Pozycjonowanie i ocena kondycji finansowej …zif.wzr.pl/pim/2011_4_8_27.pdfJacek Szanduła* Pozycjonowanie i ocena kondycji finansowej przedsiębiorstwa na tle konkurencji przy użyciu

Jacek Szanduła*

Pozycjonowanie i ocena kondycji finansowej

przedsiębiorstwa na tle konkurencji przy użyciu

wielowymiarowej analizy porównawczej

Wstęp Kondycja finansowa przedsiębiorstwa jest zjawiskiem złożonym. Jej do-

kładny i wyczerpujący opis wymaga uwzględnienia wielu różnych aspektów

działalności firmy. W tym celu wykorzystuje się szerokie spektrum wskaźni-

ków finansowych, które umożliwiają pomiar poszczególnych składowych kon-

dycji 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 wyzna-

czeniu syntetycznego wskaźnika rozwoju ocenianego podmiotu. Skonstruowa-

nie wskaźnika syntetycznego w przypadku kondycji finansowej wymaga

uwzględnienia takich aspektów działalności przedsiębiorstwa jak rentowność,

płynność finansowa, zadłużenie, sprawność działania i wartość rynkowa. Roz-

ważania na ten temat podjęli między innymi Pluta [1975], Szpulak [2001] czy

Appenzeller [2008].

Budowa wskaźnika syntetycznego jest zadaniem wieloetapowym wymaga-

jącym podjęcia szeregu decyzji w fazach: doboru zmiennych, procedur normali-

zacji 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 rezul-

tat. Literatura przedmiotu pomija tę kwestię. Brak punktu odniesienia powodu-

je, że trudno jest określić, czy otrzymana wartość wskaźnika syntetycznego jest

dobra, satysfakcjonująca czy też niezadowalająca.

Celem pracy jest przedstawienie propozycji sposobu wyznaczania podsta-

wy 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 dys-

trybuantą 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. Pro-

pozycja 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 stwo-

rzenia rankingu oraz oceny kondycji finansowej przedsiębiorstw funkcjonują-

cych w branży przetwórstwa rybnego w Polsce. W badaniu posłużono się da-

nymi 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 doko-

nanie 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. rentow-

ność). 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 op-

tymalnych wartości niektórych wskaźników finansowych można znaleźć np. w

pracach Sierpińskiej i Jachny [2004], Redel [2007], Damodarana [2007], Kowa-

laka [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 poja-

wiają się destymulanty lub nominanty, trzeba dokonać transformacji zmien-

nych 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:

isi xx , (1)

gdzie: j = 1, 2, …, m; m – liczba wskaźników (liczba zmiennych);

i = 1, 2, …, n; n – liczba obserwacji wskaźnika

(tu liczba przedsiębiorstw);

sijx . – i-ta wartość wskaźnika Xj przekształcona na stymulantę;

xj,i – i-ta wartość wskaźnika Xj;

(b) dla nominant:

DnomjijDnomjij

GnomjijijGnomj

GnomjijDnomj

sij

xxxx

xxxx

xxx

x

,,.,,.

,,..,,

,,.,,

.

dla

dla

dla,0

, (2)

gdzie:

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 postępowa-

nia 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 wza-

jemnej porównywalności wymaga przeprowadzenia normalizacji. Szereg pro-

cedur normalizacyjnych daje się sprowadzić do ogólnego wzoru [Grabiński

1988, s. 244]:

p

ij

ijb

axkx

,

,' , (3)

gdzie:

x’j,i – i-ta znormalizowana wartość wskaźnika Xj;

a – odjemnik przyjmujący wartości: 0, xj,min, jx , Pl,j;

b – dzielnik przyjmujący wartości: xj,max, xj,min, xj,nom,D, xj,nom,G, xj,wz, jx , sj,

n

iijx

1. , Rj, Pl,j;

xj,max– maksymalna wartość wskaźnika Xj;

xj,min – minimalna wartość wskaźnika Xj;

jx – średnia wartość wskaźnika Xj:

n

iijj x

nx

1,

1 (4)

xj,wz – wzorcowa wartość wskaźnika Xj;

sj – odchylenie standardowe wskaźnika Xj:

n

ijijj xx

ns

1

2

,

1 (5)

