Documente Academic
Documente Profesional
Documente Cultură
EDITURA MIRTON
Timișoara
2014
Metode de evaluare a riscului de insolvență bazate pe rate financiare
ISBN
978-973-52-1469-2
Cuprins
1. Introducere............................................................................................................................... 1
2. Starea de insolvență ................................................................................................................. 5
2.1.Capacitatea de plată a întreprinderii .................................................................................. 5
2.2. Investițiile în activitatea de exploatare.............................................................................. 9
2.3. Procesul de recuperare a capitalului investit ................................................................... 10
2.4. Conceptul de ”insolvență” .............................................................................................. 12
2.4.1. Semnificația noțiunii de ”insolvență” în conformitate cu legislația națională ........ 12
2.4.2. Conceptul de insolvență în abordările internaționale .............................................. 15
2.5. Cauze ale insolvenței ...................................................................................................... 18
2.6. Incidența procedurilor de insolvență în România...................................................... 22
3. Istoric al analizei bazate pe rate financiare ............................................................................ 25
4. Metodologie de analiză monofactorială ................................................................................. 34
5. Metodologie de analiză multifactorială ................................................................................. 53
5.1. Metodologie de modelare ............................................................................................... 53
5.1.1.Analiza discriminantă .............................................................................................. 56
5.1.2. Regresia logistică .................................................................................................... 65
5.2. Analiză pe perechi de date .............................................................................................. 71
5.2.1. Regresie logistică .................................................................................................... 83
5.2.2. Analiză discriminantă ............................................................................................. 95
5.3. Analiză la nivelul întregii populații țintă ...................................................................... 102
5.3.1. Regresie logistică .................................................................................................. 102
5.3.2.Analiză discriminantă ............................................................................................ 110
5.4. Analiza comparativă a modelelor propuse .................................................................... 116
6. Analiza previzională bazată pe tablouri de fluxuri de numerar ........................................... 121
6.1. Tablouri construite prin metoda directă ........................................................................ 123
6.2. Tablouri construite prin metoda indirectă ..................................................................... 131
6.3. Analiza senzitivității fluxului net de numerar estimat .................................................. 146
6.3.1. Indicatori recomandați .......................................................................................... 150
6.3.2. Variația plăților pentru materii prime și materiale consumabile ........................... 153
6.3.3. Variația plăților pentru alte materiale.................................................................... 162
6.3.4. Variația plăților pentru energie și apă ................................................................... 167
6.3.5. Variația plăților pentru mărfuri ............................................................................. 171
6.3.6. Variația plăților privind prestațiile externe ........................................................... 175
6.3.7. Variația plăților cu personalul ............................................................................... 179
6.3.8. Variația plăților cu impozitele ............................................................................... 183
6.3.9. Variația plăților privind taxa pe valoarea adăugată ............................................... 187
6.3.10. Variația încasărilor operaționale ......................................................................... 192
Bibliografie .............................................................................................................................. 194
1. Introducere
2
1. Introducere
3
1. Introducere
ultimul rând, această abordare face analiza disponibilă unui public mai larg
(mai puțin specializat).
Se apreciază că, inclusiv la nivelul unei populații cu diferențe
semnificative între domeniile de activitate sau clasele de mărime, este
preferabilă evitarea elaborării de modele multifactoriale distincte pentru fiecare
domeniu sau clasă și crearea unui model global, în care specificul domeniului
sau clasei de mărime să fie surprins prin intermediul unor variabile.
Prezentul volum descrie sintetic în cadrul capitolului 3 o metodologie
monofactorială de evaluare a riscului de insolvență, având la bază cercetări
efectuate asupra întreprinderilor românești (din județul Timiș). Acuratețea
analizei poate fi însă sporită prin combinarea potențialului ratelor financiare
individuale în cadrul unor modele multifactoriale. Capitolul 5 propune 4
modele multifactoriale de evaluare a riscului de insolvență dezvoltate prin cele
mai populare metode statistice în domeniu. Pentru fiecare model a fost
prezentată sintetic metodologia de configurare și testare.
Metodologiile monofactoriale și multifactoriale propuse folosesc valori
ale indicatorilor financiari specifici firmei analizate în vederea evaluării riscului
de intrare în insolvență la care aceasta este supusă. Implicit, astfel de
metodologii nu pot fi aplicate asupra firmelor fără istoric financiar. Cu
precădere pentru astfel de firme, capitolul 6 propune un instrumentar de analiză
a riscului de incapacitate de plată în general și de insolvență în particular, bazat
pe tablouri de fluxuri de numerar previzionate.
4
2. Starea de insolvență
În cadrul prezentei lucrări, evenimentul supus analizei a fost reprezentat
de apariția stării de insolvență. Aceasta a fost definită în concordanță cu
legislația românească în vigoare.
Insolvența a fost privită drept o formă particulară a incapacității de plată,
condiții în care a fost inițial tratat subiectul capacității de plată. În același timp,
s-a considerat că insolvența nu se poate manifesta în absența investirii
capitalului. Din acest motiv a fost apreciată drept necesară clarificarea
perspectivei analizei, aceasta neputând ignora obiectivele urmărite prin
investirea capitalului.
Identificarea cauzelor apariției stării de insolvență nu a reprezentat un
obiectiv al prezentei lucrări. Totuși, s-a considerat că riscul de apariție a stării
de insolveță ar putea fi reflectat în mod diferit în valorile ratelor financiare în
măsura în care cauzele apariției stării sunt diferite. În aceste condiții, a fost
efectuat un scurt inventar al cauzelor apariției stării de insolvență, în baza
concluziilor reflectate în literatura de specialitate.
5
2. Starea de insolvență
Ai Cpm Ai Cpm
St Fz
Cr Cr
Figura nr. 1
6
2. Starea de insolvență
7
2. Starea de insolvență
mijloace de transport;
mobilier;
aparatură birotică;
materii prime;
produse în curs de execuţie;
produse finite;
mărfuri;
drepturi de creanţă faţă de clienţi.
10
2. Starea de insolvență
14
2. Starea de insolvență
15
2. Starea de insolvență
16
2. Starea de insolvență
Grafic nr. 1
Sursa: Small Business Administration – Financial difficulties of small business
and reasons for their failures, 1998
Frecvența fiecărui răspuns a fost calculată prin raportare la numărul de
repondenți, nu la numărul de răspunsuri, motiv pentru care suma ponderilor este
superioară valorii de 100%.
Motive legate direct de afacere (mediul extern, structura financiară sau mediul
intern) au fost invocate de 72,6% dintre repondenți. Totuși, mai mult de
jumătate dintre repondenți au invocat și alte motive decât cele legate de mediul
economic sau de conducerea afacerii.
19
2. Starea de insolvență
Unul din cinci debitori chestionați au indicat Fiscul drept cauză a dificultăților
firmei și motiv al declarării insolvenței:
- Fiscul a pus poprire pe conturile companiei;
- Fiscul a amenințat să lichideze active ale companiei în cazul în care
taxele nu ar fi plătite imediat;
- Agentul Fiscului a amenințat conducerea companiei că afacerea va fi
închisă;
- Fiscul a încercat să colecteze taxele din veniturile soțului / soției
antreprenorului;
- Fiscul a schimbat yalele, astfel încât acționarii au fost nevoiți să inițieze
procedura de insolvență pentru a putea intra în clădire.
În categoria problemelor personale au fost incluse:
- Banca a refuzat refinanțarea creditului acordat firmei datorită divorțului
asociatului;
- Incapacitatea de a-și controla problemele de glucoză și colesterol
generate de stresul aferent relației cu creditorii;
- Soțul / soția a suferit o cădere nervoasă;
- Accident;
- Soția a folosit după divorț cardul de credit.
Aceste explicații arată că multe afaceri rămân dependente de situația personală
a proprietarilor.
În cazul a peste 11% dintre firmele care au declarat insolvența, antreprenorii au
inițiat procedura de insolvență ca persoane fizice deasemenea.
Pentru aproape 10% dintre afacerile intrate în inslovență au existat probleme
cauzate de calamități sau alte astfel de evenimente imprevizibile:
- Motorul unuia dintre autovehiculele firmei a explodat și nu au existat
fonduri pentru înlocuirea acestuia;
- Mașina a fost furată, nemaiexistând mijloacele necesare pentru
transportul echipamentelor;
- Organizația colaboratoare a fost preluată de alți proprietari, cu care
colaborarea a fost dificilă;
- Moartea unui angajat cheie;
- Autoritățile publice au inițiat execuția unor lucrări de refacere a
drumurilor, blocând accesul la sediul firmei.
Aceste argumente scot în evidență dependența puternică a unor companii de
anumite resurse.
Quaiser Abbas și Abdul Rashid (2011) realizează o recenzie a literaturii de
specialitate, subliniind drept pricipale cauze ale insolvenței:
20
2. Starea de insolvență
22
2. Starea de insolvență
10.000
0
2008 2009 2010 2011 2012 2013
Grafic nr. 2
Sursa datelor: Oficiul Național al Registrului Comerțului
Firmele intrate în insolvenţă au rol relativ restrâns în economia reală:
o 3,7% din numărul total de salariaţi ai companiilor nefinanciare
(decembrie 2010);
o 2,1% din valoarea adăugată produsă la nivelul firmelor
nefinanciare (decembrie 2010);
o 2,4% în exporturile şi importurile României realizate în 2010;
o 2,3% datoria externă pe termen mediu şi lung a companiilor
nefinanciare şi respectiv 1,6% din datoria externă pe termen scurt
(iunie 2011).
Conform BNR (2011), firmele intrate în insolvenţă dovedesc o disciplină
inferioară în onorarea angajamentelor financiare către partenerii comerciali
inclusiv în anii premergători declanşării insolvenţei. În aceste condiții,
informaţiile furnizate de Centrala Incidentelor de Plăţi ar putea prezenta o
relevanță ridicată în evaluarea riscului de insolvență.
Conform rapoartelor Băncii Naționale a României, pe fundalul crizei
economice, în perioada decembrie 2009 – decembrie 2012 a avut loc o creștere
continuă a ratei creditelor neperformante (acordate de bănci sau IFN) în sectorul
companiilor nefinanciare. La finalul anului 2012, România a ajuns după acest
criteriu pe locul patru la nivelul Uniunii Europene, respectiv pe locul șase la
nivel mondial (într-un clasament al Băncii Mondiale cuprinzând 139 de state).
23
2. Starea de insolvență
Grafic nr. 3
Sursa datelor: rapoarte BNR
Rata creditelor neperformante reprezintă proporția creditelor şi
dobânzilor restante de peste 90 de zile respectiv a creditelor pentru care au fost
iniţiate proceduri judiciare în total creditelor şi dobânzilor clasificate.
Clasarea României la nivel mondial după rata creditelor neperformante
140
122
120 112
100
83 84
80 69 72
65
60
37 33
40 27
20
20 15
6
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Grafic nr. 4
Sursă: prelucrare a datelor publicate de Banca Mondială
(http://data.worldbank.org/indicator/FB.AST.NPER.ZS)
24
3. Istoric al analizei bazate pe rate financiare
25
3. Istoric al analizei bazate pe rate financiare
27
3. Istoric al analizei bazate pe rate financiare
28
3. Istoric al analizei bazate pe rate financiare
31
3. Istoric al analizei bazate pe rate financiare
32
3. Istoric al analizei bazate pe rate financiare
33
4. Metodologie de analiză monofactorială
34
4. Metodologie de analiză monofactorială
35
4. Metodologie de analiză monofactorială
55,4%
55,4%
55,3%
54,7%
53,4%
52,9%
52,6%
52,4%
60,0%
50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
WLca
nrAt
WLrb
Frp/AC
AC/Dt
Rrf
Frp
Rîg
Rsg
nrAi
Disp/Dt
Frp/CA
Cpr/Ai
Rai
Rpc
Rrb
Ip/CA
DzSt
Rafg
Rdisp
Res/CA
Res/Disp
Ip/Rb
DzCr
Rac
Disp/CA
Grafic nr. 5
1) Rata autonomiei financiare globale
Cu toate că separarea nu este perfectă, este propusă constituirea a 3 intervale de
referință pentru rata autonomiei financiare globale:
o (-∞;10%) – risc de insolvență ridicat;
o [10%;50%) – risc de insolvență mediu;
o [50%;100%] – risc de insolvență redus.
36
4. Metodologie de analiză monofactorială
38
4. Metodologie de analiză monofactorială
39
4. Metodologie de analiză monofactorială
41
4. Metodologie de analiză monofactorială
43
4. Metodologie de analiză monofactorială
44
4. Metodologie de analiză monofactorială
Valori reduse ale numărului de rotații ale activelor imobilizate prin cifra de
afaceri sunt corelate atât cu un potențial redus în termeni de rentabilitate
(reflectat de media ponderată a rentabilității financiare), cât și cu nivele ridicate
ale riscului financiar (în perioada de referință) și ale riscului de insolvență (la
doi ani de la perioada de referință).
Dimpotrivă, valori ridicate ale numărului de rotații ale activelor imobilizate prin
cifra de afaceri sunt corelate atât cu un potențial ridicat în termeni de
rentabilitate (reflectat de media ponderată a rentabilității financiare), cât și cu
nivele reduse ale riscului financiar și ale riscului de insolvență.
45
4. Metodologie de analiză monofactorială
46
4. Metodologie de analiză monofactorială
financiar (în perioada de referință) și ale riscului de insolvență (la doi ani de la
perioada de referință).
Dimpotrivă, valori reduse ale duratei de rotație a creanțelor prin cifra de afaceri
sunt corelate atât cu un potențial ridicat în termeni de rentabilitate (reflectat de
media ponderată a rentabilității financiare), cât și cu nivele reduse ale riscului
financiar și ale riscului de insolvență.
În aceste condiții, din punctul de vedere al combinației ”potențial în materie de
rentabilitate – risc financiar – risc de insolvență”, intervalul optim al duratei de
rotație a creanțelor este considerat a fi [0;1].
47
4. Metodologie de analiză monofactorială
financiar (în perioada de referință) și ale riscului de insolvență (la doi ani de la
perioada de referință).
Dimpotrivă, valori ridicate ale ratei profitabilității comerciale sunt corelate atât
cu un potențial ridicat în termeni de rentabilitate (reflectat de media ponderată a
rentabilității financiare), cât și cu nivele reduse ale riscului financiar și ale
riscului de insolvență.
48
4. Metodologie de analiză monofactorială
49
4. Metodologie de analiză monofactorială
51
4. Metodologie de analiză monofactorială
52
5. Metodologie de analiză multifactorială
5.1. Metodologie de modelare
În vederea sporirii acurateței analizei, a fost vizată dezvoltarea de
modele multivariate. În acest scop au fost utilizate cele mai populare metode
din literatura de specialitate: analiza discriminantă și regresia logistică.
