UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2012 – 2013
MANAGEMENT VAN BEDRIJFSKAPITAAL EN WINSTGEVENDHEID VAN BELGISCHE KMO’S TIJDENS DE FINANCIËLE CRISIS
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Evelyne Verhasselt Tessa Vertriest
onder leiding van Prof. dr. Heidi Vander Bauwhede
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2012 – 2013
MANAGEMENT VAN BEDRIJFSKAPITAAL EN WINSTGEVENDHEID VAN BELGISCHE KMO’S TIJDENS DE FINANCIËLE CRISIS
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Evelyne Verhasselt Tessa Vertriest
onder leiding van Prof. dr. Heidi Vander Bauwhede
TOELATING Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Evelyne Verhasselt Tessa Vertriest
Dankwoord Bij het schrijven van deze masterproef kregen wij de opportuniteit ons te verdiepen in de actuele problematiek van de financiële crisis van 2008 – 2009 die wereldwijd chaos veroorzaakte. Concreet
hebben
wij
ons toegespitst op het management
van
nettobedrijfskapitaal bij Belgische KMO’s tijdens deze moeilijke economische periode. Hiervoor kregen wij hulp en steun van een ruim aantal personen die we daarom in dit dankwoord expliciet willen bedanken voor het vlot en tijdig tot stand helpen komen van dit eindwerk.
Eerst en vooral willen we onze promotor Prof. dr. Heidi Vander Bauwhede en begeleidende assistent Stefaan Meersschaert bedanken voor hun deskundig advies en begeleiding bij het realiseren van deze masterproef.
We zijn onze ouders, grootouders, zus en broer dankbaar voor hun steun tijdens onze academische opleiding aan de universiteit van Gent. We appreciëren hun goede raad en hulp bij het maken van belangrijke keuzes in ons leven.
We willen ook onze vrienden bedanken, in het bijzonder onze partners, Peter en Sven, voor hun onvoorwaardelijke liefde en steun tijdens onze academische schoolcarrière en die belangrijke voorbije maanden. Zij hebben ons bovendien bijgestaan bij het nalezen en corrigeren van deze masterproef.
Ten slotte willen we alle anderen bedanken die ons direct of indirect geholpen hebben.
Evelyne Verhasselt Tessa Vertriest Mei 2013
I
Inhoudsopgave Dankwoord .................................................................................................................................. I Gebruikte afkortingen ............................................................................................................... IV Lijst van tabellen en figuren ....................................................................................................... V 1.
Inleiding ............................................................................................................................. 1
2.
Achtergrond ....................................................................................................................... 4 a.
De Amerikaanse problematiek ........................................................................................ 4
b. De crisis in België ............................................................................................................. 6 c.
KMO’s .............................................................................................................................. 8
3.
Theoretisch kader ............................................................................................................ 12
4.
Literatuuroverzicht en ontwikkeling hypothesen ........................................................... 15 a.
Wat is nettobedrijfskapitaal? ........................................................................................ 15
b. De componenten van nettobedrijfskapitaal ................................................................. 18 c.
De relatie tussen componenten van nettobedrijfskapitaal en winstgevendheid ........ 19 i.
Klantenkrediet ........................................................................................................... 19
ii. Voorraad .................................................................................................................... 20 iii. Leverancierskrediet ................................................................................................... 20 d. De relatie tussen de cash conversion cycle en de winstgevendheid ............................ 21 e. Ontwikkeling hypothesen ............................................................................................. 21 i.
Klantenkrediet ........................................................................................................... 23
ii. Voorraad .................................................................................................................... 25 iii. Leverancierskrediet ................................................................................................... 27 iv. Cash conversion cycle ................................................................................................ 28 5.
Empirisch onderzoek ....................................................................................................... 30 a.
Data ............................................................................................................................... 30
b. Methode en regressievergelijkingen............................................................................. 36 c.
Variabelen ..................................................................................................................... 38 i.
Afhankelijke variabele ............................................................................................... 38
ii. Onafhankelijke variabelen ......................................................................................... 39 iii. Controlevariabelen .................................................................................................... 40 iv. Dummyvariabelen ..................................................................................................... 41 6.
Resultaten ........................................................................................................................ 42 a.
Statistische validering: T-test voor verschillen.............................................................. 42
b. Regressie: kleinste kwadratenmethode ........................................................................ 44 II
i.
Het management van nettobedrijfskapitaal ............................................................. 44
ii. Effect op de winstgevendheid .................................................................................... 48 c.
Controleanalyse............................................................................................................. 53
7.
Beperkingen en suggesties voor verder onderzoek ........................................................ 57
8.
Conclusie .......................................................................................................................... 59
9.
Referenties ........................................................................................................................ VI
III
Gebruikte afkortingen Afkorting AIG CCC CDO KeFiK KK KMO LK ROA SBV VIF VRD
Betekenis American International Group Cash conversion cycle Collateralized debt obligation Kenniscentrum voor Financiering van KMO Klantenkrediet Kleine en/of middelgrote onderneming Leverancierskrediet Return on assets Speciaal beleggingsvehikel Variance Inflation Factor Voorraad
IV
Lijst van tabellen en figuren Figuur 1: Bancaire kredieten en conjuncturele evolutie ............................................................ 6 Figuur 2: 5 jaar crisis aan de hand van 12 sleutelmomenten .................................................... 8 Figuur 3: Schematische voorstelling van het nettobedrijfskapitaal......................................... 16 Figuur 4: KMO-barometer als conjunctuurindicator bij KMO’s ............................................... 22 Tabel 1: Evolutie aantal KMO’s in België .................................................................................... 9 Tabel 2: Descriptieve resultaten over de onderzoeksperiode 2006-2009............................... 32 Tabel 3: Descriptieve resultaten per jaar van de onderzoeksperiode ..................................... 33 Tabel 4: Descriptieve resultaten vóór en tijdens de crisisperiode ........................................... 34 Tabel 5: Pearson correlatiecoëfficiënten met bijhorende significanties ................................. 35 Tabel 6: Berekeningswijze van de variabelen met bijhorende balansposten ......................... 41 Tabel 7: Resultaten T-test ........................................................................................................ 44 Tabel 8: Regressieresultaten invloed van de crisis op CCC en zijn componenten ................... 47 Tabel 9: Regressieresultaten invloed van de crisis en KK, VRD, LK, CCC op winstgevendheid 52
V
1. Inleiding De doelstelling van deze masterproef is te achterhalen of de financiële crisis, beschouwd als de periode 2008 – 2009, een invloed heeft gehad op het management van nettobedrijfskapitaal van Belgische KMO’s. We gaan tevens na of dit gevolgen heeft teweeggebracht voor de winstgevendheid van de bedrijven die anders zijn dan de gevolgen tijdens een niet-crisis gebonden periode, beschouwd als de periode 2006 – 2007.
Op basis van de conservatieve politiek omtrent het management van nettobedrijfskapitaal ontwikkelen wij een aantal hypothesen om bovenstaande doelstelling te onderzoeken. We splitsen de hypothesen daarbij op in twee delen: in de eerste set van de hypothesen spitsen we het onderzoek louter toe op het management van nettobedrijfskapitaal tijdens de financiële crisis, voor de tweede set van hypothesen onderzoeken we de relatie tussen de winstgevendheid van de KMO’s en het nettobedrijfskapitaal tijdens de financiële crisis.
Concreet verwachten wij bij het eerste gedeelte van de hypothesen een toename van het aantal dagen klantenkrediet, een toename van het aantal dagen voorraad, een afname van het aantal dagen leverancierskrediet en een toename van de lengte van de cash conversion cycle in de crisisperiode in vergelijking met de niet-crisisperiode. Uit de gevoerde analyse bleek een significant verschil te bestaan tussen beide perioden voor elke variabele. De coëfficiënt heeft het voorspelde teken voor het aantal dagen voorraad, het aantal dagen leverancierskrediet en het aantal dagen cash conversion cycle. Voor het aantal dagen klantenkrediet noteren wij echter een daling, terwijl een stijging verondersteld werd. De lineaire regressie uitgevoerd met behulp van de kleinste kwadratenmethode (ordinary least squares of OLS) toont echter dat de crisis enkel op het aantal dagen klantenkrediet en het aantal dagen leverancierskrediet een significante impact heeft gehad.
In het tweede gedeelte van de hypothesen veronderstellen wij een meer uitgesproken relatie tussen de winstgevendheid en het nettobedrijfskapitaal tijdens de financiële crisis in vergelijking met de niet-crisisperiode. Concreet verwachten wij de in de literatuur reeds
1
aangetoonde negatieve relaties terug te vinden maar nog explicieter. Hiervoor is echter volgens de kleinste kwadratenmethode geen statistische significantie gevonden.
Deze masterproef is in het bijzonder een bijdrage tot de bestaande literatuur door het onderzoek te voeren naar de relatie tussen de winstgevendheid en het nettobedrijfskapitaal in een specifieke omgeving: de financiële crisis in de jaren 2008 en 2009 bij Belgische KMO’s. Uit het literatuuronderzoek dat wij voerden bleek er geen onderzoek te bestaan naar de impact van deze crisis op de vernoemde relatie bij Belgische KMO’s. Het belang van KMO’s voor de Belgische economie en de intense aard van de crisis waren dan ook een doorslaggevende motivatie om dit onderzoek te voeren.
Als beperking van dit onderzoek wordt het gebruik van de kleinste kwadratenmethode aangehaald aangezien het onderzoek longitudinale data bevat. Bovendien zijn wij genoodzaakt enkel Belgische KMO's volgens de Europese definitie op te nemen die rapporteren volgens het volledige schema aangezien wij informatie nodig hebben omtrent de omzet en dit niet verplicht gerapporteerd dient te worden in de verkorte schema's. Daarenboven was er de vereiste van opeenvolgende data voor de periode 2005 - 2009. Daarnaast vinden we amper statistisch significante verschillen tussen de financiële crisis en de niet-crisisperiode voor de impact van nettobedrijfskapitaal op de winstgevendheid. Enkel voor het aantal dagen voorraad blijkt de invloed op de winstgevendheid tijdens de financiële crisis significant te verschillen van de niet-crisis: tijdens de financiële crisis is de afname van de winstgevendheid voor een extra dag voorraad minder uitgesproken dan tijdens de nietcrisis, wat indruist tegen de verwachtingen. Dit zou kunnen verklaard worden door de korte tijdspanne die in het onderzoek is opgenomen: de financiële crisis ontwikkelde zich na 2009 tot een heuse economische crisis die de KMO’s pas echt trof (www.unizo.be, geraadpleegd op 10/04/2013). Een laatste belangrijke beperking van dit onderzoek is de lage verklarende kracht van de gebruikte modellen, gemeten aan de hand van de determinatiecoëfficiënt R².
We willen dan ook een aantal suggesties doen voor verder onderzoek. Zo zou het interessant kunnen zijn om de financiële crisisperiode 2008 – 2009 uit te breiden naar meerdere jaren zodat ook de wereldwijde economische crisis opgenomen wordt in het onderzoek. Ten tweede kan het nuttig zijn om een mogelijke concave relatie na te gaan tijdens de 2
crisisperiode in de plaats van een lineaire relatie tussen enerzijds de cash conversion cycle en zijn componenten en anderzijds de winstgevendheid (Baños-Caballero, García-Teruel & Martínez-Solano, 2011). Ten slotte kan het model anders opgesteld worden om de verklarende kracht van de modellen te verhogen.
Het vervolg van het werkstuk is georganiseerd als volgt: vooreerst schetsen wij een beeld van de macro - economische achtergrond waarin deze masterproef zich afspeelt. Vervolgens zal het theoretisch kader aangehaald worden waarin het onderwerp zich situeert, gevolgd door het literatuuroverzicht en de ontwikkeling van de hypothesen. Nadien wordt ingegaan op de onderzoeksmethode en worden de resultaten voorgesteld. Ten slotte worden de beperkingen en suggesties voor verder onderzoek aangehaald en er wordt afgesloten met een conclusie.
3
2. Achtergrond De economie werd wereldwijd getroffen door een financiële crisis in 2008 – 2009. Het is de grootste monetaire schok sinds de crisis van de jaren ’30 (Cornett, McNutt, Strahan, Tehranian, 2011; Foster & Magdoff, 2009). De eerste tekenen hiervan waren midden 2007 reeds zichtbaar in de Verenigde Staten met het faillissement van twee hedge funds die eigendom waren van de grote Amerikaanse bank Bear Stearns. De bank ging uiteindelijk ten onder ondanks kapitaalinjecties van de overheid en werd overgenomen door JP Morgan. De liquiditeit van banken kwam onder enorme druk te staan en droogde uiteindelijk op (Cornett et al., 2011). De oorzaken hiervan zijn tweeërlei: interbancaire markten bevroren en de huizenmarkt stortte in (Cornett et al., 2011). Banken hadden te gretig risicovolle leningen verstrekt aan klanten met een onvoldoende kredietwaardigheid. In de volgende paragraaf gaan we dieper in op het proces dat hiertoe leidde.
a. De Amerikaanse problematiek Wanneer iemand die een huis wil kopen een hypotheeklening afsluit bij een bank, ontstaat een vordering op de balans van de bank. Banken hebben dan ook veel kapitaal nodig indien massaal bij hen geleend wordt. Een bank moet echter voldoen aan de Basel-normen met betrekking tot het verlenen van kredieten, waardoor ze kunnen gedwongen worden te stoppen met het verschaffen van hypotheekleningen. Deze regels kunnen echter omzeild worden. Door het oprichten van een speciaal beleggingsvehikel (SBV) wordt de balans van de bank vrijgemaakt en de vorderingen worden overgedragen op het SBV. Dit SBV voorziet de bank verder van kapitaal zodat ze toch verder leningen kan toestaan. Het SBV zelf verkrijgt financiering door het uitgeven van asset backed securities, zijnde door activa ondersteunde beleggingsproducten, met als onderpand de opbrengst van de hypotheken. De meer specifieke vorm van asset backed securities dat werd gebruikt is de collateralized debt obligation (CDO). Typerend voor deze vorm zijn de verschillende “lagen” waarin belegd kan worden. Deze lagen variëren in termen van opbrengst en het risico dat eraan gekoppeld is. Concreet vindt men lagen gaande van de laagste opbrengst gecombineerd met het
4
kleinste risico tot de combinatie hoogste opbrengst en hoogste risico (Heylen, hoorcollege Macro-economie, academiejaar 2010 – 2011).
Banken hadden echter jarenlang te gretig risicovolle leningen verstrekt aan gezinnen die niet aan de voorwaarden van een hypotheek zouden mogen voldoen. De hypotheekrente ging de hoogte in en de huizenprijzen stortten in, met als gevolg dat deze gezinnen hun hypotheken niet langer konden betalen. Hierdoor zagen banken zich genoodzaakt zware afschrijvingen op deze hypotheken door te voeren. Dit tastte de liquiditeit van de banken zwaar aan. Aangezien het op dat moment onduidelijk was welke instellingen hier problemen van zouden ondervinden, stonden banken weigerachtig ten opzichte van elkaar en bevroren de interbancaire markten. Banken sloegen huizen aan door onbetaalde hypotheken, waardoor het aanbod van huizen op de markt steeg en de prijzen daalden. Bovendien was er door de hogere hypotheekrente een extra overaanbod dat de prijzen alleen maar verder deed dalen. Daarnaast probeerden vastgoedbeleggers verdere prijsdalingen voor te zijn door zo snel mogelijk te verkopen en dit alles leidde tot een neerwaartse prijsspiraal en het instorten van de huizenmarkt in de Verenigde Staten (Heylen, hoorcollege Macro-economie, academiejaar 2010 – 2011).
Bijgevolg brachten enorme liquiditeitstekorten de banken in noodlijdende situaties en overheidstussenkomst was noodzakelijk om liquiditeiten in de markt te pompen (Heylen, hoorcollege Macro-economie, academiejaar 2010 – 2011). Vanaf oktober 2008 werden centrale banken genoodzaakt verscheidene financiële instellingen te ondersteunen. De illiquiditeit bereikte toen een piek na het faillissement van Lehman Brothers en de reddingsoperatie van AIG door de Amerikaanse Centrale Bank (Cornett et al., 2011).
De Amerikaanse crisis op de huizenmarkt breidde zich bovendien razendsnel uit naar andere instituties, markten en landen. De wanbetaling van de hypotheekleningen bracht het hele systeem van de hypotheeklening tot de CDO in gevaar aangezien wereldwijd in die CDO’s was belegd. Hierdoor kwam de liquiditeit van instituties in verschillende landen sterk onder druk te staan (Heylen, hoorcollege Macro-economie, academiejaar 2010 – 2011).
5
b. De crisis in België Ook Europa, waaronder België, werd zwaar getroffen door liquiditeitstekorten die de crisis met zich meebracht. Figuur 1 toont de neerwaartse beweging van de bancaire kredieten aan ondernemingen in België. Figuur 1: Bancaire kredieten en conjuncturele evolutie
Figuur 1 toont de jaarlijkse wijziging van de kredietbedragen die opgenomen worden in combinatie met de conjunctuurcurve. Op de linker Y-as staat het groeipercentage van de opgenomen kredietbedragen, op de rechter Y-as het groeipercentage van de conjunctuur. De X-as geeft de jaren weer. De focus van de masterproef ligt op de periode 2008 – 2009 in vergelijking met 2006 – 2007 waarbij een neerwaartse beweging in de kredieten te zien is. Bron: www.nbb.be, geraadpleegd op 24/04/2013. In België kreeg de crisis concreet voet aan wal met het Fortis - debacle. De Belgische grootbank kondigde in 2007 aan samen met Royal Bank of Scotland en Banco Santander de Nederlandse bankgroep ABN Amro over te nemen. Achteraf bleek dat Fortis zich deze grote koopsom van 24 miljard euro niet kon veroorloven. De aandelenprijs daalde enorm door groeiend wantrouwen van de beleggers na plotselinge geldnood om de balans te versterken en alsmaar toenemende financieel onzekere tijden (www.demorgen.be, geraadpleegd op 5/02/2013; www.standaard.be, geraadpleegd op 5/02/2013).
Door de dalende aandelenkoersen en fors gestegen schulden zagen de Nederlandse, de Belgische en de Luxemburgse overheid zich genoodzaakt staatsteun toe te kennen aan de noodlijdende Fortis-groep. Aangezien de Belgische staat geen nieuwe staatsbank wou
6
oprichten maar een commerciële bank voor ogen had, werden de bankactiviteiten van Fortis in de handen van de Belgische staat doorverkocht aan BNP Paribas. Hierna ging de bank verder onder de naam BNP Paribas Fortis. De verzekeringsactiviteiten van Fortis (Fortis Corporate Insurances) in handen van de Nederlandse staat werden verkocht aan de Britse verzekeraar
Amlin
(www.tijd.be;
geraadpleegd
op
5/02/2013).
De
resterende
verzekeringsactiviteiten werden opgenomen onder de naam Ageas.
