Przegląd N S N 16 - pns.po.opole.pl · próby oceny skuteczności przewidywania bankructwa...
Transcript of Przegląd N S N 16 - pns.po.opole.pl · próby oceny skuteczności przewidywania bankructwa...
Przegląd Nauk Stosowanych Nr 16
Redakcja: Marzena Szewczuk-StępieńWszystkie artykuły zostały ocenione przez dwóch niezależnych recenzentów
All contributions have been reviewed by two independent reviewers
Komitet Naukowy czasopisma:dr hab. Mariusz Zieliński (przewodniczący)
dr inż. Małgorzata Adamska, dr hab. Maria Bernat, dr Ewa Golbik-Madej, dr Anna Jasińska-Biliczak, dr hab. Izabela Jonek-Kowalska, dr inż. Brygida Klemens,
dr hab. Barbara Kryk, dr Małgorzata Król, dr hab. Aleksandra Kuzior, prof. dr hab. Krzysztof Malik, dr hab. Mirosława Michalska-Suchanek, Roland Moraru,
PhD. Prof. (Rumunia), doc. PhDr. Michal Oláh PhD (Słowacja), Volodymyr O. Onyshchenko,Ph.D. Prof. (Ukraina), dr hab. Kazimierz Rędziński, dr Alina Rydzewska, dr hab. Brygida Solga,
dr inż. Marzena Szewczuk-Stępień, dr hab. Urszula Szuścik, doc. PhDr. ThDr. Pavol Tománek, PhD (Słowacja), PhDr. Jiří Tuma, PhD (Republika Czeska),
dr hab. inż. Janusz Wielki
Komitet Redakcyjny:dr hab. Mariusz Zieliński (przewodniczący)
dr inż. Małgorzata Adamska, dr hab. Maria Bernat, prof. dr hab. Krzysztof Malik,dr hab. inż. Janusz Wielki, dr inż. Magdalena Ciesielska (sekretarz)
Recenzenci: Małgorzata Adamska, Maria Bernat, Piotr Bębenek, Henryk Brandenburg, Magdalena Ciesielska, Janusz K. Grabara, Krystian Heffner, Anna Jasińska-Biliczak,
Izabela Jonek-Kowalska, Katarzyna Książek, Marzanna Lament, Jolanta Maj, Magdalena Maciaszczyk, Aldona Migała-Warchoł, Brygida Solga, Iwona Pisz, Artem Stopochkin,
Inessa Sytnik, Kazimierz Szczygielski, Marzena Szewczuk-Stępień, Janusz Wielki, Mariusz Zieliński, Aleksandra Żurawska
Copyright by Politechnika Opolska 2017
Projekt okładki: Krzysztof KaszaOpracowanie graficzne: Oficyna Wydawnicza Politechniki Opolskiej
Wydanie I, 2017 r.ISSN 2353-8899
Przegląd Nauk Stosowanych Nr 16
Redakcja: Marzena Szewczuk-StępieńWszystkie artykuły zostały ocenione przez dwóch niezależnych recenzentów
All contributions have been reviewed by two independent reviewers
Komitet Naukowy czasopisma:dr hab. Mariusz Zieliński (przewodniczący)
dr inż. Małgorzata Adamska, dr hab. Maria Bernat, dr Ewa Golbik-Madej, dr Anna Jasińska-Biliczak, dr hab. Izabela Jonek-Kowalska, dr inż. Brygida Klemens,
dr hab. Barbara Kryk, dr Małgorzata Król, dr hab. Aleksandra Kuzior, prof. dr hab. Krzysztof Malik, dr hab. Mirosława Michalska-Suchanek, Roland Moraru,
PhD. Prof. (Rumunia), doc. PhDr. Michal Oláh PhD (Słowacja), Volodymyr O. Onyshchenko,Ph.D. Prof. (Ukraina), dr hab. Kazimierz Rędziński, dr Alina Rydzewska, dr hab. Brygida Solga,
dr inż. Marzena Szewczuk-Stępień, dr hab. Urszula Szuścik, doc. PhDr. ThDr. Pavol Tománek, PhD (Słowacja), PhDr. Jiří Tuma, PhD (Republika Czeska),
dr hab. inż. Janusz Wielki
Komitet Redakcyjny:dr hab. Mariusz Zieliński (przewodniczący)
dr inż. Małgorzata Adamska, dr hab. Maria Bernat, prof. dr hab. Krzysztof Malik,dr hab. inż. Janusz Wielki, dr inż. Magdalena Ciesielska (sekretarz)
Recenzenci: Małgorzata Adamska, Maria Bernat, Piotr Bębenek, Henryk Brandenburg, Magdalena Ciesielska, Janusz K. Grabara, Krystian Heffner, Anna Jasińska-Biliczak,
Izabela Jonek-Kowalska, Katarzyna Książek, Marzanna Lament, Jolanta Maj, Magdalena Maciaszczyk, Aldona Migała-Warchoł, Brygida Solga, Iwona Pisz, Artem Stopochkin,
Inessa Sytnik, Kazimierz Szczygielski, Marzena Szewczuk-Stępień, Janusz Wielki, Mariusz Zieliński, Aleksandra Żurawska
Copyright by Politechnika Opolska 2017
Projekt okładki: Krzysztof KaszaOpracowanie graficzne: Oficyna Wydawnicza Politechniki Opolskiej
Wydanie I, 2017 r.ISSN 2353-8899
Spis treści
Marzena Szewczuk-StępieńSŁOWO WSTĘPNE . . . . . . . . . . . . . . . . . . . . . . . . 5
Kazimierz GÓRKA, Marcin ŁUSZCZYK KONTROWERSJE WOKÓŁ REINDUSTRIALIZACJI GOSPODARKI . . 7Bogdan SYTNIKTHEORETIC RATIONAL FOR ENTERPRISES DEVELOPMENT . . . . 20Anna LAMEKPOLSKIE SZKOLNICTWO WYŻSZE A BIEŻĄCE POTRZEBY RYNKU PRACY – ANALIZA I OCENA . . . . . . . . . . . . . . . 33Eugenia GAURAWIEK I PŁEĆ JAKO DETERMINANTY AKTYWNOŚCI ZAWODOWEJ LUDNOŚCI W POLSCE . . . . . . . . . . . . . . . . . . . . . . 43 Beata SKUBIAKSPÓŁDZIELNIA SOCJALNA JAKO INSTRUMENT ROZWOJU SPOŁECZNOŚCI LOKALNYCH . . . . . . . . . . . . . . . . . . . 54Sylwia JASEKBEZPOŚREDNIE INWESTYCJE ZAGRANICZNE NA POLSKIM RYNKU MATERIAŁÓW BUDOWLANYCH NA PRZYKŁADZIE RYNKU MATERIAŁÓW ŚCIENNYCH ORAZ SYSTEMÓW ODPROWADZANIA SPALIN . . . . . . . . . . . . . . . . . . . . 62Tomasz ZIMASKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ W PRZEWIDYWANIU BANKRUCTWA PRZEDSIĘBIORSTW . . . . . 79Sabina KLOSACHARAKTERYSTYKA POLSKIEGO E-KONSUMENTA . . . . . . . . 97Robert POSKARTGIEŁDY BITCOINA W POLSCE. . . . . . . . . . . . . . . . . . . 113Roman CZELIKIDENTYFIKACJA DOSTĘPU DO TOALET PUBLICZNYCH NA PRZYKŁADZIE WOJEWÓDZTWA OPOLSKIEGO. . . . . . . . . 126
SŁOWO WSTĘPNE
Szesnasty numer Przeglądu Nauk Stosowanych ma charakter przeglądowy. Składa się na niego dziesięć artykułów, których ogólna tematyka oscyluje wokół zagadnień gospodarczych, a w szczególności problematyki rynku pracy, finan-sowych aspektów działalności przedsiębiorstw, przejawów gospodarki elektro-nicznej oraz zagadnień społecznych i ich wpływu na rozwój lokalny. Dokonując uporządkowania opracowań numeru kierowno się przede wszystkim spójnością tematyczną oraz chęcią prezentacji zagadnień wg koncepcji od ogółu do szcze-gółu.
W artykule „Kontrowersje wokół reindustrializacji gospodarki” dokonano analizy zagadnień związanych z procesem reindustrializacji, która zdaniem au-torów opracowania jest niezbędna dla zapewnienia trwałego wzrostu gospodar-czego i pozwoli na przywrócenie zachwianej w ostatnich dekadach równowagi pomiędzy usługami a produkcją przemysłową.
Praca „Teoretyczne podstawy rozwoju przedsiębiorczości” obejmuje analizę uwarunkowań rozwoju przedsiębiorczości dokonaną w opraciu o istniejący stan wiedzy. Podjęto naukowe rozważania nad różnymi ujęciami stymulowania roz-woju przedsiębiorczości, w szczególności wyeksponowano podejścia liberalne, administracyjne, organizacyjne oraz behawioralne.
Artykuł „Polskie szkolnictwo wyższe a bieżące potrzeby rynku pracy – anali-za i ocena” koncentruje się na analizie rynku pracy i zapotrzebowaniu na kom-petencje absolwentów szkół wyższych. Na tle prezentacji danych statystycznych ukazano trendy i realne potrzeby rynku.
Opracowanie „Wiek i płeć jako determinanty aktywności zawodowej ludności w Polsce” dotyczy głównych czynników decydujących o aktywności ekono-micznej ludności. Dokonano analizy sytuacji zatrudniania w kontekście zróżni-cowania ze względu na wiek oraz płeć zatrudnionych. Bazując na danych staty-stycznych ukazano trend, który zarysował się w latach 2005-2015 w Polsce.
W artykule „Spółdzielnia socjalna jako instrument rozwoju społeczności lo-kalnych” dokonano analizy formy prowadzenia działalności gospodarczej w postaci spółdzielni sojalnej. Ukazano rolę i znaczenie tego podejścia w roz-woju lokalnym, w szczególności jako sposób przeciwdziałania bezrobociu oraz podnoszenia konkurencyjności gospodarki.
Praca „Bezpośrednie inwestycje zagraniczne na polskim rynku materiałów budowlanych na przykładzie rynku materiałów ściennych oraz systemów odpro-wadzania spalin” dotyczy bezpośrednich inwestycji zagranicznych. Analizie poddano uwarunkowania ekonomiczne oraz motywy podejmowania w Polsce inwestycji przez przedsiębiorstwa zagraniczne. Część empiryczną opracowano w opraciu o rynek materiałów budowlanych.
W opracowaniu „Skuteczność modeli analizy dyskryminacyjnej w przewidy-waniu bankructwa przedsiębiorstw” podjęto temat wielowskaźnikowej analizy finansowej. Scharakteryzowano sytuację finansową przedsiębiorstw i dokonano
próby oceny skuteczności przewidywania bankructwa przedsiębiorstwa z wyko-rzystaniem modeli wielowymiarowej analizy dyskryminacyjnej.
Artykuł „Charakterystyka polskiego e-konsumenta” koncentruje się na ana-lizie zachowań konsumenckich w dobie gospodarki elektronicznej ze szczegól-nym uwzględnieniem motywów kupowania online. Dokonano charakterystyki polskiego e-konsumenta w oparciu o dostępne dane statystyczne.
Opracowanie „Giełdy bitcoina w Polsce” dotyczy bardzo aktualnego zagad-nienia jakim jest kryptowaluta. Przeprowadzono analizę ofert giełd bitcoina w Polsce z uwzględnieniem uwarunkowań i zagrożeń jakie funkcjonują w obrocie walut cyfrowych.
W pracy „Identyfikacja dostępu do toalet publicznych na przykładzie woje-wództwa opolskiego” podjęto temat rzadko poruszany w opracowaniach doty-czących infrastruktury publicznej w Polsce. Analizę empiryczną przeprowadzo-no na przykładzie wybranego regionu.
Marzena Szewczuk-Stępień
[13] Misiewicz, L.: Rynek materiałów do wznoszenia ścian w 2013r. „Materiały budowlane” 2014, nr 4 (500).
[14] Misiewicz, L.: Rynek materiałów ściennych w 2015roku. „Materiały budow-lane” 2016, nr 4 (524).
[15] OECD Benchmark Definition of Foreign Direct Investment. Fourth Edition, Paris: 2008.
[16] Pilarska, Cz.: Bezpośrednie inwestycje zagraniczne w teorii ekonomii, Kra-ków: Wydawnictwo Akademii Ekonomicznej w Krakowie 2005.
[17] Rocznik statystyczny województw 2016, Warszawa: GUS 2017. [18] Szczepkowska-Flis, A.: Klimat inwestycyjny - konieczne i wystarczające
czynniki determinujące napływ bezpośrednich inwestycji zagranicznych do Polski. „Ekonomia i Prawo. Tom 2 Ład instytucjonalny w gospodarce”, 2006.
[19] Wiśniewska, K.: Röben uruchomił drugą dachówczarnię w Polsce. „Mate-riały Budowlane” 2006, nr 1 (401)
[20] Wiśniewska, K.: Solbet liderem na rynku betonu komórkowego w Polsce. „Materiały Budowlane” 2017, nr 1.
[21] Zawadzki, E.: Wielkość i struktura rynku budowlanego w Polsce do 2010 r. a inwestycje zagraniczne, Raport nr 138, Kancelaria Sejmu, Biuro Studiów i Ekspertyz, czerwiec 1998.
