Analiza dyskryminacyjna ryzyka upadłości

Annales Universitatis Mariae Curie-Skłodowska. Sectio H, Oeconomia, Dec 2013

Grzegorz Mentel

A PDF file should load here. If you do not see its contents the file may be temporarily unavailable at the journal website or you do not have a PDF plug-in installed and enabled in your browser.

Alternatively, you can download the file locally and open with any standalone PDF reader:

http://czashum.hist.pl/media//files/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3-s409-419/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3-s409-419.pdf

Analiza dyskryminacyjna ryzyka upadłości

Analiza dyskryminacyjna ryzyka upadłości Oeconomia - U N I V E R S I T A T I S V O L.X LV II,3 A N N A L E S M A R I A E C U R I E - S K Ł O D O W S K A L U B L I N - P O L O N I A SECTIO H 2013 Politechnika Rzeszowska, Katedra Metod Ilościowych G RZEG ORZ MENTEL Analiza dyskryminacyjna ryzyka upadłości Discriminant analysis of the bankruptcy risk Słowa kluczowe: ryzyko bankructw a, analiza statystyczna, diagnoza Wstęp W w arunkach gospodarki rynkowej ryzyko jest istotnym elementem każdego podm iotu gospodarczego, systemu zarządzania, strategii opracowanej przez tego typu podm iot, która zależy niem al wyłącznie od zdolności i możliwości przewidywania i wykorzystyw ania możliwości, przy uwzględnieniu tak zwanego ryzyka niepowo­ dzenia w biznesie. Tym samym ryzyko stanowi elementem nieodłączny, występujący od momentu rozpoczęcia działalności gospodarczej lub inwestycji. Jego obecnośćjest odczuwana w momencie w yznaczania celów i w arunków rozwoju przedsiębiorstwa, a następnie na etapie pozyskiw ania źródeł finansow ania czy wdrożenia systemu zarządzania, pozyskiwania rynków, ustalania cen/taryf, itp. Tak więc źle określone cele, błędnie podjęte decyzje lub brak korelacji produkcji z popytem na rynku prow adzą do ryzyka, które przekłada się na straty dla firmy. Dlatego problem w ykryw ania i unikania sytuacji, które mogą generować ryzyko,jest priorytetem dla każdego przedsiębiorstwa. W literaturze istnieje wiele definicji ryzyka, których autorzy próbowali znaleźć nowe sensy i znaczenie ich w pływ u na działalność gospodarczą. Ryzyko m ożna b o ­ wiem próbować określićjako „prawdopodobieństwo niepowodzenia, porażki, straty. Działanie, którego efektjest niepewny, dyskusyjny”, czyli takie, k tórejest obarczone niepewnością, czy spodziewany zysk zostanie osiągnięty [Mentel, 2013, s. 8]. „Ryzyko - w języku naturalnym oznacza miarę/ocenę zagrożenia czy niebezpie­ czeństwa wynikającego albo z prawdopodobnych zdarzeń od nas niezależnych, albo z możliwych konsekwencji podjęcia decyzji”. Często jednak mówi się, że ryzyko oznacza możliwość zrealizowania dochodu różniącego się od spodziewanego [Jajuga i inni, 1998, s. 226]. Druga grupa definicji zwraca uwagę na informacyjny charakter przyczyn powsta­ wania ryzyka: ,,[...] ryzyko oznacza, że wskutek niepełnej informacji podejmowane są decyzje, które nie są optymalne z punktu widzenia przyjętego celu” [Lusztyn, 2000, s. 3]. W tym przypadku przez