Wirtschaft (MSB)
Refine
Year
- 2018 (144)
- 2009 (104)
- 2014 (103)
- 2016 (97)
- 2019 (97)
- 2008 (90)
- 2015 (86)
- 2012 (85)
- 2017 (85)
- 2010 (77)
- 2011 (76)
- 2013 (72)
- 2006 (70)
- 2022 (67)
- 2020 (65)
- 2021 (63)
- 2005 (59)
- 2007 (58)
- 2004 (50)
- 2023 (40)
- 2003 (36)
- 2002 (30)
- 2024 (27)
- 2001 (22)
- 1999 (17)
- 1997 (16)
- 2000 (15)
- 1998 (14)
- 1994 (9)
- 1996 (9)
- 1990 (8)
- 1993 (8)
- 1987 (7)
- 1995 (6)
- 1985 (5)
- 1986 (4)
- 1983 (3)
- 1989 (3)
- 1992 (3)
- 1000 (2)
- 1973 (2)
- 1976 (2)
- 1977 (2)
- 1988 (2)
- 1991 (2)
- 1971 (1)
- 1972 (1)
- 1978 (1)
- 1979 (1)
- 1984 (1)
Publication Type
- Article (490)
- Lecture (405)
- Part of a Book (374)
- Book (324)
- Conference Proceeding (107)
- Report (73)
- Contribution to a Periodical (70)
- Working Paper (2)
- Preprint (1)
- Review (1)
Language
- German (964)
- English (718)
- Multiple languages (158)
- Spanish (5)
- French (2)
Has Fulltext
- no (1847) (remove)
Keywords
- Unternehmensberichterstattung (6)
- Process-Driven Application (5)
- BPMN (4)
- Datenschutzrecht (4)
- KMU (4)
- Unternehmensbewertung (4)
- Big Data (3)
- Inflation (3)
- Klimaneutralität (3)
- Lagebericht (3)
Zeitenwende für Sparer? Was die Rückkehr der Zinsen für die private Vermögensbildung bedeutet
(2024)
Während das Ertragswertverfahren nach IDW S1 mit Hilfe des Capital Asset Pricing Models (CAPM) die Kapitalkosten aus den Verhältnissen am Kapitalmarkt zum Bewertungsstichtag ableitet, arbeitet das vereinfachte Ertragswertverfahren nach §§ 199 ff. BewG für Stichtage seit dem Jahr 2016 mit einem festen Multiplikator. Veränderliche Kapitalmarktzinsen auf der einen und ein feststehender Multiplikator auf der anderen Seite führen stichtagsabhängig zu Unterschieden im Bewertungsergebnis. Angesichts der aktuellen Rechtsprechung des BFH, der gestiegenen Kapitalmarktzinsen und veränderlicher Risikofaktoren sollen für die Jahre ab 2016 für den Marktdurchschnitt und für ausgewählte Branchen die so ermittelten Kapitalkosten mit dem Multiplikator nach § 203 BewG verglichen werden. Der Beitrag schließt mit einem kurzen Fazit zur Verfahrenswahl.
This study investigates the impact of Large Language Model (LLM) parameters, specifically
temperature and top P, on Supply Chain Risk Detection (SCRD). With a heightened focus
on Supply Chain Risk Management (SCRM) using AI, the research employs a Design of
Experiments (DoE) approach. The results reveal optimal temperature values for valid
assessments in SCRD applications. The study emphasizes the importance of tailored LLM
parameter settings, contributing insights for future research and practical applications in
enhancing supply chain resilience. Suggestions for incorporating Response Surface
Methodology (RSM) and refining the process are proposed for further investigation.