Procesarea datelor a fost efectuată utilizând SPSS, Excel și VBA.
Cele două metode au fost aplicate alternativ la nivelul întregii populații țintă,
respectiv la nivelul unui eșantion format din perechi de firme.
Numeroase studii și-au propus compararea performanțelor analizei
discriminante și ale regresiei logistice în dezvoltarea de modele de evaluare a
riscului de insolvență. Întotdeauna, rezultatele obținute au fost foarte apropiate.
Regresia logistică prezintă unele avantaje în materie de aplicabilitate (nu se
bazează pe ipoteza normalității distribuției valorilor variabilelor independente).
În ultimii ani, frecvența utilizării acesteia în dezvoltarea de modele de evaluare
a riscului de insolvență a sporit, devansând frecvența utilizării analizei
discriminante. Cu toate acestea, nu există în literatura de specialitate concepția
superiorității regresiei logistice (dimpotrivă, mai multe studii sugerează
superioritatea analizei discriminante).
Utilizarea de eșantioane formate din perechi de întreprinderi (insolvente,
respectiv sănătoase) rămâne populară, cu toate că a fost frecvent contestată
datorită abaterilor semnificative de la structura populației de bază.
Prezenta lucrare nu și-a propus compararea metodelor statistice de
eșantionare sau de modelare. A fost însă urmărită dezvoltarea unui model cu
aplicabilitate cât mai ridicată la nivelul populației țintă. În acest scop, au fost
inițial dezvoltate modele prin fiecare metodă, atât în baza unui eșantion format
din perechi de firme, cât și în baza întregii populații țintă din anul 2010.
Ulterior, modelele au fost comparate pe seama mai multor criterii, în vederea
identificării modelului care asigură nivelul maxim de performanță în evaluarea
riscului de insolvență.
Populația supusă inițial analizei a inclus toate firmele din județul Timiș care au
depus situații financiare anuale la Direcția Finanțelor Publice în perioada 2001
– 2011.
53
5. Metodologie de analiză multifactorială
28.962
27.364
27.066
26.756
26.337
24.141
21.601
19.552
30.000
16.840
14.724
13.694
20.000
10.000
0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Grafic nr. 6
La nivelul perioadei vizate, în județul Timiș au fost depuse la Direcția
Finanțelor Publice 247.037 situații financiare anuale.
100.000
50.000
0
Vt = 0 Vt > 0
Grafic nr. 7
Dintre cele 247.037 situații financiare incluse în analiză, doar 105.968 au
raportat venituri.
S-a considerat că întreprinderile care nu raportează venituri nu pot fi evaluate
pe seama ratelor financiare, în condițiile în care continuitatea activității
reprezintă o premisă de bază a analizei financiare.
Au fost avute deasemenea în vedere două fenomene cu impact național
considerate de natură a modifica substanțial profilul firmelor care declară
insolvență:
54
5. Metodologie de analiză multifactorială
55
5. Metodologie de analiză multifactorială
16.000 15.071
15.000
14.000 13.037
12.570 12.574
13.000
12.000
11.000
2007 2008 2009 2010
Grafic nr. 8
Studiul a beneficiat astfel de cel mai mare eșantion utilizat la nivel național în
dezvoltarea de modele de evaluare a riscului de insolvență, respectiv unul dintre
cele mai mari eșantioane raportate în literatura internațională.
5.1.1.Analiza discriminantă
Analiza discriminantă are ca obiectiv elaborarea de modele capabile de
previzionarea apartenenței unui subiect la unul dintre mai multe grupuri
omogene predefinite. Modelul conceput prin intermediul analizei discriminante
are la bază o funcție discriminantă în cazul în care clasificarea este realizată
între 2 grupuri. Prin intermediul funcției discriminante, analiza discriminantă
crează o variabilă nouă, cu rolul de a previziona apartenența la un grup. Funcția
discriminantă include una sau mai multe variabile independente, cărora le sunt
atribuiți coeficienți, asemenea cazului unei funcții de regresie. Pentru clasificări
între mai mult de două grupuri, modelul implică un număr mai mare de funcții
discriminante (egal cu numărul de grupuri – 1). O funcție discriminantă are la
bază conexiuni liniare între variabila dependentă și variabilele independente
(predictori).
Parametrii funcțiilor discriminante sunt estimați pe seama unui eșantion
din populația supusă analizei pentru care apartenența la un anumit grup este
cunoscută. Este necesar ca pentru subiecții din cadrul eșantionului să fie
cunoscute caracteristicile corelate cu apartenența. Aceste caracteristici devin
predictori în cadrul modelului. Scopul elaborării unui model prin utilizarea
analizei discriminante este acela de a clasa subiecți din cadrul populației (dar
56
5. Metodologie de analiză multifactorială
Grafic nr. 9
Corelația între rezultatele celor 2 studii (măsurată pe seama
coeficientului de corelație Spearman) a fost una ridicată. Cu 5 ani înainte de
intrarea în insolvență, raportul dintre fluxul de numerar net și datoriile totale a
fost confirmat drept cel mai performant predictor (rată de eroare de 27%,
comparativ cu nivelul de 22% constatat de Beaver).
Deakin costata o tendință de finanțare a creșterii pe seama îndatorării, în
cazul firmelor intrate în insolvență (în perioada anterioară evenimentului).
Capitalul investit a fost folosit cu precădere pentru finanțarea de active
imobilizate. Ulterior, nereușind să genereze vânzări suficiente pentru a putea
61
5. Metodologie de analiză multifactorială
64
5. Metodologie de analiză multifactorială
Unde:
- Z = scorul asociat unei întreprinderi. Scorul este determinat în funcție de
una sau mai multe variabile independente: Z = a + b1X1 + b 2 X 2 + ... + b n X n .
- P(Z) = probabilitatea de intrare în insolvență a unei firme, estimată în
funcție de scorul Z.
- e = constanta lui Euler.
Funcția P(Z) poate lua valori cuprinse în intervalul [0;1]. În estimarea
probabilității de apariție a stării de insolvență în anul N+2, variabilele X1 , X 2, ,…
X 3 pot reprezenta rate financiare ce caracterizează situația financiar-
patrimonială a firmei în anul N.
66
5. Metodologie de analiză multifactorială
0,6
0,4
0,2
0,0
-15 -10 -5 0 5 10 15
Z
Grafic nr. 10
Valorile coeficienților din cadrul funcției Z permit stabilirea sensului
relației dintre fiecare variabilă explicativă și probabilitatea estimată, fără a oferi
însă informații cu privire la senzitivitatea probabilității estimate în raport cu
variabila respectivă.
Valoarea 𝑒𝑒 𝑏𝑏 oferă informații cu privire la impactul modificării cu o
unitate a variabilei explicative asupra parității (p/(1-p)) și implicit asupra
senzitivității probabilității estimate în raport cu variabila respectivă. Variația
variabilei este măsurată însă în mărimi absolute (în unități de măsură specifice
variabilei), ceea ce face dificilă realizarea de comparații între impactul
variabilelor independente din cadrul modelului asupra variabilei dependente.
Testul Wald vizează evaluarea semnificației legăturii dintre o variabilă
explicativă introdusă în model și variabila dependentă (o valoare ridicată
susținând ipoteza unei legături semnificative, respectiv a unei probabilități
ridicate ca variabila independentă să influențeze variabila dependentă).
Testul Hosmer – Lemeshow compară pe intervale frecvența estimată de
apariție a fenomenului cu frecvența observată. O valoare de semnificație
ridicată infirmă ipoteza inexistenței corelației dintre probabilitatea estimată și
cea observată.
Unul dintre primii cercetători care a apelat la regresia logistică în
dezvoltarea de modele de evaluare a riscului de insolvență a fost James Ohlson
(1980). Utilizând un eșantion compus din 2.058 de întreprinderi sănătoase și
105 de întreprinderi intrate în insolvență, acesta a propus 3 modele: un prim
model care a vizat evaluarea riscului de intrare în insolvență la un an de la data
situațiilor financiare de referință, un al doilea model care a vizat evaluarea
67
5. Metodologie de analiză multifactorială
dezvoltate prin regresie logistică la nivel mondial în perioada 1968 – 2004 (lista
nefiind exhaustivă).
Cercetarea realizată de Mine Ugurlu si Hakan Aksoy (2006) a avut ca
scop identificarea factorilor de predicție a stării de insolvență, folosind analiza
discriminantă și regresia logistică pe o piață în curs de dezvoltare și în condiții
de instabilitate economică.
Demersul se axează pe două direcții. În primul rând caută să identifice
indicatorii de predicție a dificultăților financiare care duc la o clasificare cât mai
precisă a companiilor, iar în al doilea rând caută identificarea metodelor
statistice care asigură cea mai mare acuratețe de predicție.
Cercetarea a inclus un eșantion format din 27 de firme sănătoase și 27 de firme
insolvente din domeniul producției, cotate la Bursa din Istambul.
Datele folosite în realizarea studiului sunt preluate din situațiile financiare de
sfârșit de an ale firmelor cuprinse în esantion, pentru intervalul de timp 1996-
2002. Acestea au fost ajustate cu indicele inflației, folosindu-se ca bază de
calcul anul 1996.
În elaborarea studiului, Mine Ugurlu și Hakan Aksoy au avut în vedere pentru
început 80 de rate financiare. Aceste variabile au fost grupate în 8 categorii
principale: profitabilitate, lichiditate, solvabilitate, îndatorare, echilibru,
eficiență, variabilitate și mărime.
Folosind analiza discriminantă și regresia logistică, s-a urmărit identificarea
variabilelor care asigură cea mai mare acuratețe în predicția stării de insolvență.
Rezultatele studiului au indicat faptul ca ratele de profitabilitate, lichiditate și
solvabilitate permit evaluarea cu cea mai mare acuratețe a riscului de apariție a
insolvenței.
Modelul dezvoltat prin regresie logistică a furizat performanțe superioare în
clasare (acuratețe generală de 95,6%, cu 1 an înainte de producerea
evenimentului).
Clive Lennox (1999) a realizat un studiu comparativ asupra mai multor
metode statistice recomandate de literatura de specialitate în dezvoltarea de
modele de predicție a stării de insolvență, utilizând un eșantion relativ
voluminos de firme din Marea Britanie cotate la bursă.
Metodele avute în vedere au inclus analiza discriminantă, regresia logistică,
probit. Modelele dezvoltate prin regresie logistică sau probit au prezentat
performanțe în clasare comparabile cu cele ale modelelor dezvoltate prin
analiză discriminantă la nivelul eșantionului de bază, dar au prezentat mai multă
stabilitate asupra unor eșantioane – test. În studiu au fost utilizate date
provenind de la 949 de întreprinderi aferent perioadei 1987-1994 (un total de
6416 situații financiare).
69
5. Metodologie de analiză multifactorială
70
5. Metodologie de analiză multifactorială
1000 858
800
600
318
400
188
200 60
0
2007 2008 2009 2010
Grafic nr. 11
Anul de referință reflectat în graficul nr. 11 reprezintă anul
corespunzător situațiilor financiare incluse în studiu. Au fost avute în vedere
situațiile financiare raportate cu doi ani înainte de apariția stării de insolvență.
Din totalul celor 1424 de firme incluse în eșantion, 712 au intrat în insolvență la
doi ani de la data situațiilor financiare de referință.
Eșantionul utilizat inițial pentru dezvoltarea modelului a inclus firmele cu
situații financiare aferente exercițiului financiar 2010 (858 de firme).
Din totalul firmelor incluse în eșantion care au depus situații financiare
în anul 2010, 429 au intrat în insolvență în anul 2012, celelalte 429
continuându-și activitatea în condiții normale.
71
5. Metodologie de analiză multifactorială
Similar, din totalul firmelor incluse în eșantion care au depus situații financiare
în anul 2009, 159 au intrat în insolvență în anul 2011, celelalte 159
continuându-și activitatea în condiții normale dincolo de această perioadă.
Cele 566 întreprinderi incluse în eșantion pentru care au fost luate drept
referință situațiile financiare din exercițiile financiare 2007, 2008 sau 2009 au
fost utilizate în scopul unei prime testări a performanței modelelor propuse.
Dintre acestea, 283 au intrat în starea de insolvență la doi ani de la data
situațiilor financiare de referință, respectiv 283 și-au continuat activitatea în
condiții normale.
În studiu au fost avute în vedere toate cele 26 de rate financiare calculate
pe seama situațiilor financiare sintetice publicate de către Ministerul Finanțelor
Publice.
Studiile univariate efectuate în prealabil au pus în evidență existența capacității
de discriminare în cazul majorității ratelor. Scopul unui model multivariat este
acela de a cumula capacitatea de discriminare a ratelor incluse. Totuși, puterea
de discriminare a modelului nu va putea reprezenta o sumă a puterilor
individuale de discriminare a ratelor incluse, în condițiile în care multe dintre
ratele financiare sunt corelate din punct de vedere statistic.
Pe aceste considerente, o analiză a corelațiilor dintre rate a fost efectuată
anterior încercării de asociere a acestora în cadrul unor modele multivariate.
Scopul a fost aceala de a testa cu prioritate în activitatea de modelare combinații
de rate care nu prezintă intercorelații semnificative din punct de vedere statistic.
Graficele 12-32 reflectă coeficienții de corelație Pearson ce
caracterizează relațiile dintre ratele financiare. Pentru fiecare rată au fost
reflectate exclusiv legăturile considerate semnificative din punct de vedere
statistic.
Indicatori corelați cu numărul de rotații ale activului total.
Eșantion = 1.424 întreprinderi.
1
0,8
0,878
0,6
0,4
0,2
0,142
0
-0,2 nrAi Rafg Rig Frp/AC
-0,4 -0,074
-0,6
-0,8 -0,878
-1
Grafic nr. 12
72
5. Metodologie de analiză multifactorială
Numărul de rotații ale activului total prin cifra de afaceri prezintă corelații
pozitive cu numărul de rotații ale activelor imobilizate și cu rata îndatorării
globale, respectiv corelații negative cu rata autonomiei financiare globale și cu
raportul fond de rulment / active circulante.
Indicatori corelați cu numărul de rotații ale activelor
imobilizate. Eșantion = 1.424 întreprinderi.
0,2
0,142 0,154
0,15
0,094
0,1
0,05
0
-0,05 nrAt Rai Rac Rafg Rig
-0,1
-0,094
-0,15
-0,151
-0,2
Grafic nr. 13
Numărul de rotații ale activelor imobilizate prin cifra de afaceri prezintă
corelații pozitive cu numărul de rotații ale activului total, rata activelor
circulante și cu rata îndatorării globale, respectiv corelații negative cu rata
activelor imobilizate și cu rata autonomiei financiare globale.
