Bezpieczeństwo finansowe przedsiębiorstw na przykładzie łańcucha dostaw żywności

Sebastian Jarzębowski, Rafał Balina Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Bezpieczeństwo finansowe przedsiębiorstw na przykładzie łańcucha dostaw żywności Wstęp Niestabilne otoczenie gospodarcze, spadek przychodów, niski poziom konkurencyjności i innowacyjności polskich przedsiębiorstw oraz brak wystarczającego kapitału przyczyniają się do pogorszenia sytuacji finansowej przedsiębiorstw [10]. W konsekwencji tego wiele przedsiębiorstw spóźnia się z płatnościami na rzecz swoich kontrahentów. W efekcie tego, dostawcy mają problemy z terminowym regulowaniem swoich należności wobec swoich wierzycieli, co przyczynia się do powstawania tzw. zatorów płatniczych, które w praktyce gospodarczej stanowią jedną z ważniejszych barier i zagrożeń dla rozwoju przedsiębiorczości. Stosunkowo często problemy finansowe jednego przedsiębiorstwa przekładają się na problemy jego kontrahentów. Proces ten jest tym silniejszy im silniejsze są wzajemne powiązania podmiotów [12]. Zbyt silne wzajemne relacje między podmiotami mogą doprowadzić do tak zwanego efektu domina, którego istotą jest to, że bankructwo jednego przedsiębiorstwa może doprowadzić do wielu kolejnych [14]. W związku z tym problem bankructwa przedsiębiorstwa, jego definiowanie oraz prognozowanie staje się coraz ważniejszym z ekonomicznego punktu widzenia zagadnieniem. Problem bankructwa i wiążących się z tym zatorów płatniczych nabiera szczególnego znaczenia w przypadku rozpatrywania powiązań przedsiębiorstw funkcjonujących w ramach żywnościowego łańcucha dostaw, gdyż podmioty te charakteryzują się silnym stopniem zależności. Gdyby chcieć zdefiniować łańcuch dostaw to w literaturze brak jest jednoznacznej jego definicji. Przykładowo Bozarth i Handfield definiują łańcuch dostaw, jako sieć producentów i usługodawców, którzy współpracują ze sobą w celu przetwarzania i przemieszczania dóbr od fazy surowca do poziomu użytkowania końcowego [3]. W słowniku terminologii logistycznej łańcuch dostaw został określonych, jako grupa przedsiębiorstw realizujących wspólne działania niezbędne do zaspokojenia popytu na określone produkty we wszystkich jego ogniwach [16]. Można, więc stwierdzić, że łańcuch dostaw stanowi swojego rodzaju sieć współdziałających podmiotów realizujących wspólne działania zaczynając do wytworzeniaproduktu a kończąc na ich dostarczeniu do finalnego odbiorcy. Tak definiowany łańcuch dostaw nakłada konieczność akceptacji złożoności, ograniczeń i ryzyka przez przedsiębiorstwa w nim funkcjonujące, ze względu na ich funkcjonowania w otoczeniu charakteryzującym się wieloma niekontrolowanymi siłami [8]. Dlatego też, na znaczeniu zyskał aspekt bezpieczeństwa łańcucha dostaw [1]. Wśród zagrożeń związanych z funkcjonowanie łańcucha dostaw można wymienić między innymi: zakłócenia, opóźnienia, awarie systemów informatycznych, błędne prognozy, utrata wartości intelektualnej, rosnące koszty surowców i komponentów, niepewność otrzymania należności, nieodpowiednie wielkości zapasów oraz nieadekwatne moce produkcyjne [4]. 3553

