Polityka dywidend w spółkach notowanych na Giełdzie Papierów

Joanna Wyrobek
Akademia Ekonomiczna w Krakowie
Polityka dywidend w spółkach
notowanych na Giełdzie Papierów
Wartościowych w Warszawie
w latach 1994–2002
1. Cel badań
Celem badań była analiza polityki wypłaty dywidend w okresie transformacji systemowej w Polsce. W szczególności zbadano, czy istniała zależność pomiędzy źródłem pochodzenia kapitału (zwłaszcza z zagranicy) a polityką dywidend oraz jakie czynniki determinowały wypłacanie dywidendy. Z uwagi na
małą dostępność informacji przed 1994 r., okres objęty badaniami zawężono do
spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach
1994–2002.
2. Metodyka badań
Do badań wykorzystano modele dla danych jakościowych, z uwagi na charakter zmiennej zależnej. Fakt wypłaty dywidendy został przedstawiony na dwa
różne sposoby:
1) jako zmienna dyskretna (spółka wypłacała albo nie wypłacała dywidendy),
2) jako wartość wypłaconej dywidendy (w złotych).
238
Joanna Wyrobek
Posiadanie danych zarówno przekrojowych, jak i czasowych dotyczących
150 firm z lat 1994–2002 pozwoliło na zastosowanie modeli jakościowych dla
danych panelowych. Zaletą modeli opartych na danych panelowych jest możliwość łącznego ujęcia w jednym modelu wszystkich informacji, co pozwoliło
określić zależności między polityką dywidend firm a oddziałującymi na nią
czynnikami dla całego okresu. Gdyby zamiast modeli panelowych wykorzystać
modele przekrojowe, wnioski z badań odnosiłyby się osobno do każdego roku,
a ponadto dotyczyłyby mniejszej liczby obserwacji.
2.1. Czym są dane panelowe?
Dane panelowe to dane przekrojowo-czasowe opisujące pewną zbiorowość
jednostek obserwowanych w więcej niż jednym okresie. Mają zatem dwa wymiary – czas i przestrzeń.
Niech i (i = 1, ..., N) oznacza obiekt (firmy), a t (t = 1, ..., T) czas, więc:
a) dane przekrojowe – yi, i = 1, ..., N,
b) szeregi czasowe – yt, t = 1, ..., T,
c) dane panelowe – yit, i = 1, ..., N, t = 1, ..., T.
Dzięki dwóm wymiarom danych panelowych możliwa jest analiza dodatkowego oddziaływania czynników dynamicznych na zmienną objaśnianą.
2.2. Podstawowe modele panelowe
Modele panelowe są bogato prezentowane w literaturze anglosaskiej, np.
w książce C. Hsiao z 2003 r. pt. Analysis of panel data. C. Hsiao dzieli modele
panelowe na cztery grupy: A, B, C i D1.
A. Modele ze stałymi współczynnikami kierunkowymi, ale z różnymi stałymi
dla poszczególnych obserwowanych podmiotów:
K
yit  α*i   β k xkit  uit ,
k 1
gdzie:
i – oznacza kolejne obserwowane podmioty (osoby, firmy itd.) – i = 1, ..., N,
t – oznacza kolejne obserwacje w czasie – t = 1, ..., T,
k – oznacza liczbę oszacowanych parametrów dla danego modelu – k = 1, ..., K.
Model ten jest najczęściej stosowany w badaniach empirycznych. Jeżeli wśród
zmiennych w wektorze x nie ma zmiennych opóźnionych, prowadzi on do naj1
Zob. C. Hsiao, Analysis of panel data, Cambridge University Press, Cambridge 2003.
239
Polityka dywidend w spółkach...
częściej omawianego statycznego modelu liniowego – modelu z tzw. jednokierunkowym efektem indywidualnym. Parametr αi nazywa się efektem indywidualnym
i interpretuje jako źródło niejednorodności populacji (próby); cechy indywidualne
obserwowanych obiektów wpływają na różną wartość parametrów αi.
Przykładem interpretacji parametrów αi może być: w funkcji produkcji,
gdzie zmienną niezależną jest czynnik pracy – umiejętności menedżera, w przypadku działalności rolniczej – jakość ziemi, przy analizie rynku pracy – znajomości lub chęć do pracy, zdolności negocjacyjne. Są to więc niemierzalne czynniki, które wpływają jednak na wszystkie badane obiekty.
B. Modele ze stałymi współczynnikami kierunkowymi, ale różnymi stałymi dla
poszczególnych podmiotów oraz obserwacji:
K
yit  α*it   β k xkit  uit ,
k 1
gdzie:
i, t, k – jak wyżej,
it – reprezentuje efekt indywidualny, ulegający zmianom w czasie.
C. Wszystkie współczynniki zmieniają swoją wartość w zależności od podmiotu:
K
yit  α*i   β ki xkit  uit ,
k 1
gdzie: i, t, k – jak wyżej.
D. Wszystkie współczynniki zmieniają swoją wartość w zależności od podmiotu
i od czasu (obserwacji):
K
yit  α*it   β kit xkit  uit ,
k 1
gdzie: i, t, k – jak wyżej.
2.3. Podstawowe podejścia do estymacji modeli panelowych
2.3.1. Stałe efekty indywidualne
W przypadku modeli panelowych zakłada się, że choć na obserwowane
obiekty w danej grupie wpływają podobne czynniki xkit, to każdy obiekt podlega
dodatkowo wpływowi innych zmiennych, specyficznych dla poszczególnych
240
Joanna Wyrobek
obiektów2. W efekcie wariancja dla każdego obiektu będzie inna. To prowadzi
do założenia przy danych panelowych heteroskedastyczności (nierównej wariancji). Aby pozbyć się różnic w wariancji, wprowadza się efekt indywidualny,
wspominany wcześniej α i. Różnica pomiędzy modelami ze stałymi efektami indywidualnymi (FE) a losowymi efektami indywidualnymi polega na dodatkowych założeniach, jakie się przyjmuje w stosunku do α i. W przypadku modeli
FE zakłada się, że α i zależy od zmiennych egzogenicznych xit. Takie założenie
powoduje, że α i traktuje się jako dodatkowy parametr. Ma to znaczenie dla sposobu estymacji parametru. Ogólny zapis modeli FE jest następujący:
yit  α*i 
K
β x
k kit
 uit .
k 1
Model ten przy zastosowaniu zapisu macierzowego może być wyrażony w postaci:
yi  α i e  X iβ  ui ,
gdzie: i = 1, ..., T.
Poszczególne obserwacje na zmiennych dla tego samego obiektu w różnych
okresach zostały ujęte w powyższym modelu w jednym wektorze bądź macierzy:
 xi'1 
 yi1 
1 
 ε i1 
 β1 
 






yi   ...  , e  ... , X i   ... 
, ε i   ...  , β   ... ,
 x' 
 yiT 
 1 
ε iT 
β k 
T 1
T 1
T 1
 iT  T  K
gdzie:
i = 1, ..., N,
t = 1, ..., T.
Wektory xit zawierają więc wartości k zmiennych objaśniających dla i-tego
obiektu w t-tym okresie:

xit'  x1,it , ..., xk ,it
1 K .
2
Przykładowo, gdy obserwowanymi obiektami są gospodarki różnych krajów, tempo ich
wzrostu będzie zależało nie tylko od pewnej grupy uniwersalnych czynników, jak koniunktura
światowa, lecz także od czynników indywidualnych, m.in. dotychczasowego rozwoju gospodarczego, czy potencjału produkcyjnego w danym państwie.
241
Polityka dywidend w spółkach...
2.3.2. Losowe efekty indywidualne
W modelach FE efekty indywidualne były traktowane jako parametry zależne od innych zmiennych xit. W modelach z losowymi efektami indywidualnymi
(RE) αi są potraktowane jako niezależne od xi i stanowią element wyrazu wolnego:
yit  μ  β'xit  vit ,
gdzie: i, t – jak wyżej.
Składnik losowy vit w powyższym modelu jest sumą niezależnych dla wszystkich obserwacji składników losowych ε it oraz losowych efektów indywidualnych αi, stałych w czasie, lecz różnych dla poszczególnych obiektów:
vit  ε it  α i ,
gdzie: i, t – jak wyżej.
W efekcie takich założeń nie jest możliwe oszacowanie konkretnych wartości liczbowych efektów indywidualnych, ale ponieważ są one traktowane jako
część składnika losowego, możliwe jest oszacowanie ich wariancji.
2.3.3. Wady i zalety stałych i zmiennych efektów indywidualnych
Zalety i wady estymatorów FE i RE wynikają z postaci modelu, która narzuca pewne ograniczenia przy jego estymacji. W przypadku estymatorów FE można oszacować efekty indywidualne, podczas gdy w przypadku estymatorów RE
można tylko oszacować parametry ich rozkładu w próbie.
Ponieważ w modelach FE efekty indywidualne są traktowane jako stałe, które się szacuje, dlatego wystarcza założenie, że są one niezależne od składnika
losowego. W przypadku modeli RE konieczne jest dodatkowe założenie, że
efekty indywidualne nie zależą od zmiennych objaśniających (ponieważ są częścią składnika losowego v).
Ponadto, z uwagi na problem współliniowości, w modelach FE nie można
uwzględnić zmiennych, których wartości są niezmienne w czasie. Ograniczenie
to nie występuje w modelach RE.
242
Joanna Wyrobek
2.4. Modele jakościowe w analizie danych panelowych
2.4.1. Modele binarne
Definicja
Modele binarne (dyskretnego wyboru) służą do modelowania zjawisk, których wynikiem mogą być tylko dwa stany: sukces albo porażka – zero albo jeden. Formalnie, modele tego typu definiuje się ogólnie za pomocą funkcji prawdopodobieństwa:
Pyi  1 xi   G xi , β  ,
gdzie G(.) jest funkcją spełniającą warunki3:
1) silnie monotoniczna (dwukrotnie różniczkowalna),
2) lim G (.)  0 ,
xβ  
3) lim G (.)  1 .
xβ  
Powyższy model można wytłumaczyć w następujący sposób: prawdopodobieństwo wystąpienia zera lub jedynki jest opisane funkcją G, której zmiennymi
są xi, a parametrami i.
W praktyce najczęściej za G(.) przyjmuje się dystrybuantę rozkładu normalnego lub logistycznego zmiennej standaryzowanej xi:
G xi ,   F xi   .
Zatem jeżeli:
F w   w 
w


t2

1
e 2 dt ,
2
to mamy do czynienia z modelem probitowym.
Jeżeli z kolei założymy, że dystrybuantę rozkładu można zapisać w postaci
funkcji logistycznej, to otrzymujemy model logitowy:
  F w 
z2
,
1 z2
gdzie: z – funkcja x lub z = x.
3
Funkcję G dobiera się w taki sposób, aby pozwoliła ustalić prawdopodobieństwo wypłacenia
przez spółkę dywidendy.
243
Polityka dywidend w spółkach...
Estymacja
Ogólna postać modelu RE jest następująca:
ε it  vit  ui ,
gdzie: E[vit│X] = 0, cov[vit, vis│X] = var[vit│X] = 1 jeżeli i = j oraz t = s, a w pozostałych przypadkach = 0; oraz E[uit│X] = 0, cov[uit, uis│X] = var[uit│X] = σu2
jeżeli i = j, a w pozostałych przypadkach = 0.
Jednocześnie cov[vit, uj│X] = 0, dla wszystkich i, t, j, gdzie X oznacza
wszystkie zmienne endogeniczne, E[εit│X] = 0, var[εit│X] = σv2 + σu2 = 1 + σu2.
Do estymacji stosuje się podstawienie (nowa zmienna ):
corr uit , uis X   ρ 
σ u2
,
1  σ u2
gdzie wolny parametr wynosi:
u2 

.
1 
Przy powyższych założeniach, prawdopodobieństwo związane z sukcesem
wynosi dla modelu logitowego:




P  yi xi    2 yi  1xi'β ,
gdzie: Λ – dystrybuanta rozkładu logistycznego,
a dla modelu probitowego:
P  yi xi    2 yi  1xi'β ,
gdzie: Φ – dystrybuanta rozkładu normalnego.
Funkcja wiarygodności przybiera wtedy postać:

   PYit  yit xit' β  ui  f ui dui ,
 t 1
 

Li  P yi1 , ..., yiTi X 

Ti
w przypadku której indywidualne prawdopodobieństwa wewnątrz funkcji wynoszą (w zależności od modelu):
a) dla logitu:
 

 qit xit'   ui ,
gdzie: qit = 2yit – 1,
244
Joanna Wyrobek
b) dla probitu:
 

 qit xit' β  ui ,
gdzie: qit = 2yit – 1.
Po przekształceniu funkcji wiarygodności otrzymujemy dla modelu probitowego:
Li 
1


 Ti

 ri2
'
e
  qit xit β  θri  dri .



 t 1
 

Dla modelu logitowego postać funkcji wiarygodności po przekształceniach jest
analogiczna; jedynie we wzorze zamiast Φ występuje Λ.
Wartość takiej funkcji można obliczyć stosując np. metodę Gaussa–Hermite’a (tzw. kwadratury):
n  
1

ln LH   ln 
i 1 
  
H Ti
 
h 1 t 1
 
 whqit xit' β  θzh   ,
gdzie:
H – liczba punktów wykorzystanych w metodzie kwadratury,
wh, zh – odpowiednio: wagi i węzły stosowane w kwadraturze.
Metoda kwadratury polega na tym, że nie mogąc oszacować całki funkcji
oblicza się wartości funkcji dla wybranych punktów, a następnie za pomocą odpowiednich wag uśrednia się otrzymane wyniki i sumuje, co prowadzi do stworzenia przybliżonej całki badanej funkcji. W najprostszym przypadku metodę
kwadratury można zapisać jako:
U

L
M
 
f x dx   w j f a j ,
j 1
gdzie: wi – wagi przypisywane poszczególnym punktom funkcji f.
Uzyskane pierwsze i drugie pochodne funkcji wiarygodności pozwalają ustalić
minimum lokalne tej funkcji, a następnie także oceny parametrów estymowanego
modelu.
Interpretacja
Interpretację modeli uzyskuje się przez obliczenie tzw. efektów krańcowych,
poprzez obliczenie pochodnych z funkcji prawdopodobieństwa dla k-tej zmiennej (np. dla wskaźnika płynności bieżącej). Dla opisanych wcześniej modeli pochodne te będą wyglądały w następujący sposób:
245
Polityka dywidend w spółkach...
 
