Zastosowanie analizy wskaźnikowej oraz modeli wczesnego

Marcin Spychała*

Zastosowanie analizy wskaźnikowej oraz modeli

wczesnego ostrzegania w prognozowaniu upadłości

przedsiębiorstw na przykładzie spółek

Irena S.A. i Krosno S.A.

Wstęp Trwający od 2007 roku kryzys gospodarczy spowodował, iż przez

świat przetoczyła się fala bankructw nie tylko małych podmiotów,

ale również globalnych korporacji. Światowa recesja, która zaostrzyła się

i rozprzestrzeniła na większość państw i branż na początku 2009 roku,

była najpoważniejszym spadkiem koniunktury od czasów II wojny

światowej. Towarzyszyły jej niezwykle gwałtowne pogorszenie sytuacji

finansowej spółek, a także trudności płatnicze, a co za tym idzie – nagły

wzrost liczby upadłości. Trafność przewidywania bankructwa ma zatem

olbrzymie znaczenie, zwłaszcza w obecnym okresie – ogranicza bowiem

ryzyko strat akcjonariuszy, kredytodawców czy pracowników.

Celem artykułu jest przedstawienie przydatności analizy wskaźni-

kowej oraz modeli wczesnego ostrzegania do prognozowania upadłości

przedsiębiorstw. W artykule zweryfikowano hipotezę, według której

modele wczesnego ostrzegania uwzględniające specyfikę polskiej go-

spodarki trafnie przewidują zagrożenie upadłością przedsiębiorstw,

podczas gdy klasyczna analiza wskaźnikowa często nie prowadzi do

jednoznacznych wniosków. Badania przeprowadzone zostały na pod-

stawie jednostkowych sprawozdań finansowych Krośnieńskich Hut

Szkła Krosno S.A. oraz Huty Szkła Gospodarczego Irena S.A. Zakres

czasowy badań przedstawionych w artykule ogranicza się do lat 2006

do 2008.1

* Mgr, Katedra Finansów Publicznych, Wydział Ekonomii, Uniwersytet Ekonomiczny

w Poznaniu, [email protected] 1 Zakres czasowy analizy empirycznej podyktowany został tym, iż 27 marca 2009 roku

Sąd Rejonowy w Krośnie ogłosił upadłość Krośnieńskich Hut Szkła Krosno S.A.

Marcin Spychała 468

1. Analiza wskaźnikowa w prognozowaniu upadłości

przedsiębiorstw

W pierwszej fazie badań dokonano analizy wskaźnikowej kondycji

finansowej dwóch hut szkła notowanych na Giełdzie Papierów Warto-

ściowych w Warszawie. Analizę przeprowadzono na podstawie wskaź-

ników: zadłużenia, płynności, sprawności oraz rentowności. Do prze-

prowadzenia wskaźnikowej analizy spółek Krosno S.A. i Irena S.A. wy-

korzystano dane zamieszczone w sprawozdaniach za lata 2006-2008

powyższych podmiotów, opublikowanych w Monitorze Polskim B.

Tablica 1. Wskaźniki zastosowane w prognozowaniu upadłości

Nazwa wskaźnika Formuła obliczeniowa

Stopa zadłużenia aktywów Zobowiązania ogółem

Aktywa ogółem

Zadłużenie kapitału własnego Zobowiązania ogółem

Kapitał własny

Wskaźnik pokrycia odsetek Zysk operacyjny

Odsetki

Wskaźnik bieżącej płynności Aktywa bieżące

Zobowiązania bieżące

Wskaźnik wysokiej płynności Aktywa bieżące - Zapasy


Wskaźnik środków pieniężnych Inwestycje krótkoterminowe


Udział kapitału obrotowego netto

w aktywach ogółem

Aktywa obrotowe - Zobowiązania

krótkoterminowe

Aktywa ogółem

Okres obrotu operacyjnego Okres obrotu zapasami +

Okres ściągania należności

Okres obrotu gotówką

Okres obrotu zapasami +

Okres ściągania należności -

Okres spłaty zobowiązań

Rentowność sprzedaży Zysk netto

Przychody ze sprzedaży

Rentowność aktywów (ROA) Zysk netto

Aktywa ogółem (przeciętnie)

Rentowność kapitału własnego (ROE) Zysk netto

Kapitał własny (przeciętnie)

Źródło: Opracowanie własne na podstawie [Rutkowski, 2007, s. 85-100], [Brigham, Hou-

ston, 2005, s. 113-133], [Pomykalska, Pomykalski, 2007, s. 67-97].

Zastosowanie analizy wskaźnikowej oraz modeli… 469

W tablicy 1 przedstawione zostały wskaźniki zastosowane w anali-

zie upadłości przedsiębiorstw wraz ze sposobem ich wyliczenia. Warto-

ści poszczególnych wskaźników obliczone dla Huty Szkła Gospo-

darczego „Irena” S.A. oraz Krośnieńskich Hut Szkła „Krosno” S.A. za-

prezentowane zostały w tablicy 2.

