Współczesna Gospodarka

Podobne dokumenty
Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Analiza ryzyka jako instrument zarządzania środowiskiem

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Weryfikacja hipotez dla wielu populacji

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Parametry zmiennej losowej

Model oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Funkcje i charakterystyki zmiennych losowych

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

Procedura normalizacji

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

MODEL NADWYŻKI FINANSOWEJ PRZEDSIĘBIORSTWA DEWELOPERSKIEGO. SYMULACYJNE STUDIUM PRZYPADKU

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Szczecin, dnia 6 października 2017 r. Poz UCHWAŁA NR XXXVI/272/2017 RADY GMINY USTRONIE MORSKIE. z dnia 27 września 2017 r.

Natalia Nehrebecka. Zajęcia 4

A O n RZECZPOSPOLITA POLSKA. Gospodarki Narodowej. Warszawa, dnia2/stycznia 2014

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

Definicje ogólne

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH

Sprawozdanie Skarbnika Hufca Za okres Wprowadzenie

DZIENNIK URZĘDOWY WOJEWÓDZTWA ŁÓDZKIEGO

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej

Pattern Classification

Journal of Agribusiness and Rural Development

Statystyka Inżynierska

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Materiał pomocniczy nr 2

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Natalia Nehrebecka. Zajęcia 3

Statystyka. Zmienne losowe

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw

Wpływ modernizacji gospodarki w sferze działalności proekologicznej na jakość środowiska naturalnego w Polsce w układzie regionalnym

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

STATYSTYKA REGIONALNA

CAPM i APT. Ekonometria finansowa

RODO final countdown - nowa jakość w ochronie danych osobowych

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6


Nowe ujęcie ryzyka na rynku kapitałowym

Wykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki

EFEKTYWNOŚĆ INTERWENCJONIZMU PAŃSTWOWEGO W GOSPODARKĘ ŻYWNOŚCIOWĄ UKRAINY. Wstęp

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

DZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Polityka dywidend w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Proces narodzin i śmierci

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

65120/ / / /200

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

WYKORZYSTANIE METODY DEA DO ANALIZY EFEKTYWNOŚCI ZARZĄDZANIA RYZYKIEM W WYBRANYCH BANKACH

Rozmyta efektywność portfela

OeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji

-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.

Analiza korelacji i regresji

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie

ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Transkrypt:

Współczesna Gospodarka Contemporary Economy Vol. 6 Issue 2 (2015 51-61 Electronc Scentfc Journal ISSN 2082-677X www.wspolczesnagospodarka.pl RYZYKO OBSŁUGI ZOBOWIĄZAŃ DŁUGOTERMINOWYCH GMINY SOPOT W ŚWIETLE PERSPEKTYWY BUDŻETOWEJ UNII EUROPEJSKIEJ NA LATA 2007-2013 Streszczene Wejśce Polsk do Un Europejskej pozwolło polskm gmnom na korzystane z dofnansowywana projektów rozbudowy lokalnej nfrastruktury, ochrony środowska poprawy konkurencyjnośc gmn. Proces tych przeman jest nekedy określany jako nwelowane różnc rozwojowych mędzy krajam "starej pętnastk" a nowym krajam członkowskm. Dążene gmn do jak najwększego wykorzystana środków unjnych spowodowało gwałtowny wzrost pozomu zadłużena gmn zwązaną z nm zmanę stanów ryzyka obsług zobowązań długotermnowych gmn. Celem artykułu jest potwerdzene na przykładze emprycznym tezy, że zmana uwarunkowań realzacj długotermnowych zobowązań fnansowych zwązana z perspektywą budżetową Un Europejskej na lata 2007-2013 jest przyczyną zman stanów ryzyka obsług tych zobowązań. Narzędzem użytym do weryfkacj tej hpotezy jest model ryzyka, czyl wektor losowy o składowych utożsamanych ze zmennym kontrolnym procesu zarządzana w obszarze obsług długotermnowych zobowązań fnansowych. Konstrukcja składowych tego wektora oparta jest o podstawowe charakterystyk rozkładu prawdopodobeństwa tego wektora jak wartość oczekwana warancja wraz z ch pozomam wzorcowym oraz antywzorcowym. Słowa kluczowe: zarządzane ryzykem, stany ryzyka, budżet Un Europejskej Wstęp Una Europejska prowadz koordynuje poltyk wspólnotowe poprzez uchwalane swojego budżetu. Aby przy jego konstrukcj ne kerować sę jedyne beżącym czynnkam, przychody wydatk są uchwalane w 5-7 letnch perspektywach budżetowych. Wejśce Polsk do Un Europejskej otworzyło przed zarządzającym polskm gmnam neznane przedtem możlwośc rozwoju. Perspektywa fnansowa Un Europejskej na lata 2007-2013 pomogła wydatne w rozbudowe nfrastruktury lokalnej, ochrone środowska, zwększenu bezpeczeństwa obywatel czy rozwoju konkurencyjnośc gmn jako mejsca zatrudnena. Netrudno sę domyślć, że oczekwanem lokalnych społecznośc względem samorządowców jest jak najlepsze,