Indicatori corelați cu durata de rotație a stocurilor.
Eșantion = 1.424 întreprinderi.
0,4 0,366
0,3
0,2
0,099
0,1
0
DzCr FRp Rpc Rdisp Frp/CA Ip/CA
-0,1 -0,063
-0,102
-0,2
-0,211
-0,3 -0,251
Grafic nr. 14
Durata de rotație a stocurilor prezintă corelații pozitive cu durata de rotație a
creanțelor și raportul Impozit pe profit / Cifra de afaceri, respectiv corelații
73
5. Metodologie de analiză multifactorială
0,05
0
DzSt Rsg FRp Rpc AC/Dt Frp/CA Ip/CA
-0,05
-0,1
-0,089
-0,15 -0,129 -0,127
Grafic nr. 15
Durata de rotație a creanțelor prezintă corelații pozitive cu durata de rotație a
stocurilor, rata solvabilității generale, raportul Active circulante/Datorii totale și
raportul Impozit pe profit/Cifra de afaceri, respectiv corelații negative cu fondul
de rulment propriu, rata profitabilității comerciale și raportul Fond de rulment
propriu/Cifra de afaceri.
Indicatori corelați cu Rata activelor imobilizate.
Eșantion = 1.424 întreprinderi.
0,2
-0,2
-0,4
-0,6
-0,8
-1
-1,2
Grafic nr. 16
74
5. Metodologie de analiză multifactorială
Grafic nr. 17
Rata activelor circulante prezintă corelații pozitive cu numărul de rotații ale
activelor imobilizate, rata îndatorării globale, fondul de rulment propriu, rata
profitabilității comerciale, raportul Restanțe/Cifra de afaceri, rata
disponibilităților, raportul Disponibilități/Datorii totale, raportul Active
circulante/Datorii totale, raportul Fond de rulment propriu/ Active circulante,
raportul Fond de rulment propriu/Cifra de afaceri, productivitatea muncii cu
baza de calcul în cifra de afaceri, productivitatea muncii cu baza de calcul în
rezultatul brut, raportul Impozit pe profit/Cifra de afaceri, respectiv corelații
negative cu rata activelor imobilizate și rata autonomiei financiare globale.
75
5. Metodologie de analiză multifactorială
-0,6
-0,8
-1 -0,878
-1
-1,2
Grafic nr. 18
Rata autonomiei financiare globale prezintă corelații pozitive cu rata activelor
imobilizate și cu rata finanțării activelor imobilizate din capital propriu,
respectiv corelații negative cu numărul de rotații ale activului total, numărul de
rotații ale activelor imobilizate, rata activelor circulante și rata îndatorării
globale.
Indicatori corelați cu Rata îndatorării globale.
Eșantion = 1.424 întreprinderi.
1 0,878
0,5
0,094 0,068
0
nrAt nrAi Rai Rac Rafg Cpr/Ai
-0,5 -0,065 -0,078
-1
-1
-1,5
Grafic nr. 19
Rata îndatorării globale prezintă corelații pozitive cu numărul de rotații ale
activului total, numărul de rotații ale activelor imobilizate, și rata activelor
circulante, respectiv corelații negative cu rata activelor imobilizate și cu rata
finanțării activelor imobilizate din capital propriu.
76
5. Metodologie de analiză multifactorială
0,8
0,6
0,451
0,4
0,172
0,2 0,088
0
DzCr Disp/Dt AC/Dt Ip/CA
Grafic nr. 20
Rata solvabilității generale prezintă corelații pozitive cu durata de rotație a
creanțelor, raportul Disponibilități/Datorii totale, raportul Active
circulante/Datorii totale și raportul Impozit pe profit/Cifra de afaceri.
Indicatori corelați cu fondul de rulment propriu.
Eșantion = 1.424 întreprinderi.
0,6 0,509
0,5
0,385 0,396
0,4 0,304
0,3 0,252
0,2
0,098 0,071
0,1 ,037
0
-0,1
-0,2 -0,129
-0,063
-0,3 -0,085
-0,263
-0,4
Grafic nr. 21
Fondul de rulment propriu prezintă corelații pozitive cu rata activelor
circulante, rata profitabilității comerciale, rata disponibilităților, raportul
Disponibilități/Datorii totale, raportul Fond de rulment/Cifra de afaceri, rata
finanțării activelor imobilizate din capital propriu, productivitatea muncii cu
bază de calcul în rezultatul brut al exercițiului și raportul Impozit pe profit/Cifra
de afaceri, respectiv corelații negative cu durata de rotație a stocurilor, durata de
rotație a creanțelor, rata activelor imobilizate și raportul Disponibilități/Cifra de
afaceri.
77
5. Metodologie de analiză multifactorială
0,6
0,385
0,4 0,325
-0,2 -0,129
-0,089 -0,07
-0,251
-0,4 -0,293
Grafic nr. 22
Rata profitabilității comerciale prezintă corelații pozitive cu rata activelor
circulante, fondul de rulment propriu, rata disponibilităților, raportul Fond de
rulment/Cifra de afaceri, rata finanțării activelor imobilizate din capital propriu,
productivitatea muncii cu bază de calcul în cifra de afaceri și cu productivitatea
muncii cu bază de calcul în rezultatul brut al exercițiului, respectiv corelații
negative cu durata de rotație a stocurilor, durata de rotație a creanțelor, rata
activelor imobilizate, raportul Disponibilități/Cifra de afaceri și raportul Impozit
pe profit/Cifra de afaceri.
Indicatori corelați cu raportul restanțe/cifra de afaceri.
Eșantion = 1.424 întreprinderi.
0,2 0,185
0,15
0,089 0,093
0,1 0,074
0,05
0
Rai Rac Restante / Dt Rdisp Restante/Disp
-0,05
-0,1 -0,081
Grafic nr. 23
Raportul Restanțe/Cifra de afaceri prezintă corelații pozitive cu rata activelor
circulante, raportul Restanțe/Datorii totale, rata disponibilităților și cu raportul
78
5. Metodologie de analiză multifactorială
-0,3
-0,282
-0,4
Grafic nr. 24
Rata disponibilităților prezintă corelații pozitive cu rata activelor circulante,
fondul de rulment propriu, rata profitabilității comerciale, raportul
Restanțe/Datorii totale, raportul Restanțe/Cifra de afaceri, raportul
Disponibilități/Datorii totale, raportul Disponibilități/Cifra de afaceri,
productivitatea muncii cu bază de calcul în rezultatul brut al exercițiului și cu
raportul Impozit pe profit/Cifra de afaceri, respectiv corelații negative cu durata
de rotație a stocurilor și rata activelor imobilizate.
Indicatori corelați cu raportul Disponibilități/Datorii totale.
Eșantion = 1.424 întreprinderi.
0,5 0,451 0,446
0,4
0,3 0,254
0,2
0,102 0,099 0,095 0,1
0,1
0
Rai Rac Rsg Restante / Dt Rdisp Disp/CA AC/Dt Ip/CA
-0,1
-0,096
-0,2
Grafic nr. 25
Raportul Disponibilități/datorii totale prezintă corelații pozitive cu rata activelor
circulante, rata solvabilității generale, raportul restanțe/Datorii totale, rata
79
5. Metodologie de analiză multifactorială
0,15
0,095 0,094
0,1
0,05
-0,1 -0,07
-0,085 -0,093
-0,15
Grafic nr. 26
Raportul Disponibilități/Cifra de afaceri prezintă corelații pozitive cu rata
disponibilităților, raportul Disponibilități/Datorii totale, raportul Impozit pe
profit/Cifra de afaceri, respectiv corelații negative cu fondul de rulment propriu,
rata profitabilității comerciale și cu raportul Impozit pe profit/Cifra de afaceri.
Indicatori corelați cu raportul Fond de rulment propriu/Cifra de
afaceri. Eșantion = 1.424 întreprinderi.
0,8 0,689
0,7
0,6 0,509
0,5
0,4 0,321
0,3 0,23
0,2 0,161
0,1 0,058
0
-0,1
-0,2 -0,127
-0,171 -0,093
-0,3 -0,211 -0,12
Grafic nr. 27
Raportul Fond de rulment propriu/Cifra de afaceri prezintă corelații pozitive cu
rata activelor circulante, fondul de rulment propriu, rata profitabilității
comerciale, raportul Active circulante/Datorii totale, rata finanțării activelor
imobilizate din capital propriu și cu productivitatea muncii cu bază de calcul în
80
5. Metodologie de analiză multifactorială
Grafic nr. 28
Rata finanțării activelor imobilizate din capital propriu prezintă corelații
pozitive cu rata autonomiei financiare globale, fondul de rulment propriu, rata
profitabilității comerciale, raportul Fond de rulment propriu/Cifra de afaceri și
cu productivitatea muncii cu bază de calcul în rezultatul brut al exercițiului,
respectiv corelație negativă cu rata îndatorării globale.
Indicatori corelați cu productivitatea muncii cu bază de
calcul în cifra de afaceri. Eșantion = 1.424 întreprinderi.
0,25 0,22
0,2
0,15
0,099 0,099
0,1
0,05
0
-0,05 Rai Rac Rpc Rb/Angajati Ip/CA
-0,1
-0,099
-0,15
-0,2 -0,155
Grafic nr. 29
Productivitatea muncii cu bază de calcul în cifra de afaceri prezintă corelații
pozitive cu rata activelor circulante, rata profitabilității comerciale și cu
productivitatea muncii cu bază de calcul în rezultatul brut al exercițiului,
81
5. Metodologie de analiză multifactorială
-0,1
-0,097
-0,2
Grafic nr. 30
Productivitatea muncii cu bază de calcul în rezultatul brut al exercițiului
prezintă corelații pozitive cu rata activelor circulante, fondul de rulment
propriu, rata profitabilității comerciale, rata disponibilităților, raportul Fond de
rulment propriu/Cifra de afaceri, rata finanțării activelor imobilizate din capital
propriu, productivitatea muncii cu bază de calcul în cifra de afaceri și cu
raportul Impozit pe profit/Cifra de afaceri, respectiv corelație negativă cu rata
activelor imobilizate.
Indicatori corelați cu raportul Impozit pe profit/Cifra de
afaceri. Eșantion = 1.424 întreprinderi.
0,4 0,366
0,3
0,2 0,163 0,172 0,171
0,087 0,104 0,1 0,094 0,097
0,1 0,071
0
-0,1
-0,078 -0,068
-0,2
-0,3 -0,12 -0,155
-0,293
-0,4
Grafic nr. 31
Raportul Impozit pe profit/Cifra de afaceri prezintă corelații pozitive cu durata
de rotație a stocurilor, durata de rotație a creanțelor, rata activelor circulante,
82
5. Metodologie de analiză multifactorială
83
5. Metodologie de analiză multifactorială
Unde:
- Z1 = scorul asociat unei întreprinderi. Scorul constă într-o regresie
liniară simplă în care variabilele explicative sunt reprezentate de ratele
financiare: Z1 = a + b1X1 + b 2 X 2 + ... + b m X m .
84
5. Metodologie de analiză multifactorială
85
5. Metodologie de analiză multifactorială
86
5. Metodologie de analiză multifactorială
1 + e − Z1
P(Z)
0,6
0,4
0,2
0,0
Z
Z1 = 0,635 DzCr × 10−3 − 0,343 Rpc − 0,243Disp/Dt − 1,185 Rai − 0,544 Frp × 10−6
Grafic nr. 32
Utilizând drept prag de decizie valoarea de 0,5 a funcției de regresie,
acuratețea obținută în clasarea firmelor din cadrul eșantionului original
(perechile de date aferente exercițiului financiar 2010) este de 66,7%. Astfel,
clasând drept insolvente toate firmele a căror probabilitate de intrare în
insolvență estimată în baza funcției de regresie a fost mai mare de 0,5, sunt
clasate corect 267 dintre cele 429 de firme insolvente din cadrul eșantionului
aferent anului 2010.
Similar, clasând drept sănătoase toate firmele a căror probabilitate de
intrare în insolvență estimată în baza funcției de regresie a fost mai mică de 0,5,
sunt clasate corect 305 dintre cele 429 de firme sănătoase din cadrul
eșantionului aferent anului 2010.
87
5. Metodologie de analiză multifactorială
66,7% 66,7%
68,0%
66,0%
64,0%
60,6%
62,0% 60,0%
60,0%
58,0%
56,0%
2007 2008 2009 2010
Grafic nr. 33
Acuratețea obținută în clasare prin utilizarea funcției propuse depășește în
perioada 2009 – 2010 atât pragul de utilitate în raport cu acuratețea naturală
(62,5%), cât și acuratețea oferită de cea mai performantă rată financiară utilizată
individual (64,5%).
Totuși, se manifestă diferențe semnificative în ceea ce privește nivelurile de
eroare între grupul întreprinderilor insolvente și grupul întreprinderilor
sănătoase.
Comparație privind acuratețea în clasare. Eșantion = 1424 firme din
perioada 2007-2010. Prag de decizie = 0,5 (Z1=0).
90,0% 78,7% 81,1%
80,0% 73,3% 71,1%
70,0%
60,0% 52,2% 62,2%
46,7%
acuratețe
50,0% 42,6%
insolvente
40,0%
30,0% sănătoase
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 34
Cu toate că acuratețea reprezintă un criteriu simplu de evaluare a
performanței unui model, relevanța acesteia este diminuată odată cu scăderea
frecvenței de apariție a fenomenului urmărit (Metz, 1978). Acuratețea în
clasarea întreprinderilor (ca sănătoase sau insolvente) permite realizarea de
comparații între modele în cazul aplicării asupra unor populații cu frecvențe
egale ale celor două stări. Aceasta poate fi definită prin ponderea
întreprinderilor clasate corect în totalul întreprinderilor supuse analizei.
88
5. Metodologie de analiză multifactorială
89
5. Metodologie de analiză multifactorială
Grafic nr. 35
Valorile funcției de regresie logistică sunt cuprinse în intervalul (0;1).
Alegerea unei valori apropiate de 1 a funcției de regresie logistică drept prag de
decizie va reduce senzitivitatea, dar va spori specificitatea. Majoritatea
întreprinderilor insolvente vor fi în aceste condiții clasate greșit, dar majoritatea
întreprinderilor sănătoase vor fi clasate corect. Decidentul ar reduce astfel rata
cazurilor fals pozitive, acceptând o sporire a ratei cazurilor fals negative.
Dimpotrivă, alegerea unei valori apropiate de 0 a funcției de regresie
logistică drept prag de decizie va spori senzitivitatea, dar va reduce
specificitatea. Majoritatea întreprinderilor insolvente vor fi în aceste condiții
clasate corect, dar majoritatea întreprinderilor sănătoase vor fi clasate greșit.
