Statistical Models for Corporate Credit Risk Assessment – Rating Models

• Authors: Aneta Ptak-Chmielewska

Title variants

Modele statystyczne do oceny ryzyka kredytowego przedsiębiorstw – modele ratingowe

• Languages of publication: EN

Abstracts

EN

Taking into consideration the weakness of the models based on discrimination function (Z-score) proposed by Altman within the conditions of polish economy some attempts were taken in the 90s to adjust these models to the reality of post-communist economy. The initial interest in the models of multivariate discriminant analysis was extended by logistic regression models and then also by neural networks and decision trees. In the recent years some attempts were also taken to apply models of the event history analysis. Rating models based on developed bankruptcy risk models are basic element in credit risk management. Paper focuses on the critical assessment of statistical methods applied and points out the advantages and disadvantages of various approaches toward the estimation of models. Empirical comparative analysis were conducted based on the sample of enterprises. The possible application of statistical models in credit risk assessment of enterprises (rating models) was pointed out.

PL

Dostrzegając słabość modeli opartych na funkcji dyskryminacyjnej Z-score zaproponowanej przez Altmana w warunkach gospodarki polskiej podjęto w latach 90. próby dostosowania tych modeli do realiów gospodarki post-komunistycznej. Początkowe zainteresowanie modelami wielowymiarowej analizy dyskryminacyjnej poszerzono o modele regresji logistycznej a później również o sieci neuronowe i drzewa decyzyjne. W ostatnich latach podjęto również próby zastosowania modeli analizy historii zdarzeń. Modele ratingowe oparte na wypracowanych modelach upadłości stanowią kluczowy element w zarządzaniu ryzykiem kredytowym. W artykule podjęto próbę krytycznej oceny stosowanych metod statystycznych oraz wskazano na zalety i wady różnych podejść do budowy modeli. Przeprowadzono porównawczą analizę empiryczną na próbie przedsiębiorstw. Wskazano na możliwość wykorzystania modeli statystycznych do oceny ryzyka kredytowego przedsiębiorstw (modele ratingowe).

Keywords

EN

statistical models; rating models; event history analysis

PL

modele statystyczne; modele ratingowe; analiza historii zdarzeń; modele statystyczne; modele ratingowe; analiza historii zdarzeń

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2016
• Volume: 3
• Issue: 322

