Student: Ruța Claudiu Ionel

Management ID, II

Târgu Mureș
-2022-

Adresa: Târgu Mureş, str. Gh. Marinescu nr. 38, 540139, judeţul Mureş, România,Tel: +40 265 215 551, int. 246| Fax: +40 265 210 407
Facultatea de Economie și Drept: Târgu Mureş, str. Livezeni, nr. 69, 540566, judeţul Mureş, România
Web: www.umfst.ro | Email: decanat.economiedrept@umfst.ro | Tel: +40 265 219 034 | Fax: +40 265 219 034
 Eșecul întreprinderilor este o caracteristică a tuturor economiilor. Acesta are un impact
asupra unei întreprinderi, precum și asupra împrejurimilor acesteia. Prin urmare, este necesar
să se țină seama de predicția riscului de eșec al unei întreprinderi.
Punctul de plecare pentru evaluarea riscurilor este problema definirii acestora. Există
opinii diferite cu privire la această problemă, în principal din punct de vedere istoric, dar și
contemporan. Literatura de specialitate internă și externă oferă mai multe definiții ale riscului.
Termenul "risc" provine din limba arabă și desemnează un eveniment neașteptat. De
obicei, riscul este definit ca fiind ceva instabil, nedefinit, care este legat de cursul fenomenului
și care perturbă comportamentul acestuia.
Definiția cheie a riscului a fost introdusă de Lowrance (1976); Šotic´ și Rajic´ (2015)
care au spus că "riscul este măsura probabilității și greutatea consecințelor nedorite". Conform
Cˇ underlík (2004), riscul este expresia gradului de incertitudine sub diverse forme. Riscul este
definit ca fiind starea de cunoaștere imperfectă atunci când decidentul este conștient de
diferitele consecințe posibile ale deciziei sale și este capabil să estimeze gradul de probabilitate
ca acest sau acel rezultat să se producă (Buganová și Hudáková 2012). Întreprinderile trebuie
să se confrunte cu anumite riscuri, fie ele financiare, comerciale, informaționale sau personale.
Potrivit lui Fetisovová et al. (2004), pentru fiecare decizie financiară, este necesar să se ia în
considerare nu numai randamentul așteptat, ci și riscul asociat acesteia. Riscul este una dintre
cele mai importante limite care definesc domeniul de aplicare a procesului decizional financiar
(Marinicˇ 2008). O atenție deosebită trebuie acordată riscului deciziilor financiare pe termen
lung.
Riscul reprezintă șansa de a obține un randament al investițiilor peste medie (Klucˇka
2006). În 2009, Tranchard (2018) a oferit următoarea definiție a riscului: "Riscul este efectul
incertitudinii asupra obiectivelor". Riscul reprezintă probabilitatea că rezultatele efective se vor
abate de la cele planificate (așteptate), atât în sens pozitiv, cât și negativ (Markovicˇ 2010).
Riscul este "incertitudinea" în care putem cuantifica probabilitatea de deviere a condițiilor,
proceselor sau rezultatelor reale de la valorile așteptate, utilizând diferite metode (în principal
statistice). Teoria definește riscul ca fiind o posibilitate de deviere pozitivă sau negativă. În
practică, riscul este înțeles doar ca o deviere negativă.
Riscul este cu atât mai mare cu cât rezultatul real se poate abate de la cel așteptat, atât
în sens pozitiv, cât și negativ (Marˇík et al. 2011). Riscul poate fi exprimat ca o amenințare
cantitativă și calitativă, în timp ce se caracterizează prin probabilitatea de apariție a unei situații
de risc care poate culmina cu criza unui sistem (Tej et al. 2013). Riscul este o categorie care
afectează existența și performanța unei întreprinderi (Koscielniak 2014). Nicio entitate
economică sau afacere nu-și poate prezice rezultatele economice și financiare doar pe baza
rezultatelor interne, deoarece fiecare activitate implică riscuri externe și macroeconomice. Atât
riscurile externe, cât și cele interne sunt factorii determinanți ai falimentului corporativ. Cu
toate acestea, principalul factor determinant al falimentului este insolvența (Cisko și Klieštik
2013). Unele studii privind riscul de faliment consideră rentabilitatea negativă ca fiind o
condiție prealabilă pentru faliment (Scott 1981; Lukason și Laitinen 2018). Falimentul poate fi
cauzat atât de lichiditate și profitabilitate, cât și de alte domenii financiare ale întreprinderii.
