Embed Size (px)
Citation preview
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2009 – 2010
FINANCIERINGSSTRUCTUREN VAN DE LOWCOST MAATSCHAPPIJEN EN HET
VERBAND MET FAILLISSEMENTEN
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Henri Van Lantschoot
onder leiding van
Prof. Eddy Van de Voorde
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2009 – 2010
FINANCIERINGSSTRUCTUREN VAN DE LOWCOST MAATSCHAPPIJEN EN HET
VERBAND MET FAILLISSEMENTEN
Masterproef voorgedragen tot het bekomen van de graad van
Master in de Toegepaste Economische Wetenschappen
Henri Van Lantschoot
onder leiding van
Prof. Eddy Van de Voorde
Vertrouwelijkheidsclausule
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag
geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Henri Van Lantschoot
I
Woord vooraf
Graag had ik een woord van dank gericht in de eerste plaats aan Prof. Van de
Voorde, voor zijn hulp en raadgevingen bij het schrijven van deze masterproef.
Verder wou ik de mensen van het ATI (Air Transport Intelligence), en in het
bijzonder, Louise Rawson bedanken om mij toegang te verlenen tot hun
database voor een beperkte periode.
Voor de statistische ondersteuning kon ik rekenen op de goede cursus en wat
extra tips van Prof. Van Kenhove en Prof. Van Acker.
Als laatste had ik graag mijn familie oprecht bedankt voor alle hulp bij mijn
werk. In het bijzonder mijn mama en nonkel Daniel die veel van hun vrije tijd
hebben opgeofferd om talrijke spellingscontroles te doen, maar ook om mij altijd
te motiveren en te stimuleren om het beste uit mezelf te halen. Uiteraard
hebben mijn papa, broer, zus en nog vele anderen hun steentje bijgedragen en
daar ben ik hen ook dankbaar voor.
II
Inhoudsopgave
VERTROUWELIJKHEIDSCLAUSULE
WOORD VOORAF........................................................................................................................................................I
INHOUDSOPGAVE...................................................................................................................................................... II
GEBRUIKTE AFKORTINGEN...................................................................................................................................... IV
FIGUREN..................................................................................................................................................................VI
TABELLEN ..............................................................................................................................................................VII
BIJLAGENLIJST..................................................................................................................................................... VIII
PROBLEEMSTELLING ................................................................................................................................................. 1
1 probleemstelling .......................................................................................................................................... 1 1.1 De uitdagingen .....................................................................................................................................................1 1.2 Onderzoeksvragen................................................................................................................................................1 1.3 Structuur...............................................................................................................................................................2
LITERATUURSTUDIE.................................................................................................................................................. 4
2 Het begrip low-cost airline (LCC)............................................................................................................... 4 2.1 Concept en eigenschappen ...................................................................................................................................4
2.1.1 Point-to-point korte afstandsvluchten en intra-continentale vluchten..............................................................5 2.1.2 Gebruik van secundaire luchthavens ...............................................................................................................6 2.1.3 Hoge zeteldichtheid.........................................................................................................................................7 2.1.4 Minimale dienstverlening................................................................................................................................7 2.1.5 Beperking van gebruikte vliegtuigtypes ..........................................................................................................7 2.1.6 Lage ticketprijzen ............................................................................................................................................8 2.1.7 Internetverkoop van tickets .............................................................................................................................8 2.1.8 Productiviteitsgraad personeel.........................................................................................................................9 2.1.9 Maximale vliegfrequentie................................................................................................................................9 2.1.10 Agressieve marketing .................................................................................................................................9 2.1.11 Tussentijdse conclusie ..............................................................................................................................10
2.2 Typologie: vijf varianten ....................................................................................................................................11 2.3 Klantensegmentatie van LCC’s, FSC’s en chater-maatschappijen.....................................................................13
3 De structuur van de Europese LCC markt................................................................................................. 16 3.1 De deregulering van de Europese luchtvaartmarkt .............................................................................................16 3.2 De Europese low-cost markt anno 2006 (vóór de financiële crisis) ...................................................................20
3.2.1 Verdeling luchtvaartmarkt (FSC’s,LCC’s en chartermaatschappijen)...........................................................20 3.2.2 Overzicht van de spelers actief op de Europese Low-cost markt...................................................................22
3.3 Evolutie van de markt.........................................................................................................................................28 3.3.1 Algemene ontwikkeling van de luchtvaartmarkt tijdens de crisis.................................................................29 3.3.2 Impact van de crisis op de toekomst van de luchtvaartmarkt ........................................................................38 3.3.3 Toekomstbeeld en spelers..............................................................................................................................42
III
EMPIRISCH ONDERZOEK.......................................................................................................................................... 47
4 Inleiding..................................................................................................................................................... 47 4.1 Bestudeerd onderwerp........................................................................................................................................47 4.2 Beschikbare literatuur over de financieringsstructuur en ratio’s van LCC’s ......................................................48
4.2.1 Financieringsstructuur ...................................................................................................................................48 4.2.2 Relevante ratio’s............................................................................................................................................51
4.3 Onderzoeksvragen..............................................................................................................................................53 5 Eigenschappen van het onderzoek............................................................................................................. 53
5.1 Begrippen en variabelen.....................................................................................................................................53 5.2 Hypothesen.........................................................................................................................................................59 5.3 Populatie en steekproef ......................................................................................................................................62 5.4 Gegevensverzameling ........................................................................................................................................63
6 Resultaten en interpretatie......................................................................................................................... 64 6.1 Descriptieve statistiek.........................................................................................................................................64 6.2 Testen van de hypothese.....................................................................................................................................67
6.2.1 T-test .............................................................................................................................................................68 6.2.2 Anova ............................................................................................................................................................70
6.3 Z’’ -score model van Altman .............................................................................................................................71 6.3.1 Methodologie ................................................................................................................................................71 6.3.2 Toegepast ......................................................................................................................................................72
6.4 Logistische regressie ..........................................................................................................................................74 6.4.1 Reden voor logistische regressie ...................................................................................................................74 6.4.2 Methodologie ................................................................................................................................................75 6.4.3 Parameters .....................................................................................................................................................75 6.4.4 Vergelijking met het Z” score model.............................................................................................................81 6.4.5 Besluit logistische regressie...........................................................................................................................83 6.4.6 Aangepaste logistische regressie (Stata)........................................................................................................84
7 Conclusie ................................................................................................................................................... 88 7.1 Samenvatting van de resultaten ..........................................................................................................................88 7.2 Tekortkomingen van het onderzoek ...................................................................................................................90 7.3 Gevolgtrekkingen en aanbevelingen ..................................................................................................................91
REFERENTIES
BIJLAGEN
IV
Gebruikte afkortingen
AEA: the Association of European Airlines
ATI: Air Transport Intelligence
ATM: Air Traffic Management
CR: Current Ratio
EBIT: Earnings Before Interest and Taxes
EC: European Commission
ELFAA: the European Low Fares Airline Association
ETS: Emission Trading Scheme
EU: Europese Unie
FSC: Full-Service Carrier
FTK: Freight Tonne Kilometres
IATA: International Air Transport Association
ICAO: International Civil Aviation Organization
LCC: Low-Cost Carrier
MVE: Market Value of Equity
QR: Quick Ratio
RE: Retained Earnings
ROA: Return On Assets
ROE: Return On Equity
RPK: Revenue Passenger Kilometres
S: Sales
SES: Single European Sky
SESAR: Single European Sky ATM Research
SPSS: Statistical Programme for Social Science
TA: Total Assets
V
TL: Total Liabilities
WC: net Working Capital
VI
Figuren
Figuur 1: point-to-point system vs. hub-and-spoke systeem ........................................... 6
Figuur 2: klanten segmentatie van FSC’s, LCC’s & chartermaatschappijen .......................14
Figuur 3: procentueel aandeel van weekelijks aangeboden zitplaatsen,2006 ....................20
Figuur 4: creëren van nieuwe passagiers door middel van LCC's.....................................22
Figuur 5: procentueel aandeel LCC in wekelijks aangeboden zitplaatsen,2006 ..................23
Figuur 6: Distributie van low-cost vluchten volgens hun zone van vertrek........................28
Figuur 7: Tijdlijn van economische crisissen (A) in combinatie met de groei van de
luchtvaartmarkt in RPKs (B) ................................................................................30
Figuur 8: procentuele groei van de vraag naar luchtvervoer voor passagiers (A) en
goederen (B)(jan 2008-jan 2009) ........................................................................32
Figuur 9: procentuele groei van passagiers volgens tickettype .......................................33
Figuur 10: procentuele capaciteitswijzigingen voor AEA maatschappijen..........................34
Figuur 11: bezettingsgraad (A) en ticketprijzen (B) op de internationale markt ................35
Figuur 12: AEA maatschappijen hun operationele winst (EBIT).......................................37
Figuur 13: procentueel aandeel LCC in wekelijks aangeboden zitplaatsen,april 2008 .........45
Figuur 14: EBITDA uitgedrukt als % van inkomsten (A), kapitaalverwerving door
luchtvaartmaatschappijen op de kapitaalmarkt en (B), cash geld en equivalenten
uitgedrukt als % van inkomsten (C) en het % geleend geld in kapitaal (D) ...............49
Figuur 15: aantal jaren dat een LCC vertegenwoordigd is ..............................................65
Figuur 16: Aantal LCC’s per jaar.................................................................................66
VII
Tabellen
Tabel 1: Procentuele kostenbesparing door LCC ( in VK)................................................10
Tabel 2: productie factoren voor sommige LCC’s (2006)................................................24
Tabel 3: De drie grote luchtvaart allianties (2009) ........................................................39
Tabel 4: productie factoren voor sommige LCC’s (jun 2009) ..........................................46
Tabel 5: Descriptieve statistiek ..................................................................................67
Tabel 6: Gemiddelden van de ratio’s ...........................................................................68
Tabel 7: Independent sample T-test ...........................................................................69
Tabel 8: Z"-scores ....................................................................................................73
Tabel 9: Uitschieters .................................................................................................76
Tabel 10: Classificatietabel ........................................................................................77
Tabel 11: kwaliteit van het model...............................................................................78
Tabel 12: Chi-kwadraatwaarden voor het eindmodel .....................................................79
Tabel 13: logistische regressiecoëfficiënten..................................................................80
Tabel 14: Aangepaste logistische regressie met clusters (Stata) .....................................86
VIII
Bijlagenlijst
Bijlage 1: Database met ratio's ..................................................................................17
Bijlage 2: procentuele groei van de vraag naar luchtvervoer voor passagiers en
goederen (jul 2005-jan2010) ..............................................................................22
Bijlage 3: passagiersverlies van 2008-2009 volgens AEA (billions).................................22
Bijlage 4: inkomsten per ticket-type (2005-2010) ........................................................23
Bijlage 5: aantal vliegtuigen voor AEAmaatschappijen (A) en aantal vliegtuigen aan de
grond gehouden (B) ...........................................................................................23
Bijlage 6: procentuele capaciteitwijzigingen van luchtvaartmaatschappijen (jul2005-
jan2010) ..........................................................................................................23
Bijlage 7: LCC’s capaciteitswijzigingen ........................................................................24
Bijlage 8: profit margin van enkele LCC's in 2006.........................................................24
Bijlage 9: Failliete LCC's of fusies in Europa .................................................................25
Bijlage 10: SPSS output T-test ...................................................................................26
Bijlage 11: Anova .....................................................................................................28
Bijlage 12: Scatterplot om significantie outliers na te gaan ............................................29
Bijlage 13: Logistische regressie rekenhoudende met de outliers....................................30
Bijlage 14:Correlaties van de ratio's............................................................................34
1
Probleemstelling
1 PROBLEEMSTELLING
1.1 De uitdagingen
De voorbije 20 jaar kende de Europese luchtvaartsector een grote
ontwikkeling. In het bijzonder het low-cost segment. Wat oorspronkelijk een
nichemarkt leek te worden werd al snel een groeiende markt met veel
potentieel. Deze markt kreeg dan ook te maken met enkele grote
uitdagingen.
Door de toename van de concurrentie dienden vele low-cost maatschappijen
met lage winstmarges rond te komen. Zoals we in dit werk zullen zien, zijn
lage winstmarges kenmerkend voor een low-cost maatschappij. Door de
toenemende concurrentie, werden sommige maatschappijen gedwongen nog
lagere marges te hanteren, zodat ze in moeilijkheden kwamen.
Een tweede uitdaging had te maken met het economisch klimaat. De low-
cost maatschappijen werden al snel geconfronteerd met economische en
financiële crisissen. Zowel na 9/11 als bij de huidige financiële crisis kregen
de maatschappijen te maken met een terugval in de vraag en een zwakkere
financiële positie.
Deze twee uitdagingen samen zorgen voor een hoge druk op de balansen en
de resultatenrekeningen van de maatschappijen. Zowel de liquiditeit,
solvabiliteit, als winstgevendheid komen in het gedrang. Als gevolg van deze
druk zullen sommige maatschappijen mogelijks failliet gaan.
1.2 Onderzoeksvragen
De vraag stelt zich hoe low-cost maatschappijen met deze uitdagingen
omgaan. Welke maatschappijen zullen deze uitdagingen aankunnen en op
welke wijze zullen zij dit doen? Welke maatschappijen falen en waarom? We
onderzoeken wat de gevolgen zijn van deze uitdagingen op de financiële
structuur van een onderneming. We proberen te bepalen welke ratio’s
2
belangrijk zijn om vast te stellen of een onderneming het goed doet. Het is
de bedoeling op basis van deze ratio’s te pogen een falingspredictiemodel op
te stellen. Dit model zou ons moeten toelaten om de kans of score te
berekenen of een maatschappij failliet kan gaan.
We gaan ons werk in twee grote delen verdelen. Een literatuuronderzoek en
een empirisch onderzoek.
In het literatuuronderzoek gaan we ons op de volgende onderzoeksvragen
richten:
• Wat is een low-cost maatschappij? Waarin verschilt het van een
gewone full-service maatschappij?
• Hoe ziet de low-cost markt er concreet uit? Hoe zal deze evolueren
onder invloed van de crisis?
Het beantwoorden van deze vragen zou ons moeten helpen om een beter
empirisch onderzoek te voeren. We zullen beter begrijpen hoe deze
specifieke markt in elkaar zit en wat de gevolgen zijn op de financiële
structuur van een onderneming.
We gaan ons in het empirisch onderzoek focussen op twee vragen:
• Hoe verschillen de financieringsstructuur en resultaten van een failliete
low-cost maatschappij met die van een nog bestaande low-cost
maatschappij? Met andere woorden vinden we significante verschillen
tussen beide structuren?
• Kunnen we aan de hand van relevante ratio’s (onafhankelijke
variabelen) verklaren waarom een maatschappij al dan niet failliet gaat
(afhankelijke variabele)?
Deze twee onderzoeksvragen omzetten naar concrete hypotheses wordt in
het empirisch onderzoek gedaan.
1.3 Structuur
Om onze onderzoeksvragen te beantwoorden gaan we dit werk in
verschillende stappen aanpakken.
3
In een eerste deel spreken we over low-cost maatschappijen. Het is
belangrijk om een duidelijk beeld te hebben wat voor maatschappijen dit zijn
en wat hun voornaamste karakteristieken zijn. Daarom gaan we in onze
literatuurstudie een duidelijke omschrijving geven van wat een ‘LCC’ is. Dit
zal aangevuld worden met typologie en klantensegmentatie.
Vervolgens wordt de structuur van de low-cost markt gegeven. Eerst zal de
deregulering van de markt besproken worden en vervolgens wordt er
gekeken naar de belangrijkste spelers op deze markt. Dit geeft ons een beter
beeld van de mogelijke concurrentie. Een hoge concurrentie zal zijn invloed
hebben op de resultaten van de low-cost maatschappijen. Ook wordt de
evolutie van de markt bekeken. De financiële crisis, die grote veranderingen
met zich meebracht, heeft zijn invloed op elke low-cost maatschappij.
Een volgende punt is het empirisch onderzoek. We proberen vast te stellen of
er verschillen zijn in structuur tussen maatschappijen die failliet zijn en
maatschappijen die nog actief zijn. We gaan aan de hand van ratio’s bepalen
of er significante verschillen zijn. Ook trachten we hier te bepalen of de
voorbije crisis zijn invloed had op de ratio’s.
Wanneer we significante verschillen vinden kan ons dit helpen om een
falingspredictiemodel op te stellen. Als einddoel willen we in staat zijn om
met enige nauwkeurigheid te bepalen of een maatschappij failliet zal gaan of
niet.
4
Literatuurstudie
2 HET BEGRIP LOW-COST AIRLINE (LCC)
In dit hoofdstuk gaan we verduidelijken wat we verstaan onder een LCC. We
kijken eerst naar het concept en de eigenschappen van een LCC, vervolgens
kijken we naar de typologie en de verschillende types die er bestaan. Als laatste
deel van hoofdstuk 2 gaan we kijken welke klantensegmentatie de LCC’s voor
ogen hebben.
2.1 Concept en eigenschappen
Om een duidelijke weergave van de low-cost markt te construeren wordt er
eerst omschreven wat er juist wordt verstaan onder low-cost airlines (LCC).
Het eerste en belangrijkste artikel waar naar verwezen wordt, is een studie
die gemaakt werd in opdracht van de Europese Unie. In deze studie, ‘The
consequences of the growing european low-cost airline sector’ van Macário et
al,2007, vinden we een omschrijving van het LCC concept.
Het is vaak niet mogelijk om één juiste definitie van low-cost airlines te
geven. Vaak zijn LCC’s, luchtvaartmaatschappijen die tegen lage
exploitatiekosten kunnen werken. Echter door evolutie werd dit begrip
uitgebreid naar luchtvaartmaatschappijen die tickets aanbieden tegen lage
prijzen met beperkte diensten. Natuurlijk omvat het LCC concept meer
eigenschappen dan dat.
De volgende eigenschappen zijn in meer of mindere mate terug te vinden in
het LCC model (Doganis, 2006; Lawton, 2002; Gilbert et al, 2001):
• Point-to point korte afstandsvluchten
• Intra-continentale bestemmingen
• Gebruik van secundaire luchthavens
• Hoge zeteldichtheid
• Minimale dienstverlening
• Beperking van gebruikte vliegtuigtypes
5
• Lage ticketprijzen
• Verkopen van tickets via internet en de distributie ervan
• Productiviteitgraad personeel
• Maximale vliegfrequentie
• Agressieve marketing
De oorsprong van LCC’s bevindt zich in de Verenigde Staten waar eind jaren
’60, begin jaren ’70 de eerste low-cost carrier ontstond, nml. Southwest
Airlines (Doganis,2001 en Francis, 2005). Dit was de eerste maatschappij die
een businessmodel hanteerde waarin men gebruik maakte van meerdere,
korte en snelle vluchten naar secundaire luchthavens in belangrijke regio’s.
Deze vluchten waren dan vaak ook intra-continentaal gericht. Southwest was
dus in feite de weergave van een low-cost maatschappij met al zijn
eigenschappen.
De voorheen opgenoemde eigenschappen kunnen we als volgt nader
omschrijven:
2.1.1 Point-to-point korte afstandsvluchten en intra-continentale vluchten
De eerste belangrijke eigenschap is het gebruik van een point-to-point
systeem in plaats van een hub-and-spoke systeem1 dat wordt gebruikt door
traditionele maatschappijen. Eigenlijk komt dit hierop neer dat er bij het
point-to-point systeem geen centrale luchthaven (de zogenaamde hub) is
langs waar alle vluchten gaan (zie figuur1).
1 Het ‘hub and spoke systeem’: het systeem waarbij lokale luchthavens vluchten aanbieden naar een centrale hub van waaruit dan verder lange afstandsvluchten aangeboden worden.
6
Figuur 1: point-to-point system vs. hub-and-spoke systeem
Bron: Cox en Sibco (2000)
De voordelen van het point-to-point systeem zijn vooral van
kostenbesparende aard. Enerzijds houdt het systeem geen rekening met
aansluitende vluchten waardoor er geen vertragingen moeten worden
ingecalculeerd. Hierdoor kan er frequenter worden gevlogen en kunnen er
meer vluchten per dag worden uitgevoerd dan dat full-service carriers
(FSC’s) dit kunnen. Dit resulteert in hogere inkomsten. Aangezien de
meeste bestemmingen die LCC’s aanbieden binnen Europa liggen, kunnen
we spreken van korte afstandsvluchten (intra-Europese vluchten). Het is net
door deze korte vluchten dat de LCC’s het zich kunnen veroorloven hun
passagiers slechts minimaal comfort aan te bieden2.
2.1.2 Gebruik van secundaire luchthavens
Dat een LCC als uitvalsbasis de zogenaamde secundaire luchthavens
gebruikt, heeft zijn voor- en nadelen. Een eerste voordeel is de ligging.
Door de mindere ligging van de secundaire luchthavens zijn deze minder
bevolkt, en juist door deze niet zo drukke bevolking kan men de
‘turnaround’ tijd3 per vliegtuig verlagen en de daarmee gepaard gaande
vliegfrequentie verhogen. Ook de kans op vertragingen verkleint hierdoor.
Een tweede voordeel is een kostenvoordeel. Secundaire luchthavens bieden
goedkopere prijzen aan de maatschappijen aan en ook de taksen zijn vaak
lager dan op nationale luchthavens.
2 Weinig beenruimte, geen gratis maaltijd of drankje, geen entertainment tijdens de vlucht,… 3 Turnaround tijd: de tijd dat een vliegtuig nodig heeft tussen het landen en het opnieuw startklaar zijn voor de volgende vlucht
7
2.1.3 Hoge zeteldichtheid
Een volgende typische eigenschap is de hoge zeteldichtheid. LCC’s trachten
meer zitjes per vliegtuig aan te bieden dan de traditionele maatschappijen.
Dit doen ze door zowel de zitjes dichter bij elkaar te plaatsen als door geen
business klasse4 aan te bieden waar traditioneel meer ruimte voorzien
wordt.
2.1.4 Minimale dienstverlening
Één van de meeste kenmerkende eigenschappen is de dienstverlening van
LCC’s. Deze dienstverlening is namelijk tot het minimum herleid. Vandaar
ook dat we dit vaak ‘no-frills’ luchtvaartmaatschappijen noemen. Deze
minimale dienstverlening vertaalt zich in geen of slechts beperkte en
betalende aan-boord-services, geen genummerde zitplaatsen,….. Een ander
aspect van deze minimale dienstverlening is het gebrek aan behoorlijke
bijstand en opvang voor bijvoorbeeld: verloren bagage, vertragingen,
gestrande passagiers, ... . Het komt er eigenlijk op neer dat je bij ‘no-frills’
maatschappijen juist een stoel krijgt en voor de rest niets.
2.1.5 Beperking van gebruikte vliegtuigtypes
Een volgend kenmerk van het LCC concept gaat over de vloot die zij
gebruiken. Deze vloot bestaat meestal slechts uit één of twee types
vliegtuigen. De bedoeling van deze vlootstandaardisatie is om kosten te
besparen op zowel de opleiding van piloten en bemanningsleden als op het
onderhoud van de vliegtuigen. Ook verhoogt dit de flexibiliteit van het
personeel vermits zij op alle vluchten kunnen worden ingezet.
4 LCC hebben slechts één klasse, economy klasse. Ze maken dus geen gebruik van de hogere comfort klasse, business klasse
8
2.1.6 Lage ticketprijzen
Als meest kenmerkende en belangrijkste eigenschap hebben we het
aanbieden van lage ticketprijzen. Bij het bepalen van deze lage ticketprijzen
maken de LCC’s gebruik van ‘yield management’. Zij willen een zo hoog
mogelijke bezettingsgraad per vliegtuig behalen en dit aan de best
mogelijke prijs. Ze willen met andere woorden hun opbrengst per zetel
maximaliseren. Een low-cost maatschappij doet dit vaak aan de hand van
prijsdiscriminatie. Deze discriminatie is onafhankelijk van de persoon die
het ticket koopt maar afhankelijk van de tijd. De goedkoopste tickets
worden eerst aangeboden en naargelang de tijd vordert en de vertrekdatum
dichterbij komt, zullen de ticketprijzen stijgen.
2.1.7 Internetverkoop van tickets
Een volgende eigenschap betreft de distributie en reservatie van tickets. De
traditionele maatschappijen werken meestal met reisagenten. Hierdoor
worden vaak commissielonen aan de klant doorgerekend. In het LCC-model
schakelt men deze reisagenten uit. Men werkt immers met directe verkoop
via internet. Ook is er geen mogelijkheid tot reserveren van tickets (nemen
van een optie) zoals bij de full-service carriers. Als er bij een LCC
gereserveerd wordt moet men onmiddellijk betalen. Hierdoor zijn de LCC’s
zeker over hun opbrengst, ongeacht de passagier werkelijk vliegt of niet.
Dit komt de cashflow en het cashmanagement ten goede (Doganis, 2006).
Ook gaat men bij de low-cost maatschappijen niet langer de papieren
tickets distribueren, maar werkt men met ‘e-tickets’. Er wordt enkel nog
met een boardingpas gewerkt.
Een vaak voorkomend nadeel van dit systeem voor de klant is dat de
gekochte tickets niet terugbetaalbaar zijn. Welke de reden ook is waarom je
een geboekte vlucht niet neemt, je bent je geld kwijt (Barrett, 2004).
Meerdere LCC’s herkennen dit nadeel en proberen hier een oplossing voor
te vinden. Zo biedt EasyJet reis- en annuleringsverzekeringen aan tegen
een kleine meerprijs.
9
2.1.8 Productiviteitsgraad personeel
Ook op personeel probeert men zoveel mogelijk te besparen. Deze
besparingen gebeuren vooral door het aantal personeelsleden te
minimaliseren en hun flexibiliteit dan weer te maximaliseren. Vaak zullen
diverse taken door één en dezelfde persoon worden uitgevoerd. Zo zal
bijvoorbeeld de crew het vliegtuig zelf reinigen na een vlucht. Daarnaast
worden bepaalde taken uitbesteed aan de goedkoopste leverancier. Ook zal
men proberen de productiviteit van het personeel te optimaliseren door een
gedeelte van hun loon te laten afhangen van hun prestaties.
2.1.9 Maximale vliegfrequentie
Een andere specifieke eigenschap van het LCC-model is de maximale
vliegfrequentie die LCC’s proberen aan te houden. Zoals reeds aangehaald
vliegen low-cost maatschappijen op secundaire luchthavens. Hierdoor zijn
de omsteltijden lager en is men in staat een hogere vliegfrequentie te
halen. Gevolg hiervan is dat men de vaste kosten over meer vluchten kan
spreiden wat de kost per zetel-km doet dalen (Doganis, 2006;
Barrett,2004).
2.1.10 Agressieve marketing
De meerderheid van de LCC’s voeren een agressieve marketingcampagne.
Vaak zullen zij vergelijkende strategieën gebruiken om aan de consument te
tonen dat zij effectief de laagste prijs hanteren. De reden van deze
agressieve campagne heeft veel te maken met de zware concurrentie op de
markt.
Het is belangrijk op te merken dat hoger vermelde items, eigenschappen
zijn waar LCC’s ‘kunnen’ aan beantwoorden. Het is niet zo dat alle LCC’s
aan al deze eigenschappen zullen voldoen. Door meer nadruk te leggen op
bepaalde eigenschappen, ontwikkelt elke maatschappij zijn eigen model.
Bijvoorbeeld EasyJet zal zich toch op nationale luchthavens richten en dit in
tegenstelling tot het merendeel van de maatschappijen.
10
2.1.11 Tussentijdse conclusie
Wanneer we al deze eigenschappen op een rij zetten zien we dat deze bijna
allemaal gericht zijn op het besparen van kosten. Het is nu eenmaal de
bedoeling om een goedkoper alternatief aan te bieden dan de FSC’s en de
chartermaatschappijen. In tabel 1 zien we voor de maatschappijen die
gevestigd zijn in het Verenigd Koninkrijk de verschillende posten waarop de
LCC’s besparen in vergelijking tot de traditionele maatschappijen (Doganis,
2006).
Tabel 1: Procentuele kostenbesparing door LCC ( in VK)
Kostenreductie Kost per zetel
Traditionele maatschappij (FSC) 100%
Low-cost carrier (LCC)
Operationele voordelen
Hoge zeteldichtheid -16 84
Hoger vliegtuiggebruik -2 82
Lagere lonen voor het personeel -3 79
Gebruik van secundaire luchthavens -4 75
Gestandaardiseerde vloot + onderhoud -2 73
Product / service kenmerken
Minimale stationskosten en uitbesteding -7 66
Geen gratis catering tijdens de vluchten, minder diensten
-5 61
Marketing verschillen
Geen commissies -6 55
Verminderde verkoops- en distributie kosten -3 52
Andere voordelen
Kleinere administratie en minder personeel op kantoren
-3 49
Low-cost maatschappijen vergeleken met traditionele maatschappijen
49%
Bron: Doganis (2006)
11
Uit deze tabel blijkt dat de belangrijkste post van kostenbesparing de hoge
zeteldichtheid is. Zoals we reeds gezegd hebben is er geen plaats in een
LCC vliegtuig voor een business klasse en tracht men zoveel mogelijk zitjes
bij elkaar te plaatsen. Door het geheel van kostenminimaliserende
eigenschappen kunnen de LCC’s tot 51% besparen in vergelijking met een
traditionele luchtvaartmaatschappij.
