Ανάλυση Κινδύνου & Υποδείγματα Πτώχευσης. Αντώνιος Πανουσιάδης Επιβλέπων καθηγητής: Αθανάσιος Νούλας

Σχετικά έγγραφα
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ

ΠΜΣ στην Αναλογιστική Επιστήμη και Διοικητική Κινδύνου. Πιστωτικός Κίνδυνος. Διάλεξη 3: Υποδείγματα πιστωτικού κινδύνου,

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Στατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ

2 ο Εξάμηνο του Ακαδημαϊκού Έτους ΟΔ 055 ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΙΣ ΚΟΙΝΩΝΙΚΕΣ ΕΠΙΣΤΗΜΕΣ Διδασκαλία: κάθε Τετάρτη 12:00-15:00 Ώρες διδασκαλίας (3)

Περιεχόμενα. Εισαγωγικό σημείωμα... 11

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

Εισαγωγή στην Ανάλυση Δεδομένων

Τμήμα Οργάνωσης και Διαχείρισης Αθλητισμού

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17

Πρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21

ΓΙΑΓΚΟΥ ΔΗΜΗΤΡΙΟΣ. Επιβλέπων: Γιώργος Γιαννής, Καθηγητής ΕΜΠ. Αθήνα, Ιούλιος 2018 ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ICAP GROUP S.A. ΑΝΑΘΕΩΡΗΣΗ ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΩΝ ΥΠΟΔΕΙΓΜΑΤΩΝ

ΣΥΓΚΡΙΤΙΚΗ ΑΝΑΛΥΣΗ ΤΩΝ ΠΑΡΑΓΟΝΤΩΝ ΕΠΙΡΡΟΗΣ ΤΗΣ ΟΔΗΓΗΣΗΣ ΥΠΟ ΤΗΝ ΕΠΗΡΕΙΑ ΑΛΚΟΟΛ ΤΩΝ ΟΔΗΓΩΝ ΑΥΤΟΚΙΝΗΤΩΝ ΚΑΙ ΜΟΤΟΣΙΚΛΕΤΩΝ ΑΡΒΑΝΙΤΗ ΔΗΜΗΤΡΑ

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

1. Αριθμοδείκτες Τρόπος υπολογισμού

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Αναλυτική Στατιστική

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

Εισόδημα Κατανάλωση

Πολλαπλή παλινδρόμηση (Multivariate regression)

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017

Η ΣΤΑΤΙΣΤΙΚΗ ΣΤΟ ΕΡΓΑΣΤΗΡΙΟ ΣΠΕΡΜΑΤΟΣ

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Διερεύνηση της Συμπεριφοράς Κυκλοφορίας και Ασφάλειας των Πεζών που Στέλνουν Μηνύματα ή Περιηγούνται στο Διαδίκτυο

Πρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ Α Κεφάλαιο 1: Εισαγωγή 2 Κεφάλαιο 2: Διαχρονική αξία του χρήματος 6 Κεφάλαιο 3: Ανάλυση χρηματοοικονομικών δεικτών 34

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής

ΚΕΦΑΛΑΙΟ 3: ΕΙΔΗ ΚΙΝΔΥΝΟΥ

ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ

ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ

ΑΝΑΛΥΣΗ ΠΡΟΤΙΜΗΣΕΩΝ ΓΙΑ ΤΗ ΧΡΗΣΗ ΣΥΣΤΗΜΑΤΟΣ ΕΝΟΙΚΙΑΖΟΜΕΝΩΝ ΠΟΔΗΛΑΤΩΝ ΣΤΟΝ ΔΗΜΟ ΑΘΗΝΑΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

Απλή Παλινδρόμηση και Συσχέτιση

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

Είδη Μεταβλητών. κλίµακα µέτρησης

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΤΕΧΝΙΚΗ ΑΝΑΛΥΣΗ

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΕΦΑΡΜΟΓΗ ΠΡΟΒΛΕΨΗΣ ΕΤΑΙΡΙΚΗΣ ΠΤΩΧΕΥΣΗΣ ΣΤΟ ΠΛΑΙΣΙΟ ΤΗΣ ΕΛΕΓΚΤΙΚΗΣ ΑΞΙΟΛΟΓΗΣΗΣ ΠΕΡΙ «ΣΥΝΕΧΙΣΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ»

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Χ. Εμμανουηλίδης, 1

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Γενικευμένα Γραμμικά Μοντέλα (GLM) Επισκόπηση

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ. Τμήμα Λογιστικής και Χρηματοοικονομικής ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

ΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική

ΕΠΙΣΤΗΜΟΝΙΚΟ ΕΠΙΜΟΡΦΩΤΙΚΟ ΣΕΜΙΝΑΡΙΟ «ΚΑΤΑΡΤΙΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ» Τριανταφυλλίδου Ιωάννα Μαθηματικός