Această problemă este abordată în prezenta lucrare.
"Falimentul este o situație în care pasivele depășesc activele companiei, în general se
întâmplă din cauza subcapitalizării, a faptului că nu se mențin suficiente lichidități, sursele nu
sunt utilizate corespunzător, managementul activităților este ineficient, vânzările scad, iar
situația de pe piață se deteriorează." (Venkataramana et al. 2012). "Falimentul este urmarea
unei încetări de plăți sau a unei situații în care societatea debitoare devine incapabilă să își
achite datoriile. Deși falimentul face parte din procesul de selecție a pieței și poate fi considerat
ca fiind consecința incapacității unei firme de a supraviețui concurenței de pe piață, el poate
atrage după sine multiple repercusiuni dăunătoare, uneori de amploare semnificativă, în ceea
ce privește pierderea de locuri de muncă, distrugerea activelor și a bazei de producție"
(Aleksanyan și Huiban 2016).
"Riscul de faliment este o posibilitate de anticipare a unei proceduri legale de faliment,
urmată de consecințe financiare nefavorabile, cum ar fi pierderea resurselor sau așteptarea
veniturilor" (Rybak 2006). "Falimentul înseamnă riscul ca o firmă să nu-și poată îndeplini
obligațiile legate de datorii. Acest risc este denumit și risc de neplată sau risc de insolvență"
(Campbell 2012). Potrivit lui Rybak (2006), "riscul de faliment are loc în toate etapele ciclului
de viață al companiei. Apariția sa este o inevitabilitate obiectivă a activităților managerului,
care este condiționată de neclaritatea mediului înconjurător și de insuficiența resurselor
companiei. Riscul de faliment este mai mare atunci când individul sau firma are un flux de
numerar mic sau inexistent, sau când își gestionează prost activele. Băncile evaluează riscul de
faliment atunci când se gândesc dacă să acorde sau nu un împrumut" (Campbell 2012).
"Predicția riscului de faliment este din ce în ce mai importantă pentru guvernanța
corporativă. Multe modele diferite au fost utilizate pentru a prezice falimentul corporativ. Toate
aceste metode au puncte forte și puncte slabe specifice, iar alegerea între ele pentru aplicarea
empirică nu este simplă" (Aziz și Dar 2006).
 "Dintre abordările existente în ceea ce privește predicția falimentului (abordarea
analitică, contabilă, abordarea teoretică a opțiunilor și abordarea statistică), abordarea statistică
încearcă să evalueze riscul de faliment al întreprinderilor prin intermediul a patru metode
cunoscute pe scară largă, care utilizează ratele de bilanț: liniară sau pătratică, analiza
discriminantă, analiza de regresie logistică, analiza de regresie probit și analiza rețelei
neuronale. Multe cercetări empirice adoptă abordarea statistică" (Becchetti și Sierra 2002).
Primele studii dedicate previziunii falimentului au vizat aplicarea ratelor financiare.
Fitzpatrick a identificat diferențe semnificative între întreprinderile sănătoase din punct de
vedere financiar și cele aflate în dificultate (Misankova și Bartosova 2016; Valášková et al.
2017). Cercetările se concentrează în primul rând pe analiza univariată.
O lucrare majoră în acest domeniu a fost cea a lui Beaver (1966). Beaver a demonstrat
că indicatorii financiari pot fi utili în predicția eșecului unei întreprinderi individuale (Šarlija
și Jeger 2011). El a demonstrat că nu toți indicatorii financiari pot fi utilizați pentru a prezice
eșecul unei întreprinderi. Cu toate acestea, utilizarea indicatorilor financiari simpli a fost pusă
sub semnul întrebării în practică din cauza posibilei lor distorsiuni cauzate de deciziile
manageriale. Prin urmare, Beaver a efectuat testul de clasificare folosind predicția dihotomică
(Kidane 2004). Cu ajutorul acestei metode, putem identifica mai mulți indicatori financiari cu
cea mai mare putere de predicție care sunt utilizați ca predictor cu mai multe grade de libertate.
