Refine
Year of publication
- 2021 (21) (remove)
Document Type
- Article (13)
- Book (4)
- Review (2)
- Part of a Book (1)
- Conference Proceeding (1)
Keywords
- Cross-platform (1)
- Evaluation (1)
- Mobile web (1)
- PWA (1)
- Progressive Web App (1)
Institute
- Fachbereich Wirtschaftswissenschaften (21) (remove)
Im Anschluss an die arbeitsrechtlichen Jahresübersichten der vergangenen Jahre (NWB 5/2019 S. 266; NWB 8/2020 S. 557) gibt der nachfolgende Beitrag einen Überblick über relevante Entwicklungen im Arbeitsrecht des Jahres 2020. Der erste Teil beschäftigt sich hierbei mit gesetzlichen Änderungen. Neben Regelungen, die auf die COVID-19-Pandemie zurückgeführt werden können, hat der Gesetzgeber auch andere Vorhaben umgesetzt. So wurde u. a. das Arbeitnehmerentsenderecht reformiert. Für Diskussionen sorgt(e) zudem das Gesetzesvorhaben zur Regelung mobiler Arbeit. Im zweiten Teil werden für die Praxis wichtige höchstrichterliche Gerichtsentscheidungen zum Arbeitsrecht erläutert, alphabetisch sortiert von A (wie Antidiskriminierungsrecht) bis U (wie Urlaub).
Der arbeitsrechtlich richtige Umgang mit Zeiten einer Dienstreise kann in der betrieblichen Praxis Probleme bereiten. Ob die Reisezeiten als solche Arbeitszeit i. S. des Arbeitszeitgesetzes (ArbZG ) darstellen, also bspw. auf die tägliche Höchstarbeitszeit angerechnet werden müssen oder nicht, ist oftmals genauso unklar wie die Frage, ob und inwieweit Reisezeiten vergütungspflichtig sind. Aber auch, ob ein Arbeitnehmer überhaupt zur Durchführung einer Dienstreise verpflichtet werden kann, ist ein möglicher Anlass von Streitigkeiten zwischen den Arbeitsvertragsparteien, wie verschiedene Gerichtsentscheidungen zeigen. Der nachfolgende Beitrag beantwortet die aufgeworfenen Fragen und gibt hierzu einen praxisorientierten Überblick.
Eigenkapitalkosten sind eine wesentliche Determinante bei der Wertbestimmung von Unternehmen und Unternehmensteilen. Die Eigenkapitalkosten werden regelmäßig mittels des CAPM bestimmt. Für sog. konzerninterne Routinefunktionen mit geringem Risiko stellt diese Bestimmung mittels CAPM ein Problem dar, da börsennotierte Peergroups für eine zuverlässige Bestimmung des Beta-Faktors meist nicht identifizierbar sind. Damit ergeben sich bei Bewertungen von Routineunternehmen Unsicherheiten und Konfliktpotenzial in steuerlichen Betriebsprüfungen. Dieser Beitrag gibt einen Überblick der in der Praxis genutzten Ansätze und stellt eine theoretische Fundierung zur Bestimmung der Eigenkapitalkosten von konzerninternen Routinefunktionen vor. Dabei wird verdeutlicht, dass Eigenkapitalkosten von konzerninternen Routinefunktionen nicht denen des Gesamtkonzerns entsprechen und Praktikeransätze eine grundsätzliche Berechtigung besitzen.
Inhaltsverzeichnis
1. Whistleblowing – Chancen & Risiken von Hinweisgebersystemen aus Arbeitnehmer- und Arbeitgebersicht
– Michelle Abraham 3-70
2. Die Bedeutung und rechtliche Bewertung von Vesting-Klauseln bei der Venture-Capital Finanzierung einer Start-Up GmbH
– Natalia Ahmadian 71-137
3. Bewertung der Möglichkeit zur Einführung von Tarifverträgen im deutschen Berufsfußball
– Thomas Büttgenbach 138-190
4. Pflichten und Haftungsrisiken des GmbH-Geschäftsführers bei Compliance-Verstößen
– Naja Keller 191-234
5. Aktienrückkäufe auf dem deutschen Markt nach der Finanzkrise 2008/2009
– Marc Paumer 235-287
6. Will Germany reach its 2030 climate goals in the transportation sector? – An investigation focusing on the new German Emission Trading System
– Axel Plum 288-369
Bitcoin is a cryptocurrency and is considered a high-risk asset
class whose price changes are difficult to predict. Current research focusses
on daily price movements with a limited number of predictors. The paper at
hand aims at identifying measurable indicators for Bitcoin price movement s
and the development of a suitable forecasting model for hourly changes. The
paper provides three research contributions. First, a set of significant
indicators for predicting the Bitcoin price is identified. Second, the results of
a trained Long Short-term Memory (LSTM) neural network that predicts
price changes on an hourly basis is presented and compared with other
algorithms. Third, the results foster discussions of the applicability of neural
nets for stock price predictions. In total, 47 input features for a period of
over 10 months could be retrieved to train a neural net that predicts the
Bitcoin price movements with an error rate of 3.52 %.