of 14 /14
Diagnosticul financiar sub impactul interferentei dintre scoring si analiza cluster Doctorand Cristina Maria Triandafil Academia de Studii Economice , Bucuresti, +4 0740 464 952,[email protected] Profesor Universitar Doctor Petre Brezeanu Academia de Studii Economice , Bucuresti, +4 0721 641 525, [email protected] Abstract: This paper focuses on the support offered by the scoring methodology and cluster analysis to the financial diagnosis. Taking as point of reference a credit-score function elaborated previously using as database financial data on a sample of the most 9 representative listed companies on the Bucharest Stock Exchange within the equipment field, the case-study implies the ranking of these firms valorizing as methodology both cluster analysis and scoring function. The cluster analysis is performed both at the firm and financial indicator level in order to get a deeper insight of the financial diagnosis. Key-words: financial diagnosis, default predictors, credit-scoring model, cluster analysis JEL Classification Numbers: G21, G30, G33 Introducere Pertinenta diagnosticului economico-financiar a devenit una din preocuparile centrale ale analistilor. In acest sens, tehnicile cantitative reprezinta una din modalitatile esentiale prin care demersul analitico-financiar capata coerenta, substanta si, mai ales, acuratete. Creditul reprezinta canalul prin care s-au dezvoltat in secolul al XX-lea politicile financiare agresive, axate pe crearea unui levier financiar sustinut 1 . In acest context, institutiile financiare s-au confruntat cu necesitatea implementarii unor modele performante de ierarhizare a segmentului corporativ in functie de performantele economico-financiare.

Articol Cibe

Embed Size (px)

DESCRIPTION

ggfh gfhfrdt c vcbngh rtytr yer yhj gjfgkjil jgtyjh ghgjyjty hy yt tghgjgj gf erthgf htyutrh gfhrt thtrhgfhfty th

Citation preview

Page 1: Articol Cibe

Diagnosticul financiar sub impactul interferentei dintre scoring si analiza cluster

Doctorand Cristina Maria Triandafil

Academia de Studii Economice , Bucuresti, +4 0740 464 952,[email protected]

Profesor Universitar Doctor Petre Brezeanu

Academia de Studii Economice , Bucuresti, +4 0721 641 525, [email protected]

Abstract: This paper focuses on the support offered by the scoring methodology and cluster analysis to the financial diagnosis. Taking as point of reference a credit-score function elaborated previously using as database financial data on a sample of the most 9 representative listed companies on the Bucharest Stock Exchange within the equipment field, the case-study implies the ranking of these firms valorizing as methodology both cluster analysis and scoring function. The cluster analysis is performed both at the firm and financial indicator level in order to get a deeper insight of the financial diagnosis.

Key-words: financial diagnosis, default predictors, credit-scoring model, cluster analysis

JEL Classification Numbers: G21, G30, G33

Introducere

Pertinenta diagnosticului economico-financiar a devenit una din preocuparile centrale ale analistilor. In acest sens, tehnicile cantitative reprezinta una din modalitatile esentiale prin care demersul analitico-financiar capata coerenta, substanta si, mai ales, acuratete.Creditul reprezinta canalul prin care s-au dezvoltat in secolul al XX-lea politicile financiare agresive, axate pe crearea unui levier financiar sustinut1.In acest context, institutiile financiare s-au confruntat cu necesitatea implementarii unor modele performante de ierarhizare a segmentului corporativ in functie de performantele economico-financiare. Modelele de credit-scoring reprezinta o modalitate de identificare, cunatificare si control a riscului de faliment corporativ.Multidimensionalitatea lor subscrie ideii de reflectare a sanatatii financiare a intreprinderii, dar si ierarhizarii unui ansamblu de intreprinderi in functie de anumiti indicatori economico-financiari integrati sintetic intr-o functie scor. Aceasta multidimensionalitate devine operationala mai ales in cazul institutiilor financiare care isi fundamenteaza intreaga activitate de creditare pe baza propriiilor modele de credit-scoring.De la modelele de credit-scoring standard, bazate pe Analiza Discriminanta, s-a realizat trecerea la modelele de credit-scoring elaborate prin aplicarea regresiei logit in cadrul carora variabila raspuns este de tip binar2.Intr-o prima etapa, scoringul isi propune furnizarea unui diagnostic financiar.

Page 2: Articol Cibe

Ulterior, metoda in sine implica si o ierarhizare a firmelor care au primit un rating corespunzator nivelului de performanta economico-financiara.In virtutea principiului de pertinenta si acuratete a diagnosticului financiar, ierarhizarea segmentului corporativ necesita o rafinare mai profunda prin analiza cluster 3. Prezentul articol se concentreaza asupra rafinarii diagnosticului financiar obtinut intr-o etapa anterioara prin metoda scoringului cu rationamentul corespunzator analizei cluster.Articolul va contine urmatoarele sectiuni : prima sectiune este dedicata descrierii bazei de date, a doua sectiune este consacrata descrierii metodologiei care va fi implementata , iar a treia sectiune contine studiul de caz propriu-zis.Sectiunea 4 este dedicata concluziilor.

Sectiunea 1

Baza de date utilizata in efectuarea acestui studiu de caz este reprezentata de un esantion de 9 companii listate la Bursa de Valori Bucuresti.Aceste companii isi desfasoara activitatea in domeniul echipamentelor.Baza de date contine informatii de natura economico-financiara referitoare la intreprinderile cotate, extrase de pe site-ul www.ktd.ro.Intreprinderile analizate sunt :

A Aerostar BacauB Altur SlatinaC Armatura Cluj NapocaD Compa S.A. SibiuE Electroputere CraiovaF Impact BucurestiG Mecanica SA CeahlauH Mefin SinaiaI Rulmentul Brasov

1Falkenstein, E., A. Boral and L. Carty, 2000, RiskCalc Private Model: Moody’s Default Model for Private Firms, Moody’s KMV, San Francisc2Crosbie, P., (1999), Modelling Default Risk, KMV3Stein, R.M., Jordao, F., 2003. What is a more powerful model worth? Moody’s KMV, New

Matricea de date utilizata este urmatoarea :

Tabel no.1 – Analiza indicatorilor economico financiari la nivelul celor 9 intreprinderiI1 I2 I3 I4 I5 I6 I7 I8 I9

A 0,2735 0,442 2,43 0,1246 0,2013 0,0954 0,978 91,15072 5,033398B 0,4495 0,8186 0,78 -0,0642 -0,1169 -0,0435 0 46,60469 4,819793

Page 3: Articol Cibe

C 0,6454 1,8589 0,91 -0,2426 -0,6988 -0,2276 0 29,47244 4,435642D 0,5133 1,0654 1,31 0,0348 0,0723 0,0349 0,786 35,19443 5,384745E 0,9657 33,9937 0,32 -0,2588 -9,11 -0,3241 0 -9,66377 5,292392F 0,5422 1,2807 6,04 0,0474 0,1119 0,1579 0,7066 114,3231 5,586783G 0,3302 0,5051 1,57 0,0529 0,0809 0,0971 3,6602 11,06625 4,740421H 0,1931 0,2501 2,81 -0,1243 -0,161 -0,1209 0 -6,94483 4,508519I 0 12,1491 0 0 -1,9068 -0,3541 0 -8,1418 5,267022

Sursa : prelucrare proprie

In cadrul unui studiu studiu anterior4, s-a realizat clasificarea acestora in functie de scorurile obtinute ca urmare a reexprimarii cauzalitatii initiale printr-o functie scor:

Clasa 1 : Include intreprinderile Compa Sibiu, Mecanica SA Ceahlau care au inregistrat scoruri bune pe toate cele trei componente ;

Clasa 2 : Include intreprinderea Rulmentul Brasov care inregistreaza scoruri bune pe primele 2 componente si un grad ridicat de indatorare, ceea ce este in acord cu realitatea economica, intreprinderea inregistrand arierate foarte ridicate ; Clasa 3 : Include intreprinderile Aerostar Bacau, Altur Slatina, Armatura Cluj-Napoca care au inregistrat scoruri bune pe componenta 1 si 3 ;

Clasa 4 : Include intreprinderile Electroputere Craiova, Impact Bucuresti, Mefin Sinaia, care au inregistrat scoruri bune numai pe prima componenta.

4 Triandafil, Cristina, Brezeanu Petre, Multidimensionalitatea operationala a modelelor de credit-scoring cu aplicabilitate practica pe firmele cotate la BVB, sectiunea echipamente, Revista ,,Management si Marketing’’, editia 3, 2007Sectiunea 2

Metodologia utilizata in elaborarea studiului de caz implica, intr-o prima etapa, aplicarea analizei cluster la nivelul intreprinderilor analizate.Utilizand ca tehnici de agregare metoda vecinilor celor mai apropiati (Single linkage), metoda vecinilor celor mai indepartati (Completed Linkage) , dar si inlantuirea prin medii (Average linkage), se vor confrunta grupele de agregare obtinute prin metoda cluster cu cele obtinute prin analiza componentelor principale.A doua etapa va cuprinde aplicarea acelorasi algoritmi, dar de aceasta data agregarea se va realiza la nivelul indicatorilor economico-financiari.Dendogramele obtinute vor constitui un punct de reper important pentru acuratetea interpretarii.

Page 4: Articol Cibe

Sectiunea 3

Studiul de caz presupune, intr-o prima etapa, aplicarea tehnicilor de agregare descrise anterior la nivelul celor mai reprezentative intreprinderi cotate la BVB Bucuresti, sectiunea echipamente.Pentru a avea o imagine pertinenta asupra formarii claselor, se va analiza comparativ procesul de agregare prin cele trei metode, precum si dendogramele corespunzatoare.

Tabel no. 2 – Tehnica de agregare prin metoda celor mai apropiati (Single linkage)

Amalgamation Schedule (bvb.sta)Single LinkageEuclidean distances

Obj. No.

Obj. No.

Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No.

1 2 3 4 5 6 7 8 96,066905 C_4 C_511,64168 C_3 C_4 C_512,47579 C_9 C_1018,45558 C_8 C_9 C_1019,27294 C_3 C_4 C_5 C_8 C_9 C_1023,41992 C_3 C_4 C_5 C_8 C_9 C_10 C_624,00341 C_2 C_744,60271 C_2 C_7 C_3 C_4 C_5 C_8 C_9 C_10 C_6

Sursa : prelucrare proprie

Tabel no. 2 – Tehnica de agregare prin metoda celor mai departati (Complete linkage)

Amalgamation Schedule (bvb.sta)Complete LinkageEuclidean distances

Obj. No.

Obj. No.

Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No.

1 2 3 4 5 6 7 8 96,066905 C_4 C_512,47579 C_9 C_1017,21057 C_3 C_4 C_522,99864 C_8 C_9 C_1024,00341 C_2 C_740,68950 C_6 C_8 C_9 C_1066,01077 C_3 C_4 C_5 C_6 C_8 C_9 C_10

Page 5: Articol Cibe

128,6963 C_2 C_7 C_3 C_4 C_5 C_6 C_8 C_9 C_10

Sursa : prelucrare proprie

Se remarca faptul ca pentru un nivel de agregare situat in intervalul (6,066 ; 24,00341), se formeaza doua clase atat prin metoda vecinilor celor mai apropiati, cat si prin metoda vecinilor celor mai indepartati . Prima este formata din firmele ( 4, 9, 3, 8, 2), respectiv Compa S.A Sibiu, Rulmentul Brasov, Armatura Cluj Napoca, Mefin Sinaia, Altur Slatina iar a doua este formata din clasele (5, 10, 4, 9, 7), respectiv Electroputere Craiova, Compa SA Sibiu, Rulmentul Brasov si Mecaica Ceahlau.

Tabel no. 2 – Tehnica de agregare prin metoda inlantuirii prin medii (Average linkage)

Amalgamation Schedule (bvb.sta)Weighted pair-group averageEuclidean distances

Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No.1 2 3 4 5 6 7 8 9

6,066905 C_4 C_512,47579 C_9 C_1014,42612 C_3 C_4 C_520,72711 C_8 C_9 C_1024,00341 C_2 C_735,01229 C_6 C_8 C_9 C_1049,23891 C_3 C_4 C_5 C_6 C_8 C_9 C_1086,48648 C_2 C_7 C_3 C_4 C_5 C_6 C_8 C_9 C_10

Sursa : prelucrare proprieSe observa includerea unor intreprinderi in ambele grupeO analiza asupra claselor obtinute prin agregarea prin inlantuirea mediilor nu conduce la o decantare mai clara a rezultatelor.In consecinta, este necesara interpretarera dendogramelor obtinute.

Graficul no.1 Dendograma corespunzatoare agregarii prin metoda vecinilor celor mai apropiati

Page 6: Articol Cibe

Sursa : prelucrare proprie

Graficul no.2 Dendograma corespunzatoare agregarii prin metoda vecinilor celor mai departati

Sursa : prelucrare proprie

Astfel, pentru un nivel de agregare situat in intervalul (0, 50), se disting trei clase :

Clasa I : Rulmentul Brasov, Mefin Sinaia, Aerostar Bacau, Impact Bucuresti

Clasa II: Electroputere Craiova, Armatura Cluj, Compa SA Sibiu

Clasa III : Mecanica SA Ceahlau, Altur Slatina

Pentru un nivel de agregare situat in intervalul (50, 90), se disting doua clase :

Page 7: Articol Cibe

Clasa I : Rulmentul Brasov, Impact Bucuresti, Electroputere Craiova, Compa SA Sibiu, Armatura Cluj, Mefin Sinaia, Aerostar Bacau

Clasa II : : Mecanica SA Ceahlau, Altur Slatina

Comparand clasificarile obtinute prin Analiza Componentelor Principale si prin Analiza Cluster, se remarca un nivel de decantare mai intens in cazul Analizei Componentelor Principale. De exemplu, Rulmentul Brasov, intreprindere caracterizata printr-o situatie financiara aparte, cu o rentabilitate economica ridicata, dar cu un grad de indatorare de asemenea ridicat, este plasata in cea de-a doua clasa, fiind delimitata de ansamblul celorlalte intreprinderi prin intermediul Analizei Componentelor Principale, in timp ce prin intermediul Amalizei Cluster este plasata in prima clasa.Pentru a analiza omogenitatea celor 9 indicatori financiar-contabili se vor utiliza aceleasi tehnici de agregare.Pentru un nivel minim de agregare de 0,38, cei mai apropiati sunt indicatorii de rentabilitate a capitalurilor proprii si de variatie a profitului net. Intensificand nivelul de agregare la 7,5, se remarca faptul ca celor 2 indicatori li se asociaza levierul financiar, rentabilitatea activului economic si rata de crestere a activelor, iar pentru un nivel de agregare de de 46, sunt asociati indicele de lichiditate, rentabilitatea activelor, precum si nivelul activelor.

Amalgamation Schedule (bvb.sta)Complete LinkageEuclidean distances

Obj. No.

Obj. No.

Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No. Obj. No.

1 2 3 4 5 6 7 8 9 10,3812250 VAR5 VAR71,831762 VAR2 VAR5 VAR73,858129 VAR2 VAR5 VAR7 VAR87,492672 VAR2 VAR5 VAR7 VAR8 VAR412,19176 VAR2 VAR5 VAR7 VAR8 VAR4 VAR620,84915 VAR2 VAR5 VAR7 VAR8 VAR4 VAR6 VAR10

Page 8: Articol Cibe

45,44968 VAR2 VAR5 VAR7 VAR8 VAR4 VAR6 VAR10 VAR3165,8654 VAR2 VAR5 VAR7 VAR8 VAR4 VAR6 VAR10 VAR3 VAR9316,0740 VAR1 VAR2 VAR5 VAR7 VAR8 VAR4 VAR6 VAR10 VAR3 VAR9

Tabel no. 3 – Tehnica de agregare a indicatorilor financiari prin metoda vecinilor celor mai departati

Sursa : prelucrare proprie

Graficul no.3 Dendograma corespunzatoare agregarii indicatorilor financiari prin metoda vecinilor celor mai departati

Sursa : prelucrare proprie

Aprofundand analiza la nivelul dendogramei, se remarca existenta a trei clase de indicatori economico-financiari :

Clasa I : Nivelul Activelor, Indicele de lichiditate

Clasa II : Rentabilitatea economica, Rentabilitatea Activului Economic, Rata de crestere a activelor, Variatia profitului net, Rentabilitatea capitalurilor proprii, Levierul Finnaciar

Clasa III : Gradul de indatorare fata de Activul Total

Page 9: Articol Cibe

Se remarca faptul ca prima clasa reprezinta o interferenta a indicatorilor de activitate si lichiditate.A doua si a treia clasa constituie o sinteza a indicatorilor de rentabiliate economica si solvabilitate.

Sectiunea 4

Analiza cluster s-a dovedit a fi u instrument eficient de constituire a unor clasificari la nivelul intreprinderilor si indicatorilor economico-financiari analizati. Diagnosticul financiar furnizat initial ca o rezultanta a analizei calitative a documentelor financiar-contabile este, de regula, aprofundat prin aceste tehnici cantitative. Astfel, el capata acuratete si, mai ales, putere de predictie.In privinta pertinentei clasificarii obtinute prin cele 2 metode, se constata faptul ca este necesara o interferenta intre Analiza Componentelor Principale si Analiza Cluster, desi ca nivel de discriminare, ACP s-a dovedit a fi mult mai performanta.

Bibiografie

Bouroche J. M., Saporta G., L’Analyse des données, P.U.F., 1980.Chandon J. L., Pinson S., Analyse typologique, Masson, Paris, 1981.Crosbie, P., (1999), Modelling Default Risk, KMVDiday E., Pouget J., Lemaire J., Testu F., Éléments d’analyse des données, Dunod, Paris, 1982.Falkenstein, E., A. Boral and L. Carty, 2000, RiskCalc Private Model: Moody’s Default Model for Private Firms, Moody’s KMV, San Francisc

Page 10: Articol Cibe

Stein, R.M., Jordao, F., 2003. What is a more powerful model worth? Moody’s KMV, NewFernandez G., Data Mining Using SAS Applications, Charman & Hall, 2003. Härdle W., Simar L., Applied Multivariate Statistical Analysis, TECH, 2002. Nakache Jean-Pierre, Analyse discriminante sur variables qualitatives, Polytechnica, Paris, 1994. Quintart Aimable, Les fondements de la théorie financière classique et les limites de l’hypothèse générale de linéarité. În: Eric de Bodt, Henrion E.F. (edit.), Saporta G., Probabilités, analyse des données et statistique, Editions Technip, Paris, 1990.Saporta G., Ştefănescu V., Analiza datelor & Informatică, Editura Economică, Bucureşti, 1996.Spircu, L Analiza Datelor.Aplicatii Economice, Editura Economica, 2003Stein, R.M., Jordao, F., 2003. What is a more powerful model worth? Moody’s KMV, NewTriandafil, Cristina, Brezeanu Petre, Multidimensionalitatea operationala a modelelor de credit-scoring cu aplicabilitate practica pe firmele cotate la BVB, sectiunea echipamente, Revista ,,Management si Marketing’’, editia 3, 2007