5 2. Predviđanje poslovnih poteškoća temeljem financijskih omjera Uporaba u predviđanju poslovnih potekoća traje već vrlo dugo, no principi izbora omjera za ovu analizu proizvoljni su i variraju od ekonomista do ekonomista. Jedno se pravilo izgleda ipak nikad ne mijenja, a to je da se odabir vri po metodi učestalosti omjera u postojećoj literaturi uz obvezno garniranje po elji istraivača – izbaci se par, te uvrsti par vlastitih (ponosno novih) omjera 1 . U ovom su radu omjeri formirani sukladno mogućnostima, odnosno dostupnim podacima, i to prema specifičnostima bankovnog sektora. Proučavajući zaista velik opseg literature za ovaj rad uočava se bogata povijest studija o financijsko računovodstvenim omjerima, te cikličko ponavljanje istih (ili sličnih) pitanja to je ipak indikacija nepoznavanja ovog iscrpnog naslijeđa brojnih djela koji su to isto pitanje postavili prije gotovo stotinu godina. Npr., koja je priroda omjera? Mogu li se formirati i koristiti proizvoljno? Koju metodologiju koristiti? Koji su nedostaci, i kako utječu na rezultate analize? U 2.1.1. ukratko će biti izloena povijest omjera. Statističko – metodološka pozadina omjera rijetko se uzima u obzir, što je najvjerojatnije posljedica nepostojanja konzistentne i općeprihvaćene teorije financijskih omjera, a manje nepoznavanja materije. "Ne postoji standardna definicija ključnih omjera koje se svakodnevno koriste u medijima, pri analizama, reviziji, itd. Npr., ROCE (return on capital employed) - povrat na investirani kapital, omjer koji je u vrlo širokoj uporabi, nema standardni način izračuna." 2 No treba priznati kako je analiza omjera 'abeceda' ekonomske analize poduzeća – zaista već gotovo banalna, te se rijetko istrauje i kritički preispituje. Pododjeljak 2.1.2. bavit će se upravo ovom tematikom. U 2.2. opisat će najbitnija i najutjecajnija istraivanja i modele koji su kroz povijest bili korišteni u predviđanju poslovnih potekoća, a koja koriste omjere kao ulazne podatke. 1 Niti ovaj rad neće odstupiti od ovog pravila. 2 Gardiner, Marc; Financial ratios: Can you trust them?, Management Accounting: Magazine for Chartered Management Accountants, September 1997., Vol. 75 Issue 8, str.30 COPYRIGHT
31
Embed
2. Predviđanje poslovnih poteškoća temeljem financijskih ...oliver.efos.hr/~dsajter/PDF/2.) Pred. posl. pot. temeljem fin. omjera.pdf · omjera za ovu analizu proizvoljni su i
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
istra�ivanja započetog 1965. god. ovo je bila unatoč godinama najbolja studija
8 Smith, Raymond F.; Winakor, Arthur H.; A Test Analysis of Unsuccessful Industrial Companies,
Bulletin No.31, Urbana, University of Illinois, Bureau of Business research, 1930. 9 Smith, Raymond F.; Winakor, Arthur H.; Changes in the Financial Structure of Unsuccessful Industrial
Corporations, Bulletin No.51, Urbana, University of Illinois, Bureau of Business research, 1935 10 Fitzpatrick, Paul J.; Symptoms of Industrial Failures, Catholic Universita of America Press, 1931. 11 Fitzpatrick, Paul J.; A Comparison of the Ratios of Succesful Industrial Enterprises with Those of
Failed Companies, The Accountants Publishing Company, 1932. 12 Ramser, J.R.; Foster, Louis O.; A Demonstration of Ratio Analysis, Bulletin No.40, Urbana, University
of Illinois, Bureau of Business research, 1931. 13 Merwin, Charles L.; Financing Small Corporations in Five Manufacturing Industries in 1926-1936,
National Bureau of Economic Research, 1942. COPY
RIGHT
10
sposobnosti predviđanja poslovnih pote�koća kori�tenjem financijskih omjera,
i čiji su rezultati jo� uvijek uvjerljivi."14
5) William Beaver 1966. godine15 objavljuje rad u kojem prvi puta koristi
znanstvenu metodologiju u proučavanju omjera u svrhu predviđanja.
6) Meir Tamari pokušao je 1966. godine16 arbitrarno odrediti snagu pojedinog
omjera u predviđanju stečaja.
7) Edward Altman 1968. godine17 čini mo�da najznačajniju prekretnicu.
Uporabom sofisticiranih statističkih tehnika formira model predviđanja
poslovnih pote�koća koji iznimno popularizira omjere, te stvara val novih
istra�ivanja, i bez imalo patetike mo�e se reći kako Altman otvara novu
stranicu povijesti omjera.
8) Altmanovim radom mo�emo reći da počinje suvremena povijest uporabe
omjera u svrhu predviđanja poslovnih pote�koća. Dolazi do iznimne
popularizacije ovog područja ekonomije i velik se broj istra�ivača počinje
baviti ovim područjem. Primjenjuju se brojne nove metode, i slobodno se
mo�e reći kako je ova grana ekonomije jedna od najbr�e razvijajućih u smislu
kori�tenja najnovijih tehnologija i primjeni najsuvremenijih (često egzotičnih)
metoda.
Od II. svjetskog rata naglašava se uporaba omjera za potrebe menadžmenta, osobito u
analizi povrata na investicije. Uz to, akcentira se uloga omjera u poslovanju malih poduzeća,
te bujaju publikacije. Omjerima se počinju obja�njavati i opisivati razne ekonomske
aktivnosti, od kretanja cijena korporativnih obveznica, kvalitete kredita u fazama ciklusa, do
korporativne kulture18.
14 Horrigan, James; Some Empirical Bases of Financial Ratio Analysis, Accounting Review, July 1965.,
Vol. 40 Issue 3, str. 567 15 Beaver, William H.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.71 16 Tamari, Meir; Financial Ratios as a Means of Forecasting Bankruptcy, Management International
Review (MIR), 1966., Vol. 6 Issue 4, str.15 17 Altman, Edward: Financial ratios, Discriminant analysis and the prediction of corporate bankruptcy,
The Journal of Finance, Vol XXIII, No. 4, Sept 1968., str.589 18 Sorter i Becker su ispitivali odnos financijskih omjera i psihološkog modela "korporativne osobnosti", i
procjenjujući buduću prodaju i mno�eći je s omjerom dobit/prodaja. Ovaj pristup oslanja se
na statistička svojstva omjera za potrebe procjenjivanja funkcionalnog odnosa među
podacima. U ovoj situaciji odnos procijenjen izračunom omjera biti će isti kao onaj dobiven
regresijskom analizom: linearna funkcija bez konstante.
