6 Analiza dyskryminacyjna

background image

Analiza dyskryminacyjna

dr hab. prof. SGH Urszula Malinowska

background image

Analiza ryzyka partnera biznesowego

Ryzyko partnera biznesowego związane jest z utratą przez niego zdolności
płatniczej.

Przez pojęcie utraty zdolności płatniczej rozumie się zazwyczaj:

o

zarówno krótkookresową niezdolność do wywiązywania się ze swoich
zobowiązań, określaną jako utratę płynności (ang. loss of liquidity),

o

jak też trwałą utratę zdolności płatniczej, określaną jako niewypłacalność (ang.
insolvency).

Utrata płynności to krótkookresowa niezdolność do wywiązywania się z
zobowiązań; lub niezdolność do pokrycia wydatków operacyjnych i finansowych
z przychodów bieżącego okresu i środków zgromadzonych w poprzednich
okresach; lub krócej: nieregulowanie zobowiązań na czas.

Niewypłacalność natomiast oznacza trwałą utratę zdolności płatniczej, lub,
zgodnie z dokładniejszą definicją, sytuację, w której zobowiązania firmy w
pewnym okresie przekraczają jej majątek i w związku z tym nie jest możliwe ich
uregulowanie.

2

background image

Upadłość jednostki gospodarczej

3

background image

Czynniki powodujące utratę zdolności płatniczej

4

background image

Proces pogarszania się sytuacji finansowej firmy

5

background image

Założenia teoretyczne analizy dyskryminacyjnej

6

background image

Proces budowy funkcji dyskryminacyjnej

7

Źródło: M. Iwanicz- Drozdowska, A. Nowak, Ryzyko bankowe, Oficyna Wydawnicza SGH, Warszawa 2001, str. 31.

background image

Systemy (modele) Wczesnego Ostrzegania

8

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

Autorzy modelu: J. Gajdka, D. Stos (model I):

9

Charakterystyka modelu

Wskaźniki

wykorzystane w modelu

Postać funkcji modelu i

kryterium klasyfikacyjne

Poziom

skuteczności

predykcji modelu

Próba liczyła 40 podmiotów,
połowa w stanie upadłości.
Badanie w pierwszym etapie
oparto na 20 wskaźnikach
finansowych, obliczonych na
podstawie sprawozdań
finansowych z lat 1994 –
1995. Spośród tych 20
wskaźników do ostatecznej
postaci modelu zostało
zakwalifikowanych 5.

X

1

- przychody ze

sprzedaży /
aktywa;

X

2

- (zobowiązania

krótkoterminowe /
koszt wytworzonej
produkcji
sprzedanej) * 360
dni;

X

3

- zysk netto /

aktywów;

X

4

-

zysk brutto ze

sprzedaży /
przychody netto ze
sprzedaży;

X

5

- zobowiązania

ogółem / aktywa
ogółem;

Z = 0,7732059 -

0,0856425X

1

+

0,0007747X

2

+

0,9220985X

3

+

0,6535995X

4

-

0,594687X

5

Z > 0,45 - brak

zagrożenia
upadłością

Grupa
niezagrożonych
upadłością
Grupa
zagrożonych
upadłością
Łącznie
- 93%

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

10

Charakterystyka modelu

Wskaźniki

wykorzystane w modelu

Postać funkcji modelu i

kryterium klasyfikacyjne

Poziom

skuteczności

predykcji modelu

Model opracowany na 34
przedsiębiorstwach, dwie
liczebnie równe klasy:
podmioty „niezbankrutowane”
oraz „zbankrutowane”, które w
roku 1995 znalazły się w
stanie bankructwa. Pierwotnie
wykorzystywano 20
wskaźników, ostatecznie
uwzględniono 4 wskaźniki.

X

1

- średnia wartość

zobowiązań;
krótkoterminowych
/ koszt
wytworzenia
produkcji
sprzedanej * 360
dni;

X

2

- zysk netto / średnia

wartość aktywów
w roku;

X

3

- zysk brutto /

przychody netto ze
sprzedaży;

X

4

- aktywa ogółem /

zobowiązania
ogółem;

Z = - 0,3342 -

0,000500X

1

+

2,055200X

2

+

1,726000X

3

+

0,115500X

4

Z > 0 brak zagrożenia

upadłością

Grupa
niezagrożonych
upadłością
- 100%
Grupa
zagrożonych
upadłością
- 100%
Łącznie
- 100%

Autorzy modelu: J. Gajdka, D. Stos (model II):

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

11

Charakterystyka modelu

Wskaźniki

wykorzystane w modelu

Postać funkcji modelu i

kryterium klasyfikacyjne

Poziom

skuteczności

predykcji modelu

Przedsiębiorstwa, które w
latach 1991 -1997 złożyły,
wniosek o ogłoszenie
upadłości.. Jako potencjalne
zmienne wybrano 16
wskaźników, w ostateczności
model był opracowany na
sześciu wskaźnikach.

X

1

- aktywa bieżące /

zobowiązania
bieżące;

X

2

- aktywa bieżące -

zapasy /
zobowiązania
bieżące;

X

3

- zobowiązania

ogółem / aktywa
ogółem;

X

4

- aktywa bieżące -

zobowiązania
krótkoterminowe /
pasywa ogółem;

X

5

- należności /

przychody ze
sprzedaży * 365
dni;

X

6

- zapasy / sprzedaż

netto * 365 dni;

Z = 0,365425X

1

-

0,765526X

2

-

2,404350X

3

+

1,590790X

4

+

0,002303X

5

-

0,012783X

6

+

2,36261

Z > - 0,374345 - brak

zagrożenia
upadłością

Grupa
niezagrożonych
upadłością
- 97,4%
Grupa
zagrożonych
upadłością
- 90,91%
Łącznie
- 95,08%

Autor modelu: D. Hadasik (model IV):

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

12

Charakterystyka modelu

Wskaźniki

wykorzystane w modelu

Postać funkcji modelu i

kryterium klasyfikacyjne

Poziom

skuteczności

predykcji modelu

Model był budowany w oparciu
o 40 przedsiębiorstw, które
zbankrutowały i 40
przedsiębiorstw
kontynuujących działalność.
Badanie dotyczyło 3 lat (1993
– 1996). W pierwszym etapie
analizy wybrano 28
wskaźników finansowych.,
Ostateczna postać modelu
została oparta o 5
wskaźników.

