• Σήμερα είναι: Τετάρτη, 25 Νοεμβρίου, 2020

Γιατί οι εταιρείες πτωχεύουν; Ένα επίκαιρο ζήτημα Κυριάκος Πατατούκας, Νικόλαος Λ. Παπάκης

Εξετάζοντας προσεκτικά τα οικονομικά (ποσοτικά) και μη οικονομικά (ποιοτικά) δεδομένα, παρατηρούμε ότι κάποιες επιχειρήσεις έχουν «καλή» χρηματοοικονομική θέση και διάρθρωση ενώ κάποιες άλλες όχι, δηλαδή έχουν «κακή» απόδοση ή χρηματοοικονομική θέση. Απ’ αυτές τις επιχειρήσεις που έχουν «κακή» χρηματοοικονομική θέση, κάποιες πτωχεύουν κάθε χρόνο και ειδικότερα οι μικρές επιχειρήσεις.

Σύμφωνα με τον Foster (1986), η χρηματοοικονομική κατάρρευση ορίζεται ως μια κατάσταση με σοβαρά προβλήματα ρευστότητας. Επιπλέον, ο Deakin (1972) χρησιμοποιεί τους όρους «πτώχευση» ή «αφερεγγυότητα» ή «ρευστοποίηση». Ωστόσο, υπάρχουν επιχειρήσεις που μπορούν να θεωρηθούν ότι δεν είναι σε κατάσταση πτώχευσης αλλά σε πολύ δύσκολη χρηματοοικονομική θέση, καθώς επίσης και άλλες επιχειρήσεις οι οποίες δεν είναι σε δύσκολη χρηματοοικονομική θέση αλλά πτωχεύουν.

Τα τελευταία χρόνια το φαινόμενο της πτώχευσης των επιχειρήσεων έχει γίνει αντικείμενο αυξανόμενου ακαδημαϊκού ενδιαφέροντος στις περισσότερες δυτικές οικονομίες. Ωστόσο, ακαδημαϊκοί και ερευνητές προσπαθούν να προβλέψουν τη χρηματοοικονομική κατάρρευση αναπτύσσοντας μοντέλα. Αυτά βασίζονται σε χρηματοοικονομικά (ποσοτικά) δεδομένα (Altman, 1968), ενώ άλλα βασίζονται σε μη χρηματοοικονομικά (ποιοτικά) δεδομένα (Argenti, 1976) ή σ’ ένα συνδυασμό χρηματοοικονομικών και μη χρηματοοικονομικών δεδομένων (Keasey & Watson, 1987).

Τα μοντέλα πρόβλεψης, στηριζόμενα σε χρηματοοικονομικά ή μη δεδομένα, είναι χρήσιμα σε πολλές ομάδες της οικονομίας όπως:

1) Δανειστές ή εμπορικές τράπεζες. Η εκτίμηση ενός δανείου είναι σημαντικός παράγοντας για την κοινωνία και την οικονομία. Δηλαδή, τα μοντέλα χρηματοοικονομικής πτώχευσης μπορούν να χρησιμοποιηθούν ως ένα κριτήριο για πιθανή χρηματοδότηση της επιχείρησης από την τράπεζα.

2) Επίσης, τα μοντέλα πρόβλεψης χρηματοοικονομικής πτώχευσης είναι χρήσιμα για τον έλεγχο. Για παράδειγμα, μια παρατήρηση των ελεγκτών μπορεί να αναφέρεται στη μη ύπαρξη της παραδοχής για τη συνέχεια της επιχείρησης (going concern).

3) Τα μοντέλα πρόβλεψης χρηματοοικονομικής πτώχευσης μπορεί να είναι χρήσιμα για τη διοίκηση της επιχείρησης. Μπορούν να δείξουν κάποια σημάδια προειδοποίησης της πτώχευσης και συνεπώς η διοίκηση της επιχείρησης να λάβει τα απαραίτητα μέτρα έτσι ώστε να μειώσει την πιθανότητα η επιχείρηση να οδηγηθεί σε πτώχευση.

