Benutzer:Peter Hager/Baustelle/Korrelation: Unterschied zwischen den Versionen
(→NN) |
(→NN) |
||
| Zeile 167: | Zeile 167: | ||
], abgefragt 28.7.2024.</ref> | ], abgefragt 28.7.2024.</ref> | ||
| − | == | + | == Korrelationskoeffizient == |
| − | <!-- Bei Änderung Überschrift in [[NN]], [[MM]] ändern. -->* ''Weiterleitung'': | + | <!-- Bei Änderung Überschrift in [[NN]], [[MM]] ändern. -->* ''Weiterleitung'': Korrelationskoeffizient |
''Hauptartikel-> [[]]'' | ''Hauptartikel-> [[]]'' | ||
* Synonyme: ''[[]]'' | * Synonyme: ''[[]]'' | ||
| Zeile 175: | Zeile 175: | ||
'''fe <!-- erg (zT) ok -->''' | '''fe <!-- erg (zT) ok -->''' | ||
| + | |||
| + | ''<u>https://de.wikipedia.org/wiki/Korrelationskoeffizient_nach_Bravais-Pearson </u>'' | ||
| + | Der Korrelationskoeffizient nach Bravais-Pearson, auch Produkt-Moment-Korrelation,[1] ist ein Maß für den Grad des linearen Zusammenhangs zwischen zwei mindestens intervallskalierten Merkmalen, das nicht von den Maßeinheiten der Messung abhängt und somit dimensionslos ist. Er kann Werte zwischen − 1 {\displaystyle -1} und + 1 {\displaystyle +1} annehmen. Bei einem Wert von + 1 {\displaystyle +1} (bzw. − 1 {\displaystyle -1}) besteht ein vollständig positiver (bzw. negativer) linearer Zusammenhang zwischen den betrachteten Merkmalen. Wenn der Korrelationskoeffizient den Wert 0 aufweist, hängen die beiden Merkmale überhaupt nicht linear voneinander ab. Allerdings können diese ungeachtet dessen in nichtlinearer Weise voneinander abhängen. Damit ist der Korrelationskoeffizient kein geeignetes Maß für die (reine) stochastische Abhängigkeit von Merkmalen. Das Quadrat des Korrelationskoeffizienten stellt das Bestimmtheitsmaß dar. Der Korrelationskoeffizient wurde erstmals vom britischen Naturforscher Sir Francis Galton (1822–1911) in den 1870er Jahren verwendet. Karl Pearson lieferte schließlich eine formal-mathematische Begründung für den Korrelationskoeffizienten.[2] Da er von Auguste Bravais und Pearson populär gemacht wurde, wird der Korrelationskoeffizient auch Pearson-Korrelation oder Bravais-Pearson-Korrelation genannt. | ||
| + | |||
| + | Je nachdem, ob der lineare Zusammenhang zwischen zeitgleichen Messwerten zweier verschiedener Merkmale oder derjenige zwischen zeitlich verschiedenen Messwerten eines einzigen Merkmals betrachtet wird, spricht man entweder von der Kreuzkorrelation oder von der Kreuzautokorrelation (siehe auch Zeitreihenanalyse). | ||
| + | |||
| + | Korrelationskoeffizienten wurden mehrfach – so schon von Ferdinand Tönnies – entwickelt, heute wird allgemein jener von Pearson verwendet. | ||
| + | |||
| + | ''<u>https://wirtschaftslexikon.gabler.de/definition/korrelation-40362 </u>'' | ||
| + | Messung der Korrelation zweier Merkmale aus vorliegenden Wertepaaren durch Korrelationskoeffizienten. Bei quantitativen Merkmalen und der Verwendung des Bravais-Pearson-Korrelationskoeffizienten ist zu beachten, dass nur der Grad des linearen Zusammenhang beider Merkmale gemessen werden kann. Bei qualitativen Variablen wird statt von Korrelation von Assoziation bzw. Kontingenz gesprochen. | ||
| + | |||
| + | ''<u>https://wirtschaftslexikon.gabler.de/definition/korrelationskoeffizient-39501 </u>'' | ||
| + | |||
| + | Ausführliche Definition im Online-Lexikon | ||
| + | |||
