PROSTY MODEL DLA ILOŚCIOWEJ OPTYMALIZACJI STRUKTURY KAPITAŁOWEJ



Podobne dokumenty
ANALIZA SYTUACJI FINANSOWEJ PRZEDSIĘBIORSTWA NA PRZYKŁADZIE ZAKŁADÓW ZBOśOWO-MŁYNARSKICH PZZ W KIELCACH SPÓŁKA AKCYJNA

Matematyka finansowa i ubezpieczeniowa - 8 Wycena papierów wartościowych

MAJĄTEK I ŹRÓDŁA FINANSOWANIA MAJĄTKU POLSKICH SPÓŁDZIELNI

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXI Egzamin dla Aktuariuszy z 1 października 2012 r.

Rozkłady statystyk z próby

Wycena papierów wartościowych - instrumenty pochodne

STRATEGIE ZARZĄDZANIA KAPITAŁEM OBROTOWYM A RENTOWNOŚĆ WYBRANYCH PRZEDSIĘBIORSTW BRANśY BUDOWLANEJ

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXXIII Egzamin dla Aktuariuszy z 7 marca 2016 r. Część I

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński

Wykład 10 ( ). Testowanie hipotez w rodzinie rozkładów normalnych przypadek nieznanego odchylenia standardowego

Zmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski

dr hab. Renata Karkowska 1

ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII

Komisja Egzaminacyjna dla Aktuariuszy LXX Egzamin dla Aktuariuszy z 23 marca 2015 r. Część I Matematyka finansowa

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVII Egzamin dla Aktuariuszy z 26 maja 2014 r. Część I

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

Wskazówki rozwiązania zadań#

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. L Egzamin dla Aktuariuszy z 5 października 2009 r.

W4 Eksperyment niezawodnościowy

Doświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Efektywność źródłem bogactwa. Tomasz Słoński Piechowice, r.

Analiza wariancji. dr Janusz Górczyński

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport

SPRAWOZDAWCZOŚĆ FINANSOWA

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

Statystyka matematyczna i ekonometria

Aneks Nr 4 do Prospektu Emisyjnego Podstawowego I Programu Emisji Obligacji. PCC EXOL Spółka Akcyjna

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

Rachunek prawdopodobieństwa- wykład 6

Zarządzanie wartością przedsiębiorstwa

Środowisko R Założenie normalności metody nieparametryczne Wykład R4; Weryfikacja założenia o normalności rozkładu populacji

B. Gabinet M. Zawadzka Wroclaw University of Economic

Symulacyjne metody analizy ryzyka inwestycyjnego wybrane aspekty. Grzegorz Szwałek Katedra Matematyki Stosowanej Uniwersytet Ekonomiczny w Poznaniu

Wprowadzenie do analizy korelacji i regresji

Matematyka bankowa 1 1 wykład

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

STOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. XLV Egzamin dla Aktuariuszy z 17 marca 2008 r. Część I. Matematyka finansowa

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Temat: BADANIE NIEZALEśNOŚCI DWÓCH CECH JAKOŚCIOWYCH TEST CHI KWADRAT. Anna Rajfura 1

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXXI Egzamin dla Aktuariuszy z 15 czerwca 2015 r.

Zadania ze statystyki, cz.6

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

Aneks Nr 1 do Prospektu Emisyjnego. PCC Rokita Spółka Akcyjna. zatwierdzonego przez Komisję Nadzoru Finansowego w dniu 7 maja 2014 roku

Układy równań liniowych. Ax = b (1)

Bilans dostarcza użytkownikowi sprawozdania finansowego informacji o posiadanych aktywach tj. zgromadzonego majątku oraz wskazuje na źródła jego

Testowanie hipotez statystycznych.

