Σύγκριση μεθόδων εκτίμησης πιθανότητας πτώχευσης εταιριών. Μία περίπτωση αγροδιατροφικών και εμπορικών επιχειρήσεων.

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΓΕΩΠΟΝΙΑΣ, ΔΑΣΟΛΟΓΙΑΣ & ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΜΗΜΑ ΓΕΩΠΟΝΙΑΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΕΙΔΙΚΕΥΣΗ «ΑΓΡΟΤΙΚΗ ΟΙΚΟΝΟΜΙΑ» Σύγκριση μεθόδων εκτίμησης πιθανότητας πτώχευσης εταιριών. Μία περίπτωση αγροδιατροφικών και εμπορικών επιχειρήσεων. Δέσποινα Κουμπατή ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: Νάστης Στέφανος Θεσσαλονίκη, 215

ΤΡΙΜΕΛΗΣ ΕΠΙΤΡΟΠΗ Στέφανος Νάστης, Επίκουρος Καθηγητής της Σχολής Γεωπονίας, Δασολογίας & Φυσικού Περιβάλλοντος Α.Π.Θ., Επιβλέπων Μαρία Παρταλίδου, Επίκουρη Καθηγήτρια της Σχολής Γεωπονίας, Δασολογίας & Φυσικού Περιβάλλοντος Α.Π.Θ. Θωμάς Μπουρνάρης, Λέκτορας της Σχολής Γεωπονίας, Δασολογίας & Φυσικού Περιβάλλοντος Α.Π.Θ.

ΕΥΧΑΡΙΣΤΙΕΣ Θεωρώ ότι είναι απαραίτητο να αναφερθώ με λίγα αλλά ουσιαστικά λόγια σε ορισμένα άτομα που συνετέλεσαν καταλυτικά στην διεκπεραίωση αυτής της διατριβής. Αρχικά θα ήθελα να εκφράσω την εκτίμησή μου και τις θερμές μου ευχαριστίες για τον επιβλέποντα της μεταπτυχιακής μου διατριβής, επίκουρο καθηγητή κ. Νάστη Στέφανο, για την ενθάρρυνση, την εμπιστοσύνη που έδειξε στο πρόσωπο μου, για την στήριξή του καθ όλη την διάρκεια της προσπάθειάς μου, για την πολύτιμη καθοδήγησή του, καθώς και για τις σπουδαίες γνώσεις που μου προσέφερε κατά τη διάρκεια της φοίτησής μου στο Μεταπτυχιακό Πρόγραμμα Σπουδών με ειδίκευση «ΑΓΡΟΤΙΚΗ ΟΙΚΟΝΟΜΙΑ». Θα ήθελα επίσης, να ευχαριστήσω τον καλό μου φίλο κ. Χριστοφορίδη Σοφοκλή, ο οποίος είναι υπεύθυνος μηχανοργάνωσης βιβλιοθήκης στο Τ.Ε.Ι. Ανατολικής Μακεδονίας και Θράκης. Τέλος, θα ήθελα να ευχαριστήσω όλους τους φίλους και την οικογένειά μου για την αμέριστη συμπαράσταση, και την ηθική και υλική υποστήριξη που μου προσέφεραν όλα αυτά τα χρόνια.

ΠΕΡΙΛΗΨΗ Η εργασία αυτή συγκρίνει τις βασικές μεθόδους εκτίμησης της εταιρικής αποτυχίας. Οι μέθοδοι που χρησιμοποιούνται για την αξιολόγηση μίας εταιρίας χωρίζονται σε τρεις βασικές κατηγορίες Η πρώτη κατηγορία περιλαμβάνει τη μέθοδο ALTMAN και τις τροποποιήσεις που έχει υποστεί. Η δεύτερη κατηγορία περιλαμβάνει τις υπόλοιπες μεθόδους με κύριες την μέθοδο DEA (Περιβάλλουσας Ανάλυσης Δεδομένων) και τη μέθοδο η οποία χρησιμοποιεί νευρωνικά δίκτυα για τον υπολογισμό της πιθανότητας πτώχευσης μιας εταιρείας. Στην παρούσα εργασία χρησιμοποιήθηκαν οι μέθοδοι ALTMAN, DEA και Νευρωνικά Δίκτυα. Για 4 εταιρείες χρησιμοποιήθηκαν οι ισολογισμοί και οι αριθμοδείκτες οι οποίοι έχουν δημοσιευθεί βάσει νόμου σε εφημερίδες και στο διαδίκτυο και για τις οποίες υπολογίστηκε η πρόβλεψη πτώχευσης με τις τρεις παραπάνω μεθόδους. Στα συμπεράσματα γίνεται αναλυτική παρουσίαση των πλεονεκτημάτων και μειονεκτημάτων της κάθε μεθόδου καθώς και των ποσοστών αξιοπιστίας των μεθόδων αυτών. Στο παράρτημα της εργασίας αυτής υπάρχουν τα αποτελέσματα των υπολογισμών. Λέξεις νευρωνικά δίκτυα. κλειδιά: πτώχευση, πρόβλεψη εταιρικής αποτυχίας, ALTMAN, DEA,

ABSTRACT The present thesis compares the main methods of bankruptcy probability estimation and sustainability of companies. The methods used for assessing a company are divided into three main categories. The first category includes the ALTMAN method and the modifications it has undergone. The second category includes the rest of the methods, primarily DEA (Data Envelopment Analysis), and the method which uses neural networks in order to calculate the probability of a company s failure. ALTMAN, DEA and Neural Networks have been used for the present thesis. Probability of failure for 4 companies has been calculated with these three methods, by using balance sheets and index numbers which were published, according to law, in newspapers and online. In the results chapter there is an extensive presentation of the advantages and disadvantages of each method and the percentage of their reliability. The appendix of this dissertation includes the calculation results. Key words: bankruptcy, bankruptcy probability estimation of companies, ALTMAN, DEA, neural networks.