52 czyl najwększe, wykorzystane środków unjnych. Jednak nwestycje ne są dofnansowywane z budżetu unjnego w całośc aby je wykorzystać gmny muszą poneść pewną część tych kosztów. Dylemat polega na tym, że gmny rzadko kedy dysponują na tyle dużym nadwyżkam fnansowym, aby sprostać możlwoścom dofnansowana unjnego. Muszą zatem posłkować sę źródłam fnansowana zewnętrznego. Fakt ten wpływa w sposób stotny na zmanę warunków obsług zobowązań długotermnowych gmn zwązane z tym zjawskem ryzyko. Celem pracy jest potwerdzene na przykładze emprycznym tezy, że zmana uwarunkowań realzacj długotermnowych zobowązań fnansowych zwązana z perspektywą budżetową Un Europejskej na lata 2007-2013 jest przyczyną zman stanów ryzyka obsług tych zobowązań. Narzędzem użytym w badanu jest zestandaryzowany wektor ryzyka. Badanym obektem będze zmenność stanów ryzyka obsług zobowązań długotermnowych Gmny Sopot w latach 2008-2013. 1. Wyzwana zarządzających fnansam gmny w śwetle dotacj unjnych Wybrany do badana obekt jest gmną postrzeganą jako nowoczesna gmna postndustralna. Brak przemysłu cężkego, status uzdrowska opna jednego z najatrakcyjnejszych kurortów w Polsce stanową newątplwe o jej szeroko rozumanej atrakcyjnośc, ale też stanow wyzwane dla władz. Brak dalszych nwestycj w nfrastrukturę mogłoby doprowadzć do utraty dobrego wzerunku, co z kole powoduje utratę przewag konkurencyjnej zwązanej z ną korzyśc. Otwarce nowej perspektywy fnansowej Un Europejskej na lata 2007-2013 dostępność zwązanych z ną funduszy na rozwój regonalny było newątplwe okazją do przystąpena do realzacj welu nwestycj dotąd odkładanych w czase ze względu na brak funduszy. Fundusze te można pozyskać pod warunkem partycypacj gmny w kosztach nwestycj. Nejednokrotne nawet częścowe fnansowane przez gmnę nwestycj z kaptału własnego jest nemożlwe. Jednocześne społeczeństwo wyraźne oczekuje, że fundusze unjne będą wykorzystane w jak najwększym stopnu, dzęk czemu nfrastruktura danego regonu ulegne wyraźnej poprawe. Oznacza to dla samorządowców wzrost presj na zadłużane gmny w celu realzacj projektów dofnansowywanych z Un Europejskej. Sytuacja ta stwarza nowe wyzwana dla zarządzających fnansam gmny z punktu wdzena ryzyka obsług zobowązań długotermnowych. 2. Model ryzyka obsług zobowązań długotermnowych Zarządzane strategczne jest zespołem dzałań, w skład którego wchodzą: formułowane strateg, planowane procesu realzacj celów strategcznych, a następne realzacja oraz kontrola realzacj tych procesów. Realzacja założeń strateg odbywa sę w warunkach nepewnośc. Nepewność tę można podzelć na merzalną nemerzalną. Ryzyko jest rozumane jako nepewność merzalna, natomast nepewność nemerzalna jest określana manem nepewnośc sensu strcto 1. Aby dokonać oceny efektów dzałana zarządzających fnansam gmny należy w perwszej kolejnośc zdentyfkować cele strategczne zwązane z tym aspektem dzałalnośc gmny, które będą podlegały kontrol (cele kontrolne. Następne należy zdefnować zmenne kontrolne, które będą obrazem jakośc oraz skutecznośc decyzj dzałań osób zarządzających danym podmotem 2. Merzene stopna realzacj celów kontrolnych odbywa sę poprzez badane podstawowych mar charakterystycznych zmennych kontrolnych. 1 A. Korombel, Ryzyko w fnansowanu dzałalnośc nwestycyjnej metodą project fnance, Dfn, Warszawa 2007. 2 J. Zemke, Ryzyka zarządzana organzacją gospodarczą Wydawnctwo Unwersytetu Gdańskego, Gdańsk 2009, s. 81.

