Jacek Szanduła * Pozyconowanie i ocena kondyci finansowe przedsiębiorstwa na tle konkurenci przy użyciu wielowymiarowe analizy porównawcze Wstęp Kondyca finansowa przedsiębiorstwa est zawiskiem złożonym. Je dokładny i wyczerpuący opis wymaga uwzględnienia wielu różnych aspektów działalności firmy. W tym celu wykorzystue się szerokie spektrum wskaźników finansowych, które umożliwiaą pomiar poszczególnych składowych kondyci finansowe. Wielowymiarowość problemu utrudnia ednoznaczną ocenę kondyci finansowe. Część wskaźników może wskazywać, że est ona dobra, podczas gdy inne w tym samym momencie mogą sygnalizować problemy. Sformułowanie wniosku na temat sytuaci finansowe est łatwiesze po wyznaczeniu syntetycznego wskaźnika rozwou ocenianego podmiotu. Skonstruowanie wskaźnika syntetycznego w przypadku kondyci finansowe wymaga uwzględnienia takich aspektów działalności przedsiębiorstwa ak rentowność, płynność finansowa, zadłużenie, sprawność działania i wartość rynkowa. Rozważania na ten temat podęli między innymi Pluta [1975], Szpulak [2001] czy Appenzeller [2008]. Budowa wskaźnika syntetycznego est zadaniem wieloetapowym wymagaącym podęcia szeregu decyzi w fazach: doboru zmiennych, procedur normalizaci oraz agregaci. Problematyczna także est interpretaca uzyskane wartości zmienne syntetyczne. Dokonanie oceny wymaga bowiem, aby istniał akiś punkt odniesienia, wzorzec do którego porównywany będzie otrzymany rezultat. Literatura przedmiotu pomia tę kwestię. Brak punktu odniesienia powodue, że trudno est określić, czy otrzymana wartość wskaźnika syntetycznego est dobra, satysfakconuąca czy też niezadowalaąca. Celem pracy est przedstawienie propozyci sposobu wyznaczania podstawy dla interpretaci wskaźnika syntetycznego. Autor ako wiodącą przymue tezę, że taką podstawą może być rozkład wskaźnika syntetycznego uzyskany na podstawie spółek działaących w edne branży. Dysponuąc rozkładem lub dystrybuantą rozkładu wskaźnika można łatwo obliczyć prawdopodobieństwo osiągnięcia określone wartości czyli uzyskać kluczową informacę konieczną do spozyconowania firmy na tle branży i oceny e kondyci finansowe. Propozyca obemue wykorzystanie rozkładu empirycznego ak i teoretycznego generowanego przy użyciu symulaci. W artykule opisane zostały procedury transformaci, normalizaci oraz agregaci zmiennych cząstkowych. Przedstawiona została procedura generowa- * Dr, Katedra Prognoz i Analiz Gospodarczych Wydziału Nauk Ekonomicznych Uniwersytetu Ekonomicznego we Wrocławiu, Jacek.Szandula@ue.wroc.pl
334 Jacek Szanduła nia teoretycznego rozkładu syntetycznego wskaźnika kondyci finansowe. Część empiryczna przedstawia zastosowanie proponowane procedury do stworzenia rankingu oraz oceny kondyci finansowe przedsiębiorstw funkconuących w branży przetwórstwa rybnego w Polsce. W badaniu posłużono się danymi pochodzącymi z rocznych sprawozdań finansowych dostępnych w bazie EMIS Emerging Markets [http://www.securities.com/]. 1. Normalizaca wskaźników finansowych Przy budowie zmienne syntetyczne niezwykle istotną kwestią est dokonanie podziału zmiennych cząstkowych ze względu na kryterium sposobu ich oddziaływania na opisywane zawisko. Według tego kryterium wyróżnia się stymulanty, destymulanty i nominanty. Do stymulant zalicza się te zmienne, których wzrost wartości oznacza sytuacę korzystną dla zawiska (np. rentowność). Wzrost wartości destymulanty oznacza sytuacę niekorzystną pożądane są wartości niskie (np. koszt wytworzenia produktu). Nominanty charakteryzuą się pewnym optymalnym (nominalnym) poziomem lub zakresem, od którego akiekolwiek odchylenia w górę czy w dół traktowane są ako niekorzystne (np. płynność finansowa). Określenie