Pozycjonowanie i ocena kondycji finansowej przedsiębiorstwa na
Transkrypt
Pozycjonowanie i ocena kondycji finansowej przedsiębiorstwa na
Jacek Szanduła* Pozycjonowanie i ocena kondycji finansowej przedsiębiorstwa na tle konkurencji przy użyciu wielowymiarowej analizy porównawczej Wstęp Kondycja finansowa przedsiębiorstwa jest zjawiskiem złożonym. Jej dokładny i wyczerpujący opis wymaga uwzględnienia wielu różnych aspektów działalności firmy. W tym celu wykorzystuje się szerokie spektrum wskaźników finansowych, które umożliwiają pomiar poszczególnych składowych kondycji finansowej. Wielowymiarowość problemu utrudnia jednoznaczną ocenę kondycji finansowej. Część wskaźników może wskazywać, że jest ona dobra, podczas gdy inne w tym samym momencie mogą sygnalizować problemy. Sformułowanie wniosku na temat sytuacji finansowej jest łatwiejsze po wyznaczeniu syntetycznego wskaźnika rozwoju ocenianego podmiotu. Skonstruowanie wskaźnika syntetycznego w przypadku kondycji finansowej wymaga uwzględnienia takich aspektów działalności przedsiębiorstwa jak rentowność, płynność finansowa, zadłużenie, sprawność działania i wartość rynkowa. Rozważania na ten temat podjęli między innymi Pluta [1975], Szpulak [2001] czy Appenzeller [2008]. Budowa wskaźnika syntetycznego jest zadaniem wieloetapowym wymagającym podjęcia szeregu decyzji w fazach: doboru zmiennych, procedur normalizacji oraz agregacji. Problematyczna także jest interpretacja uzyskanej wartości zmiennej syntetycznej. Dokonanie oceny wymaga bowiem, aby istniał jakiś punkt odniesienia, wzorzec do którego porównywany będzie otrzymany rezultat. Literatura przedmiotu pomija tę kwestię. Brak punktu odniesienia powoduje, że trudno jest określić, czy otrzymana wartość wskaźnika syntetycznego jest dobra, satysfakcjonująca czy też niezadowalająca. Celem pracy jest przedstawienie propozycji sposobu wyznaczania podstawy dla interpretacji wskaźnika syntetycznego. Autor jako wiodącą przyjmuje tezę, że taką podstawą może być rozkład wskaźnika syntetycznego uzyskany na podstawie spółek działających w jednej branży. Dysponując rozkładem lub dystrybuantą rozkładu wskaźnika można łatwo obliczyć prawdopodobieństwo osiągnięcia określonej wartości – czyli uzyskać kluczową informację konieczną do spozycjonowania firmy na tle branży i oceny jej kondycji finansowej. Propozycja obejmuje wykorzystanie rozkładu empirycznego jak i teoretycznego – generowanego przy użyciu symulacji. W artykule opisane zostały procedury transformacji, normalizacji oraz agregacji zmiennych cząstkowych. Przedstawiona została procedura generowa* Dr, Katedra Prognoz i Analiz Gospodarczych Wydziału Nauk Ekonomicznych Uniwersytetu Ekonomicznego we Wrocławiu, [email protected] Jacek Szanduła 334 nia teoretycznego rozkładu syntetycznego wskaźnika kondycji finansowej. Część empiryczna przedstawia zastosowanie proponowanej procedury do stworzenia rankingu oraz oceny kondycji finansowej przedsiębiorstw funkcjonujących w branży przetwórstwa rybnego w Polsce. W badaniu posłużono się danymi pochodzącymi z rocznych sprawozdań finansowych dostępnych w bazie EMIS Emerging Markets [http://www.securities.com/]. 1. Normalizacja wskaźników finansowych Przy budowie zmiennej syntetycznej niezwykle istotną kwestią jest dokonanie podziału zmiennych cząstkowych ze względu na kryterium sposobu ich oddziaływania na opisywane zjawisko. Według tego kryterium wyróżnia się stymulanty, destymulanty i nominanty. Do stymulant zalicza się te zmienne, których wzrost wartości oznacza sytuację korzystną dla zjawiska (np. rentowność). Wzrost wartości destymulanty oznacza sytuację niekorzystną – pożądane są wartości niskie (np. koszt wytworzenia produktu). Nominanty charakteryzują się pewnym optymalnym (nominalnym) poziomem lub zakresem, od którego jakiekolwiek odchylenia w górę czy w dół traktowane są jako niekorzystne (np. płynność finansowa). Określenie czy zmienna jest stymulantą czy destymulantą na ogół nie przysparza trudności. W przypadku nominant pojawia się