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

Η στάση των Ελλήνων οδηγών απέναντι στην επιθετική οδήγηση ΣΤΕΦΑΤΟΥ ΑΓΓΕΛΙΚΗ Επιβλέπων: Γεώργιος Γιαννής, Καθηγητής EMΠ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΕΠΙΡΡΟΗΣ ΤΗΣ ΟΔΗΓΗΣΗΣ ΤΗ ΝΥΧΤΑ ΣΤΗ ΣΥΜΠΕΡΙΦΟΡΑ ΚΑΙ ΣΤΗΝ ΑΣΦΑΛΕΙΑ ΤΩΝ ΝΕΩΝ ΟΔΗΓΩΝ ΣΤΙΣ ΠΟΛΕΙΣ ΜΕ ΤΗ ΧΡΗΣΗ ΠΡΟΣΟΜΟΙΩΤΗ ΟΔΗΓΗΣΗΣ

ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ. Διπλωματική Εργασία

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19

1ο ΣΤΑΔΙΟ ΓΕΝΕΣΗ ΜΕΤΑΚΙΝΗΣΕΩΝ

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

Εισαγωγή στην Εκτιμητική

Περιεχόμενα. Πρόλογος... 15

DIADIKASIA BUSINESS CONSULTING ΣΥΜΒΟΥΛΟΙ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΕ

ΕΚΘΕΣΗ ΤΟΥ ΔΙΟΙΚΗΤΙΚΟΥ ΣΥΜΒΟΥΛΙΟΥ ΤΗΣ «MARPRO ΕΚΜΕΤΑΛΛΕΥΣΗ ΑΚΙΝΗΤΩΝ ΑΝΩΝΥΜΟΣ ΕΤΑΙΡΕΙΑ» ΑΡ.Μ.Α.Ε /004/Β/09/0100 ΠΡΟΣ ΤΗΝ

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

Οι στατιστικοί έλεγχοι x τετράγωνο, t- test, ANOVA & Correlation. Σταμάτης Πουλακιδάκος

ΕΤΗΣΙΑ ΕΚΘΕΣΗ ΔΙΑΧΕΙΡΙΣΗΣ ΤΟΥ ΔΙΟΙΚΗΤΙΚΟΥ ΣΥΜΒΟΥΛΙΟΥ

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

ΣΤΑΤΙΣΤΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΠΡΟΒΛΕΨΗΣ ΚΙΝΔΥΝΟΥ ΕΙΣΗΓΜΕΝΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Κανάρης Α. Παπαναστασόπουλος

Αγορές (Χαρακτηριστικά Αγορών Κεφαλαίου, Οργανωμένες Αγορές, Πρωτογενείς Αγορές). 1 β Πρωτογενείς αγορές είναι οι αγορές στις οποίες:

ΕΡΕΥΝΑ ΑΠΟΔΟΧΗΣ ΑΥΤΟΝΟΜΩΝ ΟΧΗΜΑΤΩΝ ΑΠΟ ΤΟΥΣ ΕΛΛΗΝΕΣ ΟΔΗΓΟΥΣ

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

Αγορές (Χαρακτηριστικά Αγορών Κεφαλαίου, Οργανωμένες Αγορές, Πρωτογενείς Αγορές).

Το στατιστικό κριτήριο που μας επιτρέπει να. μιας ή πολλών άλλων γνωστών μεταβλητών. Η σχέση ανάμεσα στις μεταβλητές που μελετώνται

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

ΥΠΟΔΕΙΓΜΑΤΑ ΜΕΤΡΗΣΗΣ ΠΙΣΤΩΤΙΚΟΥ ΚΙΝΔΥΝΟΥ: Η ΠΕΡΙΠΤΩΣΗ ΤΩΝ ΕΛΛΗΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ.

Περιγραφική Ανάλυση ποσοτικών μεταβλητών

LOGO. Εξόρυξη Δεδομένων. Δειγματοληψία. Πίνακες συνάφειας. Καμπύλες ROC και AUC. Σύγκριση Μεθόδων Εξόρυξης

Πιστοληπτικές Διαβαθμίσεις ICAP ΜΑΡΤΙΟΣ 2014

Κύριοι Μέτοχοι, Εξέλιξη των εργασιών της εταιρείας

Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δύο εξαρτημένων δειγμάτων, που ακολουθούν την κανονική κατανομή (t-test για εξαρτημένα δείγματα)

Αριθμοδείκτες διάρθρωσης κεφαλαίων 7 φ

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Το τυπικό σφάλμα του μέσου (standard error of mean) ενός δείγματος

ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

ΙΕΚ ΞΑΝΘΗΣ. Μάθημα : Στατιστική Ι. Υποενότητα : Περιγραφική Στατιστική

Ανάλυση της επιρροής της νυχτερινής οδήγησης στη συμπεριφορά και στην ασφάλεια των νέων οδηγών στις επαρχιακές οδούς με τη χρήση προσομοιωτή οδήγησης

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών

Transcript:

Ανάλυση Κινδύνου & Υποδείγματα Πτώχευσης Αντώνιος Πανουσιάδης Επιβλέπων καθηγητής: Αθανάσιος Νούλας

Στόχοι Διπλωματικής Εργασίας I. Ανάλυση βασικών επιχειρηματικών κινδύνων II. Ανάλυση κλασσικών υποδειγμάτων πρόβλεψης πτώχευσης Μονομεταβλητή Ανάλυση Διακριτική Ανάλυση Πιθανοτικά Υποδείγματα [L.P.M., Logit, Probit] III. Έρευνα σε δεδομένα της ελληνικής οικονομίας Εφαρμογή Διακριτικής Ανάλυσης & Υποδείγματος Logit Χρήση του στατιστικού πακέτου SPSS της IBM [Έκδοση 23]

Μέρος Ι: Θεωρία

Βασικοί Επιχειρηματικοί Κίνδυνοι Κίνδυνος Αγοράς Κίνδυνος Συναλλαγματικών Ισοτιμιών Κίνδυνος Επιτοκίου Κίνδυνος Τιμής Μετοχής Κίνδυνος Τιμών Παραγόμενων Προϊόντων και Υπηρεσιών Κίνδυνος Τιμών Παραγωγικών Συντελεστών Μέτρηση Κινδύνου Αγοράς: Value at Risk Πιστωτικός Κίνδυνος Συστηματικός Μη συστηματικός Μέτρηση Πιστωτικού Κινδύνου 5 C s of credit Οίκοι αξιολόγησης Κίνδυνος Ρευστότητας Λειτουργικός Κίνδυνος

Πτώχευση Εταιριών Η εταιρική πτώχευση στην Ελλάδα 700 Κηρυχθείσες Πτωχεύσεις 2004-2014 600 500 400 300 200 100 0 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 569 612 532 524 342 368 380 474 455 437 335

Υποδείγματα Πτώχευσης Μονομεταβλητή Ανάλυση Μέθοδος Διχοτόμου Μεταβλητής Ταξινόμησης William H. Beaver [1966] Διακριτική Ανάλυση L.D.A. Altman, Z Score [1968] Q.D.A. Altman et al. ZETA [1977] Υποδείγματα Πιθανότητας L.P.M. Meyer & Pifer [1970] Probit Hanweck [1977] Logit Ohlson [1980]

ΜΕΡΟΣ ΙΙ : Έρευνα

Δείγμα 64 εισηγμένες στο Χρηματιστήριο Αξιών Αθηνών επιχειρήσεις. 32 εξ αυτών υπέβαλλαν αίτηση για υπαγωγή στον Πτ.Κ. [ν. 3588/2007] κατά το χρονικό διάστημα 2008 2016. Αντιστοίχιση πτωχευμένων επιχειρήσεων με μη πτωχευμένες βάσει: Κλάδου Δραστηριότητας [ΣΤΑΚΟΔ] Μεγέθους Ενεργητικού [έτος -1] Συλλογή οικονομικών στοιχείων για έως και πέντε έτη πριν το έτος 0 Κατασκευή 11 χρηματοοικονομικών αριθμοδεικτών με βάση τα παραπάνω στοιχεία. Πηγές δεδομένων Βάση δεδομένων Βιβλιοθήκης Πανεπιστημίου Μακεδονίας Επιτροπή Κεφαλαιαγοράς Εθνικό Τυπογραφείο imentor Capital.gr Naftemporiki.gr

Κλάδοι επιχειρήσεων δείγματος Μέσος όρος Ενεργητικού Πτωχευμένες επιχειρήσεις 137.5 εκ. ευρώ Μη πτωχευμένες επιχειρήσεις 147.8 εκ. ευρώ ΜΕΤΑΦΟΡΕΣ (Θ), 3% ΓΕΩΡΓΙΑ (Α), 3% ΜΕΤΑΠΟΙΗΣΗ (Δ), 30% ΆΛΛΟ, 6% ΕΜΠΟΡΙΟ (Ζ), 16% ΚΑΤΑΣΚΕΥΕΣ (ΣΤ), 22% ΥΠΗΡΕΣΙΕΣ, 11%