| + | Korrelationsmaß; Maß, mit dem in der Korrelationsanalyse die „Stärke” eines positiven oder negativen Zusammenhangs (Korrelation) zwischen zwei quantitativen Merkmalen bzw. Zufallsvariablen gemessen werden kann. Zu beachten ist, dass der Bravais-Pearson-Korrelationskoeffizient nur den Grad des linearen Zusammenhangs misst. Ein aus einer Zufallsstichprobe berechneter Korrelationskoeffizient stellt jeweils eine Punktschätzung für den entsprechenden Koeffizienten in der Grundgesamtheit dar. | ||
| + | |||
| + | 1. Bravais-Pearsonscher linearer Korrelationskoeffizient: Sind (xi,yi), i = 1, ... ,n , die n beobachteten Wertepaare des bivariaten Merkmals (X,Y), so ist der Bravais-Pearsonsche Korrelationskoeffizient durch | ||
| + | |||
| + | MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtc3ViPgo8bWk+cjwvbWk+Cjxtcm93Pgo8bWk+eDwvbWk+CjxtaT55PC9taT4KPC9tcm93Pgo8L21zdWI+Cjxtbz49PC9tbz4KPG1mcmFjPgo8bXN1Yj4KPG1pPnM8L21pPgo8bXJvdz4KPG1pPng8L21pPgo8bWk+eTwvbWk+CjwvbXJvdz4KPC9tc3ViPgo8bXJvdz4KPG1zdWI+CjxtaT5zPC9taT4KPG1pPng8L21pPgo8L21zdWI+Cjxtc3ViPgo8bWk+czwvbWk+CjxtaT55PC9taT4KPC9tc3ViPgo8L21yb3c+CjwvbWZyYWM+CjwvbWF0aD4K | ||
| + | |||
| + | definiert, wobei sxy die empirische Kovarianz und sx, sy die empirischen Standardabweichungen der Merkmale X und Y in den jeweiligen Stichproben sind. Es ist also mit rxy = r | ||
| + | |||
| + | Bild in Originalgröße zeigen | ||
| + | |||
| + | definiert, wobei MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtb3ZlciBhY2NlbnQ9InRydWUiPgo8bWk+eDwvbWk+Cjxtbz7MhDwvbW8+CjwvbW92ZXI+CjwvbWF0aD4K und MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtb3ZlciBhY2NlbnQ9InRydWUiPgo8bWk+eTwvbWk+Cjxtbz7MhDwvbW8+CjwvbW92ZXI+CjwvbWF0aD4K die arithmetischen Mittel der Werte der beiden Variablen bezeichnen (Korrelationskoeffizient der Stichprobe). Dieser Korrelationskoeffizient liegt, anders als die Kovarianz sxy, immer zwischen –1 und +1. Falls die Punkte (x1,y1), ... ,(xn,yn) alle auf einer Geraden mit positiver (negativer) Steigung liegen, ist r = +1 (r = –1). Der Korrelationskoeffizient der Stichprobe hat wünschenswerte Eigenschaften als Schätzwert für den Korrelationskoeffizient der Grundgesamtheit dann, wenn letztere eine zweidimensionale Normalverteilung aufweist. Ist (X, Y) eine zweidimensionale Zufallsvariable, wobei Cov (X, Y) deren Kovarianz ist und Var X, Var Y die Varianzen der beiden Variablen bezeichnen, dann ist deren Bravais-Pearsonscher Korrelationskoeffizient | ||
| + | |||
| + | MathML (base64):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 | ||
| + | |||
| + | 2. Spearman-Pearsonscher Rangkorrelationskoeffizient: Es seien R(xi) bzw. R(yi) der Rang des Wertes xi bzw. yi innerhalb der n Werte des ersten bzw des zweiten Merkmals, i = 1, ... ,n . Der Spearman-Pearsonsche Rangkorrelationskoeffizient rS ist der Bravais-Pearsonsche Koeffizient dieser Rangwerte und ergibt sich vereinfacht als (r=rS): | ||
| + | |||
| + | MathML (base64):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 | ||
| + | |||
| + | falls x1, ... ,xn und y1, ... ,yn jeweils paarweise verschieden sind. Falls die Punktepaare (x1,y1), ... ,(xn,yn) alle auf einer streng monoton steigenden (fallenden) Kurve liegen, ist rs = +1 (rs = –1). Er kann auch bei nur ordinal skalierten Merkmalen (Ordinalskala) berechnet werden. Der Wert +1 wird angenommen, wenn die Ränge in den Datenreihen x1, ... ,xn bzw. y1, ... ,yn übereinstimmen. Der Wert -1 wird angenommen, falls die Ränge ein gegenläufiges Verhalten aufweisen. | ||
''<u> </u>'' | ''<u> </u>'' | ||
Version vom 28. Juli 2024, 13:05 Uhr
Seite aus Benutzer:Peter Hager/Baustelle/Diverse Hinweise#Statistik (31.1.2024) lö
Diese Seite ist noch in Arbeit
nn vollständig, in Arbeit, Kurzinfo!