Ryzyko obsług zobowązań długotermnowych Gmny Sopot w śwetle 53 Modelem ryzyka jest wektor losowy zmennych kontrolnych. Defncje podstawowych mar charakterystycznych wektora, takch jak wartość oczekwana warancja, są dobrze znane. Zmany wartośc mar charakterystycznych realzacj procesów decyzyjnych w czase oraz ch odchylena od planowanych wartośc pozwalają montorować zmenność stanów ryzyka realzowanych decyzj. 2.1. Defncja zmennych kontrolnych Nech X ( X, X 2,, = 1 X N będze wektorem zmennych kontrolnych procesu obsług zobowązań długotermnowych. Składowym tego wektora są zmenne kontrolne dobrane w tak sposób, by możlwe było montorowane stanu procesów zarządzana, wynkających zarówno z decyzj zarządzających jak zman otoczena organzacj. 2.2. Mary ryzyka Maram ryzyka są: 1. Prawdopodobeństwo, że wektor losowy X przyjme wartośc ze zboru d 1, g 1 d 2, g 2 d N g N. 2. Wartość oczekwana wektora losowego X, czyl E ( X = ( E( X1, E( X 2,, E( X N, gdze E ( X są całkam jednowymarowego rozkładu brzegowego w grancach d, g, = 1,2,, N. 3. Warancja wektora losowego X, czyl Var ( X = ( Var( X1, Var( X 2,, Var( X N, gdze Var ( X są 3 całkam jednowymarowego rozkładu brzegowego w grancach d, g, = 1,2,, N 2.3. Stany ryzyka, unormowane stany ryzyka, konstrukcja wektora ryzyka Nech dla każdego w w = przedzał d, g oznacza wzorcowy, czyl pożądany 1,2,, N przez decydenta przedzał zmennośc -tej zmennej kontrolnej. Natomast aw aw d, g nech oznacza dla każdego = 1,2,, N antywzorcowy, czyl uznany przez decydenta za zagrażający realzacj celów strategcznych przedzał zmennośc -tej zmennej kontrolnej. Wtedy w w w w w w w P = P( d1 x1 g1, d2 x2 g2,, dn xn gn oznacza wzorzec prawdopodobeństwa E w jest wektorem składowych wektora ryzyka. Wzorzec wektora wartośc oczekwanych ( X w ( X w w E, będących całkam jednowymarowego rozkładu brzegowego w grancach d, g dla Var w jako wektor, czyl odpowedno: antywzorzec prawdopodobeństwa wektora ryzyka, antywzorzec wektora wartośc oczekwanych oraz antywzorzec wektora warancj. Aby zbudować wektor ryzyka, należy skonstruować marę nformującą w jakm stopnu = 1,2,, N podobne defnowany jest wzorzec wektora warancj ( X składowych w aw Var ( X. Analogczne skonstruowane są P, E aw ( X, Var aw ( X realzowane są założena strategczne w danej faze kontrol. Oznaczmy zatem ( t P, E ( t ( X, Var ( t ( X jako odpowedno prawdopodobeństwo, wartość oczekwaną warancję w t-tej faze kontrol realzacj procesu zarządzana. Wtedy: w 1. Różnca ( t ( t w d P = P P merzy odchylena uwarunkowań od wartośc uznawanych za wzorcowe w t-tej faze kontrol realzacj procesu zarządzana. w 2. Odległość ( t ( t w d E = dm ( E ( X, E ( X 4 merzy stan pozomu wartośc oczekwanych zmennych kontrolnych w t-tej faze kontrol względem ch stanu wymaganego. Przez analogę 3 T. Jastrzębsk, Ryzyko obsług zobowązań długotermnowych na przykładze spółk J.W. Constructon Holdng S.A., Zarządzane Fnanse, Wydawnctwo Unwersytetu Gdańskego, Gdańsk 2013, s. 261.