problem ustalenia „optymalnego” poziomu zmiennej. Pewne propozycje dotyczące optymalnych wartości niektórych wskaźników finansowych można znaleźć np. w pracach Sierpińskiej i Jachny [2004], Redel [2007], Damodarana [2007], Kowalaka [2008], Machały [2008] czy Bienia [2011]. Ze względu na to, że zmienna syntetyczna jest agregatem cząstkowych wskaźników, należy zadbać aby: 1) Wszystkie zmienne były stymulantami. W przypadku, gdy w badaniu pojawiają się destymulanty lub nominanty, trzeba dokonać transformacji zmiennych tak aby były stymulantami. Spośród wielu istniejących przekształceń (porównaj np. [Grabiński 1989, s.28], [Walesiak 2006, s.18], [Kolenda 2006, s. 22]) autor proponuje następujące: (a) dla destymulant: (1) xis xi , gdzie: j = 1, 2, …, m; m – liczba wskaźników (liczba zmiennych); i = 1, 2, …, n; n – liczba obserwacji wskaźnika (tu liczba przedsiębiorstw); x sj .i – i-ta wartość wskaźnika Xj przekształcona na stymulantę; xj,i – i-ta wartość wskaźnika Xj; (b) dla nominant: 0, dla x j ,nom, D x j .i x j ,nom,G s , x j .i x j ,nom,G x j .i dla x j.i x j ,nom,G x j.i x j ,nom, D x j .i x j ,nom, D dla gdzie: (2) Pozycjonowanie i ocena kondycji finansowej … 335 xj,nom,D – dolna wartość nominalnego przedziału wskaźnika Xj; xj,nom,G – górna wartość nominalnego przedziału wskaźnika Xj. 2) Zmienne nie posiadały dodatkowych progów veta. Propozycję postępowania ze zmiennymi z progami veta podają Strahl i Walesiak [1997]. 3) Zmienne były wzajemnie porównywalne. Wskaźniki finansowe na ogół wyrażone są w różnych jednostkach (np. w zł, zł/szt., dni, niektóre są pozbawione mian), co uniemożliwia ich bezpośrednią agregację. Różne są także wartości średnie oraz wariancje poszczególnych zmiennych. Doprowadzenie poszczególnych wskaźników cząstkowych do wzajemnej porównywalności wymaga przeprowadzenia normalizacji. Szereg procedur normalizacyjnych daje się sprowadzić do ogólnego wzoru [Grabiński 1988, s. 244]: p x j ,i a , x' j ,i k b (3) gdzie: x’j,i – i-ta znormalizowana wartość wskaźnika Xj; a – odjemnik przyjmujący wartości: 0, xj,min, x j , Pl,j; b – dzielnik przyjmujący wartości: xj,max, xj,min, xj,nom,D, xj,nom,G, xj,wz, x j , sj, n x j.i , Rj, Pl,j; i 1 xj,max– maksymalna wartość wskaźnika Xj; xj,min – minimalna wartość wskaźnika Xj; x j – średnia wartość wskaźnika Xj: 1 n x j ,i n i 1 xj,wz – wzorcowa wartość wskaźnika Xj; sj – odchylenie standardowe wskaźnika Xj: xj sj 1 n x j ,i x j n i 1 (4) 2 (5) Rj – rozstęp wskaźnika Xj: R j x j. max x j. min (6) Pl,j – wartość l-tego percentyla wskaźnika Xj; numer percentyla l najczęściej wynosi: l = 5, 10, 25, 50, 75, 90, 95; k – mnożnik przyjmujący na ogół wartości: k = –1 lub k = 1; p – wykładnik potęgowy zazwyczaj przyjmujący wartości: p = –1, 0,5, 1, 2. Możliwość podstawienia różnych wartości do wzoru (3) skutkuje szeroką gamą procedur normalizacyjnych. W praktyce najczęściej stosowana jest standaryzacja: 336 Jacek Szanduła x ,j .i x j .i x j . (7) sj Zmienna zestandaryzowana pozbawiona jest miana, ma zerową średnią oraz jednostkową wariancję. Jej rozstęp wynosi: Rj . (8) R 'j sj 2. Konstrukcja syntetycznego miernika kondycji finansowej Wskaźnik syntetyczny powstaje jako średnia arytmetyczna ważona wskaźników cząstkowych: m zi w j x' j ,i , (9) j 1 gdzie: zi – i-ta obserwacja wskaźnika syntetycznego (wskaźnik syntetyczny dla i-tego przedsiębiorstwa); wj – waga j-tego wskaźnika. Ważną kwestią do rozstrzygnięcia jest sposób ważenia poszczególnych wskaźników finansowych. Wagi wj we wzorze (9) odzwierciedlają względne znaczenie danego wskaźnika w ocenie kondycji finansowej. Problem ich doboru nie jest definitywnie rozwiązany. Grabiński [1988 s. 243] wskazuje na możliwość powiązania systemu wag ze współczynnikami zmienności zmiennych cząstkowych przed normalizacją: Vj , (10) wj m V j j 1 gdzie Vj – współczynnik zmienności j-tej zmiennej: sj Vj . xj (11) Wśród stosowanych rozwiązań określania wartości wag poszczególnych wskaźników cząstkowych można znaleźć także metody eksperckie. Z uwagi