Období 2010 2011 2012 2013 2014 2015 2016 2017
ČPF odhad -117939,0 -106197,0 -94455,1 -82712,9 -70970,8 -59228,7 -47486,6 -35744,5
(firemní zdroje)
62
Obrázek 24: Odhad vývoje rozdílových ukazatelů (v tis. Kč)
(firemní zdroje)
3.6 Korelační analýza
Korelační analýza popisuje oboustrannou závislost.
Z důvodu dalšího zkoumaní vlivu ukazatelů na výsledek hospodaření v běžném období, je zde pomocí korelační analýzy zkoumána vzájemná závislost pouze mezi krátkodobými pohledávkami a krátkodobými závazky.
Nejdříve se stanoví nulová hypotéza, že dané hodnoty jsou nezávislé. Zároveň se stanoví alternativní hypotéza vyvracející nulovou hypotézu. Dále pak porovnáme hodnotu P-value s hladinou významnosti α 5 %. Pokud je hodnota P-value nižší, zamítá se nulová hypotéza a přijímá se alternativní hypotéza. Korelační závislost se dá změřit pomocí korelačního koeficientu. Hodnoty korelačního koeficientu se pohybují v intervalu <-1;1> Čím více se absolutní hodnota korelačního koeficientu přibližuje 1, tím je závislost těsnější. Pokud je hodnota záporná, hodnoty jsou nepřímo závislé.
Hodnota P-value je v tomto případě rovna 0,0213, což je méně, než α=0,05, tím pádem se zamítá nulová hypotéza a přijímá alternativní. Pohledávky a krátkodobé závazky jsou na sobě závislé. Korelační koeficient nabývá hodnoty -0,8784. Jsou na sobě silně závislé a tato závislost je nepřímá (viz regresní přímky níže v grafu).
-150000 -100000 -50000 0 50000 100000
2010 2011 2012 2013 2014 2015 2016 2017
Odhad vývoje rozdílových ukazatelů (v tis. Kč) v letech 2010-2015
ČPK ČPK odhad ČPP
ČPP odhad ČPF ČPF odhad
63
Obrázek 25: Vývoj pohledávek a krátkodobých závazků (v tis. Kč)
(firemní zdroje)
3.7 Regresní analýza
Regresní analýza slouží k zjištění závislosti jedné proměnné na jiné proměnné, z nichž je jedna závislá a druhá nezávislá.
Zde se bude zkoumat závislost výše pohledávek a krátkodobých závazků na výsledek hospodaření. Protože jsou pohledávky a krátkodobé závazky stavové veličiny a výsledek hospodaření tokový, je nutné tyto veličiny zprůměrovat. Průměr se vytvoří součtem hodnot na začátku a konci roku a vydělí se dvěma.
Postup zpracování regresní analýzy je stejný, jako při trendové analýze.
Závislost VH na pohledávkách
Jak je již zmíněno výše, hodnoty pohledávek jsou z důvodu rozdílu mezi stavovými a tokovými veličinami zprůměrovány. Předpokládaný model této závislosti je přímka.
Rovnice je ve tvaru: Pohledávky = 45526,1 + 0,363538*VH za běžné období. P-Value parametrů β0 a β1 jsou 0,0003 a 0,0146, což v porovnání s hladinou významnosti 0,05 je menší, tudíž statisticky významné. Statistika F nabývá hodnoty 16,97. P-Value se rovná
2010 2011 2012 2013 2014 2015
Vývoj pohledávek a krátkodobách závazků (v tis. Kč) v letech 2010-2015
Pohledávky Kr. závazky
Lineární (Pohledávky) Lineární (Kr. závazky)
64
hospodaření za běžné období. Míra závislosti se dá změřit pomocí R-squared, neboli indexu determinace. Ten nabývá hodnoty 80,93 %. Z celkové variability sledovaného ukazatele lze 80,93 % vysvětlit pomocí přímky. Dále se dá síla vztahu daných veličin zhodnotit pomocí korelačního koeficientu. Jak už bylo zmíněno v korelační analýze, tento koeficient zhodnotí sílu těsnosti závislosti a to, jestli je závislost přímá nebo nepřímá. Korelační koeficient se rovná 0,899, což je velmi silná přímá závislost.
Pohledávky silně ovlivňují výsledek hospodaření za běžné období. I přestože jsou pohledávky z obchodních vztahů účtovány v rozvaze jako aktiva, spadají však potažmo také do výnosů. Tím ovlivňují výsledek hospodaření. Samozřejmě pohledávky nejsou jediným faktorem, který ovlivňuje výši výsledku hospodaření.
Obrázek 26: Vztah pohledávek a VH za běžné období (v tis. Kč) (firemní zdroje)
Závislost VH na krátkodobých závazcích
I zde jsou hodnoty krátkodobých závazků z důvodu rozdílu mezi stavovými a tokovými veličinami zprůměrovány.
Pro tuto závislost je vhodnější model paraboly. Rovnice paraboly je ve tvaru:
Krátkodobé závazky = 214553 + 0,475738*VH za běžné období-0,0000175538*VH za běžné období^2. P-Value parametrů β0, β1 a β1 jsou 0,000, 0,0702 a 0,006, což v porovnání s hladinou významnosti 0,05 je menší, tudíž statisticky významné. Statistika F je 30,31 a
-60000
2010 2011 2012 2013 2014 2015
Vztah pohledávek k VH za běžné období (v tis. Kč) v letech 2010-2015
Pohledávky průměr VH z běžného období
Lineární (Pohledávky průměr) Lineární (VH z běžného období)
65
P-value 0,0102. V porovnání s hladinou významnosti 0,05 je tato hodnota nižší, tím pádem se zamítá nulová hypotéza a přijímá se alternativní hypotéza o tom, že parabola je vhodným modelem k popsání této závislosti. R-squared (index determinace) má hodnotu 95,28 %.
