VI. Financial distress and corporate default - 1. Traditional methods (Altman-Z, Ohlson-O)

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška sa venuje predikcii podnikových bankrotov a finančnej tiesne pomocou tradičných metód, ktoré sú na rozdiel od neprehľadných „black box“ metód strojového učenia transparentné a dostupné aj bežným používateľom. Ratingy aj modely vyjadrujú skôr názor než presnú pravdepodobnosť zlyhania. Podrobne sa rozoberá Altmanovo Z-skóre z konca 60. rokov, ktoré kombinuje pracovný kapitál, nerozdelený zisk, EBIT, vlastné imanie a tržby, s pásmami tiesne (pod 1,23) a bezpečia (nad 2,9). Následne sa predstavuje Ohlsonovo O-skóre založené na logistickej regresii, ktoré dáva pravdepodobnosť defaultu a zahŕňa aj cash flow, straty za posledné roky a veľkosť firmy (efekt „too big to fail“).

  • - Ratingy aj modely defaultu sú skôr odhadom stavu tiesne než presnou pravdepodobnosťou.
  • - Tradičné metódy sú transparentné a použiteľné aj pre malých klientov, na rozdiel od black box modelov.
  • - Altmanovo Z-skóre je multivariačný, široko overený a voľne dostupný model (tisíce publikácií, testy aj na slovenských firmách).
  • - Z-skóre používa pracovný kapitál, nerozdelený zisk, EBIT, vlastné imanie a tržby; pod 1,23 je zóna tiesne, nad 2,9 bezpečná zóna.
  • - Ohlsonovo O-skóre využíva logistickú regresiu a poskytuje pravdepodobnosť defaultu (nad 0,5 vysoké riziko).
  • - O-skóre pridáva nové premenné: peňažný tok z prevádzky, stratu za dva roky, prípadne veľkosť firmy cez GNP deflátor.
  • - Presná hodnota pravdepodobnosti je v praxi menej dôležitá než rozhodnutie, či partnerovi poskytnúť odklad platby.

Zhrnutie pripravené s pomocou AI z prepisu videa.