czy zmienna est stymulantą czy destymulantą na ogół nie przysparza trudności. W przypadku nominant poawia się problem ustalenia optymalnego poziomu zmienne. Pewne propozyce dotyczące optymalnych wartości niektórych wskaźników finansowych można znaleźć np. w pracach Sierpińskie i Jachny [2004], Redel [2007], Damodarana [2007], Kowalaka [2008], Machały [2008] czy Bienia [2011]. Ze względu na to, że zmienna syntetyczna est agregatem cząstkowych wskaźników, należy zadbać aby: 1) Wszystkie zmienne były stymulantami. W przypadku, gdy w badaniu poawiaą się destymulanty lub nominanty, trzeba dokonać transformaci zmiennych tak aby były stymulantami. Spośród wielu istnieących przekształceń (porówna np. [Grabiński 1989, s.28], [Walesiak 2006, s.18], [Kolenda 2006, s. 22]) autor proponue następuące: (a) dla destymulant: s xi xi, (1) gdzie: = 1, 2,, m; m liczba wskaźników (liczba zmiennych); i = 1, 2,, n; n liczba obserwaci wskaźnika (tu liczba przedsiębiorstw); s x. i-ta wartość wskaźnika X przekształcona na stymulantę; i x,i i-ta wartość wskaźnika X ; (b) dla nominant: 0, dla x s x. i x, nomg, x. i dla x. i x, nom, D dla gdzie:, nom, D x x. i. i x x x. i x, nomg,, nom, D, nomg,, (2)
Pozyconowanie i ocena kondyci finansowe 335 x,nom, D dolna wartość nominalnego przedziału wskaźnika X ; x,nom,g górna wartość nominalnego przedziału wskaźnika X. 2) Zmienne nie posiadały dodatkowych progów veta. Propozycę postępowania ze zmiennymi z progami veta podaą Strahl i Walesiak [1997]. 3) Zmienne były wzaemnie porównywalne. Wskaźniki finansowe na ogół wyrażone są w różnych ednostkach (np. w zł, zł/szt., dni, niektóre są pozbawione mian), co uniemożliwia ich bezpośrednią agregacę. Różne są także wartości średnie oraz wariance poszczególnych zmiennych. Doprowadzenie poszczególnych wskaźników cząstkowych do wzaemne porównywalności wymaga przeprowadzenia normalizaci. Szereg procedur normalizacynych dae się sprowadzić do ogólnego wzoru [Grabiński 1988, s. 244]: x, i a x', i k b, (3) gdzie: x,i i-ta znormalizowana wartość wskaźnika X ; a odemnik przymuący wartości: 0, x,min, x, P l, ; b dzielnik przymuący wartości: x,max, x,min, x,nom, D, x,nom,g, x,wz, n x i i1., R, P l, ; x,max maksymalna wartość wskaźnika X ; x,min minimalna wartość wskaźnika X ; x średnia wartość wskaźnika X : x 1 n x, i n i1 x,wz wzorcowa wartość wskaźnika X ; s odchylenie standardowe wskaźnika X : R rozstęp wskaźnika X : s R 1 n p n x, i x i1. max.min 2 x, s, (4) (5) x x (6) P l, wartość l-tego percentyla wskaźnika X ; numer percentyla l naczęście wynosi: l = 5, 10, 25, 50, 75, 90, 95; k mnożnik przymuący na ogół wartości: k = 1 lub k = 1; p wykładnik potęgowy zazwycza przymuący wartości: p = 1, 0,5, 1, 2. Możliwość podstawienia różnych wartości do wzoru (3) skutkue szeroką gamą procedur normalizacynych. W praktyce naczęście stosowana est standaryzaca:
336 Jacek Szanduła, x. i x x. i. (7) s Zmienna zestandaryzowana pozbawiona est miana, ma zerową średnią oraz ednostkową wariancę. Je rozstęp wynosi: ' R R. (8) s 2. Konstrukca syntetycznego miernika kondyci finansowe Wskaźnik syntetyczny powstae ako średnia arytmetyczna ważona wskaźników cząstkowych: z m i 1 w x', (9) gdzie: z i i-ta obserwaca wskaźnika syntetycznego (wskaźnik syntetyczny dla i-tego przedsiębiorstwa); w waga -tego wskaźnika. Ważną kwestią do rozstrzygnięcia est sposób ważenia poszczególnych wskaźników finansowych. Wagi w we wzorze (9) odzwierciedlaą względne znaczenie danego wskaźnika w ocenie kondyci finansowe. Problem ich doboru nie est definitywnie rozwiązany. Grabiński [1988 s. 243] wskazue na możliwość powiązania systemu wag ze współczynnikami zmienności zmiennych cząstkowych przed