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. Εισαγωγή... 1 1.1. Σκοπός διατριβής... 5 1.2. Συνεισφορά διατριβής... 7 1.3. Ερευνητική μέθοδος της διατριβής... 8 2. Βιβλιογραφική ανασκόπηση... 9 2.1. Εισαγωγή... 9 2.2. Μοντέλο ALTMAN Z SCORE... 13 2.2.1. Α Περίπτωση: Εισηγμένες εταιρείες στο χρηματιστήριο... 14 2.2.2. Β Περίπτωση: Μη εισηγμένες βιομηχανικές εταιρείες... 14 2.2.3. Γ Περίπτωση: Λοιπές εταιρείες... 16 2.2.4. Υπόδειγμα ZETA... 16 2.3. Το μοντέλο DEA και η χρήση του για την αξιολόγηση της πιθανότητας πτώχευσης μίας εταιρίας.... 18 2.3.1. Επιλογή μεταβλητών εισόδου- εξόδου... 23 2.3.2. Τα σύνορα του επίπεδου πτώχευσης και ο υπολογισμός των πιθανοτήτων.. 23 2.3.2.1. Υπολογισμός ορίων πτώχευσης.... 23 2.3.2.2. Υπολογισμός πιθανοτήτων εταιρικής αποτυχίας.... 25 2.4. Τα νευρωνικά δικτύα και η πρόβλεψη της εταιρικής αποτυχίας.... 27 3. Μεθοδολογία Έρευνας... 3 4. Αποτελέσματα υπολογισμών για την εκτίμηση της πιθανότητας πτώχευσης των υπό μελέτη εταιρειών.... 34 4.1. Αποτελέσματα υπολογισμών με τη μέθοδο Altman... 34 4.1.1. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 28... 34 4.1.2. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 29... 35 4.1.3. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 21... 36 4.1.4. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 211... 36 4.1.5. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 212... 37 4.2. Αποτελέσματα υπολογισμών με τη μέθοδο DEA... 38 4.3. Αποτελέσματα υπολογισμών με τη μέθοδο των Νευρωνικών Δικτύων 42 i

5. Συμπεράσματα... 45 5.1. Συμπεράσματα για τη μέθοδο ALTMAN... 45 5.2. Συμπεράσματα για τη μέθοδο DEA... 46 5.3. Συμπεράσματα για την μέθοδο των νευρωνικών δικτύων.... 47 5.4. Συμπεράσματα εργασίας.... 48 5.5. Περιορισμοί και προτάσεις για μελλοντική έρευνα... 5 6. Βιβλιογραφία... 52 6.1. Ξενόγλωσση βιβλιογραφία... 52 6.2. Ελληνική Βιβλιογραφία... 58 Παράρτημα... 6 ii

Πίνακας Εικόνων σχημάτων Σχήμα 1: Συγκεντρωτική κατάταξη εταιρειών με την μέθοδο DEA... 41 Σχήμα 2: Δομή του Νευρωνικού Δικτύου... 42 Σχήμα 3: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για το τέταρτο έτος πριν την πτώχευση.... 43 Σχήμα 4: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για για το τρίτο έτος πριν την πτώχευση.... 43 Σχήμα 5: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για το δεύτερο έτος πριν την πτώχευση.... 44 Σχήμα 6: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για για το πρώτο έτος πριν την πτώχευση.... 44 Σχήμα 7: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας τέσσερα χρόνια πριν τη πτώχευση... 142 Σχήμα 8: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας τρία χρόνια πριν τη πτώχευση... 142 Σχήμα 9: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας δύο χρόνια πριν τη πτώχευση... 143 Σχήμα 1: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας ένα χρόνο πριν τη πτώχευση... 143 Εικόνα 1: Το όριο πτώχευσης και το σύνολο των εν δυνάμει επιχειρήσεων με μεγάλη πιθανότητα εταιρικής αποτυχίας.... 24 Εικόνα 2: H δομή ενός νευρωνικού δικτύου.... 28 Εικόνα 3: Δημιουργία ορίου επιτυχίας (CCR mode) ΕΛΑΪΣ - UNILEVER A.E.... 17 Εικόνα 4: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E.... 111 Εικόνα 5: Δημιουργία ορίου επιτυχίας (CCR mode) EVEREST A.E.... 115 Εικόνα 6: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E.... 119 Εικόνα 7: Δημιουργία ορίου επιτυχίας (CCR mode) ELAIS - UNILEVER A.E.... 123 Εικόνα 8: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E.... 127 Εικόνα 9: Δημιουργία ορίου επιτυχίας (CCR mode) EVEREST A.E.... 131 iii

Εικόνα 1: Δημιουργία ορίου επιτυχίας (CCR mode) ALLATINI A.B.E.E.... 135 Εικόνα 11: Δομή νευρωνικού δικτύου... 138 Εικόνα 12: Λήξη εκπαίδευσης νευρωνικού δικτύου... 139 iv

Πίνακας πινάκων Πίνακας 1: Οι εταιείες που επιλέχθηκαν για να υπολογιστεί η πιθανότητα εταιρικής αποτυχίας.... 3 Πίνακας 2: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 28 σε βάθος τετραετίας... 34 Πίνακας 3: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 28 σε βάθος τετραετίας... 34 Πίνακας 4: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 29 σε βάθος τετραετίας... 35 Πίνακας 5. Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 29 σε βάθος τετραετίας.... 35 Πίνακας 6: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 21 σε βάθος τετραετίας... 36 Πίνακας 7: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 21 σε βάθος τετραετίας... 36 Πίνακας 8: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 211 σε βάθος τετραετίας... 36 Πίνακας 9: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 211 σε βάθος τετραετίας... 37 Πίνακας 1: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 212 σε βάθος τετραετίας... 37 Πίνακας 11: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 212 σε βάθος τετραετίας... 37 Πίνακας 12: Συγκεντρωτικός πίνακας ποσοστών επιτυχίας της μεθόδου Altman.... 38 Πίνακας 13: Πίνακας κατάταξης της εταιρίας ΕΛΑΪΣ - UNILEVER A.E.... 39 Πίνακας 14: Πίνακας κατάταξης της εταιρίας KEGO Α.Ε.... 4 Πίνακας 15: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 28... 67 Πίνακας 16: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 29... 71 v

Πίνακας 17: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 21... 76 Πίνακας 18: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 211... 8 Πίνακας 19: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 212... 84 Πίνακας 2: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E.... 87 Πίνακας 21: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E.... 91 Πίνακας 22: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E.... 96 Πίνακας 23: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E... 1 Πίνακας 24: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων.... 14 Πίνακας 25: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων.... 18 Πίνακας 26: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων.... 112 Πίνακας 27: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων.... 116 Πίνακας 28: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων.... 12 Πίνακας 29: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων.... 124 vi