Analiza univariată a fost urmată ulterior de autori care au utilizat analiza multivariată.
La începutul modelelor de predicție, s-a aplicat analiza discriminantă. Scopul acestei metode
este de a găsi o astfel de combinație liniară de parametri care distinge cel mai bine
întreprinderile falimentare și cele care nu sunt falimentare (Spuchl'áková și Frajtová-
Michalíková 2016).
În 1968, Altman a elaborat un model de analiză discriminantă multiplă (MDA) cunoscut
sub numele de modelul Z-Score, iar apoi a modificat acest model în 1983. Modelul Z-Score a
fost modelul dominant în întreaga lume. Deși "există de mai bine de 45 de ani, acesta este încă
utilizat ca instrument principal sau de sprijin pentru predicția sau analiza falimentului sau a
dificultăților financiare, atât în cercetare, cât și în practică" (Altman et al. 2014).
În următoarele două decenii, au fost realizate și mai multe studii privind dificultățile
financiare; putem menționa studiile realizate de Deakin (1972); Blum (1974); Moyer (1977);
Springate (1978); Fulmer et al. (2004) și Ohlson (1980), care au aplicat modelul logit; Taffler
(1984), care a dezvoltat modelul Z-score pentru Regatul Unit; și Zmijewski (1984), care a
utilizat o abordare probit în modelul său și alți autori. Există, de asemenea, multe studii care au
examinat aplicabilitatea și puterea de predicție a modelelor pre-dezvoltate, în principal a
modelului Altman. Studiul lui Soon et al. (2014) a confirmat faptul că utilizarea modelului
Altman ca predictor al eșecului financiar al unei companii este un instrument de succes. Sulub
(2014) a constatat că modelul Altman este exact pentru companiile multinaționale eșuate, cu o
putere de predicție de 70%, iar pentru cele care nu au eșuat, cu o putere de predicție de 55%.
Reisz și Perlich (2007) au evaluat modelul Altman ca fiind o măsură mai bună pentru predicția
falimentului pe termen scurt decât modelele bazate pe piață. Kidane (2004), în studiul său, a
concluzionat că modelul Altman și Springate nu au reușit să prezică eșecul și ne-eșecul
companiilor de servicii și de tehnologie a informației.
Este necesar să subliniem faptul că "analiza discriminantă este valabilă numai în
anumite ipoteze restrictive, inclusiv cerința ca variabilele discriminante să fie împreună
normale multivariate. Regresia logit nu este supusă restricției de normalitate" (Karels și
Prakash 1987, Odom și Sharda 1990). Prin urmare, au început să fie utilizate modelul logit,
modelul probit și rețelele neuronale (Spuchl'áková și Frajtová-Michalíková 2016). Modelul
logit este utilizat în special în acele cazuri în care variabila de ieșire este dihotomică (Klieštik
et al. 2015). Acest model oferă capacitatea de a modela relații complexe între variabile
(Adamko și Svabova 2016). Variabila dependentă dihotomică a unui model logit este exprimată
prin logaritmul probabilității ca un eveniment (eșec/neeșec) să se producă (Maddala 1983).
Modelul logit utilizează funcția de distribuție cumulativă a distribuției logistice.
Acest model a fost aplicat de Liu et al. (2011) în identificarea dificultăților financiare
într-un spital. Modelul Probit aplică funcția de distribuție cumulativă a distribuției normale
standard (Albright 2015). În 2014, Altman a introdus un nou model bazat pe aplicarea analizei
discriminatorii și șapte modificări ale modelului logit. Aceste modele sunt aplicabile în
Republica Slovacă. (Adamko și Svabova 2016). Cu toate acestea, trebuie remarcat faptul că nu
este posibil să se aplice pur și simplu modelele în condițiile altor țări și sectoare industriale
diferite. În Slovacia și în Republica Cehă, au fost formulate modele bazate pe condițiile acestor
țări: Ch-index al lui Chrastinová (1998) prelucrat pentru întreprinderile agricole și modelul lui
Gurcˇík (2002) conceput pentru a prezice sănătatea financiară a întreprinderilor agricole.
