Katedra Rachunkowości Finansowej Uniwersytet Ekonomiczny w Krakowie
Ewelina Wawryk-Gawda
Katedra i Zakład Histologii i Embriologii z Pracownią Cytologii Doświadczalnej Uniwersytet Medyczny w Lublinie
KWANTYFIKACJA RYZYKA GOSPODARCZEGO
W WYBRANYCH SPÓŁKACH BRANŻY BUDOWLANEJ
Z WYKORZYSTANIEM MODELU KLAS RYZYKA
StreszczenieW artykule zwrócono uwagę na możliwość pomiaru ryzyka gospodarczego z wyko-rzystaniem narzędzi analizy dyskryminacyjnej w postaci modelu klas ryzyka. Koniecz-ność pomiaru określonych zjawisk wyznacza nowe kierunki badań celem sprostania wymaganiom rynkowym. Wykorzystanie nowoczesnych narzędzi pozwala na sprawne przeprowadzenie pomiaru zjawisk bardzo złożonych, do których należy ryzyko gospo-darcze. Źródło informacji w postaci sprawozdania finansowego pozwala na szerokie zastosowanie modelu klas ryzyka i stanowić może narzędzie usprawniające ocenę sytu-acji jednostek.
Słowa kluczowe: ryzyko gospodarcze, pomiar ryzyka, model klas ryzyka, analiza dys-kryminacyjna.
1. Wprowadzenie
Ryzyko stanowi nieodzowny element przejawów działalności gospodarczej bez względu na jej rodzaj i zakres. Uwarunkowania integracji i globalizacji gospodarek krajowych stanowią o znacznym przybliżeniu areny światowej, dlatego w ślad za rozwiązaniami światowymi, zmianie ulegają formułowane cele gospodarowania, ich warunki oraz narzędzia, stanowiące wspomaganie
procesu zarządzania. Jednocześnie postęp teletechniczny stwarza konieczność poruszania się w gąszczu informacji. Podstawowym źródłem informacji o jedno-stce jest sprawozdanie finansowe charakteryzujące się największą pojemnością informacyjną, ogólną dostępnością i powszechną jawnością [Chłapek 2015]. Problematyka ryzyka i jego kwantyfikacji na podstawie danych pochodzących ze sprawozdań finansowych stanowi wyzwanie wobec rachunkowości jako sys-temu. Już R.C. Merton (laureat Nagrody Banku Szwecji w Dziedzinie Ekonomii dla Uczczenia Pamięci Alfreda Nobla – The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel w 1997 r.) zwracał uwagę na możliwości kreowania wartości jednostki gospodarczej poprzez lepsze wykorzystanie zarzą-dzania ryzykiem w jednostce, co zdecydowanie może prowadzić do zwiększenia pozycji konkurencyjnej [Girotra i Netessine 2011, s. 104]. Dynamiczny rozwój i zmiany rzeczywistości gospodarczej powodują, że pomiar zjawisk staje się coraz bardziej skomplikowany [Walińska 2014, s. 509], dlatego metody jego dokonywania powinny być stale weryfikowane i dostosowywane zarówno do wymagań i uwarunkowań rynkowych, jak i do możliwości oferowanych przez nowoczesne techniki obliczeniowe. Potwierdzeniem konieczności tworzenia aktualnych modeli związanych z tematyką pomiaru ryzyka są stałe zmagania na gruncie teoretycznym, potwierdzone zakresem poruszanej problematyki na łamach Harvard Business Review [Merton 2013, s. 51].
Celem artykułu jest przedstawienie możliwości zastosowania modelu klas ryzyka w pomiarze ryzyka gospodarczego, przy czym pojęcie ryzyka czego ograniczono do ryzyka związanego z działalnością jednostek gospodar-czych.
Metody badawcze wykorzystane w artykule obejmują analizę dyskrymina-cyjną oraz klasyfikację z wykorzystaniem grupowania w określone klasy.
2. Założenia modelu klas ryzyka
Próby określenia metod pomiaru określonych zjawisk na podstawie danych pochodzących ze sprawozdań finansowych podejmowane są od wielu lat, zaś wykorzystanie analizy dyskryminacyjnej, stanowiącej podstawową metodę w przeprowadzanym procesie badawczym zostało zapoczątkowane przez R. Alt-mana już w 1968 r. Metodyka ta stosowana jest również, z pozytywnym skutkiem w wielu badaniach w zakresie oceny ryzyka zagrożenia upadłością jednostek. Modele powstałe na jej gruncie stanowią szeroko stosowane narzędzia w ocenie tego zjawiska, również przez grono biegłych rewidentów.