Προσέγγιση του θέματος

Υπάρχουν δύο προσεγγίσεις στην πρόβλεψη της χρηματοοικονομικής κατάρρευσης. Η πρώτη προσέγγιση βασίζεται σε μοντέλα με μόνο μία μεταβλητή, όπως αναπτύχθηκαν από τους Beaver (1966) και Zimiyewski (1983). Η δεύτερη προσέγγιση βασίζεται σε μοντέλα πολλών μεταβλητών, όπως αναπτύχθηκαν από τους Altman (1968), Taffler (1984) και Moyer (1977).

Η πρώτη προσέγγιση (μονομεταβλητή) περιλαμβάνει δύο υποθέσεις:

α) Η κατανομή της μεταβλητής των πτωχευμένων επιχειρήσεων διαφέρει σημαντικά απ’ αυτήν των μη πτωχευμένων επιχειρήσεων.

β) Χρησιμοποιεί αυτές τις διαφορές στην κατανομή της μεταβλητής για πρόβλεψη.

Ο Beaver (1966) χρησιμοποίησε ένα δείγμα από 79 πτωχευμένες και 79 μη πτωχευμένες εταιρείες και τις κατέταξε με βάση το μέγεθος και τον κλάδο. Υπολόγισε 30 χρηματοοικονομικούς δείκτες για κάθε μια από τις δύο ομάδες εταιρειών που πτώχευσαν και που δεν πτώχευσαν για πέντε χρόνια πριν την πτώχευση. Ταξινόμησε κάθε εταιρεία με βάση τους δείκτες και καθόρισε το άριστο σημείο που ελαχιστοποιεί τον αριθμό των ταξινομήσεων. Στη συνέχεια εξετάσθηκε η καταλληλότητα αυτού του άριστου σημείου. Συγκεκριμένα, ο καλύτερος δείκτης ήταν: Χρηματοροή (Cash flow) / Συνολικό χρέος (Total Debt). Ένα χρόνο πριν την πτώχευση ταξινόμησε σωστά το 89% του δείγματος. Τον πέμπτο χρόνο πριν την πτώχευση ταξινόμησε σωστά το 78% του δείγματος.

Η κριτική στο μοντέλο του Beaver ήταν ότι εξέτασε μία μόνο μεταβλητή για ένα συγκεκριμένο χρονικό διάστημα και ερευνητές όπως ο Termini (1964) υποστηρίζουν ότι ακόμη και «καλές» εταιρείες ίσως να έχουν έναν κακό δείκτη. Επίσης, υπολόγισε μέσες τιμές για τους δείκτες και αγνόησε όλα τα άλλα σημεία της κατανομής. Τέλος, στηρίχθηκε αποκλειστικά στα οικονομικά δεδομένα.

Λογιστικά δεδομένα – Διακριτή ανάλυση

Διακριτή ανάλυση είναι μια στατιστική τεχνική βάσει της οποίας ορισμένα χαρακτηριστικά μιας παρατήρησης ταξινομούνται σε μια διαφορετική ομάδα με βάση αυτά τα χαρακτηριστικά, που έχουν καθοριστεί από πριν.

Η διακριτή ανάλυση αποτελείται από τρία στάδια:

1) Κάθε ομάδα διακρίνεται από μια κατανομή πιθανοτήτων των χαρακτηριστικών της.

2) Τη συγκέντρωση πληροφοριών για τις παρατηρήσεις που συνιστούν τις ομάδες.

3) Τον καθορισμό γραμμικών συνδυασμών των χαρακτηριστικών αυτών που ελαχιστοποιούν την πιθανότητα λανθασμένης ταξινόμησης.

