Acta Univ. Bohem. Merid. 2012, 15(1):17-30 | DOI: 10.32725/acta.2012.002705

Finanční ukazatele jako faktory predikce finanční tísně pro SME v ČR

Jan Adamec
University of South Bohemia in České Budějovice

Malé a střední podniky vyžadují vlastní přístup při vytváření modelů predikce finanční tísně, protože se významně liší od velkých společností. Cílem této práce je kvantifikovat predikční schopnost vybraných ukazatelů a vytvořit model predikce finanční tísně. Statistickými metodami bylo testováno 16 ukazatelů na souboru 1563 malých a středních firem. Výsledný model zahrnuje ukazatel pohotové likvidity, doby obratu pohledávek, výše zadlužení, podílu vlastního kapitálu a ukazatel krytí úroků nebo dluhů z běžného cash flow. Výsledek této práce potvrzuje, že finanční tíseň úzce souvisí se schopností firmy hradit své dluhy. Ukazatele ziskovosti nebyly identifikovány jako rozhodující faktory v krátkém období, což ukazuje na komplikovanější vztah mezi ziskem a platební kapacitou firmy. Jako významný ukazatel byl identifikován běžný peněžní tok, který těsněji souvisí s peněžními prostředky společnosti.

Keywords: SME finance, Modeling úvěrového rizika, Finanční analýza, Predikce finanční tísně

Financial Ratios as Financial Distress Predictors for SME in Czech Republic

Constructing models for predicting financial distress of small and medium enterprises requires its own treatment, because these firms differ from large campanies. The aim of this paper is to quantify the predictive power of selected ratios and to develop a statistical model for financial distress. We tested 16 financial ratios and the study relies on observations from 1563 firms. The model obtained by a methodology of conditional logit analysis includes quick liquidity ratio, average receivables collection period, leverage, solvency and interest coverage or debt coverage from current cash flow. The result confirmed that financial distress is closely related with the ability of a firm to pay its debts. Rentability wasn't found as so decive predictor in short period, there is a more complicated relation between rentability and payment capacity. As significant predictor was identified current cash flow (adjusted ordinary profit), which is much closely connected with cash.

Keywords: SME Finance, Modeling Credit Risk, Accounting Ratio Analysis, Predictors of Failure
JEL classification: C35, G32, G33

Published: October 8, 2012  Show citation

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Adamec, J. (2012). Financial Ratios as Financial Distress Predictors for SME in Czech Republic. Acta Universitatis Bohemiae Meridionalis, 15(1), 17-30. doi: 10.32725/acta.2012.002
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. Altman, E. I., 1968. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, roč. 1968, č. 4, s. 589-609. ISSN 0022-1082. Go to original source...
    2. Altman, E. I. a G. Sabato, 2006. Modeling Credit Risk for SMEs: Evidence from US Market. Working Paper, Stern School of Business, roč. 2006, 1-43. ISSN 1547-3651
    3. Altman, E. I. a G. Sabato, N. Wilson, 2010. The Value of Non-financial Information in Small and Medium-sized Enterprise Risk Management. The Journal of Credit Risk, 2010 (2), 95-127. ISSN 1744 6619. Go to original source...
    4. Aquino, S., 2010. Accouting Indicators for Credit Risk Analysis of Firms: a Historical Perspective. Economia Aziendale Online, 1(2), 145-154. ISSN 2038-5498.
    5. Beaver, W. H., 1966. Financial rations as predictors of failure, Empirical Research in Accounting: Selected Studies. Journal of Accounting Research, 4 (special issue), 71-111, ISSN 0021-8456. Go to original source...
    6. Engelmann, B., E. Hayden a D. Tasche. 2003. Measuring the Discriminative Power of Rating Systems. Deutsche Bundesbank, Discussion paper, Series 2: Banking and Financial Supervision, (1), 1-24. ISBN 3-935821-67-0.
    7. Gurčík, L., 2002. G-index - metóda predikce finančného stavu poĺnohospodárskych podnikov. Agri. Econ., 48(8), 373-378. ISSN 0139-570X. Go to original source...
    8. Kopta, D., 2006. Metody predikce finanční tísně u zemědělských podniků. In: International scientific days 2006, Competitivness in the EU - Challenge for the V4 countries, Nitra: Slovenská poľnohospodárska univerzita v Nitre, s. 1065-1073. ISBN 80-8069-704-3.
    9. Neumaier, I. a I. Neumaierová. 2005. Index IN 05. In: Evropské finanční systémy, Brno: Ekonomicko-správní fakulta Masarykovy university v Brně, s. 143-148. ISBN 80-210-3753-9.
    10. Oesterreichische Nationalbank, 2004. Guidelines on Credit Risk Management, Rating Models and Validation. Working papers. Dostupné z: www.oenb.at/en/img/rating_models_tcm16-22933.pdf.
    11. Ohlson, J. A., 1980. Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, roč. 18(1), 109-131. ISSN 0021-8456. Go to original source...
    12. Sobehart, J. a S. Keenan, R. Stein, 2000. Rating Methodology-Benchmarking Quantative Default Risk Models: A Validation Methodology. Moody's Investor Service. 2000.
    13. Witzany, J. Credit Risk Management and Modeling.1. vyd., Praha: Nakladatelství Oeconomica, 2010, ISBN 978-80-245-1682-0.

    This is an open access article distributed under the terms of the Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content