2.2 Typologie: vijf varianten
Zoals eerder aangehaald worden LCC’s gekenmerkt door de lage ticketprijzen
die ze aanbieden, en door bij hun aangeboden producten de meeste
bijkomende services te elimineren. Toch kan de wijze waarop ze dit doen
sterk verschillen. Men kan hierin vijf verschillende LCC-types onderscheiden
(Francis et al. 2006)
• Southwest copy-cats: Zijn luchtvaartmaatschappijen die opgestart
zijn van nul of die zijn omgevormd door een private investeerder.
Deze benaderen het meest het ‘Southwest model’ zoals Doganis,
2001 het beschreef: lage operating kosten, hoofdzakelijk point-to-
point diensten en één type vliegtuig met hoge gebruiksgraad.
Europese voorbeelden hiervan zijn EasyJet, Ryanair en SkyEurope.
Belangrijk om melden is wel dat in dit type van maatschappijen nog
verdere diversiteit bestaat.
• Dochtermaatschappijen: Zijn maatschappijen die door grote
gevestigde luchtvaartmaatschappijen werden opgericht. De
bedoeling van dit type is om het verloren marktaandeel t.a.v. de
LCC’s te heroveren. Vaak proberen deze carriers ook te werken
zoals de ‘Southwest copy-cats’ categorie. Probleem is wel dat de
dochtermaatschappij op bepaalde routes concurrentie is voor de
moedermaatschappij. Twee voorbeelden van dit type zijn Bmibaby
(opgericht in 2002) van Bmi, en Germanwings (opgericht in 2002)
van Eurowings.
12
• Cost-cutters: Dit zijn grote gevestigde luchtvaartmaatschappijen
die trachten hun operationele kosten te verminderen. Vaak gebeurt
dit door bepaalde services, zoals gratis eten, niet meer aan te
bieden,. De meeste eigenschappen van de gewone carrier blijven
wel bestaan. Ze blijven vaak werken met een hub and spoke
netwerk via grote luchthavens. De twee grootste voorbeelden
hiervan in Europa zijn British Airways en Air Lingus.
• Gediversifieerde chartermaatschappijen: Zijn low-cost subsidiaries
die ontwikkeld zijn door chartermaatschappijen met de bedoeling
low cost scheduled services aan te bieden. Deze maatschappijen
proberen zoveel mogelijk aan te leunen bij de ‘Southwest copy-
cats’, door bijvoorbeeld één type vliegtuigen te gebruiken met hoge
gebruiksgraad, betalende maaltijden aan te bieden, etc. Het
grootste onderscheid is dat de kosten die gepaard gaan met hun
dochteronderneming laag zijn door hun ervaring als
chartermaatschappij (Doganis,2001). Voorbeelden hiervan is:
Thomson Airways (opgericht in 2008 door de fusie van Thomsonfly
en First choice airways).
• Door de Overheid gesubsidieerde maatschappijen: Deze
luchtvaartmaatschappijen zijn in de kern geen echte LCC’s. Zij
worden gesubsidieerd door de overheid, zodat zij lage prijzen
kunnen aanbieden aan de klanten zonder rekening te moeten
houden met de kosten op lange termijn. Een goed voorbeeld
hiervan is het failliete Sabena. Een huidig voorbeeld is dan weer
Emirates.
13
Francis et al (2006)5 probeerden dus de LCC’s onder te verdelen in
verschillende categorieën. Toch is het belangrijk om te erkennen dat binnenin
deze categorieën ook nog verschillen zijn. Maatschappijen moeten zich nu
eenmaal diversifiëren tegenover elkaar.
2.3 Klantensegmentatie van LCC’s, FSC’s en chater-
maatschappijen
Voor er wordt besproken hoe de LCC-markt in elkaar zit en wie er de
belangrijkste spelers zijn, gaan we na welke de positie is van de LCC-types
t.o.v. de traditionele netwerk carriers en de chartermaatschappijen.
Voor het ontstaan van de LCC’s, was er een duidelijk onderscheid tussen de
traditionele luchtvaartmaatschappijen en de chartermaatschappijen. Charter-
maatschappijen werden voornamelijk gekenmerkt door een lage opbrengst
per passagier en een lage complexiteit van het businessmodel. De
traditionele maatschappijen werden daarentegen gekenmerkt door hoge
opbrengst per passagier en een hoge graad van complexiteit. We kunnen
duidelijk zien op figuur 2 dat door het grote verschil in complexiteit, return
per passagier en service niveau, deze twee soorten van maatschappijen
elkaars uitersten zijn op vlak van klantensegmentatie. Dat de consumenten-
segmentatie van traditionele maatschappij zo groot is, is te verklaren door de
gouden jaren ’90 voor de luchtvaart. De bedoeling van vele traditionele
maatschappijen was toen om zoveel mogelijk doelgroepen te bestrijken.
5 Een andere manier van onderverdelen in typen werd gedaan door J. Van der Zwan in zijn werk ‘Een onderzoek naar de Europese low-cost carriers en hun netwerkontwikkeling’ (2005). Hierin werden vier typen van LCC’s herkend: de low-cost charter carrier, de low-cost full-service carrier, de originele low-cost carrier, en de regionale low-cost carrier. Het is echter moeilijk te achterhalen hoe deze onderverdeling juist werd gemaakt. Daarom vinden we de onderverdeling van Francis et al van grotere waarde.
14
Figuur 2: klanten segmentatie van FSC’s, LCC’s & chartermaatschappijen
Bron: Franke (2004)
Er was dus plaats voor een derde soort luchtvaartmaatschappij die de ruimte
tussen de chartermaatschappijen en de traditionele maatschappijen kon
opvullen, nl. de low-cost maatschappijen.
In het begin werd er gedacht dat het low-cost model beperkt was tot een
nichemarkt, die vooral aantrekkelijk was voor mensen die nog nooit eerder
hadden gevlogen en waar het laagste service niveau kon worden
aangeboden. Men dacht dus dat het LCC-model geen concurrentie was voor
de chartermaatschappijen en de traditionele maatschappijen6. Echter uit
meerdere studies bleek dat het low-cost model een meer dan waardig
alternatief was voor de eerste twee modellen en dat het zelfs beter bestand
was tegen veranderingen in de vraag. Het werd duidelijk dat het LCC concept
6 De perceptie dat een LCC model geen concurrentie was bleek om drie redenen fout te zijn: Eerst en vooral blijkt dat het model ook mensen aantrekt die regelmatig vliegen met andere maatschappijen. Ten tweede is het service level niet arm maar eerder gefocust op enkele bepalende elementen. Hierdoor wordt het vaak als gebruiksvriendelijker/handiger ervaren. En als laatste fout, de LCC markt is geen nichemarkt maar kan ook delen van de continentale luchtvaartmarkt innemen. (Franke, 2004)
15
wel degelijk concurrentie was voor de chartermaatschappijen en traditionele
luchtvaartmaatschappijen. Het gaat zelfs zover dat men meer en meer het
LCC model als benchmark neemt voor de luchtvaartindustrie.
Zoals reeds aangehaald vinden we meerdere types van low-cost
maatschappijen. Het geeft aan dat het oorspronkelijke business-model van
een LCC evolueert en dat dit verder ligt van het traditionele low-cost model.
Door deze evolutie vormt het LCC-concept een nog grotere concurrentie. Het
zal op Figuur 2 meer naar rechts verschuiven.
Anderzijds moet men ook rekening houden met de wijziging van strategie
van zowel de traditionele netwerkmaatschappijen als de
chartermaatschappijen7. Deze maatschappijen weken op hun beurt af van de
oorspronkelijke modellen. Ze werden zich bewust van het feit dat ze hun
businessmodel constant moeten herbekijken en zichzelf afvragen of er
eventuele wijzigingen moeten worden toegepast. Ze namen meer en meer
eigenschappen over van de LCC’s, zoals tickets aanbieden via internet, meer
‘no-frills’ zitplaatsen aanbieden, goedkopere tickets, enz. Soms gaan ze zelfs
zo ver dat ze zelf een low-cost maatschappij opstarten, bijvoorbeeld Bmibaby
opgestart door Bmi. Dit alles gebeurt vooral om de productiviteit te verhogen
en de kosten per eenheid te doen dalen. Door deze constante aanpassing van
hun model groeiden de verschillende maatschappijen nog meer naar elkaar
toe. Op figuur 2 wordt er vastgesteld dat er een continuüm van
luchtvaartmaatschappijen ontstond die zich positioneerden in de termen van
klantensegmentatie en de complexiteit van hun business model.
7 Chartermaatschappijen werden geconfronteerd met een dalend marktaandeel.
16
3 DE STRUCTUUR VAN DE EUROPESE LCC MARKT
Nu we een beter beeld hebben van wat het low-cost concept betekent, welke
types er zijn en wat de alternatieven zijn voor de LCC’s, kunnen we een
weergave geven van de luchtvaartmarkt. We bespreken deze weergave in drie
delen.
Eerst gaan we de opkomst van de LCC’s schetsen (deregulering van de
luchtvaartmarkt). Hierbij zal ook gekeken worden naar andere regels die de
luchtvaartmarkt mee helpen bepalen zoals SES I & II en ETS.
Daarna geven we een overzicht van de verdeling in de luchtvaartsector in
combinatie met een overzicht van de LCC’s die actief zijn op de Europese markt
anno 2006. We zullen hierbij ook de twee belangrijkste maatschappijen Ryanair
en EasyJet nader bespreken.
Als laatste puntje zullen we het over de evolutie hebben van de Low-cost markt.
Hierbij bekijken we wat er tijdens de crisis gebeurde op de markt, wat de impact
daarvan was en hoe de markt er nu concreet uitziet. We trachten bij deze
laatste stap een zo goed mogelijk beeld te vormen van de toekomst.
3.1 De deregulering van de Europese luchtvaartmarkt
Lange tijd was de luchtvaartsector een sterk door de overheid gereguleerde
en afgeschermde sector. De overheid bepaalde de prijzen, wie toegang kreeg
tot de markt, wie uitgesloten werd, welke routes er werden gevlogen, welke
landingsrechten er waren, en dergelijke meer8. Dit werd telkens via bilaterale
overeenkomsten en afspraken geregeld tussen verschillende landen. Al deze
afspraken en reguleringen zorgden ervoor dat de Europese luchtvaartmarkt
alles behalve een gezonde concurrentiële markt was. Vaak was deze markt
niet efficiënt en werd ze gekenmerkt door veel te hoge ticketprijzen. Het
werd meer en meer duidelijk dat er nood was aan deregulering om vrije
concurrentie een kans te geven. Negen jaar na de deregulering van de
Amerikaanse luchtvaartsector creëerde de Europese Unie een nieuw kader
8 Voorbeelden van deze regulering: capaciteit van belangrijke routes werden artificieel laag gehouden, ticketprijzen waren hoog en de toegang tot de markten door niet-nationale luchtvaartmaatschappijen werd vrijwel onmogelijk gemaakt.
17
waarbinnen de luchtvaartsector zich kon reorganiseren met als doel een
vrijgemaakte Europese markt (Barrett, 2000; ELFAA,2004; Herremans,
2007). De bedoeling van deze vrije markt was: de gemiddelde consument de
kans geven te reizen met het vliegtuig.
De deregulering van de Europese markt is niet alleen voorafgegaan door de
deregulering van de Amerikaanse luchtvaartmarkt maar ook door de
liberalisatie tussen Ierland en het Verenigd Koninkrijk (midden jaren ’80).
Deze deregulering zorgde voor de opkomst van de eerste LCC: Ryanair.
Ryanair kreeg de toestemming tot bepaalde routes tussen Ierland en het VK.
Zo bracht het competitie in een voorheen gekende duopoliemarkt (Aer Lingus
en British Airways).
De liberalisatie van de Europese luchtvaartmarkt gebeurde in vier stappen
(ELFAA, 2004):
• 1987: De eerste fase ging over een pakket van maatregelen
omtrent de concurrentie binnenin de Europese luchtvaartmarkt.
Onder andere werden restricties in verband met de ticketprijzen
en samenwerkingen versoepeld. Ook werd er meer flexibiliteit
gegeven.
• 1990: In een tweede reeks van maatregelen kregen alle
Europese maatschappijen het recht om passagiers van en naar
andere EU landen te vervoeren. Ook werd het recht, om bij
intra-Europese vluchten met een tussenstop, reizigers op te
halen en af te zetten, uitgebreid. De restricties t.a.v. de
ticketprijzen werden verder versoepeld.
• 1993: Een derde pakket van maatregelen diende vooral om de
restricties in verband met de markttoegang te versoepelen. Het
werd mogelijk om vrij toe te treden tot de luchtvaartmarkt mits
licentie. Ook waren maatschappijen nu volledig vrij om hun
tarieven te bepalen.
• 1997: In een laatste set van maatregelen, kregen alle carriers
die een licentie hadden, het recht om op alle routes binnen de
18
EU te opereren. Alle luchtvaartmaatschappijen kregen dus het
recht op cabotage9.
Al deze maatregelen gaven aanleiding tot een vrij en één gemaakte Europese
markt. Europese LCC’s kregen de vrijheid om te beslissen: welke routes ze
vliegen, welke prijzen ze vragen, welke vluchtschema’s ze aanbieden,…
(ELFAA, 2004; Barrett, 2000; Meersman et al, 2004). Ook werd de invloed
van nationale overheden tot een minimum herleid. De commerciële belangen
van de maatschappijen werden de voornaamste incentives om nieuwe routes
te openen of te sluiten, prijzen aan te passen en/of capaciteit te wijzigen.
Uiteindelijk kunnen we stellen dat deze maatregelen bijzonder succesvol
waren in het creëren van concurrentie in Europa. Het is juist door de
deregulering van de Europese luchtvaartsector dat de opkomst van low-cost
carriers mogelijk was.
De voorheen opgesomde stappen van deregulering waren echter niet de
laatste. De bedoeling was om een ‘Single European Sky’ (SES) te vormen die
de uitdagingen voor de toekomst aankon. Het doel was een wetgevende
benadering teneinde de toekomstige capaciteit en de veiligheidsnoden te
garanderen, en dit op een Europees niveau in plaats van op een lokaal
niveau. Doelen van SES zijn: het Europese luchtruim te herstructureren in
functie van de verkeersstromen, extra capaciteit te creëren en de gehele
efficiëntie van het luchtverkeermanagement te verbeteren. Hiervoor ging
men als volgt tewerk (Eurocontrol, 2010):
• 2004: Het eerste SES pakket (SES I) van maatregelen werd
ingevoerd. Het grootste probleem in air traffic management (ATM)
toen, was de congestie van het luchtverkeer en de daarmee
gepaard gaande vertragingen. Ook veiligheid was een belangrijk
punt. Er werden meerdere regels geïmplementeerd om deze punten
te verbeteren.
• 2008: Een tweede SES pakket (SES II) werd van kracht. In dit
pakket van maatregelen werd het vorige pakket SES I verbeterd
9 Cabotage is het vervoeren van goederen of passagiers tussen twee punten in hetzelfde land door een bedrijf uit een ander land.
19
maar werd er ook meer nadruk gelegd op het milieu en op de
kostenefficiëntie.
De maatregelen, die zowel in SES I als SES II zijn genomen, worden
ondersteund door de technische component SESAR (Single European Sky
ATM Research).
Een volgende ontwikkeling in de luchtvaartmaatregelen zal gaan over het
aannemen van de EU ETS (Emission Trading Scheme). Deze zullen in werking
treden tegen 2012. Het systeem zal vooral de rechten op uitstoten van CO²
behandelen. De EU wil immers dat de transportindustrie zijn
verantwoordelijkheid opneemt voor de uitstoot van CO²-gassen. Zo wil de EU
het lange termijn doel halen om de CO² gassen met 20% terug te dringen
tegen 2020. Elke maatschappij zal aan de hand van enkele factoren
emissierechten verkrijgen. Vervolgens kunnen zij kiezen om deze rechten te
gebruiken of te verkopen aan andere maatschappijen. Men gaat dus eigenlijk
een markt creëren waar emissierechten kunnen verhandeld worden. Hierbij
zal men wel een grens stellen aan de hoeveelheid emissierechten die een
maatschappij kan kopen (Macário & Van de Voorde, 2009; European
commission).
Of het toevoegen van de luchtvaart aan het EU ETS nu invloed heeft op de
markt is niet zeker. Sommigen zijn van mening dat dit weinig zal veranderen
voor de maatschappijen. Zij zullen de kosten voor het kopen van
emissierechten gewoon doorrekenen aan de consument. Ook zal de
competitie hetzelfde blijven aangezien iedereen aan dezelfde voorwaarden
onderworpen is.
Dit wordt echter betwist door de Europese luchtvaartmaatschappijen zelf. Zij
menen dat de luchtvaartmarkt, en in het bijzonder de low-cost markt, zeer
prijsgevoelig is. Wanneer LCC’s dit zouden doorrekenen aan de consument,
zullen zij veel klanten verliezen. LCC’s moeten deze kosten dus zelf dragen
en zullen hierdoor veel opbrengsten verliezen. Daarbij komt dan nog de crisis
die al veel geld heeft gekost. Ook stellen ze zich vragen bij de hoeveelheid
emissierechten die ze zullen krijgen. Ze gaan tot 45% rechten moeten
bijkopen als ze de groei van de markt willen handhaven. Toch zijn de meeste
20
er zich van bewust dat zij sowieso zullen moeten deelnemen aan de EU ETS10
en dit tegen 2012.
We hebben het dus niet uitsluitend over de deregulering gehad van de
Europese luchtvaartmarkt maar ook over nieuwe pakketten aan maatregelen
die het concept SES moeten verwezenlijken en over de deelname van de
luchtvaart aan EU ETS. De reden hiervoor is dat dit allemaal regels of
maatregelen zijn die invloed hebben op de luchtvaartmarkt zoals we ze nu
kennen.
3.2 De Europese low-cost markt anno 2006 (vóór de financiële
crisis)
3.2.1 Verdeling luchtvaartmarkt (FSC’s,LCC’s en chartermaatschappijen)
Een goede weergave van de verdeling van de luchtvaartmarkt vinden we op
de site van the Association of European Airlines (AEA). Deze weergave
berust op schattingen van het procentuele aandeel dat elke type
maatschappij heeft in de markt. Figuur 3 geeft van elke type maatschappij
het procentueel aandeel van de wekelijks aangeboden zitplaatsen weer.
Figuur 3: procentueel aandeel van weekelijks aangeboden zitplaatsen,2006
Bron: AEA (2006)
10 Nu al zijn vele maatschappijen, onder leiding van IATA, bezig met het streven naar ‘zero emissions’ binnen 50 jaar
21
Op basis van deze cijfers wordt er vastgesteld dat de low-cost luchtvaart in
2006 goed is voor 18,4% van de wekelijks aangeboden zitplaatsen in het
luchtvaartvervoer. De grootste groep echter blijven nog altijd de gewone
traditionele luchtvaartmaatschappijen die deel uitmaken van de AEA11 met
55,7%. De derde groep bestaat hoofdzakelijk uit de door
chartermaatschappijen wekelijks aangeboden zitplaatsen en
vertegenwoordigd 25,9%
Wat onmiddellijk opvalt is dat de LCC’s al 18,4% marktaandeel behalen en
dit op relatief korte termijn. Zoals reeds eerder vermeld kwam de eerste low-
cost maatschappij, nml. Ryanair, pas in het jaar ’85 op de Europese
luchtvaartmarkt. Dit was voorheen een traditionele luchtvaartmaatschappij,
die zich naar het voorbeeld van Southwest Airlines, omvormde.
Rekeninghoudend met de lange periode eer de Europese luchtvaartmarkt
werd gedereguleerd, stel je vast dat op ±20jaar de LCC’s al een groot
marktaandeel hebben veroverd.
Nu kunnen we ons wel de vraag stellen van waar die 18,4% afkomstig is. Is
dit marktaandeel afgenomen van de traditionele maatschappijen of heeft
men vooral nieuwe klanten aangetrokken? In 2004 heeft het ELFAA hier een
onderzoek naar gedaan en kwamen ze tot de volgende bevindingen (zie
figuur 4). Een eerste vaststelling is dat het merendeel van low-cost
passagiers nieuwe passagiers zijn (59%): reizigers die, zonder aanwezigheid
van LCC’s, niet zouden reizen of die andere middelen van vervoer zouden
gebruiken. Een volgende vaststelling is dat LCC’s wel degelijk concurrentie
zijn voor de traditionele maatschappijen (37%), zij het in mindere mate dan
oorspronkelijk gedacht werd. De beste kansen voor de LCC’s liggen duidelijk
bij het creëren van een nieuwe vraag.
11 Leden van The Association of European Airlines (AEA) :Adria Airways , Aegean Airlines , Aer Lingus, AeroSvit , Air France , Air Malta , Alitalia, Austrian, bmi, British Airways, Brussels Airlines, Cargolux, Croatia Airlines, Cyprus Airways, Czech Airlines, Deutsche Lufthansa AG, DHL, Finnair, Iberia, Icelandair, Jat Airways, KLM, LOT Polish Airlines, Luxair, Malev Hungarian Airlines, Montenegro Airlines, Olympic Air, SAS, Swiss International Air Lines Ltd, TAP Portugal, TAROM-Romanian Air Transport, TNT Airways, Turkish Airlines, Ukraine International Airlines, Virgin Atlantic
22
Figuur 4: creëren van nieuwe passagiers door middel van LCC's
Bron: ELFAA (2004)
Zo heeft het LCC-concept ervoor gezorgd dat de vraag naar luchtvervoer
terug steeg na de gebeurtenissen van 9/11. Door 9/11 stonden mensen
weigerachtig tegenover reizen per vliegtuig. Deze plotse terugval van de
vraag naar luchtvervoer bracht met zich mee dat traditionele maatschappijen
hun capaciteit en diensten moesten terugschroeven en dat de ticketprijzen
stegen. De LCC’s daarentegen verlaagden hun prijzen tot op het punt dat de
mensen weer gingen vliegen. Hun passagiersaantal steeg zienderogen en het
vertrouwen in de markt kwam snel terug.
3.2.2 Overzicht van de spelers actief op de Europese Low-cost markt
Wanneer er wordt gekeken naar hoe die 18,4% marktaandeel van low-cost
maatschappijen wordt verdeeld onder de verschillende LCC-spelers, kunnen
we verwijzen naar de cijfers die beschikbaar werden gesteld door de AEA
(figuur 4). Uit deze cijfers blijkt dat de low-cost markt goed is voor 3,1
miljoen aangeboden zitjes per week. In figuur 4 zien we zoals verwacht dat
er drie grote dominerende maatschappijen zijn: het Ierse Ryanair, het Britse
EasyJet en het Duitse AirBerlin (in volgorde van grootte). Deze drie LCC’s
samen vertegenwoordigen meer dan 70% van de gehele low-cost markt.
23
Figuur 5: procentueel aandeel LCC in de wekelijks aangeboden zitplaatsen, 2006
j
12
Bron: OAGmax ( 2006)
Daarnaast hebben we nog Aer Lingus dat goed is voor 6% van de wekelijkse
aangeboden zitplaatsen en alle andere LCC’s, die samen goed zijn voor nog
eens 24% van de LCC markt.
Het lijkt ons niet onbelangrijk om de voornaamste cijfers te geven van enkele
relevante LCC’s die in Europa actief zijn. Tabel 2 geeft een overzicht van de
belangrijkste factoren. Later zullen we deze tabel vergelijken met de
productiefactoren van de voornaamste LCC’s in 2009 en zien welke evolutie
de LCC’s hebben doorgemaakt.
12 Others: Air Berlin, bmibaby, Hapag-Lloyd Express (Tuifly) , Germanwing, Transavia, Jet2com, ThomsonFly, Wizz, Vueling, Virgin Express, Skyeurope, Helvetic Airways en Smartwings
24
Tabel 2: productie factoren voor sommige LCC’s (2006)
Bron: ELFAA ( december 2006) + gegevens Air Berlin uit Macário et al (2007)16
Ook uit deze cijfers blijkt dat er drie maatschappijen zijn die er bovenuit
steken. Zowel voor passagiers, aantal routes, aantal dagelijkse vluchten,
personeel en aantal vliegtuigen hebben Ryanair, EasyJet en Air Berlin een
ruime voorsprong op de concurrentie. Dat Ryanair en EasyJet dergelijke
voorsprong hebben is ondermeer te verklaren doordat zij als eerste spelers
op de low-cost markt zijn gekomen in Europa. Zij konden met andere
woorden gebruik maken van het first-mover advantage. Air Berlin dankt zijn
grootte dan weer aan de fusie met DBA17 en LTU. Als we de twee grootste
13 PLF= Passenger load factor: is het percentage van de aangeboden zitplaatsen dat wordt gebruikt. 14 Zoals in Macário et al (2007) staat, zal Air Berlin DBA en LTU overnemen. Het aantal vliegtuigen en personeel is inclusief de vliegtuigen en het personeel van DBA. 15 Zal in 2007 veranderen van naam naar TuiFly . 16 Deze gegevens zijn ook terug te vinden op http://ir.airberlin.com/berichte.php?LANG=eng&bereich=ub 17 Een lage kostenalternatief van BA in Duitsland.
LCC Passagiers (miljoen)
Bezettingsgraad (PLF13)
(%)
Aantal dagelijkse vluchten
Aantal routes
Personeel Aantal
vliegtuigen
Ryanair 40,5 83 750 440 3500 120
EasyJet 33,7 84,6 765 278 4220 121
Air Berlin 14 16,8 77,9 n.b. n.b. 4000 62
Flybe 5,5 n.b. 270 116 1700 36
Transavia 5,1 84 78 105 1463 27
Norwegian 5,1 79 160 83 650 20
Hapag-Lloyd Express 15
4,6 79,3 n.b. n.b. n.b. 18
Sterling 4,0 82 120 74 1178 24
Wizzair 3,0 80 63 49 460 9
Sky Europe 2,7 77 59 79 850 16
Myair 1,1 73 24 37 190 5
Sverigeflyg 0,4 80 42 6 50 6
25
maatschappijen, Ryanair en EasyJet, iets meer in detail bekijken, stellen we
het volgende vast:
� Ryanair:
Ryanair was de eerste LCC-speler op de Europese markt. Ryanair
werd in het jaar 1985 opgericht in Ierland. Oorspronkelijk was dit
geen LCC zoals we die nu kennen. Ryanair trachtte wel door lage
prijzen een concurrent te zijn voor British Airways en Aer Lingus.
Ryanair begon zijn activiteit met een 15-zetel vliegtuig waarmee
men dagelijks vluchten tussen Ierland en Engeland aanbood
(Doganis, 2006; Ryanair site18).
Ryanair vervoerde vanaf juli 1985 tot het einde van het jaar nog
5.000 mensen en dit met een staf van 51mensen. In het eerste
volledige jaar vliegen, werd dit al snel 82.000 passagiers en een
staf van 151 mensen. Deze groei zette zich door de eerste drie
jaren zowel qua vloot als qua aantal passagiers en routes. Toch
was de onderneming niet winstgevend en dat ondanks de lagere
operationele kosten. Het verlies liep uiteindelijk op tot 20 miljoen
Britse pond. Grote herstructureringen kondigden zich aan. Deze
herstructurering begon met de aanstelling van de huidige CEO
Michael O’Leary. Onder zijn leiding besloot het management de
maatschappij om te vormen naar een LCC, dit naar het voorbeeld
van het Southwest-model. Concreet betekende dit voor Ryanair dat
de business klasse afgeschaft werd, dat men nog maar één
vliegtuigtype ging gebruiken en dat de gratis maaltijden afgeschaft
werden. Hierdoor konden de prijzen drastisch dalen en werd
Ryanair winstgevend (Ryanair site; Barrett, 2004).
Vanaf 1997 ging Ryanair een stap verder. Dankzij de eerder
vermelde deregulering kon Ryanair uitbreiden van het Verenigd
Koninkrijk naar het Europese continent. Hierdoor was het ook in
18 Informatie over Ryanair vinden we terug op http://www.ryanair.com/nl/about
26
staat om zich op de beurs te laten noteren. De snelle groei bleef
maar doorgaan. Zo nam Ryanair in april 2003 het Britse Buzz over.
Anno 2009 heeft Ryanair meer dan 60 miljoen passagiers over 850
routes binnen 26 landen vervoerd, zie tabel 3 (ELFAA, 2009).
Ryanair is sinds 1991 altijd trouw gebleven aan het principe van
het zo eenvoudig mogelijk houden van haar diensten. Dit maakt
Ryanair tot op de dag van vandaag de grootste Europese LCC.
� EasyJet:
De tweede grootste LCC is EasyJet. Deze maatschappij werd pas in
1995 opgericht door de Griekse miljonair Stelios Haji-Ioannou en
werd onmiddellijk de belangrijkste concurrent voor Ryanair. EasyJet
begon met korte afstandsvluchten aan te bieden tussen London
Luton, Edinburgh en Glasgow en dit volgens het LCC model. Dat
EasyJet dus van in het begin bekend wou staan als een LCC wordt
geillustreerd door hun slogan van toen ‘Making flying as affordable
as a pair of jeans – £29 one way’ (Doganis, 2006; EasyJet site19)
Net zoals Ryanair, plukte EasyJet de vruchten van de deregulering
van de Europese luchtvaartmarkt in 1997. De maatschappij breidde
haar diensten uit naar het Europese continent. Als we naar de
evolutie kijken van EasyJet dan zien we dat deze pas in ’97
winstgevend werd. Het had, net zoals Ryanair, enkele jaren nodig
om winst te genereren. Ook EasyJet liet zich vervolgens op de
beurs noteren.