X

1

- aktywa bieżące /

pasywa bieżące;

X

2

- zobowiązania

ogółem / aktywa
ogółem;

X

3

- przychody z ogółu

działalności/
średnioroczne
aktywa ogółem;

X

4

- zysk netto/ aktywa;

X

5

- zobowiązania

krótkoterminowe /
koszt sprzedanych
produktów
towarów i
materiałów * 360;

Z = 0,681000X

1

-

0,019600X

2

+

0,157000X

3

+

0,009690X

4

+

0,000672X

5

+

0,605

Z > 0 - brak zagrożenia

upadłością

Grupa
niezagrożonych
upadłością
- 95,0%
Grupa
zagrożonych
upadłością
- 90,0%
Łącznie
- 92,5%

Autor modelu: A. Hołda

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

13

Charakterystyka modelu

Wskaźniki

wykorzystane w modelu

Postać funkcji modelu i

kryterium klasyfikacyjne

Poziom

skuteczności

predykcji modelu

Do estymacji modelu
wykorzystano zbiór składający
się z 80 spółek w tym 40
niezagrożonych i 40
zagrożonych upadłością. W
analizach uwzględniane były
dane sprawozdawcze za lata
1997-2001, Wstępnie
wyselekcjonowano 45
wskaźników. Do budowy
modelu wykorzystano
ostatecznie 4 wskaźniki.

X

1

- wynik operacyjny /

aktywów;

X

2

- kapitał własny /

aktywa;

X

3

- wynik finansowy

netto +
amortyzacja /
zobowiązania
ogółem;

X

4

- aktywa obrotowe /

zobowiązania
krótkoterminowe;

Z =9,498X

1

+ 3,566X

2

+

2,903X

3

+ 0,452X

4

- 1,498

Z > 0 brak zagrożenia

upadłością

Grupa
niezagrożonych
upadłością
- 95,5%
Grupa
zagrożonych
upadłością
- 81,3%
Łącznie
- 88,4%

Autorzy modelu: E. Mączyńska i M. Zawadzki (model G)

background image

Charakterystyka wybranych funkcji dyskryminacyjnych

opracowanych dla rynku polskiego

14

Charakterystyka modelu

Wskaźniki

wykorzystane w

modelu

Postać funkcji

modelu i kryterium

klasyfikacyjne

Poziom

skuteczności

predykcji

modelu

W procesie budowy modelu za upadłe
lub zagrożone upadłością przyjęto spółki
publiczne, wobec których w latach 2000
– 2002 zgłoszono w sądzie przynajmniej
jeden wniosek o upadłość lub o otwarcie
postępowania układowego, niezależnie
od tego, jakie skutki prawne miały te
wnioski. Próba złożona była z 34 spółek
zagrożonych upadłością. Spółki zdrowe
dobrano w taki sposób, by każda z nich
odpowiadała jednej ze spółek upadłych.
Pierwotnie analizowano 19 wskaźników
finansowych. Do budowy modelu
wykorzystano natomiast 6 wskaźników
finansowych.

X1 - aktywa bieżące /

pasywa bieżące;

X2 - aktywa obrotowe -

zapasy -
należności /
zobowiązania
krótkoterminowe;

X3 - zysk brutto /

przychody ze
sprzedaży;

X4 - średnia wartość

zapasów /
przychody ze
sprzedaży * 360 dni;

X5 - zysk netto / średnia

wartość aktywów;

X6 - zobowiązania

ogółem + rezerwy/
wynik na
działalności
operacyjnej +
amortyzacja;

Z = 1,286440X1 -

1,305280X2 -
0,226330X3 -
0,005380X4 +
3,015280X5 -
0,009430X6 -
0,66132

Z > 0 brak zagrożenia

upadłością

Grupa
niezagrożonych
upadłością
- 85,3%
Grupa
zagrożonych
upadłością
- 85,3%
Łącznie
- 85,3%

Autorzy modelu: D. Appenzeller, K. Szarzec (model I)


Document Outline


Wyszukiwarka

Podobne podstrony:
analiza dyskryminacyjna w prognozowaniu
Wykorzystanie analizy dyskryminacyjnej w ocenie ryzyka upadłości przedsiębiorców
analiza dyskryminacyjna 2011 id Nieznany (2)
10 2 DC Analiza dyskryminacyjnaid 11278
Wybrane modele analizy dyskryminacyjnej - materiały dla studentów, Górka
PREZENTACJA analiza dyskrym CA O
Analiza dyskryminacyjna tabele 1
Analiza dyskryminacyjna, od Goldman
analiza dyskryminacyjna
analiza dyskryminacyjna p
10 1 DC Analiza dyskryminacyjna g3
Analiza dyskryminacyjna
Analiza funkcji dyskryminacyjnej - Opis, Psychologia, Statystyka, psychometria
Modelowanie i analiza modeli dynamicznych z dyskrytnym czasem
Analiza finansowa dyskryminacyj Nieznany (2)

więcej podobnych podstron