Ipak, u praksi mo�e postojati konstanta (npr. dobit ne mora biti čvrsto vezana uz
prihode, odnosno određena dobit mo�e se ostvarivati bez obzira na veličinu prihoda), i odnos
ne mora biti linearan (npr., u zasićenom tr�i�tu mo�e se očekivati ne-konstantno povećanje
dobiti za svako povećanje prihoda). Ako su dakle ova dva uvjeta naru�ena, regresijska analiza
mo�e biti sna�niji alat za procjenu funkcionalnog odnosa između dvije varijable. U današnje
doba tehnolo�ke revolucije gdje i d�epni kalkulatori mogu računati regresijsku analizu ovaj
ne�to kompleksniji izračun ne bi smio predstavljati problem, osobito kada se u obzir uzmu i
dodatni izračuni koje dobivamo analizom (koeficijent korelacije, standardna pogreška
procijenjenih koeficijenata).
Regresijska analiza za jedno poduzeće mo�e se izračunati na temelju podataka
vremenske serije, ili na presjeku vi�e poduzeća istog vremenskog perioda. Bitan nedostatak
regresijske analize jest u tome �to ona vrijedi samo za raspon podataka uključenih u analizu
(procjenjuju se vrijednosti između maksimalne i minimalne vrijednosti za koje nemamo
podataka), �to u slučaju konstantnog porasta prihoda kroz vrijeme ne mo�e donijeti statistički
ispravnu procjenu.
22 Eisemann, Peter C.; Making Sense of Industry Financial Ratios, Commercial Lending Review, New
York, Summer 1992., Vol.7, Iss. 3, str.3 COPY
RIGHT
15
Statistička priroda omjera Fundamentalno i mo�da najva�nije pitanje statističke prirode financijskih omjera jest
njihov tip distribucije. U nekim istraživanjima pokazuje se gotovo normalna distribucija uz
tendenciju ka pozitivnom nagibu, no na�alost najče�će se ona uopće ne ispituje nego se
normalnost pretpostavlja. Treba imati na umu da prekršaj ove pretpostavke narušava
zaključke istra�ivanja, te ovo pitanje svakako treba uzeti u obzir i pokloniti mu vi�e pa�nje.
Slijedeći temeljni aspekt je kolinearnost omjera, odnosno opseg njihove korelacije.
Budući da se iz svega nekoliko podataka financijskih izvje�ća mo�e konstruirati mno�tvo
omjera (�to se uglavnom i čini) određena razina kolinearnosti mora se očekivati.
"Postojanje kolinearnosti je istodobno blagoslov i prokletstvo za analizu financijskih
omjera. Ono znači da je potreban prilično maleni broj omjera da se 'zarobi' informacijski
sadr�aj koji oni nose, ali to također znači da se ovaj maleni broj mora izabrati vrlo oprezno."23
Bitno je spomenuti i pojavu korelacije omjera kroz vrijeme, što je izraženo osobito kod
omjera koji imaju dugotrajnu (dugoročnu) komponentu.
No element koji dobiva najvi�e mjesta u statističkoj literaturi o omjerima je pojava
disperzije distribucije omjera. Radi se o određenim faktorima koji povećavaju razlike između
istih omjera među različitim poduzećima, te na taj način ote�avaju postizanje jasnih
prosječnih omjera, �to je bitno pri usporedbi poduzeća.
Postoji �irok spektar ovih čimbenika, a najče�ći su vrsta djelatnosti poduzeća, veličina
tvrtke, ciklički uvjeti, sezonski pritisci, geografska lokacija, i knjigovodstvene metode.
1. Vrsta djelatnosti poduzeća.
O djelatnosti poduzeća izravno ovise razmjeri veličina pojedinih stavki
računovodstvenih izvje�ća, te je stoga vrlo nezahvalno uspoređivati iste omjere primjerice
farmaceutske i industrije čelika. Ova specifičnost granske stratifikacije omjera uočena je i
dokazana vrlo rano, i analitičari su je svjesni i uzimaju je u obzir.
23 Horrigan, James; Some Empirical Bases of Financial Ratio Analysis, Accounting Review, July 1965.,
Vol. 40 Issue 3, str. 561. COPY
RIGHT
16
2. Veličina tvrtke.
"Različite veze financijskih omjera i veličine poduzeća mogu se sumirati na slijedeći
način:
1. Kratkoročna likvidnost i dugoročna solventnost povezane su sa veličinom
poduzeća na pozitivan, paraboličan način. Drugim riječima, odnos je pozitivan
za manja poduzeća, a negativan za veća.
2. Profitna mar�a i povrat na investicije direktno variraju ovisno o veličini tvrtke.
3. Omjer obrtaja kapitala inverzno je povezan s veličinom poduzeća, ali obrtaj
potra�ivanja varira na paraboličan, negativan način.
Nedostatak ovih dokaza njihova je skupna (agregatna) narav. Ostaje za dokazati da li
ovi odnose stoje i među različitim djelatnostima. Visoke profitne mar�e i nizak obrtaj kapitala
mogu zaista biti karakteristike velikih poduzeća bez obzira na klasifikaciju djelatnosti, no
također je vrlo vjerojatno da je ovo obilje�je industrija u kojima dominiraju velika
poduzeća."24
Prethodno su navedene teorijske izvedenice temeljem iskustva, a ako govorimo o
praksi, Osteryoung i Constand25 dokazali su na uzorku od preko 25.000 poduzeća i 13 omjera
kako se omjeri profitabilnosti i financijske poluge značajno razlikuju ovisno o veličini
poduzeća, dok se isto ne mo�e reći za omjere likvidnosti, te za prinos na prodaju (ROS) i
prinos na neto vrijednost (RONW).
3. Ciklički utjecaji.
"Ciklički uvjeti djeluju na slijedeći način:
1. Omjeri kratkoročne likvidnosti i omjer neto vrijednosti i ukupnih obveza
variraju inverzno sa cikličkim fluktuacijama.
2. Omjeri dugoročne solventnosti, svi omjeri obrtaja imovine, profitna mar�a i
povrat na investicije variraju direktno sa cikličkim fluktuacijama.
3. Omjer obrtaja potra�ivanja nije jasno razlučivo vezan uz cikličke promjene."26
24 Horrigan, James; Some Empirical Bases of Financial Ratio Analysis, Accounting Review, July 1965.,
Vol. 40 Issue 3, str. 565. 25 Osteryoung, Jerome; Constand, Richard L.; Financial ratios in large public and small private firms,
Journal of Small Business Management, July 1992., Vol. 30 Issue 3, str.35 26 Horrigan, James; Some Empirical Bases of Financial Ratio Analysis, Accounting Review, July 1965.,
Vol. 40 Issue 3, str. 565. COPY
RIGHT
17
4. Sezonski utjecaji.
Sezonski utjecaji utječu na sva poduzeća u grani te stoga imaju odraz u omjerima.
Problem bi nastao tek ako bi se uspoređivali omjeri različitih poduzeća iste grane koji su
formirani od podataka za različita računovodstvena razdoblja.
5. Geografska lokacija i knjigovodstvene metode.
Geografski utjecaji i utjecaj različitih računovodstvenih metoda u praksi se javljaju
prilično rijetko, i najče�će odra�avaju razlike temeljem djelatnosti poduzeća.
