Uniwersytet Ekonomiczny w Poznaniu Wydział Informatyki i Gospodarki Elektronicznej Katedra Ekonometrii Sergiusz Herman Specyfika branżowa oraz efektywność funkcjonowania spółek akcyjnych w Polsce a prognozowanie ich upadłości STRESZCZENIE ROZPRAWY DOKTORSKIEJ Promotor: dr hab. Dorota Appenzeller, prof. nadzw. UEP Poznań 2016
Upadłość przedsiębiorstw jest cechą każdej rozwiniętej gospodarki rynkowej. Ryzyko wystąpienia tego zjawiska jest przedmiotem zaintersowania szerokiej grupy interesariuszy przedsiębiorstwa m.in. jego właścicieli, pracowników, kierownictwa, wierzycieli oraz dostawców. Negatywne konsekwencje upadłości stały się bodźcem do podejmowania prób jej przewidywania prognozowania. Dynamiczny wzrost zainteresowania problematyką upadłości przedsiębiorstw przypadł na lata dwudzieste i trzydzieste XX wieku, będąc niejako owocem panującego w tym okresie kryzysu gospodarczego. Od tego czasu zarówno pracownicy naukowi, jak i praktycy biznesu dążą do znalezienia coraz bardziej skutecznych narzędzi prognozowania upadłości przedsiębiorstw. Dokonując przeglądu literatury stwierdzić można, iż zainteresowanie omawianą problematyką znajduje swoje odzwierciedlenie przede wszystkim w stosowaniu coraz bardziej zaawansowanych metod statystycznych. Jest to konsekwencją zarówno rozwoju samych metod, jak i technologii informacyjnych, umożliwiających ich implementację dla potrzeb prognozowania upadłości przedsiębiorstw. W konsekwencji cieszące się pierwotnie dużą popularnością metody statystyczne, coraz częściej ustępują miejsca metodom rozwiniętym na bazie sztucznej inteligencji oraz uczenia maszynowego. W literaturze można spotkać opisy szeregu badań empirycznych, których autorzy porównywali skuteczność różnych metod, wykorzystywanych do konstrukcji modeli prognozowania upadłości przedsiębiorstw. P. Ravi Kumar i V. Ravi [2007] dokonali kompleksowego przeglądu i charakterysyki aż 128 takich publikacji. Drugim obszarem zainteresowań badaczy, zajmujących się prognozowaniem upadłości przedsiębiorstw, są próby rozszerzania zbioru zmiennych prognostycznych, wykorzystywanych w tym celu. Powszechnie stosowane modele prognozowania upadłości bazują na wskaźnikach finansowych obliczanych na podstawie sprawozdań finansowych firm (bilansu oraz rachunku zysków i strat). Mimo bardzo szerokiej gamy tych wskaźników podejmowane są próby wykorzystania w modelach także innych zmiennych objaśniających. Przykładem mogą tu być wskaźniki konstruowane w oparciu o rachunek przepływów pieniężnych. Przeglądu polskich i zagranicznych badań empirycznych, związanych z wykorzystaniem takich wskaźników w prognozowaniu upadłości przedsiębiorstw, dokonał D. Wędzki [2008]. Innym przykładem rozszerzenia zbioru zmiennych objaśniających jest wykorzystanie w modelach prognozowania upadłości przedsiębiorstw wskaźnika efektywności ich funkcjonowania. Przeprowadzone w ostatnich latach, zarówno w Polsce, jak i na świecie badania empiryczne jednoznacznie wskazują, iż jedną z głównych przyczyn upadłości jest
nieumiejętne zarządzanie przedsiębiorstwami [np. Baldwin i in. 1997, Sudoł i Matuszak 2002, Szczerbak 2005]. W literaturze wskazuje się, iż jego następstwem jest niska efektywność funkcjonowania tychże podmiotów. Z tego też powodu w zagranicznych badaniach empirycznych podejmowane są pierwsze próby uwzględnienia wskaźnika efektywności jako dodatkowej zmiennej objaśniającej w modelach prognozowania upadłości [Xu i Wang 2009, Yeh i Hsu 2010]. W polskiej literaturze brakuje podobnego opracowania. Trzecim, obok stosowania coraz bardziej zaawansowanych narzędzi statystycznych oraz poszukiwania nowych zmiennych prognostycznych, kierunkiem badań nad prognozowaniem upadłości przedsiębiorstw, jest konstruowanie modeli, w których uwzględniona zostaje specyfika branżowa badanych przedsiębiorstw. Na słuszność takiego podejścia wskazuje m.in. światowy