Źródła internetowe: [1] Plan na Rzecz Odpowiedzialnego Rozwoju, Ministerstwo Rozwoju [2] https://www.mr.gov.pl/media/14840/Plan_na_rzecz_Odpowiedzialnego_Roz
woju_prezentacja.pdf., [dostęp 18.03.2017] [3] Karaszewski i In.: Aktywność inwestycyjna polskich przedsiębiorstw za
granicą w postaci inwestycji bezpośrednich. Raport z badania. UMK Toruń. [4] http://www.paiz.gov.pl/files/?id_plik=17521, [dostęp 19.03.2017] [5] Strony internetowe producentów:
http://www.leier.pl/1200_historia.php, http://roben.pl/o-firmie/historia-marki, http://wienerberger.forumfirm.pl/p1.t0, http://www.media.xella.pl, https://dolny-slask.org.pl/533572,Gozdnica,CRH_KLINKIER_Gozdnica_d _Gozdnickie_Zaklady_Ceramiki_Budowlanej.html, http://www.plewa.net.pl/marka-plewa, http://www.ibf.dk/pl/ibf-dawno-dawno-temu, http://www.icopal.pl/index.php?page=historia, [dostęp 18.03.2017]
[6] https://ems.ms.gov.pl/krs/wyszukiwaniepodmiotu?t:lb=t [dostęp 18.03.2017] mgr inż. Sylwia Jasek Analityk biznesowy/Asystent Zarządu Schiedel Sp. z o.o. [email protected]
Tomasz ZIMA
SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ W PRZEWIDYWANIU
BANKRUCTWA PRZEDSIĘBIORSTW
Streszczenie: Opracowanie opisuje wielowskaźnikową analizę finansową przedsię-biorstw, której zadaniem jest przewidywanie bankructwa przedsiębiorstw. Uwaga poświęcona została modelom wielowymiarowej analizy dyskryminacyjnej i ich skuteczności. Przy wykorzystaniu sprawozdań finansowych dwóch podmiotów w trudnej sytuacji finansowej sprawdzono skuteczność modeli w przewidywaniu ban-kructwa. Oprócz modeli polskich przeanalizowano również modele zagraniczne pod kątem ich potencjalnego wykorzystania dla polskich przedsiębiorstw. Zbadano także wpływ czasu na efektywność modeli analizy dyskryminacyjnej.
Słowa kluczowe: analiza dyskryminacyjna, predykcja bankructwa, analiza wskaźni-kowa, sprawozdania finansowe, skuteczność modeli dyskryminacyjnych.
THE EFFECTIVENESS OF DISCRIMINANT ANALYSIS MODELS IN PREDICTING ENTERPRISES BANKRUPTCY
Summary: The study describes the multi-ratio financial analysis of enterprises, which task is to predict bankruptcy of enterprises. The main attention was paid to discriminant analysis models and their effectiveness. Using the financial statements of two financial institutions in difficult financial situations, the effectiveness of models has been checked in prediction of bankruptcy. Apart from Polish models, foreign models were also analyzed in terms of their potential use for Polish compa-nies. The influence of time on the effectiveness of discriminamt analysis models has also been tested.
Keywords:, discriminant analysis, bankruptcy prediction, ratio analysis, financial statement, accuracy of discriminant models.
1. WSTĘP Jedyną stałą rzeczą w życiu jest zmiana, tak pisał Heraklit z Efezu. Dzisiaj
jego słowa wydają się być jeszcze bardziej adekwatne do opisu otaczającej nas rzeczywistości aniżeli mogłyby to być w V w p.n.e. Dwudziesty pierwszy wiek jest okresem w którym zachodzą ogromne zmiany, niezwykle duży jest nie tylko ich rozmiar, ale i tempo, w którym następują. Szybkie i nagłe zmiany nie doty-czą jedynie wspaniałych odkryć służących ludzkości, owe zmiany dotyczą rów-nież w dużym stopniu gospodarki, często niestety w negatywnym aspekcie. Obecnie żyjemy w czasach, kiedy podmioty funkcjonujące na rynku mogą nagle i niespodziewanie zakończyć swoją działalność nawet po wielu latach pomyśl-nego istnienia. Takim podmiotem jest na przykład Lehman Brothers, który po-
80 Tomasz ZIMA
mimo bycia jednym z największych banków inwestycyjnych zarówno w Sta-nach Zjednoczonych, jak i na świecie oraz funkcjonowania nieprzerwanie od wielu lat, niespodziewanie w roku 2008 ogłosił upadłość. Istnieje wiele opinii, że to właśnie jego upadek wywołał ogromny kryzys finansowy na całym świe-cie, którego skutki są odczuwalne jeszcze po dziś dzień [www.forbes.pl]. Im podmiot jest większy tym większa jest skala negatywnych skutków związa-nych z jego upadłością. Niezależnie od tego czy takowym podmiotem jest duży bank inwestycyjny czy przedsiębiorstwo produkcyjne, negatywne skutki jego upadłości będą odczuwane nie tylko przez pracowników, którzy nagle stracili pracę, ale przez kontrahentów, inwestorów, klientów i wielu innych interesariu-szy. Można zadać sobie pytanie, co by było gdyby upadłość można było sku-tecznie przewidywać? Całkiem możliwe, że dzięki takiej informacji, która po-jawiłaby się odpowiednio wcześnie można byłoby zapobiec wielu upadłościom, lub przynajmniej zminimalizować jej negatywne skutki w przypadku gdyby było już za późno. Dlatego właśnie metody analizy finansowej jakimi są między innymi modele analizy dyskryminacyjnej służące predykcji bankructwa są tak ważne. Słuszność ich stosowania jest zatem nie do podważenia [Korol, Prusak 2009: 81-82], jednakże biorąc pod uwagę to, że żyjemy w czasach tak szybkich i gwałtownych zmian, powstaje pytanie, czy modele stworzone nawet kilkadzie-siąt lat temu mogą okazać się skuteczne po upływie tak długiego czasu? Nasuwa się jeszcze jedno pytanie odnośnie wykorzystania zagranicznych doświadczeń w zakresie predykcji bankructwa na potrzeby polskich przedsiębiorstw, a mia-nowicie czy zagraniczne modele dyskryminacyjne mogą być skuteczne w prze-widywaniu bankructwa polskich przedsiębiorstw? Celem pracy jest weryfikacja skuteczności modeli wielowymiarowej analizy dyskryminacyjnej, sprawdzenie efektywności modeli zagranicznych w warunkach polskiej gospodarki oraz tego jak upływ czasu rzutuje na skuteczność modeli dyskryminacyjnych. Cel będzie realizowany poprzez analizę skuteczności wybranych modeli, przeprowadzoną na podstawie danych finansowych dwóch przedsiębiorstw, które złożyły wnio-sek o upadłość.
2. OPERACJONIZACJA POJĘCIA UPADŁOŚCI Jeśli chodzi o dokładne określenie pojęcia upadłości może mieć ono wiele
znaczeń w zależności od tego czy spoglądamy na nie przez pryzmat na przykład nauk prawnych, czy też tych zajmujących się finansami. Jeśli chodzi o ogół nauk prawnych upadłość definiowana jest na kilka różnych sposobów, na przy-kład jako pozbawienie prawa do zarządzania i dysponowania majątkiem przed-siębiorstwa osoby, która je prowadzi na rzecz wyznaczonego syndyka [Nahotko 2004: 41-43]. Prawo gospodarcze z kolei definiuje upadłość przedsiębiorcy jako instytucję prawną, mającą zastosowanie w dokładnie określonej sytuacji zarów-no przedmiotowej jak i podmiotowej, a w swych skutkach instytucja ta prowadzi również do zakończenia działalności podmiotu [Jacyszyn, Kosikowski 2001: 522]. W przypadku nauk z obszaru finansów upadłość postrzega się jako trwałą utratę zdolności do regulowania swoich zobowiązań (czyli jako niewypłacal-
81SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
mimo bycia jednym z największych banków inwestycyjnych zarówno w Sta-nach Zjednoczonych, jak i na świecie oraz funkcjonowania nieprzerwanie od wielu lat, niespodziewanie w roku 2008 ogłosił upadłość. Istnieje wiele opinii, że to właśnie jego upadek wywołał ogromny kryzys finansowy na całym świe-cie, którego skutki są odczuwalne jeszcze po dziś dzień [www.forbes.pl]. Im podmiot jest większy tym większa jest skala negatywnych skutków związa-nych z jego upadłością. Niezależnie od tego czy takowym podmiotem jest duży bank inwestycyjny czy przedsiębiorstwo produkcyjne, negatywne skutki jego upadłości będą odczuwane nie tylko przez pracowników, którzy nagle stracili pracę, ale przez kontrahentów, inwestorów, klientów i wielu innych interesariu-szy. Można zadać sobie pytanie, co by było gdyby upadłość można było sku-tecznie przewidywać? Całkiem możliwe, że dzięki takiej informacji, która po-jawiłaby się odpowiednio wcześnie można byłoby zapobiec wielu upadłościom, lub przynajmniej zminimalizować jej negatywne skutki w przypadku gdyby było już za późno. Dlatego właśnie metody analizy finansowej jakimi są między innymi modele analizy dyskryminacyjnej służące predykcji bankructwa są tak ważne. Słuszność ich stosowania jest zatem nie do podważenia [Korol, Prusak 2009: 81-82], jednakże biorąc pod uwagę to, że żyjemy w czasach tak szybkich i gwałtownych zmian, powstaje pytanie, czy modele stworzone nawet kilkadzie-siąt lat temu mogą okazać się skuteczne po upływie tak długiego czasu? Nasuwa się jeszcze jedno pytanie odnośnie wykorzystania zagranicznych doświadczeń w zakresie predykcji bankructwa na potrzeby polskich przedsiębiorstw, a mia-nowicie czy zagraniczne modele dyskryminacyjne mogą być skuteczne w prze-widywaniu bankructwa polskich przedsiębiorstw? Celem pracy jest weryfikacja skuteczności modeli wielowymiarowej analizy dyskryminacyjnej, sprawdzenie efektywności modeli zagranicznych w warunkach polskiej gospodarki oraz tego jak upływ czasu rzutuje na skuteczność modeli dyskryminacyjnych. Cel będzie realizowany poprzez analizę skuteczności wybranych modeli, przeprowadzoną na podstawie danych finansowych dwóch przedsiębiorstw, które złożyły wnio-sek o upadłość.
2. OPERACJONIZACJA POJĘCIA UPADŁOŚCI Jeśli chodzi o dokładne określenie pojęcia upadłości może mieć ono wiele
znaczeń w zależności od tego czy spoglądamy na nie przez pryzmat na przykład nauk prawnych, czy też tych zajmujących się finansami. Jeśli chodzi o ogół nauk prawnych upadłość definiowana jest na kilka różnych sposobów, na przy-kład jako pozbawienie prawa do zarządzania i dysponowania majątkiem przed-siębiorstwa osoby, która je prowadzi na rzecz wyznaczonego syndyka [Nahotko 2004: 41-43]. Prawo gospodarcze z kolei definiuje upadłość przedsiębiorcy jako instytucję prawną, mającą zastosowanie w dokładnie określonej sytuacji zarów-no przedmiotowej jak i podmiotowej, a w swych skutkach instytucja ta prowadzi również do zakończenia działalności podmiotu [Jacyszyn, Kosikowski 2001: 522]. W przypadku nauk z obszaru finansów upadłość postrzega się jako trwałą utratę zdolności do regulowania swoich zobowiązań (czyli jako niewypłacal-
ność), jako skutek kryzysu finansowego i organizacyjnego, lub też jako rezultat długotrwałego kryzysu finansowego i organizacyjnego, którym jest bankructwo [Nahotko 2004: 41-43]. Na potrzeby niniejszego opracowania upadłość trakto-wana będzie jako stan w którym przedsiębiorstwo boryka się z kłopotami finan-sowymi, zmuszającymi je do złożenia wniosku o ogłoszenie upadłości.
Przy okazji omawiania pojęcia upadłości należy zwrócić uwagę na odmienne sposoby jej postrzegania w ujęciu makro- i mikroekonomicznym. Upadłość przeważnie kojarzona jest negatywnie dlatego niektórych może zdziwić fakt, iż z punktu widzenia makroekonomicznego upadłość jest zjawiskiem pozytyw-nym. Upadłość w skali makro postrzegana może być jako coś dobrego ponieważ pełni ona rolę naturalnego regulatora systemu ekonomicznego. Przedsiębior-stwa, które okazują się nieefektywne, są likwidowane, a środki powstałe w wy-niku likwidacji przenoszone są w obszary, gdzie zostaną lepiej wykorzystane [Korol, Prusak 2009: 81-82]. Upadłość określana jest przez niektórych jako „twórcze niszczenie”, czyli usuwanie przedsiębiorstw, które zamiast tworzenia jakiejś wartości skutecznie ją trwonią. Efektem takiej „czystki” jest tworzenie lepszych warunków dla nowych przedsiębiorstw [Prusak 2011: 33-35]. Jednak-że pomimo tego pozytywnie ocenianego w skali makro efektu upadłości, w perspektywie mikro jest ona zjawiskiem typowo negatywnym. Upadłość w skali mikro generuje szereg następujących po sobie negatywnych skutków, od-czuwają je między innymi wierzyciele, którzy mogą nie odzyskać swoich należ-ności, właściciele przedsiębiorstwa oraz jego pracownicy. Negatywne skutki mogą być odczuwane również przez podmioty które nie są związane w żaden sposób z przedsiębiorstwem, ale funkcjonują w jego bezpośrednim otoczeniu. Można zatem stwierdzić, iż upadłość w skali mikro niesie za sobą wiele nega-tywnych skutków nawet dla podmiotów czy osób bezpośrednio nie związanych z przedsiębiorstwem. Tak więc pomimo tego, że z punktu widzenia makroeko-nomicznego upadłość jest zjawiskiem pozytywnym, ilość negatywnych skutków w skali mikro jest powodem który przemawia za tym aby podejmować działania mające na celu zapobieganie bankructwom [Korol, Prusak 2009: 81-82].