Konačno, statistička priroda financijskih omjera govori nam slijedeće:
1. imaju gotovo normalnu distribuciju,
2. visoko su korelirani jedni s drugima i kroz vrijeme, i
3. mogu imati disperziju koja se može smanjiti stratifikacijom po
djelatnostima i po veličini poduzeća.
Dakle, podlo�ni su statističkoj analizi, ali ne bez određenih te�koća.
2.2. Modeli predviđanja poslovnih pote�koća temeljem omjera
Prethodno je obrađen povijesni razvoj i statistička problematika uporabe omjera.
Ovdje će naglasak biti na kori�tenju omjera pri formiranju modela predviđanja poslovnih
pote�koća.
Ukratko će se opisati povijesni slijed i najbitnije odlike istra�ivanja koja su učinjena
do 1966. i ključnog rada Williama Beavera, dok će u 2.2.1 do 2.2.7. biti izneseni radovi koji
su najznačajnije utjecali na razvoj istra�ivanja poslovnih pote�koća. Va�no je ponovno
naglasiti kako ovaj dio rada nema ambiciju prikazati sva istra�ivanja na ovom području, nego
dati konzistentan presjek učinjenog napretka u prethodnim desetljećima.
COPY
RIGHT
18
Ranih 1930-tih godina formirane su prve studije efikasnosti omjera u predviđanju
poslovnih pote�koća, i to u određenom smislu kao suprotnost već spomenutom Foulke-ovom
pragmatičnom empirizmu.
Raymond Smith i Arthur Winakor započeli su ovaj pokret analizom uzorka od 29
poduzeća koja su bila u pote�koćama u razdoblju od 1923. do 1930. u radu objavljenom 1930.
godine27. Pet godina kasnije objavili su rad28 u kojem su na uzorku od 183 poduzeća
analizirali prethodni desetogodi�nji trend aritmetičkih sredina dvadeset i jednog omjera29 i
zaključili da je omjer radnog kapitala i ukupne imovine najtočniji i najstabilniji indikator
stečaja, čiji pad započinje čak deset godina prije pote�koća. No bitan podbačaj sastoji se u
nepostojanju analize grupe poduzeća bez problema kao protute�e.
Jo� dvije studije koje su ispitivale snagu predviđanja omjera bile su učinjene u ranim
tridesetima, no u njima je postojala kontrolna grupa 'zdravih' poduzeća. Paul Fitzpatrick u
radu objavljenom 1931.30 godine promatrao je tri do pet godina unazad trendove trinaest
omjera za dvadeset poduzeća sa te�koćama. Potom ih je slijedeće godine31 usporedio sa
devetnaest poduzeća bez te�koća.
Iste, 1931. godine Ramser i Foster32 analizirali su jedanaest omjera iz 173 poduzeća s
ciljem predviđanja poslovnih pote�koća.
Metodolo�ki nedostaci ovih studija nadoknađeni su njihovim bitnim doprinosom -
predstavljaju značajan događaj u analizi omjera jer su bili prvi koji su pa�ljivo poku�ali
koristiti znanstvene metode pri determinaciji korisnosti omjera.
27 Smith, Raymond F.; Winakor, Arthur H.; A Test Analysis of Unsuccessful Industrial Companies,
Bulletin No.31, Urbana, University of Illinois, Bureau of Business research, 1930. 28 Smith, Raymond F.; Winakor, Arthur H.; Changes in the Financial Structure of Unsuccessful
Industrial Corporations, Bulletin No.51, Urbana, University of Illinois, Bureau of Business research, 1935 29 u biti koristili su modificiranu aritmetičku sredinu omjera koja je izračunata iz srednje polovine
podataka: (Q1-Q2) / 1/2N 30 Fitzpatrick, Paul J.; Symptoms of Industrial Failures, Catholic Universita of America Press, 1931. 31 Fitzpatrick, Paul J.; A Comparison of the Ratios of Succesful Industrial Enterprises with Those of
Failed Companies, The Accountants Publishing Company, 1932. 32 Ramser, J.R.; Foster, Louis O.; A Demonstration of Ratio Analysis, Bulletin No.40, Urbana, University
of Illinois, Bureau of Business research, 1931. COPY
RIGHT
19
U 1940-tima studije predviđanja poslovnih pote�koća kori�tenjem omjera kulminirale
su studijom Charlesa Merwina33 1942. godine koji je uspoređivao srednje vrijednosti omjera
poduzeća sa i bez problema. Analizirao je šestogodišnji trend velikog (nespecificiranog) broja
omjera za 939 poduzeća koja je podijelio u dvije grupe (poduzeća koja su zavr�ila u stečaju i
ona koja to nisu). Zaključio je kako omjeri mogu biti vrlo osjetljivi indikatori problema i do
pet godina prije stečaja, a istaknuo je omjer radnog kapitala i ukupne imovine, omjer ukupnog
zadu�enja i tekući omjer likvidnosti.
Merwin je prvi uporabio zaista sofisticiranu analizu snage predviđanja omjera, i
zaključci njegove studije i danas nose signifikantan kredibilitet. No, do 1966. godine i rada
Williama Beavera svijet još nije dobio suvremenu znanstvenu analizu financijsko
računovodstvenih omjera u svrhu predviđanja poslovnih pote�koća.
2.2.1. Istraživanje Williama Beavera
William Beaver 1966. godine objavljuje prvi suvremeni znanstveni rad34 o
predviđanju poslovnih pote�koća uporabom omjera, i to kao nastavak istra�ivanja započetog
svojom doktorskom disertacijom35.
Beaver poslovne pote�koće definira kao jedno od slijedećeg: stečaj, ogluha,
neisplaćivanje prioritetnih dividendi, te uzimanje kredita po tekućem računu (kontokorentni
kredit), a financijski omjer kao kvocijent dva broja gdje su oba stavke financijskih izvje�ća.
Naglašava kako primarni motiv nije definiranje sposobnosti predviđanja omjera kao načina
prezentiranja financijsko-računovodstvenih podataka, nego "priskrbiti empirijsku verifikaciju
korisnosti računovodstvenih podataka (tj. financijskih izvje�ća)."36
33 Merwin, Charles L.; Financing Small Corporations in Five Manufacturing Industries in 1926-1936,
National Bureau of Economic Research, 1942. 34 Beaver, William H.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.71 35 Disertaciju je obranio 1965. godine na Business University of Chicago, ali nije objavljena. 36 Beaver, William H.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.72 COPY
RIGHT
20
Promatrano je desetogodišnje razdoblje (1954-1964) za 30 omjera u 79 poduzeća37
koja su bila stratificirana po vrsti djelatnosti i veličini imovine. Ovi su omjeri navedeni u
tablici 1.
Za svako promatrano poduzeće izabran je par - tvrtka bez problema iste djelatnosti i
podjednake veličine.
Beaver je zamijetio da je tro�ak krive klasifikacije poduzeća s problemima (u grupu
poduzeća bez problema) značajno veći od tro�ka krive klasifikacije grupe bez problema (u
grupu sa poslovnim pote�koćama). Prvu je pogre�ku nazvao pogre�kom Tipa I., a drugu
pogreškom Tipa II. Ova se terminologija zadržala do danas.