Diese Seite stellt die für die Unternehmensbewertung wichtigen Aspekte des Themas dar, erhebt aber keinen Anspruch auf Vollständigkeit.
nn verlinkt, (fehlende Links eintragen), kein Link auf diese Seite
* Seite auf Termini eintragen
- Seite auf Benutzer:Peter Hager/Baustelle/Stichwörter löschen
- Abkürzung und Formeln eintragen
- Weiterleitung: <!-- #WEITERLEITUNG [[ ]] --> Wenn ein Link auf ein Unterkapitel verweist, dort einfügen: <!-- Bei Änderung Überschrift in [[NN]], [[MM]] ändern. -->
Inhaltsverzeichnis
Begriff (lö)
- Weiterleitung:
Hauptartikel-> [[]]
- Synonyme: [[]]
siehe auch-> [[]]
fe
https://de.wikipedia.org/wiki/Korrelation Eine Korrelation (mittellat. correlatio für „Wechselbeziehung“) beschreibt eine Beziehung zwischen zwei oder mehreren Merkmalen, Zuständen oder Funktionen. Die Beziehung muss keine kausale Beziehung sein: manche Elemente eines Systems beeinflussen sich gegenseitig nicht, oder es besteht eine stochastische, also vom Zufall beeinflusste Beziehung zwischen ihnen.
https://wirtschaftslexikon.gabler.de/definition/korrelation-40362 in der Statistik Bezeichnung für einen mehr oder minder intensiven Zusammenhang zweier quantitativer Merkmale bzw. Zufallsvariablen. Man unterscheidet hierbei zwischen Maßkorrelation und Rangkorrelation.
- Interpretation
https://de.wikipedia.org/wiki/Korrelation
- Beschreibung
Eine Korrelation als Maß des Zusammenhangs soll zwei Fragen klären:
Wie stark ist der Zusammenhang?
Die Maßzahlen der Korrelation liegen betragsmäßig meist in einem Bereich von Null (=kein Zusammenhang) bis Eins (=starker Zusammenhang). Betrachtet man die Haar- und Augenfarbe von Studenten, so ergibt sich ein korrigierter Kontingenzkoeffizient von 0,55. Da dieser im mittleren Bereich zwischen Null und Eins liegt, haben wir einen mittelstarken Zusammenhang vorliegen.
Falls möglich, welche Richtung hat der Zusammenhang?
Ein Beispiel für eine positive Korrelation (wenn mehr, dann mehr) ist: „Mehr Futter, dickere Kühe.“ Ein Beispiel für eine negative oder Antikorrelation (wenn mehr, dann weniger) ist: „Mehr zurückgelegte Strecke mit dem Auto, weniger Treibstoff im Tank.“
Oft gibt es Sättigungsgrenzen. Beispiel: Wenn ich mehr Gas gebe, fährt mein Auto schneller (aber nicht schneller als seine technisch bedingte Maximalgeschwindigkeit). In vielen Korrelationen der Wirtschaft gilt: die Grenzkosten steigen und der Grenznutzen sinkt.
Wie ist die Skalierung der an der Korrelation beteiligten Variablen?
