|
ekspert
radzi
Kontrolowanie kondycji finansowej przedsiębiorstw
Anna Kreft
W okresie restrukturyzacji, szczególnie ważnym staje się kontrolowanie kondycji finansowej przedsiębiorstwa [3]. Kondycja ta jest podstawą wszelkich form funkcjonowania spółki.
Jak wiadomo, istnieje szereg metod oceny kondycji ekonomiczno-finansowej. Jedną z nich jest metoda wskaźników cząstkowych. Są one wyprowadzane na podstawie wielkości opisujących różne procesy zachodzące w przedsiębiorstwie. W tym zakresie rozróżnia się porównania wewnętrzne oraz zewnętrzne. Do porównań wewnętrznych należą porównania wskaźników rzeczywistych z odpowiednimi wartościami wskaźników "wzorcowych". Porównania zewnętrzne polegają na odnoszeniu poziomów wskaźników osiąganych przez przedsiębiorstwo do ich wielkości osiąganych przez inne przedsiębiorstwa.
Należy zauważyć, iż wskaźniki szczegółowe stosowane do analizy finansowej uwzględniają cztery zasadnicze kryteria charakteryzujące kondycję
ekonomiczno - finansową przedsiębiorstwa: rentowność, płynność finansową, sprawność działania, zadłużenie i wypłacalność. Poszczególne kryteria są opisywane właśnie za pomocą szeregu szczegółowych wskaźników. W ten sposób ocena kondycji finansowej przedsiębiorstwa dokonywana jest na podstawie analizy, a następnie syntezy dużej liczby wskaźników. Niewątpliwie taki proces jest bardzo trudnym i daje mało precyzyjne wyniki, a właśnie jedynie synteza wskaźników cząstkowych wyraża kondycję finansową przedsiębiorstwa, ponieważ kondycja ta jest wielkością złożoną.
Przy konstrukcji syntetycznego miernika kondycji finansowej przedsiębiorstwa stosowano również inne metody, jak np. wielowymiarowa analiza porównawcza. Przy stosowaniu tej metody rozważane jest przedsiębiorstwo oraz charakteryzujące
je cechy ze względu na rozważaną wielkość syntetyczną - kondycję finansową.
Tradycyjne metody stwarzają szereg nie rozwiązanych dotychczas problemów. Nie jest znana dokładność wyników intuicyjnej syntezy dużej ilości wskaźników, dokonywanej przez specjalistów, która to synteza wyraża właśnie stan kondycji finansowej przedsiębiorstwa, trudne są też do wyznaczenia tzw. wagi poszczególnych wielkości składowych kondycji finansowej przedsiębiorstwa, czyli wielkości informujące o ilości niesionych informacji przez poszczególne cechy diagnostyczne.
W pracy tej zaprezentowana zostanie metoda oceny kondycji finansowej przedsiębiorstwa wykorzystująca tzw. funkcją diagnostyczną [l]. Do tego celu zostanie wprowadzony model opisujący poziom (stopień) kondycji finansowej przedsiębiorstwa (funkcja diagnostyczna). Można go ogólnie przedstawić następująco:
Z= (P (X., X2,..., XK) (l)
gdzie:
Z - poziom kondycji finansowej
Xi, Xi,..., XK - zmienne objaśniające kondycję finansową.
Prawa strona wzoru (l) stanowi odpowiednią dla danej branży przedsiębiorstw syntezę ważonych poszczególnych zmiennych objaśniających, wybranych przez eksperta.
Dysponowanie funkcją (l) stwarza szereg innych nowych możliwości związanych z kontrolą kondycji finansowej. Oto niektóre z nich:
- monitorowanie kondycji finansowej przedsiębiorstwa w czasie,
- porównywanie kondycji finansowej rozważanych przedsiębiorstw danej branży,
- mierzenie stopnia ważności (wag) poszczególnych zmiennych diagnostycznych i następnie konstruowanie nowego wzoru funkcji diagnostycznej, w której wybrane cechy diagnostyczne mają wysokie wagi,
- prognozowanie kondycji finansowej spółki.
Postać, jaką może przyjmować model (l) kondycji finansowej rozważanego przedsiębiorstwa spółki, jest funkcją liniową bądź funkcją sprowadzalną do liniowej. Większe wartości zmiennej Z oznaczają lepszą kondycję finansową przedsiębiorstwa.