Statystyka i eksploracja danych

KURS PRAWDOPODOBIEŃSTWO

Powtórzenie. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

1. Ubezpieczenia życiowe

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym

CYFROWE PRZETWARZANIE SYGNAŁÓW

Wykład 7 Testowanie zgodności z rozkładem normalnym

Optymalna stopa podatkowa a wzrost gospodarczy. Łukasz Nitecki

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

Weryfikacja hipotez statystycznych

166 Wstęp do statystyki matematycznej

Istota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ

Z poprzedniego wykładu

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR ANALIZA WŁASNOŚCI OPCJI SUPERSHARE

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Matematyka ubezpieczeń majątkowych r.

Gdy n jest duże, statystyka ta (zwana statystyką chikwadrat), przy założeniu prawdziwości hipotezy H 0, ma w przybliżeniu rozkład χ 2 (k 1).

Rachunek Prawdopodobieństwa i Statystyka

Analiza majątku polskich spółdzielni

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Bilans. A. Aktywa trwałe. I. Wartości niematerialne i prawne 1. Koszty zakończonych prac rozwojowych 2. Wartość firmy

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

Estymacja parametrów w modelu normalnym

Wykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.

Biostatystyka, # 3 /Weterynaria I/

Testowanie hipotez statystycznych.

Metoda DCF. Dla lepszego zobrazowania procesu przeprowadzania wyceny DCF, przedstawiona zostanie przykładowa wycena spółki.

Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście

Wykład 7. Opis współzaleŝności zjawisk. 1. Wprowadzenie.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 766 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR

5.1 Stopa Inflacji - Dyskonto odpowiadające sile nabywczej

<1,0 1,0-1,2 1,2-2,0 >2,0

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LVI Egzamin dla Aktuariuszy z 4 kwietnia 2011 r. Część I

Matematyka finansowa w pakiecie Matlab

SPRAWDZIAN NR 1 ROBERT KOPERCZAK, ID studenta : k4342

Informacja dodatkowa instytucji kultury ( art. 45 ust. 2 pkt 3 ustawy)

Transkrypt:

Studia i Materiały. Miscellanea Oeconomicae Rok 13, Nr 2/2009 Wydział Zarządzania i Administracji Uniwersytetu Humanistyczno Przyrodniczego Jana Kochanowskiego w Kielcach L u d zi e J a k ość Organi z a c j a Robert Kowal 1 PROSTY MODEL DLA ILOŚCIOWEJ OPTYMALIZACJI STRUKTURY KAPITAŁOWEJ 1. Wprowadzenie Problem optymalizacji struktury kapitałowej przyciąga uwagę badaczy od momentu pojawienia się znakomitej pracy Millera i Modiglianiego [1]. Od tamtej pory w literaturze naukowej przedstawiono wiele teoretycznych i empirycznych badań, które w sposób istotny przyczyniły się do większego i głębszego poznania i zrozumienia tego zagadnienia, notabene bardzo waŝnego z praktycznego punktu widzenia. Większość z nich miała charakter jakościowy, natomiast najbardziej cenne z praktycznego punktu widzenia są te badania, które by pozwalały liczbowo ocenić optymalną strukturę kapitałową konkretnej spółki [2]-[4], a tych nie było wśród nich zbyt duŝo. W tym artykule zaproponowano prosty stochastyczny model dynamiki w czasie wartości aktywów spółki. Za pomocą aktywów spółki określa się losową sumę zdyskontowanych dywidend w okresie przed bankructwem spółki utoŝsamianym w naszym przypadku z niewypłacalnością finansową. W charakterze funkcji celu do wyznaczenia optymalnej struktury kapitałowej posłuŝyły, zgodnie z podejściem zaproponowanym w pracy [3], wartość oczekiwana tej sumy. Głównym rezultatem pracy jest otrzymanie prostych wzorów pozwalających wyznaczyć wartość tej funkcji przy dowolnej strukturze kapitałowej. Niech τ 1 będzie dyskretną zmienną losową równą okresowi funkcjonowania spółki na rynku tj. okresowi do bankructwa. Zadanie optymalizacji struktury kapitałowej określamy jako zadanie maksymalizacji funkcji Φ(κ)=E(Σ 1 i τ-1 D(i, κ)/(1+r) i ), (1) 1 Dr Robert Kowal, adiunkt, Wydział Zarządzania i Administracji, Uniwersytet Humanistyczno Przyrodniczy Jana Kochanowskiego w Kielcach. 183

