ΜΙΑ ΚΑΙΝΟΤΟΜΑ ΠΡΟΣΕΓΓΙΣΗ ΣΤΗΝ ΑΞΙΟΛΟΓΗΣΗ ΧΡΗΜΑΤΙΣΤΗΡΙΑΚΩΝ ΕΠΕΝΔΥΣΕΩΝ

SFK GroupInsights

Για παραπάνω από 50 χρόνια, η πρόβλεψη της χρεοκοπίας αποτελεί μία από τις πιο σημαντικές και συνάμα απαιτητικές προκλήσεις στον χρηματοοικονομικό κόσμο. Ένας εντυπωσιακός όγκος επιστημονικών ερευνών και εργασιών έχει μελετήσει το συγκεκριμένο φαινόμενο προσπαθώντας να το προβλέψει, αναπτύσσοντας διάφορα μοντέλα πρόβλεψης με πολλαπλές μεθόδους.

Το πιο γνωστό εξ αυτών αποτελεί το μοντέλο του Άλτμαν (1968) που δημιουργήθηκε με τη χρήση της διαχωριστικής ανάλυσης. Παρόλα αυτά, το συγκεκριμένο μοντέλο καθώς και η πλειονότητα των μοντέλων πρόβλεψης που έχουν δημιουργηθεί, βασίζονται πάνω σε υγιείς οικονομίες. Σε μια χώρα, όμως, η οποία διανύει περίοδο έντονης οικονομικής κρίσης, με την πλειονότητα των υγιών επιχειρήσεων να παρουσιάζουν αρνητικά οικονομικά στοιχεία τα οποία προσεγγίζουν σε μεγάλο βαθμό αυτά των χρεοκοπημένων, η πρόβλεψη της χρεοκοπίας γίνεται σαφώς πιο απαιτητική.

Συνεπώς, ένα μοντέλο θα πρέπει να είναι φτιαγμένο με τέτοιο τρόπο ώστε να αποδίδει και υπό αυτές τις συνθήκες, αποτελούμενο από ένα συνδυασμό μεταβλητών (αριθμοδεικτών) οι οποίες να εξετάζουν διεξοδικά τα θεμελιώδη χαρακτηριστικά της υπό εξέταση επιχείρησης, επιτυγχάνοντας τη λήψη ενός σημαντικού όγκου πληροφοριών από αυτήν. Με βάση την υπάρχουσα βιβλιογραφία, η χαμηλή αποτελεσματικότητα των υπαρχόντων μοντέλων πρόβλεψης κατά την εφαρμογή τους στην Ελληνική οικονομία και γενικά σε οικονομίες με έντονο το στοιχείο της αβεβαιότητας, δημιούργησε την ανάγκη ανάδειξης ενός νέου εναλλακτικού μοντέλου που να επιτυγχάνει προβλέψεις με υψηλά ποσοστά ακρίβειας ακόμα και υπ’ αυτές τις συνθήκες.

Το συγκεκριμένο μοντέλο πρόβλεψης αποτελεί προϊόν διαχωριστικής ανάλυσης και επιδιώκει με τη συνδυαστική χρήση τριών αριθμοδεικτών να διαχωρίσει ποια επιχείρηση δε διατρέχει άμεσο κίνδυνο από το ποια οδεύει προς χρεοκοπία. Αναλόγως με τη χρονική προσέγγιση που εφαρμόζεται στη χρεοκοπία (t-1, t-2, t-3), το μοντέλο διατηρώντας τους ίδιους (τρεις) αριθμοδείκτες, προσαρμόζεται με τέτοιον τρόπο ώστε να έχει πολύ καλή εφαρμογή, καθώς η πρόβλεψη μίας βραχυχρόνιας χρεοκοπίας (t-1) σε σχέση με μια μακροχρόνια (t-3) απαιτεί διαφορετική προσέγγιση. Ανάλογα με το αποτέλεσμα (θετικό ή αρνητικό) που θα προκύψει με την χρήση κατάλληλης συνάρτησης, η επιχείρηση ταξινομείται είτε ως υγιής (θετικό αποτέλεσμα), είτε ως επίφοβη για χρεοκοπία (αρνητικό αποτέλεσμα). Όσο μεγαλύτερο του μηδενός είναι το αποτέλεσμα, τόσο καλύτερη είναι η «υγεία» της υπό εξέτασης επιχείρησης. Αντίθετα, όσο μικρότερο του μηδενός το αποτέλεσμα, τόσο χειρότερη είναι η εικόνα της υπό εξέτασης επιχείρησης.

Το συγκεκριμένο μοντέλο κατάφερε να προβλέψει σωστά το 96,43% των περιπτώσεων ένα χρόνο πριν τη χρεοκοπία τους, το 92,86% δύο χρόνια και το 89,29% τρία χρόνια πριν τη χρεοκοπία τους αντίστοιχα. Το γεγονός της αυξημένης ακρίβειας του και της επίτευξης τόσο υψηλών ποσοστών διαχωρισμού ακόμα και τρία χρόνια πριν την ενδεχόμενη χρεοκοπία, πηγάζει από την πολύπλευρη πληροφόρηση που παρέχεται από τοναποτελεσματικό συνδυασμό αριθμοδεικτών που χρησιμοποιεί.

Όσον αφορά την συμβολή του, το παρουσιαζόμενο προβλεπτικό μοντέλο αφορά τόσο το Ελληνικό όσο και το διεθνές επενδυτικό κοινό που ενδιαφέρεται για την ακεραιότητα και αξιοπιστία των τοποθετήσεων του, καθώς επίσης και τον τραπεζικό και ασφαλιστικό κλάδο κατά την διαδικασία αξιολόγησης κινδύνου Ελληνικών επιχειρήσεων. Επιπρόσθετα, η ευκολία της εφαρμογής του σε συνδυασμό με το μέγεθος της πληροφόρησης που παρέχει το καθιστά ως ένα πολύτιμο εργαλείο κατά την διαδικασία αξιολόγησης επενδύσεων. Σε μια οικονομικά πλητόμενη χώρα η οποία χαρακτηρίζεται από έντονη δυσπιστία επενδυτών και ένα ολοένα και αυξανόμενο αριθμό μη εξυπηρετούμενων δανείων, η ύπαρξη τέτοιων εργαλείων δρα κατασταλτικά και αποτρέπει την επιδείνωση της κατάστασης.

ΔΗΜΟΣΙΕΥΣΗ: Περιοδικό ΑΜ #93 Φεβρουάριος 2022

https://asfalistikomarketing.gr/%CE%BC%CE%B9%CE%B1-%CE%BA%CE%B1%CE%B9%CE%BD%CE%BF%CF%84%CE%BF%CE%BC%CE%B1-%CF%80%CF%81%CE%BF%CF%83%CE%B5%CE%B3%CE%B3%CE%B9%CF%83%CE%B7-%CF%83%CF%84%CE%B7%CE%BD-%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CE%BF/