Εκτίμηση Κινδύνου Πτώχευσης Ελληνικών Εισηγμένων Εταιριών με τη χρήση της Στατιστικής Μεθόδου Διακριτής Ανάλυσης

Χαβιατζή, Άννα; Chaviatzi, Anna

dc.contributor.author	Χαβιατζή, Άννα	el
dc.contributor.author	Chaviatzi, Anna	en
dc.date.accessioned	2020-06-18T09:44:44Z
dc.date.available	2020-06-18T09:44:44Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50801
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18499
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Διοίκηση Επιχειρήσεων (ΜΒΑ)”	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	Πτώχευση	el
dc.subject	Διακριτή Ανάλυση	el
dc.subject	Μοντέλα	el
dc.subject	Χρηματοοικονομικοί Δείκτες	el
dc.subject	Γκρίζα Ζώνη	el
dc.subject	Financial Distress	en
dc.subject	Bancruptcy	el
dc.subject	KPIS	el
dc.subject	Z-CSORE MODEL	el
dc.subject	Discriminant Analysis	el
dc.title	Εκτίμηση Κινδύνου Πτώχευσης Ελληνικών Εισηγμένων Εταιριών με τη χρήση της Στατιστικής Μεθόδου Διακριτής Ανάλυσης	el
heal.type	masterThesis
heal.classification	Διοίκηση Επιχειρήσεων	el
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2020-02-21
heal.abstract	Κατά τη διάρκεια της τελευταίας δεκαετίας έχουν παρουσιαστεί αρκετές μελέτες σχετικά με τη πτώχευση των εταιριών. Οι πρώτες προσπάθειες έγιναν από τους Beaver (1967) και Altman (1968) στις ΗΠΑ, όπου χρησιμοποίησαν διαθέσιμα στο κοινό δεδομένα με διάφορες στατιστικές τεχνικές για τη πρόβλεψη της εταιρικής αποτυχίας. Ο εντοπισμός της επικείμενης χρηματοπιστωτικής κρίσης είναι πολύ σημαντικός για τους αναλυτές, τους μετόχους καθώς και τους πιστωτές των επιχειρήσεων. Τα μοντέλα πτώχευσης μπορούν να χρησιμοποιηθούν ως πρόωρα μηνύματα και ως προειδοποίηση ότι, αν δεν ληφθούν διορθωτικά μέτρα, η επιχείρηση ενδέχεται να αντιμετωπίσει οικονομική κρίση. Σκοπός της παρούσας εργασίας είναι η ανάπτυξη ενός μοντέλου εκτίμησης πτώχευσης εταιρικής αποτυχίας μέσω της μεθόδου Διακριτής Ανάλυσης. Για τη δημιουργία του μοντέλου χρησιμοποιήθηκαν τα διαθέσιμα δημοσιευμένα οικονομικά στοιχεία από το Χρηματιστήριο Αξιών Αθηνών για τα έτη 2006-2018. Μέσω της συγκεκριμένη μεθόδου αναδείχθηκαν οι πιο σημαντικοί αριθμοδείκτες και βρέθηκαν οι διακριτές βαθμολογίες που μπόρεσαν να ταξινομήσουν τις εταιρίες σε δυο κατηγορίες σε Μη υγιής και Υγιείς αλλά και αυτές που βρίσκονται στη Γκρι Ζώνη. Στο κεφάλαιο 1, γίνεται εκτενείς αναφορά στην εννοιολογική προσέγγιση των μοντέλων πρόβλεψης πτώχευσης των εταιρών καθώς και μια βιβλιογραφική ανασκόπηση αυτών. Επιπλέον, παρουσιάζονται οι λόγοι για τους οποίους μια εταιρία μπορεί να οδηγηθεί στη χρεοκοπία καθώς και οι ορισμένες θεωρίες που οδηγούνται οι ερευνητές στη πρόβλεψη της πτώχευσης των εταιριών. Στο κεφάλαιο 2, παρουσιάζονται αναλυτικά τα μοντέλα που χρησιμοποιούνται για τη πρόβλεψη της πτώχευσης των εταιριών. Τα μοντέλα που αναλύονται χωρίζονται σε τρεις μεγάλες κατηγορίες, τα Στατιστικά Μοντέλα, τα μοντέλα Τεχνητής Νοημοσύνης (AIES) και τα Θεωρητικά Μοντέλα. Συγκεκριμένα, βασίζονται στη Μονομεταβλητή ανάλυση, τη Διακριτή Πολυμεταβλητή ανάλυση, ανάλυση γραμμικής πιθανότητας ανάλυση Logit, Probit μεθοδολογία σωρευτικών ποσών (CUSUM), τα Νευρωνικά δίκτυα, οι γενετικοί αλγόριθμοι, η θεωρία της εντροπίας, η θεωρία διαχείρισης ταμειακών ροών, οι θεωρίες πιστωτικού κινδύνου και κάποιες άλλες τεχνικές. Στο κεφάλαιο 3, παρουσιάζεται μια κριτική ανάλυση των μοντέλων πρόβλεψης πτώχευσης με στόχο τη βελτίωση της έρευνας μελλοντικά όπως αναφέρεται στη βιβλιογραφία από τους μελετητές. Αυτές οι μέθοδοι πρόβλεψης της πτώχευσης των εταιρειών έχουν τα δικά τους πλεονεκτήματα και αδυναμίες και, επομένως, η επιλογή ενός συγκεκριμένου μοντέλου μπορεί να μην είναι απλή. Στο κεφάλαιο 4, περιγράφεται η εμπειρική προσέγγιση της παρούσας