Istnieje nowsza wersja tego artykułu opublikowanego 2024-04-30. Przeczytaj wersję najnowszą.

Wielowymiarowa analiza dyskryminacyjna jako instrument oceny zagrożenia upadłością przedsiębiorstw należących do indeksu WIG-spożywczy

Autor

DOI:

https://doi.org/10.15678/KREM.2024.1003.0107

Słowa kluczowe:

Giełda Papierów Wartościowych w Warszawie, indeks WIG-spożywczy, analiza dyskryminacyjna, sytuacja finansowa, pandemia COVID-19

Abstrakt

Cel: Celem artykułu była ocena sytuacji finansowej wybranych przedsiębiorstw należących do indeksu WIG-spożywczy w latach 2019–2021 z punktu widzenia zagrożenia upadłością.

Metodyka badań: Do oceny potencjalnego zagrożenia upadłością analizowanych spółek posłużono się czterema modelami wielowymiarowej analizy dyskryminacyjnej (model Doroty Hadasik, model Z6 INE PAN, model Z7 INE PAN oraz tzw. model poznański). Dobór podmiotów, które stanowiły przedmiot badania, był uwarunkowany ich przynależnością do indeksu WIG-spożywczy w latach 2019–2021 we wszystkich kwartałach w analizowanym okresie. Było to podyktowane zmianami w składzie indeksu WIG-spożywczy co kwartał (kwartalna rewizja portfela indeksu). Ponadto ograniczono się do polskich przedsiębiorstw wchodzących w skład analizowanego indeksu. W artykule postawiono następujące hipotezy badawcze: wybrane modele analizy dyskryminacyjnej są skutecznym narzędziem do oceny spółek należących do indeksu WIG-spożywczy z punktu widzenia zagrożenia upadłością oraz wielowymiarowa analiza dyskryminacyjna stanowi cenne i komplementarne narzędzie wobec innych metod oceny zagrożenia upadłością przedsiębiorstw.

Wyniki badań: Spółki wchodzące w skład indeksu WIG-spożywczy w latach 2019–2021 znajdowały się w bardzo dobrej sytuacji finansowej. Najgorszą sytuacją finansową, co w rezultacie wiąże się z pojawieniem się zagrożenia upadłością, odznaczały się dwa przedsiębiorstwa: ZPC Otmuchów SA oraz Pamapol SA w 2019 r. Na pogarszającą się sytuację tych spółek wskazały modele Z6 INE PAN oraz Z7 INE PAN (ZPC Otmuchów SA w 2019 r.), a także model poznański (Pamapol SA w 2019 r.), co może świadczyć o dużej wrażliwości zastosowanych modeli. Model D. Hadasik nie wskazał żadnej spółki, która mogłaby być zagrożona upadłością w analizowanym okresie.

Wnioski: Istotną konkluzją wynikającą ze zrealizowanych badań jest to, że liczba zmiennych w modelach analizy dyskryminacyjnej nie jest czynnikiem przesądzającym o ich skuteczności. Bardzo zbliżone wyniki otrzymano w przypadku dwóch modeli: Z6 INE PAN oraz Z7 INE PAN. W głównej mierze jest to spowodowane znacznym podobieństwem w konstrukcji tych modeli. Żaden z wybranych modeli nie wykazał dużej wrażliwości na wykrywanie zagrożeń upadłością analizowanych podmiotów, natomiast z pewnym wyprzedzeniem zastosowane modele mogą sygnalizować potencjalne i rzeczywiste problemy spółek.

Wkład w rozwój dyscypliny: Przeprowadzone badania przyczyniły się do rozwoju wiedzy w zakresie wykorzystania modeli analizy dyskryminacyjnej do oceny zagrożenia upadłością przedsiębiorstw przemysłu spożywczego w Polsce.

Pobrania

Statystyki pobrań niedostępne.

Bibliografia

Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and Prediction of Corporate 27 Bankruptcy. Journal of Finance, 23(4), 589–609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x

Altman, E. I. (2000). Predicting Financial Distress of Companies: Revisiting the Z-Score and ZETA® Models. Working Paper New York University.

Altman, E. I. (2002a). Bankruptcy Credit Risk and High Yield Junk Bonds. Blackwell Publishing, Inc.

