Využití predikčních bankrotních a bonitních modelů v dodavatelské síti

Transkript

1 The International Scientific Conference INPROFORUM 2013, , ISBN Využití predikčních bankrotních a bonitních modelů v dodavatelské síti Jaroslava Pražáková,1Pavel Fára 2 Abstrakt: Příspěvek se zabývá problematikou meziorganizačních sítí a změnami v jejich struktuře způsobenými nepříznivou finanční situací jejich některých součástí. Pro hodnocení finanční situace podniků jsou používány bankrotní a bonitní modely: Tafflerův index, Kralicekův rychlý test (Quick test) a index IN99. Byly zjištěny rozdíly v reakci posuzované sítě na nepříznivou finanční situaci jejích součástí a to v souvislosti s jejich pozicí ve struktuře sítě. Tento příspěvek vznikl jako jeden z výstupů grantového projektu GAJU Modely řízení MSP 079/2013S. Klíčová slova: Bankrotní modely Bonitní modely Podnikové sítě Centrum sítě Partnerství JEL Classification: G32 G33 L14 L60 1 Úvod Podniky v současné době již na trhu nepůsobí izolovaně, v mnoha případech jsou zapojeny hned do několika dodavatelských sítí. Často dochází k tomu, že jsou součástí jedné dodavatelské sítě podniky s velmi odlišnou finanční situací. Ke zvyšování těchto rozdílů samozřejmě přispívá i současná ekonomická situace. Špatná situace podniků zapojených do sítě může ohrozit její existenci, proto se nejen řídící články sítě snaží o zjišťování skutečné finanční situace jednotlivých podniků. Jednou z možností, jak tuto informaci získat je využít predikční bankrotní či bonitní modely. Mnoho autorů se zabývalo vyhodnocováním přesnosti jednotlivých predikčních bankrotních a bonitních modelů za všechny lze uvést např. Agarwal a Taffler (2008). Jimi zjištěné výsledky se ale do značné míry odlišují v souvislosti se změnami v ekonomice. Velmi často se objevuje kritika těchto predikčních modelů v souvislosti s tím, že modely byly stanoveny v době, kdy na trhu panovaly naprosto odlišné podmínky, nebo byly stanoveny na základě jiného trhu, než kde analyzované podniků působí. Pro účely příspěvku byly proto zvoleny tyto tři modely: Taffleův index, Kralicekův Quick test a index IN99. První dva modely byly původně sestaveny pro průmyslové podniky, což je v souladu s podniky, které jsou součástí posuzované sítě. Index IN99 byl zvolen z toho důvodu, že v posuzované síti se prolíná několik odvětví průmyslových firem, i když majoritní podíl má strojírenství (asi 80 % zapojených podniků) a síť působí převážně na českém trhu. 2 Materiál a metodika Cílem příspěvku je zjistit přesnost predikce bankrotu jednotlivých podniků zapojených do podnikové sítě a vyjádření odlišnosti chování potenciálně bankrotujících podniků v různých částech sítě. Metodický postup: Po sestavení sítě podniků byly vypočteny jednotlivé bonitní a bankrotní modely. Výsledky jednotlivých podniků byly zaneseny do mapy sítě a následně pak porovnány s reálným vývojem. Pro výpočet bonitních modelů byly použity výsledky hospodaření jednotlivých podniků v roce 2011 a výsledky byly porovnány se skutečnými změnami ve struktuře sítě, které byly vyvolány stavem v roce následujícím tj. v roce V této době nejen strojírenství, ale i celá česká ekonomika procházela jednou z hlubších fází ekonomické krize. Pro přípravu příspěvku byly použity tyto bonitní a bankrotní modely a data: a) Sestavení sítě: Existence sítě byla prokázána na základě deklarovaných odkazů na odběratele nebo dodavatele umístěných na webových stránkách jednotlivých firem. Tento způsob byl využit u cca 20 % vazeb. Ostatní vazby byly ověřeny i z jiných zdrojů, jako jsou dostupné podnikové materiály nebo rozhovory s managementem podniků, které proběhly v rámci dotazníkového šetření probíhajícího v letech Dotazníkové šetření se zaměřovalo na spolupráci podniků a na sběr dat týkajících se využívání logistických ukazatelů. Šetření se zúčastnilo 189 podniků z pěti odvětví. Nepodařilo se ale získat souhlas s publikováním názvů všech podniků, proto budou nadále označovány pouze čísly, která nijak nesouvisí s názvy podniků, byla jim přiřazena jako pořadová čísla původních dotazníků. 1 Ing. Jaroslava Pražáková, Ph.D., University of South Bohemia in České Budějovice, Faculty of Economics, Department of Accounting and Finance smoloj@ef.jcu.cz 1 Ing. Pavel Fára, University of South Bohemia in České Budějovice, Faculty of Economics, Department of Accounting and Finance p.fara@centrum.cz