autorytet w dziedzinie prognozowania upadłości przedsiębiorstw E. I. Altman [1983, s. 125]. Podkreśla on, iż należy dążyć do szacowania modeli prognozowania upadłości, w oparciu o dane finansowe przedsiębiorstw, prowadzących możliwie jak najbardziej jednorodną działalność gospodarczą. W polskiej literaturze, ze względu na trudności ze zgromadzeniem odpowiednio licznej próby badawczej, rzadko podejmowane są próby konstrukcji modeli branżowych. Jedynie w dwóch przypadkach, autorzy badań dokonali porównania trafności klasyfikacji skonstruowanych modeli branżowych oraz modelu ogólnego (nieuwzględniającego specyfiki branżowej przedsiębiorstw) [Hołda 2006 oraz Juszczyk i Balina 2014]. Zdaniem autora rozprawy, wyniki żadnego z tych opracowań, ze względu na wykorzystaną metodę szacowania błędu predykcji skonstruowanych modeli, nie pozwalają jednoznacznie, wiarygodnie odpowiedzieć na pytanie, czy konstruowanie modeli branżowych pozwala poprawić zdolność predykcyjną w stosunku do modeli ogólnych. Niezależnie od przyjętej metody prognozowania upadłości przedsiębiorstw, zbioru zmiennych objaśniających oraz branży, której dotyczy badanie, jego nieodzownym etapem jest ocena zdolności predykcyjnej skonstruowanego narzędzia klasyfikatora. W literaturze wskazuje się, iż ocena taka powinna być dokonana na podstawie dużej, niezależnej próby obiektów, które nie zostały uwzględnione przy konstrukcji modelu. Często jednak, szczególnie w przypadku badań dotyczących polskiego rynku kapitałowego, trudno taką próbę uzyskać. Rozwiązaniem tej sytuacji jest wówczas wykorzystanie jednej z wielu, zaproponowanych w literaturze, metod szacowania błedu predykcji klasyfikatora. W zagranicznych publikacjach można spotkać opracowania, których celem jest ich empiryczna analiza porównawcza [np. Braga-Netto i Dougherty 2004, Milonaro i in. 2005, Kim 2009]. Badania te dotyczą najczęściej zastosowania klasyfikatorów w medycynie.
W polskiej literaturze brakuje opracowania poświęconego metodom szacowania błędu predykcji. Biorąc pod uwagę powyższe uwagi przyjęto, iż głównym celem rozprawy jest zbadanie wpływu uwzględnienia specyfiki branżowej oraz wskaźnika efektywności funkcjonowania spółek akcyjnych na zdolność predykcyjną modeli służących do prognozowania ich upadłości. Realizacja tak sformułowanego celu głównego pozwoli na weryfikację dwóch głównych hipotez pracy, które brzmią: H1. Branżowe modele prognozowania upadłości spółek akcyjnych w Polsce charakteryzuje wyższa zdolność predykcyjna w stosunku do modeli ogólnych, nieuwzględniających specyfiki branżowej. H2. Uwzględnienie uzyskanego metodą DEA wskaźnika efektywności funkcjonowania spółek akcyjnych w Polsce poprawia zdolność predykcyjną modeli wykorzystywanych do prognozowania ich upadłości. Obok dwóch hipotez głównych w rozprawie zweryfikowano także następującą hipotezę pomocniczą: H3. Uzyskany metodą DEA wskaźnik efektywności funkcjonowania spółek akcyjnych w Polsce jest istotną determinantą ich upadłości. Rozprawa została podzielona na sześć rozdziałów. Pierwsze trzy z nich mają charakter teoretyczny, pozostałe przedstawiają wyniki przeprowadzonej analizy empirycznej. W części teoretycznej rozprawy zdefiniowano pojęcie upadłości, przedstawiono jej przyczyny oraz dane statystyczne opisujące to zjawisko w Polsce i innych krajach europejskich. Następnie przedstawiono krótką historię rozwoju metod wykorzystywanych do prognozowania upadłości przedsiębiorstw, scharakteryzowano wybrane z nich oraz dokonano przeglądu modeli prognozowania upadłości przedsiębiorstw, skonstruowanych dla potrzeb polskiego rynku kapitałowego. Modele te podzielono zgodnie z kryterium uwzględnienia, bądź nie, specyfiki branżowej badanych podmiotów gospodarczych. W ostatnim rozdziale części teoretycznej rozprawy zdefiniowano pojęcie efektywności, scharakteryzowano podstawowe parametryczne i nieparametryczne metody jej pomiaru oraz przedstawiono przegląd badań empirycznych, których autorzy wykorzystują pomiar efektywności w celu prognozowania upadłości przedsiębiorstw Bardzo ważną rolę w rozprawie pełni część empiryczna. Badania empiryczne zostały przeprowadzone na przykładzie 180 spółek akcyjnych z polskiego rynku kapitałowego,
