PL EN


Journal
2016 | 4 | 433-468
Article title

Determinanty wskaźnika predykcji bankructwa: przegląd modeli i metaanaliza

Title variants
EN
Determinants of the Bankruptcy Prediction Indicator: Review of Models and Meta-Analysis
RU
Детерминанты прогнозирования банкротства: обзор моделей и мета-анализ
Languages of publication
PL
Abstracts
PL
Artykuł zawiera obszerny przegląd i analizę modeli stosowanych w ocenie kondycji finansowej przedsiębiorstw pod kątem widzenia prawdopodobieństwa ich bankructwa. W celu usystematyzowania wiedzy na temat determinant bankructwa firm dokonano metaanalizy modeli predykcyjnych stosowanych w badaniach empirycznych z tego zakresu. Wyróżniono główne grupy czynników uwzględnianych w badaniach upadłości przedsiębiorstw: płynność finansowa, rentowność, produktywność aktywów, zabezpieczenie spłaty długu, dźwignia finansowa, wiek i wielkość firmy. Z dostępnej literatury wybrano 26 studiów poświęconych tej problematyce i zbudowano bazę danych zawierającą informacje o oszacowanych modelach. Stosując współczynnik rang i współczynnik korelacji, analizę wariancji, nieparametryczny test Kruskala-Wallisa oraz regresję tobitową, dokonano oceny wpływu zmiennych objaśniających w poszczególnych badaniach na trafność predykcji opartych na danym modelu. W ocenie porównawczej uwzględniono liczbę zmiennych zawartych w modelu, rodzaj zmiennych objaśniających, metodę estymacji oraz liczebność próby. Na podstawie analizy statystyczno-ekonometrycznej stwierdzono, że rozważane charakterystyki poszczególnych modeli były nieistotne dla dokładności wyprowadzanych z nich prognoz bankructwa.
EN
The paper includes a comprehensive review of the literature and comparative analysis of models used in assessing financial condition of an enterprise from the point of view of bankruptcy prediction. In order to systematize the knowledge of factors underlying firm’s bankruptcy, the authors have carried out a meta-analysis of bankruptcy prediction models applied in empirical research. The main groups of factors considered in bankruptcy research include the following indicators: cash-flow, profitability, asset productivity, debt repayment ability, financial leverage, firm’s age and size. Based on the available stock of studies, the authors have selected 26 papers and constructed a database including information on the estimated models. Using rank correlation, correlation coefficient, variance analysis, non-parametric Kuskal-Wallis test, and tobit regression, they assessed the impact of the explanatory variables considered in individual models on the accuracy of predictions rendered by a given model. In a comparative assessment consideration was given to the number and type of explanatory variables included in the model, estimation method and the sample size. The results of the statistical and econometric analysis suggest that the investigated characteristics of the individual models are not significant for their prediction precision as regards bankruptcy.
В статье содержится обширный обзор и анализ моделей, применяемых при оценке фи- нансового состояния предприятий с точки зрения вероятности их банкротства. С це- лью систематизации знаний на тему детерминант банкротства авторами был проведен мета-анализ моделей прогнозирования, применяемых в эмпирических исследованиях этой проблемы. Были выделены главные группы факторов, появляющихся в исследо- ваниях банкротств предприятий: финансовая рентабельность, эффективность активов, обеспечение погашения кредитов, финансовый рычаг, возраст и величина фирмы. Из доступной литературы было выбрано 26 разработок, посвященных этой проблематике; была построена база данных, содержащая информацию о примененных в них моделях. Авторы использовали коэффициент рангов и коэффициент корреляции, анализ вариа- ции, непараметрический тест Краскала-Уоллиса и регрессию Тобина для анализа влия- ния объясняющих переменных на точность прогноза, рассчитанного по данной модели. В сравнительной оценке было учтено количество переменных, содержащихся в модели, вид объясняющих переменных, метод эстимации и величина пробы. На основе стати- стико-эконометрического анализа было отмечено, что рассматриваемые характеристики отдельных моделей не являются существенными с точки зрения точности сделанных на их основании прогнозов банкротства.
Publisher

Journal
Year
Issue
4
Pages
433-468
Physical description
Contributors
  • Natalia Nehrebecka – Departament Statystyki, Narodowy Bank Polski, Wydział Nauk Ekonomicznych, Uniwersytet Warszawski, Natalia.Nehrebecka@nbp.pl
References
  • Agarwal R., Sarkar M.B., Echambadi R., The Conditioning Effect of Time on Firm Survival: An Industry Life Cycle Approach, „Academy of Management Journal” 2002, nr 45(5).