gdzie: E operator wartości oczekiwanej, κ - wskaźnik struktury kapitałowej (0 κ<1), D(i, κ) zmienne losowe opisujące dywidendę, którą wypłaci spółka za okres i, r>0 stopa dyskontowa. W aspekcie takiego wyboru funkcji celu nadmieńmy, Ŝe wartość oczekiwaną sumy zdyskontowanych przyszłych dywidend interpretuje się w literaturze przedmiotu jako aktualną wartość spółki [3],[5]. Oznaczmy przez b (0 b 1) część zysku netto nie przeznaczonego na wypłatę dywidend (współczynnik kapitalizacji), a przez E(i, κ) zysk netto wypracowany za okres i. Dywidendy i zysk netto spółki w okresie i związane są następującą zaleŝnością [5]. 184 D(i, κ)=(1-b)e(i, κ), i 1. (2) Oznaczmy takŝe T(i,κ) - aktywa spółki w okresie i (i 1). Wiadomo, Ŝe struktura kapitałowa spółki w okresie i określona jest przez wskaźnik κ w następujący sposób: κt(i,κ) zadłuŝenie spółki i (1-κ)Ta(i,κ) kapitał własny spółki. W kontekście ogólnym odnotujmy jeszcze, Ŝe zadłuŝenie plus kapitał własny spółki w dowolnym okresie i są równe aktywom spółki [5]. ZałóŜmy, Ŝe spółka nie przeprowadza nowych emisji akcji. W tym przypadku kapitał własny w okresie i+1 zwiększa się w porównaniu z kapitałem własnym okresu i o część zysku be(i, κ), nie wypłaconą w postaci dywidendy tj. (1-κ)T(i+1, κ)=(1-κ)t(i, κ)+ be(i, κ). (3) Stąd otrzymujemy następującą zaleŝność opisującą zmiany aktywów spółki. T(i+1, κ)=t(i, κ)+ be(i, κ)/(1-κ). (4) Zysk netto i aktywa spółki związane są zaleŝnością [5] E(i, κ)=roa(i, κ)t(i, κ), (5) gdzie ROA(i, κ) - zmienna losowa opisująca rentowność aktywów spółki w okresie i, zaleŝna od struktury kapitałowej. Dlatego zaleŝność (4) moŝe być zapisana w postaci lub równowaŝnie T(i+1, κ)=t(i, κ)[1+ broa(i, κ)/(1-κ)]. (6) T(i+1, κ)=t(1)[1+ broa(1, κ)/(1-κ)] [1+ broa(i, κ)/(1-κ)], (7) gdzie T(1)=T(1, κ) aktywa spółki w pierwszym okresie, ogólnie mówiąc, nie zaleŝące od struktury kapitałowej.