Πίνακας 3: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων.... 128 Πίνακας 31: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων.... 132 Πίνακας 32: Στρογγυλοποιημένα αποτελέσματα της μεθόδου των νευρωνικών δικτύων... 14 vii

Πίνακας Γραφημάτων Γράφημα 1: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E.... 88 Γράφημα 2: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E.... 89 Γράφημα 3: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την εταιρία KEGO A.E.... 92 Γράφημα 4: Κατανομή των εταιριών με βάση την εταιρία KEGO Α. Ε.... 93 Γράφημα 5: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την εταιρία EVEREST A.E.... 97 Γράφημα 6: Κατανομή των εταιριών με βάση την εταιρία EVEREST A.E.... 98 Γράφημα 7: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την εταιρία ALLATINI A.B.E.E.... 11 Γράφημα 8: Κατανομή των εταιριών με βάση την εταιρία ALLATINI A.B.E.E.... 12 Γράφημα 9: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E.... 15 Γράφημα 1: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E.... 16 Γράφημα 11: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία KEGO A.E.... 19 Γράφημα 12: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία KEGO A.E.... 11 Γράφημα 13: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία EVEREST A.E.... 113 Γράφημα 14: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία EVEREST A.E.... 114 Γράφημα 15: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία ALLATINI A.B.E.E.... 117 Γράφημα 16: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ALLATINI A.B.E.E.... 118 viii

Γράφημα 17: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E.... 121 Γράφημα 18: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ELAIS - UNILEVER A.E.... 122 Γράφημα 19: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία KEGO A.E.... 125 Γράφημα 2: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία KEGO... 126 Γράφημα 21: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία EVEREST A.E.... 129 Γράφημα 22: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία EVEREST A.E.... 13 Γράφημα 23: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία ALLATINI A.B.E.E.... 133 Γράφημα 24: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ALLATINI A.B.E.E.... 134 ix

ΠΡΟΛΟΓΟΣ Η διατριβή αυτή πραγματοποιήθηκε στα πλαίσια του μεταπτυχιακού προγράμματος σπουδών της ειδίκευσης Αγροτικής Οικονομίας της Σχολής Γεωπονίας, Δασολογίας & Φυσικού Περιβάλλοντος του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Πραγματοποιήθηκε αναζήτηση της Ελληνικής και ξένης βιβλιογραφίας στα πλαίσια της εκπόνησης της διατριβής αυτής καθώς και η αναζήτηση προηγούμενων σχετικών μελετών και ερευνών για το θέμα της πρόβλεψης της εταιρικής αποτυχίας. Στο τέλος της μεταπτυχιακής διατριβής και στο κεφάλαιο της βιβλιογραφίας παρουσιάζεται αναλυτικά η βιβλιογραφία που χρησιμοποιήθηκε στη παρούσα διατριβή. Ο στόχος της παρούσας διατριβής είναι να αξιολογηθεί η αξιοπιστία των διαφορετικών μοντέλων για τη πρόγνωση της εταιρικής αποτυχίας (πτώχευσης). Τα μοντέλα τα οποία αξιολογήθηκαν στα πλαίσια της εργασίας αυτής είναι το μοντέλο ALTMAN, το μοντέλο DEA και το μοντέλο με τη χρήση των νευρωνικών δικτύων. Για να είναι τα αποτελέσματα της αξιολόγησης αξιοποιήσιμα και τα τρία μοντέλα χρησιμοποίησαν το ίδιο σύνολο εταιρειών και τα ίδια χρηματοοικονομικά στοιχεία. Επίσης στόχος της διατριβής είναι να διερευνηθούν τα πλεονεκτήματα και τα μειονεκτήματα της κάθε μεθόδου. Η παρούσα διατριβή αποτελείται από έξι κεφάλαια και ένα παραρτήμα. Στο πρώτο κεφάλαιο εισάγονται οι βασικές έννοιες της εταιρικής αποτυχίας. Ο όρος εταιρική αποτυχία αναφέρεται στην αδυναμία της επιχείρησης να καλύψει τις υποχρεώσεις της, να καλύψει τις δανειακές της ανάγκες, την πληρωμή των προμηθευτών κ.α. Αναφέρονται οι σκοποί και ο στόχος. Στο υποκεφάλαιο της συνεισφοράς γίνεται αναφορά στα αποτελέσματα της διατριβής και που αυτά μπορούν να χρησιμοποιηθούν. Τέλος περιληπτικά αναφέρεται η μεθοδολογία η οποία χρησιμοποιήθηκε καθώς και οι μέθοδοι που χρησιμοποιήθηκαν για τον υπολογισμό της εταιρικής αποτυχίας. Στο ίδιο υποκεφάλαιο γίνεται αναφορά για τα δεδομένα τα οποία χρησιμοποιηθήκαν στους υπολογισμούς. Στο δεύτερο κεφάλαιο γίνεται η βιβλιογραφική ανασκόπηση των μεθόδων πρόβλεψης της εταιρικής αποτυχίας, καθώς και η περιγραφή των μεθόδων που χρησιμοποιήθηκαν στην παρούσα διατριβή. Στο πρώτο υποκεφάλαιο περιγράφεται το μοντέλο του ALTMAN καθώς επίσης και τα διάφορα μοντέλα τα οποία προήλθαν από αυτό. Στο δεύτερο υποκεφάλαιο γίνεται μία παρουσίαση της μεθόδου DEA και τα δεδομένα τα οποία χρησιμοποιεί για να γίνουν οι υπολογισμοί. Στο τρίτο υποκεφάλαιο γίνεται η παρουσίαση των νευρωνικών δικτύων καθώς και οι διάφορες εργασίες οι οποίες χρησιμοποιούν τα νευρωνικά δίκτυα για τον υπολογισμό της εταιρικής αποτυχίας. x

