- Tytuł:
-
Przewidywanie upadłości polskich przedsiębiorstw - zastosowanie analizy dyskryminacyjnej. Wyniki badań pilotażowych
Bankruptcy Prediction of Polish Companies -The Application of Discriminant Analysis. Results of Pilot Studies - Autorzy:
- Kokczyński, Bernard
- Powiązania:
- https://bibliotekanauki.pl/articles/35097258.pdf
- Data publikacji:
- 2023
- Wydawca:
- Uniwersytet Gdański. Wydział Ekonomiczny
- Tematy:
-
bankruptcy prediction models
forecasting corporate bankruptcy
bankruptcy
corporate finance
early warning systems
modele predykcji bankructwa
prognozowanie upadłości przedsiębiorstw
bankructwo
finanse przedsiębiorstw
systemy wczesnego ostrzegania - Opis:
-
Celem artykułu jest prezentacja wyników wstępnych badań z zakresu modeli predykcji bankructwa oraz porównanie metod doboru zmiennych do modelu. Czy modele oparte na zmiennych eliminowanych na podstawie siły wzajemnej korelacji cechują się lepszą predykcją, niż modele ze zmiennymi dobranymi arbitralnie.
Problem bankructwa w gospodarce jest szczególnie istotny w warunkach kryzysu gospodarczego. Według raportu PIE Polskę i pozostałe gospodarki Unii Europejskiej czeka wyraźne spowolnienie w roku 2023. Liczba upadłości przedsiębiorstw w Polsce w IV kwartale 2022 roku wyniosła 112 i była o 28,7% większa niż w analogicznym okresie roku poprzedniego, według raportu GUS.
Metodą stosowaną w badaniach była analiza dyskryminacyjna. W 6 modelach wskaźniki do budowy funkcji dyskryminacyjnej zostały dobrane za pomocą eliminacji najbardziej skorelowanych zmiennych. W 4 modelach wskaźniki zostały wybrane arbitralnie.
W wyniku przeprowadzonych badań ustalono, że metody statystyczne doboru zmiennych do modeli, są skuteczniejsze od arbitralnego wyboru zmiennych. Najlepszą predykcją cechowały się modele oparte na danych na rok przed bankructwem. W próbie testowej modele prawidłowo sklasyfikowały 62,5% niebankrutów i 87,5% bankrutów. Ponadto dokonano analizy porównawczej błędnie zaklasyfikowanych podmiotów przez modele. Ustalono, że modele błędnie klasyfikowały te same przedsiębiorstwa. Może to świadczyć o nietypowych przypadkach, które przy niewielkiej bazie danych mają wysoki udział procentowy w błędach klasyfikacji.
The aim of the article is to present preliminary research results in the field of bankruptcy prediction models and compare methods of variable selection for the model. Whether models based on variables eliminated based on mutual correlation show better prediction than models with arbitrarily selected variables. The problem of bankruptcy in the economy is particularly significant in times of economic crisis. According to the PIE report, Poland and other European Union economies are expected to experience a clear slowdown in 2023. The number of corporate bankruptcies in Poland in the fourth quarter of 2022 amounted to 112, which was 28.7% higher than in the corresponding period of the previous year, according to the GUS report. Discriminant analysis was the method used in the research. In 6 models, indicators for constructing the discriminant function were selected by eliminating the most correlated variables. In 4 models, indicators were chosen arbitrarily. The conducted research revealed that statistical methods of variable selection for models are more effective than arbitrary selection of variables. The best prediction was observed in models based on data one year before bankruptcy. In the test sample, the models correctly classified 62.5% of non-bankrupt companies and 87.5% of bankrupt companies. Additionally, a comparative analysis of misclassified entities by the models was conducted. It was found that the models misclassified the same companies. This may indicate atypical cases that, with a small database, have a high percentage share in classification errors. - Źródło:
-
Współczesna Gospodarka; 2023, 17, 2 (41); 81-94
2082-677X - Pojawia się w:
- Współczesna Gospodarka
- Dostawca treści:
- Biblioteka Nauki
Artykuł