54 ( aw odległość ( t ( t aw d E d E ( X, E ( X = M merzy stan pozomu wartośc oczekwanych zmennych kontrolnych w t-tej faze kontrol względem stanu uznanego za pozom zagrażający realzacj celów strategcznych organzacj. w 3. Podobne odległośc ( t ( t w aw d Var = dm ( Var ( X, Var ( X oraz ( t ( t aw d Var = dm ( Var ( X, Var ( X merzą stan pozomu warancj zmennych kontrolnych w t-tej faze kontrol względem ch wzorca antywzorca. aw ( t 4. ( t d E RE = stopeń realzacj założeń wzorcowych wartośc oczekwanej w t-tej w ( t aw ( t d E + d E faze kontrol. aw ( t 5. ( t d Var RVar = stopeń realzacj założeń wzorcowych warancj w t-tej faze w ( t aw ( t d Var + d Var kontrol. Należy zauważyć, że mary ( t R oraz ( t E R przyjmują wartośc z przedzału Var 0, 1 : wartość 0 w sytuacj określonej przez badacza jako stanowącą zagrożene realzacj celów strategcznych, wartość 1 w sytuacj zdefnowanej przez badacza jako wzorcowa. w Wektor ( t ( t ( ( t d P, R E, RVar jest unormowanym wektorem ryzyka w t-tej faze kontrol, który znajduje sę w kostce 1,1 0,1 0, 1. Wartośc kolejnych współrzędnych tego wektora blske kresu górnego poszczególnych przedzałów określonośc śwadczą o dobrej sytuacj badanego podmotu w kontekśce badanych celów strategcznych, wartośc blske dolnego kresu śwadczą o dużym ryzyku zwązanym z badanym obszarem dzałalnośc danego podmotu. 3. Konstrukcja modelu ryzyka obsług zobowązań długotermnowych Gmny Sopot 3.1. Założena modelu Przyjęte zostały następujące założena: 1. Matematycznym modelem ryzyka jest wektor losowy ( X, X, X X X = 1 2 3, 4 zmennych kontrolnych procesu obsług zobowązań długotermnowych. Składowym tego wektora są: X 1 loraz: zobowązana długotermnowe przez dochody. X 2 loraz: nadwyżka (defcyt przez dochody. X 3 stopa oprocentowana kredytów pożyczek (WIBOR LIBOR ważone strukturą długu. X 4 loraz: spłaty kredytów pożyczek przez wolne środk. 2. Funkcją gęstośc będze funkcja gęstośc 4-wymarowego rozkładu normalnego wektora losowego X, tzn. f ( X = 1 ( 2π 4 e 1 2 T 1 ( X µ ( X µ, gdze µ jest wektorem wartośc oczekwanych, natomast jest macerzą warancj kowarancj. 3. Za pożądane przez decydenta przedzały zmennośc zmennych kontrolnych przyjęto: Dla lorazu zobowązań długotermnowych przez dochody d w g w 0 ; 0, 05. 1, 1 = Dla lorazu nadwyżka (defcyt przez dochody d w g w 0,3 ; 0, 4. 2, 2 = 4 Odległoścą w przestrzen probablstycznej ( Ω, F, P dwóch wektorów X ( X, X 2,, = ( Y, Y2, w sense Mahalanobsa nazywamy 1 ( ( ( T Y 1, Y N kowarancj wektorów losowych X Y d M = oraz 1 X N X, Y = X Y C X Y, gdze C jest macerzą