Aby tradycyjnymi metodami zidentyfikować model (l), należy dysponować materiałem empirycznym, który obejmuje tzw. jednoczesne obserwacje zmiennych: zmiennej Z oraz zmiennych Xi,
X2,..., XK.
W przypadku, kiedy model (l) dotyczy konstrukcji zmiennej syntetycznej, niezbędny
materiał statystyczny jest niekompletny. Brak jest obserwacji zmiennej syntetycznej Z.
Wynika to ze specyfiki zmiennej syntetycznej.
Przy proponowanej metodzie, informacje wymagane dla wyznaczenia modelu (l) są
następujące:
l. Materiał statystyczny obejmujący obserwacje zmiennych diagnostycznych podany
w formie macierzy X, której wiersze wyrażają jednoczone pomiary zmiennych
diagnostycznych. Jest to macierz (T x K) - wymiarowa, gdzie T wyraża ilość
jednoczesnych pomiarów cech diagnostycznych, K - ilość kolumn, która zależy
od ilości zmiennych diagnostycznych, przy czym T>K+ 1.
2. Informacja o kierunkach wpływu poszczególnych cech diagnostycznych, które wyrażają się dwoma znakami plus - kierunek dodatni, albo minus - kierunek ujemny. Kierunek cechy diagnostycznej Xi wyraża się znakiem "+", jeśli wzrost (spadek) poziomu tej cechy świadczy, iż ze strony tej cechy powstały warunki sprzyjające wzrostowi (spadkowi) poziomu zmiennej objaśnianej Z. Natomiast kierunek cechy diagnostycznej Xi wyraża się znakiem "-" jeśli wzrost (spadek) poziomu tej cechy świadczy, iż z jej strony powstały warunki sprzyjające spadkowi (wzrostowi) poziomu zmiennej objaśnianej. W ten sposób informacje o "kierunkach wpływu" w odniesieniu do zmiennych diagnostycznych w modelu (l) można podać w postaci wektora złożonego z K elementów, którego współrzędne mogą przyjmować jedną z dwu "wartości": "+" albo "-". Tego rodzaju informacjami dysponuje ekspert danej dziedziny, gdyż są to znane w ekonomii własności cech określanych stymulantami czy też
dystymulantami.
Przykład:
Problem polega na zidentyfikowaniu modelu tzw. atrakcyjności giełdowej spółki, czyli wielkości,
która określa stopień opłacalności inwestowania w daną spółkę, co można utożsamić z kondycją finansową spółki [4]. Spółkami w rozważanym przykładzie są banki objęte Warszawską Giełdą Papierów Wartościowych. Przedstawia je tabela l.
Tabela 1. Grupa banków poddana badaniom
|
Lp.
|
Nazwa banku |
Skrót nazwy |
Dane od |
|
1
|
Bank Amerykański w Polsce
S.A.
|
AMERBANK
|
I kw 93 |
|
2
|
Bank Gdański
S.A.
|
BANK GDAŃSKI
|
III kw. 94 |
|
3
|
Bank Handlowy w Warszawie S.A.
|
BANK HANDLOWY
|
I kw. 97 |
|
4
|
Bank Inicjatyw Gospodarczych BIG S.A.
|
BIG
|
III kw. 94 |
|
5
|
Bank Komunalny S.A.
|
BANK KOMUNALNY
|
III kw. 94 |
|
6
|
Bank Ochrony Środowiska S.A.
|
BOŚ
|
I kw. 93 |
|
7
|
Bank Przemysłowo - Handlowy S.A.
|
BPH
|
III kw. 93 |
|
8
|
Bank Rozwoju Eksportu S.A.
|
BRE
|
III kw. 93 |
|
9
|
Bank Śląski S.A.
|
BSK
|
IV
kw. 93 |
|
10
|
Bank Współpracy Regionalnej S.A.
|
BWR
|
IV kw. 93 |
|
11
|
Kredytowy Bank Polski S.A.
|
KREDYT BANK
|
IV kw. 93 |
|
12
|
LG Petro Bank S.A.
|
PETROBANK
|
III kw. 94 |
|
13
|
Wielkopolski Bank Kredytowy S.A.
|
WBK
|
IV kw. 93 |
|
Postać modelu atrakcyjności giełdowej spółki jest multiplikatywna:
Z=epo • Xpl • X^ • • • X^ (2)
gdzie:
X1 - zysk netto (zł),
X2 - stopa zysku brutto (%),
X3 - zwrot z kapitału (%),
X4 - cena akcji (%),
X5 - P/BV (P - cena, BV - wartość księgowa jednostki akcji),
X6 - P/E (P - cena, E - zysk z jednostki akcji),
X7 - WIG Warszawski Indeks Giełdowy.