Na szczególną uwagę zasługuje aspekt związany z bezpieczeństwem finansowym, na który w dużym stopniu wpływa ryzyko powstania zatorów płatniczych w wyniku bankructwa jednego z przedsiębiorstw wchodzących w skład łańcucha dostaw [6]. Gdyby spojrzeć szerzej na bankructwa to okazało by się, że są one integralnym elementem gospodarki rynkowej, gdyż powodują jej oczyszczenie z przedsiębiorstw nieefektywnych ekonomicznie. Ponadto bankructwo jest jednym z czynników, dzięki któremu możliwa jest konkurencja. Dodatkowo, zgodnie z teorią twórczej destrukcji, bankructwo sprzyja wzrostowi innowacyjności, znoszeniu barier w rozwoju przedsiębiorstw oraz efektywnemu wykorzystaniu ograniczonych zasobów, z korzyścią dla ich właścicieli i gospodarek, w ramach, których funkcjonują. W obecnych warunkach gospodarczych za bankruta uznaje się przedsiębiorstwo, które nie jest w stanie terminowo regulować zobowiązań, a wartość majątku nie jest wystarczająca na ich pokrycie, nawet gdy przedsiębiorstwo prowadzi nieprzerwanie działalność [7]. Oznacza to, że przedsiębiorstwo może znajdować się w złej kondycji ekonomiczno-finansowej, choć nie musi mieć to przełożenia na wymiar produkcyjny. Dlatego za bankruta uznaje się przedsiębiorstwo, które nie jest w stanie samodzielnie kontynuować statutowej działalności i regulować zobowiązań bez otrzymania pomocy z zewnątrz. Dlatego tak ważne staje się wczesne określenie zagrożenia przedsiębiorstw będących ogniwami łańcucha dostaw. Symptomy wpływające na kondycję przedsiębiorstwa można między innymi podzielić na dwie zasadnicze grupy. Bednarski wskazuje na wyraźne występowanie symptomów kryzysu w sferze operacyjnej, bezpośrednio związanej z prowadzoną przez przedsiębiorstwo działalnością oraz w sferze finansowej, jako przesłanki najszybciej świadczące o pogorszeniu się kondycji ekonomiczno-finansowej przedsiębiorstwa. Od kilkudziesięciu lat zarówno naukowcy, jaki i praktycy z dziedziny finansów prowadzący badania na całym świecie podejmują próby skonstruowania takich narzędzi, które wystarczająco precyzyjnie określą czy przedsiębiorstwo jest zagrożone czy nie. Znaczenie tego typu rozwiązań jest szczególnie ważne w przypadku, gdy rozpatrujemy funkcjonowanie przedsiębiorstw w ramach łańcucha dostaw, w których to każdy rodzaj niepewności pojawiający się ich otoczeniu powoduje zakłócenia w jego funkcjonowaniu [9]. Zakres i metody badań Badaniami objęto łącznie 120 przedsiębiorstw z trzech branż, które stanowiły ogniwał żywnościowego łańcucha dostaw. Mianowicie badano przedsiębiorstwa z branży: produkcja wyrobów piekarskich i mącznych (PKD 10.7), transport drogowy towarów (PKD 49.41z) oraz handel hurtowy żywnością, napojami i wyrobami tytoniowymi (PKD 46.31z 46.39z). Badania dotyczyły lat 2007 2010. W badaniach wykorzystano bilanse oraz rachunki zysków i strat przedsiębiorstw z wyżej wymienionych branż działających na terenie Rzeczpospolitej Polskiej, w formie spółek z ograniczoną odpowiedzialnością. Dobór próby do badań miał charakter losowy. Do badań w dwóch etapach wykorzystano 60 przedsiębiorstw uznanych za bankrutów, po 20 z każdej z badanych branż oraz 60 przedsiębiorstw nieprzerwanie prowadzących swoją działalność, po 20 z każdej branży. 3554