normalizacą: V w m, (10) V 1 gdzie V współczynnik zmienności -te zmienne: s V. (11) x Wśród stosowanych rozwiązań określania wartości wag poszczególnych wskaźników cząstkowych można znaleźć także metody eksperckie. Z uwagi na brak uniwersalnych wskazówek co do sposobu ważenia wskaźników, częstym rozwiązaniem est także rezygnaca z różnicowania wag i wyznaczenie zmienne syntetyczne na poziomie średnie arytmetyczne proste ze wskaźników cząstkowych. Wskaźnik syntetyczny kondyci finansowe określony wzorem (9) będąc wypukłą kombinacą stymulant sam est stymulantą. Zatem im wyższa ego wartość, tym lepszą kondycą finansową charakteryzue się dane przedsiębiorstwo. Na ego podstawie można więc sporządzić ranking przedsiębiorstw. Jednakże brak ustalonego punktu odniesienia uniemożliwia sensowną interpretacę wyników. Czy np. wartość wskaźnika syntetycznego równa 1,2 oznacza dobrą kondycę przedsiębiorstwa na tle konkurenci? Przy silnie asymetrycznych rozkładach może się okazać, że est to wartość ledwie przeciętna. Z kolei przy innym rozkładzie nawet 0,3 może oznaczać nalepszego w branży o doskonałe, i
Pozyconowanie i ocena kondyci finansowe 337 kondyci finansowe. Dlatego rzetelna ocena kondyci finansowe przedsiębiorstwa może i powinna zostać przeprowadzona na podstawie wartości wskaźnika syntetycznego po poznaniu ego rozkładu. 3. Wyznaczenie dystrybuanty rozkładu wskaźnika syntetycznego kondyci finansowe Oszacowanie dystrybuanty rozkładu wskaźnika syntetycznego znacząco ułatwia interpretacę uzyskanych wyników. Z definici wartości dystrybuanty należą do przedziału 0 1. Dla znane wielkości wskaźnika syntetycznego można, posługuąc się dystrybuantą ego rozkładu, obliczyć odsetek przedsiębiorstw o gorsze kondyci finansowe od analizowanego przedsiębiorstwa. Dystrybuanta wskaźnika syntetycznego może przyąć postać empiryczną lub teoretyczną. Przy duże próbie badanych przedsiębiorstw rozkład empiryczny wraz z ego dystrybuantą może wystarczyć do wyciągnięcia poprawnych wniosków na temat kondyci finansowe poszczególnych przedsiębiorstw. W przypadku małe próby a także w celu ustabilizowania podstawy porównań warto wyznaczyć teoretyczną dystrybuantę rozkładu wskaźnika syntetycznego. Wyznaczenie dystrybuanty empiryczne przy założeniu znaomości wszystkich wartości empirycznych wskaźnika syntetycznego est zadaniem stosunkowo łatwym, dlatego w dalsze części omówiony zostanie sposób wyznaczania dystrybuanty teoretyczne. Na ogół wyznaczenie teoretyczne dystrybuanty zmienne syntetyczne nie est zadaniem trywialnym. Jeśli zbiór wskaźników wykorzystanych do konstrukci wskaźnika syntetycznego nie zawiera nominant i każdy ze wskaźników charakteryzue się rozkładem normalnym X ~N(μ, σ ), to po ich standaryzaci powstanie m zmiennych o standardowym rozkładzie normalnym X ~N(0, 1). Zakładaąc niezależność poszczególnych wskaźników i przymuąc równe wagi, średnia, reprezentuąca wskaźnik syntetyczny kondyci finansowe wyznaczony wg wzoru (9), oszacowana na podstawie m niezależnych prób losowanych z takich rozkładów, będzie miała rozkład normalny następuące postaci: 1 Z ~ N 0,. (12) W takim przypadku dystrybuanta rozkładu wskaźnika syntetycznego kondyci finansowe przymie postać: z m Fz PZ z e 2 dx. (13) 2 Na ogół ednak wśród wskaźników określaących kondycę finansową znaduą się nominanty. Transformaca nominanty na stymulantę według wzoru (2) spowodue, że rozkład nowe zmienne (na ogół) stanie się mieszanką rozkładu ciągłego i dyskretnego. Do sytuaci te doprowadzą obserwace obiektów, których wskaźniki należą do zalecanego (nominalnego) przedziału. Przekształcenie w stymulantę spowodue, że wszystkie przymą wartość 0. Po standaryzaci z kolei osiągną wartość m 2 mx X s, powoduąc, że w punkcie tym zgromadzi
338 Jacek Szanduła się masa prawdopodobieństwa, często doprowadzaąc do silne lewostronne asymetrii rozkładu. W związku z tym analityczne rozwiązanie problemu szacowania rozkładu wskaźnika syntetycznego kondyci finansowe Z w ogólnym przypadku nie est możliwe. Rozkład ten za każdym razem musi być wyznaczany ako splot rozkładów zmiennych tworzących wskaźnik syntetyczny. Dlatego autor proponue odstąpić od analitycznego szacowania rozkładu wskaźnika syntetycznego na rzecz symulaci bazuące na rozkładach empirycznych zestandaryzowanych wskaźników cząstkowych. Procedura symulaci przebiega według następuącego schematu: 1) Ustalenie liczby prób N. 2) Utworzenie macierzy losowania M, które elementy reprezentuą przekształcone według wzorów (1) i (2), a następnie znormalizowane według wzoru (7), wskaźniki finansowe X 1, X 2,, X m :,, x1.1 x m.1 M (14),, x1. n xn. m ( nm) 3) Utworzenie obiektu P: P = (p 1 p 2 p m ) (1 m) (15) Element p wektora (obiektu) P powstae ako wynik losowania edne wartości z -te kolumny macierzy M. Obiekt P można traktować ako pewnego rodzau wirtualne przedsiębiorstwo charakteryzuące się wylosowanymi własnościami finansowymi. 4) Podstawiaąc do wzoru (9) wartości p 1, p 2,, p m obliczany est wskaźnik syntetyczny obiektu P. 5) Próby powtarzane są N razy. W rezultacie uzyskue się N wartości wskaźnika syntetycznego, które umożliwiaą wyznaczenie rozkładu wskaźnika syntetycznego kondyci finansowe. 6) Dla interesuącego nas przedsiębiorstwa można, wykorzystuąc dystrybuantę rozkładu wskaźnika syntetycznego kondyci finansowe, odczytać odsetek przedsiębiorstw, których kondyca finansowa est co nawyże taka, ak interesuącego nas przedsiębiorstwa. Wartość ta odpowiada dystrybuancie rozkładu zmienne Z, czyli est poszukiwaną wartością F(z) ze wzoru (13). Jakość przybliżenia rozkładu w proponowany sposób zależy głównie od liczby wykonanych prób N. Strata polegaąca na mniesze precyzi oszacowania tego rozkładu w porównaniu z rozwiązaniem analitycznym est pozorna, gdyż rozwiązanie analityczne wymaga przyęcia założenia o postaci rozkładu zmienne X, które dokonywane est na podstawie zbioru empirycznego X i także est obarczone błędem. Zaletą proponowane symulaci est możliwość e przeprowadzenia zarówno dla rozkładów dyskretnych, ciągłych ak i mieszanych. Na uwadze ednak należy mieć fakt, że prezentowane podeście może zostać zrealizowane pod warunkiem że wszystkie zmienne cząstkowe X są wzaemnie niezależne. Przed przystąpieniem do symulaci należy sprawdzić, czy wskaźniki cząstkowe składaące się na wskaźnik syntetyczny można uznać
Pozyconowanie i ocena kondyci finansowe 339 za niezależne. O niezależność poszczególnych wskaźników finansowych można się postarać na etapie ich doboru wybieraąc e w taki sposób, aby reprezentowały możliwie szerokie spektrum aspektów związanych z kondycą finansową, a ednocześnie dbaąc by nie powtarzały tych samych informaci. Można to osiągnąć posługuąc się na przykład analizą macierzy współczynników korelaci czy analizą czynnikową (zobacz np. [Aczel 2000, s.906-911 ], [Child 2006]). 4. Przykład empiryczny Badaną populacę tworzą 42 przedsiębiorstwa z branży przetwórstwa rybnego w Polsce zobligowane do publikaci sprawozdań finansowych. Dane pochodzą ze sprawozdań finansowych przedsiębiorstw za 2009 rok (częściowo za 2008 patrz obaśnienia do tablicy 1) zgromadzonych w bazie EMIS Emerging Markets [http://www.securities.com/]. Dobór wskaźników finansowych przeprowadzony został w dwóch etapach: 1) Analizy merytoryczne, 2) Analizy statystyczne. Na podstawie analizy merytoryczne wstępnie do konstrukci wskaźnika syntetycznego zakwalifikowanych