Bankruptcy Prediction Models: Can the prediction power of the models be improved by using dynamic indicators?
Loading...
Date
2014-09-16
Authors
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
Elsevier
Altmetrics
Abstract
The present approach to developing bankruptcy prediction models uses financial ratios related to the time of one year before bankruptcy. Some authors try to improve the prediction accuracy of the models by using averaged ratios involving several years before bankruptcy. This of course assumes that a bankruptcy can be predicted several years ahead. This idea led us to investigating the differences between the dynamics of the financial ratios developments. Here we assume that the dynamics of the values of some indicators in a group of prospering companies may be different from that of those facing bankruptcy threats. The indicators that showed a significant difference in the development dynamics were used to develop a bankruptcy prediction model.
The research was carried out using data of the Czech manufacturing industries obtained from the AMADEUS database for years 2002 to 2012, with each company providing data for up to five years prior to the bankruptcy. Along with investigating the different approach to the selection of indicators for the development of a bankruptcy model, we were also concerned with the selection of a method to develop it. Researching the literature, we found that the most commonly used method is one of linear discrimination analysis, whose precision is improved if applied to normally distributed data without outliers. With financial data, however, these assumptions are difficult to meet. Therefore, a non-parametric Boosted-Trees method was used to select the predictors and develop the bankruptcy models.
Současný přístup k tvorbě predikčních bankrotních modelů je založen na použití finančních poměrových ukazatelů, které se vztahují k jednomu roku před bankrotem. Někteří autoři se snaží predikční přesnost modelů zvyšovat použitím průměrných ukazatelů, vypočítaných za několik let před bankrotem. Přitom vycházejí z předpokladu, že znaky bankrotu lze identifikovat již několik let předtím, než k bankrotu dojde. Tato myšlenka nás vedla ke zkoumání rozdílnosti dynamiky vývoje finančních poměrových ukazatelů. Vycházíme přitom z předpokladu, že hodnoty některých ukazatelů mohou mít rozdílnou dynamiku vývoje ve skupině prosperujících podniků a ve skupině podniků ohrožených bankrotem. Ukazatele, u kterých se prokázala významná rozdílnost v dynamice vývoje, byly použity pro tvorbu predikčního bankrotního modelu. Výzkum byl prováděn na základě dat podniků zpracovatelského průmyslu v České republice, získaných z databáze AMADEUS. Získaná data jsou za roky 2002 až 2012, přičemž o každém podniku jsou sledovaná data za 5 let před bankrotem. Současně se změnou přístupu k výběru ukazatelů pro tvorbu bankrotního modelu, zabývaly jsme se i otázkou výběru metody jeho tvorby. Z literární rešerše vyplynulo, že nejčastěji používanou metodou je metoda lineární diskriminační analýzy, jejíž přesnost se zvyšuje při aplikaci na data, která mají normální rozdělení a nevykazují extrémní hodnoty. Tyto předpoklady je však při použití finančních dat problematické naplnit. Proto byla k výběru prediktorů i k sestavení bankrotních modelů použita neparametrická metoda Boosted Trees.
Současný přístup k tvorbě predikčních bankrotních modelů je založen na použití finančních poměrových ukazatelů, které se vztahují k jednomu roku před bankrotem. Někteří autoři se snaží predikční přesnost modelů zvyšovat použitím průměrných ukazatelů, vypočítaných za několik let před bankrotem. Přitom vycházejí z předpokladu, že znaky bankrotu lze identifikovat již několik let předtím, než k bankrotu dojde. Tato myšlenka nás vedla ke zkoumání rozdílnosti dynamiky vývoje finančních poměrových ukazatelů. Vycházíme přitom z předpokladu, že hodnoty některých ukazatelů mohou mít rozdílnou dynamiku vývoje ve skupině prosperujících podniků a ve skupině podniků ohrožených bankrotem. Ukazatele, u kterých se prokázala významná rozdílnost v dynamice vývoje, byly použity pro tvorbu predikčního bankrotního modelu. Výzkum byl prováděn na základě dat podniků zpracovatelského průmyslu v České republice, získaných z databáze AMADEUS. Získaná data jsou za roky 2002 až 2012, přičemž o každém podniku jsou sledovaná data za 5 let před bankrotem. Současně se změnou přístupu k výběru ukazatelů pro tvorbu bankrotního modelu, zabývaly jsme se i otázkou výběru metody jeho tvorby. Z literární rešerše vyplynulo, že nejčastěji používanou metodou je metoda lineární diskriminační analýzy, jejíž přesnost se zvyšuje při aplikaci na data, která mají normální rozdělení a nevykazují extrémní hodnoty. Tyto předpoklady je však při použití finančních dat problematické naplnit. Proto byla k výběru prediktorů i k sestavení bankrotních modelů použita neparametrická metoda Boosted Trees.
Description
Citation
Procedia Economics and Finance. 2014, vol. 12C, issue 1, p. 565-574.
https://www.sciencedirect.com/science/article/pii/S2212567114003803
https://www.sciencedirect.com/science/article/pii/S2212567114003803
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
en
Study field
Comittee
Date of acceptance
Defence
Result of defence
Document licence
Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 Unported
http://creativecommons.org/licenses/by-nc-nd/3.0/
http://creativecommons.org/licenses/by-nc-nd/3.0/