95,28 % z celkové variability ukazatele lze vysvětlit pomocí paraboly.
Krátkodobé závazky ovlivňují výsledek hospodaření podobně jako pohledávky. Krátkodobé závazky z obchodních vztahů vstupují do výsledovky jako náklady a tím pádem ovlivňují výpočet daně a výsledku hospodaření. Mezi krátkodobými závazky a výsledkem hospodaření je nepřímá závislost.
Obrázek 27: Vztah krátkodobých závazků k VH za běžné období (v tis. Kč) (firemní zdroje)
-100000 -50000 0 50000 100000 150000 200000 250000
2010 2011 2012 2013 2014 2015
Vztah krátkodobých závazků k VH za běžné období (v tis. Kč) v letech 2010-2015
Krátkodobé závazky průměr VH z běžného období
Lineární (Krátkodobé závazky průměr) Lineární (VH z běžného období)
66
Závěr
Předložená bakalářská práce se zabývá komplexní finanční analýzou firmy TRUMPF Liberec, spol. s r. o. V první části práce byla zpracována finanční analýza, pro kterou byla čerpána data z finančních výkazů z let 2010-2015. Ve druhé části byly výsledky finanční analýzy dále zpracovány. Za pomocí metod časových řad, korelační a regresní analýzy byl získán ještě detailnější rozbor ukazatelů a celkové finanční situace firmy.
V práci se odráží několik specifik a zajímavých faktů. Prvním je fakt, že se jedná o českou pobočku německé společnosti a začala na českém trhu působit v roce 2005, což se promítá do poměrně vyšší hodnoty ukazatele zadluženosti. Z výsledků je dále patrné, že společnost tuto situaci zvládla a hodnoty těchto ukazatelů se v roce 2012 dostaly do standardních hodnot. Druhým faktorem je vliv finanční a hospodářské krize, která postihla nejedno průmyslové odvětví. Opět z výsledků je patrné, že krize doznívala v letech 2012 a 2013, což lze ilustrovat hodnotami rentability. Následný růst ekonomiky zapříčinil také růst těchto hodnot, což je pro firmu pozitivní.
Významným nástrojem finančního řízení firmy je tzv. Kontenpool, který ovlivňuje mnoho ukazatelů a způsobuje např. nízké hodnoty všech ukazatelů likvidity (běžné, pohotové a okamžité). V praxi se ovšem jedná o velmi praktické řešení optimalizace kapitálu.
Hlavním cílem této práce bylo mimo zhodnocení vývoje minulých období, taktéž predikce vývoje ukazatelů do budoucna pomocí metody časových řad. Dále byla zpracována
analýza vlivů na výsledek hospodaření. Společnosti se po počáteční fázi podnikání a finanční a hospodářské krizi podařilo stabilizovat svou situaci, a navíc lze očekávat pozitivní vývoj všech ukazatelů v budoucnu.
67
Seznam použité literatury
ANON. Bankovní poplatky [online]. [cit. 2017-02-26]. Dostupné z:
https://www.bankovnipoplatky.com/porovnani-sporicich-a-terminovanych-uctu-k-28-prosinci-2015-31769.
ANON. Finanční analýza podnikové sféry za 1. - 3. čtvrtletí 2015 [online]. Ministerstvo obchodu a průmyslu, 2016 [cit. 2017-02-26]. Dostupné z:
https://www.mpo.cz//assets/dokumenty/55267/63222/651735/priloha002.pdf
CYHELSKÝ, Lubomír, Jana KAHOUNOVÁ a Richard HINDLS. Elementární statistická analýza. Praha: Management Press, 1999. ISBN 80-726-1003-1.
HENDL, Jan. Přehled statistických metod zpracování dat: analýza a metaanalýza dat.
Praha: Portál, 2006. ISBN 80-736-7123-9.
HINDLS, Richard et al. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 2007. ISBN 978-80-86946-43-6.
KISLINGEROVÁ, Eva. Finanční analýza: krok za krokem. Praha: C.H. Beck, 2005. ISBN 80-717-9321-3.
KOVANICOVÁ, Dana a Pavel KOVANIC. Poklady skryté v účetnictví: Jak porozumět účetním výkazům. 2. vyd. Praha: POLYGON, 1995. ISBN 80-859-6706-5.
KOVANICOVÁ, Dana a Pavel KOVANIC. Poklady skryté v účetnictví: Finanční analýza účetních výkazů. 2. vyd. Praha: POLYGON, 1995. ISBN 80-859-6707-3.
PACÁKOVÁ, Viera. Štatistické metódy pre ekonómov. Bratislava: Iura Edition, 2009.
ISBN 8072610031.
PETRIE, Aviva a Caroline SABIN. Medical statistics at a glance. 3rd ed. Chichester:
Wiley-Blackwell, 2009. ISBN 978-1-4051-8051-1.
SPREMANN, Klaus a Patrick SCHEURLE. Finanzanalyse [online]. München:
Oldenbourg, 2010 [cit. 2016-04-20]. ISBN 3486710397. Dostupné z:
https://www.degruyter.com/viewbooktoc/product/224693
68
SŮVOVÁ, Helena a et al. Finanční analýza v řízení podniku, v bance a na počítači. Praha:
Bankovní institut, 2000. ISBN 80-726-5027-0.