Zusammenfassung: In diesem Beitrag wird eine Bewertungsformel für Verlustvorträge auf Basis einer modifizierten arithmetischen brownschen Bewegung für die steuerliche Bemessungsgrundlage hergeleitet. Es handelt sich um ein einperiodiges Modell. Die aus der Betrachtung resultierenden Erkenntnisse können für die Bewertung von Verlustvorträgen mittels einer Monte-Carlo Simulation im mehrperiodigen Fall eingesetzt werden. Die aufgezeigte Methodik ist auch zur Bewertung von Tax Shields bei autonomer Finanzierung und Existenz einer Zinsschranke geeignet.Schlüsselwörter: Verlustvorträge · Zinsschranke · Unternehmensbewertung · Optionspreistheorie · Arithmetische brownsche Bewegung JEL Classification: G12 · G13 · G14
This article shows that future tax savings from a tax loss carryforward equal a portfolio of options based on the taxable base. Unfortunately, the assumption of a geometric Brownian motion is not applicable for the taxable base, since it implies that a positive taxable base, for example, will never become negative and vice versa. Therefore, the famous Black and Scholes formula cannot be used for valuing this portfolio of options. In order to solve this problem, we assume an arithmetic Brownian motion for the taxable base and derive a formula for valuing tax loss carryforwards within a single-period model. In a multiperiod context, a Monte-Carlo simulation based on our findings provides reasonable results. This methodology can also be used to value the tax shields arising from debt if the interest expenses cannot be used in full during the period in which they occur. Our simulation suggests that the assumption that interest expenses are immediately deductable will yield inadequate company values.
In diesem Beitrag zur Unternehmensbewertung erfolgt eine genauere Analyse des WACC-Verfahrens. Es wird gezeigt, dass in den WACC in der Regel eine Risikoanpassung notwendig ist. Unter Berücksichtigung dieser Risikoanpassung gelingt es dann, viele der in der Literatur diskutierten Spezialfälle abzuleiten und deren Annahmen zu verdeutlichen.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.