Kolejne podstawienia zaleŝności (2), (5) i (7) do 1 pozwalają przekształcić wyjściową funkcję celu do następującej postaci: Φ(κ) = T(1)(1-b)E{Σ 1 i τ-1 ROA(i, κ)π 1 j i-1 [1+bROA(j, κ)/(1-κ)]/(1+r) i }. (8) Teraz określimy moment/okres bankructwa spółki τ. Zgodnie z [4] będziemy zakładać, Ŝe spółka staje się bankrutem tzn. jest niewypłacalna finansowo w okresie i, jeŝeli operacyjny strumień pienięŝny tego okresu jest mniejszy od spłacanej w danym okresie części kwoty głównej zadłuŝenia powiększonej o odsetki z tytułu tego zadłuŝenia [5]. Warunek ten równowaŝny jest temu, Ŝe zysk netto plus odliczenia amortyzacyjne okresu są mniejsze od spłacanej w danym okresie zagregowanej części zadłuŝenia [5]. ZałóŜmy, Ŝe odliczenia amortyzacyjne są pewną ustaloną częścią α (0 α 1) aktywów, to jest są równe αt(i, κ). Niech spłacana w okresie i zagregowaną część zadłuŝenia określona jest przez parametr β (0 β 1), to jest równa βκt(i,κ). Uwzględniając, Ŝe zysk netto określony jest zaleŝnością (5) określamy warunek bankructwa w okresie i: ROA(i, κ)t(i, κ)+αt(i, κ)<βκt(i,κ). (9) W ten sposób zmienna losowa τ w (1) i (8) takŝe wyraŝa się przez zmienne losowe ROA(i, κ): τ=min{i 1: ROA(i, κ)<βκ-α}. (10) I tak, wzory (8) i (10) pozwalają wyrazić oczekiwaną wartość spółki przez współczynnik kapitalizacji b, wskaźnik struktury kapitałowej κ, stopę dyskontową r, udział odliczeń amortyzacyjnych α, udział spłacanego rocznie zadłuŝenia β i ciąg zmiennych losowych ROA(i, κ) rentowności aktywów spółki. W dalszej części zakładać będziemy, Ŝe zmienne losowe ROA(i, κ) są niezaleŝne i mają jednakowy rozkład dla dowolnej wartości parametru κ. 2. Główne rezultaty Oznaczmy przez F(t, κ), t (-, ) dystrybuantę rozkładu zmiennej losowej ROA(i, κ), а odpowiednio przez M(κ) i σ(κ) wartość oczekiwaną i odchylenie standardowe tej zmiennej losowej. Niech takŝe π(κ) = F((βκ-α-M(κ))/σ(κ),κ) będzie prawdopodobieństwem zdarzenia {ROA(i, κ)<βκ-α}, а z(κ)={1+bm(κ)/(1-κ)}/(1+r). Twierdzenie. JeŜeli dla ustalonej wartości κ [0, 1) spełniona jest nierówność 185

(1-π(κ))z(κ)<1, (11) to prawdziwa jest równość Φ(κ) =T(1)(1-b)M(κ){1-π(κ)(1-π(κ))/(1-(1-π(κ))z(κ))}/{(1- z(κ))(1+r)}. (12) Dowód tego twierdzenia zamieszczony jest w dodatku 1. 3. Przykład optymalizacji struktury kapitałowej. ZałóŜmy, Ŝe F(t, κ) - dystrybuanta rozkładu normalnego, określonego przez odpowiednie wartości oczekiwane podane w tabeli 1 i stałe odchylenie standardowe σ(κ)=0.13. W naszym przypadku dane pochodzą ze sprawozdań finansowych pewnego przedsiębiorstwa za ostatnie 10 lat. Sposób konstrukcji tej funkcji na podstawie zebranych danych podano w dodatku 2. Tabela 1. κ 0.1 0.2 0.3 0.4 0.5 M(κ) 0.086 0.08 0.074 0.068 0.062 Przyjmijmy takŝe, Ŝe wartości liczbowe pozostałych parametrów modelu są następujące: b=0.8, r=0.12, T(1)=384, α=0.06, β=0.2. W tabeli 2 zawarte są wartości π(κ) dla prawdopodobieństwa bankructwa spółki, wartości z(κ ) i wartości lewej strony warunku (11). Tabela 2. κ 0.1 0.2 0.3 0.4 0.5 π(κ) 10-17 10-15 10-9 0.00111 0.045 z(κ) 0.961 0.964 0.968 0.973 0.981 (1-π(κ))z(κ) 0.961 0.964 0.968 0.974 0.937 Tabela 3 zawiera wartości funkcji celu (12). Widzimy, Ŝe optymalna wartość wskaźnika struktury kapitałowej maksymalizującą wartość spółki jest w przybli- Ŝeniu równa 0.4. Tabela 3. κ 0.1 0.2 0.3 0.4 0.5 Φ(κ) 151.6 153.6 160.4 177.3 71.9 186

