Anwendung in der Praxis

Unternehmensbewertung

Der Betafaktor des Capital Asset Pricing Model (CAPM) wird insbesondere für die Bestimmung risikogerechter Diskontierungszinssätze (Kapitalkosten) bei der Unternehmensbewertung verwendet. Das CAPM bildet auch die Grundlage der Bewertung gemäß der Bewertungsstandard des Instituts der Wirtschaftsprüfer (IDW S1). Die Renditeforderung der Eigenkapitalgeber ergibt sich demnach wie folgt:

${\displaystyle r_{EK}=r_{F}+\beta \cdot \left(r_{M}-r_{F}\right)}$.

Die Verzinsung einer risikobehafteten Anlage ergibt sich aus der Verzinsung einer risikolosen Anlage ${\displaystyle r_{F}}$ zuzüglich einer Risikoprämie. Die Risikoprämie erhält man durch Multiplikation der Risikoprämie des Marktes (${\displaystyle r_{M}-r_{F}}$) mit dem Maß für das unternehmensindividuelle Risiko ${\displaystyle \beta }$. Die Ermittlung der einzelnen Größen findet man im Artikel über das Capital Asset Pricing Model.

Entwicklung von Anlagestrategien

In der Anlagepraxis führt die Benutzung des Betafaktors zur Risikogewichtung von Wertpapieren und hat so wesentlichen Einfluss auf die Höhe individueller Bewertungen und die Konstruktion von insbesondere marktphasengetriebenen Anlagestrategien.

Entscheidend für die Aufnahme eines Wertpapiers in das Portfolio ist sein Beitrag zum Risiko des Gesamtportfolios. Ist das Beta sowie die Standardabweichungen des Wertpapiers (${\displaystyle WP}$) und des Portfolios (${\displaystyle PF}$) bekannt, so lässt sich damit der Korrelationskoeffizient berechnen:

${\displaystyle \beta _{\text{WP}}={\frac {\rho _{\text{EP}}\sigma _{\text{WP}}}{\sigma _{\text{PF}}}}\quad \Leftrightarrow \quad \rho _{\text{EP}}={\frac {\beta _{\text{WP}}\sigma _{\text{PF}}}{\sigma _{\text{WP}}}}}$.

Diese wird für die Berechnung der Varianz des erweiterten Portfolios (${\displaystyle EP}$) benötigt:

${\displaystyle \sigma _{\text{EP}}^{2}=\sigma _{1}^{2}x_{1}^{2}+\sigma _{2}^{2}x_{2}^{2}+2x_{1}x_{2}\sigma _{1}\sigma _{2}\rho _{12}}$.

Ermittlung anhand von linearen Regressionen

Der Betafaktor eines börsennotierten Unternehmens ${\displaystyle i}$ ergibt sich aus dem Verhältnis der Kovarianz zwischen der Rendite des Unternehmens ${\displaystyle r_{i}}$ und die Marktrendite ${\displaystyle r_{M}}$ zur Varianz der Marktrendite ${\displaystyle \sigma _{M}^{2}}$. Die Betas können anhand von Zeitreihendaten mit einer einfachen linearen Regression in der Form

${\displaystyle r_{i,t}=\alpha +\beta r_{M,t}+\varepsilon _{t}\quad {\text{mit}}\quad \Delta \epsilon _{t}=u_{t}{\sqrt {\Delta t}}\quad {\text{wobei}}\quad u_{t}\;\sim \;{\mathcal {N}}(0,1)\quad {\text{und}}\quad t=1,2,\ldots ,T}$

geschätzt werden. Dabei bezeichnet ${\displaystyle r_{i}}$ die Rendite des betrachteten Unternehmens und ${\displaystyle r_{M}}$ die Marktrendite. Dieses Modell bezeichnet man auch als Marktmodell. Man beachte, dass bei diesem Ansatz keine Zeitreihe für eine risikolose Verzinsung benötigt wird. Der geschätzte Parameter α liefert hier eine Schätzung für die risikolose Rendite. Alternativ lässt sich das β auch anhand von Überschussrenditen (englisch excess returns) ermitteln:

${\displaystyle r_{i,t}-r_{f,t}=\alpha +\beta (r_{M,t}-r_{f,t})+\varepsilon _{t}\;}$

Die nebenstehende Abbildung zeigt am Beispiel der Apple-Aktie auf, dass die Schätzergebnisse sehr unterschiedlich ausfallen können. Die erheblichen Unterschiede können durch die verschiedenen Freiheitsgrade bei der Schätzung erklärt werden:

• Regressionsmodell: Bei der Verwendung des Marktmodells erhält man andere Schätzer als bei der Verwendung von Überschussrenditen. Die Betas können um einige Prozentpunkte voneinander abweichen. Die Wahl der Schätzmethode (Methode der kleinsten Quadrate (KQ-Schätzung), Maximum-Likelihood-Methode (ML-Schätzung)) hat keinen Einfluss auf die Ergebnisse da diese für lineare Modelle identische Ergebnisse liefern.
• Schätzzeitraum (Phase): Die geschätzten Betas sind im Zeitablauf nicht stabil. So sind die aktuell geschätzten Betas von Apple ca. 30 % höher als die Betas, die man vor etwa 10 Jahren geschätzt hat.
• Schätzzeitraum (Länge der Schätzung): Bei Einjahresschätzungen beträgt die Spanne der Schätzungen 0,5-1,2. Die Spannweite engt sich bei Schätzungen über einen Zeitraum von 5 Jahren auf 0,25 ein. Bei einer Schätzdauer von 10 Jahren ist die Spanne kaum mehr vorhanden.

Man erkennt, dass die Schätzung geeigneter Betafaktoren nicht trivial ist. Obwohl das CAPM ein Einperiodenmodell ist, müssen die Betas über einen Beobachtungszeitraum geschätzt werden. In diesem Beobachtungszeitraum können sich die individuellen Geschäftsrisiken und finanziellen Risiken erheblich verändern und zu einer wenig aussagekräftigen Schätzung des systematischen Risikos führen. Bei einer Schätzung von Betas mit Hilfe einer Peer-Group gleichen sich erfahrungsgemäß einige dieser Verzerrungen aus.

Ermittlung der Betafaktoren mit Hilfe einer Peer-Group

Die Schätzung von Betafaktoren mit Hilfe von vergleichbaren Unternehmen hat den Vorteil, dass die geschätzten Parameter stabiler sind als bei einer Einzelschätzung des Marktmodells. Darüber hinaus muss ein Unternehmen börsennotiert sein, wenn das CAPM zur Ermittlung von Risikozuschlägen herangezogen werden soll. Anderenfalls sind die Renditen des zu bewertenden Unternehmens nicht am Kapitalmarkt beobachtbar. Bei nicht börsennotierten Unternehmen kann der Betafaktor deshalb nur durch Betafaktoren vergleichbarer Unternehmen („Branchenbetas“ bzw. Betas einer „Peer-Group“) angenähert werden.

Die folgende Tabelle zeigt die geschätzten Betafaktoren für eine Peer-Group von Microsoft auf. Der Mittelwert der geschätzten Betas (Levered Betas) beläuft sich auf 1,11. Dieses Beta repräsentiert recht gut die typischen systematischen Risiken von verschuldeten Unternehmen in der Software-Branche. Dabei muss jedoch beachtet werden, dass die systematischen Risiken sowohl Marktrisken, operative Risiken als auch finanzielle Risiken beinhalten. Sofern diese Risiken von Peer-Group-Unternehmen und dem zu bewertenden Unternehmen vergleichbar sind, ist die Ermittlung von Betas anhand einer Peer-Group sachgerecht.

Bei der Zusammenstellung der Peer-Group ist deshalb darauf zu achten, dass die Vergleichsunternehmen ähnliche Risiken wie das zu bewertende Unternehmen aufweisen. In der Regel sind Unternehmen einer Branche vergleichbaren Geschäftsrisiken ausgesetzt. Man wird jedoch häufig feststellen, dass sich diese Unternehmen trotz Branchenzugehörigkeit hinsichtlich ihrer finanziellen Risiken erheblich unterscheiden können. In diesen Fällen wird vorgeschlagen, die geschätzten Betas jeweils um das individuelle finanzielle Risiko zu bereinigen.

Zu diesem Zweck werden für die Peer-Group-Unternehmen zunächst Betas errechnet, die sich bei einer fehlenden Verschuldung dieser Unternehmen ergeben würden. Die Betas unverschuldeter Unternehmen (»unlevered Betas«) können aus den geschätzten Betas verschuldeter Unternehmen (»levered Betas«) gemäß der sog. Hamada-Formel (vgl. Anhang unten) ermittelt werden:

${\displaystyle \beta _{u,i}={\frac {\beta _{l,i}}{1+(1-s){\frac {FK_{i}}{EK_{i}}}}}}$

mit

• β_u,i: Betafaktor des unverschuldeten Unternehmens i,
• β_l,i: Betafaktor des teilweise fremdfinanzierten Unternehmens i,
• s: konstanter Gewinnsteuersatz des Unternehmens,
• FK: Marktwert des Fremdkapitals des Unternehmens i,
• EK: Marktwert des Eigenkapitals des Unternehmens i.

