PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Verification of early warning models on enterprises from the SEZS Europark Mielec

Treść / Zawartość
Identyfikatory
Warianty tytułu
Języki publikacji
EN
Abstrakty
EN
In this article the authors focus on the verification of models for forecasting bankruptcy of enterprises. 30 enterprises located in the Mielec zone were surveyed. Early warning models were used in the study, including 6 discrimination models and 4 logit models. The purpose of the article is to verify the effectiveness of selected models for forecasting the bankruptcy of enterprises that operate in the Mielec special economic zone. The financial data came from the period 1999-2017. It should be noted that "healthy" enterprises, i.e. those in good financial condition, operate in the zone to date. The conducted research shows that the selected models correctly reflected the financial situation of the surveyed enterprises (Institute of Economic Sciences of the Polish Academy of Sciences model of F. Mączyńska and M. Zawadzki 80% accurate forecasts, and the model of J. Gajdka and D. Stos 73.3%). The authors point out the need to use many analysis models to reliably assess the financial situation of enterprises. If only one model is used, the results may lead to erroneous conclusions.
Rocznik
Tom
Strony
5--15
Opis fizyczny
Bibliogr. 23 poz.
Twórcy
  • Faculty of Economics, Department of Finance and Accounting, University of Rzeszow
  • Faculty of Economics, Department of Economics and Management, University of Rzeszow
  • Faculty of Economics, Department of Finance and Accounting, University of Rzeszow
Bibliografia
  • 1. Antonowicz, P. (2010). Zastosowanie macierzy klasyfikacji przedsiębiorstw do oceny zdolności predykcyjnych 52 modeli z-score. Zeszyty Naukowe Politechniki Rzeszowskiej, 272.
  • 2. Balina, R. (2012). Skuteczność wybranych modeli dyskryminacyjnych na przykładzie branży robót budowlanych. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 689.
  • 3. Czapiewski, L. (2009). Efektywność wybranych modeli dyskryminacyjnych w przewidywaniu trudności finansowych polskich spółek giełdowych. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 48.
  • 4. Darvasi, D. (2010). Foundation and association accounting using traditional and classical methods and artificial intelligence systems. Timisoara: “Ioan Slavici” Foundation for culture and education Publishing House.
  • 5. Dorneanu, L., Untaru, M., Darvasi, D., Rotarescu, V., Cernescu, L. (2011). Using Artificial Neural Networks in Financial Optimization. Proceedings of the Fifth Wseas International Conference on Business Administration (ICBA ’11), WSEAS University Press, Puerto Morelos, Mexico, 93-96.
  • 6. Gruszczyński, M. (2003). Modele mikroekonometrii w analizie i prognozowaniu zagrożenia finansowego przedsiębiorstw. Warszawa: Instytut Nauk Ekonomicznych Polskiej Akademii Nauk, 34.
  • 7. Jagiełło, R. (2013). Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw. Materiały i Studia – Narodowy Bank Polski, 286.
  • 8. Kitowski, J. (2017). Stan badań nad wiarygodnością diagnostyczną modeli dyskryminacyjnych. Annales Universitatis Mariae Curie-Skłodowska Lublin –Polonia, LI, 5, H.
  • 9. Korol, T. (2010). Systemy wczesnego ostrzegania przedsiębiorstw przed ryzykiem upadłości. Warszawa: Oficyna Wydawnicza Wolters Kluwer.
  • 10. Mączyńska, E., Zawadzki M. (2006). Dyskryminacyjne modele predykcji upadłości przedsiębiorstw. Ekonomista, 2.
  • 11. McKee, T.E. (2000). Developing a Bankruptcy Prediction Model via Rough Sets Theory. International Journal of Intelligent Systems in Accounting, Finance and Management, 9, 3.
  • 12. Pirtea, M. (2003). Treasury Management for Companies. Timisoara: Mirton Publishing House.
  • 13. Pogodzińska, M., Sojak, S. (1995). Wykorzystanie analizy dyskryminacyjnej w przewidy-waniu bankructwa przedsiębiorstw. Acta Universitatis Nicolai Copernici – Ekonomia XXV – Nauki Humanistyczno-Społeczne, 299. Toruń: Wyd. Uniwersytetu Mikołaja Kopernika.
  • 14. Pociecha, J. (2007). Problemy prognozowania bankructwa firmy metodą analizy dyskryminacyjnej, 205. Unifikacja programów nauczania przedmiotów ilościowych. Acta Universitatis Lodziensis. Folia Oeconomica.
  • 15. Polska strefa inwestycji Zmiany prawne i organizacyjne (2018). Colliers International. Warszawa: Polska Agencja Inwestycji i Handlu.
  • 16. Prusak, B. (2005). Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw. Warszawa: Difin.
  • 17. Przybyciński, T. (2009). Kształtowanie ładu gospodarczego w Polsce w kontekście integracji z UE. Prace i Materiały Instytutu Rozwoju Gospodarczego SGH, 82. Polityka gospodarcza w warunkach integracji z Unią Europejską. Warszawa: Szkoła Główna Handlowa.
  • 18. Sojak, S., Stawicki, J. (2001). Wykorzystanie metod taksonomicznych do oceny kondycji ekonomicznej przedsiębiorstw. Zeszyty Teoretyczne Rachunkowości, 3(59). Warszawa.
  • 19. Slavici, T., Maris, S., Pirtea, M. (2015). Usage of artificial neural networks for optimal bankruptcy forecasting. Case study: Eastern European small manufacturing enterprises. Dordrecht: Springer Science + Business Media.
  • 20. Stępień, P., Strąk, T. (2004). Wielowymiarowe modele logitowe oceny zagrożenia bankructwem polskich przedsiębiorstw. In D. Zarzecki (ed.), Zarządzanie finansami: Finansowanie przedsiębiorstw w Unii Europejskiej. Szczecin: Wydawnictwo Uniwersytetu Szczecińskiego.
  • 21. Stos, D., Gajdka, J. (2003). Ocena kondycji finansowej polskich spółek publicznych w okresie 1998-2001. In D. Zarzecki (ed.), Czas na pieniądz. Zarządzanie finansami. Mierzenie wyników i wycena przedsiębiorstw. Szczecin: Wydawnictwo Uniwersytetu Szczecińskiego.
  • 22. Waćkowska-Kabaczyńska, M. (2019). Specjalne Strefy Ekonomiczne. Retrieved from: https://www.gov.pl/web/przedsiebiorczosc-technologia/specjalne-strefy-ekonomiczne, 10.08.2019.
  • 23. Wędzki, D. (2005). Zastosowanie logitowego modelu upadłości przedsiębiorstw. Ekonomista, 5.
Uwagi
PL
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-f61e0114-cfd8-45b1-b429-a78354d12d77
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.