Was sind die Determinanten der Platzierungsquote von Crowdinvesting-Kampagnen?

Inhaltsverzeichnis

1 Einleitung

1.1 Problemstellung

1.2 Zielsetzung

1.3 Gang der Untersuchung

2 Grundlagen von Crowdinvesting

2.1 Begriffsbestimmung

2.1.1 Crowdsourcing

2.1.2 Crowdfunding

2.1.3 Crowdinvesting

2.2 Funktionsweise von Crowdinvesting

2.3 Akteure im Crowdinvesting

2.3.1 Kapitalsuchende

2.3.2 Investoren

2.3.3 Plattformen

2.4 Entwicklung der rechtlichen Rahmenbedingungen beim Crowdinvesting in Deutschland

2.5 Beteiligungsverhältnisse beim Crowdinvesting

2.5.1 Stille Beteiligungen

2.5.2 Genussrechte

2.5.3 Partiarische Nachrangdarlehen

2.6 Crowdinvesting Markt in Deutschland

2.6.1 Entwicklung des Marktvolumens

2.6.2 Wettbewerbssituation

3 Stand der bisherigen empirischen Forschung

3.1 Studien Crowdinvesting

3.2 Studien Crowdfunding

4 Grundlagen der empirischen Studie

4.1 Modellvariablen

4.1.1 Definition der Modellvariablen

4.1.2 Wirkungsrichtung der Modellvariablen

4.2 Hypothesenbildung

4.3 Modellformulierung

4.4 Datenbasis und Stichprobe

5 Ergebnisse der empirischen Studie

5.1 Deskriptive Statistik

5.2 Ergebnisse des logistischen Regressionsmodells

5.2.1 Wald-Statistik

5.2.2 Likelihood-Quotienten-Test

5.3 Interpretation der Modellparameter

5.4 Beurteilung der Modellgüte

5.4.1 Devianz und globaler Likelihood-Quotienten-Test

5.4.2 Akaikes Informationskriterium (AIC) und Bayes Informationskriterium (BIC)

5.4.3 Pseudo-R-Quadrat-Statistiken

5.4.4 Konfusionsmatrix und Gütekriterien

5.4.5 ROC-Kurve und AUC-Wert

5.4.6 Liftwerte und Liftkurve

6 Schlussbetrachtung und Ausblick auf weiterführende Themen

6.1 Schlussbetrachtung

6.2 Ausblick auf weiterführende Themen

Zielsetzung & Themen der Arbeit

Die vorliegende Master-Thesis untersucht die Erfolgsfaktoren von Crowdinvesting-Kampagnen in Deutschland. Ziel der Untersuchung ist es, mittels einer binär-logistischen Regression zu prüfen, ob identifizierte Determinanten signifikant die Wahrscheinlichkeit beeinflussen, dass ein kapitalsuchendes Unternehmen sein angestrebtes Funding-Ziel zu 100 Prozent erreicht.

• Identifikation relevanter Erfolgsfaktoren für Crowdinvesting-Kampagnen.
• Analyse der Bedeutung von Plattformwahl, Unternehmensbranche, Beteiligungsart und Unternehmensbewertung für den Finanzierungserfolg.
• Einsatz eines binär-logistischen Regressionsmodells zur quantitativen Überprüfung der aufgestellten Hypothesen.
• Bewertung der Modellgüte und statistische Validierung der Ergebnisse.
• Ableitung praktischer Erkenntnisse für Projektinitiatoren und Plattformen im deutschen Markt.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Diese Einleitung führt in die Thematik des Crowdinvestings ein, erläutert die Problemstellung im Kontext der bisherigen Forschungslage und definiert das Ziel sowie den Aufbau der Arbeit.

2 Grundlagen von Crowdinvesting: Das Kapitel definiert zentrale Begriffe, beschreibt die Funktionsweise, Akteure und rechtlichen Rahmenbedingungen und gibt einen Überblick über den Markt in Deutschland.

