Budowa i ocena modeli prognozowania zagrożenia finansowego przedsiębiorstw

• Autorzy: Błażej Prusak

Warianty tytułu

The Construction and Evaluation of Prediction Models of Financial Threat of Enterprises

• Języki publikacji: PL

Abstrakty

Opracowanie ma na celu wskazanie najważniejszych problemów występujących na poszczególnych etapach budowy i oceny modeli prognozowania zagrożenia finansowego przedsiębiorstw. Autor przedstawił w nim pewne rozwiązania oraz sugestie dotyczące poszczególnych etapów tworzenia modeli. (fragment tekstu)

Słowa kluczowe

PL

Bankructwo; Prognozowanie upadłości przedsiębiorstwa; Metodologia prognozowania

EN

Bankruptcy; Enterprises bankruptcy forecasting; Forecasting methodology

• Czasopismo: Materiały i Prace Instytutu Funkcjonowania Gospodarki Narodowej
• Rocznik: 2005
• Tom: 93 (XCIII) Zagrożenie upadłością
• Strony: 102--123

Twórcy

autor

Błażej Prusak

• Politechnika Gdańska

Bibliografia

• Altman E.I., Corporate Financial Distress and Bankruptcy, wyd. 2, John Wiley & Sons. 1993.
• Balcaen S., Ooghe H., 35 Years of Studies on Business Failure: An Overview of the Classical Statistical Methodologies and their Related Problems, Working Paper. Universiteit Gent, No. 248, June 2004, s. 35.
• Beaver W., Alternative Accounting Measures as Predictors of Failure, "The Accounting Review" January 1968, s. 113.
• Beaver W.H., Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Studies, 1966, Supplement to Vol. 5, "Journal of Accounting Research" 1967, s. 71-111.
• Bijak W., Smętek M., Porównywanie zdolności detekcyjnych systemów wczesnego ostrzegania wybranych krajów oraz agencji ratingowych w odniesieniu do zakładów ubezpieczeń działu II, "Bank i Kredyt" 2001, nr 5, s. 62.
• Brier G.W., Verification of Forecasts Expressed in Terms of Probability, "Monthly Weather Review: No. 78, cyt za: J. Grunert, L. Norden, M. Weber, The Role of Non-Financial Factors in Internal Credit Ratings, http://medici.bwl.uni-mannheim.de/LS/Research/papers/GrunertNordenWeber2002III.pdf.
• Dugan M.T., Forsyth T.B., The Relationship between Bankruptcy Model Predictions and Stock Market Perceptions of Bankruptcy, "The Financial Review" Vol. 30, No. 3, August 1995, s. 507-527.
• Dyrberg A., Firms in Financial Distress: An Exploratory Analysis, Danmarks National-bank Working Papers, No. 17. 2004.
• Escott P., Glormann F., Kocagil A.E., Moody's RiskCalc(tm) Für Nicht Börsennotierte Unternehmen: das Deutsche Modell. "Moody's Investors Service" November 2001, s. 6.
• Falkenstein E., RiskCalk(tm) for Private Companies: Moody's Default Model, Moody's Investors Service, May 2000, s. 14.
• Fitzpatrick P., Comparison of Ratios of Successful Industrial Enterprises With those of Failed Companies, "The Certified Public Accountant" 1932, s. 598-605, 656-662, 727-731, cyt. za: T. Waśniewski, W. Skoczylas, Analiza symptomów zagrożeń przedsiębiorstwa, "Rachunkowość" 1993, nr 12. s. 438.
• Grice J.S., Bankruptcy Prediction Models and Going Concern Audit Opinions before and after SAS. No. 59, http://www.westga.edu/~bquest/2000/bankrupt.html.
• Grunert J., Norden L., Weber M., The Role of Non-Financial Factors in Internal Credit Ratings, http://medici.bwl.uni-mannheim.de/LS/Research/papers/GrunertNordenWeber2002III.pdf.