Als we verder in de geschiedenis van EasyJet kijken, stellen we
vast dat 2002 een sleuteljaar was voor het bedrijf. Ze namen Go
Fly over van British Airways en integreerden deze in hun eigen
netwerk. Daarnaast namen ze ook een optie op DBA. Deze optie
werd niet gelicht als gevolg van de zware concurrentie op de Duitse
19 http://corporate.EasyJet.com/about-EasyJet/our-journey/1999-1995.aspx
27
markt en DBA werd uiteindelijk overgenomen door Air Berlin
(EasyJet site).
Anno 2009 heeft EasyJet meer dan 44,5 miljoen passagiers over
436 routes binnen 27 landen vervoerd, zie tabel 3 (ELFAA, 2009).
Ze zijn nog steeds trouw aan hun low-cost principe en besteden
veel aandacht aan de ‘oranje cultuur’. Ze wijken echter wel af van
de typisch eigenschap om op secundaire luchthavens te vliegen.
Ook hechten ze veel belang aan diversificatie. Zo heeft EasyJet
meer ondernemingen zoals EasyInternetCafe, EasyMobile,
EasyCruise, … (easy.com). Dit maakt dat zij nog beter gewapend
zijn voor de toekomst.
� Andere maatschappijen die actief zijn op de low-cost markt:
Uit figuur 5 en tabel 2 blijkt duidelijk dat de twee grote spelers
meer dan 50% van de markt innemen en samen meer dan 74,2
miljoen passagiers vervoeren. De overige 43% wordt verdeeld over
de ‘kleinere’ maatschappijen op de markt.
Vooral op de Duitse markt blijken meerdere spelers actief te zijn.
Voorbeelden hiervan zijn: Air Berlin, Germanwings en Hapag-Lloyd
Express dat sinds 2007 gefusioneerd is met Hapagfly en onder de
naam TUIfly vliegt. Op kop van deze kleinere maatschappijen staat
Air Berlin met 13% van de low-cost markt en 16,8 miljoen
passagiers. Air Berlin neemt met andere woorden een steeds
prominentere plaats op de markt in, zeker sinds het samengaan
met DBA in 2007.
Ook op de Britse markt blijken meerdere kleine spelers actief zoals
Bmibaby en Flyby. Bmibaby is afkomstig van Bmi (British Midland)
en is opgericht als een low-cost alternatief voor de full-service
moedermaatschappij. Bmibaby is gericht op de Europese markt,
Flyby daarentegen is vooral gericht op vluchten binnen het VK.
Figuur 6 geeft weer van waar de meeste LCC vluchten afkomstig
zijn of m.a.w. de distributie van vluchten volgens zone van vertrek.
We zien dat het Verenigd Koninkrijk en Ierland samen, goed zijn
28
voor meer dan 30% van alle Low-cost vluchten, dit wil dus zeggen
dat 30% van elke low-cost vlucht vertrekt vanuit deze twee landen.
Dit is niet toevallig aangezien de bakermat van het Europese LCC
net in deze twee landen ligt. Ook kan men opmerken dat Duitsland
zoals verwacht ook een prominente rol speelt met de aanwezigheid
van meerdere maatschappijen zoals Air Berlin.
Figuur 6: Distributie van low-cost vluchten volgens hun zone van vertrek
Bron: Eurocontrol (december,2006)
3.3 Evolutie van de markt
We hebben naar de markt anno 2006 (vóór de kredietcrisis) gekeken
aangezien we hier de meest volledige cijfers van hadden (Macário et al,
2008). 2006 is een makkelijk beginpunt om naar de voorbije evolutie te
kijken in de luchtvaartmarkt. Er was de mogelijkheid de cijfers voor 2007 te
nemen als beginpunt maar deze waren vaak onvolledig. We bekijken de
algemene ontwikkeling van de luchtvaartmarkt tijdens de crisis omdat dit ons
een beeld kan geven van de gebeurtenissen op de markten. Zeker met de
onverwachte economische crisis, die in 2008 uitbrak, zullen de voorheen
uitgebrachte optimistische visies voor de toekomst niet altijd even correct
zijn. We bekijken de impact van de crisis op de toekomst van de Europese
luchtvaartmarkt en hoe de verdeling tussen de FSC’s, de LCC’s en de
chartermaatschappijen verder evolueert. Ook zullen we zien hoe het
marktaandeel van wekelijks aangeboden zitplaatsen van de verschillende
29
LCC’s tegenover elkaar evolueren en wie de belangrijkste spelers blijven of
worden. Hierbij zal gekeken worden naar de algemene productiefactoren van
de verschillende LCC’s.
3.3.1 Algemene ontwikkeling van de luchtvaartmarkt tijdens de crisis
Wanneer er wordt gekeken naar de evolutie van de luchtvaartmarkt dan is
het verstandig om eerst naar de evolutie van de algemene economie te
kijken. Vaak is luchtverkeer een afgeleide van de economische ontwikkeling
en de welvaart. Toenemende economische activiteit, industriële productie
en handelsrelaties zorgen ervoor dat er een nog grotere nood aan transport
van goederen en mensen nodig is. In het bijzonder is luchttransport hier
gevoelig aan. Het omgekeerde geldt natuurlijk ook. Als de economie niet
goed draait dan zal de vraag naar (lucht)transport dalen. De achterliggende
reden is dat wanneer mensen welvarender worden, zij meer middelen
kunnen besteden aan het reizen per vliegtuig en meer goederen en diensten
kunnen kopen van op verdere afstand. Het is dus belangrijk om eerst naar
de economische welvaart te kijken om zo het effect op de luchtvaartmarkt
te bepalen.
Begin 2008 kende Amerika een financiële crisis door het in elkaar storten
van de vastgoedmarkten en de daarmee gepaard gaande moeilijkheden
voor de financiële instellingen. Al snel kwam deze crisis overgewaaid naar
Europa en ontstond tegen midden 2008 een wereldwijde economische crisis.
We zien dit aan de hand van figuur 7, panel A waar een tijdlijn van
economische crisissen is weer gegeven sinds 1961 en dit aan de hand van
de groei van het Bruto Binnenlands Product (BBP)20. Op panel B van figuur
7 zien we de evolutie van de revenue passenger kilometres (RPK)21. Als we
deze panels met elkaar vergelijken dan blijkt hieruit het voorheen
genoemde verband tussen de economische welvaart en de evolutie van de
20 Bruto Binnenlands Product (BBP): is de totale geldwaarde van alle, in een land, geproduceerde goederen en diensten gedurende een bepaalde periode. Merk op dat dit cyclisch van aard is: elke crisis wordt gevolgd door periodes van relative groei. 21 RPK= revenue passenger kilometres: meeteenheid voor volume aan passagiers dat een luchtvaartmaatschappij vervoert. Kan gezien worden als het totaal aantal kilometers dat alle passagiers samen reizen.
30
luchtvaartmarkt. Telkens wanneer we een crisis ervaren gaat het totaal
aantal RPK’s dalen (Voor Golfoorlog I, voor 9/11 en zo ook voor de huidige
crisis).
Figuur 7: Tijdlijn van economische crisissen (A) in combinatie met de groei van de luchtvaartmarkt in RPKs (B)
Bron: AEA presentatie HUMAV(2009) ; IMF
Op bovenstaande figuur, panel A stellen we vast dat de huidige crisis de
zwaarste crisis is sinds lang. Vooral de aard van de crisis is ernstiger dan bij
de voorgaande crisissen (Golfoorlog , 9/11, …). Deze voorgaande crisissen
werden telkens veroorzaakt door korte termijn gebeurtenissen terwijl de
huidige crisis één van lange aard is (AEA presentatie ‘state of the industry,
31
februari 2009). Hierdoor konden de gevolgen niet langer uitblijven voor de
luchtvaartsector (Macário & Van de Voorde, 2009):
• Een grote terugval van de vraag naar transport door dat minder
mensen en goederen vervoerd moeten worden.
• Het aanbod aan luchtvervoer daalt. Dit ofwel door het bankroet
gaan van sommige maatschappijen of door de
capaciteitsverminderingen die anderen dan weer doorvoeren.
• Lagere bedrijfswinsten, de gehele financiële situatie van de
ondernemingen wordt slechter.
• De economische crisis is een lange termijn crisis. Hierdoor wordt
verwacht dat de ‘old normal’22 nooit meer zal terug keren. Deze
crisis zorgde voor een totale verschuiving in consumenten gedrag,
uitgaven en investeringen. We evolueren naar een ‘new normal’23.
De luchtvaartindustrie zal fundamentele herstructureringen
moeten ondergaan en maatschappijen zullen hun strategie
moeten aanpassen om met deze new normal om te gaan (AEA
presentatie ‘state of the industry’, februari 2009).
De eerste drie gevolgen zullen we verder behandelen aan de hand van
cijfergegevens voor 2007-2010 uitgebracht door AEA en IATA.
Het eerste gevolg was terugval van de vraag naar transport. In 2007 kende
het vervoeren van passagiers uitgedrukt in RPK in de luchtvaart nog een
groei van 7,4% tegenover één jaar eerder. Het vrachtvervoer, uitgedrukt in
FTK24, kende een groei van 4,7% (IATA financial forecast, 3maart 2010;
figuur 8). Deze groei zette zich begin 2008 nog door: FTK’s stegen met
ongeveer 5% in het eerste kwartaal en RPK’s met iets meer dan 5%
22 Kenmerken van de old normal zijn: hogere investeringen en een lagere spaarrente, sterke werkgelegenheid, jaarlijkse loonsverhoging, hogere ondernemingskredieten, voldoende hoge opbrengsten en voorspelbare en beheersbare brandstofkosten. 23 Kenmerken van de new normal zijn dan weer: lage investeringen, er wordt meer gespaard, hogere werkloosheid, geen loonsverhogingen meer want je mag blij zijn als je een job hebt, lagere opbrengsten die alleen behaald worden door intensieve kostenverlagingen, budget beperkingen, moeilijk om kredieten te vinden en hoge brandstofkosten. 24 FTK= freight tonne kilometres: meeteenheid voor volume aan goederen dat een luchtvaartmaatschappij vervoert.
32
tegenover het jaar voordien. Op dat ogenblik kende de economie nog geen
moeilijkheden. Zakenmensen bleven reizen in businessclass, families gingen
op citytrips en relatief veel goederen werden per vliegtuig vervoerd in plaats
van met de trein,de vrachtwagen of het schip.
Figuur 8: procentuele groei van de vraag naar luchtvervoer voor passagiers (A) en goederen (B)(jan 2008-jan 2009)
Bron: AEA presentatie ‘state of the industry’ (februari 2009)
Tegen december 2008 echter kende men een serieuze terugval in de
economie. Hierdoor gingen zakenmensen, families en bedrijven meer
besparen, o.a. op de manier van reizen25. Gevolg: het vrachtvervoer daalde
met meer dan 22% en het personenvervoer met 4,6% tegenover december
2007 (figuur 8). De daling van het aantal passagiers en goederen zette zich
door tot oktober 2009 met als absoluut dieptepunt februari 2009 waar een
negatieve groei werd vastgesteld van meer dan 10% voor het
personenluchtvervoer en ongeveer 24% voor het vrachtvervoer. Pas in
oktober 2009 werd voor het eerst weer een positieve groei voor
personenvervoer en vrachtvervoer waargenomen (bijlage 2). Bij de eerste
cijfers van 2010 blijken de groeipercentages tegenover het jaar voordien
een enorme en onverwacht hoge vlucht te nemen. Toch had de crisis
nefaste gevolgen voor de Europese luchtvaart. We verwijzen hierbij naar
bijlage 3 waaruit blijkt dat de luchtvaart in de tijdsperiode 2007 – 2009,
meer dan 29 miljoen passagiers heeft verloren.
Dat het verlies aan passagiers groot was in de Europese luchtvaartsector
stond buiten twijfel. Belangrijke vragen/opmerkingen die we in deze thesis
willen behandelen zijn: op welk type maatschappij had de economische
25 Luchtvervoer is procyclisch van aard, het is één van de eerste sectoren die het effect ondervindt van een veranderende economische omgeving. Het zijn activiteiten waar het eerst op bespaard wordt.
33
crisis het meest invloed en waar kende de vraag de grootste terugval.
Werden de LCC’s het meest getroffen of zijn het toch de FSC’s die de
meeste passagiers verloren?
Een indicator om te bepalen welk type maatschappij het meest geraakt kan
zijn, is de procentuele groei van passagiers volgens tickettype (figuur 9).
Op deze figuur kan men constateren dat premium/business tickets (eigen
aan FSC’s) veel gevoeliger zijn aan de economische crisis. Het aantal tickets
daalde sneller en kende een groter procentueel verlies. In de laatste tien
maanden (tot oktober 2009) kende het aantal premium passagiers een
verlies van 18,3%, wat een verlies van 5,5 miljoen passagiers betekent. Er
kan ook vastgesteld worden dat economy tickets significant minder gevoelig
zijn aan de crisis en dat ze in de laatste 10 maanden tot oktober 2009
slechts een verlies kenden van 5,4% of ongeveer 14 miljoen passagiers. Er
werd een verlies van in het totaal 19,5 miljoen passagiers vastgesteld,
waarvan 1 op 4 een businessreiziger was. Wetende dat 10,1% op een
vlucht, businessreizigers zijn, dan is dit zeer veel (AEA ‘Financial trends’
2010; Voor verdere en meer gedetailleerde informatie verwijzen wij naar dit
werk). Voor FSC’s komt de crisis dus harder aan, aangezien premium
passagiers vaak een grote bron van inkomsten zijn door hun hoge
ticketprijzen. FSC’s verliezen hierdoor meer dan 35% aan inkomsten
(bijlage 4). LCC’s ervaren dit probleem minder aangezien hun verliezen
enkel over economy passagiers gaan.
Figuur 9: procentuele groei van passagiers volgens tickettype
Bron: AEA presentatie ‘traffic trends’ (2009)
34
Een ander gevolg van de crisis is de daling van het aanbod aan
luchtvervoer. Zoals reeds eerder vermeld, werd dit veroorzaakt door
maatschappijen die failliet zijn gegaan of door maatschappijen die zich
genoodzaakt zagen om hun capaciteit terug te schroeven teneinde kosten te
besparen.
Als de vraag daalt moet het aanbod zich aanpassen. Te veel zitplaatsen
aanbieden tegenover te weinig vraag zou niet kostenefficiënt zijn. Men moet
proberen de loadfactor of bezettingsgraad van de vliegtuigen voldoende
hoog te houden zodat vluchten economisch leefbaar blijven. Om dit te
bereiken is het aanpassen van de capaciteit vaak aangewezen. Vaak gaat
dit ook gepaard met ticketprijsreducties zodat vliegen weer aantrekkelijk
wordt, maar dat men minder opbrengsten haalt per passagier.
Op figuur 10 kunnen we de daling in capaciteit duidelijk waarnemen 26.
Sinds midden 2008 daalt de groei en wordt die zelfs negatief op het einde
van het jaar. Deze negatieve groei wordt doorgezet in 2009 tussen de -2%
en de -6%. Ondertussen stelt er zich nog een bijkomend probleem in
verband met de capaciteit. Toen het economisch klimaat nog goed was
hebben vele maatschappijen investeringen gedaan en nieuwe toestellen
besteld bij Boeing en Airbus. Door het dalen van de vraag en het aanbod
zitten zij met te veel vliegtuigen en zullen de kosten veel te hoog worden
(bijlage 5).
Figuur 10: procentuele capaciteitswijzigingen voor AEA maatschappijen
Bron: AEA presentatie ‘state of the industry’ (2009)
26 Voor een uitgebreide figuur van de procentuele capaciteitswijzigingen verwijzen we graag naar bijlage 6, waar kan vastgesteld worden dat de groei van de capaciteit eind 2009 weer positief werd.
35
De capaciteitswijzigingen hebben tot doel de bezettingsgraad voldoende
hoog te krijgen. De nood aan deze capaciteitswijzigingen wordt in de figuur
hieronder aangetoond. Zo kunnen we in panel A zien, dat sinds de crisis
ontstond de bezettingsgraad van de vliegtuigen daalde van ongeveer 80%
tot ongeveer 70% (panel A). Toch werd de capaciteit niet voldoende
aangepast en was er nog een te groot verschil tussen de vraag en het
aanbod. Gevolg daarvan was dat de ticketprijzen en winsten per passagier
daalden (panel B).
Figuur 11: bezettingsgraad (A) en ticketprijzen (B) op de internationale markt
Bron: IATA presentatie ‘airlines finacial monitor’ (maart 2010)
Ook hier kan vastgesteld worden dat er een verschil is tussen de prijzen van
de verschillende tickets. Economy tickets blijken minder onderhevig te zijn
aan een procentuele prijsdaling dan de business tickets (panel B). Dit kan
ook een tweede indicator zijn dat de crisis harder aankomt bij de FSC’s dan
bij de LCC’s. De opbrengst per passagier voor een business ticket zal kleiner
zijn naarmate de ticketprijs procentueel daalt. Aangezien deze prijzen dus
meer dalen dan die van economy tickets zullen de meer opbrengsten
verliezen. Zoals reeds eerder vermeld bezitten alleen FSC’s business tickets
waardoor zij meer opbrengsten zien verloren gaan dan LCC’s die alleen
economy tickets hebben.
36
Een andere reden dat het aanbod daalt, heeft te maken met het bankroet
gaan van sommige LCC’s. Zo weten we dat Sterling27, SkyEurope, MyAir,
Nordic regional, … allen kopje onder gingen tijdens de crisis. Als men weet
dat Sterling 26 vliegtuigen had en SkyEurope 14 vliegtuigen, dan stelt men
vast dat bij het wegvallen van deze LCC’s, de capaciteit van de gehele
markt daalt.
Een opmerkelijk feit is nog dat in tijden van crisis de twee belangrijkste
LCC’s, Ryanair en EasyJet, geen of weinig negatieve groei ervaren op vlak
van capaciteit. Ze ondervinden wel een verminderde groei ratio maar deze
blijft positief. Enkel EasyJet had tussen december 2008 en februari 2009
een negatieve capaciteitsgroei (bijlage 7). Ryanair en EasyJet zijn duidelijk
beter gewapend tegen een markt die onder druk staat.
Een ander gevolg van de financiële crisis zijn de slechte financiële resultaten
waarmee vele luchtvaartmaatschappijen komen te zitten. Door het lager
aantal passagiers plus de hogere externe kosten komt men in de
problemen. Daarbij komt het voorheen genoemde feit dat de gemiddelde
opbrengst of yield per ticket steeds kleiner wordt. Door de lagere prijzen die
ze vragen, deels om mensen weer aan het vliegen te krijgen, gaat de
financiële situatie achteruit en men gaat meer en meer verliezen maken.
Ook de kosten lopen op doordat er meer vliegtuigen aan de grond staan
ingevolge de daling van het aantal passagiers.
27 Sterling werd iets harder geraakt door de crisis. Als Ijslandse maatschappij werden zij zwaar getroffen door het faillissement van de Kaupthing bank en het daardoor in elkaar vallen van de financiele markt in Ijsland. Doordat de kredietcrisis het IJslandse financiële stelsel platlegde, konden de geldschieters hun verplichtingen niet langer nakomen en kwam Sterling in grote problemen.
37
Figuur 12: AEA maatschappijen hun operationele winst (EBIT)
Bron: AEA presentatie ‘state of the industry’ (2009)
Als we naar de Earnings Before Interest and Taxes (EBIT) kijken op figuur
12 dan kunnen we duidelijk het effect van de crisis zien28. In 2008 was er al
een grote daling van 4,3 miljard naar 0,6 miljard operationele inkomsten
voor de leden van AEA. Deze daling zet zich voort en men verwacht een
uiteindelijk verlies in 2009 van 3,5 miljard euro (AEA,2009). De crisis uit
zich dus in het resultaat en de financiële posities van de AEA-
maatschappijen. Het is met andere woorden onvermijdelijk dat er
maatschappijen failliet gaan. Zeker als maatschappijen, en meer in het
bijzonder LCC’s, hun winstgevendheid of resultaat reeds in 2006 negatief
was. Zo bijvoorbeeld hadden SkyEurope en Sterling, twee maatschappijen
die bankroet zijn gegaan tijdens de crisis, al een negatieve winstmarge in
2006 (bijlage 8).
In hoofdstuk 3 en deel 2 (het empirisch onderzoek) zullen we verder
nagaan in welke mate de crisis invloed had op de financiële resultaten. We
gaan kijken hoe de financiële structuur van LCC’s is opgebouwd en waar de
zwakheden liggen van dit model.
28 Ook de crisis van 9/11 uit zich in deze figuur.
38
3.3.2 Impact van de crisis op de toekomst van de luchtvaartmarkt
We bekijken nu nader wat de crisis concreet betekent voor de
luchtvaartmarkt. De crisis zal zijn impact hebben op de toekomstige
structuur van de luchtvaartmarkt en ook zal dit mogelijke toekomstige
ontwikkelingen met zich meebrengen (Macário & Van de Voorde, 2009).
We bespreken hier dezelfde toekomstige ontwikkelingen als deze uit het
werk ‘The impact of the economic crisis on the EU air transport sector’ van
Macário & Van de Voorde:
• Allianties tussen grote network carriers versus niche spelers:
Op de luchtvaartmarkt vormen zich wereldwijd luchtvaartallianties die in
concurrentie staan met elkaar. Luchtvaartmaatschappijen kunnen door
allianties te vormen hun individuele bereik uitbreiden. Het doel is, om via
technologische samenwerking en uitwisseling van infrastructuur, de
klanten een beter netwerk aan te bieden wat winstgevender is voor de
maatschappij. Hier tegenover staan nichespelers die een beperkt netwerk
hebben met opportuniteiten van geografische aard.
De huidige crisis zal de druk om winstgevend te zijn verhogen. Hierdoor
gaan meer maatschappijen zich aansluiten bij deze allianties en/of
bestaande partners worden beter geïntegreerd. Ook zal de crisis de grote
maatschappijen in de allianties meer aanzetten tot het misbruiken van
hun marktkracht, omdat in tijden van crisis de kleinere ondernemingen
minder kapitaal vinden (Macário & Van de Voorde, 2009). In de
onderstaande tabel geven we de drie grootste allianties met hun
kerngegevens en leden weer.
39
Tabel 3: De drie grote luchtvaart allianties (2009)
Alliantie Kerngegevens Leden
Sinds: 2000
Passagiers: 384 miljoen
Dagelijkse vluchten: 13.133
Landen: 169
Bestemmingen: 856
Hub-luchthaven: Schiphol & Charles de Gaulle
Aeroflot, Aeromexico, Air France, KLM, Alitalia, China Southern, Continental Airlines, Czech Airlines, Delta Air Lines, Korean Air
Associates: Air Europe, Copa Airlines, Kenya Airways
Sinds: 1998
Passagiers:340 miljoen
Dagelijkse vluchten:8.750
Landen: 150
Bestemmingen: 800
Hub-luchthaven: Heathrow & Madrid
American Airlines, British Airways, Cathay Pacific, Finnair, Iberia, Japan Airlines, LAN, Malev, Quantas, Royal Jordanian
Sinds: 1992
Passagiers: 603.5 miljoen
Dagelijkse vluchten:19.700
Landen:175
Bestemmingen: 1.077
Hub-luchthaven: Frankfurt & Munchen
Air Canada, Air China, Air New Zealand, ANA, Asiana Airlines, Austrian, bmi, Egyptair, LOT Polish Airlines, Lufthansa, Scandinavian Airlines, Shangai Airlines, Singapore Airlines, South-African Airways, Spanair, Swiss, TAP Portugal, Thai Airways International, United, US Airways
Regional members: Adria Airways, Blue1, Croatia Airlines
Bron: Skyteam (2009), Oneworld (2010), Star Alliance (2009)
Ook nichemarkten ervaren de crisis. Kleine maatschappijen (EOS Airlines,
Maxjet Airways en Silverjet) probeerden in 2005 in te spelen op business
reizigers volgens een nieuw product ‘ business-only transatlantic travel’.
Deze verdwenen echter allemaal rond 2008.
• Privatisering van flag carriers:
De voorheen gekende dominantie van flag carriers die gecontroleerd
werden door nationale overheden neemt af. Meer en meer van deze flag
carriers worden geheel of gedeeltelijk geprivatiseerd. Men gaat meer
beroep doen op private investeerders. Of er nu , door de crisis, meer
privatisering zal zijn, is niet duidelijk. Wat we wel vaststellen, is dat er
meer luchtvaartmaatschappijen gaan bijdragen tot het kapitaal van
andere door middel van deelnemingen.
40
• Overnames en fusies:
Overnames, fusies en allianties hebben vaak hetzelfde doel: het proberen
creëren van schaaleffecten om zo betere resultaten te behalen en
operationeel efficiënter te werken. Als we naar Europa kijken valt op, dat
in tijden van crisis, er een grotere drang naar overnames en fusies is. Dit
kan zijn gevolgen hebben voor de allianties. Twee voorbeelden van deze
groei in overnames en fusies op de Europese low-cost markt zijn LTU
International Airways, opgegaan in Air Berlin, en Clickair opgegaan in
Vueling.
• De overleving van het Southwest model:
In het kader van dit werk kan de overleving van het Southwest model
gezien worden als een belangrijk gevolg van de crisis. Het low-cost model
komt onder druk te staan, maar blijkt het wel beter te doen dan
traditionele carriers, zeker als we naar de verwachte groeiprognoses
kijken van Ryanair en EasyJet. Men moet er wel rekening mee houden dat
de groei zal vertragen door de crisis. De LCC’s slagen erin om hun
marktaandeel verder te laten groeien ten overstaan van de FSC’s en de
chartermaatschappijen (zie 2.3.3).
• Meer faillissementen:
Een tweede, belangrijk impact van de crisis is de stijging van het aantal
faillissementen. In 2009 vallen op de low-cost markt meerdere spelers
weg. De twee recentste voorbeelden zijn MyAir en Sky Europe. Vaak
blijken dit medium-sized luchtvaartmaatschappijen te zijn die
ondergekapitaliseerd waren. Deze zijn te groot om in een nichemarkt te
kunnen spelen en dan weer te klein om op de globale markt een rol te
kunnen spelen (Doganis, 2001; Macário & Van de voorde 2009). Door de
crisis lijkt de markt te evolueren naar een markt met een beperkt aantal
spelers. Zeker op de Europese low-cost markt is dit nu al merkbaar met
de evolutie naar drie grote dominante spelers Air Berlin, EasyJet en
Ryanair.
41
• Nieuwe spelers ondervinden toenemende agressie:
Nieuwe spelers die op de markt komen worden direct onder druk gezet.
Op de routes waar zij willen opereren zullen reeds bestaande carriers
prijsdalingen doorvoeren. Vaak hebben deze nieuwe maatschappijen niet
de reserves om dit te kunnen overleven. De laatste jaren passen de
FSC’s, die meer winsten halen uit hun lange afstandsvluchten, ook een
agressievere strategie toe voor hun aangeboden korte afstandsvluchten,
om de competitie beter aan te gaan met de LCC’s. Dit gedrag zal zich
voortzetten in de toekomst en er zullen minder nieuwe spelers aantreden
op de markt.
• Toenemend vreemd kapitaal:
Een volgende belangrijke vaststelling is de toename van het vreemd
kapitaal in de luchtvaart. Door toenemende globalisatie in de economie is
er meer verkeer van arbeid, informatie en kapitaal. In combinatie met de
privatisering van de flag carriers neemt het privaat kapitaal in de
luchtvaart toe. De toename van private equity kan natuurlijk haaks staan
op de lange termijn doelstellingen van de maatschappij, aangezien deze
investeerders vaak op korte termijn hun aandeel durven verkopen. De
crisis zorgde ervoor dat velen hun aandelen wensten te verkopen, maar
er waren echter niet veel kopers. In dit onderzoek trachten we te zien wat
de invloed is van dit vreemd vermogen en vooral of de hoeveelheid
vreemd vermogen op korte termijn tegenover vreemd vermogen op lange
termijn bepalend is.
• Minder tewerkstelling:
Het feit dat de vraag naar transport van personen en goederen daalt
tijdens de crisis betekent ook dat de vraag naar arbeid daalt, aangezien
dit een afgeleide vraag is. Ook low-cost maatschappijen gaan dus moeten
bezuinigen op personeel. Zo heeft Ryanair in 2009 200 mensen ontslagen
op de luchthaven van Dublin.
42
• Veranderende invloed van de overheid:
Meer luchtvaartmaatschappijen worden geprivatiseerd. De overheden
verkopen dus hun aandelen in de flag carriers. Dit, in combinatie met de
deregulering van de markt, zorgt ervoor dat de rol van de overheid
verandert. De voornaamste rol zal het toezicht houden zijn op de markt,
zodat er geen machtsmisbruik is van dominante maatschappijen. Een
andere niet onbelangrijke rol is dat ze de leiding moeten nemen in de
milieuproblematiek zoals de uitstoot van CO²-gassen. Deze rol zal niet
anders worden door de crisis.
3.3.3 Toekomstbeeld en spelers
Nu we weten wat er tijdens de crisis gebeurde en wat de impact ervan was,
is het aangewezen om te omschrijven hoe de luchtvaartmarkt er nu
concreet gaat uitzien en welke de belangrijkste spelers worden in de
Europese low-cost markt.
Verwacht wordt dat in de toekomst, de LCC’s hun aandeel van aangeboden
wekelijkse zitplaatsen zal blijven toenemen t.o.v. de FSC’s en de
chartermaatschappijen. Althans zo zijn de prognoses voor de komende
jaren volgens meerdere bronnen. Er zijn echter ook andere bronnen die
waarschuwen voor de ‘low cost bubble’ door een te snelle groei van de low-
cost markt (Crump, 2004; Ryanair29). Hierbij komt dan nog een
grootschalige crisis die de prognoses tempert.