Tablica 2. Wartości wskaźników dla spółek Krosno S.A. i Irena S.A. w latach

2006-2008

Nazwa wskaźnika Spółka 2006 2007 2008

Stopa zadłużenia aktywów Krosno 53,83% 54,42% 110,38%

Irena 38,71% 39,67% 76,04%

Zadłużenie kapitału własnego Krosno 116,60% 119,40% -1064%

Irena 63,17% 65,74% 317,40%

Wskaźnik pokrycia odsetek Krosno 0,94 0,30 •

Irena • 0,45 •

Wskaźnik bieżącej płynności Krosno 1,60 1,52 0,35

Irena 1,04 0,99 0,60

Wskaźnik wysokiej płynności Krosno 0,79 0,78 0,17

Irena 0,58 0,51 0,29

Wskaźnik środków pieniężnych Krosno 0,42% 0,72% 0,37%

Irena 2,05% 0,31% 0,70%

Udział kapitału obrotowego netto w

aktywach ogółem

Krosno 13,45% 12,49% -70,36%

Irena 2,61% 5,66% -14,53%

Okres obrotu operacyjnego Krosno 180 162 178

Irena 185 189 170

Okres obrotu gotówką Krosno 76 47 -142

Irena 10 -15 -52

Rentowność sprzedaży Krosno 0,02% 0,62% -58,17%

Irena -7,68% -0,99% -73,02%

Rentowność aktywów (ROA) Krosno 0,02% 0,55% -46,78%

Irena -5,03% -0,63% -48,26%

Rentowność kapitału własnego (ROE) Krosno 0,03% 1,21% -217,7%

Irena -7,87% -1,03% -107,9%

[ • ] – wskaźnika nie można obliczyć, gdyż spółka w badanym roku poniosła stratę

Źródło: Opracowanie własne.

Wskaźniki zadłużenia, zwane często wskaźnikami struktury finan-

sowania, informują, z jakich źródeł przedsiębiorstwo finansuje swoje

aktywa [Pomykalska, Pomykalski, 2007, s. 88]. Na podstawie wskaźni-

ków zadłużenia, do których zalicza się stopę zadłużenia aktywów, za-


dłużenie kapitału własnego oraz wskaźnik pokrycia odsetek, można

analizować strukturę kapitału podmiotu gospodarczego.

Na podstawie danych zgromadzonych w tablicy 2 można dojść do

wniosku, iż struktura kapitału obu badanych spółek była bardzo nieko-

rzystna. Zarówno Huta Szkła Gospodarczego „Irena” S.A., jak i Kro-

śnieńskie Huty Szkła „Krosno” S.A. odnotowały w ostatnich latach sys-

tematyczny wzrost i tak już bardzo wysokiego wskaźnika ogólnego za-

dłużenia. Wskaźnik ten na przestrzeni lat 2006-2008 wzrósł w obu przy-

padkach niemal dwukrotnie, a w spółce z Krosna przekroczył nawet

100% w ostatnim badanym roku. Wielkość zadłużenia Krośnieńskich

Hut Szkła przekroczyła wartość sumy bilansowej, a to oznacza kurio-

zalną sytuację, w której kapitał własny ma wartość ujemną (-26,4 mln

PLN). Zjawisko wzrostu wartości stopy zadłużenia można w obu przy-

padkach tłumaczyć tak samo: na przestrzeni badanych lat wartość zo-

bowiązań ciągle rosła, wartość aktywów w obu przypadkach w latach

2006-2007 rosła, a w roku 2008 gwałtownie spadła (w przypadku Krosna

S.A. o 24,4% w porównaniu z rokiem wcześniejszym). Spadek wartości

aktywów w analizowanych przedsiębiorstwach tłumaczyć należy

przede wszystkim zmniejszeniem się inwestycji długoterminowych.

Dodatkowo obie badane huty w 2008 roku odnotowały dużą stratę netto

(Krosno S.A.: 138 mln PLN, co stanowi 54% sumy bilansowej; Irena S.A.:

41 mln PLN, co stanowi 57% sumy bilansowej).

W przeciągu badanego trzylecia, zarówno w przypadku Krośnień-

skich Hut Szkła, jak i Huty Szkła Gospodarczego „Irena” S.A. następo-

wał wzrost wskaźnika zadłużenia kapitału własnego. Oznacza to więk-

sze zaangażowanie obcych źródeł finansowania w stosunku do źródeł

własnych, a więc zwiększenie stopnia zadłużenia. Oddziałuje to bezpo-

średnio na poziom ryzyka finansowego z powodu wyższych rat kapita-

łowych i odsetek. W latach 2006-2007 wskaźniki zadłużenia kapitału

własnego w obu badanych przedsiębiorstwach utrzymywały się na

niemalże niezmiennym poziomie, natomiast w 2008 roku nastąpił gwał-

towny wzrost omawianego wskaźnika. W przypadku Ireny wzrósł on

prawie pięciokrotnie, natomiast w przypadku Krosna wskaźnik przyjął

wartość ujemną z powodu ujemnego kapitału własnego. Już w latach

wcześniejszych wartości wskaźnika zadłużenia kapitału własnego dla

Krosna przekraczały 100%, co oznacza, że wartość zobowiązań przekra-

czała wartość kapitału własnego.


Analizując kształtowanie się wskaźnika pokrycia odsetek można

dojść do wniosku, iż sytuacja w obu spółkach była bardzo krytyczna –

w każdym roku wskaźnik pokrycia odsetek był niższy od jedności,

co oznacza, że wypracowany zysk operacyjny nie wystarczał chociażby

na pokrycie odsetek od zobowiązań. Wskaźnika tego często nie można

było obliczyć, gdyż badane spółki ponosiły stratę już na poziomie ope-

racyjnym. Zarówno Krosno S.A., jak i Irena S.A. wpadły w pułapkę za-

dłużenia. Wypracowanego zysku (jeśli w ogóle się pojawiał) nie wystar-

czało na pokrycie chociażby odsetek. Stan niewypłacalności Krośnień-

skich Hut Szkła Krosno S.A. powstał przede wszystkim z powodu gwał-

townego wzrostu kursu euro w stosunku do złotego. Umowy opcji wa-

lutowych, które w założeniu miały zabezpieczać ryzyko zmian kursu

złotego do innych walut, w rzeczywistości naraziły spółkę na duże ry-

zyko oraz straty.