Ο Altman (1968) χρησιμοποίησε ένα δείγμα από 66 εταιρείες, από τις οποίες 33 είχαν πτωχεύσει και 33 δεν είχαν πτωχεύσει. Χρησιμοποίησε διακριτή ανάλυση για να προβλέψει τη χρηματοοικονομική πτώχευση. Από είκοσι δύο χρηματοοικονομικούς δείκτες επέλεξε πέντε, οι οποίοι είναι οι εξής:

Χ1 = Κεφάλαιο κίνησης / Σύνολο Ενεργητικού (Ρευστότητα)

Χ2 = Εναπομείναντα κέρδη / Σύνολο Ενεργητικού (Κερδοφορία)

Χ3 = Κέρδη προ τόκων & φόρων / Σύνολο Ενεργητικού

Χ4 = Ιδία κεφάλαια / Ξένα κεφάλαια (Μόχλευση)

Χ5 = Πωλήσεις / Σύνολο Ενεργητικού

Η τελική διακριτή συνάρτηση είναι η ακόλουθη:

Ζ = 0,012Χ1 + 0,014 Χ2 + 0,033 Χ3 + 0,0066 Χ4 + 0,999 Χ5

Οι τιμές του Ζ βρίσκονται στο διάστημα ( -∞, 1,8) και στο διάστημα (2,675, + ∞).

Εάν το Ζ είναι μεγαλύτερο από 2,657 τότε το μοντέλο προβλέπει μη πτώχευση.

Εάν το Ζ είναι μικρότερο από 1,8 τότε το μοντέλο προβλέπει πτώχευση.

Εάν το Ζ είναι μεταξύ 1,8 και 2,675 είναι η γκρίζα περιοχή. Δεν γνωρίζουμε τι γίνεται σ’ αυτήν την περιοχή.

Σύμφωνα με τη διακριτή συνάρτηση, όσο μεγαλύτερο είναι το Ζ τόσο μεγαλύτερη είναι η πιθανότητα να μην πτωχεύσει.

Η προβλεπτική ικανότητα του μοντέλου μειώνεται ακολούθως:

Έτη πριν την πρόβλεψη 1 2 3 4 5

Ταξινόμηση 0,95 0,75 0,45 0,36 0,31

Τα κυριότερα σημεία κριτικής του μοντέλου του Altman είναι:

Πρώτον, χρησιμοποίησε ένα ζεύγος από πτωχευμένες και μη πτωχευμένες εταιρείες. Ωστόσο, οι επιχειρήσεις που πτωχεύουν αποτελούν το 1,8% έως 3% του πληθυσμού των εταιρειών. Δεύτερον, το μοντέλο του Altman εμφανίζεται να είναι ευαίσθητο στο μέγεθος της εταιρείας και στο χρονικό διάστημα που λαμβάνει χώρα η έρευνα. Σύμφωνα με τον Moyer (1977), η προβλεπτική ικανότητα του μοντέλου του Altman μειώνεται όταν εξετάζεται σε διαφορετική χρονική περίοδο από το 1965 έως το 1975. Τρίτον, σύμφωνα με τον Moyer (1977), η προβλεπτική ικανότητα του μοντέλου αυξάνεται σημαντικά στα έτη 3, 4, 5 όταν οι δύο τελευταίες μεταβλητές εξαιρούνται από το μοντέλο. Τέταρτον, ο Altman υπολόγισε ένα απλό μοντέλο για όλες τις εταιρείες, όλες τις βιομηχανίες για κάθε χώρα. Συνεπώς, είναι πολύ γενικό μοντέλο, διότι κάθε βιομηχανία έχει τα δικά της χαρακτηριστικά. Πέμπτον, το μοντέλο του Altman δεν περιλαμβάνει καμιά οικονομική μεταβλητή. Στοιχεία δείχνουν ότι η ικανότητα να προβλέπουμε τη χρηματοοικονομική πτώχευση ποικίλλει ανάλογα με τη φάση του οικονομικού κύκλου που βρίσκεται η οικονομία.