De crisis tekende ook de economische activiteit in België. Zo daalde het bruto binnenlands product in 2009 met 2,8% ten opzichte van 2008 (www.nbb.be, geraadpleegd op 10/02/2013). Bovendien wakkerde de aanhoudende politieke malaise door de tot dan toe langste regeringsformatie ooit in België de moeilijkheden verder aan. Deze masterproef wil in het bijzonder nagaan of de financiële crisis van 2008 – 2009 de Belgische KMO’s heeft beïnvloed in hun politiek aangaande nettobedrijfskapitaal met eventuele gevolgen voor de winstgevendheid
die
afwijken
van
de
relatie
tussen
nettobedrijfskapitaal
en
winstgevendheid in een periode die niet door de financiële crisis gedomineerd werd.
We hebben de financiële crisis, die strikt genomen in de zomer van 2007 begon in de Verenigde Staten, in dit werkstuk gedefinieerd als de periode 2008 – 2009. Onze focus ligt immers op Belgische KMO’s en in België zijn de eerste gevolgen pas doorgedrongen in 2008. De crisis is anno 2013 nog steeds gaande en is uitgegroeid tot een wereldwijde economische crisis. Figuur 2 geeft een overzicht van een aantal sleutelmomenten die de crisis tekenden. We kiezen voor de twee voorafgaande jaren 2006 – 2007 als vergelijkingsperiode aangezien deze jaren niet gedomineerd werden door een financiële crisis in België.
Wij sluiten de periode af in 2009 om twee redenen. Enerzijds was 2009 de grens in de overgang van een louter financiële naar een globale economische crisis (Vanacker, hoorcollege Onderzoeksmethoden in de bedrijfsfinanciering, academiejaar 2012 – 2013; www.tijd.be, geraadpleegd op 28/04/2013). Anderzijds kunnen we tot en met 2009 over volledige data beschikken.
7
Figuur 2: 5 jaar crisis aan de hand van 12 sleutelmomenten
Figuur 2 geeft een overzicht van 12 sleutelmomenten die de crisis illustreren en schetst de evolutie van een financiële crisis over een economische crisis naar een schuldencrisis. Waar het in 2007 begon met de centrale banken die de financiële crisis een eerste keer probeerden te bezweren, vrezen landen als Griekenland en Spanje anno 2013 voor het bankroet. Wij beperken ons in deze masterproef op de crisisjaren 2008 – 2009 in België. Bron: www.tijd.be, geraadpleegd op 28/04/2013.
c. KMO’s De Belgische economie wordt gestuwd en gedomineerd door KMO’s (www.tijd.be, geraadpleegd op 29/10/2012). Ze zijn een niet te onderschatten bron van welvaart en werkgelegenheid. In Tabel 1 geven wij een overzicht van het aantal KMO’s in heel België en per gewest tussen 2000 en 2010. Hieruit blijkt dat het aantal KMO’s in België sinds 2002 onophoudelijk toeneemt.
8
Tabel 1: Evolutie aantal KMO’s in België Vlaanderen Brussel Wallonië Onbekend Totaal
2000 452707 90284 225797 12462 781250
2001 451419 89350 223122 13032 776923
2002 451568 88970 221208 13616 775362
2003 453500 88906 220576 14110 777092
2004 458279 89952 221538 14417 784186
Vlaanderen Brussel Wallonië Onbekend Totaal
2006 477948 95013 227772 15268 816001
2007 489972 99188 231823 15556 836539
2008 502803 101748 236518 17127 858196
2009 514262 103245 240984 20864 879355
2010 546879 109123 259348 26251 941601
2005 465387 91907 223585 14801 795680
Bron: www.unizo.be, geraadpleegd op 15/10/2012.
Er bestaan verschillende definities voor een KMO die elk door een bepaalde instantie gehanteerd worden (bijvoorbeeld de Europese Unie, de Belgische wetgever, enzovoort). In onderstaand onderzoek verkiezen wij gebruik te maken van de Europese definitie die te vinden is in de informatiebrochure van de nieuwe definitie van een KMO, uitgegeven door de Europese Commissie. Deze definitie is sinds 1 januari 2005 van kracht. Volgens artikel 2 van de bijlage bij Aanbeveling 2003/361/EG mag een KMO niet meer dan 250 werknemers hebben en niet meer dan één van de volgende criteria overschrijden: een jaaromzet van 50 miljoen euro of een balanstotaal van 43 miljoen euro (www.europa.eu, geraadpleegd op 15/10/2012). We kozen de Europese definitie vanwege de vergelijkbaarheid met andere onderzoeken zoals onder andere Baños-Caballero et al. (2011).
In deze masterproef onderzoeken we of de financiële crisis van 2008 – 2009 een invloed gehad heeft op het beheer van nettobedrijfskapitaal bij Belgische KMO’s en wat de invloed hiervan geweest is op de winstgevendheid van de ondernemingen. Wij komen verder in dit stuk terug op de definitie en betekenis van nettobedrijfskapitaal maar gaan nu dieper in op het belang ervan voor een onderneming en een KMO in het bijzonder.
Het belang van nettobedrijfskapitaal voor KMO’s uit zich op allerlei wijzen. Ten eerste heeft onderzoek reeds aangetoond dat nettobedrijfskapitaal essentieel is vanwege de invloed op de winstgevendheid en op het risico van een onderneming (Smith, 1980; Shin & Soenen, 9
1998; Deloof, 2003; Baños-Caballero et al, 2011; Bhunia & Das, 2012). De groei van een onderneming kan ondermijnd worden wanneer onvoldoende nettobedrijfskapitaal aangehouden wordt. Dit kan immers leiden tot tekorten en problemen bij de dagelijkse operationele activiteiten van ondernemingen (Van Horne & Wachowicz, 2000).
Daarnaast worden KMO’s geconfronteerd met moeilijkheden bij het vinden van financiering in vergelijking met grotere bedrijven (Petersen & Rajan, 1997). Vanaf 2008 zijn de moeilijkheden bij het vinden van financiering nog versterkt, wat een belangrijke impact kan hebben op het risicobeleid in een KMO. Dit benadrukt nogmaals het belang van nettobedrijfskapitaal en de manier waarop het beheerd wordt aangezien verschillende politieken met betrekking tot het beheer van nettobedrijfskapitaal verschillende risiconiveaus met zich meebrengen. (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010). Dat deze financieringsmoeilijkeden zijn versterkt, blijkt onder meer uit een enquête van het Kenniscentrum voor Financiering van KMO (KeFIK), afgenomen in 2009 in samenwerking met de Management School van de Universiteit Luik. De resultaten houden rekening met de crisis. De enquête onderzocht de beschikbaarheid van financiering en de houding van de banken tegenover KMO’s, micro-ondernemingen en zelfstandigen. Uit het onderzoek blijkt dat 45% van de ondernemingen krediet heeft aangevraagd bij banken in 2009, een daling van 7% ten opzichte van 2008. Ruim 18% kreeg de lening echter niet toegekend. Bij de micro-ondernemingen is de situatie nog erger: ruim 26% kreeg geen lening toegestaan, in 2008 was dit nog maar 10,1% (www.kefik.be, geraadpleegd op 14/11/2012).
De redenen voor het weigeren van leningen aan KMO’s zijn hoofdzakelijk het niet kunnen geven van voldoende waarborgen, gevolgd door te weinig inbreng of eigen vermogen. Daarnaast is de onvoldoende terugbetalingscapaciteit een derde belangrijke reden. Hieruit blijkt dat de financiële crisis wel degelijk een impact heeft gehad op de financieringspolitiek van KMO’s (www.unizo.be, geraadpleegd op 14/11/2012).
Uit recent cijfermateriaal blijkt dat de banksector nog steeds weinig leningen toestaat aan ondernemingen waarbij vooral de kleinere bedrijven getroffen worden (www.trends.be, geraadpleegd op 14/11/2012). Febelfin, de koepelorganisatie van de banksector in België, 10
bevestigt deze trend. Door de financiële crisis en de daaruit voortvloeiende economische crisis is de financiële structuur van ondernemingen verslechterd. Bedrijven lopen aldus meer kans op wanbetaling waardoor leningen hen ontzegd worden. De conjuncturele malaise weegt ook op de kwaliteit van kredietdossiers die ingediend worden bij kredietverschaffers (www.febelfin.be, geraadpleegd op 10/05/2013).
Bovendien blijkt de rendabiliteit van banken in België dramatische dieptepunten te kennen: in 2012 bedroeg de rendabiliteit 4,5% gedurende de eerste negen maanden van het jaar, terwijl die in het afgelopen decennium meer dan 10% bedroeg (www.trends.be, geraadpleegd op 22/03/2013).
We merken echter dat de aanhoudende liquiditeitstekorten die ontstaan zijn tijdens de financiële crisis voor lange termijn problemen zorgen. Als exportgericht KMO-land heeft België nood aan projecten die op lange termijn gefinancierd worden. Om beter tegemoet te komen aan de rijzende problematiek hebben Febelfin en de Vlaamse regering besloten zich te engageren in het zogenaamde bankenplan (www.standaard.be, geraadpleegd op 14/11/2012). Hierbij werd onder meer consensus bereikt over het oprichten van een KMOfonds ter waarde van 1 miljard euro waarbij banken het kredietrisico dragen. Daarnaast besliste men de toepassingsmogelijkheden van de Win-winlening uit te breiden (www.vlaanderen.be, geraadpleegd op 22/03/2013) en de bedrijfsleiders te helpen bij het opstellen van een kredietdossier (www.febelfin.be, geraadpleegd op 22/03/2013). Recent kwam BNP Paribas Fortis ook met een zuurstofgevend initiatief: de bank biedt 50.000 KMO’s proactief 1 miljard euro bedrijfskapitaal (www.demorgen.be, geraadpleegd op 13/05/2013).
In deze masterproef willen we de focus behouden op de financiële crisis van 2008 – 2009 en welke de gevolgen geweest zijn voor het management van nettobedrijfskapitaal bij Belgische KMO’s. Daarbij wensen wij na te gaan of investeringen in nettobedrijfskapitaal de winstgevendheid zwaarder hebben getroffen tijdens de crisis in vergelijking met de nietcrisisperiode 2006 – 2007.
11
3. Theoretisch kader Volgens de pecking order theory is handelskrediet, wat een deel is van het nettobedrijfskapitaal van een onderneming, laag gepositioneerd in de hiërarchie der financieringsmiddelen ten gevolge van de hoge impliciete intrestkost (Myers & Maljuf, 1984; Petersen & Rajan, 1997). In vergelijking met bancaire kredieten zijn de intresten op handelskrediet soms aanzienlijk hoger. De oorzaak hiervan is tweeërlei: aan de ene kant wenst de leverancier een compensatie te verkrijgen in ruil voor het verlenen van krediet en aan de andere kant wenst hij een verzekering tegen mogelijke wanbetaling (Kestens, Van Cauwenberge, Vander Bauwhede, 2011). Toch speelt handelskrediet een zeer belangrijke rol bij de financiering van ondernemingen (Kestens et al., 2011). De herverdelingstheorie stelt voorop dat ondernemingen met minder beperkingen qua kapitaal een deel van hun bankkredieten doorgeven aan hun klanten door meer handelskrediet toe te staan (Meltzer, 1960; Petersen & Rajan, 1997; Niskanen & Niskanen, 2006). Kestens et al. (2011) vinden bewijs van het blijvend herverdelingseffect van handelskrediet gedurende de financiële crisis van 2008 maar in mindere mate. De verlammende liquiditeitstekorten dwingen zelfs de minder kapitaalbeperkte ondernemingen tot het terugschroeven van hun kredieten aan de klanten. Bovendien wordt additioneel leverancierskrediet moeilijker te verkrijgen. De resultaten van Kestens et al. (2011) duiden echter op het blijvend herverdelingseffect van handelskrediet, ook al verminderde de beschikbaarheid van handelskrediet gedurende de onderzochte periode. Deze financiële crisis van 2008 was een externe factor waaraan de bedrijven blootgesteld werden, geheel buiten hun wil om. De bank lending channel theory (Nilsen, 1999) stelt dat banken tijdens monetaire crisissen het verlenen van sommige leningen ernstig terugschroeven, hetgeen wij ook empirisch waargenomen hebben (zie Figuur 1). Ten gevolge van de vermindering van leningen zouden kleine bedrijven zich volgens Nilsen (1999) aldus gedwongen kunnen zien meer handelskrediet te gebruiken als financieringssubstituut. Anderzijds draagt dit ook heel wat risico’s met zich mee, waardoor dit niet zo vanzelfsprekend is. In deze masterproef wensen we de focus te houden op het beheer van het nettobedrijfskapitaal en de financiële crisis van 2008 – 2009. Zoals reeds eerder vermeld, is 12
het gebruik van nettobedrijfskapitaal belangrijk wegens de invloed ervan op de winstgevendheid en het risico van een bedrijf (Smith, 1980; Shin & Soenen, 1998; Deloof, 2003; Baños-Caballero et al., 2011; Bhunia & Das, 2012).
Het optimaal beheren van nettobedrijfskapitaal vormt dan ook een cruciaal element binnen het financieel management van een onderneming. De literatuur onderscheidt daarbij drie vormen van beleid met betrekking tot nettobedrijfskapitaal (Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010). Enerzijds is er agressief management middenweg
van tussen
nettobedrijfskapitaal, deze
twee
anderzijds
uitersten
is
het
conservatief gematigd
management. management
De van
nettobedrijfskapitaal. Hierbij probeert men een balans te vinden tussen risico en winstgevendheid (Gallagher & Andrew, 2007).
Agressief management van nettobedrijfskapitaal impliceert dat er weinig investeringen gedaan worden in nettobedrijfskapitaal. Een onderneming spoort zijn klanten aan zo snel mogelijk te betalen, houdt minimale voorraden aan en maakt veel gebruik van leverancierskrediet als korte termijn financieringsbron voor de tijdelijke en een deel van de permanente vlottende activa (Gallagher & Andrew, 2007). Hier wordt een hogere winstgevendheid verwacht dan bij gematigd management, aangezien minder cash wordt vastgehouden in vlottende activa (Watson & Head, 2010). De keerzijde van de medaille is echter wel dat hierdoor hogere risico’s gecreëerd worden. Deze bijhorende risico’s zijn de volgende. Door het toekennen van minder klantenkrediet kan dit de klantenrelatie schaden. Minder gebruik maken van voorraad verhoogt dan weer het risico op stock-outs en het niet kunnen opvangen van onverwachte stijging in de vraag. Meer gebruik maken van leverancierskrediet als korte termijn financiering voor de vlottende activa laat weinig tot geen buffer voor onvoorziene omstandigheden aangezien er weinig tot geen verschil meer is tussen de beschikbare liquide middelen en de korte termijn schuld die moet afbetaald worden (Gallagher & Andrew, 2007). Bovendien is er dan ook een risico dat leveranciers de kredietwaardigheid van de onderneming in vraag gaan stellen. Als we deze drie kenmerken samenvoegen in de cash conversion cycle, zal een agressieve politiek met zich meebrengen dat de cash conversion cycle korter zal zijn dan bij gematigd management van
13
nettobedrijfskapitaal (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010).
Daartegenover
staat
het
conservatieve
management
omtrent
het
beheer
van
nettobedrijfskapitaal. Deze politiek impliceert dat er veel investeringen gedaan worden in nettobedrijfskapitaal. De onderneming kent veel klantenkrediet toe, houdt veel voorraad aan en maakt zo weinig mogelijk gebruik van leverancierskrediet. Hier wordt een lagere winstgevendheid verwacht, aangezien meer cash wordt vastgehouden in vlottende activa (Watson & Head, 2010), maar daar staat dan ook een lager risico tegenover. Dit lagere risiconiveau wordt ten eerste in de hand gewerkt door de investeringen in de klantenrelatie door het verstrekken van klantenkrediet. Ten tweede staat een hoge voorraad garant voor het opvangen van stock-outs en onverwachte gestegen vraag. Ten slotte wordt door het zo weinig mogelijk gebruiken van leverancierskrediet als korte termijn financieringsbron voor de vlottende activa een buffer aangelegd tussen de beschikbare liquide middelen en de korte termijn schulden (Gallagher & Andrew, 2007). Ook behoudt de onderneming een kredietwaardig imago ten opzichte van zijn leveranciers. Als we deze drie kenmerken samenvoegen in de cash conversion cycle, zal een conservatieve politiek met zich meebrengen dat de cash conversion cycle langer zal zijn dan bij gematigd management van nettobedrijfskapitaal (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010).
In deze masterproef zal gebruik gemaakt worden van de conservatieve politiek om de hypothesen omtrent het management van nettobedrijfskapitaal in de financiële crisis van 2008 – 2009 te funderen aangezien in Arnold (2008) aangegeven wordt dat in onzekere tijden, zoals de financiële crisis van 2008 – 2009, conservatief beheer van nettobedrijfskapitaal een passend beleid kan zijn.
14
4. Literatuuroverzicht en ontwikkeling hypothesen In dit onderdeel van deze scriptie zal eerst een verduidelijking gegeven worden van het begrip nettobedrijfskapitaal. Vervolgens worden de componenten besproken. Nadien volgt een overzicht van de mogelijke gevolgen van een toename van die componenten en van de lengte van de cash conversion cycle op de winstgevendheid van een onderneming. Deze bevindingen fungeren samen met de resultaten uit vorige academische onderzoeken als basis voor de ontwikkeling van de hypothesen uit deze masterproef.
a. Wat is nettobedrijfskapitaal? Zoals reeds vermeld in de introductie is het nettobedrijfskapitaal een cruciaal element van het financieel management van ondernemingen (Smith, 1980; Deloof, 2003; Kesimli & Gunay, 2011). Er kan geïnvesteerd worden in nettobedrijfskapitaal als bron van financiering (Deloof, 2003). Anderzijds zijn daar wel risico’s aan gebonden, wat verder zal besproken worden.
Nettobedrijfskapitaal wordt volgens Ooghe & Van Wymeersch (2008) gedefinieerd als het verschil tussen (beperkt) vlottende activa en vreemd vermogen op korte termijn. Deze definiëring is schematisch voorgesteld in Figuur 3. Onder vlottende activa vallen de liquide middelen, de voorraden en bestellingen in uitvoering, de handelsvorderingen op ten hoogste één jaar, de geldbeleggingen en de overlopende rekeningen van het actief. Vreemd vermogen op korte termijn omvat de schulden op ten hoogste één jaar en de overlopende rekeningen van het passief (Ooghe & Van Wymeersch, 2008). Deze benadering van nettobedrijfskapitaal wordt gebruikt als liquiditeitsmaatstaf: wanneer het vreemd vermogen op korte termijn kleiner is dan de vlottende activa bestempelt men de liquiditeit van een onderneming als voldoende (Ooghe & Van Wymeersch, 2008).
