Metodika hodnocení ekonomicky spjatých skupin ČR Výsledky projektu a možnosti jeho uplatnění v praxi
Praha – 17. 2. 2015
Jan Cikler, Luděk Mácha
© 2013
Ekonomicky spjatá skupina • Ekonomicky spjatá skupina – komplexní organismus složený z velkého množství majetkově, personálně, obchodně či jinak spojených subjektů • Vymezení Ekonomicky spjaté skupiny ČNB: Kvalifikovaná účast osoby na jiné osobě Kvalifikovaná účast osoby na více nezávislých osobách Stejná osoba popř. osoby blízké ve statutárních či kontrolních orgánech Propojení zárukami nebo úvěry Propojení vzájemnými obchodními vztahy • V zahraniční literatuře často pouze analýza lokálního propojení malého vzorku, popř. identifikace konečného vlastníka či studium vazeb na první úrovni • Studie velkých korporací z hlediska vazeb je stále na začátku • Hodnocení ESS z hlediska jejich rizikovosti dosud neexistuje!!! • Znalost všech přímých i nepřímých vazeb může zredukovat riziko lokálního či globálního selhání 2
© 2013
Příklady
A
A
20 %
20 %
B ovládá
B C
ovládá
Osoba A má přímý podíl na D základním kapitálu nebo hlasovacích právech osoby B ve výši 20 % Osoba A má nepřímý podíl na základním kapitálu nebo hlasovacích právech osoby D ve výši 20 % 3
© 2013
Příklady ovládá B
A
7%
7% C
Osoba A má přímý podíl v osobě C 7 % a zároveň v té samé osobě nepřímý podíl rovněž 7 %. Osoba A je proto osobou s kvalifikovanou účastí ve výši 14 % v osobě C 4
© 2013
Příklady – nepřímý podíl • Vlastní vnitřní předpisy bankovních domů pro posouzení propojenosti osob či subjektů • Neveřejné • Příklad – najít skupinu s majetkovou vazbou nad 50 % A 38 %
51 %
51 % D
C
B 26 %
26 % E
Do ESS patří A, B, C a E Do ESS nepatří D 5
© 2013
Příklady – nepřímý podíl • Příklad – najít skupinu s majetkovou vazbou nad 50 % • Patří E do takto definované ESS? A
N/A
38 %
51 % 49 % 49 %
D
C
B 26 %
26 %
E 48 %
51 %
A vlastní v E 26,52 % Neznámý vlastník (vlastníci ?) 73,48 %
6
© 2013
Příklad z praxe
Jaký má Praha nepřímý podíl v Pražské energetice?
7
© 2013
Příklad z praxe Zobrazení všech podstatných majetkových vazeb
EnBW přímý + nepřímý podíl 69,84 % Praha nepřímý podíl 29,61 % Neznámý vlastní 0,55 %
8
© 2013
Schéma postupu hodnocení ESS Nalezení konečných vlastníků
Klasifikace NI (negativní informace/jevy)
Vytvoření „kostry“ ESS
Klasifikace vazeb
Současnost
Historie
Napojení klíčových FO na kostru ESS
Hodnocení FO z jejich historie
Hodnocení konečných vlastníků, subjektů „okolí“ („dcerosester“) a vlastního subjektu
Výsledné hodnocení ESS 9
© 2013
Definice skupiny 1. Krok – nalezení konečných vlastníků F
49 %
A
49 % 51 %
51 % C
B 73,48 % 48 %
A vlastní v E 26,52 % F vlastní v E 73,48 %
26,52 % 26 %
26 %
E 10
© 2013
Definice skupiny 2. Krok – majetkově propojené subjekty (nad 30 %) F ?%
49 %
49 %
58,78 % přes E 9,80 % přes C C
B
68,58 % celkem
73,48% 48 %
20 % 26 %
26 % E
80 % 11
G
© 2013
Skupina kolem Pražské energetiky
Praha – 27. 11. 2014
12
© 2013