3. PROGNOZOWANIE UPADŁOŚCI ORAZ MODELE PREDYKCJI BANKRUCTWA
Z samym pojęciem upadłości związane jest jego prognozowanie. Prognozo-wanie upadłości to zaledwie jeden z wielu etapów analizy finansowej, aczkol-wiek jeśli osoba zainteresowana kondycją finansową określonego podmiotu pragnie ograniczyć swoje wysiłki do minimum można powiedzieć, że jest to pierwszy etap analizy, który może być jednocześnie tym ostatnim i jedynym, w zależności od uzyskanego wyniku, stwierdzającego zagrożenie upadłością bądź nie. Cel jaki jest stawiany przed predykcją bankructwa to wykrycie pogarszają-cej się kondycji finansowej danego podmiotu, jednakże ze względu na to, iż modele predykcyjne nie wskazują analitykowi jakie obszary wymagają poprawy oraz jakie działania należałoby podjąć w celu „uzdrowienia” przedsiębiorstwa, prognozowanie bankructwa należy traktować jako narzędzie służące do wstęp-
82 Tomasz ZIMA
nej analizy, które powinno być wspierane przez pogłębioną analizę finansową [Korol, Prusak 2009: 85]. Należy również pamiętać o bardzo ważnej kwestii, a mianowicie modele prognozowania bankructwa biorą pod uwagę jedynie czyn-niki o charakterze ilościowym (dane ze sprawozdań finansowych), a pomijają wszystkie inne, które mogą mieć duże znaczenie w ocenie kondycji przedsię-biorstwa. Takimi czynnikami są np. zmiany w obowiązującym stanie prawnym, które w znaczący sposób mogą dotykać dane przedsiębiorstwo. Z tego względu do wyników uzyskanych dzięki modelom predykcji bankructwa trzeba podcho-dzić z pewnym dystansem i traktować je jedynie jako narzędzie pomocne we wszelkiego rodzaju analizach przeprowadzanych przez podmioty zainteresowa-ne kondycją przedsiębiorstwa. Wyniki modeli prognozujących bankructwo przedsiębiorstwa nie powinny zatem być jedynym kryterium decydującym na przykład o słuszności decyzji odnośnie kontynuowania działalności [Nahotko 2004: 120-122].
Istnieje wiele modeli prognozowania upadłości przedsiębiorstw, ich najbar-dziej ogólny podział wyróżnia dwie grupy. Pierwszą z nich są tak zwane modele parametryczne, do których zalicza się właśnie analizę dyskryminacyjną, ale i wielowymiarową analizę wariancji, modele logitowe oraz modele probitowe. Jeśli zaś chodzi o drugą grupę tworzą ją modele nieparametryczne, którymi są między innymi sztuczne sieci neuronowe. Najczęściej stosowanymi spośród wszystkich modeli są te wykorzystujące analizę dyskryminacyjną i to dlatego właśnie ich skuteczność została sprawdzona w niniejszej pracy. Analiza dys-kryminacyjna dzieli się na analizę jednowymiarową i wielowymiarową. Pierw-sza z wymienionych analiz polega na wykorzystaniu modeli badających kondy-cję przedsiębiorstwa na podstawie kilku wybranych wskaźników i zależnie od ich wartości, osobno dla każdego wskaźnika dokonuje się klasyfikacji do grupy przedsiębiorstw zagrożonych upadłością bądź nie [Korol, Prusak 2009: 89]. Taki rodzaj analizy obarczony jest jednak zasadniczym błędem analizy wskaź-nikowej, czyli trudnością jednoznacznej oceny kondycji przedsiębiorstwa oraz zaciemnianiem obrazu sytuacji przedsiębiorstwa, efektem czego jest koniecz-ność selekcji wskaźników [Bombiak 2010: 145]. Drugi rodzaj analizy, czyli analiza wielowymiarowa wykorzystuje modele składające się z kilku odpowied-nio dobranych wskaźników, i w przeciwieństwie do analizy jednowymiarowej, klasyfikacji przedsiębiorstwa do właściwej grupy dokonuje się na podstawie analizy wszystkich wskaźników razem. Modele wielowymiarowe można po-dzielić również ze względu na ilość występujących w niej funkcji na modele jednofunkcyjne i wielofunkcyjne [Korol, Prusak 2009: 89].
Jednym z najbardziej znanych modeli jest ten autorstwa E. Altmana (tzw. funkcja Z-score), naukowca którego uznaje się za ojca wielowymiarowej analizy dyskryminacyjnej [Kawerska 2010: 45]. Cel modelu Altmana jak i całej reszty modeli wielowymiarowej analizy dyskryminacyjnej jest bardzo prosty, mają one za zadanie sklasyfikować przedsiębiorstwo jako zagrożone upadłością (te o złej kondycji finansowej) lub jako niezagrożone upadłością (te o dobrej kondycji finansowej). Konstruując model, jego autor dokonuje wyboru wskaźników,
83SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
nej analizy, które powinno być wspierane przez pogłębioną analizę finansową [Korol, Prusak 2009: 85]. Należy również pamiętać o bardzo ważnej kwestii, a mianowicie modele prognozowania bankructwa biorą pod uwagę jedynie czyn-niki o charakterze ilościowym (dane ze sprawozdań finansowych), a pomijają wszystkie inne, które mogą mieć duże znaczenie w ocenie kondycji przedsię-biorstwa. Takimi czynnikami są np. zmiany w obowiązującym stanie prawnym, które w znaczący sposób mogą dotykać dane przedsiębiorstwo. Z tego względu do wyników uzyskanych dzięki modelom predykcji bankructwa trzeba podcho-dzić z pewnym dystansem i traktować je jedynie jako narzędzie pomocne we wszelkiego rodzaju analizach przeprowadzanych przez podmioty zainteresowa-ne kondycją przedsiębiorstwa. Wyniki modeli prognozujących bankructwo przedsiębiorstwa nie powinny zatem być jedynym kryterium decydującym na przykład o słuszności decyzji odnośnie kontynuowania działalności [Nahotko 2004: 120-122].
Istnieje wiele modeli prognozowania upadłości przedsiębiorstw, ich najbar-dziej ogólny podział wyróżnia dwie grupy. Pierwszą z nich są tak zwane modele parametryczne, do których zalicza się właśnie analizę dyskryminacyjną, ale i wielowymiarową analizę wariancji, modele logitowe oraz modele probitowe. Jeśli zaś chodzi o drugą grupę tworzą ją modele nieparametryczne, którymi są między innymi sztuczne sieci neuronowe. Najczęściej stosowanymi spośród wszystkich modeli są te wykorzystujące analizę dyskryminacyjną i to dlatego właśnie ich skuteczność została sprawdzona w niniejszej pracy. Analiza dys-kryminacyjna dzieli się na analizę jednowymiarową i wielowymiarową. Pierw-sza z wymienionych analiz polega na wykorzystaniu modeli badających kondy-cję przedsiębiorstwa na podstawie kilku wybranych wskaźników i zależnie od ich wartości, osobno dla każdego wskaźnika dokonuje się klasyfikacji do grupy przedsiębiorstw zagrożonych upadłością bądź nie [Korol, Prusak 2009: 89]. Taki rodzaj analizy obarczony jest jednak zasadniczym błędem analizy wskaź-nikowej, czyli trudnością jednoznacznej oceny kondycji przedsiębiorstwa oraz zaciemnianiem obrazu sytuacji przedsiębiorstwa, efektem czego jest koniecz-ność selekcji wskaźników [Bombiak 2010: 145]. Drugi rodzaj analizy, czyli analiza wielowymiarowa wykorzystuje modele składające się z kilku odpowied-nio dobranych wskaźników, i w przeciwieństwie do analizy jednowymiarowej, klasyfikacji przedsiębiorstwa do właściwej grupy dokonuje się na podstawie analizy wszystkich wskaźników razem. Modele wielowymiarowe można po-dzielić również ze względu na ilość występujących w niej funkcji na modele jednofunkcyjne i wielofunkcyjne [Korol, Prusak 2009: 89].
Jednym z najbardziej znanych modeli jest ten autorstwa E. Altmana (tzw. funkcja Z-score), naukowca którego uznaje się za ojca wielowymiarowej analizy dyskryminacyjnej [Kawerska 2010: 45]. Cel modelu Altmana jak i całej reszty modeli wielowymiarowej analizy dyskryminacyjnej jest bardzo prosty, mają one za zadanie sklasyfikować przedsiębiorstwo jako zagrożone upadłością (te o złej kondycji finansowej) lub jako niezagrożone upadłością (te o dobrej kondycji finansowej). Konstruując model, jego autor dokonuje wyboru wskaźników,
które według przeprowadzonych przez niego badań będą najodpowiedniejsze i nadaje im właściwe wagi. Z takich wskaźników tworzona jest następnie funkcja (często nazywana tzw. funkcją Z-score) której obliczona wartość będzie kryte-rium klasyfikującym określone przedsiębiorstwo do właściwej grupy (bankru-tów lub nie). Wartości wskaźników obliczane są na podstawie danych pocho-dzących ze sprawozdań finansowych przedsiębiorstw [Bombiak 2010: 144-145]. Przykładową funkcję przedstawia poniższy wzór:
𝒁𝒁 = 𝑾𝑾𝟏𝟏 ∗ 𝑿𝑿𝟏𝟏 +𝑾𝑾𝟐𝟐 ∗ 𝑿𝑿𝟐𝟐+. . . +𝑾𝑾𝒏𝒏 ∗ 𝑿𝑿𝒏𝒏 + 𝑪𝑪
𝑊𝑊𝑛𝑛 – waga n-tego wskaźnika, 𝑋𝑋𝑛𝑛- wartość wskaźnika, C- wyraz wolny.
Należy podkreślić, iż wyraz wolny (stała) nie pojawia się we wszystkich mo-delach – można spotkać się z jego wykorzystaniem na przykład w modelu T. Maślanki, gdzie jest równy odpowiednio: -0,41052 i 2,26566 [Maślanka 2012: 200], ale już w przypadku modelu Altmana z roku 1968 tak i wyraz wolny nie występuje [Altman 1968: 589-609].
4. CHARAKTERYSTYKA BADANYCH PRZEDSIĘBIORSTW ORAZ PRZYJĘTYCH METOD BADAWCZYCH
Do analizy skuteczności modeli predykcji bankructwa wybrane zostały dwa przedsiębiorstwa będące spółkami akcyjnymi, które działały w tej samej branży. Na potrzeby niniejszego opracowania przedsiębiorstwa te będą przedstawiane jako przedsiębiorstwo X i Y. Oba podmioty charakteryzowały się złą kondycją finan-sową, czego potwierdzeniem było złożenie przez nie w podobnym czasie wnio-sków o ogłoszenie upadłości (rok 2011 i 2012). Dane wykorzystane do przepro-wadzenia badań pochodziły ze sprawozdań finansowych publikowanych przez oba przedsiębiorstwa na ich stronach internetowych. Sprawozdania zostały dołą-czone w formie aneksu.
Efektywność modeli została sprawdzona w rok przed złożeniem wniosku o ogłoszenie upadłości. W analizie wykorzystane zostały modele jednofunkcyjne: siedem zagranicznych oraz szesnaście polskich, natomiast w przypadku modeli wielofunkcyjnych branych pod uwagę było pięć modeli, dwa autorstwa polskich naukowców, a trzy pozostałe zagranicznych. Modele analizy dyskryminacyjnej tworzone są z kilku wybranych przez ich autorów wskaźników, zatem w celu przeprowadzenia analizy skuteczności poszczególnych modeli należy odnaleźć potrzebne wielkości w sprawozdaniach finansowych przedsiębiorstw, a następnie obliczyć określone wskaźniki. Kiedy już dysponuje się wszystkimi potrzebnymi wartościami wskaźników, kolejnym krokiem jest obliczenie funkcji dyskrymina-cyjnej, czyli pomnożenie wskaźników przez przypisane im wagi, a następnie zsu-mowanie całości wraz z wyrazem wolnym (o ile występuje). Uzyskany wynik należy odnieść do wartości podanych przez autora modelu, które decydują o kla-syfikacji przedsiębiorstwa. Jeśli za bezpieczny określony został przedział od 0,5
84 Tomasz ZIMA
do 1,75, a wszystkie wartości powyżej będą oznaczały bankructwo, to funkcja o wartości 2,2 będzie klasyfikowała przedsiębiorstwo jako zagrożone bankructwem.
Wykorzystane w niniejszym opracowaniu dane finansowe pochodziły z okresu przed upadłością obu podmiotów, a zatem wiedząc, że oba przedsiębiorstwa prze-chodziły w kolejnych latach problemy finansowe, można zweryfikować które modele skutecznie to przewidziały. Odpowiednie pogrupowanie uzyskanych wy-ników umożliwiło porównanie skuteczności modeli jednofunkcyjnych w stosunku do wielofunkcyjnych lub też modeli polskich w stosunku do zagranicznych. Takie porównanie pozwoliło również odpowiedzieć na pytanie czy stosowanie zagra-nicznych modeli w przypadku polskich przedsiębiorstw nie jest pozbawione sen-su, a także pomogło wskazać z których modeli lepiej korzystać chcąc uzyskać jak najlepsze efekty. Dodatkowo porządkując modele według daty ich powstania oraz zestawiając je z uzyskanymi wynikami można ocenić czy wyniki dla starszych modeli nie są gorsze w stosunku do modeli nowszych, czyli czy nie następuje ich dezaktualizacja.
5. WYNIKI PRZEPROWADZONYCH BADAŃ – SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ
Dzięki przeprowadzonej analizie możliwe było porównanie skuteczności polskich i zagranicznych modeli dyskryminacyjnych. Ze względu na to, że w analizie najliczniejszą grupę stanowiły modele jednofunkcyjne to właśnie na ich podstawie dokonane zostało porównanie skuteczności rozwiązań polskich i zagranicznych. Uzyskane wyniki zaprezentowane zostały w tabeli nr 1 oraz tabeli nr 2, jako „P” oznaczono w nich prawidłową predykcję bankructwa, na-tomiast jako „N” predykcję nieprawidłową. Każda z tabel została podsumowana poprzez zestawienie pokazujące ile spośród wszystkich modeli okazało się sku-tecznych oraz jaka jest ich średnia skuteczność.