Płynność finansowa podmiotu gospodarczego może być oceniona

za pomocą następujących wskaźników [Rutkowski, 2007, s.86]: wskaź-

nika bieżącej płynności (wskaźnik III stopnia płynności), wskaźnika wy-

sokiej płynności (wskaźnik II stopnia płynności), wskaźnika płynności

środków pieniężnych (wskaźnik I stopnia płynności) oraz wskaźnika

kapitału obrotowego netto do aktywów ogółem.

Na początku badanego okresu – w 2006 roku – w obu spółkach

wskaźniki bieżącej płynności przyjmowały wartości pożądane (powyżej

jedności). W Krośnieńskich Hutach Szkła wskaźnik bieżącej płynności

w pierwszym badanym roku był bardzo wysoki – wynosił 1,6. Wynikało

to przede wszystkim z wysokiego stanu aktywów obrotowych (zwłasz-

cza zapasów i należności krótkoterminowych) oraz niskiego stanu zo-

bowiązań krótkoterminowych. W całym badanym okresie płynność obu

spółek systematycznie malała, a gwałtowny spadek wskaźnika bieżącej

płynności nastąpił w roku 2008. Do tego czasu Irena S.A. oraz Krosno

S.A. nie miały trudności z bieżącą regulacją zobowiązań, a od 2008 roku

pojawiły się problemy.

Wskaźnik wysokiej płynności w latach 2006-2007 kształtował się na

wyższym poziomie w Krośnieńskich Hutach Szkła Krosno S.A. niż

w Hucie Szkła Gospodarczego Irena S.A. Jednak w przypadku obu

spółek w całym badanym okresie następował spadek wskaźników

płynności, oznaczający rosnące problemy z regulacją bieżących zobo-

wiązań. Gwałtowny spadek wskaźnika bieżącej płynności nastąpił

w Krośnie S.A. w 2008 roku. Był on na tyle duży, że wskaźnik ten


ukształtował się po raz pierwszy w badanym okresie na poziomie niż-

szym niż wskaźnik obliczony dla Ireny S.A., mimo iż również spółka

z Inowrocławia odnotowała znaczący spadek wskaźnika na przestrzeni

roku. Tak jak w 2006 roku obie spółki nie miały problemów z bieżącą

regulacją zobowiązań, tak w roku 2008 stopy wysokiej płynności dla

obu badanych przedsiębiorstw były na bardzo niskim poziomie, co jed-

noznacznie może świadczyć o problemach z regulowaniem zobowiązań.

Wskaźnik środków pieniężnych nie mówi o stopniu wypłacalności

danego podmiotu tylko o jego sprawności płatniczej. Analizując dane

zgromadzone w tablicy 2 dotyczące powyższego wskaźnika nie można

dojść do jednoznacznych wniosków. Ogólnie można powiedzieć, iż war-

tości wskaźnika były na niskim poziomie, jednak nie wykazywały one

stałej tendencji malejącej lub rosnącej. Jednego roku wartość wskaźnika

była wyższa dla spółki z Krosna, a w roku następnym sytuacja ulegała

całkowitemu odwróceniu. Można stwierdzić, iż wartość poznawcza tego

wskaźnika maleje wraz z rozwojem usług bankowych, z których obie

spółki korzystały w szerokim zakresie. Banki umożliwiają bowiem za-

ciągnięcie kredytu w rachunku bieżącym, a nawet dopuszczają krótko-

terminowe przekroczenie salda na rachunku. Podejście takie ułatwia

zarządzanie środkami pieniężnymi w przedsiębiorstwie, gdyż umożli-

wia terminowe płacenie zobowiązań w przypadku czasowych proble-

mów z płynnością, które mogą być spowodowane niekorzystnym roz-

kładem płatności. Fakt ten znacząco zmniejsza wartość poznawczą

wskaźnika środków pieniężnych.

Interpretacja oceny wielkości udziału kapitału obrotowego netto

w aktywach ogółem jest różna w zależności od długości cyklu produk-

cyjnego. Im dłuższy jest ten cykl, tym jest pożądany wyższy poziom

wskaźnika [Pomykalska, Pomykalski, 2007, s. 76]. Z reguły sytuacja jest

bezpieczna wtedy, kiedy powyższy wskaźnik przyjmuje wartości do-

datnie [Rutkowski, 2007, s. 86]. Jednak utrzymanie zbyt wysokiego kapi-

tału obrotowego netto oznacza niewykorzystane możliwości osiągania

zysku, natomiast zbyt niski kapitał pracujący może się przyczyniać do

powodowania zakłóceń w terminowości regulowania zobowiązań krót-

koterminowych [Pomykalska, Pomykalski, 2007, s. 76]. Cykl produkcyj-

ny, z którym mają do czynienia huty szkła, jest relatywnie długi, dlatego

należy oczekiwać wysokich wartości udziału kapitału obrotowego netto

w aktywach ogółem. Zgodnie z tablicą 2 udział kapitału obrotowego

netto w aktywach ogółem do roku 2007 kształtował się na wyższym po-


ziomie w przypadku Krosna S.A. i był on każdorazowo wyższy niż 10%.

W przypadku Ireny S.A. wartość wskaźnika w latach 2006-2007 utrzy-

mywała się na niskim poziomie. W 2008 roku kapitał obrotowy netto

w obu badanych spółkach przyjął wartość ujemną, co oznacza, że war-

tość zobowiązań krótkoterminowych była wyższa od wartości wszyst-

kich aktywów obrotowych. Obie huty szkła borykały się z problemami

związanymi z bieżącą regulacją zobowiązań, co wskazały wcześniej ob-

liczone już wskaźniki płynności.