Een alternatieve definiëring van nettobedrijfskapitaal is het verschil tussen het permanent vermogen en de (uitgebreide) vaste activa, schematisch voorgesteld in Figuur 3 (Ooghe & Van Wymeersch, 2008). Het permanent vermogen bestaat uit het eigen vermogen en het vreemd vermogen op lange termijn. De uitgebreide vaste activa bevatten de
15
oprichtingskosten, de immateriële vaste activa, de materiële vaste activa, de financiële vaste activa verminderd met de handelsvorderingen op meer dan één jaar (Ooghe en Van Wymeersch, 2008). Deze benadering koppelt de liquiditeit van een onderneming aan de financieringswijze van de vaste activa waardoor een realistischer beeld gegeven wordt (Ooghe & Van Wymeersch, 2008). Nettobedrijfskapitaal is immers dat deel van het permanent vermogen dat overblijft na de financiering van de vaste activa. Hiermee worden de (beperkt) vlottende activa gefinancierd. Een onderneming bevindt zich echter in een gevaarlijke situatie wanneer vaste activa niet langer kunnen gefinancierd worden door permanent vermogen en aldus moeten gefinancierd worden met vreemd vermogen op korte termijn. Dit is immers vermogen dat snel wordt verminderd of afgeschaft (Ooghe & Van Wymeersch, 2008; Vander Bauwhede, hoorcollege Financiële Analyse van de Onderneming, academiejaar
2010 – 2011; Keuleneer, hoorcollege Gevorderde bedrijfsfinanciering,
academiejaar 2012 – 2013).
Figuur 3: Schematische voorstelling van het nettobedrijfskapitaal
Bron: Ooghe, H., en Van Wymeersch, C. (2008). Handboek Financiële Analyse van de Onderneming. Antwerpen, Intersentia.
Raheman & Nasr (2007) stellen dat efficiënt beheer van het nettobedrijfskapitaal essentieel is voor een bedrijf, zeker voor handelsondernemingen, productie-, en distributiebedrijven. Het beheer in deze bedrijven heeft immers een onmiddellijke impact op de liquiditeit en de winstgevendheid aangezien het nettobedrijfskapitaal meer dan de helft van het totaal actief vertegenwoordigt. Als het management niet op een efficiënte manier gebeurt en het beschikbare bedrag voor dagdagelijkse activiteiten dus niet voldoende hoog is, kunnen er 16
liquiditeitsproblemen ontstaan die in het ergste geval kunnen leiden tot een faillissement (Kargar & Blumenthal, 1994).
Smith (1980) duidde ook op het belang van het beheer van nettobedrijfskapitaal. Het oefent immers een effect uit op zowel de winstgevendheid als het risico van een onderneming. Aldus wordt ook de waarde van een onderneming beïnvloed. De bestaande literatuur (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010) onderscheidde drie manieren van management van nettobedrijfskapitaal. Zoals reeds vermeld in het deel theoretisch kader, kan er enerzijds agressief management zijn. Dit betekent een lage investering in nettobedrijfskapitaal met potentieel een hogere winstgevendheid, maar aan de andere kant ook een groter risico. Een lage investering betekent dat een onderneming weinig geld zal opzij zetten voor nettobedrijfskapitaal. Het zal zijn klanten aanzetten om zo snel mogelijk te betalen, er zal zo weinig mogelijk voorraad zijn en het bedrijf zal zo lang mogelijk wachten om zijn leveranciers te betalen. Anderzijds kan het management van nettobedrijfskapitaal eerder conservatief zijn, wat inhoudt dat er een hoge investering is in nettobedrijfskapitaal. Dit leidt tot een lagere winstgevendheid maar eveneens een lager risico. De klant zal veel betalingsuitstel krijgen, er zal veel voorraad aangehouden worden en leveranciers zullen zo snel mogelijk betaald worden (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009). Ten slotte is er gematigd management van nettobedrijfskapitaal, wat de middenweg is tussen de twee uitersten, agressief en conservatief management.
De motivatie voor deze studie wordt ingegeven door het duidelijk belang van het nettobedrijfskapitaal voor de winstgevendheid van een bedrijf. Daar onze persoonlijke interesse uitgaat naar de actuele financiële crisis, zullen wij de relatie tussen beiden nagaan bij Belgische KMO’s in een specifieke omgeving die gevormd wordt door de financiële crisis van 2008 – 2009.
17
b. De componenten van nettobedrijfskapitaal De componenten van nettobedrijfskapitaal die we in ons onderzoek gebruiken, zijn gebaseerd op de variabele die gehanteerd wordt voor het meten van het management van nettobedrijfskapitaal. Hiervoor is in de literatuur (Shin & Soenen, 1998) zowel de cash conversion cycle als de net trade cycle terug te vinden als maatstaf.
In dit werkstuk zal gebruik gemaakt worden van de cash conversion cycle aangezien deze meer gebruikt wordt dan de net trade cycle en het onderzoek van Raheman, Qayyum & Afza (2011) bovendien aangetoond heeft dat geen significante impact op de resultaten te zien is door hetzij de cash conversion cycle hetzij de net trade cycle te gebruiken.
De lengte van de cash conversion cycle is gelijk aan de som van het aantal dagen klantenkrediet en het aantal dagen voorraad verminderd met het aantal dagen leverancierskrediet (Shin & Soenen, 1998; Gentry, Vaidyanathan & Lee, 2001; Deloof, 2003; Baños-Caballero et al., 2011; Raheman et al., 2011). De precieze berekeningswijzen van deze elementen zullen aangehaald worden bij de bespreking van de variabelen. We beperken ons momenteel tot de belangrijkste kenmerken uit de definities.
Onder aantal dagen klantenkrediet wordt het betalingsuitstel verstaan dat een bedrijf geeft aan zijn klanten. Het kernelement in de berekening van aantal dagen klantenkrediet is het bedrag dat uitstaat met betrekking tot handelsvorderingen. Concreet betreft het de handelsvorderingen die bedrijven op korte termijn aan de klanten geven als korte termijn lening. Het aantal dagen klantenkrediet berekent aldus de liquiditeit van de handelsvorderingen op ten hoogste één jaar (Ooghe & Van Wymeersch, 2008). Het aantal dagen voorraad is de tijd tussen de start van de productie van een bepaald product en het moment dat het product verkocht wordt en het bedrijf verlaat. De belangrijkste component in deze formule is de hoeveelheid voorraad. Het omvat alle goederen die nodig zijn om tot gerede producten te komen maar nog niet zijn afgewerkt tot gereed product, de zogenaamde bestellingen in uitvoering evenals gerede producten die nog niet zijn verkocht (Ooghe & Van Wymeersch, 2008). Het aantal dagen leverancierskrediet is op zijn beurt het betalingsuitstel dat een bedrijf krijgt van zijn leveranciers. De hoofdcomponent in de formule 18
voor aantal dagen leverancierskrediet is het uitstaande bedrag voor handelsschulden. Hiermee bedoelen wij de korte termijn leningen die bedrijven ontvangen van hun leveranciers (Ooghe & Van Wymeersch, 2008).
Samenvattend kunnen we stellen dat, aangezien de cash conversion cycle bestaat uit klantenkrediet, voorraad en leverancierskrediet, we ook deze componenten zullen opnemen als variabelen in ons onderzoek en hypothesen opstellen over hun relatie met winstgevendheid.
c. De relatie tussen componenten van nettobedrijfskapitaal en winstgevendheid Meer investeren in klantenkrediet, leverancierskrediet en voorraad kan zowel positieve als negatieve gevolgen hebben voor de winstgevendheid van een bedrijf. In volgende paragrafen zullen we deze gevolgen verder toelichten.
i.
Klantenkrediet
Volgens Smith (1987), Long, Malitz & Ravid (1993), Deloof & Jegers (1996), Petersen & Rajan (1997) en Deloof (2003) is de mogelijkheid tot een kwaliteitscheck van het verhandelde product van groot belang voor klanten van KMO’s. Meer klantenkrediet geeft daar meer aanleiding toe door de langere periode om het product te testen waardoor, na bevrediging, de verkopen toenemen en dus leiden tot een hogere winstgevendheid. Wanneer klanten geconfronteerd worden met liquiditeitstekorten zullen de verkopen dalen bij gebrek aan klantenkrediet (Biais & Gollier, 1997). Uit onderzoek blijkt overigens dat bedrijven die hun klanten een helpende hand aanreiken meer kans maken op het realiseren van additionele verkopen (Baños-Caballero et al., 2011). Daarnaast helpt het ook bij de relatieopbouw met de klant (Wilner, 2000) en vermindert het de informatieasymmetrie en transactiekosten (Petersen & Rajan, 1997).
Anderzijds zijn er ook een aantal minpunten verbonden aan het verhogen van klantenkrediet. Enerzijds komt de liquiditeitspositie van de onderneming in het gedrang door 19
een verhoogde kans op onbetaalde kredieten (Deloof, 2003) wat negatief is voor de winstgevendheid. Anderzijds zit meer cash opgeslagen in nettobedrijfskapitaal, waardoor het niet meer voor andere doeleinden kan gebruikt worden. Bovendien kan deze ongunstige positie in het slechtste geval leiden tot faillissement (Soenen, 1993).
ii.
Voorraad
Meer investeren in voorraad kan volgens Long, Malitz & Ravid (1993) en Deloof & Jegers (1996) onderbrekingen in het productieproces opvangen en het verlies van afzet door onmogelijkheid om te produceren bij een onverwachte vraag voorkomen. Dit leidt dan tot hogere verkopen en ook tot een betere service naar de klanten toe, waardoor ook de winstgevendheid toeneemt. Bovendien worden ook de leverancierskosten de kop in gedrukt en is het efficiënter bij prijsfluctuaties (Blinder & Maccini, 1991). Een cruciaal negatief gevolg van toegenomen investeringen in voorraad op de winstgevendheid zijn de hoge voorraadkosten voor opslag en verlies door bijvoorbeeld bederf van producten. Deloof (2003) stelt dan ook dat het management van voorraad een afweging betekent van kosten en verkopen. Bovendien is het ook sterk afhankelijk van de sector van de KMO, aangezien sommige sectoren standaard geen gebruik maken van voorraad (dienstensectoren) en andere verplicht zijn voorraad aan te houden, zoals bijvoorbeeld de productie- of retailsector (Lovelock & Wright, 2002).
iii.
Leverancierskrediet
Shipley & Davis (1991) en Deloof & Jegers (1996) vonden dat leverancierskrediet een belangrijk selectiecriterium is bij weinig productdifferentiatie voor het bedrijf aangezien dit het bedrijf meer ademruimte en vrijheid geeft om te beslissen wanneer ze hun facturen betalen. Het is een vorm van krediet die bovendien als alternatief kan gebruikt worden bij gebrek aan andere leningen die teruggeschroefd worden in mindere economische tijden.
De keerzijde van de medaille is echter wel dat het een enorm dure vorm van krediet is. Een illustratie hiervan is het veel gebruikte concept “2/10, net 30” (Smith, 1987; Long, Malitz & 20
Ravid, 1993 en Petersen & Rajan, 1997). Deze regel stelt dat wanneer een bedrijf binnen de tien dagen aan zijn leverancier betaalt, hij een korting ontvangt van twee procent. Wanneer ze niet binnen deze tien dagen betaalt, moet de volledige rekening binnen de dertig dagen betaald worden. Zo betaalt een bedrijf dus 2% voor 20 dagen. Om er een beter beeld van te kunnen vormen kan dit percentage omgezet worden naar een percentage op jaarbasis van ongeveer 43%. Dit hele hoge intrestpercentage kan de winstgevendheid hypothekeren wanneer veel kortingen voor snelle betalingen gemist worden.
Bovendien kan het imago van een bedrijf ten opzichte van zijn leverancier aangetast worden wanneer het bedrijf meer betalingskrediet gaat aanvragen. Het kan een teken van liquiditeitstekort zijn en kan het vertrouwen van de leverancier in het bedrijf schaden. Wanneer de leverancier zijn relatie met het bedrijf hierdoor annuleert, kan dit tot nefaste gevolgen leiden voor de winstgevendheid van het bedrijf in kwestie (Petersen & Rajan, 1997).
d. De relatie tussen de cash conversion cycle en de winstgevendheid Een langere cash conversion cycle met meer dagen klantenkrediet en investeringen in voorraad kan om hiervoor genoemde redenen leiden tot hogere verkopen en eventueel een hogere winstgevendheid. Minder leverancierskrediet en de voordelen van kortingen bij snelle betaling dragen er ook toe bij. Daar tegenover bestaat de mogelijkheid dat de kosten van veel investeringen in nettobedrijfskapitaal de opbrengsten van meer klantenkrediet en de mogelijkheden van meer voorraad boven het hoofd groeien. Dit heeft dan een negatieve impact op de winstgevendheid.
e. Ontwikkeling hypothesen In deze masterproef gaan we na of de financiële crisis van 2008 – 2009 een invloed heeft uitgeoefend op het management van nettobedrijfskapitaal bij Belgische KMO’s. Daarnaast zijn we geïnteresseerd in de weerslag hiervan op de winstgevendheid van de ondernemingen. Daartoe onderzoeken wij de drie componenten van nettobedrijfskapitaal 21
(klantenkrediet, voorraad en leverancierskrediet) en de lengte van de cash conversion cycle als maatstaf voor het beheer van nettobedrijfskapitaal. Deze wordt uitvoerig behandeld bij de bespreking van de onafhankelijke variabelen.
Het uitgangspunt voor de ontwikkeling van de hypothesen vormt de financiële crisis van 2008 – 2009 die als externe factor de ondernemingen bedreigde (en anno 2013 nog steeds bedreigt). Het ineenstorten van enkele vooraanstaande financiële instellingen veroorzaakte onrust op de markten. Figuur 4 illustreert dit wantrouwen bij KMO’s aan de hand van de KMO-barometer. Deze geeft het KMO-vertrouwen in de economie weer en is de conjunctuurindicator bij uitstek voor KMO’s. Het wordt op kwartaalbasis samengesteld door een representatief KMO-panel te bevragen. De maatstaf is opgebouwd uit verschillende deelindices waaronder het toekomstig werkvolume, de toekomstige financiële situatie en de tevredenheid over de economie. Waarden boven de 100 duiden op een positieve evolutie in de conjunctuur, waarden onder de 100 duiden op een negatieve evolutie in de conjunctuur (www.unizo.be, geraadpleegd op 15/10/2012). Figuur 4: KMO-barometer als conjunctuurindicator bij KMO’s
Bron: www.unizo.be, geraadpleegd op 15/05/2013.
Uit Figuur 4 blijkt dat de conjunctuurindex een dieptepunt bereikte in het eerste kwartaal van 2009, diep in de financiële crisis. Het vertrouwen in de economie herstelde zich enigszins weer maar bereikte pas in het derde kwartaal van 2010 de grens van 100. Sinds het derde 22
kwartaal van 2011 dook de barometer opnieuw onder de 100 om in het eerste kwartaal van 2012 een absoluut dieptepunt te bereiken. Anno eerste kwartaal van 2013 is de barometer nog steeds niet boven de grens van 100 gekomen (www.unizo.be, geraadpleegd op 15/05/2013).
Uit deze conjunctuurindicator blijkt duidelijk dat KMO’s de toekomst van de economie somber inzien. In onzekere tijden is het dus aannemelijk dat KMO’s er alles aan doen om hun bedrijf veilig te stellen en hun operaties te kunnen blijven uitvoeren. Indien we dit gegeven relateren aan nettobedrijfskapitaal, vinden wij aansluiting bij het conservatief beleid. Veel investeringen gaan immers gepaard met lage risico’s. Dit wordt afgeleid uit het feit dat meer investeren in nettobedrijfskapitaal betekent dat er vanuit het standpunt van de onderneming meer klantenkrediet gegeven wordt, meer voorraad aangehouden wordt en kortingen voor snelle betaling bij leveranciers zoveel mogelijk gegrepen worden. Daardoor verkleint het risico op verlies van klanten, stock-outs of productieonderbrekingen en het missen van cruciale leverancierskortingen. Daartegenover staat wel de verwachting van een lager resultaat. Wij nemen aan dat KMO’s in financieel onzekere tijden hun omgeving zoveel mogelijk onder controle willen houden en stabiliteit en zekerheid wensen in te bouwen om de risico’s zo laag mogelijk te houden aan de hand van een conservatief beleid met betrekking tot het nettobedrijfskapitaal (Arnold, 2008).
i.
Klantenkrediet
Om de financiële onzekerheid en risico’s te beperken nemen wij aan dat KMO’s een conservatieve politiek volgen. Investeringen in handelsvorderingen worden dan ook opgetrokken. Wij vermoeden dat KMO’s op die manier hun klanten een helpende hand willen aanreiken en de klantenbinding wensen te optimaliseren. Uit het KMO-rapport van Unizo, jaargang 2008, blijkt immers dat KMO’s tussen 2000 en 2007 voldoende financiële buffers hebben kunnen aanleggen om de crisis te kunnen overleven (www.tijd.be, geraadpleegd op 6/11/2012). Dit versterkt het vermoeden dat er middelen beschikbaar zijn om de investering in handelsvorderingen op ten hoogste één jaar te kunnen realiseren. Kenmerkend voor deze handelsvorderingen is dat ze liquide zijn binnen een tijdspanne van minder dan één jaar. Om de liquiditeit van de handelsvorderingen te meten, maken wij 23
gebruik van de gemiddelde inningsperiode van de handelsvorderingen in aantal dagen, namelijk het aantal dagen klantenkrediet (Ooghe & Van Wymeersch, 2008). Deze periode is het gemiddeld aantal dagen tussen de dag van verkoop en de dag van ontvangst van betaling door de klant.
Hypothese 1a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen klantenkrediet gestegen gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
Daarnaast onderzoeken we of een bijkomende eenheid investering in handelsvorderingen tijdens de financiële crisis de winstgevendheid van de KMO’s meer of minder heeft aangetast in vergelijking met de niet-crisisperiode 2006 – 2007. De focus ligt opnieuw op het aantal dagen klantenkrediet. Klantenkrediet vormt samen met leverancierskrediet het algemene handelskrediet en net zoals in veel industriële landen behoort het handelskrediet ook in België tot de belangrijkste financieringsbronnen (Kestens et al., 2011 ; Deloof, 2003).
Voorgaande literatuur hieromtrent vindt bewijs van een negatieve relatie gedurende nietcrisisperioden. Deloof (2003) vond in zijn studie naar grote Belgische bedrijven dat deze hun winstgevendheid kunnen verhogen door het aantal dagen klantenkrediet te reduceren. García-Teruel & Martínez-Solano (2007) vonden gelijkaardige resultaten voor kleine en middelgrote Spaanse ondernemingen. Lazaridis & Tryfonidis (2006) focusten dan weer op Atheense beursgenoteerde ondernemingen en vonden tevens een negatieve relatie. Raheman & Nasr (2007) stelden diezelfde negatieve relatie vast tussen klantenkrediet en winstgevendheid in hun onderzoek bij Pakistaanse beursgenoteerde bedrijven. Uit onze literatuurstudie blijkt het onderzoek van Sharma & Kumar (2011) het enige dat een positieve relatie aanbrengt. Zij bestudeerden beursgenoteerde bedrijven in India. Typerend voor bovenstaande studies is dat ze gevoerd werden gedurende niet-crisisperioden.