Στο τρίτο και τέταρτο κεφάλαιο του θεωρητικού τμήματος της διατριβής αναπτύσσεται η μεθοδολογία και ο τρόπος υπολογισμού της εταιρικής αποτυχίας για συγκεκριμένες εταιρίες στο χρονικό διάστημα των ετών από το 28 έως το 212. Επίσης παρουσιάζονται με συνοπτική μορφή τα αποτελέσματα των υπολογισμών. Το θεωρητικό τμήμα της διατριβής κλείνει με το κεφάλαιο των συμπερασμάτων. Στη διατριβή υπάρχουν συμπεράσματα για τη κάθε μέθοδο και συνολικά συμπεράσματα τα οποία αναφέρονται στη σύγκριση των μεθόδων και στην αξιοπιστία τους σε σχέση με τη πρόβλεψη της εταιρικής αποτυχίας. Το πρακτικό τμήμα της διατριβής αποτελείται από ένα παράρτημα το οποίο αποτελείται από τρία κεφάλαια. Στο πρώτο κεφάλαιο του παραρτήματος αυτού παρουσιάζονται αναλυτικά οι υπολογισμοί και τα αποτελέσματα της μεθόδου ALTMAN για την πρόβλεψη της εταιρικής αποτυχίας. Στο δεύτερο κεφάλαιο του παραρτήματος παρουσιάζονται τα αποτελέσματα της μεθόδου DEA καθώς και τα γραφήματα τα οποία παράγονται από τη συγκεκριμένη μέθοδο. Τέλος, στο τελευταίο κεφάλαιο του παραρτήματος παρουσιάζονται τα αποτελέσματα της μεθόδου των νευρωνικών δικτύων. Για όλες τις μεθόδους υπάρχουν και τα συγκεντρωτικά αποτελέσματα ανά έτος. xi

1. Εισαγωγή Ένα από τα μεγαλύτερα προβλήματα που αντιμετωπίζει η Διεθνής και περισσότερο η Ελληνική οικονομία, στην περίοδο οικονομικής κρίσης που διανύει είναι η εταιρική αποτυχία (πτώχευση). Η Ελληνική αγορά παρουσιάζει μία μεγάλη ύφεση τα τελευταία χρονιά η οποία αναγκάζει τις επιχειρήσεις, τους επενδυτές και το καταναλωτικό κοινό να λαμβάνουν μέτρα για την προστασία τους. Ένα κομμάτι αυτής της αγοράς είναι οι επιχειρήσεις που δραστηριοποιούνται μέσα σε αυτήν. Ένα μεγάλο μέρος των επιχειρήσεων λόγω της συγκεκριμένης δυσμενούς κατάστασης παρουσιάζουν οικονομικά προβλήματα τα οποία πολλές φορές οδηγούν στο κλείσιμο ή και στη πτώχευση της εταιρίας. Για αυτό το λόγο η έγκαιρη πρόβλεψη της εταιρικής αποτυχίας (πτώχευσης) μίας εταιρίας κρίνεται επιτακτική ανάγκη. Η ικανότητα πρόβλεψης της δυσμενούς αυτής κατάστασης θεωρείται πολύτιμη και μπορεί να επιτευχθεί με τη χρήση διάφορων μεθόδων. Τα τελευταία 5 χρόνια έχουν αναπτυχθεί αρκετές μέθοδοι οι οποίες προβλέπουν την εταιρική αποτυχία. Ο προβληματισμός ο οποίος αναπτύχθηκε ήταν να διερευνηθεί εάν αυτά τα μοντέλα λειτουργούν το ίδιο καλά και σε περιόδους οικονομικής κρίσης. Η σύγκριση των μοντέλων με βάση τα χρηματοοικονομικά δεδομένα μίας επιχείρησης για μία μεγάλη χρονική περίοδο θα έδειχνε ποια μέθοδος υπερισχύει για την πρόβλεψη της εταιρικής αποτυχίας. Για να είναι τα αποτελέσματα συγκρίσιμα θα πρέπει οι υπολογισμοί να γίνουν με τα ίδια δεδομένα (και για τις τρεις μεθόδους οι αριθμοδείκτες που θα χρησιμοποιηθούν στους υπολογισμούς θα είναι ίδιοι για τις ίδιες εταιρίες και για τις ίδιες χρονιές). Ο παραπάνω προβληματισμός ήταν και η αρχή της εκπόνησης της συγκεκριμένης διατριβής. Είναι πολύ δύσκολο να οριστούν αντικειμενικά κριτήρια τα οποία θα ορίζουν την πτώχευση ή την χρεοκοπία μίας εταιρίας και τα οποία μπορούν να χρησιμοποιηθούν για την μελέτη της εταιρικής αποτυχίας. Λαμβάνοντας υπόψη το γεγονός ότι η πτώχευση διακρίνεται σε οικονομική και νομική θα πρέπει να γίνει διάκριση μεταξύ της ουσιαστικής πτώχευσης και της τυπικής. Οι εταιρείες που εμπίπτουν στην ουσιαστική πτώχευση αντιμετωπίζουν προβλήματα ρευστότητας, 1