Okres obrotu operacyjnego informuje, po ilu dniach od dokonania

zakupów materiałów i towarów, które są przetwarzane i sprzedawane

odbiorcom, podmiot otrzymuje zapłatę [Rutkowski, 2007, s. 91]. Jeśli od

cyklu operacyjnego zostanie odjęty okres spłaty zobowiązań, wówczas

otrzyma się okres obrotu gotówką. Dąży się do tego, aby cykl operacyj-

ny był jak najkrótszy, gdyż przedsiębiorstwo angażuje wówczas środki

obrotowe na stosunkowo krótki okres. W ten sposób zmniejsza się zapo-

trzebowanie na zewnętrzne środki finansowe i mniejsze są koszty zwią-

zane z korzystaniem z kapitałów obcych [Rutkowski, 2007, s. 91]. Przed-

siębiorstwa dążą także do skracania okresu obrotu gotówką. Okres ten

można skrócić, przyspieszając obrót zapasami i należnościami oraz

opóźniając spłatę zobowiązań.

Na podstawie danych zawartych w tablicy 2 można dojść do wnio-

sku, iż w całym badanym okresie cykl operacyjny w obu spółkach nie

wykazywał tendencji malejącej ani rosnącej i oscylował między 162

a 189 dniami. Z kolei w obu badanych spółkach okres obrotu gotówką

systematycznie malał w całym okresie, osiągając wartość ujemną. Ujem-

ny cykl konwersji gotówki teoretycznie oznacza nadpłynność finansową

– sytuację, gdy przedsiębiorstwo szybciej odzyskuje gotówkę niż spłaca

zobowiązania. Jednak wcześniej dokonana analiza wskaźnikowa poka-

zała, iż skracanie okresu obrotu gotówką należy w tych przypadkach

wytłumaczyć w inny sposób: ujemny cykl konwersji gotówki był rezul-

tatem bardzo długiego okresu spłaty zobowiązań w obu spółkach. Długi

okres regulacji zobowiązań bynajmniej nie wynikał z wynegocjowania

tak korzystnych terminów płatności, tylko z problemów finansowych

obu hut szkła. Badane przedsiębiorstwa miały bowiem trudności z bie-

żącą regulacją zobowiązań, co w niekorzystny sposób wpływało na

okres konwersji gotówki.

Wskaźniki rentowności to grupa wskaźników pokazujących łączny

wpływ płynności, zadłużenia i zarządzania aktywami na wyniki opera-


cyjne [Brigham, Houston, 2005, s. 119]. Określają one zdolność do two-

rzenia zysków przez sprzedaż, aktywa przedsiębiorstwa oraz kapitały

własne.

Rentowność Krośnieńskich Hut Szkła Krosno S.A. oraz Huty Szkła

Gospodarczego Irena S.A. w całym badanym okresie była na zatrważa-

jąco niskim poziomie. Rentowność nigdy nie przekraczała 1%, często

była na poziomie ujemnym – sprzedaż spółek była nierentowna. Ujemne

wartości wskaźnika rentowności sprzedaży były efektem osiągnięcia

przez spółki straty netto. Prowadzona przez obie huty szkła działalność

gospodarcza była obarczona zbyt wysokimi kosztami. Wysokie koszty

były z kolei spowodowane nieefektywnymi działaniami. Koniecznie

należało zatem przeprowadzić w obu badanych spółkach restrukturyza-

cję i wprowadzić program naprawczy.

Obliczone w tablicy 2 wskaźniki rentowności aktywów również by-

ły na bardzo niskim poziomie. Innymi słowy, majątek zarówno Huty

Szkła Gospodarczego Irena S.A., jak i Krośnieńskich Hut Szkła Krosno

S.A. cechowała niska rentowność. Tak niskie wyniki nie zadziwiają.

Licznikiem wskaźnika rentowności aktywów, podobnie jak wskaźnika

rentowności sprzedaży, jest zysk netto, a już wcześniej zwrócono uwagę

na to, iż obie spółki w badanym okresie częściej odnotowywały stratę

netto niż zysk. W latach 2006-2007 wskaźniki rentowności aktywów obu

spółek oscylowały wokół 0%. Gwałtowny spadek wartości wskaźników

nastąpił w 2008 roku. Było to spowodowane przede wszystkim zmniej-

szeniem się sumy bilansowej zarówno Krosna S.A., jak i Ireny S.A.

Rentowność kapitału własnego również przyjmowała wartości

ujemne. Każda złotówka zainwestowana w Krosno S.A. przyniosła

w 2008 roku 2,18 zł straty, a zainwestowana w Irenę S.A. – 1,08 zł straty.

Akcjonariusze, inwestując pieniądze w dany podmiot gospodarczy, li-

czą na wysoką stopę zwrotu. Akcjonariusze badanych hut szkła musieli

w ostatnich latach pogodzić się ze stratą swoich pieniędzy. Ujemna war-

tość rentowności kapitału własnego w obu badanych spółkach była jed-

ną z przyczyn wycofania się inwestorów z Krosna S.A. i Ireny. S.A.

Przeprowadzona analiza wskaźnikowa pokazała bowiem, iż były to

podmioty nierentowne o wysokim prawdopodobieństwie upadłości.


2. Modele wczesnego ostrzegania uwzględniające specyfikę

polskiej gospodarki

Wielowymiarowa analiza dyskryminacyjna została po raz pierwszy

zastosowana do prognozowania upadłości przedsiębiorstw w 1968 roku

przez E. I. Altmana, który stworzył najsłynniejszy do dziś model (sys-

tem) wczesnego ostrzegania [Hołda, Micherda, 2007, s. 104]. Ponieważ

systemów wczesnego ostrzegania opracowanych dla danej gospodarki

nie powinno się mechanicznie przenosić do innych gospodarek, w arty-

kule posłużono się jedynie modelami uwzględniającymi specyfikę pol-

skiej gospodarki. Wybrane modele wczesnego ostrzegania stworzone

dla gospodarki polskiej zostały przedstawione w tablicy 3.