   
'
 xi' β
e xi β
 xi'β

β .
  xi'β β k oraz
2 k
xik
xik
1  e xi' β 


Efekty krańcowe informują, o ile jednostek zmieni się zmienna zależna
(prawdopodobieństwo wypłacenia dywidendy), gdy zmienna niezależna zmieni
się o jednostkę.
Testowanie modelu
Istotność parametrów ujętych w modelu testowano za pomocą testu ilorazu
wiarygodności (LR – ang. likelihood ratio test):
LR  2  [ln Lˆ R  ln LˆU ] ,
gdzie: ln L̂R , ln L̂U – wartości logarytmu funkcji wiarygodności obliczonej dla
estymowanego modelu (z parametrami) oraz wyłącznie dla stałej (parametry
równe zero, czyli dla modelu zredukowanego). Taka statystyka ma rozkład chi-kwadrat (liczba stopni swobody jest równa liczbie restrykcji) i z tablic rozkładu
można odczytać wartości krytyczne.
Alternatywnie, modele testowano również testem Walda. Test Walda służy
do testowania hipotez dotyczących układu liniowych kombinacji parametrów .
Robocza definicja tego testu jest następująca:

 
   


1
W  Rˆ  q R EMK ˆ R Rˆ  q ,
gdzie:
    Bˆ Hˆ 
a) EMK – estymator macierzy kowariancji dla β̂ MNW ( EMK β̂  Hˆ
1
1
),
 ln L
b) Ĥ to H (Hesjan) obliczony dla   ˆ MNW , ( H 
, macierz drugich
'
pochodnych funkcji wiarygodności po parametrach i),
c)  MNW – estymator metody największej wiarygodności,
2
n
d) Bˆ   g i2 xi xi' ,
i 1
e) g i   y   i  dla modelu logitowego oraz g i  λ i dla modelu probitowego,
f) R β̂ = q – zbiór warunków ograniczających (restrykcji sprawdzanych testem Walda, np. że współczynnik 1 = 0).
246
Joanna Wyrobek
Dopasowanie modelu do danych empirycznych mierzone jest za pomocą
różnych miar. Najbardziej popularny jest wskaźnik wiarygodności (LRI – ang.
likelihood ratio index) o następującej postaci (jest to tzw. R2 McFaddena):
LRI  1 
ln Lˆ
,
ln Lˆ0
gdzie:
L – wartość funkcji wiarygodności dla modelu ze wszystkimi zmiennymi
niezależnymi,
L0 – wartość funkcji wiarygodności dla modelu wyłącznie ze stałą.
Wskaźnik osiąga wartości z zakresu pomiędzy 0 i 1. Im lepiej jest model dopasowany do danych, tym wartość wskaźnika LRI jest bliższa 1 (aczkolwiek
nigdy nie osiąga 1). Niestety, uzyskane wartości nie mają bezpośredniej interpretacji4.
Z uwagi na uniwersalność i prostotę metodyczną, do badania wykorzystano
inny miernik dopasowania, a mianowicie wskaźnik Cramera. Pokazuje on różnicę pomiędzy średnim prawdopodobieństwem sukcesu oszacowanym dla obserwacji yit = 1 a średnim prawdopodobieństwem sukcesu w przypadku obserwacji
yit = 0. Wskaźnik ten ma następującą postać:
  średnia F yit  1  średnia F yit  0  .
2.4.2. Model tobitowy
Definicja
W niektórych zastosowaniach zmienna zależna jest ciągła, ale jej zakres
(zbiór możliwych wartości, które przybiera) może być ograniczony. W typowych modelach tobitowych znacząca część wartości obserwacji zmiennej objaśnianej przyjmuje jedną wartość, np. zero, zaś pozostała część wartości jest
dodatnia. Jest to przypadek dotyczący polityki dywidend – dla większości obserwacji wypłata dywidendy będzie wynosiła zero, a dla niektórych wybranych
spółek będzie większa od zera. W przypadku klasycznego modelu regresji liniowej obserwacje zerowe pomija się, wnioskowanie o y opiera się na pozostałych obserwacjach.
Model tobitowy w tym przypadku został wykorzystany do zbadania zależności pomiędzy wielkością (lub brakiem) dywidendy a wybranymi cechami danej
firmy.
4
Zob. R. Greene, Econometrics analysis. Upper Saddle River, Prentice Hall, New Jersey
2000, s. 683.
247
Polityka dywidend w spółkach...
Niech y oznacza wysokość dywidendy, a z wszystkie pozostałe sposoby rozdysponowania zysku netto. Całkowity zysk netto będzie oznaczany symbolem x.
Problemem decyzyjnym (zagadnienia) była maksymalizacja funkcji użyteczności y = U(.). Można to zapisać w następujący sposób:
max U  y, z  ,
y, z
przy następujących warunkach ograniczających: y  z  x oraz y, z  0.
Część zysku przeznaczona na dywidendę zależała od: sytuacji finansowej
firmy, struktury jej akcjonariatu, sytuacji w danej branży oraz dotychczasowej
polityki dywidend. Ponieważ nie można było ustalić wszystkich czynników
wpływających na politykę dywidend, w funkcji użyteczności oraz w rozwiązaniu
uwzględniono nieobserwowaną dodatkową zmienność, czyli składnik losowy:
y *  1   2  x  u ,
co stanowi rozwiązanie problemu zdefiniowanego powyżej maksymalizacji
funkcji U(.), przy warunkach ograniczających: y  z  x oraz y, z  0.
Wzór ten oznacza, że gdyby nie było żadnych ograniczeń, spółki wypłaciłyby dywidendę w wysokości y* (tzw. zmienna utajona – ang. latent variable).
Można zatem zapisać, że:
y  y* jeżeli y*  0 lub y  0 jeżeli y*  0 .
W ten sposób otrzymujemy klasyczny model tobitowy:
yi*  xi'  ui ,
w którym:
yi  yi* jeżeli yi*  0 lub yi  0 jeżeli yi*  0 ,
gdzie:
i = 1, 2, ..., N,
i ~ NID(0, 2) i nie zależy od xi.
Jak zauważa to M. Verbeek, model ten bywa też nazywany modelem cenzurowanej regresji (ang. censored regression model)5. „Cenzura” oznacza właśnie
wyzerowanie wszystkich wartości y*, które oryginalnie były mniejsze od zera.
Z powyższego modelu wynika, że:
 
 x ' 
 x ' 
x '  
Pyi  0  P yi*  0  P  i   xi'   P  i   i     i   1   i  ,
  
  
 