Vaak kan men de groei of evolutie van een nieuw product omschrijven aan
de hand van de productlevenscyclus. In deze cyclus doorloopt een product 4
fasen: de introductie-, groei-, volwassenheid- en de neergangsfase
(Pelsmacker et al, 2007). Sommige bronnen zeggen dat de LCC’s als
product de eerste 2 fasen hebben doorlopen en dat ze nu in de
volwassenheidsfase 30 zitten.
29 De CEO van Ryanair, O’Leary waarschuwde hier ook al voor. 30 Deze fase kenmerkt zich met het afnemen van de groei. De nadruk gaat vanaf nu liggen op kostenbeheersing waardoor de levenscyclus verlengd kan worden. Prijsverlagingen en sales promotion zijn belangrijke instrumenten.
43
De introductiefase was terug te vinden midden jaren ’80 tot de midden
jaren ’90. Deze periode werd gekarakteriseerd door een langzaam
groeiende afzet. Er waren slechts enkele spelers op de markt en bovendien
werd er in deze periode amper of geen winst gemaakt. Bewijs vinden we
terug als we naar geschiedenis van Ryanair en EasyJet kijken. De
luchtvaartmarkt werd op dat ogenblik gedomineerd door de FSC’s die bijna
de volledige markt in handen hadden.
De tweede fase die het LCC-concept al doorlopen heeft is de groeifase. Deze
werd gekenmerkt door toenemende winsten31 en door het uitbreiden van de
markt qua aantal spelers en omvang32. Deze fase kende zijn begin rond de
deregulering van de Europese luchtvaartmarkt. Het toppunt van de
groeifase bevond zich tijdens de crisis van de traditionele
luchtvaartindustrie. Hun model bleek niet langer economische leefbaar te
zijn. Waar het einde van de groeifase zich bevindt is minder duidelijk. Men
neemt hier het moment waarop de twee grootste LCC’s voor de eerste keer
een daling van de verwachte winst ervaren (2004). Voor het eerst stelde
zich de vraag of het LCC model houdbaar was op lange termijn en of de ‘low
cost bubble’ op barsten stond (Doganis, 2006). Algemeen wordt er
aangenomen dat dan de volwassenheidsfase begon.
Begin 2004 komen de LCC’s dus in een nieuwe fase van de levenscyclus.
Het aantal passagiers blijft stijgen en ook ontstaan er nieuwe markten.
Waar er in de groeifase nog voldoende plaats was voor verschillende
maatschappijen, is er in de de volwassenheidsfase slechts plaats voor
enkele grote maatschappijen. De crisis en zijn gevolgen bevestigingen dat
er een ontwikkeling is naar enkele grote maatschappijen. De groei van de
LCC’s zal geleidelijk aan dalen tot op het punt in de cyclus waar het
marktaandeel van de LCC’s zelf zal beginnen inkrimpen, de neergangsfase
(Doganis, 2006).
31 Natuurlijk maakt niet elke LCC nu winst. Zeker de nieuwe spelers, die op de markt komen tijdens de groeifase, moeten er rekening mee houden dat ze de eerste jaren geen winst zullen maken. 32 Met uitbreiden van de omvang bedoelen we vooral het netwerk van de luchtvaartmaatschappijen dat groter wordt of m.a.w. het aantal routes die de maatschappijen aandoen en het aantal luchtvaarbasissen neemt toe. Bij de uitbreiding van de omvang blijkt het vooral om het aantal intra-Europese routes te gaan.
44
Zowel tussen de low-cost maatschappijen onderling als tussen de andere
types van maatschappijen zal de concurrentie scherper worden. Hoe meer
maatschappijen en bestemmingen er zijn in de groeifase, hoe meer de
LCC’s in het vaarwater komen van de FSC’s. Zoals bij de impact van de
crisis besproken zullen FSC’s hier agressiever tegen optreden door middel
van prijsdalingen.
Tijdens de volwassenheidsfase zullen alleen de sterkste maatschappijen
overleven. Dit zullen de maatschappijen zijn die het best zijn aangepast aan
de omstandigheden van een veranderende omgeving. Meestal zullen dit
maatschappijen zijn met een stevige kapitaalsbasis. Vooral de small- en
medium-sized luchtvaartmaatschappijen zullen hier niet overleven. Het feit
dat de FSC’s zich dan nog eens verenigen in allianties, maakt dat vooral de
grote maatschappijen overleven.
De impact van de crisis blijkt overeen te komen met de theorie die zegt dat
de markt in een volwassenheidsfase zit. We stellen vast dat het
marktaandeel van de LCC’s groeit ten overstaan van de FSC’s en de
chartermaatschappijen (AEA summary report, 2007). Eind 2007 bezat het
low-cost segment al 23% van de aangeboden zitplaatsen en verwacht wordt
dat dit aandeel, zij het met mondjesmaat, zal blijven stijgen tot men in de
neergangsfase komt.
Wat het aantal spelers op de low-cost markt betreft, was er in de groeifase
nog plaats voor diverse maatschappijen. In de volwassenheidsfase is slechts
plaats voor enkele grote spelers (McKinsey consultency bevestigt dit). Niet
alleen de voorheen genoemde concurrentie tussen LCC’s en FSC’s wordt
groter maar ook de concurrentie tussen de LCC’s onderling wordt harder en
harder. Zwakkere spelers zullen ofwel bankroet gaan ofwel worden zij
overgenomen door de sterkere spelers. Hier kunnen we weer verwijzen naar
de impact van de crisis, het toenemen van fusies, overnames en
faillissementen.
Om aan deze concurrentie het hoofd te kunnen bieden, trachten
verschillende LCC’s zich in de toekomst zoveel mogelijk te differentiëren
tegenover elkaar net zoals ze zich tegenover FSC’s gaan differentiëren.
Deze differentiatie gebeurt op basis van de luchthavens die ze aandoen, het
al dan niet vliegen naar primaire of secundaire luchthavens. Ook de service
45
die ze aanbieden voor, tijdens en na de vlucht zal meer en meer van belang
worden om zich te onderscheiden. Andere bronnen van inkomsten zoeken
zoals EasyJet en Ryanair doen33, kan een opportuniteit worden. Natuurlijk
blijven zij gericht op dezelfde klanten en zal de concurrentie aanwezig
blijven. Zelfs de grote maatschappijen als Ryanair en EasyJet zijn niet
ongevoelig voor deze toenemende concurrentie.
Om aan te tonen dat de markt tussen de LCC’s onderling verandert gaan we
figuur 5 vergelijken met een recentere weergave van de LCC-markt in
figuur 13 (april 2008). Men kan dit zien als een cijfermatig voorbeeld van de
voorheen genoemde impact van de crisis.
Figuur 13: procentueel aandeel LCC in wekelijks aangeboden zitplaatsen, april 2008
34
Bron: ELFAA, 2008
Opvallend is dat de grote drie hun aandeel nog vergroten op de low-cost
markt zoals voorspeld werd. De ‘andere maatschappijen’ verliezen
marktaandeel tegenover deze drie maatschappijen. Dit beeld wordt
bevestigd door tabel 4 met de voornaamste factoren van sommige
maatschappijen.
33 Deze maatschappijen halen bijna 50% van hun opbrengsten uit het aanbieden van diensten buiten de luchtvaart 34 De schatting van Air Berlin zijn aandeel berust op eigen berekeningen aan de hand van aantal passagiers.
46
Tabel 4: productie factoren voor sommige LCC’s (jun 2009)
Bron: ELFAA, 2009 + gegevens Air Berlin uit jaarrekening van 2009
Als we tabel 2 (2006) vergelijken met tabel 4 (2009) dan stellen we vast:
♦ bij bijna alle maatschappijen is de bezettingsgraad gedaald
tegenover 2006. We kunnen dit toeschrijven aan de crisis met
een daling van de vraag
♦ de meeste maatschappijen groeien qua aantal passagiers
♦ ze verliezen marktaandeel door de dominantie van de grote drie
♦ het personeelsbestand van Sterling en SkyEurope, twee
maatschappijen in moeilijkheden die uiteindelijk failliet gaan,
krimpt in. Dit kon gezien worden als voorbode voor hun falen.
35 In juli 2009 is deze gefuseerd met Vueling 36 Sterling stopte in 2009 zijn activiteiten 37 Ging in September 2009 failliet 38 Ging In Juni 2009 failliet
LCC Passagiers (miljoen)
Bezettingsgraad (PLF)
(%)
Aantal dagelijkse vluchten
Aantal routes
Personeel Aantal vliegtuige
n
Ryanair 60,2 81,4 1200 850 7118 196
EasyJet 44,5 85,2 1000 278 4220 121
Air Berlin 27,9 77,2 n.b. 134 8278 152
Flybe 7,1 n.b. 444 145 3019 69
Transavia 5,3 75 56 102 1911 34
Norwegian 9,7 78 250 190 1600 45
Clickair35 5,6 71,9 118 52 650 23
Sterling36 1,5 n.b. 137 106 967 26
Wizzair 6,6 82,4 81 152 1000 25
Sky Europe37
3,6 73,4 72 50 642 14
Myair38 1,5 70,7 47 63 320 9
Sverigeflyg 0,6 74,8 56 19 165 11
Jet2.com 2,9 78 70 102 1300 30
47
Empirisch Onderzoek
Nu we de volledige evolutie van de markt besproken hebben en we het volledig
concept van de low-cost markt begrijpen, stelt zich de vraag waarom sommige
LCC’s er beter in slagen dan andere om de crisis te overleven. We gaan
onderzoeken of het al dan niet bankroet gaan afhankelijk is van de financiële
structuur van een LCC. Het uiteindelijke doel is om een falingspredictiemodel op
te stellen. Dit model zou ons moeten toelaten om een score of kans te
berekenen op basis waarvan er kan voorspeld worden of een LCC op korte of
middellange termijn al dan niet zal falen. We gaan feitelijk zoeken naar de reden
waarom LCC’s failliet gaan. Als laatste element van het onderzoek zullen we dan
onze conclusies trekken.
In ons empirisch onderzoek bekijken we de financiële structuur van de
verschillende relevante LCC’s. Er wordt op basis van de beschikbare literatuur,
bepaald welke ratio’s van belang kunnen zijn om de financiële structuur van een
onderneming weer te geven. De onderzoeksvragen worden herhaald en we
bepalen via welke methodes we de structuur van de onderneming gaan
onderzoeken.
4 INLEIDING
4.1 Bestudeerd onderwerp
Zoals eerder vermeld gaan we het over Europese LCC’s hebben en hun
financiële structuur. We willen zien in welke mate cash, assets, liabilities,…
doorslaggevend zijn voor het voort bestaan van deze LCC’s. We gaan
bijzondere aandacht schenken aan de gevolgen van de crisis op de
structuur. Er is immers in de laatste maanden een stijging van het aantal
faillissementen bij Europese LCC’s (Myair, SkyEurope, Nordic Airways,…).
Ook gonst het meer en meer van de geruchten dat er nog maatschappijen
in moeilijkheden zijn. We willen dus zien of dit effectief aan de
samenstelling van hun balans ligt en of we ook kunnen voorspellen of er
nog maatschappijen failliet gaan.
48
4.2 Beschikbare literatuur over de financieringsstructuur en
ratio’s van LCC’s
4.2.1 Financieringsstructuur
De literatuur die specifiek handelt over financieringsstructuren van LCC’s is
eerder beperkt. Toch hebben we enkele relevante documenten gevonden
die ons een indicatie geven welke ratio’s we kunnen gebruiken en wat we
kunnen of mogen verwachten van ons onderzoek.
Vooreerst halen we uit de pers meerdere indicaties over de zwaktes van
sommige maatschappijen. Na het failliet gaan van de LCC SkyEurope kwam
er in De Standaard een artikel over wat er allemaal gebeurde op de
Europese luchtvaartmarkt (‘Geen hoogvliegers’, De Standaard, 2 september
2009). In dit artikel zei professor Van de Voorde: “…Wie geen cashreserves
heeft of niet kan terugvallen op stevige financiering zal sneuvelen […]Passie
is vaak de drijfveer, maar daar bouw je geen business op…”. LCC’s zijn vaak
jonge bedrijven met een grote passie maar het probleem is echter dat
passie geen stevige geldbasis waard is. Door de minste schommeling in de
vraag komen ze met een tekort aan cash te zitten.
Een tweede artikel, ook uit De Standaard, bevestigde dit verhaal en voegde
hier aan toe dat vele maatschappijen vaak sneuvelen door een te kort aan
eigen fondsen (‘Na SkyEurope mogelijk ook andere lage
kostenmaatschappijen ten onder voor de winter’, De Standaard, 3
september 2009). In het deel over de impact van de crisis, hebben we
aangehaald dat er steeds meer vreemd vermogen in de maatschappijen zit
en dat dit wel eens tegen de lange termijn belangen in kon gaan. De joint
ventures die investeren in LCC’s hebben vaak een rendement op korte
termijn voor ogen. Toen de crisis toesloeg, waren zij de eerste om te
proberen ‘vluchten’. Gevolg was dat vele van deze startende LCC’s te kort
aan kapitaal hadden, aangezien hun eigen vermogen te klein was. De kleine
en middelgrote LCC’s ervaren dan ook het nadeel dat zij moeilijk toegang
vinden tot de kapitaalmarkten en dat de banken, gezien hun rol in de crisis,
heel selectief zijn geworden in het geven van leningen. Ook werd er
vermeld dat de verhouding tussen vreemd vermogen op lange termijn en
49
vreemd vermogen op korte termijn wel eens bepalend kon zijn. Het bleek
dat sommige LCC’s te veel steunden op korte termijn vreemd vermogen.
Zoals we bij punt 3.3.1 (ontwikkeling van de luchtvaartmarkt tijdens de
crisis) besproken hebben, heeft de crisis ook gevolgen op het financieel
resultaat van de maatschappijen. We hadden het daar echter alleen over de
gevolgen op de Earnings Before Interest en Taxes (EBIT = winst voor
intrest en belastingen). Zoals in de twee voorheen genoemde artikels te
lezen valt heeft de crisis ook invloed op de operationele cashflow, de
contanten of het cash geld van de maatschappijen, en op de verhouding
van de schulden ten overstaan van het eigen vermogen. Wat we uit deze
twee artikels halen kan ondersteund worden door de grafieken en hun
bijhorende uitleg die we vinden op de IATA website (IATA presentatie
‘Conditions improving but substantial risks remain’, 2009). De onderstaande
figuur geeft de voornaamste elementen weer.
Figuur 14: EBITDA uitgedrukt als % van inkomsten 39 (A), kapitaalverwer-ving door luchtvaartmaatschappijen op de kapitaalmarkt en (B), cash geld en equivalenten uitgedrukt als % van inkomsten (C) en het % geleend geld in kapitaal (D)
Bron:Bloomberg (2009); IATA (2009)
39 EBITDA kan gebruikt worden om de winstgevendheid te beoordelen op basis van het net working capital. Het wordt ook gezien als een goede weergave voor de operationele cashflow. EBITDA verschilt enkel van operating cashflow door het uitsluiten van belastingen, interesten en veranderingen in working capital.
50
Panel A van figuur 14 toont aan dat de operationele cashflow van de
grootste Europese luchtvaartmaatschappijen onder druk staat sinds de
crisis. Dit is logischerwijs dezelfde conclusie als die uit figuur 12. Deze
conclusie geldt ook voor kleine en middelgrote maatschappijen, zij zijn nu
eenmaal kwetsbaarder dan grote maatschappijen.
Als gevolg van de druk op hun operationele cashflow gaan vele
maatschappijen op de kapitaalmarkten op zoek naar fondsen en dit
voornamelijk om meer cash te hebben. Zeker voor Europese
maatschappijen was dit geen succes in 2008. Ze vonden enkel een lage
hoeveelheid aan cash in de vorm van equity. Het jaar 2009 was beter in dit
opzicht, alhoewel de schuldenlast groter werd om toch het nodige geld te
bekomen). Je kan hier vooral vaststellen dat zelfs grote maatschappijen
maar moeilijk aan geld geraken in tijden van crisis, laat staan dat kleine en
middelgrote maatschappijen dit makkelijker zouden kunnen. Deze kleinere
maatschappijen slagen er soms gewoon niet in om toegang te krijgen tot
deze kapitaalmarkten, ze blijven dus bijzonder kwetsbaar voor
marktschommelingen.
Als we kijken naar de hoeveelheid cash en equivalenten, uitgedrukt als
percentage van de inkomsten, dan stellen we vast dat de grote Europese
luchtvaartmaatschappijen in tijden van crisis een terugval kenden in de
hoeveelheid cash die ze aanhielden (panel C). Door het feit dat grote
Europese luchtvaartmaatschappijen in 2009 beter aan geld konden geraken
en dit via schulden, hebben ze hun cashgelden en equivalenten terug
kunnen verhogen naar een meer comfortabel niveau. Ze hebben met
andere woorden een kussen of buffer van cash kunnen vormen tegen een
onzekere economische omgeving. De kleinere maatschappijen zijn echter
niet in staat om deze buffer te vormen.
De meeste artikels, bronnen en papers wijzen dus dezelfde richting uit.
Jonge LCC’s hebben te weinig reserves, cash en eigen vermogen om
schokken in de economie op te vangen. Dit in combinatie met een hoge
hoeveelheid vreemd vermogen zorgt voor een zwakke financiële positie van
de onderneming.
51
4.2.2 Relevante ratio’s
We gaan dus de financiële positie van een LCC evalueren aan de hand van
relevante ratio’s. Deze ratio’s moeten ons helpen om een
falingspredictiemodel op te stellen.
Er bestaat tot op heden nog geen goed onderbouwde theorie in verband
met het pad dat ondernemingen afleggen vanaf het ogenblik dat ze in de
problemen komen tot op het moment dat ze effectief falen. Dit impliceert
dat men ook niet weet welke ratio’s er in iedere fase van het falingsproces
fundamenteel wijzigen. Vandaar dat we de meeste ratio’s zullen selecteren
op basis van hun beschikbaarheid en/of populariteit in de wetenschappelijke
literatuur (Siau, 2007).
Uit het derde kwartaalverslag van het AEA (AEA ‘financial trends’, Q3/2009)
blijkt dat de current, quick en liabilities to equity ratio een goede weergave
zijn van de balans. In dit verslag gebruikten zij deze drie ratio’s om aan te
tonen dat het huidig economisch klimaat invloed heeft op de balansen van
de AEA leden. De grote maatschappijen behouden grotendeels dezelfde
ratio’s als voor de crisis. Zij blijken hun financieringsstructuur amper aan te
passen en hebben steeds voldoende vlottende middelen. De ratio’s van de
kleine en middelgrote maatschappijen daarentegen ondervinden meer
invloed. De hoeveelheid vlottende middelen dalen en men probeert meer
schulden aan te nemen om het cash niveau te verhogen.
Andere ratio’s die ook van belang kunnen zijn vinden we in een volgend
werk van Flouris & Walker (‘the financial performance of low-cost and full-
service airlines in times of crisis’, 2005). In deze paper houden ze rekening
met de volgende ratio’s om het risico van de onderneming te bepalen: total
asset turnover, interest coverage ratio, net profit, return on assets (ROA)
en return on equity (ROE). Ook de drie voorheen genoemde ratio’s werden
hier gebruikt.
Het belangrijkste falingspredictiemodel, waarop we ons gaan baseren, is het
Z-score model van Altman (1968). Het Altman Z-score model was één van
de eerste modellen dat ontwikkeld werd om de financiële sterkte van een
onderneming te bepalen. Met behulp van een database van 33 gefaalde en
33 niet-gefaalde productiebedrijven, ontwikkelde Altman dit model. Hij
52
gebruikte een stapsgewijze regressie-en discriminantanalyse om uit 23
ratio’s het volgende model af te leiden (Altman, 1983; Gritta et al, 2006):
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
X1=net working capital to total assets= WC/TA (liquiditeitsratio)
X2=retained earnings to total assets= RE/TA (winstgevendheid ratio)
X3=EBIT to total assets= EBIT/TA (winstgevendheid ratio)
X4=market value of equity to book value of debt= MVE/TL (leverage ratio)
X5=sales to total assets= S/TA (turnover ratio)
Men berekent de Z score door de waarden van de ratio’s in te vullen. Hoe
hoger de ratio’s zijn, hoe hoger de Z-score en hoe minder gevaar er is dat
de onderneming faalt. De kritische waarden die Altman berekende zijn 1.81
en 2.99. Ondernemingen met een Z-score lager dan 1.81 zijn in gevaar. Dit
zijn ondernemingen die het profiel hebben van een maatschappij die failliet
gaat. Als een onderneming een Z-score heeft van hoger dan 2.99 dan is de
onderneming solvabel. Scores die tussen deze twee waarden worden
gevonden behoren tot de grijze zone. Aan de hand van de genoemde ratio’s
behaalde dit model een succes ratio van 76%. Dit geeft aan dat de
gebruikte ratio’s een goede weergave zijn van de financiële toestand van
een onderneming.
Er is enige voorzichtigheid geboden bij het gebruiken van dit model. Om de
formule goed te kunnen gebruiken moeten variabelen X1 tot X4 berekend
worden als absolute percentages. Bijvoorbeeld als een onderneming een
WC/TA (X1) heeft van 10% dan moet deze opgenomen worden in het model
als 10% en niet als 0.10. Enkel variabele X5 wordt anders uitgedrukt. Stel
dat men een S/TA ratio heeft van 150% dan wordt deze in het model als
1.5 opgenomen. Over de jaren heen heeft men de vergelijking dan omgezet
naar een meer bruikbare vorm: Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5 . Nu
mogen ratio’s X1 tot X4 wel opgenomen worden als 0.1 in plaats van 10%.
X5 wordt nog steeds opgenomen zoals voorheen.
53
Belangrijk om op te merken is dat de gebruikte ratio’s de vier aspecten
vertegenwoordigen van het financiële welzijn van een onderneming, nl
liquiditeit40, leverage41, turnover42 en winstgevendheid (Gritta et al,2006).
We trachten deze dus zeker op te nemen in het onderzoek.
4.3 Onderzoeksvragen
Reeds bij de probleemstelling hebben we twee onderzoeksvragen
geformuleerd. Deze herhalen we hier:
• Hoe verschillen de financieringsstructuur en resultaten van een failliete
low-cost maatschappij met die van een nog bestaande low-cost
maatschappij? Met andere woorden vinden we dus significante
verschillen tussen beide structuren?
• Kunnen we aan de hand van relevante ratio’s (onafhankelijke
variabelen) verklaren of een maatschappij al dan niet failliet gaat
(afhankelijke variabele)?
In het volgende puntje zullen we deze omzetten naar specifieke hypothese.
5 EIGENSCHAPPEN VAN HET ONDERZOEK
Om een antwoord te geven op deze onderzoeksvragen is het van belang om
de gehanteerde methode uit te leggen. Hier zullen we de gebruikte begrippen
en variabelen bepalen, de mogelijke hypotheses specificeren, de populatie en
steekproef bepalen , en uitleggen hoe we onze gegevens verzameld en
geanalyseerd hebben.
5.1 Begrippen en variabelen
Zoals reeds eerder gezegd zullen we de financiële structuur van een LCC
evalueren aan de hand van gekozen ratio’s. In ons onderzoek is het
40 Liquiditeit: De mogelijkheid van een onderneming om aan haar korte termijn verplichtingen te voldoen. 41 Leverage: Hefboom, de mate waarin een onderneming gebruik van schulden als methode van financiering. 42 Turnover:De efficiëntie van de gebruikte assets.
54
belangrijk om de begrippen43 en gekozen ratio’s nader te bespreken. Het
komt de duidelijkheid van het onderzoek ten goede.
De volgende ratio’s worden besproken (Palepu et al, 2007; Gritta, 2006):
• current assets
Current ratio (CR) current liabilities
=
Deze ratio geeft de korte termijn liquiditeit weer van een
onderneming. Men zal dus nagaan of een onderneming in staat is om
met geld dat ze genereert uit de korte termijn activa tegemoet komt
aan de korte termijn schulden. Een positieve current ratio is een ratio
die groter is dan 1. Voor sommige bedrijven, die gemakkelijk hun
goederen op korte termijn kunnen verkopen, mag deze ratio 1 of
lager zijn.
Deze ratio wordt opgenomen om te kijken waar het verschil tussen
failliete en niet-failliete maatschappijen ligt. Het is de meest
genoemde ratio om de liquiditeit te bereken en is een vaak
voorkomende ratio in de luchtvaartindustrie. Volgens Altman toont
deze soms wel een perverse trend aan bij falende ondernemingen.
• current assets - inventories
Quick ratio (QR) current liabilities
=
Ook deze ratio wordt gebruikt om de korte termijn liquiditeit weer te
geven van een onderneming. Bij de berekening van de quick ratio
laat men de voorraden buiten beschouwing aangezien de tijd, die het
liquideren en/of elimineren van voorraden in beslag kan nemen, vrij
lang kan duren. Men kijkt of de onderneming kan voldoen aan haar
korte termijn schulden met gebruik van haar liquide activa (lopende
vorderingen en liquide middelen). Ook hier is een positieve ratio een
ratio die groter is dan 1.
43 Dat we het begrip ‘LCC’ niet meer uitleggen spreekt voor zich.
55
De quick ratio is een veel voorkomende ratio bij de analyse van een
onderneming. Deze werd gebruikt door het AEA in hun analyse van
kwartaal drie (AEA ‘financial trends’, Q3/2009). Deze werd vooral
gebruikt om het onderscheid tussen grote en kleine maatschappijen
aan te duiden. Oorspronkelijk was het de bedoeling deze ratio te
gebruiken maar uiteindelijk werd besloten deze variabele niet op te
nemen in de analyse. De voorraden van de LCC’s zijn relatief klein,
zodat de quick ratio quasi hetzelfde zal zijn als de current ratio. Een
tweede redenen waarom wij deze ratio niet opnemen in onze analyse
is omdat de waarde van de voorraden vaak ontbreekt in onze
database.
• net profit
Return on Assets (ROA) total assets (TA)
=
Deze maatstaf voor winstgevendheid geeft een indicatie van de
rendabiliteit van de totaliteit van de ingezette middelen. Als men
deze ratio vermenigvuldigt met de financial leverage (total
assets/shareholders’ equity) bekomt men de ROE.
Deze ratio werd uitermate belangrijk bevonden door Flouris en
Walker in hun werk en bleek een hoge significantie te hebben (2005).
Dit werd toegepast bij de risicoberekening van FSC’s. Toch
verwachten we dat dit ook van belang is bij LCC’s. We verwachten
dat niet-failliete maatschappijen een hogere ratio zullen hebben dan
diegene die later failliet gaan.
• net profit
Return on Equity (ROE) shareholder's equity
=
Het startpunt voor een systematische analyse van de
winstgevendheid van een onderneming is de return on equity. Het
geeft een indicatie over hoe goed managers de fondsen, die
geïnvesteerd zijn door aandeelhouders, gebruiken om een return te
genereren. Hoe hoger de return, hoe hoger de waardecreatie voor de
aandeelhouders. Grote Europese beursgenoteerde bedrijven halen
gemiddeld een return van 10-12%.
56
Aangezien deze ratio een goede weergave is van de winstgevendheid
lijkt het een goede ratio om op te nemen. We kunnen onderzoeken of
maatschappijen die failliet gaan een lagere ROE opleveren door een
dalende winst. Verwacht wordt dat deze ratio een duidelijk
onderscheid aan het licht brengt tussen falende en niet-falende
ondernemingen. Natuurlijk speelt ook de beschikbaarheid van de
componenten van een ROE mee, om deze ratio te kunnen opnemen
in de analyse.
• net working capital (WC)
Net working capital ratio= total assets (TA)
o WC = current assets – current liabilities
Net working capital zegt iets over de mate waarin een onderneming
zijn vlottende activa kan gebruiken om zijn vlottende passiva af te
lossen. Een positieve net working capital wil zeggen dat men aan de
korte termijn verplichtingen kan voldoen. Over het algemeen wordt
net working capital opgevat als het bedrag aan kapitaal dat niet is
geïnvesteerd in lange termijn activa (bijvoorbeeld machines en
gebouwen), maar dat juist vastzit in korte termijn activa zoals
bijvoorbeeld voorraden (ABN-AMRO, 2006).
Ook de net working capital ratio is dus een liquiditeitsratio. Deze ratio
wordt als positief aanzien als deze groter is dan 0. Een negatieve
ratio, als gevolg van negatieve net working capital, voorspelt meestal
niets goed.
Deze ratio wordt opgenomen in de analyse omdat deze één van de 5
ratio’s is van het Altman Z-score model. Het zal ons dus helpen om
voor iedere LCC de Z-score te bereken. Volgens Altman is dit ook de
meest significante liquiditeitsratio die geëvalueerd is.
57
• retained earnings (RE)
Retained earnings to total assets total assets (TA)
=
Retained earnings zijn de winsten van het bedrijf die worden
ingehouden in plaats van verdeeld te worden onder de
aandeelhouders.
Deze ratio geeft de mate weer waarin de activa zijn betaald door de
winsten van het bedrijf. Het wordt gezien als een ratio om de
winstgevendheid van een onderneming te bepalen. Ook deze ratio
wordt verwacht positief te zijn. Vaak zullen nieuwe jonge bedrijven
een lage ratio hebben omdat zijn geen cumulatieve winsten
opbouwen. Jonge bedrijven worden door de opname van deze ratio
licht gediscrimineerd. Maar het is ook niet toevallig dat bedrijven
jonger dan drie jaar vaker falen. Ook moet men wel oppassen voor
ondernemingen die hun retained earnings kunstmatig opdrijven.