ryzyko należy rozumieć również „niepewność w dzia­ łaniu, możliwą do przewidzenia za pomocą rachunku prawdopodobieństwa (metoda matematyczna) lub prawdopodobieństwa zdarzeń określonych szacunkowo na pod­ stawie posiadanych informacji, aktualnego stanu wiedzy, do świadczenia i intuicji” [Nietyksza, 1967, s. 206]. W sensie syntetycznym ryzyko, na poziomie czynników ekonomicznych, jest ocenianejako zmienność na skutek czynności wykonywanych pod presją otoczenia. Rentowność działalności gospodarczej zależy bezpośrednio od ponoszonego ryzyka: może być oceniana wyłącznie w zależności od ryzyka, jakie podmiot gospodarczy ponosi. Różne podmioty gospodarcze zakładaj ą ryzyko oparte jedynie na przewidywaniu rentowności. W tym kontekście konieczne wydaje się wprowadzenie pojęcia „zarzą­ dzanie ryzykiem ”. W sensie ogólnym proces ten w ym aga minimalizacji strat oraz dodatkowych wydatków w przypadku zagrożenia. Zarządzanie ryzykiem skupia się na dwóch elementach: ocenie ryzyka oraz podejmowaniu środków ostrożności, aby ich uniknąć. 1. Analiza ryzyka upadłości Każdy podm iot gospodarczy jest zagrożony bankructwem. Może to mieć nega­ tywne konsekwencje dla całej działalności tegoż podmiotu, jak również dla innych mających kontakt z daną firmą. Ryzyko bankructw a (upadłości) m a miejsce wówczas, kiedy firm a nie może zaspokoić wymagalnych zobowiązań wynikających zarówno z bieżącej działalności operacyjnej,jak i uiścić tzw. obowiązkowych opłat. W skazana niewypłacalność może być w ynikiem nagrom adzenia wielu niekorzystnych zdarzeń. Ryzyko upadłości może być analizowane w kilku aspektach: • statyczna analiza ryzyka bankructwa (upadku), poprzez bilans. Podejście to opiera się na nierówności: aktywa obrotowe < krótkoterminowe wierzytelności, która wskazuje, że aktywa obrotow ejako potencjalne pieniądze nie są skore­ lowane z krótkoterm inowym i długam i jako potencjalnymi zobowiązaniami; • analiza funkcjonalna ryzyka bankructwa, poprzez równowagę funkcjonalną. Podejście to opiera się na założeniu: kapitał obrotowy < zapotrzebowanie na kapitał obrotowy; firm a jest wówczas finansowo zagrożona; • analiza ryzyka upadłości dzięki metodzie scoringowej. M etoda ta pozwala na ocenę ryzyka w trzech aspektach: - syntetyczna ocena sytuacji finansowej w kontekście prognozowania na pod­ stawie zdarzeń i wyników spółki z poprzednich okresów; - obiektywna ocena sytuacji finansowej poprzez analizę zestawu wskaźników; - opracowanie listy determinantów ryzyka upadłości ustalonych na podstawie testów porównawczych, przez dłuższy okres, na próbie przedsiębiorstw „zdrowych”,ja k i tych z problemami finansowymi. W ostatnich latach dużego znaczenia nabrały metody przewidywania upadłości oparte na wielowymiarowej analizie statystycznej. Zarówno tzw. drzewa klasyfika­ cyjne, regresja logitow a,jak i analiza dyskrym inacyjna pozwalają na budowę modeli dla zmiennychjakościowych, tym samym m ożliw ejest ich wykorzystanie w progno­ zowaniu ewentualnego bankructwa. W takim ujęciu wartości zmiennej objaśnianej oznaczają niemierzalne kategorie „bankrut” i „niebankrut”. Konieczność tworzenia tego typu modeli w ynika głównie z samego zjawiska upadłości przedsiębiorstw, jego skali oraz wszelkich społecznych i gospodarczych skutków. Skłania to bowiem do wnikliwej analizy przyczyn takiego stanu oraz do podejmowania, z odpowiednim wyprzedzeniem , działań prewencyjnych. Kolejnym determinantem jest fakt pracochłonności jeśli chodzi o pełną analizę kondycji fi­ nansowej podmiotów. Stąd właśnie w ynika popularność metod, które umożliwiają dokonanie oceny, opartych na możliwie najmniejszej liczbie parametrów. Celem artykułu jest ocena sprawności ww. modeli dyskrym inacyjnych opra­ cowanych zarówno w w arunkach polskich, jak i tych stosowanych powszechnie na rynkach zagranicznych. W celu dokonania oceny wzięto pod uwagę zbilansowaną grupę przedsiębiorstw sektora budowlanego. Oznacza to zatem, iż do badań włączono firm y „zdrowe” i „chore” w proporcji 1 : 1. Jako zmienne diagnostyczne przyjęto wskaźniki finansowe rozpatrywanych przedsiębiorstw za rok 2010. 2. Modele dyskryminacyjne W teorii ekonomii opracowano szereg modeli, które bazują na wspomnianej analizie scoringowej. Wszystkie stanowią narzędzie systemów wczesnego ostrzegania i opierają się na funkcjach dyskryminacyjnych. Szacowane są na różnych grupach przedsiębiorstw i z różną zdolnością predykcji (poziomem trafności klasyfikacji), określając tym samym punktowe zdolności tzw. przetrwania przedsiębiorstwa na rynku. X1 X 5 Jednym z przykładów jest model Conana-Holdera, który ocenia ryzyko upadłości, a jego form uła opiera się na następującym wzorze: Z = 0’,24 -X1+ 0’,2 -X2+ 0’,16-X3- 0’,8 7 -X4 - 0,’1 -Xi w którym to zm ien n e X ,... ,X są wskaźnikam i ekonomiczno-finansowymi, a stałe stanowią swego rodzaju odsetek zm iennych w ocenie ryzyka upadłości. Tabela 1. Zmienne diagnostyczne w modelu Conana-Holdera Z = 6,’56 -X1+ 3’,2 6 -X2+ 6,’72 -X3+ 1’,05 -X4. Tabela 2. Zmienne diagnostyczne w modelu Altmana Kapitał pracujący 1 suma bilansowa Skumulowany zysk 1 suma bilansowa Zysk przed spłatą odsetek i opodatkowaniem 1 suma bilansowa Rynkowa własność kapitału własnego 1 kapitał obcy Zysk operacyjny brutto 1zadłużenie całkowite Kapitał stały 1 aktywa ogółem Aktywa obrotowe - zapasy 1 aktywa ogółem Koszty finansowe 1 obroty Wynagrodzenia 1 obroty Źródło: [A IK ED T0 Proceedings o f the 9th W SEAS international conference on A rtificial intelligence, know ledge engineering and data bases, p. 83-87 W orld Scientific and Engineering A cadem y and Society (W SEA S) Stevens Point, W isconsin, USA ©2010]. W modelu tym interpretacja ryzyka upadłościjest następująca: Z > 0,16 - bardzo dobra sytuacja przedsiębiorstwa (prawdopodobieństwo ryzyka bankructw a poniżej 10%), 0,1 < Z < 0,16 - dobra sytuacja firm y (prawdopodobieństwo ryzyka bankructwa pom iędzy 10% a 30%), 0,04 < Z < 0,1 - sytuacja przedsiębiorstwa poniżej oczekiwań (prawdopodobieństwo ryzyka bankructw a 30-65% ), Z < 0,04 - tzw. niebezpieczeń­ stwo (prawdopodobieństwo ryzyka bankructw a 65-90%). Kolejny w ariant może stanowić model E.I. Altmana. Wyłączając