergibt sich für die Gruppe der nicht-hedgenden Unternehmen ein arithmetisches Mittel von 8,9 und für die der hedgenden eines von 6,4.
Zu diesem Simultanitätsproblem vgl. auch Dolde (1995), S. 193f.
Vgl. Tabelle A 7 im Anhang.
Vgl. Tabelle A 7 im Anhang. Auch bei den anderen Cashflow-Kennzahlen ergaben sich keine wesentlichen Ergebnisänderungen, falls der Cashflow II anstelle des Cashflows I verwendet wird. In den folgenden Ausführungen werden daher nur die Ergebnisse für den Cashflow I wiedergegeben und kommentiert.
Vgl. Tabelle A 7 im Anhang.
Sechs Kennzahlenwerte der Quick-ratio nehmen einen Wert von über sieben an und vier der Variablen „Liquide Mittel/Cashflow I“einen von über zwölf.
Für diese Interpretation vgl. Fazzari/Hubbard/Petersen (1988), S. 182f. Demnach ist für Unternehmen mit ausgeprägten Kapitalmarktrestriktionen eine Politik hoher Ausschüttungen und regelmäßiger Eigenkapitalaufnahmen vergleichsweise teuer. Diese Unternehmen verzichten auf hohe Ausschüttungen und bilden stattdessen Liquiditätsreserven.
Die Umsatzsegmentierung erfolgte entsprechend den Quantielen der Umsatzverteilung. Für die Segmentierung der Variablen „Zins- oder Güterpreisderivate“vgl. Tabelle A 8 im Anhang.
Die Umsatzsegmentierung erfolgte entsprechend den Quantielen der Umsatzverteilung.
Auch nach dem parametrischen t-Test ist die Mittelwertdifferenz hoch signifikant. Der Standardfehler der Mittelwertdifferenz beträgt dabei 0,099 und der t-Wert 4,79. Allerdings wird die Nullhypothese der Normalverteilung des Kolomogorov-Smirnov-An-passungstests für die Variable „Managerbezüge“auf einem Signifikanzniveau von 5,0% abgelehnt, sodass die Verwendung von parametrischen Testverfahren hier problematisch erscheint.
Der Z-Wert für den Unternehmenswert beträgt 3,75.
Wird eine Umsatzsegmentierung für die Variable „Managerbeteiligung’4 durchgeführt, so ergibt sich in drei der vier Umsatzklassen ein deutlich höherer Anteil von Unternehmen mit Managerbeteiligung in der Teilgruppe „Einsatz von Währungsderivaten“. Da das Gesamtsample allerdings nur 13 Unternehmen mit Managerbeteiligung umfasst, erscheint eine solche Umsatzsegmentierung wenig aussagekräftig. Vgl. Tabelle A 9 im Anhang.
Die Ergebnisse zur Umsatzsegmentierung sind in Tabelle A 10 im Anhang enthalten.
Vgl. Tabelle 34 und Tabelle A 11 im Anhang.
Vgl. Tabelle A 12 im Anhang.
Vgl. Tabelle A 12 im Anhang.
Für einen Überblick über die Derivate-Desaster vgl. Po (1997), S. 41–55.
Das Chi-Quadrat ist für zwei Umsatzklassen sogar statistisch signifikant. Vgl. Tabelle A 13 im Anhang.
Vgl. Tabelle A 13 im Anhang.
Vgl. Tabelle A 14 im Anhang.
Vgl. Tabelle A 15 im Anhang.
Bemerkenswerterweise bestehen für Tochtergesellschaften dagegen keine Teilgruppenunterschiede. Vgl. Tabelle A 15 im Anhang.
Vgl. Tabelle A 16 im Anhang.
Vgl. Tabelle A 16 im Anhang.