zostało 9 wskaźników z 5 obszarów określaących kondycę finansową przedsiębiorstwa: 1) Obszar rentowności: zysk (strata) netto Rentowność aktywów (ROA) = 100% aktywa ogółem. (16) zysk (strata) ze sprzedaży Rentowność sprzedaży (RS) = 100% przychody netto ze sprzedaży. (17) 2) Obszar płynności finansowe: aktywa obrotowe Wskaźnik bieżący (WB) = zobowiązania krótkoterminowe. (18) 3) Obszar zadłużenia: zobowiązania i rezerwy na zobowiązania Stopa zadłużenia (SZ) = pasywa 4) Obszar sprawności działania: przychody netto ze sprzedaży Rotaca aktywów (RA) = aktywa ogółem przychody netto ze sprzedaży Rotaca aktywów obrotowych (RAO) = aktywa obrotowe 365 (należności+zapasy) Cykl operacyny (CO) = przychody netto ze sprzedaży (19) (20) (21) (22) 5) Obszar wartości rynkowe: przychody netto ze sprzedaży Udział w sektorze (U) = 100% przychody netto ze sprzedaży sektora (23) przychody netto ze sprzedaży t Dynamika przychodów (DP) = (24) przychody netto ze sprzedaży t-1
340 Jacek Szanduła Tablica 1 zawiera zestawienie wskaźników finansowych badanych przedsiębiorstw. Tablica 1. Wskaźniki finansowe przedsiębiorstw branży przetwórstwa rybnego Przedsiębiorstwo ROA RS CO U DP WB SZ RA RAO [%] [%] [dni] [%] Abramczyk* 4,67 7,35 1,19 0,26 1,52 1,80 201 1,69 1,04 Agro-Fish -7,29-6,12 0,98 0,61 1,40 4,18 82 0,16 0,93 Artryb 1,67 3,09 1,17 0,35 2,80 3,68 98 0,50 1,04 Central Soya -4,87 10,23 6,07 0,88 1,73 2,43 25 0,43 0,82 Contimax 0,74 1,53 0,84 0,26 1,77 3,18 109 1,78 1,35 Espersen Polska 5,48 3,86 1,58 0,53 2,19 3,07 117 6,10 1,05 Excelsior Delikatesy 11,45 6,24 2,82 0,73 2,73 3,92 62 0,47 1,04 FPR Mieszko 35,04 10,73 0,75 0,29 4,67 9,54 26 0,59 1,34 Foodmark-Poland 0,01 17,03 0,32 0,26 0,38 1,67 94 0,19 1,22 Friedrichs Polska -6,91-5,86 0,37 0,14 1,36 5,03 69 0,40 0,99 Frosta 1,64 4,25 2,23 0,59 1,58 3,62 88 4,43 1,19 Graal 0,63 17,47 1,12 0,64 0,77 1,89 47 4,27 1,07 GK Ternaeben Polska 13,70 0,00 1,46 0,55 3,52 6,11 48 1,69 1,15 GK WWŻ Profi 7,40 6,83 1,34 0,58 1,80 4,02 82 3,50 0,98 Jantar Ltd. 0,61 3,46 1,14 0,88 0,76 5,83 53 0,26 0,69 Koral 5,89 8,10 1,14 0,59 1,34 2,89 15 2,07 1,09 Kordex Sp. z o.o. 10,49 9,88 1,89 0,67 2,63 4,16 80 0,47 1,67 Laurin Seafood 18,94 13,72 1,25 0,39 2,03 2,80 127 4,93 1,02 McLean Brothers Poland 15,92 20,31 14,56 0,96 1,07 2,10 71 0,28 1,12 Morpol 13,63 11,48 1,83 0,57 1,50 2,12 148 25,91 1,51 Nord Capital 7,40 2,01 0,98 0,21 2,36 3,49 75 2,31 0,77 Nordfish 5,62 2,65 1,08 0,39 1,93 4,77 76 0,61 1,07 Nordfish-Foodmark 5,83 5,40 1,10 0,49 1,74 3,10 109 1,09 1,35 Polinord 1,88 1,80 0,84 0,41 1,70 3,47 105 1,88 1,06 Pommernfisch -6,13-0,27 0,78 0,45 1,79 5,17 69 0,48 1,18 Proryb -16,35-4,69 0,49 0,26 1,61 4,75 72 0,84 0,99 PPiUR Szkuner 1,24-30,36 4,58 0,75 0,36 1,62 178 0,37 0,89 PPH Morfish* -2,27-3,90 1,67 0,68 0,77 1,47 172 0,71 0,73 PPH Pirs 2,82 2,61 1,01 0,33 2,53 4,35 81 0,66 1,17 PPHU BMC 4,11 2,65 1,08 0,38 2,01 3,53 99 0,57 0,97 PR Łosoś 7,24 4,36 1,43 0,49 1,47 2,69 130 1,91 1,15 PRW Piątek 16,26 6,45 1,01 0,54 2,50 5,83 37 1,10 1,29 Royal Greenland Seafood -13,01-2,98 2,01 0,58 0,81 1,27 285 4,32 3,84 Rybak 1,88 2,59 21,22 0,99 0,74 2,99 23 0,09 1,31 Rybhand Trzcielińscy* 5,55 2,79 0,82 0,53 1,82 5,62 63 1,54 0,97 Seko 5,41 20,56 2,12 0,67 1,56 2,86 88 2,12 1,02 Suempol 4,20 2,13 1,19 0,45 2,10 3,58 98 4,75 1,39 Superfish 0,97 25,10 1,15 0,57 0,94 2,18 164 1,93 1,07 Uniq Lisner 7,95 5,65 1,76 0,60 2,44 4,22 83 8,55 0,66 Wilbo 0,80 24,66 2,57 0,69 1,53 2,37 152 3,18 1,12 ZPR Mirko 2,20 3,64 1,13 0,54 0,63 2,68 124 0,23 0,94 ZMK Delikates 7,16 6,79 3,70 0,79 1,36 1,95 177 0,63 0,96 *dane za rok 2008; Źródło: Obliczenia własne na podstawie danych z bazy EMIS Emerging Markets.