Tablica 1. Omjeri korišteni u Beaverovoj studiji 1966. godine38 Grupa I - omjeri tijeka gotovine
U zaključku istra�ivanja autor je istaknuo 'problem' oporavka poduzeća. Naime, u
istra�ivanje su uključena samo poduzeća koja su zavr�ila u stečaju, ali ne i ona koja su 'trebala
bankrotirati' (temeljem omjera) �to su uprave ovih tvrtki pravovremeno uočile, te su poslovne
pote�koće identificirane i različitim korektivnim akcijama sanirane kako bi se izbjegao
37 Uza sav napor samo za njih 79 su se uspjela pribaviti financijska izvje�ća, �to mo�e dati nadu domaćim
istra�ivačima koji također oskudijevaju relevantnim podacima. 38 Beaver, W.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.78 COPY
RIGHT
21
poslovni slom.39 Ovo čini nereprezentativan uzorak poduzeća jer, riječima Beavera, "Va�an
dio informacija nedostaje - koliko je poduzeća je spa�eno od stečaja jer su na vrijeme
primijetili probleme analizom vlastitih omjera?"40
Interesantno je kako u dijelu 'Prijedlozi za buduća istra�ivanja'41 isti autor naglašava
kako je koristio jednostruku analizu, tj. analizu sposobnosti predviđanja poslovnih pote�koća
korištenjem omjera, i to jednog po jednog, te predlaže višestruku analizu od više omjera
odjednom. Altman je upravo ovo učinio samo dvije godine kasnije.
2.2.2. Edward Altman i Z-score model
Edward Altman je 1968. godine objavio rad42 u kojem koristi diskriminacijsku analizu
za predviđanje stečaja poduzeća kori�tenjem omjera, studiju koja je dobila golem odjek ne
samo među znanstvenicima, nego i među ekonomskim praktičarima analitičarima u kreditnim
institucijama, knjigovođama, itd. �to je tomu razlog?
Govoreći o prirodi omjera već je navedeno kako je u bit njihove općeprisutnosti i
uspjeha satkana jednostavnost, kao njihovo mo�da najuočljivije obilje�je. Altman je vrlo
inteligentno uporabio ovu činjenicu formirajući iznimno jednostavan model koji od (samo)
pet nimalo slo�enih omjera izračunava (kako ga je Altman nazvao) Z-score – vrijednost koja
nam govori o klasifikaciji poduzeća s obzirom na vjerojatnost poslovnog sloma, te koristeći
ne�to slo�eniju statističku tehniku nudi �iroko primjenjiv model predviđanja poslovnih
pote�koća. Ovaj je model odmah bio 'razgrabljen' među analitičarima, te unatoč zastarjelosti i
nekim očitim nedostacima koristi se i danas.43
39 Vrlo interesantno istra�ivanje o strategijama zaokreta radi izbjegavanja mogućeg poslovnog sloma
učinili su Sudarsanam, S. i Lai, J. u Corporate Financial Distress And Turnaround Strategies: An Empirical
Analysis, British Journal of Management, September 2001., Vol. 12, Issue 3 40 Beaver, W.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.101 41 Beaver, W.; Financial Ratios as Predictors of Failure, Journal of Accounting Research, 1966.
Supplement, Vol. 4 Issue 3, str.100 42 Altman, Edward: Financial ratios, Discriminant analysis and the prediction of corporate bankruptcy,
The Journal of Finance, Vol XXIII, No. 4, Sept 1968., str.589 43 Slijedeći članci primjer su popularizacije Z-score modela, premda postoje i noviji:
Inman, Mark Lee; Z-Scores and Recent Events: Do They Shed Any Light?, Management
Accounting, January 1991, Vol.69, Iss.1, str.44 COPY
RIGHT
22
Altman jasno ističe prethodnike svog istra�ivanja, no jednako tako poentira slijedećom
tvrdnjom: "Redoslijed njihove va�nosti nije jasan budući da gotovo svaka studija ističe drugi
omjer kao najefektivniju indikaciju nadolazećih problema."44
Bitno je naglasiti metodološke pretpostavke višestruke diskriminacijske analize, jer su
kasnija istra�ivanja poku�ala upravo izbjegavajući kr�enje ovih pretpostavki postići bolje
rezultate istra�ivanja, odnosno manju mjeru pogre�ke i veću pouzdanost predviđanja.
Pretpostavke višestruke diskriminacijske analize su:
1. Normalna distribucija. Pretpostavljeno je da su podaci (za varijable) uzorak s
normalnom distribucijom. No ako ova pretpostavka i nije zadovoljena, ne moraju se
nužno dovesti u pitanje rezultati analize.
2. Homogenost varijanci/kovarijanci. Pretpostavljeno je kako su matrice
varijanci/kovarijanci varijabli homogene za sve grupe.
3. Nepostojanje korelacije srednjih vrijednosti i varijanci. Rezultati diskriminacijske
analize mogu biti nesignifikantni ukoliko su aritmetičke sredine varijabli unutar grupa
korelirane s varijancama ili standardnim devijacijama. U praksi se navedeni slučaj događa
kada postoje ekstremne vrijednosti koje značajno odstupaju od aritmetičke sredine te
povećavaju varijabilnost (varijancu)45.
4. Korektan izbor varijabli. Još jedna pretpostavka diskriminacijske analize je da
varijable koje se koriste za diskriminaciju između grupa nisu potpuno redundantne.
Kao i Beaver, Altman je koristio parove poduzeća. Koristio je uzorak od 33 tvrtki u
stečaju i onih koja to nisu (dakle ukupno 66 poduzeća). No, u ovako formiranom uzorku
ugrađen je statistički problem. Nenasumičnim izborom varijabli dolazi do tendencije
prenaglašavanja mogućnosti stečaja. Naime, u uzorku je odnos poduzeća koja uredno posluju
i onih koja zavr�avaju stečajem 1:1, �to nije preslika realnosti u kojoj je postotak poduzeća
koja zavr�avaju poslovnim slomom bitno manji od uredno poslujućih tvrtki. Uz to, prilično je
česta pojava nemogućnosti uvida u financijske podatke za poduzeća koja su skončala
stečajem. Tako dolazi do dvostrukog iskrivljenja rezultata: prvo nastupa izborom slučajeva
Eidleman, Gregory J.; Z scores - A guide to failure prediction, The CPA Journal, New York,
February 1995. Vol. 65, Iss. 2, str.52 44 Altman, Edward: Financial ratios, Discriminant analysis and the prediction of corporate bankruptcy,
The Journal of Finance, Vol XXIII, No. 4, Sept 1968, str. 590 45 eng. outlier CO
PYRI
GHT
23
ovisno o zavisnoj varijabli (odnosno nereprezentativnim konstruiranjem uzorka), a drugo
izborom samo poduzeća za koja se mogu pribaviti financijska izvje�ća, a koja u ukupnoj
populaciji čine manji udio. Na ovaj je propust upozorio Zmijewski46.
