Ποσοτικοί δείκτες πρόβλεψης πτώχευσης ελληνικών μικρομεσαίων επιχειρήσεων κατά τη διάρκεια της οικονομικής κρίσης

Μπενετάτος, Ευστάθιος; Benetatos, Efstathios

dc.contributor.author	Μπενετάτος, Ευστάθιος	el
dc.contributor.author	Benetatos, Efstathios	en
dc.date.accessioned	2016-10-10T08:02:16Z
dc.date.available	2016-10-10T08:02:16Z
dc.date.issued	2016-10-10
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43755
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.6068
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Μαθηματική Προτυποποίηση σε Σύγχρονες Τεχνολογίες στην Οικονομία”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Πρόβλεψη	el
dc.subject	Πτώχευση	el
dc.subject	Μικρομεσαίες επιχειρήσεις	el
dc.subject	Discriminant analysis	en
dc.title	Ποσοτικοί δείκτες πρόβλεψης πτώχευσης ελληνικών μικρομεσαίων επιχειρήσεων κατά τη διάρκεια της οικονομικής κρίσης	el
heal.type	masterThesis
heal.classification	Οικονομικά	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-06-30
heal.abstract	Σκοπός της παρούσας μεταπτυχιακής εργασίας είναι η διερεύνηση της καταλληλότητας ενός πλήθους αριθμοδεικτών και η εξαγωγή ενός μοντέλου πρόβλεψης αποτυχίας των ελληνικών μικρομεσαίων επιχειρήσεων κατά τη διάρκεια της οικονομικής κρίσης, μέσω της χρήσης των εν λόγω αριθμοδεικτών. Για την προσαρμογή του υποδείγματος αναπτύχθηκε ένα Z-score model, στα πρότυπα της μελέτης του Altman, και χρησιμοποιήθηκε η μεθοδολογία της πολλαπλής διακριτής ανάλυσης (MDA). Η μελέτη, για λόγους συγκρισιμότητας των αποτελεσμάτων και διερεύνησης των συνθηκών στις ΜΜΕ κατά το διάστημα πριν και μετά την οικονομική κρίση, κάλυψε τα διαστήματα 2006-2008 και 2010-2012. Στο πρώτο κεφάλαιο της εργασίας παρατίθεται ο επίσημος ορισμός της μικρομεσαίας επιχείρησης, όπως καθορίστηκε από τα αρμόδια όργανα της Ευρωπαϊκής Ένωσης, και δίνεται μία πρώτη εικόνα που αφορά στον αριθμό των επιχειρήσεων και των εργαζομένων καθώς και στην ακαθάριστη προστιθέμενη αξία των ΜΜΕ στην Ε.Ε. Στη συνέχεια γίνεται μία πιο λεπτομερής αναφορά της συνεισφοράς των μικρομεσαίων επιχειρήσεων στο ευρωπαϊκό και ελληνικό οικονομικό γίγνεσθαι, παραθέτοντας τη διαχρονική πορεία βασικών μακροοικονομικών μεγεθών (απασχόληση, αριθμός επιχειρήσεων, προστιθέμενη αξία) κατά τη χρονική περίοδο 2008-2013. Το δεύτερο κεφάλαιο αναφέρεται στον ορισμό της οικονομικής αποτυχίας ή πτώχευσης μίας επιχείρησης. Οι συγγραφείς κινούνται σε διαφορετικά πλαίσια προκειμένου να καθορίσουν την έννοια της αποτυχίας. Οι διάφορες αναφορές σχετίζονται είτε με το νομικό καθεστώς των κρατών, είτε με πιστωτικά γεγονότα ή ακόμα και με πιστοδοτικές αντενδείξεις της επιχείρησης (παύση δραστηριότητας, οικονομική δυσχέρεια). Στο τρίτο κεφάλαιο γίνεται μία συνοπτική περιγραφή των μοντέλων πρόβλεψης, που έχουν αναπτυχθεί μέχρι σήμερα. Ειδικότερα, γίνεται αναφορά στις πρώτες προσπάθειες της δεκαετίας του ’30 με την απλή σύγκριση αριθμοδεικτών, στα πρώτα πολυμεταβλητά μοντέλα (δεκαετίες ’60-’70) και στην εξέλιξή τους σε σύγχρονες και αποτελεσματικές μεθοδολογίες πρόβλεψης. Επίσης, επισημαίνεται η χρησιμότητα των μοντέλων τεχνητής νοημοσύνης (Artificial Intelligence models – AI) αλλά και η σύγχρονη τάση για δημιουργία σύνθετων μοντέλων σύμφωνα με τις κατευθύνσεις που θέτει η Βασιλεία προκειμένου να αποτελούν χρήσιμα εργαλεία στους δυνητικούς χρήστες (ρυθμιστικές αρχές, διοίκηση, κυβέρνηση, επενδυτές, ελεγκτές). Στο τέταρτο κεφάλαιο παρατίθεται αρχικά η θεωρία της μεθόδου της διακριτής ανάλυσης και ο τρόπος εξαγωγής του μοντέλου Z-score. Στη συνέχεια γίνεται παρουσίαση του μοντέλου Altman (1968), ενώ καταγράφονται και οι αναθεωρήσεις του συγγραφέα που περιλαμβάνουν την ενσωμάτωση στοιχείων και νέων τεχνικών (ZETA Credit Risk Model – 1977, Z-score – 1983). Το πέμπτο κεφάλαιο αναφέρεται στην επιλογή των μεταβλητών που εισήχθησαν στο μοντέλο. Οι επεξηγηματικές μεταβλητές του υποδείγματος αφορούσαν σε ένα πλήθος αριθμοδεικτών που υπολογίστηκε από το διαθέσιμο δείγμα επιχειρήσεων. Οι δεκαεννέα (19) επιλεχθέντες αριθμοδείκτες προέρχονταν από τις πέντε βασικές κατηγορίες, ήτοι αποδοτικότητας, διάρθρωσης κεφαλαίου, ρευστότητας, δραστηριότητας, φερεγγυότητας ενώ εξετάστηκαν και δύο δείκτες που αφορούσαν στο Κεφάλαιο Κίνησης και δημιουργήθηκαν για το σκοπό της παρούσας εργασίας. Στο κεφάλαιο αυτό γίνεται και μία μικρή αναφορά στη σημαντικότητα χρήσης ποιοτικών δεικτών στα μοντέλα πρόβλεψης, η χρήση των οποίων βελτιώνει, όπως φαίνεται από τις μελέτες, την προβλεπτική ικανότητα των εν λόγω μοντέλων. Στο έκτο κεφάλαιο γίνεται κατ’ αρχάς ο ορισμός του εξεταζόμενου δείγματος και αναπτύσσονται τα στατιστικά υποδείγματα, βάσει της προαναφερόμενης μεθοδολογίας, για το διάστημα προ κρίσης (2006-2008) και κατά τη διάρκεια αυτής (2010-2012). Η ανάλυση ξεκινά με τον έλεγχο τυχαιότητας και κανονικότητας των δεδομένων με τη χρήση διαφόρων στατιστικών μέτρων ενώ στη συνέχεια αναλύονται τα αποτελέσματα της διακριτής ανάλυσης, όσον αφορά στην προβλεπτική ικανότητα του μοντέλου. Η διαδικασία περιέχει την διερεύνηση καταλληλότερου μοντέλου πρόβλεψης και την αξιολόγηση της ευρωστίας και καταλληλότητας του τελικώς επιλεχθέντος υποδείγματος για κάθε ένα από το προαναφερόμενα χρονικά διαστήματα. Τέλος, στο έβδομο κεφάλαιο περιέχονται οι περιορισμοί που αντιμετωπίστηκαν κατά την διάρκεια εκπόνησης της εργασίας, τα συμπεράσματα της έρευνας καθώς και τις προτάσεις επέκτασης της μελέτης.	el
heal.abstract	The main purpose of this graduate Thesis is to identify the key predictive variables of bankruptcy of Greek Small and Medium Enterprises (SMEs) during the recent financial crisis, by employing a Z-score model similar to the model which firstly introduced by Altman. The statistical technique which is used is multiple discriminant analysis (MDA) and is conducted for a period before (2006-2008) and after (2010-2012) financial crisis. In Chapter 1, the official EU law definition of SMEs is given and an overview of the current status of European SMEs, their structure, their contribution to employment and to the wealth of the European Union is also provided. Then, there is an extended analysis concerning the SME business environment in Europe and in Greece, during the period 2008-2013. Chapter 2 refers to the difficult task of researchers to define the term “failure” because of the many different meanings and recorded events that could considered as a failure process. Many researchers use the formal bankruptcy as a definition of failure, while others argue that events like discontinuance of business or inability to meet their liabilities is a proxy for failure. In Chapter 3, we present the main bankruptcy prediction models which have been developed, based on various modeling techniques. Especially, there are references to the early studies which compared the differences among the ratios of bankrupt and non-bankrupt firms. Then, we note the first univariate models, the multivariate techniques, the Artificial Intelligence models and the modern bankruptcy prediction methodologies, highlighting their importance to many different users such as regulatory authorities, business management, government, investors and auditors. In Chapter 4, we present the theoretical basis of multiple discriminant analysis (MDA), including the form of the function, the assumptions of the method and the Z-score model process. In addition, a presentation of Altman’ s model (1968) and its revisions or extensions are involved. Chapter 5 refers to selection of the economic indicators for the model estimation. The ninety nine (19) chosen indicators are the traditional financial ratios used for financial analyses and could be broken down into profitability ratios, leverage ratios, liquidity ratios, solvency ratios and activity ratios. We also estimate two innovative indicators which are related to the key factor for SMEs, the Working Capital. Furthermore, we note the significance of qualitative information in failure prediction models evaluation which, according to many academic researchers, enhances the models’ accuracy. In Chapter 6, we initially define the sample and then we develop the method for the two aforementioned periods in order to establish the formula which could correctly distinguish the samples into bankrupt group and non-bankrupt group. According to the MDA’s assumptions, we test the randomness of observations and data normality. We subsequently run the discriminant analysis and interpret the results. Model construction includes a process which concerns to the identification of the most performing model and finally some robustness checks to confirm that the selected model is effectively the most appropriate. Finally, Chapter 7 sums the important findings of our research and addresses necessary remarks concerning the limitations and suggestions for research extension.	en
heal.advisorName	Μπουφούνου, Παρασκευή	el
heal.committeeMemberName	Χριστόπουλος, Απόστολος	el
heal.committeeMemberName	Ντόκας, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	104 σ.	el
heal.fullTextAvailability	true