Daarentegen focussen Love & Zaidi (2010) in hun studie op handelskrediet en bankkrediet zowel voor als na de financiële crisis in Azië van 1998. Zij vinden dat bedrijven met beperkingen aangaande bankfinanciering meer kopen en verkopen op krediet. Zij concluderen dat handelskrediet geen volledige substituut kan zijn voor bankkredieten.
24
Wij vermoeden dat de investeringen in handelsvorderingen toegenomen zijn: KMO’s verschaffen hun klanten meer betalingsuitstel (zie hypothese 1a). Maar aangezien de financiële crisis van 2008 – 2009 een wereldwijde crisis is en zowel bedrijven als huishoudens getroffen heeft, verwachten wij dat deze investering de winstgevendheid van de KMO’s heeft aangetast. Ondanks een verlaagd risico op klantenverloop en meer kansen op verkopen, verhoogt het risico op wanbetaling aanzienlijk tijdens de financiële crisis.
Aangezien KMO’s gedurende de financiële crisis geconfronteerd werden met aanzienlijke beperkingen aangaande het verkrijgen van bancaire kredieten (www.febelfin.be, geraadpleegd op 10/05/2013), nemen wij aan dat het belang van klantenkrediet toegenomen is. Aan de ene kant blijft investeren in klantenkrediet belangrijk om de verkopen te blijven stimuleren en klantenbinding te bevorderen (Wilner, 2000). Elke bijkomende verkoop, weliswaar op krediet, opent mogelijkheden om lange termijn relaties aan te knopen met klanten (Baños-Caballero et al., 2011). Aan de andere kant dient men rekening te houden met mogelijke wanbetalingen vanwege de klant. Dit risico is ten gevolge van de crisis toegenomen
(Deloof, 2003; Soenen, 1993). Bij het nemen van de
investeringsbeslissing moet deze tweespalt in rekenschap genomen worden. In lijn met reeds verschenen onderzoek veronderstellen wij een negatieve relatie tussen de winstgevendheid van Belgische KMO’s en klantenkrediet tijdens de financiële crisis van 2008 – 2009, die meer uitgesproken is dan tijdens de niet-crisisperiode vanuit de overtuiging dat het risico op wanbetaling de voordelen van extra verkopen overtreft. Opnieuw wensen wij deze hypothese te toetsen aan de hand van het aantal dagen klantenkrediet.
Hypothese 1b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de winstgevendheid en het aantal dagen klantenkrediet meer uitgesproken in vergelijking met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
ii.
Voorraad
Uit onze literatuurstudie blijkt dat voorraadmanagement in vergelijking met klantenkrediet en leverancierskrediet het minst onderzocht is. In het algemeen wijst de literatuur op volgende voordelen: vermijden van een stock-out, opvangen van productie-onderbrekingen 25
en de vorming van een buffer voor een variabele vraag (Cuthbertson & Gasparro, 1993). Maar daartegenover staan hoge voorraadkosten.
Bij een conservatief beleid aangaande het nettobedrijfskapitaal worden de investeringen in voorraad de hoogte in gedreven. Wij volgen deze lijn vanuit de overtuiging dat de financiële crisis als externe factor de KMO’s hiertoe gedreven heeft. De financiële crisis heeft immers een negatieve invloed gehad op de winstgevendheid van Belgische bedrijven (Kestens et al., 2011). Dit doet het vermoeden rijzen dat de verkopen gedaald zijn waardoor bedrijven gedwongen zijn meer gebruik te maken van voorraden. We komen dan ook tot volgende hypothese:
Hypothese 2a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen voorraad gestegen gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
Deloof (2003) wees erop dat men voor het management van de voorraad een afweging moet maken tussen enerzijds de verkopen die vloeien uit de voorraad en de kosten die ermee gepaard gaan. Hoe meer voorraad een bedrijf aanhoudt, hoe meer verkopen kunnen gerealiseerd worden maar ook hoe hoger de kosten. Deloof (2003) vond een negatieve relatie tussen de voorraad en de winstgevendheid, net zoals García-Teruel & MartínezSolano (2007) en Lazaridis & Tryfonidis (2006).
Wij vermoeden eenzelfde negatieve relatie aan te treffen tussen enerzijds de voorraad en anderzijds de winstgevendheid van Belgische KMO’s en dit zowel voor als tijdens de financiële crisis. Door de crisis verwachten we echter dat de negatieve relatie sterker is. Aangezien de gevolgen van de financiële crisis zich verspreid hebben over menig sector en huishouden, verwachten wij een toename van onverkochte voorraden met een nefaste invloed voor de winstgevendheid van de onderneming. Aldus formuleren wij de tweede hypothese als volgt:
Hypothese 2b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de winstgevendheid en het aantal dagen voorraad meer uitgesproken in vergelijking met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s. 26
iii.
Leverancierskrediet
Aangezien de conservatieve politiek aangaande het nettobedrijfskapitaal stelt dat bedrijven meer gaan investeren in nettobedrijfskapitaal (Weinraub & Visscher, 1998; Nazir & Afza, 2009), stellen we dat het gebruik van leverancierskrediet is gedaald. In moeilijke economische tijden is het belangrijk om de kosten zoveel mogelijk te drukken en het risico te beperken. Voor het leverancierskrediet betekent dit dat KMO’s er alles zullen aan doen om de kortingen voor snelle betaling te verkrijgen, gezien de hoge kost in verhouding met het mislopen ervan. Zoals reeds eerder aangehaald hadden Belgische KMO’s in de jaren voor 2008 reeds buffers aangelegd (KMO-rapport Unizo, 2008; www.tijd.be, geraadpleegd op 6/11/2012) die ze tijdens de financiële crisis zouden kunnen gebruiken om facturen snel te betalen. Dit betekent dat het aantal dagen leverancierskrediet zal dalen in tijden van crisis en we bekomen dan ook volgende hypothese:
Hypothese 3a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen leverancierskrediet gedaald gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
Vorige onderzoeken waren grotendeels consistent in de relatie die ze vaststelden tussen het aantal dagen leverancierskrediet en de winstgevendheid van een onderneming. De reeds bij hypothese 1 besproken onderzoeken van Sharma & Kumar (2011), García-Teruel & Martínez-Solano (2007), Raheman & Nasr (2007), Lazaridis & Tryfonidis (2006) en Deloof (2003) toonden een negatieve relatie aan tussen het aantal dagen leverancierskrediet en de winstgevendheid van een onderneming, grotendeels te wijten aan de hoge kosten bij het missen van kortingen voor snel betalen.
Ook wij gaan deze negatieve relatie veronderstellen voor zowel de periode voor de financiële crisis als tijdens de financiële crisis zelf. We verwachten dat het mislopen van kortingen voor snelle betalingen de liquiditeit van KMO’s in de moeilijke economische tijden van 2008 – 2009 alleen nog verder in gevaar brengt, waardoor de winstgevendheid sterker in dalende lijn gaat. Het gebruik van leverancierskrediet tijdens de crisis is aldus nefaster
27
voor de winst dan tijdens de niet-crisisperiode. We formuleren het tweede deel van de derde hypothese dus als volgt:
Hypothese 3b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de winstgevendheid en het aantal dagen leverancierskrediet meer uitgesproken in vergelijking met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
iv.
Cash conversion cycle
Wanneer we de conservatieve aanpak van het beheer van nettobedrijfskapitaal toepassen op de lengte van de cash conversion cycle gedurende de financiële crisis, betekent dit dat de cash conversion cycle in lengte zal toenemen (Weinraub & Visscher, 1998; Nazir & Afza, 2009). Ook wanneer we de formule van de lengte van de cash conversion cycle toepassen komen we tot dit resultaat. De som van het aantal dagen klantenkrediet en het aantal dagen voorraad zal toenemen aangezien we verwachten dat beide delen toenemen in verhouding met de jaren voor de crisis (hypothese 1a en 2a). Wanneer we hiervan een lager aantal dagen leverancierskrediet aftrekken (hypothese 3a), neemt de lengte van de cash conversion cycle toe. Onderstaande hypothese kan dan geformuleerd worden.
Hypothese 4a: In vergelijking met de niet-crisisperiode 2006 – 2007 is de lengte van de cash conversion cycle toegenomen gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
In vorig onderzoek vonden onder andere Shin & Soenen (1998) een sterk negatieve relatie tussen de lengte van de cash conversion cycle en de winstgevendheid van Amerikaanse beursgenoteerde bedrijven in de periode van 1975 tot 1994. Daarentegen hebben BañosCaballero et al. (2011) als eerste een kwadratische relatie aangetoond tussen het management van nettobedrijfskapitaal en winstgevendheid van Spaanse KMO’s voor de periode 2002 – 2007. Zij stellen dat KMO’s een optimaal nettobedrijfskapitaalniveau hebben waarbij hun winstgevendheid gemaximaliseerd wordt door een afweging van opbrengsten en kosten.
28
Wegens het ontbreken van voldoende onderzoek ter bewijs van een concave relatie, nemen we de richting aan die de meerderheid van de onderzoeken aangetoond heeft, namelijk een negatieve relatie tussen de lengte van de cash conversion cycle en de winstgevendheid. Op basis van onze vermoedens dat de relatie tussen de winstgevendheid en respectievelijk het aantal dagen klantenkrediet, het aantal dagen voorraad en het aantal dagen leverancierskrediet nog meer uitgesproken negatief is tijdens de financiële crisis, leiden wij af dat de relatie tussen de winstgevendheid en de lengte van de cash conversion cycle tevens meer uitgesproken negatief is tijdens de financiële crisis. Zo komen we tot de volgende hypothese:
Hypothese 4b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de winstgevendheid en de lengte van de cash conversion cycle meer uitgesproken in vergelijking met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
29
5. Empirisch onderzoek In het vervolg van dit werkstuk wordt het onderzoek verder uiteengezet. Eerst komen de gebruikte data en de gebruikte methode aan bod. Daarna volgt een beschrijving van de verschillende variabelen en het gebruikte model.
a. Data Voor dit onderzoek worden data van de database Bel-first gebruikt. Hiervoor legden we een aantal voorwaarden op. Het gaat om Belgische KMO’s die geselecteerd zijn volgens de Europese definitie gedurende de periode 2005 – 2009. Aanbeveling 2003/361/EG
weerhouden
we
dus
enkel
Op basis van de bijlage bij die
bedrijven
met
een
werknemersbestand dat groter is dan 0, maar niet groter is dan 250 en met een jaaromzet van maximaal 50 miljoen euro of een balanstotaal van maximaal 43 miljoen euro. Het gaat om niet-beursgenoteerde bedrijven die niet-geconsolideerde jaarrekeningen hebben neergelegd volgens het volledige schema. Wij hebben immers nood aan informatie omtrent de omzet om de winstgevendheid van de bedrijven te kunnen bepalen. Deze informatie is niet vereist in het verkorte schema, maar wel in het volledige schema. Bovendien sluiten we, in overeenstemming met vorig onderzoek (Kestens et al., 2011; Deloof & Jegers, 1996) bedrijven met nacebelcode 1 (nutsvoorzieningen) en 8 (banking and finance, insurance, business services, renting) uit omwille van hun specifieke activiteit (Deloof, 2003). KMO’s die voor vijf (2005, 2006, 2007, 2008, 2009) opeenvolgende jaren data missen elimineren we eveneens. De data van 2005 hebben we immers nodig om de groei, die we insluiten als controlevariabele, te kunnen berekenen voor het jaar 2006. Indien de ondernemingen voor een bepaalde variabele opgenomen in ons onderzoek geen informatie hebben vrijgegeven in hun jaarrekening, elimineren wij ze tevens uit de dataset.
We bekomen op die manier 27400 observaties uit de Bel-first database. In totaal zijn dit 5480 KMO’s waarvan we voor vijf opeenvolgende jaren observaties meten. Na de berekening van de onafhankelijke variabelen en controlevariabelen verwijderen we het jaar 2005 voor het vervolg van het onderzoek. Zo hebben we voor de jaren 2006, 2007, 2008 en 2009 nog 21920 observaties voor 5480 KMO’s. We nemen al deze KMO’s op in onze dataset 30
om de representativiteit van het onderzoek te vergroten (De Pelsmacker & Van Kenhove, 2010).
We zijn ons ervan bewust dat we in dit onderzoek geen rekening houden met bedrijven die failliet gegaan zijn tijdens de jaren 2005 – 2009 door volledige data te eisen over de jaren 2005 – 2009. We zien dit dan ook als een beperking aangezien dit een survivorship bias teweegbrengt: door de focus te behouden op de KMO’s die overleven gedurende de bestudeerde periode, worden de resultaten wellicht beïnvloed. Wij halen dan ook de suggestie aan om hiermee in verder onderzoek rekening te houden.
Om inzicht te verkrijgen in de samenstelling van de steekproef van Belgische KMO’s opgenomen in dit onderzoek, reduceren we het geheel aan gegevens tot een beperkt aantal kengetallen, met name het gemiddelde, de standaardafwijking, de minimale observatie en de maximale observatie van de variabelen. Daarnaast bekijken we de Pearson correlatiecoëfficiënt tussen de verschillende variabelen. De dataset werd onderworpen aan de techniek van winsorizing: de 1% extreme observaties worden aan beide zijden van de dataset vervangen door respectievelijk de waarde van het eerste en 99e percentiel. Hieronder volgt een korte bespreking van de belangrijkste parameters.
De parameters werden zowel over de volledige tijdshorizon 2006 – 2009 als voor elk jaar afzonderlijk berekend. Een overzicht hiervan is terug te vinden in respectievelijk Tabel 2 en Tabel 3. In wat volgt bespreken wij enkel de kengetallen gemeten voor de volledige tijdsspanne. De gemiddelde KMO is 25 jaar oud en stelt 35 werknemers te werk. De bruto operationele winst over de vier opeenvolgende jaren is gemiddeld 1,43% met een standaardafwijking van 17,12%.
In het bijzonder gaat onze interesse uit naar de kenmerken van de KMO’s met betrekking tot het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte van de CCC. Over de volledige tijdsspanne voor de steekproef bedraagt het gemiddeld aantal dagen klantenkrediet 84 dagen, het gemiddeld aantal dagen voorraad 36 dagen, het gemiddeld aantal dagen leverancierskrediet 94 dagen
31
en de gemiddelde lengte van de CCC 28 dagen. De standaardafwijking van de variabelen is echter heel groot.
Tabel 2: Descriptieve resultaten over de onderzoeksperiode 2006-2009 2006-2009 Variabele Leeftijd (jaar) Werknemers (aantal voltijdse equivalenten) Aantal dagen klantenkrediet Aantal dagen voorraad Aantal dagen leverancierskrediet Lengte cash conversion cycle Bruto-operationeel resultaat (% totaal actief) Omzet (euro) Aantal observaties
Gemiddelde 25 35 84 36 94 28 1,43 10856 21920
Standaardafwijking
Minimum
Maximum
16,645 36,705 88,384 53,029 127,267 135,457 17,117 9739,171
1 1 0 0 2 -685 -77,18 1
109 249 612 332 979 593 45,45 49688
Bovenstaande kengetallen geven een eerste inzicht in de grootteorde van de onafhankelijke variabelen. In het bijzonder wensen wij de invloed van de financiële crisis na te gaan op de grootteorde van de kengetallen. Daartoe berekenen we de gemiddelden zowel vóór (2006 – 2007) als tijdens de crisis (2008 – 2009). De resultaten daarvan zijn terug te vinden in Tabel 4.
Uit Tabel 4 valt het volgende af te leiden: tijdens de financiële crisis is het aantal dagen klantenkrediet gedaald, het aantal dagen voorraad gestegen, het aantal dagen leverancierskrediet gedaald en de lengte van de CCC toegenomen. Of de geconstateerde tendensen louter toe te schrijven zijn aan het toeval dan wel statistisch significant zijn, gaan we na bij het testen van de hypothesen aan de hand van de statistische toets T-test voor verschillen en aan de hand van de lineaire regressiemethode.
32
Tabel 3: Descriptieve resultaten per jaar van de onderzoeksperiode
Gemiddelde
Standaardafwijking
Minimum
Maximum
2006 2007 2008 2009
24 25 26 27
16,609 16,609 16,609 16,609
1 2 3 4
106 107 108 109
2006 2007 2008 2009
34 35 36 35
35,469 36,616 37,751 36,934
1 1 1 1
246 241 249 247
2006 2007 2008 2009
86 86 82 82
86,137 89,536 88,462 89,304
0 0 0 0
612 612 612 612
2006 2007 2008 2009
35 36 37 37
51,084 51,259 53,744 55,875
0 0 0 0
332 332 332 332
2006 2007 2008 2009
94 97 96 91
127,267 127,860 127,693 123,703
2 2 2 2
979 979 979 979
2006 2007 2008 2009 Bruto-operationeel resultaat (% van actief) 2006 2007 2008 2009 Omzet (in euro) 2006 2007 2008 2009 Aantal observaties 2006 2007 2008 2009
28 26 27 30
135,457 133,360 133,973 133,898
-685 -685 -685 -685
593 593 593 593
2,45 3,09 1,39 -1,2
16,564 16,418 17,071 18,056
-77,18 -77,18 -77,18 -77,18
45,45 45,45 45,45 45,45
10376 11090 11501 10456
9260,985 9844,928 10252,971 9528,063
1 2 1 1
48102 49688 49476 48625
Variabele Leeftijd (jaar)
Werknemers (voltijdse equivalenten)
Aantal dagen klantenkrediet
Aantal dagen voorraad
Aantal dagen leverancierskrediet
Lengte cash conversion cycle
5480 5480 5480 5480
33
Tabel 4: Descriptieve resultaten vóór en tijdens de crisisperiode Variabele Leeftijd (jaar) 2006-2007 2008-2009 Werknemers (voltijdse equivalenten) 2006-2007 2008-2009 Aantal dagen klantenkrediet 2006-2007 2008-2009 Aantal dagen voorraad 2006-2007 2008-2009 Aantal dagen leverancierskrediet 2006-2007 2008-2009 Lengte cash conversion cycle 2006-2007 2008-2009 Bruto-operationeel resultaat (% van actief) 2006-2007 2008-2009 Omzet (in euro) 2006-2007 2008-2009 Aantal observaties 2006-2007 2008-2009
Gemiddelde
Standaardafwijking
Minimum
Maximum
24 26
16,615 16,615
1 3
107 109
35 36
36,049 37,345
1 1
246 249
86 82
87,849 88,88
0 0
612 612
35 37
51,169 54,817
0 0
332 332
97 92
127,773 126,728
2 2
979 979
27 29
133,662 137,222
-685 -685
593 593
2,77 0,09
16,494 17,617
-77,18 -77,18
45,45 45,45
10773 10978
9563,652 9910,497
1 1
49688 49476
10960 10960
Met betrekking tot de correlatiematrix, die terug te vinden is in Tabel 5, kunnen we stellen dat er globaal gezien geen hoge correlatiecoëfficiënten terug te vinden zijn. De hoogste Pearson correlatiecoëfficiënten vinden we terug bij de correlatie tussen de cash conversion cycle en de componenten ervan, respectievelijk het aantal dagen klantenkrediet, het aantal dagen voorraad en het aantal dagen leverancierskrediet. Aangezien deze variabelen nooit samen in een regressierechte opgenomen worden, speelt dit effect geen beïnvloedende rol voor de resultaten.
