Refine
Document Type
- Book (1)
- Doctoral Thesis (1)
- Master's Thesis (1)
Has Fulltext
- yes (3)
Keywords
- Ukraine (3) (remove)
Institute
Zusammenfassung
Die Rolle von sozialen Konflikten bei der Erhaltung historischer städtischer Grünflächen Sv. Yura Park in Lviv, Ukraine.
Ziel dieser Masterarbeit ist es, ein besseres Verständnis der verschiedenen Gründe für die Entstehung von sozialen Konflikten um städtische Grünflächen und deren Nachhaltigkeit für die Erhaltung des grünen Stadterbes zu entwickeln. Öffentliche Parks, die gleichzeitig ein natürlicher Ort und ein Ort der Stadtgeschichte sind, rufen ein breites Spektrum an Motiven hervor, mit denen die Bürger versuchen, diese Räume zu schützen. In dem Konflikt um den St.-Georgs-Park (Sviatoho Yura Garden Square) in der westukrainischen Stadt Lviv waren viele verschiedene Aspekte miteinander verwoben, was zeigt, wie vielschichtig und komplex das Phänomen der Stadtparks für ihre Nutzer ist. Der interessanteste und umstrittenste Punkt in diesem lokalen Konflikt war, dass der Haupt-"Gegner" des Parks ein Denkmal war, was einen symbolischen Kampf zwischen diesen beiden Medien des kulturellen Gedächtnisses der Stadt auslöste. Dank der starken Position der städtischen Aktivisten überdachte die Stadtverwaltung das Projekt der Platzrekonstruktion und schaffte es auf diese Weise, das Denkmal zu installieren und den historischen Park zu erhalten. Darüber hinaus hat der Konflikt eine Reihe weiterer positiver Veränderungen im kulturellen Bewusstsein der Einwohner von Lviv bewirkt. Verschiedene aktuelle Ereignisse in Lviv zeugen von diesen Veränderungen.
The era of the New Economic Policy (NEP) was the golden age of Soviet affirmative national policies. This volume of documents offers insights into Polish and German minority institutions and political practices in early Soviet Ukraine. It provides a picture of how people in rural areas received the affirmative initiatives from above and adapted them for their own purposes. Even though these policies failed to achieve the goals the Bolsheviks expected, they granted a large degree of autonomy on a local scale that was unmatched in previous and later times. The Polish village of Hreczany near Proskuriv (today Khmel’nyts’kyi) in western Ukraine, and the German Karl-Liebknecht Raion in southern Ukraine serve as prime examples in this document collection.
Das vorliegende Dissertationsprojekt hatte zwei zentrale Schwerpunkte. Den ersten Schwerpunkt bildete die innovative Insolvenzprognosemodellierung für ukrainische Unternehmen. Dafür wurde im Wesentlichen die moderne internationale Standardmethodik zur Insolvenzprognose auf Basis der logistischen Regression übernommen. Es mussten dennoch auch einige ukrainische Spezifika berücksichtigt werden. Es konnten ausschließlich bilanzielle offenlegungspflichtige Informationen verwendet werden. Die Jahresabschlüsse sind dabei nach den ukrainischen Rechnungslegungsstandards (UAS) verfasst, die auf internationalen Rechnungslegungsstandards (IAS) basieren. Die Kennzahlenbildung erfolgte deswegen nach den Mustern, die für IAS/US-GAAP üblich sind. Abgesehen von den traditionellen Kennzahlen wurden auch zusätzliche, technisch generierte Kennzahlen untersucht. Diese wurden durch geeignete Normierung der sämtlichen vorhandenen Bilanz- und GuV-Posten gebildet. Diese technischen Kennzahlen hatten den Zweck, die für große Industrienationen untypischen Zusammenhänge zu erfassen. Es konnten tatsächlich einige solche Kennzahlen identifiziert werden, die die Insolvenzprognose für ukrainische Unternehmen deutlich verbessern. Dies war auch für einige kategoriale Größen