Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 11

first rewind previous Page / 1 next fast forward last

Search results

help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

SEMIPARAMETRIC COX REGRESSION MODEL IN ESTIMATION OF SMALL AND MICRO ENTERPRISES’ SURVIVAL IN THE MALOPOLSKA VOIVODESHIP

100%
Ptak-Chmielewska A.
Metody Ilościowe w Badaniach Ekonomicznych
|
2013
|
vol. 14
|
issue 2
169-180
EN
This paper aims at identifying factors (external and internal) affecting the ability of an enterprise to survive on the market. The analysis is based on the results of a retrospective study conducted in 2012 on a sample of enterprises from Malopolska voivodeship. Methods and models of event history analysis, including semiparametric Cox’s model were applied to analyse enterprises’ survival. The approach based on the event history analysis allows us to include dynamics of the process. The results provided extensive data on how factors such as size, activity sector, market range, legal form and internals conditions like: owner characteristics, investments, profits, reported barriers affect the survival of enterprises.
2
Content available remote

Bankruptcy Risk Models for Polish SMEs – Regional Approach

100%
Ptak-Chmielewska A.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2018
|
vol. 1
|
issue 333
PL
Zarządzanie ryzykiem kredytowym stanowi kluczowy element w zarządzaniu bankiem. Do zarządzania ryzykiem kredytowym wykorzystywane są modele statystyczne tzw. Modele scoringowe i ratingowe. Do oceny ryzyka kredytowego przedsiębiorstw wykorzystuje się modele ratingowe. Składową modeli ratingowych są modele ilościowe (oparte na wskaźnikach finansowych) oraz modele jakościowe (oparte na ankiecie jakościowej). Do budowy modeli ilościowych wykorzystuje się modele statystyczne i ekonometryczne, głównie modele regresji logistycznej. W artykule omówione zostały modele statystyczne do oceny ilościowej wraz z przykładem empirycznym opartym na danych dla próby MŚP udostępnionej przez jeden z polskich banków. Wykorzystano model regresji logistycznej ze zmienną nominalną – region działalności, uwzględniający zróżnicowanie terytorialne. Pokazana została konstrukcja modelu uwzględniającego zarówno branże działalności, jak i region działalności.
EN
Credit risk management is a key element in bank management. For credit risk management, statistical models are used, the so‑called scoring and rating models. For enterprise risk assessment, rating models are used. Rating models consist of quantitative models (based on financial ratios) and qualitative models (based on a questionnaire). For estimation of quantitative models, econometric and statistical models are used, mainly logistic regression models. In this paper, statistical models for quantitative assessment are presented, including an empirical example based on the sample of data for SMEs made available by one of Polish banks. A logistic regression model with a nominal variable – the region of activity, including territorial differences, was used. The construction of rating model was presented, including the sector and region of activity.
3
Publication available in full text mode
Content available

Bankruptcy prediction of small- and medium-sized enterprises in Poland based on the LDA and SVM methods

100%
Ptak-Chmielewska A.
Statistics in Transition new series
|
2021
|
vol. 22
|
issue 1
179-195
EN
The impact the last financial crisis had on the small- and medium-sized enterprises (SMEs) sector varied across countries, affecting them on different levels and to a different extent. The economic situation in Poland during and after the financial crisis was quite stable compared to other EU member states. SMEs represent one of the most important segments of the economy of every country. Therefore, it is crucial to develop a prediction model which easily adapts to the characteristics of SMEs. Since the Altman Z-Score model was devised, numerous studies on bankruptcy prediction have been written. Most of them involve the application of traditional methods, including linear discriminant analysis (LDA), logistic regression and probit analysis. However, most recent studies in the area of bankruptcy prediction focus on more advanced methods, such as case-based reasoning, genetic algorithms and neural networks. In this paper, the effectiveness of LDA and SVM predictions were compared. A sample of SMEs was used in the empirical analysis, financial ratios were utilised and non-financial factors were taken account of. The hypothesis assuming that multidimensional discrimination was more effective was verified on the basis of the obtained results.
4
Publication available in full text mode
Content available

Statistical Models for Corporate Credit Risk Assessment – Rating Models

100%
Ptak-Chmielewska A.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2016
|
vol. 3
|
issue 322
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).
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.
5
Publication available in full text mode
Content available