Tabela 1. Wyniki klasyfikacji przedsiębiorstw X i Y dla zagranicznych modeli jednofunkcyjnych
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y.
lp. Model autorstwa Klasyfikacja
dla przedsiębiorstwa X
dla przedsiębior-stwa Y
1 Koh i Killough N P 2 E.Altman A P P 3 E.Altman B P P 4 E.Altman C P P 5 G.L.V. Springate N P 6 J.Fulmer P P 7 J.Ko N N
prawidłowe predykcje 4 6
średnia 57% 86%
85SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
do 1,75, a wszystkie wartości powyżej będą oznaczały bankructwo, to funkcja o wartości 2,2 będzie klasyfikowała przedsiębiorstwo jako zagrożone bankructwem.
Wykorzystane w niniejszym opracowaniu dane finansowe pochodziły z okresu przed upadłością obu podmiotów, a zatem wiedząc, że oba przedsiębiorstwa prze-chodziły w kolejnych latach problemy finansowe, można zweryfikować które modele skutecznie to przewidziały. Odpowiednie pogrupowanie uzyskanych wy-ników umożliwiło porównanie skuteczności modeli jednofunkcyjnych w stosunku do wielofunkcyjnych lub też modeli polskich w stosunku do zagranicznych. Takie porównanie pozwoliło również odpowiedzieć na pytanie czy stosowanie zagra-nicznych modeli w przypadku polskich przedsiębiorstw nie jest pozbawione sen-su, a także pomogło wskazać z których modeli lepiej korzystać chcąc uzyskać jak najlepsze efekty. Dodatkowo porządkując modele według daty ich powstania oraz zestawiając je z uzyskanymi wynikami można ocenić czy wyniki dla starszych modeli nie są gorsze w stosunku do modeli nowszych, czyli czy nie następuje ich dezaktualizacja.
5. WYNIKI PRZEPROWADZONYCH BADAŃ – SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ
Dzięki przeprowadzonej analizie możliwe było porównanie skuteczności polskich i zagranicznych modeli dyskryminacyjnych. Ze względu na to, że w analizie najliczniejszą grupę stanowiły modele jednofunkcyjne to właśnie na ich podstawie dokonane zostało porównanie skuteczności rozwiązań polskich i zagranicznych. Uzyskane wyniki zaprezentowane zostały w tabeli nr 1 oraz tabeli nr 2, jako „P” oznaczono w nich prawidłową predykcję bankructwa, na-tomiast jako „N” predykcję nieprawidłową. Każda z tabel została podsumowana poprzez zestawienie pokazujące ile spośród wszystkich modeli okazało się sku-tecznych oraz jaka jest ich średnia skuteczność.
Tabela 1. Wyniki klasyfikacji przedsiębiorstw X i Y dla zagranicznych modeli jednofunkcyjnych
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y.
lp. Model autorstwa Klasyfikacja
dla przedsiębiorstwa X
dla przedsiębior-stwa Y
1 Koh i Killough N P 2 E.Altman A P P 3 E.Altman B P P 4 E.Altman C P P 5 G.L.V. Springate N P 6 J.Fulmer P P 7 J.Ko N N
prawidłowe predykcje 4 6
średnia 57% 86%
Tabela 2. Wyniki klasyfikacji przedsiębiorstw X i Y dla polskich modeli jednofunkcyjnych
lp. Model autorstwa Klasyfikacja
dla przedsię-biorstwa X
dla przedsię-biorstwa Y
1 A.Hołdy N N 2 B. Prusaka P1 P P 3 B. Prusaka P2 N N 4 B. Prusaka P3 P P 5 B. Prusaka P4 P P
6 D.Appenzeller i K.Szarzec (5-cio wskaźnikowy)
N P
7 D.Appenzeller i K.Szarzec (6-cio wskaźnikowy)
N N
8 D.Hadasik N N 9 D.Wierzby P P 10 E.Mączyńskiej P P
11 J.Gajdki i D.Stosa model 1 P P
12 J.Gajdki i D.Stosa model 2 P P
13 J.Gajdki i D.Stosa model 3 P P
14 J.Gajdki i D.Stosa model 4 P P
15 J.Gajdki i D.Stosa model 5 P P
16 M.Hamrola, B.Czajka,
M.Piechocicki (po-znański)
P P
prawidłowe predykcje 11 12
średnia 68,75% 75,00%
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y Zestawienie wyników przedstawionych w tabelach nr 1 i 2 zaprezentowane
zostało dodatkowo na wykresie nr 1.
86 Tomasz ZIMA
57% 68,75%
0%
20%
40%
60%
80%
100%
Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa X
Skuteczność modeli zagranicznych
Skuteczność modeli polskich
86% 75,00%
0%
20%
40%
60%
80%
100%
Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa Y
Skuteczność modeli zagranicznych
Skuteczność modeli polskich
Wykres 1. Skuteczność modeli jednofunkcyjnych dla przedsiębiorstw X i Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y Jeśli zatem chodzi o kwestię wykorzystania zagranicznych modeli do pre-
dykcji bankructwa polskich przedsiębiorstw wyniki zaprezentowane w tabelach nr 1 i 2 oraz na wykresie nr 1, pozwalają sądzić, iż nie ma ku temu większych przeszkód. W przypadku modeli zagranicznych można zauważyć jedynie nieco gorszą skuteczność dla przedsiębiorstwa X, natomiast już w przypadku przed-siębiorstwa Y modele zagraniczne okazały się nawet skuteczniejsze od rozwią-zań polskich. Podobna sprawność modeli polskich i zagranicznych pokazuje, że w przypadku polskich przedsiębiorstw z powodzeniem można stosować zarów-no jedne jak i drugie.
W trakcie badań zweryfikowana została również skuteczność modeli wielo-funkcyjnych takich jak model Beerman’a, Banku Francji, O. Hajdu i M. Viraga oraz dwa polskie modele których autorami są S. Sojak i J. Stawicki. Wyniki zaprezentowane zostały w tabeli nr 3. Podsumowaniem tabeli jest takie samo zestawienie jak w przypadku tabeli nr 1 i 2, także oznaczenia „P” i „N” zasto-sowane w tabeli nr 3 są tożsame z tymi, które zostały użyte w przypadku tabeli nr 1 i 2.
87SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
57% 68,75%
0%
20%
40%
60%
80%
100%
Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa X
Skuteczność modeli zagranicznych
Skuteczność modeli polskich
86% 75,00%
0%
20%
40%
60%
80%
100%
Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa Y
Skuteczność modeli zagranicznych
Skuteczność modeli polskich
Wykres 1. Skuteczność modeli jednofunkcyjnych dla przedsiębiorstw X i Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y Jeśli zatem chodzi o kwestię wykorzystania zagranicznych modeli do pre-
dykcji bankructwa polskich przedsiębiorstw wyniki zaprezentowane w tabelach nr 1 i 2 oraz na wykresie nr 1, pozwalają sądzić, iż nie ma ku temu większych przeszkód. W przypadku modeli zagranicznych można zauważyć jedynie nieco gorszą skuteczność dla przedsiębiorstwa X, natomiast już w przypadku przed-siębiorstwa Y modele zagraniczne okazały się nawet skuteczniejsze od rozwią-zań polskich. Podobna sprawność modeli polskich i zagranicznych pokazuje, że w przypadku polskich przedsiębiorstw z powodzeniem można stosować zarów-no jedne jak i drugie.
W trakcie badań zweryfikowana została również skuteczność modeli wielo-funkcyjnych takich jak model Beerman’a, Banku Francji, O. Hajdu i M. Viraga oraz dwa polskie modele których autorami są S. Sojak i J. Stawicki. Wyniki zaprezentowane zostały w tabeli nr 3. Podsumowaniem tabeli jest takie samo zestawienie jak w przypadku tabeli nr 1 i 2, także oznaczenia „P” i „N” zasto-sowane w tabeli nr 3 są tożsame z tymi, które zostały użyte w przypadku tabeli nr 1 i 2.
Tabela 3. Wyniki klasyfikacji przedsiębiorstw X i Y dla polskich i zagranicznych modeli wielofunkcyjnych
lp. Model autorstwa Klasyfikacja
dla przedsiębior-stwa X
dla przedsiębior-stwa Y
1 Beermana P P 2 Banku Francji P P 3 O.Hajdu i M.Viraga P P 4 S.Sojaka i J.Stawickiego P P
5 S.Sojaka i J.Stawickiego (mniejsza ilość wskaźni-
ków) P P
prawidłowe predykcje 5 5
średnia 100% 100%
Źródło: opracowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y. Porównując wyniki uzyskane dla modeli wielofunkcyjnych z wynikami mo-
deli jednofunkcyjnych zauważyć można, iż te pierwsze charakteryzowały się znacznie większą skutecznością. Oczywiście nie może to być dowodem wyższo-ści modeli wielofunkcyjnych nad tymi, które wykorzystują tylko jedną funkcję, ze względu na to, że modeli wielofunkcyjnych branych pod uwagę w niniej-szych badaniach było znacznie mniej. Stuprocentowa sprawność prawdopodob-nie mogłaby ulec pogorszeniu w przypadku analizy większej ilości modeli wie-lofunkcyjnych.
Jeśli chodzi o wpływ czasu na skuteczność modeli dyskryminacyjnych (ich dezaktualizację) sprawdzone były te modele w przypadku których data powsta-nia została potwierdzona. Uzyskane wyniki przedstawia tabela nr 4.
88 Tomasz ZIMA
Tabela 4. Skuteczność wybranych modeli analizy dyskryminacyjnej dla przedsię-biorstw X i Y w zależności od czasu powstania
lp. model rok powsta-
nia Przedsiębiorstwo X Y
1 E.Altman model A 1968 TAK TAK 2 L.V. Springate 1978 NIE TAK 3 Beerman 1976 TAK TAK 4 J.Ko 1982 NIE NIE 5 E.Altman model B 1983 TAK TAK 6 J.Fulmer 1984 TAK TAK 7 Koh i Killough 1990 NIE TAK 8 E.Mączyńska 1994 TAK TAK 9 J.Gajdka i T.Stosa model 1 1996 TAK TAK 10 J.Gajdka i T.Stosa model 2 1996 TAK TAK 11 D.Wierzba 2000 TAK TAK 12 A.Hołda 2001 NIE NIE
13 M.Hamrola, B.Czajka, M. Piechocic-ki 2004 TAK TAK
14 B.Prusak P1 2005 TAK TAK 15 B.Prusak P2 2005 NIE NIE 16 J.Gajdka i T.Stosa model 3 2006 TAK TAK 17 J.Gajdka i T.Stosa model 4 2006 TAK TAK
TAK klasyfikacja prawidłowa
NIE klasyfikacja błędna
Źródło: opracowanie własne na podstawie: E.Altman, model A, L.V. Springate, J.Ko., E.Altman model B, J.Fulmer oraz Koh i Killough- B.Prusak, Rozprawa doktorska, upa-dłość przedsiębiorstw – uwarunkowania i metody prognozowania, Politechnika Gdańska, Wydział Zarządzania i Ekonomii, Gdańsk 2003 / E.Mączyńska, J.Gajdka i T.Stosa mo-dele 1-4 - R.Jagiełło, Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw, Materiały i Studia, Zeszyt nr 286, Narodowy Bank Polski, 2003 / D.Wierzba, A.Hołda, M.Hamrola, B.Czajka, M. Piechocicki, B. Pru-sak P1 i P2 - J.Wojnar, Ocena skuteczności modeli analizy dyskryminacyjnej do progno-zowania zagrożenia finansowego spółek giełdowych, Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, t.24, nr 1, czerwiec 2014 / wyniki – opra-cowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y.
Dzięki przeprowadzonej analizie można stwierdzić, iż większość starszych
modeli w dalszym ciągu okazuje się skuteczna, aczkolwiek pomimo tego bar-dziej bezpiecznym rozwiązaniem wydaje się stosowanie modeli najnowszych, oczywiście o ile do ich konstrukcji wykorzystane zostały w miarę „świeże”
89SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
Tabela 4. Skuteczność wybranych modeli analizy dyskryminacyjnej dla przedsię-biorstw X i Y w zależności od czasu powstania
lp. model rok powsta-
nia Przedsiębiorstwo X Y
1 E.Altman model A 1968 TAK TAK 2 L.V. Springate 1978 NIE TAK 3 Beerman 1976 TAK TAK 4 J.Ko 1982 NIE NIE 5 E.Altman model B 1983 TAK TAK 6 J.Fulmer 1984 TAK TAK 7 Koh i Killough 1990 NIE TAK 8 E.Mączyńska 1994 TAK TAK 9 J.Gajdka i T.Stosa model 1 1996 TAK TAK 10 J.Gajdka i T.Stosa model 2 1996 TAK TAK 11 D.Wierzba 2000 TAK TAK 12 A.Hołda 2001 NIE NIE
13 M.Hamrola, B.Czajka, M. Piechocic-ki 2004 TAK TAK
14 B.Prusak P1 2005 TAK TAK 15 B.Prusak P2 2005 NIE NIE 16 J.Gajdka i T.Stosa model 3 2006 TAK TAK 17 J.Gajdka i T.Stosa model 4 2006 TAK TAK
TAK klasyfikacja prawidłowa
NIE klasyfikacja błędna
Źródło: opracowanie własne na podstawie: E.Altman, model A, L.V. Springate, J.Ko., E.Altman model B, J.Fulmer oraz Koh i Killough- B.Prusak, Rozprawa doktorska, upa-dłość przedsiębiorstw – uwarunkowania i metody prognozowania, Politechnika Gdańska, Wydział Zarządzania i Ekonomii, Gdańsk 2003 / E.Mączyńska, J.Gajdka i T.Stosa mo-dele 1-4 - R.Jagiełło, Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw, Materiały i Studia, Zeszyt nr 286, Narodowy Bank Polski, 2003 / D.Wierzba, A.Hołda, M.Hamrola, B.Czajka, M. Piechocicki, B. Pru-sak P1 i P2 - J.Wojnar, Ocena skuteczności modeli analizy dyskryminacyjnej do progno-zowania zagrożenia finansowego spółek giełdowych, Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, t.24, nr 1, czerwiec 2014 / wyniki – opra-cowanie własne na podstawie sprawozdań finansowych przedsiębiorstw X i Y.
