Hoofdstuk 19: Modellen voor succes en faling (p459)

Methode van Altman:

Z = 1,2.X₁ + 1,4.X₂ + 3,3.X₃ + 0,6.X₄ + 1,0.X₅

X₁= Werkkapitaal / Totaal actief

X₂= Reserves / Totaal actief

X₃= Winst voor interest en belasting / Totaal actief

X₄= Eigen vermogen / Totale schulden

X₅= Verkopen / Totaal actief

Grenswaarde = 3 ð > 3 : gezond

ð < 3 : ongezond

Lineaire modellen Ooghe-Verbaere 1982

Discriminantanalyse is de verzamelnaam voor een aantal empirische / statistische methoden die toelaten te bepalen welke financiële ratio’s verschillen bij failliete en lopende ondernemingen en dus beide groepen zo goed mogelijk van elkaar onderscheiden.

Univariate analyse: de ratio’s worden één voor één afzonderlijk beschouwd.

Multivariate analyse: de ratio’s worden simultaan en in samenhang gebruikt.

Multipele lineaire discriminantanalyse:

D = d₀ + d₁R₁ + d₂R₂ + … + d_mR_m

waarbij D = discriminantscore tussen -¥ en +¥

R₁…R_m = onafhankelijke variabelen of ratio’s van het discriminantmodel

d₀ = constante term

d₁…d_m = lineaire discriminantcoëfficiënten

Uitgangspunten:

- Gebruiksvriendelijk

- Enkel publiek beschikbare informatie (Jaarrekening)

- Alle veriabelen berekenbaar op basis van 1 jaarrekening (dus geen 2 opeenvolgende)

Populatie:

- volledige jaarrekeningen

- 1977 en 1978

De falende steekproef bestaat uit 395 volledige jaarrekeningen van ondernemingen die in 77, 78 of 79 failliet verklaard zijn.

De lopende steekproef bestaat uit 753 volledige jaarrekeningen van ondernemingen die in 77, 78 en 79 niet falend waren.

Modellen:

- algemeen lineair model 1-3 jaar voor faling

- lineair model 1 jaar voor faling

- lineair model 2 jaar voor faling

- lineair model 3 jaar voor faling

* Beperkt tot 5 ratio’s

* Een hogere discriminantscore wijst in de modellen OV82 op een gunstiger financiële situatie.

Logitmodellen Ooghe-Joos-De Vos 1991

Multipele logistieke regressie:

Met L = logitscore tussen 0 en 1

V₁ … V_m = onafhankelijke financiële variabelen van het logitmodel

b₀ = constante term

b₁ … b_m = regressiecoëfficiënten

Variabelen:

- Ruim gamma aan ratio’s

- Robuuste maatstaven

- Accounting cosmetics zijn niet gebruikt

- Groepsbindingen

- Informatie i.v.m. de waarborgen die de onderneming ontvangt of geeft

Populatie:

- Volledige en verkorte jaarrekening

- Afgesloten tussen 1985-1990

- niet-financiële ondernemingen en met uitsluiting van openbare instellingen en ondernemingen onderworpen aan een buitenlandse wetgeving.

Schattingssteekproef: om model op te bouwen

Valideringssteekproef: om opgebouwde modellen te testen

Modellen:

1 jaar voor faling

1) Richting van de financiële hefboom = nettorendabiliteit van het totaal der activa voor belastingen – gemiddelde interestvoet van de schulden (indien >0, dan 1, anders 0)

2) Vervallen belastingschulden + vervallen schulden t.a.v. RSZ |9072|+|9076|

Indien >0, dan 1, anders 0

3 jaar voor faling

1) Aantal dagen tussen afsluiting en publicatie van de jaarrekening
2) Vervallen belastingschulden + vervallen schulden t.a.v. RSZ |9072|+|9076|

Indien >0, dan 1, anders 0

GRAYDON modellen

* Een hogere score wijst op een grotere kans op succes of een kleine kans op faling en dus een lager financieel risico.

Percentielen

Simpele-intuïtieve modellen 2005

Problemen bij andere (statistische) modellen (discriminantanalyse en logistieke regressie):

* Schatting coëfficiënten :

- Overfitting : het model wordt geoptimaliseerd in functie van een bepaalde steekproef

- Statistisch verband – geen inzicht in oorzaak/gevolg

- coëfficiënten hebben niet altijd het teken dat intuïtief verwacht wordt

* Keuze variabelen : gebeurt zelden op basis van een algemeen kader

• Nieuw soort falingspredictiemodellen: de simpele-intuïtieve modellen

- Niet-statistische en uitgebalanceerde selectie van variabelen, gebaseerd op financiële expertise van falende en lopende ondernemingen.

- Coëfficiënten van de variabelen worden weggelaten.

- Verwachte tekens van de variabelen worden gebruikt om modelscore te verkrijgen.

- Ongewogen totaalscore zonder coëfficiënten.

• herschalen door middel van een logittransformatie:

logit R

met logit R = logitwaarde van R

R = ratiowaarde in decimalen

• totaalscore: het gewoon of ongewogen rekenkundig gemiddelde berekenen van de logits van de ratiowaarden

Met S = SIM-score tussen 0 en 1

Logit R = logitwaarde van R tussen 0 en 1

R = ratiowaarde in decimalen

n = aantal opgenomen ratio’s

Variabelen:

- 4 basisdimensies van de financiële gezondheid van een onderneming (liq.,solv.,rend.,TW)

- Model moest stabiel zijn in tijd en ruimte: er worden 8 ratio’s gebruikt

- Model moest makkelijk toepasbaar zijn in de praktijk

20 modellen samengesteld en getest è laagste gemiddelde fout

Populatie:

- Volledig en verkorte jaarrekening

- 1990-1999

- in alle sectoren

- Zuiver/onzuiver lopend/falend

- Schattingsproef: onzuiver falende en onzuiver lopende ondernemingen worden eruit verwijderd.

- Valideringssteekproef: zowel zuivere als onzuivere elementen

Falende ondernemingen : 1 en 3 jaar voor faling in 2 afzonderlijke steekproeven

Resultaat: 1 enkel model ð maar 1 score moet berekend worden

Integreert zowel kortetermijnmodel als middellangetermijnmodel

• Nettorendabiliteit bedrijfsactiva voor belastingen
• Nettorendabiliteit eigen vermogen na belastingen

1. Graad van zelffinanciering
2. Graad van financiële onafhankelijkheid
3. KT financiële schuldgraad
4. Dekking van het vreemd vermogen door de cashflo
5. Nettokasratio

De totaalscore (S) wordt FiTo®-score genoemd.

Hoe hoger de score, hoe sterker de financiële toestand van de onderneming.

Deze score geeft een algemeen beeld van de financiële toestand van de onderneming.

Gebruik van de modelle

 Classificatie-instrument:

bepalen van een relevante afkapgrens

• berekende score afkapgrens: onderneming als lopend geclassificeerd
• berekende score < afkapgrens: onderneming als falend geclassificeerd

Er kunnen fouten gemaakt worden:

type I - fout (kredietrisico): een falende onderneming wordt als lopend geclassificeerd

type II - fout (commercieel risico): een lopende onderneming wordt als falend geclassificeerd

Foutenpercentage: verhouding tussen het aantal foutief geclassificeerde ondernemingen en het totaal aantal binnen een bepaalde groep

Het type I – kredietrisico: het risico van wanbetaling bij een toegestaan krediet en de kost ervan is gelijk aan de variabele kost, verbonden met de kredietverlening.

Het type II – commercieel risco: het risico dat een commerciële transactie niet doorgaat en de oppurtiniteitskost ervan gelijk is aan de verloren contributie van deze niet-gerealiseerde transactie.

ð Naarmate de gekozen afkapgrens stijgt, daalt de type I – fout van het kredietrisico en stijgt de type II – fout van het commercieel risico.

Er kan per model een ‘optimale’ afkapgrens gedefinieerd worden, waarbij het ongewogen gemiddelde van beide types van fouten minimaal is.

Indien de gebruiker een verschillend gewicht toekent aan beide soorten fouten, kan een optimaal afkappunt bepaald worden op basis van een gewogen gemiddelde fout.

Er kan ook gebruik gemaakt worden van twee afkapgrenzen: een bovengrens in functie van het type I – kredietrisico en een ondergrens in functie van het type II – commercieel risico.

‚ Het ongewogen gemiddelde van de foutenpercentages kan worden gebruikt als een maatstaf voor de betrouwbaarheid van een model. Hoe lager het foutenpercentage, hoe hoger de performantie van een model.

ƒ Positioneringsinstrument:

Onderneming positioneren ten opzichte van andere lopende of falende ondernemingen.

ð De gebruiker moet beschikken over referentiewaarden in de lopende en in de falende groep, dit is een percentielschaal van de discriminantscores.

Positionering in de percentieltabellen geeft aan hoeveel procent van de falende of lopende ondernemingen een lagere en dus slechtere score heeft.

Besluit

- Probleem van stabiliteit in de tijd, bij toepassingen van de modellen op latere jaren. Mogelijke oplossingen: herrekening percentielen, herziening modellen.

- Falingsvoorspelling vertoont enigszins het karakter van een ‘self-fulfilling prophecy’: ondernemingen die slecht scoren, worden als financieel zwak bestempeld en zouden bij een veralgemeend gebruik van dergelijke modellen (sneller) kunnen falen omwille van hun slechte score, waardoor de type II – fout daalt.

- Predictie van succes of faling – niet absoluut

- Bij toepassing van de multipele methode wordt de informatie, vervat in diverse ratio’s, samengevat in één enkel cijfer, die een globale indicator is voor de totale financiële situatie van het onderzochte bedrijf

- Complementair aan een meer gedetailleerde klassieke financiële analyse. De modellen worden gebruikt voor een eerste ‘screening’ van de jaarrekeningen.

Scoringsmodel Argenti

Slecht change management: onderneming is niet of zeer slecht in staat zich aan te passen aan veranderende omstandigheden.

Credit Scoring

Een onderneming evalueren om te kijken of deze kredietwaardig is.

Wanneer? Zo vroeg mogelijk – nieuwe (en ook bestaande?) klanten

Hoe? Op basis van kwantitatieve en kwalitatieve informatie

Vb Rate A tot D

A : geen beperkingen : blue chips (ondernemingen waarvan aandelen risicoloos zijn), volledig verzekerd, strategisch risico

B : normaal : volledige leveringen binnen bepaalde kredietlimiet

C : risico : leveringen worden gestopt indien kredietlimiet bereikt of indien betalingstermijn overschreden

D : geen krediet

Kredietwaardigheid : 5 C’s

Character : terugbetalingsgedrag (bewust laattijdig betalen?), integriteit

Collateral : waarborgen (in welke mate zijn vaste activa al als onderpand gebruikt?)

Capital : financiële sterkte

Capacity : algemene kwaliteiten van de klant : management, producten, technologie, ....

Conditions : algemeen economisch klimaat

Scoring

- Score kopen

- Scoringssysteem kopen

- Zelf doen

Scoren doe je altijd!

Informatie

Publiek beschikbaar : jaarrekening (België) : ratio’s, falingspredictie, …..

Uit eigen organisatie : eigen rapport kredietmanagement, verkoop,…

Aangekochte informatie van gespecialiseerde organisaties (Graydon, Dun & Bradstreet, …)

Kredietrisico kwantificeren

vb : risicoklant

Extra omzet : 1000

contributiemarge 20 % (marginaal !)

p (niet-betaling) = 10 %

==> marge = 100 (1000x10%)

betaalt na 180 dagen - vereist rend. 12 %

==> kost = 60

==> Marginaal resultaat : 40

Kredietlimiet gebaseerd op:

commerciële beschrijving + motivering

Financiële evaluatie

Hoogte risico bepaalt beslissingsniveau

formaliseren in document

Financiele analyse:

EV - immat.VA

Provisies = SLT

SLT binnen groep = EV ?

Berekening limiet:

Ons aandeel in hun totale aankopen * uitstaande leveranciers * sectorfactor (2 - 3.5) = basis

Correctie 1 : financ. Autonomie :

van + 100 % (>70%) tot - 50 % (<20%)

Correctie 2 : ROCE (Bedrijfsresultaat / Mat+immat.VA + NBK)

van + 100 % (> 20 %) tot - 50 % (< 5 %)

of tot 0 (ROCE <0)

Factoring

‘verkopen’ van facturen : meestal veilig, maar vrij duur en eventueel onaangenaam voor klanten

Kredietverzekering

Kan goede oplossing zijn

Dekt gedeelte van klanten – niet de echt exotische

Legt beperkingen op : kredietlimiet (is ineens ook een voordeel : de kredietverzekeraar doet dat voor u)