この授業は過去の授業です。最新の授業は、こちら

経営学部 / 国際経営学科

3年次演習2

年度・学期コマ教室
2018 / 秋木・4
7302
講師キャンパス備考
岡本 紀明
池袋特になし
まだレビューがありません😭
  • 科目コード/科目名

    その他/3年次演習2(Seminar2(3rd year))

  • テーマ/サブタイトル等

    財務会計および財務諸表分析の専門的知識を身に付ける

  • 担当者

    岡本 紀明(OKAMOTO NORIAKI)

  • 備考

    コンセントレーション:アカウンティング&ファイナンス領域

  • 学期

    秋学期(Fall Semester)

  • 単位

    2単位(2 Credits)

  • 科目ナンバリング

    GBU3010

  • 使用言語

    日本語(Japanese)

  • テキスト用コード

  • 成績評価方法・基準

    種類割合内容
    平常点(In-class Points)100%出席を基礎とした参加度(50%) 、学習内容の理解度・グループワーク(20%) 、報告内容(20%) 、議論への貢献度(10%)
  • 授業の目標

     本演習は、ある程度の会計知識があることを前提に、財務諸表分析の知識及びスキルを高めていく。どうやって情報入手するかを含めて、各比率や指標の意味・内容を理解し、数字の背後にある企業ストーリーを読み取り、企業間比較が出来ることを目標とする。

  • 授業の内容

     本演習は、基本的に財務会計や企業価値評価に関するテキストの輪読とディスカッションから成る。秋学期は企業の収益性・生産性・安全性・成長性等の分析手法を中心に学習していく。割り当てられた学生はテキストの内容をまとめて報告し、それに対して教員や別の学生が質問をぶつけて議論を重ねていく。講義の終盤には、各自がそれまで学んだことを生かして、財務諸表分析に関する個人もしくはグループワークを行う。財務会計に関する専門用語は、必要があれば、その都度解説する。サブゼミとして簿記検定合格にむけたものと会計英語に関するものを行うことを予定しているので、興味あるゼミ生は自由に参加できる。

  • 授業計画

    1.  ガイダンス、春学期の振り返り及びテキスト割り当て
    2.  分析の視点と方法
    3.  収益性の分析 (1)
    4.  収益性の分析 (2)
    5.  生産性の分析 (1)
    6.  生産性の分析 (2)
    7.  安全性の分析 (1)
    8.  安全性の分析 (2)
    9.  不確実性によるリスク分析
    10.  成長性の分析 (1)
    11.  成長性の分析 (2)
    12.  財務諸表分析のグループワーク (1)
    13.  財務諸表分析のグループワーク (2)
    14.  全体のまとめと振り返り
  • テキスト

    タイトル著者名出版社ISBN
    51ozz4xq5dl. sl160 『財務諸表分析 第7版』
    Amazonで購入
    *買い間違えにご注意ください。
    桜井久勝中央経済社4502223514
    51hdxk fqql. sl160 『財務会計・入門 第11版』
    Amazonで購入
    *買い間違えにご注意ください。
    桜井久勝・須田一幸中央経済社4641220972
    『新版 M&Aのグロ-バル実務』渡辺章博中央経済社450246130X

    テキストの購入の要否は講義内で指示する(必要に応じてプリントを配布する)。

  • 参考文献

    タイトル著者名出版社ISBN
    518fffzlidl. sl160 『日本語と英語でまなぶ企業分析入門』
    Amazonで購入
    *買い間違えにご注意ください。
    古賀智敏千倉書房4805110368
    『検定簿記講義 2級商業簿記 平成28年度版』渡部裕亘・片山覚・北村敬子編中央経済社4502885436

    (あとは講義内に指示する)

  • 授業時間外(予習・復習等)の学習

     報告を割り当てられた学生のみならず、全ての学生が講義前にテキストの該当箇所を読んでくることが期待される。また、個人もしくはグループごとに特定の企業を選び財務諸表分析(株式分析)を行った結果をプレゼンしてもらう予定である。

  • その他(HP等)

     テキストの改訂版が今後出版されるかもしれないが、ゼミでは最も新しいものを用いる予定である。ゼミでのイベント・交流は、国際的かつ活発なものにしていきたい。

  • 注意事項

情報は最新ではない可能性があります。正確な情報はCampusmateを確認してください。
Campusmateへ

機械学習によるオススメ授業