Dieser Effekt wird dadurch bekräftigt, dass die Unternehmen der Branchen „Bergbau/Mineralöl“, „Chemie“, „Metall“und „Maschinenbau“häufig als branchendiversifiziert klassifiziert wurden. Da in der Chemie-, Metall- und Maschinenbaubranche überdurchschnittlich häufig Derivate eingesetzt werden, sollte dies die Ergebnisse in Richtung eines positiven Zusammenhangs verzerren. Bei der Interpretation der Branchenvariablen ist somit zu bedenken, dass der beobachtete signifikant positive Zusammenhang möglicherweise klassifikationsbedingt bzw. datentechnisch bedingt ist.
Vgl. Tabelle A 7 im Anhang.
Für die Korrelationen der unabhängigen Variablen vgl. Tabelle 43.
Die 22 Unternehmen mit einem Auslandsumsatzanteil von 0 bilden eine Auslandsumsatzklasse. Die verbleibenden 86 Unternehmen wurden anhand der 33%-Perzentile in drei Klassen eingeteilt.
Wird zur Segmentierung nach der Exposure-Höhe auf die Variable „Branchenimportquote“zurückgegriffen, so ergeben sich entgegen den Vorüberlegungen in allen Exposure-Klassen höhere Auslandsmitarbeiteranteile in der Teilgruppe „Einsatz von Währungsderivaten“. Möglicherweise kontrolliert die Variable „Branchenimportquote“weniger gut für die Exposure-Höhe als die Variable „Auslandsumsatz“, sodass der Auslandsmitarbeiteranteil weiterhin für die Exposure-Höhe approximiert. Vgl. Tabelle A 17 im Anhang.
Mian (1996) und Goldberg/Godwin/Kim/Tritschler (1998) beobachten eine signifikant geringere Derivateeinsatz-Wahrscheinlichkeit für amerikanische Versorgungsunternehmen.
Kennzahlenwerte außerhalb des Intervalls [μ-4σ; μ+4σ] wurden wie bei den univariaten Betrachtungen durch die Kennzahlenwerte ji-4g bzw. \i+4o ersetzt.
Vgl. Aldrich/Nelson (1984), S. 40f.
Für alternative Spezifikationsannahmen bezüglich des funktionalen Zusammenhangs vgl. Aldrich/Nelson (1984), S. 32–35.
Für die Darstellungsformen des Logit-Modells vgl. Maddala (1983), S. 22; Aldrich/ Nelson (1984), S. 32; Hosmer/Lemeshow (1989), S. 25–27; Urban (1993), S. 25–28; Krafft (1997), S. 628 und Ryan (1997), S. 256.
Vgl. Aldrich/Nelson (1984), S. 48–52; Urban (1993), S. 55–58; Ryan (1997), S. 258–262.
Zur Maximum-Likelihood-Schätzmethode vgl. z.B. Hochstädter (1989), S. 418–423 oder Wonnacott/Wonnacott (1990), S. 564–579.
Bei dem hier verwendeten Statistikpaket SPSS erfolgt die Maximierung der Likeli-hood-Funktion mittels des Newton-Raphson-Algorithmus.
Vgl. Krafft (1997), S. 633.
640Vgl.Maddala(1991),S.73.
Vgl. Hochstädter (1989), S. 423; Urban (1993), S. 53.
Vgl. Aldrich/Nelson (1984), S. 81; Urban (1993), S. 13.
Zum Separationsproblem vgl. Hosmer/Lemeshow (1989), S. 126–131 und Ryan (1997), S. 263–266.
Vgl. Ryan (1997), S. 264.
In diesem Sinne ist eine Anwendungsvoraussetzung, dass die Vierfeldertafel zwischen der dichotomen Erklärungsvariablen und der Hedging-Variablen vollständig besetzt ist. Vgl. dazu Hosmer/Lemeshow (1989), S. 126–131.
Vgl. Hosmer/Lemeshow (1989), S. 130.
Vgl. Hosmer/Lemeshow (1989), S. 131.
Vgl. Green (1998), S. 444.
Vgl. Maddala (1983), S. 91; Maddala (1991), S. 793.
