Credit Manager Magazine 7/2025

EDUKACJA LIPIEC 2025 www.creditmanagermagazine.pl 45 „W konstrukcji omawianych modeli, w grupie wskaźników aktywności (sprawności gospodarowania) nieoczekiwanie najczęściej występuje wskaźnik rotacji aktywów (23), bowiem niekiedy przy wartości tego wskaźnika wyższej od jedności (przychody netto ze sprzedaży > aktywów), spółka może generować duże straty (koszty uzyskania przychodów > przychodów netto ze sprzedaży).” W badanej populacji 132 modeli dyskryminacyjnych najczęściej występuje wskaźnik bieżącej płynności (50 modeli), stopa zwrotu inwestycji (34), wskaźnik ogólnego zadłużenia (31), wskaźnik rotacji aktywów (29), wskaźnik sfinansowania aktywów kapitałem obrotowym (21) oraz wskaźnik sfinansowania zobowiązań nadwyżką finansową (20). Wnioski z badań Obserwowanej w literaturze fascynacji modelami dyskryminacyjnymi towarzyszy niekiedy zjawisko technikocentryzmu, polegające na stosowaniu tych metod z punktu widzenia ich statystycznej finezyjności, z pominięciem oceny stopnia wiarygodności otrzymanych wyników empirycznych. Nadal nie jest znana pełna klasyfikacja wiarygodności modeli dyskryminacyjnych. W artykule wykazano, na podstawie wyników dotychczasowych badań, że częstotliwość wykorzystywania poszczególnych modeli nie jest, z reguły, równoznaczna z hierarchią ich wiarygodności diagnostycznej. Częściowo udało się udowodnić tezę, że modele dyskryminacyjne nie posiadają waloru uniwersalności sektorowej. Wykazano także, że błędy i uproszczenia metodyczne dokonywane w procedurze zastosowań modeli dyskryminacyjnych osłabiają, a w skrajnych przypadkach dyskwalifikują, wiarygodność otrzymanych diagnoz. Występuje duża dowolność w podstawianiu do zmiennych modeli dyskryminacyjnych nieprecyzyjnie zdefiniowanych kategorii zawartych w sprawozdaniach finansowych. Z reguły nie dokonuje się rzetelnej konwersji długoterminowe po konwersji stanowią sumę: zobowiązań długoterminowych (pozycja B. II pasywów bilansu), rezerwy z tytułu odroczonego podatku dochodowego, rezerwy na świadczenia emerytalne i podobne – długoterminowej, pozostałych rezerw – długoterminowych, zobowiązań z tytułu dostaw i usług o „W badanej populacji 132 modeli dyskryminacyjnych najczęściej występuje wskaźnik bieżącej płynności (50 modeli), stopa zwrotu inwestycji (34), wskaźnik ogólnego zadłużenia (31), wskaźnik rotacji aktywów (29), wskaźnik sfinansowania aktywów kapitałem obrotowym (21) oraz wskaźnik sfinansowania zobowiązań nadwyżką finansową (20).” bilansu (w rozumieniu załącznika do ustawy o rachunkowości) w bilans do celów analitycznych. Najczęściej popełniane uproszczenia metodyczne, odnoszące się do kategorii bilansowych, a wynikające z pominięcia procedury konwersji, dotyczą: aktywów trwałych (w tym należności długoterminowych), aktywów obrotowych (w tym należności krótkoterminowych), zobowiązań długoterminowych oraz zobowiązań krótkoterminowych. Należności długoterminowe po konwersji stanowią sumę należności długoterminowych (pozycja A. III aktywów) oraz należności z tytułu dostaw i usług powyżej 12 miesięcy, natomiast należności krótkoterminowe po konwersji otrzymamy odejmując od należności krótkoterminowych (pozycja B. II aktywów) należności z tytułu dostaw i usług powyżej 12 miesięcy. Zobowiązania okresie wymagalności powyżej 12 miesięcy, ujemnej wartości firmy, innych rozliczeń międzyokresowych – długoterminowych. Natomiast do zobowiązań krótkoterminowych po