na brak uniwersalnych wskazówek co do sposobu ważenia wskaźników, częstym rozwiązaniem jest także rezygnacja z różnicowania wag i wyznaczenie zmiennej syntetycznej na poziomie średniej arytmetycznej prostej ze wskaźników cząstkowych. Wskaźnik syntetyczny kondycji finansowej określony wzorem (9) będąc wypukłą kombinacją stymulant sam jest stymulantą. Zatem im wyższa jego wartość, tym lepszą kondycją finansową charakteryzuje się dane przedsiębiorstwo. Na jego podstawie można więc sporządzić ranking przedsiębiorstw. Jednakże brak ustalonego punktu odniesienia uniemożliwia sensowną interpretację wyników. Czy np. wartość wskaźnika syntetycznego równa 1,2 oznacza dobrą kondycję przedsiębiorstwa na tle konkurencji? Przy silnie asymetrycznych rozkładach może się okazać, że jest to wartość ledwie przeciętna. Z kolei przy innym rozkładzie nawet 0,3 może oznaczać najlepszego w branży o doskonałej Pozycjonowanie i ocena kondycji finansowej … 337 kondycji finansowej. Dlatego rzetelna ocena kondycji finansowej przedsiębiorstwa może i powinna zostać przeprowadzona na podstawie wartości wskaźnika syntetycznego po poznaniu jego rozkładu. 3. Wyznaczenie dystrybuanty rozkładu wskaźnika syntetycznego kondycji finansowej Oszacowanie dystrybuanty rozkładu wskaźnika syntetycznego znacząco ułatwia interpretację uzyskanych wyników. Z definicji wartości dystrybuanty należą do przedziału 0 – 1. Dla znanej wielkości wskaźnika syntetycznego można, posługując się dystrybuantą jego rozkładu, obliczyć odsetek przedsiębiorstw o gorszej kondycji finansowej od analizowanego przedsiębiorstwa. Dystrybuanta wskaźnika syntetycznego może przyjąć postać empiryczną lub teoretyczną. Przy dużej próbie badanych przedsiębiorstw rozkład empiryczny wraz z jego dystrybuantą może wystarczyć do wyciągnięcia poprawnych wniosków na temat kondycji finansowej poszczególnych przedsiębiorstw. W przypadku małej próby a także w celu ustabilizowania podstawy porównań warto wyznaczyć teoretyczną dystrybuantę rozkładu wskaźnika syntetycznego. Wyznaczenie dystrybuanty empirycznej przy założeniu znajomości wszystkich wartości empirycznych wskaźnika syntetycznego jest zadaniem stosunkowo łatwym, dlatego w dalszej części omówiony zostanie sposób wyznaczania dystrybuanty teoretycznej. Na ogół wyznaczenie teoretycznej dystrybuanty zmiennej syntetycznej nie jest zadaniem trywialnym. Jeśli zbiór wskaźników wykorzystanych do konstrukcji wskaźnika syntetycznego nie zawiera nominant i każdy ze wskaźników charakteryzuje się rozkładem normalnym – Xj ~N(μj, σj), to po ich standaryzacji powstanie m zmiennych o standardowym rozkładzie normalnym – Xj ~N(0, 1). Zakładając niezależność poszczególnych wskaźników i przyjmując równe wagi, średnia, reprezentująca wskaźnik syntetyczny kondycji finansowej wyznaczony wg wzoru (9), oszacowana na podstawie m niezależnych prób losowanych z takich rozkładów, będzie miała rozkład normalny następującej postaci: (12) Z ~ N 0, 1m . W takim przypadku dystrybuanta rozkładu wskaźnika syntetycznego kondycji finansowej przyjmie postać: mx 2 m 2 F z PZ z e dx . (13) 2 Na ogół jednak wśród wskaźników określających kondycję finansową znajdują się nominanty. Transformacja nominanty na stymulantę według wzoru (2) spowoduje, że rozkład nowej zmiennej (na ogół) stanie się mieszanką rozkładu ciągłego i dyskretnego. Do sytuacji tej doprowadzą obserwacje obiektów, których wskaźniki należą do zalecanego (nominalnego) przedziału. Przekształcenie w stymulantę spowoduje, że wszystkie przyjmą wartość 0. Po standaryzacji z kolei osiągną wartość X j s j , powodując, że w punkcie tym zgromadzi z 338 Jacek Szanduła się masa prawdopodobieństwa, często doprowadzając do silnej lewostronnej asymetrii rozkładu. W związku z tym analityczne rozwiązanie problemu szacowania rozkładu wskaźnika syntetycznego kondycji finansowej Z w ogólnym przypadku nie jest możliwe. Rozkład ten za każdym razem musi być wyznaczany jako splot rozkładów zmiennych tworzących wskaźnik syntetyczny. Dlatego autor proponuje