Vgl. Aldrich/Nelson (1984), S. 49; Hosmer/Lemeshow (1989), S. 131f.
Für den modifizierten t-Test bzw. den Wald-Test vgl. Urban (1993), S. 58f. oder Ryan (1997), S. 269f.
Der Standardfehler wird aus den zweiten Ableitungen der Likelihood-Funktion abgeleitet. Vgl. dazu Hosmer/Lemeshow (1989), S. 28f.
Die Größe w gleicht zwar formal der /-Statistik, ist allerdings nicht /-verteilt. Da sowohl die Wald-Statistik w als auch die /-Statistik asymptotisch normalverteilt sind, sind die Test-Statistiken bei zunehmender Samplegröße äquivalent. Vgl. dazu Ryan (1997), S. 269.
Vgl. Maddala (1983), S.40; Hosmer/Lemeshow (1989), S. 138f. und Ryan (1997), S. 270.
Vgl. Urban (1993), S. 62f.; Krafft (1997), S. 631.
Vgl. Urban (1993), S. 62f.
Vgl. z.B. Hosmer/Lemeshow (1989), S. 148f.
Vgl. Krafft (1997), S. 631f.; Ryan (1997), S. 268f.
Eine hohe Klassifikationsgenauigkeit der Modellschätzung muss jedoch nicht eine hohe Prognosefähigkeit bedeuten, da Modellschätzung und Klassifikation auf derselben Stichprobe beruhen. Allerdings dient die Klassifikationsgenauigkeit im Kontext der vorliegenden Untersuchung auch nicht der Überprüfung der Prognosefähigkeit, sondern der Beurteilung der Anpassungsgüte.
Vgl. Krafft (1996), S.631f.
Vgl. Hosmer/Lemeshow (1980); Hosmer/Lemeshow (1989), S. 140–145 und S. 171–173.
Vgl. Hosmer/Lemeshow (1989), S. 141.
Vgl. Gujarati (1995), S. 456–458.
Vgl. Hosmer/Lemeshow (1989), S. 83; Gujarati (1995), S. 459.
Der Grundsatz, die Modellstruktur prinzipiell so einfach wie möglich zu halten, wird in der Literatur als Occam’s Razor bezeichnet. Vgl. dazu Gujarati (1995), S. 454 und S. 458f.
Zur Variablenauswahl bzw. Modellspezifikation vgl. auch Hosmer/Lemeshow (1989), S.82–93.
Zur Kritik an diesen Auswahlverfahren vgl. Hosmer/Lemeshow (1989), S. 87; Gujarati (1995), S. 460.
Zur Rangkorrelation nach Spearman vgl. Sachs (1997), S. 510–515 oder Härtung (1998), S. 533–559.
Die überwiegende Anzahl der hier betrachteten metrischen Kennzahlen ist nicht normalverteilt. Die Nullhypothese der Normalverteilung kann nach dem Kolmogorov-Smirnov-Anpassungstest auf einem 5%-Niveau für 23 der 33 metrischen Kennzahlen (69,7%) verworfen werden. Vgl. Tabelle A 5 im Anhang.
Vgl. Niehaus (1987), S. 111; Gujarati (1995), S. 336.
Für die Korrelationsbeziehungen der erklärenden Variablen vgl. auch Tabellen A 18 und 20 im Anhang.
Vgl. Bleymüller/Gehlert/Gülicher (1996), S. 174.
Die Zufallstrefferquote nach dem Proportional Chance Criterion errechnet sich ausgehend von der im Sample beobachteten Hedging-Wahrscheinlichkeiten wie folgt: Der Anteil der hedgenden Unternehmen beläuft sich auf 77/103 = 0,748 und der der nicht-hedgenden Unternehmen auf 26/103 = 0,252. Die erwartete Zufallstrefferanzahl beträgt somit 6,55(= 0,252• 26) + 57,60(= 0,748• 77) = 64,15 und die erwartete Zufallstrefferquote 64,15/103 = 0,623.