 





5
 

Zob. M. Verbeek, A guide to modern econometrics, Routledge, London 1996, s. 198.
248
Joanna Wyrobek
zaś:
 x ' 

 i

'
'
'

,
Pyi yi  0  xi  E i i   xi  xi  
 xi' 







gdzie:
 – funkcja gęstości,
 – dystrybuanta zmiennej standaryzowanej o rozkładzie normalnym.
Estymacja modelu tobitowego
Do estymacji modelu tobitowego stosuje się metodę największej wiarygodności. W tym przypadku funkcja wiarygodności przyjmuje postać:
f  yi1 , ..., yiT xi1 , ..., xiT ,   

  f yit xit , i ,  f i  di ,
 t
gdzie:
f  i  
1
2it2
   i2 
 2
 2 
 e  it  ,


2

'


 1 yit  xit    i 
 1
exp




2
2
 2
 2

f  yit xit , i ,    



'


1    xit    i  jezeli

yit  0

 


jezeli
yit  0
.
Aby oszacować nieznane parametry modelu, oblicza się pierwsze i drugie
pochodne funkcji wiarygodności, szukając minimum funkcji. Wartości parametrów odpowiadające minimum funkcji wiarygodności są nieobciążonymi estymatorami parametrów modelu. Ponieważ analityczne obliczenie pierwszych oraz
drugich pochodnych nie jest możliwe, stosuje się w tym celu np. kwadraturę
Gaussa–Hermite’a.
Interpretacja
Podobnie jak ma to miejsce w modelach probitowych, również i w przypadku modeli tobitowych współczynniki nie są bezpośrednio interpretowalne. Zdaniem M. Verbeeka, współczynnik probitowy  można traktować jako miarę

249
Polityka dywidend w spółkach...
wpływu zmiany określonej zmiennej niezależnej xjk na prawdopodobieństwo
tego, że zmienna obserwowana yi wyniesie zero:
 x '
Pyi  0
  i

xik

 k
 .
 
Model tobitowy opisuje także oczekiwaną wartość yi, kiedy yi jest większe
od zera. Pokazuje to wpływ zmiany zmiennej niezależnej xik na wartość yi. Z poprzednich równań można wyprowadzić wzór na wartość oczekiwaną yi:
 x '
Eyi   xi    i



 '
   xi




 .

Z powyższej formuły można natomiast wyprowadzić wzór na marginalny
wpływ zmiennej xik na yi:
 x '
Eyi 
  k  i

xik


 .