Ryzyko obsług zobowązań długotermnowych Gmny Sopot w śwetle 55 Dla stopy oprocentowana kredytów pożyczek (WIBOR LIBOR ważone strukturą długu d w g w 0,71 ; 3,94. Znaczny wzrost sumy pożyczek rozpoczyna sę w 4 kwartale 2009 3, 3 = roku. Stopa 3,94 to stopa za 4 kwartał 2009 roku, natomast 0,71 jest najnższą stopą z poprzedzających okresów. Dla lorazu spłata kredytów pożyczek przez wolne środk d w g w 0 ; 0, 05. 4, 4 = 4. Za przedzały zmennośc zmennych kontrolnych uznanych przez decydenta jako zagrażające realzacj celów strategcznych przyjęto: Dla lorazu zobowązań długotermnowych przez dochody d aw g aw 2,5 ; 3. 1, 1 = Dla lorazu nadwyżka (defcyt przez dochody d aw g aw = 1; 0, 8. 2, 2 Dla stopy oprocentowana kredytów pożyczek (WIBOR LIBOR ważone strukturą długu d aw g aw 6 ;10. 3, 3 = Dla lorazu spłata kredytów pożyczek przez wolne środk d aw g aw 0,8 ; 1. 3.2. Wynk oblczeń P w 4, 4 = Wartość wzorca prawdopodobeństwa została oblczona na pozome = P( 0 x1 0,05 ; 0,3 x2 0,4 ; 0,71 x3 3,94 ; 0 x4 0,05 = 1,58e- 05. Wektor wzorca E w X = 0,0254 ; 0,3450 ; 2,9026 ; 0,0259, natomast Var w X = 0,0002 ; 0,0008 ; 0,5365 ; 0,0002. Wektor E aw X = 2,6912 ; 0,8717 ; 6,4873; 0,8364, Var aw X = 0,0185 ; 0,0028 ; 0,1916 ; 0,0011. Prawdopodobeństwo tego, że zmenne kontrolne X przyjmą wartośc z przedzałów wartośc oczekwanych przyjął wartość ( ( wektor wzorca warancj przyjął wartość ( ( antywzorca wartośc oczekwanych przyjął wartość ( ( natomast wektor antywzorca warancj przyjął wartość ( ( ( t ( t g d, oraz odległość prawdopodobeństwa od wzorca w kolejnych fazach kontrol przedstawono w tablcy 2. Wartośc oczekwane poszczególnych zmennych kontrolnych oraz stopeń realzacj założeń wzorcowych wartośc oczekwanej w kolejnych fazach montorowana procesów decyzyjnych przedstawono w tablcy 3. Warancje poszczególnych zmennych kontrolnych oraz stopeń realzacj założeń wzorcowych warancj w kolejnych fazach montorowana procesów decyzyjnych przedstawono w tablcy 4. Tablca 1. Wartośc składowych wektora zmennych kontrolnych Okres X 1 X 2 X 3 X 4 2008 Q1 0,1715 0,1962 4,8838 0,0020 2008 Q2 0,1249-0,3349 4,9798 0,0128 2008 Q3 0,1155-0,2910 5,2844 0,0010 2008 Q4 0,0800-0,2938 2,9082 0,0136 2009 Q1 0,1683-0,0220 1,5213 0,0006 2009 Q2 0,1258-0,7974 1,0977 0,0724 2009 Q3 0,1085-0,1420 0,7069 0,0003 2009 Q4 0,8042-0,1772 3,9430 0,0228 2010 Q1 0,9447 0,1114 3,7983 0,0032 2010 Q2 1,0075-0,8482 3,6355 0,2670 2010 Q3 0,5940-0,1177 3,6919 0,0067 2010 Q4 0,9955-0,1604 3,8693 0,1412 2011 Q1 1,2001 0,1623 4,1082 0,0060

56 2011 Q2 1,2940-0,1037 4,6437 0,2624 2011 Q3 1,6160-0,3311 4,7176 0,0108 2011 Q4 1,6863-0,2678 4,9900 0,3264 2012 Q1 1,6509 0,0218 4,9400 0,1421 2012 Q2 1,6725-0,1081 5,1300 0,7516 2012 Q3 1,6363 0,1036 4,9200 0,1366 2012 Q4 2,5173-0,4371 4,1300 0,1910 2013 Q1 1,7050 0,2073 3,3900 0,0781 2013 Q2 2,3497-0,3681 2,7300 0,7982 2013 Q3 1,5117 0,2869 2,6700 0,0973 2013 Q4 1,6705 0,0601 2,7100 0,1648 Źródło: Opracowane własne przy wykorzystanu środowska R. Tablca 2. Wartośc prawdopodobeństwa przyjęca przez składowe wektora ryzyka wartośc z przedzałów określonośc, dynamka prawdopodobeństwa odchylena od wzorca prawdopodobeństwa w kolejnych fazach montorowana procesów decyzyjnych Okres ( ( d X g P t 5 d w P ( t 2008 Q1 0,0000056-0,0000102 2008 Q2 0,0003328 0,0003169 2008 Q3 0,0000233 0,0000074 2008 Q4 0,0000598 0,0000440 2009 Q1 0,0000003-0,0000155 2009 Q2 0,0000337 0,0000179 2009 Q3 0,0000000-0,0000158 2009 Q4 0,0030190 0,0030032 2010 Q1 0,0001179 0,0001021 2010 Q2 0,0983756 0,0983598 2010 Q3 0,0003930 0,0003771 2010 Q4 0,0282375 0,0282217 2011 Q1 0,0002357 0,0002199 2011 Q2 0,0888532 0,0888374 2011 Q3 0,0065954 0,0065796 2011 Q4 0,2442449 0,2442291 2012 Q1 0,0379990 0,0379832 2012 Q2 0,1906766 0,1906608 2012 Q3 0,0215226 0,0215067 2012 Q4 0,1835767 0,1835609 2013 Q1 0,0020297 0,0020139 2013 Q2 0,1044272 0,1044113 2013 Q3 0,0001313 0,0001154 2013 Q4 0,0087448 0,0087290 Źródło: Opracowane własne przy wykorzystanu środowska R. ( d x g, d x g, d x g d x g 5 ( t ( ( t ( t ( t ( t ( t ( t ( t ( t P d X g = P 1 1 1 2 2 2 3 3 3, 4 4 4