Sporește astfel rata cazurilor fals pozitive, respectiv are loc o reducere a ratei
cazurilor fals negative.
număr de firme diagnosticate greșit drept insolvente
rata cazurilor fals pozitive =
număr de firme sănătoase
90
5. Metodologie de analiză multifactorială
număr de firme diagnosticate greșit drept sănătoase
rata cazurilor fals negative =
număr de firme insolvente
91
5. Metodologie de analiză multifactorială
78,5%
73,9%
73,7%
71,1%
70,9%
67,4%
67,4%
80,0%
65,5%
70,0%
56,0%
60,0% 50,0% 46,8%
50,0% Insolvente
40,0%
Sănătoase
30,0%
Total
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 36
Pentru anul 2010, valoarea de 0,49 a funcției de regresie aproximează
egalitatea acurateței în clasarea firmelor din cele 2 grupuri. Valoarea de decizie
care asigură egalitatea acurateței în clasarea celor 2 grupuri variază între 0,46 și
0,49 la nivelul perioadei 2007 – 2010.
Valoarea de decizie
0,495 0,49
0,49
0,485 0,48
0,48
0,475
0,47
0,465 0,46 0,46
0,46
0,455
0,45
0,445
2007 2008 2009 2010
Grafic nr. 37
În condițiile în care acuratețea naturală nu poate fi depășită pe seama
unei valori de decizie singulare, a fost avută în vedere evaluarea gradului de risc
pe intervale ale funcției de regresie logistică propuse.
Valorile însușite de funcția de regresie logistică au fost grupate în 10 intervale.
Indicii de risc prezentați în tabelul nr. 4 au fost calculați prin raportarea
incidenței cazurilor de insolvență aferente unui anumit interval la incidența
92
5. Metodologie de analiză multifactorială
200,0%
150,0%
91,8%
100,0% 69,2% 73,2% 66,9%
50,0% 16,7% 34,2%
49,2% 7,1%
0,0%
2007 2008 2009 2010
Risc redus: Probabilitate (Z1) < 0,3 Risc mediu: 0,3 <= Probabilitate (Z1) < 0,5
Risc ridicat: Probabilitate (Z1) >= 0,5
Grafic nr. 38
93
5. Metodologie de analiză multifactorială
100,0%
17,1% 21,8% 24,9% 28,8%
80,0%
Risc ridicat
60,0%
62,5% 59,1% Risc mediu
56,7% 54,7%
40,0%
Risc redus
20,0%
20,3% 19,1% 18,4% 16,5%
0,0%
2007 2008 2009 2010
Grafic nr. 39
Nu este recomandată încercarea explicării stării întreprinderii în funcție
de valorile ratelor individuale cuprinse ca variabile independente în model (în
cadrul unei analize efectuate post-factum). Utilizarea modelului se impune a fi
realizată strict în scopuri predictive. Necesitatea unui model multivariat este
dată tocmai de incapacitatea unei singure rate de a explica cu suficientă
acuratețe apariția unei anumite stări.
94
5. Metodologie de analiză multifactorială
95
5. Metodologie de analiză multifactorială
0,71 0,707
0,705
0,7 0,697
0,694 0,695
0,695
0,69
0,685
0,68
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 Model 10 Model 11
Grafic nr. 40
96
5. Metodologie de analiză multifactorială
Grafic nr. 41
Scorul Z2 are următoarea formă:
Z2 = 0,248 − 0,695 DzCr × 10−4 + 0,246 × Frp × 10−6 + 0,345WLrb × 10−5 + 0,105Rafg × 10−1
unde:
o DzCr - durata de rotație a creanțelor;
o Frp - fond de rulment propriu;
o WLrb - productivitatea muncii cu baza de calcul în rezultatul brut al
exercițiului;
o Rafg - rata autonomiei financiare globale.
Valoarea de decizie care maximizează acuratețea la nivelul eșantionului format
din perechi de firme cu date aferente exercițiului financiar 2010 este Z2 =0,136.
Clasând toate firmele cu valori ale Z2 mai mari de 0,136 drept sănătoase,
respectiv firmele cu valori ale Z2 mai mici de 0,136 drept insolvente, se obține
la nivelul eșantionului de firme din 2010 o acuratețe de 68,1%, cu o
senzitivitate de 60,6% și o specificitate de 75%.
97
5. Metodologie de analiză multifactorială
60,6%
50,0% 43,3%
36,2% insolvente
40,0%
sănătoase
30,0%
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 42
Folosind valoarea Z2 =0,166 drept prag de decizie la nivelul întregului eșantion
aferent perioadei 2007 – 2010, se obține o acuratețe generală în clasare de
66,6%.
Acuratețea în clasare în baza scorului Z1. Eșantion = 1424 firme din
perioada 2007-2010. Prag de decizie (Z2) = 0,136.
67,6% 68,1%
70,0%
68,0% 65,0%
66,0%
64,0%
62,0% 59,0%
60,0%
58,0%
56,0%
54,0%
2007 2008 2009 2010
Grafic nr. 43
Acuratețea predicției la nivelul populației țintă.
Prag de decizie (Z2) = 0,187.
80,7%
80,7%
76,7%
76,4%
100,0%
70,6%
70,6%
69,0%
69,0%
0,0%
2007 2008 2009 2010
Grafic nr. 44
98
5. Metodologie de analiză multifactorială
0,15
0,1
0,05
0
2007 2008 2009 2010
Grafic nr. 45
În condițiile în care acuratețea naturală nu poate fi depășită pe seama
unei valori de decizie singulare, a fost avută în vedere evaluarea gradului de risc
pe intervale ale scorului Z2.
Valorile însușite de scorul Z2 au fost grupate în 10 intervale. Indicii de risc
prezentați în tabelul nr. 5 au fost calculați prin raportarea incidenței cazurilor de
insolvență aferente unui anumit interval la incidența medie a cazurilor de
insolvență aferentă întregii populații țintă pentru un exercițiu financiar.
150,0%
91,3%
100,0% 65,5% 56,6% 53,8%
50,0%
64,4%
48,2% 36,3% 36,3%
0,0%
2007 2008 2009 2010
Risc ridicat: Z2 < 0,2 Risc mediu: 0,2 <= Z2 < 0,27 Risc redus: Z2 >= 0,27
Grafic nr. 46
Conform graficului nr. 47, aproximativ 25%-35% dintre întreprinderile incluse
în populația țintă sunt asociate clasei de risc ridicat în baza modelului propus.
Distribuția firmelor pe clase de risc în funcție de Z2.
100,0%
36,2% 35,3% 32,9% 31,5%
80,0%
60,0% 32,5%
37,3% 33,3%
40,7%
40,0%
20,0% 27,4% 33,8% 36,0%
23,1%
0,0%
2007 2008 2009 2010
Grafic nr. 47
100
5. Metodologie de analiză multifactorială
101
5. Metodologie de analiză multifactorială
Modelele cu cele mai ridicate valori ale AUC sunt incluse graficul nr. 48.
Valoarea maximă a AUC a fost cea de 0,700.
Configurare Z3. Comparație după AUC.
0,700 0,700
0,7 0,695
0,693 0,693
0,695
0,69 0,685
0,685 0,681 0,682
0,68 0,677
0,675
0,675
0,67
0,665
0,66
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 Model 10
Grafic nr. 48
103
5. Metodologie de analiză multifactorială
104
5. Metodologie de analiză multifactorială
Grafic nr. 49
105
5. Metodologie de analiză multifactorială
Forma funcției
1,5
logistice
1,0
P(Z)
0,5
0,0
Z 1
P(Stare = 1 ⋮ Z3 ) = −5 −0,235 WL −5 +0,375 DzCr ×10 −4 −0,913DzSt ×10 −5 −1,964IpC A )
e−(−3,222 −1,883 Rdisp −0,266 CprA i×10 rb ×10
Grafic nr. 50
unde:
o Rdisp - rata disponibilităților;
o CprAi - rata finanțării activelor imobilizate din capital propriu;
o WLrb - productivitatea muncii cu baza de calcul în rezultatul brut al
exercițiului;
o DzCr - durata de rotație a creanțelor;
o DzSt - durata de rotație a stocurilor;
o IpCA - raportul Impozit pe profit/Cifra de afaceri.
Valoarea de decizie de 0,034 asigură egalitatea aproximativă între senzitivitate
și specificitate la nivelul eșantionului format din perechi de firme cu date
106
5. Metodologie de analiză multifactorială
aferente exercițiului financiar 2010. Clasând toate firmele cu valori ale funcției
mai mari de 0,034 drept insolvente, respectiv firmele cu valori ale funcției mai
mici de 0,034 drept sănătoase se obține la nivelul eșantionului de firme din
2010 o acuratețe de 63,2%, cu o senzitivitate de 63,6% și o specificitate de
62,7%.
40,0%
insolvente
30,0%
sănătoase
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 51
Folosind valoarea Z3 =0,034 drept prag de decizie la nivelul întregului eșantion
aferent perioadei 2007 – 2010, se obține o acuratețe generală în clasare de
61,1%.
Acuratețea în clasare în baza scorului Z3. Eșantion = 1424 firme din
perioada 2007-2010. Prag de decizie = 0,034 (Z3).
60,1% 63,2%
70,0% 58,8%
60,0% 46,7%
50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 52
La nivelul întregii populații țintă din anul 2010, valoarea de 0,0337 a funcției
de regresie logistică aproximează egalitatea acurateței în clasarea firmelor din
cele 2 grupuri.
107
5. Metodologie de analiză multifactorială
64,3%
64,3%
63,4%
63,4%
62,7%
62,7%
57,3%
57,3%
64,8% 64,3%
70,0%
56,4%
60,0% 50,0%
50,0%
40,0% Insolvente
30,0% Sănătoase
20,0% Total
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 53
Valoarea de decizie care asigură egalitatea acurateței în clasarea celor 2 grupuri
variază între 0,0315 și 0,0338 la nivelul perioadei 2007 – 2010.
Valoarea de decizie (Z3)
0,034 0,0338 0,0337
0,0335
0,0335
0,033
0,0325
0,032
0,0315
0,0315
0,031
0,0305
0,03
2007 2008 2009 2010
Grafic nr. 54
În condițiile în care acuratețea naturală nu poate fi depășită pe seama
unei valori de decizie singulare, a fost avută în vedere evaluarea gradului de risc
pe intervale ale funcției de regresie logistică.
Valorile însușite de funcția de regresie logistică au fost grupate în 10 intervale.
Indicii de risc prezentați în tabelul nr. 7 au fost calculați prin raportarea
incidenței cazurilor de insolvență aferente unui anumit interval la incidența
medie a cazurilor de insolvență aferentă întregii populații țintă pentru un
exercițiu financiar.
108
5. Metodologie de analiză multifactorială
150,0%
87,6% 87,2% 83,2%
100,0% 74,2%
47,6% 45,9%
50,0%
49,1% 69,4%
0,0%
2007 2008 2009 2010
Risc redus: Probabilitate (Z3) < 0,024 Risc mediu: 0,024 <= Probabilitate (Z3) < 0,036
Risc ridicat: Probabilitate (Z3) >= 0,036
Grafic nr. 55
Astfel, informația care îi este oferită analistului este aceea că:
o din 1.000 de firme încadrate în anul 2010 în clasa de risc redus,
aproximativ 13 vor intra în insolvență în 2 ani;
o din 1.000 de firme încadrate în anul 2010 în clasa de risc mediu,
aproximativ 21 vor intra în insolvență în 2 ani;
109
5. Metodologie de analiză multifactorială
100,0%
24,3% 30,3% 22,2% 22,3%
80,0%
Risc ridicat
60,0% 41,8% 46,1% 45,2%
39,1% Risc mediu
40,0%
Risc redus
20,0% 34,0% 30,7% 31,7% 32,5%
0,0%
2007 2008 2009 2010
Grafic nr. 56
5.3.2.Analiză discriminantă
În vederea configurării unui model prin analiză discriminantă, datele
corespunzătoare celor 15.071 de firme din anul 2010 au fost procesate în cadrul
aplicației SPSS. În acest sens, au fost testate combinații ale celor 26 de rate
disponibile, evitând asocierea ratelor puternic corelate.
Fiecare combinație de rate a fost constituită sub forma unui model distinct.
Pentru fiecare astfel de model a fost construită curba ROC la nivelul populației
țintă din anul 2010. Modelele au fost comparate pe seama indicatorului AUC.
Modelele cu cele mai ridicate valori ale AUC sunt incluse în graficul nr. 57.
Valoarea maximă a AUC a fost cea de 0,744.
Configurare Z4. Comparație după AUC.
0,76 0,744
0,737 0,741
0,732 0,731
0,74 0,723 0,723
0,72
0,7
0,679 0,677 0,679
0,68
0,66
0,64
Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 Model 10
Grafic nr. 57
110
5. Metodologie de analiză multifactorială
Grafic nr. 58
111
5. Metodologie de analiză multifactorială
79,5%
74,0%
73,8%
70,4%
70,4%
68,3%
68,3%
80,0% 69,2% 68,3%
70,0%
56,7%
60,0% 52,1%
50,0% Insolvente
40,0%
Să nă toase
30,0%
Tota l
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 59
Valoarea de decizie care asigură egalitatea acurateței în clasarea celor 2 grupuri
variază între 0,0184 și 0,055 la nivelul perioadei 2007 – 2010.
Valoarea de decizie (Z4)
0,06 0,055 0,055
0,05
0,04
0,03
0,0199 0,0184
0,02
0,01
0
2007 2008 2009 2010
Grafic nr. 60
La nivelul eșantionului format din perechi de firme cu date aferente exercițiului
financiar 2010, clasând toate firmele cu valori ale Z4 mai mari de 0,0184 drept
112
5. Metodologie de analiză multifactorială
50,0%
insolvente
40,0%
30,0% sănătoase
20,0%
10,0%
0,0%
2007 2008 2009 2010
Grafic nr. 61
Folosind valoarea Z4 =0,0184 drept prag de decizie la nivelul întregului eșantion
aferent perioadei 2007 – 2010, se obține o acuratețe generală în clasare de
65,5%.
Acuratețea în clasare în baza scorului Z4. Eșantion = 1424 firme din
perioada 2007-2010. Prag de decizie = 0,0184 (Z4).
66,7% 66,7%
67,0% 65,9%
66,0%
65,0%
64,0%
63,0% 61,7%
62,0%
61,0%
60,0%
59,0%
2007 2008 2009 2010
Grafic nr. 62
În continuare, a fost avută în vedere evaluarea gradului de risc pe intervale ale
scorului Z4.