Fünf von den neun ausländischen Tochtergesellschaften verwenden Währungsderivate.
In empirischen Studien werden typischerweise n Branchen durch n-\ dichotome Branchenvariablen abgebildet, wobei eine Branche die Referenzbranche bildet, andernfalls könnten die Regressionskoeffizienten aufgrund einer perfekten linearen Abhängigkeit nummerisch nicht ermittelt werden. Da jedoch hier einzelnen Unternehmen mehrere Branchen zugeordnet wurden und somit keine perfekte lineare Abhängigkeit zwischen den Branchenvariablen besteht, wurde in Modell (3) für jede Branche ein dichotome Variable verwendet. Vgl. Gujarati (1995), S. 504.
Die paarweisen Korrelationen zwischen der Branchendiversifikationsvariablen und den einzelnen Branchen variablen sind zwar wenig stark ausgeprägt. Für die Chemiebranche beträgt der paarweise Korrelationskoeffizient 0,55 und für die anderen Branchen variablen liegen die Absolutwerte der Korrelationskoeffizienten sogar unter 0,25. Wird die Branchendiversifikationsvariable jedoch auf die elf Branchenvariablen regressiert, zeigt das mit 0,9 äußerst hohe Bestimmtheitsmaß eine starke lineare multiple Abhängigkeit. Für die paarweisen Korrelationen vgl. Tabelle A 20 im Anhang.
Werden bei der Schätzung von Modell (3) die Tochtergesellschaften ausländischer Konzerne ausgeschlossen, so bleiben die Vorzeichen der Erklärungsvariablen unverändert und die Signifikanzwerte unterscheiden sich nicht wesentlich gegenüber denen von Modell (3). Vgl. Tabelle A 21 im Anhang.
Auffällig ist der hohe Logit-Koeffizient der Variablen „Maschinenbau“. Obwohl der Koeffizient mit 10,49 den höchsten Wert aufweist und damit von allen Branchenvariablen den stärksten Einfluss auf die Hedging-Wahrscheinlichkeit ausübt, wird er nicht als statistisch signifikant eingestuft. Tatsächlich setzen sogar alle Maschinenbauunternehmen Währungsderivate ein. Die geringe statistische Signifikanz ist hier durch Separations- bzw. Konvergenzprobleme bei der Modellschätzung begründet. Zum Separations- bzw. Konvergenzproblem vgl. die Ausführungen in Abschnitt 4.4.1.1.
Im Rahmen der univariaten Betrachtung ergab sich zwar eine Branchenabhängigkeit der Hedging-Entscheidung, letztlich ist aber nicht die Branchenzugehörigkeit an sich ausschlaggebend, sondern vielmehr die mit der Branchenzugehörigkeit verbundenen typischen Unternehmenscharakteristika, wie z.B. hoher Auslandsumsatzanteil oder Verschuldung, die allerdings im multiplen Ansatz separat berücksichtigt werden.
Der Devianzunterschied zwischen Modell (1) und (3) beträgt 17,4, was bei zehn Freiheitsgraden einem Signifikanzwert von 0,067 entspricht.
Das Bestimmtheitsmaß nach McFadden, der Likelihood-Ratio-Test und auch die Klassifikationsmaße berücksichtigen nicht, dass bei gegebener Stichprobe mit jeder hinzukommenden unabhängigen Variable ein mehr oder wenig großer Erklärungsbeitrag hinzugefügt wird, der möglicherweise nur zufällig ist.
Eine Anwendungsvoraussetzung der Logit-Analyse ist, dass die Anzahl der beiden Ausprägungen der abhängigen Variablen jeweils größer ist als die Anzahl der Regressoren. Im Modell (3) verwenden 26 von den 103 Unternehmen Währungsderivate bei 24 Regressoren, sodass diese Bedingung zwar noch erfüllt ist. Werden jedoch weitere Regressoren hinzugefügt oder wird das Sample aufgrund der Verwendung von Marktdaten reduziert, so ist diese Bedingung nicht mehr erfüllt. Vgl. die Ausführungen in Abschnitt 4.4.1.1.
