Edukacja

Dyskryminacyjne modele przewidywania bankructwa kontrahenta


Ocena standingu finansowego kontrahenta jest bardzo istotną częścią analizy zdolności kredytowej. Problemy finansowe przedsiębiorstwa mogą  grozić jego niewypłacalnością, dlatego analiza sytuacji finansowej jest niezbędna. Dostrzeżone odpowiednio wcześnie sygnały ostrzegawcze i podjęte na ich podstawie decyzje co do kredytu kupieckiego mogą zapobiec nieuzasadnionym stratom. Z jakich narzędzi można korzystać?

Cechą  gospodarki rynkowej jest działanie w warunkach niepewności i ryzyka. Ocena kondycji finansowej podmiotom korzystającym z kredytu kupieckiego stanowi ważne narządzie zarządzania należnościami handlowymi, gdyż informacje uzyskiwane na jej podstawie są fundamentem dla decyzji o ewentualnym zwiększeniu czy ograniczeniu sprzedaży kredytowej.

 

Z powodu niedoskonałości tradycyjnej analizy wskaźnikowej, od wielu lat poszukiwano syntetycznego miernika pozwalającego dokonać oceny podmiotu z jak największą dokładnością.

 

Dużą popularnością w ostatnim czasie cieszą się modele dyskryminacyjne. Powstały one poprzez połączenie tradycyjnej analizy wskaźnikowej z metodami dyskryminacyjnymi i, jak twierdzą specjaliści, stanowią wysoce efektywną metodę syntetycznej oceny sytuacji finansowej kontrahenta.

Prace w zakresie prognozowania upadłości firm za pomocą analizy dyskryminacyjnej zostały rozpoczęte przez Altmana, który zbudował model klasyfikacyjny wykorzystujący 5 wskaźników finansowych. Badania były następnie kontynuowane przez licznych autorów opracowujących modele klasyfikacyjne dla gospodarek różnych państw i stosujących coraz to nowocześniejsze metody wielowymiarowej analizy danych. Doświadczenia wielu autorów wskazały na nieskuteczność zagranicznych modeli upadłościowych.

 

Autorzy ci zwracają uwagę na potrzebę budowania modeli na podstawie danych pochodzących z gospodarki, w której działa dane przedsiębiorstwo. W standardach sprawozdawczości finansowej w poszczególnych krajach występują bowiem znaczne różnice.

 

Znajduje to swoje odzwierciedlenie zarówno w nazewnictwie, jak i pozycjach sprawozdań, co często uniemożliwia obliczenie jednakowych wskaźników finansowych. Wychodząc naprzeciw oczekiwaniom, polskich modeli klasyfikacyjnych dla różnego typu jednostek gospodarczych powstało w latach 90. kilka, a po roku 2000 przynajmniej kilkanaście i nadal opracowywane są kolejne. Warto podkreślić, iż w prowadzeniu działalności gospodarczej istotną rolę odgrywa zmienność otoczenia przedsiębiorstwa. Dotyczy to między innymi polityki fiskalnej i zmian legislacyjnych, mało stabilnych zwłaszcza w krajach rozwijających się (Polska). Warto więc podchodzić z pewna rezerwą do aktualności oszacowanych już modeli predykcji bankructwa, a także poszukiwać tych opartych na aktualnych danych.

Do najpopularniejszych modeli zagranicznych autorów, po Altmanie, należą m.in. model R. Edminstera, E. Deakina, G. Springate’a, R. Tafflera, H. Hiehausa, K. Beermana. Pierwsza polska praca dotycząca badań ilościowych nad upadłościami przedsiębiorstw jest autorstwa D. Hadasik. Autorami kolejnych prac nad wykorzystaniem analizy dyskryminacyjnej w prognozowaniu ryzyka bankructwa w Polsce są: A. Hołda, E. Mączyńska i M. Zawadzki, J. Gajdka i D. Stos oraz D. Wierzba.

 

Analiza dyskryminacyjna w prognozowaniu bankructwa

Analiza dyskryminacyjna jest statystyczną metodą pozwalającą na podział i klasyfikację obiektów według określonego kryterium. Metoda ta umożliwia klasyfikację obiektów na podstawie wielu zmiennych objaśniających jednocześnie. Zmienna objaśniana jest zmienną jakościową. Do badania zagrożenia upadłością przedsiębiorstwa stosuje się liniową funkcję dyskryminacyjną postaci:

Z = a0 + a1X1 + a2X2 + … + akXk

gdzie:

Z – zmienna objaśniana (sytuacja finansowa: dobra/zła),

ai – współczynniki dyskryminacyjne, i = 1, 2, …, k,

a0 – stała,

Xi – zmienne objaśniające, i = 1, 2, …, k.

Wyznaczona wartość funkcji dyskryminacyjnej porównywana jest z wartością graniczną, która pozwala na odpowiednie zakwalifikowanie danego obiektu.

Większość modeli do prognozowania upadłości zbudowano za pomocą liniowej analizy dyskryminacyjnej. Model taki stanowi liniową kombinację cech i może być zapisany jako:

LFD = λ0 + λT * x

gdzie: x jest wektorem cech, a λ0 oraz λT są współczynnikami funkcji dyskryminacyjnej.