Wichtig zur Bestimmung des Korrelationskoeffizienten ist das jeweilige Skalenniveau. Je nach Skalenpaarung ist ein anderes Korrelationsmaß zu bestimmen und unterschiedlich zu interpretieren, beispielsweise CramersV oder Phi bei nominaler Paarung, Spearman’scher Rangkorrelationskoeffizient bei ordinaler Paarung und der Produkt-Moment-Korrelationskoeffizient von Bravais und Pearson bei der Korrelation metrisch (auch kardinal) skalierter Merkmale.
https://wirtschaftslexikon.gabler.de/definition/korrelation-40362 Positive Korrelation liegt vor, wenn zu einem hohen Wert des einen Merkmals tendenziell auch ein hoher Wert des zweiten Merkmals gehört; negative Korrelation, wenn zu einem hohen Wert des einen Merkmals tendenziell ein niedriger Wert des anderen Merkmals gehört.
eigene Der Begriff bezeichnet:
Begriff bedeutet.
Bedeutung
- Weiterleitung:
Hauptartikel-> [[]]
- Synonyme: [[]]
siehe auch-> [[]]
fe
https://de.wikipedia.org/wiki/Korrelation
- Anwendung bei Kapitalanlagen
Der Korrelationsbegriff ist von erheblicher Bedeutung bei Kapitalanlagen. Es gilt: Das Gesamtrisiko des gesamten Portfolios ist umso geringer, je geringer die einzelnen Anlagen (Assets) miteinander korrelieren.
Beispiel für positive Korrelation: Besteht ein Portfolio nur aus vielen einzelnen Aktien, so kann der Kursrückgang von Aktie 1 auch zum Wertverlust von Aktie 2 und auch Aktie 3 in einem bestimmten Verhältnis führen. Besteht das Portfolio jeweils zur Hälfte aus Aktien und Renten, so ist der Verlust geringer, da nur eine geringfügige Korrelation Aktien-Renten besteht.
Allerdings gibt es auch negative Korrelationen, wenn auch geringere, z. B. bezüglich Aktie-Rente. Ist der Aktienmarkt schwach, so wird tendenziell in Renten investiert (Kapitalflucht in den sicheren Hafen). Die Rentenkurse steigen. Dies fängt jedoch nicht den Komplettverlust im Aktienbereich auf. Daher ist es sinnvoll, noch in andere Anlagen als Renten und Aktien zu diversifizieren. Die Risikominderung durch Diversifikation oder Investition in negativ korrelierte Assets bezeichnet man als Hedging. Bei einer idealen Diversifikation ist die Korrelation der Renditen negativ (genauer: −1).
Reduktion der Korrelation des Gesamtportfolios im Verhältnis zu seinen Einzelanlagen verbessert nach dem Markowitz-Modell das Rendite-Risiko-Verhältnis. Auf langfristiger Basis wird damit prinzipiell eine höhere Rendite bei geringerem Risiko erzielt.
Die Korrelation macht in erster Linie Aussagen über die Richtung des Verlaufs, z. B. von Aktienkursen, nicht jedoch über das Ausmaß der jeweiligen Veränderung. Aus der positiven Korrelation etwa einer Aktie von 0,8 lässt sich nicht errechnen, um wie viel der Aktienkurs bei einem 3-%-Anstieg des DAX steigt. Auch besagt die Korrelation nicht, ob der DAX auf die Aktie wirkt oder die Aktie auf den DAX. Für die Analyse von Wertpapieren wurde das Capital Asset Pricing Model entwickelt, dort kommt der Betafaktor als wichtige Kennzahl ins Spiel.
