Opis

• Tytuł:
  Construction of Discrimination Models in Prediction of Bankruptcy if Polish Non-Public Enterprises
• Twórca:
  Kokczyński, Bernard
• Współtwórca:
  University of Lodz;
  bernard.kokczynski@edu.uni.lodz.pl
• Opis:
  The purpose of the article. The aim of this study is to predict bankruptcy among Polish non-financial firms by constructing discriminant models and comparing the outcomes with prognostic models developed by other Polish scholars. Utilizing financial data from 2017–2021 for 416 companies across the trade, production, and service sectors, this research strives to devise the most effective model for classifying entities into two groups.Methodology. The study employed a discriminant function, a statistical method enabling the classification of objects based on several explanatory variables simultaneously. Two methods for selecting independent variables for the discriminant function were compared using group mean equality tests and Hellwig's method. Additionally, two techniques of winsorization were applied to minimize the impact of outliers on the study results.Results of the research. The study’s findings underscore the importance of operational profitability relative to total assets and the logarithm of total assets as key variables in bankruptcy prediction models. Results confirm the significance of industry specificity on the models' classification accuracy. The use of different methods for selecting independent variables for models and winsorization directly impacts classification efficacy. A comparative analysis with models from selected Polish researchers reveals that the models developed in this study achieved a higher level of effectiveness than existing models in terms of classification accuracy.;
  Cel artykułu. Celem badania jest prognozowanie bankructwa polskich przedsiębiorstw niefinansowych poprzez konstrukcję modeli dyskryminacyjnych oraz porównanie wyników z modelami prognostycznymi opracowanymi przez innych polskich autorów. Wykorzystując dane finansowe z lat 2017–2021 dla 416 firm z sektorów handlowego, produkcyjnego i usługowego, badanie dąży do konstrukcji najbardziej efektywnego modelu w klasyfikacji podmiotów na dwie grupy.Metoda badawcza. W badaniu wykorzystano funkcję dyskryminacyjną, która jest statystyczną metodą umożliwiającą klasyfikację obiektów na podstawie wielu zmiennych objaśniających jednocześnie. Porównano dwie metody doboru zmiennych niezależnych do funkcji dyskryminacyjnej za pomocą testów równości średnich grupowych oraz metody Hellwiga. Ponadto wykorzystano dwie techniki winsoryzacji w celu zmarginalizowania wpływu obserwacji odstających na wyniki badania.Wyniki badań. Wyniki badania podkreślają znaczenie rentowności operacyjnej w stosunku do aktywów ogółem oraz logarytmu sumy aktywów jako kluczowych zmiennych w modelach pro-gnozowania upadłości. Wyniki potwierdzają istotność wpływu specyfiki branżowej na skuteczność klasyfikacyjną modeli. Stosowanie różnych metod doboru zmiennych niezależnych do modeli oraz winsoryzacji ma bezpośrednie implikacje dla efektywności klasyfikacyjnej. Analiza po-równawcza z modelami wybranych polskich badaczy ujawnia, że modele opracowane w tym ba-daniu, uzyskały wyższy poziom skuteczności niż istniejące modele pod względem dokładności klasyfikacji.
• Dostępność obiektu:
  Dostęp otwarty
• Prawa: https://creativecommons.org/licenses/by-nc-nd/4.0
• Data:
  2025.01.07;
  2024.12.23
• Typ:
  Article
• Język:
  angielski
• Format:
  application/pdf
• Wydawca:
  Wydawnictwo Uniwersytetu Łódzkiego
• Relacja:
  Journal of Finance and Financial Law;44;
  4
• Temat i słowa kluczowe:
  bankruptcy prediction models;
  winsorization of data;
  non-financial information;
  methods of selecting variables for models;
  modele predykcji bankructwa;
  winsoryzacja danych;
  informacje niefinansowe;
  metody doboru zmiennych do modeli
• Identyfikator:
  2391-6478;
  http://hdl.handle.net/11089/54116 ;
  2353-5601;
  10.18778/2391-6478.4.44.05
• Dostawca danych:
  Repozytorium Uniwersytetu Łódzkiego
• Czy mogę z tego obiektu skorzystać?:
  sprawdź warunki licencji
• Rodzaj zawartości:
  obrazy