Altman je poduzeća stratificirao po djelatnosti i veličini te izabrao 21 omjer, koje nije
eksplicitno naveo nego samo definirao njihov izbor. Riječima Altmana:
"Izbor je na bazi: 1) popularnosti u literaturi, 2) potencijalne relevantnosti u studiji, i
nekoliko 'novih' omjera iniciranih ovim radom. Iz ovog popisa varijabli izabrano je pet koje
zajedno najbolje predviđaju stečaj poduzeća. Kako bi se do�lo do ovog konačnog profila
varijabli kori�tene su slijedeće procedure:
1. promatranje statističke signifikantnosti različitih alternativnih funkcija
uključujući određivanje relativnog doprinosa svake nezavisne varijable,
2. procjena korelacija između relevantnih varijabli,
3. promatranje točnosti predviđanja različitih profila, i
4. prosudba analitičara."47
Konačna funkcija diskriminacije je slijedeća:
Z = 1,21X1 + 1,4X2 + 3,3X3 + 0,6X4 + 9,999X5, gdje je
Z = ukupni indeks
X1 = radni kapital / ukupna imovina
X2 = zadržana dobiti / ukupna imovina
X3 = dobit prije kamata i poreza / ukupna imovina
X4 = tržišna vrijednost imovine / ukupni dug
X5 = prodaja / ukupna imovina.
Zona neodređenosti za Z-score vrijednost odnosi se na otvoreni skup od 1,81 do 2,67.
X1 – Omjer radnog kapitala i ukupne imovine kod Altmana se pokazao najboljim od
svih omjera likvidnosti koji su bili u studiji. Karakteristike likvidnosti i veličine ovdje su
eksplicitno uzete u obzir. Ovaj je omjer konzistentan i s Merwinovom studijom gdje je
istaknut kao najbolji indikator poslovnih pote�koća.
46 Zmijewski, Mark: Methodological Issues Related to the Estimation of Financial Distress Prediction
Models, Journal of Accounting Research, Vol. 22, Supplement 1984. 47 Altman, Edward: Financial ratios, Discriminant analysis and the prediction of corporate bankruptcy,
The Journal of Finance, Vol XXIII, No. 4, Sept 1968, str. 594 COPY
RIGHT
24
X2 – Omjer kumulativne profitabilnosti implicitno uzima u obzir starost poduzeća.
Naime, poznato je kako je pojava stečaja puno če�ća u ranim godinama poslovanja poduzeća.
X3 – Ovaj omjer je u biti mjera stvarne produktivnosti imovine poduzeća jer se oduzima
efekt poreza i financijske poluge. Budući da je egzistencija poduzeća temeljena na snazi
stvaranja dobiti kori�tenjem imovine, ovaj se omjer čini osobito prikladnim za studije
poslovnih pote�koća.
X4 – Tr�i�na vrijednost imovine mjerena je ukupnom tr�i�nom vrijedno�ću svih dionica,
redovnih i prioritetnih, a ukupni dug je zbroj kratkoročnih i dugoročnih dugovanja. Ovo je
mjera koja pokazuje koliko može pasti vrijednost imovine prije nego obveze nadmaše
veličinu imovine te poduzeće postane insolventno.
X5 – Ovo je jedna od mjera sposobnosti menedžmenta u uvjetima konkurentnog
okruženja. Na individualnoj bazi (tj. u jednostrukoj analizi) on je najmanje važan, no zbog
svojeg jedinstvenog odnosa sa ostalim varijablama u modelu ovaj je omjer drugi po ukupnoj
diskriminacijskoj snazi u modelu.
Ukupna točnost modela za podatke iz jedne godine prije stečaja iznosila je 95%, gdje
je pogreška Tipa I iznosila 6%, a pogreška Tipa II 3%.
Podaci za dvije godine prije stečaja pokazuju točnost modela od 83%, uz pogre�ku
Tipa I od 28% i pogrešku Tipa II od 6%.
Interesantno je kako Altman prije zaključka istra�ivanja iznosi �irok spektar moguće
primjene Z-score modela (od procjene kreditne sposobnosti do interne kontrole poslovanja) s
detaljnim poja�njenjima, čime jasno pokazuje �elju za njegovom popularizacijom.48 To
naravno nije prvenstveni razlog rasprostranjenosti, no moglo bi se zaključiti kako je ovo bio
jedan od ciljeva rada.
Globalna popularnost Altmanovog modela se dogodila i traje (kako je već rečeno) sve
do danas, te svaki relevantan rad na ovom području citira Altmana, a nova se dostignuća
redovno uspoređuju s Altmanovim modelom s ciljem da ga nadma�e na bilo koji način. U
tome nerijetko i uspijevaju, no to ne umanjuje značaj Altmanovih radova – Edward Altman je
svoje mjesto u povijesti ekonomije osigurao.
48 Proučavajući dvjestotinjak znanstvenih članaka na temu predviđanja poslovnih pote�koća nisam na�ao
ni�ta slično. COPY
RIGHT
25
Korigirani Z – score modeli
I. ) Kod Z-score modela postoji problem koji se odnosi na poduzeća koja ne kotiraju na
tr�i�tu, te se zbog toga njih ne mo�e izračunati omjer X4.
Umjesto uno�enja nasumične vrijednosti Altman predla�e korigirani Z-score model, u
kojem omjer X4 postaje omjer neto knjigovodstvene vrijednosti tvrtke i ukupnog zaduženja.
kratkoročne obveze). Usprkos nekim prethodnim istra�ivanjima koja su druge omjere
likvidnosti pretpostavljala tekućem omjeru, upravo ovaj se pokazao najboljim u Altmanovom
istraživanju.
X6 – kapitalizacija – mjerena omjerom temeljnog i ukupnog kapitala. U brojniku i u
nazivniku temeljni je kapital mjeren prosjekom petogodišnje tržišne vrijednosti, dakle ne
knjigovodstvene. Nazivnik uključuje i povla�tene dionice po likvidacijskoj vrijednosti,
dugoročna dugovanja i kapitalizirane najmove. Kori�ten je petogodi�nji prosjek kako bi se
izgladile moguće privremene tr�i�ne oscilacije, te kako bi se dodala (uz X2) komponenta
trenda.
51 Altman je transponirao ovu mjeru logaritmiranjem s bazom 10 "kako bi unaprijedili normalnost i
homoskedastičnost" (Altman et al., 1993., str. 212) COPY
RIGHT
27
X7 – veličina – mjerena ukupnom materijalnom imovinom tvrtke. Značaj ove
komponente već je poja�njen.
U usporedbi s Z-score modelom ZETA� model pokazuje znatno veću točnost
predviđanja stečaja dvije do pet godina prije nastupanja istoga, dok se točnost predviđanja u
vrijeme jedne godine prije stečaja gotovo podudara u oba modela.
2.2.3. Istraživanje Edwarda Deakina
Edward Deakin je 1972. godine predložio alternativni model52 onima koje su razvili
Beaver i Altman. Njegov je plan bio iskoristiti najbolje iz obje studije: koristio je 14
Beaverovih omjera kako bi na�ao linearnu kombinaciju s najvećom točno�ću predviđanja.