Rj – rozstęp wskaźnika Xj:

min.max. jjj xxR (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 stan-

daryzacja:

Jacek Szanduła 336

j

jij

ijs

xxx

.,. . (7)

Zmienna zestandaryzowana pozbawiona jest miana, ma zerową średnią oraz

jednostkową wariancję. Jej rozstęp wynosi:

j

j

js

RR ' . (8)

2. Konstrukcja syntetycznego miernika kondycji finansowej Wskaźnik syntetyczny powstaje jako średnia arytmetyczna ważona wskaź-

ników cząstkowych:

m

jijji xwz

1,' , (9)

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 dobo-

ru nie jest definitywnie rozwiązany. Grabiński [1988 s. 243] wskazuje na moż-

liwość powiązania systemu wag ze współczynnikami zmienności zmiennych

cząstkowych przed normalizacją:

m

jj

j

j

V

Vw

1

, (10)

gdzie Vj – współczynnik zmienności j-tej zmiennej:

j

j

jx

sV . (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 zmien-

nej 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 przedsiębior-

stwo. Na jego podstawie można więc sporządzić ranking przedsiębiorstw. Jed-

nakże 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 roz-

kładach może się okazać, że jest to wartość ledwie przeciętna. Z kolei przy in-

nym rozkładzie nawet 0,3 może oznaczać najlepszego w branży o doskonałej


kondycji finansowej. Dlatego rzetelna ocena kondycji finansowej przedsiębior-

stwa 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 przedsię-

biorstw 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 wnio-

sków na temat kondycji finansowej poszczególnych przedsiębiorstw. W przy-

padku małej próby a także w celu ustabilizowania podstawy porównań warto

wyznaczyć teoretyczną dystrybuantę rozkładu wskaźnika syntetycznego. Wy-

znaczenie dystrybuanty empirycznej przy założeniu znajomości wszystkich

wartości empirycznych wskaźnika syntetycznego jest zadaniem stosunkowo

łatwym, dlatego w dalszej części omówiony zostanie sposób wyznaczania dys-

trybuanty teoretycznej.

Na ogół wyznaczenie teoretycznej dystrybuanty zmiennej syntetycznej nie

jest zadaniem trywialnym. Jeśli zbiór wskaźników wykorzystanych do kon-

strukcji 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:

m

NZ 1,0~ . (12)

W takim przypadku dystrybuanta rozkładu wskaźnika syntetycznego kondycji

finansowej przyjmie postać:

dxem

zZPzF

mxz

2

2

2

. (13)

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 roz-

kładu ciągłego i dyskretnego. Do sytuacji tej doprowadzą obserwacje obiektów,

których wskaźniki należą do zalecanego (nominalnego) przedziału. Przekształ-

cenie w stymulantę spowoduje, że wszystkie przyjmą wartość 0. Po standaryza-

cji z kolei osiągną wartość jj sX , powodując, że w punkcie tym zgromadzi

Jacek Szanduła 338

się masa prawdopodobieństwa, często doprowadzając do silnej lewostronnej

asymetrii rozkładu. W związku z tym analityczne rozwiązanie problemu szaco-

wania rozkładu wskaźnika syntetycznego kondycji finansowej Z w ogólnym

przypadku nie jest możliwe. Rozkład ten za każdym razem musi być wyznacza-

ny jako splot rozkładów zmiennych tworzących wskaźnik syntetyczny. Dlatego

autor proponuje odstąpić od analitycznego szacowania rozkładu wskaźnika syn-

tetycznego na rzecz symulacji bazującej na rozkładach empirycznych zestanda-

ryzowanych wskaźników cząstkowych. Procedura symulacji przebiega według

następującego schematu:

1) Ustalenie liczby prób N.

2) Utworzenie macierzy losowania M, której elementy reprezentują prze-

kształcone według wzorów (1) i (2), a następnie znormalizowane według

wzoru (7), wskaźniki finansowe X1, X2, …, Xm:

)(

,.

,.1

,1.

,1.1

mnmnn

m

xx

xx

M (14)

3) Utworzenie obiektu P:

P = (p1 p2 pm)(1 m) (15)

Element pj wektora (obiektu) P powstaje jako wynik losowania jednej war-

tości 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 wskaźni-

ka syntetycznego, które umożliwiają wyznaczenie rozkładu wskaźnika syn-

tetycznego kondycji finansowej.