Pozyconowanie i ocena kondyci finansowe 341 Wśród wybranych wskaźników cykl operacyny est destymulantą, wskaźnik bieżący i wskaźnik zadłużenia nominantami, a pozostałe wskaźniki są stymulantami. W literaturze przedmiotu ako zalecany przedział dla wskaźnika bieżącego przymue się od 1,2 do 2 [Sierpińska i Jachna 2004, s.147], uznaąc, że zarówno brak płynności ak i nadmierna płynność nie są korzystne dla funkconowania firmy. Zbyt niska płynność wiąże się z ryzykiem niewypłacalności. Z kolei zbyt wysoka płynność może oznaczać nieefektywne gospodarowanie zasobami finansowymi. Tych dwóch sytuaci nie można ednak traktować symetrycznie. Brak zdolności terminowe spłaty zobowiązań może prowadzić do poważnych komplikaci od pogorszenia relaci z dostawcami, poprzez spowolnienie lub wstrzymanie procesu produkci ze względu na ograniczenie dostaw do upadłości firmy włącznie. Ponadto istotą wskaźników płynności est ostrzeganie przed ryzykiem niewypłacalności, a nie ocena efektywności gospodarowania finansami. Dlatego autor proponue przyąć dla wskaźnika bieżącego zalecany przedział [1,2; ). Oznacza to, że nadpłynność nie będzie negatywnie wpływać na wartość wskaźnika syntetycznego. Efektywność działania we wskaźniku syntetycznym będzie wyrażona poprzez inne wskaźniki. W przypadku wskaźnika zadłużenia zalecany przedział spotykany w literaturze to od 0,57 do 0,67 [Sierpińska i Jachna 2004, s.167]. Zbyt duży udział finansowania obcego w strukturze pasywów wiąże się z koniecznością spłaty długu a więc z ryzykiem utraty finansowania. Z kolei niska wartość wskaźnika zadłużenia oznacza słabe wykorzystanie kapitałów obcych niski efekt dźwigni finansowe. Tak ak w poprzednim przypadku także i tuta nie można uznać obu tych sytuaci za porównywalne. Głównym celem wskaźnika zadłużenia est informowanie o potencalnie zbyt dużym zadłużeniu. Dlatego w badaniu dla wskaźnika zadłużenia autor proponue zalecany przedział w granicach [0; 0,6]. Oznacza to, że niski udział kapitałów obcych nie będzie postrzegany ako sytuaca niekorzystna. Destymulanta i nominanty przekształcone zostały w stymulanty przy wykorzystaniu wzorów (1) i (2). Następnie zmienne zostały poddane standaryzaci wzór (7). Dla zmiennych standaryzowanych obliczono współczynniki korelaci ich zestawienie zawiera tablica 2. Tablica 2. Współczynniki korelaci wskaźników po standaryzaci ROA RS WB SZ RA RAO CO U DP ROA 1 0,34 0,25 0,00 0,60 0,38 0,26 0,18-0,14 RS 0,34 1 0,13-0,08 0,07-0,12 0,13 0,17-0,02 WB 0,25 0,13 1-0,29-0,01-0,35-0,25 0,23 0,06 SZ 0,00-0,08-0,29 1 0,32 0,18-0,19 0,22 0,14 RA 0,60 0,07-0,01 0,32 1 0,72 0,38 0,01-0,04 RAO 0,38-0,12-0,35 0,18 0,72 1 0,60-0,19-0,15 CO 0,26 0,13-0,25-0,19 0,38 0,60 1-0,22-0,46 U 0,18 0,17 0,23 0,22 0,01-0,19-0,22 1 0,17 DP -0,14-0,02 0,06 0,14-0,04-0,15-0,46 0,17 1 Źródło: Obliczenia własne.
342 Jacek Szanduła Ze względu na to, że procedura symulaci wymaga, aby zmienne tworzące wskaźnik syntetyczny były niezależne, początkowy zbiór zmiennych został zredukowany. Redukci zbioru zmiennych dokonano korzystaąc z analizy czynnikowe oraz dodatkowo, maąc na uwadze konieczność wyeliminowania zmiennych skorelowanych, przyęto krytyczną wartość współczynnika korelaci na poziomie 0,22 (p-value równe 0,165). Końcowy zestaw zmiennych użytych w badaniu stanowią: rentowność sprzedaży, stopa zadłużenia, rotaca aktywów obrotowych, udział w sektorze oraz dynamika przychodów. Wskaźniki syntetyczne obliczono korzystaąc ze wzoru (9). Przyęty został system wag ednakowych. Rozkład teoretyczny wskaźnika syntetycznego uzyskano na podstawie miliona symulaci. Obliczenia wykonano w programie Matlab R2007a korzystaąc z autorskiego skryptu. Rysunek 1 przedstawia empiryczny i teoretyczny rozkład wskaźnika syntetycznego. W tablicy 3 zamieszczone zostały podstawowe parametry rozkładu teoretycznego. Cechue się on leptokurtycznością oraz dość silną asymetrią prawostronną. Rysunek 1. Empiryczny i teoretyczny rozkład wskaźnika syntetycznego Rozkład empiryczny Rozkład teoretyczny -3-2 -1 0 1 2 3 Źródło: Opracowanie własne. Tablica 3. Parametry rozkładu teoretycznego Parametr rozkładu Wartość Średnia 0,0008 Odchylenie standardowe 0,4475 Współczynnik asymetrii 0,6764 Kurtoza 2,2785 Źródło: Opracowanie własne. Tablica 4 przedstawia ranking przedsiębiorstw branży przetwórstwa rybnego sporządzony na podstawie wartości wskaźników syntetycznych. Dla każdego przedsiębiorstwa wyznaczona została wartość dystrybuanty empiryczne F e (z) oraz teoretyczne Fz ˆ ( ). Dystrybuanta empiryczna określa zaobserwowany a teoretyczna teoretyczny odsetek przedsiębiorstw o kondyci finansowe nie