34
0,026*
-0,002
0,040*
-0,028*
0,005
0,010
0,016**
0,066*
-0,031*
0,036*
0,005
-0,028*
Financiële diensten
Gezondheidszorg
Groothandel
Horeca
Industrie
Overige industrie
Overige pers. diensten -0,026*
-0,038*
Detailhandel
Vervoer en logistiek
Zakelijke diensten
-0,085*
0,015**
0,016**
0,111*
0,006
-0,023*
0,010
0,048*
-0,109*
-0,064*
0,067*
0,003
0,014**
0,032*
0,198*
1
0,032*
-0,011
0,013
0,059*
-0,020*
0,049*
-0,007
-0,052*
-0,030*
-0,134*
0,085*
0,025*
0,000
-0,003
1
-0,006
0,010
0,000
0,077*
-0,006
-0,001
-0,005
-0,001
-0,001
0,015**
-0,008
0,004
-0,017**
-0,007
0,000
1
SchuldGrootte Leeftijd graad
-0,077*
-0,065*
-0,129*
-0,030*
0,065*
0,063*
-0,054*
0,074*
-0,004
-0,071*
-0,009
-0,011
0,063*
0,014**
0,001
-0,016**
0,091*
0,105*
1
Lengte CCC
Overige -0,057* 0,015** -0,074* 0,022* -0,041* 0,017* Correlaties aangeduid met * duiden op een tweezijdige significantie op 1%. Correlaties aangeduid met ** duiden op een tweezijdige significantie op 5%.
0,088*
0,067*
0,017*
0,003
-0,043*
-0,006
-0,096*
-0,003
0,157*
-0,056*
0,036*
0,013**
-0,071*
0,003
0,022*
-0,055*
0,025*
-0,633*
1
Aantal dagen LK
-0,092*
-0,123*
-0,218*
-0,034*
0,132*
0,098*
-0,049*
0,068*
-0,009
-0,086*
0,063*
-0,087*
0,101*
0,079*
0,005
0,000
0,118*
0,213*
0,430*
0,005
1
Aantal dagen VRD
0,004
0,083*
-0,020*
-0,060*
-0,050*
-0,004
0,159*
-0,131*
0,082*
0,033*
-0,122*
0,001
0,006
Communicatie en IT
-0,005
Schuldgraad
-0,013**
0,039*
0,027*
Leeftijd (ln)
0,057*
Bouw
0,076*
Grootte (ln)
0,254*
-0,005
0,001
Lengte CCC
0,416*
-0,070*
-0,078*
Aantal dagen LK
1
-0,022*
Automobiel
0,029*
Aantal dagen KK
Groei
-0,112*
Bruto-OR
Aantal dagen VRD
1
Variabele
Aantal dagen KK
BrutoOR
Tabel 5: Pearson correlatiecoëfficiënten met bijhorende significanties
35
0,001
0,000
0,019*
0,000
-0,003
-0,004
-0,001
-0,007
0,000
0,004
-0,002
-0,001
0,001
-0,001
1
Groei
-0,040*
-0,096*
-0,092*
-0,019*
-0,058*
-0,105*
-0,028*
-0,166*
-0,004
-0,042*
-0,067*
-0,057*
-0,087*
1
Automobiel
1
-0,046*
-0,082*
-0,022*
-0,130*
-0,003
-0,033*
-0,052*
-0,049*
-0,117*
-0,112* -0,032*
-0,076*
-0,073*
-0,098*
-0,002
1
Fin. dienst
-0,054*
-0,097*
-0,037*
-0,089*
-0,086*
-0,024*
-0,057*
-0,055*
-0,011
-0,034*
-0,062*
-0,026* -0,017**
-0,154*
-0,003
-0,039*
1
Detailhandel
-0,023* -0,015** -0,018*
0-,071*
-0,127*
-0,034*
-0,201*
-0,004
-0,051*
-0,081*
-0,069*
1
Bouw
Comm. en IT
-0,002
-0,005
-0,005
-0,001
-0,003
-0,005
-0,001
-0,008
1
-0,037*
-0,036*
-0,007
-0,023*
-0,041*
1 1
-0,140*
-0,135*
-0,033*
-0,078*
-0,075*
-0,028* -0,016**
-0,085*
1
Overige Horeca Industrie ind.
-0,093* -0,016** -0,059*
-0,221*
-0,213*
-0,044*
-0,134*
-0,242*
-0,064*
1
Gezondheids- Grootzorg handel
-0,011
-0,026*
-0,025*
1
-0,052*
-0,124*
1
Overige pers. Vervoer dienst & log
-0,054*
1
Zakel. dienst
1
Overige
b. Methode en regressievergelijkingen Om de eerste set van de vooropgestelde hypothesen 1a, 2a, 3a en 4a (hierna behandeld als het a-gedeelte van de hypothesen) te onderzoeken, maken wij eerst gebruik van de univariate analysetechniek T-test voor verschillen voor gepaarde observaties. Nadien wensen we nog na te gaan of de significante verschillen die resulteren uit de T-test effectief hun oorsprong vinden in een effect van de crisis of het gevolg zijn van veranderingen in andere controlevariabelen. Hiervoor gebruiken we de lineaire regressieanalyse die we schatten aan de hand van de kleinste kwadratenmethode. Het aantal dagen klantenkrediet wordt voorgesteld als KK, het aantal dagen voorraad als VRD, het aantal dagen leverancierskrediet als LK en de lengte van de cash conversion cycle als CCC. Er werden tevens, naast de controlevariabelen, dummyvariabelen ‘crisis’ en ‘sector’ aangemaakt, welke verder worden toegelicht bij de bespreking van de variabelen.
H1a: KKi,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s + β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s
(1.1)
H2a: VRD i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s + β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s
(1.2)
H3a: LK i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s + β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s
(1.3)
H4a: CCC i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s + β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s
(1.4)
De tweede set van de vooropgestelde hypothesen 1b, 2b, 3b en 4b (hierna behandeld als het b-gedeelte van de hypothesen) die de relatie tussen winstgevendheid en de componenten van de cash conversion cycle en de cash conversion cycle zelf onderzoekt, zullen we eveneens testen met een lineaire regressieanalyse aan de hand van de kleinste 36
kwadratenmethode. Shin & Soenen (1998), Deloof (2003), Lazaridis & Tryfonidis (2006), Baños-Caballero et al. (2010) en Sharma & Kumar (2011) gebruiken in hun studies dezelfde methode om een dergelijk verband te onderzoeken.
Opnieuw wordt het aantal dagen klantenkrediet voorgesteld als KK, het aantal dagen voorraad als VRD, het aantal dagen leverancierskrediet als LK en de lengte van de cash conversion cycle als CCC. Voor deze regressie werden tevens, naast de controlevariabelen, dummyvariabelen ‘crisis’ en ‘sector’ aangemaakt, welke verder worden toegelicht bij de bespreking van de variabelen. Er zijn ook interactievariabelen opgenomen in de regressievergelijkingen bestaande uit een crisiscomponent in combinatie met respectievelijk het aantal dagen klantenkrediet, voorraad, leverancierskrediet en cash conversion cycle om de winstgevendheid te onderzoeken.
Met behulp van de onderstaande regressievergelijkingen gaan we in dit onderzoek na of de financiële crisis het effect van nettobedrijfskapitaal op de winstgevendheid heeft aangetast in vergelijking met de niet-crisisperiode. We willen immers te weten komen of tijdens de financiële crisis de relatie tussen het nettobedrijfskapitaal en de winstgevendheid meer uitgesproken negatief werd voor Belgische KMO’s.
H1b: WINST i,t,s = β0 + β1 KK i,t,s + β2 KK*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s + β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR s + ε i,t,s
(1.5)
H2b: WINST i,t,s = β0 + β1 VR i,t,s + β2 VR*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s + β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR s + ε i,t,s
(1.6)
H3b: WINST i,t,s = β0 + β1 LK i,t,s + β2 LK*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s + β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR i,t,s + ε i,t,s
(1.7)
H4b: WINST i,t,s = β0 + β1 CCC i,t,s + β2 CCC*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s + β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR i,t,s + ε i,t,s
(1.8) 37
c. Variabelen i. Afhankelijke variabele In deze masterproef wensen we twee zaken te onderzoeken, namelijk het management van nettobedrijfskapitaal en de relatie hiervan tot de winstgevendheid van de ondernemingen tijdens de financiële crisis van 2008 – 2009. We wensen na te gaan of de financiële crisis een invloed heeft uitgeoefend op dit management met eventuele gevolgen voor de winstgevendheid die afwijken van een niet-crisisperiode.
In het b-gedeelte van de hypothesen wensen wij dus de winstgevendheid in kaart te brengen. Om deze afhankelijke variabele te meten kiezen wij voor de bruto operationele winst als maatstaf. Om deze variabele te schalen, delen we door het totaal der activa. De maatstaf wordt in de bestaande literatuur gebruikt door een hele reeks auteurs waaronder Deloof (2003), Raheman & Nasr (2007) en Lazaridis & Tryfonidis (2006). Concreet berekenen we de variabele als de omzet verminderd met de kosten van verkopen en dit gedeeld door het totaal der activa. Wij kiezen ervoor de financiële vaste activa in het totaal der activa te behouden aangezien deze slechts een heel kleine fractie van de totale activa uitmaken, namelijk gemiddeld 7%. De kosten van verkopen hebben wij berekend als de bedrijfskosten verminderd met de toename (afname) van de voorraad goederen in bewerking, gereed product en bestellingen in uivoering, verminderd met de geproduceerde vaste activa, verminderd met de andere bedrijfsopbrengsten, verminderd met de kapitaalsubsidies (Ooghe & Van Wymeersch, 2008). De kapitaalsubsidies worden echter uit de analyse gehouden aangezien wij niet over het benodigde cijfermateriaal beschikten.
Naast de bruto operationele winst vinden we ook het veelvuldig gebruik van de rendabiliteit van het totale vermogen terug als maatstaf voor de winstgevendheid. Deze variabele gebruiken we bij het testen van de robuustheid van onze resultaten. De bruto operationele winst is immers een meer betrouwbare maatstaf voor het bestuderen van het effect van nettobedrijfskapitaal op de winst (Lazaridis & Tryfonidis, 2006). Het belangrijkste argument hiervoor is de focus op de operationele activiteiten van de onderneming waaraan de prestaties gelinkt worden.
38
ii. Onafhankelijke variabelen Dit onderzoek maakt gebruik van vier onafhankelijke variabelen namelijk het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte van de cash conversion cycle. De berekeningen zijn afkomstig uit de formularia van de algemene financiële analyse met betrekking tot nettobedrijfskapitaal. In Tabel 6 is de exacte berekeningswijze van elke variabele opgenomen (Ooghe en Van Wymeersch, 2008). Aantal dagen klantenkrediet wordt berekend als 365*(handelsvorderingen op ten hoogste 1 jaar/verkopen). Aantal dagen voorraad heeft als formule 365*(voorraad/kost van materialen).
Aantal
dagen
leverancierskrediet
zullen
we
berekenen
als
365*(leverancierskrediet/kost van verkopen) (Ooghe & Van Wymeersch, 2008). De cash conversion cycle wordt gebruikt als maatstaf voor nettobedrijfskapitaalmanagement. Het reflecteert beslissingen omtrent hoeveel te investeren in klantenkrediet en voorraad en beslissingen omtrent hoeveel krediet te aanvaarden van de leverancier. Dit wordt berekend als (aantal dagen klantenkrediet + aantal dagen voorraad - aantal dagen leverancierskrediet). Op die manier verkrijgt men het gemiddeld aantal dagen tussen de dag waarop de grondstoffen aangekocht worden en de dag waarop men betaling van het verkochte product ontvangt van de klant. In voorgaand onderzoek naar de cash conversion cycle ontwikkelden Gentry, Vaidyanathan & Lee (1990) de “gewogen cash conversion cycle”. Hierin werd naast de timing bij de cash conversion cycle ook rekening gehouden met de grootte van het bedrag. In de literatuur omtrent het management van nettobedrijfskapitaal is er grotendeels gebruik gemaakt van de gewone cash conversion cycle en is niet verder ingegaan op de gewogen cash conversion cycle. Deze laatste heeft nettobedrijfskapitaal ook licht verschillend onderverdeeld, is meer gecompliceerd om te berekenen en zou ons te ver leiden. Daarom verkiezen we in dit onderzoek te werken met de gewone cash conversion cycle.
Het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte van de cash conversion cycle worden als onafhankelijke variabelen gebruikt bij de regressieanalyse die de relatie nagaat tussen enerzijds de winstgevendheid en anderzijds het nettobedrijfskapitaal (supra, p. 36). Om echter na te gaan
39
of de financiële crisis een invloed uitoefent op het niveau van de variabelen, worden ze gebruikt als afhankelijke variabelen bij het a-gedeelte van de hypothesen (supra, p. 35).
iii. Controlevariabelen De keuze voor de controlevariabelen is gebaseerd op bestaande literatuur met betrekking tot het management van nettobedrijfskapitaal (Baños-Caballero et al., 2011; Kestens et al., 2011; Baños-Caballero et al., 2010; Deloof, 2003). Voor het a-gedeelte van de hypothesen konden we geen voorspellingen maken met betrekking tot de relatie tussen de controlevariabelen en de elementen van nettobedrijfskapitaal en de cash conversion cycle. We stellen echter wel een verwachte relatie tussen de controlevariabelen en de winstgevendheid voor het b-gedeelte van de hypothesen.
Om te beginnen zal de grootte van het bedrijf gemeten worden als de natuurlijke logaritme van de totale activa zoals bij de onderzoeken van Deloof (2003), Raheman & Nasr (2007) en Kestens et al. (2011). We vermoeden dat een groter bedrijf een hogere winstgevendheid heeft in vergelijking met een kleiner bedrijf, gezien de omvang en de mogelijkheid van schaaleffecten. Zo veronderstellen we een positieve relatie tussen de controlevariabele ‘grootte’ en de afhankelijke variabele ‘winstgevendheid’.
Vervolgens nemen we de leeftijd van het bedrijf op als de natuurlijke logaritme van de leeftijd waarbij leeftijd berekend wordt als het jaar dat onderzocht wordt verminderd met het jaar van opstart. Dit wordt ook gebruikt bij Baños-Caballero et al. (2010). Opnieuw vermoeden we een positieve relatie met de winstgevendheid, gezien een gevestigde waarde potentieel meer zekerheid kent dan een jong bedrijf.
Daarnaast zal de groei van het bedrijf opgenomen worden als (omzett – omzett-1)/omzett-1 zoals Shin & Soenen (1998), Deloof (2003), Sharma & Kumar (2011), Baños-Caballero et al. (2011). Daarbij wordt de groei van de omzet geschaald door het te delen door de omzet om de vergelijkbaarheid met andere bedrijven te vergroten. Hier verwachten we een negatieve relatie met winstgevendheid, aangezien groeien veel investeringen vergt en zijn stempel drukt op de winstgevendheid. 40
De algemene schuldgraad wordt weergegeven als (vreemd vermogen/eigen vermogen) volgens Ooghe & Van Wymeersch (2008). Zo wordt de proportie van vreemd vermogen ten opzichte van eigen vermogen in kaart gebracht. We vermoeden een negatieve relatie met winstgevendheid aangezien een hogere schuldgraad meer kosten met zich meebrengt en daarmee ook de winstgevendheid naar beneden haalt.
Tabel 6: Berekeningswijze van de variabelen met bijhorende balansposten Variabele
Formule
Balansposten
Afhankelijke variabele Bruto-operationeel resultaat
(Omzet-kost van verkopen) / totaal actief
(|70|-(<60/64> - <71> -|72|-|740|)/|20/58|)
Onafhankelijke variabelen Aantal dagen klantenkrediet 365*(handelsvorderingen / omzet) Aantal dagen voorraad 365*(voorraad / kost van materialen) Aantal dagen leverancierskrediet 365*(handelsschulden / kost van verkopen) Aantal dagen CCC
365*((|40|+|9150|)/|70|) 365*(|3|/(|60/61| + <62> + |630| + <631/4> + <635/7> + |640/8|-|649|)) 365*(|44|/(<60/64> - <71> -|72|-|740|))
Aantal dagen klantenkrediet + aantal dagen [365*((|40|+|9150|)/|70|)] + [365*(|3|/(|60/61|+ <62> +|630|+ voorraad - aantal dagen leverancierskrediet <631/4> + <635/7> + |640/8|-|649|))] - [365*(|44|/|60/61|)] Controlevariabelen Grootte Ln(totaal actief) Groei (Verkopent - verkopent-1)/verkopent-1 Schuldgraad Vreemd vermogen / eigen vermogen Bron: Ooghe & Van Wymeersch, 2008
Ln(|20/58|) (|70|t -|70|t-1)/|70|t-1 (|16|+|17/49|)/<10/15>
iv. Dummyvariabelen Er werd een dummyvariabele ‘crisis’ aangemaakt waarbij de waarde 0 op de nietcrisisperiode 2006 – 2007 slaat en de waarde 1 op de financiële crisis van 2008 en 2009. Bovendien is een dummy ‘sector’ opgenomen. De classificatie hiervoor is gebaseerd op het KMO-rapport (2011) die volgende onderverdeling hanteert op basis van nacebelcodes: automobielsector, bouwnijverheid, communicatie & IT, detailhandel, financiële diensten (met nacebelcode verschillend van 8), gezondheidszorg, groothandel, handelsbemiddeling, horeca, industrie (agro, chemie en vervaardiging hout, ICT, metaal, papier, textiel en voedingsmiddelen), overige industrie, overige persoonlijke diensten, vervoer & logistiek en overige activiteiten (wetenschappelijk onderzoek, kunst, recreatie, entertainment, gokactiviteiten, sport, bibliotheken en andere diensten).
41
6. Resultaten a. Statistische validering: T-test voor verschillen De hypothesen 1a, 2a, 3a en 4a testen we in eerste instantie aan de hand van een T-test voor verschillen. We willen immers nagaan of de financiële crisis van 2008 – 2009 een invloed heeft uitgeoefend op het aantal dagen klantenkrediet, voorraad, leverancierskrediet en de lengte van de CCC in vergelijking met de periode 2006 – 2007. Om dit te onderzoeken vergelijken we vooreerst de gemiddelden van de variabelen in beide perioden. We kijken of enig statistisch verschil bestaat tussen de perioden.
De T-test voor verschillen is geschikt voor twee afhankelijke steekproeven op interval- of rationiveau (De Pelsmacker & Van Kenhove, 2010). Aangezien wij de Belgische KMO’s gedurende twee periodes willen analyseren aan de hand van intervalgeschaalde variabelen, voldoet onze onderzoeksopzet aan de voorwaarden van een T-test voor verschillen. De resultaten zijn samengevat in Tabel 7.
Indien niet specifiek vermeld, testen wij op 5% significantieniveau. Wij testen deze hypothesen vanuit een éénzijdig standpunt aangezien wij een richting vooropstellen in de hypothesen.