2 J. Pražáková, P. Fára 234 b) Ekonomické údaje: Byla využita databáze Albertina CZ Gold Edition. c) Použité bonitní a bankrotní modely: Tafflerův index (Tafflerův model, Tafflerův test) Bankrotní model založený na diskriminační analýze, prvně představen v roce Byl vyvinut ve Velké Británii na základě dat britských průmyslových firem kótovaných na londýnské burze. Vypočítává se na základě rovnice: Která se skládá ze 4 ukazatelů (X1, X2, X3, X4): Pokud je hodnocení vyšší než 0, je pravděpodobnost bankrotu malá, při hodnocení nižším než 0 je pravděpodobnost bankrotu vysoká (Taffler, 1982). Kralicekův rychlý text (Quick test) Tento test je zařazován mezi bonitní modely. Vytvořil ho v roce 1990 rakouský profesor Peter Kralicek. Poskytuje možnost rychle ohodnotit analyzovaný podnik a má velmi dobrou vypovídací schopnost. Test je složen ze čtyř rovnic, kdy každá pokrývá jednu z důležitých oblastí fungování podniku: stabilitu, rentabilitu, likviditu a výsledek hospodaření (viz níže). Tabulku pro hodnocení jednotlivých rovnic uvádí např. Sedláček (2007), či Růčková (2008). Celkové hodnoceni získáme jako aritmeticky průměr známek jednotlivých rovnic. Celková hodnota bonity nižší než 2 pak značí bonitní podnik, hodnoty 2 4 tvoří neurčitou šedou zónu a výsledná známka horší než 4 pak signalizuje vážné finanční problémy podniku. Index IN99 Na rozdíl od modelu IN95 je možné tento model zařadit spíše mezi bonitní modely. Někdy je nazýván jako vlastnický model, protože vyjadřuje kvalitu (bonitu) analyzovaného podniku pro vlastníky či investory z hlediska jeho finanční výkonnosti. Váhy použité u jednotlivých proměnných se již neliší podle odvětví, ale jsou stejné pro všechny podniky napříč odvětvími s ohledem na jejich význam pro tvorbu ekonomické přidané hodnoty EVA. Pro výpočet indexu slouží rovnice: kde A, C, D a E jsou proměnné totožné s proměnnými použitými v indexu IN95. Výsledky jsou pak hodnoceny takto:

3 Využití predikčních bankrotních a bonitních modelů v dodavatelské síti 235 Hodnota IN99 Interpretace Nad 2,07 Kladná hodnota ekonomického zisku 1,42-2,07 Nejednoznačná situace, spíše tvorba ekonomického zisku 1,089-1,42 Nerozhodná situace, podnik má přednosti i problémy 0,684-1,089 Podnik spíše netvoří ekonomický zisk Méně než 0,684 Záporná hodnota ekonomického zisku, podnik ničí hodnotu Zdroj: Sedláček, (2007) d) Core/Periphery model: Model se zaměřuje na výpočet vztahů mezi uzly v síti a na základě toho je schopen zařadit uzel (v našem případě podnik) do oblasti centra sítě či její periferie (např. Borgatti a Everett, 1999). Výpočet je prováděn na základě genetických algoritmů. Pro účely příspěvku byly výsledky stanoveny pomocí programu UCINET (více viz Pražáková a Pech, 2013). 3 Výsledky Posuzovaná síť je složena z 18 podniků, které jsou propojeny dodavatelsko-odběratelskými vztahy. Na základě dostupných údajů lze za řídící článek sítě označit podnik C200, který se zaměřuje na konečnou montáž strojírenských výrobků v oblasti automobilového průmyslu (viz Obrázek 1 a další). Ostatní zobrazené podniky jsou dodavatelé, dodavatelé těchto dodavatelů (tzv. Tier1 a Tier 2 dodavatelé) a zákazníci této společnosti. Na základě výsledků Core/Periphery modelu lze do centrální části sítě zařadit 6 podniků (centrální část sítě je červeně znázorněna v obrázku 4). Ostatní podniky tvoří periferie sítě a nemají tedy tak těsnou vazbu k centrálnímu článku sítě (C200). Podniky zakreslené nalevo od C200 dodávají klíčovému článku převážně součástky týkající se motoru a elektroniky zapojovaných do jeho výrobků. Podniky zakreslené vpravo od klíčového článku dodávají jednotlivé prvky karoserie. 3.1 Bonitní a bankrotní modely Pro ohodnocení jednotlivých podniků v posuzované síti byly zvoleny tři bankrotní a bonitní modely: Tafflerův index, Kralicekův rychlý test a index IN99. Výsledky jednotlivých modelů jsou zaznamenány v obrázcích 1, 2 a 3. Šedě jsou označeny podniky, které dosáhly špatných výsledků a v případě obrázků 2 a 3 jsou modře označeny podniky s velmi dobrými výsledky. Obrázek 1 Tafflerův index Obrázek 1 zachycuje výsledky Tafflerova indexu. Nejhoršího výsledku (nejblíže 0) dosáhl podnik C76, naopak nejvyšší hodnotu zaznamenal podnik C140 (ZT = 1,96). Nejbližší okolí obou těchto podniků ale vykazuje naprosto odlišné výsledky. Nejbližší podnik k C76 tj. C32 má výslednou hodnotu ZT = 0,63, což je velice blízko podniku C83 (ZT = 0,61). Velmi podobných výsledků dosáhly podniky C61, C60 a C151, jejich hodnoty se pohybují v rozmezí 0,40 až 0,46. Jedním z důvodů tohoto výsledku by mohlo být velmi úzké provázání zmiňovaných podniků v rámci dodavatelsko-odběratelských vztahů, mezi těmito podniky dochází k přesunům cca 40 % výrobků.

4 J. Pražáková, P. Fára 236 Obrázek 2 Quick test Řídící článek sítě (C200) dosáhl hodnoty Quick testu R = 1,5, což stejně jako výsledky dalších 4 ze 6 podniků, které se nalézají v centrální části sítě značí bonitní podnik (viz obrázek 2). Bíle označené podniky pak dosáhly hodnot tzv. šedé zóny. Pouze dva podniky z celé sítě jsou hodnoceny hodnotou Quick testu rovnou 4 (C106) nebo horší (C86, R=5). Zajímavý je fakt, že i podnik z centrální části sítě získal takto špatné hodnocení (C106), i když se jedná jen o hraniční hodnotu 4 je to vzhledem k vynikajícím výsledkům ostatních podniků v centrální části sítě zarážející. Obrázek 3 Index IN99 V obrázku 3 jsou vyznačeny výsledky indexu IN99. Modře jsou označeny podniky, které dosahují kladné hodnoty ekonomického zisku (podniky C200, C80, C165). Podniky se zápornou hodnotou ekonomického zisku jsou pak označeny šedě (C61, C49, C76, C106). Ostatní podniky dosáhly hodnot svědčících o nejednoznačnosti situace tři z těchto podniků (C83, C144 a C13) spíše tvoří ekonomický zisk, ostatních 8 podniků lze zařadit do kategorie, kdy podnik spíše netvoří ekonomický zisk. 3.2 Shrnutí Dva ze tří použitých bonitních a bankrotních modelů ukázaly nepříznivou situaci u podniků C106, C76. Stalo se tak i přes skutečnost, že podnik označovaný jako C106 je součástí centrální části sítě. Dá se předpokládat, že pokud by stejně nepříznivého výsledku dosáhl i řídící článek sítě (C200), pak by mohlo dojít až k rozpadu sítě. Přihlédneme-li ale k tomu, že většina podniků zapojených do zkoumané sítě je zapojena ještě do dalších sítí, mohou být nepříznivé výsledky způsobeny i faktory, které vyplývají právě z fungování v ostatních sítích. Celkově je struktura centrální části sítě stabilní již po dlouhou dobu a daří se jí odolávat různým krizovým situacím, které se průběžně vyskytují nejen v dodavatelsko-obchodních vztazích ale i v činnosti jednotlivých podniků.

