Aplikace statistických metod v podniku

Aplikace statistických metod v podniku

Bakalářská práce

Studijní program: B6208 – Ekonomika a management Studijní obor: 6208R085 – Podniková ekonomika

Autor práce: Barbora Fejfarová

Vedoucí práce: Ing. Vladimíra Hovorková Valentová, Ph.D.

Liberec 2016

Anotace

Cílem této bakalářské práce je zhodnocení ekonomické situace podniku X pomocí metod finanční analýzy a statistický metod. V bakalářské práci pracujeme se základními poměrovými ukazateli finanční analýzy, u kterých vždy posuzujeme jejich vývoj a porovnáváme s doporučnými hodnotami nebo interpretujeme jejich význam.

Následně pak v práci využíváme statistických metod jako korelační analýza, která zkoumá lineární vztah závislosti mezi proměnnými, regresní analýza, pomocí které lze nalézt křivku co nejblíže popisující vztah mezi proměnnými a trendová funkce časových řad, díky které lze predikovat budoucí vývoj ukazatelů v čase. Tyto statistické metody následně testujeme pomocí testování hypotéz, především F testy, t testy a hypotézy o nulové hodnotě. Tyto testy provádíme, abychom ověřili správnost výsledků.

Klíčová slova

Finanční analýza, poměrové ukazatele, korelační analýza, regresní analýza, časové řady.

Annotation

Application of Statistical Methods in a Company

The main goal of this thesis is evaluation of company’s economy situation by using methods of financial analysis and statistic methods. In bachelor thesis we work with financial ratios and then we analyze their development, compare them with recommended values or interpret their meaning. Then we use statistical methods as correlation analysis, regression analysis and time series. Correlation analysis measures linear dependence between two variables. Regression analysis helps find function that describes relation between variables. Time series are used to forecast future development of indicators in time. These used statistical methods are tested by hypotheses testing such as F test, t tests or hypotheses about zero value. These tests are made to ensure correctness of outcomes.

Key words

Financial analysis, financial ratios, correlation analysis, regression analysis, time series.

7

Obsah

Seznam ilustrací ... 9

Seznam použitých zkratek a značek ... 11

Úvod ... 12

1. Teoretická část ... 13

1.1 Finanční analýza ... 13

1.1.1 Zdroje informací pro finanční analýzu ... 13

1.1.2 Rozvaha ... 13

1.1.3 Výkaz zisku a ztráty ... 14

1.2 Analýza poměrovými ukazateli ... 14

1.2.1 Ukazatelé rentability ... 15

1.2.2 Ukazatelé likvidity ... 16

1.2.3 Ukazatelé zadluženosti ... 17

1.2.4 Ukazatelé aktivity ... 18

1.3 Statistické metody ... 20

1.3.1 Regresní analýza ... 21

1.3.2 Obecná regresní funkce ... 21

1.3.3 Lineární regrese ... 22

1.3.4 Parabolická regrese ... 23

1.3.5 Hyperbolická regrese... 23

1.3.6 Další druhy regrese... 24

1.3.7 Volba regresní funkce ... 24

1.3.8 Kvalita regresní funkce ... 25

1.3.9 Korelační analýza ... 26

1.3.10 Časové řady ... 27

1.3.11 Lineární trend ... 28

8

1.3.12 Modifikovaný exponenciální trend ... 29

1.3.13 Gompertzova křivka ... 30

2 Finanční a statistická analýza podniku X ... 31

2.1 Základní informace o podniku ... 31

2.2 Ukazatele rentability ... 32

2.3 Ukazatelé likvidity ... 33

2.4 Ukazatele zadluženosti ... 35

2.5 Ukazatele aktivity ... 38

2.6 Korelační analýza ... 42

2.7 Regresní analýza ... 46

2.8 Časové řady ... 52

Závěr ... 57

Seznam použité literatury: ... 58

9

Seznam ilustrací

Obrázek 1: Ukazatele rentability (zdroj vlastní)... 32

Obrázek 2: Ukazatel okamžité likvidity (zdroj vlastní)... 33

Obrázek 3: Ukazatel pohotové likvidity (zdroj vlastní) ... 34

Obrázek 4: Ukazatel běžné likvidity (zdroj vlastní) ... 35

Obrázek 5: Ukazatel celkové zadluženosti (zdroj vlastní) ... 36

Obrázek 6: Koeficient samofinancování (zdroj vlastní) ... 36

Obrázek 7: Součet koeficientu samofinancování a celkové zadluženosti (zdroj vlastní) ... 37

Obrázek 8: Ukazatel úrokového krytí (zdroj vlastní) ... 37

Obrázek 9: Ukazatel obratu celkových aktiv (zdroj vlastní) ... 38

Obrázek 10: Ukazatel obratu zásob (zdroj vlastní) ... 39

Obrázek 11: Ukazatel doby obratu zásob (zdroj vlastní) ... 39

Obrázek 12: Ukazatel obratu pohledávek (zdroj vlastní) ... 40

Obrázek 13: Ukazatel doby obratu zásob (zdroj vlastní) ... 40

Obrázek 14: Ukazatel obratu závazků (zdroj vlastní) ... 41

Obrázek 15: Ukazatel doby obratu závazků (zdroj vlastní) ... 41

Obrázek 16: Ukazatel obratu stálých aktiv (zdroj vlastní) ... 42

Obrázek 17: Graf závislosti cizích zdrojů na vlastním kapitálu (zdroj vlastní) ... 43

Obrázek 18: Graf závislosti EBITu na cizích zdrojích (zdroj vlastní) ... 44

Obrázek 19: Box plot analýza finančního majetku ... 45

Obrázek 20: Vztah závislosti finančního majetku na nákladových úrocích (zdroj vlastní) 45 Obrázek 21: Vztah závislosti zásob na pasivech (zdroj vlastní) ... 46

Obrázek 22: Lineární regrese cizího kapitálu a EBITu (zdroj vlastní)... 48

Obrázek 23: Lineární regrese EBITu a cizího kapitálu (vlastní zdroj)... 48

Obrázek 24: Lineární regrese finančního majetku a nákladových úroků (zdroj vlastní) .... 49

Obrázek 25: Lineární regrese nákladových úroků a dlouhodobých závazků (zdroj vlastní) ... 51

Obrázek 26: Exponenciální regrese dlouhodobých pasiv a nákladových úroků (zdroj vlastní) ... 51

Obrázek 27: Časová řada celkové zadluženosti s lineárním trendem (zdroj vlastní) ... 54

Obrázek 28: Časová řada koeficientu samofinancování s lineárním trendem (zdroj vlastní) ... 55

10

Obrázek 29: Časová řada obratu zásob s trendem modifikované exponenciály (zdroj

vlastní) ... 56

11

Seznam použitých zkratek a značek

EBITDA zisk před úroky, zdaněním a odpisy EBIT zisk před úroky a zdaněním

EBT zisk před zdaněním

EAT zisk po zdanění

ROA rentabilita celkového vloženého kapitálu ROE rentabilita vlastního kapitálu

ROCE rentabilita investovaného kapitálu

ROS rentabilita tržeb

VH výsledek hospodaření

ISO mezinárodní organizace pro normalizaci

12

Úvod

Cílem práce je předpověď budoucího vývoje a vztahu mezi položkami účetních výkazů, resp. finančními ukazateli za pomoci vybraných statistických metod a metod finanční analýzy.