Indicii de risc prezentați în tabelul nr. 8 au fost calculați prin raportarea
incidenței cazurilor de insolvență aferente unui anumit interval la incidența
medie a cazurilor de insolvență aferentă întregii populații țintă pentru un
exercițiu financiar.
113
5. Metodologie de analiză multifactorială
200,0%
150,0%
74,0% 75,1% 80,8% 68,6%
100,0%
50,0%
45,0% 58,8% 29,5% 37,0%
0,0%
2007 2008 2009 2010
Risc ridicat: Z4 < 0 Risc mediu: 0 <= Z4 < 0,08 Risc redus: Z4 >= 0,08
Grafic nr. 63
Astfel, informația care îi este oferită analistului este aceea că:
o din 1.000 de firme încadrate în anul 2010 în clasa de risc redus,
aproximativ 10 vor intra în insolvență în 2 ani;
114
5. Metodologie de analiză multifactorială
100,0%
80,0% 51,8% 47,1% 44,8% 42,9%
60,0%
29,6% 28,9%
40,0% 31,5% 34,0%
20,0% 25,6% 28,2%
16,7% 18,9%
0,0%
2007 2008 2009 2010
Grafic nr. 64
115
5. Metodologie de analiză multifactorială
Grafic nr. 65
116
5. Metodologie de analiză multifactorială
0,746
0,750
0,730
0,740
0,730 0,713
0,720
0,710
0,700 0,686
0,690
0,680
0,670
0,660
0,650
Model 1 Model 2 Model 3 Model 4
Grafic nr. 66
Modelul 4 este apreciat a fi cel mai stabil, prezentând o valoare a AUC de 0,744
în 2010 și 0,746 în anul 2009.
Având în vedere ponderea majoritară a întreprinderilor sănătoase în
totalul populației țintă, acuratețea generală în clasare poate fi maximizată prin
maximizarea specificității, în detrimentul senzitivității (cu acceptarea unor
nivele ridicate ale erorilor de gradul I).
Comparație modele în baza acurateței la nivelul populației
țintă din anul 2010
70,00%
68,90%
69,00% 68,3%
68,00%
67,00% 66,20%
66,00%
65,00% 64,3%
64,00%
63,00%
62,00%
Model 1 Model 2 Model 3 Model 4
Grafic nr. 67
117
5. Metodologie de analiză multifactorială
Grafic nr. 68
Acuratețea maximă prezintă relevanță în compararea modelelor la nivelul
eșantionului format din perechi de firme, în condițiile în care frecvența firmelor
insolvente este egală cu frecvența firmelor sănătoase.
Acuratețe maximă la nivelul eșantionului din 2010
68,10%
69,00%
67,10%
68,00%
67,00% 66,00%
66,00%
65,00%
63,20%
64,00%
63,00%
62,00%
61,00%
60,00%
Model 1 Model 2 Model 3 Model 4
Grafic nr. 69
118
5. Metodologie de analiză multifactorială
Grafic nr. 70
Metodologia de analiză recomandată prevede 3 intervale de referință
pentru fiecare model. A fost avută în vedere compararea frecvenței cazurilor de
insolvență specifice intervalelor de la extremități ale fiecărui model. În acest
sens, pentru fiecare model a fost calculat raportul între frecvența cazurilor de
insolvență aferentă grupului caracterizat prin riscuri ridicate și frecvența
cazurilor de insolvență aferentă grupului caracterizat prin riscuri reduse.
Raportul dintre incidența cazurilor de insolvență: grup de risc
ridicat / grup de risc redus, 2010
35,0 30,5
30,0
25,0
20,0
15,0
5,4 5,0 6,2
10,0
5,0
0,0
Model 1 Model 2 Model 3 Model 4
Grafic nr. 71
119
5. Metodologie de analiză multifactorială
10,0 8,3
8,0 6,1
5,6
6,0 4,4
4,0
2,0
0,0
Model 1 Model 2 Model 3 Model 4
Grafic nr. 72
În baza premisei că modelele dezvoltate asupra populației din anul 2010
vor prezenta performanțe similare pentru exercițiul financiar 2011 cu
performanțele aferente exercițiului financiar 2009, se apreciază că modelul 4
este cel care prezintă cele mai înalte nivele de performanță în clasare (dar și de
stabilitate în timp).
120
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
(sau pot fi controlați doar parțial), rămân factori prin intermediul cărora acesta
poate acționa în vederea maximizării performanței.
În aceste condiții, în elaborarea previziunilor financiare, întreprinderea va putea
folosi metode statistice pentru estimarea factorilor imposibil de controlat, dar va
proceda la planificarea factorilor asupra cărora deține control (în cadrul funcției
de planificare, ca atribut al managementului).
În ceea ce privește construcția contabilă a tablourilor de fluxuri de numerar,
metodele recunoscute în teoria și practica contabilă sunt grupate în 2 categorii:
- abordarea directă;
- abordarea indirectă.
125
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
IESIRI DE NUMERAR
9 Plata contravaloare materii prime - fără TVA
10 Plata contravaloare materii prime - TVA
11 Plata contravaloare materiale auxiliare - fără TVA
12 Plata contravaloare materiale auxiliare - TVA
13 Plata contravaloare combustibil - fără TVA
14 Plata contravaloare combustibil - TVA
15 Plata contravaloare piese de schimb - fără TVA
16 Plata contravaloare piese de schimb - TVA
17 Plata contravaloare obiecte de inventar - fără TVA
18 Plata contravaloare obiecte de inventar - TVA
19 Plata contravaloare marfuri din casierie - fără TVA
20 Plata contravaloare marfuri din casierie - TVA
21 Plata pe baza de efecte comerciale
22 Avansuri acordate furnizorilor pentru cumparari de bunuri de natura stocurilor
23 Avansuri acordate furnizorilor pentru prestari de servicii sau executie de lucrari
24 Achitare salarii nete
25 Achitare drepturi de personal neridicate la termen - din cont bancar
26 Achitare drepturi de personal neridicate la termen - din casierie
27 Plata contribuţie personal la asigurările sociale
28 Plata contribuţie personal la asigurările sociale de sanatate
29 Plata contribuţie personal la fondul de şomaj
30 Plata impozit salarii
31 Plata alte obligatii personal
32 Plata "Alte impozite, taxe si varsaminte asimilate"
33 Plata energie si apa - inclusiv TVA
34 Plata servicii de intretinere si reparatii - inclusiv TVA
126
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
IESIRI DE NUMERAR
65 Plata programe informatice - fără TVA
66 Plata programe informatice - TVA
67 Plata contravaloare terenuri - fără TVA
68 Plata contravaloare terenuri - TVA
69 Plata contravaloare constructii - fără TVA
127
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
IESIRI DE NUMERAR
89 Rambursare credite bancar pe termen lung
90 Rambursare de credite bancare pe t. scurt, pentru nevoi temporare, in conturi distincte
91 Restituire credit asociati
92 Plata factura leasing - principal
93 Plata factura leasing - dobanda
94 Plata factura leasing - TVA
95 Plata dobanzi aferente creditelor acordate de bănci în conturile curente
96 Plata dobanda aferenta creditelor bancare pe termen scurt (in conturi distincte)
97 Total iesiri de numerar din activitatea de finantare
98 Flux de numerar net aferent activitatii de finantare
128
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
141.069
150.000
105.968
100.000
50.000
0
Vt = 0 Vt > 0
Grafic nr. 73
Din totalul celor 247.037 de situații financiare cuprinse în analiză, 105.968 au
raportat venituri.
Ponderea cifrei de afaceri în total venituri. Eșantion = 105.968 situații
financiare
80,0% 59,5%
60,0%
40,0%
13,9% 8,1%
20,0% 1,6% 5,1% 4,2% 2,3% 1,4% 1,1% 2,9%
0,0%
100 % >= CA /
CA / Vt > 100 %
CA / Vt = 0 %
99 % >= CA / Vt
95 % >= CA / Vt
90 % >= CA / Vt
80 % >= CA / Vt
70 % >= CA / Vt
60 % >= CA / Vt
50 % >= CA / Vt
Vt > 99 %
> 95 %
> 90 %
> 80 %
> 70 %
> 60 %
> 50 %
>0%
Grafic nr. 74
129
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
130
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
132
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
133
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
134
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
136
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
de materii prime (12) la nivelul perioadei (diferența între soldul final și soldul
inițial) corespunde situației în care plățile față de furnizorii de materii prime
sunt inferioare achizițiilor de materii prime.
O variație negativă a stocurilor de produse finite corespunde în general
situației în care vânzările realizate la nivelul perioadei au fost superioare
producției. Cu toate că scenariul de bază ce poate fi presupus în cazul
înregistrării oricăror rulaje debitoare ale contului 345 este acela al vânzării (701
= 345), rulajele pot avea la bază și înregistrarea ca mărfuri a produselor finite
transferate în magazinele proprii (371 = 345) sau reținerea produselor în cadrul
întreprinderii în vederea consumului (301 = 345).
O destocare de produse finite în baza unui volum al vânzărilor superior
volumului producției nu se va regăsi în rezultatul net al exercițiului decât
parțial. Astfel, la vânzarea produselor realizate în exercițiul anterior, în paralel
cu înregistrarea veniturilor din vânzări (4111 = 701) se înregistrează o variație
negativă a veniturilor de natura producției stocate (711 = 345), impactul
operațiunii asupra rezultatului net al exercițiului fiind limitat la diferența dintre
prețul de vânzare și prețul de înregistrare. Adunând în aceste condiții variația
negativă a stocurilor de produse finite (valoarea absolută) la rezultatul net al
exercițiului, intrările de numerar din activitatea operațională sunt corectate cu
valoarea la prețul de înregistrare a destocării. Pentru izolarea corectă a
încasărilor din vânzări, se impun în continuare corecții legate de variația
creanțelor comerciale.
În situațiile în care diminuarea stocurilor de produse finite are la bază un
transfer parțial al produselor în magazinele proprii, diminuarea stocurilor de
produse finite este compensată de o sporire a stocurilor de mărfuri.
În situația reținerii produselor finite în vederea consumului, diminuarea
stocului de produse finite este compensată de o creștere a consumului de materii
prime fără înregistrarea de plăți pentru achiziția materiilor prime.
Creșterea stocurilor de materii prime între începutul și finalul perioadei
de analiză pune în evidență superioritatea achizițiilor de materii prime în raport
cu consumurile (reflectate prin cheltuieli). Indiferent de motivele sporirii
stocurilor (creșterea volumului de activitate, creșterea consumurilor specifice,
creșterea duratei de stocare), aceasta se impune a fi adăugată la cheltuielile cu
materiile prime în efortul de reconstituire a fluxului de numerar net operațional.
Creșterea stocurilor de produse finite sugerează în primul rând o
superioritate a volumului producției în raport cu vânzările. Cheltuielile aferente
producției suplimentare stocate diminuează rezultatul net al exercițiului, partea
monetară a acestora afectând și fluxul de numerar net operațional al perioadei.
La sfârșitul fiecărei luni, producția obținută este încărcată asupra veniturilor
139
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
143
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
145
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30%
70%
Grafic nr. 75
Din totalul celor 50 de întreprinderi incluse în eșantion, 35 au utilizat
metoda directă în construcția tablourilor de fluxuri de numerar, 15 apelând la
metoda indirectă. Se precizează deasemenea că 30 de întreprinderi au utilizat
modele de tablouri proprii, în timp ce celelalte 20 au utilizat modele impuse de
finanțatori (bănci sau organisme responsabile de gestiunea unor programe de
finanțare prin fonduri nerambursabile).
146
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
147
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Grafic nr. 76
Plățile operaționale au fost reflectate defalcat pentru 9 categorii
distincte. La nivelul întregului eșantion, ponderea cea mai ridicată în totalul
plăților a fost deținută de plățile pentru materii prime și materiale consumabile.
Structura plăților a fost relativ constantă de la o perioadă la alta pentru
aceeași întreprindere, prezentând în schimb diferențe majore de la un domeniu
de activitate la altul. Plățile pentru materii prime au deținut ponderi importante
în totalul plăților operaționale pentru întreprinderile care au derulat activități de
natura producției de bunuri. În cazul firmelor prestatoare de servicii, plățile
pentru materii prime au fost absente, fiind înlocuite de plățile pentru materiale
consumabile.
Domeniile de activitate ale firmelor din eșantion au inclus:
o Elaborare aplicații web și mobile (1);
o Stomatologie (4);
o Chirurgie urologică (1);
o Servicii de pază și protecție (1);
o Producție de materiale pentru construcții (2);
o Servicii de ambalare a mierii de albine (1);
o Servicii de ridicări auto (1);
o Servicii de tip after-school (1);
o Producție agricolă animalieră (2);
o Producție de cazane termice (1);
o Comerț cu amănuntul (5);
o Producție de mobilier (1);
o Producție legumicolă (1);
o Servicii hoteliere (2);
o Gestiune deșeuri (3);
148
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
o Fast-food (1);
o Service echipamente frigorifice (1);
o Închiriere spații (4);
o Activității de fitness (1);
o Telefonie mobilă (1);
o Comerț cu ridicata (1);
o Producție energie termică (1);
o Acvacultură (1);
o Procesare produse piscicole (1);
o Parcuri de distracții (1);
o Gestiune piețe de fructe și legume (1);
o Producție în indistria metalurgică (1);
o Tehnică dentară;
o Șlefuire matrițe (1);
o Execuție lucrări de construcții – montaj (1);
o Servicii de medicină generală (3);
o Producție de cherestea (1).
149
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
152
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
153
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) =
𝑃𝑃𝑃𝑃 ×(𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ×𝐼𝐼𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃 𝑎𝑎𝑎𝑎 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝐴𝐴𝐴𝐴𝐴𝐴 )
𝑃𝑃𝑃𝑃 ×(𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔 𝐴𝐴𝐴𝐴𝐴𝐴 )
-1
⇔ 𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 )
(𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝐼𝐼𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑠𝑠𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴 )
= −1
(𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴 )
Unde: �𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑎𝑎 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴 � = 1
(𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝐼𝐼𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴 )
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) =
1
−1
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 )
(𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 1) + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴 )
= −1
1
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 )
𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 +𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 𝑔𝑔𝑔𝑔𝐴𝐴𝐴𝐴𝐴𝐴
= −1
1
𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 1
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = −1
1
𝑟𝑟𝑃𝑃𝑃𝑃 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃
Impactul transmis de abaterea plăților cu materiile prime și materialele
consumabile asupra totalului plăților operaționale este direct proporțional cu
ponderea planificată a plăților cu materiile prime și materialele consumabile în
totalul plăților operaționale și cu ritmul de creștere al plăților cu materiile prime
și materialele consumabile. Acest impact este cuantificat prin intermediul
ritmului de creștere al plăților operaționale totale.
