Predicting Bankruptcy and the Industry Specifics of Joint-stock Companies in Poland
DOI:
https://doi.org/10.15678/ZNUEK.2017.0971.1103Keywords:
bankruptcy, predicting, discriminant analysis, industry specificsAbstract
Bankruptcy is a characteristic of every developed market economy. Numerous attempts have been made to predict it. One way this has been done in research is by building models which are based on the characteristics of the industry companies operate in. Due to the difficulty of gathering a large enough research sample, Polish researchers rarely try to build models for certain industries. This article reviews the empirical research related to this issue. The first aim of empirical research is to compare prediction errors of both industry and general models. The second was to define the determinants of joint-stock company bankruptcy in particular industries. Empirical studies were conducted on 180 joint-stock companies in the Polish capital market. Calculations were performed using the bootstrapping method and multivariate discriminant analysis.
Downloads
References
Altman E. I. [1983], Corporate Financial Distress: A Complete Guide to Predicting, Avoiding, and Dealing with Bankruptcy, Wiley, New York.
Braga-Neto U.M., Dougherty E.R. [2004], Is Cross-validation Valid for Small-sample Microarray Classification?, „Bioinformatics”, vol. 20, nr 3, https://doi.org/10.1093/bioinformatics/btg419. DOI: https://doi.org/10.1093/bioinformatics/btg419
Efron B. [1983], Estimating the Error Rate of a Prediction Rule: Improvement on Cross-validation, „Journal of the American Statistical Association”, vol. 78, nr 382, https://doi.org/10.1080/01621459.1983.10477973. DOI: https://doi.org/10.2307/2288636
Efron B., Tibshirani R. [1997], Improvements on Cross-validation: The 632+ Bootstrap Method, „Journal of the American Statistical Association”, vol. 92, nr 438, https://doi.org/10.1080/01621459.1997.10474007. DOI: https://doi.org/10.2307/2965703
Grzegorzewska E. [2011], Zagrożenie upadłością a cykl życia przedsiębiorstw rolniczych [w:] Cykle życia i bankructwa przedsiębiorstw, red. E. Mączyńska, Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie, Warszawa.
Hadasik D. [1998], Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Hand D. J. [1981], Discrimination and Classification, Wiley, Chichester.
Herman S. [2016], Analiza porównawcza wybranych metod szacowania błędu predykcji klasyfikatora, „Przegląd Statystyczny”, t. 63, z. 4.
Herman S. [2017], Industry Specifics of Joint-stock Companies in Poland and Their Bankruptcy Prediction [w:] The 11th Professor Aleksander Zelias Internetional Conference on Modelling and Forecasting of Socio-economic Phenomena. Conference Proceedings, red. M. Papież, S. Śmiech, Foundation of the Cracow University of Economics, Cracow.
Hołda A. [2006], Zasada kontynuacji działalności i prognozowanie upadłości w polskich realiach gospodarczych, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
Hołda A. [2009], Wykorzystanie drzew decyzyjnych w prognozowaniu upadłości przedsiębiorstw w branży budowlanej, „Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie”, nr 796.
Juszczyk S. [2010], Prognozowanie upadłości przedsiębiorstw, „Ekonomista”, nr 5.
Juszczyk S., Balina R. [2014], Prognozowanie zagrożenia bankructwem przedsiębiorstw w wybranych branżach, „Ekonomista”, nr 1.
Kim J. [2009], Estimating Classification Error Rate: Repeated Cross-validation, Repeated Hold-out and Bootstrap, „Computational Statistics & Data Analysis”, vol. 53, nr 11, https://doi.org/10.1016/j.csda.2009.04.009. DOI: https://doi.org/10.1016/j.csda.2009.04.009
Kitowski J. [2012], Sposoby ujmowania kryterium specyfiki branżowej w metodach oceny kondycji finansowej przedsiębiorstwa, „Zarządzanie i Finanse”, t. 10, nr 4, cz. 1.
Korol T. [2005], Wykorzystanie sieci jednokierunkowej wielowarstwowej oraz sieci rekurencyjnej w prognozowaniu upadłości przedsiębiorstw [w:] Zagrożenie upadłością, red. K. Kuciński, E. Mączyńska, Materiały i Prace Instytutu Funkcjonowania Gospodarki Narodowej, t. 93, Szkoła Główna Handlowa w Warszawie, Warszawa.
Molinaro A.M., Simon R., Pfeiffer R.M. [2005], Prediction Error Estimation: A Comparison of Resampling Methods, „Bioinformatics”, vol. 21, nr 15, https://doi.org/10.1093/bioinformatics/bti499. DOI: https://doi.org/10.1093/bioinformatics/bti499
Pawełek B., Grochowina D. [2017], Podejście wielomodelowe w prognozowaniu zagrożenia przedsiębiorstw upadłością w Polsce, „Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu”, nr 468, https://doi.org/10.15611/pn.2017.468.17. DOI: https://doi.org/10.15611/pn.2017.468.17
Pociecha J., Baryła M., Pawełek B. [2015], Porównanie skuteczności klasyfikacyjnej wybranych metod prognozowania bankructwa przedsiębiorstw przy losowym i nielosowym doborze prób, „Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu”, nr 384, https://doi.org/10.15611/pn.2015.384.25. DOI: https://doi.org/10.15611/pn.2015.384.25
Potoczna M., Wiśniewska O. [2013], Zastosowanie analizy dyskryminacyjnej oraz modelu logitowego do prognozowania upadłości polskich przedsiębiorstw [w:] Metody i techniki diagnostyczne w doskonaleniu organizacji, red. S. Wawak, Mfiles.pl, Kraków.
Prusak B. [2011], Zalety i ograniczenia modeli prognozowania zagrożenia przedsiębiorstw upadłością [w:] Ekonomia i prawo upadłości przedsiębiorstw. Zarządzanie przedsiębiorstwem w kryzysie, red. S. Morawska, Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie, Warszawa.
Ripley B. D. [1996], Pattern Recognition and Neural Networks, Cambridge University Press, Cambridge.
Rybicki P. [2002], Ocena ryzyka upadku przedsiębiorstwa, „Manager”, nr 7.
Wehberg S., Schumacher M. [2004], A Comparison of Nonparametric Error Rate Estimation Methods in Classification Problems, „Biometrical Journal”, vol. 46, nr 1, https://doi.org/10.1002/bimj.200410011. DOI: https://doi.org/10.1002/bimj.200410011
