• No results found

I slutsatsen återknyts till studiens syfte. Det görs en sammanfattande diskussion gällande utfall och bidrag till användningsområden samt ges förslag till framtida forskning.

Syftet med denna studie var att, med hjälp av branschspecifika nyckeltal och makroekonomiska variabler, förklara eventuella skillnader i ekonomiskt hälsotillstånd mellan små och medelstora, konkursdrabbade och icke konkursdrabbade byggföretag och utifrån det upprätta en finansiell konkursprognostiseringsmodell. Konkursmodellen upprättades och visade sig, med hjälp av nyckeltal, kunna förklara skillnader i ekonomiskt hälsotillstånd mellan företag i två olika grupper och prognostisera ifall det finns risk att företag kan hamna i konkurs. Däremot fick inte de makroekonomiska variablerna plats i konkursmodellen.

Gällande den första frågeställningen användes nyckeltal tillhörande fyra kategorier (kapitalstruktur, lönsamhet, likviditet och resultatstruktur) samt makroekonomiska variabler.

Dessa testades på företag inom byggbranschen i Sverige för att användas i prognostisering av konkurs. Totalt undersöktes 33 variabler och det visade sig att en kombination av nio nyckeltal bäst kunde visa skillnaden i ekonomiskt hälsotillstånd mellan konkursdrabbade och icke konkursdrabbade företag, och i och med detta ingå en fungerande regressionsmodell. De nio nyckeltalen återfanns i tre av fem kategorier: kapitalstruktur, likviditet och resultatstruktur. De innehåller nyckeltal som bruttovinstmarginal (resultatstruktur), omsättning per anställd (resultatstruktur), rörelseresultat per anställd (resultatstruktur), personalkostnader per anställd (resultatstruktur), soliditet (kapitalstruktur), lager mm/omsättning (kapitalstruktur), kortfristiga skulder/omsättning (kapitalstruktur), likvida medel/omsättning (likviditet), och rörelsekapital/totala tillgångar (likviditet). Modellen bidrar med nyckeltal, inklusive tre ”nya nyckeltal” av betydelse för byggbranschen vid prognostisering av konkurser. De ”nya nyckeltalen” är omsättning per anställd, rörelseresultat per anställd och personalkostnad per anställd.

Den andra frågeställningen handlade om huruvida förändringar i makroekonomiska variabler kan förbättra konkursprognostiseringsmodellen. Enligt tidigare studier har makroekonomiska variabler sällan inkluderats i prognostiseringsmodeller på grund av svag förklaringsförmåga.

Ändå var det intressant att använda dessa i byggbranschen, då den makroekonomiska situationen i landet har en indirekt påverkan på dessa företag, för att utröna eventuella andra resultat än i tidigare studier. Inte heller i detta fall uppfyllde de makroekonomiska variablerna de förväntningar som ställts på dessa. Problemet kan vara att modellen inte upptäckte skillnader mellan år och därför inte kunde påvisa hur makroekonomiska variabler påverkar företags ekonomiska hälsotillstånd.

Den modell som skapades i denna studie har, i jämförelse med andra studier som undersökt byggbranschen och konkursprognostisering, visat några nya signifikanta variabler. Det visade

30 även att modellen har 98,7 % i prediktionsvärde som är högre än vid andra studier inom byggbranschen (Punsalans, 1989; Li, 2014; Syaria och Muganb, 2017). En nackdel kan samtidigt vara att denna prognostiseringsmodell visade oväntade samband avseende kortfristiga skulder/omsättning, likvida medel/omsättning och bruttovinstmarginal. Det gör att modellen kan vara svår att lita på och den behöver därför testas ytterligare och då även med hjälp av kontrollvariabler.

Utifrån de empiriska resultaten kan man ge följande förslag till fortsatt forskning. Studien kan användas som en utgångspunkt för att testa konkursprognostiseringsmodellen inom olika branscher där humankapital är den viktigaste resursen. Man kan även undersöka om de i denna studie redovisade resultaten kommer att stämma med andra studier och för kortare eller längre perioder.

Även om de makroekonomiska variablerna exkluderas från modellen kan det finnas en möjlighet att dessa variabler ändå har en påverkan på företag och visa om företag utifrån sitt ekonomiska hälsotillstånd kommer att överleva svåra tider. Förslag till framtida forskning är att använda makroekonomiska variabler som komplement till de nyckeltal som i denna studie blivit signifikanta samt att använda andra modeller där det tydligt går att urskilja om ett land befinner sig i hög- eller lågkonjunktur och också tydliggöra skillnaden mellan en finanskrisperiod och en normalperiod. Det skulle innebära mer komplicerade studier i flera steg, där fler faktorer är inkluderade och kopplade till annat än bara företagets nyckeltal.