Ενεργητικό Καθαρή Θέση Υποχρεώσεις Αποτελέσματα Χρήσης Κεφαλαιοποίηση Οικονομικά στοιχεία που συλλέχθηκαν Κυκλοφορούν Ενεργητικό Σύνολο Ενεργητικού Συσσωρευμένα Αποτελέσματα Χρήσης Σύνολο Ιδίων Κεφαλαίων Μακροπρόθεσμες Υποχρεώσεις Βραχυπρόθεσμες Υποχρεώσεις Σύνολο Υποχρεώσεων Κύκλος Εργασιών Αποτελέσματα προ Φόρων και Τόκων Καθαρά αποτελέσματα χρήσης Μέσος σταθμικός όρος μετοχών σε κυκλοφορία Χρηματιστηριακή τιμή κλεισίματος μετοχής κατά την τελευταία ημέρα διαπραγμάτευσης

Αριθμοδείκτες βάσει των οικονομικών στοιχείων Α.Δ.1= Καθαρό Κεφάλαιο Κίνησης / Σύνολο Ενεργητικού Α.Δ.2= Συσσωρευμένα Α.Χ. / Σύνολο Ενεργητικού Α.Δ.3= Αποτελέσματα προ Φόρων και Τόκων / Σύνολο Ενεργητικού Α.Δ.4= Κεφαλαιοποίηση / Συνολικές Υποχρεώσεις Α.Δ.5= Κύκλος Εργασιών (Πωλήσεις) / Σύνολο Ενεργητικού Α.Δ.6= Σύνολο Ιδίων Κεφαλαίων / Σύνολο Ενεργητικού Α.Δ.7= Καθαρό Κεφάλαιο Κίνησης / Βραχυπρόθεσμες Υποχρεώσεις Α.Δ.8= Σύνολο Ιδίων Κεφαλαίων / Μακροπρόθεσμες Υποχρεώσεις Α.Δ.9= Συσσωρευμένα Α.Χ. / Αποτελέσματα προ Φόρων και Τόκων Α.Δ.10= Καθαρά Αποτελέσματα Χρήσης / Σύνολο Ενεργητικού Α.Δ.11= Αποτελέσματα προ Φόρων και Τόκων / Κύκλος Εργασιών (Πωλήσεις)

Πίνακας 1: Δείγμα χωρισμένο σε ομάδες Μεταβλητές Ομάδα Μέση Τιμή Std.Dev Μεταβλητές Ομάδα Μέση Τιμή Std.Dev Α.Δ.1 Α.Δ.2 Κ.Κ.Κ. / Ενεργητικό Συσσωρευμένα Α.Χ. / Ενεργητικό 0-0.692 1.062 Κ.Κ.Κ. / Βραχ. 0-0.438 0.412 Α.Δ.7 1 0.155 0.182 Υποχρεώσεις 1 2.525 7.891 0-2.555 8.689 Ίδια Κεφάλαια / 0-2.227 5.550 Α.Δ.8 Μακρ. 1-0.512 2.953 Υποχρεώσεις 1 7.452 13.121 Α.Δ.3 Α.Δ.4 Α.Δ.5 Α.Π.Φ.Τ. / Ενεργητικό Κεφαλαιοποίηση / Σύνολο Υποχρεώσεων Πωλήσεις / Ενεργητικό 0-0.274 0.432 0 6.598 24.039 Συσσωρευμένα Α.Δ.9 Α.Χ. / Α.Π.Φ.Τ. 1 0.005 0.065 1-401.182* 1962.245 Καθαρά 0 0.156 0.164 0-0.426 0.511 Α.Δ.10 Αποτελέσματα / 1 1.752 3.192 Ενεργητικό 1-0.011 0.052 0 0.531 0.671 ΚΠΦΤ / 0-7.613 33.246 Α.Δ.11 1 0.555 0.408 Πωλήσεις 1-0.048 0.215 Α.Δ.6 Ίδια Κεφάλαια / Ενεργητικό 0-0.318 1.039 1 0.514 0.202 *Η εμφάνιση εξαιρετικά χαμηλής μέσης τιμής του αριθμοδείκτη 9 οφείλεται κυρίως στις μη πτωχευμένες «ΓΕΚ ΤΕΡΝΑ Α.Ε.» και «ΟΜΙΛΟΣ ΙΝΤΕΑΛ Α.Β.Ε.Ε.Δ.Ε.Σ.».

Μοντέλα Γραμμικής Διακριτικής Ανάλυσης

Επεξεργασία δείγματος σε σχέση με τις ακραίες παρατηρήσεις (outliers) Ανίχνευση εκατοστημορίων και απομάκρυνση ακραίων παρατηρήσεων με την βοήθεια του SPSS, του Microsoft Excel και του παρακάτω τύπου: Variable s Limits = Q 3 ± 2.2 * (Q 3 - Q 2 ) [Ο πολλαπλασιαστής 2.2 προτείνεται από τους Hoaglin και Iglewicz, 1987] Παράδειγμα ορίων αριθμοδείκτη Α.Δ.1:[Καθαρό Κεφάλαιο Κίνησης/ Ενεργητικό] Κάτω όριο = -1.22 Άνω όριο = +1.51 Αντικατάσταση των ακραίων παρατηρήσεων με τους μέσους όρους της αντίστοιχης ομάδας των πτωχευμένων και μη πτωχευμένων επιχειρήσεων.