De reden om deze ratio op te nemen ligt bij het Altman Z-score
model. Hier werd deze ratio opgenomen als waardemeter voor de
winstgevendheid. Deze ratio kan ook als een maatstaf voor leverage
gezien worden. Als de ingehouden winsten relatief hoog zijn
tegenover de total assets dan zijn de assets in grote mate
gefinancierd door het inhouden van winsten en niet door het aangaan
van schulden.
• Earnings before interest and taxes (EBIT)
EBIT to total assets= total assets (TA)
De EBIT to total assets ratio geeft weer hoe productief de
onderneming haar assets gebruikt voordat zij aan contractuele
verplichtingen moet voldoen44. Hoe groter de operationele winsten
zijn, hoe efficiënter de onderneming haar activa gebruikt. Ook hier
spreken we van een goede ratio als deze positief is en dus groter dan
0.
44 Sommige analisten gebruiken EBIT to total assets als waarde voor ROA (http://www.investopedia.com/articles/fundamental/04/012804.asp)
58
Deze ratio behoort eveneens tot het Altman Z-score model. De
functie van deze ratio heeft te maken met winstgevendheid.
• Market value of equity to book value of total liabilities=
Market value of common + preferred stock (MVE)total liabailities (TL)
Deze ratio geeft de verhouding weer tussen het eigen vermogen en
het vreemd vermogen dat gebruikt wordt ter financiering van de
activa. Het geeft weer met welke waarde de onderneming haar activa
kan dalen voor dat het vreemd vermogen groter wordt dan de activa
en de onderneming onvermogend wordt (Altman, 2000). Om dit te
verduidelijken halen we hetzelfde voorbeeld aan als Altman deed. Een
LCC met 1000 euro aan eigen vermogen en 500 euro aan schulden
kan het zich veroorloven om de activa te laten dalen met 2/3 45 vóór
ze onvermogend wordt. Had deze LCC slechts 250 euro aan eigen
vermogen dan zouden de activa maar met 1/3 mogen dalen voor de
LCC insolvent wordt.
Deze ratio is ook onderdeel van het Z score model en dient als
leverage ratio. De market value of equity to book value of total
liabilities zou significanter zijn dan een gelijkaardige ratio, net
worth/net debt.
• sales (S)
Sales to asset ratio total assets (TA)
=
De capital-turnover ratio is een standaard financiële ratio die
illustreert hoeveel inkomsten uit operaties men kan halen met het
gebruik van de activa. Een lage ratio zou aanduiden dat de activa
onvoldoende inkomsten genereren.
Deze ratio is de minst significante maar door de unieke relatie met de
andere variabelen in het model wordt deze in het klassieke Z score
45 Totale activa is gelijk aan 1500euro. Dit moet minimum 500euro zijn om de schulden te dekken. Zo dus de activa mag maar met 2/3 of 1000euro dalen.
59
model toch opgenomen. We zullen later zien dat wij deze enkel
gebruiken om verschillen aan te duiden tussen failliete en niet-
failliete maatschappijen en dus niet in het falingspredictiemodel
opnemen.
5.2 Hypothesen
De onderzoeksvragen moeten nu naar concrete hypothese worden omgezet.
A. Verschil tussen failliete en niet failliete maatschappijen
De eerste onderzoeksvraag gaat over het verschil tussen failliete en niet-
failliete maatschappijen. Aangezien we acht ratio’s hebben berekend
kunnen we zien of de gemiddelden van deze ratio’s significant verschillend
zijn voor beide groepen. Eerst formuleren we de nulhypothese (H0). Deze
bewering is in feite het tegengestelde van wat we willen aantonen.
Vervolgens formuleren we de alternatieve hypothese (H1). Deze komt in
principe overeen met de verwachte uitkomst.
• H0: Failliete LCC’s hebben geen significant verschillende ratio’s
tegenover niet-failliete LCC’s
• H1: Failliete LCC’s hebben wel significant verschillende ratio’s
tegenover niet-failliete LCC’s
Als de nulhypothese kan verworpen worden en de alternatieve hypothese
aanvaard wordt stelt zich nog de vraag of de gekozen ratio’s groter of
kleiner gaan zijn voor failliete maatschappijen. Hieronder geven we de
verwachte richting weer voor de verschillende ratio’s. Deze hypotheses
kunnen gezien worden als meer gespecificeerde alternatieve hypotheses.
• Niet-failliete LCC’s hebben een hogere current ratio dan failliete LCC’s.
Een positieve current ratio is een ratio groter dan 1. Wanneer een
onderneming gezond is verwacht men dus ook dat het(=vlottende)
activa volstaat om de schulden op korte termijn te dekken. We
verwachten hier dat ondernemingen die failliet zijn gegaan een lagere
ratio hadden in de jaren vóór het faillissement.
60
• Niet-failliete LCC’s hebben een hogere ROA ratio dan failliete LCC’s.
Gezonde ondernemingen zijn ondernemingen die winsten behalen op
het einde van het jaar. Ze zullen een positieve ROA hebben. Het
spreekt voor zich dat maatschappijen die het niet goed doen lagere of
zelfs negatieve ROA hebben.
• Niet-failliete LCC’s hebben een hogere ROE ratio dan failliete LCC’s.
Hier verwachten we voor gezonde bedrijven natuurlijk een zo hoog
mogelijk cijfer teneinde de aandeelhouders gunstig te stemmen. Bij
een laag of negatief cijfer, zal dit het wegtrekken van de
aandeelhouders in de hand werken. Bovendien zou een negatief cijfer
betekenen dat stilaan het eigen vermogen zal worden opgebruikt. Op
dat ogenblik beroep moeten doen op vreemd vermogen, zal het
bedrijfsresultaat zeker niet gunstig beïnvloeden, gelet op de
bijkomende kosten aan rente e.d.
• Niet-failliete LCC’s hebben een hogere net working capital ratio dan
failliete LCC’s.
Een LCC die het goed doet heeft vaak meer working capital tot zijn
beschikking. Ze zullen hogere ratio’s behalen dan maatschappijen die
problemen ervaren. Vaak zullen bij maatschappijen met verliezen uit
hun operaties, de current assets dalen in vergelijking met de total
assets.
• Niet-failliete LCC’s hebben een hogere retained earnings to total assets
ratio dan failliete LCC’s.
Ondernemingen die winst maken kunnen reserves aanleggen. Hoe
hoger de cumulatieve verdiensten zijn, hoe hoger de buffer is tegen
slechte resultaten. Een LCC die bankroet gaat, heeft vaak te weinig
winsten aangehouden voor in geval van nood.
61
• Niet-failliete LCC’s hebben een hogere EBIT to total assets ratio dan
failliete LCC’s.
De bedrijfsresultaten die LCC’s halen uit hun operaties – dus voor
aftrek van de financiële baten, lasten en belastingen – worden
verwacht hoger te zijn bij niet-falende ondernemingen.
• Niet-failliete LCC’s hebben een hogere market value of equity to book
value of total liabilities ratio dan failliete LCC’s.
Verwacht wordt dat LCC’s die financieel gezond zijn meer eigen
vermogen aanhouden in vergelijking tot het vreemd vermogen. Ze
zullen minder aangewezen zijn op vreemd vermogen. Vaak is een
hoge graad aan vreemd vermogen één van de eerste kenmerken van
een onderneming die het niet zo goed doet.
• Niet-failliete LCC’s hebben een hogere sales to asset ratio dan failliete
LCC’s.
Als een LCC gezond is zal deze ratio hoger zijn. Men zal in staat zijn
om de inkomsten uit operaties te vergroten door meer tickets te
verkopen.
B. Falingspredictiemodel
De tweede onderzoeksvraag gaat over het realiseren van een
falingspredictiemodel. Kunnen we aan de hand van ratio’s een score
berekenen die weergeeft of de maatschappij weldra zal failliet gaan of niet?
We proberen de afhankelijke variabele dus te verklaren aan de hand van de
gekozen ratio’s. Om dit te onderzoeken zullen we gebruik maken van een
logistische regressie. In deze logistische regressie worden meestal geen
specifieke hypotheses geformuleerd wel voorspellingen (Janssens et al,
2008).
Uit het Z-score model van Altman leren we dat WC/TA, RE/TA, EBIT/TA,
MVE/TL en S/TA belangrijke indicatoren zijn voor het falingspredictiemodel
(zie 4.2.2). Een toename van deze ratio’s zorgt dat de LCC’s een betere Z-
62
score halen en dus minder kans hebben op falen. Zodus verwachten we dat
ook deze ratio’s helpen te verklaren of een maatschappij failliet gaat of niet.
Ook uit presentaties van het AEA kunnen we voorspellingen afleiden (AEA
‘financial trends’, Q3/2009). Zo zal een stijging van CR, QR, ROA en ROE de
slaagkans van een onderneming vergroten. We zullen dus controleren of
deze voorspellingen juist zijn.
Als men toch een hypothese zou moeten formuleren voor onze tweede
onderzoeksvraag dan zou deze als volgt luiden:
• H0: Alle regressiecoëfficiënten gevonden in de logistische regressie zijn
gelijk aan nul.
• H1:De gevonden regressiecoëfficiënten zijn significant verschillend van
nul.
5.3 Populatie en steekproef
Als populatie voor het onderzoek nemen we alle low-cost carriers die in
Europa zijn gevestigd. Dit wil zeggen dat alle LCC’s die hun hoofdzetel in
Europa hebben in aanmerking komen. Deze maatschappijen voeren intra-
Europese vluchten uit.
Uit deze populatie hebben wij een gemakkelijkheidssteekproef getrokken.
Dit is een niet-toevalssteekproef waar geen restricties aan verbonden zijn.
We hebben de LCC’s en hun jaarrekeningen verzameld op basis van
gemakkelijkheidoverwegingen of met andere woorden we hebben de
elementen verzameld die ‘voor het grijpen liggen’. Zowel de failliete en niet-
failliete LCC’s zijn op deze wijze verzameld. Er wordt dus geen paarsgewijze
steekproef gedaan zoals Altman dit deed46.
Een belangrijk nadeel van deze soort van steekproeftrekking is dat deze
noch gegarandeerd accuraat nog gegarandeerd precies is. De selectiefout
kan immers heel groot zijn en er is geen enkele controle op de omvang en
46 Er was veel kritiek op Altman’s paarsgewijze steekproef. Volgens Grice en Dugan leidt de methode van paarsgewijze selectie tot een onderschatting van een type-1-fout en een overschatting van een type-2-fout.
Volgens andere bronnen dan weer (Siau, 2007) daalt de algemene toepasbaarheid van het predictiemodel wanneer men asymmetrische steekproeven gebruikt voor failliet en niet failliete maatschappijen.
63
richting van de mogelijke fout. We spreken hier dus eerder van een
exploratief onderzoek waaruit we informatie kunnen verzamelen voor
eventueel verder en uitgebreider onderzoek.
5.4 Gegevensverzameling
Het feit dat we met een gemakkelijkheidssteekproef werken heeft vooral te
maken met de moeilijke toegang tot de gegevens van de LCC’s. Niet elke
maatschappij kon worden opgenomen in de steekproef, door het ontbreken
van de gegevens op het internet of in databases. Het verzamelen van de
data was dus geen evidente opdracht.
Eerst zijn we op zoek gegaan naar een zo volledig mogelijke database.
Uiteindelijk hebben we toegang gekregen tot de database van het ATI (Air
Transport Intelligence)47 en dit op basis van een free trial. In deze database
worden de resultaatrekeningen en balansen van zoveel mogelijk
luchtvaartmaatschappijen in de wereld opgenomen.
De tijdsperiode die geselecteerd werd loopt van 1999 tot 2009, aangezien
we onder meer rekening willen houden met de effecten van 9/11 en de
huidige kredietcrisis. Toch moeten we nu al waarschuwen dat slechts voor
enkele maatschappijen gegevens zijn gevonden over al deze jaren, de
informatie is dus vaak beperkt.
Uiteindelijk haalden wij uit deze database de gegevens van ongeveer 23
LCC’s die in Europa gevestigd waren. Onder deze 23 maatschappijen
vonden we slecht 6 LCC’s die tussen 1999 en 2009 failliet zijn gegaan48:
Myair (2009), SkyEurope (2009), Go fly (2002), Air lib (2003), Volare Web
Airlines (2004) en Air Luxor (2006). Toch zijn er tussen 1999 en 2009 veel
meer LCC’s bankroet gegaan (Bijlage 9), maar logischer wijze zullen LCC’s
met slechte cijfers niet geneigd zijn deze bekend te maken.
Een tweede stap in het verzamelen van data was het aanvullen van de ATI
database. Bij de oorspronkelijke database van het ATI waren enkele grote
maatschappijen onvoldoende of niet vertegenwoordigd. Voor bijvoorbeeld
47 http://www.rati.com/ 48 Tussen haakjes het jaartal waarin deze LCC’s failliet gingen.
64
Air Berlin, toch de 3de grootste LCC, werd alleen maar de balans en income
statement gegeven voor 2007 en 2008. Deze hebben we kunnen aanvullen
voor 2005 en 2006 op basis van de jaarverslagen die werden aangeboden
op de site van Air Berlin. Zo hebben we onze dataset kunnen uitbreiden tot
gegevens van 27 LCC’s (21 niet failliete en 6 failliete maatschappijen) en
voor deze 27 LCC’s hebben we dan uiteindelijk de gegevens over 134
boekjaren (124 voor niet-failliete en 12 voor failliete) gevonden.
We moeten hierbij wel nog een kanttekening plaatsen. Oorspronkelijk was
het de bedoeling om enkel failliete of niet-failliete maatschappijen op te
nemen in de data set. Al snel bleek dat dit resulteerde in een nog groter
tekort aan data. Om die redenen hebben we sommige maatschappijen, die
niet meer bestaan wegens overname of fusie, ook opgenomen in onze
dataset. Een voorbeeld hiervan is ThomsonFly en First Choice Airways die
toch opgenomen werden omdat ze in 2009 fusioneerden tot Thomson
Airways.
Dat deze gegevensverzameling niet volledig representatief is voor de gehele
low-cost markt van Europa spreekt voor zich. Zoals reeds eerder gezegd
kunnen we dit onderzoek beter zien als een exploratief onderzoek waarbij
we het low-cost domein verder aftasten. We kunnen dan ook op deze
gegevensverzameling reeds bestaande modellen toepassen.
De uiteindelijke database waarop ons onderzoek steunt, wordt gevormd
door gebruik te maken van de gegevens van het ATI. We berekenen hieruit
de verschillende ratio’s (4.2.2) voor verschillende maatschappijen en over
verschillende jaren, en zetten deze in een nieuw bestand. Dit bestand is
opgenomen in bijlage 1 (failliete maatschappijen hebben code 0
meegekregen bij variabele ‘Bankroet’, niet failliete maatschappijen code 1).
6 RESULTATEN EN INTERPRETATIE
6.1 Descriptieve statistiek
De studie is gebaseerd op de gegevens van 27 LCC’s, goed voor 136
jaarrekeningen gespreid over de periode 1999-2009 (inclusief de gegevens
uit de 12 jaarrekeningen van de 6 failliete maatschappijen).
65
Om ons een beter beeld te geven van de beschikbare data geven we de
volgende 2 staafdiagrammen weer:
Figuur 15: aantal jaren dat een LCC vertegenwoordigd is
0
2
4
6
8
10
12
Ae
r Li
ng
us
Air
Be
rlin
Air
lib
Air
Lu
xor
BA
Cit
yfl
ye
r
BA
co
nn
ect
Blu
e A
ir
Bm
iBa
by
Click
air
Ea
syje
t
Eu
roJe
t R
om
an
ia
Fir
st C
ho
ice
Air
wa
ys
Fly
be
GO
fly
He
lve
tic
Air
wa
ys
HP
X +
TU
Ifly
Jet2
.co
m
My
Tra
ve
l A
irw
ay
s
My
air
No
rwe
gia
n
Ry
an
air
Sk
yE
uro
pe
Th
om
son
Air
wa
ys
Th
om
son
fly
Tra
nsa
via
Vo
lare
We
b A
irlin
es
Vu
elin
g
Fre
qu
en
tie
LCC's
Bron: SPSS-descriptieve statistics-frequenties
Bovenstaande figuur geeft weer hoeveel jaren van elke maatschappij in de
database werden opgenomen. Easyjet is de enigste LCC waarvan de
gegevens van alle jaren aanwezig zijn, gevolgd door de grootste
maatschappijen. Meestal zijn de gegevens van de grootste maatschappijen
beter toegankelijk. Anderzijds zijn er maatschappijen, die nog niet zo lang
bestaan, zodat de gegevens van een beperkt aantal jaren zijn opgenomen.
Voor een aantal maatschappijen, met maar 1 à 2 jaren in de database
(Clickair, Air Luxor, BA cityflyer,…), zal het moeilijker zijn de evolutie weer
te geven. Toch kunnen deze enkele gegevens ons een indicatie geven hoe
het met de LCC’s gaat.
Een tweede staafdiagram, figuur 16, geeft weer hoeveel LCC’s per jaartal
zijn opgenomen. We merken op dat voor de jaren 2000 en 2009, we slechts
gegevens bezitten van 8 LCC’s. In de overige jaren zijn er ongeveer een
gelijk aantal waarnemingen te zien, zodat het mogelijk wordt deze jaren
met elkaar te vergelijken. Zo kunnen we onderzoeken of de crisisjaren 2001
en 2008 andere resultaten met zich meebrengen.
66
Figuur 16: Aantal LCC’s per jaar
0
2
4
6
8
10
12
14
16
18
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Fre
qu
en
tie
Onderzoeksjaren
Bron: SPSS-descriptieve statistics-frequenties
Voor de niet nominale data gaan we de steekproef beschrijven aan de hand
van de meest kenmerkende karakteristieken. Voor de onafhankelijke
variabelen, die ratio geschaald zijn, zullen we de minimum waarden,
maximum waarden, gemiddelde, standaard afwijking en varianties
weergeven.
In tabel 5 zijn deze statistieken weergegeven. Wat onmiddellijk opvalt is dat
we drie negatieve gemiddelden hebben: ROA, RE/TA en EBIT/TA. Het
gemiddelde resultaat van alle LCC’s blijkt dus niet zo goed te zijn.
Waarschijnlijk is het niet toevallig dat drie ratio’s, die de winstgevendheid
van een onderneming bepalen, negatief zijn. Een reden hier aan koppelen is
moeilijk. Het is geweten dat de low-cost markt een risicovolle markt is,
aangezien LCC’s met kleine winstmarges werken en de concurrentie zeer
hoog is. Dit kan ervoor zorgen dat vele maatschappijen verliezen maken en
dat alleen de grote LCC’s zoals Ryanair en Easyjet er in slagen om op
regelmatige basis winst te maken.
Ook kan men aan de hand van deze drie negatieve gemiddelden zien dat
deze niet onafhankelijk zijn van elkaar. Als EBIT negatief is dan zijn de
netto winsten ook negatief49.
49 Tenzij de ondernemingen uitzonderlijke interestopbrengsten heeft. Voorbeeld daarvan is Norwegian in 2008. Een negatief EBIT/TA ratio maar wel een positieve ROA, zij het wel klein.
67
Tabel 5: Descriptieve statistiek
N Minimum Maximum Mean Std.Deviation Variance
Current ratio 136 ,1304 3,6540 1,230913 ,6892726 ,475
Return on Equity 136 -4,2636 3,7888 ,076625 ,8240291 ,679
Return on Assets 136 -,9693 ,2610 -,017373 ,1771453 ,031
Net working capital to total assets
136 -1,0558 ,5748 ,033695 ,2645701 ,070
Retained earnings to total assets
134 -2,1296 1,8773 -,014779 ,3763281 ,142
EBIT to total assets 136 -,6508 ,3229 -,017800 ,1771669 ,031
Market value of equity to book value of total liabilities
136 -1,1199 8,3994 ,608823 ,9612878 ,924
Sales to total assets
136 ,2247 4,8279 1,514259 ,8995856 ,809
Valid N (listwise) 134
Bron: SPSS-descriptieve statistics-descriptives
Wat ook opmerkelijk is, is dat de current ratio groter is dan 1. Rekening
houdende met de negatieve winstgevendheidsratio’s slagen de
maatschappijen er gemiddeld in om aan hun korte termijn verplichtingen te
voldoen. Deze ratio is toch enigszins hoog in vergelijking met 0.84 tot 0.91
die vernoemd worden door het AEA (AEA ‘financial trends’, Q3/2009).
Deze gegevens bespreken zich tot de algemene data en maken geen
onderscheid tussen LCC’s die failliet zijn gegaan en diegene die nog
bestaan. Tenslotte ligt onze interesse juist in het verschil tussen deze twee
groepen.
6.2 Testen van de hypothese
Om de eerste onderzoeksvraag te beantwoorden gaan we testen of de
gemiddelden van de verschillende ratio’s verschillend zijn voor beide
groepen. De nulhypothese stelt immers dat er geen significante verschillen
zijn. Tabel 6 geeft de gemiddelden weer voor de verschillende ratio’s.
68
Tabel 6: Gemiddelden van de ratio’s
CR ROE ROA WC/TA RE/TA EBIT/TA MVE/TL S/TA
Niet
Bankroet 1,266003 ,038781 -,008076 ,037349 ,015881 -,007336 ,657849 1,522821
Bankroet ,868307 ,467686 -,113447 -,004066 -,326484 -,125923 ,102220 1,425783
Bron: SPSS-independent-samples t-test (verkorte weergave group statistics)
6.2.1 T-test
Om deze hypothese te testen zullen wij gebruik maken van statistische
toetsen in SPSS. De keuze van toets is afhankelijk van het aantal groepen
en of deze afhankelijk of onafhankelijk zijn van elkaar. Ook het meetniveau
van de onafhankelijke variabelen is van belang. We hebben hier te maken
met twee onafhankelijke groepen. De verzameling van failliete LCC’s heeft
geen enkele invloed op de verzameling van de niet-failliete LCC’s. Dat onze
onafhankelijke variabelen ratio geschaald zijn spreekt voor zich. De beste
test om de gemiddelden van de verschillende ratio’s voor deze twee
groepen te vergelijken is de independent sample T-test (tabel 7)50.
50 Uitgebreide weergave groep statistieken en independent sample t-test - bijlage 10
69
Tabel 7: Independent sample T-test
Bron: SPSS-independent-sample t-test (verkorte weergave uit T-test)
Als we naar de tabel kijken dan zien we dat er eerst een Levene’s test
gedaan wordt. Een voorwaarde om de T-test te mogen doen is dat de
gegevens afkomstig zijn van populaties met gelijke varianties. Is dit niet zo
dan zal er een correctie worden ingebouwd. De nulhypothese voor de
Levene’s test zegt dat de varianties gelijk zijn. Enkel voor ROE mag deze
nulhypothese verworpen worden (p-waarde=0.012<0.05). Men past dus
een correctie toe op de t-waarde voor ROE en men kijkt naar de p-waarde
bij varianties die niet gelijk zijn.
Rekening houdende met Levene’s test kijken we nu naar de p-waarden in
de T-test. Er wordt vastgesteld dat voor ROA (0.049<0.05), RE/TA
(0.002<0.05) en EBIT/TA (0.026<0.05) de nulhypothese mag verworpen
worden en dit op een significantieniveau van 5%. Het gemiddelde van deze
drie ratio’s voor failliet en niet-failliet LCC’s is significant verschillend. Ook
voor CR (0.056<0.1) en MVE/TL (0.056<0.1) kunnen we de nulhypothese
verwerpen, dit wel maar voor een significantieniveau van 0.1.
Levene's Test for Equality of Variances
T-test for Equality of Means
F Sig. t df Sig. (2-tailed)
Equal variances assumed 2,469 ,118 -1,970 133 ,051 Current ratio Equal variances not
assumed -2,889 17,149 ,010
Equal variances assumed 7,685 ,006 1,708 133 ,090 Return on Equity Equal variances not
assumed 1,072 11,681 ,305
Equal variances assumed ,067 ,796 -2,419 133 ,017 Return on assets Equal variances not
assumed -2,698 13,952 ,017
Equal variances assumed 1,007 ,317 -,566 133 ,573 Net working capital to total assets
Equal variances not assumed
-,712 15,041 ,487
Equal variances assumed ,041 ,840 -3,441 131 ,001 Retained earnings to total assets
Equal variances not assumed
-4,572 15,768 ,000
Equal variances assumed ,322 ,571 -2,466 133 ,015 EBIT to total assets Equal variances not
assumed -2,535 13,402 ,024
Equal variances assumed ,501 ,480 -1,925 133 ,056 Market value of equity to book value of total liabilities
Equal variances not assumed -2,988 18,257 ,008
Equal variances assumed ,895 ,346 -,326 133 ,745 Sales to total assets
Equal variances not assumed
-,428 15,511 ,675
70
We kunnen vaststellen dat H0 mag verworpen worden. Er zijn minstens drie
ratio’s die een significant verschillend gemiddelde met zich meebrengen
voor failliete en niet-failliete LCC’s (significantieniveau 5%).
Als we terugblikken naar tabel 6 kunnen we zien of ROA, RE/TA en EBIT/TA
gemiddeld hoger of lager zijn voor niet-failliet LCC’s tegenover failliete
LCC’s. Verwacht werd dat de niet-failliete LCC’s een hogere ratio’s ging
hebben voor ROA, RE/TA en EBIT/TA. Dit blijkt ook zo het geval te zijn voor
onze drie significante ratio’s. Zo is het gemiddelde RE/TA voor nog
bestaande ondernemingen groter dan dat voor ondernemingen die bankroet
zijn gegaan (0.015881>-0.326484). Ook de ROA is hoger voor niet-failliete
LCC’s (-0.008076>-0.113447).
Dat we drie ratios’ hebben die significant verschillend zijn voor de twee
groepen kan wijze op een verschil in structuur van de onderneming. Het
geeft een indicatie van wat het verschil kan zijn tussen slagen en falen.
Toch moeten we hier uiterst voorzichtig mee zijn. Het blijft een kleine
steekproef waarin vooral de failliete maatschappijen ondervertegenwoordigd
zijn.
6.2.2 Anova
Ook kan men de vraag stellen of er een verschil in ratio’s is voor de
verschillende jaren. Men kan kijken of in crisisjaren de ratio’s significant
verschillend zijn. Dit is niet als specifieke onderzoeksvraag geformuleerd
maar is toch de moeite waard om even te bekijken. We zullen het
onderscheid tussen failliete en niet-failliete LCC’s hier niet maken.
Aangezien er te weinig waarnemingen zijn van failliete maatschappijen per
jaar.
Bij het uitvoeren van deze Anova gebruiken we de ratio’s als afhankelijke
variabelen en de variabele jaar als factor (bijlage 11). Ook hier wordt weer
een Levene’s test gedaan of de homogeniteit van de varianties te bepalen.
Alle ratio’s op RE/TA ratio na blijken gelijke varianties te hebben rekening
houdende met het aantal jaren. Wanneer er naar de p-waarde wordt
gekeken voor de verschillende ratio’s blijken deze alle groter te zijn dan
0.05. De verschillende jaren leveren geen significante verschillen op in de
71
ratio’s. Het enige opvallende verschil is dat voor RE/TA er een significant
verschil is tussen 2000 en 2005 (0.048<0.05). Dit heeft echter weinig
verklarende waarde.
Het is dus niet mogelijk om gevolgen van crisissen waar te nemen. De
verschillende jaren blijken geen andere resultaten met zich mee te brengen,
of toch geen resultaten die significant verschillend zijn.
6.3 Z’’ -score model van Altman
6.3.1 Methodologie
In punt 4.2.2 werd het Z-score model van Altman kort besproken. Dit
falingspredictiemodel werd vervaardigd om scores te berekenen die de
waarschijnlijkheid van faillissement weergeven voor productiebedrijven. In
de loop der jaren zijn verschillende varianten op dit model ontwikkeld. Zo
gebruikt het Amerikaanse Bureau of Transportation Statistics een variant,
het Z”-score model, om de financiële toestand van luchtvaart-
maatschappijen te evalueren (Altman, 1983; Gritta et al, 2006).
Sommige analysten vinden dat de S/TA ratio de resultaten te veel zal
beïnvloeden, door het hoge gebruik van operationele lease
overeenkomsten. De goederen, zoals vliegtuigen, die geleased worden
komen niet op de balans. Er wordt echter wel rekening gehouden met de
inkomsten uit deze lease overeenkomsten. Gevolg hiervan is dat de S/TA
ratio van een LCC met operationele leasings overgewaardeerd is tegenover
de S/TA ratio van een vergelijkbare LCC die haar vliegtuigen zelf bezit. Men
gaat de sales to total assets ratio uit het model verwijderen. Het daaruit
voorkomende model wordt dus het Z”-score model genoemd:
Z=6.56X1+3.26X2+6.72X3+1.05X4 (X1-X4 stellen nog dezelfde variabelen voor)
Bij deze variant horen ook andere kritieke waarden. Een Z-score van 1,1 of
kleiner wijst op een grote waarschijnlijkheid dat de LCC failliet zal gaan. Een
score daarentegen van 2,6 of meer wijst op een hoge kans dat de
72
onderneming niet failliet zal gaan. Tussen deze twee waarde is er weer een
grijze zone. Over de ondernemingen die hier tussen vallen zijn onvoldoende
gegevens beschikbaar om een voorspelling te doen.
6.3.2 Toegepast
De reden dat we deze variant nauwer verklaren heeft te maken met ons
doel zelf een falingspredictiemodel op te stellen. In het volgende puntje
zullen we trachten zelf een model op te stellen en dit door middel van een
logistische regressie. Om toch alvast een indicatie te hebben over hoe onze
resultaten er moeten uitzien zullen we eerst het Z”score model gebruiken.