Ryzyko obsług zobowązań długotermnowych Gmny Sopot w śwetle 57 Tablca 3. Wartośc oczekwane poszczególnych zmennych kontrolnych oraz stopeń realzacj założeń wzorcowych wartośc oczekwanej w kolejnych fazach montorowana procesów decyzyjnych Okres E ( X 1 E ( X 2 E ( X 3 ( X 4 E ( t R 2008 Q1 0,2425507 0,1683065 4,7831258 0,0214727 0,7554 2008 Q2 0,1994547-0,3200746 4,8710612 0,0309129 0,5858 2008 Q3 0,1907428-0,2796749 5,1504116 0,0206403 0,5871 2008 Q4 0,1579607-0,2822822 2,9796906 0,0315947 0,6733 2009 Q1 0,2395881-0,0326326 1,7058588 0,0202853 0,7651 2009 Q2 0,2003319-0,7484365 1,3133894 0,0825193 0,5537 2009 Q3 0,1843210-0,1428290 0,9495280 0,0200313 0,7164 2009 Q4 0,8257805-0,1751268 3,9238177 0,0396008 0,6245 2010 Q1 0,9550351 0,0900886 3,7917959 0,0225292 0,7035 2010 Q2 1,0127400-0,7959601 3,6433554 0,2505690 0,4262 2010 Q3 0,6323978-0,1204943 3,6948427 0,0255678 0,6715 2010 Q4 1,0017803-0,1597426 3,8565958 0,1418611 0,6248 2011 Q1 1,1898470 0,1370558 4,0744426 0,0249319 0,6771 2011 Q2 1,2762543-0,1076418 4,5634663 0,2466052 0,5892 2011 Q3 1,5726219-0,3165231 4,6309959 0,0291215 0,5013 2011 Q4 1,6374089-0,2583821 4,8803766 0,3023092 0,4821 2012 Q1 1,6047233 0,0076788 4,8345689 0,1426600 0,5802 2012 Q2 1,6246953-0,1116764 5,0087308 0,6880271 0,4956 2012 Q3 1,5913245 0,0829169 4,8162505 0,1379154 0,6044 2012 Q4 2,4071275-0,4141228 4,0943480 0,1848390 0,4493 2013 Q1 1,6546327 0,1785815 3,4195039 0,0874210 0,6521 2013 Q2 2,2512157-0,3506146 2,8167936 0,7319431 0,4605 2013 Q3 1,4765212 0,2522155 2,7619046 0,1040125 0,7007 2013 Q4 1,6228403 0,0428941 2,7984995 0,1622461 0,6403 Źródło: Opracowane własne przy wykorzystanu środowska R. E Tablca 4. Warancje poszczególnych zmennych kontrolnych oraz stopeń realzacj założeń wzorcowych warancj w kolejnych fazach montorowana procesów decyzyjnych Okres Var ( X 1 Var ( X 2 Var ( X 3 ( X 4 Var ( t R 2008 Q1 0,0426354 0,0062845 0,1297557 0,0034748 0,2392 2008 Q2 0,0423437 0,0066041 0,1287860 0,0035046 0,2417 2008 Q3 0,0422833 0,0066579 0,1252992 0,0034721 0,2433 2008 Q4 0,0420523 0,0066549 0,1326514 0,0035067 0,2399 2009 Q1 0,0426157 0,0066670 0,1162159 0,0034709 0,2477 2009 Q2 0,0423497 0,0053749 0,1093513 0,0036310 0,2399 2009 Q3 0,0422386 0,0067321 0,1026603 0,0034701 0,2525 2009 Q4 0,0452804 0,0067301 0,1353985 0,0035303 0,2493 2010 Q1 0,0454904 0,0064700 0,1355888 0,0034782 0,2475 2010 Q2 0,0455363 0,0051950 0,1355768 0,0035367 0,2381 2010 Q3 0,0446976 0,0067279 0,1356081 0,0034879 0,2474 2010 Q4 0,0455299 0,0067323 0,1355190 0,0036890 0,2501 2011 Q1 0,0454914 0,0063637 0,1349521 0,0034859 0,2469 Var