Analizirao je 32 poduzeća koja su zavr�ila u stečaju od 1964. do 1970. godine, a za
svaku od ovih tvrtki izabrao je par sukladno veličini poduzeća, grani gospodarske djelatnosti,
i vremena financijskih podataka. Postigao je prilično veliku točnost predviđanja do tri godine
prije stečaja, no u prvoj, te u četvrtoj i petoj godini prije stečaja točnost značajno opada.
Poku�ao je smanjiti broj varijabli, ali je gre�ka klasifikacije značajno porasla.
Rad je zaključio slijedećim riječima: "Mora se uzeti u obzir kako je model izveden iz
prilično malog uzorka (...). Nadalje, uz mjeru gre�ke od 10% vjerojatnosti pripadnosti
pojedinoj grupi trebaju se uzeti samo kao dodatni, a ne kao odlučujući dokaz vjerojatnosti
stečaja."53
2.2.4. Ohlsonov Logit model Robert Ohlson svojim se istraživanjem54 objavljenim 1980. pokušao udaljiti od
tehnika koje su do tada bile uobičajene pri analizi mogućnosti nastupanja stečaja, i to kako bi
izbjegao statističko-metodološke probleme koji se pojavljuju pri uporabi višestruke
diskriminacijske analize. Problemi koji se pojavljuju kod korištenja diskriminacijske analize
ujedno su i kritika Altmanovog modela, a neki od tih problema su slijedeći:
52 Deakin, E.; A discriminant analysis of predictors of business failure, Journal of Accounting Research,
Spring 1972., str. 167. 53 Ibid., str. 178. 54 Ohlson, R.; Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting
Research, Spring 1980., Vol. 18., No. 1., str.109. COPY
RIGHT
28
1. Postoje specifični statistički zahtjevi koji se postavljaju u svezi distribucijskih
svojstava varijabli. Npr. matrice varijanci i kovarijanci varijabli morale bi biti
jednake za obje grupe. Ipak, prekršaj ove pretpostavke je jednostavno
irelevantan ako je jedina svrha modela formirati sustav diskriminacije.
2. Izlazna vrijednost diskriminacijske analize je broj koji ima vrlo usku
intuitivnu interpretaciju, jer je on u biti alat za ordinalno rangiranje, odnosno
diskriminaciju.
3. Također postoje problemi s procedurama uparivanja poduzeća sa i bez
problema, a koje se uobičajeno koriste u vi�estrukoj diskriminacijskoj analizi.
Poduzeća koja su zavr�ila u stečaju i ona koja to nisu sla�u se (uparuju) prema
kriterijima kao �to su veličina i grana djelatnosti, no ovi kriteriji počesto znaju
biti arbitrarni. Nije očito �to se posti�e i/ili gubi različitim tehnikama
uparivanja. Plodnijim se čini uključiti dodatnu varijablu nego koristiti iste
podatke u svrhu uparivanja.
Umjesto prethodno kori�tenih metoda odlučio je koristiti logit model koji otklanja
prethodno navedene probleme, te postavlja slijedeće jednostavno pitanje: ako znamo da
poduzeće pripada određenoj specifičnoj grupi, koja je vjerojatnost da navedeno poduzeće ode
u stečaj u određenom vremenskom periodu? Pri tom se ne moraju pretpostavljati prethodne
vjerojatnosti pripadnosti pojedinoj grupi.
Ohlson je prikupio podatke za 105 poduzeća koja su zavr�ila u stečaju u razdoblju od
1970. do 1976., potom odabrao 2058 poduzeća koja nisu skončala stečajem, te izabrao 9
omjera po ključu učestalosti u tada postojećoj literaturi.
Krivo je klasificirano 17,4% poduzeća u grupu poduzeća koja su zavr�ila u stečaju,
dok je 12,4% poduzeća u stečaju svrstano u grupu bez problema. Kako i sam Ohlson ka�e, to
je dosta veća mjera pogre�ke od dotada�njih, a obja�njava je različitim razdobljima za koja su
financijska izvje�ća prikupljena od prethodnih istra�ivanja. Riječima autora:
"U konačnici, razlike u rezultatima različitih istra�ivanja vrlo je te�ko izgladiti.
Moyer55 je preispitao Altmanov model koristeći podatke za razdoblje od 1965. do 1975.
55 Moyer, R.; Forecasting financial failure: a re-examination, Financial Management, Spring 1977. CO
PYRI
GHT
29
(Altman je Z-score model formirao na podacima od 1946. do 1965.). Mjera pogreške za
Altmanov model koju je naveo Moyer iznosila je čak 25%!"56
Nadalje, Ohlson navodi kako su financijska izvje�ća poduzeća koja su u njegovu
modelu krivo klasificirana nosila vrlo malo realnog informacijskog sadr�aja. Drugim riječima,
samo dvije od trinaest navedenih tvrtki (krivo svrstanih u grupu bez problema) nije navelo
dobit u izvje�ćima, neka su čak i isplaćivala dividende, i niti jedno od njih nije dobilo nikakve
opaske od strane revizora.
Koristeći vi�estruku diskriminacijsku analizu Ohlson je dobio ne�to lo�ije rezultate, tj.
veću mjeru pogre�ke. "Generalno govoreći, pretpostavljamo kako bi rezultati gotovo svih
'razumnih' tehnika bili vrlo slični."57
Zaključuje kako bi bitan napredak bio postignut jedino dodatnim prediktorima
(varijablama), čime implicitno pretpostavlja nedostatak informacijskog sadr�aja u
dosadašnjim varijablama.
2.2.5. Sinkeyeva istraživanja banaka 1975. i 1978. godine
U dosada�njem pregledu istra�ivanja poslovnih pote�koća poduzeća predmetom su
istra�ivanja bile tvrtke raznih djelatnosti, od proizvodnih do trgovačkih, no nije bilo
istra�ivanja poduzeća koja su se bavila isključivo financijskim uslugama, odnosno banaka.
Među prvima koji je proučava poslovne pote�koće banaka bio je Joseph Sinkey koji je
objavio dva rada, 1975. i 1978. godine.
Treba spomenuti kako su prvi model58 predviđanja stečaja banaka izveli Paul Meyer i
Howard Pifer. Ovo je bio empirijski rad koji je na osnovi Altmanova modela pokušao stvoriti
model specifičan za bankarstvo, no rezultati su bili dvojbeni. Ukratko će biti prikazana
Sinkeyeva istraživanja.
56 Ohlson, R.; Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting
Research, Spring 1980., Vol. 18., No. 1., str.128. 57 Ohlson, R.; Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting
Research, Spring 1980., Vol. 18., No. 1, str. 129. 58 Meyer, Paul; Pifer, Howard; Prediction of Bank Failures, Journal of Finance; September 1970., Vol. 25
Issue 4, str. 853. COPY
RIGHT
30
I. ) Sinkey je 1975.59 godine višestrukom diskriminacijskom analizom pokušao
konstruirati pravila za klasificiranje banaka u jednu od dvije grupe: sa i bez poslovnih
pote�koća.