W badaniach, w grupie bankrutów uwzględniono te przedsiębiorstwa, które publikowały sprawozdania finansowe w Monitorze Polskim B, co najmniej za trzy ostatnie lata przed wystąpieniem do sądu z wnioskiem o ogłoszenie upadłości, charakteryzowały się ujemnym kapitałem własnym oraz stratami finansowymi. Przedsiębiorstwom tym przeciwstawiono przedsiębiorstwa, które w 2011 roku nieprzerwanie prowadziły działalność, co najmniej od 1 stycznia 2005 roku oraz wartość ich aktywów była zbliżona do wartości aktywów w grupie wylosowanych bankrutów, a różnice w tym względzie nie były większe niż 500 000 zł. Po ustaleniu listy przedsiębiorstw spełniających warunki względem bankrutów uszeregowano je rosnąco wg numeru KRS. Następnie dokonano losowania po dwadzieścia przedsiębiorstw z trzech badanych branż. Wśród przedsiębiorstw stale funkcjonujących dokonano ich doboru do próby również w sposób losowy. Po uszeregowaniu przedsiębiorstw spełniających warunki uznania ich za niezagrożone, analogicznie jak w przypadku przedsiębiorstw uznanych za bankruta [11].Po dokonaniu wyboru przedsiębiorstw do badania, obliczono 32 wskaźniki ekonomiczno finansowe. Dobór wskaźników, do badania został podyktowany ich rozpowszechnieniem w literaturze przedmiotu [15] oraz przydatnością do predykcji bankructwa lub jego braku [13; 2]. Mając na uwadze powyższe dwa kryteria wybrano następujące wskaźniki: X 1 = Aktywa trwałe/aktywa ogółem, X 2 = Aktywa obrotowe/aktywa ogółem, X 3 = Aktywa obrotowe/zobowiązania krótkoterminowe, X 4 = (Należności krótkoterminowe + Inwestycje krótkoterminowe)/zobowiązania krótkoterminowe, X 5 = Inwestycje krótkoterminowe/zobowiązania krótkoterminowe, X 6 = Przychody ze sprzedaży/należności krótkoterminowe, X 7 = (Należności krótkoterminowe/przychody ze sprzedaży)*365, X 8 = Przychody ze sprzedaży/zobowiązania krótkoterminowe, X 9 = (Zobowiązania krótkoterminowe/przychody ze sprzedaży)*365, X 10 = Przychody ze sprzedaży/zapasy, X 11 = (Zapasy/Przychody ze sprzedaży)*365, X 12 = Rotacja należności + Rotacja zapasów Rotacja zobowiązań, X 13 = Zysk netto/aktywa ogółem, X 14 = Zysk netto/aktywa obrotowe, X 15 = Zysk netto/aktywa trwałe, X 16 = Zysk netto/przychody ze sprzedaży, X 17 = Aktywa ogółem/kapitał własny, X 18 = Zobowiązania ogółem/kapitał własny, X 19 = Kapitał własny/aktywa trwałe, X 20 = Przychody ze sprzedaży/aktywa ogółem, Logistyka 1/2012 8 3555

X 21 = Przychody ze sprzedaży/aktywa trwałe, X 22 = Koszty z całokształtu działalności/przychody z całokształtu działalności, X 23 = Kapitał własny/przychody ze sprzedaży. X 24 = (Przychody ze sprzedaży) t /(Przychody ze sprzedaży) (t-1), X 25 = (Aktywa ogółem) t /(Aktywa ogółem) (t-1), X 26 = (Aktywa obrotowe) t /(Aktywa obrotowe) (t-1), X 27 = (Aktywa trwałe) t /(Aktywa trwałe) (t-1), X 28 = (Kapitał własny) t /(Kapitał własny) (t-1), X 29 = (Kapitał obcy) t /(Kapitał obcy) (t-1), X 30 = (Zobowiązania krótkoterminowe) t /(Zobowiązania krótkoterminowe) (t-1), X 31 = (Wynik na działalności operacyjnej) t /(Wynik na działalności operacyjnej) (t-1), X 32 = (Wynik finansowy netto) t /(Wynik finansowy netto) (t-1). Przy czym kategoria ekonomiczna z indeksem t odnosi się do ostatniego pełnego roku obrachunkowego przed przedsiębiorstwa, a z indeksem (t-1) odnosi się do drugiego roku przed. Do oceny trafności klasyfikacji przedsiębiorstw wykorzystano macierz oceny trafności modelu dyskryminacyjnego. Jest to narzędzie, które przedstawia podsumowanie dotyczące poprawności wskazań oszacowanego modelu. Macierz ta jest macierzą kwadratową o wymiarach k x k gdzie k stanowi liczbę klas decyzyjnych [5]. Wiersze macierzy odpowiadają poprawnym klasom decyzyjnym, kolumny natomiast odpowiadają decyzjom estymowanym przez model. Takie przedstawienie wyników dotyczących trafności prognoz pozwala na wyznaczenie sprawności modelu. W przypadku analizy dyskryminacyjnej możliwe jest określenie trzech rodzajów jego sprawności oraz błędów klasyfikacji. W przypadku sprawności modelu wyróżnia się [7]: sprawność I stopnia (SP 1 ), która określa jaki odsetek bankrutów został zakwalifikowany prawidłowo przez model, sprawność II stopnia (SP 2 ), która określa jaki procent przedsiębiorstw niezagrożonych został sklasyfikowany poprawnie, sprawność ogólna (SP 0 ), określa jaki procent wszystkich analizowanych przedsiębiorstw został sklasyfikowany prawidłowo przez model. Do wyznaczenie funkcji pozwalającej na estymację prawdopodobieństwa zagrożenia lub jego braku wykorzystano analizę logitową. Analiza logitowa, obok liniowej wielowymiarowej analizy dyskryminacyjnej, jest jedną z częściej stosowanych metod przy budowaniu modeli prognozowania zagrożenia kontynuacji działalności. Wynikiem funkcji regresji logistycznej jest prawdopodobieństwo pewnego zdarzenia.przy szacowaniu ryzyka upadłości przedsiębiorstwa jest to przynależność badanego podmiotu do jednej z dwóch grup tj.: przedsiębiorstw zagrożonych lub niezagrożonych upadłością. 3556

W modelu dwumianowym przyporządkowuje się jednej z grup cyfrę 1 a drugiej cyfrę 0. Funkcja logitowy wyrażona jest następującym wzorem: =1= gdzie: (1) P(Y=1) zmienna objaśniana (zależna), czyli prawdopodobieństwo przyjmowania przez zmienną Y wartości 1, Z wartość funkcji liniowej Z, gdzie: Z=a 0 +a 1 X 1 +a 2 X 2 + +a n X n przy czym a 0 stała, a i wagi dla poszczególnych zmiennych, X i zmienne objaśniające. Wartość wskaźnika P(Y=0) zawarta jest w przedziale od 0 do 1, przy założeniu, że cyfra 0 oznacza firmę zagrożoną, oznacza to, że im wyższa wartość P(Y=0), tym większe jest prawdopodobieństwo bankructwa. Natomiast wartość P(Y=0) bliższa 0 oznacza dobrą sytuację finansową przedsiębiorstwa. W modelu logitowy należy przyjąć pewną wartość graniczną funkcji Z. W modelach szacowanych na podstawie próby zbilansowanej wartość punktu granicznego wynosi 0,5. Wyniki badań Przeprowadzone badania nad możliwością prognozowania zagrożenia badanych przedsiębiorstw pozwoliły na oszacowanie liniowej funkcji regresji, która określona jest następująco: Z=2,627 + 2,9975X 2 + 0,02368X 18 0,00581X 19 gdzie: Z wartość funkcji liniowej, X 2 = Aktywa obrotowe/aktywa ogółem, X 4 = (Należności krótkoterminowe + Inwestycje krótkoterminowe)/zobowiązania krótkoterminowe, X 18 = Zobowiązania ogółem/kapitał własny. Jak wynika z oszacowanej funkcji regresji w predykcji zagrożenia przedsiębiorstw wchodzących w skład żywnościowego łańcucha dostaw istotne okazały się trzy zmienne, przy czym dwie były stymulantami