Testowanie modelu
Testowanie modeli tobitowych przebiega podobnie, jak w przypadku modeli
binarnych – stosowany jest test Walda lub wskaźnik wiarygodności LR (z uwagi
na wykluczenie wyrazu wolnego w modelu tobitowym, w badaniu zaprezentowanym w niniejszej pracy posługiwano się testem Walda).
2.5. Wybór zmiennych do badania
Jako wstępny zbiór determinant wybrano 11 grup wskaźników (tabele 1–11),
reprezentujących różne aspekty sytuacji finansowej spółek objętych badaniem.
Jeżeli zarząd przy podejmowaniu decyzji o dywidendzie kierował się danym
aspektem sytuacji firmy, to model ekonometryczny powinien wykazać silną zależność pomiędzy wypłatą (lub wielkością dywidendy) a wskaźnikiem z danej
grupy. Spośród różnych wskaźników do modelu wybrano ostatecznie zbiór, który najlepiej determinował wypłatę (lub wysokość) dywidendy. Grupy wskaźników zostały wyodrębnione na podstawie standardowej analizy finansowej firmy,
którą kieruje się zarząd.
W pierwszej grupie wskaźników znalazły się wskaźniki płynności, jako że są
one najsilniej związane z wypłatą dywidendy (tabela 1). Wypłata środków udziałowcom wymaga zgromadzenia odpowiedniej wielkości funduszy na rachunku
bankowym. Jednak również w perspektywie długoterminowej jedynie firmy o wysokiej płynności powinny zdecydować się wypłacić dywidendę.
250
Joanna Wyrobek
Tabela 1
Wskaźniki płynności wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
CKG
Cykl konwersji gotówki = cykl należności + cykl zapasów – cykl zobowiązań
CO
Cykl operacyjny = cykl należności + cykl zapasów
KP
Kapitał pracujący = należności + zapasy – zobowiązania bieżące
WPB
Wskaźnik płynności bieżącej = aktywa bieżące / zobowiązania bieżące
WPB_W
Wystandaryzowany wskaźnik płynności bieżącej = wskaźnik płynności bieżącej /
mediana dla danej branży
WPP
Wskaźnik podwyższonej płynności = (aktywa bieżące – zapasy) / zobowiązania bieżące
WPS
Wskaźnik płynności szybkiej = aktywa natychmiast upłynniane / zobowiązania bieżące
WPS_W
Wystandaryzowany wskaźnik płynności szybkiej = wskaźnik płynności szybkiej /
mediana dla danej branży
Źródło: opracowanie własne na podstawie: J. Czekaj, Z. Dresler, Zarządzanie finansami przedsiębiorstw, Wydawnictwo Naukowe PWN, Warszawa 2001, oraz M. Sierpińska, T. Jachna, Ocena
przedsiębiorstwa według standardów światowych, Wydawnictwo Naukowe PWN, Warszawa 2004.
W drugiej grupie wskaźników znalazły się wskaźniki rentowności, tradycyjnie utożsamiane z wypłatą dywidendy – np. model J. Lintnera6 (tabela 2).
Tabela 2
Wskaźniki rentowności wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
MZB
Marża zysku brutto = zysk brutto / przychody ze sprzedaży
MZBZS
Marża zysku brutto ze sprzedaży = wynik na sprzedaży / przychody ze sprzedaży
MZN
Marża zysku netto = zysk netto / przychody ze sprzedaży
MZO
Marża zysku operacyjnego = zysk operacyjny / przychody ze sprzedaży
PZN
Przyrost zysku netto = (zysk netto z danego roku – zysk netto z poprzedniego roku) /
zysk netto z poprzedniego roku
PZO
Przyrost zysku operacyjnego = (zysk operacyjny z danego roku – zysk operacyjny
z poprzedniego roku) / zysk operacyjny z poprzedniego roku
ROA
Stopa zwrotu z aktywów = zysk netto / aktywa
ROE
Stopa zwrotu z kapitału własnego = zysk netto / kapitał własny
Źródło: jak w tabeli 1.
6
Zob. J. Lintner, Distribution of incomes of corporations among dividends, retained earnings
and taxes, „American Economic Review” 1956, nr 46.
251
Polityka dywidend w spółkach...
W trzeciej grupie znalazły się wskaźniki aktywności ekonomicznej, przy
czym wskaźniki te nie reprezentowały dokładnie tego samego zjawiska, wobec
powyższych nie były one substytutami (tabela 3). Każdy z tych wskaźników badano osobno, czy powinien zostać uwzględniony w budowie modelu.
Tabela 3
Wskaźniki aktywności wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
RMO
Rotacja majątku obrotowego = średni stan majątku obrotowego / przychody ze
sprzedaży
RN
Rotacja należności = średni stan majątku obrotowego / przychody ze sprzedaży
RN_W
Wystandaryzowana rotacja należności = rotacja należności / mediana dla danej branży
RZAP
Rotacja zapasów = średni stan majątku obrotowego / przychody ze sprzedaży
RZAP_W
Wystandaryzowana rotacja zapasów = rotacja zapasów / mediana dla danej branży
RZOB
Rotacja zobowiązań = średni stan majątku obrotowego / przychody ze sprzedaży
RZOB_W
Wystandaryzowana rotacja zobowiązań = rotacja zobowiązań / mediana dla danej
branży
Źródło: jak w tabeli 1.
Czwarta grupa wskaźników zawierała wskaźniki zadłużenia lub wskaźniki
reprezentujące poziom kosztów finansowych (tabela 4). Na podstawie wstępnej
analizy wydawało się, że wskaźniki z tej grupy będą odgrywały istotne znaczenie przy określaniu prawdopodobieństwa wypłaty dywidendy.
Tabela 4
Wskaźniki zadłużenia wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
DFL
Wskaźnik dźwigni finansowej = (przychody ze sprzedaży – zmienne koszty operacyjne) / (przychody ze sprzedaży – zmienne koszty operacyjne – stałe koszty operacyjne)
DKF
Przyrost kosztów finansowych = (zysk operacyjny z danego roku – zysk operacyjny
z poprzedniego roku) / zysk operacyjny z poprzedniego roku
KFS
Koszty finansowe / przychody ze sprzedaży
SZADL
Stopa zadłużenia = kapitał obcy / aktywa
ZOZ
Wskaźnik pokrycia długu zyskiem operacyjnym = zysk operacyjny / zadłużenie
Źródło: jak w tabeli 1.
Piąta grupa wskaźników obejmowała wskaźniki charakteryzujące wartość
rynkową firmy (tabela 5).
252
Joanna Wyrobek
Tabela 5
Wskaźniki wartości rynkowej wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
EPS
Zysk netto na jedną akcję = zysk netto / liczba akcji w obrocie
MVBV
Wartość rynkowa kapitału własnego / wartość księgowa kapitału własnego
PE
Wskaźnik cena–zysk = cena akcji / zysk na jedną akcję
Źródło: jak w tabeli 1.
W grupie szóstej znalazły się wskaźniki charakteryzujące politykę inwestycyjną firmy (tabela 6). Analiza informacji prasowych o polityce dywidend
spółek sugerowała zależność pomiędzy wielkością inwestycji a wypłatą dywidendy, stąd wprowadzono kilka wskaźników, których zadaniem było mierzenie
wielkości inwestycji w firmach.
Tabela 6
Wskaźniki polityki inwestycyjnej wytypowane do analizy przyczynowej
wypłaty dywidendy
Skrót
Nazwa wskaźnika
AT
Wartość aktywów trwałych (w tys. zł)
ATAO
Wskaźnik aktywa trwałe do aktywów obrotowych = aktywa trwałe / aktywa obrotowe
DAT
Przyrost aktywów trwałych = (aktywa trwałe z danego roku – aktywa trwałe z poprzedniego roku) / aktywa trwałe z poprzedniego roku