Manažer každého podniku při své každodenní činnosti pracuje s mnoha výkazy, mezi které patří i výkazy účetní. Ty obsahují mnoho důležitých údajů, které manažer může využít při rozhodování. Je pro něj zásadní, aby si byl vědom vzájemných vztahů mezi danými ukazateli a dokázal předvídat jejich budoucí vývoj. K tomu může využívat vybrané statistické metody, jako je regresní nebo korelační analýza.

Pro zhodnocení finančního zdraví této společnosti pracujeme s finančními poměrovými ukazateli, které managementu říkají o finanční situaci podniku. Tato analýza je z hlediska rozhodování nebo plánování pro firmu velice důležitá. Nicméně pro nalezení existujících vztahů mezi zkoumanými ukazateli využíváme již zmíněných statistických metod.

Pomocí korelační analýzy může firma zjistit neočekávané vztahy mezi účetními položkami. Regresní analýza může pomoci managementu předpovídat změny položek účetních výkazů nebo jednotlivých ukazatelů v závislosti jiné proměnné. Pokud by chtěl management firmy předpovídat budoucí vývoj finančních ukazatelů nebo položek účetních výkazů, využil by tedy časových řad, pomocí kterých by byl schopen určit vývoj na několik let dopředu, což by mu napomohlo s rozhodováním a hlavně pak s plánováním budoucích aktivit.

13

1. Teoretická část

1.1 Finanční analýza

Finanční analýzou rozumíme zpracování dat účetních výkazů ekonomického subjektu a slouží k hodnocení minulého, aktuálního nebo budoucího finančního stavu subjektu (Růčková, 2015, s. 9).

Finanční analýza je rozbor ekonomické činnosti, kde hlavními ukazateli jsou peníze a čas.

Finanční analýza se používá pro hodnocení finanční stability ekonomického subjektu, odvětví či státu (Mrkvička, 2006, s. 13-14).

Výsledky finanční analýzy jsou používány k budoucímu rozhodování a pro tvorbu finanční strategie podniku. Zpracování finanční analýzy mohou být odlišná na základě účelu zpracování finanční analýzy. Například zpracování finanční analýzy bankou za účelem rozhodnutí o poskytnutí úvěru ekonomickému subjektu, nebo zpracování finanční analýzy investorem za účelem predikce návratnosti investice. Investora zajímá zhodnocení jeho investic, vývoj tržních ukazatelů ziskovosti, případně zpracování finanční analýzy vrcholovým managementem podniku pro tvorbu krátkodobé a dlouhodobé finanční strategie. Vlastníka zajímají především výnosy a ziskovost (Růčková, 2015, s. 11-12).

1.1.1 Zdroje informací pro finanční analýzu

Základem pro zpracování kvalitní finanční analýzy jsou kvalitní podklady. Většina finančních analýz vychází z finančních účetních výkazů. Tyto výkazy musí odrážet skutečnou situaci podniku pro zpracování co nejpřesnější analýzy. Mezi účetní výkazy patří: rozvaha, výkaz zisku a ztráty, výkaz cash flow. Tyto výkazy jsou výkazy finančního účetnictví, jelikož poskytují informace o stavu a struktuře majetku, o zdrojích jeho krytí, o výsledku hospodaření, o pohybu peněz a o změnách vlastního kapitálu (Mrkvička, 2006, s. 24).

1.1.2 Rozvaha

Je to účetní výkaz, který používají interní i externí uživatelé. Důležitou charakteristikou je bilanční princip, který znamená, že každá položka, se kterou podnik hospodaří, musí být

14

financována nějakým zdrojem. Do aktiv patří veškerý majetek firmy a vyjadřuje majetkovou situaci podniku. Do pasiv řadíme zdroje financování majetku, u kterých se primárně zajímáme o poměr vlastních a cizích zdrojů. Rozvaha je sestavena k určitému dni v peněžním vyjádření, je sestavována pravidelně vždy ke konci účetního období.

Sestavování rozvahy v pravidelných intervalech tak umožňuje firmě získat informace o aktuálním stavu majetku. Pro sestavení rozvahy platí bilanční princip, kde platí rovnice

∑ Aktiv = ∑ Pasiv.

1.1.3 Výkaz zisku a ztráty

Jedná se o dokument, ve kterém jsou zachyceny výnosy, náklady a výsledek hospodaření za určité období. Výkaz zisku a ztráty říká, jak výnosy nebo náklady ovlivnily nebo ovlivňují výsledek hospodaření. Výsledek hospodaření je tedy zisk nebo ztráta. Informace tohoto účetního výkazu jsou důležité pro hodnocení výnosnosti společnosti. Výsledek hospodaření (VH) se rozděluje na několik úrovní: provozní VH, VH z finančních operací, VH za běžnou činnost, apod. Nejdůležitějším výsledkem hospodaření je provozní VH, který zobrazuje schopnost subjektu vytvářet kladný výsledek hospodaření z běžné činnosti (Růčková, 2015, s. 31, 45).

1.2 Analýza poměrovými ukazateli

Poměrová analýza zkoumá poměr (podíl) dvou veličin, které se skládají z položek účetních výkazů či jiných ukazatelů. Poměrová analýza rozlišuje několik skupin poměrových ukazatelů.

Skupiny poměrových ukazatelů:

1. Ukazatelé rentability, 2. Ukazatelé likvidity, 3. Ukazatelé zadluženosti, 4. Ukazatelé aktivity,

(Růčková, 2015, s.53), (Kislingerová, 2008, s.29).

15 1.2.1 Ukazatelé rentability

Ukazatel rentability zkoumá, jak efektivně je podnik schopen tvořit nové zdroje z vloženého kapitálu do podnikání. Ukazatele rentability počítáme jako podíl zisku nebo tržeb k vloženému kapitálu. Pro výpočet ukazatele zisku se používá více ukazatelů zisku:

EBITDA (earnings before interest, taxes, deprecation and amortisation), je zisk před úroky, zdaněním a odpisy; EBIT (earningsbefore interest and taxes), je zisk před úroky a zdaněním; EBT (earnings before taxes), je zisk před zdaněním; EAT (earnings after taxes), je zisk po zdanění (Kislingerová, 2008, s. 29-30).

EBIT je provozní výsledek hospodaření firmy a používá se například k porovnání rentability více firem s různými daňovými a úrokovými zatíženími. EAT je část zisku, která se přerozděluje (dividenda) nebo je to zisk nerozdělený a v účetním výkazu zisku a ztráty je EAT uvedený jako hospodářský výsledek za běžné účetní období. Ukazatel EAT se používá například pro odhad budoucích dividend akcionářů.

Nejpoužívanější ukazatelé rentability jsou: ROA (return on assets neboli rentabilita celkového kapitálu), ROE (return on equity neboli rentabilita vlastního kapitálu), ROCE, ROIC (return on capital employed, return on invested capital neboli rentabilita celkového investovaného kapitálu), ROS (return on sales neboli rentabilita tržeb).