6) Dla interesującego nas przedsiębiorstwa można, wykorzystując dystrybuan-

tę rozkładu wskaźnika syntetycznego kondycji finansowej, odczytać odsetek

przedsiębiorstw, których kondycja finansowa jest co najwyżej taka, jak inte-

resującego nas przedsiębiorstwa. Wartość ta odpowiada dystrybuancie roz-

kładu 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 oszacowa-

nia 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 miesza-

nych. 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


za niezależne. O niezależność poszczególnych wskaźników finansowych można

się postarać na etapie ich doboru – wybierając je w taki sposób, aby reprezen-

towały możliwie szerokie spektrum aspektów związanych z kondycją finanso-

wą, 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 ryb-

nego w Polsce zobligowane do publikacji sprawozdań finansowych. Dane po-

chodzą 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 określa-

jących kondycję finansową przedsiębiorstwa:

1) Obszar rentowności:

zysk (strata) nettoRentowność aktywów (ROA) = 100%

aktywa ogółem . (16)

zysk (strata) ze sprzedażyRentowność sprzedaży (RS) = 100%

przychody netto ze sprzedaży . (17)

2) Obszar płynności finansowej:

aktywa obrotowe

Wskaźnik bieżący (WB) = zobowiązania krótkoterminowe

. (18)

3) Obszar zadłużenia:

zobowiązania i rezerwy na zobowiązaniaStopa zadłużenia (SZ) =

pasywa (19)

4) Obszar sprawności działania:

przychody netto ze sprzedażyRotacja aktywów (RA) =

aktywa ogółem (20)

przychody netto ze sprzedażyRotacja aktywów obrotowych (RAO) =

aktywa obrotowe (21)

365 (należności+zapasy)Cykl operacyjny (CO) =

przychody netto ze sprzedaży

(22)

5) Obszar wartości rynkowej:

przychody netto ze sprzedażyUdział w sektorze (U) = 100%

przychody netto ze sprzedaży sektora (23)

t

t-1

przychody netto ze sprzedażyDynamika przychodów (DP) =

przychody netto ze sprzedaży (24)

Jacek Szanduła 340

Tablica 1 zawiera zestawienie wskaźników finansowych badanych przed-

siębiorstw.

Tablica 1. Wskaźniki finansowe przedsiębiorstw branży przetwórstwa rybnego

Przedsiębiorstwo ROA

[%]

RS

[%] WB SZ RA RAO

CO

[dni]

U

[%]