  • Allen F., Gale D., Corporate Governance and Competition, w: Corporate Governance: Theoretical and Empirical Perspectives, red. X. Vives, Cambridge University Press, Cambridge 2000.
  • Altman E.I., Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy, „Journal of Finance” 1968, nr 23(4).
  • Altman E., Sabato G., Modeling Credit Risk for SMEs: Evidence from the U.S. Market, „Abacus” 2007, nr 43.
  • Antonowicz P., Jednowymiarowe predyktory upadłości przedsiębiorstw – metodyka badań empirycznych, w: Zarządzanie wartością instytucji finansowych, red. R. Płoska, M. Chmielewski, nr 4/5, Wyd. FRUG, Sopot 2011.
  • Audretsch D., Mahmood T., New Firm Survival: New Results Using a Hazard Function, „The Review of Economics and Statistics” 1995, nr 77(1).
  • Bartoloni E., Baussola M., Financial Performance in Manufacturing Firms: a Comparison between Parametric and Non Parametric Approaches, Working paper, Universita Cattolica Del Sacro Cuore Piacenza, „Economia Quaderno” 2012, nr 82.
  • Beaver W.H., Financial Ratios as Predictors of Failure, „Journal of Accounting Research” 1966, nr 4.
  • Bond S. et al., Financial Factors and Investment in Belgium, France, Germany and the UK: a Comparison Using Company Panel Data, „Review of Economics and Statistics” 2003, nr 85.
  • Bushman B.J., Wang M.C., Vote-counting Procedures in Meta-analysis, w: The Handbook of Research Synthesis and Meta-Analysis, red. H. Cooper, L.V. Hedges, J.C. Valentine, Second Edition, Russel Sage Foundation, New York 2009.
  • Caracota R.C., Dimitriu M., Dinu M.R., Building a Scoring Model for Small and Medium Enterprises, „Theoretical and Applied Economics” 2010, nr 9(550).
  • Cefis E., Marsili O., A Matter of Life and Death: Innovation and Firm Survival, „Industrial and Corporate Change” 2005, nr 14(6).
  • Chaney T., Liquidity Constrained Exporters, Mimeo, University of Chicago, 2005.
  • Cooper H., Hedges L.V., Valentine J.C. (red.), The Handbook of Research Synthesis and Meta-Analysis, Second Edition, Russel Sage Foundation, New York 2009.
  • Du Y., Suo W., Assesing Credit Quality from the Equity Market: Can Structural Approach Forecast Credit Ratings?, „Canadian Journal of Administrative Sciences” 2007, nr 24(3).
  • Dullmann K., Herrmann H., Todter K.H., Improvements in Rating Models for German Corporate Sector, Discussion Paper Series 2: Banking and Financial Studies, nr 11, Deutsche Bundesbank 2011.
  • Ellis P.D., The Essential Gide to Effect Sizes, Cambridge University Press, Cambridge 2010.
  • Evans D., The Relationship Between Firm Growth, Size and Age: Estimates for 100 Manufacturing Industries, „The Journal of Industrial Economics” 1987, nr 35(4).
  • Festre A., Money, Banking and Dynamics: Two Wicksellian Routes from Mises to Hayek and Schumpeter, „The American Journal of Economics and Sociology” 2002, nr 61(2).
  • Frydman H., Schuermann T., Credit Rating Dynamics and Markov Mixture Models, „Journal of Banking & Finance” 2008, nr 32.
  • Geroski P.A., Mata J., Portugal P., Founding Conditions and the Survival of New Firms, Danish Research Unit for Industrial Dynamics Working Paper, nr 07–11, 2007.
  • Gibrat R., Les Inegalites Economiques. Applications: Aux Inegalites des Richesses, a la Concentration des Entreprises, Aux Populations des Villes, Aux Statistiques des Familles, etc., d’une Loi Nouvelle: La Loi de l’Effect Proportionnel, Sirey, Paris 1931.
  • Görg H., Spaliara M.E., Financial Health, Exports and Firm Survival: A Comparison of British and French Firms, Kiel Institute for the World Economy Working Paper 1568, 2009.
  • Greenaway D., Guariglia A., Kneller R., Financial Factors and Exporting Decisions, „Journal of International Economics” 2007, nr 73.
  • Harhoff D., Stahl K., Woywode M., Legal Form, Growth and Exit of West German Firms – Empirical Results for Manufacturing, Construction, Trade and Service Industries, „The Journal of Industrial Economics” 1998, nr 46(4).
  • Hayek F.A, Prices and Production (1931), wyd. 2, Routledge & Sons, London 1935.