der Fall. So erwies sich bspw. die Region innerhalb der Ukraine ebenfalls als aussagekräftig. Den zweiten Schwerpunkt der Dissertation bildeten die Verfahren zur Kennzahlenauswahl für Insolvenzprognose in den Industrienationen (am Bespiel von Deutschland und USA). Die Auswahl von geeigneten bilanziellen Kennzahlen ist für diese Länder immer noch ein großes Problem, für die es noch keine Standardlösung gibt. Dies ist vor allem auf die betriebswirtschaftliche Theoriedefizite der bilanzbasierten Insolvenzprognose zurückzuführen. Auch die statistische Auswahl der Kennzahlen als erklärenden Variablen ist problematisch. Es wurden deswegen zwei alternative Methoden zur Kennzahlenauswahl vorgeschlagen. Die erste Methode ist betriebswirtschaftlich orientiert, die zweite – statistisch geprägt. Die erste Methode verdichtet die über 40 berücksichtigten traditionellen Liquiditäts- und Solvenzkennzahlen zu einer einziger aggregierten Kennzahl und macht auf diese Weise eine diesbezügliche Kennzahlenauswahl überflüssig. Dies wird durch geeignete Gewichtung und Division der üblichen, auch in den traditionellen Kennzahlen vorkommenden Bilanz- und GuV-Posten erreicht. Es wird gezeigt, wie die Gewichte anhand von empirischen Insolvenzdaten (in diesem Fall für deutsche GmbHs) angepasst werden können. Die Methode wird mit der populären statistischen Methode der schrittweisen Selektion verglichen. Es stellt sich heraus, dass die aggregierten Kennzahlen zur besseren Prognosegüte durch schwächeres Overfitting führen können. Zu den weiteren Vorteilen der aggregierten Kennzahl zählt die Erkenntnis, dass ihre Gewichte in vielen Fällen leichter zu interpretieren sind als Regressionskoeffizienten der traditionellen Kennzahlen. Die zweite Methode verwendet das innovative statistische Lasso-Verfahren zur Kennzahlenauswahl im Rahmen eines Insolvenzprognosemodells für US-amerikanische Grossunternehmen. Lasso ist ein neues vielversprechendes Verfahren zur Auswahl erklärender Variablen in multivariater Regression und bietet viele theoretische Vorteile im Vergleich zu traditionellen statistischen Verfahren. Da das Verfahren neu ist, existieren bis heute nur wenige empirische Untersuchungen, die auf dieses Verfahren zurückgreifen. In diesem Teilbeitrag wird auf die sehr umfassende Compustat-Datenbank zurückgegriffen. Dies ermöglicht die Erfassung praktisch aller relevanten öffentlich verfügbaren Bilanz- und Marktinformationen. Daraus werden insbesondere 100 traditionelle bilanzielle und markbasierte Kennzahlen gebildet. Es werden auch ca. 600 weitere, nicht traditionelle Kennzahlen in die Variablenauswahl einbezogen. Diese erfassen beispielsweise Trends und Branchendurchschnitte in den traditionellen Kennzahlen, berücksichtigen die detaillierten Bilanz- und GuV-Posten usw.. Die sehr präzise Datenerfassung in der Compustat-Datenbank hat es des Weiteren ermöglicht, die fehlenden bilanziellen Informationen als solche zu erkennen und die Qualität des Jahresabschlusses als weitere erklärende Variablen für Insolvenzprognose zu verwenden. Das Lasso-Verfahren wurde auch bei diesen Untersuchungen mit der traditionellen statistischen schrittweisen Auswahl verglichen. Die Prognoseperformance wurde dabei zuverlässig mittels Kreuzvalidierung abgeschätzt. Durch geeignete statistische Signifikanztests wurde gezeigt, dass Lasso in der Tat genauere Prognose liefert. Viele der oben erwähnten nicht traditionellen Informationen erwiesen sich dabei als nützlich. Das Lasso-Verfahren ermöglicht dabei diese Informationen so zu berücksichtigen, dass die traditionellen Kennzahlen nicht ersetzt, sondern lediglich vervollständigt werden.