58 2011 Q2 0,0453681 0,0067234 0,1318831 0,0035477 0,2506 2011 Q3 0,0444578 0,0066094 0,1312755 0,0034991 0,2471 2011 Q4 0,0441635 0,0066806 0,1286795 0,0033631 0,2476 2012 Q1 0,0443161 0,0066161 0,1291963 0,0036891 0,2476 2012 Q2 0,0442238 0,0067250 0,1271417 0,0016314 0,2490 2012 Q3 0,0443762 0,0064849 0,1293980 0,0036882 0,2466 2012 Q4 0,0386309 0,0064272 0,1348751 0,0036676 0,2267 2013 Q1 0,0440798 0,0062571 0,1351075 0,0036396 0,2417 2013 Q2 0,0399922 0,0065543 0,1312552 0,0014816 0,2329 2013 Q3 0,0448333 0,0060426 0,1307295 0,0036635 0,2438 2013 Q4 0,0442325 0,0065603 0,1310830 0,0036855 0,2462 Źródło: Opracowane własne przy wykorzystanu środowska R. 3.3. Wnosk Na rysunku 1 zostały zaprezentowane obserwacje kolejnych zmennych kontrolnych wraz z przedzałam wzorcowym (dla zmennych X 1, X 3, X 4 pozome lne u dołu, dla X 2 u góry wykresu antywzorcowym (dla zmennych X 1, X 3, X 4 pozome lne u góry, dla X 2 u dołu wykresu. Rysunek 1. Obserwacje kolejnych zmennych kontrolnych w kolejnych fazach montorowana procesów decyzyjnych Źródło: Opracowane własne przy wykorzystanu środowska R. Można łatwo zauważyć, że zmenna X 1 począwszy od 3 kwartału 2009 roku oddala sę swom pozomem od pozomu uznanego za akceptowalny, by w 4 kwartale 2012 oraz 2 kwartale 2013 roku zblżyć sę do pozomu uznanego za nebezpeczny z punktu wdzena realzacj celów strategcznych. Zmenna X 2 osąga pozomy blske przedzałow antywzorcowemu w okresach: 2 kwartał 2009, 2 kwartał 2010, 4 kwartał 2012, 2 kwartał 2013. Zmenna X 3 w latach 2011 2012 przyjmuje wartośc powyżej wartośc z 4 kwartału 2009 (tzn. z kwartału, w którym zapoczątkowano proces wzmożonego zadłużana gmny, co oczywśce jest zjawskem nekorzystnym z perspektywy beżącej obsług zobowązań. Na szczęśce dla

Ryzyko obsług zobowązań długotermnowych Gmny Sopot w śwetle 59 zarządzających pozom stóp procentowych pożyczek od 3 kwartału 2012 stale maleje przez cały rok 2013 utrzymuje sę w przedzale wzorcowym. Zmenna X 4 przyjmuje pozomy uznane za zagrażające realzacj celów strategcznych w 2 kwartale 2012 oraz 2 kwartale 2013 roku. Rysunek 2. Wykresy kolejnych składowych unormowanego wektora ryzyka w kolejnych fazach montorowana procesów decyzyjnych Źródło: Opracowane własne przy wykorzystanu środowska R. Po analze wartośc współrzędnych unormowanego wektora wzorca można wycągnąć następujące wnosk: 1. Okresam, w których model wskazuje na najwększe zagrożene realzacj obsług zobowązań długotermnowych są II kwartał 2010, IV kwartał 2012 oraz II kwartał 2013. Wtedy to wszystke trzy składowe wektora ryzyka wskazują na gwałtowny wzrost ryzyka (odległość prawdopodobeństwa od wzorca wyraźne rośne, natomast stopne realzacj dla wartośc oczekwanej warancj zauważalne maleją. Na ten efekt wpłynęło najprawdopodobnej jednoczesne skokowe zwększene relacj zobowązana długotermnowe do dochodów oraz spadek relacj nadwyżka (defcyt do dochodów, mmo pozostawana stopy oprocentowana kredytów pożyczek w bezpecznym obszarze blsko a nawet w obrębe przedzału wzorcowego. 2. Dwe perwsze składowe wektora ryzyka, tzn. odległość prawdopodobeństwa od wzorca prawdopodobeństwa oraz stopne realzacj dla wartośc oczekwanej okazały sę bardzej wrażlwe nż stopne realzacj dla warancj na wahana wartośc zmennych kontrolnych. Wdać to zwłaszcza w IV kwartale 2011 oraz II kwartale 2012, kedy zmenna X 4 rośne skokowo przy względne newelkch wahanach pozostałych zmennych kontrolnych. 3. Stan zadłużena gmny na konec kolejnych lat rósł 2009 do 2012 roku. Jest to okres, w którym stan ryzyka zmenał sę dynamczne, osągając często pozomy mogące stanowć ostrzeżene dla zarządzających w kontekśce możlwośc obsług zobowązań długotermnowych. W roku 2013 zaprzestano dalszego zadłużana, obnżając nawet pozom zobowązań, przy jednoczesnym wzrośce dochodów gmny. Fakty te sprawły, że w ostatnch okresach badana pozom składowych wektora ryzyka zaczął wskazywać na zmnejszene sę ryzyka obsług zobowązań długotermnowych: w III IV kwartale 2013 wyraźne zmnejsza sę pozom różncy prawdopodobeństwa od jego wzorca, natomast stopne realzacj zarówno dla wartośc oczekwanej jak warancj zwększają swoje wartośc. Wszystke