reprezentujących trzy branże gospodarki tj. budownictwo, przetwórstwo przemysłowe oraz handel. Wykorzystano liniową analizę dyskryminacyjną. W pierwszym etapie badania porównano własności statystyczne 12 estymatorów prawdziwego błędu predykcji klasyfikatora (ang. true error rate). Wykorzystano w tym celu trzy miary tj. obciążenie, odchylenie standardowe oraz błąd średniokwadratowy. Na tej podstawie ustalono, iż najbardziej pożądanymi własnościami z punktu widzenia prognozowania upadłości spółek akcyjnych w Polsce charakteryzuje się estymator 0,632+ uzyskany za pomocą metody wielokrotnego repróbkowania (ang. bootstrapping). W tej części rozprawy dokonano również analizy porównawczej sześciu wybranych, statystycznych metod doboru zmiennych do modelu. Metody te porównywane były z punktu widzenia ich selektywności (rozumianej jako średnia liczba zmiennych wprowadzonych do modelu przy jej zastosowaniu) oraz przeciętnego błędu predykcji modeli prognozowania upadłości, skonstruowanych z wykorzystaniem tychże metod. Uzyskane wyniki świadczą o tym, iż porównywane metody istotnie różnią się pod względem swojej selektywności. Ponadto stwierdzono, iż wybór metody doboru zmiennych do modelu ma wpływ na jego zdolność predykcyjną. Metody bazujące na wartości bezwzględnej statystyki t, gwarantują niższe wartości błędu predykcji niż pozostałe, poddane weryfikacji metody. Różnice te są statystycznie istotne. Wybór najlepszej metody szacowania błędu predykcji oraz doboru zmiennych do modelu pozwolił, w drugim etapie badania, na konstrukcję oraz oszacowanie błędu predykcji modeli branżowych oraz modeli ogólnych (nieuwzględniających specyfiki branżowej badanych spółek). Przedstawione wyniki prowadzą do wniosku, iż modele branżowe nie charakteryzują się niższym błędem predykcji, a tym samym większą zdolnością prognostyczną, w stosunku do modeli ogólnych. Tym samym nie udało się potwierdzić prawdziwości sformułowanej w rozprawie hipotezy H1, iż branżowe modele prognozowania upadłości spółek akcyjnych w Polsce charakteryzuje wyższa zdolność predykcyjna w stosunku do modeli ogólnych, nieuwzględniających specyfiki branżowej. W tej części rozprawy ustalono także determinanty upadłości spółek akcyjnych w poszczególnych, badanych branżach gospodarki. Wzięto pod uwagę zarówno postać skonstruowanych modeli branżowych, jak i zmienne, które zostały użyte przy konstrukcji modeli, wykorzystanych do oszacowania wartości ich prawdziwych błędów predykcji. Na tej podstawie stwierdzono, iż determinanty upadłości spółek akcyjnych w Polsce różnią się w poszczególnych branżach gospodarki. Konstruowanie branżowych modeli prognozowania
upadłości jest zatem zasadne, choć nie prowadzi do uzyskania modeli o istotnie wyższej zdolności predykcyjnej. W trzecim etapie badania oszacowano efektywność badanych spółek akcyjnych. Wykorzystano w tym celu model BCC. Porównując poziom wskaźników efektywności dla spółek sprawnie funkcjonujących oraz dla tych, wobec których ogłoszono upadłość zauważono, iż średnia wartość wskaźnika efektywności funkcjonowania tych pierwszych podmiotów jest zawsze, niezależnie od badanej branży, wyższa. Na podstawie uzyskanych wyników można również stwierdzić, iż w miarę zbliżania się upadłości różnica ta wzrasta. Z tego wynika, iż (zgodnie z intuicją) niższa efektywność funkcjonowania spółek akcyjnych w Polsce przyczynia się do pogorszenia ich kondycji finansowej, co może z kolei prowadzić do upadłości. Wyniki te świadczą o tym, iż udało się pozytywnie zweryfikować hipotezę H3 brzmiącą: uzyskany metodą DEA wskaźnik efektywności funkcjonowania spółek akcyjnych w Polsce jest istotną determinantą ich upadłości. Wykorzystując tę informację zdecydowano się zweryfikować, jaki wpływ na zdolność predykcyjną modeli prognozowania upadłości spółek akcyjnych może mieć uwzględnienie w nich wskaźnika efektywności. W tym celu zbadano, jak zmieni się błąd predykcji modelu ogólnego oraz modeli branżowych po uwzględnieniu przy ich konstrukcji wskaźnika efektywności. Na podstawie uzyskanych wyników stwierdzono, iż uwzględnienie tej dodatkowej zmiennej przyczynia się do niewielkiego zmniejszenia błędu predykcji analizowanych modeli. Jednocześnie okazało się, iż obecność wskaźnika efektywności w modelach zawsze poprawia trafność predykcji spółek, wobec których ogłoszono upadłość. Tym samym pozytywnie zweryfikowano hipotezę H2, iż uwzględnienie uzyskanego metodą DEA wskaźnika efektywności funkcjonowania spółek akcyjnych w Polsce poprawia zdolność predykcyjną modeli wykorzystywanych do prognozowania ich upadłości. Na tym etapie badania ustalono także determinanty efektywności spółek akcyjnych w badanych branżach gospodarki. Wykorzystano w tym celu podejście określane mianem uogólnionego DEA (ang. generalized DEA - GDEA). Rezultaty przeprowadzonej analizy potwierdziły, iż badanie efektywności spółek z różnych branż gospodarki wymaga uwzględnienia odmiennych zmiennych finansowych, opisujących nakłady oraz wyniki ich funkcjonowania. Takie postępowanie powoduje, iż oszacowane w ten sposób wskaźniki efektywności charakteryzują się bardzo wysoką zdolnością prognostyczną w prognozowaniu upadłości spółek akcyjnych.
Literatura (wybrana) Altman, E.I., 1983, Corporate financial distress: A complete guide to predicting, avoiding, and dealing with bankruptcy (1st ed.), John Wiley & Sons, New York. Baldwin J., Gray, T., Johnson, J., Proctor, J., Rafiguzzaman, M., Sabourin, D., 1997, Failing Concerns: Business Bankruptcy in Canada, Ministry of Industry, Ottawa. Braga-Neto, U.M., Dougherty, E.R., 2004, Is Cross-validation for Small-sample Microarray Classification?, Bioinformatics, 20(3), s. 374 380. Hołda, A., 2006, Zasada kontynuacji działalności i prognozowanie upadłości w polskich realiach gospodarczych, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków Juszczyk, S., Balina, R., 2014, Prognozowanie zagrożenia bankructwem przedsiębiorstw w wybranych branżach, Ekonomista nr 1,. s. 67-95. Kim J.H., 2009, Estimating classification error rate: Repeated cross-validation, repeated hold-out and bootstrap, Computational Statistics and Data Analysis 53, s. 3735-3745. Molinaro, A.M., Simon, R., Pfeiffer, R.M., 2005. Prediction error estimation: A comparison of resampling methods, Bioinformatics 21, s. 3301-3307. Ravi Kumar, P., Ravi, V., 2007, Bankruptcy prediction in banks and firms via statistical and intelligent techniques A review, European Journal of Operational Research 180, s. 1 28. Sudoł, S., Matuszak, M., 2002, Przyczyny rozwoju i upadku polskich przedsiębiorstw przemysłowych w okresie transformacji ustrojowej 1990-1998, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń. Szczerbak M., 2005, Przyczyny upadłości przedsiębiorstw w świetle opinii syndyków i nadzorców sądowych, w: Kuciński, K., Mączyńska, E.(red.), Zagrożenie upadłością, Szkoła Głowna Handlowa Oficyna Wydawnicza, Warszawa, s. 36-45. Wędzki, D., 2008, Przepływy pieniężne w prognozowaniu upadłości przedsiębiorstwa. Przegląd literatury, Badania Operacyjne i Decyzje, nr 2, s. 87-104. Xu, X., Wang, Y., 2009, Financial failure prediction using efficiency as a predictor, Expert Systems with Applications, Volume 36, Issue 1, s. 366 373. Yeh, C.C., Chi, D.J., Hsu, M.F., 2010, A hybrid approach of DEA, rough set and support vector machines for business failure prediction, Expert Systems with Applications, Volume 37, Issue 2, s. 1535 1541.