Specyfika branżowa spółek akcyjnych w Polsce a prognozowanie ich upadłości
DOI:
https://doi.org/10.15678/ZNUEK.2017.0971.1103Słowa kluczowe:
upadłość, prognozowanie, analiza dyskryminacyjna, specyfika branżowaAbstrakt
Do upadłości przedsiębiorstw dochodzi w każdej rozwiniętej gospodarce rynkowej. Ze względu na negatywne konsekwencje tego zjawiska zaczęto podejmować próby przewidywania (prognozowania) jego wystąpienia. Jednym z kierunków badań poświęconych temu zagadnieniu jest konstruowanie modeli prognostycznych, w których zostaje uwzględniona specyfika branżowa badanych przedsiębiorstw. W polskiej literaturze przedmiotu rzadko opisuje się konstruowanie modeli dotyczących poszczególnych branż. W artykule dokonano przeglądu badań związanych z tą problematyką. Głównym celem przeprowadzenia opisanego w pracy badania empirycznego było porównanie wartości błędu predykcji modeli odnoszących się do poszczególnych branż oraz modeli ogólnych (nieuwzględniających specyfiki branżowej badanych spółek). Dodatkowym celem było ustalenie determinant upadłości spółek akcyjnych w analizowanych branżach gospodarki. W przeprowadzonej analizie wykorzystano dane finansowe 180 spółek akcyjnych, zastosowano metodę wielokrotnego repróbkowania (bootstrapping) oraz wielowymiarową analizę dyskryminacyjną.
Pobrania
Bibliografia
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