Macroeconomic factors in modelling the SMEs bankruptcy risk. The case of the Polish market

63%
Ptak-Chmielewska A., Matuszyk A.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2019
|
issue vol. 23 no. 3
40-49
EN
The last financial crisis affected the SMEs sector in different countries at different levels and strength. SMEs represent the backbone of the economy of every country. Therefore, they need bankruptcy prediction models easily adaptable to their characteristics. In our analysis we verified hypothesis: including information about macroeconomic conditions significantly increases the effectiveness of the bankruptcy model. The data set used in our research contained information about 1,138 SMEs. All information was taken from the financial statements covering the period 2002-2010. The sample included enterprises from sectors: industry, trade and services. Selected financial ratios were used to build the model and the macroeconomic variables were added: GDP, inflation, and the unemployment rate. Logistic regression as the research method was applied. In our study we showed that the incorporation of the macro variables improved the prediction of the SMEs bankruptcy risk.
6
Publication available in full text mode
Content available

Statistical models in enterprises default risk assessment – an example of application

63%
Ptak-Chmielewska A., Kuleta P.
Econometrics. Ekonometria. Advances in Applied Data Analytics
|
2018
|
issue vol. 22 no. 1
94-106
EN
Default risk assessment is crucial in the banking activity. Different models were developed in the literature using the discriminant analysis, logistic regression and data mining techniques. In this paper the logistic regression was applied to verify models proposed by R. Jagiełło for different sectors. As an alternative, the logistic regression model with the nominal variable SECTOR was applied on the pooled sample of enterprises. The dynamic approach using the Cox regression survival model was estimated. Including the nominal variable SECTOR only slightly increases the predictive power of the model (in the case of “defaults”). The predictive power of the Cox regression model is lower, the only advantage is the higher accuracy classification in the case of “defaulted” enterprises.
7
Publication available in full text mode
Content available

Analysis of social and economic conditions of microenterprises based on taxonomy methods

63%
Ptak-Chmielewska A., Chłoń-Domińczak A.
Statistics in Transition new series
|
2023
|
vol. 24
|
issue 4
139-151
EN
The situation of microenterprises on the market is difficult as they are faced with barriers and competitiveness imposed by larger units. We used data from the REGIOGMINA project to assess the situation of microenterprises. The REGIOGMINA project was implemented by a consortium of Kujawsko–Pomorskie Voivodship, the SGH Warsaw School of Economics and the Nicolaus Copernicus University in Toruń in the scope of the GOSPOSTRATEG initiative. This data set was complemented by data provided by the Local Data Bank of Statistics Poland. The analysis describes the situation in Kujawsko-Pomorskie Voivodship. The information from both sources illustrates the situation of microenterprises at a local level (gmina) in the years 2019–2020. A cluster analysis based on taxonomy methods was performed. The aim of the research is to expand the knowledge and contribute to a better understanding of the social and economic problems that microenterprises are confronted with at a local level. The study covers the period before the COVID-19 pandemic and the first year following its outbreak, which makes it possible to assess the effects that the measures taken against the pandemic had on the situation of microenterprises at a local level.
8
Publication available in full text mode
Content available

