Ryzyko obsługi zobowiązań długoterminowych na przykładzie ...zif.wzr.pl/pim/2013_3_2_18.pdf ·...
Transcript of Ryzyko obsługi zobowiązań długoterminowych na przykładzie ...zif.wzr.pl/pim/2013_3_2_18.pdf ·...
Tomasz Jastrzębski*
Ryzyko obsługi zobowiązań długoterminowych na przykładzie spółki
J.W Construction Holding S.A.
Wstęp Zarządzanie strategiczne jest procesem złożonym, który wymaga od decydentów
między innymi dużej wiedzy o uwarunkowaniach wewnętrznych i zewnętrznych działania
organizacji. Mnogość oraz zmienność czynników, które wpływają na decyzje, sprawia, że
badanie łącznego ich wpływu na dany obszar działalności bez wyspecjalizowanego
narzędzia analizy jest niemal niemożliwa. W niniejszym artykule badanym obszarem jest
ryzyko obsługi zobowiązań długoterminowych, natomiast narzędziem analizy jest
matematyczny model ryzyka budowany w oparciu o podstawowe charakterystyki rozkładu
prawdopodobieństwa, takie jak wartość oczekiwana czy wariancja.
Celem artykułu jest poszukiwanie w przykładzie empirycznym potwierdzenia tezy,
że zmienność uwarunkowań realizacji długoterminowych zobowiązań finansowych jest
przyczyną zmian stanów ryzyka obsługi tychże zobowiązań.
Badanym obiektem będzie zmienność stanów ryzyka obsługi zobowiązań
długoterminowych przedsiębiorstwa J.W. Construction Holding S.A.
1. Zarządzanie finansami w warunkach obsługi zobowiązań długoterminowych Umiejętne zarządzanie strategiczne jest jednym z ważniejszych czynników
przetrwania i sprawnego funkcjonowania organizacji gospodarczych w dzisiejszych realiach
gospodarki wolnorynkowej. Wykorzystanie nadarzających się szans oraz szybkie
reagowanie na nadchodzące lub już istniejące zagrożenia decyduje o utrzymaniu a nawet
polepszeniu pozycji konkurencyjnej na rynku. Zarządzanie strategiczne jest zespołem
działań, w skład którego wchodzą: formułowanie strategii, planowanie procesu realizacji
celów strategicznych, a następnie realizacja oraz kontrola realizacji tych procesów. Realizacja
założeń strategii odbywa się w warunkach niepewności. Niepewność tę można podzielić na
mierzalną i niemierzalną. Ryzyko jest rozumiane jako niepewność mierzalna, natomiast
niepewność niemierzalna jest określana mianem niepewności sensu stricto [Korombel, 2007].
Zatem mierzenie ryzyka, czyli szansy zaistnienia ważnych z punktu widzenia realizacji
planów strategicznych sytuacji, wydaje się ważnym elementem systemu kontroli realizacji
planów strategicznych.
Planowanie procesu realizacji celów strategicznych nie jest możliwe bez przyjęcia
założeń dotyczących stanów pewnych uwarunkowań zarówno wnętrza, jak i otoczenia
organizacji. Jednak brak zwrócenia uwagi na zmienność tych uwarunkowań może
skutkować dużymi rozbieżnościami między zaplanowanymi poziomami celów a ich
realizacją. Jeśli spojrzeć na powyższe rozważania pod kątem zarządzania obsługą
zobowiązań długoterminowych, należy zgodzić się z hipotezą: „zmienność uwarunkowań
realizacji długoterminowych zobowiązań finansowych jest przyczyną zmian stanów ryzyka
obsługi zobowiązań” [Zemke, 2009].
Na zarządzanie finansami organizacji gospodarczej składają się takie elementy, jak:
– planowanie finansowe,
*Mgr, Katedra Ekonometrii, Wydział Zarządzania, Uniwersytet Gdański, [email protected]
– realizacja planu finansowego,
– kontrola realizacji planów finansowych [Rokita, 2005].
Plan finansowy musi być ściśle związany z celami operacyjnymi, taktycznymi oraz
strategicznymi. Muszą być w nim określone źródła finansowania realizowanych celów.
Należy zauważyć, że finansowanie celów o różnych horyzontach czasowych powinno być
uzależnione od danego przedziału czasowego. Fakt ten wynika zarówno z różnic w
potrzebie szybkości zapewnienia finansowania poszczególnych celów, jak i z różnorodności
kosztów poszczególnych narzędzi finansowania realizacji planów. Źródła finansowania
działalności gospodarczej (zarówno krótko-, jak i długoterminowe) dzielą się na zasoby
kapitału własnego oraz zasoby kapitału obcego. Należy z dużą ostrożnością planować dobór
sposobu finansowania poszczególnych celów, a zwłaszcza dbać, by ciężar obsługi
zobowiązań zbiegał się w czasie z kumulacją środków finansowych organizacji.
Decyzje o finansowaniu zewnętrznym są podejmowane przy ciągle zmieniających się
uwarunkowaniach zewnętrznych, których w gospodarce wolnorynkowej nie da się
przewidzieć z całkowitą pewnością wskutek zmian kosztu dostępnego na rynku kapitału
obcego. Również poziom finansowania wewnętrznego obarczony jest dużą dozą
niepewności, chociażby z powodu niemożliwej do dokładnego przewidzenia koniunktury,
zachowania się konkurencji, czy czynników wewnętrznych wpływających na jakość
funkcjonowania organizacji. Wobec ciągle powtarzającego się stwierdzenia o niemożliwości
dokładnego przewidzenia uwarunkowań działalności organizacji, oczywisty staje się fakt, iż
bieżąca kontrola realizacji planów finansowych powinna opierać się również o narzędzia
pomiaru ryzyka decyzji finansowych.
Ryzyko obsługi zobowiązań długoterminowych naraża organizację na niekorzystne
dla jej funkcjonowania skutki, które mogą być spowodowane [Davis, Pointon, 1997]:
– niewłaściwą strukturą kapitału,
– złą polityką zabezpieczania zobowiązań,
– niekorzystną tendencją zmian rynkowych stóp procentowych.
Niski zasób wolnych środków finansowych jest oczywiście spowodowany niekorzystną
relacją między wielkością przepływów pieniężnych ze sprzedaży produktów i usług a
kosztami wytworzenia tychże, powiększonymi o koszty działalności organizacji.
Przyczynami takiego stanu rzeczy mogą być: dekoniunktura na rynku, poprawienie się
rynkowej pozycji konkurencji, poważne dysfunkcje w funkcjonowaniu organizacji
powodujące wzrost kosztów wytworzenia lub kosztów działalności czy nieprawidłowości w
zarządzaniu środkami obrotowymi organizacji. Zamrażanie środków finansowych przez
nadmierne magazynowanie zapasów może natychmiast pozbawić organizację możliwości
obsługi zobowiązań. Z kolei brak zapasu może zatrzymać działalność produkcyjną, a co za
tym idzie – wstrzymać realizację zamówień i bieżący obrót.
Politykę zabezpieczania zobowiązań uważa się za dobrą, jeżeli aktywa i
zobowiązania są tak dopasowane w czasie, aby przepływy pieniężne wytworzone przez
aktywa wystarczały do obsługi i spłaty zobowiązań z końcem okresu życia tych aktywów.
Sytuację, gdy okres życia danego składnika aktywów jest dłuższy niż okres spłaty
zadłużenia uznaje się na niekorzystną. Przyjmuje się takie założenie, ponieważ w wyżej
wymienionej sytuacji rośnie prawdopodobieństwo, że aktywa nie zdążą wytworzyć
wystarczających przepływów pieniężnych do terminu spłaty długu.
Koszt kapitału obcego jest w dużej mierze determinowany przez poziom rynkowych
stóp procentowych. Z reguły koszty finansowe związane z obsługą zobowiązań
krótkoterminowych są niższe niż te związane z obsługą zobowiązań długoterminowych
właśnie w związku z zachowaniem się rynku. Mechanizm ten ma bardzo duży wpływ na
politykę pozyskiwania kapitału przez organizację. Ponieważ rynkowe stopy procentowe
ulegają nieustannym zmianom, poziom niepewności związany z finansowaniem
zewnętrznym jest wysoki i wymaga ciągłej kontroli.
Część procesu zarządzania finansami, jakim są działania związane z pozyskiwaniem
kapitału dla finansowania działalności organizacji gospodarczej, wymaga nieustannego
monitorowania stanów podjętego ryzyka. W celu przeprowadzenia tej kontroli zarządzający
organizacją muszą zdefiniować granice monitorowanego obszaru, elementy strukturalne
obszaru – zmienne kontrolne oraz częstotliwość, z jaką dokonywane są pomiary zmiennych
kontrolnych. W niniejszym opracowaniu założono, że zmienne kontrolne są
aproksymantami skutków podjętego ryzyka. Założenie to leży u podstaw budowy
matematycznego modelu ryzyka. Konsekwencją przyjęcia tego założenia jest postrzeganie
ryzyka jako skutków podjętych decyzji mierzonego tendencją oraz dynamiką zmiennych
kontrolnych [Zemke, 2009].
2. Model ryzyka obsługi zobowiązań długoterminowych Procesy zarządzania są realizacją celów strategicznych przyjętej w planach wizji.
Oceny jakości działań zarządu można dokonać tylko w wypadku jednoznacznej definicji
tych celów. Szczególna rola, jaką pełnią te cele, wyróżnia je jako cele kontrolowane. Aby
dokonać pomiaru ich realizacji, należy zdefiniować odpowiednie mierniki ich wykonania,
zwane zmiennymi kontrolnymi.
Modelem ryzyka jest wektor losowy zmiennych kontrolnych. Podstawowe miary
charakterystyczne wektora, takie jak wartość oczekiwana czy wariancja, są dobrze
zdefiniowane. Dzięki zmianom wartości estymatorów miar charakterystycznych realizacji
procesów decyzyjnych w czasie oraz ich odchyleniom od planowanych wartości można
monitorować zmienność stanów ryzyka realizowanych decyzji.
2.1. Konstrukcja wektora ryzyka – definicja zmiennych kontrolnych
Niech X będzie wektorem zmiennych kontrolnych procesu obsługi zobowiązań
długoterminowych. Składowymi tego wektora są:
1. 1X – WACC (Weighted Average Cost of Capital) średni ważony koszt kapitału
[Jerzemowska, 2006].
2. 2X – rentowność, czyli iloraz pozycji bilansowej „Zysk (strata) netto” i pozycji
„Przychody netto ze sprzedaży produktów, towarów i materiałów”.
3. 3X – miara relacji stanu wolnych środków pieniężnych do stanu zobowiązań (łącznie
długoterminowych oraz bieżących).
2.2. Miary ryzyka
Niech NNN gxdgxdgxdP ,,, 222111 oznacza prawdopodobieństwo tego,
że wektor losowy X przyjmie wartości ze zbioru NN gdgdgd ,,, 2211 [Zemke,
2013, s. 34].
Wartość oczekiwana wektora losowego X wynosi NXEXEXEXE ,,, 21 ,
gdzie iXE są całkami jednowymiarowego rozkładu brzegowego w granicach ii gd , ,
Ni ,,2,1 [Zemke, 2013, s. 34].
Wariancja wektora losowego X wynosi Var(X) = (Var(X1), Var(X2), …, Var(XN)), gdzie
Var(Xi) są całkami jednowymiarowego rozkładu brzegowego w granicach ii gd , ,
Ni ,,2,1 [Zemke, 2013, s. 34].
2.3. Stany ryzyka
Niech dla każdego Nh ,,2,1 przedział wh
wh gd , oznacza wzorcowy, tzn. pożądany
przez decydenta, przedział zmienności h-tej zmien-nej kontrolnej.
Wtedy wNN
wN
wwwww gxdgxdgxdPP ,,, 222111 oznacza wzorzec
prawdopodobieństwa wektora ryzyka, wzorzec wektora wartości oczekiwanych XEw jest
wektorem o składowych hw XE , natomiast wzorzec wektora wariancji XVarw jest
wektorem o składowych hw XVar .
Niech tP oznacza wartość prawdopodobieństwa w t-tej fazie kontroli realizacji
procesu zarządzania. Analogicznie XE t i XVar t oznaczają odpowiednio wartość
oczekiwaną i wariancję w t-tej fazie kontroli realizacji procesu zarządzania.
Po przyjęciu takich definicji:
1. Różnica wtw PPPd pozwala analizować odchylenia uwarunkowań od wartości
wzorcowych w kolejnych fazach kontroli realizacji procesu zarządzania.
2. Odległość XEXEdEd wtM
w , 1, która pozwala analizować stan obecnego poziomu
wartości zmiennych kontrolnych względem ich stanu wymaganego.
3. Odległość XVarXVardVard wtM
w , , która pozwala analizować stan obecnego
poziomu wariancji zmiennych kontrolnych względem ich stanu wymaganego.
Z punktu widzenia tego opracowania powyższe miary są kluczowe, gdyż wektor
VardEdPd www ,, utożsamia stan ryzyka.
3. Konstrukcja modelu ryzyka obsługi zobowiązań długoterminowych na
przykładzie J.W. Construction Holding S.A. Spółka J.W. Construction Holding S.A. została po raz pierwszy zarejestrowana jako
Towarzystwo Budowlano-Mieszkaniowe Batory Sp. z o.o. 7 marca 1994 roku. Podstawowym
przedmiotem działalności spółki jest zagospodarowanie i sprzedaż nieruchomości na własny
rachunek oraz realizacja produkcji budowlanej, projektowej i pomocniczej, obrót
nieruchomościami oraz usługi hotelarskie. Spółka działa w dużej mierze w oparciu o
zewnętrzne źródła finansowania.
Na podstawie kwartalnych skonsolidowanych danych finansowych obliczone
zostały: WACC, rentowność oraz relacja stanu wolnych środków pieniężnych do stanu
zobowiązań. Wyliczenia zostały zamieszczone w tablicy 1.
Wstępna analiza zmiennych kontrolnych pozwala zauważyć, że spółka może mieć
pewne problemy z obsługą zobowiązań długoterminowych. Przede wszystkim widoczny
jest spadek rentowności od III kwartału 2011 roku do poziomu poniżej 10%, utrzymujący się
do końca badanego okresu. Na uwagę zasługuje też fakt, że rentowność przed III kwartałem
2011 roku rzadko przekraczała barierę 20%, co może skłonić do wniosku, że w tej branży
wyższa rentowność jest bardzo trudna do wypracowania.
Relacja stanu wolnych środków pieniężnych do stanu zobowiązań niemal przez cały
badany okres przyjmuje wartości poniżej jedności. Na uwagę zasługuje fakt, iż od IV
kwartału 2011 r. wystąpił spadek wartości tego wskaźnika. Prawdopodobnie taka dynamika
jest związana ze spadkiem rentowności postępującej od poprzedniego kwartału. Takie
1 Odległość Mahalanobisa dwóch wektorów NXXXX ,,, 21 oraz NYYYY ,,, 21
TM YXCYXYXd 1, , gdzie C jest macierzą kowariancji wektorów losowych X i Y .
uwarunkowania mogą znacząco wpłynąć na możliwości obsługi zobowiązań
długoterminowych przez spółkę.
Tablica 1. Wartości składowych wektora zmiennych kontrolnych
Okres X1 X2 X3
2007 Q II 0,048828 0,105711 1,150412
2007 Q III 0,049572 0,118803 0,428721
2007 Q IV 0,050171 0,135492 0,355255
2008 Q I 0,051345 0,247293 0,320452
2008 Q II 0,052707 0,159739 0,271529
2008 Q III 0,053179 0,119411 0,109263
2008 Q IV 0,052197 0,081847 0,209532
2009 Q I 0,048581 0,185573 0,057987
2009 Q II 0,047191 0,147423 0,042072
2009 Q III 0,046759 0,153354 0,096959
2009 Q IV 0,047966 0,125066 0,217581
2010 Q I 0,048000 0,139684 0,141805
2010 Q II 0,048000 0,148867 0,989329
2010 Q III 0,048077 0,117398 0,739713
2010 Q IV 0,047712 0,165702 0,433171
2011 Q I 0,048205 0,148474 0,141925
2011 Q II 0,049112 0,153574 0,246901
2011 Q III 0,049646 0,058144 0,247399
2011 Q IV 0,049588 0,074150 0,202939
2012 Q I 0,049576 0,014117 0,158140
2012 Q II 0,049527 0,052792 0,085737
2012 Q III 0,050233 0,056225 0,106797
2012 Q IV 0,049547 -0,108620 0,066871
2013 Q I 0,047562 0,048915 0,066281
Zmienne kontrolne: X1 – WACC; X2 – rentowność; X3 – relacja stanu wolnych środków pieniężnych do stanu
zobowiązań.
Źródło: Opracowanie własne na podstawie kwartalnych skonsolidowanych sprawozdań finansowych J.W
Construction Holding S.A.
Aby dokonać analizy ryzyka obsługi zobowiązań długoterminowych przez spółkę,
należy zbadać łączny wpływ stanu wyżej wymienionych zmiennych kontrolnych.
3.1. Wyniki obliczeń
Założenia modelu:
1. Matematycznym modelem ryzyka jest wektor losowy 321 ,, XXXX , gdzie 1X
oznacza WACC, 2X rentowność, 3X jest miarą relacji stanu wolnych środków
pieniężnych do stanu zobowiązań.
2. Za funkcję gęstości przyjęto funkcję gęstości 3-wymiarowego rozkładu normalnego
wektora losowego X , tzn.
XXT
eXf1
2
1
32
1, gdzie jest wektorem
wartości oczekiwanych, natomiast Σ jest macierzą wariancji i kowariancji.
3. Za pożądane przez decydenta przedziały zmienności zmiennych kontrolnych przyjęto:
a. Dla ważonego średniego kosztu kapitału przyjęto 05,0;03,0, 11 ww gd .
b. Dla rentowności przyjęto 2,0;1,0, 22 ww gd . Po analizie szeregu czasowego tej
zmiennej kontrolnej można zauważyć, że poziom 20% jest rzadko przekraczany i można
potraktować go jako rozsądną górną granicę oczekiwań decydenta. Z kolei wartości
poniżej 10% zdają się być sygnałem zbliżających się problemów zarówno z utrzymaniem
pozycji konkurencyjnej na rynku, jak i wygenerowaniem odpowiednich środków na
obsługę zobowiązań długoterminowych.
c. Dla miary relacji stanu wolnych środków pieniężnych do stanu zobowiązań przyjęto
5,0;2,0, 33 ww gd . Zbyt niski poziom tej zmiennej kontrolnej stanowi informację niskiej
płynności finansowej i bezpośrednim zagrożeniu obsługi zobowiązań (w tym
długoterminowych). Natomiast zbyt wysoki jej poziom świadczy o zamrożeniu kapitału
obrotowego, co może mieć negatywny wpływ na rentowność.
Wartość wzorca prawdopodobieństwa została obliczona na poziomie
12375,05,02,0;2,01,0;05,003,0 111 xxxPPw . Wektor wzorca wartości
oczekiwanych przyjął wartość EW(X) = (0,00598; 0,01784; 0,04311), natomiast wektor wzorca
wariancji przyjął wartość 01242,0;00207,0;00022,0XVar w .
Prawdopodobieństwo tego, że zmienne kontrolne Xh przyjmą wartości z przedziałów t
ht
h gd , , dynamikę prawdopodobieństwa oraz odległość prawdopodobieństwa od wzorca
w kolejnych fazach kontroli przedstawiono w tablicy 2.
Tablica 2. Wartości prawdopodobieństwa przyjęcia przez składowe wektora ryzyka wartości z
przedziałów określoności, dynamika prawdopodobieństwa i odchylenia od wzorca
prawdopodobieństwa w kolejnych fazach monitorowania procesów decyzyjnych
Okres t gXdP t * 1 tt PP wt PP
2007 Q II 1 0,13101 0,00725
2007 Q III 2 0,14657 0,01556 0,02282
2007 Q IV 3 0,17851 0,03194 0,05476
2008 Q I 4 0,31120 0,13269 0,18745
2008 Q II 5 0,22640 -0,08479 0,10265
2008 Q III 6 0,05842 -0,16798 -0,06533
2008 Q IV 7 0,07036 0,01194 -0,05339
2009 Q I 8 0,01324 -0,05712 -0,11052
2009 Q II 9 0,00229 -0,01095 -0,12147
2009 Q III 10 0,00369 0,00141 -0,12006
2009 Q IV 11 0,02654 0,02285 -0,09721
2010 Q I 12 0,01856 -0,00798 -0,10519
2010 Q II 13 0,12027 0,10171 -0,00348
2010 Q III 14 0,08661 -0,03366 -0,03714
2010 Q IV 15 0,06575 -0,02086 -0,05801
2011 Q I 16 0,02339 -0,04236 -0,10036
2011 Q II 17 0,08596 0,06258 -0,03779
2011 Q III 18 0,02966 -0,05631 -0,09409
2011 Q IV 19 0,03291 0,00326 -0,09084
2012 Q I 20 0,00282 -0,03009 -0,12093
2012 Q II 21 0,00741 0,00458 -0,11635
2012 Q III 22 0,01362 0,00622 -0,11013
2012 Q IV 23 0,00234 -0,01129 -0,12142
2013 Q I 24 0,00124 -0,00110 -0,12252
Źródło: Opracowanie własne przy wykorzystaniu środowiska R.
* ttttttt gXdgXdgXdPgXdP 332211 ,,
Należy zaobserwować, że od III kwartału 2008 roku wartość prawdopodobieństwa
zeszła poniżej poziomu wartości wzorca prawdopodobieństwa. Jest to wyraźny sygnał
wzrostu ryzyka obsługi zobowiązań długoterminowych. Oczywiście wzrost ryzyka zbiega
się w czasie z ogólnoświatowym kryzysem finansowym. Działania zarządu spółki
doprowadziły niemal do wyrównania się poziomów ryzyka ze wzorcem ryzyka w II
kwartale 2010 oraz II kwartale 2011 roku. Były to jednak krótkotrwałe poprawy i w obu
przypadkach poziom prawdopodobieństwa znowu uległ obniżeniu, mocno odchylając się
od wzorca.
Wartości oczekiwane poszczególnych zmiennych kontrolnych w kolejnych fazach
kontroli procesów decyzyjnych zostały przedstawione w tablicy 3. Natomiast wartości
dynamiki wektora wartości oczekiwanych zmiennych kontrolnych, odległości wektora
wartości oczekiwanych zmiennych kontrolnych od wektora średnich wartości oczekiwanych
oraz odległości wektora wartości oczekiwanych zmiennych kontrolnych od wektora wzorca
wartości oczekiwanej w kolejnych fazach monitorowania procesów decyzyjnych
przedstawiono w tablicy 4.
Tablica 3. Wartości oczekiwane poszczególnych zmiennych kontrolnych w kolejnych fazach
monitorowania procesów decyzyjnych
Okres t Wartości oczekiwane składowych
1XE 2XE 3XE
2007 Q II 1 0,00624 0,00840 0,04704
2007 Q III 2 0,00706 0,01031 0,03297
2007 Q IV 3 0,00866 0,01405 0,03388
2008 Q I 4 0,01524 0,03450 0,05410
2008 Q II 5 0,01116 0,02009 0,03300
2008 Q III 6 0,00289 0,00401 0,00333
2008 Q IV 7 0,00347 0,00336 0,00779
2009 Q I 8 0,00063 0,00127 0,00040
2009 Q II 9 0,00011 0,00019 0,00005
2009 Q III 10 0,00017 0,00032 0,00019
2009 Q IV 11 0,00125 0,00193 0,00313
2010 Q I 12 0,00087 0,00148 0,00140
2010 Q II 13 0,00566 0,01064 0,04492
2010 Q III 14 0,00408 0,00614 0,02900
2010 Q IV 15 0,00308 0,00617 0,01543
2011 Q I 16 0,00110 0,00195 0,00177
2011 Q II 17 0,00411 0,00744 0,01151
2011 Q III 18 0,00143 0,00099 0,00389
2011 Q IV 19 0,00159 0,00142 0,00355
2012 Q I 20 0,00014 0,00002 0,00023
2012 Q II 21 0,00036 0,00022 0,00033
2012 Q III 22 0,00066 0,00044 0,00076
2012 Q IV 23 0,00011 -0,00007 0,00008
2013 Q I 24 0,00006 0,00003 0,00004
Źródło: Opracowanie własne przy wykorzystaniu środowiska R.
Tablica 4. Dynamika wektora wartości oczekiwanych zmiennych kontrolnych, odległość wektora
wartości oczekiwanych zmiennych kontrolnych od wektora średnich wartości oczekiwanych,
odległości wektora wartości oczekiwanych zmiennych kontrolnych od wektora wzorca wartości
oczekiwanej w kolejnych fazach monitorowania procesów decyzyjnych
Okres t
XE
XEd
t
tM
1
,
Et
M XEd , * XE
XEd
w
tM ,
2007 Q II 1 2,97771 6,00780
2007 Q III 2 2,53396 1,87631 6,66725
2007 Q IV 3 0,90423 1,94397 6,77672
2008 Q I 4 4,77219 4,25969 4,47314
2008 Q II 5 4,11613 2,72961 7,24036
2008 Q III 6 2,14300 1,29099 6,60133
2008 Q IV 7 1,17530 1,94190 7,37381
2009 Q I 8 2,47988 0,93149 5,23399
2009 Q II 9 0,27626 1,01349 5,13674
2009 Q III 10 0,02235 0,99941 5,14204
2009 Q IV 11 0,48654 0,62967 5,47155
2010 Q I 12 0,21292 0,78917 5,36090
2010 Q II 13 3,88957 2,92650 3,92057
2010 Q III 14 1,75878 1,53531 5,14191
2010 Q IV 15 1,87807 0,81714 4,64914
2011 Q I 16 1,04159 0,76883 5,38885
2011 Q II 17 0,89325 0,68226 5,75994
2011 Q III 18 0,99048 0,80535 6,15779
2011 Q IV 19 0,15628 0,80243 6,16640
2012 Q I 20 1,09713 0,93293 5,24625
2012 Q II 21 0,20286 0,82373 5,42300
2012 Q III 22 0,29124 0,72981 5,67822
2012 Q IV 23 0,46690 0,92567 5,27458
2013 Q I 24 0,13784 1,00533 5,15404
Źródło: Opracowanie własne przy wykorzystaniu środowiska R.
* EEEE321 ,, , gdzie
T
j
hjE
h XET
1
1 dla 3,2,1h oraz 24T .
Podobnie jak w wypadku analizy poziomów prawdopodobieństwa da się zauważyć,
że III kwartał 2008, II kwartał 2010 oraz II kwartał 2011 roku są okresami szczególnie
istotnymi dla analizy dynamiki wartości zmiennych kontrolnych. III kwartał 2008 roku
przynosi istotny spadek wartości oczekiwanych wszystkich trzech zmiennych kontrolnych
poniżej ich poziomów obserwowanych w poprzednich okresach; jest to jednocześnie
początek bessy na międzynarodowych rynkach finansowych. Niskie poziomy tych
zmiennych utrzymują się już do końca badanego okresu z dwoma wyjątkami: okresami II
kwartał 2010–IV kwartał 2010 oraz w II kwartale 2011 roku, które mogą być związane z
dobrymi wynikami na międzynarodowych giełdach w I kwartale 2010 oraz I kwartale 2011
roku lub poprawą koniunktury na rynku nieruchomości.
Tablica 5. Wariancje poszczególnych zmiennych kontrolnych w kolejnych fazach monitorowania
procesów decyzyjnych
Okres t Wariancje składowych
1XVar 2XVar 3XVar
2007 Q II 1 0,000225 0,000510 0,019171
2007 Q III 2 0,000248 0,000675 0,007470
2007 Q IV 3 0,000284 0,000974 0,006105
2008 Q I 4 0,000355 0,002811 0,006983
2008 Q II 5 0,000330 0,001458 0,004214
2008 Q III 6 0,000127 0,000304 0,000226
2008 Q IV 7 0,000148 0,000174 0,000996
2009 Q I 8 0,000029 0,000149 0,000015
2009 Q II 9 0,000005 0,000019 0,000001
2009 Q III 10 0,000008 0,000033 0,000012
2009 Q IV 11 0,000056 0,000163 0,000451
2010 Q I 12 0,000040 0,000139 0,000133
2010 Q II 13 0,000206 0,000906 0,018792
2010 Q III 14 0,000160 0,000447 0,011178
2010 Q IV 15 0,000126 0,000625 0,004097
2011 Q I 16 0,000050 0,000191 0,000167
2011 Q II 17 0,000165 0,000676 0,001708
2011 Q III 18 0,000065 0,000039 0,000626
2011 Q IV 19 0,000072 0,000071 0,000468
2012 Q I 20 0,000007 0,000000 0,000025
2012 Q II 21 0,000017 0,000008 0,000019
2012 Q III 22 0,000031 0,000017 0,000054
2012 Q IV 23 0,000005 0,000003 0,000004
2013 Q I 24 0,000003 0,000001 0,000002
Źródło: Opracowanie własne przy wykorzystaniu środowiska R.
Poziom odległości wektora wartości oczekiwanych zmiennych kontrolnych od wektora
wzorca wartości oczekiwanych jest na względnie stabilnym poziomie oscylującym wokół
wartości 5,64. Szczególnie widoczne są dwa momenty, mianowicie I kwartał 2008 oraz II
kwartał 2010 roku, w których to odległość od wzorca jest znacząco mniejsza.
Tablica 6. Dynamika wektora wariancji zmiennych kontrolnych, odległość wektora wariancji
zmiennych kontrolnych od wektora średnich wariancji, odległości wektora wariancji zmiennych
kontrolnych od wektora wzorca wariancji w kolejnych fazach monitorowania procesów
decyzyjnych
Okres t
XVar
XVard
t
tM
1
,
Vart
M XVard , *
XVar
XVard
w
tM ,
2007 Q II 1 3,03850 4,94789
2007 Q III 2 3,41288 1,84525 5,45178
2007 Q IV 3 0,78932 2,02247 5,41580
2008 Q I 4 4,81222 4,29640 2,52899
2008 Q II 5 4,08385 2,46467 5,25165
2008 Q III 6 1,91819 1,16410 5,22104
2008 Q IV 7 0,80430 1,79904 5,88630
2009 Q I 8 2,34153 0,90598 4,12379
2009 Q II 9 0,28276 1,09873 4,15312
2009 Q III 10 0,03230 1,07215 4,15144
2009 Q IV 11 0,64329 0,59318 4,41661
2010 Q I 12 0,24681 0,74629 4,28601
2010 Q II 13 4,19395 3,02627 3,47822
2010 Q III 14 2,00446 1,50863 4,26082
2010 Q IV 15 2,01396 0,47858 3,73200
2011 Q I 16 0,87924 0,68217 4,28363
2011 Q II 17 1,20383 0,90984 4,60471
2011 Q III 18 1,06964 0,75717 4,90048
2011 Q IV 19 0,11115 0,77600 4,93179
2012 Q I 20 1,13967 1,05122 4,22226
2012 Q II 21 0,20043 0,91548 4,34136
2012 Q III 22 0,27666 0,77772 4,51648
2012 Q IV 23 0,50602 1,07105 4,20185
2013 Q I 24 0,05179 1,11056 4,17252
Źródło: Opracowanie własne przy wykorzystaniu środowiska R.
* VarVarVarVar321 ,, , gdzie
T
j
hjVar
h XVarT
1
1 dla 3,2,1h oraz 24T .
Wariancje poszczególnych zmiennych kontrolnych w kolejnych fazach kontroli
procesów decyzyjnych zostały przedstawione w tablicy 5. Natomiast wartości dynamiki
wektora wariancji zmiennych kontrolnych, odległości wektora wariancji zmiennych
kontrolnych od wektora średnich wariancji oraz odległości wektora wariancji zmiennych
kontrolnych od wektora wzorca wariancji w kolejnych fazach monitorowania procesów
decyzyjnych przedstawiono w tablicy 6.
Poszczególne zmienne kontrolne cechują się większymi poziomami wariancji w
okresach IV kwartał 2007–II kwartał 2008, II–IV kwartał 2010 oraz II kwartał 2011 roku, co
oczywiście pokrywa się z okresami, w których prawdopodobieństwo i wartości oczekiwane
znacznie zmieniały swoje wartości.
Odległość wektora wariancji od wektora wzorca wariancji znajduje się na względnie
stałym poziomie, oscylującym wokół wartości 4,48. Widoczny jest spadek tej odległości w I
kwartale 2008, II kwartale 2010 i IV kwartale 2010 roku.
3.2. Wnioski
1. Ciekawe z punktu analizy stanów ryzyka są dwie grupy okresów:
a. Pierwsza grupa: I kwartał 2008, I kwartał 2009 oraz II kwartał 2010 roku. Są to okresy, w
których zmienne kontrolne przyjmują wartości pożądane z punktu widzenia
minimalizacji ryzyka obsługi zobowiązań długoterminowych. Reakcją wartości miar
stanu ryzyka, jakimi są odległość wektora XE od XEw oraz odległość wektora
XVar od XVarw , jest ich natychmiastowy i zauważalny spadek.
b. Druga grupa: od II do IV kwartału 2008, IV kwartał 2011 oraz IV kwartał 2012 roku. Z
kolei w tych okresach wartości zmiennych kontrolnych zachowują się w sposób
niekorzystny z punktu widzenia minimalizacji ryzyka obsługi zobowiązań
długoterminowych: WACC przyjmuje duże wartości, rentowność maleje a relacja
wolnych środków pieniężnych do stanu zobowiązań jest na niskim poziomie. Zmiany te
znajdują swoje odbicie w wysokich wartościach odległości wektorów XE oraz XVar
od ich wzorców.
2. Miara wartości prawdopodobieństwa gXdP t zachowuje się w wyżej
wymienionych dwóch grupach okresów zazwyczaj zgodnie z oczekiwaniami, tzn. w
okresach z pierwszej grupy prawdopodobieństwo przyjmuje wysokie wartości, w
okresach z drugiej grupy prawdopodobieństwo wyraźnie spada, co jest szczególnie
widoczne przy analizie poziomów różnic wt PP . Jedyny wyjątek stanowi I kwartał
2009 roku, w którym WACC i rentowność przyjmowały pożądane poziomy, natomiast
analiza odległości wektorów XE oraz XVar od ich wzorców dawała nadzieję na
koniec złej passy z poprzednich trzech kwartałów. Niewątpliwie na taki stan rzeczy miał
wpływ bardzo niski poziom wskaźnika relacji wolnych środków pieniężnych do stanu
zobowiązań. Widoczna jest wrażliwość miary tP na skrajne wartości zmiennych
kontrolnych. Stanowi to przesłankę do wniosku, iż analiza stanów ryzyka nie może
odbywać się w oderwaniu od analizy tejże miary.
3. Wartości XEXEd ttM
1, oraz XVarXVard ttM
1, nie zawierają informacji o
stanach ryzyka, ale jedynie o zmienności wektorów wartości oczekiwanych i wariancji.
Podobnie odległość wektorów XE oraz XVar od wektorów ich wartości średnich
zawiera jedynie informację o zmienności tychże wektorów. Ponieważ wskaźniki te mają
niską zawartość informacyjną, powinny być traktowane jako pomocnicze (duża
zmienność wektorów XE oraz XVar w I kwartale 2008 oraz II kwartale 2010 roku jest
od razu odzwierciedlona w wysokich wartościach XEXEd ttM
1, , XVarXVard tt
M1, oraz odległości XE oraz XVar od wektorów ich wartości
średnich).
Zakończenie
Model ryzyka został ujęty jako wektor losowy o składowych utożsamianych ze
zmiennymi kontrolnymi procesu zarządzania w obszarze obsługi długoterminowych
zobowiązań finansowych. Dzięki takiemu sformułowaniu problemu możliwe było
zdefiniowanie podstawowych charakterystyk statystycznych i zdefiniowanie stanów ryzyka
jako odległości wektorów wartości oczekiwanych oraz wariancji zmiennych kontrolnych od
ich stanów wymaganych, tzn. wzorcowych. Taka konstrukcja modelu pozwala wysnuć
wniosek, że na zmienność stanów ryzyka obsługi długoterminowych zobowiązań
finansowych ma wpływ zmienność zmiennych kontrolnych w sferze finansów. Na
przykładzie empirycznym widać, że zmienność stanów ryzyka jest szybko i wyraźnie
odwzorowywana przez model, co potwierdza postawioną w artykule główną hipotezę.
Ponadto zarządzający organizacją gospodarczą dostają bardzo dobre narzędzie analizy ex
post wpływu uwarunkowań wnętrza i otoczenia organizacji oraz własnych decyzji na
poziom stanów ryzyka wybranego obszaru działalności organizacji.
Literatura 1. Davis E.W., Pointon J. (1997), Finanse i firma, PWE, Warszawa.
2. Gołębiowski T. (2001), Zarządzanie strategiczne, Difin, Warszawa.
3. Jerzemowska M. (2006), Analiza finansowa w przedsiębiorstwie, PWE, Warszawa.
4. Korombel A. (2007), Ryzyko w finansowaniu działalności inwestycyjnej metodą project finance,
Difin, Warszawa.
5. Rokita J. (2005), Zarządzanie strategiczne, PWE, Warszawa.
6. Zemke J. (2009), Ryzyko zarządzania kapitałem organizacji gospodarczej, Zeszyty Naukowe
Nr 4 – Tom IV, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.
7. Zemke J. (2013), Prognozowanie stanów ryzyka procesów decyzyjnych, „Ekonometria”, nr
1(39), Publishing House of Wrocław University of Economics, Wrocław.
Streszczenie Jednym z warunków, jakie musi spełnić kadra menadżerska, by proces zarządzania
strategicznego przebiegał sprawnie, jest posiadanie dobrych narzędzi kontroli analizowanych przez
zarządzających organizacją gospodarczą zjawisk. Ważnym obszarem planowania i kontroli jest
ryzyko obsługi zobowiązań długoterminowych. Celem artykułu jest zbadanie, czy hipoteza:
„zmienność uwarunkowań realizacji długoterminowych zobowiązań finansowych jest przyczyną
zmian stanów ryzyka obsługi tychże zobowiązań” znajduje potwierdzenie w przykładzie
empirycznym. W celu weryfikacji tej hipotezy został zbudowany model ryzyka, czyli wektor losowy o
składowych utożsamianych ze zmiennymi kontrolnymi procesu zarządzania w obszarze obsługi
długoterminowych zobowiązań finansowych. Zdefiniowane zostały też podstawowe charakterystyki
rozkładu prawdopodobieństwa tego wektora, jak wartość oczekiwana i wariancja, wraz z ich
poziomami wzorcowymi. Obliczenie odległości tych charakterystyk od poziomów wzorcowych
pozwoliło na zdefiniowanie poziomów ryzyka obsługi zobowiązań długoterminowych i w
konsekwencji na analizę zmienności tego ryzyka. Przykład przedsiębiorstwa J.W. Construction
Holding S.A. potwierdza postawioną w artykule hipotezę.
Słowa kluczowe zarządzanie ryzykiem, mierniki stanów ryzyka, zarządzanie finansami
The risk of long-term debt service on the example of J.W. Construction Holding S.A.
(Summary) One of the important areas in process of strategic management is risk of service of long-term
obligations. This article aims to examine whether the hypothesis: „variability factors affecting the
execution of long-term financial liabilities is the cause of changes in risk of service with these
obligations” is supported by the empirical example . In order to verify this hypothesis, the risk model
was constructed. It consists of random vector with components identified as the control variables of
the management process in the service of long-term financial obligations. There have been defined
basic characteristics of the probability distribution of the random vector as the expected value and
variance with their model levels . The calculation of these characteristics, the distance from the model
levels allowed to define the levels of long-term debt service risk , and to analyse the variability of the
risk. Presented example of J.W. Construction Holding SA confirms the hypothesis stacked in this
article.
Keywords risk management, measures of the states of risk, financial management