odstąpić od analitycznego szacowania rozkładu wskaźnika syntetycznego na rzecz symulacji bazującej na rozkładach empirycznych zestandaryzowanych wskaźników cząstkowych. Procedura symulacji przebiega według następującego schematu: 1) Ustalenie liczby prób N. 2) Utworzenie macierzy losowania M, której elementy reprezentują przekształcone według wzorów (1) i (2), a następnie znormalizowane według wzoru (7), wskaźniki finansowe X1, X2, …, Xm: x1, .1 xm, .1 (14) M , , x1.n xn.m ( n m ) 3) Utworzenie obiektu P: P = (p1 p2 pm)(1 m) (15) Element pj wektora (obiektu) P powstaje jako wynik losowania jednej wartości z j-tej kolumny macierzy M. Obiekt P można traktować jako pewnego rodzaju wirtualne przedsiębiorstwo charakteryzujące się wylosowanymi własnościami finansowymi. 4) Podstawiając do wzoru (9) wartości p1, p2, …, pm obliczany jest wskaźnik syntetyczny obiektu P. 5) Próby powtarzane są N razy. W rezultacie uzyskuje się N wartości wskaźnika syntetycznego, które umożliwiają wyznaczenie rozkładu wskaźnika syntetycznego kondycji finansowej. 6) Dla interesującego nas przedsiębiorstwa można, wykorzystując dystrybuantę rozkładu wskaźnika syntetycznego kondycji finansowej, odczytać odsetek przedsiębiorstw, których kondycja finansowa jest co najwyżej taka, jak interesującego nas przedsiębiorstwa. Wartość ta odpowiada dystrybuancie rozkładu zmiennej Z , czyli jest poszukiwaną wartością F(z) ze wzoru (13). Jakość przybliżenia rozkładu w proponowany sposób zależy głównie od liczby wykonanych prób N. Strata polegająca na mniejszej precyzji oszacowania tego rozkładu w porównaniu z rozwiązaniem analitycznym jest pozorna, gdyż rozwiązanie analityczne wymaga przyjęcia założenia o postaci rozkładu zmiennej X’j, które dokonywane jest na podstawie zbioru empirycznego X’j i także jest obarczone błędem. Zaletą proponowanej symulacji jest możliwość jej przeprowadzenia zarówno dla rozkładów dyskretnych, ciągłych jak i mieszanych. Na uwadze jednak należy mieć fakt, że prezentowane podejście może zostać zrealizowane pod warunkiem że wszystkie zmienne cząstkowe X’j są wzajemnie niezależne. Przed przystąpieniem do symulacji należy sprawdzić, czy wskaźniki cząstkowe składające się na wskaźnik syntetyczny można uznać Pozycjonowanie i ocena kondycji finansowej … 339 za niezależne. O niezależność poszczególnych wskaźników finansowych można się postarać na etapie ich doboru – wybierając je w taki sposób, aby reprezentowały możliwie szerokie spektrum aspektów związanych z kondycją finansową, a jednocześnie dbając by nie powtarzały tych samych informacji. Można to osiągnąć posługując się na przykład analizą macierzy współczynników korelacji czy analizą czynnikową (zobacz np. [Aczel 2000, s.906-911 ], [Child 2006]). 4. Przykład empiryczny Badaną populację tworzą 42 przedsiębiorstwa z branży przetwórstwa rybnego w Polsce zobligowane do publikacji sprawozdań finansowych. Dane pochodzą ze sprawozdań finansowych przedsiębiorstw za 2009 rok (częściowo za 2008 – patrz objaśnienia do tablicy 1) zgromadzonych w bazie EMIS Emerging Markets [http://www.securities.com/]. Dobór wskaźników finansowych przeprowadzony został w dwóch etapach: 1) Analizy merytorycznej, 2) Analizy statystycznej. Na podstawie analizy merytorycznej wstępnie do konstrukcji wskaźnika syntetycznego zakwalifikowanych zostało 9 wskaźników z 5 obszarów określających kondycję finansową przedsiębiorstwa: 1) Obszar rentowności: zysk (strata) netto 100% . aktywa ogółem zysk (strata) ze sprzedaży Rentowność sprzedaży (RS) = 100% . przychody netto ze sprzedaży Rentowność aktywów (ROA) = (16) (17) 2) Obszar płynności finansowej: Wskaźnik bieżący (WB) = aktywa obrotowe . zobowiązania krótkoterminowe (18) 3) Obszar zadłużenia: Stopa zadłużenia (SZ) = zobowiązania i rezerwy na zobowiązania pasywa (19) 4) Obszar sprawności działania: przychody netto ze sprzedaży aktywa ogółem przychody netto ze sprzedaży Rotacja aktywów obrotowych (RAO) = aktywa obrotowe 365 (należności+zapasy) Cykl operacyjny (CO) = przychody netto