Dit kan alvast een idee geven over de situatie van sommige maatschappijen
en wat de waarschijnlijkheid is dat deze maatschappij bankroet gaat. Na het
berekenen en bespreken van de logistische regressie kan het resultaat van
het Z”-score model gebruikt worden om de validiteit te controleren.
In tabel 8 worden de Z”-scores weergegeven. De rode cijfers wijzen op een
Z”-score die gelijk of kleiner is dan 1,1. Bij deze LCC’s is er een hoge
waarschijnlijkheid tot faillissement. De groene cijfers daarentegen zijn de
Z”-scores die groter of gelijk aan 2,6 zijn, deze LCC’s zullen weinig
waarschijnlijk failliet gaan. De zwarte cijfers geven de grijze zone weer. We
bespreken deze tabel kort.
Tabel 8 maakt onmiddellijk duidelijk dat de meerderheid van de LCC’s geen
goede scores behalen. Toch is er geen reden tot paniek. De luchtvaartmarkt
is een risicovolle markt die wel vaker onder druk komt te staan. Zowel in
het werk van Kupfer et al als Gritta (2006) bekomt men voor
luchtvaartmaatschappijen voornamelijk scores kleiner dan 2.6.
Voor de grootste twee LCC’s, Easyjet en Ryanair, worden er geen grote
onregelmatigheden vastgesteld. Easyjet haalde in 1999 nog een negatieve
Z” score door de grote verliezen die het toen had. Echter voor de andere
jaren blijkt de waarschijnlijkheid tot bankroet heel klein. In 2008 en 2009
kunnen we eventueel de gevolgen van de crisis zien. Beide maatschappijen
doen het daar minder goed dan de voorbije jaren. Toch is er geen reden tot
paniek aangezien het gevestigde maatschappijen zijn met een stevige
geldbasis.
73
Tabel 8: Z"-scores
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Easyjet -1,59 0,06 4,89 4,61 4,05 3,97 3,73 3,50 3,27 2,17 2,24
Ryanair 5,04 4,70 4,63 4,57 4,25 3,90 1,86 2,22
Air Berlin -0,17 0,42 0,24 -0,62 0,37
Jet2.com 7,48 6,20 6,97 4,19 3,44 2,20 1,95 1,28 -1,01 1,74
Flybe 0,15 4,14 -2,19 -1,54 -2,34 -0,93 0,67 -0,65 -0,30 -1,53
Thomsonfly 3,17 5,66 5,68 6,58 4,40 4,60 2,35
First choice Airways 1,64 1,59 1,08 1,01 0,55 2,01 2,83 4,66 3,21
Thomson Airways 3,02
Myair -2,26
Helvetic Airways -4,61 -4,26 -11,35 -5,09 -0,48
SkyEurope -4,01 -4,91 -5,93 -0,05
BmiBaby -0,03 0,04 0,21 0,27 0,12 0,33 0,15 0,74 4,00 -5,85
BlueAir -3,78 -1,76
Go fly -2,73 0,07 1,97 1,20
Air Lib -3,63
BA connect 6,52 1,29 -0,40 -1,81 -7,74 -2,86 -10,18
BA Cityflyer 2,45 2,24
Volare Web Airlines -2,34
EuroJet Romania -1,73 -1,96 -5,25
Air Luxor 0,66
My Travel Airways 2,79 2,17 0,89 1,58 2,18 2,74 2,22
Aer Lingus 4,00 1,05 2,83
HPX + TUIfly 0,48 -2,44 -0,65 0,16 0,36 0,43 0,12 1,62 0,13
Norwegian 0,59 -1,31 3,10 0,75 0,14 0,54 -0,59 1,56
Transavia 1,03 0,37
Vueling 4,43 -3,68 -1,98 -4,12
Clickair -1,46
Bron: Eigen berekeningen
Een grote maatschappij die het niet zo goed doet is Air Berlin. Nochtans is
dit de derde grootste LCC in Europa. Als we naar de oorsprong zoeken van
deze slechte scores, zien we dat Air Berlin haar net working capital telkens
negatief is (CR<1). Dit geeft aan dat de op korte termijn de beschikbare
middelen onvoldoende zijn om aan de korte termijn verplichtingen te
voldoen. Toch moeten we niet onmiddellijk vrezen voor het einde van Air
Berlin.
Er zijn andere maatschappijen die in grotere problemen zitten. Voorbeelden
hiervan zijn Helvetic Airways, BA connect, Vueling,…. Vooral Vueling blijkt
volgens verschillende bronnen een grote kans op falen te hebben. Recent
hebben ze Clickair nog overgenomen maar dat neemt niet weg dat hun
74
financiële positie er slecht uitziet. In de laatste vier jaar zijn ze drie
boekhoudjaren geëindigd met verlies. De Spaanse maatschappij is de
meeste genoemde maatschappij als men over LCC’s praat in moeilijkheden.
De Z”scores bevestigen dit.
De zes51 LCC’s die bankroet zijn gegaan de afgelopen jaren blijken allemaal
Z” scores te behalen die het bankroet bevestigen. Enkel Go fly slaagt er in
om in 2001 en 2002 nog fatsoenlijke scores te behalen. Deze waren echter
onvoldoende om de slechte resultaten van het verleden ongedaan te
maken.
6.4 Logistische regressie
Bij het ontwikkelen van een falingspredictiemodel werken we in
verschillende stappen. We hebben reeds de ondernemingen in twee groepen
verdeeld, de failliete en niet-failliete maatschappijen. Ook de selectie van de
onafhankelijke variabelen is gebeurd (5.1). Nu bepalen we de
schattingstechniek en de schatting van de parameters in het model.
6.4.1 Reden voor logistische regressie
Het doel van een logistische regressie is om een categorische variabele,
verdeeld in 2 groepen, te verklaren aan de hand van interval-, ratio-
geschaalde en/of categorische onafhankelijke variabelen. Deze specifieke
combinatie van variabelen maakt dat logistische regressie de meest
aangewezen statistische techniek is (Janssens et al, 2008).
Een andere te gebruiken techniek is de discriminantanalyse. Probleem
echter met deze techniek is, dat er aan een aantal strikte voorwaarden
moet voldaan zijn. Zo gaat men uit van de veronderstelling dat de
onafhankelijke variabelen en discriminantscores (binnen iedere groep)
normaal verdeeld zijn, met verschillende groepsgemiddelden maar met
homogene covarianties. Een ander nadeel van de discriminantanalyse is dat
het een sterk verouderde techniek is.
51 SkyEurope, Myair, Air Lib, Air Luxor, Volare Web Airlines en Go fly.
75
Onze voorkeur gaat duidelijk uit naar de logistische regressie. Dit ook
vanwege zijn gebruiksgemak in SPSS.
6.4.2 Methodologie
Omwille van de dichotome afhankelijke variabele is het doel van de
logistische regressie te voorspellen of een gebeurtenis al dan niet zal
plaatsvinden, alsook het identificeren van variabelen die een belangrijke rol
spelen in het maken van deze voorspelling. Voorspellen of een gebeurtenis
zich al dan niet voordoet vereist het berekenen van de kans dat de
gebeurtenis plaatsvindt, en dit aan de hand van de volgende formule:
+kans (gebeurtenis) =
1
z
z
e
e
Met:
Z = B0+B1X1+B2X2+…+BnXn
Bi: de coëfficiënten die geschat worden aan de hand van de data,
hierbij gebruikmakende van de ‘maximum-likelihood’ methode.
X: de onafhankelijke variabele
Een toename in Z zorgt voor een niet lineaire toename van de kans. Het is
van belang bij de uitvoering van logistische regressie om rekening te
houden met mogelijke outliers, de geschiktheid van het model, het al dan
niet significant zijn en de interpretatie van de coëfficiënten (De Pelsmacker,
2006).
6.4.3 Parameters
We wensen na te gaan of het bankroet gaan al dan niet afhankelijk is van
de acht ratio’s die voorheen behandeld werden. Het model kan als volgt
neergeschreven worden.
Z=b0 + b1CR + b2ROA + b3ROE+ b4WC/TA+ b5RE/TA+ b6EBIT/TA+
b7MVE/TL+ b8S/TA
76
De afhankelijke variabele wordt als volgt gecodeerd:
‘0’: de LCC is failliet gegaan en
‘1:’ de LCC is niet failliet,
waarbij ‘1’ overeenstemt met de groep waarvoor de kans wordt
berekend.
We voeren de logistische regressie uit via SPSS. Hierbij gebruiken we de
forward conditional methode. Deze zal de variabelen stapsgewijs in de
regressie brengen afhankelijk van hun significantie. De SPSS output bevat
een hele reeks aan tabellen maar initieel is alleen de ‘Casewise list’ van
belang. Deze tabel geeft de uitschieters weer van de database.
Tabel 9: Uitschieters
Casewise Listb
Observed Temporary Variable Case Selected Statusa failliet gegaan
of niet ?
Predicted Predicted Group Resid ZResid
62 S B** ,976 N -,976 -6,339
65 S N** ,125 B ,875 2,650
71 S B** ,879 N -,879 -2,694
84 S B** ,970 N -,970 -5,727
86 S B** ,866 N -,866 -2,548
102 S B** ,942 N -,942 -4,044
a. S = Selected, U = Unselected cases, and ** = Misclassified cases.
b. Cases with studentized residuals greater than 2,000 are listed.
Bron: SPSS, logistische regressie.
Er zijn zes uitschieters gevonden die dan ook opgenomen zijn in het model.
Vijf van deze uitschieters blijken afkomstig van maatschappijen die de
afgelopen jaren failliet zijn gegaan. Toch werden zij voorspeld als gezonde
LCC’s aangezien de voorspelde waarde groter was dan 0.5 (0.976>0.5).
Enkel case 65, Helvetic Airways 2005, blijkt een niet failliete maatschappij
te zijn die toch, op basis van haar cijfers, een grote kans tot falen bezit
(0.125<0.5).
De vraag stelt zich nu of deze uitschieters ons regressiemodel significant
beïnvloeden? Zo ja dan moeten deze cases uit het onderzoek verwijdert
worden. Om na te gaan of een uitschieter al dan niet het model beïnvloedt
selecteren we de volgende twee opties bij ons onderzoek, ‘leverage values’
en ‘DfBeta’s’. De leverage statistiek heeft tot doel te ontdekken welke
77
observaties een grote impact hebben op de voorspelde waarden. De
variabele die gecreëerd wordt door het selecteren van deze optie heet
Lev_1. Om snel een idee te krijgen of deze cases invloedrijk zijn kunnen we
een scatter/dot maken met op de X-as de cases en op de Y-as deze
leverage variabele (bijlage 12). We stellen vast dat case 65 een grote
impact heeft op de regressie. Dit wordt bevestigd door de tweede
scatter/dot. Bij deze tweede scatter/dot maken we gebruik van DfBeta’s
optie. DfBeta statistiek toont de wijziging in coëfficiënten b0,b1,…bn aan bij
verwijdering van de uitschieters. Het verwijderen van Helvetic Airways voor
2005 is aangewezen want de wijziging van de coëfficiënten is vrij groot.
We voeren de logistische regressie opnieuw uit na het verwijderen van case
65. De output voor deze regressie is volledig weergegeven in bijlage 13. We
bespreken de resultaten hieronder maar eerst merken we op dat ook hier
weer drie uitschieters zijn. Deze beïnvloeden echter de resultaten niet en
worden in de analyse gelaten. De regressie neemt dus 133 cases op in de
analyse.
• Classificatietabel
De classificatietabel geeft aan hoeveel van de respondenten in de
juiste categorie worden geklasseerd door het model.
Tabel 10: Classificatietabel
Predicted
failliet gegaan of niet ?
Observed
Bankroet Niet Bankroet
Percentage Correct
Bankroet 0 12 ,0 failliet gegaan of niet ?
Niet Bankroet 1 120 99,2 Step 1
Overall Percentage 90,2
Bankroet 5 7 41,7 failliet gegaan of niet ?
Niet Bankroet 1 120 99,2 Step 2
Overall Percentage 94,0
a. The cut value is ,500
Bron: SPSS, logistische regressie.
Zoals blijkt uit tabel 10 (step 2) slaagt het model erin om 94% van
de cases juist onder te verdelen. Van de LCC’s die failliet zijn gegaan
worden 41.7% van de jaarrekeningen juist geklasseerd. Voor de niet
78
failliete maatschappijen worden er 99.2% juist geklasseerd. Dit lijkt
op de oppervlakte een goede score maar toch kan deze misleidend
zijn. Het is uiteindelijk goed mogelijk dat men zonder kennis van de
onafhankelijke variabelen minstens 50% van de cases correct kan
indelen, dit door alle cases in te delen in de groep met het meest
geobserveerde waarden. Zo zouden we alle waarnemingen (133)
kunnen indelen bij de groep van niet falende ondernemingen. 121
waarnemingen of 91% (121/133) zouden dan correct ingedeeld zijn.
Om deze foute conclusies te vermijden, is het aan te raden om naar
de ‘R2adjusted count’ te kijken (Janssens et al, 2008). Deze geeft weer
met hoeveel procent de predictiefout vermindert als men het gebruik
maakt van het predictiemodel. Het gebruiken van ons model zorgt
dat de predictiefouten verminderen met 33% 52.
• Geschiktheid van het model
Alvorens in te gaan op de waarde van de coëfficiënten en de
betekenis ervan, is het belangrijk om de geschiktheid van het model
te evalueren. Enkele statistieken helpen hierbij. Een vaak gebruikte
maatstaf voor het bepalen van de kwaliteit van het model is de ‘-2
log likelihood’ (-2LL). Een goed model stemt overeen met een lage
waarde voor -2 log likelihood. Aangezien de waarde voor ons model
51.749 bedraagt kunnen we spreken van een middelmatig model.
Tabel 11: kwaliteit van het model
Step -2 Log likelihood Cox & Snell R
Square Nagelkerke R
Square
1 71,689a ,065 ,143
2 51,749b ,195 ,429
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
b. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Bron: SPSS, logistische regressie.
52 R2adjusted count= {(5+120)-121}/{133-121}= 0.333
79
Ook Nagelkerke R2 bevestigt de middelmatige kwaliteit. Deze waarde
is vergelijkbaar met de R2 in een lineaire regressie en kan met enige
omzichtigheid worden geïnterpreteerd als het percentage in de
afhankelijke variabele dat verklaard wordt door de verschillende
onafhankelijke variabelen. 0.429 wijst dus op een behoorlijke
kwaliteit.
De Chi-kwadraatwaarde van het model is verbonden aan de voorheen
genoemde -2LL, en geeft meer bepaald het verschil weer tussen de -
2LL waarden van het nulmodel (waar enkel een constante bepaald
wordt) en het eindmodel (stap2). Zo blijkt de overgang van het nul
model naar stap 1 al een daling in -2LL van 8.925 met zich mee te
brengen. Deze daling blijkt ook significant te zijn (0.003<0.05). De
overgang van stap 1 naar stap 253 brengt dan weer een daling mee
van 28.865. Ook deze daling is significant (0.000<0.05). Deze
dalingen in de -2LL waarde betekenen vooral dat het eindmodel
significant beter is dan het nulmodel
Tabel 12: Chi-kwadraatwaarden voor het eindmodel
Chi-square df Sig.
Step 8,925 1 ,003
Block 8,925 1 ,003 Step 1
Model 8,925 1 ,003
Step 19,940 1 ,000
Block 28,865 2 ,000 Step 2
Model 28,865 2 ,000
Bron: SPSS, logistische regressie.
• Logistische regressiecoëfficiënten
De volgende stap omvat het bespreken van de coëfficiënten. Deze
zullen ons helpen om de kans op niet failliet gaan te berekenen. Ook
de interpretatie van de coëfficiënten komt hier aan bod.
53 In stap 1 is een model gemaakt met enkel de variabele RE/TA en de constante. Vervolgens wordt in stap 2 een tweede significante variabele toegevoegd, MVE/TL.
80
Tabel 13:logistische regressiecoëfficiënten
B S.E. Wald df Sig. Exp(B)
RetainedEarnings To TotalAssets
2,335 ,894 6,822 1 ,009 10,327 Step 1a
Constant 2,546 ,349 53,083 1 ,000 12,756
RetainedEarnings To TotalAssets 5,406 1,406 14,786 1 ,000 222,804
Equity To LiabilitiesRatio 2,485 ,762 10,644 1 ,001 12,006 Step 2b
Constant 2,080 ,427 23,682 1 ,000 8,007
a. Variable(s) entered on step 1: RetainedEarningsToTotalAssets.
b. Variable(s) entered on step 2: EquityToLiabilitiesRatio.
Bron: SPSS, logistische regressie.
Op basis van de B-coëfficiënten in tabel 13 kan men de kans
berekenen dat een maatschappij niet failliet zal gaan. Dit zijn de
waarden die we zochten om onze Z-score te berekenen. Zo bekomen
we de volgende vergelijking aan de hand van de tabel:
Z= 2.080 + 5.406 RE/TA + 2.485 MVE/TL
Als we vervolgens deze score invullen in de vergelijking die gegeven
is bij 6.4.2 dan bekomt men de kans dat de onderneming niet failliet
gaat. We geven hierbij een voorbeeld, stel we willen weten wat de
kans is dat Flybe failliet gaat op basis van het jaar 2001:
Z= 2.080 + 5.406*(-0.1622) + 2.485*0.0163 =1.2436
Met +
kans (gebeurtenis) = 1
z
z
e
e=0.80748>0.5
Dus de kans is groter dan 50% dat de maatschappij op basis van jaar
2001 niet failliet zal gaan. Deze LCC wordt onder de groep niet-
failliete maatschappijen ondergebracht.
Niet onbelangrijk is natuurlijk de significantie van de coëfficiënten.
Deze wordt beoordeeld op basis van de Wald statistiek of de eraan
gekoppelde p-waarde. Zowel RE/TA (0.000>0.05), MVE/TL
(0.001>0.05) als de constante blijken significant verschillend van nul
te zijn. Hiermee verwerpen we dus ook de nulhypothese dat de
coëfficiënten allemaal gelijk aan nul zijn.
81
Een belangrijke opmerking is dat logistische regressiecoëfficiënten
niet mogen worden geïnterpreteerd als gewone
regressiecoëfficiënten. De juiste interpretatie gebeurt in termen van
‘odds’ en ‘log odds’. De log odds wordt als volgt gedefinieerd (De
Pelsmacker, 2006):
Z=B0+B1X1+B2X2+…+BnXn= logit =
kans (gebeurenis)log odds = log
kans (geen gebeurtenis)
De coëfficiënt Bn geeft dan de wijziging in de log odds weer voor een
verandering van de onafhankelijke variabele Xn met één eenheid. Een
wijziging van de RE/TA ratio met 1 zal de log odds laten toenemen
met 5.406. De log odds formule kan omgezet worden naar odds:
+ + += 0 1 1 .....kans (gebeurt)odds =
kans (niet gebeurt)n nB B X B Xe
De odds ratio, eBn, zal de factor zijn waarmee de kans wijzigt als
variabele Xn toeneemt met één eenheid. We merken op dat wanneer
de regressiecoëfficiënt Bn groter (kleiner) is dan nul, de odd ratio
groter (kleiner) is dan één, en de odds dus zullen toenemen
(afnemen). Een coefficient Bn gelijk aan nul stelt de factor gelijk aan
1, deze laat de kans (odds) ongewijzigd.
Als we dit concreet omzetten naar ons model wil dit zeggen dat als de
RE/TA stijgt met één, de kansen zullen toenemen met factor 222.804
(zie Exp(B) in tabel 13. Zo ook zullen de odds toenemen voor de
constante (Exp(B)=8.007) en MVE/TL (Exp(B)=12.006).
6.4.4 Vergelijking met het Z” score model
Er is reeds gezegd dat de grote zwakte van het onderzoek de beperkte
beschikbare data is. Hierdoor zijn er onvoldoende gegevens om met twee
steekproeven te werken, een schattingssteekproef en een
validatiesteekproef. Toch proberen we een vorm van validatie te vinden. We
gaan de uiteindelijke predictie van ons model vergelijken met de predicties
van een gevestigd model, het Z”score model.
82
Wanneer we ons model toepassen, bekomen we slechts zes waarden die
kleiner zijn dan 0.5, en dus een grote kans hebben op faillissement. Dit
wordt bevestigd door tabel 10, de classificatietabel. De cases zijn:
SkyEurope (2002, 2003 en 2004), Air Lib (1999), Volare Web Airlines
(2003) en de Blue Air (2007). Deze laatste, is de enige LCC die een hoge
kans op bankroet heeft, maar anno 2010 nog steeds bestaat. Ook zijn er
zeven waarnemingen die volgens ons model een hoge kans hebben om te
overleven maar die toch failliet zijn gegaan (Air Luxor, Myair,…).
De conclusie voor ons model is vrij duidelijk als we dit vergelijken met de
Z”-score tabel. Waar in tabel 8 slechts enkele maatschappijen het echt goed
doen en zich geen zorgen hoeven te maken, blijkt bij dit model het
tegenovergestelde. Slechts enkele maatschappijen hoeven zich zorgen te
maken en de meerderheid van de LCC’s halen een hoge kans tot niet failliet
gaan. Het valt op dat ons model niet streng genoeg is. LCC’s die met
mindere financiële cijfers zitten krijgen soms toch een kans groter dan 0.5.
Bijvoorbeeld BA connect krijgt in 2002 een kans van 0.79554 toe bedeeld
en wordt dus bij de niet-failliet groep toegewezen, met dus een lage kans
tot falen. Echter volgens het Z”-score model haalde deze LCC een score van
-1.81<1.1. Volgens de Z”-score zou deze maatschappij dus een hoge
waarschijnlijkheid hebben tot faillissement.
We moeten deze vergelijking echter met de nodige voorzichtigheid maken
en vanuit het juiste perspectief. Op basis van onze database, slaagt ons
model erin om vijf van de twaalf boekjaren van de ondernemingen die
failliet zijn gegaan, goed in te schatten. Dit wil zeggen dat de interne
validiteit relatief goed is voor ons model, we meten wat we beogen te
meten. Ons model is echter niet veralgemeenbaar naar de gehele low-cost
populatie toe en bezit dus geen externe validiteit. Iets wat de Z” score
model van Altman wel bezit. Dit is ook de reden waarom we eerder over
een exploratief onderzoek praten in plaats van een conclusief onderzoek
83
6.4.5 Besluit logistische regressie
Als men naar het nulmodel kijkt in bijlage 13 (Block 0) kan men zien dat
van de acht ratio’s die op dat moment nog niet opgenomen waren, er vijf
significant zijn en dat deze eventueel in het model kunnen worden
opgenomen. Dit blijken niet toevallig de vijf ratio’s te zijn die in de T-test
naar voor zijn gekomen. Voor deze ratio’s bleek het gemiddelde van de
failliete maatschappijen tegenover de niet failliete maatschappijen,
significant verschillend te zijn54.
Eerst werd de ratio RE/TA opgenomen in de regressie aangezien deze de
hoogste significantie had. Dit resulteert in Block 1 model, stap 1, en haalde
een –2LL van 71.689 en een Nagelkerke R2 van 0.143. Als we naar de
variabelen kijken die niet opgenomen zijn in de vergelijking, valt ons op dat
enkel nog de ROE en MVE/TL significant zijn. De andere ratio’s, WC/TA,ROA
en EBIT/TA blijken niet langer significant te zijn. Dit is mogelijks te
verklaren door de hoge correlatie tussen RE/TA en deze drie ratio’s (bijlage
14).
MVE/TL blijkt van de overgebleven twee ratio’s de meest significante te zijn.
Deze werd dan ook in stap 2 opgenomen. Bij de ratio’s die niet in stap 2
zijn opgenomen blijken geen enkele meer significant te zijn. Met als
resultaat ons uiteindelijke model dat besproken werd.We geven de
vergelijking nog eens:
Z= 2.080 + 5.406 RE/TA + 2.485 MVE/TL
Met: +
kans (gebeurtenis) = 1
z
z
e
e
Als de kans groter is dan 0.5 dan zal de onderneming niet-failliet gaan.
Indien deze kleiner is, is de kans groot dat de onderneming failliet gaat.
Als uitkomst van de logistische regressie zien we dat er slecht 2 variabelen
overblijven van de initiële acht die waren opgenomen in het model, retained
earnings to total assets ratio en market value of equity to book value of
total liabilities. Blijkt dat enkel deze twee variabelen ratio’s geven die
54 CR (0.056>0.05) en MVE/TL (0.056>0.05) zijn statistisch gezien niet significant op 5% significantieniveau maar toch kunnen we ze als relevant beschouwen.
84
significant verschillend zijn van 0. We kunnen de H0 van de tweede
onderzoeksvraag verwerpen. Er zijn wel degelijk coëfficiënten die
verschillend zijn van nul en die bijdragen tot het verklaren van de
afhankelijke variabele.
Dat het juist deze twee variabelen zijn mag niet verbazen. Het belang van
beide ratio’s was reeds aangetoond door het Z-score model van Altman
waar deze beide ratio’s werden opgenomen. Ook andere bronnen hebben
het belang van deze twee ratio’s aangetoond.
Het feit dat de regressiecoëfficiënten positief zijn, ligt in de lijn van de
verwachtingen. Bij een toename van de ratio met één eenheid, aangezien
deze coëfficiënten groter zijn dan nul, zal de odd ratio groter zijn dan één,
en bijgevolg zal de kans dat een onderneming zal falen kleiner worden. De
logica wordt dus bevestigd, LCC’s die meer ingehouden winsten hebben in
vergelijking met hun totaal activa zullen minder kans hebben om failliet te
gaan. Ook het aanhouden van meer eigen vermogen in vergelijking met
vreemd vermogen blijkt een positief effect te hebben op de slaagkansen
van een onderneming. Professor Van de Voorde vermelde in zijn interview
met De Standaard (‘Geen hoogvlieger’, 2september 2009) dat SkyEurope,
dat een dag voordien het faillissement aanvroeg, een grote hoeveelheid
vreemd vermogen had in vergelijking met het eigen vermogen. Dit bleek
nefast te zijn en bevestigt onze bevindingen in ons falingspredictiemodel.
6.4.6 Aangepaste logistische regressie (Stata)
De logistische regressie die we tot nu toe behandeld hebben en die als
methode werd gebruikt voor ons falingspredictiemodel is gebaseerd op de
mogelijkheden en beperkingen van SPSS. Dit wil eigenlijk zeggen dat juist
door de beperkingen van SPSS als analyse instrument, we bewust een fout
hebben gemaakt in het construeren van ons falingspredicitiemodel.
Ons oorspronkelijk model is gebaseerd op de gegevens van 27 LCC’s, goed
voor 136 jaarrekeningen gespreid over de periode 1999-2009. Als een LCC
beschikbare gegevens had voor bijvoorbeeld vijf verschillende jaren dan
werden deze vijf jaren onafhankelijk van elkaar in de regressie opgenomen.
Er werd met andere woorden geen rekening gehouden met het feit dat de
85
jaarrekeningen van eenzelfde maatschappij afhankelijk zijn van elkaar en
dus invloed uitoefenen op elkaar. Het zijn immers resultaten van dezelfde
onderneming. Zo zullen de resultaten uit boekjaar 1 invloed uitoefenen op
de resultaten van boekjaar 2, de resultaten van boekjaar 1 en 2 zullen dan
weer invloed hebben op boekjaar 3, enz.
Om dit probleem op te lossen gaan we gebruik maken van clusters. Een
cluster is de verzamelingen van alle jaarrekeningen van eenzelfde low-cost
maatschappij. Elke low-cost maatschappij is dus een cluster. We zullen nu
dezelfde logistische regressie terug uitvoeren maar dan aan de hand van
clusters. Zo wordt er rekening gehouden met het feit dat de jaarrekeningen
en zijn ratio’s onderling afhankelijk zijn.
Zoals reeds vermeld kent SPSS zijn beperkingen. Het is niet mogelijke om
een logistische regressie uit te voeren met gebruik van clusters in SPSS.
Zowel professor Van Kenhove (vakgroep marketing aan de Universiteit
Gent), als professor Van Acker (vakgroep accountancy en
bedrijfsfinanciering) bevestigen dit. Dankzij de vakgroep accountancy en
bedrijfsfinanciering hebben we toch, met gebruik van Stata, de output
verkregen van een logistische regressie die gebruik maakt van clusters.
Deze output is hieronder weergegeven.
86
Tabel 14: Aangepaste logistische regressie met clusters (Stata)
Coefficienten Odds ratio’s (Exp(B))
VARIABLES bankroet bankroet
currentratio 5.263 193.1
(3.777) (729.2)
roa -4.938 0.00717
(4.128) (0.0296)
roe -0.829** 0.436**
(0.342) (0.149)
networkingcapitalratio -15.86* 1.30e-07*
(9.487) (1.23e-06)
retainedearningstototalassets 4.133* 62.38*
(2.244) (140.0)
ebittototalassets 9.772 17537
(6.517) (114286)
marketvalueequitytobookvalueliab 1.408 4.087
(1.183) (4.835)
salestototalassets -0.559 0.572
(0.559) (0.320)
Constant -1.444* 0.236*
(4.081) (0.963)
Observations 134 134
N_clust 27
ll_0 -40.40
ll -22.50
df_m 8
chi2 34.10
r2_p 0.443
N_cdf 0
N_cds 1
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Bron: Stata.
Aangezien het een logistische regressie is, gebeurt de interpretatie van het
model op dezelfde wijze als dat van de voorgaande regressie. Kolom 1 geeft
de waarde voor de coëfficiënten weer. Kolom 2 op zijn beurt geeft de odds
ratio’s.