Tablica 3. Charakterystyka wybranych modeli wczesnego ostrzegania

uwzgledniających specyfikę polskiej gospodarki

Model Charakterystyka

Gajdka–Stos

Wzór Z = 0,7732059 – 0,0856425 X1 + 0,0007747 X2 +

0,9220985 X3 + 0,6535995 X4 – 0,594687 X5

Zmienne X1 = przychody netto ze sprzedaży / aktywa ogółem

X2 = zobowiązania krótkoterminowe / koszt wytwo-

rzenia produkcji sprzedanej * 360

X3 = zysk netto / aktywa ogółem

X4 = zysk brutto / przychody netto ze sprzedaży

X5 = zobowiązania ogółem / aktywa ogółem

Cutoff Z = 0,45

Hołda

Wzór Z = 0,605 + 0,681 X1 – 0,0196 X2 + 0,00969 X3 +

0,000672 X4 + 0,157 X5

Zmienne X1 = aktywa obrotowe / zobowiązania krótkotermi-

nowe

X2 = zobowiązania ogółem / suma bilansowa * 100,

X3 = zysk netto / średnioroczny majątek ogółem *

100

X4 = średnioroczne zobowiązania krótkoterminowe /

koszt sprzedanych produktów, towarów i materia-

łów * 360

X5 = przychody ogółem / średnioroczny majątek

ogółem

Cutoff Z1 = +0,1; Z2 = –0,3


Appenzeller

–Szarzec

Wzór Z = 0,19138 X1 + 2,66610 X2 – 0,00500208 X3 –

0,00951358 X4 + 0,000628865 X5 – 0,556326

Zmienne X1 = wskaźnik bieżącej płynności (majątek obrotowy

/ zobowiązania krótkoterminowe)

X2 = marża zysku operacyjnego (zysk operacyjny /

przychody ze sprzedaży netto)

X3 = rotacja zapasów w dniach

X4 = dług / EBITDA

X5 = cykl operacyjny w dniach (rotacja należności w

dniach + rotacja zapasów w dniach)

Cutoff Z = 0,0

Hamrol

Wzór Z = 3,562 X1 + 1,588 X2 + 4,288 X3 + 6,719 X4 – 2,368

Zmienne X1 = wynik finansowy netto / majątek całkowity

X2 = (majątek obrotowy – zapasy) / zobowiązania

krótkoterminowe

X3 = kapitał stały / majątek całkowity

X4 = wynik finansowy ze sprzedaży / przychody ze

sprzedaży

Cutoff Z = 0,0

Hadasik

Wzór Z = 2,36261 + 0,365425 X1 – 0,765526 X2 – 2,40435 X3

+ 1,59079 X4 + 0,00230258 X5 – 0,0127826 X6

Zmienne X1 = aktywa bieżące / zobowiązania bieżące,

X2 = (aktywa bieżące – zapasy) / zobowiązania bie-

żące,

X3 = zobowiązania ogółem / aktywa ogółem,

X4 = (aktywa bieżące – zobowiązania krótkotermi-

nowe) / pasywa ogółem,

X5 = należności / przychody ze sprzedaży,

X6 = zapasy / przychody ze sprzedaży

Cutoff Z = 0,0

Mączyńska

(quick test)

Zmienne W1 = udział kapitału własnego w aktywach,

W2 = spłata długu w latach (kapitał obcy / [zysk net-

to + amortyzacja]),

W3 = operacyjna rentowność aktywów,

W4 = relacja między zyskiem i amortyzacją a przy-

chodami

Skala

ocen

1 – bardzo dobra, 2 – dobra, 3 – średnia, 4 – zła, 5 –

zagrożenie upadłością

Źródło: Opracowanie własne na podstawie [Gajdka, Stos, 1996, s. 56], [Hołda, Micherda,

2007, s. 122], [Hołda, 2001, s. 308], [Zaleska, 2002, s. 41], [Appenzeller, Szarzec, 2004,

s. 25], [Pieńkowska, 2005, s. 151], [Hamrol i inni, 2004, s. 38], [Hadasik, 1998, s. 166], [Mą-

czyńska, 1994, s. 42].


Wszystkie przedstawione w tablicy 3 modele wczesnego ostrzega-

nia, poza modelem Mączyńskiej, mają postać funkcji dyskryminacyjnej

Z. Jednym z pierwszych systemów wczesnego ostrzegania, zbudowa-

nych w oparciu o dane przedsiębiorstw prowadzących działalność

w Polsce, jest model J. Gajdki i D. Stosa [Zdyb, 2001, s. 36]. Punkt kry-

tyczny (Cutoff) dla przedstawionej funkcji dyskryminacyjnej Z modelu

Gajdki–Stosa wynosi 0,45. Oznacza to, iż wartości Z powyżej 0,45 wska-

zują, że kondycja finansowa badanego przedsiębiorstwa jest dobra i nie

grozi jemu bankructwo, natomiast w przeciwnej sytuacji prawdopodo-

bieństwo upadłości tego przedsiębiorstwa jest znaczne [Hołda, Micher-

da, 2007, s. 122]. Cechą charakterystyczną niektórych systemów wcze-

snego ostrzegania jest występowanie tzw. szarej strefy, w której popeł-

nia się najwięcej błędów w klasyfikacji przedsiębiorstw do kategorii za-

grożonych i nie zagrożonych upadłością. W modelu Hołdy górną grani-

cę niepewności przyjęto na poziomie +0,1 (powyżej tej wielkości wystę-

puje małe prawdopodobieństwo upadłości), a dolną na poziomie –0,3

(poniżej tej wartości prawdopodobieństwo bankructwa wydatnie wzra-

sta) [Hołda, 2001, s. 309]. Dla pozostałych zastosowanych w artykule

modeli wczesnego ostrzegania – Appenzeller–Szarzec, Hamrola i Hada-

sik – punkty krytyczne zostały ustalone na poziomie 0,0. Kształtowanie

się wartości funkcji dyskryminacyjnej Z modeli: Gajdki–Stosa, Hołdy,

Appenzeller–Szarzec, Hamrola i Hadasik w spółkach Krosno S.A. oraz

Irena S.A. w latach 2006-2008 przedstawia tablica 4.