Πίνακας 2: Δείγμα χωρισμένο σε ομάδες μετά την αντικατάσταση των outliers Μεταβλητές Ομάδα Μέση Τιμή Std.Dev Μεταβλητές Ομάδα Μέση Τιμή Std.Dev Α.Δ.1 Α.Δ.2 Κ.Κ.Κ. / Ενεργητικό Συσσωρευμένα Α.Χ. / Ενεργητικό 0-0.371 0.369 Κ.Κ.Κ. / Βραχ. 0-0.438 0.412 Α.Δ.7 1 0.155 0.182 Υποχρεώσεις 1 0.666 0.761 0-0.658 0.559 Ίδια Κεφάλαια / 0 0.734 1.313 Α.Δ.8 Μακρ. 1 0.008 0.193 Υποχρεώσεις 1 3.054 2.035 Α.Δ.3 Α.Δ.4 Α.Δ.5 Α.Δ.6 Α.Π.Φ.Τ. / Ενεργητικό Κεφαλαιοποίηση / Σύνολο Υποχρεώσεων Πωλήσεις / Ενεργητικό Ίδια Κεφάλαια / Ενεργητικό 0-0.125 0.097 0 4.775 4.578 Συσσωρευμένα Α.Δ.9 Α.Χ. / Α.Π.Φ.Τ. 1 0.005 0.065 1 1.94 3.00 0 0.156 0.164 Καθαρά 0-0.176 0.114 Α.Δ.10 Αποτελέσματα / 1 0.765 0.656 Ενεργητικό 1-0.011 0.052 0 0.436 0.398 ΚΠΦΤ / 0-0.384 0.294 Α.Δ.11 1 0.555 0.408 Πωλήσεις 1-0.048 0.215 0 0.135 0.196 1 0.514 0.202

Δημιουργία τριών μοντέλων Διακριτικής Ανάλυσης Μοντέλο #1: Χρήση των πλησιέστερων αριθμοδεικτών σε εκείνους του Z-Score [Altman,1968] Μοντέλο #2: Χρήση μόνο των αριθμοδεικτών εκείνων που εμφανίζουν στατιστικά σημαντικές διαφορές στους μέσους όρους ανάμεσα στις δύο ομάδες διάκρισης Μοντέλο #3: Χρήση της Stepwise μεθόδου εισαγωγής ανεξάρτητων μεταβλητών

Πίνακας 3: Έλεγχος περί στατιστικά σημαντικών διαφορών ανάμεσα στους μέσους όρους των δύο ομάδων Wilks' Lambda F df1 df2 Sig. ΑΔ1 Κ.Κ.Κ. / Ενεργητικό 0.543 52.263 1 62 0.000 ΑΔ2 Συσσωρευμένα Α.Χ. / Ενεργητικό 0.605 40.519 1 62 0.000 ΑΔ3 Α.Π.Φ.Τ. / Ενεργητικό 0.609 39.804 1 62 0.000 ΑΔ4 Κεφαλαιοποίηση / Σύνολο Υποχρεώσεων 0.704 26.026 1 62 0.000 ΑΔ5 Πωλήσεις / Ενεργητικό 0.978 1.408 1 62 0.240 ΑΔ6 Ίδια Κεφάλαια / Ενεργητικό 0.515 58.281 1 62 0.000 ΑΔ7 Κ.Κ.Κ. / Βραχ. Υποχρεώσεις 0.544 52.020 1 62 0.000 ΑΔ8 Ίδια Κεφάλαια / Μακρ. Υποχρεώσεις 0.679 29.369 1 62 0.000 ΑΔ9 Συσσωρευμένα Αποτελέσματα / Α.Π.Φ.Τ. 0.878 8.579 1 62 0.005 ΑΔ10 Καθαρά Αποτελέσματα Χρήσης / Ενεργητικό 0.529 55.291 1 62 0.000 ΑΔ11 Α.Π.Φ.Τ. / Πωλήσεις 0.694 27.398 1 62 0.000