Dzięki przeprowadzonej analizie można stwierdzić, iż większość starszych
modeli w dalszym ciągu okazuje się skuteczna, aczkolwiek pomimo tego bar-dziej bezpiecznym rozwiązaniem wydaje się stosowanie modeli najnowszych, oczywiście o ile do ich konstrukcji wykorzystane zostały w miarę „świeże”
dane. Należy bowiem podkreślić, że to nie rok powstania modelu jest najważ-niejszy, ale okres z jakiego pochodziły dane, które posłużyły do skonstruowania modelu. Można zakładać, iż naukowcy tworząc swoje modele sięgają po możli-wie jak najnowsze dane, dlatego na potrzeby niniejszej pracy przyjęto, że im model jest nowszy tym nowsze są dane w oparciu, o które został on skonstruo-wany.
6. WNIOSKI Wiele spośród analizowanych na potrzeby niniejszej pracy modeli dyskrymi-
nacyjnych potwierdziło swoją skuteczność, co pozwala na wyciągnięcie prawdo-podobnie najważniejszego wniosku: problemy finansowe przedsiębiorstw z po-wodzeniem można przewidywać i co za tym idzie skutecznie im przeciwdziałać lub przynajmniej odpowiednio szybko podejmować działania mające na celu mi-nimalizację ich negatywnych skutków jeśli owym problemom nie da się już zapo-biec.
Przeprowadzone badania pozwalają także na wyciągnięcie innego równie ważnego wniosku, a mianowicie przy stosowaniu modeli dyskryminacyjnych nie powinno się polegać tylko na jednym modelu, ale starać się wykorzystywać przy-najmniej kilka z nich uchodzących za te najbardziej skuteczne ponieważ okazuje się, że niektóre z modeli w przypadku jednego przedsiębiorstwa potrafią prawi-dłowo informować o zagrożeniu, ale już w przypadku innego przedsiębiorstwa mogą się nie sprawdzać. Potwierdzeniem tego wniosku jest fakt stwierdzony przez naukowców zajmujących się analizą dyskryminacyjną, a mianowicie istnieją mo-dele popularne, ale do tej pory nie ma tego jednego, który okazałby się najlepszy [Kitowski 2011: 71]. Dlatego właśnie zasadne jest stosowanie kilku modeli i nie poleganie tylko na jednym „ulubionym”, ponieważ nie ma modelu w stu procen-tach skutecznego. Oparcie się na kilku modelach z całą pewnością pozwoli na zwiększenie prawdopodobieństwa uzyskania właściwego wyniku.
W literaturze traktującej o analizie dyskryminacyjnej pojawia się wiele słów krytyki jeśli chodzi o stosowanie modeli zagranicznych w przypadku polskich przedsiębiorstw, a jest to spowodowane między innymi poprzez występujące róż-nice makroekonomiczne w takich obszarach jak np. stopy procentowe, poziom inflacji, system podatkowy, koniunktura gospodarki narodowej itp. [Kitowski 2011: 72]. Pomimo powyższych zastrzeżeń wyniki badań uzyskanych dzięki ni-niejszej pracy pokazują, iż modele zagraniczne również mogą okazać się skutecz-ne w warunkach polskiej gospodarki.
Końcowe wnioski można przedstawić także w formie wskazówek dla osób pragnących wykorzystywać modele analizy dyskryminacyjnej w praktyce: nie należy polegać na jednym modelu, ale wykorzystywać kilka wybranych, można z powodzeniem stosować modele starsze, ale bezpieczniej jest opierać
się na jak najnowszych, w niektórych przypadkach modele pochodzące zza granicy mogą również
okazać się skuteczne w klasyfikacji polskich przedsiębiorstw.
90 Tomasz ZIMA
Literatura: [1] Altman, E.: The Journal of Finance, Financial ratios, discriminant analysis
and the prediction of bankruptcy, no. 4, 1968. [2] Bombiak, E.: Modele dyskryminacyjne jako metoda oceny sytuacji finanso-
wej przedsiębiorstwa, Zeszyty Naukowe Akademii Podlaskiej w Siedlcach, Seria: Administracja i Zarządzanie, nr 86, 2010.
[3] Jacyszyn, J., Kosikowski, C.: Podstawy Prawa Gospodarczego, Warszawa: Wydawnictwo Prawnicze LexisNexis 2001.
[4] Jagiełło, R.: Analiza dyskryminacyjna i regresja logistyczna w procesie oce-ny zdolności kredytowej przedsiębiorstw, Materiały i Studia, Zeszyt nr 286, Narodowy Bank Polski 2003.
[5] Kitowski, J.: Bariery wiarygodnego stosowania metod dyskryminacyjnych do oceny kondycji finansowej przedsiębiorstwa, Zeszyty Naukowe Uniwersyte-tu Szczecińskiego nr 639, Finanse, Rynki Finansowe, Ubezpieczenia nr 37, 2011.
[6] Korol, T., Prusak, B.: Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji, Wydanie II, Warszawa: CeDeWu Sp. z o.o. 2009.
[7] Maślanka, T.: Weryfikacja skuteczności modeli predykcji bankructwa pol-skich przedsiębiorstw, Zeszyty Naukowe nr 12, Kraków: Polskie Towarzy-stwo Ekonomiczne, Uniwersytet Ekonomiczny w Krakowie 2012.
[8] Nahotko, S.: Zarządzanie przedsiębiorstwem w warunkach zagrożenia upa-dłością, Bydgoszcz: „AJG” Spółka z o.o. Zakład Pracy Chronionej, Oficyna Wydawnicza 2004.
[9] Prusak, B.: Ekonomiczna analiza upadłości przedsiębiorstw, ujęcie między-narodowe, Warszawa: CeDeWu 2011.
[10] Studia i prace kolegium zarządzania i finansów, Zeszyt Naukowy 102, red. Krystyna Kawerska. Warszawa: SGH w Warszawie 2010.
[11] Wojnar, J.: Ocena skuteczności modeli analizy dyskryminacyjnej do progno-zowania zagrożenia finansowego spółek giełdowych, Zeszyty Naukowe Ma-łopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, t.24, nr 1, czerwiec 2014.
Źródła internetowe: [1] https://www.forbes.pl/wiadomosci/upadek-lehman-brothers-rozpoczal-
kryzys-finansowy-w-2008-roku/lx3meth, [dostęp 20.05.2017]
Tomasz Zima Politechnika Opolska Wydział Ekonomii i Zarządzania 45-036 Opole, ul. Luboszycka 7 [email protected]
91SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
Literatura: [1] Altman, E.: The Journal of Finance, Financial ratios, discriminant analysis
and the prediction of bankruptcy, no. 4, 1968. [2] Bombiak, E.: Modele dyskryminacyjne jako metoda oceny sytuacji finanso-
wej przedsiębiorstwa, Zeszyty Naukowe Akademii Podlaskiej w Siedlcach, Seria: Administracja i Zarządzanie, nr 86, 2010.
[3] Jacyszyn, J., Kosikowski, C.: Podstawy Prawa Gospodarczego, Warszawa: Wydawnictwo Prawnicze LexisNexis 2001.
[4] Jagiełło, R.: Analiza dyskryminacyjna i regresja logistyczna w procesie oce-ny zdolności kredytowej przedsiębiorstw, Materiały i Studia, Zeszyt nr 286, Narodowy Bank Polski 2003.
[5] Kitowski, J.: Bariery wiarygodnego stosowania metod dyskryminacyjnych do oceny kondycji finansowej przedsiębiorstwa, Zeszyty Naukowe Uniwersyte-tu Szczecińskiego nr 639, Finanse, Rynki Finansowe, Ubezpieczenia nr 37, 2011.
[6] Korol, T., Prusak, B.: Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji, Wydanie II, Warszawa: CeDeWu Sp. z o.o. 2009.
[7] Maślanka, T.: Weryfikacja skuteczności modeli predykcji bankructwa pol-skich przedsiębiorstw, Zeszyty Naukowe nr 12, Kraków: Polskie Towarzy-stwo Ekonomiczne, Uniwersytet Ekonomiczny w Krakowie 2012.
[8] Nahotko, S.: Zarządzanie przedsiębiorstwem w warunkach zagrożenia upa-dłością, Bydgoszcz: „AJG” Spółka z o.o. Zakład Pracy Chronionej, Oficyna Wydawnicza 2004.
[9] Prusak, B.: Ekonomiczna analiza upadłości przedsiębiorstw, ujęcie między-narodowe, Warszawa: CeDeWu 2011.
[10] Studia i prace kolegium zarządzania i finansów, Zeszyt Naukowy 102, red. Krystyna Kawerska. Warszawa: SGH w Warszawie 2010.
[11] Wojnar, J.: Ocena skuteczności modeli analizy dyskryminacyjnej do progno-zowania zagrożenia finansowego spółek giełdowych, Zeszyty Naukowe Ma-łopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, t.24, nr 1, czerwiec 2014.
Źródła internetowe: [1] https://www.forbes.pl/wiadomosci/upadek-lehman-brothers-rozpoczal-
kryzys-finansowy-w-2008-roku/lx3meth, [dostęp 20.05.2017]
Tomasz Zima Politechnika Opolska Wydział Ekonomii i Zarządzania 45-036 Opole, ul. Luboszycka 7 [email protected]
Tabela 5. Bilans przedsiębiorstwa X
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa X
AKTY
WA
2008
2009
2010
2011
2012
Akty
wa tr
wałe
10 7
69 0
99,1
611
372
296
,46
9 89
6 11
2,46
6 18
0 60
0,25
5 64
7 72
6,96
I. W
arto
ści n
iem
ater
ialn
e i p
rawn
e2
028
893,
801
905
144,
751
787
772,
9014
241
,54
6 65
2,06
1.W
arto
ść fi
rmy
1 97
4 82
6,98
1 86
5 11
4,37
1 75
5 40
1,76
2.In
ne w
arto
ści n
iem
ater
ialn
e i p
rawn
e54
066
,82
40 0
30,3
832
371
,14
14 2
41,5
46
652,
06II.
Rze
czow
e ak
tywa
trwa
łe8
595
708,
929
282
533,
037
941
010,
556
166
358,
715
641
074,
901.
Śro
dki t
rwał
e6
276
193,
458
735
253,
207
476
266,
076
069
782,
985
641
074,
902.
Śro
dki t
rwał
e w
budo
wie
2 27
9 51
5,47
547
279,
8346
4 74
4,48
96 5
75,7
33.
Zal
iczk
i na ś
rodk
i trw
ałe
w bu
dowi
e40
000
,00
III. N
ależ
nośc
i dłu
gote
rmin
owe
0,00
106
286,
4010
9 73
0,43
0,00
0,00
IV. I
nwes
tycj
e dł
ugot
erm
inow
e0,
000,
000,
000,
000,
00V.
Dłu
gote
rmin
owe
rozl
icze
nia m
iędz
yokr
esow
e14
4 49
6,44
78 3
32,2
857
598
,58
0,00
0,00
1. A
ktyw
a z ty
tułu
odr
oczo
nego
pod
atku
doc
hodo
wego
141
853,
0056
752
,00
56 7
52,0
02.
Inne
rozl
icze
nia m
iędz
yokr
esow
e2
643,
4421
580
,28
846,
58Ak
tywa
obr
otow
e11
259
682
,76
11 9
70 6
06,4
29
461
698,
982
352
590,
591
281
121,
29I.
Zapa
sy8
439
877,
298
839
627,
887
441
945,
561
212
318,
6277
5 73
2,77
II. N
ależ
nośc
i kró
tkot
erm
inow
e2
651
556,
572
896
305,
591
830
831,
8070
9 16
8,10
433
938,
65III
. Inw
esty
cje
krót
kote
rmin
owe
5 28
8,33
48 1
31,0
814
9 13
1,95
430
260,
3158
445
,58
1. K
rótk
oter
min
owe
akty
wa fi
nans
owe
5 28
8,33
48 1
31,0
814
9 13
1,95
430
260,
3158
445
,58
a) śr
odki
pie
nięż
ne i
inne
akty
wa p
ieni
ężne
5 28
8,33
48 1
31,0
814
9 13
1,95
430
260,
3158
445
,58
IV. K
rótk
oter
min
owe
rozl
icze
nia m
iędz
yokr
esow
e16
2 96
0,57
186
541,
8739
789
,67
843,
5613
004
,29
AKTY
WA
RAZE
M22
028
781
,92
23 3
42 9
02,8
819
357
811
,44
8 53
3 19
0,84
6 92
8 84
8,25
PASY
WA
Kap
itał (
fund
usz)
wła
sny
11 8
03 6
21,8
610
711
251
,15
7 19
8 30
2,16
-3 0
73 6
01,1
9-4
937
270
,47
I. K
apita
ł (fu
ndus
z) p
odst
awow
y6
525
000,
006
525
000,
006
525
000,
006
000
750,
006
000
750,
00II.