Dates

published

2016-12-08

Contributors

author

Aneta Ptak-Chmielewska

• Warsaw School of Economics

References

• Appenzeller D. (red.) (2004), Upadłość przedsiębiorstw w Polsce w latach 1990–2003. Teoria i praktyka, Zeszyty Naukowe, nr 49, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Blossfeld H.P., Rohwer G. (2002), Techniques of Event History Modeling. New Approaches to Causal Analysis, Lawrence Elbaum Associates Publishers, London.
• Dębkowska K. (2012), Prognozowanie upadłości przedsiębiorstw za pomocą wybranych metod wielowymiarowej analizy statystycznej, Zarządzanie i Finanse, vol. 10, nr 1.
• Frątczak E., Sienkiewicz U., Babiker H. (2005), Analiza historii zdarzeń. Elementy teorii, wybrane przykłady zastosowań, OW SGH, wydanie II.
• Gajdka J., Stos D. (1996), Wykorzystanie analizy dyskryminacyjnej w ocenie kondycji finansowej przedsiębiorstw, [w:] R. Borowiecki (red.), Restrukturyzacja w procesie przekształceń i rozwoju przedsiębiorstw, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Gruszczyński M. (2001), Modele i prognozy zmiennych jakościowych w finansach i bankowości, OW SGH, Warszawa.
• Gruszczyński M. (2005), Zalety i słabości modeli bankructwa [w:] K. Kuciński, E. Mączyńska (red.), Zagrożenie upadłością, SGH, Warszawa.
• Hadasik D. (1998), Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu, AE w Poznaniu, Poznań.
• Hamrol M., Chodakowski J. (2008), Prognozowanie zagrożenia finansowego przedsiębiorstwa. Wartość predykcyjna polskich modeli analizy dyskryminacyjnej, „Badania Operacyjne i Decyzje”, no. 3.
• Hołda A. (2001), Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej, „Rachunkowość” nr 5.
• Iwanicz-Drozdowska M. (ed.) (2012), Zarządzanie ryzykiem bankowym, Poltext, Warszawa.
• Jagiełło R. (2005), Zastosowanie analizy dyskryminacyjnej do oceny ryzyka kredytowego małych i średnich przedsiębiorstw, [w:] G. Rytelewska (red.), Bankowość detaliczna. Potrzeby. Szanse. Zagrożenia, PWE, Warszawa.
• Korol T. (2005), Wykorzystanie sieci jednokierunkowej wielowarstwowej oraz sieci rekurencyjnej w prognozowaniu upadłości przedsiębiorstw, [w:] K. Kuciński, E. Mączyńska (red.), Zagrożenie upadłością, SGH, Warszawa.
• Kuciński K., Mączyńska E. (red.) (2005), Zagrożenie upadłością, SGH, Warszawa.
• Lasek M., Pęczkowski M. (2013), Enterprise Miner. Wykorzystanie narzędzi Data Mining w systemie SAS, OW UW, Warszawa.
• Matuszyk A. (2000), Credit Scoring, CeDeWu, Warszawa.
• Matuszyk A. (2015), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, CeDeWu, Warszawa.
• Mączyńska E. (2005), Kreowanie i konstrukcja modeli dyskryminacyjnych jako narzędzi ostrzegania przed upadłością przedsiębiorstw, [w:] K. Kuciński, E. Mączyńska (red.), Zagrożenie upadłością, Materiały i Prace Instytutu Funkcjonowania Gospodarki Narodowej, vol. XCIII, Instytut Funkcjonowania gospodarki Narodowej SGH, Warszawa.
• Mączyńska E. (red.) (2010), Meandry upadłości przedsiębiorstw, Oficyna Wydawnicza SGH w Warszawie, Warszawa.
• Mączyńska E. (red.) (2008), Bankructwa przedsiębiorstw, wybrane aspekty instytucjonalne, Przedsiębiorstwo współczesne, Kolegium Nauk o Przedsiębiorstwie SGH, Warszawa.
• Mączyńska E., Zawadzki M. (2006), Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw, „Ekonomista” 2.
• Michaluk K. (2000), Zastosowanie metod ilościowych w procesie prognozowania upadłością przedsiębiorstwa, Doctoral Dissertation, Wydział Zarządzania i Ekonomiki Usług. Uniwersytet Szczeciński.
• Pogodzińska M., Sojak S. (1995), Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw, “Acta Universitatis Copernici”, “Ekonomia”, 25 (299), pp. 53–61.
• Prusak B. (2009), Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Difin, Warszawa.
• Ptak-Chmielewska A., Schab I. (2008), Wykorzystanie modeli regresji logistycznej i hazardu do określenia determinant zaniechania zobowiązań, [w:] J. Pociecha (red.) Współczesne problemy modelowania i prognozowania zjawisk społeczno-gospodarczych, Studia i Prace Uniwersytetu Ekonomicznego w Krakowie nr 2, Kraków.
• Ptak-Chmielewska A. (2012), Wykorzystanie modeli przeżycia i analizy dyskryminacyjnej do oceny ryzyka upadłości przedsiębiorstw, „Ekonometria” 4(38), Wrocław.
• Stępień T., Strąk T. (2004), Wielowymiarowe modele logitowe oceny zagrożenia bankructwem polskich przedsiębiorstw, [w:] D. Zarzecki (red.), Czas na pieniądz, Wydawnictwo Uniwersytetu Szczecińskiego, Szczecin.
• Ptak-Chmielewska A. (2014a), Modele predykcji upadłości MŚP w Polsce – analiza z wykorzystaniem modelu przeżycia Coxa i modelu regresji logistycznej, “Ekonometria” 4(46), Wrocław.
• Ptak-Chmielewska A. (2014b), Modele przeżycia i metody data mining w ocenie ryzyka upadłości przedsiębiorstw, [w:] D. Appenzeller (ed.), Matematyka i informatyka na usługach ekonomii, UEK w Poznaniu, pp. 50–66.
• Stępień T., Strąk T. (2004), Wielowymiarowe modele logitowe oceny zagrożenia bankructwem polskich przedsiębiorstw, [w:] D. Zarzecki (red.), Czas na pieniądz, Wydawnictwo Uniwersytetu Szczecińskiego, Szczecin.
• Strąk T. (2005), Wykorzystanie drzew klasyfikacyjnych do oceny zagrożenia bankructwem polskich przedsiębiorstw, „Monografie i Opracowania Naukowe”, SGH w Warszawie. Kolegium Zarządzania i Finansów. Finanse przedsiębiorstwa.
• Wiatr M.S. (2011), Zarządzanie indywidualnym ryzykiem kredytowym. Elementy systemu, OW SGH, Warszawa, Wydanie II.
• Zaleska M. (2012), Ocena ekonomiczno-finansowa przedsiębiorstwa przez analityka bankowego, Szkoła Główna Handlowa – Oficyna Wydawnicza, Warszawa.

Identifiers

DOI

10.18778/0208-6018.322.09