Pozyconowanie i ocena kondyci finansowe 343 Tablica 4. Ranking przedsiębiorstw branży przetwórstwa rybnego Pozyca Przedsiębiorstwo Wskaźnik syntetyczny (Z) Fe () z F ˆ ( z ) 1 Morpol 1,354 1,000 0,988 2 FPR Mieszko 0,971 0,976 0,963 3 Royal Greenland Seafood 0,882 0,952 0,955 4 PRW Piątek 0,415 0,929 0,872 5 Superfish 0,299 0,905 0,814 6 Uniq Lisner 0,289 0,881 0,807 7 GKTernaeben Polska 0,281 0,857 0,801 8 Kordex 0,277 0,833 0,799 9 Laurin Seafood 0,259 0,810 0,786 10 Suempol 0,259 0,786 0,786 11 Wilbo 0,214 0,762 0,751 12 Frosta 0,208 0,738 0,747 13 Rybhand Trzcielińscy 0,196 0,714 0,736 14 GK WWŻ Profi 0,178 0,690 0,720 15 Espersen Polska 0,149 0,667 0,693 16 Seko 0,147 0,643 0,691 17 Graal 0,134 0,619 0,679 18 Pommernfisch 0,110 0,595 0,655 19 Nordfish 0,081 0,571 0,625 20 PPH Pirs 0,074 0,548 0,618 21 Nordfish-Foodmark 0,073 0,524 0,616 22 Foodmark-Poland 0,043 0,500 0,582 23 Koral 0,041 0,476 0,580 24 Contimax 0,031 0,452 0,568 25 Polinord -0,043 0,429 0,482 26 PR Łosoś -0,047 0,405 0,476 27 Artryb -0,065 0,381 0,454 28 Proryb -0,102 0,357 0,410 29 Friedrichs Polska -0,113 0,333 0,398 30 PPHU BMC -0,120 0,310 0,389 31 Nord Capital -0,141 0,286 0,364 32 Abramczyk -0,156 0,262 0,347 33 Excelsior Delikatesy -0,223 0,238 0,275 34 ZPR Mirko -0,233 0,214 0,264 35 Agro-Fish -0,285 0,190 0,217 36 Jantar Ltd. -0,507 0,167 0,097 37 McLean Brothers Poland -0,590 0,143 0,074 38 ZMK Delikates -0,600 0,119 0,072 39 Central Soya -0,724 0,095 0,047 40 PPH Morfish -0,783 0,071 0,037 41 Rybak -0,828 0,048 0,030 42 PPiUR Szkuner -1,405 0,024 0,001 Źródło: Opracowanie własne.
344 Jacek Szanduła lepsze od badanego obiektu. Wartość dystrybuanty teoretyczne informue dokładnie ile obiektowi brakue do idealnego wzorca, który osiągnąłby wartość 1. Na przykład piąty w rankingu Superfish est w rzeczywistości gorszy od zaledwie 9,5% (F e (z) = 0,905) firm w branży lecz teoretycznie do nalepszego brakue mu aż 18,6% ( Fz ˆ ( ) = 0,814). Wynika to z faktu, że następne przedsiębiorstwa aż do dziesiątego w rankingu włącznie nie maą duże straty do Superfish biorąc pod uwagę wartość wskaźnika syntetycznego zaledwie 0,04. Dystrybuanta teoretyczna dae lepszą informacę w porównaniu z dystrybuantą empiryczną na temat tego, ile należy poprawić, aby być nalepszym w branży. Nawet nalepszy w branży Morpol, góruący pod wieloma względami nad konkurencą, otrzymue wskazówkę, że są obszary kondyci finansowe, które w innych firmach kształtuą się lepie. Zakończenie Kondyca finansowa przedsiębiorstwa est zawiskiem złożonym. Można ą ednak opisać za pomocą wskaźnika syntetycznego. Takie rozwiązanie znacząco ułatwia ocenę kondyci finansowe w przypadku gdy różne wskaźniki cząstkowe daą sprzeczne sygnały. Wyznaczenie wartości wskaźnika syntetycznego dla poedynczego przedsiębiorstwa nie est ednak wystarczaące przeprowadzenie oceny wymaga bowiem, aby istniał akiś punkt odniesienia, podstawa, do które odnoszony będzie otrzymany wynik. Punktem odniesienia dla kondyci finansowe przedsiębiorstwa może być rozkład wskaźnika syntetycznego uzyskanego na podstawie przedsiębiorstw z branży. Wykorzystanie do oceny kondyci finansowe dystrybuanty rozkładu wskaźnika syntetycznego likwidue problemy z interpretacą wartości samego wskaźnika syntetycznego. Do tego celu nadae się zarówno rozkład empiryczny ak i teoretyczny. Rozkład teoretyczny ma tę przewagę nad empirycznym, że umożliwia dokładnieszą ocenę kondyci finansowe. Problemem może być ednak przeprowadzenie symulaci w przypadku, gdy cząstkowe wskaźniki wykazuą wzaemną zależność. Prezentowane podeście symulowania rozkładu wskaźnika syntetycznego w celu ułatwienia interpretaci ego wartości nie ogranicza się edynie do kondyci finansowe przedsiębiorstwa. Proponowane rozwiązanie z powodzeniem można wykorzystać w badaniu innych zawisk złożonych. Zawsze, gdy konstruowana est miara syntetyczna np. w badaniu akości życia, rozwou społeczno-gospodarczego i wielu innych poznanie rozkładu takie zmienne ułatwia ocenę sytuaci i interpretacę wyników. Literatura 1. Aczel A. D. (2000), Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2. Appenzeller D. (2008), Metodologiczne problemy oceny i prognozowania kondyci finansowe [w:] Prognozowanie w zarządzaniu firmą, Wydawnictwo Indygo Zahir Media