DP

Abramczyk* 4,67 7,35 1,19 0,26 1,52 1,80 201 1,69 1,04

Agro-Fish -7,29 -6,12 0,98 0,61 1,40 4,18 82 0,16 0,93

Artryb 1,67 3,09 1,17 0,35 2,80 3,68 98 0,50 1,04

Central Soya -4,87 10,23 6,07 0,88 1,73 2,43 25 0,43 0,82

Contimax 0,74 1,53 0,84 0,26 1,77 3,18 109 1,78 1,35

Espersen Polska 5,48 3,86 1,58 0,53 2,19 3,07 117 6,10 1,05

Excelsior Delikatesy 11,45 6,24 2,82 0,73 2,73 3,92 62 0,47 1,04

FPR Mieszko 35,04 10,73 0,75 0,29 4,67 9,54 26 0,59 1,34

Foodmark-Poland 0,01 17,03 0,32 0,26 0,38 1,67 94 0,19 1,22

Friedrichs Polska -6,91 -5,86 0,37 0,14 1,36 5,03 69 0,40 0,99

Frosta 1,64 4,25 2,23 0,59 1,58 3,62 88 4,43 1,19

Graal 0,63 17,47 1,12 0,64 0,77 1,89 47 4,27 1,07

GK Ternaeben Polska 13,70 0,00 1,46 0,55 3,52 6,11 48 1,69 1,15

GK WWŻ Profi 7,40 6,83 1,34 0,58 1,80 4,02 82 3,50 0,98

Jantar Ltd. 0,61 3,46 1,14 0,88 0,76 5,83 53 0,26 0,69

Koral 5,89 8,10 1,14 0,59 1,34 2,89 15 2,07 1,09

Kordex Sp. z o.o. 10,49 9,88 1,89 0,67 2,63 4,16 80 0,47 1,67

Laurin Seafood 18,94 13,72 1,25 0,39 2,03 2,80 127 4,93 1,02

McLean Brothers Poland 15,92 20,31 14,56 0,96 1,07 2,10 71 0,28 1,12

Morpol 13,63 11,48 1,83 0,57 1,50 2,12 148 25,91 1,51

Nord Capital 7,40 2,01 0,98 0,21 2,36 3,49 75 2,31 0,77

Nordfish 5,62 2,65 1,08 0,39 1,93 4,77 76 0,61 1,07

Nordfish-Foodmark 5,83 5,40 1,10 0,49 1,74 3,10 109 1,09 1,35

Polinord 1,88 1,80 0,84 0,41 1,70 3,47 105 1,88 1,06

Pommernfisch -6,13 -0,27 0,78 0,45 1,79 5,17 69 0,48 1,18

Proryb -16,35 -4,69 0,49 0,26 1,61 4,75 72 0,84 0,99

PPiUR Szkuner 1,24 -30,36 4,58 0,75 0,36 1,62 178 0,37 0,89

PPH Morfish* -2,27 -3,90 1,67 0,68 0,77 1,47 172 0,71 0,73

PPH Pirs 2,82 2,61 1,01 0,33 2,53 4,35 81 0,66 1,17

PPHU BMC 4,11 2,65 1,08 0,38 2,01 3,53 99 0,57 0,97

PR Łosoś 7,24 4,36 1,43 0,49 1,47 2,69 130 1,91 1,15

PRW Piątek 16,26 6,45 1,01 0,54 2,50 5,83 37 1,10 1,29

Royal Greenland Seafood -13,01 -2,98 2,01 0,58 0,81 1,27 285 4,32 3,84

Rybak 1,88 2,59 21,22 0,99 0,74 2,99 23 0,09 1,31

Rybhand Trzcielińscy* 5,55 2,79 0,82 0,53 1,82 5,62 63 1,54 0,97

Seko 5,41 20,56 2,12 0,67 1,56 2,86 88 2,12 1,02

Suempol 4,20 2,13 1,19 0,45 2,10 3,58 98 4,75 1,39

Superfish 0,97 25,10 1,15 0,57 0,94 2,18 164 1,93 1,07

Uniq Lisner 7,95 5,65 1,76 0,60 2,44 4,22 83 8,55 0,66

Wilbo 0,80 24,66 2,57 0,69 1,53 2,37 152 3,18 1,12

ZPR Mirko 2,20 3,64 1,13 0,54 0,63 2,68 124 0,23 0,94

ZMK Delikates 7,16 6,79 3,70 0,79 1,36 1,95 177 0,63 0,96

*dane za rok 2008;

Źródło: Obliczenia własne na podstawie danych z bazy EMIS Emerging Markets.


Wśród wybranych wskaźników cykl operacyjny jest destymulantą, wskaź-

nik bieżący i wskaźnik zadłużenia nominantami, a pozostałe wskaźniki są sty-

mulantami.

W literaturze przedmiotu jako zalecany przedział dla wskaźnika bieżącego

przyjmuje się od 1,2 do 2 [Sierpińska i Jachna 2004, s.147], uznając, że zarów-

no brak płynności jak i nadmierna płynność nie są korzystne dla funkcjonowa-

nia 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 upadło-

ści firmy włącznie. Ponadto istotą wskaźników płynności jest ostrzeganie przed

ryzykiem niewypłacalności, a nie ocena efektywności gospodarowania finan-

sami. Dlatego autor proponuje przyjąć dla wskaźnika bieżącego zalecany prze-

dział [1,2; ∞). Oznacza to, że nadpłynność nie będzie negatywnie wpływać na

wartość wskaźnika syntetycznego. Efektywność działania we wskaźniku synte-

tycznym będzie wyrażona poprzez inne wskaźniki.

W przypadku wskaźnika zadłużenia zalecany przedział spotykany w litera-

turze 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 sytu-

acja niekorzystna.