Senzitivitatea plăților operaționale în raport cu plățile cu materiile prime
și materialele consumabile este evidențiată prin intermediul ritmului de creștere
al plăților operaționale totale generat de o variație relativă (ritm de creștere) de
1% al plăților cu materiile prime și materialele consumabile. Prin intermediul
plăților totale, variația plăților cu materiile prime și materialele consumabile își
transmite influența asupra fluxului de numerar net operațional. Impactul plăților
cu materiile prime și materialele consumabile asupra fluxului de numerar net
operațional este cuantificat prin intermediul ritmului de creștere al fluxului de
numerar net operațional (𝑟𝑟𝐹𝐹𝐹𝐹𝐹𝐹 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 )).
154
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Grafic nr. 77
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților privind materiile prime și materialele
consumabile cu 1%, fluxul de numerar net operațional (însumat pentru întregul
eșantion) se reduce cu 1,28%. În contrapartidă, o sporire a plăților cu 1% peste
nivelul previzionat duce la o reducere a fluxul de numerar net operațional
(însumat pentru întregul eșantion) cu 1,28%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință
unei variații relative a fluxului de numerar net operațional de 1,28% la o
variație relativă de 1% a plăților privind materiile prime și materialele
consumabile.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion
a devenit negativ la o variație relativă (în sens pozitiv) a plăților privind
materiile prime și materialele consumabile de 78,1% (respectiv un indice de
creștere de 178,1%).
În cazul a 188 de tablouri de fluxuri de numerar previzionate (48,1% din
eșantion), diminuarea cu 1% a plăților privind materiile prime și materialele
155
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
158
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
mari, dar acceptă durate de creditare comercială lungi (durate care permit
reducerea necesarului de fond de rulment pentru firma - client).
Schimbarea furnizorului are la bază însă o decizie a managementului
întreprinderii. În analiza de risc prezintă interes factorii care nu pot fi controlați
de către întreprindere, respectiv care pot acționa independent de voința acesteia,
generând abateri de la scenariul planificat. Totuși, modificări ale condițiilor
pieței independente de controlul întreprinderii pot înclina balanța în favoarea
altor furnizori, forțând acceptarea unor prețuri mai ridicate.
O reducere a duratei creditului-furnizor determină pe termen scurt o
creștere a plăților cu materiile prime și materialele consumabile (reflectându-se
într-un tablou al fluxurilor de numerar construit prin metoda indirectă printr-o
variație pozitivă a necesarului de fond de rulment).
În condițiile menținerii volumului producției, o sporire a duratei de
stocare a materiei prime și materialelor consumabile implică o creștere
temporară a volumului de achiziții și implicit a capitalului imobilizat sub formă
de stocuri. Dacă materiile prime și materialele sunt achiziționate cu plata la
termen, capitalul investit va fi inițial de natura datoriilor față de furnizori.
Ajungerea la scadență a datoriilor față de furnizori aferente stocurilor
suplimentare duce la creșterea necesarului de fond de rulment. La finalul
perioadei de creditare comercială, datoriile față de furnizori vor fi înlocuite cu
alte surse de finanțare, prin plată (această plată va spori totalul plăților pentru
materii prime și materiale consumabile aferente perioadei). Similar, o reducere
neplanificată a duratei de stocare a materiilor prime și materialelor consumabile
se transpune într-o reducere a plăților operaționale.
Variația plăților cu materiile prime și materialele consumabile generează
un impact de sens opus asupra gradului de acoperire a plăților operaționale pe
seama încasărilor operaționale, proporțional cu greutatea specifică planificată a
plăților cu materiile prime și materialele consumabile în totalul plăților
operaționale.
Î𝑂𝑂
𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑃𝑃𝑃𝑃 1
𝑟𝑟𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = −1= −1= −1
Î𝑂𝑂 𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 + 1
𝑃𝑃𝑃𝑃
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind materiile prime și materialele
consumabile cu 1%, gradul de acoperire a plăților operaționale pe seama
încasărilor operaționale (media ponderată pentru întregul eșantion) se reduce cu
0,33%. În contrapartidă, o reducere a plăților privind materiile prime și
materialele consumabile cu 1% față de nivelul previzionat duce la o creștere a
159
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Grafic nr. 78
În cazul a 219 de tablouri de fluxuri de numerar previzionate (56% din
eșantion), diminuarea cu 1% a plăților privind materiile prime și materialele
consumabile a indus o sporire a gradului de acoperire a plăților operaționale pe
seama încasărilor operaționale de până la doar 0,1%.
La diminuarea cu 1% a plăților privind materiile prime și materialele
consumabile, din totalul celor 391 de situații financiare previzionate, 71,9% au
prezentat nivele de senzitivitate inferioare mediei (ponderate) de 0,34%.
În ceea ce privește rata fluxului net de numerar, variația plăților cu
materiile prime și materialele consumabile generează un impact de sens opus
asupra acesteia, proporțional cu valoarea totală planificată a plăților
operaționale și greutatea specifică planificată a plăților cu materiile prime și
materialele consumabile în totalul plăților operaționale și invers proporțional cu
fluxul de numerar net operațional planificat.
𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑟𝑟𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
𝑟𝑟𝑅𝑅𝐹𝐹𝐹𝐹𝐹𝐹 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = 𝑟𝑟𝐹𝐹𝐹𝐹𝐹𝐹 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = −
𝐹𝐹𝐹𝐹𝐹𝐹
160
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Grafic nr. 79
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind materiile prime și materialele
consumabile cu 1%, rata fluxului net de numerar (media ponderată pentru
întregul eșantion) se reduce cu 1,28%. În contrapartidă, o reducere a plăților
privind materiile prime și materialele consumabile cu 1% față de nivelul
previzionat duce la o creștere a mediei ratei fluxului net de numerar cu 1,28%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință
unei variații relative a ratei fluxului net de numerar ale de 1,28% la o variație
relativă de 1% a plăților privind materiile prime și materialele consumabile.
Rata fluxului net de numerar (media ponderată pentru întregul eșantion)
a devenit nulă la o variație relativă (în sens pozitiv) a plăților privind materiile
prime și materialele consumabile de 78,1% (respectiv un indice de creștere de
178,1%).
În cazul a 188 de tablouri de fluxuri de numerar previzionate (48,1% din
eșantion), diminuarea cu 1% a plăților privind materiile prime și materialele
consumabile a indus o sporire a ratei fluxului net de numerar de până la doar
0,1%.
La diminuarea cu 1% a plăților privind materiile prime și materialele
consumabile, din totalul celor 391 de situații financiare previzionate, 75,2% au
prezentat nivele de senzitivitate inferioare mediei (ponderate) de 1,28%.
161
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
162
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0% 15,9%
20,0%
10,0% 1,5% 0,8% 1,0% 1,8% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 80
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților privind ”alte materiale” cu 1%, fluxul
de numerar net operațional (însumat pentru întregul eșantion) se reduce cu
0,08%. În contrapartidă, o sporire a plăților cu 1% peste nivelul previzionat
duce la o reducere a fluxul de numerar net operațional (însumat pentru întregul
eșantion) cu 0,08%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a fluxului de numerar net operațional de 0,08% la o variație
relativă de 1% a plăților privind ”alte materiale”.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion
a devenit negativ la o variație relativă (în sens pozitiv) a plăților privind ”alte
materiale” de 1.246% (respectiv un indice de creștere de 1.346%).
163
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
60,0%
40,0%
20,0%
0,0% 1,3% 0,0% 0,0% 0,0% 0,3% 1,0% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 81
164
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0% 15,9%
20,0%
10,0% 1,5% 0,8% 1,0% 1,8% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 82
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind ”alte materiale” cu 1%, rata
fluxului net de numerar (media ponderată pentru întregul eșantion) se reduce cu
0,08%. În contrapartidă, o reducere a plăților privind ”alte materiale” cu 1%
față de nivelul previzionat duce la o creștere a mediei ratei fluxului net de
numerar cu 0,08%.
165
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
166
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30,0% 22,5%
18,4%
20,0%
10,0% 0,5% 0,8% 0,0% 0,0% 0,0% 0,0% 0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 83
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților pentru energie și apă cu 1%, fluxul de
numerar net operațional (însumat pentru întregul eșantion) se reduce cu 0,12%.
În contrapartidă, o sporire a plăților cu 1% peste nivelul previzionat duce la o
reducere a fluxul de numerar net operațional (însumat pentru întregul eșantion)
cu 0,12%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință
unei variații relative a fluxului de numerar net operațional de 0,12% la o
variație relativă de 1% a plăților pentru energie și apă.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion a
devenit negativ la o variație relativă (în sens pozitiv) a plăților pentru energie și
apă de 810% (respectiv un indice de creștere de 910%).
În cazul a 224 tablouri de fluxuri de numerar previzionate (57,3% din eșantion),
diminuarea cu 1% a plăților pentru energie și apă a indus o sporire a fluxului de
numerar net operațional de până la 0,1%.
Din totalul celor 391 de situații financiare previzionate, 61,1% au prezentat
nivele de senzitivitate inferioare mediei (ponderate) de 0,12%.
Variația plăților pentru energie și apă generează un impact de sens opus
asupra gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale, proporțional cu greutatea specifică planificată a plăților pentru
energie și apă în totalul plăților operaționale.
168
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Î𝑂𝑂
𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃 𝑃𝑃𝑃𝑃 1
𝑟𝑟𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃 ) = −1= −1= −1
Î𝑂𝑂 𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 1
𝑃𝑃𝑃𝑃
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților pentru energie și apă cu 1%, gradul de
acoperire a plăților operaționale pe seama încasărilor operaționale (media
ponderată pentru întregul eșantion) se reduce cu 0,03%. În contrapartidă, o
reducere a plăților pentru energie și apă cu 1% față de nivelul previzionat duce
la o creștere a gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale cu 0,03%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a gradului de acoperire a plăților operaționale pe seama
încasărilor operaționale de 0,03% la o variație relativă de 1% a plăților pentru
energie și apă.
Gradul de acoperire a plăților operaționale pe seama încasărilor
operaționale (media ponderată pentru întregul eșantion) a devenit subunitar la o
variație relativă (în sens pozitiv) a plăților pentru energie și apă de 810%
(respectiv un indice de creștere de 910%).
Senzitivitatea gradului de acoperire a plăților operaționale pe
seama încasărilor operaționale
85,4%
90,0%
80,0%
70,0%
60,0%
frecvență
50,0%
40,0%
30,0%
20,0%
10,0% 3,8% 5,1% 2,8% 2,3%
0,0% 0,5% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 84
În cazul a 334 de tablouri de fluxuri de numerar previzionate (85,4% din
eșantion), diminuarea cu 1% a plăților pentru energie și apă a indus o sporire a
gradului de acoperire a plăților operaționale pe seama încasărilor operaționale
de până la doar 0,1%.
La diminuarea cu 1% a plăților pentru energie și apă, din totalul celor 391 de
situații financiare previzionate, 68% au prezentat nivele de senzitivitate
inferioare mediei (ponderate) de 0,03%.
169
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30,0% 22,5%
18,4%
20,0%
10,0% 0,8% 0,5% 0,0% 0,0% 0,0% 0,0% 0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 85
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților pentru energie și apă cu 1%, rata
fluxului net de numerar (media ponderată pentru întregul eșantion) se reduce cu
0,12%. În contrapartidă, o reducere a plăților pentru energie și apă cu 1% față
de nivelul previzionat duce la o creștere a mediei ratei fluxului net de numerar
cu 0,12%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a ratei fluxului net de numerar ale de 0,12% la o variație relativă
de 1% a plăților pentru energie și apă.
Rata fluxului net de numerar (media ponderată pentru întregul eșantion)
a devenit nulă la o variație relativă (în sens pozitiv) a plăților pentru energie și
apă de 810% (respectiv un indice de creștere de 910%).
În cazul a 224 de tablouri de fluxuri de numerar previzionate (57,3% din
eșantion), diminuarea cu 1% a plăților pentru energie și apă a indus o sporire a
ratei fluxului net de numerar de până la doar 0,1%.
La diminuarea cu 1% a plăților pentru energie și apă, din totalul celor 391 de
situații financiare previzionate, 61,1% au prezentat nivele de senzitivitate
inferioare mediei (ponderate) de 0,12%.
170
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
171
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0%
20,0% 7,2% 10,2%
6,1%
10,0% 1,0% 0,5% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 86
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților privind mărfurile cu 1%, fluxul de
numerar net operațional (însumat pentru întregul eșantion) se reduce cu 0,41%.
În contrapartidă, o sporire a plăților privind mărfurile cu 1% peste nivelul
previzionat duce la o reducere a fluxului de numerar net operațional (însumat
pentru întregul eșantion) cu 0,41%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a fluxului de numerar net operațional de 0,41% la o variație
relativă de 1% a plăților privind mărfurile.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion a
devenit negativ la o variație relativă (în sens pozitiv) a plăților privind mărfurile
de 246,5% (respectiv un indice de creștere de 346,5%).
În cazul a 293 tablouri de fluxuri de numerar previzionate (74,9% din eșantion),
diminuarea cu 1% a plăților privind mărfurile a indus o sporire a fluxului de
numerar net operațional de până la 0,1%.
Din totalul celor 391 de situații financiare previzionate, 80,8% au prezentat
nivele de senzitivitate inferioare mediei (ponderate) de 0,41%.
Variația plăților privind mărfurile generează un impact de sens opus
asupra gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale, proporțional cu greutatea specifică planificată a plăților privind
mărfurile în totalul plăților operaționale.
172
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Î𝑂𝑂
𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃 𝑃𝑃𝑃𝑃 1
𝑟𝑟𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 (𝑟𝑟𝑃𝑃𝑃𝑃 ) = −1= −1= −1
Î𝑂𝑂 𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃 𝑟𝑟𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 + 1
𝑃𝑃𝑃𝑃
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind mărfurile cu 1%, gradul de
acoperire a plăților operaționale pe seama încasărilor operaționale (media
ponderată pentru întregul eșantion) se reduce cu 0,11%. În contrapartidă, o
reducere a plăților privind mărfurile cu 1% față de nivelul previzionat duce la o
creștere a gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale cu 0,11%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a gradului de acoperire a plăților operaționale pe seama
încasărilor operaționale de 0,11% la o variație relativă de 1% a plăților privind
mărfurile.
Gradul de acoperire a plăților operaționale pe seama încasărilor
operaționale (media ponderată pentru întregul eșantion) a devenit subunitar la o
variație relativă (în sens pozitiv) a plăților privind mărfurile de 246,5%
(respectiv un indice de creștere de 346,5%).