Ten eerste analyseren we het aantal dagen klantenkrediet. In hypothese 1a veronderstellen wij een toename hiervan. Met behulp van een T-test voor verschillen constateren wij een gemiddeld aantal dagen klantenkrediet van 85,58 voor 2006 – 2007 en 81,85 voor 2008 – 2009. Dit betekent een daling van bijna 4 dagen gemiddeld. Wij vinden dat deze daling statistisch significant is op het 1% significantieniveau. De p-waarde bedraagt immers 0,000. Hieruit concluderen we dat het niveau van het aantal dagen klantenkrediet statistisch significant gedaald is tijdens de financiële crisis van 2008 – 2009. Wij kunnen hypothese 1a dan ook verwerpen op 1% significantie: het aantal dagen klantenkrediet is niet toegenomen zoals verondersteld, maar gedaald gedurende de financiële crisis van 2008-2009. In het
42
gedeelte omtrent de regressieanalyse gaan we in detail na of de daling gerelateerd is aan de financiële crisis en/of andere variabelen.
Daarnaast vermoeden wij een toename van het aantal dagen voorraad, zoals vooropgesteld in hypothese 2a. Wij vinden een gemiddeld aantal dagen voorraad van 35,41 voor 20062007 en 36,94 voor 2008 – 2009. Dit betekent een stijging van meer dan 1 dag gemiddeld. Deze toename is bovendien statistisch significant op het 1% significantieniveau aangezien na het uitvoeren van de T-test voor verschillen de p-waarde 0,000 bedraagt. De stijging van het aantal dagen voorraad is met andere woorden niet louter aan het toeval toe te schrijven. We aanvaarden dan ook hypothese 2a op 1% significantie. Wij vermoeden dat de financiële crisis hier een aanzienlijke invloed heeft op gehad, wat we verder onderzoeken met een lineaire regressieanalyse.
Ten derde onderzoeken wij in hypothese 3a het niveau van het aantal dagen leverancierskrediet waarbij wij een daling veronderstellen gedurende de financiële crisis van 2008 – 2009. Uit de T-test voor verschillen blijkt het aantal dagen leverancierskrediet voor 2006 – 2007 gelijk te zijn aan 96,59 en voor 2008 – 2009 92,21. Dit betekent een daling van bijna vijf dagen gemiddeld. Deze daling is daarenboven statistisch significant op het 1% significantieniveau met een p-waarde van 0,000. Wij aanvaarden bijgevolg hypothese 3a op 1% significantie. Ook hier vermoeden wij een impact van de financiële crisis op deze significante daling. In het gedeelte omtrent de regressieanalyse gaan we in detail na of de daling toe te schrijven is aan de financiële crisis en/of andere variabelen.
Als laatste onderzoeken we in hypothese 4a de beweging van de lengte van de cash conversion cycle. Wij vermoeden dat deze zal toenemen gedurende de financiële crisis van 2008 – 2009. De cijfers bevestigen ons vermoeden: in 2006 – 2007 was de gemiddelde lengte van de CCC 26,59 dagen en in 2008 – 2009 bedroeg deze 29,30 dagen, een toename van bijna 3 dagen gemiddeld. Uit de T-test voor verschillen blijkt deze toename significant te zijn op het 1% significantieniveau. De p-waarde bedraagt immers 0,000. Hieruit kunnen wij concluderen dat de lengte van de cash conversion cycle significant toegenomen is. Op 1% significantie aanvaarden wij hypothese 4a.
43
Het aantal dagen klantenkrediet, voorraad, leverancierskrediet en de lengte van de CCC blijken significant van elkaar te verschillen in de periode voor de crisis en tijdens de crisis. Deze T-test laat echter niet toe een oorzakelijk verband aan te tonen. Om erachter te komen of de financiële crisis wel degelijk een invloed heeft uitgeoefend op het niveau van de variabelen, onderzoeken wij deze relatie aan de hand van een lineaire regressieanalyse. Tabel 7: Resultaten T-test Verschil aantal dagen klantenkrediet 2006-2007 en 2008-2009 Verschil aantal dagen voorraad 2006-2007 en 2008-2009
Gemiddelde
t
3,736*
8,467
-1,527*
-8,066
Verschil aantal dagen leverancierskrediet 4,378* 2006-2007 en 2008-2009 Verschil aantal dagen CCC -2,708* 2006-2007 en 2008-2009 In deze tabel zijn de resultaten van de t-test voor verschillen weergegeven. Eenzijdige significantie op 1% is weergegeven als *.
6,736 -4,032
b. Regressie: kleinste kwadratenmethode i. Het management van nettobedrijfskapitaal Zoals reeds vermeld onderzoeken wij het a-gedeelte van de hypothesen meer in detail door het uitvoeren van een lineaire regressie. Met deze methode wensen wij de eerste doelstelling van deze masterproef na te gaan met name in hoeverre de financiële crisis van 2008 – 2009 een significante invloed heeft gehad op het niveau van het nettobedrijfskapitaal. Wij creëren daarvoor een dummyvariabele ‘crisis’ die de waarde 0 aanneemt voor observaties in de jaren 2006 en 2007 en de waarde 1 aanneemt voor observaties in de jaren 2008 en 2009. Ook bij de lineaire regressie nemen wij besluiten op het 5% significantieniveau indien niet anders vermeld en werken we met eenzijdige significantie indien een teken voor de coëfficiënt vooropgesteld werd. Er blijken voorts geen problemen van multicollineariteit te zijn: de gebruikte maatstaf variance inflation factor, afgekort VIF, bleek voor elke variabele kleiner te zijn dan 10 waardoor de problematiek van multicollineariteit uitgesloten is (Kutner, 2004).
44
Bovendien hebben we getest voor het fenomeen heteroscedasticiteit aan de hand van de Breusch-Pagan/Cook-Weisberg
test
voor
heteroscedasticiteit
in
het
statistische
verwerkingsprogramma Stata. Voor elke regressievergelijking bleek deze immers significant aanwezig te zijn. Wij maken gebruik van de robuuste standaardfouten om het probleem van heteroscedasticiteit op te vangen. De resultaten van de lineaire regressie zijn terug te vinden in Tabel 8.
Door het uitvoeren van een T-test voor verschillen vinden we een significante daling van het aantal dagen klantenkrediet tijdens de financiële crisis op het 1% significantieniveau. Uit de lineaire regressieanalyse, met R² gelijk aan 0,0784, blijkt de impact van de financiële crisis tevens significant te zijn met een p-waarde van 0,001. Alle andere variabelen constant, daalt het aantal dagen klantenkrediet voor elke Belgische KMO tijdens de financiële crisis van 2008 – 2009 met 3,995 dagen in vergelijking met de periode 2006 – 2007. Daarnaast oefenen een bepaald aantal sectoren waaronder de automobielsector en detailhandel een statistisch negatieve significante invloed uit op het niveau van het aantal dagen klantenkrediet.
Het aantal dagen voorraad verschilt significant tussen de perioden 2006 – 2007 en 2008 – 2009 zoals bleek uit de T-test voor verschillen. Met behulp van de lineaire regressie, waarbij het model een R² van 0,1649 heeft, kunnen we besluiten dat de financiële crisis echter geen statistisch significante invloed uitoefent op het niveau van het aantal dagen voorraad. De dummyvariabele ‘crisis’ heeft immers een p-waarde van 0,154 wat te groot is om op 5% of 10% significantieniveau van een statistisch significante invloed te spreken.
Ook het aantal dagen leverancierskrediet verschilt significant tussen de perioden 2006 – 2007 en 2008 – 2009 zoals bleek uit de T-test voor verschillen. Uit de lineaire regressieanalyse waarbij het model een R² van 0,0554 bedraagt, leiden we eveneens af dat de financiële crisis een statistisch significante invloed uitoefent op het aantal dagen leverancierskrediet (p-waarde = 0,015). Belgische KMO’s kennen tijdens de financiële crisis een daling van het aantal dagen leverancierskrediet met 3,637 dagen, alle andere variabelen constant. Ook hier blijft de negatieve statistische significantie van een aantal sectoren waaronder de automobielsector en de detailhandel niet onopgemerkt. 45
Ten laatste bekijken we de financiële crisis en andere variabelen in relatie tot de lengte van de cash conversion cycle. Uit de T-test voor verschillen concluderen we dat de toename van de lengte statistisch significant is. Maar uit de lineaire regressieanalyse leiden we af dat de financiële crisis geen statistisch significante invloed heeft op de lengte van de cash conversion cycle. De R² van het model bedraagt 0,0557. De p-waarde van 0,325 levert het bewijs van een uitblijvende impact op het 5% significantieniveau. De financiële crisis is met andere woorden geen bepalende factor voor de lengte van de cash conversion cycle bij Belgische KMO’s.
Met betrekking tot de significantie van de controlevariabelen kunnen we volgende conclusies trekken. Bij hypothese 1a zien we dat ‘grootte’ naast ‘crisis’ ook een significante impact heeft op 1% significantieniveau op het niveau van het aantal dagen klantenkrediet. De resultaten van hypothese 2a stellen dat ‘grootte’ en ‘leeftijd’ beide op 1% significantieniveau een significante impact hebben op het aantal dagen voorraad. Bij hypothese 3a hebben naast ‘crisis’ ook de controlevariabelen ‘grootte’, ‘leeftijd’ en ‘schuldgraad’ een significante invloed op respectievelijk 1%, 1% en 5% significantieniveau op het niveau van het aantal dagen leverancierskrediet. De resultaten van hypothese 4a tonen dat opnieuw de controlevariabelen ‘grootte’, ‘leeftijd’ en ‘schuldgraad’ op dezelfde significantieniveaus als bij hypothese 3a significant zijn voor de lengte van de cash conversion cycle.
Met betrekking tot de tekens van de coëfficiënten van de controlevariabelen kunnen we stellen dat ‘grootte’ in hypothese 1a, 2a, 3a en 4a een positief teken heeft. Dit betekent dat, alle andere variabelen constant, bedrijven die een eenheid groter zijn een hoger aantal dagen klantenkrediet, voorraad en leverancierskrediet en een langere cash conversion cycle hebben. De controlevariabele ‘leeftijd’ heeft eveneens een positief teken in hypothese 1a, 2a en 4a, maar een negatief teken in hypothese 3a. Alle andere variabelen constant, hebben bedrijven die een eenheid groter zijn een hoger aantal dagen klantenkrediet en voorraad, een langere cash conversion cycle en een lager aantal dagen leverancierskrediet. De controlevariabele ‘schuldgraad’ is negatief in hypothese 1a en 4a en positief in hypothese 2a en 3a. De controlevariabele ‘groei’ is negatief in hypothese 1a en 3a en positief in hypothese 2a en 4a. De interpretatie is gelijkaardig aan de controlevariabelen ‘grootte’ en ‘leeftijd’. 46
47
+
+/-
+/-
+/-
+/-
Crisis
Grootte
Leeftijd
Schuldgraad
Groei
21920
Observaties
+/-
+/-
+/-
+/-
+
+/-
21920
0,1649
ja
-76,695* (-24,75) 0,670 (1,02) 9,101* (28,15) 3,126* (6,54) 0,001 (0,35) 0,045 (0,67)
Aantal dagen VRD Verwacht teken Hyp.2
+/-
+/-
+/-
+/-
-
+/-
21920
0,0554
ja
104,052* (10,00) -3,637** (-2,16) 3,222* (3,27) -6,563* (-4,98) 0,032** (2,33) -0,001 (-0,02)
Aantal dagen LK Verwacht teken Hyp.3
+/-
+/-
+/-
+/-
+
+/-
21920
0,0557
ja
-124,554* (-11,56) 0,811 (0,45) 10,175* (10,06) 10,434* (7,29) -0,030** (-2,43) 0,046 (0,52)
Aantal dagen CCC Verwacht teken Hyp.4
In deze tabel zijn de geschatte coëfficiënten weergegeven, de t-statistiek is gerapporteerd tussen haakjes. Vetgedrukte coëfficiënten met aanduiding *, **, *** duiden op een eenzijdige significantie op respectievelijk 1%, 5% en 10%. Niet-vetgedrukte coëfficiënten met aanduiding *, **, *** duiden op een tweezijdige significantie op respectievelijk 1%, 5% en 10%.
0,0784
ja
61,830* (9,14) -3,995* (-3,47) 3,639* (6,04) 0,472 (0,51) -0,001 (-0,07) -0,025 (-0,75)
Adjusted R²
Industrie-dummy
+/-
Constante
Variabelen
Aantal dagen KK Verwacht teken Hyp.1
Tabel 8: Regressieresultaten invloed van de crisis op CCC en zijn componenten
ii. Effect op de winstgevendheid De tweede doelstelling van deze masterproef is te achterhalen of het management van het nettobedrijfskapitaal een meer uitgesproken relatie vertoont met de winstgevendheid tijdens de financiële crisis van 2008 – 2009. Met behulp van de regressievergelijkingen voor het b-gedeelte van de hypothesen onderzoeken we de potentiële invloed van de financiële crisis. Hiervoor voerden wij een lineaire regressie uit aan de hand van de kleinste kwadratenmethode. De resultaten hiervan zijn terug te vinden in Tabel 9.
Bovendien hebben we getest op het fenomeen heteroscedasticteit met behulp van de Breusch-Pagan/Cook-Weisberg
test
voor
heteroscedasticiteit
in
het
statistische
verwerkingsprogramma Stata. Voor elke regressievergelijking bleek dit immers significant aanwezig te zijn. Om het probleem van heteroscedasticiteit op te lossen maken we gebruik van robuuste standaardfouten.
We interpreteren de resultaten ook hier op het 5% significantieniveau indien niet specifiek vermeld en werken we met eenzijdige significantie indien een teken voor de coëfficiënt vooropgesteld werd. In het bijzonder leggen we de focus op de interpretatie van de onafhankelijke variabelen (het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte van de cash conversion cycle), de dummyvariabele ‘crisis’ (met waarde 0 voor de jaren 2006 – 2007 en waarde 1 voor de jaren 2008 – 2009) en de interactievariabelen. We zijn immers geïnteresseerd in een potentieel verschil tussen de periode voor de financiële crisis en de financiële crisis zelf voor wat betreft de invloed van het nettobedrijfskapitaal op de winstgevendheid. Daartoe creëren we de interactievariabelen tussen enerzijds de dummyvariabele ‘crisis’ en anderzijds de onafhankelijke variabelen. De afhankelijke variabele bruto operationele winst werd vermenigvuldigd met 100 opdat de coëfficiënt dan als een percentage te interpreteren valt. Er blijken voorts geen problemen van multicollineariteit te zijn: de gebruikte maatstaf variance inflation factor, afgekort VIF, bleek voor elke variabele kleiner te zijn dan 10 waardoor de problematiek van multicollineariteit uitgesloten is (Kutner, 2004).
48
Om te beginnen bespreken we het aantal dagen klantenkrediet in relatie tot de winstgevendheid. In hypothese 1b veronderstellen wij dat een bijkomende dag klantenkrediet tijdens de financiële crisis de winstgevendheid meer doet dalen dan tijdens de niet-crisisperiode. Uit de lineaire regressie halen wij volgende resultaten: het model heeft een R² van 0,0449. Het aantal dagen klantenkrediet en de dummyvariabele crisis zijn significant op 1% met een p-waarde van 0,000 maar de interactie van beiden is niet significant. De coëfficiënt van het aantal dagen klantenkrediet is -0,026. Alle andere variabelen constant gehouden zal de winstgevendheid met 0,026% dalen indien één extra dag klantenkrediet verstrekt wordt. De negatieve relatie tussen het aantal dagen klantenkrediet en de winstgevendheid is met andere woorden bevestigd.
De
dummyvariabele ‘crisis’ heeft daarentegen een coëfficiënt van -3,027. Belgische KMO’s zien hun winst tijdens de financiële crisis met 3,027% dalen ten opzichte van de nietcrisisperiode, alle andere variabelen constant. Met een p-waarde van 0,264 haalt de interactievariabele het gewenste significantieniveau niet. Er is met andere woorden geen significant verschil tussen de financiële crisis en de niet-crisisperiode voor wat betreft de invloed van een extra dag klantenkrediet op de winstgevendheid. Wij verwerpen hypothese 1b dan ook op 5% significantie.
Ten tweede onderzoeken we of de relatie tussen de winstgevendheid en het aantal dagen voorraad tijdens de financiële crisis voor Belgische KMO’s meer uitgesproken negatief was dan tijdens de niet-crisisperiode. Het model heeft een R² van 0,0296. Het aantal dagen voorraad en de dummyvariabele ‘crisis’ zijn significant met een respectievelijke p-waarde van 0,003 en 0,000. De interactievariabele is tevens significant met een p-waarde van 0,012. De coëfficiënt van het aantal dagen voorraad is -0,007. Alle andere variabelen constant zal een bijkomende dag voorraad de winstgevendheid met 0,007% reduceren. De negatieve relatie tussen het aantal dagen voorraad en de winstgevendheid is met andere woorden bevestigd. De economische relevantie blijft echter beperkt. De coëfficiënt van de dummyvariabele ‘crisis’ is hier -3,012. Immers, alle andere variabelen constant ondervinden de ondernemingen een daling van hun winstgevendheid met 3,012% tijdens de periode van de financiële crisis ten opzicht van de niet-crisisperiode. Onze interesse gaat voornamelijk naar het interactie-effect. De coëfficiënt is echter positief en duidt bijgevolg op een verzwakking van de negatieve hoofdeffecten. Ondernemingen zien hun winst minder 49
uitgesproken afnemen wanneer het aantal dagen voorraad met één toeneemt tijdens de financiële crisis in vergelijking met de niet-crisisperiode. Dit verzwakkende effect hadden we niet verondersteld in hypothese 2b. De invloed van het aantal dagen voorraad op de winstgevendheid tijdens de financiële crisis is met andere woorden significant verschillend van de niet-crisisperiode.
De analyse van het aantal dagen leverancierskrediet levert de volgende resultaten op. Wij veronderstellen in hypothese 3b dat een bijkomende dag investering in leverancierskrediet de winstgevendheid nog meer doet dalen gedurende de financiële crisis ten opzichte van de niet-crisisperiode. Uit de resultaten van de lineaire regressie kunnen we het volgende besluiten: het model heeft een R² van 0,0352. Het aantal dagen leverancierskrediet en de dummyvariabele ‘crisis’ zijn met een p-waarde van 0,000 statistisch significant. De coëfficiënt van het aantal dagen leverancierskrediet is -0,011. Een bijkomende dag investering in leverancierskrediet beïnvloedt de winstgevendheid op een negatieve manier: een daling van 0,011%, alle andere variabelen constant. De negatieve relatie tussen het aantal dagen leverancierskrediet en de winstgevendheid is met andere woorden bevestigd. De coëfficiënt van de variabele ‘crisis’ is -2,827. Tijdens de financiële crisis ondervindt elke Belgische KMO een daling van de winstgevendheid van bijna 3 procent, alle andere variabelen constant. De interactievariabele is daarentegen niet statistisch significant met een p-waarde van 0,431. We kunnen met andere woorden geen conclusies trekken over een significant verschil tussen de financiële crisis en de niet-crisisperiode omtrent de relatie tussen het aantal dagen leverancierskrediet en de winstgevendheid. Hypothese 3b dienen we aldus te verwerpen op 5% significantie.