z pierwotnej wersji wskaźnik sprzedaż netto / suma bilansowa, zminimalizował on wpływ specyfiki branży na skuteczność modelu i jednocześnie poprawił jego sprawność do 91,45%. Formuła przedstaw ia się następująco: W artości brzegowe dla tego modelu oraz przedziały interpretacji są tym razem nieco odmienne: Z < 1,10 - strefa przedsiębiorstw niewypłacalnych, 1,10 < Z < 2,60 - szara strefa, Z > 2,60 - strefa przedsiębiorstw wypłacalnych. Modelem o czterech zmiennych diagnostycznych jest algorytm Tafflera, którego form uła przedstaw ia się następująco: X 1 Źródło: [M andrui inni]. Z = 0,’53 -X1+ 0,’13 -X2 + 0,’18 -X3 + 0,’16 -X4. T abela 3. Z m ien n e d ia g n o sty czn e w m od elu T aflera Z ysk brutto 1 z o b o w ią za n ia b ieżące A k ty w a trw ałe 1 całk o w ite za d łu że n ie Z o b o w ią za n ia b ież ą ce 1 a k ty w a o g ó łe m P rzych od y ze sp rzed a ży 1 a k ty w a o g ó łe m W artości funkcji są interpretowane następująco: Z < 0,2 - wysokie prawdopodo­ bieństwo bankructw a, Z > 0,3 - niskie prawdopodobieństwo bankructwa. Z k oleijeśli chodzi o rodzim e koncepcje oceny ryzyka upadłości, to największą obecnie grupę stanowią modele opracowane pod kierunkiem E. Mączyńskiej w Insty­ tucie N auk Ekonomicznych Polskiej Akadem ii Nauk. Przy ich tworzeniu brali udział ponadto M. Zawadzki, M. Żuchowski oraz J. Janek. Prowadząc badania na grupie spółek „zdrowych” oraz odpowiedniej grupie tzw. „chorych” podmiotów, wyselek­ cjonowali oni wstępnie szereg wskaźników charakteryzujących zarówno dynam ikę wzrostu, rentowność, zadłużenie, jak i płynność i sprawność operacyjną. Efektem końcowym było opracowanie siedmiu modeli bazujących na zróżnicowanej liczbie użytych wskaźników. Wśród wszystkich oszacowań dwa modele - Z 6inepan oraz Z7inepan - charakteryzują się najwyższą sprawnością ogólną. M ają one odpowiednio postacie: Z6 Z7 = -IN2E_P,A4N’ 78 +9,’478X 1+ 3,6’13X 2+ 3,2’46X 3+ 0,4’55X 4+ 0,8502X,5’ = I-NE1_PA,N4’98 +9,’ 498X 1+ 3,’566X 2 + 2,’903X 3+ 0,4’52X.4 Wyżej wym ienione modele charakteryzuje sprawność ogólna w ynosząca odpo­ wiednio 94,20% i 94,82% - w polskich w arunkach jest to bardzo w ysoka wartość. Oznaczenia wskaźników w omawianych modelach przedstaw ia tabela 4. T abela 4. Z m ien n e d ia °g n o styJczn e w m od elu Z 6 INE PAN i Z 7 INE PAN W yn ik op eracyjn y 1 w arto ść a k ty w ó w W artość k apitału w ła sn e g o 1 w arto ść a k ty w ó w W y n ik fin a n so w y n etto + am orty za cja 1 su m a zo b o w ią za ń A k ty w a ob rotow e 1 z o b o w ią za n ia k rótk oterm in ow e P rzych od y ze sp rzed a ży 1 w arto ść ak ty w ó w X 5 A i X 5 X 6 Źródło: [Antonowicz, 2007]. InterprretacJja rJyzJyka urpadłości w modelu Z 6INE PANi Z7 INEPANp*rzebie°ga w dwóch wariantach. Dla Z < 0 przedsiębiorstwo jest zagrożone upadłością w perspektyw ie 1 roku, a dla Z > 0 przedsiębiorstwo nie jest zagrożone upadłością. Dobry przykład modelu bankructw a stanowi koncepcja samej E. M ączyńskiej op arta na adaptacji funkcji O. Jacobsa. W funkcji tej w ykorzystuje się analizę w iarygodności kredytowej