60 trzy składowe wektora ryzyka wracają do pozomów zblżonych do tych z początku badana, czyl sprzed okresu wzmożonej akcj zadłużana gmny. Zakończene Model ryzyka został przedstawony jako wektor losowy o składowych będących zmennym kontrolnym procesu zarządzana w obszarze obsług zobowązań długotermnowych zobowązań fnansowych gmny. Zdefnowane zostały podstawowe charakterystyk statystyczne w celu konstrukcj stanów ryzyka będących odległoścam wektorów prawdopodobeństwa, wartośc oczekwanych oraz warancj od ch stanów wzorcowych antywzorcowych. Take ujęce pozwolło na zestandaryzowane składowych wektora ryzyka. Analza wynków przeprowadzonych oblczeń potwerdza sformułowaną hpotezę badawczą dynamczne zadłużane gmny zwązane z realzacją projektów dofnansowywanych z Un Europejskej w ramach perspektywy budżetowej Un Europejskej na lata 2007-2013 jest przyczyną zman stanów ryzyka obsług długotermnowych zobowązań fnansowych Gmny Sopot. Lteratura 1. Gołębowsk T., Zarządzane strategczne, Dfn, Warszawa 2001 2. Jastrzębsk T., Ryzyko obsług zobowązań długotermnowych na przykładze spółk J.W. Constructon Holdng S.A., Zarządzane Fnanse, Wydawnctwo Unwersytetu Gdańskego, Gdańsk 2013 3. Jerzemowska M., Analza fnansowa w przedsęborstwe, PWE, Warszawa 2006 4. Korombel A., Ryzyko w fnansowanu dzałalnośc nwestycyjnej metodą project fnance, Dfn, Warszawa 2007 5. Rokta J., Zarządzane strategczne, PWE, Warszawa 2005 6. Zemke J., Ryzyko zarządzana kaptałem organzacj gospodarczej, Zeszyty Naukowe Nr 4 Tom IV, Wydawnctwo Unwersytetu Gdańskego, Gdańsk 2009 7. Zemke J., Prognozowane stanów ryzyka procesów decyzyjnych, Ekonometra, 1(39 2013, Publshng House of Wrocław Unversty of Economcs, Wrocław 2013 ASSOCIATION OF OPERATING RISK OF LONG-TERM OBLIGATIONS OF MUNICIPALITIY OF SOPOT WITH EUROPEAN UNION BUDGET PROSPECTS FOR 2007-2013 Summary Polsh accesson to the European Unon allowed Polsh muncpaltes to use cofnancng of development projects of local nfrastructure, envronmental protecton and mprovement of compettveness of muncpaltes. The process of transton s sometmes referred to as brdgng the development gaps between countres of "old ffteen" and the new member countres. The desre of muncpaltes to maxmze the use of EU funds led to a rapd ncrease n the debt level of muncpaltes and changes n levels of rsk of longterm labltes of muncpaltes. The am of ths artcle s to emprcally confrm thess that the change n the long-term fnancal labltes assocated wth the prospect of the European Unon budget for 2007-2013 s causng a varaton of the operatng rsks of these labltes. A tool used to verfy ths hypothess s the rsk model, whch s a random vector wth components dentfed wth control varables of management process n the

Ryzyko obsług zobowązań długotermnowych Gmny Sopot w śwetle 61 handlng of long-term fnancal labltes. The desgn of the components of ths vector s based on the basc characterstcs of the probablty dstrbuton of the vector as the expected value and the varance and ther deal and ant-deal levels. Keywords: rsk management, rsk levels, the European Unon's budget Unwersytet Gdańsk Wydzał Zarządzana Arm Krajowej 101, Sopot e-mal: tomasz.jastrzebsk@ug.edu.pl