Kap
itał (
fund
usz)
zapa
sowy
4 32
5 44
3,82
5 21
8 62
1,86
4 18
6 25
1,15
3 85
1 53
7,83
3 85
1 53
7,83
III. K
apita
ł (fu
ndus
z) z
aktu
aliz
acji
wyce
ny-3
541
683
,69
-352
056
,22
IV. P
ozos
tałe
kap
itały
(fun
dusz
e) re
zerw
owe
350
814,
8535
0 81
4,85
V. Z
ysk
(stra
ta) z
lat u
bieg
łych
55 8
12,0
0-4
800
,52
-9 5
95 6
68,6
4-9
735
020
,18
VI. Z
ysk
(stra
ta) n
etto
953
178,
04-1
088
182
,71
-3 5
08 1
48,4
7-1
39 3
51,5
4-5
053
296
,75
Zobo
wiąz
ania
i re
zerw
y na
zobo
wiąz
ania
10 2
25 1
60,0
612
631
651
,73
12 1
59 5
09,2
811
606
792
,03
11 8
66 1
18,7
2I.
Reze
rwy
na zo
bowi
ązan
ia68
567
,89
65 1
99,5
960
301
,20
1 08
9 30
2,90
377
219,
471.
Rez
erwa
z ty
tułu
odr
oczo
nego
pod
atku
doc
hodo
wego
28 5
27,0
018
115
,00
18 1
15,0
02.
Rez
erwa
na ś
wiad
czen
ia e
mer
ytal
ne i
podo
bne
27 6
40,8
929
046
,59
30 3
82,2
00,
0037
081
,00
3. P
ozos
tałe
reze
rwy
12 4
00,0
018
038
,00
11 8
04,0
01
089
302,
9034
0 13
8,47
II. Z
obow
iąza
nia d
ługo
term
inow
e1
819
616,
351
677
193,
961
237
408,
420,
000,
00III
. Zob
owią
zani
a kro
tkot
erm
inow
e7
530
049,
2310
134
263
,45
10 2
35 5
93,7
09
977
871,
6911
013
921
,01
IV. R
ozlic
zeni
a mię
dzyo
kres
owe
806
926,
5975
4 99
4,73
626
205,
9653
9 61
7,44
474
978,
24dł
ugot
erm
inow
e70
9 77
3,15
626
205,
9653
9 61
7,44
453
028,
9241
0 33
9,04
krót
kote
rmin
owe
97 1
53,4
412
8 78
8,77
86 5
88,5
286
588
,52
64 6
39,2
0PA
SYW
A RA
ZEM
22 0
28 7
81,9
223
342
902
,88
19 3
57 8
11,4
48
533
190,
846
928
848,
25
92 Tomasz ZIMA
Tabela 6. Bilans przedsiębiorstwa Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa Y
AKTY
WA
2008
2009
2010
2011
2012
Akty
wa tr
wałe
1287
08,5
1261
56,4
1261
56,3
1152
9910
9726
,2Rz
eczo
we ak
tywa
trwa
łe10
6424
,710
3419
,496
693
9465
9,2
9179
9,9
Nie
ruch
omoś
ci in
west
ycyj
ne17
227,
417
755,
924
097,
819
391,
617
240,
1Po
zost
ałe
warto
ści n
iem
ater
ialn
e31
41,3
2756
,123
61,1
74,1
58,7
Akty
wa fi
nans
owe
dost
ępne
do
sprz
edaż
y69
,273
,779
,682
,389
,8N
ależ
nośc
i dłu
gote
rmin
owe
59,9
204,
339
4,7
471,
917
0Ro
zlic
zeni
a mię
dzyo
kres
owe
341,
224
1,5
153,
111
7,4
3,2
Akty
wa z
tytu
łu o
droc
zone
go p
odat
ku d
ocho
dowe
go14
44,8
1705
,523
7750
2,5
364,
5Ak
tywa
obr
otow
e37
007,
934
535,
738
822
3285
7,4
1188
5,6
Zapa
sy15
960,
315
948,
210
601,
417
465,
668
99,9
Nal
eżno
ści h
andl
owe
1437
6,8
1180
0,5
1407
7,1
1044
9,5
2394
,5Po
zost
ałe
nale
żnoś
ci k
rótk
oter
min
owe
2218
1789
,911
43,9
2340
,148
7,1
Rozl
icze
nia m
iędz
yokr
esow
e60
3,8
381,
151
048
0,8
225,
9Ak
tywa
fina
nsow
e wy
ceni
ane
w wa
rtośc
i god
ziwe
j prz
ez w
ynik
fin
anso
wy47
0,8
290,
7
Poży
czki
udz
ielo
ne25
,619
7,6
Rozl
icze
nie
kont
rakt
ów32
28,5
3388
1011
8,6
Środ
ki p
ieni
ężne
i ic
h ek
wiwa
lent
y62
0,5
1228
2345
,414
5315
87,5
AKTY
WA
RAZE
M16
5716
,416
0692
,116
4978
,314
8156
,412
1611
,8
Kap
itał w
łasn
y50
802,
754
800,
556
122,
723
034,
862
85,3
Kap
itał w
łasn
y ud
ział
owcó
w je
dnos
tki d
omin
ując
ej49
432,
353
587,
254
909,
922
260,
151
91,9
Kap
itał z
akła
dowy
5000
5000
5625
5625
5625
Kap
itał z
apas
owy
1719
0,1
2919
6,2
9871
,710
270,
711
648,
2Po
zost
ałe
kapi
tały
625
3438
2,4
Zysk
i zat
rzym
ane
1853
5,1
1934
8,1
3792
4,4
4986
,9W
ynik
fina
nsow
y ok
resu
8707
,1-5
82,1
1488
,8-2
8018
-170
68,2
Kap
itały
udz
iało
wców
mni
ejsz
ości
owyc
h13
70,4
1213
,312
12,8
774,
710
93,4
Kap
itały
obc
e11
4913
,710
5891
,610
8855
,612
5121
,611
5326
,5Zo
bowi
ązan
ia d
ługo
term
inow
e i r
ezer
wy82
985,
889
319,
290
437,
797
679,
683
576,
3K
redy
ty i
poży
czki
5162
2,6
5831
1,4
5805
6,2
6195
9,1
4996
3,9
Zobo
wiąz
ania
han
dlow
e88
5,3
403,
347
2,7
542,
2Zo
bowi
ązan
ia fi
nans
owe
1729
,310
47,5
476,
722
0,8
18,5
Zobo
wiąz
ania
z ty
tułu
par
tycy
pacj
i23
167,
723
665,
423
924,
427
798
2740
5,9
Zobo
wiąz
ania
z ty
tułu
kau
cji
2837
,529
20,6
2947
,442
50,1
4495
,8Re
zerw
a na o
droc
zony
pod
atek
doc
hodo
wy27
29,9
2939
,644
85,5
2566
,213
50Re
zerw
a na ś
wiad
czen
ia e
mer
ytal
ne i
podo
bne
31,4
31,4
43,1
7,8
Reze
rwy
na zo
bowi
ązan
ia43
,430
0,1
334,
4Ro
zlic
zeni
a mię
dzyo
kres
owe
13,5
Zobo
wiąz
ania
kró
tkot
erm
inow
e31
927,
916
572,
418
417,
927
442
3175
0,2
Kre
dyty
i po
życz
ki60
00,9
4925
5024
,910
152,
915
888,
7Zo
bowi
ązan
ia fi
nans
owe
691,
964
0,4
797,
312
26,6
881,
1Zo
bowi
ązan
ia h
andl
owe
1678
255
74,2
7388
,312
336,
511
966,
7Zo
bowi
ązan
ie b
udże
towe
739,
948
2,6
866,
295
2,8
1108
,9Zo
bowi
ązan
ia k
rótk
oter
min
owe
i inn
e99
893
818
90,6
329,
722
4Re
zerw
a na ś
wiad
czen
ie e
mer
ytal
ne i
podo
bne
44,1
17,6
14,9
18,6
43,1
Reze
rwy
na zo
bowi
ązan
ia34
2,3
133,
619
5,2
236
1374
Rozl
icze
nie
kont
rakt
ów d
ługo
term
inow
ych
833,
624
0,5
1159
,310
74,5
263,
7Ro
zlic
zeni
a mię
dzyo
kres
owe
5495
,236
20,5
1081
,211
14,4
PASY
WA
RAZE
M16
5716
,416
0692
,116
4978
,314
8156
,412
1611
,8
PASY
WA
93SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
Tabela 6. Bilans przedsiębiorstwa Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa Y
AKTY
WA
2008
2009
2010
2011
2012
Akty
wa tr
wałe
1287
08,5
1261
56,4
1261
56,3
1152
9910
9726
,2Rz
eczo
we ak
tywa
trwa
łe10
6424
,710
3419
,496
693
9465
9,2
9179
9,9
Nie
ruch
omoś
ci in
west
ycyj
ne17
227,
417
755,
924
097,
819
391,
617
240,
1Po
zost
ałe
warto
ści n
iem
ater
ialn
e31
41,3
2756
,123
61,1
74,1
58,7
Akty
wa fi
nans
owe
dost
ępne
do
sprz
edaż
y69
,273
,779
,682
,389
,8N
ależ
nośc
i dłu
gote
rmin
owe
59,9
204,
339
4,7
471,
917
0Ro
zlic
zeni
a mię
dzyo
kres
owe
341,
224
1,5
153,
111
7,4
3,2
Akty
wa z
tytu
łu o
droc
zone
go p
odat
ku d
ocho
dowe
go14
44,8
1705
,523
7750
2,5
364,
5Ak
tywa
obr
otow
e37
007,
934
535,
738
822
3285
7,4
1188
5,6
Zapa
sy15
960,
315
948,
210
601,
417
465,
668
99,9
Nal
eżno
ści h
andl
owe
1437
6,8
1180
0,5
1407
7,1
1044
9,5
2394
,5Po
zost
ałe
nale
żnoś
ci k
rótk
oter
min
owe
2218
1789
,911
43,9
2340
,148
7,1
Rozl
icze
nia m
iędz
yokr
esow
e60
3,8
381,
151
048
0,8
225,
9Ak
tywa
fina
nsow
e wy
ceni
ane
w wa
rtośc
i god
ziwe
j prz
ez w
ynik
fin
anso
wy47
0,8
290,
7
Poży
czki
udz
ielo
ne25
,619
7,6
Rozl
icze
nie
kont
rakt
ów32
28,5
3388
1011
8,6
Środ
ki p
ieni
ężne
i ic
h ek
wiwa
lent
y62
0,5
1228
2345
,414
5315
87,5
AKTY
WA
RAZE
M16
5716
,416
0692
,116
4978
,314
8156
,412
1611
,8
Kap
itał w
łasn
y50
802,
754
800,
556
122,
723
034,
862
85,3
Kap
itał w
łasn
y ud
ział
owcó
w je
dnos
tki d
omin
ując
ej49
432,
353
587,
254
909,
922
260,
151
91,9
Kap
itał z
akła
dowy
5000
5000
5625
5625
5625
Kap
itał z
apas
owy
1719
0,1
2919
6,2
9871
,710
270,
711
648,
2Po
zost
ałe
kapi
tały
625
3438
2,4
Zysk
i zat
rzym
ane
1853
5,1
1934
8,1
3792
4,4
4986
,9W
ynik
fina
nsow
y ok
resu
8707
,1-5
82,1
1488
,8-2
8018
-170
68,2
Kap
itały
udz
iało
wców
mni
ejsz
ości
owyc
h13
70,4
1213
,312
12,8
774,
710
93,4
Kap
itały
obc
e11
4913
,710
5891
,610
8855
,612
5121
,611
5326
,5Zo
bowi
ązan
ia d
ługo
term
inow
e i r
ezer
wy82
985,
889
319,
290
437,
797
679,
683
576,
3K
redy
ty i
poży
czki
5162
2,6
5831
1,4
5805
6,2
6195
9,1
4996
3,9
Zobo
wiąz
ania
han
dlow
e88
5,3
403,
347
2,7
542,
2Zo
bowi
ązan
ia fi
nans
owe
1729
,310
47,5
476,
722
0,8
18,5
Zobo
wiąz
ania
z ty
tułu
par
tycy
pacj
i23
167,
723
665,
423
924,
427
798
2740
5,9
Zobo
wiąz
ania
z ty
tułu
kau
cji
2837
,529
20,6
2947
,442
50,1
4495
,8Re
zerw
a na o
droc
zony
pod
atek
doc
hodo
wy27
29,9
2939
,644
85,5
2566
,213
50Re
zerw
a na ś
wiad
czen
ia e
mer
ytal
ne i
podo
bne
31,4
31,4
43,1
7,8
Reze
rwy
na zo
bowi
ązan
ia43
,430
0,1
334,
4Ro
zlic
zeni
a mię
dzyo
kres
owe
13,5
Zobo
wiąz
ania
kró
tkot
erm
inow
e31
927,
916
572,
418
417,
927
442
3175
0,2
Kre
dyty
i po
życz
ki60
00,9
4925
5024
,910
152,
915
888,
7Zo
bowi
ązan
ia fi
nans
owe
691,
964
0,4
797,
312
26,6
881,
1Zo
bowi
ązan
ia h
andl
owe
1678
255
74,2
7388
,312
336,
511
966,
7Zo
bowi
ązan
ie b
udże
towe
739,
948
2,6
866,
295
2,8
1108
,9Zo
bowi
ązan
ia k
rótk
oter
min
owe
i inn
e99
893
818
90,6
329,
722
4Re
zerw
a na ś
wiad
czen
ie e
mer
ytal
ne i
podo
bne
44,1
17,6
14,9
18,6
43,1
Reze
rwy
na zo
bowi
ązan
ia34
2,3
133,
619
5,2
236
1374
Rozl
icze
nie
kont
rakt
ów d
ługo
term
inow
ych
833,
624
0,5
1159
,310
74,5
263,
7Ro
zlic
zeni
a mię
dzyo
kres
owe
5495
,236
20,5
1081
,211
14,4
PASY
WA
RAZE
M16
5716
,416
0692
,116
4978
,314
8156
,412
1611
,8
PASY
WA
Tabela 7. Rachunek zysków i strat przedsiębiorstwa X
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa X
Wys
zcze
góln
ieni
e20
0820
0920
1020
1120
12
Przy
chod
y ze
sprz
edaż
y pr
oduk
tów,
towa
rów
i mat
eria
łów,
w ty
m:
22 3
76 7
14,7
021
921
619
,61
19 4
82 6
67,9
26
928
203,
854
218
658,
89
I. Pr
zych
ody
netto
ze sp
rzed
aży
prod
uktó
w16
299
872
,83
14 3
88 6
31,7
69
959
474,
414
538
405,
723
361
801,
04II.