αποπληρωμής χρεών και υποχρεώσεων οι οποίες αναγκάζουν την εταιρεία σε παύση πληρωμών και τέλος στην πλήρη διακοπή των δραστηριοτήτων τους. Η τυπική πτώχευση αναφέρεται σε μία γενική έννοια δικονομικού χαρακτήρα η οποία απαιτεί την τεκμηρίωσή της από τον νόμο (Σαρσέντης και Παπαναστασάτου 27, Φινοκαλιώτης 211 και Γκίνογλου 26). Οι βασικές αιτίες για την εταιρική αποτυχία μίας εταιρίας ασχέτως την νομική μορφή της, του όγκου της και του τομέα δραστηριότητάς της είναι αρκετές και ποικιλόμορφες. Ο κύριος παράγοντας εστιάζεται γύρω από την αδυναμία ρευστότητας. Με τον όρο αδυναμία ρευστότητας συμπεριλαμβάνεται το αρνητικό κεφάλαιο κίνησης και η υψηλή δανειακή επιβάρυνση. Οι πιο συνηθισμένες περιπτώσεις εταιρειών προς πτώχευση αφορούν (Miller 1988, Kolari and Vélez- Pareja 212): εταιρείες που παρουσιάζουν μείωση πωλήσεων και συνεχιζόμενες ζημιές, μείωση του κυκλοφορούντος ενεργητικού, μεγάλη δανειακή επιβάρυνση και εξάρτηση, έλλειψη ή απουσία επενδύσεων ειδικά σε Πάγια και Κεφάλαια Μακράς Διαρκείας, εξωγενείς παράγοντες που αφορούν το γενικό οικονομικό κλίμα και το μακροπεριβάλλον, Αδυναμία διαχείρισης κινδύνου, Αδυναμία συμμόρφωσής της με την αγορά, και τέλος, η στάση πληρωμών. Οι παραπάνω αιτίες αφορούν θέματα απουσίας management, ταμειακού προγραμματισμού και δανειακής επιβάρυνσης. Το θέμα της δανειακής επιβάρυνσης ίσως είναι το σοβαρότερο και η αιτία που οδηγεί στην ταχύτερη κατάρρευση της εταιρείας. Επίσης η περίπτωση των εξωγενών παραγόντων αποτελεί άλλη μία σοβαρή αιτία και δυστυχώς είναι πολύ δύσκολη η αντιμετώπισή της. Η θεωρία της χρηματοοικονομικής διοίκησης και κεφαλαιακής διάρθρωσης χαρακτηρίζει ως θετική την άμεση και εύκολη εισροή κεφαλαίων, της απόδοσης λιγότερου φόρου και της πραγματοποίησης μεγαλύτερου όγκου επενδύσεων σε λιγότερο χρόνο. Ο 2

θετικός χαρακτηρισμός περικλείει τον κίνδυνο να κηρύξει πτώχευση η εταιρεία λόγω αδυναμίας εξόφλησης και εξυπηρέτησης των χρεών. Οι επενδύσεις οι οποίες γίνονται θα πρέπει να σχεδιαστούν με τέτοιο τρόπο ώστε να επιφέρουν κέρδος που είναι μεγαλύτερο των τόκων και να εισρέει στα ταμεία έτσι ώστε να εξυπηρετούνται τα χρέη της εταιρείας στο προκαθορισμένο χρόνο. Οι εταιρείες που παρουσιάζουν δείκτη δανειακής επιβάρυνσης σε ποσοστό που ξεπερνά το 8% με 99% κρίνονται επισφαλείς και κατατάσσονται στην κατηγορία της υψηλής επικινδυνότητας. Στην περίπτωση που η εταιρεία δεν πραγματοποιήσει επενδύσεις και εξαναγκαστεί στη μείωση του κυκλοφοριακού ενεργητικού, πάλι θέτει την εταιρεία στη κατηγορία των επισφαλών. Εάν οι επενδύσεις οι οποίες θα αυξήσουν την παραγωγική ικανότητα της εταιρείας και το οποίο θα έχει σαν αποτέλεσμα την αύξηση της παραγωγής, την αύξηση της προσφοράς και την αύξηση των πωλήσεων ίσως οδηγήσει σε δέσμευση κεφαλαίων η οποία θα μειώσει το κυκλοφορούν ενεργητικό το οποίο είναι μία κακή διαχείριση των οικονομικών της εταιρείας καθώς και της περιουσίας της εταιρείας. Οι εξωγενείς παράγοντες όπως η εθνική οικονομία του κράτους και γενικότερα η παγκόσμια οικονομία, επιδρά την εταιρία θετικά ή αρνητικά ανάλογα εάν υπάρχει ανάπτυξη ή ύφεση. Εάν η εταιρία παρουσιάζει επαναλαμβανόμενες ζημίες που μπορούν να δικαιολογηθούν από εξωτερικούς παράγοντες θα πρέπει να χρεωθούν στη διοίκηση που δεν ανέλαβε εγκαίρως πρωτοβουλίες για την έγκαιρη μείωση των δαπανών, των περιορισμών του κόστους των πωληθέντων προϊόντων. (Σαρσέντης και Παπαναστασάτου 27, Φινοκαλιώτης 211, Γκίνογλου 26). Η αποφυγή της πτώχευσης και γενικότερα η πρόληψη της εταιρικής αποτυχίας εξαρτάται απόλυτα από τον συνεχή έλεγχο των χρηματοοικονομικών της εταιρίας και την πρόβλεψη της πτώχευσης. Η εταιρία μπορεί να ακολουθήσει διαδικασίες και πρακτικές που χαρακτηρίζονται ως προληπτικές σε περίπτωση που οι δείκτες ταμειακής δυσχέρειας και δανειακής εξάρτησης εμφανίσουν ποσοστιαίες αλλαγές που δε μπορούν να δικαιολογηθούν και διαδικασίες διαρθρωτικές όταν η εταιρία έχει ήδη μεταβεί στα πρώτα στάδια χρεοκοπίας. Μερικές στρατηγικές που μπορεί να ακολουθήσει η εταιρία είναι: (Miller 1988, Kolari and Vélez-Pareja 212) αύξηση ταχύτητας είσπραξης απαιτήσεων, 3