Odnosząc przedstawione w tablicy 4 wyniki do wartości krytycznej

funkcji dyskryminacyjnej modelu Gajdki–Stosa, można dojść do wnio-

sku, iż w latach 2006-2007 w obu badanych spółkach nie występowały

symptomy zagrożenia bankructwem. W tym okresie wartości tej funkcji,

zarówno dla Krośnieńskich Hut Szkła Krosno S.A., jak i Huty Szkła Go-

spodarczego Irena S.A. kształtowały się na poziomie wyższym od war-

tości krytycznej (0,45), co oznacza, że nie istniało zagrożenie upadłością

obu przedsiębiorstw. Kondycja finansowa spółki Irena S.A. była wów-

czas nieco lepsza i poprawiała się, a spółki Krosno S.A. nieco słabsza

i pogarszała się. Wartości funkcji dyskryminacyjnej modelu Gajdki–

Stosa dla obu badanych spółek w 2008 roku były nie tylko niższe od

wartości krytycznej, lecz nawet ujemne. Oznacza to, iż w ostatnim ba-

danym roku spółki Krosno S.A. i Irena S.A. były poważnie zagrożone

upadłością, istniało zatem niebezpieczeństwo utraty zdolności do kon-

tynuacji działalności. Poniosły one bowiem wówczas zarówno stratę


brutto, jak i stratę netto, a ponadto w ostatnim badanym roku wzrosły

ich zobowiązania krótkoterminowe i długoterminowe. Model wczesne-

go ostrzegania Gajdki i Stosa w ostatnim badanym roku zaklasyfikował

zatem obie badane spółki do grupy przedsiębiorstw zagrożonych upa-

dłością. Potwierdzała to rzeczywistość. Można zatem stwierdzić, iż mo-

del ten jest dobrze dostosowany do polskich warunków gospodarczych.

Tablica 4. Wartości funkcji dyskryminacyjnych Z wybranych modeli wcze-

snego ostrzegania oraz wynik quick testu Mączyńskiej

Model Spółka 2006 2007 2008

Gajdka–Stos Krosno 0,50 0,49 -0,44

Irena 0,54 0,63 -0,54

Hołda Krosno 0,84 0,80 -1,43

Irena 0,76 0,87 -0,59

Appenzeller–Szarzec Krosno -0,83 -0,70 -2,80

Irena -1,07 -0,80 -1,17

Hamrol Krosno 2,02 2,20 -4,87

Irena 1,00 1,69 -2,98

Hadasik Krosno 1,26 1,20 -1,42

Irena 1,39 1,39 0,25

Mączyńska (quick test) Krosno 3,25 3,25 5,00

Irena 3,75 3,00 4,25

Źródło: Opracowanie własne.

Wyniki badania przeprowadzonego przy użyciu modelu Hołdy są

zbieżne z wynikami otrzymanymi z zastosowaniem modelu Gajdki–

Stosa. W dwóch pierwszych badanych latach wartości funkcji dyskry-

minacyjnej dla obu spółek kształtowały się powyżej 0,1, co oznacza,

iż prawdopodobieństwo ich upadłości było bardzo małe. Jednak w 2008

roku wartości funkcji dyskryminacyjnej Z modelu Hołdy dla obu bada-

nych spółek spadły poniżej wartości granicznej –0,3, co oznacza wysokie

prawdopodobieństwo ich bankructw.

System wczesnego ostrzegania D. Appenzeller i K. Szarzec zaklasy-

fikował badane spółki do kategorii zagrożonych bankructwem. W całym

badanym okresie Krosno S.A. oraz Irena S.A. były poważnie zagrożone

upadłością, a prawdopodobieństwo bankructwa na przestrzeni trzech

lat w obu przypadkach wzrosło. „Najbezpieczniejszy” dla obu spółek

był rok 2007, jednak także wówczas wartości funkcji Z były ujemne.

W 2006 roku bardziej narażona na bankructwo była spółka Irena S.A.,

a w 2008 roku – spółka Krosno S.A. Model Appenzeller-Szarzec ocenił


zatem kondycję finansową badanych spółek jako bardzo złą i zaklasyfi-

kował je do kategorii bankrutów.

Interpretując wyniki otrzymane w wyniku zastosowania modelu

Hamrola można dojść do wniosku, iż w latach 2006 i 2007 obie badane

spółki nie były zagrożone upadłością. Dodatkowo, ich kondycja finan-

sowa uległa w 2007 roku poprawie, o czym świadczy wzrost wartości

funkcji dyskryminacyjnej. W dwóch pierwszych rozpatrywanych latach

lepsza była kondycja finansowa spółki Krosno S.A. niż spółki Irena S.A.

Sytuacja uległa gwałtownej zmianie w 2008 roku. Nie dość, że wartości

funkcji dyskryminacyjnej drastycznie spadły poniżej zera, to jeszcze –

w przeciwieństwie do lat poprzednich – w gorszej kondycji finansowej

znalazły się Krośnieńskie Huty Szkła Krosno S.A., dla których funkcja ta

przyjęła niższą wartość niż dla Huty Szkła Gospodarczego Irena S.A.

Gwałtowne pogorszenie kondycji finansowej rozpatrywanych spółek

w ostatnim badanym roku było spowodowane przede wszystkim świa-

towym kryzysem gospodarczym, a także poniesionymi stratami obu

spółek na operacjach instrumentami pochodnymi. Podsumowując,

można stwierdzić, iż wyniki zastosowania modelu Hamrola są również

zbieżne z rzeczywistością.