5 Využití predikčních bankrotních a bonitních modelů v dodavatelské síti 237 Ve sledovaném období (tj. roky ) došlo ve struktuře sítě ke změnám převážně v jejích periferních částech. Začátkem roku 2012 se potvrdila předpověď ohledně podniku C76 (výsledky Quick testu i indexu IN99), jeho problematická finanční situace vyústila v ukončení činnosti. Stejný osud potkal i podnik C86, v tomto případě se potvrdil výsledek Quick testu. Oba výše zmiňované podniky patřily do periferií sítě (viz obrázek 4). V současnosti jsou dodávky, kterými tyto podniky dříve zásobovaly další články sítě, zajišťovány částečně jinými články sítě a částečně novým dodavatelem, který nahradil podnik označený jako C86. Zjištěná nepříznivá situace v podniku C106 ale měla jiný výsledek, než u podniků z periferních částí sítě. Tento podnik zůstal i přes své značné finanční problémy součástí centrální části sítě a objemy jeho dodávek oběma přímo navázaným článkům centrální části (C83 a C200) ještě mírně vzrostly. Obrázek 4 Výsledek Zdroj: Upraveno dle Pražáková, Pech (2013) 4 Závěr Podniky v periferní části sítě nejsou pro fungování sítě stěžejní, proto při vzniku nepříznivé finanční situace bude častěji docházet k jejich nahrazování jinými dodavateli či jejich úkoly v rámci sítě převezmou její ostatní články. Zatímco když se dostane do finančních problémů podnik z centrální části sítě, lze s určitou pravděpodobností předpokládat, že se ostatní dobře fungující okolní články centrální části pokusí takovémuto podniku pomoci. Často se v těchto případech uvádí spolupráce podniků na dodavatelských auditech a na auditech systému řízení (Fiala, 2009). Lze tedy říci, že o úpadku podniku v souvislosti s jeho špatnou finanční situací částečně rozhoduje i jeho okolí, tj. podniky, se kterými úzce spolupracuje a které představují jeho klíčové dodavatele či odběratele. Proto je pro klíčový článek sítě a nejen pro něj nutné aby přesně znal nejen provozní situaci spolupracujících podniků, ale i jejich finanční situaci. Na základě výše uvedených výsledků nelze s určitostí doporučit využívání pouze jednoho z použitých predikčních bankrotních a bonitních modelů ale jejich kombinaci. Poděkování Tento příspěvek vznikl jako jeden z výstupů grantového projektu GAJU Modely řízení MSP 079/2013S. Literatura Agarwal, V. & Taffler, R. (2008). Comparing the performance of market-based and accounting-based bankruptcy prediction models. Journal of Banking and Finance, 32(8), Borgatti, S. P. & Everett, M. G. (1999). Models of core/periphery structures.social Networks,4(21), ΙSSN Fiala, P., (2009). Dynamické dodavatelské sítě. 1. vyd. Praha: Professional Publishing, 170 s. ΙSBN Pražáková, J. & Pech, M. (2013). The role of centres in supply network information distribution. Proceedings of the 31st International Conference on Mathematical Methods in Economics College of Pollytechnick, Jihlava, ISBN Taffler, J.R. (1982). Forecasting Company Failure in the UK Using Discriminant Analysis and Financial Ratio Data. Journal of the Royal Statistical Society. Series A (General). 145(3), Růčková, P. (2008). Finanční analýza metody, ukazatele, využití v praxi. Praha: Grada Publishing, ISBN Sedláček, J. (2007). Finanční analýza podniku, Praha: Computer Press, ISBN

6 J. Pražáková, P. Fára 238 Usage of Credit and Bankruptcy Prediction Models in Network Jaroslava Pražáková, Pavel Fára Abstract: Paper deals with changes in supply network structure caused by unfavourable financial situation of its parts. Taffler Index, Kralicek Quick Test and IN99 Index were used for prediction of financial situation of membership companies. Fundamental differences were determined especially in supply network reaction on financial problem of their members from central part of network and from peripheries. This paper is one of the solutions of grant project GAJU 079/2013S. Key words: Bankruptcy Prediction Models Credit Models Networks Central Part of Network Partnership JEL Classification: G32 G33 L14 L60