W badaniach nad modelem wykorzystano możliwości pomiaru ryzyka w rze-czywistości gospodarczej poprzez konstrukcję schematów definiujących poziomy niepewności sytuacji jednostki, zgrupowanych w określone klasy [Zarządzanie
ryzykiem… 2010, s. 24]. Koncepcję pomiaru ryzyka z zastosowaniem klas ryzyka stosuje się powszechnie w branży ubezpieczeniowej oraz bankowej, a także we wszelkiego rodzaju ratingach [Korol 2010, s. 77–78]. Korzystając z doświadczeń w tym obszarze [Sierpińska i Wędzki 2010, s. 154], w ramach prowadzonych badań postanowiono dokonać pomiaru ryzyka z wykorzystaniem tej metodyki, określając szczegółowo warunki przynależności do określonej klasy ryzyka, z uwzględnieniem wskazań zastosowania analizy dyskryminacyjnej w klasyfi-kacji obiektów do klas [Hand 1994].
Z uwagi na założenia metody analizy dyskryminacyjnej, określające jej zasto-sowanie do podziału porównywalnych obiektów na grupy obiektów jak najbar-dziej do siebie podobnych, ze względu na opisujące je własności postanowiono wykorzystać liniową analizę dyskryminacyjną [Panek 2009, s. 278]. Wybór uza-sadniony jest tym, że w świetle najnowszych badań skuteczności analizowanych metod analiza dyskryminacyjna uplasowała się na drugim miejscu za metodą drzew klasyfikacyjnych [Dębkowska 2012, s. 182].
W ramach klasyfikacji ryzyka przyjęto rosnącą jego tendencję, zgodnie z założonymi oznaczeniami od poziomu 0, charakterystycznego dla jednostki o małym poziomie ryzyka, do poziomu 4 – charakterystycznego dla jednostki o najwyższym poziomie ryzyka w założonej skali. Ponadto każdej klasie ryzyka od R0 do R4 przypisano odpowiednie oznaczenie liczbowe od 0 do 4 charakte-ryzujące poszczególne klasy ryzyka. Szczegółowe zasady klasyfikacji do klas ryzyka zawarto w tabeli 1.
Tabela 1 Zasady klasyfikacji jednostek do klas ryzyka
Symbol klasy ryzyka Symbol liczbowy klasy ryzyka Określenie klasy ryzyka
R0 0 ryzyko na poziomie 0
R1 1 ryzyko na poziomie 1
R2 2 ryzyko na poziomie 2
R3 3 ryzyko na poziomie 3
R4 4 ryzyko na poziomie 4
Źródło: opracowanie własne.
W modelu zastosowano klasyfikację z wykorzystaniem pojęcia odległości Mahalanobisa oraz wykorzystano prawdopodobieństwo a posteriori, tzn. praw-dopodobieństwo oparte na wiedzy o wartościach innych zmiennych, że dany przypadek należy do konkretnej klasy [Kaczmarek, Czajka i Adamska 2008]. Przyjęto, że w świetle zapisów MSRF nr 570 do finansowych objawów zagroże-nia kontynuowazagroże-nia działalności gospodarczej należą m.in.:
– brak wypłaty dywidend lub zaległości w jej wypłacie, – istotna utrata wartości aktywów,
– występowanie znacznych strat operacyjnych.
Potwierdzono panujący obecnie trend ukierunkowania na pomnażanie kapitału właścicieli, zgodnie z którym szczególnym obszarem zainteresowania powinny być korzystne wyniki finansowe, jednoznaczne z osiąganiem zysków, utrzymaniem płynności finansowej, maksymalizacją wartości rynkowej jed-nostki [Micherda 2005, s. 12], a także potwierdzono [Walińska i Michalak 2014, s. 108] zasadność przyjętych atrybutów, określając rolę, jaką pełni w podejmo-wanie decyzji, ocena wysokości, terminowości i ryzyka generowania przyszłych przepływów pieniężnych netto. Wobec powyższego w modelu przyjęto następu-jące atrybuty, do których zaliczono:
– spadek sumy bilansowej,
– ujemny strumień przepływów pieniężnych netto, – brak wypłaty dywidendy
– strumień wyniku finansowego netto.