ROA je ukazatel (1), který vyjadřuje návratnost celkového vloženého kapitálu (assets).

Celkový vložený kapitál je roven celkovým aktivům. Podle zvoleného zisku pro výpočet rentability se bude interpretace výsledku lišit. Výpočet ukazatele ROA zajímá hlavně samotný subjekt, zjišťuje jaká je výnosnost každé vložené koruny do podnikání (Růčková, 2015, s.57), (Kislingerová, 2008, s. 30).

(1)

ROE je ukazatel (2), který vyjadřuje, jaká je výnosnost z vloženého kapitálu vlastníky do podnikání. ROE ukazatel je podílem zisku po zdanění a vlastního kapitálu. Tento ukazatel umožňuje porovnávat výnos vloženého kapitálu s rizikem investice.

(2)

16

ROCE je ukazatel (3), který vyjadřuje výnosnost celkového kapitálu, který subjekt investoval. Tento ukazatel vyjadřuje velikost zhodnocení investovaného kapitálu.

Do ROCE vstupují ukazatele ze strany pasiv a to vlastní kapitál nebo dlouhodobé cenné papíry, dlouhodobé úvěry a jiné cizí zdroje. Výpočtem je tedy poměr zisku před zdaněním a rozdíl aktiv a krátkodobých pasiv. Výpočet ukazatele ROCE zajímá především potenciální investory nebo banky.

(3)

ROS je ukazatel (4), který vyjadřuje, kolik korun zisku připadne na korunu tržeb. Tento ukazatel lze použít pro porovnání s ostatními podniky ve stejném odvětví, jelikož v různých odvětvích se poměr zisku ku tržbám může velice lišit. Lze také zkoumat změnu tohoto ukazatele v čase, což nám indikuje změnu efektivity podnikání.

(4)

(Růčková, 2015, s.57-62).

1.2.2 Ukazatelé likvidity

Likvidnost je schopnost přeměny majetku na peněžní prostředky. Solventnost je schopnost podniku hradit své závazky. Likvidita vyjadřuje krátkodobý pohled na solventnost, vyjadřuje momentální schopnosti podniku hradit včas všechny své závazky (Růčková, 2009, s. 54-55).

Firma hledá rovnováhu mezi nízkou a vysokou likviditou, jelikož nízká likvidita znamená to, že podnik nemůže svůj majetek rychle přeměnit na hotovost, což může způsobit neschopnost platit své závazky. Naopak vysoká likvidita může naznačovat, že podnik investoval do majetku, který lze snadno přeměnit na peněžní prostředky, což často znamená, že tento majetek generuje menší zisk. Zatímco potenciální věřitelé tuto vysokou hodnotu likvidity ocení, například menšími úroky.

Existují tři stupně likvidity, okamžitá likvidita, pohotová likvidita a běžná likvidita. Každá položka aktiv má svůj stupeň likvidity, neboli rychlost, se kterou ji lze přeměnit na peněžní prostředky.

17

Okamžitá likvidita neboli likvidita 1. stupně se rovná podílu finančního majetku a krátkodobých závazků (5). Do finančního majetku patří nejlikvidnější aktiva, jako například peníze na běžných i jiných účtech, peníze v pokladně, šeky, volně obchodované cenné papíry a podobně. Jedná se v podstatě o majetek, který lze okamžitě přeměnit na peněžní prostředky. Ideální hodnoty jsou v rozmezí 0,9 až 1,1, hodnota 0,2 je označována jako kritická.

(5)

Pohotová likvidita neboli likvidita 2. stupně je rovna podílu rozdílu oběžných aktiv a zásob ku krátkodobým dluhům (6). Tento ukazatel je důležitý především pro výrobní podniky, jelikož v jeho výpočtu hraje důležitou roli objem zásob, jelikož zásoby mají nejvíce problematickou likviditu z oběžných aktiv. Doporučuje se hodnota mezi 1 a 1,5 kde vyšší hodnota je opět nevýhodná pro majitele ale naopak vítaná pro věřitele.

(6)

Běžná likvidita neboli likvidita 3. stupně je rovna podílu oběžných aktiv ku krátkodobým dluhům (7). Hodnota tohoto ukazatele říká, nakolik je subjekt schopný splácet krátkodobé závazky z krátkodobého majetku. Nelze se ovšem zaměřit pouze na tento ukazatel, jelikož v praxi může docházet k jeho zkreslením, ať už kontokorentním účtem či jinými prostředky.

(7)

(Růčková, 2015, s. 55-56), (Marek, 2009).

1.2.3 Ukazatelé zadluženosti

Ukazatele zadluženosti zkoumají jak samotnou míru zadluženosti, tak také schopnost podniku dostát svým závazkům týkajících se cizího kapitálu.

Celková zadluženost vyjadřuje míru, kterou je majetek firmy financován pomocí cizího kapitálu (8). Přestože vysoká hodnota tohoto ukazatele může odrazovat potencionální věřitele, je vždy nutné posuzovat i ostatní ukazatele, jako například rentabilitu, která

18

se může zvětšovat v období vyšší zadluženosti. Obecně se doporučuje udržovat hodnotu pod hranící 0,5, závisí ovšem na odvětví podnikání (Hrdý, Horová, 2009, s. 129).

(8)

Opakem celkové zadluženosti může být koeficient samofinancování, který nám oproti celkové zadluženosti říká, kolik majetku je kryto vlastním kapitálem (9). Součet celkové zadluženosti a koeficientu samofinancování by se měl rovnat hodnotě jedna, pokud do obou ukazatelů započítáváme vždy všechna pasiva.

(9)

Dalším ukazatelem zadluženosti je úrokové krytí, které nám říká, nakolik je podnik schopný pokrýt úroky pomocí zisků (10). Přesněji říká, kolikrát jsou zisky vyšší než úroky.

Doporučuje se hodnota minimálně tři. Pokud bude hodnota tohoto ukazatele menší než jedna, znamená to, že podnik nemusí mít dost prostředků na úhradu nákladů cizího kapitálu.

(10)

(Růčková, 2015, s. 64-65), (Mrkvička, 2006, s. 88-89), (Hrdý, Horová, 2009, str. 129).

1.2.4 Ukazatelé aktivity

Tyto ukazatele měří schopnost podniku využít aktiva a jiné zdroje podniku, do kterých subjekt investoval. Měří počet obrátek (obrátkovost) daného majetku za období a dobu obratu majetku, který vyjadřuje počet dní, po které trvá jedna obrátka. Majetek se dělí do několika oblastí (krátkodobý neboli oběžný, dlouhodobý nebo celkový), můžeme tedy vypočítat ukazatele aktivity v oblastech daného majetku.

Obrat celkových aktiv je také nazýván jako „vázanost kapitálu v aktivech“. Ukazatel je podílem tržeb a celkového kapitálu podniku (11). Tento ukazatel managementu říká, kolik korun tržeb připadá na jednu korunu podnikových celkových aktiv.

(11)

19

Ukazatel obrat zásob zjišťuje počet obrátek zásob za období. Pomocí tohoto ukazatele zjišťujeme, kolikrát za rok (365 dní) zásoby prodáme a dosahujeme tak tržeb. Tento ukazatel je konstruován jako podíl tržeb a zásob (12).