Senzitivitatea gradului de acoperire a plăților operaționale pe
seama încasărilor operaționale
90,0% 83,9%
80,0%
70,0%
60,0%
frecvență
50,0%
40,0%
30,0%
20,0%
10,0% 3,3% 0,0% 2,8% 0,0% 0,8% 1,3% 3,1% 3,6% 1,3%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 87
În cazul a 328 de tablouri de fluxuri de numerar previzionate (83,9% din
eșantion), diminuarea cu 1% a plăților privind mărfurile a indus o sporire a
gradului de acoperire a plăților operaționale pe seama încasărilor operaționale
de până la doar 0,1%.
La diminuarea cu 1% a plăților privind mărfurile, din totalul celor 391 de
situații financiare previzionate, 83,9% au prezentat nivele de senzitivitate
inferioare mediei (ponderate) de 0,11%.
173
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0%
20,0% 7,2% 10,2%
6,1%
10,0% 1,0% 0,5% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 88
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind mărfurile cu 1%, rata fluxului
net de numerar (media ponderată pentru întregul eșantion) se reduce cu 0,41%.
În contrapartidă, o reducere a plăților privind mărfurile cu 1% față de nivelul
previzionat duce la o creștere a mediei ratei fluxului net de numerar cu 0,41%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a ratei fluxului net de numerar ale de 0,41% la o variație relativă
de 1% a plăților privind mărfurile.
Rata fluxului net de numerar (media ponderată pentru întregul eșantion) a
devenit nulă la o variație relativă (în sens pozitiv) a plăților privind mărfurile de
246,5% (respectiv un indice de creștere de 346,5%).
În cazul a 293 de tablouri de fluxuri de numerar previzionate (74,9% din
eșantion), diminuarea cu 1% a plăților privind mărfurile a indus o sporire a ratei
fluxului net de numerar de până la doar 0,1%.
La diminuarea cu 1% a plăților privind mărfurile, din totalul celor 391 de
situații financiare previzionate, 80,8% au prezentat nivele de senzitivitate
inferioare mediei (ponderate) de 0,41%.
174
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30,0% 26,1%
23,3%
25,0%
20,0% 16,1%
frecvență
13,8%
15,0% 11,8%
10,0% 4,9%
3,1%
5,0% 0,8% 0,3% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 89
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților privind prestațiile externe cu 1%,
fluxul de numerar net operațional (însumat pentru întregul eșantion) se reduce
cu 0,94%. În contrapartidă, o sporire a plăților privind prestațiile externe cu 1%
peste nivelul previzionat duce la o reducere a fluxului de numerar net
operațional (însumat pentru întregul eșantion) cu 0,94%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a fluxului de numerar net operațional de 0,94% la o variație
relativă de 1% a plăților privind prestațiile externe.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion a
devenit negativ la o variație relativă (în sens pozitiv) a plăților privind
prestațiile externe de 106,8% (respectiv un indice de creștere de 206,8%).
În cazul a 219 tablouri de fluxuri de numerar previzionate (56% din eșantion),
diminuarea cu 1% a plăților privind prestațiile externe a indus o sporire a
fluxului de numerar net operațional de până la 1%.
Din totalul celor 391 de situații financiare previzionate, 55,2% au prezentat
nivele de senzitivitate inferioare mediei (ponderate) de 0,94%.
Variația plăților privind prestațiile externe generează un impact de sens
opus asupra gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale, proporțional cu greutatea specifică planificată a plăților privind
prestațiile externe în totalul plăților operaționale.
176
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
Î𝑂𝑂
𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃 𝑃𝑃𝑃𝑃 1
𝑟𝑟𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 �𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃 � = −1= −1= −1
Î𝑂𝑂 𝑃𝑃𝑃𝑃𝑟𝑟 𝑃𝑃𝑃𝑃𝑃𝑃 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃 + 1
𝑃𝑃𝑃𝑃
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind prestațiile externe cu 1%,
gradul de acoperire a plăților operaționale pe seama încasărilor operaționale
(media ponderată pentru întregul eșantion) se reduce cu 0,24%. În
contrapartidă, o reducere a plăților privind prestațiile externe cu 1% față de
nivelul previzionat duce la o creștere a gradului de acoperire a plăților
operaționale pe seama încasărilor operaționale cu 0,25%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință
unei variații relative a gradului de acoperire a plăților operaționale pe seama
încasărilor operaționale de 0,25% la o variație relativă de 1% a plăților privind
prestațiile externe.
Gradul de acoperire a plăților operaționale pe seama încasărilor operaționale
(media ponderată pentru întregul eșantion) a devenit subunitar la o variație
relativă (în sens pozitiv) a plăților privind prestațiile externe de 106,8%
(respectiv un indice de creștere de 206,8%).
Senzitivitatea gradului de acoperire a plăților operaționale pe
seama încasărilor operaționale
40,0% 37,6%
35,0%
30,0%
21,5%
frecvență
25,0% 20,5%
20,0%
15,0% 10,7%
10,0%
3,6% 3,3%
5,0% 1,5% 1,3% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 90
În cazul a 147 de tablouri de fluxuri de numerar previzionate (37,6% din
eșantion), diminuarea cu 1% a plăților privind prestațiile externe a indus o
sporire a gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale de până la doar 0,1%.
177
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30,0% 26,1%
23,0%
25,0%
20,0% 16,1%
frecvență
13,8%
15,0% 12,0%
10,0% 4,9%
3,1%
5,0% 0,8% 0,3% 0,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 91
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind prestațiile externe cu 1%, rata
fluxului net de numerar (media ponderată pentru întregul eșantion) se reduce cu
0,94%. În contrapartidă, o reducere a plăților privind prestațiile externe cu 1%
față de nivelul previzionat duce la o creștere a mediei ratei fluxului net de
numerar cu 0,94%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a ratei fluxului net de numerar ale de 0,94% la o variație relativă
de 1% a plăților privind prestațiile externe.
Rata fluxului net de numerar (media ponderată pentru întregul eșantion) a
devenit nulă la o variație relativă (în sens pozitiv) a plăților privind prestațiile
externe de 106,8% (respectiv un indice de creștere de 206,8%).
178
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
15,0%
9,2%
10,0% 7,4%
5,1% 4,9%
5,0% 2,0% 1,0%
0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 92
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților cu personalul cu 1%, fluxul de
numerar net operațional (însumat pentru întregul eșantion) se reduce cu 0,48%.
În contrapartidă, o sporire a plăților cu personalul cu 1% peste nivelul
previzionat duce la o reducere a fluxului de numerar net operațional (însumat
pentru întregul eșantion) cu 0,48%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a fluxului de numerar net operațional de 0,48% la o variație
relativă de 1% a plăților cu personalul.
Fluxul de numerar net operațional însumat la nivelul întregului eșantion a
devenit negativ la o variație relativă (în sens pozitiv) a plăților cu personalul de
206,6% (respectiv un indice de creștere de 306,6%).
180
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
25,0% 18,9%
20,0%
15,0%
10,0% 5,4% 6,4%
4,1%
5,0% 1,5% 0,3% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 93
181
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
15,0% 11,8%
10,0% 4,9% 5,1% 4,9%
5,0% 2,0% 1,0%
0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 94
În ceea ce privește rata fluxului net de numerar, variația plăților cu
personalul generează un impact de sens opus asupra acesteia, proporțional cu
valoarea totală planificată a plăților operaționale și greutatea specifică
planificată a plăților cu personalul în totalul plăților operaționale și invers
proporțional cu fluxul de numerar net operațional planificat.
𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃 × 𝑟𝑟𝑃𝑃𝑃𝑃
𝑟𝑟𝑅𝑅𝐹𝐹𝐹𝐹𝐹𝐹 �𝑟𝑟𝑃𝑃𝑃𝑃 � = 𝑟𝑟𝐹𝐹𝐹𝐹𝐹𝐹 �𝑟𝑟𝑃𝑃𝑃𝑃 � = −
𝐹𝐹𝐹𝐹𝐹𝐹
182
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
183
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0%
15,1%
20,0%
3,8% 0,3% 0,8% 0,3% 0,0% 0,0% 0,0% 0,0%
10,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 95
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților cu impozitele cu 1%, fluxul de
numerar net operațional (însumat pentru întregul eșantion) se reduce cu 0,16%.
În contrapartidă, o sporire a plăților cu impozitele cu 1% peste nivelul
previzionat duce la o reducere a fluxului de numerar net operațional (însumat
pentru întregul eșantion) cu 0,16%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință
unei variații relative a fluxului de numerar net operațional de 0,16% la o
variație relativă de 1% a plăților cu impozitele. Fluxul de numerar net
184
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
60,0%
40,0%
20,0% 7,4%
1,8% 1,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 96
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților cu impozitele cu 1%, gradul de
acoperire a plăților operaționale pe seama încasărilor operaționale (media
ponderată pentru întregul eșantion) se reduce cu 0,04%. În contrapartidă, o
reducere a plăților cu impozitele cu 1% față de nivelul previzionat duce la o
creștere a gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale cu 0,04%.
185
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
50,0%
40,0%
30,0%
15,1%
20,0%
3,8% 0,5% 0,5% 0,3% 0,0% 0,0% 0,0% 0,0%
10,0%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
Grafic nr. 97
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților cu impozitele cu 1%, rata fluxului net
de numerar (media ponderată pentru întregul eșantion) se reduce cu 0,16%. În
186
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
187
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
70,0% 61,4%
60,0%
50,0%
frecvență
40,0%
30,0% 23,8%
20,0% 8,7%
10,0% 2,0% 2,0% 0,5% 0,5% 0,3% 0,3% 0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,3% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,3% 2% 2,5% 3% 3,5% 4%
interval de variație
Grafic nr. 98
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o reducere a plăților privind taxa pe valoarea adăugată cu
1%, fluxul de numerar net operațional (însumat pentru întregul eșantion) se
reduce cu 0,36%. În contrapartidă, o sporire a plăților privind taxa pe valoarea
188
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
189
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
30,0%
20,0%
10,0% 5,9%
2,3% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
0,0%
0% - 0,1% 0,1% - 0,2% - 0,3% - 0,4% - 0,5% - 0,6% - 0,7% - 0,8% - 0,9% -
0,2% 0,3% 0,4% 0,5% 0,6% 0,7% 0,8% 0,9%
Grafic nr. 99
În cazul a 144 de tablouri de fluxuri de numerar previzionate (36,8% din
eșantion), diminuarea cu 1% a plăților privind taxa pe valoarea adăugată a indus
o sporire a gradului de acoperire a plăților operaționale pe seama încasărilor
operaționale de până la doar 0,1%.
La diminuarea cu 1% a plăților privind taxa pe valoarea adăugată, din totalul
celor 391 de situații financiare previzionate, 34,8% au prezentat nivele de
senzitivitate inferioare mediei (ponderate) de 0,09%.
În ceea ce privește rata fluxului net de numerar, variația plăților privind
taxa pe valoarea adăugată generează un impact de sens opus asupra acesteia,
proporțional cu valoarea totală planificată a plăților operaționale și greutatea
specifică planificată a plăților privind taxa pe valoarea adăugată în totalul
plăților operaționale și invers proporțional cu fluxul de numerar net operațional
planificat.
𝑃𝑃𝑃𝑃 × 𝑔𝑔𝑔𝑔𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 × 𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃
𝑟𝑟𝑅𝑅𝐹𝐹𝐹𝐹𝐹𝐹 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = 𝑟𝑟𝐹𝐹𝐹𝐹𝐹𝐹 (𝑟𝑟𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 ) = −
𝐹𝐹𝐹𝐹𝐹𝐹
Simularea efectuată la nivelul eșantionului format din cele 391 situații
financiare arată că la o creștere a plăților privind taxa pe valoarea adăugată cu
1%, rata fluxului net de numerar (media ponderată pentru întregul eșantion) se
reduce cu 0,36%. În contrapartidă, o reducere a plăților privind taxa pe valoarea
adăugată cu 1% față de nivelul previzionat duce la o creștere a mediei ratei
fluxului net de numerar cu 0,36%.
Senzitivitatea medie la nivelul eșantionului a corespuns în consecință unei
variații relative a ratei fluxului net de numerar ale de 0,36% la o variație relativă
de 1% a plăților privind taxa pe valoarea adăugată.
190
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
70,0% 61,4%
60,0%
50,0%
frecvență
40,0%
30,0% 23,8%
20,0% 8,7%
10,0% 2,6% 1,5% 0,5% 0,5% 0,3% 0,3% 0,5%
0,0%
0% - 0,1% - 0,5% - 1% - 1,5% - 2% - 2,5% - 3% - 3,5% - 4% -
0,1% 0,5% 1% 1,5% 2% 2,5% 3% 3,5% 4%
191
6. Analiza previzională bazată pe tablouri de fluxuri de numerar
35,0% 31,2%
30,0% 25,3%
25,0% 22,0%
frecvență
20,0%
15,0%
10,0% 5,9% 5,6% 4,6%
2,3% 3,1%
5,0% 0,0% 0,0%
0,0%
0% - 0,1% - 1% - 2% 2% - 3% 3% - 4% 4% - 5% 5% - 6% 6% - 7% 7% - 8% 8% -
0,1% 1%
interval de variație
35,0% 31,7%
30,0%
25,0% 21,5% 21,0%
frecvență
20,0%
15,0%
10,0% 6,1% 6,1%
3,1% 4,3% 3,8%
2,3%
5,0% 0,0%
0,0%
0% - 0,1% - 1% - 2% 2% - 3% 3% - 4% 4% - 5% 5% - 6% 6% - 7% 7% - 8% 8% -
0,1% 1%
193
Bibliografie
1. Abbas Qaiser, Rashid Abdul (2011). Predicting Bankruptcy in Pakistan. Theoretical and
Applied Economics, 18 (9), pp. 103-128.
2. Alin Artene; Aura Domil; Cristian Elian PEREŞ; Ion Peres - The impact of the short-term
operating activities on cash and net working capital, Annals. Economic Science Series (Anale.
Seria Stiinte Economice), issue: XV / 2009.
3. Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate
bankruptcy. The Journal of Finance, Vol. XXIII, nr. 4.
4. Altman E., McGought T. (1974). Evaluation of a company as a going-concern. Journal of
Accountancy, pp. 50-57.
5. Altman, E., Haldeman, R., și Narayanan, P. (1977). ZETA analysis. Journal of banking and
finance, 1, pp. 29-54.Amor S. Ben, Khoury N., Savor M., Modele prévisionnel de la défaillance
financiere des PME québécoises emprunteuses, 2009.
6. Anjum, S. (2012). Business bankruptcy prediction models: A significant study of the
Altman’s Z-score model. Assian Journal of Management Research, 3 (1).