Als laatste bespreken we de cash conversion cycle. In hypothese 4b veronderstellen we dat de daling van de winstgevendheid voor een bijkomende dag cash conversion cycle tijdens de financiële crisis sterker is dan tijdens de niet-crisisperiode. De resultaten van de lineaire regressie zijn als volgt: het model heeft een R² van 0,0300. De onafhankelijke variabele ‘cash conversion cycle’ is significant op het 5% significantieniveau, met een p-waarde van 0,005. De coëfficiënt van de variabele heeft een waarde van -0,004. alle andere variabelen constant leidt een extra dag cash conversion cycle tot een afname van de winst met 0,004%. De negatieve relatie tussen de lengte van de cash conversion cycle en de winstgevendheid is 50
met andere woorden bevestigd maar de economisch relevantie is echter beperkt. De dummyvariabele ‘crisis’ is tevens significant maar dan wel op het 5% significantieniveau met een p-waarde van 0,000. De coëfficiënt is -2,791 wat betekent dat Belgische KMO’s tijdens de financiële crisis de winst met bijna 3% zagen dalen ten opzichte van de niet-crisisperiode. De interactieterm is daarentegen niet significant (p-waarde = 0,252). We kunnen aldus geen statistisch significante conclusies trekken met betrekking tot het effect van de cash conversion cycle op de winstgevendheid gedurende de financiële crisis. We verwerpen hypothese 4b dan ook op 5% significantie.
Naast de bespreking van de onafhankelijke variabelen, de dummyvariabele ‘crisis’ en de interactievariabele, interpreteren we nog even kort de controlevariabelen. Voor elke regressierechte blijken de controlevariabelen ‘grootte’ en ‘groei’ eenzijdig significant te zijn op respectievelijk 1% en 5% significantieniveau. De coëfficiënten van ‘grootte’ hebben elk een positief teken wat duidt op een positieve relatie: alle andere variabelen constant, ondervinden ondernemingen die één eenheid groter zijn een stijging van de winstgevendheid. Dit hadden we ook voorspeld. De coëfficiënten van ‘groei’ zijn , zoals vooropgesteld, negatief. Met alle andere variabelen constant ondervinden ondernemingen die één eenheid meer groei kennen, een daling van de winstgevendheid. Voor de regressie met het aantal dagen klantenkrediet, het aantal voorraad en de lengte van de cash conversion cycle is de schuldgraad eenzijdig significant op 10% significantieniveau. Bovendien hebben de coëfficiënten een negatief teken, zoals verwacht. De controlevariabele ‘leeftijd’ is bij geen enkele regressie significant. Het positieve teken van de coëfficiënten is opnieuw zoals vooropgesteld.
Daarnaast zijn ook alle sectoren telkens statistisch significant op 5% significantie op drie uitzonderingen na1: de automobielsector, de horeca en de overige persoonlijke diensten.
1
De interpretatie van de sectordummy’s dient te gebeuren ten opzicht van de sector ‘overige activiteiten’ waarvoor geen dummyvariabele werd gecreëerd.
51
52
-
Crisis
-3,027* -3,012* -2,827* (-8,94) (-10,28) (-9,95) Grootte + 1,215* 1,153* 1,157* (8,78) (8,19) (8,33) Leeftijd + 0,185 0,185 0,103 (1,02) (1,02) (0,57) Schuldgraad -0,002*** -0,002*** -0,001 (-1,37) (-1,36) (-1,11) Groei -0,013** -0,013** -0,012** (-2,24) (-2,10) (-2,04) Industrie-dummy ja ja ja Adjusted R² 0,0449 0,0296 0,0352 Observaties 21920 21920 21920 In deze tabel zijn de geschatte coëfficiënten weergegeven, de t-statistiek is gerapporteerd tussen haakjes. Coëfficiënten met aanduiding *, **, *** duiden op een eenzijdige significantie op respectievelijk 1%, 5% en 10%.
+
Aantal dagen CCC*Crisis
Tabel 9: Regressieresultaten invloed van de crisis en KK, VRD, LK, CCC op winstgevendheid Bruto-operationeel resultaat Variabelen Verwacht teken Hypothese 1 Hypothese 2 Hypothese 3 Constante +/-12,140* -13,900* -12,661* (-7,15) (-8,19) (-7,52) Aantal dagen klantenkrediet -0,026* (-11,28) Aantal dagen klantenkrediet*Crisis + 0,002 (0,63) Aantal dagen voorraad -0,007* (-3,00) Aantal dagen voorraad*Crisis + 0,007** (2,27) Aantal dagen leverancierskrediet -0,011* (-8,84) Aantal dagen leverancierskrediet*Crisis + 0,000 (0,17) Aantal dagen CCC -0,004* (-2,81) 0,001 (0,67) -2,791* (-11,90) 1,154* (8,32) 0,206 (1,13) -0,002*** (-1,45) -0,012** (-2,08) ja 0,0300 21920
Hypothese 4 -14,142* (-8,38)
c. Controleanalyse In bovenstaande paragraaf b. Regressie: kleinste kwadratenmethode hebben we gebruik gemaakt van de meest toegepaste lineaire regressiemethode, namelijk de methode van de kleinste kwadraten. Om te verifiëren of de bekomen resultaten robuust zijn en om potentiële inconsistenties bloot te leggen, voeren we in deze paragraaf een tweetal controles uit. Vooreerst voegen we een aantal controlevariabelen toe aan de regressievergelijkingen. Vervolgens testen we de hypothesen van het b-gedeelte door gebruik te maken van een andere definiëring van de afhankelijke variabele winstgevendheid. We hebben de tabellen met resultaten niet opgenomen in dit werkstuk, de resultaten worden hierna echter wel kort samengevat.
Uit het literatuuronderzoek blijkt dat de controlevariabelen ‘grootte’, ‘groei’, ‘schuldgraad’ en ‘leeftijd’ het meest voorkomen in verwante onderzoeken. Maar daarnaast vonden wij een aantal controlevariabelen terug die bijkomende verklarende kracht in zich kunnen hebben. Zo werken Shin & Soenen (1998), Lazaridis & Tryfonidis (2006), Raheman & Nasr (2007), Baños-Caballero et al. (2011) en Sharma & Kumar (2011) met de controlevariabele van de schuldgraad gedefinieerd als de totale schuld gedeeld door het totaal van de activa. Deloof (2003) en Raheman & Nasr (2007) betrekken er tevens de financieel vaste activa bij door de controlevariabele financieel vaste activa gedeeld door het totaal van de activa op te nemen. Shin & Soenen (1998) en Sharma & Kumar (2011) nemen bovendien een liquiditeitsratio op, namelijk de current ratio.
Wanneer wij deze drie extra controlevariabelen opnemen in de regressievergelijkingen 1.1, 1.2, 1.3 en 1.4 bekomen wij analoge resultaten op 5% significantieniveau. Wij zien een significante invloed van de financiële crisis op het aantal dagen klantenkrediet en het aantal dagen leverancierskrediet. Belgische KMO’s zien tijdens de financiële crisis hun aantal dagen klantenkrediet met ongeveer 4 afnemen ten opzichte van de periode 2006 – 2007, en het aantal dagen leverancierskrediet met ongeveer 3 ten opzichte van de periode 2006 – 2007, alle andere variabelen constant. De bijkomende controlevariabelen hebben bovendien alle drie een statistisch significante invloed op het aantal dagen klantenkrediet en het aantal dagen leverancierskrediet met uitzondering van de current ratio bij het aantal dagen 53
leverancierskrediet die op 10% significant is. Voor het aantal dagen voorraad en de lengte van de cash conversion cycle speelt de crisis geen statistisch significante rol. Doch hebben ook hier de extra controlevariabelen een statistisch significante invloed op 5%.
Wij voegen deze extra controlevariabelen tevens toe in de regressievergelijkingen 1.5, 1.6, 1.7 en 1.8 waarbij de relatie tussen de winstgevendheid van de Belgische KMO’s en het nettobedrijfskapitaal getest wordt. Ook hier zijn de resultaten analoog aan de oorspronkelijke regressieanalyse wat betreft de significantie van de crisis, de onafhankelijke variabele en het interactie-effect.
De winstgevendheid wordt negatief beïnvloed tijdens de financiële crisis ten opzichte van de niet-crisisperiode 2006 – 2007, en dit in elke regressievergelijking. Deze invloed is bovendien statistisch significant op 5%. De onafhankelijke variabelen ‘aantal dagen klantenkrediet’, ‘aantal dagen voorraad’, ‘aantal dagen leverancierskrediet’ en de ‘lengte van de cash conversion cycle’ hebben tevens een significante negatieve invloed op de winstgevendheid. Een toename in de onafhankelijke variabele
resulteert aldus in een afname van de
winstgevendheid.
Het interactie-effect van de crisis met de onafhankelijke variabele ‘aantal dagen voorraad’ is significant op 5% significantie. De coëfficiënt heeft echter een positief teken wat duidt op een verzachtend effect: Belgische KMO’s die tijdens de financiële crisis het aantal dagen voorraad met één dag verlengen, zien de winstgevendheid minder uitgesproken dalen in vergelijking met de niet-crisisperiode. De interactie-effecten van de crisis met de andere onafhankelijke variabelen, namelijk ‘aantal dagen klantenkrediet’, ‘aantal dagen leverancierskrediet’ en ‘lengte van de cash conversion cycle’, zijn echter niet significant op het 5% significantieniveau. De extra controlevariabelen zijn alle drie telkens significant, voor hypothese 1b, 2b en 3b behalve de current ratio bij hypothese 1b. Voor hypothese 4b heeft geen enkele van de extra controlevariabelen een significante invloed.
Een tweede manier om de robuustheid van onze resultaten te verifiëren is het nemen van een andere afhankelijke variabele om de winstgevendheid te meten in vergelijkingen 1.5, 1.6, 1.7 en 1.8. Wij kiezen voor de alternatieve maatstaf ‘rendabiliteit van het totale 54
vermogen’ (Ooghe & Van Wymeersch, 2008). De Engelse term hiervoor luidt ‘return on assets’, afgekort ROA, maar wij kiezen ervoor de Engelse benaming te blijven gebruiken voor de bespreking van de resultaten. De variabele is berekend als de nettowinst gedeeld door het totaal van de activa. De resultaten worden analoog geïnterpreteerd op het 5% significantieniveau.
Ten eerste bekijken we de relatie tussen de winstgevendheid en het aantal dagen klantenkrediet tijdens de financiële crisis. Wij bemerken een significante negatieve relatie tussen enerzijds het aantal dagen klantenkrediet en de financiële crisis en anderzijds de winstgevendheid. Deze resultaten zijn in overeenstemming met de eerder uitgevoerde regressieanalyse. Het interactie-effect is, in tegenstelling tot eerder gevonden resultaten, significant maar verzwakt de hoofdeffecten: de winstgevendheid zakt 0,003% minder tijdens de financiële crisis in vergelijking met de periode 2006 – 2007 indien de Belgische KMO’s het aantal dagen klantenkrediet met één dag vermeerderen. De negatieve relatie tussen het aantal dagen klantenkrediet en de winstgevendheid van de Belgische KMO’s is tijdens de financiële crisis aldus minder uitgesproken.
De conclusies voor het aantal dagen voorraad en het aantal dagen leverancierskrediet verlopen gelijkaardig. We bemerken een significante negatieve relatie tussen enerzijds het aantal dagen voorraad, respectievelijk het aantal dagen leverancierskrediet, en de financiële crisis en anderzijds de winstgevendheid. Deze resultaten zijn in overeenstemming met de eerder uitgevoerde regressieanalyse. De interactie-effecten zijn daarentegen niet significant op het 5% significantieniveau. Het interactie-effect van de crisis met het aantal dagen voorraad is echter wel significant op 10%. Het teken van de coëfficiënt is echter positief en doet tevens een verzwakkend effect vermoeden. Ook deze resultaten liggen in de lijn van de eerder uitgevoerde regressieanalyse.
Voor de cash conversion cycle zien wij enkel een significante invloed uitgaan van de financiële crisis op de winstgevendheid van de Belgische KMO’s. De relatie tussen de variabelen is daarbij negatief, in overeenstemming met de reeds eerder uitgevoerde regressieanalyse. De invloed van de lengte van de cash conversion cycle en van het interactie-effect is echter niet significant. 55
Om de controleanalyse te vervolledigen kijken we of de toevoeging van de drie extra controlevariabelen aan de regressievergelijkingen met als afhankelijke variabele de return on assets de resultaten beïnvloedt. Enkel de current ratio blijkt in de vier regressievergelijkingen geen significante invloed uit te oefenen op de winstgevendheid. Bovendien wordt de onafhankelijke variabele ‘lengte van de cash conversion cycle’ wel significant en blijkt tevens een negatieve invloed te hebben op de return on assets.
Uit de controleanalyse blijkt dat de resultaten, op een aantal uitzonderingen na, quasi volledig overeenstemmen met de oorspronkelijke regressieanalyse. Door het toevoegen van de extra controlevariabelen aan de oorspronkelijke regressievergelijkingen bekomen wij analoge resultaten. Door het nemen van een andere definitie voor de winstgevendheid als afhankelijke variabele bekomen we niet alleen significantie voor het interactie-effect van de financiële crisis en ‘aantal dagen voorraad’ maar ook voor het interactie-effect van de financiële crisis en ‘aantal dagen klantenkrediet’. De waarde van deze extra significantie is echter beperkt. We besluiten dan ook dat de resultaten van het onderzoek de controleanalyse overleven en robuust zijn.
56
7. Beperkingen en suggesties voor verder onderzoek Na de uitvoering van het onderzoek zijn we ons bewust van een aantal limitaties die verbonden zijn aan deze studie. De regressieanalyse is toegepast aan de hand van een lineaire regressie met gebruik van de kleinste kwadratenmethode. Onze data zijn echter longitudinaal: we bekijken eenzelfde KMO gedurende vier opeenvolgende jaren. Het onderzoek voldoet aldus niet aan de voorwaarde van ongecorreleerde fouttermen voor het gebruik van deze methode. Desondanks kozen we ervoor de kleinste kwadratenmethode toe te passen aangezien de data betrekking hebben op amper vier jaar wat relatief gezien een korte periode is voor longitudinaal onderzoek (deskundig advies van Prof. dr. Vander Bauwhede, 15/02/2013, Gent).
Bovendien is de dataset van Belgische KMO’s volgens de Europese definitie nog eens beperkt tot de bedrijven die rapporteren volgens het volledige schema omwille van de nood aan data omtrent omzet als maatstaf voor winstgevendheid. Daarnaast zijn enkel de bedrijven met beschikbare data voor de vijf opeenvolgende jaren 2005 – 2009 behouden. Data omtrent het jaar 2005 was nodig om de maatstaf [(omzet t1-omzett0)/omzett0] voor de controlevariabele groei te kunnen berekenen. Hierdoor hebben we bedrijven die failliet gingen in deze periode niet in overweging genomen, wat onze resultaten had kunnen beïnvloeden.
Als laatste limitatie halen we de beperkt verklarende kracht van de gebruikte modellen aan, gemeten aan de hand van de determinatiecoëfficiënt R². Deze ligt laag, wat niet in lijn ligt met bestaande literatuur (Kestens et al., 2011).
De doelstelling van deze masterproef is te achterhalen of de financiële crisis van 2008 – 2009 een invloed uitgeoefend heeft op het management van nettobedrijfskapitaal met gevolgen voor de winstgevendheid die afwijken van een niet-crisisperiode. Wij verwachtten daarbij een
meer
uitgesproken
negatieve
relatie
tussen
de
winstgevendheid
en
het
nettobedrijfskapitaal tijdens de financiële crisis. Maar dit effect blijkt niet te bestaan: de gevolgen voor de winstgevendheid verschillen niet significant tussen de niet-crisisperiode en 57
de crisisperiode, met uitzondering voor het aantal dagen voorraad. Vermoedelijk kan dit verklaard worden door de korte tijdspanne van vier jaar die in het onderzoek is opgenomen. We willen dan ook een aantal suggesties doen voor verder onderzoek.
Ten eerste zou het interessant zijn om de crisisperiode uit te breiden aangezien vele gevolgen pas na 2009 zichtbaar werden (www.unizo.be, geraadpleegd op 10/04/2013). Daarbij zou het onderzoeksdomein dan uitgebreid worden tot de wereldwijde economische crisis. Hierdoor verwachten we wel degelijk een invloed te zien uitgaan van het nettobedrijfskapitaal op de winstgevendheid gedurende de crisis.
Ten tweede kan het nuttig zijn om een mogelijke concave relatie bij Belgische KMO’s na te gaan tijdens de crisisperiode in de plaats van een lineaire relatie tussen enerzijds de cash conversion cycle en zijn componenten en anderzijds de winstgevendheid. Dit hebben we afgeleid uit de recente paper van Baños-Caballero et al. (2011) die een concave relatie bewijst tussen de lengte van de cash conversion cycle en de winstgevendheid bij Spaanse KMO’s tijdens niet-crisisperiode.
Ten derde doen we de suggestie om bij verder onderzoek rekening te houden met bedrijven die failliet gegaan zijn gedurende de onderzochte periode.
58
8. Conclusie De doelstelling van deze masterproef is te achterhalen of de financiële crisis van 2008 – 2009 een invloed heeft gehad op het management van het nettobedrijfskapitaal bij Belgische KMO’s met gevolgen voor de winstgevendheid die afwijken van een niet-crisisperiode. Hierbij definieerden wij de jaren 2006 en 2007 als niet-crisisperiode.
Aan de hand van twee soorten hypothesen streven we de doelstelling van deze masterproef na. In het eerste gedeelte, deel a, van de hypothesen geven we een antwoord op de vraag of het beheer van het nettobedrijfskapitaal tijdens de financiële crisis significant verschilt van de niet-crisisperiode 2006 – 2007. In het tweede gedeelte, deel b, van de hypothesen gaan we na of dit beheer tijdens de financiële crisis gevolgen heeft voor de winstgevendheid die anders zijn dan de gevolgen tijdens de niet-crisisperiode. Wij onderzoeken zowel de afzonderlijke componenten van het nettobedrijfskapitaal, namelijk het aantal dagen klantenkrediet, het aantal dagen voorraad en het aantal dagen leverancierskrediet, als de variabele die het management van nettobedrijfskapitaal in zijn geheel meet, namelijk de lengte van de cash conversion cycle.
Wij
veronderstellen
een
conservatief
beleid
aangaande
het
management
van
nettobedrijfskapitaal tijdens de financiële crisis. Veel investeren in nettobedrijfskapitaal verkleint immers de operationele risico’s aanzienlijk (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010). Concreet verwachten wij een toename van het aantal dagen klantenkrediet en van het aantal dagen voorraad, een afname van het aantal dagen leverancierskrediet en een toename van de lengte van de cash conversion cycle. Deze veronderstellingen worden onderzocht in respectievelijk hypothese 1a, 2a, 3a en 4a.