• Gruszczyński M., Modele mikroekonometrii w analizie i prognozowaniu zagrożenia finansowego przedsiębiorstw. Zeszyty Polskiej Akademii Nauk, nr 34, Warszawa, luty 2003, s. 9.
• Hayden E., Are Credit Scoring Models Sensitive with Respect to Default Definitions? Evidence from the Austrian Market. University of Viena, Austria, February 2003. http://www.bwl.univie.ac.at/bwl/fiwi3/members/hayden/DefaultDefinitions.pdf. s. 3.
• Herrity J.V., Measuring Private Firm Default Risk. "Moody's Investors Service" June 1999, s. 6.
• John K., Lang H.D., Netter J., The Voluntary Restructuring of Large Firms in Response to Performance Decline, "Journal of Finance" 1992, No. 47, cyt. za: H.D. Platt. M.B. Platt, Predicting Corporate Financial Distress: Reflection on Choice-Based Sample Bias, "Journal of Economics and Finance" Vol. 26, No. 2, Summer 2002, s. 186.
• Johnsen T., Melicher R.W., Predicting Corporate Bankruptcy and Financial Distress: Information Value Added by Multinominal Logit Models, "Journal of Economics and Business" 1994, No. 46, cyt. za: M. Gruszczyński. Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wydawnicza SGH. Warszawa 2002, s. 156-157.
• Kaplan R.S., Norton D.P., Strategiczna karta wyników, Wyd. Naukowe PWN, Warszawa 2002.
• Keating E.K., Fischer M., Gordon T.P., Greenlee J., Assessing Financial Vulnerability in the Nonprofit Sector, KSG Faculty Research Working Paper Series, January 2005.
• Keenan S., Sobehart J., Performance Measures for Credit Risk Models, Moody's Risk Management Services. 1999, http://www.moodysqra.com/us/research/papers/l-101099.pdf. s. 8-12.
• Lachenbruch P.A., Mickey M.R., Estimation of Error Rates in Discriminant Analysis, "Technometrics" 1968, No. 10, s. 1-11, cyt. za: D. Hadasik, Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Wydawnictwo Akademii Ekonomicznej w Poznaniu, Zeszyt 153, Poznań 1998, s. 122.
• Lennox C., Identifying Failing Companies: A Reevaluation of the Logit, Probit and DA Approaches. "Journal of Economics and Business" 1999, No. 51, cyt. za: M. Gruszczyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wydawnicza SGH. Warszawa 2002, s. 153-155.
• Merwin C.L., Financing Small Corporations in Five Manufacturing Industries 1926-36, National Bureau of Economic Research, New York 1942, cyt. za: B. Back, T. Laitinen, J. Hekanaho, K. Sere, The Effect of Sample Size on Different Failure Prediction Methods, Turku Centre for Computer Science, TUCS Technical Report No. 155, December 1997, http://citeseer.ist.psu.edu/cache/papers/cs/3639/http:zSzzSzwww.tucs.abo.fizSzpublicationszSztechreportszSzTR155.pdf/back97effect.pdf.).
• Michaluk K., Efektywność modeli prognozujących upadłość przedsiębiorstw w polskich warunkach gospodarczych, [w:] Finanse przedsiębiorstw wobec procesów globalizacji, red. L. Pawłowicz, R. Wierzba, Wydawnictwo Gdańskiej Akademii Bankowej, Warszawa 2003, s. 111-127.
• Ooghe H., Camerlynck J., Balcaen S., The Ooghe-Joos-De Vos Failure Prediction Models: A Cross-Industry Validation, Vlerick Leuven Gent Management School, Vlerick Working Papers, No. 8, 2001.
• Platt H.D., Platt M.B., A Note on the Use of Industry-Relative Ratios in Bankruptcy Prediction, "Journal of Banking & Finance" Vol. 15, Issue 6, December 1991, s. 1183-1194.
• Platt H.D., Platt M.B., Predicting Corporate Financial Distress: Reflection on Choice-Based Sample Bias. "Journal of Economics and Finance" Vol. 26, No. 2, Summer 2002, s. 184-197.