Identyfikacja modelu (2) jest dokonywana przy wykorzystaniu sprowadzalności tego modelu do postaci liniowej.
Z' = p.+ piX'i+ p2X'2+ ...+ p7X'7 (3)
gdzie:
Z'=lnZ, X'i=lnXi, X'2=lnX2,.., X'7=lnX7 (4)
Niezbędny do identyfikacji modelu (3) materiał empiryczny wygenerowany z materiału empirycznego podany jest w tabeli 2, w którym podane są też "kierunki wpływu" poszczególnych cech diagnostycznych.
Badania cech diagnostycznych w modelu (2) obejmują kwartalne dane dla poszczególnych banków. Łącznie do obliczeń wykorzystano 168 zestawów.
Tabela 2. Wartości cech diagnostycznych oraz ceny atrakcyjności spółek
|
Nr
bad.
|
Bank |
Wyniki w dniu |
Cechy diagnostyczne |
|
|
|
|
Z
|
X1
|
X2
|
X3
|
X4
|
X5
|
X6
|
X7
|
|
|
|
|
kierunki wpływu |
|
|
|
|
a.g.s.
|
+
|
+
|
+
|
+
|
+
|
-
|
+
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25 |
1
1
2
2
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
13 |
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97
30/06/97
31/03/97 |
0,387
0,376
0,367
0,551
0,733
0,365
0,288
0,596
0,589
0,749
0,741
0,730
0,756
0,125
0,360
0,850
0,954
0,636
0,162
0,211
0,184
0,393
0,365
0,337
0,152 |
6150,5
5587,2
36981,1
29445,4
117961,9
14416,5
11496,3
4799,9
5324,1
18970,2
24706,6
72831,7
77742,3
46355,1
28448,1
50714,7
59315,3
3375,0
3782,8
16352,2
14638,9
5567,2
8119,8
44606,5
39740,8
|
47,90
47,03
45,91
45,02
70,17
28,53
26,81
49,50
57,34
85,51
92,57
64,34
67,31
54,76
47,60
48,41
49,54
20,55
23,65
41,98
41,07
39,57
70,50
51,32
50,61
|
16,14
16,73
16,40
14,83
22,64
11,80
12,06
21,71
28,50
27,05
26,95
28,52
30,11
26,26
25,21
23,78
22,47
4,62
6,20
15,12
13,47
7,03
7,60
29,23
31,26 |
19,29
21,69
42,96
43,20
37,90
3,90
4,36
20,52
24,52
42,03
43,99
168,34
203,82
78,86
100,40
328,40
259,27
3,39
3,77
7,86
7,74
10,91
12,92
19,46
23,62 |
1,02
1,15
1,31
1,32
1,04
1,62
1,87
1,73
2,07
1,65
1,73
1,75
2,12
2,24
2,86
2,73
2,15
0,81
0,9
0,83
0,82
0,76
0,9
2,53
3,07 |
8,3
10,1
9,1
9,1
5,5
13,7
14,7
8,0
9,8
7,4
9,0
6,2
7,5
9,0
10,8
10,8
9,8
12,8
10,1
8,1
9,2
20,9
29,0
9,1
9,8 |
16163,92
16742,05
16163,92
16742,05
16163,92
16163,92
16742,05
16163,92
16742,05
16163,92
16742,05
16163,92
16742,05
16163,92
16742,05
16742,05
16163,92
16163,92
16742,05
16163,92
16742,05
16163,92
16742,05
16163,92
16742,05 |
W wyniku zastosowania proponowanej metody uzyskano zidentyfikowany wzór:
Z'= 10, 6260+ 0, 1161 X'i+ 2, 1360 X'2+ 1, 5178
XS+ 0, 2157 X<+ 0, 7304 Xs -0, 7644 X6 + 0, 9240 XT (5)
przy danym współczynniku zbieżności (p2 = 0, 025. A tym samym zidentyfikowany został model atrakcyjności giełdowej spółki, który jest następujący:
Z = gl0, 6260 Xi"."" Xl2-"'0 X31-'"78 X40-2157 X51'•73M X6-0•7M4
X7°-9241' (6)
Dla ułatwienia interpretacji modelu (6) wprowadzono przekształcenie Z wg, następującego wzoru:

gdzie: Z'
należy
<0; l >.
