Prognozowanie bankructwa przedsiębiorstw w Polsce w latach 2019-2022

Abstract

Celem dysertacji było zidentyfikowanie czynników wpływających na złożenie wniosku o upadłość przez niepubliczne polskie przedsiębiorstwa niefinansowe w latach 2019–2022 oraz budowa modeli predykcyjnych pozwalających. Badania oparto na danych 416 przedsiębiorstw pochodzących z serwisu EMIS. W badaniu wykorzystano liniową funkcję dyskryminacyjną i modele logitowe. Uwzględniono zmienne finansowe i niefinansowe, specyfikę branżową oraz badano czy skutki pandemii Covid-19 spowodowały zmianę czynników wpływających na upadłość przedsiębiorstw. Potwierdzono trzy hipotezy: (1) finansowe i niefinansowe determinanty wpływają na ryzyko bankructwa, (2) istotność zmiennych zależy od branży, (3) pandemia zmieniła czynniki wpływające na upadłość. Najskuteczniejsze modele dyskryminacyjne osiągnęły efektywność klasyfikacyjną powyżej 80%. Modele z niefinansowymi zmiennymi, takimi jak przeprowadzenie audytu czy wzmianka o zagrożeniu kontynuacji działalności, wykazały wyższą skuteczność niż modele oparte wyłącznie na danych finansowych. Podczas badania skuteczniejsze okazały się modele dyskryminacyjne od modeli logitowych, a modele branżowe okazały się skuteczniejsze od modeli oszacowanych na danych mieszanych. Uzyskane wyniki wskazują na konieczność dalszego rozwoju narzędzi prognostycznych uwzględniających specyfikę gospodarki polskiej, zmienne niefinansowe, a także intensywnie zachodzące zmiany w otoczeniu makroekonomicznym.

The purpose of the dissertation was to identify factors influencing bankruptcy filing by non-public Polish non-financial enterprises in 2019-2022 and to build predictive models that allow. The research was based on data of 416 companies from the EMIS service. The study used a linear discriminant function and logit models. Financial and non-financial variables, industry specifics were taken into account, and it was investigated whether the effects of the Covid-19 pandemic caused a change in the factors affecting the bankruptcy of enterprises. Three hypotheses were confirmed: (1) financial and non-financial determinants affect bankruptcy risk, (2) the significance of the variables depends on the industry, (3) the pandemic changed the factors affecting bankruptcy. The most successful discriminant models achieved classification efficiency above 80%. Models with non-financial variables, such as the conduct of an audit or mention of a going concern threat, showed higher efficiency than models based solely on financial data. During the study, discriminant models proved more effective than logit models, and industry models proved more effective than models estimated on mixed data. The results indicate the need for further development of forecasting tools that take into account the specifics of the Polish economy, non-financial variables, as well as intensive changes in the macroeconomic environment.