Maik Kästner war nach seinem Wirtschaftsingenieurstudium an der Brandenburgischen Technischen Universität (BTU) Cottbus ein Jahr bei der Managementberatung Kossa & Partner tätig, bevor er von 2005 bis 2011 als akademischer Mitarbeiter am Lehrstuhl Unternehmensfinanzierung der BTU Cottbus von Prof. Dr. Klaus Serfling bzw. anschließend Prof. Dr. Elmar Lukas beschäftigt war. Dort erfolgte auch die Promotion zum Dr. rer. oec. Zu seinen Schwerpunkten in Forschung, Lehre und als Dozent privater Bildungsträger zählten die Bereiche Unternehmensbewertung, Finanzcontrolling, Internationale Rechnungslegung, Rating sowie Financial Engineering. Im Herbst 2011 wechselte er in den Bereich Risikocontrolling der Bausparkasse Schwäbisch Hall und zeichnet dort für Rating und Kreditrisikomessung verantwortlich.

Klappentext

Ein funktionsfähiges Risikomanagement ist in Großunternehmen gängige Praxis und nicht zuletzt in Folge der zunehmenden Globalisierung auch in mittelständischen Unternehmen zu einer Überlebensnotwendigkeit geworden. Mit der starken Exportorientierung der deutschen Wirtschaft und der damit verbundenen Abhängigkeit von weltweiten Zins-, Währungs- und Preisentwicklungen rückt die Absicherung von Kursschwankungen auch für den Mittelstand immer mehr in den Fokus des Interesses. Der Schwerpunkt der Arbeit liegt einerseits auf der Analyse des aktuellen Umsetzungsstandes von Risikomanagementsystemen in mittelständischen Unternehmen sowie der Verbreitung des Derivateeinsatzes zur Risikosteuerung. Weiterhin erfolgt eine Auseinandersetzung mit den auf Unternehmen einwirkenden Risiken sowie dem rechtlichen Rahmen bzw. den aktuellen betriebswirtschaftlichen Erkenntnissen, welche Erfordernisse und Anhaltspunkte für die Ausgestaltung von Risikomanagementsystemen geben. Andererseits erfolgt eine Analyse quantitativer Risikokennzahlen sowie deren Berechnungslogik und der Abschätzung der Eingangsparameter. Des Weiteren werden die für die Risikosteuerung mittelständischer Unternehmen verfügbaren Derivate sondiert. Abschließend erfolgt die Entwicklung eines quantitativen Risikobewertungsmodells auf Basis des Value-at-Risk, wobei die Fortschreibung der Volatilität mit Hilfe von EWMA- und GARCH(1,1)-Modellen in Monte-Carlo-Simulationen umgesetzt wird. Die anhand von Wechselkursen und Rohstoffpreisen ermittelten Ergebnisse aus Beispielrechnungen werden alternativen Ansätzen, wie der Historischen Simulation und dem Varianz-Kovarianz-Ansatz, gegenübergestellt sowie für die Ableitung von Absicherungsstrategien mit börsengehandelten Derivaten und das Backtesting des Simulationsmodells verwendet. Auch erfolgt eine Analyse der Umsetzbarkeit des Modells in mittelständischen Unternehmen.

Inhalt

Einleitung 2. Der Mittelstand in Deutschland 2.1 Abgrenzung von KMU und mittelständischen Unternehmen 2.2 Zum aktuellen Stand des Risikomanagements in deutschen mittelständischen Unternehmen 2.3 Mittelstandabgrenzung im Sinne einer Arbeitsdefinition 3. Risikomanagement als ganzheitlicher Prozess 3.1 Risikomanagement als Grundlage der Solvenz- und Ertragssicherung 3.2 Risiko aus quantitativer Sicht 3.3 Risikoarten 3.4 Rechtliche Grundlagen des Risikomanagements in Deutschland 3.5 Bestandteile des Risikomanagementsystems 3.6 Der Risikomanagementprozess 4. Risikomaße als Möglichkeit zur Quantifizierung finanzwirtschaftlicher Risiken 4.1 Volatilitätsmaße und Volatilität 4.2 Value-at-Risk 4.3 Methoden zur Berechnung des Value-at-Risk 4.4 Conditional Value-at-Risk 4.5 Cash Flow-at-Risk 4.6 Earnings-at-Risk 4.7 Credit Value-at-Risk 4.8 Cost-at-Risk 4.9 RORAC und RAROC 4.10 Backtesting, Stresstests und Szenarioanalysen 5. Grundlagen derivativer Finanzinstrumente 5.1 Klassifizierung von Derivaten 5.2 Futures und Forwards 5.3 Forward Rate Agreements 5.4 Swaps 5.5 Optionen 6. Klassifikation und Verfügbarkeit derivativer Finanzinstrumente und deren Einsatzfähigkeit bei KMU 6.1 Börsengehandelte Derivate 6.2 Over-the-Counter-Geschäfte 7. Hedgingstrategien verschiedener Risikoarten mittels derivativer Finanzinstrumente 7.1 Korrelationen zwischen Risikopositionen 7.2 Abschätzung der Volatilität 7.3 Historische Simulation 7.4 Varianz-Kovarianz-Ansatz 7.5 Monte-Carlo-Simulation 7.6 Absicherungsstrategien 7.7 Anwendbarkeit 8. Schlussbetrachtungen