Vgl. Hosmer/Lemeshow (1989), S. 83; Gujarati (1995), S. 459.
Vgl. Hosmer/Lemeshow (1989), S. 82–87; Gujarati (1995), S. 454–459.
Die Schätzungen der jeweiligen Modelle mit Branchen variablen werden nur dann durchgeführt, wenn die Anwendungsvoraussetzungen der Logit-Analyse erfüllt sind. Vgl. dazu Fußnote 682.
Die Anzahl der Unternehmen, für die die einzelnen Kennzahlen gebildet werden konnten, ist aus Tabelle A 4 im Anhang ersichtlich.
Werden allerdings die Branchen variablen den Modellschätzungen (4) und (5) hinzugefügt, so wird die Variable „Inländische Tochtergesellschaft“wieder als nicht signifikant eingestuft. Ansonsten jedoch führt der Einschluss der Branchen variablen zu keinen qualitativen Unterschieden gegenüber den in Tabelle 51 dargestellten Befunden. Die Einflussrichtungen sind identisch und die Signifikanzwerte vergleichbar. Vgl. Tabelle A 21 im Anhang.
Das geringe Bestimmtheitsmaß in Modell (4) gegenüber Modell (1) kann entweder in dem Ausschluss der Managervariable oder dem veränderten Sampleumfang begründet sein. Wird Modell (4) mit den 103 Unternehmen von Modell (1) geschätzt, so beträgt das Bestimmtheitsmaß 35,5%. Folglich ist das geringere Bestimmtheitsmaß vorwiegend auf den Ausschluss der Managervariablen zurückzuführen. Vgl. Tabelle A 22 im Anhang.
In diesem Sinne beträgt der bivariate Korrelationskoeffizient zwischen den Variablen „Fremdkapital/Unternehmenswert“und „Market-to-book-ratio“-0,53, zwischen den Variablen „Cashflow I/Fremdkapital“und „Investitionen/Umsatz“0,44 und zwischen den Variablen „EBIT/Zinsaufwand“und „Investitionen/Cashflow I“0,41. Vgl. Tabelle 43 in Abschnitt 4.4.2.2.
Allerdings ist der hier aufgezeigte Befund zur Schuldentilgungskraft (Modell (7)) nur eingeschränkt repräsentativ. Bei alternativen Modellvariationen wird die Schuldentilgungskraft überwiegend als insignifikant eingestuft.
Dieser Befund ist allerdings zu relativieren. Drei Unternehmen weisen — trotz der durchgeführten Bereinigung um Extremwerte — ausgesprochen hohe Werte für die Zinsdeckungen auf. Werden diese drei Unternehmen bei der Auswertung ausgeschlossen, so wird die Zinsdeckung nicht mehr als signifikant eingestuft.
Vgl. dazu die Anmerkungen in Fußnote 682.
Vgl. Tabelle 50 und im Anhang Tabelle A 23.
Vgl. dazu die Diskussion bei Dolde (1995), S. 190–195.
Bei Berkman/Bradbury (1996) und Wysocki (1998) wurden die Investitionsquoten allerdings nur im Rahmen der univariaten Untersuchungen betrachtet.
Vgl. Géczy/Minton/Schrand (1997), S. 1337 und Graham/Rogers (1999), S. 7.
Für ein Darstellung und Diskussion von Interaktionstermen im Rahmen der Logit-Analyse vgl. Hosmer/Lemeshow (1989), S. 63–68 oder Urban (1993), S. 72–75.
Vgl. Tabelle A 22 im Anhang.
Vgl. Modell (3) in Tabelle 50 sowie Tabelle A 24 im Anhang.