podmiotów, ja k ą przeprow adzają zagraniczne in sty tu­ cje finansow e oraz banki. Model ten charakteryzuje sprawność ogólna w ynosząca 94,11%, a zatem, mimo iż funkcja została opracow anajużjakiś czas tem u,jej wartości prognostyczne są wysokie. ZM= -1,’5X1+ 0’,08X2 + 10’,0X3+ 5’,0X4 + 0’,30X5 + 0’,01X6. T abela 5. Z m ien n e d ia g n o sty czn e w m od elu Z M W y n ik brutto + am ortyzacja 1 z o b o w ią za n ia o g ó łe m S um a b ila n so w a 1 z o b o w ią za n ia o g ó łe m W y n ik brutto 1 su m a b ila n so w a W y n ik brutto 1 p rzy ch od y ze sp rzed a ży Z ap a sy 1 p rzych o d y ze sp rzed a ży P rzy ch o d y ze sp rzed a ży 1 su m a b ila n so w a Źródło: [M ączyńska, 1994]. W artości brzegowe dla m odelu M ączyńskiej oraz przedziały interpretacyjne są następujące: Zm< 0 - przedsiębiorstwo zagrożone upadłością w okresie 1 roku, 0 < Z m< 1 - przedsiębiorstwo słabe, ale niezagrożone upadłością, 1 < Z m< 2 - przed­ siębiorstwo dobre, oraz ZM> 2 - firm a bardzo dobra. Znaczne zasługi w opracowaniu koncepcji m odelowania kondycji finansowej przedsiębiorstw m a tzw. grupa poznańska: M. Hamrol, B. Czajka oraz M. Piechocki. Badając sprawozdania finansowe spółek prawa handlowego w okresie lat 1999-2002, opracowali oni model ZHcp, oparty na wielkości stałej oraz czterech w skaźnikach wynikających bezpośrednio z bilansu bądź też z rachunku zysków i strat. Poziom predykcji modelu został ustalony w badaniach P. Antonowicza na poziomie 93,78% średniej sprawdzalności prognozy. ZHCP = -2,’368 + 3’,562Xl + 1’,588X2 + 4,’288X3+ 6,’719a 4-. X 4 Źródło: [Hamrol i inni, 2004]. T abela 6. Z m ien n e d ia g n o sty czn e w m od elu Z Hcp W yn ik fin a n so w y n etto 1 m ajątek ca łk o w ity M ajątek ob rotow y 1 z o b o w ią za n ia k rótk oterm in ow e K apitał sta ły 1 m ajątek ca łk o w ity W y n ik z e sp rzed aży Interpretacja ryzyka przebiega w tym przypadku analogicznie do m odeli Z 6mepan i Z7INEPAN’, bowiem w modelu ZHCPdla Z —<0 rprzedsięTbiorstwo JjesOtzagrożone uГpadłością'Z w perspektyw ie w roku, a w przypadku gdy Z > 0, mam y do czynienia z przedsię­ biorstwem niezagrożonym bankructwem . W tym samym okresie co ww. grupa podobne prace prowadził B. Prusak. W wyniku badań autor oszacował dwa typy modeli, których konstrukcja pozw ala przewidywać upadłość z rocznym wyprzedzeniem czasowym Zppi oraz z dwuletnim wyprzedzeniem ZBp2. Biorąc pod uwagę, iż wcześniej wymienione koncepcje dokonują predykcji na rok do przodu, dalszej dyskusji poddajemy tylko pierw szy z wym ienionych, dla którego postać funkcji dyskrym inacyjnej przedstaw ia się następująco: ZBPI = -1,’5685 + 6’,5245X1+ 0’Д480Х2+ 0’,406X3 + 2 Д’ 754Х4. T abela 7. Z m ien n e d ia g n o sty czn e w m od elu Z Bpi Wi X 4 Źródło: [Prusak, 2005]. W y n ik z d zia ła ln o śc i operacyjnej 1 w artość śred n ia z su m y b ilan sow ej K o szty op eracyjn e (b ez p o zo sta ły ch k o sz tó w op eracyjn ych ) 1 w artość śred n ia zo b o w ią za ń k rótk o­ term in o w y ch (b ez fu n d u szy sp ecjaln ych oraz k rótk oterm in ow ych z o b o w ią za ń fin a n so w y ch ) A k ty w a ob rotow e 1 zo b o w ią za n ia k rótk oterm in ow e W yn ik z d zia ła ln o śc i operacyjnej Interpretacja ryzyka upadłości dla modelu Z Bpi jest następująca: Z Bpi < -0,13 grupa przedsiębiorstw zagrożonych upadłością w perspektyw ie 1 roku, dla -0,13 < Zbpi < 0,65 - szara strefa, a w przypadku gdy Zppi > 0,65 - przedsiębiorstwa są „zdrowe”. 