Pozyconowanie i ocena kondyci finansowe 345 3. Child D. (2006), The essentials of factor analysis, Continuum International Publishing Group, Nowy Jork 4. Damodaran A. (2007), Finanse korporacyne : teoria i praktyka, Helion, Gliwice 5. Grabiński T. (1989), Funkce i mierniki odległości [w:] Metody taksonomii numeryczne w modelowaniu zawisk społeczno-gospodarczych, red. Zeliaś A., PWN, Warszawa 6. Grabiński T. (1988), Metody statystyczne analizy porównawcze [w:] Metody statystyki międzynarodowe, red. Zeliaś, PWE, Warszawa 7. http://www.securities.com/ stan na 10-05-2011 8. Kolenda M. (2006), Taksonomia numeryczna. Klasyfikaca, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo Akademii Ekonomiczne we Wrocławiu, Wrocław 9. Kowalak R. (2008), Ocena kondyci finansowe przedsiębiorstwa w badaniu zagrożenia upadłością, Ośrodek Doradztwa i Doskonalenia Kadr, Gdańsk 10. Machała R. (2008), Zarządzanie finansami i wycena firmy, Oficyna Wydawnicza Unimex, Wrocław 11. Pluta W. (1975), Zastosowanie metod taksonomicznych i analizy czynnikowe do konstruowania syntetycznych wskaźników technicznoekonomicznych, Przegląd Statystyczny nr 2 12. Redel D. (2007), Wykorzystanie sprawozdawczości finansowe do celów analitycznych [w:] Finanse przedsiębiorstwa, red. Szczepański J., Szyszko L., PWE, Warszawa 13. Sierpińska M., Jachna T.(2004), Ocena przedsiębiorstwa wg standardów światowych, Wydawnictwo Naukowe PWN, Warszawa 14. Strahl D., Walesiak M. (1997), Normalizaca zmiennych w skali przedziałowe i ilorazowe w referencynym systemie granicznym, Przegląd Statystyczny nr 1 15. Szpulak A. (2002), Ocena i prognoza kondyci finansowe działu produkci artykułów spożywczych i napoów, Prace Naukowe Akademii Ekonomiczne nr 950 16. Walesiak M. (2006), Uogólniona miara odległości w statystyczne analizie wielowymiarowe, Wydawnictwo Akademii Ekonomiczne we Wrocławiu, Wrocław Streszczenie W artykule rozważany est problem oceny kondyci finansowe przedsiębiorstwa. Kondyca finansowa ako zawisko złożone wymaga uwzględnienia wielu różnych czynników. Do e wyczerpuącego opisu należy wykorzystać co namnie kilka wskaźników finansowych. Na ich podstawie można wyznaczyć miarę syntetyczną ułatwiaącą ocenę kondyci finansowe nawet wówczas, gdy różne wskaźniki daą sprzeczne sygnały. Literatura przedmiotu, ak dotąd, nie rozwiązue w należyty sposób problemu interpretaci uzyskiwanych wartości.
346 Jacek Szanduła W pracy przedstawiona została propozyca sposobu wyznaczania podstawy dla interpretaci wskaźnika syntetycznego, za którą przyęto rozkład wskaźnika syntetycznego uzyskany na podstawie spółek działaących w edne branży. Propozyca obemue wykorzystanie rozkładu empirycznego ak i teoretycznego generowanego przy użyciu symulaci. Przedstawiono procedurę symulaci rozkładu teoretycznego syntetycznego wskaźnika kondyci finansowe. Część empiryczną zilustrowano na przykładzie branży przetwórstwa rybnego w Polsce. The positioning and evaluation of the company financial condition against the background of the competitors by using multivariate analysis (Summary) The paper regards the problem of evaluation a company financial performance. Financial performance as a complex phenomenon requires consideration of many factors. Its thorough description must use at least few financial indicators. On their basis an aggregate indicator can be calculated for an easy evaluation of a financial performance, even when different indicators give ambiguous signals. So far the literature does not solve the problem of interpretation of derived values in an appropriate way. The paper presents a proposal on how to delimit the base for the interpretation of the aggregate indicator, which is adopted for the distribution of the aggregate indicator obtained from companies operating in the same industry. The proposal involves the use of both the empirical and theoretical distribution. To estimate the theoretical distribution a simulation procedure has been provided. The empirical part is illustrated of the example of the fish processing industry in Poland.