DINW
Przyrost inwestycji brutto = (inwestycje brutto w danym roku – inwestycje brutto
w roku poprzednim) / inwestycje brutto w roku poprzednim
Źródło: jak w tabeli 1.
Grupa siódma obejmowała wskaźniki informujące o wielkości firmy i jej
perspektywach rozwojowych (tabela 7). Z prasy finansowej wynikało, że dywidendę wypłacały firmy duże, które nie oczekiwały dynamicznego wzrostu przychodów ze sprzedaży.
Tabela 7
Wskaźniki mierzące wielkość firmy wytypowane do analizy przyczynowej
wypłaty dywidendy
Skrót
Nazwa wskaźnika
A
Wielkość aktywów (w tys. zł)
KA
Wielkość kapitału akcyjnego (w tys. zł)
Źródło: jak w tabeli 1.
Polityka dywidend w spółkach...
253
W grupie ósmej znalazły się wskaźniki informujące o poziomie kosztów
w danym przedsiębiorstwie (tabela 8). Problemy finansowe firm zaczynają się
na ogół od braku wzrostu przychodów ze sprzedaży oraz od wzrostu udziału kosztów operacyjnych w całości obrotów. Z kolei problemy finansowe oznaczają brak
dywidendy. Z tego powodu do modelu przyjęto wskaźniki, których zadaniem było
mierzyć udział kosztów w przychodach oraz tempo wzrostu sprzedaży.
Tabela 8
Wskaźniki mierzące poziom kosztów wytypowane do analizy przyczynowej
wypłaty dywidendy
Skrót
DKO
KOS
PS
Nazwa wskaźnika
Przyrost kosztów operacyjnych = (koszty operacyjne w danym roku – koszty operacyjne w roku poprzednim) / koszty operacyjne w roku poprzednim
Udział kosztów operacyjnych w przychodach ze sprzedaży = koszty operacyjne /
przychody ze sprzedaży
Przyrost sprzedaży = (sprzedaż w danym roku – sprzedaż w roku poprzednim) /
sprzedaż w roku poprzednim
Źródło: jak w tabeli 1.
Grupa dziewiąta obejmowała informację o strukturze akcjonariatu spółek
(tabela 9). Oczekiwano, że istotny wpływ na politykę dywidend będzie miał wysoki udział skarbu państwa, kapitału obcego oraz osób fizycznych. Wskaźniki
z tej grupy były raczej komplementarne, a więc dowolny podzbiór z nich mógł
się znaleźć w końcowym modelu.
Tabela 9
Wskaźniki struktury akcjonariatu wytypowane do analizy przyczynowej
wypłaty dywidendy
Skrót
Nazwa wskaźnika
Udział banków i funduszy emerytalnych w całości głosów na walnym zgromadzeniu
BFI
akcjonariuszy
IF
Udział innych firm w całości głosów na walnym zgromadzeniu akcjonariuszy
Udział kapitału zagranicznego w całości głosów na walnym zgromadzeniu akcjonaKZ
riuszy
NFI
Udział NFI w całości głosów na walnym zgromadzeniu akcjonariuszy
OF
Udział osób fizycznych w całości głosów na walnym zgromadzeniu akcjonariuszy
SP
Udział skarbu państwa w całości głosów na walnym zgromadzeniu akcjonariuszy
Udział spółek zależnych i podporządkowanych w całości głosów na walnym zgromaSPZP
dzeniu akcjonariuszy
Udział akcji skupionych przez firmę w celu umorzenia w stosunku do wszystkich
UMORZ
głosów na walnym zgromadzeniu akcjonariuszy
254
Joanna Wyrobek
cd. tabeli 9
Skrót
Nazwa wskaźnika
VC
Udział venture capital w całości głosów na walnym zgromadzeniu akcjonariuszy
DUZI
Łączny udział dużych inwestorów (powyżej 5% głosów na walnym zgromadzeniu
akcjonariuszy) w kapitale akcyjnym spółki
Źródło: jak w tabeli 1.
W grupie dziesiątej znalazły się wskaźniki informujące o otoczeniu firmy (tabela 10). Uwzględniono tutaj: miary koniunktury gospodarczej (takie jak przyrost
PKB i produkcji sprzedanej), inwestycje zagraniczne (które miały stymulować
polską gospodarkę do wzrostu), inflację, poziom stóp procentowych oraz podatki.
Tabela 10
Wskaźniki makroekonomiczne wytypowane do analizy przyczynowej wypłaty dywidendy
Skrót
Nazwa wskaźnika
CPI
Zmiana średniego poziomu cen dóbr konsumpcyjnych w danym roku
DPKB
Przyrost PKB
DPS
Przyrost produkcji sprzedanej
DSPOZ
Przyrost spożycia prywatnego
INW_ZAGR
Inwestycje zagraniczne w danym roku (w mln zł)
LOMBARD
Poziom stopy lombardowej
TAX
Wysokość podatku płaconego od dywidendy
WIG
Poziom indeksu WIG na koniec danego roku
Źródło: jak w tabeli 1.
W grupie jedenastej znalazły się inne kryteria decyzyjne, które powinien
brać pod uwagę zarząd spółki i walne zgromadzenie akcjonariuszy (tabela 11).
Były to informacje o zachowaniu innych firm w branży, o tym, czy firma nie
poniosła straty, a także czy wypłacała dywidendę w poprzednich latach.
Tabela 11
Wskaźniki strategii finansowej firmy wytypowane do analizy przyczynowej
wypłaty dywidendy
Skrót
JAK_INNI
STRATA
AKCJON
Nazwa wskaźnika
Jaki procent firm z danej branży wypłaciło dywidendę w danym roku
Ile razy firma poniosła stratę w poprzednich latach
Czy przeważająca część akcjonariuszy chciała otrzymać dywidendę
Źródło: jak w tabeli 1.
Polityka dywidend w spółkach...
255
Zaprezentowane wskaźniki posłużyły do budowy modelu ekonometrycznego, który najlepiej opisywałby prawdopodobieństwo wypłaty dywidendy. Z modelu usuwane były zmienne o wysokiej korelacji, aby wyeliminować zjawisko
współliniowości. Do badania wykorzystano model z losowymi efektami indywidualnymi7.
3. Analiza determinant wypłat dywidend
3.1. Model I
W modelu I wypłatę dywidendy potraktowano jako zmienną dyskretną (wypłata dywidendy = 1, brak dywidendy = 0). Po przetestowaniu różnych, alternatywnych postaci modelu binarnego (tobit, logit) wypłaty dywidendy najlepsze
parametry posiadał model logitowy (dla danych panelowych) dla następujących
zmiennych: AKCJON – preferencje akcjonariuszy, ATAO – udział aktywów
trwałych w całości aktywów, EPS – zysk netto na jedną akcję, JAK_INNI – ile
procent spółek z danej branży wypłaciło dywidendę, KOS – udział kosztów operacyjnych w przychodach ze sprzedaży, SP – udział skarbu państwa w głosach
na walnym zgromadzeniu akcjonariuszy, oraz STRATA – czy firma ponosiła
straty finansowe.
Wyniki estymacji modelu I były następujące:
– wartość logarytmu funkcji wiarygodności dla modelu tylko ze stałymi:
–499,7;
– wartość logarytmu funkcji wiarygodności dla całego modelu: –477,7;
– liczba obserwacji: 1664;
– liczba obserwowanych obiektów: 185;
– wartość statystyki testu Walda (9 stopni swobody): 163,26; obliczona wartość statystyki jest większa od wartości z tablic, wobec czego odrzucamy hipotezę, że szacowane parametry są równe zero;
– dopasowanie modelu: 0,51 (metoda Cramera); model przewidział prawidłowo brak wypłaty dywidendy w 1089 przypadkach na 1237 braków wypłaty
dywidendy oraz 325 przypadków wypłaty dywidendy na 428 wszystkich wypłat
dywidendy.
Oceny parametrów modelu I przedstawia tabela 12.
7
Dokładny opis modeli można znaleźć np. w następujących pracach: C. Hsiao, op. cit., s. 11;