Dodatek 1. Dowód twierdzenia. ZauwaŜmy, Ŝe zdarzenia {τ=k}, 1 k< tworzą zbiór zdarzeń elementarnych. Przechodząc do powtórnych wartości oczekiwanych z warunkowymi wartościami oczekiwanymi przy warunkach τ=k z zaleŝności (8) ze wzoru na prawdopodobieństwo całkowite otrzymujemy, Ŝe Φ(κ) = T(1)(1-b) 1 k< P(τ=k) E{Σ 1 i τ-1 ROA(i, κ)π 1 j i-1 [1+bROA(j, κ)/(1-κ)]/(1+r) i τ=k } (13) gdzie E{ τ=k} operator warunkowej wartości oczekiwanej. Uwzględniając, Ŝe te warunkowe wartości oczekiwane wyraŝają się za pomocą M(κ) i z(κ) wzorem otrzymujemy, Ŝe E{ τ=k} = M(κ)[1+z(κ)+ +z(κ) k-2 ]/(1+r), Φ(κ) = [T(1)(1-b) M(κ)]/[(1+r)(1-z)] 1 k< π(κ)(1-π(κ)) k (1-z k-1 ). (14) W powyŝszych przekształceniach wykorzystaliśmy takŝe równość P(τ=k) = π(κ)(1-π(κ)) k. Uwzględniając dalej warunek (11) otrzymujemy z (14), Ŝe prawdziwa jest równość (12) co kończy dowód. Dodatek 2. Opis funkcji rozkładu zmiennych losowych ROA(i, κ). Rozpatrzymy dla przykładu spółkę, której niektóre finansowe mierniki wybrane ze sprawozdań finansowych za okres 10 lat podano w tabeli 4. Tabela 4. Lata (i) SprzedaŜ (S(i)) Koszty (C(i)) Aktywa (T(i)) % stopa procentowa zadłuŝenia 1 137.929 115.794 194.58 0.0922 2 136.218 111.882 206.745 0.0874 3 174.729 149.546 220.811 0.0936 4 173.073 137.101 240.677 0.079 5 206.733 168.517 264.573 0.0912 6 229.064 193.54 283.859 0.0774 7 242.329 207.282 314.68 0.0822 8 268.006 227.4 331.806 0.0714 9 285.045 234.318 352.675 0.0811 10 324.542 261.588 384.115 0.0833 187

Najpierw na podstawie danych z tabeli 4 wyznaczamy średnią procentową stopę zadłuŝenia, która w naszym przypadku wynosi R=0.083. Następnie na podstawie tych danych wyznaczamy próby zmiennej losowej ROA(i, κ) dla róŝnych wartości κ. Do tego celu wykorzystujemy zaleŝność ROA(i, κ) = [S(i)-C(i)-RκT(i)](1- tax)/t(i), jeŝeli wyraŝenie w nawiasach kwadratowych jest większe od 0 lub RO- A(i, κ) = [S(i)-C(i)-RκT(i)]/T(i), jeŝeli wyraŝenie w nawiasach kwadratowych jest mniejsze od 0. WyraŜenie w nawiasach kwadratowych przedstawia sobą dochód do opodatkowania przy danej strukturze kapitałowej. Rzeczywiście, róŝnice S(i)- C(i) określają dochód operacyjny, κt(i) - wielkość zadłuŝenia spółki, RκT(i) - wielkość odsetek od zadłuŝenia. Czynnik (1-tax) zmniejsza dochód do opodatkowania o wielkość stawki podatku dochodowego tax (jeŝeli wartość dochodu do opodatkowania jest dodatnia). W ten sposób licznik wzoru dla ROA(i, κ) przedstawia sobą zysk netto (lub stratę) spółki, natomiast mianownik jej aktywa. Dla określenia rozkładu ROA(i, κ) przyjmiemy, Ŝe wartość stawki podatku dochodowego wynosi tax=0.3. W charakterze ilustracji rozpatrzymy przypadek k=0.1. Dla tej wartości empiryczne wartości ROA(i, κ) podano w tabeli 5, natomiast histogram i empiryczne charakterystyki - na rysunku 1. Tabela 5. I 1 2 3 4 5 6 7 8 9 10 ROA(i,κ) 0.0738 0.0766 0.0740 0.0988 0.0953 0.0818 0.0722 0.0799 0.0949 0.1089 4 3 2 1 0 0.07 0.08 0.09 0.10 0.11 Series: ROA Sample 1 10 Observations 10 Mean 0.085613 Median 0.080824 Maximum 0.108916 Minimum 0.072151 Std. Dev. 0.012827 Skewness 0.528495 Kurtosis 1.722190 Jarque-Bera 1.145843 Probability 0.563876 Rysunek 1. 188