eigene
Ermittlung / Berechnung
einen löschen
fe
eigene
Berechnung[11]
NN[12]
lä Benutzer:Peter_Hager/Praktische_Hilfen#Mathematik
| Variable | |
| = | Ergebnis |
| Variable |
Excel
- NN lässt sich in Excel mit der Funktion
VAR.P()ermitteln.[13]
Korrelationskoeffizient
- Weiterleitung: Korrelationskoeffizient
Hauptartikel-> [[]]
- Synonyme: [[]]
siehe auch-> [[]]
fe
https://de.wikipedia.org/wiki/Korrelationskoeffizient_nach_Bravais-Pearson Der Korrelationskoeffizient nach Bravais-Pearson, auch Produkt-Moment-Korrelation,[1] ist ein Maß für den Grad des linearen Zusammenhangs zwischen zwei mindestens intervallskalierten Merkmalen, das nicht von den Maßeinheiten der Messung abhängt und somit dimensionslos ist. Er kann Werte zwischen − 1 {\displaystyle -1} und + 1 {\displaystyle +1} annehmen. Bei einem Wert von + 1 {\displaystyle +1} (bzw. − 1 {\displaystyle -1}) besteht ein vollständig positiver (bzw. negativer) linearer Zusammenhang zwischen den betrachteten Merkmalen. Wenn der Korrelationskoeffizient den Wert 0 aufweist, hängen die beiden Merkmale überhaupt nicht linear voneinander ab. Allerdings können diese ungeachtet dessen in nichtlinearer Weise voneinander abhängen. Damit ist der Korrelationskoeffizient kein geeignetes Maß für die (reine) stochastische Abhängigkeit von Merkmalen. Das Quadrat des Korrelationskoeffizienten stellt das Bestimmtheitsmaß dar. Der Korrelationskoeffizient wurde erstmals vom britischen Naturforscher Sir Francis Galton (1822–1911) in den 1870er Jahren verwendet. Karl Pearson lieferte schließlich eine formal-mathematische Begründung für den Korrelationskoeffizienten.[2] Da er von Auguste Bravais und Pearson populär gemacht wurde, wird der Korrelationskoeffizient auch Pearson-Korrelation oder Bravais-Pearson-Korrelation genannt.
Je nachdem, ob der lineare Zusammenhang zwischen zeitgleichen Messwerten zweier verschiedener Merkmale oder derjenige zwischen zeitlich verschiedenen Messwerten eines einzigen Merkmals betrachtet wird, spricht man entweder von der Kreuzkorrelation oder von der Kreuzautokorrelation (siehe auch Zeitreihenanalyse).
Korrelationskoeffizienten wurden mehrfach – so schon von Ferdinand Tönnies – entwickelt, heute wird allgemein jener von Pearson verwendet.
https://wirtschaftslexikon.gabler.de/definition/korrelation-40362 Messung der Korrelation zweier Merkmale aus vorliegenden Wertepaaren durch Korrelationskoeffizienten. Bei quantitativen Merkmalen und der Verwendung des Bravais-Pearson-Korrelationskoeffizienten ist zu beachten, dass nur der Grad des linearen Zusammenhang beider Merkmale gemessen werden kann. Bei qualitativen Variablen wird statt von Korrelation von Assoziation bzw. Kontingenz gesprochen.
https://wirtschaftslexikon.gabler.de/definition/korrelationskoeffizient-39501
Ausführliche Definition im Online-Lexikon
Korrelationsmaß; Maß, mit dem in der Korrelationsanalyse die „Stärke” eines positiven oder negativen Zusammenhangs (Korrelation) zwischen zwei quantitativen Merkmalen bzw. Zufallsvariablen gemessen werden kann. Zu beachten ist, dass der Bravais-Pearson-Korrelationskoeffizient nur den Grad des linearen Zusammenhangs misst. Ein aus einer Zufallsstichprobe berechneter Korrelationskoeffizient stellt jeweils eine Punktschätzung für den entsprechenden Koeffizienten in der Grundgesamtheit dar.