Banku s poslovnim pote�koćama je definirao kao "banku koja nije postupila po zakonu
i/ili pravilima djelatnosti, ili je bankarska praksa bila do te mjere nesigurna ili nerazumna da
je u pitanje dovedena sada�nja ili buduća solventnost banke."60
Izabrao je 110 banaka s pote�koćama, te dodatnih kontrolnih 110 banaka bez
pote�koća, i to za razdoblje od 1969. do 1972.. Postavio je hipotezu kako su za opstanak
banke presudna dva endogena faktora: kvaliteta upravljanja, i iskrenost (poštenje)
zaposlenika. "Općenito uzev�i, egzogeni su faktori relativno neva�ni."61
Izborom 10 varijabli (omjera) te njihovom analizom postigao je model s relativno
visokom mjerom pogreške od 35,91% krive klasifikacije u 1969. godini, do 24,76% u 1972.,
no nagla�ava: "Ovaj rad predstavlja preliminarni input s konačnim ciljem uspostavljanja
sustava ranog upozoravanja koji će imati sposobnost detektirati buduće probleme banaka.
Ovakav sustav je dizajniran kao nadopuna postojećim procedurama preispitivanja poslovanja
banaka; nije mu namijenjeno biti zamjenom ljudskim vje�tinama i prosuđivanju potrebnima u
rješavanju problema i nadgledavanju banaka."62
Najboljim se omjerom za predviđanje poslovnih pote�koća pokazao omjer operativnih
prihoda i operativnih troškova.
II. ) Koristeći jednostruku diskriminacijsku analizu u kojoj su varijable bile
ponderirani omjeri kapitala, Sinkey je 1978. god usporedio 143 banke s problemima sa
59 Sinkey, J.; A Multivariate Statistical Analysis Of The Characteristics Of Problem Banks, The Journal of
Finance, March 1975., Vol. 30, No. 1., str. 21 60 Sinkey, J.; A Multivariate Statistical Analysis Of The Characteristics Of Problem Banks, The Journal of
Finance, March 1975., Vol. 30, No. 1., str. 21. 61 Sinkey, J.; A Multivariate Statistical Analysis Of The Characteristics Of Problem Banks, The Journal of
Finance, March 1975., Vol. 30, No. 1., str. 26. Ovu bi se izjavu danas moglo promatrati s podsmijehom, no
Sinkey obja�njava kako su banke lokalne institucije, te kako poslovni ciklusi nisu značajno utjecali na banke. S
obzirom na vrijeme izdavanja kada globalizacije nije bila značajna i kada globalni procesi nisu utjecali na
lokalnu banku, možemo mu vjerovati. 62 Sinkey, J.; A Multivariate Statistical Analysis Of The Characteristics Of Problem Banks, The Journal of
Finance, March 1975., Vol. 30, No. 1., str. 34. COPY
RIGHT
31
nasumičnim uzorkom od 163 banke bez problema. Za razliku od njegovih suvremenika,
istra�ivanje nije radio s ciljem predviđanja poslovnih pote�koća: "Ovi su testovi 'deskriptivni',
a ne 'prediktivni' (u svrhu predviđanja)."63
Od ukupno 21 korištene varijable snažnijima od ostalih (u svrhu predviđanja
poslovnih pote�koća) pokazalo se njih 7, a sve su specifične za bankarski sektor gospodarstva,
i kao takve ne mogu se koristiti u ostalim gospodarskim djelatnostima. Točnije, objavio je �est
varijabli, a sedma je omjer dvije već uporabljene (u tablici br. 2. pod rednim brojem 4.). Sve
se varijable nalaze u tablici 2.
Tablica 2. Varijable u Sinkeyevom istra�ivanju poslovnih pote�koća banaka64
RED
.
BR
.
VARIJABLA IZRAČUN MJERA KRIVE
KLASIFIKACIJE
POGREŠKA TIPA I.
POGREŠKA TIPA II.
1. ACR ACR = ( K + R + N – L – ½ D) / A * 26,8% 35,0% 19,6% 2. NCR NCR = ( K + R + N – L – D – S ) / A * 4,6% 4,9% 4,3% 3. NIA NETO DOBIT / UK. IMOVINA 34,3% 66,4% 6,1% 4. NCR / NIA 5,5% 7,0% 4,3% 5. SUB S / UK. ZAJMOVI * 12,4% 19,6% 6,1% 6. TCL S + D + OTPISANI ZAJMOVI / UK. ZAJMOVI 11,1% 16,1% 6,7% 7. TCA UK. GUBICI IZ ZAJMOVA / UK. IMOVINA 9,8% 14,0% 6,1% * K = ukupni kapital, R = rezerve, N = razumna neknjigovodstvena vrijednost banke, L = loši plasmani, D = sumnjivi plasmani, S = ispodstandardni plasmani, A = kvartalni prosjek bruto imovine u kalendarskoj godini.
Kao najbolju mjeru za predviđanje poslovnih pote�koća Sinkey ističe NCR – neto omjer
kapitala. Rezultat je bio 95,4 postotna točnost naknadne klasifikacije, i to koristeći slijedeće
pravilo: klasificirati banku kao problematičnu ako je NCR ≤ 2,74.
Najvažnijom komponentom smatra 'S', pod kojima se podrazumijevaju zajmovi koji
imaju jasno definirane slabosti koje ugrožavaju redovnu likvidaciju duga. Takvi su zajmovi
neadekvatno za�tićeni razumnom tekućom vrijedno�ću i plate�nom sposobno�ću du�nika,
odnosno založenim instrumentima osiguranja.
63 Sinkey, J.; Identifying "Problem" Banks, Journal of Money, Credit, and Banking, Ohio, May 1978.,
Vol. 10., No. 2., str. 188. 64 Sinkey, J.; Identifying "Problem" Banks, Journal of Money, Credit, and Banking, Ohio, May 1978.,
Vol. 10., No. 2., str. 189. COPY
RIGHT
32
2.2.6. Mar-Molinero, Ezzamel, i Serrano-Cinca Istra�ivanja Beavera i Altmana u određenom smislu mo�emo smatrati temeljnima.
Nakon ovih došlo je do iznimno velikog interesa za problematiku predviđanja poslovnih
pote�koća i počeo se primjenjivati sve �iri spektar različitih metoda. Na području predviđanja
poslovnih pote�koća banaka primjenjuju se sve novije metode, a jedna od relativno novijih je i
metoda višedimenzionalnih skala (MDS), koja je u ekonomiju uvedena iz područja dru�tvenih
znanosti (osobito je popularna u sociologiji i psihologiji).
MDS ima prednost slikovne prezentacije podataka koju je lako interpretirati i koristiti.
S druge strane izbjegava problem selekcije varijabli koje će biti kori�tene u diskriminacijskoj
analizi i/ili logit modelu, i uvijek prisutne dvojbe je li koja varijabla suvišna ili nije. Uz
navedeno, stavimo li se u poziciju praktičnog ekonomista mo�emo razumjeti kako prethodne
metode zahtijevaju poprilično predznanje statističke metodologije.