Destymulanta i nominanty przekształcone zostały w stymulanty przy wy-

korzystaniu wzorów (1) i (2). Następnie zmienne zostały poddane standaryzacji

– wzór (7). Dla zmiennych standaryzowanych obliczono współczynniki korela-

cji – ich zestawienie zawiera tablica 2.

Tablica 2. Współczynniki korelacji wskaźników po standaryzacji ROA’ RS’ WB’ SZ’ RA’ RAO’ CO’ U’ DP’

ROA’ 1 0,34 0,25 0,00 0,60 0,38 0,26 0,18 -0,14

RS’ 0,34 1 0,13 -0,08 0,07 -0,12 0,13 0,17 -0,02

WB’ 0,25 0,13 1 -0,29 -0,01 -0,35 -0,25 0,23 0,06

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

Źródło: Obliczenia własne.

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 uzy-

skano na podstawie miliona symulacji. Obliczenia wykonano w programie Ma-

tlab® R2007a korzystając z autorskiego skryptu. Rysunek 1 przedstawia empi-

ryczny i teoretyczny rozkład wskaźnika syntetycznego. W tablicy 3 zamiesz-

czone zostały podstawowe parametry rozkładu teoretycznego. Cechuje się on

leptokurtycznością oraz dość silną asymetrią prawostronną.

Rysunek 1. Empiryczny i teoretyczny rozkład wskaźnika syntetycznego

-3 -2 -1 0 1 2 3

Rozkład empiryczny

Rozkład teoretyczny

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 ryb-

nego sporządzony na podstawie wartości wskaźników syntetycznych. Dla każ-

dego przedsiębiorstwa wyznaczona została wartość dystrybuanty empirycznej

Fe(z) oraz teoretycznej ˆ ( )F z . Dystrybuanta empiryczna określa zaobserwowany

a teoretyczna teoretyczny odsetek przedsiębiorstw o kondycji finansowej nie


Tablica 4. Ranking przedsiębiorstw branży przetwórstwa rybnego

Pozycja Przedsiębiorstwo Wskaźnik syntetyczny (Z) ( )eF z ˆ ( )F z

1 Morpol 1,354 1,000 0,988

2 FPR Mieszko 0,971 0,976 0,963

3 Royal Greenland Seafood 0,882 0,952 0,955

4 PRW Piątek 0,415 0,929 0,872

5 Superfish 0,299 0,905 0,814

6 Uniq Lisner 0,289 0,881 0,807

7 GKTernaeben Polska 0,281 0,857 0,801

8 Kordex 0,277 0,833 0,799

9 Laurin Seafood 0,259 0,810 0,786

10 Suempol 0,259 0,786 0,786

11 Wilbo 0,214 0,762 0,751

12 Frosta 0,208 0,738 0,747

13 Rybhand Trzcielińscy 0,196 0,714 0,736

14 GK WWŻ Profi 0,178 0,690 0,720

15 Espersen Polska 0,149 0,667 0,693

16 Seko 0,147 0,643 0,691

17 Graal 0,134 0,619 0,679

18 Pommernfisch 0,110 0,595 0,655

19 Nordfish 0,081 0,571 0,625

20 PPH Pirs 0,074 0,548 0,618

21 Nordfish-Foodmark 0,073 0,524 0,616

22 Foodmark-Poland 0,043 0,500 0,582

23 Koral 0,041 0,476 0,580

24 Contimax 0,031 0,452 0,568

25 Polinord -0,043 0,429 0,482

26 PR Łosoś -0,047 0,405 0,476

27 Artryb -0,065 0,381 0,454

28 Proryb -0,102 0,357 0,410

29 Friedrichs Polska -0,113 0,333 0,398

30 PPHU BMC -0,120 0,310 0,389

31 Nord Capital -0,141 0,286 0,364

32 Abramczyk -0,156 0,262 0,347

33 Excelsior Delikatesy -0,223 0,238 0,275

34 ZPR Mirko -0,233 0,214 0,264

35 Agro-Fish -0,285 0,190 0,217

36 Jantar Ltd. -0,507 0,167 0,097

37 McLean Brothers Poland -0,590 0,143 0,074

38 ZMK Delikates -0,600 0,119 0,072

39 Central Soya -0,724 0,095 0,047

40 PPH Morfish -0,783 0,071 0,037

41 Rybak -0,828 0,048 0,030

42 PPiUR Szkuner -1,405 0,024 0,001 Źródło: Opracowanie własne.

Jacek Szanduła 344

lepszej od badanego obiektu. Wartość dystrybuanty teoretycznej informuje do-

kładnie ile obiektowi brakuje do idealnego wzorca, który osiągnąłby wartość 1.

