Construction of Discrimination Models in Prediction of Bankruptcy if Polish Non-Public Enterprises

Bernard Kokczyński

doi:10.18778/2391-6478.4.44.05

Authors

Bernard Kokczyński University of Lodz https://orcid.org/0000-0002-9379-0376

DOI:

https://doi.org/10.18778/2391-6478.4.44.05

Keywords:

bankruptcy prediction models, winsorization of data, non-financial information, methods of selecting variables for models

Abstract

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.

Downloads

Download data is not yet available.

References

Altman, E. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23(4), 589–609. https://doi.org/10.2307/2978933
Google Scholar DOI: https://doi.org/10.1111/j.1540-6261.1968.tb00843.x

Appenzeller, D. & Szarzec, K. (2004). Prognozowanie zagrożenia upadłością polskich spółek publicznych. Rynek Terminowy, 1, 120–128.
Google Scholar

Bombiak, E. (2010). Modele dyskryminacyjne jako metoda oceny sytuacji finansowej przedsiębiorstwa. Zeszyty Naukowe Akademii Podlaskiej. Administracja i Zarządzanie, 13(86), 141–152.
Google Scholar

Boratyńska, K. (2014). Mechanizm bankructwa wybranego przedsiębiorstwa spożywczego. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 361, 20–28. https://doi.org/10.15611/pn.2014.361.02
Google Scholar DOI: https://doi.org/10.15611/pn.2014.361.02

Dehnel, G. (2017). Winsoryzacja w ocenie małych przedsiębiorstw. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 468, 60–68. oai:dbc.wroc.pl:37242
Google Scholar

Gajdka, J. & Stos, D. (1996). Wykorzystanie analizy dyskryminacyjnej do badania podatności przedsiębiorstwa na bankructwo. W: J. Duraj (red.), Przedsiębiorstwo na rynku kapitałowym (ss. 138–148). Wydawnictwo UŁ.
Google Scholar

Gruszczyński, M. (2017). Błędy doboru próby w badaniach bankructw przedsiębiorstw. Kwartalnik Nauk o Przedsiębiorstwie, 44(3), 22–29. https://doi.org/10.5604/01.3001.0010.4688
Google Scholar DOI: https://doi.org/10.5604/01.3001.0010.4688

Hadasik, D. (1998). Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Wydawnictwo AE w Poznaniu.
Google Scholar

Hamrol, M. & Chodakowski, J. (2008). Prognozowanie zagrożenia finansowego. Wartość predyk-cyjna polskich modeli analizy dyskryminacyjnej. Badania Operacyjne i Decyzyjne, 3, 17–32.
Google Scholar

Hołda, A. (2006). Zasada kontynuacji działalności i prognozowanie upadłości w polskich realiach gospodarczych. Wydawnictwo AE w Krakowie.
Google Scholar

IBM. (2023). Testy równości średnich grupowych. https://www.ibm.com/docs/pl/spss-statistics/29.0.0?topic=predictors-tests-equality-group-means
Google Scholar

Jaki, A. & Ćwięk, W. (2021). Bankruptcy Prediction Models Based on Value Measures. Journal of Risk and Financial Management, 14(6), 1–14. https://doi.org/10.3390/jrfm14010006
Google Scholar DOI: https://doi.org/10.3390/jrfm14010006

Janus, A., Jóźwicki, R., Kobus-Ostrawska, D. & Nyk, M. (2022). Przedsiębiorstwo w warunkach współczesnej gospodarki rynkowej. Finansowanie, pomiar, efektywność. Wydawnictwo UŁ.
Google Scholar DOI: https://doi.org/10.18778/8220-804-7

Kokczyński, B. (2022). Ewolucja statystycznych modeli predykcji bankructwa. W: A. Adamczyk (red.), Finanse – kierunki i wymiary zmian (ss. 147–162). Wydawnictwo Naukowe Uniwer-sytetu Szczecińskiego.
Google Scholar

Kopczyński, P. (2016). Prognozowanie upadłości spółek giełdowych. Wydawnictwo UŁ.
Google Scholar

Kopczyński, P. (2022). Prognozowanie upadłości przedsiębiorstw. Wydawnictwo UŁ.
Google Scholar DOI: https://doi.org/10.18778/8331-231-6

Korol, T. (2010). Early Warning Systems of Enterprises to the Risk of Bankruptcy. Wolters Kluwer.
Google Scholar

Mączyńska, E. (2013). Bankructwa i upadłości przedsiębiorstw — podstawowe problemy i obszary badawcze. Biuletyn Polskiego Towarzystwa Ekonomicznego, 1(60), 3–6.
Google Scholar

Mączyńska, E. & Zawadzki, M. (2006). Dyskryminacyjne modele predykcji upadłości przedsiębiorstw. Ekonomista, 2, 205–235.
Google Scholar

Pasternak-Malicka, M., Ostrowska-Dankiewicz, A. & Dankiewicz, R. (2021). Bankruptcy – an assessment of the phenomenon in the small and medium-sized enterprise sector – case of Poland. Polish Journal of Management Studies, 24(1), 250–267. https://doi.org/10.17512/pjms.2021.24.1.15
Google Scholar DOI: https://doi.org/10.17512/pjms.2021.24.1.15

Pociecha, J. (2011). Modele prognozowania bankructwa w systemie wczesnego ostrzegania przedsiębiorstw. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 165, 124–134.
Google Scholar

Pociecha, J., Pawełek, B., Baryła, M. & Augustyn, S. (2014). Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej. Fundacja Uniwersytetu Ekonomicznego w Krakowie.
Google Scholar

Ptak-Chmielewska, A. (2021). Bankruptcy prediction of small- and medium-sized enterprises in Poland based on the LDA and SVM methods. Statistics in Transition New Series, 22(1), 179–195. https://doi.org/10.21307/stattrans-2021-010
Google Scholar DOI: https://doi.org/10.21307/stattrans-2021-010

Ptak-Chmielewska, A. & Matuszyk, A. (2017). The importance of financial and non-financial ratios in SMEs bankruptcy prediction. Bank i Kredyt, 49(1), 45–62.
Google Scholar

Shi, Y., & Li, X. (2019). An overview of bankruptcy prediction models for corporate firms: A systematic literature review. Intangible Capital, 15(2), 114–127. https://doi.org/10.3926/ic.1354
Google Scholar DOI: https://doi.org/10.3926/ic.1354

Tłuczak, A. (2013). Zastosowanie dyskryminacyjnych modeli przewidywania bankructwa do oceny ryzyka upadłości przedsiębiorstw. Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu, 2(34), 423–434.
Google Scholar

Wierzba, D. (2000). Wczesne wykrywanie przedsiębiorstw zagrożonych upadłością na podstawie wskaźników finansowych – teoria i badania empiryczne. Zeszyty Naukowe Wyższej Szkoły Ekonomiczno-Informacyjnej w Warszawie, 9, 79–105.
Google Scholar

Witkowska, D. (2023). Wybrane metody ilościowe w finansach. Wydawnictwo Uniwersytetu Łódzkiego.
Google Scholar DOI: https://doi.org/10.18778/8142-304-5

Wojna, A. (2007). Predykcja ekonometryczna oraz modelowanie stochastyczne. Wydawnictwo Uczelniane Politechniki Koszalińskiej.
Google Scholar

Wojnar, J. & Kasprzyk, B. (2011). Analiza dyskryminacji dobrobytu ekonomicznego gospodarstw domowych w województwie podkarpackim. Metody Ilościowe w Badaniach Ekonomicznych, 12(2), 409–417.
Google Scholar