Na het uitvoeren van een T-test voor verschillen vonden wij bevestiging voor hypothese 2a, 3a en 4a. Tijdens de financiële crisis van 2008 – 2009 is het aantal dagen voorraad significant toegenomen, het aantal dagen leverancierskrediet significant afgenomen en de lengte van de cash conversion cycle eveneens significant toegenomen. Hypothese 1a dienen we echter 59
te verwerpen: het aantal dagen klantenkrediet is significant afgenomen, tegen onze verwachtingen in. Om de analyse compleet te maken en de invloed van de financiële crisis op het niveau van de variabelen na te gaan, voerden we een lineaire regressieanalyse uit. Hieruit blijkt de invloed van de financiële crisis enkel significant te zijn voor het aantal dagen klantenkrediet en het aantal dagen leverancierskrediet. Het aantal dagen klantenkrediet neemt significant af. KMO’s geven minder betalingsuitstel aan hun klanten. Door de financiële crisis worden handelstransacties immers risicovoller: de kans op wanbetaling stijgt. Een mogelijke verklaring voor de negatieve relatie zou kunnen zijn dat KMO’s hun klanten aansporen sneller te betalen zodat ze sneller over cash inflow beschikken en zekerheid verwerven omtrent de kredietwaardigheid van de klanten. Het aantal dagen leverancierskrediet is tevens significant afgenomen tijdens de financiële crisis. Leverancierskrediet is immers een zeer dure vorm van krediet. In financiële crisistijden worden de KMO’s aldus aangezet tot het onmiddellijk betalen van hun uitstaande facturen waardoor optimaal kan genoten worden van de voorziene kortingen. Uit de lineaire regressieanalyse blijkt de invloed van de financiële crisis op het aantal dagen voorraad en de lengte van de cash conversion cycle niet significant te zijn. Beide variabelen zijn weliswaar significant toegenomen tijdens de financiële crisis maar de oorzaak van die toename moet elders gezocht worden. Dit is een mogelijke nieuwe onderzoekspiste voor verder onderzoek. We vinden dus geen significant bewijs voor een conservatieve aanpak in tijden van crisis.
Het tweede luik van deze masterproef onderzoekt de relatie van het nettobedrijfskapitaal met de winstgevendheid van de Belgische KMO’s. Concreet verwachten wij de reeds aangetoonde negatieve relaties tussen enerzijds de winstgevendheid en anderzijds het aantal
dagen
klantenkrediet,
het
aantal
dagen
voorraad,
het
aantal
dagen
leverancierskrediet en de lengte van de cash conversion cycle terug te vinden tijdens de financiële crisis van 2008 – 2009, maar meer uitgesproken.
In tegenstelling tot onze veronderstellingen vinden wij deze meer uitgesproken negatieve relaties niet terug. Uit de lineaire regressieanalyse blijkt de financiële crisis de winstgevendheid negatief te beïnvloeden. Evenals de onafhankelijke variabelen ‘aantal dagen klantenkrediet’, ‘aantal dagen voorraad’, ‘aantal dagen leverancierskrediet’ en ‘lengte van de cash conversion cycle’. Deze resultaten liggen in de lijn van reeds eerder gepubliceerd 60
onderzoek. De interactie van deze twee hoofdeffecten, namelijk de financiële crisis en de componenten van nettobedrijfskapitaal inclusief de cash conversion cycle, speelt echter geen significante rol. Tijdens de financiële crisis blijkt de winstgevendheid niet meer dan tijdens de niet-crisisperiode aangetast te worden door een bijkomende dag klantenkrediet, een bijkomende dag voorraad, een bijkomende dag leverancierskrediet of een bijkomende dag cash conversion cycle. Enkel voor het aantal dagen voorraad kunnen we op 5% significantieniveau besluiten dat er een significant verschil bestaat tussen de nietcrisisperiode en de financiële crisis van 2008 – 2009 met betrekking tot het effect van het aantal dagen voorraad op de winstgevendheid van Belgische KMO’s: in tegenstelling tot onze veronderstellingen blijkt de negatieve relatie tussen het aantal dagen klantenkrediet en de winstgevendheid minder uitgesproken negatief te zijn tijdens de financiële crisis. Dit kan verklaard worden doordat de KMO’s voor de crisis financiële buffers aangelegd hebben en deze tijdens de crisis kunnen aanwenden voor het beheren van de voorraadkosten.
Uit dit onderzoek kunnen we aldus besluiten dat het management van het nettobedrijfskapitaal bij Belgische KMO’s tijdens de financiële crisis aangepast werd. De crisis had echter alleen een significante invloed op het aantal dagen klantenkrediet en het aantal dagen leverancierskrediet die beiden afnamen. In tegenstelling tot wat we veronderstelden, wordt de winstgevendheid van de Belgische KMO’s tijdens de financiële crisis niet meer uitgesproken aangetast dan tijdens de niet-crisisperiode 2006 – 2007 door eenzelfde wijziging in het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte van de cash conversion cycle. Er is met andere woorden geen bewijs van een meer uitgesproken negatieve relatie tijdens de financiële crisis. Voor het aantal dagen voorraad nemen we daarentegen een verzachtend effect waar.
De beperkingen van deze masterproef zijn de strenge voorwaarden die gesteld zijn aan de dataset, het niet voldoen aan de voorwaarde van ongecorreleerde fouttermen bij gebruik van de kleinste kwadratenmethode en de relatief kleine onderzoeksperiode. We willen daarom als suggestie voor verder onderzoek aanhalen om de tijdspanne van de financiële crisis verder uit te breiden en een mogelijke concave relatie te onderzoeken omtrent het effect van de financiële crisis op het gebruik van nettobedrijfskapitaal en zijn impact op de winstgevendheid van de Belgische KMO’s. 61
9. Referenties Al-Mwalla, M. (2012). The impact of working capital management policies on firm’s profitability and value: The case of Jordan. International Research Journal of Finance and Economics, nr. 85, p. 147.
Arnold, G. (2008). Corporate financial management. Harlow: Pearson Education Limited.
Attari, M. A., en Raza, K. (2012). The optimal relationship of cash conversion cycle with firm size and profitability. International Journal of Academic Research in Business and Social Sciences, vol. 2, nr. 4, pp. 189-203.
Baños-Caballero, S., García-Teruel, P. J., en Martínez-Solano, P. (2011). How does working capital management affect the profitability of Spanish SMEs? Small Business Economics, vol. 39, nr. 2, pp. 517-529.
Baños-Caballero, S., Garcia-Teruel, P. J. en Martínez-Solano, P. (2010). Working capital management in SMEs. Accounting and Finance, vol. 50, nr. 3, pp. 511-527.
Besley, S., en Brigham, E. F. (2008). Essentials of managerial finance. Mason, Ohio: Thomson One.
Biais, B., en Gollier, C. (1997). Trade credit and credit rationing. The Review of Financial Studies, vol. 10 (winter), nr. 4, pp. 903-937.
Bhunia, A., en Das, A. (2012). Affiliation between working capital management and profitability. Interdisciplinary Journal of Contemporary Research in Business, vol. 3, nr. 9, pp. 957-968.
Blinder, A. S., en Maccini, L. J. (1991). The Resurgence of Inventory Research: What Have We Learned? Journal of Economic Surveys, vol. 5, nr. 4, pp. 291-328. VI
Burkart, M., Ellingsen, T., en Giannetti, M. (2011). What you sell is what you lend? Explaining trade credit contracts. Review of Financial Studies, vol. 24, nr. 4, pp. 1261-1298.
Burkart, M., en Ellingsen T. (2004). In-kind finance: a theory of trade credit. The American Economic Review, vol. 94, nr. 3, pp. 569-590.
Campello, M., Graham, J. R., en Harvey, C.R. (2010). The real effects of financial constraints: Evidence from a financial crisis. Journal of Financial Economics, vol. 97, nr. 3, pp. 470-487.
Cornett, M. M., McNutt, J. J., Strahan, P.E., en Tehranian, H. (2011). Liquidity risk management and credit supply in the financial crisis. Journal of Financial Economics, vol. 101, nr. 2, pp. 297-312.
Cuthbertson, K., en Gasparro, D. (1993). The Determinants of Manufacturing Inventories in the UK. Economic Journal, vol. 103, nr. 421, pp. 1479 –1492.
Deloof, M. (2003). Does working capital management affect profitability of Belgian firms? Journal of Business, Finance and Accounting, vol. 30, nr. 3-4, pp. 573-588.
De Pelsmacker, P., en Van Kenhove, P. (2010). Marktonderzoek. Amsterdam: Pearson Education.
Fabbri, D., en Klapper, L.F. (2009). Trade credit and the supply chain. Working paper.
Fazzari, S. M., en Petersen, B.C. (1993). Working Capital and Fixed Investment: New Evidence on Financing Constraints. The RAND Journal of Economics, vol. 24, nr. 3, pp. 328-342.
Foster, J. B., en Magdoff, F. (2009). The Great Financial Crisis: Causes and Consequences. Verenigd Koninkrijk: Monthly Review Press, U.S.
Gallagher, T. J., en Andrew, J. D. (2007). Financial Management: Principles and Practice. Colorado: Freeload Press. VII
Ganesan, V. (2007). An analysis of working capital management efficiency in telecommunication equipment industry. Rivier Academic Journal, vol. 3, nr. 2, pp. 1-10.
García-Teruel, P. J., en Martínez-Solano, P. (2007). Effects of working capital management on SME profitability. International Journal of Managerial Finance, vol. 3, nr. 2, pp. 164-177.
Gentry, J. A., Vaidyanathan, R., en Lee, H. W. (1990). A weighted cash conversion cycle. Financial Management, vol. 19, nr. 1, pp. 90-99.
Hill, M. D., Wayne Kelly, G., en Highfield, M. J. (2010). Net operating working capital behavior: a first look. Financial Management, vol. 39, nr. 2, pp. 783-805.
Howorth, C., en Westhead, P. (2003). The focus of working capital management in UK small firms. Management Accounting Research, vol. 14, nr. 2, pp. 94-111.
Ivashina, V., en Scharfstein, D. (2010). Bank lending during the financial crisis of 2008. Journal of Financial Economics, vol. 97, nr. 3, pp. 319-338.
Kesimli, I. G. en Gunay, S. G. (2011). The impact of the global economic crisis on working capital of real sector in Turkey. Business and Economic Horizons, vol. 4, nr. 1, pp. 52-69.
Kestens, K., Van Cauwenberge, P., en Vander Bauwhede, H. (2011). Trade credit and company performance during the 2008 financial crisis. Accounting and Finance, vol. 52, nr. 4, pp. 1121-1151.
Kutner, M. H., Nachtsheim, C.J., en Neter, J. (2004). Applied Linear Regression Models. Irwin: Mcgraw-Hill.
Lazaridis, I. en Tryfonidis, D. (2006). Relationship between working capital management and profitability of listed companies in the Athens stock exchange. Journal of Financial Management and Analysis, vol. 19, nr. 1, pp. 26-35.
VIII
Long, M. S., Malitz, I. B. en Ravid, S. A. (1993). Trade credit, quality guarantees and product marketability. Financial Managemen, vol. 22, nr. 4, pp. 117-127.
Love, I., Preve, L. A., en Sarria-Allende, V. (2007). Trade credit and bank credit: Evidence from recent financial crisis. Journal of Financial Economics, vol. 83, nr. 2, pp. 453-469.
Love, I., en Zaidi, R. (2010). Trade Credit, Bank Credit and Financial Crisis. International Review of Finance, vol. 10, nr. 1, pp. 125-147.
Lovelock, C. H., en Wright, L. (2002). Principles of service marketing and management. Upper Saddle River, New Jersey: Prentice Hall.
Meuleman, M., en De Maeseneire, W. (2012). Do R&D subsidies affect SMEs’ access to external finance? Research Policy, vol. 41, nr. 3, pp. 580-591.
Moussawi, R., LaPlante, M., Kieschnick, R., en Baranchuk, N. (2006). Corporate working capital management: determinants and consequences. Working paper.
Myers, S. C., en Majluf, N.S. (1984). Corporate Financing and Investment Decisions When Firms Have InformationThat Investors Do Not Have. Journal of Financial Economics, vol. 13, nr. 2, pp. 187-221.
Nazir, M. S., en Afza, T. (2007). Is it better to be aggressive or conservative in managing working capital? Journal of Quality and Technology Management, vol. 3, nr. 2, pp. 11-21.
Nazir, M. S., en Afza, T. (2009). Impact of aggressive working capital management policy on firms’ profitability. The IUP Journal of Applied Finance, vol. 15, nr. 8, pp. 19-30.
Ooghe, H., en Van Wymeersch, C. (2008). Handboek Financiële Analyse van de Onderneming. Antwerpen: Intersentia.
IX
Peterson, M. A., en Rajan, R. G. (1997). Trade credit: Theories and Evidence. The Review of Financial Studies, vol. 10, nr. 3, pp. 661-691.
Rafuse, M. E. (1996). Working capital management: an urgent need to refocus. Management Decision, vol. 34, nr. 2, pp. 59-63.
Raheman, A., Qayyum, A., en Afza, T. (2011). Sector-wise performance of working capital management measures and profitability using ratio analysis. Interdisciplinary Journal of Contemporary Research in Business, vol. 3, nr. 8, pp. 285-297.
Raheman, A., en Nasr, M. (2007). Working capital management and profitability – Case of Pakistani firms. International Review of Business Research Papers, vol. 3, nr. 1, pp. 279-300.
Sadiamajeed, Majidmakki, M. A., Saleem, S., en Aziz, T. (2012). The relationship of cash conversion cycle and firm’s profitability: an empirical investigation of Pakistani firms. International Journal of Financial Management, vol. 1, nr. 1, pp. 80-96.
Scholleova, H. (2012). The economic crisis and working capital management of companies. Theoretical and Applied Economics, vol. 18, nr. 4, pp. 79-92.
Sharma, A. K. en Kumar, S. (2011). Effect of working capital management on firm profitability: empirical evidence from India. Global Business Review, vol. 12, nr. 1, pp. 159173.
Shin, H. H., en Soenen, L. (1998). Efficiency of working capital and corporate profitability. Financial Practice and Education, vol. 8, nr. 2 pp. 37–45.
Shipley, D., en Davis, L. (1991). The role and burden-allocation of credit in distribution channels. Journal of Marketing Channels, vol. 1, nr. 1 , pp. 3–22.
Smith, J. K. (1987). Trade credit and informational asymmetry. Journal of Finance, vol. 42, nr. 4 , pp. 863–872. X
Smith, K. (1980). Readings on the management of working capital. Saint Paul – Minnesota: West Publishing Company.
Soenen, L. (1993). Cash conversion cycle and corporate profitability. Journal of Cash Management, vol. 13, nr. 4 pp. 53–57
Van Horne, J. C., en Wachowicz, J. M. (2000). Fundamentals of Financial Management, Upper Saddle River, New Jersey: Prentice Hall.
Vermoesen, V., Deloof, M., en Laveren, E. (2012). Long-term debt maturity and financing constraints of SMEs during the Global Financial Crisis. Small Business Economics, Forthcoming.
Weinraub, H. J., en Visscher, S. (1998). Industry practice relating to aggressive conservative working capital policies. Journal of Financial and Strategic Decisions, vol. 11, nr. 2, pp. 11-18.
Wilner, B. S. (2000). The exploitation of relationship in financial distress: the case of trade credit. Journal of Finance, vol. 55, nr. 1 , pp. 153–178.
Internetbronnen: Unizo,
2011,
KMO-rapport
2011
Unizo,
URL:
. Geraadpleegd op 15/10/2012
Europese Commissie, 2006, De nieuwe definitie van KMO’s: informatiebrochure en modelverklaren,
Publicaties
van
“Ondernemingen
en
Industrie”,
URL:
. Geraadpleegd op 15/10/2012
Vervenne W., 2010, KMO’s sterkste motor Belgische economie, De Tijd, URL: .
Geraadpleegd
op
29/10/2012 XI
De
Tijd,
2008,
KMO’s
houden
bloedbad
berperkt,
URL:
. Geraadpleegd op 6/11/2012
Dendooven
P.,
2012,
Peeters
lanceert
bankenplan,
De
Standaard,
URL:
. Geraadpleegd op 14/11/2012
Sougné D. & Van Rysselberghe J., 2009, KeFiK-enquête KMO-financiering 2009, URL: . Geraadpleegd op 14/11/2012
Trends,
2012,
Banken
weigerachtig
om
geld
te
lenen
aan
KMO’s,
URL:
. Geraadpleegd op 14/11/2012
Unizo,
2009,
KMO’s:
18%
krijgt
geen
bankkrediet,
URL:
. Geraadpleegd op 14/11/2012
De
Morgen,
2009,
Fortis
Corporate
Insurance
wordt
Amlin,
URL:
. Geraadpleegd op 5/02/2013
De
Morgen,
2008,
Overname
ABN
Amro
valt
Fortis
zwaar,
URL:
. Geraadpleegd op 5/02/2013
De
Standaard,
2008,
Sleutelmomenten
in
de
Fortis-crisis,
URL:
. Geraadpleegd op 5/02/2013
XII
Cijfermateriaal
Nationale
Bank
van
Beglië,
2012,
BBP
naar
volume,
URL:
. Geraadpleegd op 10/02/2013
Febelfin, 2012, Febelfin en Vlaamse regering engageren zich met bankenplan, URL: . Geraadpleegd op 22/03/2013
Trends,
2013,
Febelfin:
‘Rentabiliteit
banken
onvoldoende’,
URL:
. Geraadpleegd op 22/03/2013
Vlaamse overheid, 2012, Voordelige lening voor startende onderneming (Win-winlening), URL:
financiering/voordelige-lening-voor-startende-onderneming-win-winlening>. Geraadpleegd op 22/03/2013
Vanleenhove S., 2011, 1/3 van de ondernemers voelt huidige crisis meer dan de financiële crisis
van
2008,
URL:
.
Geraadpleegd op 10/04/2013
Nationale Bank van België, 2013, Observatorium voor krediet aan niet-financiële vennootschappen:
belangrijkste
ontwikkelingen,
URL:
/dq/kredobs/nl/developments/KO_quarter.htm>. Geraadpleegd op 24/04/2013
Dossier
De
Tijd,
2012,
5
jaar
financiële
crisis,
De
Tijd,
URL:
. Geraadpleegd op 28/04/2013
Febelfin, 2012, Economische context weegt op kredietverlening aan ondernemingen, URL: . Geraadpleegd op 10/05/2013
XIII
De Morgen, 2013, BNP Paribas Fortis biedt 50.000 KMO’s proactief 1 miljard euro bedrijfskapitaal,
URL:
1620266/2013/04/23/BNP-Paribas-Fortis-biedt-50-000-kmo-s-proactief-1-miljard-eurobedrijfskapitaal.dhtml>. Geraadpleegd op 13/05/2013
Unizo Statistieken, 2013, Zes op tien ondernemers negatief over huidige toestand economie, URL:
.
Geraadpleegd
op
15/05/2013
XIV