Gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzése

Kivonat, rövid leírás

Az értekezés célja a gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzésével kapcsolatos szakterület újszerű elméleti megalapozása és módszertani fejlesztése. A választott téma aktualitását az adja, hogy Magyarországon – a világ számos országához hasonlóan – napról napra találkozhatunk csődeljárás, felszámolási eljárás vagy végelszámolás alá került vállalatokkal, ami miatt egyre erősebb az igény a korszerű, megbízható csődelőrejelzési modellek kidolgozására. Az értekezésben a szakterületen korábban született publikációkhoz képest új elem a szervezetelméleti megalapozás, valamint hat sokváltozós statisztikai modellezési eljárás alkalmazása ugyanazon csődelőrejelzési adatbázison. A szakterület kutatását megnehezítik, ugyanakkor jelentős szakmai kihívás elé állítják azok a megállapítások, hogy a szervezetek fennmaradásának magyarázatára és megértésére nincsen egységes elmélet, a fizetőképesség előrejelzésére nincsen egyértelmű predikciót garantáló előrejelzési módszer, valamint különböző empirikus vizsgálatok egymásnak ellentmondó következtetésekre jutnak. A sokváltozós csődelőrejelzés negyven éves története alatt a szakterületet kutatók körében nem született megegyezés arról, hogy milyen magyarázó változók alapján lehetséges legmegbízhatóbban előrejelezni a fizetésképtelenséget. A csődmodellezés célja keresztmetszeti adatokból a lehető legmegbízhatóbban megállapítani, hogy a legutolsó éves beszámoló fordulónapját követő egy éven belül valamely vállalat várhatóan fizetőképes vagy fizetésképtelen lesz-e. Az értekezésben a sokváltozós statisztikai csődelőrejelzési módszerekre (diszkriminanciaanalízis, logisztikus regresszió elemzés, rekurzív particionáló algoritmus, neurális hálók) és a sokváltozós vizuális klaszterezési eljárásokra (önszerveződő térképek, többdimenziós skálázás) helyeződik a hangsúly. Az empirikus vizsgálat végrehajtását hat hipotézis megfogalmazása és vizsgálata támogatja. Az első két hipotézis különböző magyarázó változók szignifikanciáját, illetve relevanciáját értékeli minden módszer esetén. A harmadik és negyedik hipotézis az előrejelzési céllal kidolgozott csődmodellek megbízhatóságát, az ötödik és a hatodik hipotézis a vizuális klaszterezési céllal kidolgozott modellek megbízhatóságát vizsgálja. Az adatgyűjtéssel kapcsolatban követelményként fogalmazódott meg, hogy a modellezés alapjául szolgáló adatok nyilvánosan hozzáférhető éves beszámolókból és cégjegyzékből származzanak. A mintában szereplő 504 vállalatból 437 fizetőképes és 67 fizetésképtelen volt. A mintában szereplő vállalatok 10 nemzetgazdasági ágon belül 41 ágazati, azon belül 164 szakágazati hovatartozással jellemezhetők. Az értekezésben a csődeljárás, a felszámolási eljárás vagy a végelszámolás megindítása jelentette a fizetésképtelenséget. A magyarázó változók a vállalatok méretét, iparági hovatartozását, jogi formáját, jövedelmezőségét, forgási sebességét, likviditását, tőkeszerkezetét, eladósodottságát, cash flow-ját és éves növekedését kifejező információkból, többségében pénzügyi mutatókból kerültek definiálásra. A különböző iparágakban tevékenykedő vállalatok pénzügyi mutatóinak összehasonlíthatóságát a sokasági szakágazati átlagoktól vett eltérés figyelembevétele oldotta meg. A modellváltozók fontossága tekintetében az empirikus vizsgálat alapján igazolást nyert, hogy a vállalatok várható fizetőképessége szempontjából a méret, a cash flow és az eladósodottsági mutatók rendelkeznek legnagyobb magyarázó és előrejelző erővel. Az előrejelzési módszerek megbízhatósága tekintetében – adattömörítés nélkül – a neurális háló és a rekurzív particionáló algoritmus teljesítménye felülmúlta a diszkriminanciaanalízisét és a logisztikus regresszióét. Az empirikus vizsgálat arra is rámutatott, hogy a diszkriminanciaanalízist és a logisztikus regresszió elemzést javítja, míg a rekurzív particionáló algoritmus és a neurális háló teljesítményét rontja a főkomponenselemzés, valamint, hogy a főkomponenselemzés kiegyenlíti a módszerek teljesítménye közötti különbségeket. Az output változó figyelembevétele nélkül szimulált önszerveződő térképek megerősítették az előrejelzési módszerek változószelekcióját. Az empirikus vizsgálat igazolta, hogy a többdimenziós skálázás és a logisztikus regresszió elemzés kombinálása minden korábbi eljárásnál megbízhatóbb klaszterezést tesz lehetővé. A kutatási eredmények a szakterület gyakorlati művelői számára módszertani iránymutatásokat, normatív javaslatokat és konkrét modellezési technikákat nyújtanak. Mind a négy előrejelzési módszerrel előállíthatók vállalatspecifikus fennmaradási valószínűségek. A csődmodellek kidolgozása és értékelése széles körű előrejelzés-módszertani és megbízhatóság-vizsgálati módszertani eszköztárat vonultatott fel. A hazai vállalatok fizetőképességének alakulását ismerve belátható, hogy Magyarországon rövid, közép- és hosszú távon egyaránt szükség lesz csődelőrejelzésre. A gazdasági szervezetek fennmaradására és várható fizetőképességére ható tényezők ismerete, nyomon követése, valamint a fizetőképes és fizetésképtelen vállalatok egymástól való lehető legjobb elkülönítésének képessége az üzleti életben a siker és a túlélés záloga lehet.