μείωση αποθεμάτων, συγχώνευση με άλλη εταιρεία, διαδικασία ρευστοποίησης, και τέλος η εξαγορά από άλλη εταιρεία, μερική ή ολική για λόγους ρευστότητας. Για να μπορέσει μία εταιρεία να ακολουθήσει μία από αυτές τις στρατηγικές θα πρέπει να διαπιστώσει ότι υπάρχει πρόβλημα με την οικονομική της θέση δηλαδή ότι οδεύει προς πτώχευση. Για αυτό το λόγο είναι πάρα πολύ σημαντικό να υπάρχουν αξιόπιστες μέθοδοι για την πρόβλεψη της εταιρικής αποτυχίας. Οι μέθοδοι οι οποίοι χρησιμοποιούνται για την πρόβλεψη της εταιρικής αποτυχίας χωρίζονται σε δύο μεγάλες κατηγορίες. Η πρώτη κατηγορία περιλαμβάνει μεθόδους που χρησιμοποιούν στατιστικούς τρόπους υπολογισμού. Στη κατηγορία αυτή υπάγονται οι μέθοδοι του ALTMAN, ElECTRE, ZETA, DEA και PROBIT & LOGIT. Στην δεύτερη κατηγορία υπάγονται οι μέθοδοι που χρησιμοποιούν «τεχνητή νοημοσύνη». Στην κατηγορία αυτή υπάγονται οι μέθοδοι που χρησιμοποιούν τα νευρωνικά δίκτυα, γενετικούς αλγορίθμους και άλλα (Μπαλοπήτου και Χατζηβαγγέλλη 212, Κουμπατή 211, Μπαλλάση 21). Όλες οι παραπάνω μέθοδοι έχουν τα μειονεκτήματα τους και τα πλεονεκτήματά τους. Είναι δύσκολο να ξεχωρίσει μία μέθοδος έναντι κάποιας άλλης. Οι κλασσικές μέθοδοι και κυρίως η μέθοδος ALTMAN θεωρείται η επικρατέστερη και με αυτή γίνονται όλες οι συγκρίσεις των διαφόρων νέων μεθόδων. Τα τελευταία χρόνια, στο πρόβλημα της πρόβλεψης της εταιρικής αποτυχίας χρησιμοποιούνται μέθοδοι που έχουν δείξει ικανοποιητικά αποτελέσματα σε άλλα πεδία ερευνών όπως τα νευρωνικά δίκτυα. Η κριτική που ασκείται στις κλασσικές μεθόδους και ιδιαίτερα στη μέθοδο ALTMAN είναι ότι χρησιμοποιεί δεδομένα τα οποία είναι σωστά προσδιορισμένα, ενώ η σύγχρονη οικονομία είναι πολύ πιο πολύπλοκη και οι επιχειρήσεις λειτουργούν σε μία παγκοσμιοποιημένη οικονομία (Τσανής 21, Ντακούλας 214, Δεσποτοπούλου Μ. 21). 4

Για να γίνει η χρηματοοικονομική ανάλυση των οικονομικών μονάδων μιας επιχείρησης με μεθόδους εκτίμησης και πρόβλεψης χρησιμοποιούνται οι αριθμοδείκτες. Οι κατηγορίες των αριθμοδεικτών είναι οι εξής: (Kohers et al. 2, Berger and Humphrey 1992.) Ρευστότητας Δραστηριότητας Αποδοτικότητας Δαπανών λειτουργείας Κεφαλαιακής Διάρθρωσης Αποτίμησης Επενδυτικοί Για την ανάλυση των αριθμοδεικτών χρησιμοποιώντας την βασική υπόθεση της ύπαρξης σχέσης αναλογικότητας μεταξύ των μεταβλητών γίνεται δυνατή η χρήση τους είτε συγκρίνοντας τους με ιδεατά πρότυπα είτε χαρακτηρίζοντας την λειτουργικότητα της εταιρίας. Πολλές έρευνες έχουν διενεργηθεί για την χρησιμότητα της ανάλυσης των αριθμοδεικτών ως εργαλείο αξιολόγησης των επιδόσεων των εταιριών και κατ επέκταση στις πληροφορίες που μπορούν να παρέχουν για την πρόβλεψη της εταιρικής αποτυχίας. Η επιλογή των κατάλληλων αριθμοδεικτών η οποίοι χρησιμοποιούνται από τις διάφορες μεθόδους πρόβλεψης είναι δύσκολη υπόθεση και ιδιαίτερα όταν θα πρέπει να μεγιστοποιηθεί η προβλεπτική ικανότητα της. (Altman 1968, Altman et. al. 1977, Altman 1984, Johnsen and Melicher 1994, Peel and Peel 1988, Keasey et. al. 199, Tamari 1984). Παρόλα αυτά οι αριθμοδείκτες είναι ένας αξιόπιστος τρόπος έτσι ώστε να υπολογίζεται η θέση της εταιρείας και να επιτυγχάνεται η σύγκρισή της με άλλες εταιρείες. Για αυτό το λόγο και οι μέθοδοι πρόβλεψης της εταιρικής αποτυχίας χρησιμοποιούν κατά κύριο λόγο τους αριθμοδείκτες για να πραγματοποιήσουν τους υπολογισμούς. (Jensen and Meckling 1976, Kosmidis and Terzidis 21) 1.1. Σκοπός διατριβής Σκοπός της διατριβής αυτής είναι να εφαρμοστούν τα διάφορα μοντέλα πρόβλεψης της εταιρικής αποτυχίας (πτώχευσης επιχειρήσεων) σε ελληνικές 5

επιχειρήσεις οι οποίες έχουν πτωχεύσει από την περίοδο 28 έως 212. Μελέτες οι οποίες έχουν γίνει για τα μοντέλα εταιρικής αποτυχίας έχουν εφαρμοστεί σε ένα σύνολο εταιριών οι οποίες θεωρούνται και το σύνολο αναφοράς το οποίο καθορίζει και το βαθμό επιτυχίας της συγκεκριμένης μεθόδου. Το σύνολο αυτό είναι εταιρείες που έχουν καθοριστεί από τον ALTMAN ο οποίος έχει προτείνει και τη μέθοδο πρόβλεψης που χρησιμοποιεί το όνομά του καθώς και στην πολυμεταβλητή ανάλυσης διαχωρισμού (MDA) (Γιαννή 212, Δεσποτοπούλου 21, Τσανής 21). Οι μέθοδοι αυτοί στηρίζονται στη στατιστική ανάλυση καθώς και σε υποθέσεις όπως ότι οι τιμές των ανεξάρτητων μεταβλητών ακολουθούν την πολυμεταβλητή κανονική κατανομή (Γιαννή 212, Δεσποτοπούλου 21, Τσανής 21). Όλες οι εταιρείες οι οποίες περιλαμβάνονται στο σύνολο ALTMAN βρίσκονται στην Αμερική και γι αυτές ισχύουν οι κανόνες της Αμερικανικής οικονομίας. Πολύ λίγες μελέτες έχουν γίνει για εταιρείες οι οποίες βρίσκονται σε άλλες χώρες και ιδιαίτερα για Ελληνικές εταιρείες. Οι λόγοι είναι το καθεστώς πτώχευσης των εταιρειών καθώς και οι ιδιαιτερότητες των οικονομιών και ιδιαίτερα της Ελληνικής οικονομίας. Οι Ελληνικές εταιρείες χαρακτηρίζονται ως επί τω πλείστων «οικογενειακές» και αυτό δημιουργεί επιπρόσθετα προβλήματα στην εφαρμογή των διαφόρων μοντέλων. Η διατριβή αυτή δεν έχει σκοπό να καλύψει όλο το φάσμα των ιδιαιτεροτήτων της ελληνικής οικονομίας. Χρησιμοποιώντας όμως εισηγμένες εταιρείες στο χρηματιστήριο Αθηνών και με δεδομένο ότι αυτές έχουν πτωχεύσει είναι εύκολο να διεξαχθούν χρήσιμα συμπεράσματα για τη συμπεριφορά των μοντέλων. Σε γενικές γραμμές οι έρευνες έχουν γίνει σε οικονομίες οι οποίες βρίσκονται σε περίοδο ανάπτυξης. Αυτό δίνει τη δυνατότητα στα διάφορα μοντέλα να μπορούν να κατηγοριοποιήσουν με ευκολία τις διάφορες εταιρείες χρησιμοποιώντας τους αριθμοδείκτες: α) σε αυτές οι οποίες κινδυνεύουν και β) σε αυτές οι οποίες αναπτύσσονται. Εάν μία οικονομία διέρχεται περίοδο κρίσης τότε θα πρέπει να εξεταστεί εάν τα μοντέλα πρόβλεψης της εταιρικής αποτυχίας έχουν τα ίδια ποσοστά επιτυχίας. Επιλέγοντας εταιρείες οι οποίες έχουν πτωχεύσει τη χρονική περίοδο από 28 έως 212 η εργασία θέτει ως δευτερεύοντες σκοπούς την εξέταση της αξιοπιστίας των μοντέλων σε μία οικονομία που διέρχεται περίοδο κρίσης και 6