Przedstawiona na rysunku 1 wartość statystyki Jargua-Bera i odpowiadająca jej wartość testowa p-value pozwalają stwierdzić, Ŝe prawdziwa jest hipoteza zerowa: otrzymana próba ma rozkład normalny. Przy tym średnia wartość ROA(i, 0.1) jest równa przybliŝeniu 0.086, a odchylenie standardowe 0.013. Analogicznie wyznaczamy następne próby i analizujemy histogramy dla pozostałych wartości κ, co pozwala określić brakujące dane z tabeli 1, jak równieŝ twierdzić, Ŝe σ(κ)=0.13 dla wszystkich wartości κ, a rozkład ROA(i, κ) normalny. Bibliografia 1. Modigliani F., Miller M., 1958, The cost of capital, corporation finance and the theory of investment, American Economic Review, 48, 267-297. 2. Philosophov L.V., Philosophov V.L., 1999, Optimization of corporate capital structure. A probabilistic Bayesian approach, International Review of Financial Analysis, 8 (Issue 3), 199-214. 3. Leland H.E., 1998, Agency Costs, Risk Management, and Capital Structure, The Journal of Finance, LIII ( 4), 1213-1243. 4. Коваль Р.Я., Наконечный А.Н., 2003, Марковская модель для оптимизации труктуры капитала корпорации, Финансовые риски, 1, 82-85. 5. Ross S.A., Westerfield R.W., Jordan B.D. & Roberts G.S., 1999, Fundamentals of Corporate Finance (Thd Canadian Ed.), McGraw-Hill, Torontо. Abstrakt Autor w artykule zaproponował prosty stochastyczny model dynamiki w czasie wartości aktywów spółki. W tym modelu za pomocą aktywów spółki określa się losową sumę zdyskontowanych dywidend w okresie przed bankructwem spółki utoŝsamianym w tym przypadku z niewypłacalnością finansową. W charakterze funkcji celu do wyznaczenia optymalnej struktury kapitałowej posłuŝyła wartość oczekiwana tej sumy. Głównym rezultatem pracy jest otrzymanie prostych wzorów pozwalających wyznaczyć wartość tej funkcji przy dowolnej strukturze kapitałowej. A Simple Model for Quantitative Optimization of Capital Structure The author of the article presents a simple stochastic model of dynamics in the period of company asset value. The model determines a random total of discounted dividends in the period before company bankruptcy, identified in this case with financial insolvency. The expected value of this sum was used to determine the optimal capital structure. The main outcome of the paper is simple formulas that allow to determine the value of this function in any capital structure. PhD Robert Kowal, Lecturer, The Jan Kochanowski University of Humanities And Natural Sciences in Kielce, Faculty of Management and Administration. 189