Πίνακας 4: Μοντέλα Διακριτικής Ανάλυσης Διακριτικές Συναρτήσεις Μοντέλο #1 Z = 0.264 + 1.964 ΑΔ1 + 0.718 ΑΔ2 + 3.473 ΑΔ3 + 0.778 ΑΔ4 + 0.003 ΑΔ5 Μοντέλο #2 Z = - 0.716 + 0.115 ΑΔ1 + 0.281 ΑΔ2 + 3.259 ΑΔ3 + 0.359 ΑΔ4 +2.101 ΑΔ6 + 0.441 ΑΔ7 + 0.122 ΑΔ8 + 0.03 ΑΔ9 + 2.558 ΑΔ10-0.119 ΑΔ11 Z = - 0.796 + 7.946 ΑΔ3 + 3.925 ΑΔ6 Μοντέλο #3 Αποτελέσματα Διακριτικών Συναρτήσεων στα Κεντροειδή της κάθε ομάδας Πτωχευμένες Μη Πτωχευμένες -1.148 +1.148 Πτωχευμένες Μη Πτωχευμένες -1.377 +1.377 Πτωχευμένες Μη Πτωχευμένες -1.262 +1.262

Πίνακας 5: Έλεγχοι μοντέλων Διακριτικής Ανάλυσης Ερμηνευτική Ικανότητα Στατιστική Σημαντικότητα Διακριτικής Συνάρτησης Ισότητα των, μεταξύ των ομάδων, μητρών διακύμανσης - συνδιακύμανσης Προβλεπτική Ικανότητα (έτος -1) (Στις παρενθέσεις αναφέρονται τα ποσοστά της Cross Validation ανάλυσης) Eigenvalue Canonical Correlation (C.C. 2 ) Wilks Lambda P-value βάσει της Chi-Square P-value της στατιστικής F στον Box s M έλεγχο. Τύπου Ι Σφάλματα Τύπου ΙΙ Ποσοστό συνολικά επιτυχούς πρόβλεψης Μοντέλο #1 1.359 0.759 (57.6%) 0.424 0.000 0.000 12.5% (18.8%) 3.1% (6.2%) 90.6% (87.5%) Μοντέλο #2 1.956 0.813 (66.1%) 0.338 0.000 0.000 9.4% (9.4%) 6.2% (9.4%) 92.2% (90.6%) Μοντέλο #3 1.644 0.789 (62.2%) 0.378 0.000 0.127 9.4% (9.4%) 9.4% (9.4%) 90.6% (90.6%)

Εν συνεχεία Έλεγχος της προβλεπτικής ικανότητας στα αρχικά δεδομένα των επιχειρήσεων χωρίς αυτά να είναι απαλλαγμένα από ακραίες παρατηρήσεις Μοντέλο #1: Μείωση Σφαλμάτων Τύπου Ι και ΙΙ Σφάλμα Τύπου Ι: 18.7% 12.5% Σφάλμα Τύπου ΙΙ: 6.2% 3.1% Μοντέλο #2: Αύξηση Σφαλμάτων Τύπου Ι και ΙΙ Σφάλμα Τύπου Ι: 9.4% 12.5% Σφάλμα Τύπου ΙΙ: 9.4% 12.5% Μοντέλο #3: Τα ποσοστά παρέμειναν αμετάβλητα Έλεγχος Cut Off σημείων Μέχρι στιγμής και τα τρία μοντέλα εμφάνισαν μέσο όρο Ζ-Score στα κεντροειδή των ομάδων ίσο με μηδέν. Edmister [1972] Προτείνει, μεταξύ άλλων, τον έλεγχο των κατανομών των Z Scores

«Γκρίζα Ζώνη» Edmister [1972]: Χρήση εύρους Κάτω όριο = 3.. Άνω όριο = + 3.. Τα δεδομένα αφορούν το Μοντέλο #3 και ΔΕΝ ακολουθούν Κανονικές Κατανομές Η παρακάτω ανάλυση αφορά αποκλειστικά τα δεδομένα του δείγματος Δεν δύνανται να εξαχθούν στατιστικά συμπεράσματα για τον συνολικό πληθυσμό των επιχειρήσεων Για εύρος τριών τυπικών αποκλίσεων Το 71.8% των επιχειρήσεων κατατάσσεται στην Γκρίζα Ζώνη Μη χρηστικό μοντέλο Για εύρος δύο τυπικών αποκλίσεων Το 37.5% κατατάσσεται στην γκρίζα ζώνη Ποσοστά πρόβλεψης Ποσοστό συνολικά επιτυχούς πρόβλεψης 97.5% Σφάλματα Τύπου Ι και ΙΙ 4.5% και 0% αντίστοιχα