tj. relacja aktywów obrotowych względem aktywów ogółem oraz wskaźnik płynności szybkiej (X 2 ). Pozostała zmienna określająca relację zobowiązań ogółem względem kapitału własnego była destymulantą tzn. jej wzrost przyczyniał się do pogorszenia kondycji przedsiębiorstwa, a tym samym powodował zwiększenie się ryzyka niewypłacalności przedsiębiorstwa. Taki stan, rzeczy był podyktowany tym, że skonstruowany model był przeznaczony do predykcji przedsiębiorstw z różnych branż, co przyczyniło się do konieczności uwzględniania ich specyfiki. Pierwsza zmienna określająca relację aktywów obrotowych względem aktywów ogółem charakteryzowała się dostatnim współczynnikiem regresji, co mogłoby wskazywać, że w przypadku przedsiębiorstw wchodzących w skład żywnościowego łańcucha dostaw ważne jest utrzymywanie stosunkowo wysokiego poziomu aktywów ogółem, co powinno przełożyć się na ich płynność. Ważne podkreślenie jest to, że wysokość tej relacji powinna być wynikiem specyfiki prowadzonej działalności i utrzymywać się w granicachpozwalających na swobodne funkcjonowanie przedsiębiorstwa. 3557

Kwestię płynności uzupełnia druga zmienna, określająca poziom płynności szybkiej stanowiący iloraz sumy należności krótkoterminowych i inwestycji krótkoterminowych względem zobowiązań krótkoterminowych. Dodatni współczynnik regresji wskazuje na to, że ważnym aspektem funkcjonowania przedsiębiorstw w łańcuch dostaw jest płynność, która powinna być stosunkowo wysoka. Potwierdzeniem tego jest to, że trzecia zmienna będąca destymulantą wskazuje na niekorzystne oddziaływanie zbytniego zadłużenia względem kapitałów własnych na kondycję przedsiębiorstw, na co wskazuje ujemnych współczynnik regresji przy tej zmiennej. W kolejnym etapie badań dokonano oceny sprawności oszacowanego modelu regresji w podziale na poszczególne branże oraz w ujęciu całego łańcucha dostaw. W przypadku oceny skuteczności oszacowanego modelu dla przedsiębiorstw z branży produkującej wyroby piekarskie i mączne stwierdzono, że model pozwał na wykrycie 14 przedsiębiorstw zagrożonych przed momentem jego wystąpienia, natomiast w przypadku 6 przedsiębiorstw z branży produkcyjnej model okazał się nieprzydatny. Ponadto model ten błędnie rozpoznał cztery przedsiębiorstwa będące w dobrej kondycji finansowej. W konsekwencji tego ogólna sprawność modelu został ustalona na poziomie 75% czyli wskazania modelu w przypadku przedsiębiorstw z branży produkującej wyroby piekarskie i mączne jedna czwarta wskazań była błędna, co należy uznać za poziom mało zadowalający. Tab. 1. Macierz oceny trafności modelu w branży produkcja wyrobów piekarskich i mącznych Prognozowana przynależność przedsiębiorstwa Rzeczywista przynależność na podstawie modelu przedsiębiorstwa Zagrożone Niezagrożone Zagrożone 14 6 Niezagrożone 4 16 Źródło: badania własne W przypadku przedsiębiorstw zajmujących się transportem drogowym towarów oszacowany model charakteryzował się poziomem sprawności ogólnej wynoszącym 82,5% co należy uznać za poziom satysfakcjonujący. Oszacowany model zastosowany do przedsiębiorstw z omawianej branży pozwalał wykryć przedsiębiorstwa zagrożone ze skutecznością równą 90%. Przedsiębiorstwa niezagrożone rozpoznał natomiast w mniejszym stopniu, jednak ze względu na istotę opracowania dotyczącą możliwością zapobiegania zatorom płatniczym w łańcuchach dostaw uznano ten element za mniej ważny. Tabela 2. Macierz oceny trafności modelu w branży transport drogowy towarów Prognozowana przynależność przedsiębiorstwa Rzeczywista przynależność na podstawie modelu przedsiębiorstwa Zagrożone Niezagrożone Zagrożone 18 2 Niezagrożone 5 15 Źródło: badania własne 3558