Άλλο ένα μοντέλο που αναπτύχθηκε από τον Taffler (1983, 1984) υιοθέτησε την προσέγγιση του Z-score για το Ηνωμένο Βασίλειο. Εξέτασε 80 ποσοτικές και μη ποσοτικές μεταβλητές και απ’ αυτές ανέπτυξε ένα μοντέλο με 4 μεταβλητές και ένα σταθερό όρο.

Αυτές οι μεταβλητές είναι οι ακόλουθες:

Χ1 = Κέρδη προ φόρων / Βραχυπρόθεσμες Υποχρεώσεις

Χ2 = Κυκλοφορούν Ενεργητικό / Σύνολο υποχρεώσεων

Χ3 = Κυκλοφορούν Ενεργητικό / Σύνολο Ενεργητικού

Χ4 = Διάστημα μη καλυπτόμενο από πίστωση.

Η διακριτή συνάρτηση είναι η εξής:

Ζ = C0 + C1 *X1 + C2 * X2 + C3 * X3 + X4 * C4

Επιπλέον οι συντελεστές (C1, C2, C3, C4) ποικίλουν μεταξύ κλάδου και χρόνου. Επίσης ο Taffler δεν δημοσίευσε τους συντελεστές του μοντέλου.

Το μηδέν θεωρείται ως άριστο σημείο.

Εάν το Ζ>0, τότε το μοντέλο προβλέπει μη πτώχευση.

Εάν το Ζ<0, τότε το μοντέλο προβλέπει ότι η εταιρεία είναι στην κρίσιμη περιοχή.

Στα επόμενα χρόνια, αφότου αναπτύχθηκε το μοντέλο, καμιά από τις 825 εταιρείες που είχαν θετικό Ζ-score δεν πτώχευσε, ενώ από 139 εταιρείες που είχαν αρνητικό Ζ-score, οι 137 πτώχευσαν. Επίσης επέκτεινε την ανάλυση με δύο τρόπους. Πρώτον, υπολόγισε ένα score (Performance Analysis Score, PAS) και στη συνέχεια δημιούργησε έναν πίνακα ο οποίος περιέχει τις δυνατότητες και τις αδυναμίες της εταιρείας βασιζόμενες στις τέσσερις μεταβλητές του μοντέλου.

Η κριτική στο μοντέλο του Taffler ήταν ότι χρησιμοποιούσε πολλά δεδομένα και συνεπώς υπάρχει ένα κενό στη θεωρία. Επιπλέον, οι περισσότερες μεταβλητές ήταν ποσοτικές. Τέλος, επειδή χρησιμοποιούσε διακριτή ανάλυση υπόκειται στους περιορισμούς αυτής της ανάλυσης.