7. Andreica, M. (2013). Modele de avertizare timpurie a firmelor neproductive. Studiul de caz
al firmelor românești listate pe RASDAQ. Economie teoretică şi aplicată, 20 (5), pp. 4-12.
8. Anghel, I. Falimentul – radiografie și predicție (2002). București: Editura Economică.
9. Aquino, S. (2010). Accounting indicators for credit risk analysis of firms: a historical
perspective. International Business Review, 2, pp.145-154.
10. Armeanu, D. și colaboratorii (2012). Utilizarea tehnicilor de analiză cantitativă a datelor
pentru estimarea riscului de faliment al corporațiilor. Economie teoretică și aplicată, 19 (1), pp.
86-102.
11. Back, B. și coautorii (1995). Choosing Bankruptcy Predictors Using Discriminant Analysis,
Logit Analysis, and Genetic Algorithms. Proceedings of the Ist International Meeting on
Artificial Intelligence in Accounting, Finance and Tax, pp.337-356.
12. Bătrâncea, L. (2011). Measuring the risk of bankruptcy in the commercial sector in
Romania. Analele Universității din Oradea, 1 (2), pp. 393-399.
13. Beaver, W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research,
4, pp. 71-111.
194
Bibliografie
14. Bellovary, J., Giacomino, D., Akers, M. (2007). A review of banckruptcy prediction
studies: 1930 to present. Journal of financial education, 33, pp.1-42.
15. Blum, M. (1974). Failing company discriminant analysis. Journal of accounting research, 12
(1), pp. 1-25.
16. Brîndescu – Olariu, D. (2014). Studii monofactoriale privind potențialul ratelor financiare în
evaluare riscului de insolvență. Timișoara: Editura Politehnica.
17. Brîndescu – Olariu, D. (2014). MODEL DE PREZENTARE A FLUXURILOR DE
NUMERAR DEZVOLTAT PRIN METODA INDIRECTĂ. Management Intercultural.
18. Brîndescu – Olariu, D. (2013). MODEL DE PREZENTARE A FLUXURILOR DE
NUMERAR DEZVOLTAT PRIN METODA DIRECTĂ. Management Intercultural, 15 (29),
pp. 30-39.
19. Brîndescu – Olariu, D., Goleț, I. (2013). PREDICTION OF CORPORATE BANKRUPTCY
IN ROMANIA THROUGH THE USE OF LOGISTIC REGRESSION. The Annals of the
University of Oradea. Economic Sciences, 22, pp. 976-986.
20. Brîndescu – Olariu, D., Goleț, I. (2013). BANKRUPTCY PREDICTION AHEAD OF
GLOBAL RECESSION: DISCRIMINANT ANALYSIS APPLIED ON ROMANIAN
COMPANIES IN TIMIŞ COUNTY. Timisoara Journal of Economics and Business, 6 (19), pp.
70-94.
21. Caracota, R., Dumitru, M., Dinu, M. (2010). Construirea unui model de scoring pentru
întreprinderile mici și mijlocii. Economie teoretică și aplicată, 17 (9), pp. 103-114.
22. Căprariu, O. (2010). The bankrupt risk in feed distributionbranch in Dolj District – FDR
model. Management and Marketing Journal, 8, pp. 156-169.
23. Chung, K., Tan, S., Holdsworth, D. (2008). Insolvency prediction model using multivariate
discriminant analysis and artificila neural network for the finance industry in New Zealand.
International journal of business and management, 39 (1), pp.19-29.
24. Cîrciumaru, D. (2010). A model for evaluating the bankruptcy risk of the Romanian
companies. Revista tinerilor economiști, pp. 35-40.
25. Cristea, H., Aniș, C. (2012). Sectoral Study of the Correlation Risk – Return for Romanian
Companies. International Conference “Risk in Contemporary Economy”, 13, pp. 289-292.
26. Crăciun M. și colaboratorii (2013). Actuality of bankruptcy prediction models used in
decision support systems. International Journal of Computers Comunications & Control, 8 (3),
pp. 375-383.
195
Bibliografie
27. Darush Yazdanfar (2011). Predicting bankruptcy among SMEs: evidence from Swedish
firm-level data. International Journal of Entrepreneurship and Small Business, 14 (4), pp. 551-
565.
28. Deakin, E. (1972). A discriminant analysis of predictors of business failure. Journal of
accounting research, 10 (1), pp. 167-179.
29. Dionysiou, D. și colaboratorii (2009). An alternative model to forecast default based on
Black-Scholes-Merton model and a liquidity proxy, disponibil online la
adresa: http://www.efmaefm.org/0EFMAMEETINGS/EFMA%20ANNUAL%20MEETINGS/2
009-milan/204.pdf
30. Don B. Bradley, Chris Cowdery - SMALL BUSINESS: CAUSES OF BANKRUPTCY.
31. Eros Stark Lorant - Analiza situației financiare – sursă de informații pentru managementul
financiar, 2002.
32. Faragei, D, Reiser, B (2002). Estimation of the area under the ROC curve. Statistics in
medicine, 21, pp. 3093-3106.
33. Fijorek, K., Grotowski, M. (2012). Bankruptcy Prediction: Some Results from a Large
Sample of Polish Companies. International Business Research, 5 (9), pp.70-77.
34. Gerantonis, N., Konstantinos V. si Apostolos C. (2009). Can Altman Z-score models predict
business failures in Greece? Research Journal of International Studies, 12, pp. 21-28.
35. Grammatikos, T., Gloubos, G. (1984). Predicting bankruptcy of industrial firms in Greece.
Spoudai Journal of Economics and Business, 34 (3-4), pp. 421-443.
36. Grünberg, M., Lukason, O. (2014). Predicting Bankruptcy of Manufacturing Firms.
International Journal of Trade, Economics and Finance, 5 (1), pp. 93-97.
37. Hajdu, O., Virág, M. (2001). HUNGARIAN MODEL FOR PREDICTING FINANCIAL
BANKRUPTCY. Society and Economy in Central and Eastern Europe, 23 (1/2).
38. Halpern, P., Weston, J.F., Brigham, E.F. (1998). Finanțe manageriale. București: Editura
Economică.
39. Hanley, JA, McNeil, BJ (1982). The meaning and use of the area under a receiver operating
characteristic (ROC) curve. Radiology, 143 (1), pp.29-36.
40. Hatem Ben Ameur, Bouafi Hind, Pierre Rostan, Raymond Theoret, Samir Trabelsi (2008).
Assessing bankrupt probability on american firms: a logistic approach. Journal of Theoretical
Accounting Research, 3, pp.1–11.
196
Bibliografie
41. Horrigan, J. (1965). Some empirical basis of financial ratio analysis. The Accounting review,
4 (3), pp.558-568.
42. Horrigan, J. (1968). A short history of financial ratio analysis. The Accounting review, 43
(2), pp.284-294.
43. Jakubik, P., Teply, P. (2008). The Prediction of Corporate Bankruptcy and Czech
Economy’s Financial Stability through Logit Analysis. Working Papers IES, 2008/19,
disponibil la adresa: http://ies.fsv.cuni.cz/default/file/download/id/8918.
44. John Argenti (1976). Corporate collapse: the causes and symptons.
45. Kainulainen, L. și colaboratorii (2011). Ensembles of Local Linear Models for Bankruptcy
Analysis and Prediction. Case Studies in Business, Industry and Government Statistics 4(2), pp.
116-133.
46. Keith Ward – Corporate financial strategy, Ed. Bath Press, Bath, 2001.
47. Kouki, M., Elkhaldi, A. (2011). Toward a Predicting Model of Firm Bankruptcy: Evidence
from the Tunisian Context. Middle Eastern Finance and Economics, 14, pp. 26-43.
48. Lala Popa, I., Buglea, A. Aniș, C. (2011), Comparative study of the companies’ return and
risk in Romania. Recent Researches in Tourism and Economic Development, pp. 303-308.
49. Lennox, C. (1999). Identifying Failing Companies: A Re-evaluation of the Logit, Probit and
MDA approaches." Journal of Economics and Business, 51 (4), pp. 347-364.
50. Liesz, T. (2002). Really modified Du Pont analysis: five ways to improve return on equity,
lucrare prezentată la Small Business Institute Directors Association Meeting, San Diego,
publicată la adresa: http://www.sbaer.uca.edu/research/sbida/2002/Papers/19.pdf.
51. Lough, W.H. (1917). Business finance: a practical study of financial management in private
business concerns. New York: The Ronald Press Company.
52. Makaeeva, E., Naretina, E. (2013). A Binary Model versus Discriminant Analysis Relating
to Corporate Bankruptcies: The Case of Russian Construction Industry. Journal of Accounting,
Finance and Economics, 3(1), pp. 65 – 76.
53. Matoussi, H., Mouelhi, R., Salah, S. (1999). LA PREDICTION DE FAILLITE DES
ENTREPRISES TUNISIENNES PAR LA REGRESSION LOGISTIQUE. 20-EME CONGRES
DE L'AFC, France.
54. Matias, A., Lima, F., Filho, A. (2011). Insolvency prediction of Brazilian companies during
the real estate crisis. International Academy of Business and Economics, 11 (2), disponibil la
adresa:http://www.freepatentsonline.com/article/Review-Business-Research/272616357.html.
197
Bibliografie
55. Metz, C. (1978). Basic principals of ROC analysis, Seminars in nuclear medicine, 8 (4), pp.
283-298.
56. Mine Ugurlu și Hakan Aksoy - Prediction of corporate financial distress in an emerging
market: the case of Turkey, Cross Cultural Management: An International Journal Vol. 13, Nr.
4, 2006.
57. Mironiuc, M., Robu, M., Robu I. (2012). Estimating the probability of bankruptcy risk
occurence in an emerging capital market.
58. Mordant G. (1998). Metodologie d’analyse financiere, disponibil la
adresa: http://www.insee.fr/fr/themes/document.asp?ref_id=E9907.
59. Ohlson, J. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of
accounting research, 18 (1), pp. 109-131.
60. Osteryoung, J., Constand, R., Nast, D. (1992). Financial Ratios in Large Public and Small
Private Firms. Journal of Small Business Management, 30 (3).
61. Paul Halpern, J. Fred Weston, EugeneF. Brigham – Finanţe Manageriale (versiune în limba
română),Ed. Economică, Bucureşti, 1998.
62. Pervan, I., Pervan, M., Vukoja, B. (2011). PREDICTION OF COMPANY BANKRUPTCY
USING STATISTICAL TECHNIQUES – CASE OF CROATIA. Croatian Operational
Research Review (CRORR), Vol. 2, pp.158-167.
63. Poor, H.V. (1860). History of Railroads and canals of the United States of America. New
York: John H. Schultz & Co.
64. Purvinis, O., Virbickaite, R., Sukys, P. (2008). Interpretable Nonlinear Model for Enterprise
Bankruptcy Prediction. Nonlinear Analysis: Modelling and Control, 13 (1), pp. 61–70.
65. Quaiser Abbas, Abdul Rashid - Modeling Bankruptcy Prediction for Non-Financial Firms:
The Case of Pakistan, MPRA Paper No. 28161, posted 14. January 2011
66. Rezvan Hejazi, Malektaj Maleki Oskouei - The information content of Cash Value Added
(CVA) and P/E ratio: Evidence on association with Stock Returns for industrial companies in
the Tehran Stock Exchange, 2007.
67. Risk Management Association (2011). Financial Ratio Benchmarks, 2011-2012,
Philadelphia: RMA.
68. S. Ben Amor, N. Khoury, M. Savor - Modčle prévisionnel de la défaillance financičre des
PME québécoises emprunteuses, Journal of Small Business and Entrepreneurship 22, no. 4
(2009).
198
Bibliografie
69. Seay, S. et al. (2004). Analysis of the ratio adjustment process and the contribution of firm-
specific factors: a preliminary review. Proceedings of the Academy of Accounting and
Financial Studies, 9(1), pp.95-100.
70. Shkurti, R.; Duraj, B. (2010). USING MULTIPLE DISCRIMINANT ANALYSIS IN THE
BANKRUPTCY PREDICTION IN ALBANIA - A STUDY WITH THE STATE-OWNED
ENTERPRISES. Journal of Academic Research in Economics, 2 (1), pp. 36-64.
71. Skalska, H, Freylich, V (2006). Web-Bootstrap Estimate of Area Under ROC Curve.
Australian Journal of Statistics, 35 (2&3), pp. 325-330.
72. Stanišić, N., Mizdraković, V., Knežević, G. (2013). Corporate Bankruptcy Prediction in the
Republic of Serbia. Industrija, 41 (4), pp. 145-159.
73. Ștefan Daniel Armneanu (2012) - Using Quantitative Data Analysis Techniques for
Bankruptcy Risk Estimation for Corporations, Theoretical and Applied Economics, Volume
XIX.
74. Subramanyam, K.R., Wild, J.J. (2009). Financial statement analysis. Singapore: McGraw-
Hill International Edition.
75. Subaciene, L., Villis, L. (2010). A system of analysis of the total liabilities to total assets
ratio. Ekonomika, 89 (2), pp. 120-129.
76. Tamari, M. (1966). Financial ratios as a means of forecasting bankruptcy. Management
International Review, 6 (4), pp. 15-21.
77. Tyler Schumway (2001). Forecasting bankruptcy more accurately. A simple hazard model.
78. El Ouakdi, J., Saint-Pierre, J. (2006). Le système d'incitation basé sur la valeur économique
ajoutée : un remède à la manipulation comptable ? Québec : Faculté des sciences de
l'administration, Université Laval.
79. Vintilă, G., Toroapă, G. (2012). Forecasting the bankruptcy risk on the example of
Romanian enterprises. Revista Română de Statistică, pp. 377-388.
80. Wang Ying, Campbell Michael (2010). Financial ratios and the prediction of bankruptcy:
the Ohlson model applied to chinese publicly traded companies. Proceedings of ASBBS, 17 (1),
pp. 334-338.
81. Yadav, R.A. (1986). Financial ratios and the prediction of corporate failure. New Delhi:
Concept Publishing Company.
82. Yli-Olli, P., Virtanen, I. (1989). On long-term stability and cross-country invariance of
financial ratio patterns. European Journal of Operational research, 39 (1).
199
Bibliografie
83. Yihong He și Ravindra Kamath – Business failure prediction in retail industry: an empirical
evaluation of generic banckruptcy prediction models, Academy of Accounting and Financial
Studies Journal; 2006
84. Xu, M., Zhang, Z. (2009). Bankruptcy prediction: the case of Japanese listed companies.
Review of Accounting Studies, 14 (4), pp. 534-558.
85. Zulkarnain, M.S., Hasbullah, A. J. (2009). Financial Ratios, Discriminant Analysis and the
Prediction of Corporate Distress. Journal of Money, Investment and Banking, 11, pp.5-15.
200