Building a bankruptcy prediction model : could information about past development increase model accuracy?

• Autorzy: Karas M. , Režňáková M.

Identyfikatory

DOI

10.17512/pjms.2018.17.1.10

Warianty tytułu

PL

Budowanie modelu prognozowania upadłościowego : czy informacje dotyczące dotychczasowego rozwoju mogą zwiększyć dokładność modelu?

• Języki publikacji: EN

Abstrakty

EN

In most cases, bankruptcy models are based on financial indicators that describe the current condition or a certain area of financial health, such as profitability, indebtedness and so on, but they do not report on relevant past development. The main question of the research presented in this paper is whether information about past development could enhance the prediction accuracy of the bankruptcy prediction model. The aim of our research is to analyse the partial potential of financial indicators describing past development. Given that the threat of company bankruptcy is the result of a long-term process, the question arises as to whether it is possible to enhance the accuracy of a bankruptcy prediction model by using indicators monitoring the development of the company in the past. On a sample of 1,355 small and medium-sized Czech construction companies were taken into account during the period of 2011-2014. The study analysed two types of indicators - basic-form and change-form indicators. Basic-form indicators show the status of an indicator at a specific point in time; change-form indicators represent a modified base index of the basic-form ratio. The authors derived six different models for the purpose of comparing the two types of indicators. The authors used the method of stepwise discriminant analysis, both forward selection and backward elimination, to create the models. The accuracies of the resultant models were analysed using the methods of ROC curves and the Area Under Curve (AUC). The authors found that the model based solely on change-form indicators is not superior to the model based solely on basic-form indicators. However, the model using both types of indicators achieved a higher AUC in comparison with the models created with only one type of indicator.

PL

W większości przypadków modele upadłości opierają się na wskaźnikach finansowych, które opisują obecny stan lub pewien obszar kondycji finansowej, takie jak rentowność, zadłużenie itd., ale nie zawierają informacji na temat istotnego wcześniejszego rozwoju. Głównym zagadnieniem badań przedstawionych w tym artykule jest to, czy informacje na temat wcześniejszego rozwoju mogą zwiększyć dokładność prognozowania modelu prognozowania upadłości. Celem naszych badań jest analiza częściowego potencjału wskaźników finansowych opisujących dotychczasowy rozwój. Biorąc pod uwagę, że groźba bankructwa firmy jest wynikiem długotrwałego procesu, pojawia się pytanie, czy możliwe jest zwiększenie dokładności modelu przewidywania bankructwa za pomocą wskaźników monitorujących rozwój firmy w przeszłości. Badania przeprowadzono w okresie 2011-2014 na próbie 1355 małych i średnich czeskich firm budowlanych. W badaniu przeanalizowano dwa rodzaje wskaźników - wskaźniki w formie podstawowej i zmienionej. Wskaźniki w formie podstawowej pokazują status wskaźnika w określonym momencie; wskaźniki w formie zmienionej reprezentują zmodyfikowany wskaźnik bazowy współczynnika w formie podstawowej. Autorzy wyprowadzili sześć różnych modeli w celu porównania obu typów wskaźników. Autorzy wykorzystali metodę krokowej analizy dyskryminacyjnej, zarówno do wyboru w przód, jak i do eliminacji wstecznej, w celu stworzenia modeli. Dokładności uzyskanych modeli analizowano za pomocą metod krzywych ROC i obszaru pod krzywą (AUC). Autorzy stwierdzili, że model oparty wyłącznie na wskaźnikach zmian nie jest lepszy od modelu opartego wyłącznie na wskaźnikach podstawowych. Jednak model wykorzystujący oba typy wskaźników osiągnął wyższy obszar pod krzywą w porównaniu z modelami utworzonymi przy użyciu tylko jednego rodzaju wskaźnika.

Słowa kluczowe

EN

construction companies; bankruptcy prediction; dynamic indicators; model accuracy; multi-period transformation

PL

firmy budowlane; prognoza upadłości; wskaźniki dynamiczne; dokładność modelu; transformacja w wielu okresach

• Wydawca: Czestochowa University of Technology
• Czasopismo: Polish Journal of Management Studies
• Rocznik: 2018
• Tom: Vol. 17, No. 1
• Strony: 116--130
• Opis fizyczny: Bibliogr. 32 poz., rys., tab.

Twórcy

autor

Karas M.

• Brno University of Technology, Faculty of Business and Management

autor

Režňáková M.