ze sprzedaży Rotacja aktywów (RA) = (20) (21) (22) 5) Obszar wartości rynkowej: przychody netto ze sprzedaży 100% przychody netto ze sprzedaży sektora przychody netto ze sprzedaży t Dynamika przychodów (DP) = przychody netto ze sprzedaży t-1 Udział w sektorze (U) = (23) (24) Jacek Szanduła 340 Tablica 1 zawiera zestawienie wskaźników finansowych badanych przedsiębiorstw. Tablica 1. Wskaźniki finansowe przedsiębiorstw branży przetwórstwa rybnego Przedsiębiorstwo ROA [%] 4,67 -7,29 1,67 -4,87 0,74 5,48 11,45 35,04 0,01 -6,91 1,64 0,63 13,70 7,40 0,61 5,89 10,49 18,94 15,92 13,63 7,40 5,62 5,83 1,88 -6,13 -16,35 1,24 -2,27 2,82 4,11 7,24 16,26 -13,01 1,88 5,55 5,41 4,20 0,97 7,95 0,80 2,20 7,16 RS WB [%] 7,35 1,19 -6,12 0,98 3,09 1,17 10,23 6,07 1,53 0,84 3,86 1,58 6,24 2,82 10,73 0,75 17,03 0,32 -5,86 0,37 4,25 2,23 17,47 1,12 0,00 1,46 6,83 1,34 3,46 1,14 8,10 1,14 9,88 1,89 13,72 1,25 20,31 14,56 11,48 1,83 2,01 0,98 2,65 1,08 5,40 1,10 1,80 0,84 -0,27 0,78 -4,69 0,49 -30,36 4,58 -3,90 1,67 2,61 1,01 2,65 1,08 4,36 1,43 6,45 1,01 -2,98 2,01 2,59 21,22 2,79 0,82 20,56 2,12 2,13 1,19 25,10 1,15 5,65 1,76 24,66 2,57 3,64 1,13 6,79 3,70 SZ RA RAO CO U [dni] [%] 201 1,69 82 0,16 98 0,50 25 0,43 109 1,78 117 6,10 62 0,47 26 0,59 94 0,19 69 0,40 88 4,43 47 4,27 48 1,69 82 3,50 53 0,26 15 2,07 80 0,47 127 4,93 71 0,28 148 25,91 75 2,31 76 0,61 109 1,09 105 1,88 69 0,48 72 0,84 178 0,37 172 0,71 81 0,66 99 0,57 130 1,91 37 1,10 285 4,32 23 0,09 63 1,54 88 2,12 98 4,75 164 1,93 83 8,55 152 3,18 124 0,23 177 0,63 Abramczyk* 0,26 1,52 1,80 Agro-Fish 0,61 1,40 4,18 Artryb 0,35 2,80 3,68 Central Soya 0,88 1,73 2,43 Contimax 0,26 1,77 3,18 Espersen Polska 0,53 2,19 3,07 Excelsior Delikatesy 0,73 2,73 3,92 FPR Mieszko 0,29 4,67 9,54 Foodmark-Poland 0,26 0,38 1,67 Friedrichs Polska 0,14 1,36 5,03 Frosta 0,59 1,58 3,62 Graal 0,64 0,77 1,89 GK Ternaeben Polska 0,55 3,52 6,11 GK WWŻ Profi 0,58 1,80 4,02 Jantar Ltd. 0,88 0,76 5,83 Koral 0,59 1,34 2,89 Kordex Sp. z o.o. 0,67 2,63 4,16 Laurin Seafood 0,39 2,03 2,80 McLean Brothers Poland 0,96 1,07 2,10 Morpol 0,57 1,50 2,12 Nord Capital 0,21 2,36 3,49 Nordfish 0,39 1,93 4,77 Nordfish-Foodmark 0,49 1,74 3,10 Polinord 0,41 1,70 3,47 Pommernfisch 0,45 1,79 5,17 Proryb 0,26 1,61 4,75 PPiUR Szkuner 0,75 0,36 1,62 PPH Morfish* 0,68 0,77 1,47 PPH Pirs 0,33 2,53 4,35 PPHU BMC 0,38 2,01 3,53 PR Łosoś 0,49 1,47 2,69 PRW Piątek 0,54 2,50 5,83 Royal Greenland Seafood 0,58 0,81 1,27 Rybak 0,99 0,74 2,99 Rybhand Trzcielińscy* 0,53 1,82 5,62 Seko 0,67 1,56 2,86 Suempol 0,45 2,10 3,58 Superfish 0,57 0,94 2,18 Uniq Lisner 0,60 2,44 4,22 Wilbo 0,69 1,53 2,37 ZPR Mirko 0,54 0,63 2,68 ZMK Delikates 0,79 1,36 1,95 *dane za rok 2008; Źródło: Obliczenia własne na podstawie danych z bazy EMIS Emerging Markets. DP 1,04 0,93 1,04 0,82 1,35 1,05 1,04 1,34 1,22 0,99 1,19 1,07 1,15 0,98 0,69 1,09 1,67 1,02 1,12 1,51 0,77 1,07 1,35 1,06 1,18 0,99 0,89 0,73 1,17 0,97 1,15 1,29 3,84 1,31 0,97 1,02 1,39 1,07 0,66 1,12 0,94 0,96 Pozycjonowanie i ocena kondycji finansowej … 341 Wśród wybranych wskaźników cykl operacyjny jest destymulantą, wskaźnik bieżący i wskaźnik zadłużenia nominantami, a pozostałe wskaźniki są stymulantami. W literaturze przedmiotu jako zalecany przedział dla wskaźnika bieżącego przyjmuje się od 1,2 do 2 [Sierpińska i Jachna 2004, s.147], uznając, że zarówno brak płynności jak i nadmierna płynność nie są korzystne dla funkcjonowania firmy. Zbyt niska płynność wiąże się z ryzykiem niewypłacalności. Z kolei zbyt wysoka płynność może oznaczać nieefektywne gospodarowanie zasobami finansowymi. Tych dwóch sytuacji nie można jednak traktować symetrycznie. Brak zdolności terminowej spłaty zobowiązań może prowadzić do poważnych komplikacji – od pogorszenia relacji z dostawcami, poprzez spowolnienie lub wstrzymanie procesu produkcji ze względu na ograniczenie dostaw do upadłości firmy włącznie. Ponadto istotą wskaźników płynności jest ostrzeganie przed ryzykiem niewypłacalności, a nie ocena efektywności gospodarowania