Alternativni su model prezentirali Mar-Molinero i Ezzamel 1991. godine65, i to
implementacijom upravo metode višedimenzionalnih skala. Uporaba ove metode ne postavlja
sofisticirane zahtjeve pred osobe koje će model koristiti, nego nudi drugačiju paradigmu i
pogled na problem.
Mar-Molinero i Serrano-Cinca su 2001. godine66 na uzorku od 66 španjolskih banaka
(od kojih je 29 zavr�ilo u stečaju) uporabili metodu vi�edimenzionalnih skala. Nakon
produciranja karte na kojoj će točke u prostoru predstavljati banke, cilj je bio odrediti postoji
li grupiranje banaka koje su zavr�ile u stečaju i banaka koje su uredno nastavile poslovati.
Ovo je i postignuto, te se na konačnoj karti mogu zamijetiti jasno odvojene zone u kojima su
banke sa i bez problem relativno jasno distancirane.
2.2.7. Ostale metode i istraživanja Kao �to je već rečeno, nakon Beavera i osobito Altmana do�lo je do iznimno velikog
interesa za problematiku predviđanja poslovnih pote�koća i počeo se primjenjivati sve širi
spektar različitih metoda. Ovaj proces jo� traje, a usporedba svih do sada kori�tenih metoda i
65 Mar-Molinero, C.; Ezzamel, M.; Multidimensional scaling applied to company failure, Omega, 19,
1991. str. 259–74 66 Mar-Molinero, C.; Ezzamel, M.; Bank failure: a multidimensional scaling approach, The European
Journal of Finance No.7, 2001., str.165–183 COPY
RIGHT
33
rezultata istra�ivanja nije provedena, i to kako zbog kompleksnosti i specifičnosti pojedinih
tehnika, tako i zbog metodoloških problema.
Izvrstan pregled dosadašnjih metoda i istraživanja kompilirali su Sofie Balcaen i
Hubert Ooghe.67 Tablica br. 3 dijelom je prenesena iz rada navedenih autora.
Potrebno je spomenuti kako tablica 3. ne sadrži algoritam rekurzivnog particioniranja
(eng. recursive partitioning algorithm), a kojega se ne smije izostaviti. Njega su prilično rano
– 1985. godine – primjenjivali Halina Friedman, Edward Altman, i Duen-Li Kao68. RPA je
ne-parametrijska metoda temeljena na prepoznavanju uzorka, a ima obilježja i klasičnog
pristupa jednostruke klasifikacije i višestrukih modela. U spomenutom istraživanju
Friedmana, Altmana, i Kao-a nadmašuje diskriminacijsku analizu.
Alternativne su metode rezultat napretka računalne tehnologije i sve većeg kori�tenja
umjetne inteligencije, premda se suprotno ne mo�e reći niti za učestalo kori�tene metode
(prije svega za neuronske mreže).
Koja je metoda najbolja? Jednostavnog odgovora nažalost nema. Neka istraživanja
pokazuju da sve metode daju podjednake rezultate, ili barem da rezultati upućuju u istom
smjeru. Većina studija upućuje na superiornost neuronskih mre�a, premda (naravno) ima i
suprotnih mi�ljenja. Općenito govoreći nove metode su sve kompleksnije, a njihovi rezultati
uglavnom nisu izrazito bolji od klasičnih tehnika (višestruka diskriminacijska analiza, logit i
probit modeli).
67 Balcaen, Sofie; Ooghe, Hubert; Alternative methodologies in studies on business failure:do they
produce better results than the classical statistical methods?, Working paper, Faculteit economie en
bedrijfskunde, Univeristeit Gent, June 2004. / 249. 68 Friedman, Halina; Altman, Edward; Kao, Duen-Li; Introducing Recursive Partitioning for Financial
Classification: The Case of Financial Distress, The Journal of Finance, march 1985., Vol. XL, No. 1., str. 269 COPY
RIGHT
34
Tablica 3. Metode istra�ivanja poslovnih pote�koća – prednosti i nedostaci METODA PREDNOSTI NEDOSTACI ISTRA�IVAČI
Surv
ival
ana
lysi
s (a
naliz
a op
stan
ka)
- uzima u obzir vremensku dimenziju pote�koća
- predviđa vrijeme nastupa stečaja - dopušta vremensko variranje
nezavisnih varijabli - nema pretpostavke dihotomne zavisne
varijable - nema pretpostavke distribucije - koristi više podataka - dopu�ta nasumično cenzuriranje - jednostavna interpretacija
- nije dizajnirana za klasifikaciju - pretpostavka: poduzeća u stečaju
i ona koja to nisu pripadaju istoj populaciji
- zahtjeva homogene duljine procesa stečajeva u uzorku
- podložna multikolinearnosti
- Lane et al. (1986) - Luoma & Laitinen
(1991) - Kauffman & Wang
(2001)
- Joos et al. (1998) - Frydman et al.
(1985)
Drv
o od
luči
vanj
a
- nema sna�nih statističkih zahtjeva prema ulaznim podacima
- dopušta kvalitativne podatke - mo�e s nositi s nepotpunim i 'nečistim'
podacima - pristupačna za korisnika: jednostavan
output - jednostavna procedura
- zahtijeva specifikacije prethodnih vjerojatnosti i troškova krive klasifikacije
- pretpostavka: dihotomna zavisna varijabla
- relativna važnost pojedine varijable ostaje nepoznata
- ne može se direktno primijeniti
UČ
ESTA
LO K
OR
I�TE
NE
MET
OD
E
Neu
rons
ke
mre
že
- ne koristi prethodno programiranu bazu znanja
- sposobna analizirati kompleksne uzorke
- nema restriktivnih pretpostavki - dopu�ta kvalitativne kao i 'nečiste'
podatke - može 'nadvladati' autokorelaciju - pristupačna za korisnika: jednostavan
output - robusna i fleksibilna
- problem 'crne kutije' - ne može se direktno primijeniti - zahtijeva podatke visoke kvalitete - varijable se oprezno moraju
izabrati a priori - rizik predobrog podudaranja
podataka - zahtijeva definiciju arhitekture - dugo vrijeme procesiranja - mogućnost nelogičnog ponašanja
mreže - zahtijeva veliki uzorak za
uvježbavanje mreže
- Odom & Sharda (1990)
- Cadden (1991) - Coats & Fant
(1991, 1993) - Fletcher & Goss
(1993) - Udo (1993) - Wilson & Sharda
(1994) - Altman et al.
(1994) - Boritz et al. (1995) - Back et al. (1996a) - Bardos & Zhu
(1997) - Yang et al. (1999) - Atiya (2001) - Neophytou et al.
(2001)
Fuzz
y ru
les
- intuitivna baza - ovisna o arbitrarnim 'if-then' pravilima
- Spanos et al. (1999)
Mul
ti -lo
git
mod
el
- uzima u obzir podatke od više godina - pretpostavka konzistentnosti signala - Peel & Peel (1988)
CU
SUM
(C
umul
ativ
e su
m)
- uzima u obzir podatke iz sadašnjosti i prošlosti