1. Bravais-Pearsonscher linearer Korrelationskoeffizient: Sind (xi,yi), i = 1, ... ,n , die n beobachteten Wertepaare des bivariaten Merkmals (X,Y), so ist der Bravais-Pearsonsche Korrelationskoeffizient durch
MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtc3ViPgo8bWk+cjwvbWk+Cjxtcm93Pgo8bWk+eDwvbWk+CjxtaT55PC9taT4KPC9tcm93Pgo8L21zdWI+Cjxtbz49PC9tbz4KPG1mcmFjPgo8bXN1Yj4KPG1pPnM8L21pPgo8bXJvdz4KPG1pPng8L21pPgo8bWk+eTwvbWk+CjwvbXJvdz4KPC9tc3ViPgo8bXJvdz4KPG1zdWI+CjxtaT5zPC9taT4KPG1pPng8L21pPgo8L21zdWI+Cjxtc3ViPgo8bWk+czwvbWk+CjxtaT55PC9taT4KPC9tc3ViPgo8L21yb3c+CjwvbWZyYWM+CjwvbWF0aD4K
definiert, wobei sxy die empirische Kovarianz und sx, sy die empirischen Standardabweichungen der Merkmale X und Y in den jeweiligen Stichproben sind. Es ist also mit rxy = r
Bild in Originalgröße zeigen
definiert, wobei MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtb3ZlciBhY2NlbnQ9InRydWUiPgo8bWk+eDwvbWk+Cjxtbz7MhDwvbW8+CjwvbW92ZXI+CjwvbWF0aD4K und MathML (base64):PG1hdGggeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzE5OTgvTWF0aC9NYXRoTUwiIG1hdGhzaXplPSIyMCI+Cjxtb3ZlciBhY2NlbnQ9InRydWUiPgo8bWk+eTwvbWk+Cjxtbz7MhDwvbW8+CjwvbW92ZXI+CjwvbWF0aD4K die arithmetischen Mittel der Werte der beiden Variablen bezeichnen (Korrelationskoeffizient der Stichprobe). Dieser Korrelationskoeffizient liegt, anders als die Kovarianz sxy, immer zwischen –1 und +1. Falls die Punkte (x1,y1), ... ,(xn,yn) alle auf einer Geraden mit positiver (negativer) Steigung liegen, ist r = +1 (r = –1). Der Korrelationskoeffizient der Stichprobe hat wünschenswerte Eigenschaften als Schätzwert für den Korrelationskoeffizient der Grundgesamtheit dann, wenn letztere eine zweidimensionale Normalverteilung aufweist. Ist (X, Y) eine zweidimensionale Zufallsvariable, wobei Cov (X, Y) deren Kovarianz ist und Var X, Var Y die Varianzen der beiden Variablen bezeichnen, dann ist deren Bravais-Pearsonscher Korrelationskoeffizient
MathML (base64):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
2. Spearman-Pearsonscher Rangkorrelationskoeffizient: Es seien R(xi) bzw. R(yi) der Rang des Wertes xi bzw. yi innerhalb der n Werte des ersten bzw des zweiten Merkmals, i = 1, ... ,n . Der Spearman-Pearsonsche Rangkorrelationskoeffizient rS ist der Bravais-Pearsonsche Koeffizient dieser Rangwerte und ergibt sich vereinfacht als (r=rS):
MathML (base64):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
falls x1, ... ,xn und y1, ... ,yn jeweils paarweise verschieden sind. Falls die Punktepaare (x1,y1), ... ,(xn,yn) alle auf einer streng monoton steigenden (fallenden) Kurve liegen, ist rs = +1 (rs = –1). Er kann auch bei nur ordinal skalierten Merkmalen (Ordinalskala) berechnet werden. Der Wert +1 wird angenommen, wenn die Ränge in den Datenreihen x1, ... ,xn bzw. y1, ... ,yn übereinstimmen. Der Wert -1 wird angenommen, falls die Ränge ein gegenläufiges Verhalten aufweisen.
eigene
Literatur
Weblinks
- [
NN bei Wikipedia], abgefragt 28.7.2024;
- [
NN bei Gablers Wirtschaftslexikon], abgefragt 28.7.2024;
- [
NN bei Bundeszentrale für politische Bildung], abgefragt 28.7.2024;
- [
NN bei Grundlagen Statistik], abgefragt 28.7.2024;
mm
- Weiterleitung:
Hauptartikel-> [[]]
- Synonyme: [[]]
siehe auch-> [[]]
fe
eigene
Literatur
Weblinks
- [
NN bei Wikipedia], abgefragt 28.7.2024;
- [
NN bei Gablers Wirtschaftslexikon], abgefragt 28.7.2024;
- [
NN bei Bundeszentrale für politische Bildung], abgefragt 28.7.2024;
- [
NN bei Grundlagen Statistik], abgefragt 28.7.2024;
NN
- Weiterleitung:
Hauptartikel-> [[]]
- Synonyme: [[]]
siehe auch-> [[]]
fe
eigene
Literatur
Weblinks
- [
NN bei Wikipedia], abgefragt 28.7.2024;
- [
NN bei Gablers Wirtschaftslexikon], abgefragt 28.7.2024;
- [
NN bei Bundeszentrale für politische Bildung], abgefragt 28.7.2024;
- [
NN bei Grundlagen Statistik], abgefragt 28.7.2024;
Literatur
Gesetz
Erlässe
Fachgutachten
- KFS/BW 1 Rz.