3. W yniki analiz Dokonując przeglądu ww. modeli, warto zastanowić się nad samym faktem oceny ich skuteczności w kontekście przewidywań ewentualnych kłopotów finansowych, które w dłuższym horyzoncie czasowym są bezpośrednią przyczyną bankructwa. Tym samym, biorąc pod uwagę gamę ośmiu modeli, m ożna stwierdzić, iż wskazania, jakie otrzym ujem y przy ich wykorzystaniu, są ogólnie miarodajne. Poniższe oszacowania (tabela 8) zostały wyznaczone zarówno dla grupy przedsię­ biorstw „zdrowych” - niezagrożonych upadłością,jak i dla przedsiębiorstw „chorych”, których upadłość ogłoszono w roku 2011. Ponieważ poruszone w artykule modele przewidują upadłość zjednorocznym wyprzedzeniem , wszelkie dane finansowe nie­ zbędne do ich oszacowania zostały zaczerpnięte z bilansów tychże firm za rok 2010. Jak łatwo zauważyć, błędy w sygnałach co do przyszłych zachowań danego podm iotu zdarzały się nad w yraz rzadko. W ynikały głów nie z faktu zakw alifi­ kowania przedsiębiorstwa do szarej strefy, w której ciężko ocenić, czy dana firm a jest w dobrej kondycji fundam entalnej, czy też zm ierza do bankructw a. W ydaje się, iż w takiej sytuacji bez względu na to, czy kierujący danym podm iotem mają do czynienia z pozytyw nym i, czy też negatyw nym i sygnałami z analizy struktury bilansu, warto zastanowić się nad środkam i zaradczym i, aby w przyszłości ustrzec się ewentualnych negatywnych skutków. To, czy dane środki zapobiegawcze zostaną przedsięwzięte, zależy ju ż jednak od skuteczności systemu zarządzania ryzykiem w danym podm iocie gospodarczym. Tabela 8. Analiza rozpatrywanych modeli w przekroju przedsiębiorstw o dobrej kondycji finansowej oraz w stanie likwidacji (sytuacja bilansu na rok 2010) ABM Solid SA Art Byg Sp. z o.o. Budostal 2 SA Comtech Sp. z o.o. 0,04 0,52 0,02 -1,59 -1,13 -0,42 Ekom Sp. z o.o. 0,09 1,01 0,29 -0,25 -0,34 0,09 Elprotech Sp. z o.o. 0,03 0,92 0,05 -0,65 -0,53 -0,18 Fortex Sp. z o.o. 0,01 0,72 0,13 -2,14 -2,07 -0,64 Sobet SA 0,03 0,88 0,21 -0,46 -0,43 -0,08 Waprol Sp. z o.o. 0,05 1,02 0,26 -0,13 -0,17 -0,02 Przedsiębiorstw a „zdrow e” Inżynieria Rzeszów SA 0,13 2,70 0,32 2,62 2,54 2,40 Torpol SA 0,24 3,05 0,37 5,12 5,26 2,98 Polbau Sp. z o.o. 0,12 2,58 0,33 1,95 2,06 2,36 PUT Intercor Sp. z o.o. 0,19 2,76 0,37 4,52 4,56 2,70 Unidex 0,13 2,49 0,25 2,40 2,88 2,05 Budrex Kobi Sp. z o.o. 0,07 1,90 0,24 0,99 1,12 1,56 Condite Sp. z o.o. 0,17 2,93 0,31 3,05 3,20 2,56 Mostmar 0,22 3,13 0,41 4,21 4,78 3,15 Spec Bruk 0,16 2,30 0,22 3,33 3,24 2,67 Termatex Sp. z o.o. 0,13 2,04 0,29 2,45 2,60 2,12 Źródło: obliczenia w łasne na podstaw ie danych z serw isu Verdict. -1,69 -0,11 -0,65 -2,63 -0,61 0,05 -1,45 -0 ,1 2 -0,36 -0,88 -0,19 -0,15 0,70 