(12)

Doba obratu zásob vyjadřuje, jak dlouho jsou oběžná aktiva vázána ve formě zásob. Doba obratu zásob se vypočítá jako podíl sledovaného období, obvykle 365 dní (1 rok), a obratu zásob (13).

(13)

Ideálním stavem pro podnik je vysoký počet obrátek zásob a naopak krátká doba obratu zásob, proto je tento ukazatel stěžejní pro sestavení efektivní podnikové logistiky. V dnešní době existuje několik efektivních metod pro zásobování jako analýza ABC, just-in-time nebo kanban, které subjekt aplikuje podle typu podnikání.

Obrat pohledávek vyjadřuje počet obrátek neboli transformaci pohledávek v hotové peníze a vypočítáme ho jako podíl tržeb a pohledávek (14). Ideálním stavem je vysoká hodnota obratu pohledávek, což znamená, že odběratele jsou schopni rychle platit své závazky a podnik je tedy schopen využít získané peněžní prostředky k dalším potřebám podniku.

(14)

Doba obratu pohledávek vyjadřuje, za jak dlouho jsou pohledávky v průměru uhrazeny.

Management tím sleduje platební schopnost svých odběratelů, zdali jsou schopni uhradit své závazky v době splatnosti. Pokud je doba obratu pohledávek delší než doba splatnosti, odběratel tak nedodržuje stanovenou partnerskou politiku, což může mít za následek platební neschopnost podniku. Vypočítá se jako podíl jednoho roku (365 dní) a obratu pohledávek (15).

(15)

Obrat závazků je ukazatel, který vyjadřuje počet obrátek všech svých uhrazených závazků, to znamená, jak rychle jsou závazky dodavatelům uhrazeny. Výpočtem tohoto ukazatele

20

je podíl všech nákupů na obchodní úvěr a závazků z obchodního styku (16). Rychlá obrátkovost je ideálním stavem, jelikož je podnik schopen hradit své závazky do běžné doby splatnosti.

(16)

Doba obratu závazků vyjadřuje dobu, která uplyne mezi nákupy a jejich úhradou. Tento ukazatel zajímá hlavně banky nebo potenciální investory, jelikož vypovídá o platební schopnosti či neschopnosti firmy. Vypočítá se jako podíl jednoho roku a obratu závazků (17).

(17)

Obrat stálých aktiv je výpočet, který vyjadřuje kolik korun tržeb, připadá na jednu korunu stálých aktiv. Tento ukazatel vyjadřuje efektivitu využití budov, strojů, zařízení nebo dopravních prostředků. Nízká hodnota obratu stálých aktiv ukazatele podniku signalizuje nízké využití. Vypočítá se jako podíl tržeb a stálých aktiv (18).

(18) (Mrkvička, 2006, s. 95-96), (Kisllingerová, 2008, s.31-32).

1.3 Statistické metody

Pro statistický výzkum jsou nejdůležitější data a to primární, nebo sekundární. Primární data jsou taková data, která shromažďujeme sami. Sekundární data jsou data, která jsou již nashromážděná, a my je přejímáme pro statistický výzkum.

Statistický výzkum se zabývá hromadnými jevy, tyto jevy se vyskytují ve velkém počtu prvků. Prvky se nazývají statistické jednotky a jsou základním prvkem pro statistický výzkum. U statistických jednotek pak dále zkoumáme statistické znaky, což mohou být nějaké společné vlastnosti ve skupině zkoumaných prvků (pohlaví, věk, apod.).

Rozlišujeme znaky kvantitativní a kvalitativní. Kvantitativní znaky vyjadřujeme pomocí čísel a znaky kvalitativní vyjadřujeme slovně. Znaky se dále dělí na spojité a nespojité.

Spojité jsou takové znaky, které mohou nabývat libovolných hodnot, kladných nebo

21

záporných. Naopak nespojité znaky mohou nabývat jen určitých číselných hodnot.

Statistický soubor je skupina statistických prvků, u kterých zkoumáme příslušné statistické znaky.

Statistické zkoumání můžeme rozdělit do několika etap. První etapa je statistické šetření, dále pak zpracování dat, kdy pro výpočet a zjištění daných jevů používáme vhodných metod. Nejdůležitější a poslední etapou je etapa hodnocení neboli analýzy. Statistické údaje získáváme, buď pozorováním, nebo experimentem. Při pozorování data sčítáme, měříme nebo jinak zkoumáme. Zatímco u dotazování používáme pro sběr informací dotazníky nebo další marketingové nástroje.

Závěrem statistického šetření dostáváme velké množství informací, které je zapotřebí utřídit a shrnout. Pro utřídění velkého množství údajů do přehledné formy používáme statistické tabulky a v dnešní době nejčastěji výsledky znázorňujeme pomocí grafů.

Statistické grafy jsou velmi důležitou formou pro znázornění statistických údajů. Grafy je velmi populární nástroj pro svoji schopnost jednoduše a srozumitelně vyjádřit mnohdy dost komplikovaný výsledek šetření. Existuje několik druhů grafů, jako jsou spojnicové, výsečové nebo bodové grafy (Cyhelský, 2001, s. 17-20, 24-28), (Hindls, 2006, s. 13-17, 21, 24, 25).

1.3.1 Regresní analýza

Cílem regresní analýzy je nalézt ideální matematickou funkci, která co nejlépe vyjádří závislost dvou proměnných, tak aby co nejlépe vyjadřovala závislost jejich změny (Hindls, 2006, s. 177)

1.3.2 Obecná regresní funkce

Obecnou regresní funkci můžeme zapsat pomocí rovnice , kde je i-tá naměřená hodnota, neboli se jedná o funkci vysvětlující proměnné x a konstantních parametrů . Proměnná je odchylka, která je způsobena vlivem jiných proměnných než je vysvětlující proměnná x. Odchylku lze také vyjádřit pomocí rovnice . Tato rovnice nám říká, že odchylka se rovná

22

rozdílu naměřených hodnot a hodnot regresní funkce, neboli o kolik se odhad liší od skutečnosti.

V praxi nelze vždy nalézt parametry , a proto existuje empirická regresní funkce , kde jsou odhady parametrů .

Při hledání regresní funkce musíme nejprve zvolit podobu funkce η a následně zvolit její parametry tak, abychom minimalizovali celkovou chybu. Celková chyba se obecně počítá jako součet čtverců neboli , jelikož kdybychom pouze sčítali hodnoty , tak by se nám mohli jeho kladné a záporné hodnoty „vyrušit“ (Hindls, 2006, s. 181-183).

1.3.3 Lineární regrese

Funkci η lze vyjádřit pomocí obecné rovnice přímky . Parametry , lze odhadnout pomocí minimalizace celkové chyby Q. Celkovou chybu Q pro lineární regresi lze vyjádřit jako , protože tuto chybu chceme minimalizovat, tak budeme hledat odhady parametrů , , pro které bude derivace funkce Q rovna 0. Počet pozorování značíme n.