Altman, E. I. (2002b). Revisiting Credit Scoring Models in a Basel 2 Environment. W: M. K. Ong (red.), Credit Rating: Methodologies, Rationale and Default Risk. London Risk Books.

Altman, E. I., Haldeman, R. i Narayanan, P. (1977). Zeta Analysis: A New Model to Identify bankruptcy Risk of Corporations. Journal of Banking & Finance, 1(1), 29–54. https://doi.org/10.1016/0378-4266(77)90017-6

Antonowicz, P. (2007). Metody oceny i prognozowania kondycji ekonomiczno-finansowej przedsiębiorstw. ODDK.

Banach-Kobyra, A. (2017). Prognozowanie upadłości przedsiębiorstw jako narzędzie monitorowania zaistnienia sytuacji kryzysowych. Przedsiębiorstwo we Współczesnej Gospodarce – Teoria i Praktyka, 3, 213–230. https://doi.org/10.19253/reme.2017.03.015

Bussoli, C., Cuoccio, M. i Giannotti, C. (2019). Discriminant Analysis and Firms’ Bankruptcy: Evidence from European SMEs. International Journal of Business and Management, 14(12), 164–175. https://doi.org/10.5539/ijbm.v14n12p164

Chiaramonte, L., Poli, F. i Zhou, M. (2016). How Accurately Can Z-Score Predict Bank Failure? Financial Markets Instructions & Instruments, 25(5), 333–360. https://doi.org/10.1111/fmii.12077

Czech, A. (1999). Józefa Lisaka ekonomia jednostkowa: przyczynek do dziejów nauki o przedsiębiorstwie w Polsce. Wydawnictwo Uczelniane Akademii Ekonomicznej w Katowicach.

Dąbrowski, B. J. i Boratyńska, K. (2011). Zastosowanie modeli dyskryminacyjnych do prognozowania upadłości spółek giełdowych indeksu WIG-Spożywczy. Zeszyty Naukowe SGGW w Warszawie. Ekonomika i Organizacja Gospodarki Żywnościowej, 89, 163–173.

Firlej, Ch. (2022). Wybrane wskaźniki jakości ekonomicznej w ocenie rozwoju przedsiębiorstw należących do indeksu WIG Spożywczy. Homini. Wydawnictwo Benedyktynów w Tyńcu.

Firlej, K., Bargieł, A. i Szymański, M. (2014). Zagrożenie upadłością przedsiębiorstw przemysłu spożywczego w Polsce na przykładzie spółek z indeksu WIG-spożywczy. Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica, (74)1, 63–72.

Hadasik, D. (1998). Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Wydawnictwo Akademii Ekonomicznej w Poznaniu.

Hamrol, M., Czajka, B. i Piechocki, M. (2004). Upadłości przedsiębiorstwa – model ­analizy dyskryminacyjnej. Przegląd Organizacji, 6, 35–39. https://doi.org/10.33141/po.2004.06.09

Hołda, A. (2001). Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH. Rachunkowość, 5, 306–310.

Hołda, A. (2006). Zasada kontynuacji działalności i prognozowanie upadłości w polskich realiach gospodarczych. Wydawnictwo Akademii Ekonomicznej w Krakowie.

Kopczyński, P. (2017). Ocena zdolności do kontynuowania działalności polskich spółek giełdowych w czasie kryzysu z wykorzystaniem modeli wielowymiarowej analizy dyskryminacyjnej. Zeszyty Teoretyczne Rachunkowości, 91(147), 21–62. https://doi.org/10.5604/01.3001.0009.8023

Mączyńska, E. (1994). Ocena kondycji przedsiębiorstwa (Uproszczone metody). Życie Gospodarcze, 38, 42–45.

Mączyńska, E. (2004). Globalizacja ryzyka a systemy wczesnego ostrzegania przed upadłością przedsiębiorstwa. W: D. Appenzeller (red.), Upadłość przedsiębiorstw w Polsce w latach 1990–2003. Teoria i praktyka. Wydawnictwo Akademii Ekonomicznej w Poznaniu.

Mączyńska, E. i Zawadzki, M. (2006). Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw. Ekonomista, 2, 205–235.