• Prusak B., Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw Difin, Warszawa 2005.
• Ramser J.R., Foster L.O., A Demonstration of Ratio Analysis, "Bulletin" 1931, No. 40, University of Illinois, Bureau of Business Research, Urbana.
• Rogowski W.K., Możliwości wczesnego rozpoznania symptomów zagrożenia zdolności płatniczej przedsiębiorstwa, "Bank i Kredyt" 1999, nr 6, s. 59.
• Rosendale W.M., Credit Department Methods, "Bankers Magazine" February 1908, s. 187, cyt. za: W.H. Beaver, Alternative Accounting Measures As Predictors of Failure, "The Accounting Review" January 1968, s. 114.
• Sobehart J., Keenan S., Stein R., Benchmarking Quantitative Default Risk Models: A Validation Methodology, "Algo Research Quarterly" Vol. 4. No. 1/2. March/June 2001. s. 70-71.
• Sobehart J.R., Keenan S.C., Stein R.M.. Benchmarking Quantitative Default Risk Models: A Validation Methodology. Moody's Investors Service, March 2000, s. 9.
• Stein R., Benchmarking Default Prediction Models: Pitfalls and Remedies in Model Validation, http://riskcalc.moodysrms.com/us/research/crm/Validation_Tech_Report_020305.pdf,2002, s. 1.
• Tan C., Dihardio H., A Study on Using Artificial Neural Networks to Develop an Early Wanting Predictor for Credit Union Financial Distress with Comparison to the Probit Model, November 1999, http://www.it.bond.edu.au/publications/00TR/00-07.PDF, s. 5.
• Tsun-Siou Lee., Yin-Hua Yeh., Rong-Tze Liu., Can Corporate Governance Variables Enhance the Prediction Power of Accounting-Based Financial Distress Prediction Models? Center for Economic Institutions Working Paper Series, No. 14, 2003.
• Unal T., An Early Wartung Model for Predicting Firm Failure in Turkey. "Studies in Banking & Finance" 1988, No. 7, cyt. za: E.I. Altman, P. Narayanan, An International Survey of Business Failure Classification Models, "Financial Markets, Institutions & Instruments" 1995, Vol. 6, No. 2, s. 52-53.
• Ward T.J., Foster B.P., A Note on Selecting a Response Measure for Financial Distress, "Journal of Business Finance & Accounting" 1997, Vol. 24, July, s. 869-879.
• Whitaker R.B., The Early Stages of Financial Distress, "Journal of Economics and Finance" 1999, No. 23, cyt. za: H.D. Platt, M.B. Platt, Predicting Corporate Financial Distress: Reflection on Choice-Based Sample Bias, "Journal of Economics and Finance" Vol. 26, No. 2, Summer 2002, s. 186.
• Winakor C.H., Smith R.F., Changes in Financial Structure of Unsuccessful Industrial Companies, "Bulletin" 1935, No. 51, University of Illinois Press, Bureau of Economic Research, Urbana., cyt. za: B. Back, T. Laitinen, J. Hekanaho, K. Sere, The Effect of Sample Size on Different Failure Prediction Methods, Turku Centre for Computer Science, TUCS Technical Report No. 155, December 1997, http://citeseer.ist.psu.edu/cache/papers/cs/3639/http:zSzzSzwww.tucs.abo.fizSzpublicationszSztechreportszSzTR155.pdf/back97effect.pdf.).
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne, Wydawnictwo C.H. Beck, Warszawa 2002, s. 73-80.
• Zaleska M., Identyfikacja ryzyka upadłości przedsiębiorstwa i banku. Difin, Warszawa 2002, s. 52-95.
• Zmijewski M., Methodological Issues Related to the Estimation of Financial Distress Prediction Models, "Journal of Accounting Research" (Supplement) 1984, s. 59-82.