Odhady parametrů , označíme jako , a dostaneme hodnoty derivací podle těchto parametrů (19), (20):

, (19)

. (20)

Tyto rovnice položíme rovné nule a po úpravě dostaneme soustavu dvou normálních rovnic (21), (22):

, (21)

. (22)

Z těchto rovnic vyjádříme hodnotu koeficientů , (23), (24):

23

, (23)

(24)

(Hindls, 2006, s. 186-187).

1.3.4 Parabolická regrese

Funkci η lze vyjádřit jako obecnou rovnici paraboly, která nám říká . Po použití metody nejmenších čtverců a minimalizace její funkce pomocí derivací dostaneme rovnice pro nalezení parametrů b0, (25)b1,(26) a b2, (27):

, (25)

, (26)

. (27)

1.3.5 Hyperbolická regrese

Obecná rovnice hyperbolické regrese má tvar . Použitím metody nejmenších čtverců se opět dostaneme k soustavě rovnic (28), (29):

, (28)

. (29)

Řešením této soustavy dostáváme rovnici (30), (31):

, (30)

24

(31)

(Hindls, 2006, s. 191-192, 195-196).

1.3.6 Další druhy regrese

Při použití regrese v ekonomice se můžeme setkat s logaritmickou regresí, jejíž obecná rovnice má tvar , u které se použitím metody nejmenších čtverců, dostaneme k soustavě rovnic (32), (33):

, (32)

. (33)

Dalším příkladem regrese může být exponenciální regrese, u které ovšem nelze přímo použít metody nejmenších čtverců. Toto omezení lze obejít pomocí transformace, která funkci převede na funkci lineární. Například obecnou rovnici lze transformovat zlogaritmováním obou stran na rovnici . Dále už lze postupovat jako v případě lineární regrese a dostaneme rovnice pro výpočet parametrů b0(34),b1(35):

, (34)

(35)

(Hindls, 2006, s. 197-198).

1.3.7 Volba regresní funkce

V ideálním případě bychom měli rozhodovat o volbě regresní funkce, již na začátku regresní analýzy před jakýmkoli sběrem dat. Funkci bychom měli zvolit podle očekávané změny v čase, například když očekáváme, že růst bude nejprve mírný a poté bude se vzrůstajícími hodnotami nezávislé proměnné rychleji a rychleji růst, volíme například regresi parabolickou, pokud bude růst konstantní, volíme lineární regresi.

25

Typ regresní křivky volíme před sběrem dat, nejčastěji v případě, kdy již nějakou teorii máme a chceme jí pomocí regresní analýzy dokázat, či vyvrátit. V případě, že předem nejsem schopni odhadnout vztah dvou proměnných, je nutné nejprve nasbírat data, která si lze následně zobrazit do grafu a poté na základě vědomostí o jednotlivých funkcích, odhadujeme, která funkce se nejvíce blíží naměřeným datům.

1.3.8 Kvalita regresní funkce

Pro ověření kvality zvolené regresní funkce se používá nejprve index determinace.

Pro výpočet indexu determinace potřebujeme znát, jak hodnoty klasického rozptylu naměřených hodnot, kterého budeme značit , tak i rozptylu hodnot regresní funkce, který spočítáme pomocí vzorce (36):

(36)

(Hindls, 2006, s. 203).

Index determinace poté počítáme pomocí vzorce (37):

(37)

(Hindls, 2006, s. 204).

Hodnota indexu determinace vychází vždy kladná, po vynásobení stem dostaneme, kolik procent rozptylu závislé proměnné se povedlo vysvětlit danou regresní funkcí.

Správnost regresní funkce lze také ověřit testováním hypotéz o nulové hodnotě koeficientu regresní křivky. Obecnější test se nazývá F-test a ověřuje, zdali všechny z koeficientu se mohou rovnat nule.

T-testy následně testují, jestli jeden z parametrů může být roven nule. Obecně nás totiž především zajímají koeficienty, které přímo popisuji, o kolik se zvedne závislá proměnná při změně nezávislé proměnné. U lineární regrese nás tedy zajímá především, zdali koeficient β₁ může být nulový (Hu, Y, 2011, s.15-22).

26 1.3.9 Korelační analýza

Korelační analýza zkoumá míru závislosti jedné proměnné na druhé, jinými slovy zkoumá, nakolik lze hodnotu jedné proměnné vysvětlit hodnotu druhé proměnné.

K určování míry korelační závislosti se používá lineární korelační koeficient, nebo také Pearsonův korelační koeficient nebo r-koeficient. V jeho vypočtení slouží následující rovnice (38):

, (38)

kde je výběrový průměr pozorovaných hodnot xi a je výběrový průměr pozorovaných hodnot y_i. (DeVaux, 2008, s. 160).

Koeficient korelace vychází v rozmezí od mínus jedné do jedné, kde plus a mínus jedna znamenají silný vztah mezi dvěma proměnnými. Hodnota r² říká, kolik variability jedné proměnné lze vysvětlit pomocí lineární závislosti na druhé proměnné. Hodnoty koeficientu r mohou být v několika případech zavádějící. Například pokud jsou data ve skupinách, které jsou vůči sobě v lineární závislosti, nebo pokud se mezi daty nachází velmi vzdálené hodnoty (Petrie, Sabin, 2009, s. 75-76).

Vysoká hodnota korelačního koeficientu může být také zapříčiněná tím, že obě proměnné x a y jsou závislé na stejné proměnné a vztah mezi proměnnými x a y se poté nazývá pseudokorelace (Cyhelský, Souček, 2009, s. 90).

Při zkreslení hodnoty korelačního koeficientu, které je způsobené odlehlými pozorováními, lze použít Spearmanův korelační koeficient pořadí. Tento koeficient, již nezkoumá lineární vztah mezi proměnnými, ale mezi pořadím v setříděné posloupnosti xi, yi. Pro výpočet použijeme vzorec (39):

, (39)

kde Di je rozdíl mezi pořadími v setříděné posloupnosti mezi xi a yi a n je počet prvků posloupností xi a yi (Hendl, 2009, s. 268).

27

Kvalitu hodnot korelačního koeficientu ověřujeme pomocí předpokladu o nulové hodnotě (Hindls, 2006, s. 234-235).

1.3.10 Časové řady

Časovou řadou rozumíme posloupnost hodnot ukazatelů s jasným časovým určením.

Časové řady se v praxi používají pro zkoumání změn ukazatelů v čase a pro jejich predikci.

Časové řady lze dělit podle několika kritérií. Pro zpracování této bakalářské práce bude důležité především dělení na časové řady intervalové, které pracují s hodnotami ukazatelů, které získáváme v průběhu sledovaného období, a časové řady okamžikové, které naopak pracují s ukazateli, které se váží k danému okamžiku.

V případě, že pracujeme s časovými řadami intervalovými, je nutné, aby všechny intervaly byly stejně dlouhé. Problém může nastat například u měsíčního intervalu, který není vždy stejně dlouhý, a proto je nutné hodnoty intervalových ukazatelů „očistit“ od tohoto zkreslení. Tohoto očištění lze docílit pomocí vzorce (40):

, (40)

kde je očištěná hodnota ukazatele v čase t, je původní hodnota ukazatele v čase t, je průměrná délka intervalu a je délka t-tého intervalu (Hindls, Kaňoková, Novák, 1997, s. 90).