Prediction of Banks Distress – Regional Differences and Macroeconomic Conditions

63%
Iwanicz-Drozdowska M., Ptak-Chmielewska A.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2019
|
vol. 6
|
issue 345
73-57
PL
Artykuł poświęcony został bankructwom banków europejskich z lat 1990–2015. Wykorzystane zostały w nim niezbilansowane dane panelowe dla 3691 banków. Zidentyfikowano 132 bankructwa – zarówno faktyczne, jak i wynikające z konieczności subwencji. Wykorzystano zmienne na poziomie banków typu CAMEL i kontrolne zmienne makroekonomiczne (PKB, inflacja, stopa bezrobocia). Analiza oparta została na tradycyjnym modelu regresji logistycznej do predykcji bankructwa i metodzie k‑średnich do grupowania. Otrzymane wyniki wskazują, że prawdopodobieństwo bankructwa jest zależne od warunków makroekonomicznych poprzez wyniki klasteryzacji. Zmienne na poziomie banków, które są stabilnym predyktorem bankructwa od roku do czterech lat przed zdarzeniem, to: kapitał do aktywów ogółem (dźwignia) oraz kredyty do funduszy (płynność). Z czynników makroekonomicznych istotne znaczenie ma PKB, ale ze zróżnicowanym wpływem: dla roku przed bankructwem wysokie prawdopodobieństwo bankructwa jest związane z niską dynamika PKB, ale dla 2, 3 i 4 lat przed bankructwem wysokie ryzyko bankructwa jest związane z wysoką dynamika PKB, czyli jest to zależność odwrotna. Pokazuje to zmienną rolę otoczenia makroekonomicznego i wskazuje na potencjalny wpływ sprzyjających warunków makroekonomicznych na powstawanie problemu systemowego w sektorze bankowym.
EN
In this study we focus on distress events of European banks over the period of 1990–2015, using unbalanced panel of 3,691 banks. We identify 132 distress events, which include actual bankruptcies as well as bailout cases. We apply CAMEL‑like bank‑level variables and control macroeconomic variables (GDP, inflation, unemployment rate). The analysis is based on traditional logistic regression and k‑means clustering. We find, that the probability of distress is connected with macroeconomic conditions via regional grouping (clustering). Bank‑level variables that were stable predictors of distress from 1 to 4 years prior to event are equity to total assets ratio (leverage) and loans to funding (liquidity). From macroeconomic factors, the GDP growth is a reasonable variable, however with differentiated impact: for 1 year distance high distress probability is connected with low GDP growth, but for 2, 3 and 4 year distance: high distress probability is conversely connected with high GDP growth. This shows the changing role of macroeconomic environment and indicates the potential impact of favorable macroeconomic conditions on building‑up systemic problems in the banking sector.
9
Publication available in full text mode
Content available

Backward assessments or expectations: what determines the consumer confidence index more strongly? Panel model based on the CCI of European countries

63%
Grzywińska-Rąpca M., Ptak-Chmielewska A.
Wiadomości Statystyczne. The Polish Statistician
|
2023
|
vol. 68
|
issue 2
1-15
PL
Wskaźnik zaufania konsumentów (ang. consumer confidence index – CCI), skonstruowany na podstawie subiektywnych ocen sytuacji gospodarczej (wstecznej i przyszłej), jest wykorzystywany w wielu badaniach jako zmienna uzupełniająca prognozowanie zachowań konsumenckich. O dużym znaczeniu CCI świadczy literatura dotycząca nastrojów konsumenckich. Badania nad rozwiniętymi, stabilnymi ekonomicznie gospodarkami koncentrują się na ocenach sytuacji gospodarczej w poprzednim okresie. W gospodarkach niestabilnych ekonomicznie, zdaniem wielu autorów, należy analizować przede wszystkim oczekiwania respondentów. Badanie omawiane w niniejszym artykule ma na celu sprawdzenie, które oceny respondentów (wsteczne czy oczekiwania na przyszłość) mają statystycznie istotny wpływ na poziom CCI oraz czy w ocenie respondentów występują różnice między krajami (przekrojowo) i różnice czasowe (efekty szeregów czasowych). Modelowanie panelowe przeprowadzono na podstawie danych dotyczących CCI jako zmiennej zależnej oraz zbioru zmiennych niezależnych dla krajów Unii Europejskiej oraz pięciu krajów spoza Wspólnoty. Dane pochodzą z bazy danych Eurostatu. Okres analizy obejmuje 7 lat i 5 miesięcy (styczeń 2015–maj 2022 r.), co wynika z dostępności danych. Do obliczeń wykorzystano program SAS 9.4. Wyniki badania świadczą o tym, że wyższe oczekiwania respondentów przekładają się na większe wartości CCI i mają statystycznie istotny wpływ na poziom tego wskaźnika. Przeprowadzone modelowanie wykazało, że w ocenie respondentów różnice pomiędzy krajami są znaczące, natomiast różnice czasowe – nie.
EN
The consumer confidence index (CCI) is an index constructed on the basis of subjective assessments of the economic situation (retroactive and future), in many studies used as a variable supplementing the forecasting of consumer behaviour. Its significance is evidenced by the literature on consumer sentiment. Research on developed, economically stable countries focuses on assessments of the economic situation in the preceding period. On the other hand, according to many authors, the analysis of economically unstable states should focus on the expectations of respondents. The aim of the study is to check which respondent assessments (retroactive or expectations for the future) have a statistically significant impact on the level of the CCI and to examine the differences in respondent assessments between countries (cross-sectionally), as well as the time differences (time series effects). The panel modelling was carried out using data for the CCI as a dependent variable and a set of independent variables for all European Union countries and five non-member states. The data were collected from the Eurostat database. The analysis period of seven years and five months (January 2015–May 2022) results from the availability of data. The SAS 9.4 software was used in this research. The results of the survey showed that higher expectations of respondents result in a higher CCI, and that they have a statistically significant impact on the level of the index. The modelling also demonstrated that the differences in respondent’ assessments between countries are significant, whereas the time differences are not.
10
Publication available in full text mode
Content available