βαθιάς ύφεσης. Επίσης ένας άλλος σκοπός της διατριβής είναι να εξεταστεί το ποια μέθοδος έχει τα καλύτερα αποτελέσματα πτώχευσης της εταιρικής αποτυχίας στην περίοδο κρίσης που διανύει η Ελληνική οικονομία. Οι εταιρείες οι οποίες έχουν επιλεγεί είναι από διάφορους κλάδους λόγω της δυσκολίας ανεύρεσης ικανοποιητικού δείγματος εταιρειών από ένα κλάδο στη συγκεκριμένη χρονική περίοδο και οι οποίες να είναι εισηγμένες στο χρηματιστήριο Αθηνών. 1.2. Συνεισφορά διατριβής Τα αποτελέσματα της διατριβής αναφέρονται στην αξιολόγηση των αποτελεσμάτων από την υλοποίηση των υπολογισμών των τριών μεθόδων που χρησιμοποιήθηκαν για την πρόβλεψη της εταιρικής αποτυχίας (πτώχευση). Για κάθε μέθοδο έχει υπολογιστεί το ποσοστό επιτυχίας πρόβλεψης με σκοπό την αξιολόγησή τους και την παροχή της δυνατότητας στον αναγνώστη να κρίνει τη μέθοδο που θέλει να χρησιμοποιήσει για να κάνει τις δικές του προβλέψεις. Η συνεισφορά της διατριβής έγκειται στο γεγονός ότι δίνει τη δυνατότητα στον ερευνητή να επιλέξει την μέθοδο που του δίνει τα καλύτερα αποτελέσματα σχετικά με την αξιολόγηση της κατάστασης μίας εταιρείας. Ένα ακόμη σημείο το οποίο θα πρέπει να τονιστεί είναι ότι στη παρούσα διατριβή χρησιμοποιούνται χρηματοοικονικά δεδομένα τα οποία αναφέρονται στα χρόνια της οικονομικής κρίσης της Ελλάδος. Τα αποτελέσματα των διαφόρων δεδομένων χρησιμοποιώντας τα παραπάνω στοιχεία είναι μία σημαντική συνεισφορά στην αξιολόγηση των μεθόδων πρόβλεψης της εταιρικής αποτυχίας. Τα αποτελέσματα της διατριβής συγκρινόμενα με άλλες έρευνες παρουσιάζουν μία πληρότητα διότι χρησιμοποιούν μεθόδους από όλο το φάσμα των δυνατών μεθόδων που υπάρχουν για το θέμα της αξιολόγησης της εταιρικής αποτυχίας. Επίσης ο ερευνητής μπορεί να αξιολογήσει τις μεθόδους οι οποίες εφαρμοστήκαν σε μία χρονική περίοδο που η οικονομία της Ελλάδος βρίσκεται σε κρίση, όπως επίσης και να εφαρμόσει το κατάλληλο μοντέλο στη δική του έρευνα. 7

1.3. Ερευνητική μέθοδος της διατριβής Για να επιτευχθούν οι στόχοι της διατριβής έγινε συλλογή δευτερογενών δεδομένων τα οποία ανακτήθηκαν από την ιστοσελίδα του Χρηματιστηρίου Αθηνών και τις ιστοσελίδες των εταιρειών και τέλος από δημοσιευμένους ισολογισμούς στις εφημερίδες «Ναυτεμπορική», «Ο κόσμος του Επενδυτή» και «Ημερησία». Χρησιμοποιώντας τα ακόλουθα δεδομένα από τους ισολογισμούς: Κυκλοφορούν Ενεργητικό Βραχυπρόθεσμες Υποχρεώσεις Κεφάλαιο Κίνησης Πακρατηθέντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων Τρέχουσα Αξία μετοχών, Σύνολο Υποχρεώσεων, Κύκλος Εργασιών, Υπολογίστηκε η πιθανότητα της εταιρικής αποτυχίας με τρεις διαφορετικές μεθόδους. Οι μέθοδοι που χρησιμοποιήθηκαν ήταν η μέθοδος ALTMAN, η μέθοδος DEA και η μέθοδος με την χρήση νευρωνικών δικτύων. 8

