- Tytuł:
-
Evaluation of the effectiveness of early warning models on the example of enterprises operating in SEZ
Ocena skuteczności modeli wczesnego ostrzegania na przykładzie przedsiębiorstw działających w specjalnych strefach ekonomicznych - Autorzy:
-
Chmiel, Justyna
Kozioł, Karolina
Pitera, Rafał - Powiązania:
- https://bibliotekanauki.pl/articles/415991.pdf
- Data publikacji:
- 2020-06-30
- Wydawca:
- Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie
- Tematy:
-
discriminant analysis
company’s financial situation
early warning models
bankruptcy
enterprises in Poland
analiza dyskryminacyjna
sytuacja finansowa przedsiębiorstwa
modele wczesnego ostrzegania
bankructwo
przedsiębiorstwa w Polsce - Opis:
-
The article aims to verify the effectiveness of selected 10 models of discriminant analysis on the example of 30 enterprises operating in special economic zones: Mielec and Tarnobrzeg. The methodology applied for the research was an analysis of existing data and the use of discriminant analysis methods such as systematic review of literature, analysis of public data of the Ministry of Economy and financial data of enterprises (primarily financial statements). Analysis of companies belonging to the Mielec zone, SEZ Euro-Park Mielec and Tarnobrzeg Euro-Park Wisłosan was conducted on a sample of 30 enterprises, including 15 bankrupt and 15 termed “healthy”. The time horizon of the research was 2009–2017, verification was based on 10 early warning models. The conducted analyzes showed that some models correctly reflect the financial situation of the surveyed enterprises (e.g. Artur Hołda’s model—73.3% accurate forecasts), they also revealed the need to use multiple discriminant analysis models to thoroughly analyze the company’s financial situation—using only one lead model maybe to draw incorrect conclusions. The use of discriminatory models to assess the financial situation of enterprises is in many cases based on early warning methods. These methods are characterized by both advantages and certain limitations; one of the disadvantages is the rapid decline in the effectiveness of models due to constant changes in the economic conditions of market players. That is why models created several years ago may be less effective than newer methods. As for the advantages, it should be emphasized above all the simplicity of the use of such tools and unambiguous results—which in comparison to, for example, traditional indicator analysis, allow to avoid errors in the interpretation of results.
Celem artykułu jest weryfikacja skuteczności wybranych dziesięciu modeli analizy dyskryminacyjnej na przykładzie 30 przedsiębiorstw działających w specjalnych strefach ekonomicznych w Mielcu i w Tarnobrzegu. W badaniu zastosowano metody analizy danych i analizy dyskryminacyjnej. Wykorzystano dane publicznie dostępne, pochodzące głównie ze sprawozdań finansowych przedsiębiorstw. Badanie przeprowadzono na próbie 30 przedsiębiorstw (w tym 15 upadłych i 15 określanych jako „zdrowe”), działających w strefach Euro-Park Mielec i Euro-Park Wisłosan Tarnobrzeg. Zakres czasowy badań to lata 2009–2017. Przeprowadzone analizy wykazały, że niektóre modele w prawidłowy sposób odzwierciedlają sytuację finansową badanych przedsiębiorstw (np. model Artura Hołdy – 73,3% trafnych prognoz), ujawniły także potrzebę zastosowania wielu modeli analizy dyskryminacyjnej do dokładnej analizy sytuacji finansowej przedsiębiorstwa – użycie jednego tylko modelu prowadzić może do wyciągania nieprawidłowych wniosków. Wykorzystanie modeli dyskryminacyjnych do oceny sytuacji finansowej przedsiębiorstw w wielu przypadkach opiera się na metodach wczesnego ostrzegania. Wspomniane metody charakteryzują się zarówno zaletami, jak i pewnymi ograniczeniami; jedną z wad jest szybki spadek skuteczności modeli ze względu na ciągłe zmiany warunków ekonomicznych podmiotów działających na rynku. Dlatego modele powstałe przed kilkunastoma laty mogą być mniej skuteczne niż odpowiednio nowsze metody. Co do zalety, to podkreślić należy przede wszystkim prostotę zastosowania takich narzędzi oraz jednoznaczne wyniki – które w porównaniu na przykład do tradycyjnej analizy wskaźnikowej pozwalają na uniknięcie błędów w interpretacji wyników. - Źródło:
-
Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie; 2020, 2(46); 55-67
1506-2635 - Pojawia się w:
- Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie
- Dostawca treści:
- Biblioteka Nauki
Artykuł