Przegląd N S N 16 - pns.po.opole.pl · próby oceny skuteczności przewidywania bankructwa...

Przegląd Nauk StoSowaNych

Nr 11

ISSN 2353-8899

Przegląd Nauk StoSowaNych Nr 16

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,


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%


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.


dla przedsiębiorstwa X


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


średnia 57% 86%

Tabela 2. Wyniki klasyfikacji przedsiębiorstw X i Y dla polskich modeli jednofunkcyjnych


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





16 M.Hamrola, B.Czajka,

M.Piechocicki (po-znański)

P P


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



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.


57% 68,75%

0%

20%

40%

60%

80%

100%

Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa X



86% 75,00%

0%

20%

40%

60%

80%

100%

Skuteczność modeli jednofunkcyjnych dla przedsiębiorstwa Y



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


dla przedsiębior-stwa X


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


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”


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]


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


Tabela 6. Bilans 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


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


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 8. Rachunek zysków i strat 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


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


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

Przegląd N S N 16 - pns.po.opole.pl · próby oceny skuteczności przewidywania bankructwa...

Documents

Transcript of Przegląd N S N 16 - pns.po.opole.pl · próby oceny skuteczności przewidywania bankructwa...