Im bliższe jedności jest Z, tym wyższy jest stopień opłacalności finansowania w daną spółkę.
Raz zidentyfikowany wzór (5) jest narzędziem, którym można posługiwać się dokonując ocen kondycji finansowej poszczególnych spółek. Tak prowadzony monitoring jest wysoce racjonalny, gdyż polega na ocenie kondycji spółki wynikającej z syntezy szerokiej listy ważonych cech diagnostycznych wybranych przez eksperta. Funkcja diagnostyczna jest tak skonstruowana i wyznaczona na podstawie konkretnych informacji doświadczalnych, że uwzględnia wzajemne ukryte zależności, które istnieją między cechami diagnostycznymi. Po nagromadzeniu nowych wyników badań można powtórzyć wyznaczanie wzoru (2) tą samą metodą, co może dać funkcję diagnostyczną jeszcze dokładniejszą i może bardziej aktualną niż funkcja (6). Występuje możliwość konstruowania funkcji diagnostycznej o dowolnie zmienionym zestawie cech diagnostycznych. Może to być dyktowane różnymi względami, np. rezygnacją z cech diagnostycznych, których obserwacje mogą być mało dokładne, poszerzeniem zestawu cech o nowe cechy diagnostyczne, czy też zawężeniem zestawu cech diagnostycznych do tych, które są łatwo i szybko dostępne, itd.
Przykłady nowych możliwości wynikających z dysponowania funkcją diagnostyczną (7) są następujące:
- każdy zestaw cech diagnostycznych rozważanych spółek natychmiast udostępnia wynik hierarchizacji spółek ze względu na ich atrakcyjności
Zi, i =1, 2. ..., 13,
- mierzenie związku między poszczególnymi cechami diagnostycznymi a atrakcyjnością giełdową, daje informacje o wagach poszczególnych cech diagnostycznych,
-prowadzenie analizy dynamiki atrakcyjności giełdowej spółki przy stosowaniu trendu tej atrakcyjności, daje wyniki informujące o
perspektywie danej spółki
Wykorzystanie nowego narzędzia mierzącego stany procesu wielowymiarowego, zarówno w przekroju przedsiębiorstw (oczywiście tej samej branży) czy też w przekroju czasu, daje szereg nowych możliwości decyzyjnych. Jeśli np. zidentyfikowany model (6) zostaje stosowany dla opisu kondycji finansowej spółki, zbędną staje się żmudna procedura syntezy szeregu wskaźników cząstkowych, które często dają sprzeczne informacje.
Kwestii techniki informatycznej, która ze względów oczywistych jest przy stosowaniu proponowanej metody stosowana, nie rozważano. Można jedynie zauważyć, iż proponowana metoda identyfikacji modelu zmiennej syntetycznej oraz wszelkie z nią związane analizy są oprogramowane. W tym zakresie są obecnie dostępne trzy programy, wśród tych programów jest wielo funkcyjny pakiet [2].
Literatura:
1. Krefft A. - Szacowanie funkcji prognozującej dotyczącej zjawisk
nieobserwowalnych. Prace Naukoznawcze i Prognostyczne, 1983 Nr 3.
2. Krefft A., Witkiewicz W. - Syntmed - wielofunkcyjny pakiet komputerowy (działa w środowisku Windows), opracowany na zlecenie
MZiOS, 1994.
3. Nowak E. - Problemy syntetycznej oceny kondycji ekonomiczno-fnansowej spółki. W: Restrukturyzacja Ekonomiczno-Finansowa Spółek (IX Forum Przedsiębiorstw) Ośrodek Treningu Kierowniczego i Ekonomicznego
"OTREK" we Wrocławiu, czerwiec 1997.
4. Pandel W. - Zastosowanie funkcji diagnostycznej opisującej poziom atrakcyjności giełdowe}spółki, Badania Operacyjne i Decyzje, Wydawnictwo Politechniki Wrocławskiej, 1998.
|
|