Pro analýzu časových řad, budeme potřebovat několik následujících statistických znaků.

První důležitou charakteristikou je například chronologický průměr, který se počítá jako průměrná hodnota z průměrných hodnot dvou po sobě jdoucích ukazatelů. Chronologický průměr vypočítáme pomocí vzorce (41), (Hindls, Kaňoková, Novák, 1997, s. 90):

. (41)

Stejně jako u regresní analýzy je jeden z hlavních cílů využití časových řad nalezení funkce, která co nejpřesněji popisuje již naměřené hodnoty, a která nám s jistou mírou přesností pomáhá předpovídat hodnoty budoucí. V této bakalářské práci se budeme zabývat pouze funkcí závislou na čase. Tuto funkci lze vyjádřit následující rovnicí (42):

28

(42)

(Hindls, Hronová, Seger, 2006, s. 254).

Proměnné, které jsou v této rovnici, jsou:

 yt jsou reálné hodnoty sledovaného ukazatele.

 Tt je trendová složka, která popisuje, jak se bude funkce dlouhodobě vyvíjet.

 St je sezónní složka, která vyjadřuje pravidelně se opakující krátkodobou výchylku z trendu.

 Ct je cyklická složka, která podobně jako sezónní popisuje pravidelně se opakující dlouhodobou výchylku z trendu.

 ε_t je náhodná složka, která není závislá na čase, často se chová nepředvídatelně a je následkem okolních vlivů.

 Yt je teoretická hodnota ukazatele v čase t, kterou se snažíme najít tak, aby její rozdíl odhadované funkce byl co nejmenší.

V následujících kapitolách budou vysvětleny postupy, pomocí kterých jsme schopni určit některé z těchto složek (Hindls, Kaňoková, Novák, 1997, s. 95-97).

1.3.11 Lineární trend

Pro výpočet lineárního trendu postupujeme stejně jako při výpočtu lineární regrese, hodnoty veličiny x pouze nahradíme hodnotami času. Výsledná funkce bude mít tvar , což je stejný tvar jako u lineární regrese, liší se pouze v proměnné x, která je nahrazená časem. Parametry ao, a1 odhadujeme parametry (43), (44) a ty vypočítáme pomocí vzorce:

, (43)

, (44)

Kde je průměrná hodnota časů ti ve kterých byly napozorovány hodnoty xi, je průměr z hodnot y_i a n je počet pozorovaných hodnot.

(Hindls, Kaňoková, Novák, 1997, s. 98-99).

29 1.3.12 Modifikovaný exponenciální trend

Požadovaná funkce bude ve tvaru: .Oproti všem předchozím funkcím, které jsou popsány v této práci, v kapitole o regresních analýzách, nemůžeme pro výpočet parametrů této funkce použít metodu nejmenších čtverců. Jedna z metod, jak vypočítat parametry této funkce, je metoda částečných součtů. Tato metoda vychází z rozdělení vstupních dat na tři části, které nemají společný průnik. Dalších z metod vychází z metody částečných součtů a jmenuje se metoda dílčích průměrů. Prvním krokem je výpočet dílčích průměrů (45), (46):

, (45)

, (46)

kde n je počet pozorování.

Pro n liché (47):

, kde . (47)

Pro n sudé (48):

, kde . (48)

Hodnoty parametrů odhadované funkce dále počítáme pomocí vzorců (49), (50), (51):

, (49)

, (50)

, (51)

(Hindls, Hronová, Seger, 2006, s. 273-274).

30 1.3.13 Gompertzova křivka

Obecnou rovnici Gompertzovy křivky vyjádříme pomocí rovnice: . Tato křivka vzniká transformací modifikovaného exponenciálního trendu a její horní asymptota je konstantní funkce k. Pro odhad těchto parametrů vycházíme ze zlogaritmované obecné rovnice Gompertzovy křivky, na kterou aplikujeme metodu částečných součtů. Výsledkem jsou následující rovnici pro parametr (52), (53), (54):

, (52)

, (53)

. (54)

Kde (55), (56), (57), (58):

, (55)

, (56)

, (57)

(58)

(Hindls, Kaňoková, Novák, 1997, s. 118).

31

2 Finanční a statistická analýza podniku X

2.1 Základní informace o podniku

Společnost, která je zpracována v této práci, si nepřeje být jmenována. Jedná se o akciovou společnost střední velikosti, která podniká v Libereckém kraji a byla založena v roce 2003.

V současné době má tato společnost 70 zaměstnanců. Firma je výrobní společností, která spolupracuje s podniky z více odvětví. Její výrobky se používají například v medicíně, a tudíž musí splňovat velmi přísné normy. Například normy týkající se kvality medicinálních výrobků nebo normy týkající se hygieny na pracovišti pro výrobu těchto výrobků. Společnost splnila požadavky pro tyto normy:

• ISO 9001:2008 - kvalita,

• ISO 13485:2012 – kvalita „zdravotnické prostředky“,

• ISO 14001:2004 - environment – životní prostředí.

Dále můžeme najít její výrobky v technickém odvětví, své výrobky dodává například do automobilového průmyslu a také součástky do brýlí, které jsou velmi specifickým druhem zboží pro tento podnik. Nedávno také firma začala spolupracovat na výrobě erotických pomůcek, u kterých jsou velmi specifické požadavky, týkající se například vzhledu a funkčnosti. Výroba společnosti se vyznačuje velkými prvotními náklady na vytvoření forem na přání zákazníka, přesto společnosti za dobu svého působení vyrobila více než 4000 různých typů výrobků.

Jelikož je společnost ve svém odvětví velmi unikátní jak v Libereckém kraji, tak v celé republice a jelikož si nepřeje být jmenována, nebude v této práci hlouběji popisována.

Společnost také podporuje několik regionálních nadací, jak kulturních tak nadacím pro ochranu zvířat.

32 2.2 Ukazatele rentability

Pro výpočet ukazatelů rentability pracujeme s položkami z účetních výkazů - rozvaha, výkaz zisku a ztráty. Zkoumáme, zdali je podnik schopen vytvářet nové zdroje a dosahuje zisků pomocí kapitálu, který společnost do podnikání vložila.

Obr zek 1: Ukazatele rentability (zdroj vlastn )

Na obrázku č. 1 si lze povšimnout, že rentabilita celkového vloženého kapitálu (ROA) dosáhla v posledních letech sledovaného období vzrůstajícího trendu. V průběhu sledovaného období podnik tvořil ztrátu v letech 2005 a 2007 z důvodů větších investic.

Nejlepšího zhodnocení firma dosáhla v posledním roce 2014 (18%). Od roku 2008 až do roku 2014 je průběh rentability spíše rostoucí mírnými výkyvy v letech 2009 a 2011.

Rentabilita celkového kapitálu je tedy příznivá a firma pozitivně využívá potenciál svého kapitálu.