Klasyfikacji dokonano, określając szczegółowe warunki jednostki w zakre-sach, takich jak:
– tendencja sumy bilansowej – w sytuacji spadku sumy bilansowej oznaczano jednostkę jako spełniającą warunek sytuacji niekorzystnej (spełnia warunek),
– strumień przepływów pieniężnych netto – w sytuacji strumienia przepły-wów pieniężnych netto o znaku ujemnym oznaczano jednostkę jako spełniającą warunek sytuacji niekorzystnej (spełnia warunek),
– dywidenda – w sytuacji braku wypłaty dywidendy, oznaczano jednostkę jako spełniającą warunek sytuacji niekorzystnej (spełnia warunek),
– wynik finansowy netto – w sytuacji ujemnego wyniku finansowego, a więc straty netto, oznaczano jednostkę jako spełniającą warunek sytuacji niekorzyst-nej (spełnia warunek).
Szczegółowe założenia klasyfikacyjne, decydujące o przynależności do wła-ściwej klasy ryzyka zawiera tabela 2.
W modelu klas ryzyka zawarto wskaźniki określone zgodnie z koncepcją ana-lizy finansowej B. Micherdy [2006, s. 133], przedstawioną na rys. 1.
Efektem przeprowadzonego procesu badawczego jest model klas ryzyka, na podstawie którego istnieje możliwość klasyfikacji wybranej jednostki do odpo-wiedniej klasy ryzyka. Kształt funkcji klasyfikacyjnych przedstawia tabela 3.
Każdej klasie ryzyka przyporządkowana jest określona parametrami funk-cja. Ustalenie przynależności do poszczególnych klas ryzyka ustalane jest na podstawie wybranych do modelu 11 wskaźników finansowych przedstawionych zgodnie z koncepcją B. Micherdy. Wybrane wskaźniki, jako zmienne funkcji klasyfikacyjnej, charakteryzują wszystkie poddawane analizie obszary, zgodnie z przyjętą koncepcją analizy wskaźnikowej, a mianowicie:
Tabela 2 Zasady klasyfikacji jednostek do klas ryzyka
Symbol klasy ryzyka Symbol liczbowy klasy ryzyka Określenie
klasy ryzyka Warunki przynależności R0 0 ryzyko na poziomie 0 nie spełnia żadnego warunku sytuacji niekorzystnej R1 1 ryzyko na poziomie 1 spełnia 1 warunek sytuacji niekorzystnej R2 2 ryzyko na poziomie 2 spełnia 2 warunki sytuacji niekorzystnej R3 3 ryzyko na poziomie 3 spełnia 3 warunki sytuacji niekorzystnej R4 4 ryzyko na poziomie 4 spełnia 4 warunki sytuacji niekorzystnej Źródło: opracowanie własne.
Tabela 3 Kształt funkcji klasyfikacyjnych dla poszczególnych klas ryzyka
Skrót wskaźnika/ klasa ryzyka R0 R1 R2 R3 R4 Stała –94,3895 –82,0821 –78,2784 –60,4243 –226,480 W2 –13,4492 –12,8185 –14,0382 –13,1956 –32,604 W4 0,7200 0,6575 0,7482 0,7074 1,620 W7 –32,4344 –34,1088 –28,0344 –24,4290 –46,021 W8 416,5322 394,7925 378,2531 338,3605 636,514 W12 –1,0660 –1,0503 –0,9966 –0,9659 –2,238 W16 287,9066 239,9838 320,8627 296,6303 649,887 W17 –12,9711 –11,6148 –13,7309 –11,9249 –28,694 W18 4,8679 4,5385 5,3328 4,3248 11,742 W21 –0,2616 –0,0186 –0,7448 –0,8879 –1,864 W24 41,6464 37,6495 43,4848 35,7551 81,443 W25 7,1539 4,6743 6,6784 6,8128 11,681 Źródło: opracowanie własne.
– W2, W4, W7, W8, W12, W16 umożliwiają ocenę sytuacji majątkowo-kapi-tałowej jednostki,
– W17, W18, W21 mogą być wykorzystywane do oceny zyskowności jed-nostki,
– W24 i W25 należą do wskaźników charakteryzujących płynność finansową jednostki.