1,53 0,65 1,45 0,91 -0 ,2 4 0,12 1,26 -0 ,1 5 0,94 Zakończenie Sprawa analizy ryzyka negatyw nych sygnałów ,jakie m ogą się pojawić w obrębie danego przedsiębiorstwa, je s t niezw ykle w ażna i wydaje się naczelnym zadaniem każdej grupy zarządzającej danym podmiotem. Poza identyfikacją problemów proces pom iaru skali zagrożeń stanowi kluczow y etap skutecznego systemu zarządzania ryzykiem. Zatem w szelkie prace zm ierzające do opracowania koncepcji m odelowania sygnałów upadłościowych są bardzo istotne. D ecydującajednak, poza samym opracowaniem m odelu,jest sprawa skuteczności w skazań danych zapisów m atematycznych. Problem nie polega n a stworzeniu m ode­ lu, ale na dobraniu zm iennych diagnostycznych tak, aby jego późniejsze w skazania w skazyw ały na faktyczną sytuację firm y, a nie daw ały błędne sygnały. Może się to bowiem przełożyć bądź na zw iększoną swobodę w działaniach zarządzających, bądź też n a nadm ierną awersję do ew entualnych działań. Tym samym łatwo spostrzec, iż dokonana próba adaptacji m odeli spoza Polski do oceny upadłości rodzim ych przedsiębiorstw nie do końca się udała. M ożna to zauw ażyć głów nie na przy k ład zie m odelu T afflera czy też C onana-H oldera. To właśnie te dwa modele często dawały błędne oszacowania. Być może zmodyfikowany model A ltm ana również przy zwiększonej próbie badawczej mylnie prognozowałby ewentualne bankructwo. Przyczyn takiego stanu należy upatryw ać głównie w tym , iż param etry tych m odeli nie do końca dotyczą w arunków polskich. Analizując z kolei krajowe modele, za najlepsze należy uznać modele Z 6inepan i Z7inepan, opracowane w Instytucie N auk Ekonomicznych Polskiej A kadem ii Nauk. W ykazują one bowiem największą sprawność ogólną, gdyż są bliżej zw iązane ze specyfiką krajowego rynku. Dokonując oceny, należy również zauważyć, iż pomyłki we wskazaniach dotyczyły głównie grupy tzw. przedsiębiorstw chorych, w przypadku których w roku kolejnym ogłoszono postępowanie upadłościowe. W kwestii sygnałów i prognoz dla drugiej grupy firm ewentualnych błędów było niewiele. W yjątek stanowić może tutaj model Zbpi, który prezentuje się najgorzej spośród modeli opracowanych w polskich warunkach. Może się przy tym wydawać, iż modele stworzone przez polskich naukowców są na tyle adekwatne do panującej rzeczywistości, że ich skuteczność została p o ­ tw ierdzona w poruszonych w artykule badaniach. Owszem, m ożna by zarzucić, iż próba przeanalizowanych przedsiębiorstw była stosunkowo mało liczna, jednak mimo wszystko ogólne w skazania są prawidłowe. Poza modelami należy również pamiętać o samym fakcie bankructwa, które może prędzej czy później m oże dotyczyć nawet najlepiej prosperującego obecnie przed­ siębiorstwa. W tym w ypadku rękę n a pulsie pow inna trzym ać kadra zarządzająca, której zadaniem jest unikać głównych przyczyn upadłości, a mianowicie nadmiernego zadłużenia, przeinwestowania, rozrzutnej polityki finansowej czy niegospodarności. Należy mieć także na uwadze determ inanty upadłości. Dokonując analizy bez­ pośrednich przyczyn bankructw a polskich