R. Greene, op. cit., s. 180; J. Lintner, op. cit., s. 97–113; M. Verbeek, op. cit., s. 678; oraz J. Woolridge, Econometric analysis of cross section and panel data, MIT Press, Cambridge 2001, s. 485.
256
Joanna Wyrobek
Tabela 12
Parametry modelu logitowego wypłaty dywidendy
Zmienna
AKCJON
Współczynnik
Błąd standardowy
za
P > zb
Przedział ufności
95%
6,08
0,54
11,23
0,0%
5,02
7,14
–0,17
0,06
–2,81
0,5%
–0,28
–0,05
EPS
0,12
0,03
4,63
0,0%
0,07
0,18
JAK_INNI
4,07
0,63
6,51
0,0%
2,85
5,30
–7,55
0,62
–12,20
0,0%
–8,76
–6,34
1,57
0,66
2,38
1,7%
0,28
2,87
–0,84
0,17
–5,01
0,0%
–1,16
–0,51
ATAO
KOS
SP
STRATA
a
Błąd standardowy obliczany przy założeniu, że z ma standardowy rozkład normalny; b test istotności parametrów – H0: z = 0, H1: z ≠ 0 (wartości odczytuje się z tablic rozkładu norma lnego).
Źródło: obliczenia własne.
W oparciu o oszacowany model obliczono efekty krańcowe, które przedstawiają zmianę prawdopodobieństwa wypłaty dywidendy w reakcji na zmianę
zmiennych egzogenicznych (tabela 13).
Tabela 13
Efekty krańcowe modelu logitowego wypłaty dywidendy
Zmienna
AKCJONa
ATAO
EPS
JAK_INNI
dy/dx
Błąd
standardowy
z
P>z
6,08
0,54
11,23
0%
5,02
7,14
0,59
–0,17
0,06
–2,81
1%
–0,28
–0,05
1,57
0,12
0,03
4,63
0%
0,07
0,18
0,79
Przedział ufności
95%
Średnia
4,07
0,63
6,51
0%
2,85
5,30
0,27
KOS
–7,55
0,62
–12,20
0%
–8,76
–6,34
1,15
STRATA
–0,84
0,17
–5,01
0%
–1,16
–0,51
0,68
1,57
0,66
2,38
2%
0,28
2,87
0,10
SP
a
Pochodna została obliczona dla zmiany zmiennej z 0 do 1.
Źródło: obliczenia własne.
Z obliczeń wynika, że wzrost prawdopodobieństwa wypłacenia dywidendy
następował w sytuacji, gdy:
– akcjonariusze z danej spółki preferowali otrzymywanie dywidendy (wzrost
szansy wypłacenia dywidendy o 6,08%),
Polityka dywidend w spółkach...
257
– spadał udział aktywów trwałych w całości aktywów firmy (spadek udziału
aktywów trwałych o 1% oznaczał wzrost prawdopodobieństwa wypłacenia dywidendy o 0,17%),
– rósł zysk na jedną akcję (dla wzrostu zysku na jedną akcję o 0,12%,
prawdopodobieństwo wypłacenia dywidendy rośnie o 0,09%),
– inne firmy w branży wypłacały dywidendę w danym roku,
– spadał udział kosztów operacyjnych w przychodach ze sprzedaży (spadek
tego wskaźnika o 1% powodował wzrost prawdopodobieństwa wypłaty dywidendy o 7,55%),
– rósł udział skarbu państwa (wzrost udziału skarbu państwa powodował
wzrost prawdopodobieństwa wystąpienia dywidendy o 1,57%),
– firma posiadała stratę do pokrycia z wcześniejszych lat (wzrost straty
o 1% powodował spadek prawdopodobieństwa wypłaty dywidendy o 0,69%).
Interesującą obserwacją jest brak zależności pomiędzy dywidendą a kapitałem zagranicznym, co oznacza, że pochodzenie kapitału nie zwiększało prawdopodobieństwa wypłaty dywidendy.
3.2. Model II
W modelu II wypłatę dywidendy potraktowano jako zmienną ciągłą przyjmującą wartości od zera do plus nieskończoności. Po przetestowaniu różnych,
alternatywnych postaci modelu tobitowego wypłaty dywidendy najlepsze parametry posiadał model dla zmiennych: AKCJON – preferencje udziałowców
w stosunku do dywidendy, CPI – poziom inflacji, DAT – przyrost aktywów
trwałych, EPS – zysk netto na jedną akcję, JAK_INNI – ile procent firm z danej
branży wypłaciło dywidendę, KOS – udział kosztów operacyjnych w przychodach
ze sprzedaży, WAB_W – wystandaryzowany wskaźnik płynności bieżącej, oraz
STRATA – czy firma musi przeznaczyć zysk na pokrycie strat z lat ubiegłych.
Wyniki estymacji modelu II były następujące:
– wartość logarytmu funkcji wiarygodności dla całego modelu: –1331;
– liczba obserwacji: 1664;
– liczba obserwowanych obiektów: 185;
– wartość statystyki testu wskaźnika LR (8 stopni swobody): 1740; obliczona wartość statystyki jest większa od wartości z tablic, wobec czego odrzucamy
hipotezę, że szacowane parametry są równe zero;
– dopasowanie modelu: 1,09 (metoda Cramera); model przewidział prawidłowo brak wypłaty dywidendy w 1185 przypadkach na 1236 braków wypłaty
dywidendy oraz 210 przypadków wypłaty dywidendy na 428 wszystkich wypłat
dywidendy.
258
Joanna Wyrobek
Oceny parametrów modelu II przedstawia tabela 14.
Tabela 14
Parametry modelu tobitowego wypłaty dywidendy
Zmienna
Współczynnik
Błąd
standardowy
z
P>z
Przedział ufności
95%
12,05
0%
8,05
11,17
AKCJON
9,61
0,80
CPI
3,99
2,09
1,91
6%
–0,11
8,09
EPS
0,38
0,02
15,84
0%
0,33
0,42
JAK_INNI
3,24
0,87
3,74
0%
1,55
4,94
–14,13
0,95
–14,80
0%
–16,00
–12,26
STRATA
–0,93
0,28
–3,39
0%
–1,47
–0,39
WPB_W
0,28
0,14
2,00
5%
0,01
0,55
AKCJON
9,61
0,80
12,05
0%
8,05
11,17
CPI
3,99
2,09
1,91
6%
–0,11
8,09
KOS
Źródło: obliczenia własne.
Na podstawie oszacowanego modelu obliczono efekty krańcowe, które przedstawiają reakcję wielkości wypłacanej dywidendy na jedną akcję na zmiany poszczególnych zmiennych egzogenicznych (tabela 15).
Tabela 15
Efekty krańcowe modelu tobitowego wypłaty dywidendy
Zmienna
AKCJONa
Błąd
standardowy
z
P>z
Przedział ufności
95%
Średnia
251,68
1,27
197,77
0%
249,19
254,18
0,59
CPI
9,49
2,16
4,40
0%
5,26
13,72
0,13
DAT
0,17
0,03
5,91
0%
0,11
0,23
2,45
EPS
0,44
0,03
17,54
0%
0,39
0,49
0,79
JAK_INNI
a
dy/dx
4,50
0,88
5,14
0%
2,78
6,22
0,27
KOS
–4,17
1,19
–3,50
0%
–6,51
–1,83
1,15
STRATA
–0,67
0,26
–2,61
1%
–1,17
–0,17
0,68
WPB_W
0,30
0,11
2,60
1%
0,07
0,52
1,27
Pochodna została obliczona dla zmiany zmiennej z 0 do 1.
Źródło: obliczenia własne.
Polityka dywidend w spółkach...
259
Uzyskane wyniki wskazują na to, że wysokość dywidendy (graniczna wartość dywidendy na jedną akcję wynosi zero) zależała od:
– preferencji udziałowców (jeżeli preferują oni dywidendę, wysokość dywidendy rosła o 251,7 zł),
– poziomu inflacji (wzrost inflacji o 1% powodował wzrost dywidendy
o 10 zł),
– przyrostu aktywów trwałych (przyrost aktywów trwałych o 1% powodował wzrost dywidendy o 0,17 zł),
– zysku na jedną akcję (wzrost zysku na jedną akcję o 1% powodował
wzrost dywidendy o 0,44 zł),
– zachowania innych firm w branży (wzrost udziału firm wypłacających
dywidendę w danej branży o 1% powodował wzrost dywidendy o 4,5 zł),
– udziału kosztów operacyjnych w przychodach ze sprzedaży (wzrost tego
wskaźnika o 1% powodował spadek dywidendy o 4,17 zł),
– straty w latach poprzednich (jeżeli firma w poprzednich latach ponosiła
stratę, szanse na dywidendę malały),
– wskaźnika płynności bieżącej (jeżeli wskaźnik płynności bieżącej rósł
o 1%, poziom dywidendy rósł o 0,3 zł).
Interesującym wnioskiem z oszacowanego modelu jest pozytywna reakcja