Eerst wordt er gekeken naar de algemene waarde van het model. Net zoals
bij de vorige regressie zullen we dus eerst naar de waarde kijken voor R2
(0.443). Hoe hoger R2 is, hoe beter onze regressie aansluit bij de
werkelijkheid. Weer kunnen we vaststellen dat onze regressie middelmatig
is van niveau en vergelijkbaar is met de logistische regressie zonder
clusters (0.429≈0.443). Statistische gezien zijn onze modellen niet zo goed
aangezien ze onder de 50% zitten. In de realiteit wordt dit nochtans
87
aanzien als een meer dan degelijke ratio. We merken hier ook nog op dat er
juist 27 clusters zijn aangezien er 27 LCC’s zijn opgenomen.
Wanneer er naar de ratio’s wordt gekeken kan er worden vastgesteld dat er
vier coëfficiënten zijn die significant zijn (ROE, WC/TA, RE/TA en de
constante) en dit op een significantieniveau van 10%. Enkel ROE blijkt een
hogere significantie te behalen. Deze 4 ratio’s zijn met andere woorden
significant verschillend van nul en maken het onderscheid tussen LCC’s die
falen en diegene die overleven.
Aangezien we de kans berekenen dat een maatschappij niet failliet gaat
verwachten we positieve coëfficiënten die dan een odds ratio met zich
meebrengen groter dan één. Er wordt echter vastgesteld dat zowel ROE,
WC/TA en de constante negatief zijn. De odds ratio, de factor waarmee
onze kansen veranderen als een ratio wijzigt met één eenheid, voor deze
variabelen is kleiner dan één. Voor WC/TA (1.30e-07) blijkt deze odds ratio
wel klein te zijn. De invloed van een wijziging met één eenheid blijft relatief
beperkt, ook al is deze invloed significant. Voor ROE en de constante valt de
odds ratio binnen de normale grenzen. Dat de ROE vreemd genoeg een
negatieve invloed heeft op de slaagkansen van een onderneming werd
reeds bevestigd door de T-test. Daar zagen we al dat het gemiddeld van de
twee groepen significant verschillend is en dat niet failliete maatschappijen
een lagere ROE leken te hebben.
Wat we vooral zien is weer de enorm grote impact van de retained earnings
to total assets ratio, de grootste ratio van de significante ratio’s. Bij de
wijziging van deze ratio met één eenheid zal de kans op niet failliet gaan
vermenigvuldigt worden met 62.38. We mogen dit zien als een enorm hoge
factor. De waarschijnlijkheid tot slagen is bijna volledig afhankelijk van de
retained earnings. Deze conclusie zou ons niet mogen verbazen want ook
uit de vorige regressie bleek deze ratio veruit de belangrijkste te zijn.
Een andere ratio die nu niet significant bleek te zijn is de MVE/TA ratio.
Nochtans is deze ratio wel onderdeel van de vorige logistische regressie. Dit
kan erop wijzen MVE/TA niet zozeer verschillend is voor de twee groepen
maar eerder voor de verschillende clusters, maatschappijen.
Twee ratio’s die niet significant blijken te zijn maar wel een enorm hoge
coëfficiënt krijgen in het model zijn CR (5.263) en EBIT/TA (9.772). Dat
88
deze ratio’s positief zijn mag niet verbazen. Niet failliete maatschappijen
hebben vaker een current ratio groter dan 1 en een positieve EBIT. Toch
zijn de coëfficiënten niet significant verschillend van nul en kan men hier
geen conclusies uit trekken.
We geven voor de volledigheid ons model weer:
Z=-1.444 + 5.263 CR + -4.938 ROA + -0.829 ROE+ -15.86 WC/TA+
4.133 RE/TA+ 9.772 EBIT/TA+ 1.408 MVE/TL+ -0.559 S/TA
Waarbij men dus aan de hand van onderstaande vergelijking de kans te
berekent dat een maatschappij failliet gaat.
+ + += 0 1 1 .....kans (gebeurt)odds =
kans (niet gebeurt)n nB B X B Xe
7 CONCLUSIE
7.1 Samenvatting van de resultaten
Ons eerste doel in het onderzoeksgedeelte, was om duidelijke verschillen te
vinden in de financieringsstructuur van de LCC’s, voor de failliete en de niet
failliete LCC’s. Op basis van acht ratio’s onderzochten we de verschillende
maatschappijen. De vraag stelde zich of deze ratio’s significant verschillend
waren voor de twee groepen.
Al snel bleek dat van de acht ratio’s er vijf significant verschillend zijn
(RE/TA, MVE/TA, ROA, CR en EBIT/TA). Deze verschillen geven ons een
indicatie van wat er fout loopt bij maatschappijen die failliet gaan. Zo zien we
dat niet failliete LCC’s gemiddeld meer winsten inhouden, een hogere
verhouding eigen vermogen tegenover vreemd vermogen hebben, een betere
current ratio hebben,…. De resultaten bevestigen onze verwachtingen over
deze ratio’s.
Ook hebben we getracht de effecten van een crisis waar te nemen. Zo
hebben we via een Anova studie proberen te bepalen of de ratio’s significant
verschillend zijn voor de verschillende jaren. Spijtig genoeg hebben we geen
verschillen kunnen waarnemen die significant waren. Ook niet voor de
crisisjaren 2001, 2002, 2008 en 2009. Deze uitkomst is eerder onverwacht
89
aangezien de low-cost markt in die jaren toch serieuze verliezen kende.
Bewijs daarvan is ook gegeven onder punt 3.3, waar we vaststelden dat de
groei van de LCC’s daalde door de crisis.
Als uiteindelijk doel wilden we een model maken dat ons toeliet de kans te
bereken dat een maatschappij al dan niet failliet zal gaan. Dit hebben we aan
de hand van een logistische regressie gedaan. De kwaliteit van de eerste
regressie (zonder clusters) is statistische gezien niet zo hoog (R2= 0.429)
maar in realiteit is dit geen slecht model. Slechts twee onafhankelijke
variabelen van de acht blijven over in ons model, RE/TA en MVE/TL. Dat deze
twee variabelen overblijven mag geen verrassing zijn. Deze twee ratio’s
hadden reeds hun verklaringskracht bewezen in het model van Altman. Bij
een stijging van één van beide ratio’s zal de kans tot niet failliet gaan stijgen.
Opmerkelijk is wel dat de overige twee ratio’s van het Z”-score model niet
significant blijken te zijn (EBIT/TA en WC/TA). Voor het volledige model
verwijzen we terug naar 6.3.
Om de validiteit van ons uiteindelijk predictiemodel te testen hebben we het
vergeleken met de Z”-score van Altman. Hieruit bleek dat ons model veel
minder streng was dan dat van Altman. Als we de Z-score toepasten op de
database bleken de meerderheid van de LCC’s het niet goed te doen. Ons
model heeft interne validiteit maar geen externe validiteit. Door de
gebrekkige database kunnen we ons model niet veralgemenen en toepassen
op de gehele populatie.
Ook hebben we bewust een fout gemaakt in de eerste logistische regressie.
De verschillende jaarrekeningen en de daarmee gepaard gaande ratio’s van
eenzelfde low-cost maatschappij zijn afhankelijk van elkaar. In de eerste
regressie hebben we dit feit genegeerd. De reden hiervoor ligt bij de
beperkingen die SPSS heeft. We gebruikten Stata om onze tweede regressie
uit te voeren, rekening houdende met de clusters. We behalen hier ongeveer
dezelfde kwaliteit als de eerste regressie (R2 = 0.443). De modellen zijn dus
op vlak van kwaliteit vergelijkbaar. Wat wel verschillend is in dit model zijn
de significante onafhankelijke variabele ROE en WC/TA. Beide ratio’s blijken
verrassend genoeg een negatieve impact te hebben op de waarschijnlijkheid
dat een onderneming overleeft. Enkel de ratio RE/TA blijkt significant te zijn
voor beide modellen. In beide modellen is het ook de meest bepalende factor
om te evalueren of een maatschappij zal overleven. We kunnen enkel voor
90
deze ratio de conclusie trekken dat deze van belang is in het
falingspredictiemodel. Deze ratio komt in elk model naar voor als een
bepalende factor.
7.2 Tekortkomingen van het onderzoek
Reeds bij het samenstellen van de database werd het onderzoek
geconfronteerd met een eerste en grootste obstakel: de moeilijke
beschikbaarheid van de gegevens. De uiteindelijke database, die bekomen is
door het aanvullen van een beschikbare database met jaarrapporten van de
verschillende LCC’s, bezit maar 136 boekjaren, afkomstig van 27
maatschappijen, over voor de periode van 1999 tot 2009. Van deze 27
maatschappijen zijn er 6 die tijdens de onderzoeksperiode failliet zijn
gegaan. Deze stelden echter maar 12 boekjaren voor van de 136.
De kleine steekproefgrote zorgt ervoor dat de resultaten uit ons onderzoek
moeilijk te veralgemenen zijn - er is geen externe validiteit. Men kan moeilijk
conclusies trekken voor de gehele populatie op basis van deze kleine
steekproef. Dit is ook de reden waarom we liever spreken van een exploratief
onderzoek. We tasten het low-cost domein af en proberen een predictiemodel
te maken specifiek voor deze markt. Dit falingspredictiemodel kunnen we
echter niet controleren met een validiteitsteekproef. Onze twee modellen
voldoen dus enkel aan interne validiteit.
Een tweede tekortkoming heeft ook te maken met de verkregen database
van het ATI. De gegevens die we verkregen hebben zijn moeilijk
controleerbaar. Zo zaten er in het begin wel heel extreme waarde in de
database die later incorrect bleken te zijn. Zo had Ryanair in 2008 volgens de
database een verlies. We hebben dit moeten corrigeren op basis van het
jaarrapport van Ryanair. We moeten echter wel vermelden dat voor alle
gegevens die we konden controleren, er slechts een viertal niet overeen
stemden.
Een derde tekortkoming van het onderzoek zijn de beperkingen van SPSS.
De logistische regressie die rekening houdt met de clusters, kan niet
geconstrueerd worden met gebruik van SPSS. We hebben deze moeten laten
uitvoeren in Stata. Aangezien voor dit statistisch programma specifieke
91
kennis is vereist bemoeilijkt dit de interpretatie van de methode en het
model.
7.3 Gevolgtrekkingen en aanbevelingen
Zoals we reeds aangehaald hebben zien we dit onderzoek eerder als een
exploratief onderzoek dan een conclusief, wegens het gebrek aan data. We
raden aan om dit zelfde onderzoek te herhalen maar met een grotere
database. Dit zou best een database zijn waarin men zelf jaar na jaar de
gegevens heeft afgeleid uit de verschillende jaarrekeningen. Men zou
vervolgens de bekomen resultaten van dit onderzoek kunnen controleren en
er eventueel conclusies kunnen uittrekken.
Toch betekent deze zwakke database niet dat we geen enkele conclusie
kunnen trekken. Zo blijkt de retained earnings to total assets ratio in elke
fase van het onderzoek van belang te zijn. Ook de market value of equity to
book value total liabilities blijkt niet onbelangrijk te zijn. Ook al is deze niet
significant in de tweede regressie toch wordt deze in de beschikbare
literatuur als een belangrijke factor gezien. We raden de LCC’s aan om zeker
de verhouding van hun vreemd en eigen vermogen in het oog te houden.
Wanneer deze maatschappijen op korte termijn geld nodig hebben, is het
nefast om onmiddellijk vreemd vermogen aan te trekken. Zij kunnen beter
voldoende winsten gedurende verschillende jaren inhouden. Deze kan men
dan gebruiken om de eventuele te korten op korte termijn op te vangen.
Het inhouden van voldoende winsten kan natuurlijk wel een pervers gevolg
meebrengen. Indien deze winsten niet worden uitgekeerd aan de
aandeelhouders zullen deze misschien van onvrede hun vermogen uit de
onderneming weghalen. Hierdoor daalt de verhouding van eigen en vreemd
vermogen en ook dit is geen goed teken. Het komt er bij de LCC’s op neer,
om een goede verhouding te vinden, tussen eigen en vreemd vermogen.
Ook raden we de LCC’s aan om regelmatig op basis van bestaande
falingspredictiemodellen zoals het Z”-score model, hun financiële situatie te
testen. Men kan dit zien als een variant op de stress test die banken nu
ondergaan.
IX
Referenties
• ARTIKELS
Altman*, E. (2000), Predicting financial distress of companies: revisiting the z score and Zeta models, Journal of Banking & Finance. (* Max L. Heine.)
Altman*, E. (2002), Revising credit scoring models in a basel 2 environement, London Risk Books.
Altman, E. (1968), Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance, 23(4), p589-606.
Barbot, C., (2009), Airport and airlines competition: Incentves for vertical collusion, Transportation research PartB, 43, p953-965.
Barbot, C., Costa, A. & Sochira, E. (2008), Airlines performance in the new market context: a comparative productivity and efficiency analysis.
Barrett, S.D., (2000), Airport competition in the deregulated European aviation market, Journal of Air Transport management, 6, p13-27.
Barrett, S.D., (2001), Market entry to full-service airline market-case study from the deregulated European aviation sector, Journal of Air transport management, 7, p189-193.
Barrett, S.D., (2005), The sustainability of the Ryanair model, Journal of Air transport management, 2, p89-98.
Bruffaerts, D., (2006), De impact van lowcostbudgetmaatschappijen op de Europese luchtvaart, Universiteit Hasselt.
Button, K., Costa, A., Cruz, C., (2006), ability to recover full costs through price discrimination in deregulated scheduled air transport markets, Transport reviews, 27(2), p213-230.
Cox, K.R. & Sibco, P. (2000), Man Location and Behavior: An Introduction to
Human Geography II; Revised edition: Department of Geography Utrecht
University.
Dobruszkes, F., (2006), An analysis of European Low-cost airlines and their networks, Journal of Transport Geography, 14(4), p249-364.
Doganis, R., (2002), Advice on aviation issues for the Department of Taoiseach, Department of Public Enterprise, Journal of Air Transport Management, 9(4), p267-273.
Doganis, R., Graham, A., & Lobbenberg, A., (1995), The economic performance of European airports, Department of Air Transport, Research Report, No. 3, Cranfield University.
X
Flouris, T., Walker, T.J., (2005), The financial performance of low-cost and full-service airlines in times of crisis, Canadian Journal of Administrative Science-Revue Canadienne des sciences de L’administration, 22(1), p3-20.
Francis, G., Dennis, N., Ison, S. & Humphreys, I., (2007), The transferability of the low-cost model to long-haul airline operations, Tourism Management, 28 (2), p391–398.
Francis, G., Fidato, A. & Humphreys, I., (2003) Airport–airline interaction: the impact of low-cost carriers on two European airports, Journal of Air Transport Management, 9 (4), p267-273.
Francis, G., Humphreys, I. & Ison, S. (2004), Airports’ perspective on the growth of low-cost airlines and the remodeling of the airport-airline relationship, Tourism Management, 25, p507-514.
Francis, G., Humphreys, I., Ison, S., Aicken, M., (2006), Where next for low-cost airlines? A spatial and temporal comparative study, Journal of Transport Geography, 14, p83–94.
Franke, M., (2004), Competition between network carriers and low-cost carriers – retreat battle or breakthrough to a new level of efficiency?, Journal of Air Transport Management, p15-21.
Franke, M., (2007), Innovation: The winning formula to regain profitability in aviation?, Journal of Air Transport Management, 13 (1), p23–30.
Gilbert, D., Child, D. & Bennett M., (2001), A qualitative study of the current practices of ‘no-frills’ airlines operating in the UK, Journal of Vacation Marketing, 7(4), p302-315.
Grice, J.F., Dugan, M.T., (2001), the limitations of bankruptcy prediction models: some caution for the researchers, review of quantitative finance and accounting,17, p151-166.
Gritta, R.D., Adrangi, B., Davalos, S. & Bright, D., (2006), A Review of The History of Air Carrier Bankruptcy Forecasting and the Application of Various Models to the U.S. Airline Industry: 1980-2005, XIV International Economic History Congress, Helsinki, Journal of Finance, 18(4), p547-560.
Herremans, L., (2007), De ontwikkeling van de grote low-cost carriers in West-Europa vanaf 2004: de economische analyse, Vrije Universiteit Brussel.
Huber, H., (2009), spatial structure and network behavior of strategic airline groups: a comparison between Europe and the United States, Journal Transport Policy, 16, p151-162.
Hwa Ryung, L., (2009), Does bankruptcy protection harm the airlines industry ? Empirical Study on bankruptcy and low cost carriers growth in the airline industry, incomplete preliminary, e-scholarship University of California.
Kupfner, F., Meersman, H., Onghena, E., Van de Voorde, E., (2010), Air freight economics. Survival of the fittest? (preliminary), Department of transport and regional economics, Universiteit Antwerpen.
XI
Macário, R., Reis, V., Viegas, J., Meersman, H., Monteiro, F., van de Voorde, E., Vanelslander, T., Mackenzie-Williams P., Schmidt H., (2007), The consequences of the growing European low-cost airline sector, Brussels: European Parliament, Directorate General for Internal Policies of the Union, xvi, 49.
Macário, R., Van de Voorde, E., (2009), The impact of the economic crisis on the EU air transport sector, Brussels: European Parliament, Directorate General for Internal Policies of the Union, transport and tourism, provisional version.
Morrell, P., (2005), Airlines within airlines: An analysis of US network airline responses to Low Cost Carriers, Air Transport Management, 11(5), p303-312.
O’Connel, F.J., Williams, G., (2005), Passengers’ perception of low cost airlines and full service carriers: A case study involving Ryanair, Aer Lingus, Air Asia and Malaysia Airlines, Journal of Air Transport management, 11, p259-272.
O’Reilly, M.D., Kangis, P., (2003), Strategies in a dynamic Marketplace: a case study in the airlines industry, Journal of business research, 56, p105-111.
Pels, E., Njegovan, N., Behrens, C., (2008), Low-cost airlines and airport competition, Air Transport Management, 45(2), p335-344.
Ricardo, F.-F., (2009), Airline competition and network structure, Transportation research partB: methodological, 43(10), p966-983.
Shrager, J., (2007), The success of easyJet and other low cost airlines is due to their focus in pursuing a pure low cost strategy and the subsequent ruthless and effective management of their value chain, MA corporate strategy and governance, University of Nottingham.
Siau C., (2007), De opstelling en het gebruik van een falingspredictiemodel, accounting en fiscaliteit, hogeschool universiteit Brussel.
Sori, Z.M., Jalil,H.A., (2009), Financial ratios, discriminant analysis and the prediction of corporate distress, Jounal of Money, Investment and Banking, 11, p288-296.
Tiernan, S., Rhoades, D., Waguespack, B., (2008), Airline alliance service quality performance-an analysis of US and EU member airlines, Journal of Transport Management, 14(4), p99-102.
Van der Zwan, J., (2005), Low-cost Carriers-Europa: een onderzoek naar de Europese low-cost carriers en hun netwerkontwikkeling, Universiteit Utrecht, Sociale Geografie en Planologie.
XII
• BOEKEN
Altman, E., (1983), Corporate Financial Distress: A Complete Guide to Predicting, Avoiding and Dealing with Bankruptcy, New York: John Wiley & Sons, 368 p.
Becker, M., (2004), Structures et stratégies des compagnies aériennes à bas coûts. Les turbulences du « low cost » dans le ciel européen, Editions L'Harmattan, (2nd ed.), Parijs, 160 p.
De Pelsmacker, P., Geuens, M., & Van den Berghe, J. (2006), Marketing communications, Pearson Education,(2nd ed.), Benelux, 515 p.
De Vocht, A., (2007), SPSS 15 voor windows, Bijleveld press, (1ste druk), Utrecht, 255 p.
Doganis, R., (2001), The Airline Business in the 21st Century, Routledge, London.
Doganis, R., (2006), The Airline Business, Routledge, (2nd ed.), London & New York.
Janssens, W., Wijnen, K., De Pelsmacker, P. & Van Kenhove, P., (2008), Marketing research with SPSS, Prentice Hall, financial times, Edinburgh,433p.
Lawton, T., (2002), Cleared for take off. Structure and strategy in the low fare airline business, Ashgate publishing limited, English, 224p.
Meersman, H., Roosens, P., Van de Voorde, E., Witlox, F., (2004), Optimising strategies in the air transport business. Survival of the fittest? , Apeldoorn: Garant (1ste druk),Leuven,145p.
Palepu, K., Healy, P., Bernard, V., Peek, E., (2007), Business analysis and valuation. IFRS edition, South-western learning, UK, 788p.
XIII
• PRESENTATIES
ABN-AMRO, (2006). Working capital: Werkkapitaal in Nederland, http://files.shareholder.com/downloads/ABN/0x0x146739/bf5fec4f-2ee5-4177-97dde41f546ca665/ABNAMRO_rapport_Werkkapitaal_in_Nederland_09_2006.pdf , geraadpleegd op 12 mei 2010.
AEA, (2007), Summary Report: Operating economy of AEA Airlines, http://www.ipcc.ch/pdf/assessment-report/ar4/wg3/ar4-wg3-spm.pdf , geraadpleegd op 15maart 2010.
AEA, (2007), yearbook 07, http://files.aea.be/Downloads/Yearbook07.pdf , geraadpleegd op 27 november 2009.
AEA, (2008), Sensing the urgency: the current turmoil-and beyond, http://files.aea.be/Speeches/PP_Ind_Forum_Dublin_2009.pdf , geraadpleegd op 16 april 2010.
AEA, (2009), Are Airlines doomed or able to adapt? The future landscape of European Aviation, http://files.aea.be/Speeches/HUMAV_2009_Final.pdf , geraadpleegd op 17 april 2010.
AEA, (2009), State of the industry: Old normal dead; a New normal lies ahead, http://files.aea.be/Speeches/PPT_00080.pdf , geraadpleegd op 16 april 2010.
AEA, (2010), Traffic Trends 10/2009, http://files.aea.be/RIG/Source/trends/TrafficTrends-102009.pdf , geraadpleegd op 30 november.
AEA, De Vroey V., (2009), Challenges facing Europe’s Airlines, http://files.aea.be/Speeches/Boeing_CDA_Bar_08Oct09.pdf , geraadpleegd op 17april 2010.
ELFAA, (2004), liberalization of european air transport, the benefits of low fares airlines to consumers, airports, regions and the environment, http://www.elfaa.com/publications.htm, geraadpleegd op 7maart 2010.
EUROCONTROL, (2006), Low-Cost Carrier Market Update December, http://www.eurocontrol.int/statfor/gallery/content/public/analysis/LowCostMarketUpdateDec06_V01.pdf , geraadpleegd op 7maart 2010.
IATA, (2009), Annual Report, http://www.iata.org/pressroom/Documents/IATAAnnualReport2009.pdf , geraadpleegd op 3mei 2010.
IATA, (2010), Airlines financial monitor, http://www.iata.org/whatwedo/Documents/economics/AirlinesFinancialMonitorJan10.pdf , geraadpleegd op 3mei 2010.
IATA, (2010), Outlook for airline markets and financial performance, http://www.iata.org/whatwedo/economics/Pages/index.aspx , geraadpleegd op 12mei 2010.
XIV
IATA, Pearce, B., (2009), Conditions improving but substantial risks remain, http://www.iata.org/whatwedo/economics/Documents/Industry_Outlook_Presentation_Dec09.pdf , geraadpleegd op 3mei 2010.