firm ,ja k o czynniki determ inujące należy przede wszystkim wym ienić załam anie popytu, a co za tym idzie spadek liczby za­ mówień. Obecnie duże znaczenie m a utrata płynności klientów oraz niedostateczne środki własne przedsiębiorstw, a w zw iązku z tym brak kapitału. Problemy pojawiają się również w aspekcie braku w iedzy i um iejętności kadry zarządzającej. Polscy przedsiębiorcy bowiem w wielu przypadkach nie przeprowadzają badań rynku oraz nie sporządzają planów finansowych. Zatem pojęcie strategii i w izjijest często wirtualne. Jako czynniki stricte zewnętrzne należy w tym w ypadku wym ienić kłopoty ze spłatą kredytów i pożyczek wynikające z wysokich stóp procentowych oraz znacznej konkurencji na rynku. 1. A IK E D ' 10 Proceedings o f the 9th W SEAS international conference on A rtificial intelligence, knowledge engineering and data bases , p. 83 - 87 World Scientific and Engineering Academ y and Society (W SEAS) Stevens Point , W isconsin, USA © 2010 . 2. Antonowicz P., M etody oceny i prognozow ania kondycji ekonom iczno-finansowej przedsiębiorstwa , ODDK, G dańsk 2007 . 3. Hamrol M. , Czajka В. , Piechocki М. , Upadłość p rzed się b io rstw a -m o d e l analizy dyskryminacyjnej, „Przegląd O rganizacji” 2004, n r 6 . 4. Jajuga K. , K uziak K ., M arkow ski P„ R yn e k kapitałow y . Inw estycje fin a n so w e, W ydaw nictw o A kadem ii Ekonomicznej we W rocław iu im . O skara Langego , W rocław 1998 . 5. L usztyn M.G., Value at R isk - zarządzanie ryzykiem w przedsiębiorstw ie, W arszawski Instytut Bankowości, W arszaw a 2000 . 6. M andru L. , K hashm an A., C arstea C ., D avid N., Patrascu L. , The D iagnosis o f B a nkruptcy R isk Using Score Function, R ecent A dvances in A rtificial Intelligence, K now ledge E ngineering and D ata Bases . 7. M ączyńska E. , O cena kondycji przed sięb io rstw a (uproszczone metody ), „Życie G ospodarcze” 1994 , nr 38. 8. Mentel G. , R yzyko rynku akcji, CeDeW u .pl, W arszaw a 2013 . 9. N ietyksza B„ E ksperym ent - ryzyko - odpow iedzialność k a m a , W arszaw a 1967 . 10. Pogodzińska M. , Sojak S., W ykorzystanie analizy dyskrym inacyjnej w przew idyw aniu bankructw a przedsiębiorstw , AUNC, E konom ia XXV, Z eszyt 299 , Toruń 1995 . 11. P rusak B„ N ow oczesne m etody prognozow ania zagrożenia fina n so w eg o przedsiębiorstw , Difin, W arszaw a 2005 . 12. R aport Coface nt. upadłości firm w Polsce w 2011 roku, W arszaw a 2012 . 13. W ędzki D. , L ogitow y m odel upadłości dla gospodarki p o lskiej - wnioski z badań , [w:] C zas na pieniądz. Z arządzaniefinansam i . F inansow anie przedsiębiorstw w UE , t. 1, D. Zarzecki D. (red), W ydaw nictw o U niw ersytetu Szczecińskiego, Szczecin .


This is a preview of a remote PDF: http://czashum.hist.pl/media//files/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3-s409-419/Annales_Universitatis_Mariae_Curie_Sklodowska_Sectio_H_Oeconomia-r2013-t47-n3-s409-419.pdf

Grzegorz Mentel. Analiza dyskryminacyjna ryzyka upadłości, Annales Universitatis Mariae Curie-Skłodowska. Sectio H, Oeconomia, 2013, 409-419,