W tabeli 3 przedstawiono skuteczność modelu w odniesieniu do przedsiębiorstw zajmujących się handlem hurtowym żywnością. Jak wskazują wyniki, oszacowany model w odniesieniu do tej branży charakteryzował się najwyższym poziome skuteczności ogólnej. Ważne jest to, że z zbliżoną skutecznością pozwalał na rozpoznawanie zarówno przedsiębiorstw w dobrej jak i złej kondycji finansowej. Tabela 3. Macierz oceny trafności modelu w branżyhandel hurtowy żywnością Prognozowana przynależność przedsiębiorstwa Rzeczywista przynależność na podstawie modelu przedsiębiorstwa Zagrożone Niezagrożone Zagrożone 17 3 Niezagrożone 2 18 Źródło: badania własne Następnie dokonano zestawienia skuteczności oszacowanego modelu dla wszystkich przedsiębiorstw wchodzących w skład rozpatrywanego łańcucha dostaw. Szczegółowe wyniki przedstawiono w tabeli 4. Interesujące, jest to że model pozwała na rozpoznawanie z równą skutecznością zarówno bankrutów jak i przedsiębiorstwa o dobrej kondycji finansowej. Skuteczność ta wyniosła 81,67% co należy uznać za poziom zadowalający. Tabela 4. Macierz oceny trafności modelu dla całego żywnościowego łańcucha dostaw Prognozowana przynależność przedsiębiorstwa Rzeczywista przynależność na podstawie modelu przedsiębiorstwa Zagrożone Niezagrożone Zagrożone 49 11 Niezagrożone 11 49 Źródło: badania własne Mając na uwadze uzyskane wyniki badań dotyczące sprawności modelu należy stwierdzić, że w zależności od branży, do której został zastosowany charakteryzował się różnym poziome skuteczności w rozpoznawaniu bankrutów i niebankrutów. Mogło to wynikać z dużegozróżnicowani pod względem charakteru prowadzonej działalności badanych przedsiębiorstw. Jednak skuteczność jaką reprezentował model można uznać za zadowalającą. Logistyka 1/2012 3559

Podsumowanie Przeprowadzone badania wykazały, że kluczowymi czynnikami wpływającymi na bezpieczeństwo finansowe uczestników żywnościowego łańcucha dostawa mają wpływ przede wszystkim aspekty płynnościowe i stopień zadłużenia przedsiębiorstw. Wynika to bezpośrednio z oszacowanego modelu zagrożenia dla badanych przedsiębiorstw, w którym znalazły się zmienne określające relację aktywów obrotowych do aktywów ogółem, poziom wskaźnika płynności szybkiej oraz relację zobowiązań ogółem do kapitałów własnych. Badania wykazały również, że oszacowany model charakteryzował się różną skutecznością w rozpoznawaniu bankrutów i niebankrutów wśród przedsiębiorstw z poszczególnych ogniw badanego łańcucha dostaw.wynikało to przede wszystkim z tego, że przedsiębiorstwa te charakteryzowały się różnym przedmiotem działalności.jednak skuteczność modelu charakteryzowała się zadowalającym poziomem skuteczności, który kształtował się powyżej 75%. Mając na uwadze uzyskanie wyniki