εργασίας που πραγματοποιήθηκε με τη χρήση της Διακριτής Ανάλυσης. Παρουσιάζονται και αναλύονται τα στάδια του πειράματος για τη δημιουργία του μοντέλου πρόβλεψης πτώχευσης των εταιριών. Στο κεφάλαιο 5, γίνεται η στατιστική ανάλυση του πειράματος με τη χρήση του στατιστικού λογισμικού SPSS. Παρουσιάζονται τα αποτελέσματα και οι επεξηγήσεις της στατιστικής ανάλυσης καθώς και το μοντέλο πρόβλεψη των εταιριών που εξετάστηκαν και είχαν δημοσιευμένα στοιχεία από το Χρηματιστήριο Αξιών Αθηνών για τα οικονομικά έτη 2006-2018. Τέλος, στο κεφάλαιο 6 ακολουθούν τα συμπεράσματα της παρούσας εργασίας σύμφωνα με τα ευρήματα του πειράματος που αναλύθηκε στο κεφάλαιο 5.	el
heal.abstract	Over the past decade or so a number of studies have appeared on corporate bankruptcy. The first attempts, in the U.S., to use publicly available data with various statistical techniques in order to predict business failure were made by Beaver (1967) and Altman (1968). Identifying impending financial crisis is very important to analysts, stockholders and creditors of business firms as well as to the firms managers. The bankruptcy models can be used as early signals warning management that, unless corrective action is undertaken, the firm may be faced with financial crisis. The purpose of this study is to develop a model for predicting corporate bankruptcy through the Discrete Analysis method. The available financial data from the Athens Stock Exchange for the years 2006-2018 were used to create the model. Through this method, the most important variables were identified and the Z scores were found that could classify companies into two categories: Non-Healthy and Healthy but also those in the Grey Zone. Chapter 1, there is extensive reference to the conceptual approach of corporate bankruptcy forecasting models and a bibliographic overview. In addition, the reasons why a company can go bankrupt are listed as well as some theories that lead researchers to predict the bankruptcy of companies. Chapter 2 presents in detail the models used to predict the bankruptcy of companies. The models analysed are divided into broad categories, statistical models, artificial technology expert models (AIESs) and theoretical models. More specifically, It is based on Univariate Analysis, Discrete Multivariate Analysis, Linear Probability Analysis. (CUSUM), neural networks, genetic algorithms, entropy theory, cash flow management theory, credit risk theories and some other techniques. Chapter 3, a critical analysis of the bankruptcy prediction models is presented in the literature with the aim of improving future research by future researchers. These methods of corporate bankruptcy prediction have their own strengths and weaknesses and, hence, choosing a particular model may not be straightforward. Chapter 4 describes the empirical approach of the present work using Multivariate Discrete Analysis. The stages of the experiment for the creation of the corporate bankruptcy forecasting model are presented and analyzed. Chapter 5, the statistical analysis of the experiment is performed using SPSS statistical software. The results and explanations of the statistical analysis are presented as well as the forecasting model of the companies examined and which had data published by the Athens Stock Exchange for the financial years 2006-2018. Chapter 6 follows the conclusions of this paper in accordance with the findings of the experiment discussed in Chapter 5.	en
heal.advisorName	Κασιμάτης, Κωνσταντίνος
heal.committeeMemberName	Κουρέτας, Γεώργιος
heal.committeeMemberName	Χαλικιάς, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	111 σ.	el
heal.fullTextAvailability	false