Wyniki badania zagrożenia upadłością spółek Krosno S.A. oraz Ire-

na S.A. przy użyciu funkcji dyskryminacyjnej Hadasik są zbieżne z wy-

nikami wcześniej przeprowadzonych badań. Wartości funkcji dyskry-

minacyjnej Z w obu przypadkach na przestrzeni lat 2006-2008 uległy

zmniejszeniu, co można interpretować, iż obie badane huty szkła były

coraz bardziej zagrożone upadłością. Jednak model wczesnego ostrze-

gania Hadasik pokazuje, iż bardziej prawdopodobne było bankructwo

spółki z Podkarpacia. Można wysnuć hipotezę, iż model Hadasik cechu-

je się dużą wrażliwością – wartości funkcji Z dla badanych spółek, mimo

iż w obu przypadkach niskie, są jednak mocno zróżnicowane. Wartość

funkcji Z dla Huty Szkła Gospodarczego Irena S.A. w ostatnim badanym

roku nie przekroczyła wartości krytycznej, podczas gdy w tym samym

roku wartość funkcji Z obliczona dla Krośnieńskich Hut Szkła Krosno

S.A. jest ujemna. Dodatkowo, zagrożenie upadłością Krosna S.A. diame-

tralnie wzrosło, co jest uwidocznione w tym, iż wartość bezwzględna

funkcji Z dla Krosna w 2008 roku jest najwyższa spośród wszystkich

pozostałych wartości funkcji Z obliczonych dla obu przedsiębiorstw.

Podsumowując, model Hadasik wskazuje, iż zagrożenie upadłością obu

badanych hut szkła w ostatnim okresie systematycznie wzrastało, przy


czym wskaźniki systemu klasyfikowały Krośnieńskie Huty Szkła do

kategorii bankrutów.

Kompleksową oceną zagrożenia upadłością przedsiębiorstw działa-

jących w polskich warunkach gospodarczych zajmowała się także Mą-

czyńska, która oprócz modelu wczesnego ostrzegania w postaci funkcji

dyskryminacyjnej, opracowała również metodę quick testu. Quick test to

metoda szybkiego testowania kondycji podmiotu gospodarczego przy

pomocy czterech wskaźników (tablica 3) – dwóch określających stabil-

ność finansową przedsiębiorstwa oraz dwóch odzwierciedlających sytu-

ację rynkową. Wskaźnikom quick testu nadawana jest pięciostopniowa

skala ocen – od najwyższej (1) do najniższej (5). Zatem im dane przed-

siębiorstwo osiągnie wyższą średnią punktów quick testu, tym jest bar-

dziej zagrożone upadłością. Analiza danych w tablicy 4 nie pozostawia

złudzeń – zarówno Krośnieńskie Huty Szkła Krosno S.A., jak i Huta

Szkła Gospodarczego Irena S.A. – były poważnie zagrożone upadłością

w 2008 roku. Quick test Mączyńskiej jednoznacznie klasyfikuje zarówno

spółkę Krosno S.A., jak i spółkę Irena S.A. do kategorii bankrutów.

Zakończenie Sporządzenie wiarygodnej prognozy kondycji finansowej danego

przedsiębiorstwa w najbliższej i dalszej przyszłości nie jest sprawą ła-

twą. Klasyczna analiza wskaźnikowa zazwyczaj nie prowadzi bowiem

do jednoznacznych wniosków. Rozwiązaniem tego problemu może być

zastosowanie wielowymiarowej analizy dyskryminacyjnej, w której

ocenia się kondycję finansową rozpatrywanego przedsiębiorstwa na

podstawie średniej ważonej wybranych wskaźników finansowych. Obli-

czona wartość funkcji dyskryminacyjnej umożliwia syntetyczną ocenę

tej kondycji poprzez zakwalifikowanie danej jednostki do jednej

z dwóch grup – przedsiębiorstw nie zagrożonych lub zagrożonych upa-

dłością.

Analiza wskaźnikowa wykazała, iż sytuacja finansowa zarówno

Huty Szkła Gospodarczego Irena S.A., jak i Krośnieńskich Hut Szkła

Krosno S.A. z każdym rokiem ulegała pogorszeniu. W przypadku obu

spółek wskaźniki zadłużenia systematycznie rosły, a wskaźniki płynno-

ści regularnie malały. Z kolei wskaźniki rentowności do 2007 roku rosły,

po czym gwałtownie spadły w roku 2008. O ile wskaźniki zadłużenia

były w całym badanym okresie na poziomie wyższym (gorszym)

w przypadku Krosna S.A., o tyle wskaźniki rentowności były niższe


w przypadku Ireny S.A. Wskaźniki płynności w pierwszych dwóch la-

tach badania kształtowały się na wyższym poziomie w przypadku Kro-

sna S.A., a w ostatnim badanym roku – w przypadku Ireny S.A.

Bardziej ujednolicone niż w przypadku analizy wskaźnikowej są

wyniki badań wykorzystujące wielowymiarową analizę dyskryminacyj-

ną do oceny zagrożenia upadłością. Wszystkie zastosowane do oceny

systemy wczesnego ostrzegania zaklasyfikowały w ostatnim rozpatry-

wanym roku (2008) obie spółki do kategorii bankrutów, przy czym

z większości przeprowadzonych badań wynika wniosek, iż zagrożenie

upadłością spółki Krosno S.A. było większe niż spółki Irena S.A. Dodat-

kowo, niemal wszystkie zastosowane modele wskazywały na pogarsza-

nie się sytuacji finansowej obu badanych spółek – z każdym rokiem

prawdopodobieństwo ich bankructwa było większe.