Om man ska fokusera på små och medelstora företag är det förmodligen bäst att fokusera på ett specifikt land och testa olika nyckeltals förmåga att förutse konkurser. För större företag kan en undersökning vara mer globalt orienterad då stora företag har en tendens att växa globalt och placera sina enheter i olika länder. Det skulle även innebära att makroekonomiska variabler behöver tas i beaktande utifrån ett globalt perspektiv.

31

Källförteckning

Al-Darayseh, M. M., 1990. Corporate failure for manufacturing industries using financial ratios and macroeconomic variables with logit analysis. Unpublished Ph.D red. United States, Nebraska: The University of Nebraska - Lincoln.

Altman, E. I., Iwanicz‐Drozdowska, M., Laitinen, E. K., & Suvas, A, 2017. Financial distress prediction in an international context: A review and empirical analysis of Altman's Z‐score model. Journal of International Financial Management & Accounting, 28(2), pp. 131-171.

Altman, E.I & Hotchkiss, E., 2010. Corporate financial distress and bankruptcy: Predict and avoid bankruptcy, analyze and invest in distressed debt. Third edition ed. New York: John Wiley & Sons.

Altman, E. I., 1968. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), pp. 589-609.

Altman, E. I., 2000. Predicting financial distress of companies: Revisiting the Z-score and ZETA models. Stern School of Business, New York University, pp. 9-12.

Andersson, P., 2001. Expertise in credit granting: Studies on judgment and decision-making behavior. Stockholm School of Economics, 25(4), pp. 471-492.

Anon., 2017. SvD Näringsliv. [Online]

Available at: https://www.svd.se/bostadsutvecklare-gar-pa-knana [Använd 15 11 2018].

Anon., 2017. Svenska Dagbladet. [Online]

Available at: https://www.svd.se/bostadsutvecklare-gar-pa-knana [Använd 15 11 2018].

Anon., 2018. Asub.ax. [Online]

Available at:

https://www.asub.ax/sites/www.asub.ax/files/media/dokument/nyckeltal_definition.pdf [Använd 20 12 2018].

Anon., 2018. Ekonomifakta. [Online]

Available at:

https://www.ekonomifakta.se/Fakta/Foretagande/Entreprenorskap/Foretagskonkurser [Använd 26 11 2018].

Anon., 2018. Ekonomi-info. [Online]

Available at: https://www.ekonomi-info.nu/nyckeltal_5565.asp [Använd 26 11 2018].

32 Anon., 2018. OECD. [Online]

Available at: https://www.oecd.org/

[Använd 5 12 2018].

Anon., 2018. Retriever. [Online]

Available at: http://web.retriever-info.com.proxy.ub.umu.se/services/businessinfo.html [Använd 10 12 2018].

Anon., 2018. SCB. [Online]

Available at:

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__NV__NV1401/KonkurserForet0 7/sortedtable/tableViewSorted/?rxid=1fc1e051-809c-4929-8e81-a7e1ad68ce02

[Använd 26 11 2018].

Anon., 2018. Sveriges Riksbank. [Online]

Available at: https://www.riksbank.se/sv/penningpolitik/inflationsmalet/hur-mats-inflation [Använd 26 11 2018].

Anon, 2018. OECD. [Online]

Available at: https://www.oecd.org [Använd 05 12 2018].

Appiah, K. O., Chizema, A., & Arthur, J., 2015. Predicting corporate failure: A systematic literature review of methodological issues. International Journal of Law and Management, 57(5), pp. 461-485.

Balcaen, S., & Ooghe, H., 2006. 35 years of studies on business failure: An overview of the classic statistical methodologies and their related problems. The British Accounting Review, 38(1), pp. 63-93.

Barnes, P., 1987. The analysis and use of financial ratios: A review article. Journal of Business Finance & Accounting, 14(4), pp. 449-461.

Barnes, P., 1990. The prediction of takeover targets in the UK by means of multiple discriminant analysis. Journal of Business Finance & Accounting, 17(1), pp. 73-84.

Beaver, W. H., 1966. Financial ratios as predictors of failure. Journal of Accounting Research, 4(1), pp. 71-111.

Bell, E., & Bryman, A., 2013. Företagsekonomiska forskningsmetoder. 2:a upplaga red.