Ohodnocení negativních informací • Závažnost negativních informací hodnocena na základě rizika bankrotu (tvrdého defaultu) • Tvrdý default V konkurzu V úpadku V konkurzu po zrušení VS • Výpočet podmíněné pravděpodobnosti pro každý typ negativní informace • Do hodnocení vstupuje normovaná pravděpodobnost bankrotu (riziko bankrotu) • Vstupní informace: o počty standardních společností s negativní informací o počty zbankrotovaných společností s negativní informací
13
© 2013
Možné scénáře bankrotu subjektu 1) X 4) X Bankrot
> 500 dní
Start NI
2) OK Start NI
Bankrot
End NI
5) OK Start NI
Bankrot
< 500 dní
3) OK Start NI
Start NI
Bankrot
End NI
14
End NI
Bankrot
© 2013
Ohodnocení vazeb
• Celkem vymezeno 114 typů vazeb • Váha vazby určena na základě její relevance, která vychází z expertního ohodnocení • Relevance: o o o o o o
Velmi vysoká Vysoká Střední Střední až nižší Nízká Žádná
15
© 2013
Ohodnocení fyzických osob
• Hodnocení fyzických osob vychází z klasifikace vazeb a negativních informací • Vstupní informace nutné k ohodnocení FO: o o o o
Tabulka Tabulka Tabulka Tabulka
osob/objektů identifikovaných RČ nebo IČ vazeb ohodnocené relevance vazeb ohodnoceného rizika negativních informací
16
© 2013
Příklad výpočtu skóre konkrétní fyzické osoby
17
© 2013
Všechny vazby fyzické osoby: Petr Both (5.8.1974) •
Tabulka zobrazuje jednotlivé subjekty, které jsou ve vztahu s fyzickou osobou, začátek a konec vztahu a případné negativní informace subjektů spolu s informací o začátku a konci negativní informace a případném vlivu FO na NI Vazba s fyzickou osobou
Váha vazby
Start vazby
Jednatel
1
26. 3. 2012
ANO
Jednatel
1
26. 3. 2012
ANO
13. 3. 2012
Jednatel
1
26. 3. 2012
NE
0,639
11.9.2013
Jednatel
1
26. 3. 2012
ANO
X
X
X
X
FOP a shoda před RČ
0,75
31. 7. 2000
X
Společenství vlastníků jednotek domu Mučednická 33,35
X
X
X
X
Orgány
0,75
12. 5. 2010
Společenství vlastníků jednotek domu Mučednická 33,35
X
X
X
X
Místopředseda výboru
0,25
12. 5. 2010
Subjekt
Negativní informace
Riziko NI
Start NI
EURO PELLETS s.r.o.
Exekuce
0,057
8. 3. 2013
EURO PELLETS s.r.o.
Návrh na konkurz
0,213
1. 4. 2013
EURO PELLETS s.r.o.
Exekuce
0,057
EURO PELLETS s.r.o.
Bankrot
Petr Both
Konec NI
1. 10. 2013
18
Vliv Konec vazby osoby na NI
25. 10. 2013
X
X
© 2013
Ohodnocení ekonomicky spjaté skupiny
• Konečné hodnocení ekonomicky spjaté skupiny okolo subjektu vychází z těchto tří hodnocení: 1. Ohodnocení samotného subjektu 2. Ohodnocení množiny konečných vlastníků subjektu 3. Ohodnocení množiny dcerosester subjektu
• Možnost volby počtu subjektů zahrnutých do ESS prostřednictvím parametrického omezení majetkového podílu (např. zahrnutím jen těch subjektů, jejichž majetková účast je >= 30 %)
19
• Příklad matice výpočtu konečné kategorie rizika pro subjekty ohodnocené stupněm B:
HODNOCENÍ KONEČNÝCH VLASTNÍKŮ A B C D E Není A X X X X X X B X X X X X X C X X X X X X D X X X X X X E X X X X X X Není X X X X X X Výsledná A A B B B A A B B B C B B B B C C B B B C C C C B C C C D C A B B C C kategorie
SUBJEKT = B
HODNOCENÍ DCEROSESTER
© 2013
Výsledný stupeň ohodnocení ESS daného subjektu
20
© 2013
Děkujeme za pozornost
Jan Cikler, Luděk Mácha