Wnioskując o kształcie funkcji klasyfikacyjnych, należy zauważyć, że wszyst-kie wymienione obszary oceny działalności jednostki mają istotne znaczenie
K O N C EP C JA A N A LI Z Y W S K AŹ N IK O W EJ O ce na p ły nn oś ci f in an so w ej O ce na s yt ua cj i m ają tk ow ej i k api ta ło w ej W 1 – W sk aź ni k r ot ac ji n al eż no śc i W2 – W sk aź ni k r ot ac ji z ob ow ią za ń W 5 – W sk aź ni k i nt en sy w no śc i i nw es to w an ia W 6 – W sk aź ni k o dn ow ie ni a m aj ąt ku W 11 – W sk aź ni k d źw ig ni o pe ra cy jn ej W 12 – W sk aź ni k d źw ig ni f in an so w ej W 14 – W sk aź ni k d źw ig ni p oł ąc zo ne j W 7 – W sk aź ni k z ad łu że ni a k ap ita łu w ła sn eg o ( st ru kt ur y f in an so w an ia ) W 8 – W sk aź ni k og ól ne go z ad łu że ni a W 9 – W sk aź ni k p ok ry ci a I s to pn ia W 10 – W sk aź ni k p ok ry ci a I I s to pn ia W 13 – E B IT W 15 – W sk aź ni k p ok ry ci a o ds et ek z ys kie m o pe ra cy jn ym W 4 – W sk aź ni k p ro du kt yw no śc i W 3 – W sk aź ni k r ot ac ji z ap as ów W 16 – W sk aź ni k p ok ry ci a k ap ita łó w o bc yc h n ad w yż ką f in an so w ą W 19 – W sk aź ni k r en to w no śc i s pr ze da ży W 17 – W sk aź ni k r en to w no śc i s pr ze da ży ( RO S I ) W 18 – W sk aź ni k r en to w no śc i s pr ze da ży ( RO S I I) W2 0 – W sk aź ni k r en to w no śc i o pe ra cy jn ej a kt yw ów ( RO A ) W2 1 – W sk aź ni k r en to w no śc i k ap ita łu w ła sn eg o ( RO E) O ce na z ys ko w nośc i Ws ka źn ik st at yst yc zn y Ws ka źn ik dy na m ic zny W 25 – W sk aź ni k pi en ię żn ej sa m ow ys ta rc zal nośc i dz ia łal nośc i fi na ns owe j W 22 – W sk aź ni k p ły nn oś ci fi na ns ow ej I s to pn ia W 23 – W sk aź ni k p ły nn oś ci fi na ns ow ej I I s to pn ia W 24 – W sk aź ni k p ły nn oś ci fi na ns ow ej I II s to pn ia Ry s. 1 . K on ce pcj a a na liz y ws ka źn ik ow ej Źr ód ło : o pr ac ow an ie w ła sn e n a p od st aw ie k on ce pc ji a na liz y f in an so w ej B . M ic he rd y [ 20 06 , s . 1 33 ].
w pomiarze jej ryzyka. Dokonując analizy wybranych wskaźników, zawartych w funkcji klasyfikacyjnej, można również stwierdzić, że są to kluczowe wskaź-niki analizy wskaźnikowej, wskaźników rekomendowanych przez Komisję ds. Analizy Finansowej Rady Naukowej Stowarzyszenia Księgowych w Polsce, jako wskaźniki sektorowe.
3. Pomiar ryzyka gospodarczego w wybranych spółkach
Pomiar ryzyka z wykorzystaniem modelu klas ryzyka przeprowadzono wśród wybranych spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW). Na dzień 28 kwietnia 2015 r. na GPW notowane były 473 spółki, sklasyfikowane w 28 sektorach. Wyboru sektora dokonano na podstawie potwierdzonych wcześniejszymi badaniami informacji wskazującymi, że sektor „Budownictwo” ma duże znaczenie dla gospodarki kraju, zarówno w odniesieniu do tworzenia wartości dodanej brutto, jak i w zakresie zatrudnienia. Dodatko-wym argumentem za strategiczną pozycją branży jest wysoki poziom genero-wanych przychodów, co nie bezpośrednio, ale pośrednio w dużym stopniu ma wpływ zarówno na poziom zamożności społeczeństwa, konsumpcji, jak i inwe-stycji w skali globalnej kraju. Wpływ zasobności portfeli zwykłych obywateli na siłę popytu konsumpcyjnego, a co za tym idzie na poziom wzrostu gospodar-czego zauważa również M. Andrzejewski [2013].
Badaniem objęto 10 losowo wybranych jednostek zaliczonych do sektora „Budownictwo” oraz spółek zaliczonych do sektora „Przemysł materiałów budowlanych”. Przedmiotem badań były sprawozdania finansowe wraz z załącz-nikami za lata 2013–2014. Zakres badań obejmował wyłącznie informacje finan-sowe. Biorąc pod uwagę ustalone założenia badawcze, dokonano klasyfikacji jednostek objętych badaniem względem czterech określonych atrybutów. Syste-matyka przeprowadzona na podstawie dokonanych założeń pozwoliła na pogru-powanie jednostek objętych badaniem w 5 klas ryzyka, od R0 do R4. Następnie dokonano klasyfikacji jednostek z wykorzystaniem modelu klas ryzyka. Wyniki pomiaru przedstawione zostały w tabeli 4, odrębnie dla każdego roku, w którym jednostki zostały poddane badaniu.
Dokonując analizy otrzymanych wyników, stwierdzić można, że model klas ryzyka w 2013 r. osiągnął 100% skuteczność, jednak w 2014 r. wystąpiły róż-nice w klasyfikacji. Różróż-nice klasyfikacyjne dotyczą dwóch spółek (Nowa Gala, Resbud), które oceniono bardziej rygorystycznie z wykorzystaniem modelu klas ryzyka. W przypadku Nowej Gali rozbieżności klasyfikacyjne dotyczą jednej klasy ryzyka. Klasyfikacja Resbud wskazuje na rozbieżne określenie klasy ryzyka w sposób następujący: według czterech określonych wcześniej atrybu-tów jednostka ta została sklasyfikowana jako jednostka charakteryzująca się
ryzykiem na poziomie 1, natomiast pomiar ryzyka z zastosowaniem modelu klas ryzyka pozwolił na klasyfikację tej jednostki do klasy o ryzyku na poziomie 4. Powodów rozbieżności upatruje się w spadku poziomu kluczowych wskaźników, których udział w funkcji klasyfikacyjnej jest wysoki. Pomimo stwierdzonych rozbieżności zauważa się wysoki poziom wiarygodności modelu klas ryzyka.
4. Podsumowanie
Zastosowanie modelu klas ryzyka do pomiaru ryzyka gospodarczego wśród jednostek poddanych badaniu pozwoliło na klasyfikację do jednej z pięciu klas ryzyka. Pomimo że klasyfikacja wskazuje pewne rozbieżności, proponowany model klas ryzyka stanowi rozwiązanie wspomagające proces kwantyfika-cji ryzyka w jednostkach. Konieczne jest prowadzenie dalszych badań, celem wzrostu wiarygodności modelu, ewentualnego dostosowania jego parametrów do aktualnych uwarunkowań rynkowych, jednak zaznaczyć należy, że pierwsze próby budowania modeli ostrzegających przed upadłością charakteryzowały się skutecznością na poziomie 50,6% (T. Sen, Ch. Stivason – na populacji 150 firm, lata 1970–1990). Pomimo tak małej wiarygodności pierwszych modeli, stały się one inspiracją do podejmowania kolejnych prób w badaniach naukowych.
Obec-Tabela 4 Wyniki klasyfikacji do klas ryzyka za 2013 r. i 2014 r.
Nazwa jednostki 2013 2014 Klasa ryzyka według 4 atrybutów Klasa ryzyka według modelu klas ryzyka Klasa ryzyka według 4 atrybutów Klasa ryzyka według modelu klas ryzyka AWBUD 3 3 3 3 BUDIMEX 0 0 0 0 DECORA 2 2 2 2 ELEKTROTIM 0 0 0 0 NOWAGALA 3 3 1 2 RESBUD 2 2 1 4 ROVESE 4 4 4 4 TRAKCJA 2 2 2 2 UNIBEP 1 1 0 0 YAWAL 4 4 1 1
nie modele ostrzegające przed upadłością E. Altmana oraz A. Hołdy stanowią modele powszechnie stosowane przez biegłych rewidentów.
Pamiętając opinię E. Burzym [2008, s. 34, za: Walińska 2014, s. 511], że: „rachunkowość służy do pomiaru (lub szerzej – do identyfikacji, pomiaru, ana-lizy i komunikowania), a pomiar ten dotyczy, opartej na cenach, wartości stanów i procesów gospodarczych oraz rezultatów tych procesów”, dążyć należy do wskazywania metod wspomagających odpowiednią kwantyfikację życia gospo-darczego. Zaproponowany model klas ryzyka może umożliwić pomiar bardzo złożonego zjawiska, jakim jest ryzyko gospodarcze. Stanowi narzędzie skiero-wane zarówno do osób zarządzających jednostkami, dokonujących analizy spra-wozdań finansowych, jak również do biegłych rewidentów, umożliwiając ocenę jednostki, której sprawozdanie poddane jest procesowi badania. Ma to szczególne znaczenie w kontekście zagrożeń stojących przed jednostkami w ostatnich latach.
Literatura
Andrzejewski M. [2013], Obniżka „VAT naliczonego” jako element reformy finansów
publicznych,
http://www.sobieski.org.pl/obnizka-%E2%80%9Evat-naliczonego-jako-element-reformy-finansow-publicznych/ (data dostępu: 31.07.2013).
Burzym E. [2008], Rola i funkcje rachunkowości w roku 2000, „Zeszyty Teoretyczne Rachunkowości” nr 45(101).
Chłapek K. [2015], Pomiar ryzyka gospodarczego na podstawie sprawozdań
finanso-wych, Difin, Warszawa.
Dębkowska K. [2012], Prognozowanie upadłości przedsiębiorstw za pomocą wybranych
metod wielowymiarowej analizy statystycznej, „Zarządzanie i Finanse”, vol. 10, nr 1.
Girotra K., Netessine S. [2011], How to Build Risk into Your Business Model, Smart
Companies Design Their Innovations around Managing Risk, Business Harvard
Review, May.
Hand D.J. [1994], Assessing Classification Rules, „Journal of Applied Statistics”, vol. 21, nr 3.
Kaczmarek Z., Czajka S., Adamska E. [2008], Propozycja metody grupowania obiektów
jedno- i wielocechowych z zastosowaniem odległości Mahalanobisa i analizy sku-pień, Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin, nr 249.
Korol T. [2010], Systemy ostrzegania przedsiębiorstw przed ryzykiem upadłości, Wolters Kluwer, Warszawa.
Merton R.C. [2013], Innovation Risk, How to Make Starter Decisions, Harvard Business Review, http://web.ebscohost.com/ehost/pdfviewer/pdfviewer?sid=dbe50137-5a5d-4707-99ae-e7fc464e3144%40sessionmgr10&vid=15&hid=26 (data dostępu: 7.09.2013). Micherda B. [2005], Geneza i istota rachunkowości [w:] Podstawy rachunkowości.
Aspekty teoretyczne i praktyczne, red. B. Micherda, Wydawnictwo Naukowe PWN,
Micherda B. [2006], Problemy wiarygodności sprawozdania finansowego, Difin, Warszawa.
Panek T. [2009], Statystyczne metody wielowymiarowej analizy porównawczej, Szkoła Główna Handlowa w Warszawie, Warszawa.
Sierpińska M., Wędzki D. [2010], Zarządzanie płynnością finansową w
przedsiębior-stwie, Wydawnictwo Naukowe PWN, Warszawa.
Walińska E. [2014], Rachunkowość jako nauka – jej współdziałanie z dyscypliną
finanse, Zeszyty Naukowe Uniwersytetu Szczecińskiego, Finanse, Rynki Finansowe,
Ubezpieczenia, nr 66.
Walińska E., Michalak M. [2014], Polityka rachunkowości w kontekście poglądów
nauko-wych Profesor Alicji Jarugowej, „Zeszyty Teoretyczne Rachunkowości”, t. 80(136). Współczesne uwarunkowania kwantyfikacji w rachunkowości [2013], red. B. Micherda,
Difin, Warszawa.
Zarządzanie ryzykiem działalności organizacji [2010], red. J. Monkiewicz, L.
Gąsior-kiewicz, C.H. Beck, Warszawa.
A Quantification of Economic Risk in Chosen Companies of the Construction Industry Using a Class Risk Model
(Abstract)
The paper is about the possibility of measuring economic risk using tools of dis-criminatory analysis, in the form of a class risk model. The need to measure particular phenomena points to new directions in research, with the aim of coping with market requirements. Using modern tools allows for the efficient measurement of complex phenomena, one of which is economic risk. Sources of information in the form of the financial statement let for wide applying the model of classes of the risk and to constitute the tool streamlining the evaluation of a situation of individuals perhaps.
Keywords: economic risk, measurement of the risk, model of classes of the risk, discriminatory analysis.