Aus den unlevered Betas wird das arithmetische Mittel oder der Median der Betas der Peer-Group (β_l,PG) ermittelt. Dieses Beta spiegelt repräsentativ die systematischen Geschäftsrisiken eines unverschuldeten Unternehmens in der Branche bzw. Peer-Group ab. Damit es auch die finanziellen Risiken eines Unternehmens abbildet, muss dieses Beta mit der Kapitalstruktur des zu bewertenden Unternehmens »relevered« werden:

${\displaystyle \beta _{l,i}=\beta _{l,PG}\cdot \;\left(1+(1-s){\frac {FK_{i}}{EK_{i}}}\right)}$ .

Man erkennt an der obigen Tabelle, dass das derartig geschätzte Beta von Microsoft gemäß der Hamada-Formel 1,114 beträgt. Es gibt keinen nennenswerten Unterschied zum Durchschnitt der verschuldeten Betas. Neben der Formel von Hamada wurden auch die Ansätze Miles/Ezzel sowie von Harris/Pringel durchgerechnet (vgl. Anhang unten). Es ergeben sich ebenfalls keine signifikanten Unterschiede.

Es fällt jedoch auf, dass in der Peer-Group die Betas der unverschuldeten Unternehmen noch ähnlich stark streuen wie die Betas der verschuldeten Unternehmen. Dies deutet darauf hin, dass durch das „unlevern“ keine Nivellierung der Risiken stattgefunden hat. Die Betas der unverschuldeten Unternehmen sollten innerhalb einer Branche eigentlich alle recht ähnlich ausfallen und ausschließlich die – recht vergleichbaren – Geschäftsrisiken abbilden.

Starke Schwankungen bei den unlevered Betas sind ein Indiz dafür, dass die Produktions- und Kostenstrukturen der Unternehmen innerhalb der Peer-Group bzw. Branche unterschiedlich sind. Bei der Analyse des Operating leverage wird deutlich, dass der Anteil der Fixkosten in erheblichem Ausmaß die Risiken für die Kapitalgeber beeinflussen kann. Es ist deshalb naheliegend, bei der Berechnung von Betas mit Hilfe einer Peergroup auch die Hebelwirkung des „Degree of Operating Leverage“ (DOL) herauszurechnen. Der Zusammenhang zwischen DOL und Beta wird in der Fachliteratur zumeist folgendermaßen beschrieben :

${\displaystyle \beta _{\text{unlevered}}=\beta _{\text{Operating Business}}\cdot \left(1+{\frac {\text{Fixe Kosten}}{\text{Variable Kosten}}}\right)}$.

Das aufwendige „Unlevern“ und „Relevern“ von empirischen Betas ist sehr angreifbar. So werden die finanziellen Risiken ausschließlich am Verschuldungsgrad festgemacht; andere wichtige Ursachen für finanzielle Probleme von Unternehmen werden ignoriert. Dies geht an der Realität vorbei. Zahlungsprobleme treten z. B. weitaus häufiger auf als Probleme der Überschuldung. Bei der Eliminierung des Operating Leverage greift eine ähnliche Kritik. Auch die operativen Ergebnisschwankungen werden ausschließlich am Anteil der fixen Kosten festgemacht, die Realität ist jedoch weitaus komplexer. Operative Ergebnisschwankungen hängen auch davon ab, inwieweit ein Unternehmen in Bezug auf Produkte, Kunden, Lieferanten und Absatzmärkten diversifiziert ist. Das ausgefeilte Unlevern und Relevern von verschiedenen Risikoarten (finanziellen Risiken, operativen Risiken) erscheint vor dem Hintergrund der zahlreichen Schätzungenauigkeiten (Auswahl des Marktindex, Berechnung der Marktrendite, Auswahl von Schätzzeiträumen, Auswahl der Schätzmethode, Auswahl der Peer-Group) eher als akademische Spitzfindigkeit. Es wird eine Scheingenauigkeit suggeriert, welche die zugrundeliegenden Daten regelmäßig nicht hergeben.