Μοντέλο Logit

Πρόβλεψη πιθανότητας Μη Πτώχευσης: p Ή αλλιώς πιθανότητας Πτώχευσης: 1-p Σε αντίθεση με Διακριτική Ανάλυση δεν απαιτείται Η ισότητα των, μεταξύ των ομάδων, μητρών διακύμανσης συνδιακύμανσης Επεξεργασία των δεδομένων σχετικά με ακραίες παρατηρήσεις Δίνουμε εντολή στο SPSS να ξεκινήσει τον έλεγχο για την στατιστική σημαντικότητα των συντελεστών των ανεξάρτητων μεταβλητών Σύμφωνα με την μέθοδο Backward Conditional Με χρήση σταθερού όρου

Μετά από 9 βήματα επαναλήψεων, το στατιστικό πακέτο επιστρέφει τα εξής αποτελέσματα Πίνακας 6: Εισηγμένοι στην συνάρτηση Αριθμοδείκτες με την μέθοδο Backward Conditional B S.E. Wald df Sig. AΔ7 3.200 1.588 4.058 1 0.044 AΔ8 1.040.504 4.251 1 0.039 AΔ10 24.048 10.216 5.541 1 0.019 Σταθερά -0.327 1.061 0.095 1 0.758 Επομένως, δίνουμε εντολή για επαναϋπολογισμό της συνάρτησης μόνο με την χρήση των παρακάτω αριθμοδεικτών αλλά χωρίς σταθερό όρο. Α.Δ.7= Κεφάλαιο Κίνησης / Βραχυπρόθεσμες Υποχρεώσεις Α.Δ.8= Ίδια Κεφάλαια / Μακροπρόθεσμες Υποχρεώσεις Α.Δ.10= Καθαρά Αποτελέσματα Χρήσης / Σύνολο Ενεργητικού

Τα αποτελέσματα είναι τα εξής: Πίνακας 7: Μοντέλο Logit B S.E. Wald df Sig. Exp(B) ΑΔ7 3.092 1.512 4.181 1 0.041 22.030 ΑΔ8 0.940 0.381 6.086 1 0.014 2.561 ΑΔ10 25.353 9.460 7.183 1 0.007 1.02E+11 Συνάρτηση Logit Logit (p)= 3.092 ΑΔ7 + 0.94 ΑΔ8 + 25.353 ΑΔ10 Α.Δ.7= Κεφάλαιο Κίνησης / Βραχυπρόθεσμες Υποχρεώσεις Α.Δ.8= Ίδια Κεφάλαια / Μακροπρόθεσμες Υποχρεώσεις Α.Δ.10= Καθαρά Αποτελέσματα Χρήσης / Σύνολο Ενεργητικού

Πίνακας 8: Έλεγχοι μοντέλου Logit Ερμηνευτική Ικανότητα Στατιστική Σημαντικότητα Συνάρτησης Logit (Omnibus Test) Goodness Of Fit (Hosmer & Lemeshow) Προβλεπτική Ικανότητα (έτος -1) -2 Log Likelihood Nagelkerke R 2 Chi-Square (Model) p-value Chi-Square p-value Τύπου Ι Σφάλματα Τύπου ΙΙ Ποσοστό συνολικά επιτυχούς πρόβλεψης Μοντέλο Logit 23.433 0.853 65.290 0.000 6.647 0.575 6.25% 6.25% 93.8%

Ανάλυση Cut Off σημείων Πίνακας 9: Προσδιορισμός Cut-Off σημείου (Έτος -1) [Neter et al, 1996] Cut-Off Point Σφάλμα Τύπου Ι Σφάλμα Τύπου ΙΙ Συνολική Επιτυχία Cut-Off Point Σφάλμα Τύπου Ι Σφάλμα Τύπου ΙΙ Συνολική Επιτυχία -1 12.5% 3.13% 92.19% 0.1 6.25% 6.25% 93.75% -0.9 9.38% 3.13% 93.75% 0.2 6.25% 6.25% 93.75% -0.8 9.38% 3.13% 93.75% 0.3 6.25% 9.38% 92.19% -0.7 9.38% 3.13% 93.75% 0.4 6.25% 9.38% 92.19% -0.6 9.38% 3.13% 93.75% 0.5 6.25% 9.38% 92.19% -0.5 9.38% 3.13% 93.75% 0.6 6.25% 9.38% 92.19% -0.4 9.38% 3.13% 93.75% 0.7 3.13% 9.38% 93.75% -0.3 9.38% 3.13% 93.75% 0.8 3.13% 9.38% 93.75% -0.2 9.38% 3.13% 93.75% 0.9 3.13% 9.38% 93.75% -0.1 6.25% 6.25% 93.75% 1 3.13% 12.5% 92.19% 0 6.25% 6.25% 93.75%