 În prezent, rețelele neuronale se află în prima linie a acestei probleme. Acestea elimină
aspectele negative ale modelelor menționate mai sus. Rețelele neuronale aduc o nouă abordare
mai amplă a rezolvării problemei, care nu se bazează doar pe aplicarea variabilelor
discriminatorii. Rețeaua neuronală este un termen cuprinzător pentru un set de proceduri din
domeniul inteligenței artificiale. Unele dintre aceste proceduri pot fi utilizate ca sisteme de
clasificare. Rețelele neuronale reprezintă alternativa la analiza discriminatorie. Acestea nu
necesită cunoștințe matematice și statistice aprofundate și nu au nevoie de ipoteze. "Rețelele
neuronale realizează sarcini de clasificare într-un mod menit să emuleze procesele cerebrale"
(Salchenberger et al. 1992). Baza rețelei neuronale este modelul neuronal cu N intrări și M
ieșiri. "Capacitatea de procesare a rețelei este stocată în intensitatea conexiunilor între unități
sau în ponderi, obținute printr-un proces de adaptare la un set de modele de antrenament sau
de învățare de la acestea" (Gurney 1997). Rețelele neuronale sunt utilizate în tehnicile de
reglementare și de simulare. Procesul de abstractizare se numește învățare; acesta poate fi
executat cu sau fără profesor. În timpul acestui proces, valorile ponderilor sunt actualizate. În
literatura de specialitate sunt descriși mai mulți algoritmi de învățare. Odată terminată
învățarea, ponderile nu se mai modifică, iar rețeaua produce ieșiri în conformitate cu regulile
aplicate valorilor de intrare.
"Rețelele neuronale s-au dovedit a fi bune la rezolvarea multor sarcini". Prima încercare
de a utiliza rețele neuronale artificiale (RNA) pentru a prezice falimentul a fost făcută de Odom
și Sharda (1990). "Acestea pot avea cel mai mare efect practic în următoarele trei domenii:
modelare și prognoză, procesarea semnalelor și sisteme expert" (Lippmann 1987, Odom și
Sharda 1990). Pe baza comparației dintre analiza discriminatorie și rețelele neuronale, Odom
și Sharda (1990) au confirmat că rețelele neuronale sunt un instrument mai adecvat pentru a
prezice falimentul. Rahimian et al. (1993) au testat același set de date utilizat de Odom și
Sharda cu trei paradigme de rețele neuronale: rețeaua de backpropagation, Athena și
Perception. Mai multe studii investighează în continuare utilizarea RNA în predicția
falimentului sau a eșecului unei afaceri. Aceste studii concluzionează că RNA sunt instrumente
influente pentru recunoașterea și clasificarea modelelor datorită proprietăților lor de învățare
adaptivă nonparametrică neliniară (Kidane 2004).
Recent, au existat analize privind eficacitatea modelelor realizate de Agarwal și Taffler
(2008); Das et al. (2009) și Bauer și Agarwal (2014). Aceștia iau în considerare performanța
modelelor bazate pe contabilitate, a modelelor bazate pe piață și a modelelor de hazard, care
domină în literatura financiară (Altman et al. 2014).
 Există și alte metode de predicție a falimentului, putem menționa arborii de decizie - o
formă de învățare supravegheată prin generalizarea din exemple (Friedman 1977), teoria
gestionării numerarului care vizează gestionarea pe termen scurt a soldurilor de numerar ale
companiilor (Black și Scholes 1973) și măsurile de descompunere a bilanțului bazate pe
argumentul că firmele încearcă să mențină echilibrul în structura lor financiară (Booth 1983).
În ceea ce privește predicția falimentului, Self - Organizing Map (SOM) este unul dintre
modelele frecvent utilizate pentru a analiza datele financiare cu dimensiuni mari și pentru a
înțelege fenomenul nedorit al falimentului. "Autorii au utilizat SOM pentru a analiza și
vizualiza situația financiară a companiilor pe parcursul mai multor ani printr-un proces de
grupare în două etape" (Chen et al. 2013). Foarte benefic este studiul lui Gherghina (2015).
Studiul său empiric a fost dedicat abordării inteligenței artificiale (AI) în vederea investigării
falimentului corporativ. El a subliniat faptul că cel mai puternic domeniu aplicat al IA este
domeniul sistemelor expert (ES). În studiul său, acesta a subliniat aplicarea prototipului ES
pentru evaluarea riscului de faliment al întreprinderilor și a utilizat indicatori de îndatorare și
solvabilitate.