finansami. Dlatego autor proponuje przyjąć dla wskaźnika bieżącego zalecany przedział [1,2; ∞). Oznacza to, że nadpłynność nie będzie negatywnie wpływać na wartość wskaźnika syntetycznego. Efektywność działania we wskaźniku syntetycznym będzie wyrażona poprzez inne wskaźniki. W przypadku wskaźnika zadłużenia zalecany przedział spotykany w literaturze to od 0,57 do 0,67 [Sierpińska i Jachna 2004, s.167]. Zbyt duży udział finansowania obcego w strukturze pasywów wiąże się z koniecznością spłaty długu a więc z ryzykiem utraty finansowania. Z kolei niska wartość wskaźnika zadłużenia oznacza słabe wykorzystanie kapitałów obcych – niski efekt dźwigni finansowej. Tak jak w poprzednim przypadku także i tutaj nie można uznać obu tych sytuacji za porównywalne. Głównym celem wskaźnika zadłużenia jest informowanie o potencjalnie zbyt dużym zadłużeniu. Dlatego w badaniu dla wskaźnika zadłużenia autor proponuje zalecany przedział w granicach [0; 0,6]. Oznacza to, że niski udział kapitałów obcych nie będzie postrzegany jako sytuacja niekorzystna. Destymulanta i nominanty przekształcone zostały w stymulanty przy wykorzystaniu wzorów (1) i (2). Następnie zmienne zostały poddane standaryzacji – wzór (7). Dla zmiennych standaryzowanych obliczono współczynniki korelacji – ich zestawienie zawiera tablica 2. Tablica 2. Współczynniki korelacji wskaźników po standaryzacji ROA’ RS’ WB’ ROA’ 1 0,34 0,25 RS’ 0,34 1 0,13 WB’ 0,25 0,13 1 SZ’ 0,00 -0,08 -0,29 RA’ 0,60 0,07 -0,01 RAO’ 0,38 -0,12 -0,35 CO’ 0,26 0,13 -0,25 U’ 0,18 0,17 0,23 DP’ -0,14 -0,02 0,06 Źródło: Obliczenia własne. SZ’ 0,00 -0,08 -0,29 1 0,32 0,18 -0,19 0,22 0,14 RA’ 0,60 0,07 -0,01 0,32 1 0,72 0,38 0,01 -0,04 RAO’ 0,38 -0,12 -0,35 0,18 0,72 1 0,60 -0,19 -0,15 CO’ 0,26 0,13 -0,25 -0,19 0,38 0,60 1 -0,22 -0,46 U’ 0,18 0,17 0,23 0,22 0,01 -0,19 -0,22 1 0,17 DP’ -0,14 -0,02 0,06 0,14 -0,04 -0,15 -0,46 0,17 1 Jacek Szanduła 342 Ze względu na to, że procedura symulacji wymaga, aby zmienne tworzące wskaźnik syntetyczny były niezależne, początkowy zbiór zmiennych został zredukowany. Redukcji zbioru zmiennych dokonano korzystając z analizy czynnikowej oraz dodatkowo, mając na uwadze konieczność wyeliminowania zmiennych skorelowanych, przyjęto krytyczną wartość współczynnika korelacji na poziomie 0,22 (p-value równe 0,165). Końcowy zestaw zmiennych użytych w badaniu stanowią: rentowność sprzedaży, stopa zadłużenia, rotacja aktywów obrotowych, udział w sektorze oraz dynamika przychodów. Wskaźniki syntetyczne obliczono korzystając ze wzoru (9). Przyjęty został system wag jednakowych. Rozkład teoretyczny wskaźnika syntetycznego uzyskano na podstawie miliona symulacji. Obliczenia wykonano w programie Matlab® R2007a korzystając z autorskiego skryptu. Rysunek 1 przedstawia empiryczny i teoretyczny rozkład wskaźnika syntetycznego. W tablicy 3 zamieszczone zostały podstawowe parametry rozkładu teoretycznego. Cechuje się on leptokurtycznością oraz dość silną asymetrią prawostronną. Rysunek 1. Empiryczny i teoretyczny rozkład wskaźnika syntetycznego Rozkład empiryczny Rozkład teoretyczny -3 -2 -1 0 1 2 3 Źródło: Opracowanie własne. Tablica 3. Parametry rozkładu teoretycznego Parametr rozkładu Wartość Średnia 0,0008 Odchylenie standardowe 0,4475 Współczynnik asymetrii 0,6764 Kurtoza 2,2785 Źródło: Opracowanie własne. Tablica 4 przedstawia ranking przedsiębiorstw branży przetwórstwa rybnego sporządzony na podstawie wartości wskaźników syntetycznych. Dla każdego przedsiębiorstwa wyznaczona została wartość dystrybuanty empirycznej Fe(z) oraz teoretycznej Fˆ ( z ) . Dystrybuanta empiryczna określa zaobserwowany a teoretyczna teoretyczny odsetek przedsiębiorstw o kondycji finansowej nie Pozycjonowanie i ocena kondycji finansowej … Tablica 4. Ranking przedsiębiorstw branży przetwórstwa rybnego Pozycja Przedsiębiorstwo Wskaźnik syntetyczny (Z) Fe ( z ) 1 Morpol 1,354 1,000 2 FPR Mieszko 0,971 0,976 3 Royal Greenland Seafood 0,882 0,952 4 PRW Piątek 0,415 0,929 5 Superfish 0,299 0,905 6 Uniq Lisner 0,289 0,881 7 