• Brno University of Technology, Faculty of Business and Management

Bibliografia

• 1. Altman E.I., 1968, Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, “The Journal of Finance”, 23.
• 2. Aziz M., Dar H., 2006, Predicting corporate bankruptcy: Where we stand? “Corporate Governance”, 6.
• 3. Back B., Laitinen T., Sere K., 1996, Neural networks and genetic algorithms for bankruptcy predictions, “Expert Systems with Applications”, 11.
• 4. Berent T., Bławat B., Dietl M., Krzyk P., Rejman R., 2017, Firm’s default - new methodological approach and preliminary evidence from Poland, “Equilibrium. Quarterly Journal of Economics and Economic Policy”, 12.
• 5. Boratyńska K., 2016, Corporate bankruptcy and survival on the market: Lessons from evolutionary economics, “Oeconomia Copernicana”, 7.
• 6. Deakin E.B., 1972, A discriminant analysis of predictors of business failure, “Journal of Accounting Research”, 10.
• 7. Ding Y., Song X., Zen Y., 2008, Forecasting financial condition of Chinese listed companies based on support vector machine, “Expert Systems with Application”, 34.
• 8. Edison H.J., 2003, Do indicators of financial crises work? An evaluation of an early warning system, “International Journal of Finance and Economics”, 8.
• 9. Grice J.S., Dugan M.T., 2001, The limitations of bankruptcy prediction models: Some cautions for the researchers, “Review of Quantitative Finance and Accounting”, 17.
• 10. Henerby K.L., 1996, Do Cash Flows Variables Improve the Prediction Accuracy of a Cox Proportional Hazards Model for Bank Failure? “The Quarterly Review of Economics and Finance”, 36.
• 11. Hung C., Chen J.H., 2009, A selective ensemble based on expected probabilities for bankruptcy prediction, “Expert Systems with Applications”, 36.
• 12. Kaminsky G., Reinhart C., 1999, The Twin Crises: The causes of banking and balance-of-payments problems, “American Economic Review”, 89.
• 13. Karas M., Režňáková M., 2013, Bankruptcy prediction model of industrial enterprises in the Czech Republic, “International Journal of Mathematical Models and Methods in Applied Sciences”, 7.
• 14. Karas M., Režňáková M., 2017, Stability of bankruptcy predictors in construction and manufacturing industries at various times before bankruptcy, “E&M Economics and Management”, 20.
• 15. Knápková A., Homolka L., Pavelková D., 2014, Utilization of Balanced Scorecard and the effect of it’s on the financial performance of companies in the Czech Republic, “E&M Economics and Management”, 17.
• 16. Knedlik T., 2014, The impact of preferences on early warning systems - The case of the European Commission’s Scoreboard, “European Journal of Political Economy”, 34.
• 17. Kovacova M., Kliestik T., 2017, Logit and Probit application for the prediction of bankruptcy in Slovak companies, “Equilibrium. Quarterly Journal of Economics and Economic Policy”, 12.
• 18. Laitinen E.K., Lukason O., Suvas A., 2014, Behaviour of financial ratios in firm failure process: An international comparison, “International Journal of Finance and Accounting”, 3.
• 19. Li H., Sun J., 2009, Predicting business failure using multiple case-based reasoning combined with support vector machine, “Expert Systems with Applications”, 36.
• 20. Lin F., Liang D., Chen E., 2011, Financial ratio selection for business crisis prediction, “Expert Systems with Applications”, 38.
• 21. Niemann M., Schmidt J.H., Neukirchen M., 2008, Improving performance of corporate rating prediction models by reducing financial ratio heterogeneity, “Journal of Banking & Finance”, 32.
• 22. Patel S., Bhavsar C.D., 2013, Analysis of pharmacokinetic data by Wilk’s lambda (An important tool of MANOVA), “International Journal of Pharmaceutical Science Invention”, 2.
• 23. Psillaki M., Tsolas I.T., Margaritis M., 2010, Evaluation of credit risk based on firm performance, “European Journal of Operational Research”, 201.
• 24. Shumway T., 2001, Forecasting bankruptcy more accurately: A simple hazard model, “Journal of Business”, 74.
• 25. Špička J., 2013, The financial condition of the construction companies before bankruptcy, “European Journal of Business and Management”, 5.
• 26. Thomas N.S., Wong J.M.W., Zhang J., 2011, Applying Z-score model to distinguish insolvent construction companies in China, “Habitat International”, 35.
• 27. Tian S., Yu Y., Guo H., 2015, Variable selection and corporate bankruptcy forecasts, “Journal of Banking and Finance”, 52.
• 28. Tseng F.M., Hu Y.C., 2010, Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks, “Expert Systems with Applications”, 37.
• 29. Wang Y.J., Lee H.S., 2008, A clustering method to identify representative financial ratios, “Information Sciences”, 178.
• 30. Wu Y., Gaunt C., Gray S., 2010, A comparison of alternative bankruptcy prediction models, “Journal of Contemporary Accounting and Economics”, 6.
• 31. Zmijewski M.E., 1984, Methodological issues related to the estimation of financial distress prediction models, “Journal of Accounting Research”, 22.
• 32. Zvarikova K., Spuchlakova E., Sopkova G., 2017, International comparison of the relevant variables in the chosen bankruptcy models used in the risk management, “Oeconomia Copernicana”, 8.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).