  • Hayek F.A., Monetary Theory and the Trade Cycle, Jonathan Cape, London 1933.
  • Hilscher J., Wilson M., Credit Ratings and Credit Risk, Working Paper, nr 31, International Business School, Brandeis University, 2012.
  • Hwang R.C., Siao J.S., Chung H., Chu C.K., Assesing Bankruptcy Prediction Models Via Information Content of Technical Inefficiency, „Journal of Productivity Analysis” 2011, nr 36.
  • Jovanovic B., Selection and Evolution of Industry, „Econometrica” 1982, nr 50(3).
  • Kaplan S.N., Zingales L., Do Financing Constraints Explain Why Investment is Correlated with Cash Flows, „Quarterly Journal of Economics” 1997, nr 112(1).
  • Kisielińska J., Waszkowski A., Zagregowana ocena kondycji finansowej przedsiębiorstw z wykorzystaniem polskich modeli upadłości, „Ekonomista” 2015, nr 5.
  • Kysucky V., Norden L., The Benefits of Relationship Lending in a Cross-Country Context: A Meta-Analysis, Erasmus University Working Paper, Rotterdam School of Management 2013.
  • Lamont O., Polk C., Saa-Requejo J., Financial Constraints and Stock Return, „Review of Financial Studies” 2001, nr 14.
  • Le P.N.M., What Determines the Access to Credit by SMEs? A Case Study in Vietnam, „Journal of Management Research” 2012, nr 4(4).
  • López-García P., Puente S., Business Demography in Spain: Determinants of Firm Survival, Banco de España Documentos de Trabajo, nr 0608, 2006.
  • Lovie A., Lovie P., The Flat Maximum Effect and Linear Scoring Models for Prediction, „Journal of Forecasting” 1986, nr 5(3).
  • Mata J., Antunes A., Portugal P., Borrowing Patterns, Bankruptcy and Voluntary Liquidation, Banco de Portugal Working Paper, nr 27, 2010.
  • Mączyńska E., Zawadzki M., Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw, „Ekonomista” 2006, nr 2.
  • Min J.H., Lee Y., A Practical Approach to Credit Scoring, „Expert Systems with Applications” 2008, nr 35(4).
  • Moro A., Fink F., Loan Managers’ Trust and Credit Access for SMEs, „Journal of Banking & Finance” 2013, nr 37(3).
  • Nakamura L.I., Roszbach K., Credit Ratings and Bank Monitoring Ability, Research Department, Federal Reserve Bank of Philadelphia, Working Paper, 2010.
  • Nehrebecka N., Dzik A., Zdolność przetrwania przedsiębiorstw w Polsce, „Wiadomości Statystyczne” 2013, nr 5.
  • Ponce A.T., Mediana R.S., Examining What Best Explains Corporate Credit Risk: Accounting-based versus Market-based Models, Working paper, WP FIECAC 12.03, 2012.
  • Porter M.E., The Structure within Industries and Companies, „The Review of Economics and Statistics” 1979, nr 61.
  • Postek Ł., Puchalska K., Rola czynników strukturalnych w kształtowaniu się wskaźnika płynności gotówkowej polskiego sektora przedsiębiorstw, „Bank i Kredyt” 2012, nr 43(5).
  • Rajan R., Zingales L., Banks and Markets: The Changing Character of European Finance, NBER Working Paper 9595, 2003.
  • Schumpeter J.A., The Theory of Economic Development: An Inquiry into Profits, Capital, Credit, Interest and the Business Cycle (1911), Transaction Publishers, New Brunswick–London 2008.
  • Shumway T., Forecasting Bankruptcy More Accurately: A Simple Hazard Model, „Journal of Business” 2001, nr 74(1).
  • Tanthanongsakkun S., Treepongkaruna S., Explaining Credit Ratings of Australian Companies – An Application of the Merton Model, „Autralian Journal of Management” 2008, nr 33(2).
  • Wędzki D., Wielowymiarowa analiza bankructwa na przykładzie budownictwa, „Badania Operacyjne i Decyzje” 2005, nr 2.
  • Whited T.N., Wu G., Financial Constraints Risk, „Review of Financial Studies” 2006, nr 19(2).
  • Xuesong G., Zhengwei Z., Jia S., A Corporate Credit Rating Model Using Support Vector Domain Combined with Fuzzy Clustering Algorithm, „Mathematical Problems in Engineering” 2012.
  • Żmijewski M.E., Methodological Issues Related to the Estimation of Financial Distress Prediction Models, „Journal of Accounting Research” 1984, nr 22.
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-a6872c34-9668-4669-a350-2ace1f6cbc0b
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.