Matematicko-statistické metody finanční analýzy

Matematicko-statistické metody finanční analýzy

Matematicko-statistické metody slouží ve finanční analýze k prognózování finančně-ekonomické situace podniku. Závěry získané pomocí matematicko-statistických metod nejsou ovlivněny subjektivními názory a zkušenostmi expertů, ale jsou považovány za exaktní.

Jednorozměrná diskriminační analýza

V jednorozměrné diskriminační analýze se podniky klasifikují jako prosperující či neprosperující na základě jednoho ukazatele.

Mediánový test

Postup při mediánovém testu: V množině hodnot ukazatelů vypočítáme medián. Ukazatel, který dobře rozlišuje, je takový, že na jedné straně je mnoho dobrých podniků a na druhé straně mnoho špatných podniků.

Beaverova jednorozměrná diskriminační analýza

Beaverova jednorozměrná diskriminační analýza pracovala se souborem 138 podniků. Beaver vybral 69 prosperujících a 69 neprosperujících podniků. Každý podnik byl charakterizován souborem 30 poměrových finančních ukazatelů, z nichž se vypočítával aritmetický průměr za každý z pěti let předcházejících vzniku finančních potíží.

Beaver zjišťoval, zda se průměrné hodnoty ukazatelů v obou souborech významně liší. Při predikci finančního vývoje se bere v úvahu nejen průměrná hodnota, ale i variabilita hodnot ukazatelů. Čím je variabilita menší, tím lépe lze předvídat vývoj. Beaver toto akceptoval a vytvořil rozlišovací hodnotu, která umožnila klasifikovat podnik s nejmenší chybou.

Dvojrozměrná diskriminační analýza

Při dvojrozměrné diskriminační analýze se podniky klasifikují na prosperující a neprosperující na základě dvou ukazatelů.

Vícerozměrná diskriminační analýza

Při vícerozměrné diskriminační analýze se predikce budoucnosti podniku uskutečňuje na základě zohlednění více ukazatelů, které vytvářejí prostor.

Altmanův model

Altmanův model byl vypracován na základě 66 podniků (33 prosperujících a 33 neprosperujících podniků). Nejlépe vypovídají o finanční situaci a jejím budoucím vývoji tyto ukazatele:

• a = čistý pracovní kapitál / aktiva
• b = zisk po zdanění / aktiva
• c = zisk před úroky a zdaněním / aktiva
• d = tržní cena akcií / cizí zdroje
• e = tržby / aktiva

Altman určil i váhy těchto ukazatelů a sestavil diskriminační funkci.

Pro firmy s akciemi veřejně obchodovatelnými

Diskriminační funkce pro firmy s akciemi veřejně obchodovatelnými na burze má tvar: Z = 1,2a + 1,4b + 3,3c + 0,6d + 1e

Závěry popisují pásma, podle kterých se predikuje finanční budoucnost:

• Z > 2,99 finanční situace podniku je dobrá
• 1,81 < Z < 2,99 šedá zóna, bankrot je možný
• Z < 1,81 bankrot je velmi pravděpodobný

Pro firmy s akciemi veřejně neobchodovatelnými

Pro firmy, které neemitují akcie veřejně obchodovatelné na trhu, má funkce tvar: Z = 0,717a + 0,847b + 3,107c + 0,420d + 0,998e

Závěry:

• Z > 2,9 finanční situace je v současnosti i budoucnosti dobrá
• 1,2 < Z < 2,9 šedá zóna nevyhraněných výsledků
• Z < 1,2 finanční situace je špatná, hrozí bankrot

Modifikovaný Altmanův index – IN

IN v názvu představuje počáteční písmena jmen jeho autorů: Neumaice, I. – Neumaicová, I. Vzorec pro výpočet IN vypadá takto:

IN = V1* A/CZ + V2* ZUD/U + V3* ZUD/A + V4*T/A + V5* OA/(KDZ+KDBU) – V6 * ZPL/T

Vysvětlivky:

• V1 – V6 = váhy
• CZ = cizí zdroje
• ZUD = zisk před úroky a zdaněním
• T = tržby
• A = aktiva
• KDZ = krátkodobé závazky
• KDBU = krátkodobé bankovní úvěry
• ZPL = závazky po lhůtě splatnosti

Beermanova diskriminační funkce

Beerman se jako první v Německu zabýval otázkou prognózování insolventnosti podniků na základě ukazatelů rozvahy. Východiskem jeho výzkumu bylo 21 akciových společností, které se v letech 1966–1971 staly insolventními, a porovnávací výběr tvořila analyzovaná skupina prosperujících podniků. Beerman použil 10 ukazatelů, přičemž jejich rozlišovací schopnost ověřil nejprve jednorozměrnou analýzou a později vícerozměrnou diskriminační analýzou, přičemž počet ukazatelů nesnížil, ale všech 10 spojil do lineární funkce (funkce platná pro jeden rok před insolventností).

Vzorec Beermanovy diskriminační funkce vypadá takto: Df = 0,217a + (-0,063)b + 0,012c + 0,077d + (-0,105)e + (-0,813)f + 0,165g + 0,061h + 0,268i + 0,124j

Ukazatele:

• A = odpisy dlouhodobého hmotného majetku / počáteční stav dlouhodobého hmotného majetku + přírůstek
• B = cash flow / závazky
• C = přírůstek dlouhodobého hmotného majetku / odpisy dlouhodobého hmotného majetku
• D = závazky / aktiva celkem
• E = zisk před zdaněním / obrat (tržby)
• F = zisk před zdaněním / aktiva celkem
• G = závazky vůči bankám / závazky
• H = obrat (tržby) / aktiva celkem
• I = zásoby / obrat (tržby)
• J = zisk před zdaněním / závazky
• CF – cash flow
• HIM – dlouhodobý majetek podniku

Závěr Beermanovy diskriminační funkce

Čím je NIŽŠÍ HODNOTA diskriminační funkce, tím LEPŠÍ je finanční situace podniku. Dělicí hodnota rozlišující prosperující podniky od neprosperujících je 0,3.

Výsledky:

• 0,2 – velmi dobré
• 0,25 – dobré
• 0,3 – průměrné
• 0,35 – špatné

Index bonity

Index bonity je syntetický ukazatel finančně-ekonomické kondice podniku, rozšířený zejména v německy mluvícím prostoru Evropy (DACH). Vyjadřuje, do jaké míry je firma schopná dlouhodobě plnit své závazky, udržet likviditu a generovat udržitelnou výkonnost. Platí, že čím je hodnota indexu vyšší, tím příznivější je aktuální situace i prognóza firmy.

Index bonity se používá v německy mluvícím ekonomickém prostoru Evropy. Čím je jeho hodnota vyšší, tím je finančně-ekonomická situace firmy a její prognóza lepší. Index bonity je praktický a komunikativní kompas finančního zdraví: jedním číslem shrnuje mnoho signálů o rentabilitě, likviditě, pákovém efektu a kvalitě cash flow. Správně použitý – s důrazem na normalizaci, trend a doplňkové modely – je spolehlivým podkladem pro úvěrové rozhodování, investiční selekci i interní řízení výkonnosti. Čím je jeho hodnota vyšší, tím příznivější je současná pozice a výhled podniku.

Podstata a význam indexu bonity

Bonita představuje důvěryhodnost a kreditní zdraví podniku. Index bonity z této ideje činí měřitelný výsledek: kombinuje více finančně orientovaných ukazatelů do jednoho skóre, které je srozumitelné bankám, investorům i managementu. Slouží jako rychlá „mapa terénu“, z níž lze odhadnout rizikovost, kapitálovou přiměřenost a dynamiku zisku.