konwersji należy zaliczyć sumę: zobowiązań krótkoterminowych (pozycja B. III pasywów) pomniejszonych o zobowiązania z tytułu dostaw i usług o okresie wymagalności powyżej 12 miesięcy, rezerwy na świadczenia emerytalne i podobne – krótkoterminowej, pozostałych rezerw – krótkoterminowych, innych rozliczeń międzyokresowych – krótkoterminowych. LITERATURA Antczak, J. (2015). Wykorzystanie modeli dyskryminacyjnych w prognozie upadłości przedsiębiorstwa. Nowoczesne Systemy Zarządzania, 1, 275–290. Bajon, S. (2018). Sprawozdawczość finansowa jako źródło wiedzy o zagrożeniu niewypłacalnością przedsiębiorstwa w kontekście ustawy prawo restrukturyzacyjne. Quarterly Journal, 4, 7–17. Bellovary, J. L., Giacomino, D., Akers, M. (2007). A Review of Bankruptcy Prediction Studies: 1930 to Present, Journal of Financial Education, 1, 3–41. Ćwiąkała-Małys, A., Łagowski P. (2017). Zastosowanie polskich modeli ostrożnościowych do oceny kondycji finansowej publicznego szkolnictwa wyższego w Polsce. Przedsiębiorczość i Zarządzanie, 11/III, 283–296. Ćwiąkała-Małys, A., Łagowski P. (2018). Zastosowanie modeli dyskryminacyjnych efektywności finansowej w przewidywaniu wypłacalności podmiotów leczniczych województwa dolnośląskiego. Przedsiębiorczość i Zarządzanie, 12/I, 189–210. Dębkowska, K. (2012). Modelowanie upadłości przedsiębiorstw przy wykorzystaniu metod dyskryminacji i regresji. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 242, 222–230. Gołębiowski, G., Pląsek, A. (2018). Skuteczność wybranych modeli dyskryminacyjnych na przykładzie branży turystycznej. Studia i Prace Kolegium Zarządzania i Finansów, 164, 9– 24. Górka, Ł. (2010). Wykorzystanie planów finansowych w badaniu sprawozdań finansowych. Kraków: Uniwersytet Ekonomiczny w Krakowie, Wydział Finansów. Gruszczyński, M. (2017). Błędy doboru próby w badaniach bankructw przedsiębiorstw. Kwartalnik Nauk o Przedsiębiorstwie, 3, 22–29. Grzegorzewska, E. (2016). Predictive bankruptcy models as a tool in evaluating the economic situation of furniture market in Poland. Annals of Warsaw University of Life Sciences – SGGW, Forestry and Wood Technology, 94, 261–267. Grzywnowicz, S. (2018). Rating przedsiębiorstw na bazie modeli wczesnego ostrzegania. Prakseologia i Zarządzanie, 1, 121–142. Iwanowicz, T. (2017). Ocena założenia o kontynuacji działalności przedsiębiorstwa z punktu widzenia biegłych rewidentów. Zeszyty Teoretyczne Rachunkowości, 95, 9–29. Iwanowicz, T. (2018). Empiryczna weryfikacja hipotezy o przenośności modelu Altmana na warunki polskiej gospodarki oraz uniwersalności sektorowej modeli. Zeszyty Teoretyczne Rachunkowości, 96, 63–80. Jagiełło, R. (2013). Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw. Warszawa: NBP. Janik, K. (2018). Bankructwo czy stabilność rynkowa – analiza wybranych polskich modeli dyskryminacyjnych na przykładzie spółki Alma Market SA. Zeszyty Naukowe Politechniki Częstochowskiej. Zarządzanie, 29, 235–248. Jonas, K., Pilch, B. (2020). Analiza finansowa w ocenie kondycji finansowej klubów piłkarskich na przykładzie wybranych klubów Ekstraklasy. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, 2, 61–79. Juszczyk, S., Balina, R. (2014). Prognozowanie zagrożenia bankructwem przedsiębiorstw w wybranych branżach. Ekonomista, 1, 67–95. Kisielińska, J. (2016). Skuteczność modeli upadłości przedsiębiorstw. Economic and Regional Studies, 9, 5–17. Kisielińska, J., Waszkowski, A. (2015). Zagregowana ocena kondycji finansowej przedsiębiorstw z wykorzystaniem polskich modeli upadłości. Ekonomista, 5, 679–692. Kitowski, J. (2011). Metodyczne aspekty pomiaru cyklu konwersji gotówki w przedsiębiorstwie. Zeszyty Naukowe SGGW. Ekonomika i Organizacja Gospodarki Żywnościowej, 88, 41–57. Kitowski, J. (2015). Metody dyskryminacyjne jako instrument oceny zagrożenia upadłością przedsiębiorstwa, Rzeszów: Wydawnictwo Uniwersytetu Rzeszowskiego. Kitowski, J. (2017). Stan badań nad wiarygodnością diagnostyczną modeli dyskryminacyjnych. Annales Universitatis Mariae Curie-Skłodowska, LI/5, 179–188. DOI: 10.17951/h.2017.51.5.179. Kitowski, J. (2018). Krytyczna analiza stosowania metody Edwarda Altmana w badaniu sprawozdań finansowych. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 513, 205–212. Kopczyński, P. (2017). Metody prognozowania upadłości wykorzystywane w praktyce przez polskie przedsiębiorstwa – wyniki badań ankietowych. Zeszyty Teoretyczne Rachunkowości, 89, 95–132. Kopiński, A., Porębski, D. (2015). Próba wykorzystania modeli dyskryminacyjnych w analizie finansowej SPZOZ. Finanse, Rynki Finansowe, Ubezpieczenia, 74/2, 459–469. Korol, T. (2010). Systemy ostrzegania przedsiębiorstw przed ryzykiem upadłości. Warszawa: Oficyna Wolters Kluwer. Kumor, I. (2016). Identyfikacja i klasyfikacja zjawisk zagrażających kontynuacji działalności i ich ujęcie sprawozdawczej. Finanse. Rynki Finansowe. Ubezpieczenia, 2/2, 449–456. Lichota, W. (2020). The comparative analysis of the prediction effectiveness of selected discriminant analysis models. Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, 4, 27–36. Mączyńska, E., Zawadzki, M. (2006). Dyskryminacyjne modele predykcji upadłości przedsiębiorstw. Ekonomista, 2, 205–235. Piątek, E., Konat-Staniek, M. (2017). Metody identyfikacji niewypłacalności i ocena zagrożenia bankructwem. Finanse. Rynki Finansowe. Ubezpieczenia, 4/1, 375–382. Pitera, R. (2018). Ocena wiarygodności wybranych modeli wczesnego ostrzegania w badaniu kondycji finansowej przedsiębiorstwa. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 514, 342–354. Szeszo-Skorek, M. (2020). Ocena skuteczności modeli dyskryminacyjnych w prognozowaniu upadłości polskich sieci marketów i delikatesów. W: Destruktory i kreatory wartości na poziomie sektora, przedsiębiorstwa, produktu i usługi (s. 133–146). Rzeszów– London–Szczecin: Wyd. IVG. ISBN PL (IVG) 978-83-62062-91-1 eBook. Tomczak, S., Radosiński, E. (2017). The effectiveness of discriminant models based on the example of the manufacturing sector. Operations Research and Decisions, 3, 81– 97. DOI: 10.5277/ord170306. Upadłości i restrukturyzacje w Polsce. (2017). Warszawa: PwC. Więckowski, J. (1980). Analiza ekonomiczna w przedsiębiorstwie przemysłowym. Warszawa: PWE. Zielińska-Sitkiewicz, M. (2014). Application of Multivariate Discriminant Analysis for Prediction of Bankruptcy of Selected Construction and Development Companies. Metody Ilościowe w Badaniach Ekonomicznych, 2, 261–272. Zielińska-Sitkiewicz, M. (2016). Zastosowanie metod wielowymiarowej analizy dyskryminacyjnej do prognozowania upadłości wybranych spółek sektora spożywczego. Zeszyty Naukowe SGGW. Ekonomika i Organizacja Gospodarki Żywnościowej, 113, 117–129. Zygmunt, A., Szewczyk, M. (2013). Zastosowanie modeli dyskryminacyjnych jako narzędzia umożliwiającego wspomaganie procesu dywersyfikacji ryzyka inwestycyjnego w akcje. Nauki o Finansach, 1, 115–127.