Prz
ycho
dy n
etto
ze sp
rzed
aży
towa
rów
i mat
eria
łów
6 07
6 84
1,87
7 53
2 98
7,85
9 52
3 19
3,51
2 38
9 79
8,13
856
857,
85K
oszt
y sp
rzed
anyc
h pr
oduk
tów,
towa
rów
i mat
eria
łów,
w ty
m:
17 7
33 7
81,1
417
992
373
,38
15 8
73 7
53,7
97
626
925,
685
054
165,
49I.
Kos
zt w
ytwo
rzen
ia sp
rzed
anyc
h pr
oduk
tów
14 2
88 5
50,4
612
938
507
,34
9 54
9 53
4,62
5 90
0 35
1,38
3 97
2 00
6,69
II. W
arto
ść sp
rzed
anyc
h to
waró
w i m
ater
iałó
w3
445
230,
685
053
866,
046
324
219,
171
726
574,
301
082
158,
80Zy
sk (s
trata
) bru
tto ze
sprz
edaż
y4
642
933,
563
929
246,
233
608
914,
13-6
98 7
21,8
3-8
35 5
06,6
0K
oszt
y sp
rzed
aży
799
775,
511
977
623,
503
361
439,
271
154
889,
2121
8 26
2,80
Kos
zty
ogól
nego
zarz
ądu
2 63
1 62
4,58
2 55
7 29
6,22
2 40
2 23
8,69
1 94
4 10
1,86
1 14
3 12
1,10
Zysk
(stra
ta) z
e sp
rzed
aży
1 21
1 53
3,47
-605
673
,49
-2 1
54 7
63,8
3-3
797
712
,90
-2 1
96 8
90,5
0Po
zost
ałe
przy
chod
y op
erac
yjne
331
757,
3127
1 44
0,28
282
814,
0722
3 51
1,71
94 0
12,1
6I.
Zysk
ze zb
ycia
nie
finan
sowy
ch ak
tywó
w trw
ałyc
h8
471,
784
116,
67II.
Dot
acje
149
453,
9694
132
,11
86 5
88,5
210
6 06
4,91
64 6
39,2
0III
. Inn
e pr
zych
ody
oper
acyj
ne18
2 30
3,35
177
308,
1718
7 75
3,77
113
330,
1329
372
,96
Pozo
stał
e ko
szty
ope
racy
jne
296
265,
4812
8 76
2,97
1 11
1 48
7,87
5 08
8 87
6,05
2 26
4 80
9,15
I. St
rata
ze zb
ycia
nie
finan
sowy
ch ak
tywó
w trw
ałyc
h1
046,
2013
077
,00
300
985,
1217
6 34
9,32
II. A
ktua
lizac
ja w
arto
ści a
ktyw
ów n
iefin
anso
wych
42 2
00,2
521
8 16
5,57
3 84
9 69
3,85
1 63
2 40
4,19
III. I
nne
kosz
ty o
pera
cyjn
e29
5 21
9,28
73 4
85,7
289
3 32
2,30
938
197,
0845
6 05
5,64
Zysk
(stra
ta) z
dzi
ałal
nośc
i ope
racy
jnej
1 24
7 02
5,30
-462
996
,18
-2 9
83 4
37,6
3-8
663
077
,24
-4 3
67 6
87,4
9Pr
zych
ody
finan
sowe
208
577,
171
004,
7114
744
,33
85 3
62,2
312
1 37
0,45
I. D
ywid
endy
i ud
ział
y w
zysk
ach
0,00
II. O
dset
ki w
tym
:76
6,90
925,
7114
537
,03
30 6
43,5
019
7,32
III. Z
ysk
ze zb
ycia
inwe
styc
ji0,
05IV
. Akt
ualiz
acja
war
tośc
i inw
esty
cji
0,00
V. In
ne20
7 81
0,27
79,0
020
7,30
54 7
18,6
812
1 17
3,13
Kos
zty
finan
sowe
376
176,
7655
0 69
8,34
524
669,
611
181
999,
2780
2 79
2,50
I. O
dset
ki w
tym
:34
7 75
0,23
315
273,
7636
7 96
8,54
758
739,
9680
2 79
2,50
II. S
trata
ze zb
ycia
inwe
styc
ji23
4 31
3,95
III. A
ktua
lizac
ja w
arto
ści i
nwes
tycj
i0,
00IV
. Inn
e28
426
,53
235
424,
5815
6 70
1,07
188
945,
36Zy
sk (s
trata
) z d
ział
alno
ści g
ospo
darc
zej
1 07
9 42
5,71
-1 0
12 6
89,8
1-3
493
362
,91
-9 7
59 7
14,2
8-5
049
109
,54
Wyn
ik zd
arze
ń na
dzwy
czaj
nych
-1
5 59
4,67
-803
,90
-14
785,
5668
131
,62
-4 1
87,2
1I.
Zysk
i nad
zwyc
zajn
e70
141
,37
II. S
traty
nad
zwyc
zajn
e15
594
,67
803,
9014
785
,56
2 00
9,75
4 18
7,21
Zysk
(stra
ta) b
rutto
1
063
831,
04-1
013
493
,71
-3 5
08 1
48,4
7-9
691
582
,66
-5 0
53 2
96,7
5Po
date
k do
chod
owy
110
653,
0074
689
,00
0,00
38 6
37,0
00,
00I.
Częś
ć bi
eżąc
a12
7 78
3,00
0,00
II. C
zęść
odr
oczo
na-1
7 13
0,00
74 6
89,0
038
637
,00
Zysk
(stra
ta) n
etto
95
3 17
8,04
-1 0
88 1
82,7
1-3
508
148
,47
-9 7
30 2
19,6
6-5
053
296
,75
94 Tomasz ZIMA
Tabela 8. Rachunek zysków i strat przedsiębiorstwa Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa Y
Wys
zcze
góln
ieni
e20
0820
0920
1020
1120
12Pr
zych
ody
netto
ze sp
rzed
aży
prod
uktó
w, to
waró
w i m
ater
iałó
w, w
ty
m:
7204
3,3
3919
7,4
6378
4,3
5101
0,8
2671
4,9
I. Pr
zych
ody
netto
ze sp
rzed
aży
prod
uktó
w i u
sług
6810
7,3
3801
6,4
6278
2,3
4910
5,1
2628
8II.
Prz
ycho
dy n
etto
ze sp
rzed
aży
towa
rów
i mat
eria
łów
3936
1181
1002
1905
,742
6,9
Kos
zty
sprz
edan
ych
prod
uktó
w, to
waró
w i m
ater
iałó
w, w
tym
:56
378,
532
508,
154
498,
859
690,
928
650,
2I.
Kos
zty
wytw
orze
nia s
prze
dany
ch p
rodu
któw
5429
5,7
3142
9,1
5355
5,3
5765
9,1
2820
0,3
II. W
arto
ść sp
rzed
anyc
h to
waró
w i m
ater
iałó
w20
82,8
1079
943,
520
31,8
449,
9Zy
sk st
rata
bru
tto n
a spr
zeda
ży15
664,
866
89,3
9285
,5-8
680,
1-1
935,
3I.
Pozo
stał
e pr
zych
ody
oper
acyj
ne27
44,3
1362
,913
80,6
1073
,726
71,5
II. K
oszt
y sp
rzed
aży
i dys
trybu
cji
85,5
160,
638
9,1
20,9
III. K
oszt
y og
ólne
go za
rząd
u42
32,7
4308
,742
72,1
4282
,920
15,8
IV. P
ozos
tałe
kos
zty
oper
acyj
ne67
8,7
1299
,784
3,7
1270
0,8
9175
Zysk
(stra
ta) z
dzi
ałal
nośc
i ope
racy
jnej
1349
7,7
2358
,353
89,7
-249
79,2
-104
75,5
Przy
chod
y fin
anso
we
149,
127
3,6
125,
911
53,8
154,
9I.
Przy
chod
y z t
ytuł
u od
sete
k14
7,3
234,
612
0,1
928,
315
4,3
II. A
ktua
lizac
ja w
arto
ści i
nwes
tycj
i4,
55,
82,
8III
. Róż
nice
kur
sowe
33IV
. Inn
e pr
zych
ody
finan
sow
e1,
81,
522
2,7
0,6
Kos
zty
finan
sow
e26
07,5
2855
,830
69,2
3862
,847
31I.
Kos
zty
z tyt
ułu
odse
tek
2155
2215
,124
5932
47,6
3597
II. U
jem
ne ró
żnic
e ku
rsow
e30
0,6
42,5
III. K
oszt
y in
deks
owan
ia z
wra
cany
ch k
aucj
i i p
arty
cypa
cji
136,
464
0,7
567,
7IV
. Inn
e
15,5
615,
211
34Zy
sk (s
trata
) prz
ed o
poda
tkow
anie
m11
039,
3-2
23,9
2446
,4-2
7688
,2-1
5051
,6Po
date
k do
chod
owy
2202
,927
2,2
958,
12,
922
,9Po
date
k od
rocz
ony
-636
,2Zy
sk (s
trata
) net
to z
dzia
łaln
ości
kon
tynu
owan
ej88
36,4
-496
,114
88,3
-276
91,1
-144
38,3
Zysk
(stra
ta) n
etto
8836
,4-4
96,1
1488
,3-2
7691
,1-1
4438
,3
95SKUTECZNOŚĆ MODELI ANALIZY DYSKRYMINACYJNEJ ...
Tabela 8. Rachunek zysków i strat przedsiębiorstwa Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa Y
Wys
zcze
góln
ieni
e20
0820
0920
1020
1120
12Pr
zych
ody
netto
ze sp
rzed
aży
prod
uktó
w, to
waró
w i m
ater
iałó
w, w
ty
m:
7204
3,3
3919
7,4
6378
4,3
5101
0,8
2671
4,9
I. Pr
zych
ody
netto
ze sp
rzed
aży
prod
uktó
w i u
sług
6810
7,3
3801
6,4
6278
2,3
4910
5,1
2628
8II.
Prz
ycho
dy n
etto
ze sp
rzed
aży
towa
rów
i mat
eria
łów
3936
1181
1002
1905
,742
6,9
Kos
zty
sprz
edan
ych
prod
uktó
w, to
waró
w i m
ater
iałó
w, w
tym
:56
378,
532
508,
154
498,
859
690,
928
650,
2I.
Kos
zty
wytw
orze
nia s
prze
dany
ch p
rodu
któw
5429
5,7
3142
9,1
5355
5,3
5765
9,1
2820
0,3
II. W
arto
ść sp
rzed
anyc
h to
waró
w i m
ater
iałó
w20
82,8
1079
943,
520
31,8
449,
9Zy
sk st
rata
bru
tto n
a spr
zeda
ży15
664,
866
89,3
9285
,5-8
680,
1-1
935,
3I.
Pozo
stał
e pr
zych
ody
oper
acyj
ne27
44,3
1362
,913
80,6
1073
,726
71,5
II. K
oszt
y sp
rzed
aży
i dys
trybu
cji
85,5
160,
638
9,1
20,9
III. K
oszt
y og
ólne
go za
rząd
u42
32,7
4308
,742
72,1
4282
,920
15,8
IV. P
ozos
tałe
kos
zty
oper
acyj
ne67
8,7
1299
,784
3,7
1270
0,8
9175
Zysk
(stra
ta) z
dzi
ałal
nośc
i ope
racy
jnej
1349
7,7
2358
,353
89,7
-249
79,2
-104
75,5
Przy
chod
y fin
anso
we
149,
127
3,6
125,
911
53,8
154,
9I.
Przy
chod
y z t
ytuł
u od
sete
k14
7,3
234,
612
0,1
928,
315
4,3
II. A
ktua
lizac
ja w
arto
ści i
nwes
tycj
i4,
55,
82,
8III
. Róż
nice
kur
sowe
33IV
. Inn
e pr
zych
ody
finan
sow
e1,
81,
522
2,7
0,6
Kos
zty
finan
sow
e26
07,5
2855
,830
69,2
3862
,847
31I.