DEFAULT PREDICTION FOR SME USING DISCRIMINANT AND SURVIVAL MODELS, EVIDENCE FROM POLISH MARKET

63%
Ptak-Chmielewska A., Matuszyk A.
Metody Ilościowe w Badaniach Ekonomicznych
|
2014
|
vol. 15
|
issue 2
369-381
EN
The aim of this paper was to compare the new technique (survival analysis) used in the credit risk models with the traditional one (discriminant analysis), analyse the strengths and weaknesses of both methods and their usage in practice. This study attempts to use macroeconomic data to build models and examine its impact to the prediction. For this purpose, a number of models was built on the basis of the sample of 1547 enterprises including 494 defaults. The time range covered by sample was 2002-2012.
11
Publication available in full text mode
Content available

Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

51%
Ptak-Chmielewska A., Baszniak K., Kurpanik J.
Wiadomości Statystyczne. The Polish Statistician
|
2022
|
vol. 67
|
issue 9
24-52
EN
The COVID-19 pandemic changed the lives of people all around the world, e.g. affected mental health and the functioning of several families. The main goal of the research presented in this paper is to assess the influence of the COVID-19 pandemic on the mental health of members of households. The research was performed on the basis of a data set from the COVID Impact Survey carried out by the Data Foundation think tank in 2020 (during the first wave of COVID-19 pandemic) in the USA among adult respondents. The survey used 6,768 observations. The authors estimated a model of logistic regression and models based on data mining methods, such as decision trees, XG Boost, k-nearest neighbours method, artificial neural networks and a support vector machine. Cluster analysis made it possible to divide respondents into groups showing their characteristic features and problems, and the constructed model took into account their mental issues and the relationship between those issues and the financial situation of households. The results demonstrate that isolation, remote education and work and limited physical activity contribute to the worsening of mental health of the population.
PL
Pandemia COVID-19 odmieniła życie ludzi na całym świecie, m.in. wpłynęła na kondycję psychiczną i funkcjonowanie wielu rodzin. Głównym celem badania omawianego w artykule jest ocena wpływu pandemii COVID-19 na stan zdrowia psychicznego członków gospodarstw domowych. W badaniu posłużono się zbiorem danych pochodzących z ankiety COVID Impact Survey, przeprowadzonej w 2020 r. (w trakcie pierwszej fali pandemii) w Stanach Zjednoczonych wśród osób dorosłych przez organizację Data Foundation. Analizie poddano 6768 obserwacji. Oszacowano model regresji logistycznej oraz modele oparte na metodach data mining, takich jak: drzewa decyzyjne, wzmacnianie gradientowe, metoda k-najbliższych sąsiadów, sztuczne sieci neuronowe i metoda wektorów wspierających. Analiza skupień pozwoliła podzielić respondentów na grupy uwidaczniające cechy charakterystyczne i problemy członków gospodarstw domowych, a w utworzonym modelu uwzględniono kwestie zdrowia i zaburzeń psychicznych oraz ich związek z sytuacją finansową gospodarstw. Wyniki badania wskazują na to, że izolacja, zdalny tryb nauczania i pracy oraz mniejsza aktywność fizyczna przyczyniają się do pogarszania się stanu zdrowia psychicznego.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.