Περιορισμοί στα οικονομικά – λογιστικά (ποσοτικά) δεδομένα

Εμπειρική έρευνα για την πρόβλεψη της πτώχευσης βασίζεται στα χρηματοοικονομικά δεδομένα και ειδικότερα στα λογιστικά δεδομένα. Ωστόσο, τα λογιστικά δεδομένα μπορεί να μην είναι διαθέσιμα κατά τον χρόνο της πτώχευσης. Ένας άλλος λόγος που τα λογιστικά δεδομένα μπορεί να μην είναι διαθέσιμα είναι ότι οι εταιρείες καθυστερούν να δημοσιεύσουν τις οικονομικές καταστάσεις τους. Σύμφωνα με τους Keasy & Watson (1986), το διάστημα είναι κατά μέσο όρο έντεκα μήνες για τις εταιρείες του Ηνωμένου Βασιλείου. Το 17,8% των πτωχευμένων εταιρειών δεν έχουν υποβάλει τις οικονομικές καταστάσεις τους για δύο χρόνια πριν την πτώχευση και επιπλέον για τις μικρές εταιρείες μπορεί να μην είναι και διαθέσιμες. Επιπλέον, οι νέες εταιρείες μπορεί να μην έχουν διαθέσιμες οικονομικές καταστάσεις επειδή δεν έχουν ιστορία. Σύμφωνα με τον Hudson (1987), σ’ ένα δείγμα 1.830 εταιρειών που πτώχευσαν από το 1978 έως το 1981 βρέθηκε ότι η υψηλότερη συχνότητα των πτωχευμένων εταιρειών ήταν ηλικίας δύο ετών. Επιπλέον, τα οικονομικά – λογιστικά δεδομένα μπορεί να είναι διαθέσιμα αλλά να έχουν διαμορφωθεί με τέτοιο τρόπο έτσι ώστε να μην αντανακλούν την πραγματική χρηματοοικονομική θέση και τα αποτελέσματα της εταιρείας. Όταν ερμηνεύουμε τα λογιστικά δεδομένα κοιτάζουμε μόνο τα συμπτώματα της πτώχευσης. Οι αιτίες της χρηματοοικονομικής πτώχευσης εμφανίζονται πολύ νωρίτερα και συνήθως σχετίζονται με την κακή διοίκηση της εταιρείας. Σύμφωνα με τους Dun & Branstreet (1973), ο περισσότερο σημαντικός παράγοντας είναι η απειρία και η αδεξιότητα της διοίκησης. Εννοώντας απειρία, εννοούμε μη αποτελεσματικές πωλήσεις, ανταγωνιστικά μειονεκτήματα, μεγάλα λειτουργικά και σταθερά έξοδα. Ο Argenti (1976) υποστηρίζει ότι υπάρχουν τρία στάδια που οδηγούν προς την πτώχευση. Αρχικά, το πρώτο στάδιο περιλαμβάνει τις αδυναμίες της διοίκησης της εταιρείας. Αυτές οι αδυναμίες οδηγούν σε λάθη τα οποία τελικά οδηγούν σε συμπτώματα της πτώχευσης. Με τον όρο αδυναμίες εννοούμε ότι κάποιος δεν έχει ικανότητες και δεξιότητες στη διοίκηση ανθρωπίνων πόρων, ενώ με τον όρο λάθη εννοούμε την τοποθέτηση ενός προϊόντος το οποίο δεν πήγε καλά στην αγορά, αυξάνοντας τη μόχλευση της εταιρείας. Με τα συμπτώματα εννοούμε την ωραιοποίηση των λογιστικών δεικτών ή τη δημιουργική λογιστική.

Μη ποιοτικά λογιστικά δεδομένα

Οι Keasay & Watson (1987) ήλεγξαν ένα δείγμα από 73 εταιρείες που πτώχευσαν και 73 που δεν πτώχευσαν από τη βόρεια Αγγλία. Το μοντέλο χρησιμοποιούσε έναν αριθμό μη χρηματοοικονομικών μεταβλητών με ή σε συνδυασμό με χρηματοοικονομικούς δείκτες και ήταν ικανό να προβλέψει την πτώχευση μικρών επιχειρήσεων σε σχέση με μοντέλα τα οποία στηρίζονταν αποκλειστικά σε χρηματοοικονομικές μεταβλητές. Χρησιμοποίησαν ποιοτικές μεταβλητές, όπως μη επαρκές λογιστικό σύστημα, «μαγείρεμα» λογιστικών καταστάσεων και μόχλευση. Συγκεκριμένα, χρησιμοποίησαν ένα μονομεταβλητό test. Σύγκριναν τους μέσους των μεταβλητών για τις πτωχευμένες και μη πτωχευμένες εταιρείες. Τα αποτελέσματα είναι τα ακόλουθα:

Οι περισσότερες πτωχευμένες εταιρείες έτειναν να έχουν λιγότερους διευθυντές. Οι εταιρείες που πτώχευσαν έτειναν να δημοσιεύουν τις λογιστικές τους καταστάσεις καθυστερημένα σε σχέση με αυτές που δεν πτώχευσαν. Επίσης, οι εταιρείες που πτώχευσαν έτειναν να έχουν περισσότερες παρατηρήσεις στις εκθέσεις ελέγχου από τους ορκωτούς λογιστές. Επιπλέον, οι πτωχευμένες εταιρείες έτειναν να έχουν και ένα δεύτερο υποθηκευμένο δάνειο. Χρησιμοποίησαν τρία μοντέλα για να ελέγξουν την προβλεπτική ικανότητά τους στη χρηματοοικονομική πρόβλεψη. Το πρώτο μοντέλο βασιζόταν σε 28 λογιστικούς δείκτες. Το δεύτερο σε 18 μη λογιστικά δεδομένα και το τρίτο σε λογιστικά και μη λογιστικά δεδομένα. Το πρώτο μοντέλο ταξινόμησε σωστά το 77,6% του δείγματος, το δεύτερο ταξινόμησε σωστά το 75,3% του δείγματος και το τρίτο μοντέλο ταξινόμησε σωστά το 82,2% του δείγματος. Έτσι, το τρίτο μοντέλο ήταν το καλύτερο. Συνεπώς, τα μη λογιστικά δεδομένα παίζουν σημαντικό ρόλο στην πρόβλεψη της χρηματοοικονομικής πτώχευσης.

Συμφωνα με τα παραπάνω, οι χρηματοοικονομικοί δείκτες δείχνουν μερικώς τα συμπτώματα της πτώχευσης και είναι αδύναμοι στο να διαγνώσουν τις αιτίες της πτώχευσης. Επίσης, οι χρηματοοικονομικοί δείκτες γίνονται λιγότερο αξιόπιστοι καθώς η εταιρεία οδεύει προς την πτώχευση, λόγω της δημιουργικής λογιστικής που χρησιμοποιείται από τη διοίκηση της εταιρείας, η οποία προσπαθεί να κρύψει τη φτωχή χρηματοοικονομική της θέση στους εξωτερικούς επενδυτές και πιστωτές. Ιδιαίτερα η στρέβλωση των οικονομικών καταστάσεων γίνεται από τις σχετικά μικρές εταιρείες. Συνεπώς, οι αδυναμίες στη διοίκηση της εταιρείας οδηγούν σε λάθη, όπου τελικά δίνουν συμπτώματα της πτώχευσης.

Περιορισμοί

Το ευρύτερο (μακροοικονομικό) περιβάλλον επηρεάζει τις συνθήκες της αγοράς και συνεπώς και τις εταιρείες που λειτουργούν μέσα σ’ αυτό. Ο Foster (1986) υποστήριξε ότι οι διακυμάνσεις των καθαρών κερδών προ φόρων μιας εταιρείας επηρεάζονται κατά 36% από τις διακυμάνσεις των κερδών του κλάδου που δραστηριοποιείται η εταιρεία και κατά 17% από τις διακυμάνσεις των κερδών στο σύνολο της οικονομίας. Είναι γεγονός ότι, καθώς το επίπεδο της οικονομικής δραστηριότητας μειώνεται, οι εταιρείες που πτωχεύουν αυξάνονται. Υπάρχει επίσης ο ανθρώπινος παράγοντας, δηλαδή η απόφαση για χρηματοδότηση μιας εταιρείας από μια τράπεζα εξαρτάται σε μεγάλο βαθμό από τις προσωπικές σχέσεις της διοίκησης με τα στελέχη της εταιρείας ή με τον επιχειρηματία. Επίσης, παραμένει το ερώτημα για το ποιες μεταβλητές (όπως ηλικία της εταιρείας, αριθμός των στελεχών, συχνή αλλαγή ορκωτών λογιστών, δανειακή επιβάρυνση) πρέπει να λάβουμε υπόψη στο μοντέλο μας.

Συμπέρασμα

Γνωρίζοντας ότι η μελλοντική θέση μιας επιχείρησης είναι συνάρτηση των αποφάσεων που λαμβάνει σήμερα, οι δείκτες, καθώς επίσης και η τεχνική της διακριτής ανάλυσης, είναι εξαιρετικά χρήσιμα εργαλεία, αλλά δεν παύουν να υπόκεινται σε περιορισμούς που επιβάλλουν την προσεκτική χρησιμοποίησή τους.