Na przykład piąty w rankingu Superfish jest w rzeczywistości gorszy od zaled-

wie 9,5% (Fe(z) = 0,905) firm w branży lecz teoretycznie do najlepszego braku-

je mu aż 18,6% ( ˆ ( )F z = 0,814). Wynika to z faktu, że następne przedsiębior-

stwa aż do dziesiątego w rankingu włącznie nie mają dużej straty do Superfish

biorąc pod uwagę wartość wskaźnika syntetycznego – zaledwie 0,04. Dystrybu-

anta teoretyczna daje lepszą informację w porównaniu z dystrybuantą empi-

ryczną 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 fir-

mach kształtują się lepiej.

Zakończenie Kondycja finansowa przedsiębiorstwa jest zjawiskiem złożonym. Można

ją jednak opisać za pomocą wskaźnika syntetycznego. Takie rozwiązanie zna-

cząco ułatwia ocenę kondycji finansowej w przypadku gdy różne wskaźniki

cząstkowe dają sprzeczne sygnały. Wyznaczenie wartości wskaźnika syntetycz-

nego dla pojedynczego przedsiębiorstwa nie jest jednak wystarczające – prze-

prowadzenie oceny wymaga bowiem, aby istniał jakiś punkt odniesienia, pod-

stawa, do której odnoszony będzie otrzymany wynik. Punktem odniesienia dla

kondycji finansowej przedsiębiorstwa może być rozkład wskaźnika syntetycz-

nego 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 sy-

mulacji 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 kon-

dycji finansowej przedsiębiorstwa. Proponowane rozwiązanie z powodzeniem

można wykorzystać w badaniu innych zjawisk złożonych. Zawsze, gdy kon-

struowana jest miara syntetyczna – np. w badaniu jakości życia, rozwoju spo-

łeczno-gospodarczego i wielu innych – poznanie rozkładu takiej zmiennej uła-

twia 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, Wydawnic-

two Indygo Zahir Media


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:] Me-

tody 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 Ekonomicz-

nej 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 Wy-

dawnicza Unimex, Wrocław

11. Pluta W. (1975), Zastosowanie metod taksonomicznych i analizy czynni-

kowej do konstruowania syntetycznych wskaźników techniczno-

ekonomicznych, „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 przedzia-

łowej i ilorazowej w referencyjnym systemie granicznym, „Przegląd Staty-

styczny” nr 1

15. Szpulak A. (2002), Ocena i prognoza kondycji finansowej działu produkcji

artykułów spożywczych i napojów, „Prace Naukowe Akademii Ekono-

micznej” 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 wskaź-

ników finansowych. Na ich podstawie można wyznaczyć miarę syntetyczną ułatwiającą

ocenę kondycji finansowej nawet wówczas, gdy różne wskaźniki dają sprzeczne sygna-

ły. Literatura przedmiotu, jak dotąd, nie rozwiązuje w należyty sposób problemu inter-

pretacji uzyskiwanych wartości.

Jacek Szanduła 346

W pracy przedstawiona została propozycja sposobu wyznaczania podstawy dla interpre-

tacji wskaźnika syntetycznego, za którą przyjęto rozkład wskaźnika syntetycznego uzy-

skany na podstawie spółek działających w jednej branży. Propozycja obejmuje wyko-

rzystanie rozkładu empirycznego jak i teoretycznego – generowanego przy użyciu sy-

mulacji. 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 (Sum-

mary) The paper regards the problem of evaluation a company financial performance.

Financial performance as a complex phenomenon requires consideration of many fac-

tors. 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 exam-

ple of the fish processing industry in Poland.

Documents

Pozycjonowanie i ocena kondycji finansowej …zif.wzr.pl/pim/2011_4_8_27.pdfJacek Szanduła* Pozycjonowanie i ocena kondycji finansowej przedsiębiorstwa na tle konkurencji przy użyciu