Budowa modelu polega na oszacowaniu współczynników λ0 oraz λ tak, aby wartości LFD dla wybranego obiektu pozwalały określać klasę, do której on należy. W przypadku modeli upadłościowych wyróżniamy dwie klasy: firmy zagrożone bankructwem i firmy w dobrej kondycji. Wektor cech obejmuje zwykle zestawy wskaźników finansowych.

Biorąc pod uwagę liczbę wykorzystywanych zmiennych, modele dyskryminacyjne dzieli się na:

  1. Modele jednowymiarowe – opracowane w początkowym okresie rozwoju prognozowania upadłości przedsiębiorstwa – w których kondycję przedsiębiorstwa charakteryzuje zbiór pojedynczych równań opisujących oddzielnie wybrane wskaźniki ekonomiczne.
  2. Modele wielowymiarowe – oparte na jednoczesnej analizie wielu wskaźników finansowych.

Ze względu na zdolność do prognozowania sytuacji finansowej przedsiębiorstwa, większe zastosowanie mają modele wielowymiarowe. Dzięki połączeniu różnych wskaźników finansowych i przypisaniu im wag, wyrażających rolę danej zmiennej w syntetycznej wielkości wynikowej, umożliwiają podział przedsiębiorstw na podmioty znajdujące się w dobrej i trudnej sytuacji finansowej.

 

Przykład modelu Hadasik

Dorota Hadasik przedstawiła 9 modeli analizy dyskryminacyjnej do oceny ryzyka upadłości. W próbie badawczej przeważały przedsiębiorstwa państwowe, spółki z ograniczoną odpowiedzialnością, samodzielne i akcyjne. Jako przedsiębiorstwa „upadłe” zakwalifikowała te przedsiębiorstwa, które w latach 1991-1997 złożyły wniosek o ogłoszenie bankructwa. Poniższa formuła przedstawia najczęściej wykorzystywany w analizach model D. Hadasik.

ZHD = 2,36261 + 0,365425 W1 – 0,765526 W2 – 2,40435 W3 + 1,59079 W4 + 0,00230258 W5 – 0,0127826 W6

gdzie:

W1 – aktywa bieżące/zobowiązania bieżące

W2 – (aktywa bieżące – zapasy)/zobowiązania bieżące

W3 – zobowiązania ogółem/aktywa ogółem

W4 – (aktywa bieżące – zobowiązania krótkoterminowe)/pasywa ogółem

W5 – należności/przychody ze sprzedaży

W6 – zapasy/przychody ze sprzedaży

Wartością krytyczną powyższego modelu jest -0,374345, co oznacza, że zagrożenie upadłością występuje dla wartości funkcji poniżej wartości krytycznej. Odsetek poprawnych szacowań modelu, czyli skuteczność, wynosi 95,08%.

 

Analiza dyskryminacyjna w praktyce

Więcej informacji na temat najpopularniejszych modeli dyskryminacyjnych mogą Państwo znaleźć w Strefie Credit Managera po zalogowaniu się na stronie Polskiego Instytutu Credit Management (PICM).

Natomiast modele przewidywania bankructwa, tj. model A. Hołdy, poznański, E. Mączyńskiej, B. Prusaka oraz omawiany D. Hadasik można znaleźć w aplikacji enaliza.pl. W ten sposób automatyczna analiza finansowa uzupełniona jest o narzędzia pozwalające w szybki sposób ocenić ryzyko niewypłacalności kontrahenta. Poniżej znajduje się zrzut ekranu demonstrujący wizualizację analizy finansowej i oceny według modelu Hadasik dla firmy Polska Grupa Weterynaryjna sp. z o.o. (NIP: 8721566434).

E.analiza to narzędzie typu SaaS (Software as a Service) a pełna funkcjonalność dostępna jest w planie „Analityk”.

źródło: www.eanaliza.pl

 

 


źródła:

Polskie modele do prognozowania bankructwa przedsiębiorstw i ich weryfikacja – Joanna Kisielińska, Adam Waszkowski, Zeszyty Naukowe SGGW w Warszawie. Ekonomika i Organizacja Gospodarki Żywnościowej, 2010 | nr 82 | 17-31

Zastosowanie dyskryminacyjnych modeli przewidywania bankructwa do oceny ryzyka upadłości przedsiębiorstw – Agnieszka Tłuczak, Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu, Nr 2(34)/2013

Modele dyskryminacyjne jako metoda oceny sytuacji finansowej przedsiębiorstwa – dr Edyta Bombiak, Zeszyty Naukowe AKADEMII PODLASKIEJ w SIEDLCACH, Nr 86 Seria: Administracja i Zarządzanie, 2010

Ocena skuteczności modeli analizy dyskryminacyjnej do prognozowania zagrożenia finansowego spółek giełdowych – Jolanta Wojnar, Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, t. 24, nr 1, czerwiec 2014

 

5251 czytano

Write a comment...

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *