Ekonometrická analýza podnikových ukazatelů pro potřeby manažerského rozhodování v podniku

Mendelova univerzita v Brně Provozně ekonomická fakulta

Ekonometrická analýza podnikových ukazatelů pro potřeby manažerského rozhodování v podniku Diplomová práce

Vedoucí práce: Mgr. Veronika Blašková Ph.D.

Brno 2012

Bc. Zuzana Moravcová

Prohlašuji, že jsem diplomovou práci na téma Ekonometrická analýza podnikových ukazatelů pro potřeby manažerského rozhodování v podniku vypracovala samostatně a použila jen pramenů, které cituji a uvádím v přiloženém seznamu použité literatury. V Brně dne 24. 5. 2012

__________________

Abstract MORAVCOVÁ, Z. Econometric analysis of business indicators for the needs of managerial decision making in company. Diploma thesis. 65 s. Brno: MENDELU, 2012. This diploma thesis is dealing with econometric analysis of the financial indicators from a company financial analysis. Based on the information this thesis include appreciation of financial situation and proposals for improvement of this situation. Information from financial analysis is used in econometric analysis. This could answer the question, which of the financial indicators is the most independent on the profit of company. For the overall view on the development of the profit indicator is mentioned its time series and its trend. Keywords Financial analysis, econometric analysis, time series, financial statements, business indicators, managerial decision making.

Abstrakt MORAVCOVÁ, Z. Ekonometrická analýza podnikových ukazatelů pro potřeby manažerského rozhodování v podniku. Diplomová práce. 65 s. Brno: MENDELU v Brně, 2012. Diplomová práce se zabývá ekonometrickou analýzou ukazatelů získaných z finanční analýzy firmy. Na základě výsledků finanční analýzy je zhodnocena finanční situace firmy a formulovány návrhy na její zlepšení. Dále jsou tyto ukazatele využity v ekonometrické analýze, která odpovídá na otázku, který z ukazatelů finanční analýzy je nejvíce závislý na vytvořeném zisku podniku. Pro doplění pohledu na vývoj ukazatele zisku je zde uvedena i jeho časová řada a vývoj jeho trendu. Klíčová slova Finanční analýza, ekonometrická analýza, časové řady, účetní výkazy, podnikové ukazatele, manažerské rozhodování.

Obsah 1

2

3

Úvod a cíl práce

6

1.1

Úvod .......................................................................................................... 6

1.2

Cíl práce .....................................................................................................7

Současný přehled řešené problematiky v literatuře

8

2.1

Princip financí ........................................................................................... 8

2.2

Podnikové finance ..................................................................................... 9

2.3

Role finančního manažera .......................................................................10

2.4

Pojetí finanční analýzy ............................................................................. 11

2.5

Zdroje finanční analýzy ........................................................................... 12

2.6

Uživatelé finanční anylýzy ....................................................................... 13

2.7

Přístupy a metody finanční analýzy ........................................................ 14

2.8

Slabé stránky finanční analýzy ................................................................ 15

2.8.1

Vypovídající schopnost účetních výkazů a využité účetní postupy . 15

2.8.2

Vliv mimořádných událostí.............................................................. 16

2.8.3

Nutnost srovnání s jinými subjekty ................................................. 17

2.8.4

Závislost ukazatelů finanční analýzy na informacích z účetnictví .. 17

Metodika diplomové práce 3.1

18

Metodika finanční analýzy .......................................................................18

3.1.1

Absolutní ukazatele ..........................................................................18

3.1.1.1

Horizontální analýza ........................................................................18

3.1.1.2 Vertikální analýza ............................................................................18 3.1.2

Rozdílové ukazatele ......................................................................... 19

3.1.3

Poměrové ukazatele ......................................................................... 19

3.1.3.1 Ukazatele likvidity............................................................................ 19 3.1.3.2 Ukazatele zadluženosti..................................................................... 21 3.1.3.3 Ukazatele aktivity ............................................................................ 22

3.1.3.4 Ukazatele rentability ....................................................................... 23 3.2

Časová řada ............................................................................................. 24

3.2.1 3.3

4

Trendová analýza ............................................................................ 24

Vícerozměrná regresní analýza .............................................................. 25

3.3.1

Vstupní data .................................................................................... 25

3.3.2

Specifikace ekonometrického modelu ............................................ 26

3.3.3

Metoda nejmenších čtverců ............................................................ 29

3.3.4

Index determinace .......................................................................... 29

3.3.5

Ramseyho RESET test .................................................................... 30

3.3.6

Test linearity .................................................................................... 31

3.3.7

Test homoskedasticity chybového členu ........................................ 32

3.3.8

Kolinearita a multikolinearita vysvětlujících proměnných ............ 33

Praktická část

35

4.1

Charakteristika organizace ..................................................................... 35

4.2

Hodnocení finanční situace firmy .......................................................... 35

4.3

Časová řada ............................................................................................. 40

4.3.1

Trendová analýza ............................................................................ 40

4.4

Vícerozměrná regresní analýza ............................................................... 41

4.5

Model do roku 2008 ............................................................................... 49

5

Diskuze

52

6

Závěr

55

7

Použitá literatura

56

Seznam grafů a obrázků

58

Seznam tabulek

59

Seznam zkratek

60

Seznam příloh

61

Úvod a cíl práce

6

1 Úvod a cíl práce 1.1

Úvod

Podnikové ukazatele, získané vypracováním finanční analýzy, jsou zdroje velice cenných informací o finančním zdraví podniku. S jejich pomocí se může firma lépe rozhodovat o nakládání se svým majetkem a o jeho efektivním využívání. Při správné aplikaci ukazatelů a správném vyhodnocení výsledků je možné rozpoznat problematickou oblast podnikání, která by mohla negativně ovlivnit činnost podniku i výsledky hospodaření. V dnešní době je finanční analýza koncipována tak, aby co nejpřesněji zkoumala všechny klíčové oblasti, které se týkají nakládání s majetkem organizace. Ke komplexnímu pohledu je třeba využít celou řadu ukazatelů, které je nezbytné následně porovnat a správně vyhodnotit. Aby nedocházelo ke zbytečně zkresleným závěrům, je vhodné se zabývat celou organizací. Tento proces je složen z množství dílčích kroků, které musí hodnotitel dodržovat, což vyžaduje určitý čas. A právě čas může být v praxi problémem. Výsledky finanční analýzy podávají informace o podniku z vnějšího prostředí organizace. V době, kdy sílí tlak na a relevantnost informací, které firmy poskytují veřejnosti, je ucelený pohled na finanční zdraví podniku vypracovaný. Jde výpočtů, ukazatelů a vztahů mezi nimi.

také subjektům transparentnost dobré mít tento o složitý soubor

Ve své diplomové práci vypracuji finanční analýzu firmy, která si nepřeje být konkrétně jmenována, proto je v práci využitý zástupný název Kabel. Se souhlasem odpovědné osoby společnosti jsem mohla nahlédnout do účetních výkazů, které jsem využila ve své práci. Analýzu vypracuji za období 9 let, od roku 2001 do 2010. Podnikové ukazatele získané z této finanční analýzy budou sloužit jako vstupní data pro ekonometrickou analýzu ukazatelů. Její výsledky odpoví na otázku, který z ukazatelů je nejvíce závislý na ukazateli zisku (zisku před odpočtem daní a úroků), který je jedním z hlavních cílů organizace. Tím by se značně zjednodušilo sledování finanční situace firmy a její vývoj. Manažeři budou mít představu, které ukazatele jsou vzájemně provázány a mohou sledovat jejich vzájemný vývoj, který si předem stanoví jako žádoucí. V první části práce se budu zabývat současným přehledem řešené problematiky v odborné literatuře. Finanční analýza je v odborné literatuře dobře zpracované

Úvod a cíl práce

7

a rozsáhlé téma. Zde se zaměřím především na její využití, metody její tvorby, uživatele jejich výsledků a také slabé stránky, na které je nezbytné si dát pozor a brát je v úvahu při vytváření podkladů i celkového hodnocení. V rámci vlastní práce jsou aplikovány poznatky o finanční analýze, v neúplném rozsahu je vypracována a výsledky aplikovány v ekonometrickém modelu. Jednotlivé výpočty jsou testovány a vyhodnocovány dle jednotlivých pravidel. Závěry z výpočtů jsou shrnuty na konci práce. Postup i teoretický pohled na předkládaný postup (finanční analýzy i ekonometrického modelu) je uveden v kapitole Metodika diplomové práce.

1.2 Cíl práce Hlavním cílem diplomové práce je analyzovat podnikové ukazatele, které jsou výsledkem finanční analýzy podniku z dostupných informací účetních výkazů za roky 2001 – 2010 a zhodnotit, který z nich je nejprůkaznější při posuzování vzniku zisku podniku. Získané informace by měly sloužit vedení podniku, pro usnadnění manažerského rozhodování. Ke splnění hlavního cíle jsou stanoveny dílčí cíle. Jedním z nich je vypracování finanční analýzy podniku Kabel za zmíněné období. Vytvoření úplného pohledu na stav finančního zdraví a v případě zjištění problémů návrh opatření, která by vedla k nápravě problémových oblastí. Ukazatel zisku je rozebrán z pohledu časové řady a identifikován trend. Získaná data jsou následně využita v ekonometrické analýze, díky níž bude možno kvantifikovat vztahy mezi identifikovanými vysvětlujícími proměnnými (ukazateli) a vysvětlovanou proměnnou (ukazatel zisk). Výklad ekonometrické analýzy a její metodika jsou vysvětleny v metodické části práce. Jsou zde uvedeny jednotlivé kroky procesu ekonometrické analýzy, tedy fáze specifikace modelu a jednotlivé testy, které jsou nezbytné k posouzení správnosti modelu. Důležitou součástí je verbální hodnocení vztahů a závislostí mezi jednotlivými ukazateli. Dalším dílčím cílem je posouzení relevantnosti dat z období, kdy se firma vypořádávala s důsledky finanční krize. Jestliže se hodnoty nevyvíjí obvyklým způsobem, mohly by zkreslit výsledky ekonometrické analýzy. Vypracování modelu ze zkrácených dat a následné porovnání s výsledným modelem popsaným v minulém odstavci napomáhá ke splnění tohoto cíle.


8

2 Současný přehled řešené problematiky v literatuře Peníze a finance jsou v dnešní době aktuálním a často diskutovaným tématem. Lze je chápat jako celek, stejně jako nedílnou součást každodenního života jedinců, nezbytnou pro fungování podniků, stejně jako celého státu. Peníze a hospodaření s nimi je velké téma pro odborníky, kteří se zabývají jejich podstatou, ochranou i využitím. Pro širokou veřejnost se taktéž staly velkým tématem po vypuknutí celosvětové ekonomické krize a v současnosti i v období, kdy se státy, podniky i jednotlivci s touto krizí vyrovnávají. Finance jsou jedním ze základních kamenů potřebných pro podnikání. Správné rozhodování jak s penězi nakládat a správné investice vedoucí ke zhodnocení vložených prostředků jsou nedílnou náplní snad každého finančního ředitele nebo manažera firmy. V rámci tohoto rozhodování je nezbytné mít všeobecný přehled o tom, co se s penězi děje a jakým způsobem jsou vynakládány. Pro takovéto rozhodnutí je potřebné, aby ten, kdo rozhoduje, měl co nejpřesnější informace ohledně finanční situace firmy. K částečnému zjednodušení získání tohoto přehledu a zároveň k vytvoření komplexního pohledu slouží finanční analýza. Dává datům uvedeným v účetních spisech nový rozměr, kombinuje je a vzájemně poměřuje, což tvůrcům i uživatelům finanční analýzy usnadňuje vytvořit celkový dojem o finančním stavu firmy. V rámci této kapitoly se zaměřím na podstavu a funkci financí v podniku, jejich důležitost, využití finanční analýzi i na její uživatele.

2.1 Princip financí Dle Černohoského jsou finance založeny na čtyřech důležitých principech. Jejich znalost může napomoci k pochopení rozhodování ostatních subjektů v oblasti financí. Stejně tak může být nápomocná k rozhodnutí, která děláme my. Tyto principy jsou:1  časová hodnota peněz – každá jednotka finančních prostředků, kterou máme ve vlastnictví dnes, představuje vyšší hodnotu než stejná částka

1

Převzato z: MELICHER, R. W., NORTON, E. A. Finance. 1 st. ed. Hoboken: Wiley, 2007. s. 6.


9

vlastněná zítra, či jindy v budoucnu. To je důsledkem toho, že lze tuto částku zhodnotit, tzn. investovat,  vyšší riziko předpokládá očekávané vyšší výnosy – čím více riskujeme, tím větší je očekávaný výdělek,  finanční trhy jsou efektivní při stanovování cen akcií – to je založeno na předpokladu, že na finančních trzích existuje informační efektivnost, protože ceny finančích aktiv odrážejí všechny známé informace. Tato informační efektivnost hraje významnou roli při finančním rozhodování,  dlouhodobě dobrá pověst – základem úspěšného podniku je důvěra subjektů, kterými je podnik obklopen (zákazníci, dodavatelé, zaměstnanci, široká veřejnost). To je nezbytné budovat dlouhodobě, při ztrátě kvality (nebo jiné pro odběratele podstatné vlastnosti) dojde ke ztrátě důvěry, která může mít za následek ztrátu odběratelů (i jiných subjektů).

2.2 Podnikové finance Černohorský definuje podnikové finance jako: „peněžní vztahy tvorby, rozdělování a užití peněžních fondů podniku.“ Vytvářením peněžních fondů je dosahováno především produkcí zboží a služeb, které podnik prodává a následně tak dosahuje tržeb. Ty jsou dále rozděleny na výplaty mezd zaměstnanců, nákupy zásob, odpisy, úroky, pojistné a tak dále. V případě, že tržby (výnosy) převyšují náklady, dosahuje podnik zisku, který je také přerozdělován – formou daní, tvrobou zákonných fondů ze zisku, odměny zaměstnanců a tak dále. Podle Groppelliho a Nikbakhetea jsou finance aplikací finančních čísel a specifických ekonomických principů vedoucí k maximalizaci podnikového zdraví a celkové hodnoty podniku. Konkrétně zvyšováním současné hodnoty pracovníků nebo investováním projektů. Nikdo přesně neví, kdy dosáhne maximálního zdraví, proto se musí neustále snažit o co nejlepší výsledky. Kislingerová označuje manažerské finance jako integrující prvek a to především z důvodu, že lidé, kteří se o finance podniku starají a rozhodují o nich, vstupují do vzájemné interakce se všemi částmi činnosti podniku a zároveň i s vnějším okolím. Při podnikatelské činnosti je nejčastěji pozorovatelná explicitní nenávratná metoda financování. Ta je založena na trvalém zbavení peněžních prostředků


10

na základě rozhodnutí daného ekonomického subjektu, tj. fyzická osoba se rozhodne vložit peníze do svého podnikání. Z pohledu financí jde o trvalé zbavení, protože fyzická osoba nemá žádnou záruku, že se jí peníze vrátí. Cílem podniku je tento vložený kapitál zhodnotit (Černohorský, 2011).

2.3 Role finančního manažera Pozici finančního manažera musí zastávat osoba, která má znalosti, schopnosti a dovednosti, které musí být mnohem širší než jen v oblasti financí. Kislingerová uvádí: „Žádný finanční manažer se neobejde bez znalosti vývoje makroprostředí, finančních trhů a ekonomiky jako celku. Musí domýšlet vazby a souvislosti na makroúrovni; současně příslušnost firmy k určitému odvětví přináší svá specifika, která musí být respektována ve finančním řízení.“ Osoba řídící finance musí chápat podnik jako celek, v jeho složitosti a komplexnosti, komunikovat s jednotlivými odbornými útvary. Dále je nezbytné, aby domýšlel důsledky svého rozhodování. Musí být schopen přemýšlet v širších vazbách a souvislostech. Pro finančního manažera je důležité, aby dokázal oddělit pojmy finance a účetnictví a současně, aby chápal, že spojovacím můstkem mezi těmito pojmy vytváří peněžní tok. V tomto duchu by pak měl přijímat i potřebná rozhodnutí. Jeho dlouhodobá investiční rozhodnutí jsou založena na vypracované finanční analýze a přijatých finančních plánech. Pokud jsou finanční manažeři ve své práci uspěšní, hodnota firmy v čase roste stejně jako přiměřený růst peněžních toků (Kislingerová, 2010). V oblasti finančního řízení bylo vypracováno mnoho studií. Jeden z výzkumů zabývající se americkými korporacemi se snažil odhalit vliv globalizace, vládní regulace a technologického pokroku na finanční řízení podniků. Z tohoto výzkumu vyplývají dva základní modely finančního řízení (Kislingerová, 2010): 1.

Model firemního policisty – práce finačních útvarů spočívá v: prosazení směrnic, administraci pravidel, omezení přístupu pouze k nezbyně nutným informacím, sledování a zveřejňování informací a uvažovaní ve smyslu dozoru a kontroly.

2.

Model stoupence obchodou – práce finančních útvarů spočívá v: integrace obchodních aktivit do struktur společnosti, využití svých znalostí podstaty podnikání společnosti, podpoře k širokému využívání informací, uvažování


ve smyslu služby a do obchodních aktivit.

zapojení

se,

11

zavádění

finanční

ukázněnosti

V prvním modelu je klíčové prosazení dodržení směrnic a pravidel. Na druhou stranu ve druhém modelu je podstatné soustředit se na integraci podnikatelských aktivit prostředím finančního systému v rámci společnosti (Kislingerová, 2010). Základní dovedností každého finančního manažera je vypracování finanční analýzy firmy. Ta tvoří každodenní součást práce, její závěry a poznatky slouží ke strategickému a taktickému rozhodování o financování a investicích, i pro podávání přehledných zpráv vlastníkům společnosti.

2.4 Pojetí finanční analýzy „Finanční analýza slouží ke komplexnímu zhodnocení finanční situace podniku. Pomáhá odhalit, zda je podnik dostatečně ziskový, zda má vhodnou kapitálovou strukturu, zda využívá efektivně svých aktiv, zda je schopen včas splácet své závazky a celou řadu dalších významných skutečností,“ uvádí Knápková a Pavelková (2010). Růčková popisuje finanční analýzu následovně: „Finanční analýza představuje systematický rozbor získaných dat, která jsou obsažena především v účetních výkazech. Zahrnují v sobě hodnocení firemní minulosti, současnosti a předpovídání budoucích finančních podmínek.“ Kislingerová ve své knize Oceňování podniku (2001) považuje finanční analýzu jako integrální součást práce při oceňování podniku. Její úlohou je zjištění finančního zdraví společnosti v momentu ocenění a očekávání do budoucna. V širším kontextu slouží informace z finanční analýzy k posouzení rizika, zvláště provozního a finančního, které hraje podstatnou roli při stanovení diskontní míry v jednotlivých modelech propočtů tržní hodnoty firmy. Černohorský uvádí, že hlavním smyslem a úkolem finanční analýzy je provedení diagnózi finančního hospodaření podniku za použití speciálních metodických prostředků. Při podrobné analýze lze zhodnotit vybrané složky a identifikovat možný problém. Finanční analýza tak dle jeho nározu slouží k dosažení finanční stability podniku. Jak uvádí Kislingerová v knize Finanční analýza: krok za krokem není tato analýza jen aplikace několika dobře známých postupů, ale mnohem spíše


12

cyklem, ve kterém se při každém kroku může objevit nějaká souvislost, která nám umožní vidět firmu jinak a donutí nás některé předchozí kroky přehodnotit. Je tak důležíté, nepostupovat striktně podle obecných postupů uváděných v odborných knihách, ale pohlížet na všechny aspekty týkající se firmy a jejího okolí.

2.5 Zdroje finanční analýzy Kvalita a komplexnost informací vstupujících do finanční analýzy jsou podstatné pro vypracování správného zhodnocení finanční situace podniku a kvalitu odhadů budoucího finančního vývoje firmy. Pod pojmem kvalitní informace rozumíme samozřejmě i pravdivé a správné informace poskytované vedením firmy. Prokůpková, Moravek a Mockovčiaková k vypracování analýzy lze rozdělit následovně: 1.

uvádějí:

„Zdroje

informací

Nejvýznamnější:  účetní výkazy finančního účetnictví: rozvaha, výkaz zisků a ztrát, příloha k účetním výkazům, výkaz o peněžních tocích,  fananční výkazy: výkaz o plnění rozpočtu.

2.

Další významné zdroje:  vnitropodnikové účetnictví,  závěrečné účty a výroční zprávy.

3.

Možné zdroje, které mohou eliminovat chybné závěry:  vlastní i další statistiky,  vnitřní směrnice a pokyny,  řídící akty a instrukce,  zápisy z pracovních porad.

4.

Externí data, data z vnějšího ekonomického prostředí:  údaje z šetření ústředních orgánů,  internet.“2

Převzato z bakalářské práce: Moravcová, Z. Zhodnocení finanční situace vybrané příspěvkové organizace. Bakalářská práce. 83 s. Brno:MENDELU v Brně, 2010. 2


13

Výkazy jsou většinou uzavírány k určitému datu, proto musíme brát v úvahu aspekt času. Vyvození závěrů z hodnot z minulosti nemusí být zcela aktuální a je nutné přihlédnout při vyhodnocování i k současné situaci. Stejně tak je důležité brát v úvahu i nedostatky jednotlivých účetních výkazů a jejich vzájemné souvztažnosti.

2.6 Uživatelé finanční anylýzy Způsob interpretace výsledků závisí mimo jiné taky na uživateli, kterému je daná analýza předkládána. Tyto uživatele můžeme rozdělit následovně (Živělová, 2007): 1.

„Externí uživatelé:  obchodní partneři – odběratele, představující zákazníky a zájemce o službu, sledující především stabilitu a dodavatele, kteří budou spolupracovat s organizací a zajišťovat prostředky potřebné k provozu,  banky, příp. jiní věřitelé – sledují především solventnost, likviditu a schopnost tvořit peněžní prostředky v dlouhodobém časovém úseku,  stát a jeho orgány – výsledky analýzy využívá při tvorbě hospodářské politiky, pro statistické účely a pro kontrolu daňových a jiných poplatků,  investoři – pro něž je podstatná především stabilita a možnost budoucího rozvoje firmy,  auditoři, účetní a daňový poradci – snaha odhalit nedostatky v hospodaření s podnikovými financemí,  další možní uživatelé – v některých případech je možné najít i další uživatele např. držitelé dluhopisů.

2.

Interní uživatelé:  ředitelé organizace – slouží ke kontrole správnosti využívání financí organizace, schopnost plnit závazky a také je možné z výsledků vyhodnotit práci manažerů a jejich schopnost rozhodovat o penězích,  manažeři organizace – využívají i dlouhodobému rozhodování,

informace

ke

krátkodobému

 zaměstnanci – sledující zájem stability a prosperity organizace.“ Externí uživatelé nemají přístup k interním infomacím společnosti. Je pro ně obtížné vytvořit si objektivní pohled na finanční situaci firmy. Dnes jsou ovšem oganizace povinny vydávat jednou ročně tzv. výroční zprávu, která obsahuje


14

základní a souhrnné informace, které při rozhodování napomáhají. Právní úprava závěrečné zprávy je v zákonu o účetnictví č. 563/1991 Sb, v § 21.

2.7 Přístupy a metody finanční analýzy Přístupy, které můžeme rozlišovat, dělíme dle náhledů na hodnocení získaných dat. Každý má své kritiky i zastánce (Prokůpková, Moravek, Mockovčiaková, 2009). Fundamentální analýza – založena na velkém množství informací a na znalosti vztahů mezi ekonomickými a mimoekonomickými procesy. Zpracované údaje jsou kvalitativní povahy a své závěry odvozuje bez použití algoritmizovaných postupů. Technická analýza – využívá algoritmizovaných metod (např. matematických, matematicko-statistických atd.). Zpracovává data kvantitativní metodou s následným využitím kvalitativního posouzení výsledků. Elementární metody je možné podle Růčkové rozdělit do skupin, které pohromadě tvoří komplexní rozbor hospodaření podniku. Pro přehlednost je toto rozdělení uvedeno na následujícím obrázku. Obr. 1

Rozdělení elementárních metod finanční analýzy

Zdroj: Vlastní práce, Růčková, P. Finanční analýza: metody, ukazatele, využití v praxi. 2010.


15

Bližší podstatou používaných metod v práci se zabývám v kapitole Metodika finanční analýzy.

2.8 Slabé stránky finanční analýzy Pečlivé dodržení známých postupů vypracování finanční analýzy není jedinou důležitou věcí, která je nezbytná k vytvoření celistvého a skutečnost odrážejícího obrazu o finanční situaci firmy. Jako analytická metoda má určitá omezení, která vyžadují pozornost a zdravý úsudek lidí, kteří s finanční analýzou pracují. 2.8.1

Vypovídající schopnost účetních výkazů a využité účetní postupy

V účetní praxi vystupují dva problémy. Prvním problémem je, že účetní výkazy neodrážejí přesnou ekonomickou realitu podniku. Druhý problém vzniká nejednotností pravidel a výkaznictví v různých zemích. V dnešní době rozsáhlé globalizace je omezená možnost srovnávání podniků nedostatkem. Ten by byl vyřešen jednotnými předpisy, což je ovšem v mezinárodním měřítku velice složité vytvořit. Zatím nejpropracovanějším systémem jsou národní účetní standardy USA – USA GAAP. Tento systém se snaží vyhovět národním požadavkům světových burz. V Evropské unii je pro podniky, emitující cenné papíry registrované na regulovaném trhu cenných papírů v členských státech EU, povinností použít pro účtování a sestavení účetní závěrky Mezinárodní účetní standardy (dále jen IAS/IFRS). Zárověň jsou české podniky povinny použít i české účetní legislativní předpisy (Knápková, 20103). V české účetní legislativě je významným problémem orientace na historické účetnictví. Jestliže účetní jednotka oceňuje v historických cenách, nebere tak v úvahu změny tržních cen majetku i změny kupní síly peněz a tím v konečném důsledku zkresluje výsledek hospodaření běžného roku. Podle AIS/IFRS je možné oceňovat na reálnou hodnotu (směrem nahoru) dlouhodobý hmotný majetek i nehmotná aktiva. Dalším důležitým faktorem, na který se musí brát ohled, je inflace a změna úrovně technologií v čase. Inflace vytváří problémy při hodnocení jednotlivých ukazatelů v jednotlivých časových obdobích. Týká se v různé míře všech aktiv Převzato z knihy: PAVELKOVÁ, D., KNÁPKOVÁ, A. Výkonnost podniku z pohledu finančního manažera. 2. aktual. a dopl. vydání. Praha: Linde, 2009. ISBN 978-80-86131-85-6. 3


16

a pasiv, výnosů a nákladů a tím pádem i výsledku hospodaření. Změna úrovně technologie je taktéž ovlivněna v čase a v účetních výkazech není možné ji přesně zohlednit. Tím může být zkreslena efektivnost hospodaření (Knápková, 2010). Účetní politika podniku je různorodá a zvolený způsob např. odepisování, tvorby a čerpání rezerv může ovlivňovat výsledek hospodaření i položky rozvahy. Odpisy mohou být nižší a neodpovídají reálnému opotřebení. Výsledkem je pak vyšší účetní provozní výsledek hospodaření a jeho nadhodnocení v porovnání s reálných stavem. Taktéž mohou být podhodnocena aktiva, která vedou k odpisům vyšším, než odpovídají realitě a následně nižšímu výsledku hospodaření. V případě tvorby a čerpání rezerv dochází k rozdílným výkladům české účetní legislativy a mezinárodních účetních standardů. Knápková uvádí: „Rezervy se tvoří dle AIS/IFRS pouze k současným závazkům z minulých událostí, pokud lze odhalit pravděpodobný odliv zdrojů. Nelze tvořit rezervy na budoucí ztráty. Podle české legislativy lze rezervy tvořit i na tzv. budoucí opravy dlouhodobého hmotného majetku. Vytvořením rezervy se snižuje základ daně a daňová povinnost se odkládá do budoucího období.“ Nehmotná aktiva, která nejsou zahrnuta do majetku podniku, jsou dalším problémem. Jejich přínos je těžko kvantifikovatelný. Mezi tato nehmotná aktiva můžeme řadit např. vybudované vztahy s dodavateli a odběrateli, kvalifikovaná pracovní síla atd. Existují pouze ve formě goodwillu, který je v českých poměrech odepisován, tzn. ztrácí svoji hodnotu, což ovšem nemusí v praxi odrážet skutečnost. Podle mezinárodních standardů se goodwill neodepisuje, ale každoročně se sleduje a testuje na snížení své hodnoty (Knápková, 2010). 2.8.2

Vliv mimořádných událostí

Mimořádné události mohou ovlivňovat výsledky hospodaření jednotlivých let, které je pak nesnadné porovnat mezi sebou. Je proto vhodné nebrat tyto mimořádné výnosy a náklady v úvahu. V českém výkaznictví jsou tyto položky uvedeny zvlášť, takže není náročné je identifikovat. V mezinárodním výkaznictví jsou součástí běžných položek (Knápková. 2010).


2.8.3

17

Nutnost srovnání s jinými subjekty

Při vyhodnocení vypracované finanční analýzy je vhodné výsledky porovnat s jinými podnikatelskými subjekty. Je možné uplatnit zásadu benchmarkingu, ovšem i tato metoda má několik úskalí:  nelze najít dva stejné subjekty, i když jsou ze stejného oboru. Mohou mít rozdílnou kapitálovou strukturu, investiční pobídky, nést jiné riziko nebo i velikost,  informace o podnicích jsou neúplné nebo zkreslené zvolenou účetní metodou. V rámci mezinárodní spolupráce je tento problém ještě rozšířen o rozdíly v účetních legislativách jednotlivých zemí,  často nelze získat údaje o podnicích nebo o odvětví. To platí především pro malé a střední podniky. 2.8.4

Závislost ukazatelů finanční analýzy na informacích z účetnictví

Finanční analýza je vytvářena z údajů uvedených v účetních výkazech. K těm je nezbytné přiřadit i další informace. Jako příklad Knápková uvádí: „Příkladem může být hodnocení obratu dlouhodobého majetku. Je např. složité pouze z účetních údajů zhodnotit, zda vysoká hodnota obratu dlouhodobého majetku je výsledkem efektivního využití dlouhodobého majetku, nebo velké odepsanosti majektu, či zda je podnik podkapitalizován a nemůže si další majetek pořídit.“ Při tvorbě závěrů analýzy je nutné brát v úvahu tyto slabé stránky a zapracovat do vyhodnocování i důležité informace, které nelze zjistit pouze z účetních výkazů.

Metodika diplomové práce

18

3 Metodika diplomové práce Data využívaná při finanční analýze jsem získala od odpovědné osoby ve vedení společnosti z účetnictví. Využiji především rozvahy, výkazy zisků a ztrát, přílohy k těmto dokumentům a konzultace s odpovědnou osobou z firmy Kabel.

3.1 Metodika finanční analýzy 3.1.1

Absolutní ukazatele

Analýza absolutních ukazatelů je možná dvěma způsoby. Rozlišujeme horizontální a vertikální analýzu. 3.1.1.1 Horizontální analýza Horizontální analýza odpovídá na otázku, jak se jednotlivé položky výkazů mění v čase. Sleduje a hodnotí stabilitu a vývoj jednotlivých ukazatelů. Rozbor může být buď meziroční, kdy dochází ke srovnání dvou po sobě jdoucích období, nebo za několik účetních období. Tuto analýzu je možné provést dvěma základními způsoby, v závislosti na tom, co sledujeme (Scholleová, 2008):  absolutní růst hodnoty položky daného výkazu, tj. sledujeme rozdíl položky v období n a n-1: Absolutní změna = ukazateln – ukazateln-1,  relativní růst hodnoty položky daného výkazu, tj. poměřování hodnoty v období n k hodnotě v období minulém (n-1): Relativní změna = (absolutní změna/ukazateln-1) Je vhodné zajistit dostatečně dlouhou časovou řadu. Lze z ní pak snadněji odhadnout možný vývoj v budoucnosti. Zároveň je při interpretaci závěrů nezbytné pohlížet na ekonomickou situaci uvnitř organizace současně se změnami a vývojem ve vnějším prostředí organizace (Živělová, 2007). 3.1.1.2 Vertikální analýza Také nazývaná poměrová analýza. Vyjadřuje procentní podíl dané složky na určeném základu. Výhodou této metody je možnost porovnání s ostatními organizacemi, ovšem nevýhodou je, že z ní nelze vyvodit důvody změn. Lze jen konstatovat, že určité změny nastaly (Živělová, 2007).


19

V práci jsem zvolila zmíněný základ dle typu vertikální analýzy. V případě analýzy aktiv byla základem celková aktiva, v případě analýzy pasiv to byla celková pasiva. 3.1.2

Rozdílové ukazatele

Tyto ukazatele vznikají rozdílem dvou položek ve výkazech – nejčastěji rozvahy, tedy rozdílem mezi aktivy a pasivy. V práci jsem využila především ukazatel čistý pracovní kapitál. Ten představuje oběžná aktiva krytá dlouhodobými zdroji. „Vztah mezi oběžnými aktivy a krátkodobými závazky má velký vliv na platební schopnost organizace“ (Finanční analýza firmy, 2008). Jestliže se hodnoty daného ukazatele dostanou do záporných hodnot, mluvíme o tzv. nekrytém dluhu. Výpočet čistého pracovního kapitálu (dále jen ČPK) je následující (Finanční analýza firmy, 2008): ČPK = celková oběžná aktiva − celkové krátkodobé závazky 3.1.3

Poměrové ukazatele

Tyto ukazatele patří mezi nejpoužívanější. Vyjadřují vzájemné vztahy mezi jednotlivými položkami zvolených výkazů, popřípadě skupinami položek. Nelze je ovšem volit libovolně. Příslušné položky (nebo jejich skupiny) musí být v určité souvislosti, např. obsahové. Poměrové ukazatele jsou často po vypočítání porovnány s doporučenými hodnotami, které pak napomohou k interpretaci situace podniku. Je nezbytné tyto ukazatele podrobit důkladnému rozboru (Růčková, 2010). Mezi poměrové ukazatele řadíme:  ukazatele likvidity,  ukazatele zadluženosti,  ukazatele aktivity,  ukazatele rentability. Dále je sem možné řadit i ukazatele finanční struktury, tržní hodnoty a kapitálového trhu nebo ukazatele na bázi cash flow. Ve své práci jsem využila pouze některé. Ty jsou blíže specifikovány v následujících kapitolách. 3.1.3.1 Ukazatele likvidity Na ukazatele likvidity můžeme pohlížet ze dvou úhlů:


20

 z pohledu položek majetku  nebo celého podniku. Likvidita dané položky majetku je schopnost položky přeměnit se na finanční hotovost. Likvidita podniku je schopnost podniku hradit své platební závazky (Růčková, 2010). U likvidity rozlišujeme 3 stupně. Každý je odlišný a každý je také vhodný pro jiného uživatele finanční analýzy. Jednotlivé cílové skupiny budou upřednostňovat různou úroveň likvidity (Růčková, 2010). Běžná likvidita Vyjadřuje, kolika korunami oběžného majetku je kryta 1 koruna krátkodobých závazků. Jinak řečeno, jak je podnik schopen uspokojit své věřitele, kdyby veškerá svá oběžná aktiva proměnil v hotovost. Doporučené hodnoty tohoto ukazatele (dle odborné literatury) je v rozmezí 1,5 – 2,5. Čím vyšší hodnota, tím větší je pravděpodobnost, že se podnik dostane do platební neschopnosti (Růčková, 2010). Výpočet je následující:

Pohotová likvidita Opět jsou poměřována oběžná aktiva a krátkodobé závazky, ovšem zde jsou v rámci oběžných aktiv brána v úvahu pouze pohotová aktiva, tj. peněžní prostředky, pohledávky a obchodovatelné cenné papíry. Doporučená hodnota se pohybuje v rozmezí 1 – 1,5. Velmi užitečné je také porovnání s běžnou likviditou. Velký rozdíl mezi těmito dvěma ukazateli naznačuje příliš velké množství zásob ve struktuře oběžného majetku (Živělova, 2007). Výpočet je následující:


21

Hotovostní likvidita Pomocí hotovostní likvidity lze vyhodnotit schopnost splácet krátkodobé závazky z nejlikvidnějších aktiv jako je finanční majetek společnosti. Finančním majetkem se rozumí např. peníze v hotovosti, na bankovnách účtech nebo krátkodobý finanční majetek. Dolní hranice je stanovena na 0,2 a horní hranice je v odborné literatuře stanovena v rozmezí od 0,9 do 1,1 (Růčková, 2010). Ze zmíněných typů likvidity právě tento nejlépe vypovídá o skutečné platební schopnosti podniku k určitému datu (Živělová, 2007). Výpočet je následující:

3.1.3.2

Ukazatele zadluženosti

Ukazatele zadluženosti vyjadřují, v jaké míře je firma financována vlastními penězi a v jaké míře využívá zdroje cizího financování. V prostředí dnešní ekonomiky je u větších podniků nereálné, aby bylo financování zajištěno výhradně jedním ze způsobů financovaní. Výhradní využití vlastních zdrojů sebou nese snížení výnosnosti vlastního kapitálů a výhradní využití cizích zdrojů sebou nese problémy při získávání důvěry potencionálních věřitelů. V dnešní době ani není možné výhradní financování z cizích zdrojů, jelikož česká legislativa nařizuje povinné vytvoření určité výše vlastního kapitálu. Úkolem manažera je pak stanovení optimální skladby zdrojů financování (Růčková, 2010). Zadluženost můžeme rozlišit podle časového horizontu na krátkodobou a dlouhodobou. Ve vstupních datech nejsou uvedeny dlouhodobé závazky, proto jsem v rámci práce vypracovala zadluženost krátkodobou. Ukazatel zadluženosti - vyjádřený v procentech (Živělová, 2007):

Dalším využitým ukazatelem byl koeficient samofinancování. Je to poměr vlastního kapitálu a aktiv, což znamená, v jakém poměru jsou aktiva financována vlastním kapitálem. Tento ukazatel je vyjádřen v procentech.


22

Koeficient samofinancování (Živělová, 2007):

3.1.3.3

Ukazatele aktivity

Ukazatele aktivity dávají přehled o tom, jak efektivně podnik hospodaří se svými aktivy. V případě, že jich má více, než je účelné, vznikají podniku zbytečné náklady a tím se i snižuje jeho zisk. Má-li podnik těchto aktiv málo, přichází o tržby, které by mohl získat. Ukazatele je možné vypočítat pro jednotlivé skupiny položek, tj. zásoby, pohledávky, závazky, stálá aktiva a celková aktiva (Synek, 2011). Obrat aktiv měří efektivnost využívání celkových aktiv bez ohledu na jejich krytí. Udává, kolikrát se celková aktiva obrátí za rok. Tento ukazatel je při vyhodnocování vhodné porovnat s odvětvovými průměry, případně s podobnými podniky. Konstrukce tohoto ukazatele je následující (Kislingerová, 2008):

Dalším důležitým ukazatelem je obrat pohledávek, který vyjadřuje rychlost, jakou organizace inkasuje peníze za své pohledávky. Výpočet je následující (Růčková, 2010):

Výpočet obratu závazků (Růčková, 2010):

Doplňkovými ukazateli jsou výpočty rychlosti obratu daných složek. Lze je aplikovat na všechny zmíněné obraty položek. Způsob výpočtu doby obratů jednotlivých položek je ukázán na době obratu aktiv (Růčková, 2010):


23

Obrat pohledávek je vhodné při celkovém hodnocení finanční stability firmy porovnat s obratem závazků. Pro firmu je důležité, aby doba obratu pohledávek byla co nejkratší. To znamená, aby odběratelé platili brzy za odebrané zboží nebo služby. Naopak je pro firmu velice výhodné, když je doba obratu závazků co nejdelší. To znamená, že firma odebírá od dodavatelů zboží a služby, za které zaplatí až za čas a v podstatě čerpá levný úvěr, u kterého neplatí úroky. V obou případech ovšem velmi záleží na obchodních vztazích jak s dodavateli, tak odběrateli. 3.1.3.4

Ukazatele rentability

Ukazatele rentability umožňují měřit výnosnost kapitálu, který byl vložen do podnikání. Je možné určit a vypočítat: rentabilitu vlastního kapitálu, celkového kapitálu, rentabilitu dlouhodobě investovaného kapitálu nebo účetní rentabilitu projektu (Souček, 2005). Ve své práci jsem počítala rentabilitu vlastního kapitálu (dále jen ROE) a rentabilitu celkového kapitálu (dále jen ROA). Konkrétní výpočty jsou následující. Rentabilita vlastního kapitálu (Souček, 2005):

Tento ukazatel vyjadřuje míru zhodnocení vlastních zdrojů, které byly použity při uskutečňování podnikatelské činnosti. V případě zjišťování míry zhodnocení celkového kapitálu, bez ohledu z jakých zdrojů byly financovány, využije se výpočet rentability celkového kapitálu, označovaný ROA (Souček, 2005):

Výpočty obou ukazatelů obsahují zisk, který je v čitateli jednotlivých ukazatelů. Zde jsem brala v úvahu zisk před odečtením úroků a daní. V případě porovnání s odvětvovými průměry nebo s podniky, které by mohly mít jiné daňové zatížení (případně jinou výši úroků), je využití tohoto typu zisku nejvhodnější. V celkovém hodnocení firmy se standardně využívají i jiné ukazatele, které napomáhají ke komplexnímu pohledu na finanční stav firmy. Jiné než uvedené


24

v kapitole Metodika diplomové práce nebudou využity v následné ekonometrické analýze, proto zde nejsou uvedeny a blíže specifikovány.

3.2 Časová řada Časová řada jsou věcně i prostorově srovnatelná pozorování, která jsou uspořádána z hlediska času (z minulosti do přítomnosti). Snahou je získat rychlý přehled o vývoji daných pozorování a o charakteru procesu. Časové řady lze rozdělit dle několika hledisek. Jedním z nich je rozlišení na intervalové a okamžikové. Liší se časovým hlediskem rozhodného pro zjišťování údajů. Velikost intervalového ukazatele závisí na délce intervalu, po který se sleduje. Hodnota okamžikového ukazatele se vztahuje ke konkrétnímu časovému okamžiku, ve kterém je zjišťován. Dále lze řadit podle periodicity na dlouhodobé, jejichž periodicita je delší než jeden rok a krátkodobé s intervalem kratším než jeden rok. Poslední uvedené dělení je (na základě vyjádření ukazatelů) na naturální a peněžní. Naturální ukazatele jsou zachyceny v naturálních jednotkách a peněžní ukazatele jsou vyjádřeny v peněžní formě. 3.2.1

Trendová analýza

Trendem rozumíme hlavní tendenci dlouhodobého vývoje dat analyzovaného ukazatele v čase. Tvoří tak nejdůležitější prvek časové řady. Může být rostoucí, klesající nebo konstatní. V případě konstantního trendu hodnoty ukazatele oscilují kolem určité, v podstatě neměnné úrovně (Wonnacot, 1994). Trendovou funkci lze chápat jako vyhlazení časové řady pomocí matematické funkce. Informuje o charakteru hlavní tendence ve vývoji sledovaného ukazatele. Za nejpoužívanější trendové funkce v oblasti analýzy (v praktických aplikacích) a prognózy časových řad lze pokládat lineární trend, parabolický trend, exponenciální trend, případně modifikovaný exponenciální trend a logaritmický trend. V práci se ovšem budu zabývat především prvními třemi. Nejběžnější metodou odhadu parametrů trendových funkcí je metoda nejmenších čtverců (OLS), která je podrobněji popsána v kapitole 3.3.3 Metoda nejmenších čtverců. Lze ji použít v případě, že je zvolená trendová funkce lineární v parametrech.


25

Lineární trend Trendová přímka má funkci ve tvaru: T t = β0 + β1t, kde β0, β1 jsou neznámé parametry, t = 1, 2, …, n je časová proměnná.

Parabolický trend Kvadratický trend má funkci ve tvaru: Tt = β0 + β1t + β2t2 kde β0, β1, β2 jsou neznámé parametry a t = 1, 2, …, n je časová proměnná.

Exponenciální trend Exponenciální trend má funkci ve tvaru: Tt = β0 βt1 kde β0, β1 jsou neznámé parametry a t = 1,2,…, n je časová proměnná. U tohoto tvaru je nutné provést logarimickou transformaci funkce. Linearizující transformace má následně podobu: log Tt = log β0 + t log β1.

Při výběru kritérií pro volbu vhodného modelu trendu jsou dvě možnosti. Lze zvolit věcně ekonomická kritéria nebo vizuální analýzu grafu. Věcně ekonomická kritéria poodhalují základní vývojové tendence analyzovaného ukazatele. Je možné posoudit, zda jde o funkci rostoucí nebo klesající. U vizuální analýzy grafu je nebezpečí subjektivity a neodbornosti posuzovatele. Ve své práci budu využívat pouze metodu vizuální analýzy.

3.3 Vícerozměrná regresní analýza 3.3.1

Vstupní data

Data vstupující do vícerozměrné regresní analýzy jsou výstupními daty finanční analýzy. V rámci finanční analýzy byly vypočítány ukazatele zmíněné v kapitole 3.1 Metodika finanční analýzy. Z nich bylo následně vybráno 8 ukazatelů, které jsou považovány za nejvíce charakteristické a vypovídající o finanční situaci firmy. Výsledný model by neměl být složitý a měl by sloužit manažerům při jejich každodenním rozhodování, proto nejsou do modelu zahrnuty veškeré ukazatele, které jsou k dizpozici z finanční analýzy.


26

Vybrané ukazatele jsou:  Běžná likvidita (dále jen BL).  Pohotová likvidita (dále jen PL).  Hotovostní likvidita (dále jen HL).  Zadluženost (dále jen ZD) – uvedená v procentních bodech.  Obrat celkových aktiv (dále jen OCA).  Obrat závazků (dále jen OZ).  Obrat pohledávek (dále jen OP).  Rentabilita vlastního kapitálu (dále jen ROE).  Zisk před odečtením úroků a daní (dále jen Z). 3.3.2

Specifikace ekonometrického modelu

V první řadě je nezbytné určit všechny uvažované proměnné navrhovaného modelu a posoudit, které budou vysvětlované (endogenní) a která budou vysvětlující (exogenní) proměnné. Jinými slovy určit finanční ukazatel, který je ovlivňován jinými ukazateli a určit, jak silný je jejich vzájemný vztah. Při výběru vysvětlujících proměnných je nezbytné hledět na všechny působící vlivy na vysvětlovanou proměnnou. Analýza vybraných proměnných by také měla vyloučit případné duplicitní zařazení vlivů. Modely lze také dynamizovat zařazením zpožděných proměnných (vysvětlujících i vysvětlovaných), které mají na danou proměnnou dopad až s časovým odstupem. Dalším krokem specifikace je stanovení hypotéz o očekávaných hodnotách odhadnutých parametrů modelu (Hušek, 2007). Hypotézy o směru působení jednotlivých parametrů se stanovují na základě studia odborné literatury ekonomické teorie nebo ekonometrických postupů již vypracovaných analýz. Je tedy možné usoudit, zda-li bude vývoj kladný nebo záporný. Zároveň odpovídají-li závěry ekonomickým teoriím. Posledním krokem specifikace ekonometrického modelu je specifikace matematické formy modelu. Obecnou formu modelu je možné zapsat:

Y= ƒ (x1, x2, …, xi, ε), kde Y je vysvětlovaná proměnná (skutečná hodnota sledované proměnné), x1 až xi jsou vysvětlující proměnné a ε je náhodná složka (reziduum), k zachycení nahodilých vlivů (Králík, 2010).


27

Z hlediska počtu působících vlivů (tedy počtu vysvětlujících proměnných) rozlišujeme funkce jednorozměrné nebo vícerozměrné. Dle Huška je v rámci ekonometrického modelu specifikováno rozdělení dle počtu rovnic: jednorovnicové, vícerovnicové a simultánní model, který je tvořen soustavou vzájemně závislých rovnic (Hušek, 2007). Jednorozměrný model obsahuje jednu vysvětlující a jednu vysvětlovanou proměnnou. Při této regresi je zjišťována závislost mezi těmito dvěma proměnnými. V práci bude využita vícerozměrná regresní analýza, která předpokládá více vysvětlujících proměnných. Jejich vztah k vysvětlované proměnné je předmětem této analýzy. Vícerozměrnou funkci lineární v parametrech lze v obecné formě zapsat:

Y = β0 + β1x1 + … + βixi + ε Dalším důležitým rozhodnutím je výběr typu matematické formy modelu, jež vyjadřuje vztahy mezi veličinami. Zvolená forma by měla odpovídat skutečným vztahům (v ekonomické realitě) jednotlivých veličin. Nejčastěji jsou využívány modely lineární v parametrech, kam patří např. funkce lineární, kvadratická (polynomiální), logaritmická, semilogaritmická, inverzní apod (Hušek, 2007). Při využití vhodné metody odhadu parametrů získáme výběrovou regresní funkci ve tvaru:

Ŷ = b0 + b1x1 + … + bixi kde Ŷ je odhad vysvětlované proměnné Y a b0 až bi jsou bodové odhady parametrů β0 až βi. Rozdíl mezi skutečnou hodnotou Y a odhadem Ŷ nazýváme reziduum a zapisujeme jej:

Ŷi – Yi = ei kde ei je odhad náhodné složky εi. Pro odhad parametrů je v práci využita metoda nejmenších čtverců (označovaná OLS), která je nejrozšířenějším způsobem pro výpočet odhadu parametrů v rámci regresní analýzy. Princip této metody je založen na minimalizaci sumy čterců rozdílů mezi empirickými a teoretickými hodnotami proměnných a blíže bude popsána v další části práce. Aby byl model klasickým regresním modelem, musí jestě splňovat následujících sedm předpokladů (Studenmund, 2005):


28

1.

Regresní model je lineární v parametrech, je správně specifikován a má aditivně připojený chybový člen.

2.

Chybový člen má nulovou střední hodnotu.

3.

Všechny vysvětlující proměnné jsou nekorelované s chybovým členem. Pokud by k této korelaci došlo, metoda nejmenších čtverců omylem přiřadí vysvětlujícím proměnným část variability vysvětlované proměnné.

4.

Pozorování chybového členu jsou nekorelována se sebou samými, tzn. nevyskytuje se sériová korelace. V případě, že existuje korelace mezi pozorováním chybového členu, je pak při odhadech parametrů těžší získat přesné odhady standardních chyb koeficientů.

5.

Chybový člen má konstantní varianci, tzn. nevyskytuje se heteroskedasticita. Variabilita rozdělení chybového členu se v jednotlivých úsecích nemění.

6.

Žádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné, tzn. nedochází k perfektní multikolinearitě. Perfektní multikolinearita označuje, že dvě nezávislé proměnné jsou stejné nebo jedna je lineárním násobkem jiné proměnné.

7.

Chybový člen je normálně rozdělen. Pro přidání tohoto předpokladu existují dva důvody. Prvním je, že chybový člen obsahuje mnoho minoritních vlivů nebo chyb. Jestliže počet těchto vlivů nebo chyb roste, má rozdělení chybového členu tendenci inklinovat k normálnímu rozdělení. Druhým důvodem je, že bez splnění tohoto předpokladu není použitelná většina testů (t-test, F-test).

S danými předpoklady souvisí Gaussův-Markovův teorém, který říká, že pokud jsou splněny předpoklady 1-6, pak OLS odhad parametrů βi má minimální rozptyl mezi všemi lineárními odhady parametrů βi, pro i=0, 1, 2, …, k. Pokud přidáme předpoklad číslo 7, pak odhad parametrů OLS je nejlepší nevychýlený odhad parametrů ze všech možných odhadů a tedy nejen lineárních (Mikysková, 2011).


3.3.3

29

Metoda nejmenších čtverců

Odhad parametrů pomocí metody nejmenších čtverců (dále jen OLS4) je nejrozšířenějším způsobem nestranného a vydatného odhadu parametrů modelu. Je to postup založený na minimalizaci součtu čtverců reziduí. Aby bylo možné tuto metodu použít, je nezbytné zajistit, aby byl model v aditivním tvaru. Jestliže tomu tak není, je nutné funkci do tohoto tvaru převést vhodnou metodou. Při již zmíněném a v práci využívaném vícenásobném lineárním regresním modelu je tato podmínka splněna. Formálně lze tuto metodu minimalizace pro vícenásobný lineární regresní model zapsat: 2

=

V dnešní době už není potřeba tyto početní akce provádět „ručně“. Existuje několik počítačových programů, které lze pro daný výpočet využít. Jsou volně šířitelné i placené. V rámci práce jsem využívala volně šiřitelný program Gretl. Předpokladem správné specifikace je, aby byly v modelu zahrnuty všechny relevantní vysvětlující proměnné a zároveň, aby model neobsahoval proměnné z ekonomického hlediska nepodstatné. Důsledkem zařazení nepodstatné proměnné by byly nevychýlené odhady parametrů modelu s vyšší variabilitou. Důsledkem nezařazení důležité proměnné by byly vychýlené odhady. Jestliže model splňuje dříve zmíněné předpoklady správné specifikace modelu, je nutné ověřit model i ze statistického hlediska. To znamená pomocí vypracování statistických testů zjistit, jestli jsou odhadnuté parametry statisticky významné a jestli je i celý model statisticky průkazný. 3.3.4

Index determinace

Někdy nazývaný též test shody modelu s daty, u lineárních regresních modelů označovaný R2. Vyjadřuje míru variability, kterou kvantifikovaný model popisuje. Odhady parametrů získaných pomocí metody OLS by měly co nejvíce korespondovat se skutečnými daty. Do jaké míry je to splněno, je možné zhodnotit pomocí indexu (koeficientu) determinace. Ten lze zapsat následovně:

4

Ordinary Leasts Square – anglický překlad pro metodu nejmenších čtverců.


30

nebo

kde

2,

2,

2

a

je

průměrná hodnota sledované veličiny. Tento ukazatel nabývá hodnot mezi 0 a 1, čím větší hodnota koeficientu, tím lépe model popisuje změny ve vysvětlované proměnné v důsledku změny vysvětlující proměnné (proměnných). Většinou se tento ukazatel používá k porovnání různých variant možných funkčních norem. Jeho nedostatkem ovšem je, že nebere v úvahu počet zařazených proměnných v modelu, tudíž nelze porovnávat modely s různým počtem vysvětlujících proměnných (Kennedy, 2003). S přidáním irelevantní proměnné se koeficient nesníží a nelze tedy rozeznat, že byla provedena chybná specifikace. K tomuto určení se využívá korigovaný index determinace, který počet proměnných v modelu bere v úvahu. Vypočítat jej lze následně:

kde n je počet pozorování, p=k+1, kde k je počet vysvětlujících proměnných a R2 je index determinace. Dalším podstatným ukazatelem, podle kterého je možné určit, zda-li je proměnná významná nebo nevýznamná v daném modelu, je p-hodnota jednotlivých proměnných. Proměnné, které nabývají hodnot větších než je stanovená 5% kritická hodnota, jsou nadbytečné a v modelu jsou nepodstatné. Tento princip bude využit i ve vlastní práci. U výsledného modelu, tj. u modelu, kde jsou všechny proměnné z ekonomického i statistického hlediska významné, byly vypracovány i další testy, které jsou popsány dále. 3.3.5

Ramseyho RESET test

Tento test je vhodný ke zjišťování specifikačních chyb vzniklých v důsledku opomenutí některých vysvětlujících proměnných modelu nebo chybnou volbou analytického tvaru. Principem modelu je přidání proměnných Ŷ2, Ŷ3, …, Ŷn do původního modelu. V případě lineárního modelu je pak nová specifikace modelu následující:


31

kde Ŷ2, Ŷ3,…, Ŷm jsou dodatečné proměnné nového modelu a odhady původního modelu, β*k+1, β*k+2,…, β*k+m-1 jsou parametry modelu. Testovou F statistiku lze následně vypočítat:

kde

je koeficient determinace nově specifikovaného modelu a

modelu

původního, m-1 je počet přidaných transformovaných vysvětlovaných proměnných do pomocného modelu, k je počet vysvětlujících proměnných původního modelu a n je počet pozorování. Stejným způsobem jako vyhodnocujeme výše zmíněný F-test. Nulová hypotéza je tvrzení, že lineární specifikace je správná, tedy H0: β*k+1, β*k+2,…, β*k+m-1=0. Alternativní hypotéza, H1: β*k+1, β*k+2,…, β*k+m-1≠0. Vyhodnocujeme nerovnost - v případě, že nerovnost neplatí, přijímáme nulovou hypotézu a lze tedy říct, že je specifikace modelu správná (Králík, 2010). 3.3.6

Test linearity

Jestliže v modelu předpokládáme lineární závislost proměnné vysvětlované a vysvětlující, je nezbytné, aby tato závislost existovala i v praxi a aby bylo možné opravdový vztah mezi proměnnými aproximovat lineárním modelem. Tento test je založen na pomocném regresním modelu, ve kterém je vysvětlovanou proměnnou vektor reziduí původního modelu a vysvětlující proměnné jsou původní proměnné plus kvadráty (nebo logaritmy), případně obě varianty vysvětlujících proměnných původního modelu. V případě kvadrátů má regresní model následující podobu:

kde β0 až β2k jsou parametry modelu a φ je náhodná složka pomocného modelu. Nulová hypotéza je stanovena H0: Vztah je lineární, alternativní je stanovena H1: Vztah je nelineární. Posouzení nelinearity pak provádíme pomocí LM statistiky, jež vypočítáme:


32

kde R2 je nekorigovaný index determinace pomocného modelu a n je počet pozorování. Tuto statistiku pak porovnáme s kritickou hodnotou kde α je zvolená hladina významnosti a k je počet parametrů modelu (včetně konstanty). Jestliže platí níže zmíněná nerovnost, pak na zvolené 5% hladině nulovou hypotézu zamítáme. Nerovnost:

3.3.7

Test homoskedasticity chybového členu

Jednou z podmínek správně specifikovaného lineárního modelu (předpoklady uvedené v kapitole 3.3.2 Specifikace ekonomického modelu) je konstantní a konečný rozptyl chybového členu. V takovém případě mluvíme o homoskedasticitě, v opačném případě jde o heteroskedasticitu. S heteroskedasticitou se můžeme častěji setkat v průřezových datech, kde se projevuje variabilita ve vysvětlované proměnné. Za její příčinu můžeme označit chybnou specifikaci modelu, důsledek chybného měření, případně použití skupinových průměrů z tříděných údajů (Hušek, 2007). Heteroskedasticitu můžeme dále rozdělit na čistou a nečistou. Nečistou lze identifikovat v případě špatné specifikace modelu, např. opomenutou proměnnou, nadbytečnou proměnnou nebo nekorektním funkčním tvarem. Řešením nečisté heteroskedasticity je náprava ve specifikaci modelu. Čistá heteroskedasticita je způsobena chybovým členem, jehož rozptyl závisí na konkrétní skupině pozorování. Jejím důsledkem je získání neoptimálních odhadů parametrů získaných pomocí OLS metody. Takové odhady jsou konzistentní a nestranné, avšak mají nižší vydatnost (Hušek, 2007). Tento problém způsobuje také zvětšení rozptylu odhadů parametrů a vychýlení v odhadech standardních chyb. Problémem také často bývá detekce heteroskedasticity, protože může nabývat různých forem a neexistuje žádná univerzální metoda, která ji přesvědčivě zjistí a označí. Často používanými metodami jsou Whiteův test a Breusch-Paganův test. V obou testech je stanovena nulová hypotéza H0: homoskedasticita a alternativní hypotéza H1: heteroskedasticita.


33

Whiteův test vyhodnocujeme na základě LM statistiky. Má tři základní kroky. Prvním je získání reziduí z odhadnutého regresního modelu (ei=Yi-Ŷi). Dále využijeme čtverce reziduí jako vysvětlované proměnné v pomocné regresi, která obsahuje vysvětlující proměnné. Posledním krokem je vyhodnocení pomocné regrese pomocí LM statistiky. Nevýhodou testu je, že někdy nemohou být odhadnuty parametry pomocné rovnice a to z důvodu velkého počtu proměnných v pomocném modelu a současně malého počtu pozorování. Dalším možným testem je Breuch-Paganův test. Opět je nutné využít rezidua z odhadnutého regresního modelu a jejich čtverce. Vyhodnocujeme opět pomocí LM statistiky, případně pomocí F-testu. Heteroskedasticitu lze řešit třemi způsoby. Předefinování proměnných (v případě špatné definice proměnných), heteroskedasticky korigované standardní chyby nebo využití vážené metody nejmenších čtverců. V tomto případě je ovšem nezbytná znalost všech hodnot rozptylů, se kterými se v praxi setkáváme jen zřídka. 3.3.8

Kolinearita a multikolinearita vysvětlujících proměnných

Existuje-li závislost mezi dvěma vysvětlujícími proměnnými, označujeme tento jev jako kolinearitu. Multikolinearita je pak závislost mezi více proměnnými. Perfektní kolinearita je porušení předpokladu klasického regresního modelu, jež má za následek růst standardních chyb a rozptylů odhadů a pokles t-statistiky a také nižší přesnost získaných odhadů. Porušení nezpůsobí vychýlení a nesníží vydatnost odhadů a nezkreslí celkovou vhodnost modelu. V přítomnosti multikolinearity je poměrně složité správně identifikovat a oddělit působnost jednotlivých vysvětlujících proměnných na vysvětlovanou proměnnou. Detekce multikolinearity je možná třemi způsoby: pomocí párových korelačních koeficientů, dílčích koeficientů vícenásobné determinace, nebo tzv. VIF faktorů. Výpočet VIF faktorů je možný pro každý parametr vysvětlující proměnné:

kde βk je daný parametr a R2 je index determinace. Je-li VIF(βk)>10, pak lze označit danou proměnnou za kolinearovanou.


34

Jestliže je kolinearita (multikolinearita) zjištěna některým z popsaných způsobů (případně jinými testy) pak je doporučeno vynechat tuto multikolinearovanou proměnnou nebo ji transformovat (pokud je to podstatná proměnná modelu). Dalším doporučením je také zvýšit počet pozorování, pokud je to možné nebo také nedělat nic, jen na přítomnost kolinearity upozornit.

Praktická část

35

4 Praktická část 4.1 Charakteristika organizace Jednatel společnosti si nepřeje zveřejnění obchodního jména společnosti z důvodu využití citlivých informací v rámci vstupních dat. Proto bude firma pro účely této práce nazývána firmou Kabel. Mateřská společnost vznikla v 70. letech 20. století a sídlí v Německu. V devadesátých letech 20. století byla založena dceřinná společnost v Brně. Kromě dceřinné pobočky v České republice fungují pobočky i v další evropské zemi. Firma se specializuje na výrobu kabelů – pro stavební výtahy, kabely pro ocelářský průmysl, automobilovou výrobu, montážní průmysl, pro elektroniku a jiné. Jejich použití je široké. V dnešní době má společnost 25 zaměstnanců. Toto číslo je důsledkem snižování stavů po finančních problémech společnosti, způsobených celosvětovou finanční krizí. Dříve se počet zaměstnanců pohyboval kolem 50.

4.2 Hodnocení finanční situace firmy Vstupními daty pro ekonometrickou analýzu jsou vybrané ukazatele finanční analýzy podniku. Ta byla sestavena z dat za posledních devět let, tj. od roku 2001 do roku 2010. Je nezbytné zjistit, v jaké finanční situaci se podnik nyní nachází a jaký vývoj tomuto stavu předcházel, abychom se vyhnuli nepřesným interpretacím informací. Tím bude zredukována možnost zkreslených vstupních údajů pro ekonometrickou analýzu. Horizontální analýza rozvahy vyjadřuje absolutní a procentuální změnu jednotlivých položek aktiv a pasiv ve sledovaných letech. V rámci stálých aktiv došlo k záporným hodnotám již na přelomu let 2002 a 2003 především díky výraznému snížení samostatných movitých věcí a souboru movitých věcí. Klesající tendence se udržuje i v dalších letech ve stejných položkách. U položek oběžných aktiv můžeme vidět taktéž klesající tendenci a to od přelomu let 2004 a 2005 a to především snižováním zásob. Toto snižování bylo nejvíce znatelné v období let 2007 až 2009, hlavně kvůli snižování výroby v důsledku dopadů finanční krize, tj. snížení poptávky po daných produktech.

Praktická část

36

Do roku 2005 v rámci horizontální analýzy pasiv můžeme sledovat pokles vlastních zdrojů majetku. Od přelomu roku 2004 a 2005 je vidět poměrně vysoký nárůst vlastního kapitálu, který se zastavil až přelomem let 2009, 2010. Pomocí vertikální analýzy je možné přiblížit strukturu aktiv a pasiv ve sledovaných letech. Analýza byla provedena opět za již zmíněných posledních 9 let. V příloze jsou uvedeny procentní podíly všech nenulových položek rozvahy. Největší podíl na celkových aktivech mají oběžná aktiva. Ty tvoří přes 90 % celkových aktiv ve všech sledovaných letech. Největší podíl z oběžných aktiv tvoří zásoby, které se ovšem v průběhu posledních let snižují (pokles z 45 % na 27 %). Druhou největší položkou v rámci oběžných aktiv jsou krátkodobé pohledávky a neméně důležitou je položka finanční majetek, která tvoří třetí největší složku oběžných aktiv. Do roku 2007 tvořily cizí zdroje o něco více než 50 % celkových pasiv. Po zmíněném roce byla pasiva převážně ve vlastní režii. V roce 2009 dochází dokonce k 90% hodnotě celkových aktiv tvořených vlastním kapitálem. Nejpoužívanějším rozdílovým ukazatelem je čistý pracovní kapitál. Ten vyjadřuje rozdíl mezi oběžnými aktivy a krátkodobými závazky. Vývoj těchto dvou položek je nestálý, klesají a rostou bez stálého trendu. Čistý pracovní kapitál je relativně stálý až do roku 2007. Následně vzrostl, v roce 2009 opět klesl a v posledním sledovaném roce dosáhl druhé nejvyšší hodnoty ve sledovaném období. Firma Kabel udržuje hodnotu běžné likvidity těsně pod doporučenou hodnotou 2 až do roku 2009, kdy likvidita strmě vzrostla až k hodnotě 9. To bylo způsobeno vysokým nárůstem oběžných aktiv (především zásob) a snížením krátkodobých závazků. Hodnoty až do tohoto výkyvu jsou v normě, podnik má vývoj likvidity stálý, proto lze říci, že je věrohodný a schopný splácet své závazky. Grafické znázornění je možné vidět na následujícím grafu.

Praktická část Graf 1

37

Vývoj běžné likvidity v čase

Zdroj: vlastní zpracování

Podobnou situaci můžeme vidět i v následujícím grafu, kde je znázorněn vývoj pohotové likvidity v čase. Firma Kabel se opět až do roku 2008 pohybovala v doporučeném rozmezí pohotové likvidity. V roce 2009 vzrostl ukazatel na hodnotu 7. V posledním sledovaném roce opět klesl a přiblížil se doporučené horní hranici. Tento průběh opět souvisí s vývojem oběžných aktiv (v tomto případě bez zásob) a krátkodobých závazků společnosti. Graf 2

Vývoj pohotové likvidity v čase


Pomocí hotovostní likvidity je možné vyhodnotit schopnost splácet krátkodobé závazky z nejlikvidnějších aktiv. Firma se opět do roku 2008 pohybuje v rámci odbornou literaturou doporučených hranic, v roce 2009 vzroste na hodnotu 5 a následně klesá do doporučeného rozmezí. Lze tedy konstatovat, že by firma byla schopna splatit své závazky z nejlikvidnějších aktiv, které vlastní. Vývoj v čase je znázorněn v grafu 3.

Praktická část Graf 3

38

Vývoj hotovostní likvidity v čase


Jak již bylo ve vertikální analýze pasiv řečeno, financování aktiv je až do roku 2008 z více jak 50 % z cizích zdrojů. Ve zmíněném roce se zvyšuje koeficient samofinancování a v posledním sledovaném roce je financování ze dvou třetin z vlastních zdrojů. Údaje z účetnictví neobsahují informace o dlouhodobých závazcích, proto zde zmíněná zadluženost obsahuje pouze závazky krátkodobé. Obrat celkových aktiv vyjadřuje, kolikrát se aktiva obrátí za určité časové období, během kterého bylo dosaženo daných tržeb využitých v ukazateli (nejčastěji rok). Společnost vykazuje relativně stálý vývoj obratu celkových aktiv, celé sledované období se pohybuje v rozmezí 1,2 – 2 let. U ukazatele obratu pohledávek a doplňkového ukazatele doby obratu pohledávek je nezbytné přihlédnout ke standardně využívané době splatnosti faktur. Jestliže je doba obratu pohledávek větší než tato stanovená doba splatnosti, znamená to, že obchodní partneři nedodržují obchodně-úvěrovou politiku a může signalizovat jejich platební neschopnost. Obrat závazků a doba obratu závazků je důležitá především pro věřitele firmy a obchodní partnery. Můžeme zde sledovat, jestli firma dodržuje splatnosti faktur a své závazky plní včas. Při celkovém hodnocení situace firmy Kabel je důležité sledovat a porovnat ukazatele doby obratu závazků a doby obratu pohledávek. Tyto ukazatele jsou opět až do roku 2008 dle zmíněného schématu, který je pro finanční stabilitu firmy vhodný. Doba obratu závazků je větší než doba obratu pohledávek. V roce 2009 se doba obratu závazků zkracuje o 40 dní a doba obratu pohledávek se prodlužuje o 21 dní. Stejný poměr těchto dvou ukazatelů je i v posledním sledovaném roce.

Praktická část

Graf 4

Vývoj doby obratu pohledávek

39 Graf 5

Vývoj doby obratu závazků


Ukazatel rentability celkového vloženého kapitálu vyjadřuje celkovou výnosnost kapitálu, bez ohledu z jakých zdrojů byly podnikatelské činnosti financovány. U tohoto ukazatele byl využit zisk před odečtením úroků a daní. Při pohledu na časovou řadu tohoto ukazatele je vhodnější pro analýzu a následnou interpretaci výsledků. Ukazatel rentability vlastního kapitálu vyjadřuje výnosnost kapitálu vloženého vlastníky. Veškeré vypočítané ukazatele finanční analýzy zanesené v tabulkách jsou uvedeny v příloze A. Grafické znároznění některých ukazatelů v čase (neuvedených v práci) je uvedeno v příloze B. Dle vypočítaných ukazatelů finanční analýzy firma Kabel nevykazuje žádné znaky finanční nestability až do roku 2008. Ukazatele se pohybují v doporučených mezích, případně nevykazují žádné problémové hodnoty. V roce 2009 na ni v plném rozsahu dopadly následky celosvětové ekonomické krize. Tato příčina je původem z vnějšího prostředí, proto je nesnadné ji predikovat a dostatečně se na ni připravit. Z důvodu snížení odbytu musela firma Kabel omezit výrobu a omezit prodej. Bylo nezbytné propustit téměř polovinu zaměstnanců. Hodnoty finančních ukazatelů jsou v tomto roce zcela mimo doporučené hodnoty (u ukazatelů likvidity), změnila se struktura pasiv (změna financování aktiv). V posledním sledovaném roce se všechny ukazatele vrací k hodnotám před touto krizí. Tuto dobu je možné označit za výkyv hodnot, na který je nutné brát ohled i v následující ekonometrické analýze.

Praktická část

40

4.3 Časová řada První snahou při analýze časové řady jse získat orientační a rychlou představu o vývoji určitého procesu nebo určitého ukazatele, který tato posloupnost dat zastupuje. 4.3.1

Trendová analýza

Při této analýze je možné využít grafickou metodu, tedy subjektivní hodnocení vývoje trendu. Na následujících grafech je možné vidět vykreslenou křivku vývoje zisku (EBIT) proloženou trendovou křivkou různých druhů. Graf 6

Proložení křivky vývoje zisku (EBIT)

Lineární trend

Parabolický trend

Exponenciální trend Zdroj: vlastní práce

Z uvedených grafů můžeme hodnotit jednotlivé proložení křivky. Ukazatel zisku je velice nestálý a kolísá. Z grafické analýzy je možné určit jako nejvhodnější proložení trendu pomocí polynomu 4. řádu. Ten ovšem nebude využitý, v práci uvedu jednodušší – parabolický trend. Rovnice odhadované trendové paraboly je formálně zapsána:

Praktická část

41

T = 1,84e3 – 367t + 22,1t2 Parametry trendové paraboly, vypočítané pomocí metody nejmenších čtverců jsou β0=1,84e3, β1=−367, β2=22,1. Do modelu ovšem budou přidány další proměnné, které zisk ovlivní více než čas. Abychom získali jednoznačnou představu o závislostech a vlivech jiných proměnných na zisk, bude provedena vícerozměrnou regresní analýzu. Tím získáme i další pohled na vývoj ukazatele zisk.

4.4 Vícerozměrná regresní analýza Vstupními daty ekonometrické analýzy jsou vybrané ukazatele zpracované finanční analýzy. Model by měl sloužit manažerům firmy k usnadnění rozhodování, proto by neměl být příliš složitý. Výstupem tohoto modelu je identifikace ukazatelů, které jsou nejvíce závislé na vytvořeném zisku firmy za určité časové období. Ze všech vypracovaných ukazatelů finanční analýzy byly vybrány jen některé ukazatele, které byly zařazeny do původního modelu. Ten byl postupně upravován dle významnosti jednotlivých proměnných. Nevýznamné byly odstraněny a výstupem byl jednoduchý model, který odpovídá na otázku, který z těchto ukazatelů je nejvíce závislý na vytvořeném zisku. V rámci vícerozměrného regresního modelu je identifikována závislá proměnná zisk firmy (dále jen Z). Tato proměnná je brána z výkazu zisku a ztráty firmy Kabel, zisk před odečtem úroku a daní (ve finanční analýze značen EBIT). Jako vysvětlující proměnné budou využity tyto ukazatele:  Běžná likvidita (BL) + −  Pohotová likvidita (PL) + −  Hotovostní likvidita (HL) + −  Zadluženost vyjádřená v procentních bodech (ZD) −  Obrat celkových aktiv (OCA) +  Obrat závazků (OZ) +  Obrat pohledávek (OP) +  Rentabilita vlastního kapitálu (ROE) + Znaménka zobrazená v předešlém zápise naznačují předpokládaný vývoj daného ukazatele v závislosti na zisku firmy.

Praktická část

42

U všech typů likvidit nelze jednoznačně určit vztah k zisku. U oběžných aktiv ani u krátkodobých závazků (které jsou součástí výpočtů jednotlivých likvidit) nelze jednoznačně určit, jakým směrem se budou vyvíjet v závislosti na vývoji zisku. V případě zadluženosti je možné odhadovat negativní závislost. V situaci, kdy porostou zisky, budou se tvořit zásoby vlastního kapitálu a bude se snižovat potřeba financování z cizích zdrojů. Může také docházet k tvorbě rezerv nebo následné investici, v tom případě by nebyl tento ukazatel ovlivněn ani negativně ani pozitivně. Obraty celkových aktiv, závazků a pohledávek obsahují ve svých čitatelech tržby, které taktéž ovlivňují zisk. Při předpokladu, že bude tento vliv přímo úměrný, s růstem tržeb poroste zisk a následně porostou i obrat celkových aktiv, závazků a pohledávek. Proto je u těchto ukazatelů odhadovaná pozitivní závislost na zisku. Výpočet ukazatele ROE obsahuje přímo zisk, který je taktéž v čitateli tohoto ukazatele. Při růstu rentability vlastního kapitálu poroste i zisk. Zisk je funkcí (f) všech proměnných, které byly zařazeny do modelu. Zkoumaný vztah původního modelu má formální zápis následující: Z = ƒ (BL, PL, HL, ZD, OCA, OZ, OP, ROE) Veškeré hodnoty vybraných ukazatelů byly využity při odhadování parametrů jednotlivých proměnných. Použitím metody nejmenších čtverců byly získány tyto odhady parametrů, směrodatné chyby, t-podíly jednotlivých proměnných a jejich p-hodnoty. Vše je přehledně zapsané v tabulce 1 Hodnoty původního modelu na následující straně.

Praktická část Tab. 1

43

Hodnoty původního modelu Proměnná

Koeficient

Směr. chyba

T-podíl

P-hodnota

Konstanta

1449,56

3212,78

0,4512

0,7302

BL

−2942,75

2154,67

−1,366

0,4023

PL

3719,90

2176,00

1,710

0,3370

HL

−673,68

2246,55

−2,526

0,2400

ZD

2,11684

19,9978

0,1059

0,9329

OCA

−3607,04

2686,13

−1,343

0,4075

OZ

767,198

2686,13

−1,325

0,4116

OP

1240,74

687,386

1,805

0,3221

ROE

6767,61

439,045

15,41

0,0412

Zdroj: vlastní práce

Při testování významnosti regresních parametrů vícenásobného regresního modelu pro n=9 byla na 5% hladině významnosti prokázána statistická významnost pouze u parametru rentability vlastního kapitálu (ROE). Ostatní proměnné jsou na zmíněné hladině významnosti prokázány jako neprůkazné. Koeficient determinace má hodnotu 0,999418 a adjustovaný koeficient determinace 0,994760. To znamená, že je zde vyčíslena vysoká míra variability, kterou kvantifikovaný model popisuje. P-hodnota F-testu ukázala nevýznamnost modelu. Proto bylo nezbytné původní model upravit. Tato úprava spočívá především ve výběru proměnných. Nejvyšší p-hodnota u původních proměnných byla u zadluženosti, proto je tato proměnná vyřazena z modelu. Takto upravený model vykázal hodnoty, uvedené v následující tabulce. Dle jednotlivých ukazatelů je nezbytné určit, zda je model po odstranění proměnné lépe specifikovaný.


44

Upravený model 1 (bez zadluženosti) Proměnná

Hodnota

Koeficient determinace

0,999411

Adjustovaný koeficient determinace

0,997350

F-test

484,9624

P-hodnota F-testu

0,002059

Nejvyšší p-hodnota u proměnné – obrat závazků

0,1498


Adjustovaný koeficient determinace, který zohledňuje i množství proměnných, se zvýšil, proto lze konstatovat zlepšení modelu (odstraněním proměnné zadluženost). I p-hodnota F-testu se snížila pod 5% hodnotu významnosti, proto lze zamítnout hypotézu o nevýznamnosti modelu. Stále se zde ovšem vyskytují proměnné, které jsou nevýznamné. Proto byly na základě jejich p-hodnot z modelu odstraněny (postupně obrat závazků, běžná likvidita, obrat celkových aktiv). Koeficienty, směrodatné chyby, t-podíl a p-hodnoty modelu bez těchto proměnných je zobrazen v následující tabulce č. 3. Tab. 3

Upravený model 2 (jen významné proměnné)

Proměnná

Koeficient

Směr. chyba

T-podíl

P-hodnota

Konstanta

−1200,86

272,716

−4,403

0,007

Pohotová likvidita

513,058

156,671

3,275

0,0221

Hotovostní likvidita

−1993,10

504,538

−3,950

0,0108

Obrat pohledávek

346,592

64,4562

5,377

0,0030

ROE

7060,45

307,302

22,98

2,91 e-6


Odhadnutý model metodou nejmenších čtverců má následující podobu: Z = − 1200,86 + 513,058 (PL) − 1993,10 (HL) + 346,592 (OP) + 7060,45 (ROE)

Takto specifikovaný model splňuje naše předpoklady vlivu působení vysvětlujících proměnných na vysvětlovanou proměnnou. Odhadovaná znaménka před jednotlivými ukazateli naznačují směr závislosti. To znamená, že s růstem pohotové likvidity, můžeme pozorovat i nárust zisku. Opačný směr

Praktická část

45

závislosti naznačuje zmanénko mínus před ukazatelem hotovostní likvidity. Když porovnáme stavbu daných ukazatelů, jsou opačná znaménka pohotovostní likvidity a hotovostní likvidity nelogická. Předpokládaný směr by měl být stejný. To může být způsobeno nevýznamnými proměnnými, v této chvíli zařazenými do modelu, které mohou ovlivnit odhadovaný model. Kladné znaménko před ukazatelem obrat pohledávek naznačuje pozitivní závislost, tedy že při růstu ukazatele obratu pohledávek lze očekávat i nárust ukazatele zisk. Stejnou závislost můžeme pozorovat i u ukazatele rentabilita vlastního kapitálu. Konkrétně při růstu ukazatele zisku o jednu jednotku, poroste rentabilita vlastního kapitálu o 7060,45 jednotek. Koeficient determinace je v případě tohoto modelu roven 0,996209 a adjustovaný koeficient determinace je roven 0,993177. To znamená, že vystihuje 99 % variability skutečné vysvětlované proměnné, což můžeme interpretovat jako vysokou shodu dat skutečných a generovaných proměnných modelem. V další fázi této analýzy budeme zkoumat specifikaci modelu z pohledu vypočtených statistik. Ty mohou upozornit na chyby ve specifikaci modelu vzniklé v návrhu modelu. RESET test je vhodný pro zjištění specifikačních chyb vzniklých v důsledku výběru nevhodné proměnné nebo volbou nevhodného analytického tvaru. Test linearity je důležitý pro určení, zda-li je model lineární. Výsledky jsou zaneseny do tabulky č. 4. Tab. 4

RESET test a test linearity (upravený model 2) RESET test

Test linearity

Testovací statistika F

P-hodnota

Testovací statistika LM2

P-hodnota

1,442453

0,296

5,99891

0,19923


V případě RESET testu nezamítáme nulovou hypotézu na 5% hladině významnosti. Model je lineárně specifikovaný správně. Na 5% hladině významnosti nelze zamítnout ani nulovou hypotézu testu nelinearity. Vztah je lineární. První předpoklad klasického lineárního regresního modelu je splněn. Regresní model je lineární v parametrech, je správně specifikován. V další části

Praktická část

46

provedeme analýzu reziduální složky. Budeme testovat její střední hodnotu, přítomnost homoskedasticity, přítomnost sériové korelace, možnou kolinearitu náhodné složky s vysvětlujícími proměnnými a dále multikolinearitu vysvětlujících proměnných. Test normality reziduí prokázal, že nelze zamítnout nulovou hypotézu o normálně rozděleném chybového členu na 5% hladině významnosti. Phodnota je v tomto testu rovna 0,801486. Nulová střední hodnota chybového členu je předpokladem OLS metody, která byla použita, není proto zapořebí ji ověřovat a testovat. Další předpoklad klasického regresního modelu je splněn (všechny předpoklady uvedeny v kapitole 3.3.2 Specifikace ekonometrického modelu). V případě, že by v modelu byla přítomna heteroskedasticita došlo by k porušení předpokladu regresního modelu, který říká, že pozorování chybového členu pochází z rozdělení s konstantním rozptylem. Heteroskedasticita zvyšuje rozptyl rozdělení parametrů. Ovlivňuje tak vlastnost minima rozptylu. Tab. 5

Test heteroskedasticity (upravený model 2) Testová statistika

P-hodnota

Whiteův test

6,689651

0,570457

Breusch-Paganův test

0,692156

0,952293


Dle provedených testů heteroskedasticity můžeme konstatovat nepřítomnost heteroskedasticity. Nulovou hypotézu o přítomnosti homoskedasticity nezamítáme na hladině významnosti 5 %. Závažným problémem by mohla být kolinearita, případně multikolinearita. Kolilnearita je závislost mezi dvěma vysvětlujícími proměnnými, multikolinearita je závislost mezi více vysvětlujícími proměnnými. To může znehodnotit odhady koeficientů a zároveň porušuje klasický předpoklad, který říká, že žádná vysvětlující proměnná není perfektní lineární kombinací jiné vysvětlující proměnné. Proto byly vypočteny VIF faktory, které při hodnotě vyšší jak 10 značí problém s (multi)kolinearitou.


47

VIF faktory vysvětlujících proměnných (upravený model 2) Proměnná

VIF

PL

51,730

HL

51,301

OP

1,486

ROE

1,753


Tento problém je vidět u proměnných pohotová likvidita a hotovostní likvidita. Jejich hodnota VIF faktoru vysoce přesahuje stanovenou hranici. Proto je nezbytné tento problém řešit a to vyřazením jedné z těchto proměnných. Výběr proměnné je proveden pomocí jejich p-hodnoty. U proměnné pohotovostní likvidita je p-hodnota vyšší než u hotovostní likvidity, proto je vyřazena z modelu jako první. Výsledný model je v následující podobě: Z = − 838,282 − 362,511 (HL) + 286,525 (OP) + 7057,29 (ROE) Koeficient determinace má hodnotu 0,98079 a adjustovaný koeficient determinace 0,982118. P-hodnota je rovna 3,69 e−6, což znamená, že je model správně specifikován. Tento model lze označit za výsledný. Dále budou provedeny všechny testy, aby se potvrdila správnost definovaného modelu. Tab. 7

RESET test a test linearity výsledného modelu RESET test

Test linearity

Testovací statistika F

P-hodnota

Testovací statistika LM2

P-hodnota

4,547575

0,0933

6,99872

0,0719385


Model je lineární, na 5% hladině významnosti nelze zamítnout nulovou hypotézu linearitě modelu. Dle p-hodnoty RESET testu nelze zamítnout nulovou hypotézu o správnosti specifikace modelu. Model je dle tohoto testu specifikován správně. Následným testem heteroskedasticity bude prokázána homoskedasticita modelu. Nulovou hypotézu o přítomnosti heteroskedasticity nezamítáme. Model je homoskedasticitní. Konkrétní výsledky testu jsou uvedeny v následující tabulce č. 8.


48

Test heteroskedasticity výsledného modelu Testová statistika

P-hodnota

Whiteův test

7,487404

0,278111

Breusch-Paganův test

0,697275

0,873845


Ověřením kolinearity modelu pomocí VIF faktorů bude prokázáno, že je problém s multikolinearitou v předcházejícím modelu vyřešena. Všechny hodnoty se musí pohybovat pod hodnotou 10. Jak lze v následující tabulce vidět, odstraněním jedné proměnné (pohotovostní likvidita) byla multikolinearita vyřešena. Jednotlivé proměnné nejsou vzájemně závislé. Tab. 9

VIF test výsledného modelu Proměnná

VIF

HL

1,335

OP

1,366

ROE

1,753


Tento model je možné považovat za správně specifikovaný. Předpoklady pro správně specifikovaný lineární model jsou splněny a jednotlivé testy neprokazují problémy. Jak již bylo uvedeno, model je možné formálně zapsat následovně: Z = − 838,282 – 362,511 (HL) + 286,525 (OP) + 7057,29 (ROE) Jak lze v rovnici vidět, závislost zisku a hotovostní likvidity je negativní a v případě, že se zisk zvýší o jednu jednotku, ukazatel hotovostní likvidity se sníží o 362 jednotek. Opačnou závislost sledovat u ukazatelů zisku a obratu pohledávek. V případě rentability vlastního kapitálu je závislost pozitivní, při zvýšení zisku o jednotku se zvýší rentabilita vlastního kapitálu o 7057 jednotek. Všechny tři proměnné, které v modelu zůstaly, jsou významné. V následující tabulce jsou přehledně vypsány p-hodnoty jednotlivých proměnných.


49

P-hodnoty proměnných výsledného modelu Proměnná

P-hodnota

HL

0,0332

OP

0,0286

ROE

7,67 e-6


Údaje v tabulce č. 10 jen potvrzují, že největší závislost lze konstatovat u proměnné ROE. P-hodnota je nejmenší a závislost vyjádřená koeficientem v rovnici výsledného modelu je naopak největší z daných proměnných. To lze interpretovat následovně. Proměnná ROE nejvíce ovlivňuje proměnnou zisk, proto je vhodným doporučením pro manažery, aby sledovali vývoj právě tohoto ukazatele. Ze všech zařazených ukazatelů finanční analýzy, u kterých se zjišťovala závislost, je práve tento ukazatel nejdůležitější. Tedy v případě, kdy je primárním cílem sledovat právě zisk před odpočtem daní a úroků. Zmíněné závěry o důležitosti tohoto ukazatele jsou určitě zajímavé nejen pro manažery podniků, ale i pro vnější okolí zajímající se o stav finanční situace firmy. Příkladem lze uvést investory nebo finanční instituce. Na základě vývoje tohoto ukazatele je možné usuzovat stabilitu firmy, její schopnost tvořit zisk a zároveň zjistit, zda není firma před krachem. Mezi uživatele těchto informací můžeme zařadit také zákazníky a obchodní partnery.

4.5 Model do roku 2008 V úvodu praktické části hodnocení finanční situace podniku bylo řečeno, že jsou získaná data až do roku 2008 v rámci doporučených hodnot a vyvíjí se rovnoměrně. V roce 2009 se díky finanční krizi dostávají ukazatele do extrémních hodnot a řady vykazují výkyv. Je nezbytné se pozastavit nad tím, zda takový výkyv v hodnotách nezpůsobil zkreslení vytvořeného modelu. V následující části budou proto vstupní data pouze do toho roku, ve kterém byl výkyv zaznamenán. Opět je použita metoda nejmenších čtverců a získané odhady parametrů vykazovaly velice podobné hodnoty jako model nezkrácený. Proto byl upraven dle již popsaných metod. Výsledný model pro data let 2001-2008 je zapsaný:

Praktická část

50

Z = − 777,214 − 2408,21 (HL) + 411,555 (OP) + 6769,56 (ROE) Jednotlivé hodnoty provedených testů jsou uvedeny v tabulce č. 10, která přehledně zobrazuje jednotlivé výsledky. Tab. 11

Hodnoty modelu do roku 2008 Jednotlivé testy

Hodnota

Koeficient determinace

0,993264

Adjustovaný koeficient determinace

0,988212

Test nelinearity

RESET test

Whiteův test

Breuch-Paganův test

VIF faktory

TR2

6,78085

p-hodnota

0,0792206

F

0,689098

p-hodnota

0,592032

TR2

3,712134

p-hodnota

0,715565

LM

1,348794

p-hodnota

0,717580

HL

1,369

OP

1,743

ROE

1,459


Jak můžeme v tabulce vidět, koeficient determinace i adjustovaný koeficient determinace vykazují vysokou průkaznost modelu. Model je lineární a správně specifikovaný. Neobjevuje se zde kolinearita (ani multikolinearita) a můžeme zde konstatovat homoskedasticitu. Model i po úpravě splňuje předpoklady správně specifikovaného lineárního modelu. Při porovnání modelu všech sledovaných let a modelu do roku 2008 lze formulovat závěr, že vynechaná data (výkyv dat způsobený ekonomickou krizí) nezpůsobují významné zkreslení modelu, ve smyslu určení podstatných proměnných. Výkyv způsobil pouze změnu v síle závislosti těchto proměnných. V obou modelech jsou významné proměnné hotovostní likvidita, obrat pohledávek a rentabilita vlastního kapitálu. V obou modelech můžeme porovnat

Praktická část

51

proměnné a jejich závislosti. Pro přehlednost jsou koeficienty jednotlivých proměnných zaneseny do následující tabulky. Tab. 12

Porovnání koeficientů proměnných v jednotlivých modelech

Proměnná

Výsledný model

Model do roku 2008

HL

–362,511

−2408,21

OP

286,525

411,555

ROE

7057,29

6769,56


Poměrně významný nárůst závislosti můžeme konstatovat u hotovostní likvidity. Ve výsledném modelu to byla negativní závislost změny ukazatelů o téměř čtyři stovky jednotek daného ukazatele, zatímco v případě modelu do roku 2008 to bylo o více jak dva tisíce. Změnu ve stejném směru můžeme vidět i v případě obratu pohledávek. V modelu do roku 2008 tento ukazatel způsobuje změnu o více než čtyři sta jednotek, což je o třetinu více než ve výsledném modelu. Závislost je naopak menší v případě ukazatele ROE. Toto snížení ovšem není tak významné jak u předchozích změn a tvrzení o největší významnosti právě tohoto ukazatele se nemění v případě obou modelů.

Diskuze

52

5 Diskuze Ve své diplomové práci se zabývám hodnocením finanční situace firmy Kabel. Postup finanční analýzy, prostřednictvím které získáváme přehled o této situaci, je známý, často diskutovaný a řešený v mnoha odborných knihách. Jde o komplexní pohled na finanční zdraví firmy. Pro úspěšné rozhodování manažerů je znalost tohoto stavu naprostou nezbytností. V celé škále důležitých ukazatelů a vztahů mezi jednotlivými ukazateli existuje jeden (nebo více), který je v těchto vztazích nejdůležitější a má největší podíl na utváření jiných ukazatelů. Jejich sledování může manažerům napomoci při jejich rozhodování i v případě, že nemají veškeré podklady komplexní finanční analýzy. Odhalení těchto ztěžejních ukazatelů bylo cílem práce. V první části práce jsem vypracovala finanční analýzu v neúplné formě, která je často uváděna v odborné literatuře. Vypočítala jsem pouze ukazatele, které nejsou kombinací jiných (aby nedocházelo ke zkreslení), tzn. horizontální a vertikální analýzu, rozdílové ukazatele, poměrové ukazatele (konkrétně ukazatele likvidity, zadluženosti, aktivity a rentability). Do analýzy vstupovala data za období od roku 2001 do 2010. V počátcích sledovaných let má firma poměrně vysokou hodnotu stálých a oběžných aktiv, která v průběhu dalších let klesají, především snižováním zásob a samostatných movitých věcí. To bylo důsledkem především omezování výroby z důvodu snižování poptávky v období dopadu finanční krize. To mělo vliv i na vývoj pasiv a způsob financování podnikatelské aktivity. V průběhu sledovaných let došlo ke změně poměru vlastního a cizího kapitálu, využívaného k financování podnikatelských aktivit. V prvních sedmi letech převažovaly cizí zdroje, kdežto v posledních třech letech se podíl vlastního kapitálu zvýšil nad padesát procent. Dle mého názoru je firma stabilní a finančně vyrovnaná. Jako většina podniků se musela vyrovnat s celosvětovou finanční krizí. Při pohledu na výkazy posledních sledovaných let a z výpočtů finanční analýzy za poslední sledované roky lze konstatovat, že se s ní vyrovnávají poměrně dobře a navrací se ke stavu před tímto zásahem z vnějšího prostředí firmy. To je zásluhou vhodných opatření vedení české pobočky současně s možností konzultovat stav se zahraniční mateřskou firmou. Finanční krize a její již zmíněné důsledky způsobily značný výkyv ukazatelů likvidity. Až do roku 2007 se firma drží v rozmezí jednotlivých typů likvidity

Diskuze

53

doporučených v odborné literatuře. V roce 2008 se hodnoty zvyšují vysoko nad tuto doporučenou mez. Pozitivní je pro firmu fakt, že v posledním sledovaném roce se hodnoty navrací opět k hodnotám před tímto výkyvem, proto lze předpokládát, že se firma nedostala do větších finančních problémů, které by byly nezbytné řešit zásadními změnami. Při porovnání doby obratu závazků a doby obratu pohledávek firma Kabel dodržuje vhodný poměr mezi těmito dvěma ukazateli. Doba obratu závazků je větší než doba obratu pohledávek. Stejně jako u ostatních ukazatelů až do roku 2008, pak se vlivem krize opět mění. Do roku 2008 firma z vypočítaných ukazatelů nevykazuje žádné znaky finanční nestability. Všechny hodnoty se pohybují v doporučených mezích nebo nevykazují hodnoty, které by znamenaly problémovou situaci. V posledních dvou sledovaných letech na firmu v plné síle dopadly důsledky finanční krize. Hodnoty ukazatelů se pohybují zcela mimo doporučené hodnoty, které se ovšem v roce 2010 opět vrací k normálu nebo se mu aspoň přibližují. Proto lze tento rok (2009) označit jako výkyv ukazatelů, způsobený vlivy z vnějšího prostředí. To nelze snadno predikovat, proto je ekonometrická analýza ukazatelů rozdělena na dvě části: za všechna sledovaná leta a pouze do roku 2008. Porovnáním těchto dvou modelů bylo možné určit, zda-li tento výkyv způsobil zkreslení výsledku zkoumání závislostí modelu. Výsledný model ekonometrické analýzy by měl být přehledný a jednoduchý, aby usnadnil rozhodování manažerů. Při určení vysvětlované proměnné vycházím z předpokladu, že se manažeři budou zajímat o vývoj zisku společnosti. Aby se vyloučilo zkreslení změny daňového zatížení (v průběhu sledovaných let) a dalších poplatků (úroků), zvolila jsem zisk před odpočtem daní a úroků. To usnadní i případné porovnání s konkurencí. Po odhadech směru závislostí vybraných ukazatelů byly ukazatele odhadnuty pomocí metody nejmenších čtverců. Tento model vykazoval příznaky nesprávně specifikovaného, proto byl upraven. Výsledný model ukázal, že nejvíce závislý na zisku před odpočtem daní a úroku byl ukazatel rentability vlastního kapitálu. Konkrétně se jedná o vztah, kdy v případě, že zisk vzroste o jednu jednotku (respektive klesne), ve stejném směru se bude pohybovat i ukazatele rentability vlastního kapitálu, tj. vzroste (respektive klesne) o něco více než sedm tisíc jednotek. Tento model byl testován na správnou specifikaci modelu a na zjišťování specifikačních chyb. Oba prokázaly správnou specifikaci. Dále test linearity, homoskedasticity

Diskuze

54

i kolinearity neprokázaly žádné problémy v modelu, proto jej lze označit za správný. Vývoj tohoto ukazatele by mohl být pro manažery firem vhodným pomocníkem, díky kterému je možné odhadnout vývoj zisku. Jejich závislost je silná. Dalšími ukazateli, které jsou v modelu prokázány jako podstatné a důležité, jsou hotovostní likvidita a obrat pohledávek. Oba tyto ukazatele jsou dalšími podstatnými ukazateli, které je vhodné sledovat. Po vypracování modelu pouze do roku 2008 je možné jej porovnat s výsledným modelem. Eliminace dat, která by mohla zkreslit závislosti, nezpůsobila změnu výběru ukazatelů a jejich závislostí, pouze jejich sílu. V upraveném modelu do roku 2008 posílila závislost hotovostní likvidity, kdežto ukazatel rentability vlastního kapitálu o něco klesla. Tento pokles není výrazný, stále zůstává tento ukazatel nejvýznamnějším.

Závěr

55

6 Závěr Rozhodování manažerů a vedoucích pracovníků nepochybně vyžaduje výbornou znalost firmy, jejího hospodaření a její finanční situace. K vytvoření správných rozhodnutí musí mít finanční manažer všeobecný přehled jak o stavu firmy, tak o jejím okolí a vlivech, které firmu obklopují. Je to velké množství informací, které musí mít manažer k dispozici, aby mohl učinit odpovědné rozhodnutí na základě všech dostupných informací. Přesto se v té velké spoustě informací nachází určitá skupina, která je o něco důležitější a o něco podstatnější než ty ostatní. A právě na ty, které se vyskytují v části finančního zdraví firmy a jejího hodnocení se snažila odpovědět tato diplomová práce. Samotná část finanční analýzy je obsáhlý proces, který vyžaduje spoustu informací o firmě a jejím hospodaření. V práci jsem využila data od firmy zde pojmenované Kabel, která sloužila jako ukázka reálného vývoje hospodaření firmy. Tím, že je její finanční situace v doporučených normách (dle odborné literatury), posloužila tato data k vytvoření ekonometrického modelu, na kterém bylo možné zjišťovat jednotlivé závislosti mezi ukazateli. Hlavním zaměřením byla závislost jednotlivých ukazatelů na zisk firmy před odpočtem daní a úroků. Průkazně největší závislost se prokázala u rentability vlastního kapitálu. Tento ukazatel je v případě sledování tvorby zisku nejpodstatnější ze všech zmíněných z finanční analýzy. Dalšími podstatnými jsou hotovostní likvidita a obrat pohledávek. Právě tyto ukazatele by měly mít největší vypovídací schopnost o tendenci vývoje a tvorbě zisku podniku, proto by měly být v první řadě sledovány v rozhodné situaci. Tak jako firmy a státy po celém světě, zasáhla i firmu Kabel světová finanční krize, která měla za důsledek snížení poptávky po výrobcích, na kterou musela firma reagovat snížením produkce. V této době nastala i změna financování podnikatelských aktivit a hodnoty, které firma vykazovala ve finanční analýze, nebyly v rámci doporučených mezí. Aby náhodou nedošlo ke zkreslení výsledků v důsledku výkyvu dat, způsobených finanční krizí, vypracovala jsem model i bez těchto „nestandardních“ dat. Predikce vnějších vlivů je nesnadná, a proto se na ně firma nemohla dostatečně připravit. Výsledky analýzy a výběr závislých proměnných byl stejný, proto lze závěr o podstatnosti těchto třech proměnných (rentabilita vlastního kapitálu, hotovostní likvidita, obrat pohledávek) považovat za průkazný a správný.


56

7 Použitá literatura 1.

ČERNOHORSKÝ, J., TEPLÝ, P. Základy financí. 1. vyd. Praha: Grada, 2011, 304 s. ISBN 978-80-247-3669-3.

2. Finanční analýza firmy, 2008. Techniky a metody finanční analýzy [online]. [cit. 12. 3. 2012]. Dostupné z:. 3. GROPPELLI, A., NIKBAKHT, E. Finance. 5th ed. Hauppauge, N.Y.: Barron’s, c2006, 612 s. ISBN 978-076-4134-203. 4. HUŠEK, R. Ekonomická analýza. 1. vydání. Vysoká škola ekonomická v Praze: Oeconomika, 2007. ISBN 978-80-245-1300-3. 5. KENNEDY, P. A guide to Econometrics. 5th edition. Cambridge: The MIT Press, 2003. 623 s. ISBN 02-6261-183-X. 6. KISLINGEROVÁ, E., HNILICA J. Finanční analýza: krok za krokem. 2. vyd. Praha: C.H. Beck, 2008. 135 s. C.H. Beck pro praxi. ISBN 978-80-7179713-5. 7.

KISLINGEROVÁ, E. Manažerské finance. 3. vyd. Praha: C. H. Beck, 2010, 811 s. Beckova edice ekonomie. ISBN 978-80-7400-194-9.

8. KISLINGEROVÁ, E. Oceňování podniku. 2. přepr. a dopl. vyd. Praha: C. H. Beck, 2001. 367 s. ISBN 80-717-9529-1. 9. KNÁPKOVÁ, A., PAVELKOVÁ, D. Finanční analýza: komplexní průvodce s příklady. 1. vyd. Praha: Grada, 2010, 205 s. Prosperita firmy. ISBN 97880-247-3349-4. 10. KRÁLÍK, O. Vývoj objemu vložených finančních prostředků do penzijních fondů jejich klienty v letech 1995-2008. Diplomová práce. Brno: Mendelova univerzita v Brně, 2010. 11. MELICHER, R. W., NORTON, E. A. Finance. 1 st. ed. Hoboken: Wiley, 2007. 12. MIKYSKOVÁ, I. Poptávka po pěnězích v ČR. Brno, 2011. 81 s. Diplomová práce. Mendelova univerzita v Brně. 13. MORAVCOVÁ, Z. Zhodnocení finanční situace vybrané příspěvkové organizace. Brno, 2010. 83 s. Bakalářská práce. MENDELU v Brně.


57

14. PAVELKOVÁ, D., KNÁPKOVÁ, A. Výkonnost podniku z pohledu finančního manažera. 2. aktual. a dopl. vydání. Praha: Linde, 2009. ISBN 978-8086131-85-6. 15. PROKŮPKOVÁ, D., MORAVEK, Z., MOCKOVČIAKOVÁ, A. MERITUM - Příspěvkové organizace 2009. Praha: ASPI Publishing, 2009. 370 s. ISBN 978-807357-416-1. 16. RŮČKOVÁ, P. Finanční analýza: metody, ukazatele, využití v praxi. 3. rozš. vyd. Praha: Grada, 2010. ISBN 978-80-247-3308-1. 17. SCHOLLEOVÁ, H. Ekonomické a finanční řízení pro neekonomy. vyd. Praha: Grada Publishing a.s., 2008. 256 s. ISBN 978-80-2472-424-9. 18. SOUČEK, I. Podnikatelský záměr a investiční rozhodování. Praha: Grada Publishing a.s., 2005. 356 s. ISBN 978-80-2470-939-0. 19. STUDENMUND, A. Using econometrics: a practical guide. 5th ed. Boston: Addison Wesley Pearson, 2005. 639 s. ISBN 0-321-31649-5. 20. SYNEK, M. a kol. Manažerská ekonomika, 5. aktualiz. a rozš. vyd. Praha: Grada Publishing a.s., 2011. 471 s. ISBN 978-80-247-3494-1. 21. WONNACOT, T., WONNACOT, R. Statistika pro obchod a hospodářství. 1. vyd. Praha: Victoria Publishing, 1994. 891 s. ISBN 80-85605-09-0. 22. ŽIVĚLOVÁ , I. Podnikové finance. 1. vyd., dotisk 2008. Brno: Mendelova zemědělská a lesnická univerzita v Brně, 2007. 111 s. ISBN 978-807375-035-0.

Seznam grafů a obrázků

58

Seznam grafů a obrázků Graf 1

Vývoj běžné likvidity v čase

37

Graf 2

Vývoj pohotové likvidity v čase

37

Graf 3

Vývoj hotovostní likvidity v čase

38

Graf 4

Vývoj doby obratu pohledávek

39

Graf 5

Vývoj doby obratu závazků

39

Graf 6

Proložení křivky vývoje zisku (EBIT)

40

Obr. 1

Rozdělení elementárních metod finanční analýzy

13

Seznam zkratek

59

Seznam tabulek Tab. 1

Hodnoty původního modelu

43

Tab. 2

Upravený model 1 (bez zadluženosti)

44

Tab. 3

Upravený model 2 (jen významné proměnné)

44

Tab. 4

RESET test a test linearity (upravený model 2)

45

Tab. 5

Test heteroskedasticity (upravený model 2)

46

Tab. 6

VIF faktory vysvětlujících proměnných (upravený model 2)47

Tab. 7

RESET test a test linearity výsledného modelu

47

Tab. 8

Test heteroskedasticity výsledného modelu

48

Tab. 9

VIF test výsledného modelu

48

Tab. 10

P-hodnoty proměnných výsledného modelu

49

Tab. 11

Hodnoty modelu do roku 2008

50

Tab. 12 Porovnání koeficientů proměnných v jednotlivých modelech

51

Seznam zkratek

60

Seznam zkratek BL

Běžná likvidita

ČPK

Čistý pracovní kapitál

HL

Hotovostní likvidita

IAS/IFRS

Mezinárodní účetní standardy (Internacional financial reporting standards)

OCA

Obrat celkových aktiv

OLS

Metoda nejmenších čtverců (Ordinary leasts square)

OP

Obrat pohledávek

OZ

Obrat závazků

PL

Pohotová likvidita

ROA

Rentabilita celkového kapitálu

ROE

Rentabilita vlastního kapitálu

USA GAAP Národní účetní standardy USA Z

Zisk před odečtením úroků a daní

ZD

Zadluženost

Seznam příloh

61

Seznam příloh A

Vypočítané ukazatele finanční analýzy.

B

Grafické znázornění vývoje ukazatelů v čase.

A) Vypočítané ukazatele finanční analýzy

Horizontální analýza (absolutní vyjádření) - uvedeno v tis. Kč

Stálá aktiva dlouhodobý neh. majetek sam. movité věci a soubory movitych věci

2002/ 2003/ 2004/ 2005/ 2006/ 2007/ 2008/ 2009/ 2010/ 2011/ 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 796 -277 -270 -156 1 197 -446 -345 -526 -181 -213 30

-30

116

-39

-38

-39

0

0

0

766

-247

-386

-117

1 235

-407

-345

-526

-181

Oběžná aktiva 38 152 zásoby -920 -495 krátkodobé pohledávky 2 797 -1 703 finanční majetek -1 839 2 350 Ostatní aktiva 206 -171

1 529 1 160

-869 -146

4 411 1 773

-128 -3 288 -7 678 868 -3 256 -3 784

-213 -14 3 373 453 859 -3 980

120

252

2 210

-511

2 544 -8 079

249 5

-975 182

428 -10

-485 53

Aktiva celkem

1 264

-843

5 598

1 040

-296

77 -3 588 -109 -105

-306 -73

-521 -3 738 -8 277

0

-30 -2 394 -11 -129 -14 3 181 795

2002/ 2003/ 2004/ 2005/ 2006/ 2007/ 2008/ 2009/ 2010/ 2011/ 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 -10 Vlastní kapitál 842 -790 544 371 1 311 1 483 1 060 -1 946 39 431 základní kapitál 0 0 0 0 0 0 0 0 0 0 kapitálové fondy 0 -1 272 -1 0 0 0 0 0 -558 fondy ze zisku 0 0 0 0 0 0 0 0 0 0 hosp. výsl. minulých let 3 129 842 -789 273 371 1 310 1 484 1 060 -1 947 -9 723 hosp. výsl. běž. období -2 287 -1 631 1 061 99 940 173 -425 -3 005 1 986 -40 Cizí zdroje 39 627 687 -1 245 4 303 -2 017 -4 821 -6 257 3 112 -4 235 krátkodobé závazky 39 627 687 -1 245 4 303 -2 017 -4 821 -6 257 3 112 -4 235 Ostatní pasiva 159 -133 33 31 -16 13 23 -74 30 -129 -14 Pasiva celkem 1 040 -296 1 264 -843 5 598 -521 -3 738 -8 277 3 181 795


Vertikální analýza Stálá aktiva dlouhodobý nehmotný majetek sam. movité věci a soubory movitych věci Oběžná aktiva zásoby krátkodobé pohledávky finanční majetek Ostatní aktiva Aktiva celkem

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2,421 0,066 0,052 0,035 0,028 0,071 0,054 0,046 0,034 0,014

0,000

0,163

0,000

0,598

0,415

0,161

0,000

0,000

0,000

0,000

2,421 6,442 5,184 2,856 2,356 6,923 5,354 4,625 3,392 1,440 97,274 0,920 0,943 0,961 0,957 0,918 0,933 0,943 0,954 0,977 45,557 37,993 35,883 39,526 40,535 38,480 43,002 34,714 26,873 26,901 33,824 47,094 38,470 36,582 39,602 39,573 38,283 45,865 47,658 54,606 17,893 0,305 100

6,903 19,977 19,959 15,610 13,764 12,015 13,725 20,871 16,181 1,406 0,485 0,480 1,482 1,097 1,346 1,071 1,205 0,872 100 100 100 100 100 100 100 100 100

2001 2002 Vlastní kapitál 43,233 45,363 základní kapitál 0,575 0,543 kapitálové fondy 1,656 1,563 fondy ze zisku 0,058 0,054 hosp. výsl. minulých let 22,948 38,634 hosp. výsl. běžn. období 17,996 4,569 Cizí zdroje 56,404 53,432 krátkodobé závazky 56,404 53,432 Ostatní pasiva 0,362 1,205 Pasiva celkem 100 100

2003 2004 2005 2006 2007 2008 2009 2010 41,746 41,830 45,731 40,559 47,729 62,028 89,478 70,504 0,552

0,516

0,539

0,414

0,423

0,503

0,861

0,676

1,583 0,055

2,882 0,052

3,008 0,054

2,311 0,041

2,362 0,042

2,805 0,050

4,805 0,086

3,772 0,068

43,908 36,979 40,130 32,364 38,622 53,341 100,48 65,718 -4,352 1,402 2,000 5,429 6,280 5,324 16,756 0,270 57,763 57,541 53,444 58,874 51,636 37,102 9,669 28,625 57,763 57,541 53,444 58,874 51,636 37,102 0,491 0,629 0,825 0,567 0,635 0,870 100 100 100 100 100 100

9,669 28,625 0,852 0,872 100 100


ČPK Běžná likvidita Pohotová likvidita Hotovostní likvidita Zadluženost v % Koeficient samofin. v % Obrat celkových aktiv Obrat závazku Obrat pohledávek Doba obratu aktiv Doba obratu závazků Doba obratu pohledávek EBIT EAT Rentabilita celkového kapitálu Rentabilita vlastního kapitálu Rentabilita tržeb

2001 7106 1,725 0,917 0,317 56,404 43,233 1,612 2,858 4,766 226,426 127,714 76,586 3766 3083 0,217 0,501 0,134

2002 7105 1,722 1,011 0,129 53,432 45,363 1,280 2,395 2,717 285,236 152,408 134,329 564 767 0,031 0,067 0,024

2003 6630 1,633 1,012 0,346 57,763 41,746 1,502 2,600 3,904 243,016 140,373 93,488 -733 -832 -0,040 -0,097 -0,027

2004 7472 1,670 0,983 0,347 57,541 41,830 1,411 2,451 3,856 258,770 148,898 94,662 10 272 0,001 0,001 0,000

2005 7848 1,792 1,033 0,292 53,444 45,731 1,706 3,193 4,308 213,922 114,329 84,718 501 371 0,027 0,059 0,016

ČPK Běžná likvidita Pohotová likvidita Hotovostní likvidita Zadluženost v % Koeficient samofin. v % Obrat celkových aktiv Obrat závazku Obrat pohledávek Doba obratu aktiv Doba obratu závazků Doba obratu pohledávek EBIT EAT Rentabilita celkového kapitálu Rentabilita vlastního kapitálu Rentabilita tržeb

2006 7956 1,560 0,906 0,234 58,874 40,559 1,790 3,041 4,524 203,871 120,026 80,679 1749 1311 0,072 0,179 0,040

2007 9845 1,807 0,974 0,233 51,636 47,729 2,101 4,069 5,489 173,708 89,695 66,501 2256 1484 0,095 0,200 0,045

2008 11378 2,542 1,606 0,370 37,102 62,028 2,297 6,191 5,008 158,898 58,955 72,879 1331 1060 0,067 0,108 0,029

2009 9957 9,866 7,087 2,159 9,669 89,478 1,865 19,289 3,914 195,693 18,922 93,264 -1494 -1946 -0,129 -0,144 -0,069

2010 10218 3,413 2,473 0,565 28,625 70,504 1,948 6,807 3,568 187,324 53,621 102,291 247 40 0,017 0,024 0,009

B) Grafické znázornění vývoje ukazatelů v čase

Obrat celkových aktiv

Rentabilita vlastního kapitálu

Rentabilita celkového kapitálu

Ekonometrická analýza podnikových ukazatelů pro potřeby manažerského rozhodování v podniku

Recommend Documents