GKTernaeben Polska 0,281 0,857 8 Kordex 0,277 0,833 9 Laurin Seafood 0,259 0,810 10 Suempol 0,259 0,786 11 Wilbo 0,214 0,762 12 Frosta 0,208 0,738 13 Rybhand Trzcielińscy 0,196 0,714 14 GK WWŻ Profi 0,178 0,690 15 Espersen Polska 0,149 0,667 16 Seko 0,147 0,643 17 Graal 0,134 0,619 18 Pommernfisch 0,110 0,595 19 Nordfish 0,081 0,571 20 PPH Pirs 0,074 0,548 21 Nordfish-Foodmark 0,073 0,524 22 Foodmark-Poland 0,043 0,500 23 Koral 0,041 0,476 24 Contimax 0,031 0,452 25 Polinord -0,043 0,429 26 PR Łosoś -0,047 0,405 27 Artryb -0,065 0,381 28 Proryb -0,102 0,357 29 Friedrichs Polska -0,113 0,333 30 PPHU BMC -0,120 0,310 31 Nord Capital -0,141 0,286 32 Abramczyk -0,156 0,262 33 Excelsior Delikatesy -0,223 0,238 34 ZPR Mirko -0,233 0,214 35 Agro-Fish -0,285 0,190 36 Jantar Ltd. -0,507 0,167 37 McLean Brothers Poland -0,590 0,143 38 ZMK Delikates -0,600 0,119 39 Central Soya -0,724 0,095 40 PPH Morfish -0,783 0,071 41 Rybak -0,828 0,048 42 PPiUR Szkuner -1,405 0,024 Źródło: Opracowanie własne. 343 Fˆ ( z ) 0,988 0,963 0,955 0,872 0,814 0,807 0,801 0,799 0,786 0,786 0,751 0,747 0,736 0,720 0,693 0,691 0,679 0,655 0,625 0,618 0,616 0,582 0,580 0,568 0,482 0,476 0,454 0,410 0,398 0,389 0,364 0,347 0,275 0,264 0,217 0,097 0,074 0,072 0,047 0,037 0,030 0,001 344 Jacek Szanduła lepszej od badanego obiektu. Wartość dystrybuanty teoretycznej informuje dokładnie ile obiektowi brakuje do idealnego wzorca, który osiągnąłby wartość 1. Na przykład piąty w rankingu Superfish jest w rzeczywistości gorszy od zaledwie 9,5% (Fe(z) = 0,905) firm w branży lecz teoretycznie do najlepszego brakuje mu aż 18,6% ( Fˆ ( z ) = 0,814). Wynika to z faktu, że następne przedsiębiorstwa aż do dziesiątego w rankingu włącznie nie mają dużej straty do Superfish biorąc pod uwagę wartość wskaźnika syntetycznego – zaledwie 0,04. Dystrybuanta teoretyczna daje lepszą informację w porównaniu z dystrybuantą empiryczną na temat tego, ile należy poprawić, aby być najlepszym w branży. Nawet najlepszy w branży Morpol, górujący pod wieloma względami nad konkurencją, otrzymuje wskazówkę, że są obszary kondycji finansowej, które w innych firmach kształtują się lepiej. Zakończenie Kondycja finansowa przedsiębiorstwa jest zjawiskiem złożonym. Można ją jednak opisać za pomocą wskaźnika syntetycznego. Takie rozwiązanie znacząco ułatwia ocenę kondycji finansowej w przypadku gdy różne wskaźniki cząstkowe dają sprzeczne sygnały. Wyznaczenie wartości wskaźnika syntetycznego dla pojedynczego przedsiębiorstwa nie jest jednak wystarczające – przeprowadzenie oceny wymaga bowiem, aby istniał jakiś punkt odniesienia, podstawa, do której odnoszony będzie otrzymany wynik. Punktem odniesienia dla kondycji finansowej przedsiębiorstwa może być rozkład wskaźnika syntetycznego uzyskanego na podstawie przedsiębiorstw z branży. Wykorzystanie do oceny kondycji finansowej dystrybuanty rozkładu wskaźnika syntetycznego likwiduje problemy z interpretacją wartości samego wskaźnika syntetycznego. Do tego celu nadaje się zarówno rozkład empiryczny jak i teoretyczny. Rozkład teoretyczny ma tę przewagę nad empirycznym, że umożliwia dokładniejszą ocenę kondycji finansowej. Problemem może być jednak przeprowadzenie symulacji w przypadku, gdy cząstkowe wskaźniki wykazują wzajemną zależność. Prezentowane podejście symulowania rozkładu wskaźnika syntetycznego w celu ułatwienia interpretacji jego wartości nie ogranicza się jedynie do kondycji finansowej przedsiębiorstwa. Proponowane rozwiązanie z powodzeniem można wykorzystać w badaniu innych zjawisk złożonych. Zawsze, gdy konstruowana jest miara syntetyczna – np. w badaniu jakości życia, rozwoju społeczno-gospodarczego i wielu innych – poznanie rozkładu takiej zmiennej ułatwia ocenę sytuacji i interpretację wyników. Literatura 1. Aczel A. D. (2000), Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2. Appenzeller D. (2008), Metodologiczne problemy oceny i prognozowania kondycji finansowej [w:] Prognozowanie w zarządzaniu firmą, Wydawnictwo Indygo Zahir Media