Stockholm: Liber AB.

Berk, J.B. & DeMarzo, P.M., 2017. Corporate finance, Global Edition. 4th edition red.

Harlow, United Kingdom: Pearson Education Limited.

Bradley, M., Jarrell, G. A., & Kim, E. H. , 1984. On the existence of an optimal capital structure: Theory and evidence. The Journal of Finance, 39(3), pp. 857-878.

33 Bruns, V., 2004. Who receives bank loans? A study of lending officers' assessments of loans to growing small and medium-sized enterprises. Jönköping: Doctoral dissertation, Jönköping International Business School.

Bunn, P., & Redwood, V. , 2003. Company accounts based modelling of business failures and the implications for financial stability. Bank of England Quarterly Bulletin, 43(4), p. 462.

Cenciarelli, V. G., Greco, G., & Allegrini, M., 2018. External audit and bankruptcy prediction. Journal of Management and Governance, 22(4), pp. 863-890.

Cielen, A., Peeters, L., & Vanhoof, K., 2004. Bankruptcy prediction using a data envelopment analysis. European Journal of Operational Research, 154(2), pp. 526-532.

Dahmström, K., 2005. Från datainsamling till rapport: Att göra en statistisk undersökning. 4:a upplagan red. Lund: Studentlitteratur.

Dambolena, I. G., & Khoury, S. J., 1980. Ratio stability and corporate failure. The Journal of Finance, 35(4), pp. 1017-1026.

Deakin, E. B., 1972. A discriminant analysis of predictors of business failure. Journal of Accounting Research, 10(1), pp. 167-179.

Dimitras, A. I., Zanakis, S. H., & Zopounidis, C., 1996. A survey of business failures with an emphasis on prediction methods and industrial applications. European Journal of Operational Research, 90(3), pp. 487-513.

Eliasson, A., 2013. Kvantitativ metod från början. 3:a upplagan red. Lund: Studentlitteratur.

Engström, S., 2002. Kan nyckeltal påvisa framtida betalningsoförmåga. Balans, 1(3), pp. 35-40.

FitzPatrick, P., 1932. A comparison of the ratios of successful industrial enterprises with those of failed companies. Open Journal of Social Sciences, 2(9), pp. 727-731.

Gibson, C., 1983. Financial ratios as perceived by commercial loan officers. Akron Business and Economic Review, 14(2), pp. 23-27.

Gordon, M. J., 1971. Towards a theory of financial distress. The Journal of Finance, 26(2), pp. 347-356.

Gupta, M. C., & Huefner, R. J., 1972. A cluster analysis study of financial ratios and industry characteristics. Journal of Accounting Research, 10(1), pp. 77-95.

Hagberg, A., 2006. Nyckeltal och konkurs: En studie av svenska företag 1998–2003.

Göteborg : Licentiate thesis, Göteborg University, School of Business, Economics and Law.

Hol, S., 2007. The influence of the business cycle on bankruptcy probability. International Transactions in Operational Research, 14(1), pp. 75-90.

34 Khan, A. H., & Guruli, M. R., 2015. Predicting bankruptcy by liquidity ratios analysis. Jurnal UMP Social Sciences and Technology Management, 3(2), pp. 372-380.

Koh, S., Durand, R. B., Dai, L., & Chang, M., 2015. Financial distress: Lifecycle and corporate restructuring. Journal of Corporate Finance, 33(3), pp. 19-33.

Körner, S. & Wahlgren. L., 2015. Statistiska metoder. 3:a upplagan red. Lund:

Studentlitteratur.

Kumar, P. R., & Ravi, V., 2007. Bankruptcy prediction in banks and firms via statistical and intelligent techniques–A review. European Journal of Operational Research, 180(1), pp. 1-28.

Laitinen, E.K. & Laitinen T., 2000. Bankruptcy prediction. Application of the Taylor’s expansion in logistic regression. International Review of Financial Analysis, 9(4), pp. 372-349.

Lennox, C., 1999. Identifying failing companies: A re-evaluation of the logit, probit and DA approaches. Journal of Economics and Business, 51(4), pp. 347-364.

Liou, F. M., 2008. Fraudulent financial reporting detection and business failure prediction models: A comparison. Managerial Auditing Journal, 23(7), pp. 650-662.

Li, W., 2014. Corporate financial distress and bankruptcy prediction in the North American construction industry. Corporate Financial Distress and Bankruptcy Prediction in the North American Construction Industry, 4 August, p. 43.

