ВИВЧЕННЯ МОДЕЛЕЙ ПРОГНОЗУВАННЯ КОРПОРАТИВНОГО БАНКРУТСТВА: УНІВЕРСАЛЬНИЙ АНАЛІЗ ТА ЛОГІСТИЧНА РЕГРЕСІЯ

Заголовок (англійською): 
THE STUDY OF CORPORATE BANKRUPTCY PREDICTION MODELS: UNIVARIATE ANALYSIS AND LOGISTIC REGRESSION
Автор(и): 
Zongyi Wang
Ключові слова (укр): 
логістична регресія; модель Logit; експлуатаційні характеристики приймача (ЕХП); інформація про корпоративне управління
Ключові слова (англ): 
Logistic Regression; The logit model; Receiver Operating Characteristics (ROC); corporate governance information
Анотація (укр): 
Провал корпорацій став головним науковим дослідженням за останні п’ятдесят років. За цей час були розроблені різні моделі прогнозування збоїв та теорії банкрутства. Від первинного універсального аналізу до ринкових моделей двадцять першого століття точність моделей прогнозування постійно вдосконалюється, а їх зв'язок з корпоративним управлінням привертає все більше уваги. Однак поява нових методів прогнозування не означає занепаду традиційного емпіричного аналізу. Для перевірки взаємозв'язку між коефіцієнтами бухгалтерського обліку та ризиком банкрутства у цьому документі досліджено ефективність універсального аналізу та моделі логіта для прогнозування проблем банкрутства для вибірки 52 невдалих та 518 невдалих компаній протягом періоду з 2004 по 2008 рік. Далі моделі порівнюються. До інформації про корпоративне управління включено: кількість директорів, відсоток жінок, середній вік правління, середній термін роботи та відсоток поза межами директорів. Отже, корпоративне управління може підвищити точність моделі прогнозування. Після поєднання цих змінних корпоративного управління точність моделі прогнозування була вдосконалена. На основі результатів цього дослідження наведено фактори, що сприяли банкрутству компаній під час фінансової кризи.
Анотація (англ): 
Corporate failure has become a major academic research over the last fifty years. During this time, various failure prediction models and bankruptcy theories were developed. From the initial univariate analysis to market-based models of the twenty-first century, the accuracy of the prediction models are improved continually and their link with corporate governance is attracting more attention. However, the emergence of new prediction methods does not mean the decline of traditional empirical analysis. To inspect the relationship between accounting ratios and bankruptcy risk, this paper investigates the efficacy of univariate analysis and logit model to predict bankruptcy problems with a sample of 52 failed and 518 non-failed companies over the period from 2004 to 2008. Further, comparing with the model incorporated with corporate governance information, including number of directors, female percentage, board average age, average tenure and outside directors percentage, I find corporate governance can enhance the accuracy of the prediction model. After combining these corporate governance variables, the accuracy of the prediction model has been improved. Based on the findings of this study, I explore the evidence of factors contributed to the bankruptcy of companies during the financial crisis.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 39, 2019
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 39, 2019
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems, Number 39, 2019
Мова статті: 
English
Формат документа: 
application/pdf
Документ: 
27.pdf
Дата публікації: 
03 Сентябрь 2019
Номер збірника: 
39
Розділ: 
ТЕХНОЛОГІЇ УПРАВЛІННЯ РОЗВИТКОМ
Університет автора: 
University of Exeter, United Kingdom
References: 
  1. Beaver, W., (1966). Financial Ratios as Predictors of Failures. Journal of Accounting Research, 4(3) (Supplement),
    71 – 102.
  2. Altman, E.I., (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23(4), 589 – 609.
  3. Ohlson, J., (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109 – 131.
  4. Zavgren, C.V., (1985). Assessing the vulnerability to failure of American industrial firms: a logistic analysis. Journal: Journal of Business Finance and Accounting 1985: SPRING, 12:1, 19 – 45.
  5. Engelmann, Bernd, & Hayden, Evelyn, & Tasche, Dirk, (2003). Measuring the Discriminative Power of Rating Systems (2003). Bundesbank Series 2, Discussion 01. Available at SSRN: https://ssrn.com/abstract=2793951
  6. Balcaen, S., & Ooghe, H., (2006). 35 years of studies on business failure: an overview of the classic statistical methodologies and their related problems. The British Accounting Review, 38(1), 63 – 93.
  7. Agarwal, V., & Taffler, R.J., (2007). Twenty-five years of the Taffler z-score model: does it really have predictive ability? Accounting and Business Research, 37(4), 285 – 300.
  8. Fich, Eliezer, & Slezak, Steve, (2008). Review of Quantitative Finance and Accounting, 30, 2, 225 – 251.
  9. Agarwal, V., & Taffler, R.J., (2008). Comparing the performance of market-based and accounting-based bankruptcy prediction models. Journal of Banking and Finance, 32(8), 1541 – 1551.
  10. Adams, R.B., & Ferreira, D., (2009). Women in the boardroom and their impact on governance and performance. Journal of Financial Economics, 94, 291 – 309.
  11. Buckley, & Adrian, (2011). Financial crisis: causes, context and consequences. Harlow; New York: Pearson/Financial Times/Prentice Hall, 2011.
  12. Jackson, R., & Wood, A., (2013). The Performance of Insolvency Prediction and Credit Risk Models in the UK: A Comparative Study. The British Accounting Review, 45 (3), 183 – 202
  13. Daniel, Bryan, Guy, Dinesh Fernando, & Arindam, Tripathy, (2013). Bankruptcy risk, productivity and firm strategy. Review of Accounting and Finance, 12(4), 309 – 326.
  14. Darrat, A., Gray, S., Park, J. & Wu, Y., (2014). Corporate Governance and Bankruptcy Risk Working paper available at: http://ssrn.com/abstract=1710412
  15. Tian, W. (ed.), (2017). Commercial Banking Risk Management, https://doi.org/10.1057/978-1-137-59442-6.