Pokaż uproszczony rekord

dc.contributor.authorPtak-Chmielewska, Aneta
dc.date.accessioned2018-02-28T11:45:15Z
dc.date.available2018-02-28T11:45:15Z
dc.date.issued2018
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/24180
dc.description.abstractCredit risk management is a key element in bank management. For credit risk management, statistical models are used, the so‑called scoring and rating models. For enterprise risk assessment, rating models are used. Rating models consist of quantitative models (based on financial ratios) and qualitative models (based on a questionnaire). For estimation of quantitative models, econometric and statistical models are used, mainly logistic regression models. In this paper, statistical models for quantitative assessment are presented, including an empirical example based on the sample of data for SMEs made available by one of Polish banks. A logistic regression model with a nominal variable – the region of activity, including territorial differences, was used. The construction of rating model was presented, including the sector and region of activity.en_GB
dc.description.abstractZarządzanie ryzykiem kredytowym stanowi kluczowy element w zarządzaniu bankiem. Do zarządzania ryzykiem kredytowym wykorzystywane są modele statystyczne tzw. Modele scoringowe i ratingowe. Do oceny ryzyka kredytowego przedsiębiorstw wykorzystuje się modele ratingowe. Składową modeli ratingowych są modele ilościowe (oparte na wskaźnikach finansowych) oraz modele jakościowe (oparte na ankiecie jakościowej). Do budowy modeli ilościowych wykorzystuje się modele statystyczne i ekonometryczne, głównie modele regresji logistycznej. W artykule omówione zostały modele statystyczne do oceny ilościowej wraz z przykładem empirycznym opartym na danych dla próby MŚP udostępnionej przez jeden z polskich banków. Wykorzystano model regresji logistycznej ze zmienną nominalną – region działalności, uwzględniający zróżnicowanie terytorialne. Pokazana została konstrukcja modelu uwzględniającego zarówno branże działalności, jak i region działalności.pl_PL
dc.language.isoenen_GB
dc.publisherWydawnictwo Uniwersytetu Łódzkiegoen_GB
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;333
dc.subjectcredit risken_GB
dc.subjectbankruptcy modelsen_GB
dc.subjectlogistic regressionen_GB
dc.subjectryzyko kredytowepl_PL
dc.subjectmodele upadłościpl_PL
dc.subjectregresja logistycznapl_PL
dc.titleBankruptcy Risk Models for Polish SMEs – Regional Approachen_GB
dc.title.alternativeModele ryzyka upadłości polskich MŚP – ujęcie regionalnepl_PL
dc.typeArticleen_GB
dc.rights.holder© Copyright by Authors, Łódź 2018; © Copyright for this edition by Uniwersytet Łódzki, Łódź 2018en_GB
dc.page.number[71]-83
dc.contributor.authorAffiliationWarsaw School of Economics, Institute of Statistics and Demography
dc.identifier.eissn2353-7663
dc.referencesFrątczak E. (ed.) (2009), Wielowymiarowa analiza statystyczna. Teoria i przykłady zastosowań z systemem SAS, Szkoła Główna Handlowa, Warszawa.pl_PL
dc.referencesGajdka J., Stos D. (1996), Wykorzystanie analizy dyskryminacyjnej do badania podatności przedsiębiorstwa na bankructwo, [in:] J. Duraj (ed.), Przedsiębiorstwo na rynku kapitałowym, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.pl_PL
dc.referencesHadasik D. (1998), Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, „Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu”, no. 153, Wydawnictwo AE w Poznaniu, Poznań.pl_PL
dc.referencesHołda A. (2001), Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej, “Rachunkowość”, no. 5, pp. 306–310.pl_PL
dc.referencesJagiełło R. (2013), Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw, “Materiały i Studia”, no. 286.pl_PL
dc.referencesMączyńska E. (1994), Ocena kondycji przedsiębiorstwa (uproszczone metody), “Życie Gospodarcze”, no. 38, pp. 42–45.pl_PL
dc.referencesPociecha J. (ed.) (2014), Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków.pl_PL
dc.referencesPogodzińska M., Sojak S. (1995), Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw, “Ekonomia XXV ”, vol. 299.pl_PL
dc.referencesPrusak B. (2005), Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Difin, Warszawa.pl_PL
dc.referencesPtak‑Chmielewska A., Matuszyk A. (2014), Default prediction for SME using discriminant and survival models, evidence from Polish market, “Quantitative Methods in Economics”, vol. XV, no. 2, pp. 369–381.pl_PL
dc.referencesSojak S., Stawicki J. (2001), Wykorzystanie metod taksonomicznych do oceny kondycji ekonomicznej przedsiębiorstw, “Zeszyty Teoretyczne Rachunkowości”, vol. 3(59), pp. 45–52.pl_PL
dc.referencesWierzba D. (2000), Wczesne wykrywanie przedsiębiorstw zagrożonych upadłością na podstawie wskaźników finansowych – teoria i badania empiryczne, “Zeszyty Naukowe”, no. 9, Wydawnictwo Wyższej Szkoły Ekonomiczno‑Informacyjnej w Warszawie, Warszawa.pl_PL
dc.contributor.authorEmailaptak@sgh.waw.pl
dc.identifier.doi10.18778/0208-6018.333.05
dc.relation.volume1en_GB
dc.subject.jelC52
dc.subject.jelC58
dc.subject.jelG33


Pliki tej pozycji

Thumbnail

Pozycja umieszczona jest w następujących kolekcjach

Pokaż uproszczony rekord