• SITES
Aer Lingus:
<http://www.aerlingus.com>
Air Berlin:
<http://www.airberlin.com>
Air transport intelligence:
<http://www.rati.com/>
Bmibaby:
<http://www.bmibaby.com>
Easy:
<http://www.easy.com/>
Easyjet:
<http://corporate.easyjet.com>
ELFAA:
<http://www.elfaa.com/>
Eurocontrol, single European sky:
<http://www.eurocontrol.int/ses/public/subsite_homepage/homepage.html>
European Commission, Mobility and transport:
<http://ec.europa.eu/transport/air/environment/environment_en.htm>
Flybe:
<http://www.flybe.com>
Germanwings:
<http://www.germanwings.com>
Helvetic Airways:
<http://www.helvetic.com/en/Default.aspx>
XV
IATA:
<http://www.iata.org/index.htm>
ICAO:
<http://www.icao.int/>
Investopedia:
<http://www.investopedia.com/articles/fundamental/04/012804.asp>
Jet2.com:
<http://www.jet2.com>
Myair:
<http://www.myair.com/jspmyair/index.jsp>
Norwegian air shuttle:
<http://www.norwegian.com/nl/>
OAG:
<http://www.oag.com/>
Ryanair:
<http://www.ryanair.com>
Single European Sky ATM Research:
<http://www.sesarju.eu/>
Smartwings:
<http://www.smartwings.com/home.php?lang=en>
Sverige Flyg:
<http://www.sverigeflyg.se>
Transavia:
<http://www.transavia.com>
Tuifly:
<http://www.tuifly.com/en/>
Virgin Express:
http://www.virgin.com
XVI
Vueling:
<http://www.vueling.com>
Wizz Air:
<http://www.wizzair.com>
17
Bijlagen
Bijlage 1: Database met ratio's
18
Case LCC Jaar Jaar bankroet Bankroet CR ROA ROE WC/TA RE/TA EBIT/TA MVE/TL S/TA
1 Easyjet 1999 1 0,9185 -0,1716 -3,0913 -0,0810 0,0000 -0,1666 0,0558 3,4511 2 Easyjet 2000 1 0,6516 0,0849 0,4738 -0,1131 0,0000 0,0849 0,2183 1,0178 3 Easyjet 2001 1 2,5703 0,0746 0,1198 0,3505 0,1077 0,0750 1,6515 0,7023 4 Easyjet 2002 1 2,0102 0,0460 0,0673 0,2471 0,0906 0,0640 2,1556 0,5180 5 Easyjet 2003 1 1,8280 0,0287 0,0427 0,1916 0,1067 0,0429 2,0547 0,8264 6 Easyjet 2004 1 2,1757 0,0310 0,0521 0,2793 0,1022 0,0381 1,4741 0,8235 7 Easyjet 2005 1 2,2452 0,0264 0,0507 0,3073 0,1132 0,0302 1,0889 0,8327 8 Easyjet 2006 1 2,1360 0,0451 0,0974 0,2723 0,1361 0,0550 0,8619 0,7628 9 Easyjet 2007 1 1,8774 0,0599 0,1307 0,2167 0,1644 0,0626 0,8451 0,7143 10 Easyjet 2008 1 1,3401 0,0290 0,0704 0,0999 0,1719 0,0327 0,7032 0,7632 11 Easyjet 2009 1 1,3954 0,0194 0,0545 0,1737 0,1588 0,0164 0,4482 0,5732 12 Ryanair 2002 1 3,2513 0,1009 0,1902 0,3347 0,2807 0,1108 1,1289 0,3523 13 Ryanair 2003 1 3,0333 0,0898 0,1749 0,2793 0,3131 0,1092 1,0557 0,3674 14 Ryanair 2004 1 2,9282 0,0683 0,1365 0,2934 0,3310 0,0860 1,0000 0,3658 15 Ryanair 2005 1 3,0509 0,0726 0,1599 0,3001 0,3345 0,0877 0,8804 0,3810 16 Ryanair 2006 1 2,3498 0,0788 0,1697 0,2348 0,3598 0,0938 0,8661 0,4144 17 Ryanair 2007 1 2,1147 0,0817 0,1859 0,2019 0,3506 0,0911 0,7841 0,4446 18 Ryanair 2008 1 1,5335 0,0617 0,1561 0,1689 0,0000 0,0205 0,5857 0,6544 19 Ryanair 2009 1 1,8445 0,0265 0,0698 0,2346 0,0000 0,0145 0,5564 0,4606 20 Air Berlin 2005 1 0,7940 0,1091 0,5877 -0,0751 0,0141 0,0052 0,2281 1,0632 21 Air Berlin 2006 1 0,8810 0,0315 0,1118 -0,0437 0,0066 0,0404 0,3928 0,9181 22 Air Berlin 2007 1 0,9268 0,0084 0,0353 -0,0276 0,0127 0,0086 0,3087 1,0133 23 Air Berlin 2008 1 0,6631 -0,0312 -0,2017 -0,1397 0,0180 0,0059 0,1851 1,4165 24 Air Berlin 2009 1 0,9336 -0,0039 -0,0155 -0,0227 0,0258 0,0118 0,3386 1,3437 25 Jet2.com 1999 1 2,0464 0,1677 0,3057 0,4723 0,5330 0,2031 1,2155 3,0470 26 Jet2.com 2000 1 1,8207 0,1117 0,2313 0,4242 0,4710 0,1346 0,9344 2,8910 27 Jet2.com 2001 1 2,0717 0,0904 0,1678 0,4942 0,5272 0,1166 1,1684 2,6461 28 Jet2.com 2002 1 1,5337 0,0252 0,0664 0,3325 0,3719 0,0226 0,6097 1,9900 29 Jet2.com 2003 1 1,3800 0,0428 0,1428 0,2669 0,2942 0,0418 0,4272 2,1965 30 Jet2.com 2004 1 1,1714 0,0745 0,4707 0,1445 0,1559 0,0807 0,1878 1,4148 31 Jet2.com 2005 1 1,1713 0,0455 0,2415 0,1405 0,1860 0,0269 0,2296 1,8693 32 Jet2.com 2006 1 1,0429 0,2610 0,1970 0,0373 0,1308 0,0670 0,1523 1,5970 33 Jet2.com 2007 1 0,9323 -0,1414 -0,2681 -0,0642 0,0511 -0,1214 0,0556 2,0306 34 Jet2.com 2008 1 1,0612 0,0927 0,6760 0,0529 0,1357 0,1165 0,1587 1,7324 35 Flybe 1999 1 0,8431 0,0138 0,0947 -0,1014 0,1327 0,0308 0,1699 2,1483 36 Flybe 2000 1 0,7910 -0,1159 -0,0870 -0,1660 1,8773 -0,1345 0,0135 2,1952 37 Flybe 2001 1 0,8722 -0,1631 -0,1016 -0,1038 -0,1622 -0,1482 0,0163 2,0615 38 Flybe 2002 1 0,7837 0,0023 0,1206 -0,1664 -0,1616 0,0088 0,0192 2,1192 39 Flybe 2003 1 0,8128 0,0307 0,6197 -0,1482 -0,1276 -0,1493 0,0522 2,2148 40 Flybe 2004 1 0,8033 0,0617 0,1020 -0,1672 -0,1099 0,0678 0,0644 1,8510 41 Flybe 2005 1 0,7700 -0,0177 -0,0072 -0,1939 -0,1968 -0,0016 2,4728 2,4241 42 Flybe 2006 1 0,8671 0,0167 0,3912 -0,1033 -0,0464 0,0210 0,0409 1,3191 43 Flybe 2007 1 0,8338 0,1144 0,2663 -0,0947 0,0398 0,0219 0,0449 1,6664
19
44 Flybe 2008 1 0,6866 0,0033 0,0663 -0,2145 0,0251 -0,0384 0,0530 1,8566 45 Thomsonfly 2001 1 1,5306 0,1134 0,2930 0,1484 0,1156 0,1722 0,6319 1,7574 46 Thomsonfly 2002 1 2,3933 0,2587 0,5440 0,3767 0,2367 0,2178 0,9064 1,6106 47 Thomsonfly 2003 1 2,0272 0,2281 0,5219 0,3300 0,1816 0,3142 0,7762 1,8227 48 Thomsonfly 2004 1 2,3202 0,2507 0,4915 0,3769 0,2599 0,3229 1,0416 1,8960 49 Thomsonfly 2005 1 2,5230 0,1906 1,0122 0,3756 -0,0169 0,2600 0,2320 1,7349 50 Thomsonfly 2006 1 2,0557 0,2359 0,7182 0,3356 0,1680 0,1991 0,4891 1,6255 51 Thomsonfly 2007 1 1,9435 -0,2119 -0,5524 0,3533 0,2442 -0,2109 0,6224 1,0862 52 First choice Airways 1999 1 1,1493 0,0378 0,3533 0,1279 0,1069 0,0492 0,1198 0,4331 53 First choice Airways 2000 1 1,1600 0,0240 0,2253 0,1357 0,1066 0,0336 0,1194 0,3570 54 First choice Airways 2001 1 1,1087 0,0142 0,2052 0,0963 0,0693 0,0214 0,0746 0,2935 55 First choice Airways 2002 1 1,0933 0,0215 0,3574 0,0842 0,0600 0,0287 0,0639 0,2571 56 First choice Airways 2003 1 1,0318 0,0292 1,3971 0,0304 0,0209 0,0386 0,0214 0,2884 57 First choice Airways 2004 1 1,1736 0,0567 0,4870 0,1402 0,1138 0,0871 0,1317 0,6861 58 First choice Airways 2005 1 1,3373 0,1300 0,6552 0,2118 0,0041 0,1730 0,2476 1,3982 59 First choice Airways 2006 1 1,6629 0,1102 0,4352 0,3247 0,2529 0,2006 0,3392 1,7383 60 First choice Airways 2008 1 1,2214 0,1894 3,0966 0,1546 0,0608 0,2878 0,0651 2,0664 61 Thomson Airways 2008 1 1,3986 0,1028 0,4886 0,2618 0,1260 0,0910 0,2663 0,8771 62 Myair 2005 2009 0 0,1833 -0,0549 0,0018 -0,4157 -0,0549 -0,0373 0,8519 1,7083 63 Helvetic Airways 2003 1 0,6302 -0,3079 -0,8912 -0,1576 -0,3052 -0,4664 0,5278 1,2268 64 Helvetic Airways 2004 1 0,3583 -0,3438 -0,6883 -0,2398 -0,4549 -0,3358 0,9982 2,0291 65 Helvetic Airways 2005 1 0,3386 -0,9693 -2,5607 -0,4118 -1,5074 -0,6508 0,6091 2,5180 66 Helvetic Airways 2006 1 0,2157 -0,1326 -0,4730 -0,5425 -0,1326 -0,2241 0,3896 2,7828 67 Helvetic Airways 2007 1 0,3192 0,0906 0,2024 -0,3761 -0,0778 0,2066 0,8099 3,1037 68 SkyEurope 2002 2009 0 0,4659 -0,2905 2,2328 -0,0591 -0,3437 -0,2834 -0,5654 0,3402 69 SkyEurope 2003 2009 0 0,6057 -0,2090 -0,0479 -0,1417 -0,4409 -0,2034 -1,1198 0,8185 70 SkyEurope 2004 2009 0 0,7129 -0,3422 3,7888 -0,2559 -0,5325 -0,3608 -0,0828 1,5735 71 SkyEurope 2006 2009 0 1,0109 -0,1277 -0,4404 0,1982 -0,2579 -0,1397 0,4085 0,6281 72 BmiBaby 1999 1 0,7138 0,0348 0,2112 -0,1260 0,1276 0,0255 0,1973 1,7382 73 BmiBaby 2000 1 0,7653 0,0187 0,1245 -0,1023 0,1187 0,0209 0,1768 1,6573 74 BmiBaby 2001 1 0,9902 0,0139 0,1020 -0,0037 0,1118 -0,0438 0,1575 1,2792 75 BmiBaby 2002 1 1,0106 -0,0258 -0,2499 0,0043 0,0765 -0,0188 0,1151 1,4555 76 BmiBaby 2003 1 0,9873 -0,0113 -0,1230 -0,0056 0,0636 -0,0230 0,1011 1,5950 77 BmiBaby 2004 1 1,0541 -0,0045 -0,0465 0,0262 0,0672 -0,0263 0,1082 1,8422 78 BmiBaby 2005 1 0,9999 0,0163 0,9180 -0,0001 -0,0487 0,0171 0,1885 2,0014 79 BmiBaby 2006 1 1,0822 0,0551 0,5009 0,0431 -0,0239 0,0606 0,1237 2,2542 80 BmiBaby 2007 1 0,9989 0,0007 0,0010 -0,0003 0,6330 0,0059 1,8070 0,7613 81 BmiBaby 2008 1 0,5932 -0,4147 -0,9960 -0,3386 -0,4531 -0,4310 0,7135 2,9288 82 BlueAir 2006 1 0,5398 0,1212 0,0702 -0,6154 -0,1988 0,0138 0,7779 0,5204 83 BlueAir 2007 1 0,8188 0,0421 0,0732 -0,0011 -0,7541 0,0717 0,2122 0,3007 84 Go fly 1999 2002 0 0,9540 -0,2723 -0,5420 -0,0446 -0,2142 -0,4170 1,0097 2,0213 85 Go fly 2000 2002 0 1,2060 0,0348 0,8962 0,1589 -0,3588 0,0230 0,0404 2,0431 86 Go fly 2001 2002 0 1,3837 0,0648 0,5075 0,2676 -0,1215 0,0679 0,1464 1,5364 87 Go fly 2002 2002 0 1,2900 -0,0332 -0,3674 0,2167 -0,1509 0,0177 0,1429 0,7234 88 Air Lib 1999 2003 0 0,8143 -0,1237 -0,0973 -0,0080 -0,7900 -0,1505 0,0129 1,7678
20
89 BA connect 1999 1 1,9470 0,2374 0,3663 0,3327 0,3436 0,1914 1,8413 2,2419 90 BA connect 2000 1 1,0802 0,1369 1,5637 0,0410 0,0882 0,0948 0,0960 2,5953 91 BA connect 2001 1 0,8690 -0,0491 -0,4686 -0,0797 0,0609 -0,0296 0,1171 1,4433 92 BA connect 2002 1 0,7566 -0,3334 -1,3771 -0,1606 -0,2803 -0,0271 0,3194 3,3708 93 BA connect 2003 1 0,3818 -0,4825 -0,6967 -0,7119 -0,7295 -0,4549 2,2528 4,1628 94 BA connect 2004 1 0,2805 -0,1999 -0,2237 -1,0558 -0,9338 -0,2539 8,3963 4,3483 95 BA connect 2005 1 0,3831 -0,5768 -0,7063 -0,6127 -2,1296 -0,5797 4,4504 4,8279 96 BA Cityflyer 2007 1 2,5375 -0,1642 -0,6086 0,4866 -0,3889 -0,1701 1,5888 1,3283 97 BA Cityflyer 2008 1 3,6540 -0,4339 -0,5579 0,5748 -0,6994 -0,4346 3,4990 1,0312 98 Volare Web Airlines 2003 2004 0 0,2800 -0,0103 -0,3311 -0,0287 -0,6637 -0,0038 0,0322 1,4478 99 EuroJet Romania 2006 1 0,5003 -0,0879 0,0140 -0,3028 -0,1138 -0,0415 0,8625 0,2889 100 EuroJet Romania 2007 1 0,1304 -0,0629 -0,9672 -0,3437 -0,1015 -0,0157 0,6950 0,2247 101 EuroJet Romania 2008 1 0,1313 -0,3182 -0,8448 -0,5584 -0,4545 -0,1104 0,6042 0,6299 102 Air Luxor 2004 2006 0 1,5131 0,0029 0,0110 0,0635 0,0112 -0,0238 0,3499 2,5009 103 My Travel Airways 2001 1 1,5037 0,0666 0,3090 0,3007 0,0143 0,0724 0,2747 1,3334 104 My Travel Airways 2002 1 1,3655 0,0799 0,4100 0,1912 0,0163 0,0910 0,2419 1,1767 105 My Travel Airways 2003 1 1,3021 -0,0637 -0,4561 0,1597 -0,0466 -0,0269 0,1623 1,3036 106 My Travel Airways 2004 1 1,3566 0,0047 0,0352 0,1863 -0,0386 0,0471 0,1553 1,1890 107 My Travel Airways 2005 1 1,5213 0,0486 0,2254 0,2354 0,0058 0,0489 0,2747 0,9549 108 My Travel Airways 2006 1 1,7860 0,0408 0,1102 0,2543 0,0624 0,0376 0,5887 1,1929 109 My Travel Airways 2007 1 1,3687 0,0722 0,2235 0,1432 0,0754 0,0793 0,4771 1,0993 110 Aer Lingus 2007 1 1,9237 0,0560 0,1125 0,2524 0,0355 0,0470 1,8188 0,6831 111 Aer Lingus 2008 1 1,3593 -0,0527 -0,1441 0,1364 0,0197 -0,0771 0,5778 0,6496 112 Aer Lingus 2009 1 1,6320 -0,0752 -0,1846 0,1677 0,1088 0,0980 0,6866 0,6967 113 HPX + TUIfly 1999 1 0,5167 0,2439 1,1705 -0,2624 nb 0,0909 0,2633 1,8209 114 HPX + TUIfly 2000 1 0,3133 0,1801 1,4483 -0,4800 nb 0,0831 0,1420 1,2541 115 HPX + TUIfly 2003 1 0,5300 0,0242 0,1138 -0,1855 0,0000 0,0311 0,3440 1,4793 116 HPX + TUIfly 2004 1 0,6568 0,0432 0,1779 -0,1086 0,0000 0,0664 0,4067 1,4649 117 HPX + TUIfly 2005 1 0,7212 0,0323 0,1131 -0,0874 0,0000 0,0549 0,5409 1,1874 118 HPX + TUIfly 2006 1 0,7053 0,0651 0,2815 -0,0922 0,0000 0,0928 0,3954 1,5763 119 HPX + TUIfly 2007 1 0,8345 0,0145 0,0756 -0,0583 0,0000 0,0294 0,2910 1,3411 120 HPX + TUIfly 2008 1 1,6717 -0,0087 -0,0633 0,2309 0,0000 -0,0197 0,2286 1,1465 121 HPX + TUIfly 2009 1 0,8173 0,0296 0,1684 -0,0731 0,0000 0,0485 0,2716 0,9676 122 Norwegian 2001 1 0,8107 0,0796 0,4508 -0,1498 0,1666 0,1183 0,2231 4,3930 123 Norwegian 2002 1 1,0910 -0,2353 -0,7288 0,0444 0,0354 -0,3348 0,5101 1,7538 124 Norwegian 2003 1 2,0145 -0,0815 -0,1622 0,3821 0,0211 -0,1109 1,2079 1,8277 125 Norwegian 2005 1 1,0682 0,0396 0,1889 0,0473 -0,0263 0,0368 0,2650 2,9183 126 Norwegian 2006 1 1,0089 -0,0207 -0,0844 0,0058 -0,0140 -0,0287 0,3254 2,7698 127 Norwegian 2007 1 1,0400 0,0363 0,1664 -0,0388 0,0351 0,0575 0,2788 1,8130 128 Norwegian 2008 1 1,0251 0,0017 0,0060 -0,0563 0,0232 -0,1063 0,3933 1,9587 129 Norwegian 2009 1 0,9897 0,1241 0,3890 -0,0048 0,1035 0,1139 0,4683 1,4554 130 Transavia 2008 1 1,3105 0,0097 0,0722 0,0931 0,0000 0,0372 0,1596 0,8271 131 Transavia 2009 1 1,0295 0,0158 0,1231 0,0113 0,0000 0,0209 0,1449 0,9456 132 Vueling 2006 1 2,4280 -0,0682 -0,1160 0,5135 0,0000 -0,0654 1,4249 1,4900 133 Vueling 2007 1 0,9790 -0,4653 -4,2636 -0,0157 0,0000 -0,5512 0,1227 2,6688
21
134 Vueling 2008 1 0,7970 0,0580 0,1850 -0,1093 0,0000 -0,2598 0,4568 1,3760 135 Vueling 2009 1 0,8590 -0,1540 -0,2615 -0,1573 0,0000 -0,5233 0,4072 1,1345 136 Clickair 2008 1 0,7009 -0,4566 -1,2050 0,0034 0,0000 -0,2528 0,2023 1,1125
22
Bijlage 2: procentuele groei van de vraag naar luchtvervoer voor passagiers en goederen (jul 2005-jan2010)
Bron: IATA presentatie ‘airlines finacial monitor’ (maart 2010)
Bijlage 3: passagiersverlies van 2008-2009 volgens AEA (billions)
Bron: AEA presentatie ‘state of the industry’ (2009)
23
Bijlage 4: inkomsten per ticket-type (2005-2010)
Bron: IATA presentatie’outlook for airline markets and financial performance ‘(maart 2010)
Bijlage 5: aantal vliegtuigen voor AEAmaatschappijen (A) en aantal vliegtuigen aan de grond gehouden (B)
Bron: AEA presentatie ‘state of the industry’ (2009)
Bijlage 6: procentuele capaciteitwijzigingen van luchtvaartmaatschappijen (jul2005-jan2010)
Bron: IATA presentatie ‘airlines finacial monitor’ (maart 2010)
24
Bijlage 7: LCC’s capaciteitswijzigingen
Bron: AEA presentatie ‘state of the industry’ (2009)
Bijlage 8: profit margin van enkele LCC's in 2006
Bron: AEA, summary report (2007)
25
Bijlage 9: Failliete LCC's of fusies in Europa
Jaar LCC Land van origine Gebeurtenis
1999 AB airlines VK Bankroet
Color Air Noorwegen Bankroet
Debonair VK Bankroet
2002 GO fly VK Bankroet
2003 Air lib Frankrijk Bankroet
Buzz VK Fusie met Ryanair
Goodjet Zweden Bankroet
2004 Air Polinia Polen Bankroet
Basic Air Nederland Fusie met Transavia
Duo Airways VK Bankroet
Flying Finn Finland Bankroet
Germania Express Duitsland Fusie met dba
GetJet Polen Bankroet
Jetgreen Ierland Bankroet
Skynet Airlines VK Bankroet
V-bird Nederland Bankroet
VolareWeb Italië Bankroet
2005 Air Andalucia Spanje Bankroet
Eujet Ierland Bankroet
Intersky Oostenrijk Bankroet
Maersk Air Denemarken Fusie met Sterling
2006 Air Tourquoise Frankrijk Bankroet
Air Wales VK Bankroet
Budget Air Ierland Bankroet
Dba Duitsland Fusie met Air Berlin
Flywest Frankrijk Bankroet
HiFly/Air Luxor Prtugal Bankroet
My travelite VK Geïntegreerd in My Travel Airways
Snalskjusten Zweden Bankroet
2007 LTU Duitsland Fusie met Air Berlin
2009 Nordic Airways Zweden Bankroet
Ltu International Airways Duitsland Fusie met Air Berlin
ThomsonFly VK Werd Thomson Airways
First Choice Airways VK Werd Thomson Airways
Clikair Spanje Fusie Vueling
Myair Italië Bankroet
Sky Europe Slovakije Bankroet
Bron: Macário et al (2007) en Macário & Van de Voorde (2009)
26
Bijlage 10: SPSS output T-test
Group Statistics
failliet gegaan of niet ? N Mean Std. Deviation Std. Error Mean
NIET bankroet 124 1,266003 ,7003673 ,0628948 Current ratio
Bankroet 12 ,868307 ,4342507 ,1253574
NIET bankroet 124 ,038781 ,7604810 ,0682932 Return on Equity
Bankroet 12 ,467686 1,2975761 ,3745780
NIET bankroet 124 -,008076 ,1782651 ,0160087 Return on assets
Bankroet 12 -,113447 ,1368905 ,0395169
NIET bankroet 124 ,037349 ,2701874 ,0242635 Net working capital to total assets
Bankroet 12 -,004066 ,2026465 ,0584990
NIET bankroet 122 ,015881 ,3736339 ,0338272 Retained earnings to total assets
Bankroet 12 -,326484 ,2455695 ,0708898
NIET bankroet 124 -,007336 ,1757322 ,0157812 EBIT to total assets
Bankroet 12 -,125923 ,1609823 ,0464716
NIET bankroet 124 ,657849 ,9787910 ,0878980 Market value of equity to book value of total liabilities
Bankroet 12 ,102220 ,5668348 ,1636311
NIET bankroet 124 1,522821 ,9210573 ,0827134 Sales to total assets
Bankroet 12 1,425783 ,6605547 ,1906857
27
Independent Samples Test
Levene's Test for Equality of
Variances t-test for Equality of Means
95% Confidence Interval of the
Difference
F Sig. t df Sig. (2-tailed)
Mean Difference
Std. Error Difference Lower Upper
Equal variances assumed
2,489 ,117 1,928 134 ,056 ,3976961 ,2063166 -,0103623 ,8057544 CR
Equal variances not assumed 2,836 17,138 ,011 ,3976961 ,1402506 ,1019745 ,6934177
Equal variances assumed
6,538 ,012 -1,734 134 ,085 -,4289057 ,2472886 -,9179994 ,0601880 ROE
Equal variances not assumed -1,126 11,742 ,282 -,4289057 ,3807527 -1,2605184 ,4027070
Equal variances assumed
,001 ,970 1,989 134 ,049 ,1053712 ,0529778 ,0005903 ,2101521 ROA
Equal variances not assumed 2,471 14,871 ,026 ,1053712 ,0426364 ,0144251 ,1963173
Equal variances assumed
1,080 ,301 ,516 134 ,606 ,0414148 ,0802032 -,1172131 ,2000427 WC/TA
Equal variances not assumed ,654 15,070 ,523 ,0414148 ,0633313 -,0935178 ,1763473
Equal variances assumed
,004 ,949 3,103 132 ,002 ,3423651 ,1103312 ,1241192 ,5606110 RE/TA
Equal variances not assumed 4,359 16,502 ,000 ,3423651 ,0785471 ,1762634 ,5084668
Equal variances assumed
,138 ,711 2,247 134 ,026 ,1185874 ,0527756 ,0142064 ,2229684 EBIT/TA
Equal variances not assumed 2,416 13,667 ,030 ,1185874 ,0490780 ,0130844 ,2240904
Equal variances assumed
,479 ,490 1,931 134 ,056 ,5556281 ,2877234 -,0134388 1,1246949
MVE/TL
Equal variances not assumed 2,991 18,129 ,008 ,5556281 ,1857450 ,1655914 ,9456648
Equal variances assumed
,943 ,333 ,356 134 ,723 ,0970389 ,2728476 -,4426061 ,6366838 S/TA
Equal variances not assumed ,467 15,480 ,647 ,0970389 ,2078522 -,3447946 ,5388724
28
Bijlage 11: Anova Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Current ratio ,761 10 125 ,666
Return on Equity ,984 10 125 ,461
Return on assets 1,737 10 125 ,079
Net working capital to total assets (liquiditeits ratio)
,744 10 125 ,681
Retained earnings to total assets (winstgevendheid ratio)
2,771 10 123 ,004
EBIT to total assets (winstgevendheid ratio)
1,028 10 125 ,424
Market value of equity to book value of total liabilities (leverage ratio)
1,793 10 125 ,068
Sales to total assets (turnover ratio)
,594 10 125 ,816
ANOVA
Sum of Squares df Mean Square F Sig.
Between Groups 1,398 10 ,140 ,278 ,985
Within Groups 62,740 125 ,502
Current ratio
Total 64,138 135 Between Groups 6,539 10 ,654 ,960 ,482
Within Groups 85,130 125 ,681 Return on Equity
Total 91,668 135 Between Groups ,235 10 ,024 ,735 ,691
Within Groups 4,001 125 ,032
Return on assets
Total 4,236 135 Between Groups ,285 10 ,028 ,388 ,950
Within Groups 9,165 125 ,073
Net working capital to total assets (liquiditeits ratio)
Total 9,450 135 Between Groups 1,911 10 ,191 1,389 ,193
Within Groups 16,925 123 ,138
Retained earnings to total assets (winstgevendheid ratio)
Total 18,836 133 Between Groups ,173 10 ,017 ,532 ,865
Within Groups 4,064 125 ,033 EBIT to total assets (winstgevendheid ratio)
Total 4,237 135 Between Groups 6,542 10 ,654 ,692 ,731
Within Groups 118,208 125 ,946 Market value of equity to book value of total liabilities (leverage ratio)
Total 124,750 135 Between Groups 10,801 10 1,080 1,371 ,201
Within Groups 98,448 125 ,788
Sales to total assets (turnover ratio)
Total 109,249 135
29
Bijlage 12: Scatterplot om significantie outliers na te gaan
30
Bijlage 13: Logistische regressie rekenhoudende met de outliers
Case Processing Summary
Unweighted Casesa N Percent
Included in Analysis 133 98,5
Missing Cases 2 1,5
Selected Cases
Total 135 100,0
Unselected Cases 0 ,0
Total 135 100,0
a. If weight is in effect, see classification table for the total number of
cases.
Block 0: Beginning Block
Classification Table a,b
Predicted
failliet gegaan of niet ?
Observed Bankroet Niet Bankroet
Percentage
Correct
Bankroet 0 12 ,0 failliet gegaan of niet ?
Niet Bankroet 0 121 100,0
Step 0
Overall Percentage 91,0
a. Constant is included in the model.
b. The cut value is ,500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 0 Constant 2,311 ,303 58,300 1 ,000 10,083
31
Variables not in the Equation
Score df Sig.
CurrentRatio 4,124 1 ,042
ROE 3,265 1 ,071
ROA 5,423 1 ,020
NetWorkingCapitalRatio ,440 1 ,507
RetainedEarningsToTotalAss
ets
11,026 1 ,001
EBITToTotalAssets 5,700 1 ,017
EquityToLiabilitiesRatio 3,707 1 ,054
Variables
SalesToTotalAssets ,105 1 ,745
Step 0
Overall Statistics 32,325 8 ,000
Block 1: Method = Forward Stepwise (Conditional)
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 8,925 1 ,003
Block 8,925 1 ,003
Step 1
Model 8,925 1 ,003
Step 19,940 1 ,000
Block 28,865 2 ,000
Step 2
Model 28,865 2 ,000
Model Summary
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 71,689a ,065 ,143
2 51,749b ,195 ,429
a. Estimation terminated at iteration number 6 because
parameter estimates changed by less than ,001.
32
Model Summary
Step -2 Log likelihood
Cox & Snell R
Square
Nagelkerke R
Square
1 71,689a ,065 ,143
2 51,749b ,195 ,429
a. Estimation terminated at iteration number 6 because
parameter estimates changed by less than ,001.
b. Estimation terminated at iteration number 7 because
parameter estimates changed by less than ,001.
Classification Table a
Predicted
failliet gegaan of niet ?
Observed Bankroet Niet Bankroet
Percentage
Correct
Bankroet 0 12 ,0 failliet gegaan of niet ?
Niet Bankroet 1 120 99,2
Step 1
Overall Percentage 90,2
Bankroet 5 7 41,7 failliet gegaan of niet ?
Niet Bankroet 1 120 99,2
Step 2
Overall Percentage 94,0
a. The cut value is ,500
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
RetainedEarningsToTotalAss
ets
2,335 ,894 6,822 1 ,009 10,327 Step 1a
Constant 2,546 ,349 53,083 1 ,000 12,756
RetainedEarningsToTotalAss
ets
5,406 1,406 14,786 1 ,000 222,804
EquityToLiabilitiesRatio 2,485 ,762 10,644 1 ,001 12,006
Step 2b
Constant 2,080 ,427 23,682 1 ,000 8,007
a. Variable(s) entered on step 1: RetainedEarningsToTotalAssets.
b. Variable(s) entered on step 2: EquityToLiabilitiesRatio.
33
Model if Term Removed a
Variable
Model Log
Likelihood
Change in -2 Log
Likelihood df
Sig. of the
Change
Step 1 RetainedEarningsToTotalAss
ets
-40,397 9,106 1 ,003
RetainedEarningsToTotalAss
ets
-38,568 25,387 1 ,000 Step 2
EquityToLiabilitiesRatio -36,145 20,541 1 ,000
a. Based on conditional parameter estimates
Variables not in the Equation
Score df Sig.
CurrentRatio 1,027 1 ,311
ROE 4,644 1 ,031
ROA ,027 1 ,869
NetWorkingCapitalRatio 1,228 1 ,268
EBITToTotalAssets ,191 1 ,662
EquityToLiabilitiesRatio 9,042 1 ,003
Variables
SalesToTotalAssets 3,198 1 ,074
Step 1
Overall Statistics 17,089 7 ,017
CurrentRatio ,386 1 ,534
ROE ,431 1 ,511
ROA ,225 1 ,635
NetWorkingCapitalRatio 1,817 1 ,178
EBITToTotalAssets ,838 1 ,360
Variables
SalesToTotalAssets ,004 1 ,950
Step 2
Overall Statistics 6,410 6 ,379
34
Casewise List b
Observed Temporary Variable
Case Selected Statusa failliet gegaan of
niet ? Predicted Predicted Group Resid ZResid
62 S B** ,980 N -,980 -7,031
84 S B** ,969 N -,969 -5,562
102 S B** ,953 N -,953 -4,505
a. S = Selected, U = Unselected cases, and ** = Misclassified cases.
b. Cases with studentized residuals greater than 2,000 are listed.
Bijlage 14:Correlaties van de ratio's
35
Correlations
Current ratio Return on
Equity Return on
assets
Net working capital to total
assets (liquiditeits
ratio)
Retained earnings to total
assets (winstgevendheid
ratio)
EBIT to total assets
(winstgevendheid ratio)
Market value of equity to
book value of total liabilities
(leverage ratio)
Sales to total assets
(turnover ratio)
Pearson Correlation 1 ,068 ,302** ,834** ,338** ,327** ,196* -,293**
Sig. (2-tailed) ,430 ,000 ,000 ,000 ,000 ,023 ,001
Current ratio
N 135 135 135 135 133 135 135 135
Pearson Correlation ,068 1 ,498** ,116 ,116 ,449** -,156 -,176*
Sig. (2-tailed) ,430 ,000 ,179 ,185 ,000 ,071 ,041
Return on Equity
N 135 135 135 135 133 135 135 135
Pearson Correlation ,302** ,498** 1 ,395** ,543** ,895** -,223** -,243**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 ,009 ,005
Return on assets
N 135 135 135 135 133 135 135 135
Pearson Correlation ,834** ,116 ,395** 1 ,453** ,428** -,167 -,360**
Sig. (2-tailed) ,000 ,179 ,000 ,000 ,000 ,052 ,000
Net working capital to total assets (liquiditeits ratio)
N 135 135 135 135 133 135 135 135
Pearson Correlation ,338** ,116 ,543** ,453** 1 ,503** -,333** -,246**
Sig. (2-tailed) ,000 ,185 ,000 ,000 ,000 ,000 ,004
Retained earnings to total assets (winstgevendheid ratio) N 133 133 133 133 133 133 133 133
Pearson Correlation ,327** ,449** ,895** ,428** ,503** 1 -,211* -,229**
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 ,014 ,007
EBIT to total assets (winstgevendheid ratio)
N 135 135 135 135 133 135 135 135
Pearson Correlation ,196* -,156 -,223** -,167 -,333** -,211* 1 ,296**
Sig. (2-tailed) ,023 ,071 ,009 ,052 ,000 ,014 ,000
Market value of equity to book value of total liabilities (leverage ratio)
N 135 135 135 135 133 135 135 135
Pearson Correlation -,293** -,176* -,243** -,360** -,246** -,229** ,296** 1
Sig. (2-tailed) ,001 ,041 ,005 ,000 ,004 ,007 ,000
Sales to total assets (turnover ratio)
N 135 135 135 135 133 135 135 135
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
36