Metoda inovatoare DEA pentru predicția falimentului detectează sănătatea financiară
relativă a unui număr de întreprinderi cu ajutorul unui sistem de probleme de programare
liniară. Fundamentele de bază ale metodei DEA au fost elaborate de Farrell (1957). Ulterior,
Charnes et al. (1978) au reformulat această metodă și au dezvoltat modelul DEA CCR, iar
Banker et al. (1984) au dezvoltat modelul DEA BCC (Mokrišová și Horváthová 2018).
Ulterior, modelul DEA a început să se aplice nu numai în domeniul evaluării eficienței
întreprinderilor, ci și în domeniul evaluării sănătății financiare (Mendelová și Bieliková 2017).
Există două abordări pentru diagnosticarea sănătății financiare a întreprinderilor prin aplicarea
metodei DEA. Conform primei abordări, DEA este utilizată în prima fază a procesului de
predicție ca un instrument pentru a crea o variabilă predictivă, adică un predictor. Această
abordare a fost aplicată pentru prima dată de Xu și Wang (2009). Pentru a prezice falimentul
financiar al întreprinderilor listate la Bursa de Valori din Shanghai, acești autori au aplicat
gradul de eficiență (scorul DEA) ca predictor.
Cea de-a doua abordare utilizează DEA ca o tehnică de clasificare sau predicție
separată. Utilizarea celei de-a doua abordări DEA pentru a diagnostica sănătatea financiară a
întreprinderilor se regăsește în lucrarea lui Ferus (2010), care a aplicat DEA pentru a modela
predicția riscului de insolvență al companiilor de construcții. Conceptele de bază ale DEA în
cadrul acestei abordări diferă în special în ceea ce privește înțelegerea Frontierei posibilităților
de producție și determinarea intrărilor și ieșirilor. În primul concept obișnuit, ieșirile sunt
definite ca fiind variabilele care contribuie la succesul întreprinderilor și care, în termeni de
optimizare matematică, sunt maximizate. Intrările sunt variabilele a căror creștere deteriorează
sănătatea financiară a afacerii, în termeni de optimizare matematică sunt minimizate. Cu toate
acestea, există, de asemenea, al doilea concept bazat pe aplicarea DEA inversă sau negativă.
DEA inversă include permutarea intrărilor și ieșirilor din orice model DEA (Simak 2000), iar
DEA negativă reprezintă o definiție diferită a frontierei posibilităților de producție. Atunci când
se creează frontiera dificultăților financiare a DEA negativ, ieșirile sunt indicatori care ating
valori mai mari în întreprinderile aflate în dificultate financiară, iar intrările sunt indicatori care
ating valori mai mici în întreprinderile cu risc de faliment financiar (Horváthová și Mokrišová
2018). Metoda DEA a fost aplicată în domeniul analizei comparative a hotelurilor din
perspectiva rentabilității și a stabilității de către Min et al. (2008).
Analiza eșecurilor cu ajutorul ratelor financiare este importantă din anumite motive. În
primul rând, conducerea o poate utiliza pentru a identifica amenințările potențiale care necesită
atenție (Siegel 1981; Odom și Sharda 1990). În al doilea rând, investitorii folosesc aceste rate
pentru a evalua o firmă. În cele din urmă, auditorii o folosesc ca ajutor în evaluarea continuă a
preocupărilor (Altman 1982; Odom și Sharda 1990).
Dacă rezumăm rezultatele acestor studii, putem concluziona că acestea lucrează numai
cu indicatori de ieșire, în timp ce intrările sunt complet absente. În majoritatea studiilor lipsesc
în principal indicatorii operaționali, de exemplu, raportul costurilor.

Bibliografie
• Risk of bankruptcy, its determinants and models, Jarmila Horváthová,
Martina Mokrišová, Risks (2018)
• The use of discriminant analysis to assess the risk of bankruptcy of
enterprises in crisis conditions using the example of the tourism sector in
poland, Joanna Wieprow, Agnieszka Gawlik, Risks (2021)
• Predicting bankruptcy and catastrophic loss: A portfolio approach
McKibben, Michael, Duquesne University ProQuest Dissertations
Publishing, 2017