3 Stand der bisherigen empirischen Forschung: Hier werden bestehende Studien zum Crowdinvesting und Crowdfunding analysiert, um den Forschungsstand aufzuzeigen und Variablen für die eigene Untersuchung abzuleiten.

4 Grundlagen der empirischen Studie: In diesem Teil werden die Modellvariablen definiert, Hypothesen gebildet, das logistische Regressionsmodell formuliert und die Datengrundlage sowie Stichprobe erläutert.

5 Ergebnisse der empirischen Studie: Dieses Kapitel präsentiert die deskriptiven Daten, führt die Regression durch und bewertet die Güte des Modells anhand statistischer Testverfahren.

6 Schlussbetrachtung und Ausblick auf weiterführende Themen: Die Arbeit schließt mit einer kritischen Würdigung der Ergebnisse sowie einem Ausblick auf zukünftigen Forschungsbedarf.

Schlüsselwörter

Crowdinvesting, Crowdfunding, Platzierungsquote, Unternehmensfinanzierung, binär-logistische Regression, Erfolgsfaktoren, Unternehmensbewertung, Soziale Netzwerke, Finanzierungsalternativen, Mezzanine-Kapital, Startups, Kapitalmarkt, Regressionsanalyse, Investitionsentscheidung, Marktfähigkeit.

Häufig gestellte Fragen

Worum geht es in dieser Master-Thesis grundsätzlich?

Die Arbeit analysiert die Erfolgsfaktoren von Crowdinvesting-Kampagnen in Deutschland und untersucht, welche Determinanten den Platzierungserfolg (Erreichen des Funding-Ziels) von Unternehmen beeinflussen.

Welche zentralen Themenfelder werden behandelt?

Die Arbeit deckt die Grundlagen des Crowdinvestings ab, betrachtet den rechtlichen Rahmen in Deutschland, den aktuellen Stand der empirischen Forschung und führt eine eigene quantitative Untersuchung durch.

Was ist das primäre Ziel der Forschungsarbeit?

Das primäre Ziel ist es, empirisch zu prüfen, ob Faktoren wie die Unternehmensbewertung, soziale Netzwerke, die Wahl der Plattform oder die Branche einen signifikanten Einfluss auf die Wahrscheinlichkeit haben, dass ein Projekt sein Finanzierungsziel erreicht.

Welche wissenschaftliche Methode kommt zum Einsatz?

Es wird ein binär-logistisches Regressionsmodell verwendet, um die statistische Signifikanz der Einflussfaktoren auf die als binär modellierte Zielgröße (Platzierungsquote erreicht/nicht erreicht) zu prüfen.

Was steht im inhaltlichen Fokus des Hauptteils?

Der Hauptteil gliedert sich in die theoretische Fundierung und die empirische Studie. Er untersucht detailliert Modellvariablen wie Unternehmenswert, Social-Media-Aktivität (Facebook-Postings) und Plattformeffekte.

Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?

Zu den zentralen Begriffen gehören Crowdinvesting, Platzierungsquote, logistische Regression, Unternehmensfinanzierung und Erfolgsfaktoren.

Welchen Einfluss hat die Wahl der Plattform auf den Erfolg?

Die Ergebnisse zeigen, dass die Plattformwahl einen signifikanten Effekt hat. Insbesondere bei der Plattform Seedmatch konnte eine deutlich erhöhte Chance auf Zielerreichung im Vergleich zu anderen Anbietern nachgewiesen werden.

Warum spielt die Unternehmensbewertung eine Rolle für den Erfolg?

Die Unternehmensbewertung wurde als Modellvariable einbezogen, da sie für Anleger als Kenngröße für das Renditepotential dient. Die Studie untersuchte, ob eine hohe Bewertung die Wahrscheinlichkeit der Erfüllung des Funding-Ziels negativ beeinflusst.