- IDW S1 Rz.
Fachliteratur
" *)mwN ausgeblendet finden sich weitere Literaturangaben
- Aschauer / Purtscher (2023), S. ;
- Bachl (2018), S. ;
- Drukarczyk / Schüler (2016), S. ;
- Fleischer / Hüttemann (2015), S. ;
- Ihlau / Duscha (2019), S. ;
- Mandl / Rabel (1997), S. ;
- WP-Handbuch II (2014), Rz. A ;
- WPH-Edition (2018), Rz. A ;
Judikatur
Unterlage(n)
Sortiert nach Dateiname
- Hager: Anschaffungs- und Herstellungskosten, Datei:AHK.pdf, Stand Mai 2021;
- Hager: Äquivalenzprinzipien, Datei:Äquivalenz.pdf, Basisseminar BFA, Stand Feb. 2022;
- Hager: Bewertungsanlass und -zweck - funktionale Bewertung, Datei:BewAZ.pdf, Stand Nov. 2023;
- Hager: Bewertungsobjekt, Datei:Bewertungsobjekt.pdf, Stand Okt. 2020;
- Hager: Brutto- oder Nettounternehmenswert, Datei:Bto-Nto-UW.pdf, Stand Juni 2022;
- Hager: Cash-Flow, Datei:Cash-Flow.pdf, Stand Aug. 2017;
- Hager: Ertragsbegriffe, Datei:Ertrag.pdf, Stand Dez. 2023;
- Hager: Geldflussrechnung, Datei:CF-Kapfluss.pdf, Stand Aug. 2021;
- Hager: Fiktive Anschaffungskosten, Datei:Fiktive AK.pdf, Stand März 2021;
- Hager: Nachweis des Verkehrswertes durch vereinfachte Wertfindung, Datei:GA-vereinfach.pdf, Stand März 2021;
- Hager: Grundbegriffe, Basisseminar BFA, Datei:Grundbegriffe.pdf, Stand Okt. 2020;
- Hager: Grundsätze ordnungsmäßiger Unternehmensbewertung, Datei:Grundsätze-UBW.pdf, Stand Mai 2022;
- Hager: Persönliche Haftung in der Unternehmensbewertung, Datei:Haftung.pdf, Stand Aug. 2021;
- Hager: Geldwertänderung, Datei:Inflation.pdf, Basisseminar BFA, Stand Juli 2016;
- Hager: Liquidationswert, Datei:Liquidationswert.pdf, Stand Februar 2019;
- Hager: Markenrechtsbewertung, Datei:Wertmarke.pdf, Vortrag 26.4.2012 Groß-BP Wien;
- Hager: Auffrischung mathematischer Grundkenntnisse, Basisseminar BFA, Datei:Mathematik-Auffrischung.pdf, Stand August 2023;
- Hager: Bewertungsmethoden – Eine Übersicht , Datei:Methoden-übersicht.pdf, Stand Juni 2018;
- Hager: Objektivierter vs. subjektiver Wert, Datei:Obj-Subj.pdf, Stand Sep. 2023;
- Hager: Anteilsbewertung - Personengesellschaften, Datei:PersGes-ABW.pdf, Stand Dez. 2020;
- Hager: Bewertung von Personengesellschaften, Datei:PersGes-UBW.pdf, Stand Dez. 2020;
- Hager: Was ist bei Prüfung eines Unternehmensbewertungsgutachtens zu beachten – eine kurze Einführung, Datei:Prüfung-Gutachten.pdf, Basisseminar BFA, Stand Nov. 2017;
- Hager: Ermittlung und Bedeutung von Ratings, Datei:Rating.pdf, Stand Okt. 2022;
- Hager: Unsicherheit in der Unternehmensbewertung, Datei:Unsicher.pdf, Basisseminar BFA, Stand Oktober 2015;
- Hager: Shareholder Value, Datei:Shareholdervalue.pdf, Stand Nov. 2021;
- Hager: Ermittlung des Unternehmerlohns, Datei:Unternehmerlohn-Praxis.pdf, Stand Mai 2019;
- Hager: Änderungen durch das neue Fachgutachten KFS/BW1 'Unternehmensbewertung' vom 26.3.2014 Info für Wissensplattform, Datei:Vergleich BW1 (2006)-(2014).pdf, Stand Jan. 2015;
- Hager: Vereinfachtes Ertragswertverfahren - Berechnung, Datei:VEWV-Berechn.pdf, Stand Juli 2020;
- Hager: Im Steuerrecht relevane Werte, Basisseminar BFA, Datei:Welche Werte.pdf, Stand September 2015 nicht mehr aktuell;