Mosionek-Schweda, M. (2014). The Use of Discriminant Analysis to Predict the Bankruptcy of Companies Listed on the NewConnect Market. Equilibrium. Quarterly Journal of Economics and Economic Policy, 9(3), 87–105.

Panigrahi, A. (2019). Validity of Altman’s “Z” Score Model in Predicting Financial ­Distress of Pharmaceutical Companies. NMIMS Journal of Economics and Public Policy, 4(1), 65–73.

Piątkowski, M. (2010). Formułowanie strategii rozwoju przedsiębiorstwa z uwzględnieniem sytuacji kryzysowych – wyniki badań. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług, 585, 289–298.

Prusak, B. (2005). Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw. Difin.

Sfakianakis, E. M. (2018). Can Z-score Model Predict Listed Companies’ Failures in Greece? Evidence from an Empirical Investigation in the Food and Drinks Industry. Empirical Economics Letters, 17(12), 1403–1410.

Sołoma, A. i Plesiewicz, J. (2011). Wykorzystanie wielowymiarowych modeli analizy dyskryminacyjnej do oceny ryzyka upadłości przedsiębiorstw przemysłu mięsnego. Zeszyty Naukowe SGGW w Warszawie. Ekonomika i Organizacja Gospodarki Żywnościowej, 90, 155–169.

Śmiglak-Krajewska, M. i Just, M. (2013). Zastosowanie wybranych modeli analizy dyskryminacyjnej do prognozowania zagrożenia upadłością przedsiębiorstw produkujących pasze. Zarządzanie i Finanse, 1(3), 431–444.

Wieprow, J. i Gawlik, A. (2021). The Use of Discriminant Analysis to Assess the Risk of Bankruptcy of Enterprises in Crisis Conditions Using the Example of the Tourism ­Sector in Poland. Risks, 9(4), 78. https://doi.org/10.3390/risks9040078

Wierzba, D. (2000). Wczesne wykrywanie przedsiębiorstw zagrożonych upadłością na podstawie analizy wskaźników finansowych – teoria i badania empiryczne. Zeszyty Naukowe. Wyższa Szkoła Ekonomiczno-Informatyczna w Warszawie, 9, 79–105.

Wysocki, F. i Kozera, A. (2012). Wykorzystanie analizy dyskryminacyjnej w ocenie ryzyka upadłości przedsiębiorstw przemysłu mięsnego. Journal of Agribusiness and Rural Development, 4(26), 167–182.

Zdunek, E. (2010). Ocena kondycji ekonomiczno-finansowej spółek wchodzących w skład indeksu giełdowego WIG-spożywczy. Roczniki Naukowe Stowarzyszenia Rolnictwa i Agrobiznesu, 1, 294–298.

Zdunek-Rosa, E. i Huterska, A. (2018). Zastosowanie modeli upadłości przedsiębiorstw do oceny kondycji ekonomiczno-finansowej wybranych przedsiębiorstw z indeksu WIG-spożywczy. Studia i Prace WNEiZ US, 54/3, 393–403. https://doi.org/10.18276/sip.2018.54/3-29

Zielińska-Chmielewska, A. (2015). Zastosowanie analizy dyskryminacyjnej do oceny zagrożenia upadłością polskich przedsiębiorstw przetwórstwa mięsnego. Studia Oeconomica Posnaniensia, 3(4), 139–152.

Zielińska-Sitkiewicz, M. (2016). Zastosowanie metod wielowymiarowej analizy dyskryminacyjnej do prognozowania upadłości wybranych spółek sektora spożywczego. Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego. Ekonomika i Organizacja Gospodarki Żywnościowej, 113, 117–129. https://doi.org/10.22630/EIOGZ.2016.113.10

Pobrania

Opublikowane

2024-04-30

Wersje

Numer

Dział

Artykuły

Jak cytować

Firlej, C., & Firlej, K. A. (2024). Wielowymiarowa analiza dyskryminacyjna jako instrument oceny zagrożenia upadłością przedsiębiorstw należących do indeksu WIG-spożywczy. Krakow Review of Economics and Management Zeszyty Naukowe Uniwersytetu Ekonomicznego W Krakowie, 1(1003), 117-136. https://doi.org/10.15678/KREM.2024.1003.0107