Pozycjonowanie i ocena kondycji finansowej … 345 3. Child D. (2006), The essentials of factor analysis, Continuum International Publishing Group, Nowy Jork 4. Damodaran A. (2007), Finanse korporacyjne : teoria i praktyka, Helion, Gliwice 5. Grabiński T. (1989), Funkcje i mierniki odległości [w:] Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, red. Zeliaś A., PWN, Warszawa 6. Grabiński T. (1988), Metody statystycznej analizy porównawczej [w:] Metody statystyki międzynarodowej, red. Zeliaś, PWE, Warszawa 7. http://www.securities.com/ stan na 10-05-2011 8. Kolenda M. (2006), Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 9. Kowalak R. (2008), Ocena kondycji finansowej przedsiębiorstwa w badaniu zagrożenia upadłością, Ośrodek Doradztwa i Doskonalenia Kadr, Gdańsk 10. Machała R. (2008), Zarządzanie finansami i wycena firmy, Oficyna Wydawnicza Unimex, Wrocław 11. Pluta W. (1975), Zastosowanie metod taksonomicznych i analizy czynnikowej do konstruowania syntetycznych wskaźników technicznoekonomicznych, „Przegląd Statystyczny” nr 2 12. Redel D. (2007), Wykorzystanie sprawozdawczości finansowej do celów analitycznych [w:] Finanse przedsiębiorstwa, red. Szczepański J., Szyszko L., PWE, Warszawa 13. Sierpińska M., Jachna T.(2004), Ocena przedsiębiorstwa wg standardów światowych, Wydawnictwo Naukowe PWN, Warszawa 14. Strahl D., Walesiak M. (1997), Normalizacja zmiennych w skali przedziałowej i ilorazowej w referencyjnym systemie granicznym, „Przegląd Statystyczny” nr 1 15. Szpulak A. (2002), Ocena i prognoza kondycji finansowej działu produkcji artykułów spożywczych i napojów, „Prace Naukowe Akademii Ekonomicznej” nr 950 16. Walesiak M. (2006), Uogólniona miara odległości w statystycznej analizie wielowymiarowej, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław Streszczenie W artykule rozważany jest problem oceny kondycji finansowej przedsiębiorstwa. Kondycja finansowa jako zjawisko złożone wymaga uwzględnienia wielu różnych czynników. Do jej wyczerpującego opisu należy wykorzystać co najmniej kilka wskaźników finansowych. Na ich podstawie można wyznaczyć miarę syntetyczną ułatwiającą ocenę kondycji finansowej nawet wówczas, gdy różne wskaźniki dają sprzeczne sygnały. Literatura przedmiotu, jak dotąd, nie rozwiązuje w należyty sposób problemu interpretacji uzyskiwanych wartości. 346 Jacek Szanduła W pracy przedstawiona została propozycja sposobu wyznaczania podstawy dla interpretacji wskaźnika syntetycznego, za którą przyjęto rozkład wskaźnika syntetycznego uzyskany na podstawie spółek działających w jednej branży. Propozycja obejmuje wykorzystanie rozkładu empirycznego jak i teoretycznego – generowanego przy użyciu symulacji. Przedstawiono procedurę symulacji rozkładu teoretycznego syntetycznego wskaźnika kondycji finansowej. Część empiryczną zilustrowano na przykładzie branży przetwórstwa rybnego w Polsce. The positioning and evaluation of the company financial condition against the background of the competitors by using multivariate analysis (Summary) The paper regards the problem of evaluation a company financial performance. Financial performance as a complex phenomenon requires consideration of many factors. Its thorough description must use at least few financial indicators. On their basis an aggregate indicator can be calculated for an easy evaluation of a financial performance, even when different indicators give ambiguous signals. So far the literature does not solve the problem of interpretation of derived values in an appropriate way. The paper presents a proposal on how to delimit the base for the interpretation of the aggregate indicator, which is adopted for the distribution of the aggregate indicator obtained from companies operating in the same industry. The proposal involves the use of both the empirical and theoretical distribution. To estimate the theoretical distribution a simulation procedure has been provided. The empirical part is illustrated of the example of the fish processing industry in Poland.