- Hager: Wie man mit dem Wr. Verfahren 1996 den gemeinen Wert berechnet, Datei:Wiener Verfahren Berechnung.pdf, Stand Aug. 2020;
- Hager: Wozu braucht man Unternehmensbewertung, Basisseminar BFA, Datei:Wozu Unternehmensbewertung.pdf, Stand September 2015;
Folien
- Hager: "Welche (Unternehmens)Bewertungen werden vom Finanzamt anerkannt?", VWT 6.5.2019, Datei:VWT 2019.pdf
- Hager: "Unternehmensbewertung Basis", BFA 2016, Datei:UBW-Basis(2016).pdf, Stand Oktober 2016
- Hager: "Unternehmensbewertung im Steuerrecht", Linde Forum Unternehmensbewertung 2016, Datei:Forum 16 UBW-StR-Ergänzt.pdf
- Hager: "Unternehmensbewertungsgutachten - schlüssig und nachvollziehbar", JKU 2015, Datei:UBWGA JKU-Linz 151014.pdf
- Hager: "Unternehmensbewertung Basis", BFA 2013, Datei:UBW-Basis 2013.pdf, Stand Februar 2013
- Hager: "Wertermittlung des immateriellen Vermögens Marke", GBP 26.4.2010, Datei:Wertmarke-Präsentation.pdf
siehe auch -> Liste der verwendeten Gesetze und Erlässe, Liste der verwendeten Literatur, Liste englische Fachausdrücke, Liste der verwendeten Abkürzungen und Symbole, Liste der verwendeten Formeln
Weblinks
- [
NN bei Wikipedia], abgefragt 28.7.2024;
- [
NN bei Gablers Wirtschaftslexikon], abgefragt 28.7.2024;
- [
NN bei Bundeszentrale für politische Bildung], abgefragt 28.7.2024;
- [
NN bei Grundlagen Statistik], abgefragt 28.7.2024;
Einzelnachweise
- ↑
- ↑ [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Gablers Wirtschaftslexikon, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Bundeszentrale für politische Bildung, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Grundlagen Statistik, Stichwort: ], abgefragt 28.7.2024.
- ↑
- ↑ [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Gablers Wirtschaftslexikon, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Bundeszentrale für politische Bildung, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Grundlagen Statistik, Stichwort: ], abgefragt 28.7.2024.
- ↑ Aus [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ Aus [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Microsoft Support, Stichwort: ], abgefragt 28.7.2024.
- ↑
- ↑ [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Gablers Wirtschaftslexikon, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Bundeszentrale für politische Bildung, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Grundlagen Statistik, Stichwort: ], abgefragt 28.7.2024.
- ↑
- ↑ [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Gablers Wirtschaftslexikon, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Bundeszentrale für politische Bildung, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Grundlagen Statistik, Stichwort: ], abgefragt 28.7.2024.
- ↑
- ↑ [ Wikipedia, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Gablers Wirtschaftslexikon, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Bundeszentrale für politische Bildung, Stichwort: ], abgefragt 28.7.2024.
- ↑ [ Grundlagen Statistik, Stichwort: ], abgefragt 28.7.2024.
[[Kategorie:Mathematischer Begriff]]
