Predicting bankruptcy of Nordic technology companies with financial statements data
Sintonen, Aleksi (2022)
Kandidaatintutkielma
Sintonen, Aleksi
2022
School of Business and Management, Kauppatieteet
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2022082356028
https://urn.fi/URN:NBN:fi-fe2022082356028
Tiivistelmä
Evaluating the probability of company’s bankruptcy can significantly improve credit risk management among financiers, and also provide tools for companies to perform self-evaluation regarding the risks. The aim of this thesis is to find if using historical financial statements data in logistic regression model is applicable in predicting the bankruptcy of Nordic technology companies.
Former research has shown that financial ratios predict bankruptcy at least satisfactory level and, on many occasions, very precisely. Although modern methods utilizing artificial intelligence usually overperforms conventional statistic methods in prediction, business actors still need simple and easy-to-use methods in evaluating the credit risks.
In the thesis, two predictive models were composed: First model predicts if a company is defaulting or not one year prior and the second model two years prior the possible bankruptcy. The results show that the prediction of bankruptcy of Nordic technology companies is possible at least on satisfactory level based on financial statements data. Especially the size of the company, total liabilities divided by total assets, current liabilities divided by current assets and net income divided by total assets were the ratios which predicted efficiently the bankruptcy. Yrityksen konkurssin todennäköisyyden arviointi voi parantaa merkittävästi rahoittajien luottoriskien hallintaa sekä tarjota myös yrityksille työkaluja riskien itsearvioinnissa. Tämän tutkielman tavoitteena on selvittää, soveltuuko historiallisten tilinpäätöstietojen käyttö logistisen regressiomallin kanssa pohjoismaisten teknologiayritysten konkurssin ennustamiseen.
Aikaisempi tutkimustausta osoittaa, että taloudelliset tunnusluvut ennustavat konkurssin todennäköisyyttä vähintään tyydyttävällä tasolla, ja useissa tapauksissa erittäin tarkasti. Vaikka nykyaikaiset tekoälyä hyödyntävät menetelmät ylittävätkin yleensä tavanomaiset tilastolliset menetelmät ennustamistarkkuudessa, liike-elämän toimijat tarvitsevat silti edelleen yksinkertaisia ja helppokäyttöisiä menetelmiä luottoriskien arvioinnissa.
Tutkielmassa laadittiin kaksi ennustemallia: Ensimmäinen malli ennustaa yrityksen konkurssia vuotta ennen sen mahdollista ilmenemistä ja toinen malli kaksi vuotta ennen konkurssia. Tulokset osoittavat, että pohjoismaisten teknologiayritysten konkurssin ennustaminen on tilinpäätöstietojen perusteella mahdollista vähintään tyydyttävällä tasolla. Erityisesti yrityksen koko, kokonaisvelat jaettuna kokonaisvaroilla, lyhytaikaiset velat jaettuna lyhytaikaisilla varoilla ja nettotulos jaettuna taseen loppusummalla olivat tunnuslukuja, jotka ennakoivat konkurssia tehokkaasti.
Former research has shown that financial ratios predict bankruptcy at least satisfactory level and, on many occasions, very precisely. Although modern methods utilizing artificial intelligence usually overperforms conventional statistic methods in prediction, business actors still need simple and easy-to-use methods in evaluating the credit risks.
In the thesis, two predictive models were composed: First model predicts if a company is defaulting or not one year prior and the second model two years prior the possible bankruptcy. The results show that the prediction of bankruptcy of Nordic technology companies is possible at least on satisfactory level based on financial statements data. Especially the size of the company, total liabilities divided by total assets, current liabilities divided by current assets and net income divided by total assets were the ratios which predicted efficiently the bankruptcy.
Aikaisempi tutkimustausta osoittaa, että taloudelliset tunnusluvut ennustavat konkurssin todennäköisyyttä vähintään tyydyttävällä tasolla, ja useissa tapauksissa erittäin tarkasti. Vaikka nykyaikaiset tekoälyä hyödyntävät menetelmät ylittävätkin yleensä tavanomaiset tilastolliset menetelmät ennustamistarkkuudessa, liike-elämän toimijat tarvitsevat silti edelleen yksinkertaisia ja helppokäyttöisiä menetelmiä luottoriskien arvioinnissa.
Tutkielmassa laadittiin kaksi ennustemallia: Ensimmäinen malli ennustaa yrityksen konkurssia vuotta ennen sen mahdollista ilmenemistä ja toinen malli kaksi vuotta ennen konkurssia. Tulokset osoittavat, että pohjoismaisten teknologiayritysten konkurssin ennustaminen on tilinpäätöstietojen perusteella mahdollista vähintään tyydyttävällä tasolla. Erityisesti yrityksen koko, kokonaisvelat jaettuna kokonaisvaroilla, lyhytaikaiset velat jaettuna lyhytaikaisilla varoilla ja nettotulos jaettuna taseen loppusummalla olivat tunnuslukuja, jotka ennakoivat konkurssia tehokkaasti.