Metodický rámec a konstrukce

Konkrétní metodika se může lišit podle instituce, ale typicky se používá vážená kombinace ukazatelů z těchto oblastí:

• Rentabilita (např. ROE, ROA) – schopnost zhodnocovat kapitál.
• Likvidita (běžná, rychlá) – schopnost platit krátkodobé závazky.
• Zadluženost a krytí (Debt/Equity, úrokové krytí) – finanční páka a odolnost proti poklesu cash flow.
• Aktivita (obrat zásob, doba inkasa) – efektivita využití aktiv.
• Cash flow (provozní CF, volný CF) – kvalita zisků a jejich převoditelnost do hotovosti.

Obecný tvar je možné schematicky zapsat jako vážený součet standardizovaných ukazatelů: Index bonity = Σ (w_i · z-score_i), kde váhy w_i reflektují význam jednotlivých dimenzí rizika.

Interpretace výsledku

Interpretace je vždy relativní – vůči odvětví, velikosti firmy a hospodářskému cyklu. Prakticky se používají intervaly:

• Vysoký index: nízké kreditní riziko, stabilní ziskovost, komfortní likvidita; prognóza příznivá.
• Střední index: přiměřené riziko; doporučuje se detailnější rozbor citlivosti a cash flow.
• Nízký index: zvýšené riziko; možné napětí v likviditě, slabá rentabilita nebo nadměrná páka.

Absolutní „prahy“ se nespecifikují univerzálně – liší se podle kapitálové náročnosti odvětví. Klíčová je trendová analýza (zlepšování/zhoršování) v čase.

Uplatnění v praxi

• Banky a pojišťovny: stanovování cen úvěrů, limity expozic, zajištění.
• Investoři: screening portfolia, porovnání srovnatelných firem, včasná identifikace zhoršujících se trendů.
• Dodavatelé: nastavení splatností, úvěrových rámců a kolaterálů.
• Interní management: klíčové ukazatele zdraví firmy, varovné signály, podklad pro plánování kapitálu.

Porovnání s příbuznými modely

• Altmanovo Z-skóre: diskriminační model pravděpodobnosti úpadku; silný ve výrobním sektoru, citlivý na účetní politiky.
• IN modely (středoevropské varianty): důraz na lokální specifika a odvětví.
• Ohlsonovo O-skóre: logistický přístup k defaultu; vyšší statistická komplexnost.

Index bonity se od nich liší cílem: méně „binárně“ posuzuje default a více syntetizuje celkové kreditní zdraví. V praxi se často používají společně – k triangulaci rizika.

Limity a metodická upozornění

• Kvalita vstupů: účetní odhady, jednorázové položky a sezónnost mohou zkreslit skutečný obraz.
• Odvětvová heterogenita: bez normalizace hrozí nesprávné srovnávání „jablek s hruškami“.
• Statickost: jednorázový výpočet nezachytí rychlé změny v objednávkách či cash flow.
• Modelové riziko: nevhodné váhy nebo výběr metrik vedou k falešným závěrům.

Doporučená analytická praxe

• Používejte rolling horizont (4–8 čtvrtletí) a sledujte trend indexu.
• Normalizujte ukazatele vůči peer skupině a cyklu.
• Kombinujte s cash flow analýzou a scénáři (citlivost na prodeje, úroky, měnové riziko).
• Ověřujte výsledky alternativními modely (Z-skóre, interní PD, indikátory raného varování).

Ilustrační numerický příklad

Představme si firmu, pro kterou sledujeme pět metrik (standardizovaných na z-skóre) s váhami: rentabilita 0,30; likvidita 0,20; zadluženost 0,20; aktivita 0,15; cash flow 0,15. Pokud firma dosáhne z-skóre (0,8; 0,5; 0,2; 0,4; 0,6), pak:

Index bonity = 0,30·0,8 + 0,20·0,5 + 0,20·0,2 + 0,15·0,4 + 0,15·0