Z obrázku č. 1 je patrné, že rentabilita celkového vlastního kapitálu (ROE) dosáhla nejvyšší hodnoty v roce 2004, kdy byl nízký podíl vlastního kapitálu. V následujících letech 2005 a 2007 byla hodnota ROA záporná z důvodu ztráty. Od roku 2008 se výnosnost ustálila a vykazuje spíše rostoucí vývoj, který je zapříčiněný poklesem úročení cizího kapitálu. Do ukazatele vstupuje zisk po zdanění EAT, který je očištěn o úroky podniku. Pro investory a věřitele je tento trend příznivý, firma je tedy schopna využít potenciál investovaného kapitálu do podnikání a vyprodukovat výnos odpovídající riziku investice. Strmost ukazatele rentability celkového vlastního kapitálu je vyšší, než strmost úrokové míry bezrizikových cenných papírů podle grafu (Kurzy.cz, 2016).

-40%

-20%

0%

20%

40%

60%

80%

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

ROA ROE ROCE ROS

33

Nejvyšší hodnota výnosnosti celkového investovaného kapitálu (ROCE) je v roce 2004 (29%). Vývoj je podobný jako u ukazatele ROA, což je patrné na obrázku č. 1. Nejvíce se liší v letech 2003 a 2004 z důvodu vysokého podílu krátkodobých pasiv k celkovým pasivům. Míra zhodnocení všech aktiv, do kterých společnost investovala vlastním i cizím dlouhodobým kapitálem, je pozitivní.

Dalším zkoumaným ukazatelem je rentabilita služeb (ROS). Z obrázku č. 1 je patrné, že v letech 2005 a 2007 firma tvořila ztrátu, v roce 2007 pak dokonce tratila na každé koruně tržeb až 13%. Nejvyšší hodnota výnosnosti podniku byla v roce 2014, kdy společnost vyprodukovala až 12% na jedné koruně tržeb. Od roku 2009 je průběh spíše rostoucí s mírným zpomalením výnosnosti v roce 2011.

2.3 Ukazatelé likvidity

Pro výpočet likvidity vycházíme z účetního výkazu rozvahy. Pomocí těchto ukazatelů, společnost zkoumá míru schopnosti hradit včas všechny své závazky.

Obr zek 2: Ukazatel okam it likvidity (zdroj vlastn )

Z obrázku č. 2, který zachycuje sledované období (12 let), je patrné, že se míra okamžité likvidity v roce 2007 a 2008 nachází nízko pod kritickou hranicí 0,2. V těchto letech společnost disponovala nízkou hodnotou finančního majetku a byla schopna okamžitě

0 0,2 0,4 0,6 0,8 1 1,2

1 2 3 4 5 6 7 8 9 10 11 12

Okamžitá likvidita Kritická hodnota

Horní mez doporučováné hodnoty Dolní mez doporučované hodnoty

34

uhradit jen 3,3% a 1,3% svých krátkodobých závazků. Průběh sledovaného období je kolísavý, ale od roku 2012 firma zaznamenala růst, který je vyšší než kritické pásmo (0,2), což je pozitivní jev například pro získávání nových finančních prostředků od věřitelů.

Obr zek 3: Ukazatel pohotov likvidity (zdroj vlastn )

Obrázek č. 3 zachycuje průběh pohotové likvidity ve sledovaném období. Hodnoty ukazatele pohotové likvidity se vyskytují skoro celé období v doporučované oblasti.

V letech 2005 a 2006 se hodnoty ukazatele dostaly vysoko nad doporučovanou oblast pohotové likvidity z důvodu vysoké hodnoty krátkodobých pohledávek a nízké hodnoty krátkodobých závazků. Podnik byl v roce 2005 schopen hradit korunu svých závazků až 5 korunami svých pohotových prostředků.

Vysoká hodnota pohotové likvidity není příznivá pro vedení firmy, jelikož velká část oběžného majetku je vázána ve formě pohotových prostředků a to může snižovat rentabilitu podniku z důvodu nízkých nebo žádných úroků. Naopak pro věřitele je vysoká hodnota likvidity příznivá. Od roku 2007 je trend příznivý, hodnoty pohotové likvidity jsou až do roku 2013 v doporučovaném rozmezí. V roce 2013 hodnota ukazatele roste a dostává se tak mírně nad horní doporučovanou mez. V roce 2014 je vidět mírný klesající trend.

0 1 2 3 4 5 6

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Pohotová likvidita Doporučená oblast (horní mez) Doporučená oblast (dolní mez)

35 Obr zek 4: Ukazatel b n likvidity (zdroj vlastn )

Z obrázku běžné likvidity č. 4 je patrné, že hodnoty ukazatele mají většinu času poměrně konstantní průběh. V roce 2005 ale hodnoty běžné likvidity zaznamenaly enormní výkyv, v tomto období tvořil oběžný majetek až 62% podíl na celkových aktivech a také dlouhodobé závazky byly výrazně vyšší než závazky krátkodobé. Takto vysoký ukazatel neindikuje platební neschopnost podniku, právě naopak, ale může snižovat výnosnost podniku. Hodnoty běžné likvidity vykazují pozitivní průběh a jsou vždy vyšší než jedna, což je podmínkou pro platební schopnost podniku, kterou podnik zjevně disponuje.

2.4 Ukazatele zadluženosti

Pro výpočet ukazatelů zadluženosti pracujeme s účetními výkazy a to rozvahou a výkazem zisku a ztráty. Pomocí těchto ukazatelů firma posuzuje míru financování majetku.

Posuzuje, jakou mírou využívá vlastní nebo cizí zdroje.

0 1 2 3 4 5 6 7 8 9

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Běžná likvidita

36 Obr zek 5: Ukazatel celkov zadlu enosti (zdroj vlastn )

Z obrázku č. 5 je patrné, že hodnoty ukazatele celkové zadluženosti mají klesající průběh.

V roce 2006 jsme zaznamenali větší pokles než u let předešlých a v roce 2007 opět nárůst především z důvodu nárůstu bankovní výpomoci. Nicméně hodnoty od roku 2007 až do konce sledovaného období klesají, což je přirozeně pozitivní průběh. Literatura doporučuje hodnotu 0,5, to znamená, že nanejvýš 50% majetku by měl být financován cizím zdroji. V roce 2009 firma financuje 59% svého majetku cizími zdroji. V dalších letech se podíl snižuje a pod hranicí 50% je podnik v roce 2012.

Obr zek 6: Koeficient samofinancov n (zdroj vlastn )

Druhým ukazatelem zadluženosti je koeficient samofinancování, který je opakem celkové zadluženosti. Z obrázku č. 6 je patrné, že podíl financování majetku vlastním kapitálem roste, což je pozitivní jev pro stabilitu firmy a věřitele. Na druhou stranu tento vlastní kapitál je pro firmu nejdražší, jelikož majitel podstupuje největší riziko.

0 0,2 0,4 0,6 0,8 1

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Celková zalduženost Doporučená hodnota

0 0,2 0,4 0,6 0,8

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Koeficient samofinancování

37

Obr zek 7: Sou et koeficientu samofinancov n a celkov zadlu enosti (zdroj vlastn )

Součet celkové zadluženosti a koeficientu samofinancování by se měl blížit hodnotě jedna.

Na obrázku č. 7 si můžeme ověřit, že tomu tak v tomto případě skutečně je.