Mare, D. S., 2015. Contribution of macroeconomic factors to the prediction of small bank failures. Journal of International Financial Markets, Institutions and Money, Volym 39, pp.

25-39.

McGurr, P. T., 1996. Failure prediction of retail firms through use of financial ratios. United States: ProQuest Dissertations and Theses, Purdue University.

Merwin, C. L., 1942. Financing small corporations in five manufacturing industries, 1926-1936. New York: National Bureau of Economic Research.

Mishkin FS, & Eakins SG., 2012. Financial markets and institutions. 7th Edition Global ed red. Harlow: Harlow : Pearson Education.

Mitchem, C. E. D., 1990. A cash flow and macroeconomic model of financial distress.

Unpublished Ph.D red. United States, Virginia: Virginia Commonwealth University.

Mörtvik, R., 2010. Utredarna. [Online]

Available at: http://www.utredarna.nu/rogermortvik/2010/01/19/hog-arbetsloshet-blir-en-dyr-affar-for-alla

[Använd 01 12 2018].

35 Nam, C. W., Kim, T. S., Park, N. J., & Lee, H. K., 2008. Bankruptcy prediction using a

discrete‐time duration model incorporating temporal and macroeconomic dependencies.

Journal of Forecasting, 27(6), pp. 493-506.

Ohlson, J. A., 1980. Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), pp. 109-131.

Pindado, J., Rodrigues, L., & de la Torre, C., 2008. Estimating financial distress likelihood.

Journal of Business Research, 61(9), pp. 995-1003.

Pompe, P. P., & Bilderbeek, J., 2005. The prediction of bankruptcy of small-and medium-sized industrial firms. Journal of Business Venturing, 20(6), pp. 847-868.

Qu, Y., 2008. Macroeconomic factors and probability of default. European Journal of Economics, Finance and Administrative Sciences, 33(13), pp. 192-215.

Ramser, J., & Foster, L., 1931. A demonstration of ratio analysis. University of Illinois, Urbana. IL, Bulletin, 40(2), pp. 242-290.

Rance, R., 1999. The application of Altman's revised four-variable Z''-score bankruptcy prediction model for retail firms and the influence of asset size and sales growth on their failure. Fort Lauderdale: Unpublished doctoral dissertation, Nova Southeastern University.

SA., R., 1977. The Determination of Financial Structure: The Incentive-Signalling Approach.

The Bell Journal of Economics, 8(1), pp. 23-40.

Scherrer, P. S., 1988. From warning to crisis: A turnaround primer. Management Review, 77(9), pp. 30-37.

Setyawati, I., & Amelia, R., 2018. he Role of Current Ratio, Operating Cash Flow and Inflation Rate in Predicting Financial Distress: Indonesia Stock Exchange. Jurnal Dinamika Manajemen, 9(2), pp. 140-148.

Sibusiso W. Sabela, Leon M. Brummer, John H. Hall, Hendrik P. Wolmarans, 2018. Using fundamental, market and macroeconomic variables to predict financial distress: A study of companies listed on the Johannesburg Stock Exchange. Journal of Economic and Financial Sciences, 11(1).

Smith, R. F., & Winakor, A. H., 1935. Changes in the financial structure of unsuccessful industrial corporations. University of Illinois, 4(1), pp. 146-162.

SOU 2010:2. Ett samlat insolvensförfarande - förslag till ny lag (2010).

Svensson, B., 2003. Redovisningsinformation för bedömning av små och medelstora företags kreditvärdighet. Uppsala: Doctoral dissertation, företagsekonomiska institutionen.

Tinoco, M. H., & Wilson, N., 2013. Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables. International Review of Financial Analysis, 30(1), pp. 394-419.

36 Wu, Y., Gaunt, C., & Gray, S., 2010. A comparison of alternative bankruptcy prediction models. Journal of Contemporary Accounting & Economics, 6(1), pp. 34-45.

Yazdanfar, D., & Nilsson, M., 2008. The bankruptcy determinants of Swedish SMEs. In ISBE International Entrepreneurship Conference, Belfast, Ireland, 4(7), pp. 4-7.

Yazdanfar, D., 2011. Predicting bankruptcy among SMEs: Evidence from Swedish firm-level data. International Journal of Entrepreneurship and Small Business, 14(4), pp. 551-565.

Zavgren, C. V., 1985. Assessing the vulnerability to failure of American industrial firms: A logistic analysis. Journal of Business Finance & Accounting, 12(1), pp. 19-45.

Related documents