Διαχρονική σύγκριση μοντέλων Διακριτικής Ανάλυσης & Ανάλυσης Logit

Σημειώνουμε πως, το πλήθος των εταιριών βαίνει μειούμενο όσο αυξάνεται η χρονική απόσταση από το έτος 0 λόγω των τεχνικών δυσκολιών στην εξεύρεση χρηματοοικονομικών στοιχείων. Πίνακας 10: Αριθμός επιχειρήσεων δείγματος Έτος -1-2 -3-4 -5 Πτωχευμένες 32 32 32 31 28 Μη πτωχευμένες 32 31 31 30 26 Σύνολο 64 63 63 61 54

Πίνακας 11: Διαχρονική Σύγκριση Επιτυχούς Διάκρισης Μοντέλων Διακριτικής Ανάλυσης και Logit Έτος -1 Έτος -2 Έτος -3 Έτος -4 Έτος -5 # % # % # % # % # % Διακριτική Ανάλυση Μοντέλο #1 Συνολική επιτυχία 59 92.2% 50 79.4% 40 63.5% 35 57.4% 34 63% Επιτυχής διάκριση ομάδας 0 28 87.5% 19 59.4% 13 40.6% 8 25.8% 8 28.6% Επιτυχής διάκριση ομάδας 1 31 96.9% 31 100% 27 87.1% 27 90% 26 100% Διακριτική Ανάλυση Μοντέλο #2 Συνολική επιτυχία 56 87.5% 51 81% 41 65.1% 39 63.9% 33 61.1% Επιτυχής διάκριση ομάδας 0 28 87.5% 20 62.5% 14 43.8% 13 41.9% 9 32.1% Επιτυχής διάκριση ομάδας 1 28 87.5% 31 100% 27 87.1% 26 86.7% 24 92.3% Διακριτική Ανάλυση Μοντέλο #3 Συνολική επιτυχία 58 90.6% 52 82.5% 43 68.3% 38 62.3% 35 64.8% Επιτυχής διάκριση ομάδας 0 29 90.6% 21 65.6% 14 43.8% 10 32.3% 9 32.1% Επιτυχής διάκριση ομάδας 1 29 90.6% 31 100% 29 93.5% 28 93.3% 26 100% Μοντέλο Logit Συνολική επιτυχία 60 93.8% 51 81% 46 73% 39 63.9% 35 64.8% Επιτυχής διάκριση ομάδας 0 30 93.8% 22 68.8% 16 50% 12 38.7% 9 32.1% Επιτυχής διάκριση ομάδας 1 30 93.8% 29 93.5% 30 96.8% 27 90% 26 100%

Συμπεράσματα Υψηλότερα ποσοστά επιτυχούς πρόβλεψης πτώχευσης για έτος -1 Μοντέλο Logit Συνολική Επιτυχία: 93.8% Σφάλματα Τύπου Ι: 6.2% Σφάλματα Τύπου ΙΙ: 6.2% Διακριτική Ανάλυση Αριθμοδείκτες με υψηλή διακριτική ικανότητα (σύμφωνα με την Wilks Lambda) Α.Δ.6= [Σύνολο Ιδίων Κεφαλαίων / Σύνολο Ενεργητικού] Α.Δ.10= [Καθαρά Αποτελέσματα Χρήσης / Σύνολο Ενεργητικού] Α.Δ.1= [Κεφάλαιο Κίνησης / Σύνολο Ενεργητικού] Ανάλυση Logit Στατιστικά σημαντικοί αριθμοδείκτες Α.Δ.10= [Καθαρά Αποτελέσματα Χρήσης / Σύνολο Ενεργητικού] Α.Δ.7= [Καθαρό Κεφάλαιο Κίνησης / Βραχυπρόθεσμες Υποχρεώσεις] Α.Δ.8= [Σύνολο Ιδίων Κεφαλαίων / Μακροπρόθεσμες Υποχρεώσεις] Ο αριθμοδείκτης Α.Δ.10 [Return On Assets] κατέχει σημαντικό ρόλο και στα δύο υποδείγματα

Προτάσεις για περαιτέρω έρευνα Συλλογή στοιχείων για: Περισσότερες επιχειρήσεις Επιχειρήσεις εντός και εκτός του Χ.Α.Α Κατασκευή Hold Out δείγματος Συλλογή περισσότερων οικονομικών στοιχείων Κατασκευή και έλεγχος περισσότερών χρηματοοικονομικών αριθμοδεικτών Εισαγωγή, όπου αυτό είναι δυνατόν, ποιοτικών χαρακτηριστικών Στοχευμένη εφαρμογή των υποδειγμάτων πτώχευσης σε συγκεκριμένους κλάδους της ελληνικής οικονομίας Εφαρμογή νεότερων υποδειγμάτων πρόβλεψης πτώχευσης (Νευρωνικά Δίκτυα)

Ευχαριστώ για την προσοχή σας! Αντώνιος Πανουσιάδης Επιβλέπων καθηγητής: Αθανάσιος Νούλας