można stwierdzić, że wykorzystanie metod wczesnego ostrzegania przed w przypadku przedsiębiorstw funkcjonujących w ramach łańcucha dostaw może przyczynić się do ograniczenia skutków zatorów płatniczych, ponieważ zastosowanie oszacowanego modelu pozwala na ograniczenie ryzyka wejścia w kooperacje z podmiotem niewypłacalnym. Streszczenie Przeprowadzone badania dotyczyły możliwości ograniczenia występowania ryzyka niewypłacalności związanego z zatorami płatniczymi przy wykorzystaniu metod dyskryminacyjnych. W trakcie badań dokonano skonstruowania modelu regresji logistycznej pozwalającego z wysokim stopnień prawdopodobieństwa rozpoznawać przedsiębiorstwa zagrożonego. Ponadto badania wykazały, że w przypadku podejmowania współpracy w ramach łańcucha dostaw istotnej jest zarządzanie płynnością oraz poziom zadłużenia przedsiębiorstwa. The financial security of enterprises on the example of food supply chain Abstract The study focused on the possibility of limit the occurrence of insolvency risk associated with payment backlogs by using of discriminatory methods. During the research has been construct a logistic regression model allows with high probability to identify companies endangered of bankruptcy. In addition, studies have shown that when taking cooperation under supply chain is essential to manage liquidity and debt levels of the company. 3560

Literatura [1] Bezat-Jarzębowska A, Jarzębowski S.:Znaczenie żywnościowych łańcuchów dostaw, Wieś Jutra, Nr 4 2013. [2] Bień W.:Zarządzanie finansami przedsiębiorstwa, Wydawnictwo Difin, Wyd. 7, Warszawa, 2008. [3] Bozarth C.B., Handfield R.B.:Wprowadzenie do zrządzania operacjami i łańcuchem dostaw, Helion, Gliwice, 2007. [4] Dedo K.:Raport z serii: Nowe trendy w zrządzaniu: Zadbaj o bezpieczeństwo łańcucha dostaw twojej firm. Harvard Business Review Polska, Październik 2007. [5] Góralski P.:Finanse, (Red. Podstawka M.), Wydawnictwo Naukowe PWN, Warszawa, 2010. [6] Jarzębowski S.: Struktura łańcucha dostaw przetwórstwa mleka, Logistyka, Nr 6 (2013). [7] Juszczyk S., Balina R.: Prognozowanie zagrożenia przedsiębiorstw z wybranych branż, Ekonomista, Nr 1 (2014). [8] Konecka S., Machowiak W.:Zarządzanie ryzykiem i sytuacje kryzysowe w łańcuchu dostaw., Problemy zarządzania, Vol. 9, Nr 1(31), Warszawa, 2010. [9] Kołosowski A., Jóźwiak A.:Zrównoważony łańcuch dostaw. Systemy Logistyczne Wojsk, Nr 38/2012. [10] Nowak D., Gołembski M.:Stan i kierunku rozwoju faktoringu w Polsce, Zeszyty Naukowe Uniwersytetu Szczecińskiego, Finanse, Rynki Finansowe, Ubezpieczenia Nr 766, Szczecin, 2013. [11] Maciejewska J.:Rachunkowość finansowa, Wydawnictwo Szkolne i Pedagogiczne, Warszawa, 2000. [12] Mączyńska E.:Ekonomiczne aspekty upadłości przedsiębiorstw w Polsce, Wydawnictwo SGH, Warszawa, 2005. [13] Ohlson J.: Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting Research, Vol. 18, Nr 1 (1980). [14] Schumpeter J. A.:Capitalism, Socialism and Democracy, Wydawnictwo Harper, Wyd. 2, New York, 1975. [15] Sierpińska M., Jachna T.:Ocena Przedsiębiorstwa według standardów światowych, Wydawnictwo Naukowe PWN, Wyd. 3, Warszawa 2004. [16] Słownik terminologii logistycznej (red. Fertsch M.) ILiM, Poznań, 2006. 3561