Die bivariaten Korrelationskoeffizienten zwischen den Liquiditätsvariablen und den Branchen variablen erscheinen allerdings wenig problematisch. Zwar beträgt der Korrelationskoeffizient zwischen der Liquiditätsvariablen „Liquide Mittel/Cashflow I“und der Variablen „Bau“0,51, sämtliche anderen Koeffizienten liegen jedoch deutlich unter 10,251. Vgl. Tabelle A 19 im Anhang.
Vgl. Gay/Nam (1998), S. 62–65.
Vgl. Tabelle A 23 im Anhang. Bei Verwendung der Liquiditätsvariablen „Liquide Mittel/Kurzf. Verbl.“ergeben sich teilweise signifikante Einflüsse des Interaktionsterms, die Einflussrichtung widerspricht jedoch den theoretischen Überlegungen.
Vgl. Tabellen A 24 und 25 im Anhang.
Vgl. Tabelle A 25 im Anhang.
Die bivariaten Korrelationskoeffizienten zwischen der Variable „Managerbezüge“und den Größen variablen „Bilanzsumme“und „Unternehmens wert“nehmen ähnlich hohe Werte an. Vgl. Tabelle 43 in Abschnitt 4.4.2.2.
Zur Analyse der Auswirkung zweier korrelierter Regressoren auf die Schätzergebnisse vgl. Gujarati (1995), S. 204–206.
Vgl. Modell (4) in Tabelle 51.
Vgl. Tabelle 43 in Abschnitt 4.4.2.2.
Vgl. Modell (4) in Tabelle 51.
Vgl. Modell (3) in Tabelle 50 sowie Tabelle A 26 im Anhang.
Bei dem Sample mit den 113 Unternehmen hedgen von den 13 Unternehmen mit Managerbeteiligung 11 (84,6%) und von den 100 Unternehmen ohne Managerbeteiligung 73 (73,0%). In dem Sample mit den 103 Unternehmen hedgen von 10 Unternehmen mit Managerbeteiligung 9 (90,0%) und von den 93 verbleibenden Unternehmen 68 (73,1%). Die Prozentunterschiede unterscheiden sich somit nur geringfügig gegenüber den univariaten Betrachtungen und dem Sample mit 122 Unternehmen.
Vgl. Tabelle A 26 im Anhang.
Den Einfluss von Großaktionären auf die Hedging-Entscheidung untersucht ebenfalls Guay (1999). Allerdings kann dort ein disziplinierender Einfluss von Großaktionären nicht nachwiesen werden.
Vgl. Modell (3) in Tabelle 50 sowie Tabelle A 27 im Anhang.
Vgl. Tabelle A 27 im Anhang.
Vgl. Franks/Mayer (1997a), S. 30–35; Boehmer (1999), S. 10–19.
Die Modellschätzungen sind in den Tabellen A 27 und A 28 im Anhang enthalten.
Die Kontroll variable „Ausländische Tochtergesellschaft“wird in diesem Abschnitt nicht diskutiert. Vgl. dazu die Ausführungen in Abschnitt 4.4.3.1.2.
Vgl. Modell (3) und die entsprechenden Modellschätzungen in den Tabellen A 22 bis A 28 im Anhang.
Vgl. Tabelle A 28 im Anhang.
Vgl. Glaum/Roth (1993), S. 1186; Gebhardt/Ruß (1999), S. 47–53 und Glaum/Förschle (2000), S. 43–54.
Vgl. Heiden/Gebhardt/Burkhardt (1997), S. 12f; Gebhardt/Heiden/Daske (2001), S. 6f.
Rights and permissions
Copyright information
© 2002 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ruß, O. (2002). Eigene empirische Studie. In: Hedging-Verhalten deutscher Unternehmen. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-89662-9_4
Download citation
DOI: https://doi.org/10.1007/978-3-322-89662-9_4
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-7687-9
Online ISBN: 978-3-322-89662-9
eBook Packages: Springer Book Archive