Obr zek 8: Ukazatel rokov ho kryt (zdroj vlastn )

Dalším ukazatelem zadluženosti je úrokové krytí, které by nemělo být méně než hodnota jedna a naopak doporučená hodnota je 3. Na tomto obrázku č. 8 můžeme vidět kolísavý průběh tohoto ukazatele v čase. V letech 2005 a 2007 se hodnota tohoto ukazatele dostala pod kritickou oblast, jelikož podnik vykazoval ztrátu. Neschopnost platit úroky za své závazky může pro podnik znamenat další náklady v podobě penále. V roce 2009

0,94 0,95 0,96 0,97 0,98 0,99 1 1,01

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Koeicient samofinanocvání + celková zadluženosti Součet

-10 0 10 20 30 40 50 60 70

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Úrokové krytí Doporučovaná oblast Kritická oblast

38

pak hodnota ukazatele klesla pod doporučovanou oblast, ale velice se jí blížila, a tudíž to nebyla pro podnik velká hrozba.

2.5 Ukazatele aktivity

Tyto ukazatelé jsou zpracovány na základě účetních výkazů – rozvaha, výkaz zisku a ztráty. Zkoumají využití aktiv a jiných zdrojů podniku, do kterých společnosti investovala.

Obr zek 9: Ukazatel obratu celkov ch aktiv (zdroj vlastn )

Pro obrat celkových aktiv neexistuje doporučená hodnota. Hodnotu tohoto ukazatele lze porovnávat pouze s hodnotami ukazatelů firem ve stejném odvětví. Tato firma nemá velký počet konkurenčních podniků se stejnou technologií výroby, a proto nemáme možnost posoudit, zdali ukazatel nabývá ideálních hodnot. Nicméně na základě údajů obrázku č. 9 můžeme alespoň konstatovat, že v celém sledovaném období, kromě roku 2003, velikost tržeb byla větší, nebo se alespoň blížila hodnotě celkových aktiv.

0 0,5 1 1,5 2

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Obrat celkových aktiv

39 Obr zek 10: Ukazatel obratu z sob (zdroj vlastn )

Obr zek 11: Ukazatel doby obratu z sob (zdroj vlastn )

Dalším ukazatelem aktivity je obrat zásob a s tím související doba obratu zásob. Z obrázku č. 10 lze vidět, že obrátkovost zásob podniku má poměrně rostoucí průběh. To znamená, že zásoby se rychlejším tempem přeměňují na finanční majetek. Pouze v roce 2008 zaznamenala firma razantní pokles obratu svých zásob, tato nízká hodnota může znamenat pro podnik hrozbu, jelikož má podnik přebytečné zásoby, které nenesou žádný nebo velmi nízký výnos.

Na obrázku č. 11 je patrné, že doba obratu zásob se se zvyšující hodnotou obrátkovosti přirozeně snižuje. Průběh doby obratu zásob má klesající trend. Průměrná doba obratu zásob klesla o -0,6 dne za rok, pokud nezapočítáváme do průměru změnu mezi prvními dvěma roky, jelikož tento rozdíl je razantní (až 67 dní) a průměrnou dobu obratu zásob by tedy zkresloval.

0 5 10 15

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Obrat zásob

0 20 40 60 80 100 120

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Doba obratu zásob

40 Obr zek 12: Ukazatel obratu pohled vek (zdroj vlastn )

Obr zek 13: Ukazatel doby obratu z sob (zdroj vlastn )

Obrat pohledávek a doba obratu pohledávek jsou dalšími ukazateli k hodnocení aktivity podniku. Obrat pohledávek je znázorněn na obrázku č. 12. Obrat zásob se pohybuje ve čtyřletých cyklech, vždy první dva roky vykazuje obrat rostoucí trend a třetí rok cyklu vždy poklesne. K tomu, abychom prokázali existenci cyklů, by bylo zapotřebí více let.

Nicméně průběh vykazuje růst, což je pro podnik pozitivní jev, jelikož přeměna pohledávek v peněžní prostředky je rychlejší.

Doba obratu pohledávek je přirozeně kratší, jak lze vidět na obrázku č. 13 a vykazuje tedy klesající průběh. I na tomto ukazateli si lze povšimnout, že každý třetí rok je doba splatnosti pohledávek delší. Doba obratu pohledávek se průměrně snížila o -12,4 dne za rok.

0 2 4 6 8 10 12

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Obrat pohledávek

0 50 100 150 200 250 300

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Doba obratu pohledávek

41 Obr zek 14: Ukazatel obratu z vazk (zdroj vlastn )

Obr zek 15: Ukazatel doby obratu z vazk (zdroj vlastn )

Dalším ukazatelem aktivity je obrat závazků a jejich doba obratu. Hodnoty obratu závazků vykazují poměrně rostoucí průběh, viz obrázek č. 14, což znamená, že rychlost hrazení závazků společnosti je rok od roku vyšší. Společnost pouze v průběhu dvou let a to v roce 2008 a v roce 2011 zaznamenala pokles v obratu svých závazků. Na konci sledovaného období má obrat klesající průběh, nicméně po dobu celého sledovaného období má pozitivní průběh. Rychlá obrátkovost je podstatná hlavně pro dodavatele a potenciální věřitele.

0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Obrat závazků

0 100 200 300 400 500 600 700 800

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Doba obratu závazků

42

Doba obratu závazků na obrázku č. 15 vykazuje naopak průběh klesající, ale tento jev je opět přirozený s rostoucí hodnotou obrátkovosti závazků společnosti, takže tento průběh hodnotíme kladně. Průběh doby splatnosti má klesající vývoj a průměrně se snížila o -8,8 dne za rok, pokud nezapočítáváme do průměru hodnotu rozdílu prvních dvou let, jelikož by mohla tato vysoká hodnota výsledek zkreslit. Ukazatel doba obratu závazků zajímá především věřitele, jelikož vypovídá o platební schopnosti nebo neschopnosti společnosti.

Obr zek 16: Ukazatel obratu st l ch aktiv (zdroj vlastn )

Posledním ukazatelem hodnocení aktivity podniku je obrat stálých aktiv. Obrázek č. 16 znázorňuje vývoj obratu stálých aktiv. Průběh hodnot tohoto ukazatele je od roku 2007 konstantní bez větších výkyvů. Od roku 2003 do roku 2005 byl vývoj obratu stálých aktiv rostoucí a v roce 2006 hodnoty obratu poklesly. Nejvyšších hodnot obrat dosahoval v roce 2005, kdy na jednu korunu stálých aktiv připadá 6,05 koruny tržeb. Od roku 2007 je průměrná hodnota obratu stálých aktiv 1,82.

2.6 Korelační analýza

Korelační analýza zkoumá míru lineární závislosti dvou proměnných. Pro vypracování korelační analýzy jsou použity všechny významné položky z účetních výkazů. Mezi všemi dvojicemi vypočítáme hodnotu korelačního (Pearsonova) koeficientu, pomocí vzorce (36) z teoretické části. Hodnoty korelačních koeficientů všech dvojic ukazatelů setřídíme sestupně v absolutní hodnotě.

0 1 2 3 4 5 6 7

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Obrat stálých aktiv