Kos
zty
z tyt
ułu
odse
tek
2155
2215
,124
5932
47,6
3597
II. U
jem
ne ró
żnic
e ku
rsow
e30
0,6
42,5
III. K
oszt
y in
deks
owan
ia z
wra
cany
ch k
aucj
i i p
arty
cypa
cji
136,
464
0,7
567,
7IV
. Inn
e
15,5
615,
211
34Zy
sk (s
trata
) prz
ed o
poda
tkow
anie
m11
039,
3-2
23,9
2446
,4-2
7688
,2-1
5051
,6Po
date
k do
chod
owy
2202
,927
2,2
958,
12,
922
,9Po
date
k od
rocz
ony
-636
,2Zy
sk (s
trata
) net
to z
dzia
łaln
ości
kon
tynu
owan
ej88
36,4
-496
,114
88,3
-276
91,1
-144
38,3
Zysk
(stra
ta) n
etto
8836
,4-4
96,1
1488
,3-2
7691
,1-1
4438
,3
Tabela 9. Cash flow przedsiębiorstwa X
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa X
A. P
rzep
ływy
środ
ków
pien
iężn
ych
z dzi
ałal
nośc
i ope
racy
jnej
2008
2009
2010
2011
2012
I. Zy
sk (s
trata
) net
to95
3 17
8,04
-1 0
88 1
82,7
1-3
508
148
,47
-9 7
30 2
19,6
6-5
053
296
,75
II. K
orek
ty ra
zem
-2 6
34 2
82,9
82
006
005,
145
060
755,
908
129
038,
504
684
550,
70Am
orty
zacj
a68
7 20
8,61
869
620,
5193
7 43
3,23
822
845,
9062
8 74
2,61
Zysk
i (st
raty
) z ty
tułu
różn
ic k
urso
wych
16 5
27,2
01
503,
5299
106
,70
-75
176,
57O
dset
ki i
udzi
ały
w zy
skac
h (d
ywid
endy
)34
6 98
3,33
314
348,
0535
3 43
1,51
476
469,
2069
7 77
2,09
Zysk
(stra
ta) z
dzi
ałal
nośc
i inw
esty
cyjn
ej2
117,
2013
077
,00
347
696,
622
306
349,
6050
4 73
0,36
Zmia
na st
anu
reze
rw17
717
,69
-3 3
68,3
0-4
898
,39
29 8
91,3
0-6
5 02
9,25
Zmia
na st
anu
zapa
sów
-2 7
82 1
85,1
0-3
99 7
50,5
91
179
516,
754
324
558,
602
341
654,
16Zm
iana
stan
u na
leżn
ości
-14
251,
39-3
51 0
35,4
21
062
029,
761
231
394,
1027
5 22
9,45
Zmia
na st
anu
zobo
wiąz
ań k
rótk
oter
min
owyc
h, z
wyją
tkie
m
poży
czek
i kr
edyt
ów-7
51 5
06,0
11
500
123,
6992
7 18
0,20
-1 2
16 9
08,7
045
7 62
4,40
Zmia
na st
anu
rozl
icze
ń m
iędz
yokr
esow
ych
-140
367
,31
-9 3
49,0
038
697
,13
9 95
6,20
-76
799,
93In
ne k
orek
ty55
812
,00
218
165,
5745
375
,60
-4 1
96,6
2III
. Prz
epły
wy p
ieni
ężne
net
to z
dzia
łaln
ości
ope
racy
jnej
( I +
/- II)
-1 6
81 1
04,9
491
7 82
2,43
1 55
2 60
7,43
-1 6
01 1
81,1
6-3
68 7
46,0
5B.
Prz
epły
wy śr
odkó
w pi
enię
żnyc
h z d
ział
alno
ści i
nwes
tycy
jnej
I. W
pływ
y5
275,
108
968,
7112
1 47
8,30
1 38
3 96
8,15
0,00
Zbyc
ie w
arto
ści n
iem
ater
ialn
ych
i pra
wnyc
h or
az rz
eczo
wych
ak
tywó
w trw
ałyc
h4
508,
208
043,
0010
6 94
1,27
72 8
92,1
0
Z ak
tywó
w fin
anso
wych
, w ty
m:
766,
9092
5,71
14 5
37,0
31
311
076,
050,
00zb
ycie
akty
wów
finan
sowy
ch1
311
076,
05od
setk
i76
6,90
925,
7114
537
,03
II. W
ydat
ki2
537
651,
281
492
748,
2921
313
,54
1 10
2 48
5,50
0,00
Nab
ycie
war
tośc
i nie
mat
eria
lnyc
h i p
rawn
ych
oraz
rzec
zowy
ch
akty
wów
trwał
ych
2 53
7 65
1,28
1 49
2 74
8,29
21 3
13,5
457
095
,50
Na a
ktyw
a fin
anso
we, w
tym
:0,
000,
000,
001
045
390,
000,
00na
byci
e ak
tywó
w fin
anso
wych
1 04
5 39
0,00
III. P
rzep
ływy
pie
nięż
ne n
etto
z dz
iała
lnoś
ci in
west
ycyj
nej (
I - I
I )-2
532
376
,18
-1 4
83 7
79,5
810
0 16
4,76
281
482,
650,
00C.
Prz
epły
wy śr
odkó
w pi
enię
żnyc
h z d
ział
alno
ści f
inan
sowe
jI.
Wpł
ywy
4 91
8 38
5,38
1 60
6 09
5,90
157
064,
413
541
622,
500,
00W
pływ
y ne
tto z
wyda
nia u
dzia
łów
(em
isji
akcj
i) i i
nnyc
h in
stru
men
tów
kapi
tało
wych
ora
z dop
łat d
o ka
pita
łu3
751
658,
381
680
383,
60
Kre
dyty
i po
życz
ki1
117
009,
371
463
075,
4615
7 06
4,41
1 77
9 17
3,40
Emis
ja d
łużn
ych
papi
erów
war
tośc
iowy
chIn
ne w
pływ
y fin
anso
we -
wzro
st zo
bowi
ązań
leas
ingo
wych
49 7
17,6
314
3 02
0,44
82 0
65,5
0II.
Wyd
atki
701
160,
8499
7 29
6,00
1 70
8 83
5,73
1 94
0 79
5,80
2 90
7,08
Inne
, niż
wyp
łaty
na r
zecz
wła
ścic
ieli,
wyd
atki
z ty
tułu
pod
ział
u zy
sku
16 0
56,3
5
Spła
ta k
redy
tów
i poż
ycze
k18
0 32
4,00
521
896,
401
269
917,
761
498
697,
10Pł
atno
ści z
obow
iąza
ń z t
ytuł
u um
ów le
asin
gu fi
anso
wego
173
086,
6114
4 06
9,49
70 9
49,4
344
632
,80
2 66
5,85
Ods
etki
347
750,
2331
5 27
3,76
367
968,
5429
9 98
8,90
241,
23In
ne w
ydat
ki fi
nans
owe
97 4
77,0
0III
. Prz
epły
wy p
ieni
ężne
net
to z
dzia
łaln
ości
fina
nsow
ej (
I - II
)4
217
224,
5460
8 79
9,90
-1 5
51 7
71,3
21
600
826,
70-2
907
,08
D. P
rzep
ływy
pie
nięż
ne n
etto
raze
m (
A.III
+/-
B.III
+/-
C.III
)3
743,
4242
842
,75
101
000,
8728
1 12
8,19
-371
653
,13
E. B
ilans
owa z
mia
na st
anu
środ
ków
pien
iężn
ych,
w ty
m:
3 74
3,42
42 8
42,7
510
1 00
0,87
281
128,
19-3
71 8
14,7
3zm
iana
stan
u śr
odkó
w pi
enię
żnyc
h z t
ytuł
u ró
żnic
kur
sowy
ch-1
61,6
0F.
Śro
dki p
ieni
ężne
na p
oczą
tek
okre
su1
544,
915
288,
3348
131
,08
149
131,
9543
0 26
0,14
G. Ś
rodk
i pie
nięż
ne n
a kon
iec
okre
su (
F +/
- D ),
w ty
m:
5 28
8,33
48 1
31,0
814
9 13
1,95
430
260,
1458
445
,41
96 Tomasz ZIMA
Tabela 10. Cash flow przedsiębiorstwa Y
Źródło: opracowanie własne na podstawie sprawozdań finansowych publikowanych na stro-nie internetowej przedsiębiorstwa Y
A pr
zepł
ywy
środ
ków
pien
iężn
ych
z dzi
ałal
nośc
i ope
racy
jnej
2008
2009
2010
2011
2012
I. Zy
sk (s
trata
) bru
tto11
039
,20
-224
,00
2 44
6,40
-28
114,
10-1
7 74
6,00
II. K
orek
ty ra
zem
-4 6
22,7
0-6
027
,50
3 12
7,30
28 1
74,3
020
059
,70
Zysk
(stra
ta) u
dzia
łowc
ów m
niej
szoś
ciow
ych
129,
30Am
orty
zacj
a3
342,
302
736,
602
683,
003
121,
602
162,
70O
dset
ki i
udzi
ały
w zy
skac
h (d
wyid
endy
)2
151,
702
460,
803
307,
902
538,
304
142,
40Zy
sk (s
trata
) z d
ział
alno
ści i
nwes
tycy
jnej
-1 6
41,6
014
,40
-566
,70
9 77
8,90
467,
10Zm
iana
stan
u re
zerw
-300
,00
-203
,60
102,
4022
9,70
1 29
2,10
Zmia
na st
anu
zapa
sów
-5 8
59,6
0-2
13,8
04
390,
0059
9,00
-684
,90
Zmia
na st
anu
nale
żnoś
ci-4
890
,60
2 61
9,00
-1 8
98,0
04
159,
8010
628
,00
Zmia
na st
anu
zobo
wiąz
ań k
rótk
oter
min
owyc
h, z
wyją
tkie
m
zobo
wiąz
ań fi
nans
owyc
h12
097
,30
-11
112,
903
500,
20-2
291
,70
2 39
0,50
Zmia
na st
anu
rozl
icze
ń m
iędz
yokr
esow
ych
-9 2
22,0
0-2
318
,50
-8 3
91,5
09
667,
50-3
39,5
0In
ne k
orek
ty-4
29,5
0-9
,50
371,
201,
30III
. Got
ówka
z dz
iała
lnoś
ci o
pera
cyjn
ej6
416,
50-6
251
,50
5 57
3,70
60,2
02
313,
70IV
. Pod
atek
doc
hodo
wy (z
apła
cony
) / zw
róco
ny-3
589
,50
-352
,90
-1,5
0-1
38,7
074
,50
V. P
rzep
ływy
pie
nięż
ne n
etto
z dz
iała
lnoś
ci o
pera
cyjn
ej2
827,
00-6
604
,40
5 57
2,20
-78,
502
388,
20B.
Prz
epły
wy śr
odkó
w pi
enię
żnyc
h z d
ział
alno
ści i
nwes
tycy
jnej
I. W
pływ
y97
,70
346,
1046
0,90
417,
401
660,
60Pr
zych
ody
ze zb
ycia
war
tośc
i nie
mat
eria
lnyc
h i p
rawn
ych
oraz
rz
eczo
wych
akty
wów
trwał
ych
57,8
034
6,10
143,
7016
0,80
846,
20
Przy
chod
y ze
zbyc
ia ak
tywó
w fin
anso
wych
w je
dnos
tkac
h po
wiąz
anyc
h29
,40
814,
40
Inne
wpł
ywy
z akt
ywów
fina
nsow
ych
39,9
020
2,20
Inne
wpł
ywy
inwe
styc
yjne
317,
2025
,00
II. W
ydat
ki7
206,
9023
0,00
562,
901
787,
7087
4,10
Wyd
atki
inwe
styc
yjne
na w
arto
ści n
iem
ater
ialn
e i p
rawn
e or
az
rzec
zowe
akty
wa tr
wałe
1 29
8,90
230,
0053
7,90
827,
1016
6,10
Inwe
styc
je w
nie
ruch
omoś
ci o
raz w
arto
ści n
iem
ater
ialn
e i p
rawn
e5
908,
0020
2,30
Wyd
atki
na n
abyc
ie je
dnos
tek
powi
ązan
ych
106,
10W
ydat
ki n
a nab
ycie
pap
ieró
w wa
rtośc
iowy
ch46
0,00
Inne
wyd
atki
inwe
styc
yjne
25,0
019
2,20
708,
00III
. Prz
epły
wy n
etto
z dz
iała
lnoś
ci in
west
ycyj
nej
-7 1
09,2
011
6,10
-102
,00
-1 3
70,3
078
6,50
C. P
rzep
ływy
środ
ków
pien
iężn
ych
netto
z dz
iała
lnoś
ci fi
nans
owej
I. W
pływ
y3
347,
7011
895
,00
32,2
011
083
,40
2 60
5,80
Wpł
ywy
netto
z wy
dani
a udz
iałó
w (e
mis
ji ak
cji)
i inn
ych
inst
rum
entó
w ka
pita
łowy
ch o
raz d
opła
t do
kapi
tału
4 73
6,90
Kre
dyty
i po
życz
ki3
347,
707
158,
1032
,20
5 94
0,80
2 55
1,50
Emis
ja d
łużn
ych
papi
erów
war
tośc
iowy
ch4
830,
00In
ne w
pływ
y fin
anso
we31
2,60
54,3
0II.
Wyd
atki
3 64
0,40
4 79
9,20
4 38
5,00
10 5
26,9
05
646,
10D
ywid
endy
i in
ne w
ypła
ty n
a rze
cz w
łaśc
icie
li12
0,00
60,0
0Sp
łaty
kre
dytó
w i p
ożyc
zek
620,
401
795,
0079
4,20
1 42
2,90
1 10
1,20
Wyk
up d
łużn
ych
papi
erów
war
tośc
iowy
ch5
212,
20Pł
atno
ści z
obow
iąza
ń z t
ytuł
u um
ów le
asin
gu fi
nans
oweg
o74
8,30
733,
3071
7,10
677,
4060
1,10
Ods
etki
i ud
ział
y w
zysk
ach
(dwy
iden
dy)
2 15
1,70
2 21
0,90
2 14
0,00
2 79
1,10
3 29
3,90
Inne
wyd
atki
fina
nsow
e73
3,70
423,
3064
9,90
III. P
rzep
ływy
pie
nięż
ne n
etto
z dz
iała
lnoś
ci fi
nans
owej
-292
,70
7 09
5,80
-4 3
52,8
055
6,50
-3 0
40,3
0D
. Prz
epły
wy p
ieni
ężne
net
to ra
zem
-4 5
74,9
060
7,50
1 11
7,40
-892
,30
134,
40E.
Bila
nsow
a zm
iana
stan
u śr
odkó
w pi
enię
żnyc
h, w
tym
:-4
574
,90
607,
501
117,
40-8
92,3
013
4,40
F. Ś
rodk
i pie
nięż
ne n
a poc
ząte
k ok
resu
5 19
5,40
620,
501
228,
002
345,
401
453,
10G
. Śro
dki p
ieni
ężne
na k
onie
c ok
resu
620,
501
228,
002
345,
401
453,
101
587,
50