dywidendy na wzrost aktywów trwałych. Można jednakże się domyślać, że
wzrost aktywów trwałych dotyczył jedynie firm o bardzo dobrej kondycji finansowej, których zyski pozwalały nie tylko na inwestycje, ale także na wypłatę
dywidend.
Wnioski końcowe
Na podstawie przeprowadzonych badań można sformułować następujące
wnioski:
1. Głównymi determinantami polityki dywidend są: aktualne i historyczne
wyniki finansowe, preferencje inwestorów, ogólna sytuacja finansowa spółki,
możliwości inwestycyjne dostępne dla firmy, sytuacja w danej branży przemysłu, poziom kosztów operacyjnych oraz odpowiednia płynność finansowa przedsiębiorstwa.
2. Decyzja o wypłacie dywidendy zależy silnie od preferencji akcjonariuszy
oraz od polityki dywidend prowadzonej przez spółkę w poprzednim okresie.
W oczywisty sposób na giełdzie istniały zarówno spółki, które prowadziły politykę braku lub minimalnej dywidendy (np. Orlen, albo Vobis Bank), jak i firmy,
które prowadziły politykę stałej dywidendy (np. Żywiec).
260
Joanna Wyrobek
3. Istotny wpływ na politykę dywidend miało zapotrzebowanie inwestycyjne. Im wyższy był poziom inwestycji w firmie, tym mniejsze było prawdopodobieństwo, że wypłaci ona dywidendę. Dostępne możliwości inwestycyjne nie
wykazały zależności od tempa rozwoju branży przemysłu – spółki informatyczne równie chętnie wypłacały dywidendę co spółki z branży budowlanej lub
drzewno-papierniczej.
4. Bardzo ważnym czynnikiem decydującym o wypłacie dywidendy okazała
się rentowność; jedynie w kilku nielicznych przypadkach do wypłaty dywidendy
doszło pomimo złych wyników finansowych (np. Żywiec). Podobna zależność
wystąpiła w spółkach, które w poprzednich latach odnotowały straty albo niechętnie dzieliły się zyskiem z akcjonariuszami.
5. Istotną determinantą polityki dywidend była ogólna sytuacja w danej
branży przemysłu. Nawet spółki o wysokiej rentowności i dobrej sytuacji finansowej rezygnowały z dywidendy, jeżeli ogólna sytuacja w branży sugerowała
niepewną przyszłość.
6. Sygnałem ostrzegawczym dla firm o zbliżającej się dekoniunkturze (a więc
sygnałem do zaniechania wypłaty dywidend) był udział kosztów operacyjnych
w sprzedaży. Wzrost tej pozycji z kilkuletnim wyprzedzeniem nieomal zawsze
oznaczał poważne problemy finansowe w danej spółce i całej branży. Być może
dlatego im wyższy był udział kosztów operacyjnych w sprzedaży, tym mniejsze
było prawdopodobieństwo wypłaty dywidendy.
7. Przy determinowaniu wielkości dywidendy istotny był poziom płynności
finansowej – aby wypłacić dywidendę firmy musiały zgromadzić wystarczająco
dużo zasobów pieniężnych.
8. Nie potwierdziła się zależność pomiędzy udziałem inwestorów zagranicznych a prawdopodobieństwem wypłaty dywidendy. Udział inwestorów zagranicznych nie był istotną determinantą polityki dywidend. Jednak należy zwrócić
uwagę na trudności metodyczne związane z określeniem kraju pochodzenia inwestora. Dane Komisji Papierów Wartościowych i Giełd pozwoliły co prawda
określić strukturę bezpośrednich udziałowców danej spółki, lecz jeżeli akcjonariuszem była inna firma (zarejestrowana w Polsce), to nie było wiadomo, z jakiego kraju pochodzą właściciele takiej firmy. Zatem udział inwestorów zagranicznych był określony jedynie szacunkowo, na tyle, na ile pozwoliły posiadane
źródła informacji.
9. Potwierdziła się pozytywna zależność pomiędzy udziałem skarbu państwa
a skłonnością spółki do wypłaty dywidendy. Im wyższy był udział w akcjonariacie skarbu państwa, tym większe było prawdopodobieństwo wypłacenia dywidendy.
Polityka dywidend w spółkach...
261
Literatura
Czekaj J., Dresler Z., Zarządzanie finansami przedsiębiorstw, Wydawnictwo Naukowe PWN,
Warszawa 2000.
Greene R., Econometrics analysis. Upper Saddle River, Prentice Hall, New Jersey 2000.
Hsiao C., Analysis of panel data, Cambridge University Press, Cambridge 2003.
Lintner J., Distribution of incomes of corporations among dividends, retained earnings and taxes,
„American Economic Review” 1956, nr 46.
Sierpińska M., Jachna T., Ocena przedsiębiorstwa według standardów światowych, Wydawnictwo
Naukowe PWN, Warszawa 2004.
Verbeek M., A guide to modern econometrics, Routledge, London 1996.
Woolridge J., Econometric analysis of cross section and panel data, MIT Press, Cambridge 2001.
Dividend Policies in Companies Listed on the Warsaw Stock Exchange
in 1994–2002
The paper presents the results of the research on dividend policies adopted by companies
listed on the Warsaw Stock Exchange in 1994–2002. The conducted research does not confirm the
correlation between the country of origin and the amount of dividends, or the probability of the
payment of dividends (hypothesis 1). No direct correlation has been found between the speed
of expansion and the amount of dividends, or the probability of the payment of dividends
(hypothesis 2). The third hypothesis assumes the correlation between the payment of dividends
and the country’s macro economic environment. This hypothesis has been partly confirmed, as
companies do not directly respond to macro economic factors, but rather to the performance of
a given industry. The correlation has been confirmed between the dividend and the accumulated
financial result of the previous years (hypothesis 4), and the dependence of the decision to pay out
the dividend on the company’s previously adopted policies in this area (a number of companies
retained 100% of their earnings and did not pay the dividend, even though their financial results
were very good). The results of the research indicate that dividend payment policies are mainly
based on the company’s financial standing and adopted strategy. The above justifies the author’s
statement that dividend policies were rational and did not pose any threat to companies’ long-term
expansion plans.
Joanna Wyrobek – adiunkt w Katedrze Finansów Przedsiębiorstw na Wydziale Finansów Akademii
Ekonomicznej w Krakowie. Studia wyższe ukończyła na tej uczelni w 1999 r., uzyskując tytuł magistra. W 2004 r. uzyskała stopień doktora nauk ekonomicznych na podstawie rozprawy nt. „Determinanty polityki dywidend spółek giełdowych w Polsce”.
Zainteresowania naukowo-badawcze: finanse przedsiębiorstw, analiza szeregów czasowych, modele dla danych panelowych.
Kontakt: Akademia Ekonomiczna w Krakowie, Wydział Finansów, Katedra Finansów Przedsiębiorstw, ul. Rakowicka 27, 31-510 Kraków, tel.: (0-12) 293-55-37, fax: (0-12) 293-50-81, e-mail:
[email protected].