Wskazanie spółki Krosno S.A. przez wszystkie polskie modele jako

potencjalnego bankruta nie jest przypadkowe, co potwierdził rok 2009,

w którym spółka ta upadła. Podobne wnioski można wysnuć w odnie-

sieniu do spółki Irena S.A., jednak w 2008 roku jej kondycja finansowa

była lepsza niż spółki Krosno S.A. Przeprowadzone badania potwierdzi-

ły zatem hipotezę, zgodnie z którą systemy wczesnego ostrzegania

uwzględniające specyfikę polskiej gospodarki trafnie przewidują zagro-

żenie upadłością przedsiębiorstw. Natomiast analiza wskaźnikowa nie

daje jednoznacznej odpowiedzi, na pytanie: które z przedsiębiorstw jest

w gorszej kondycji finansowej. Różne grupy wskaźników w odmienny

sposób odpowiadają na to pytanie. Zastosowana w badaniach wielo-

wymiarowa analiza dyskryminacyjna jest obecnie uznawana za najlep-

sze narzędzie oceny zagrożenia bankructwem podmiotów gospodar-

czych.

Literatura 1. Altman E.I., Hartzell J., Peck M. (1998), Emerging market corporate

bonds – a scoring system, w: Emerging Market Capital Flows, Levich R.

(red.), Kluwer Academic Publishers, New York.

2. Altman E.I. (2005), An emerging market credit scoring system for corpo-

rate bonds, „Emerging Markets Review” nr 6.

3. Appenzeller D., Szarzec K. (2004), Prognozowanie zagrożenia upadłością

polskich spółek publicznych, „Rynek Terminowy” nr 1.

4. Brigham E. F., Houston J. F. (2005), Podstawy zarządzania finansami,

PWE, Warszawa, tom I.


5. Gajdka J., Stos D. (1996), Wykorzystanie analizy dyskryminacyjnej

w ocenie kondycji finansowej przedsiębiorstw, Wydawnictwo Akademii

Ekonomicznej, Kraków.

6. Hadasik D. (1998), Upadłość przedsiębiorstw w Polsce i metody progno-

zowania, Wydawnictwo Akademii Ekonomicznej, Poznań.

7. Hamrol M., Czajka B., Piechocki M. (2004), Upadłość przedsiębiorstwa

– model analizy dyskryminacyjnej, „Przegląd Organizacji” nr 6.

8. Hołda A. (2001), Prognozowanie bankructwa jednostki w warunkach go-

spodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH,

„Rachunkowość” nr 5.

9. Hołda A., Micherda B. (2007), Kontynuacja działalności jednostki i mo-

dele ostrzegające przed upadłością, Krajowa Izba Biegłych Rewidentów,

Warszawa.

10. Pieńkowska M. (2005), Weryfikacja skuteczności funkcji dyskryminacyj-

nych opracowanych dla rynku polskiego, w: Zagrożenie upadłością, Kuciń-

ski K., Mączyńska E. (red.), Instytut Funkcjonowania Gospodarki

Narodowej, Warszawa.

11. Mączyńska E. (1994), Ocena kondycji przedsiębiorstwa, „Życie Gospo-

darcze” nr 38.

12. Pomykalska B., Pomykalski P. (2007), Analiza finansowa przedsiębior-

stwa, WN PWN, Warszawa.

13. Rutkowski A. (2007), Zarządzanie finansami, PWE, Warszawa.

14. Zaleska M. (2002), Identyfikacja ryzyka upadłości przedsiębiorstwa i ban-

ku – systemy wczesnego ostrzegania, Wydawnictwo Difin, Warszawa.

15. Zdyb M. (2001), Ocena zagrożenia przedsiębiorstwa upadłością przy

zastosowaniu finansowych wskaźników syntetycznych, „Controlling

i Rachunkowość Zarządcza” nr 4.

Streszczenie Celem artykułu jest przedstawienie przydatności analizy wskaźnikowej

oraz modeli wczesnego ostrzegania do prognozowania upadłości przedsię-

biorstw. W artykule podjęto próbę weryfikacji hipotezy, według której modele

wczesnego ostrzegania trafnie przewidują zagrożenie upadłością przedsię-

biorstw, podczas gdy klasyczna analiza wskaźnikowa często nie prowadzi do

jednoznacznych wniosków. Analizie poddano następujące modele wczesnego

ostrzegania: Gajdki–Stosa, Hołdy, Appenzeller–Szarzec, Hamrola, Hadasik oraz

Mączyńskiej. Badania przeprowadzono na podstawie jednostkowych sprawoz-

dań finansowych Krośnieńskich Hut Szkła Krosno S.A. oraz Huty Szkła Go-

spodarczego Irena S.A. za lata 2006, 2007 i 2008. Wyniki badań potwierdzają


wysoką trafność prognoz upadłości przedsiębiorstw, sporządzonych za pomo-

cą modeli wczesnego ostrzegania.

Słowa kluczowe upadłość, analiza wskaźnikowa, model wczesnego ostrzegania

The application of ratio analysis and early warning models for pre-

dicting of bankruptcies of enterprises – Irena S.A. and Krosno S.A.

case study (Summary) The main aim of this article is to present usefulness of ratio analysis and

early warning models to predict the bankruptcy of enterprises. The article in-

cludes a hypothesis that the early warning models provide for the risk of bank-

ruptcies of enterprises correctly, while the classical ratio analysis does not lead

to clear conclusions. The following early warning models were analyzed:

Gajdka-Stos’s, Hołda’s, Appenzeller–Szarzec’s, Hamrol’s, Hadasik’s and

Mączyńska’s. The main sources of information were the individual financial

statements of Krosno SA and Irena SA for the years 2006, 2007 and 2008. Sum-

marizing the results confirm the high effectiveness of early warning models for

predicting of bankruptcies of enterprises.

Keywords bankruptcy, ratio analysis, early warning model

Documents

Zastosowanie analizy wskaźnikowej oraz modeli wczesnego