2. Βιβλιογραφική ανασκόπηση 2.1. Εισαγωγή Τα τελευταία 4 χρόνια η πρόβλεψη της εταιρικής αποτυχίας (πτώχευσης) απασχόλησε ιδιαίτερα την ακαδημαϊκή κοινότητα και εξελίχθηκε σταδιακά σε σημαντικό ερευνητικό πεδίο της χρηματοοικονομικής επιστήμης. Δεκάδες έρευνες εκπονήθηκαν και επιστημονικά άρθρα δημοσιεύτηκαν προκειμένου να αναζητηθούν, ή και να τελειοποιηθούν τα μοντέλα πρόβλεψης. Στο παρελθόν οι οικονομικοί σύμβουλοι των επιχειρήσεων χρησιμοποιούσαν μεθόδους οι οποίοι στηριζόταν σε στατιστικά μοντέλα όπως αυτό της παλινδρόμησης (Dev 1974, Barnes 1987, Horrigan 1968, Warner 1977, Altman 1968, Collins and Green 1982, Eisenbeis 1977, Grice and Ingram, 21). Σε παλαιότερες έρευνες έχει διαπιστωθεί ότι μπορεί η πρόβλεψη της εταιρικής αποτυχίας να εξαρτηθεί από αντικειμενικά κριτήρια τα οποία όταν ισχύουν η εταιρία υπάγεται σε καθεστώς πτώχευσης (Miller 1988, Kolari and Vélez- Pareja 212, Γκίνογλου 26, Σαρσέντης και Παπαναστασάτου 27). Υπάρχουν δύο βασικές διαδικασίες οι οποίες διέπουν την πτώχευση ή τη χρεωκοπία μιας εταιρίας. Η τυπική και η ουσιαστική. Οι εταιρείες που αντιμετωπίζουν μεγάλα προβλήματα ρευστότητας και αποπληρωμής χρεών, ανεξάρτητα από την νομική μορφή τους οδηγούνται σε παύση πληρωμών και στο τέλος σε αδυναμία συνέχισης των δραστηριοτήτων τους. Η δεύτερη διαδικασία η οποία αναφέρθηκε παραπάνω έχει την έννοια του δικονομικού χαρακτήρα και θα πρέπει να τεκμηριωθεί με βάση το νόμο (Foster 1986, Holmes and Sugden 1994, Farrell 1957). Οι Γκίνογλου (26) και Σαρσέντης και Παναστασατου (27) αναφέρουν ότι οι παράγοντες που οδηγούν στην εταιρική αποτυχία μία επιχείρηση είναι αρκετοί και ποικιλόμορφοι,αλλά ένας από τους βασικότερους είναι η αδυναμία ρευστότητας. 9

Πριν συνεχιστεί η εξέταση των μοντέλων των οποίων θα χρησιμοποιηθούν έτσι ώστε να δημιουργηθούν διαδικασίες πρόβλεψης, πιστωτικής αποτυχίας ή πρόβλεψης πιθανής χρεοκοπίας θα πρέπει να τονιστεί ότι όλα τα μοντέλα έχουν ένα ποσοστό επιτυχίας. Το ποσοστό επιτυχίας εξαρτάται από τα δεδομένα εισόδου τα οποία χρησιμοποιεί η εκάστοτε μέθοδος. Σε όλη τη βιβλιογραφία τα δεδομένα τα οποία χρησιμοποιούνται είναι αυτά που οι εταιρίες δημοσιοποιούν στους ισολογισμούς τους. Κατά την χρηματοοικονομική ανάλυση την επενδύσεων πολλοί ερευνητές χρησιμοποιούν τους αριθμοδείκτες επειδή η χρήση τους ως μεθόδου χρηματοοικονομικής ανάλυσης θεωρείται η πλέον δημοφιλής. Η βασική υπόθεση της ανάλυσης των αριθμοδεικτών είναι η ύπαρξη σχέσης αναλογικότητας μεταξύ των μεταβλητών που συνθέτουν κάποιον αριθμοδείκτη. Πολλές έρευνες έχουν δείξει τη χρησιμότητα της ανάλυσης των αριθμοδεικτών ως εργαλείο το οποίο αξιολογεί τη θέση και την επίδοση μίας επιχείρησης. Επίσης θα πρέπει να τονιστεί ότι οι ερευνητές δε χρησιμοποιούν πάντα τους ίδιους αριθμοδείκτες για να μεγιστοποιήσουν την προβλεπτική ικανότητα των διάφορων μοντέλων (Altman 1968, Altman et al., 1977, Altman 1984, Johnsen and Melicher 1994, Peel and Peel 1988, Keasey et al., 199, Tamari 1984, Martikainen and Ankelo 1991, Jensen and Meckling 1976, Kosmidis and Terzidis 21). Υπάρχουν στοιχεία τα οποία δείχνουν ότι τα χρηματοοικονομικά πρότυπα των προβληματικών επιχειρήσεων είναι πιο ασταθή από τα αντίστοιχα των μη προβληματικών επιχειρήσεων (Kohers et al 2., Berger and Humphrey 1992, Whittington 198). Υπό αυτή την έννοια εάν ένα σύνολο αριθμοδεικτών θεωρηθεί κατάλληλο για μία συγκεκριμένη αγορά, χρονική στιγμή και κλάδο αυτό δεν ισχύει και δε θα πρέπει να γενικευτεί σε κάθε περίπτωση (Martikainen and Ankelo 1991). Με βάση τη θεωρία της πρακτορείας (Agent theory) δε θα πρέπει να αγνοηθεί το γεγονός ότι οι πράκτορες ενεργούν πάντοτε με γνώμονα την προάσπιση των συμφερόντων των εντολοδόχων τους (Jensen and Meckling 1976). Ένα άλλο γεγονός το οποίο δε πρέπει να παραλειφθεί είναι η χρήση πρακτικών δημιουργικής λογιστικής οι οποίες αλλοιώνουν την ποιότητα των 1

χρηματοοικονομικών πληροφοριών που περιέχουν οι λογιστικές καταστάσεις (Kosmidis and Terzidis 21). Παρόλα αυτά η χρήση αριθμοδεικτών αποτελούσε και εξακολουθεί να αποτελεί μία από τις πιο αναγνωρισμένες μεθόδους στην χρηματοοικονομική ανάλυση και ειδικότερα στο πεδίο της πρόγνωσης και πρόβλεψης της θέσης μίας επιχείρησης. Το 1966 παρουσιάστηκε η πρώτη ουσιαστική προσπάθεια πρόβλεψης της εταιρικής αποτυχίας με την χρήση αριθμοδεικτών (Beaver 1966). Το μοντέλο μονομεταβλητής ανάλυσης περιλάμβανε αριθμοδείκτες επιλεγμένους με βάση ένα τεστ διχοτομικής ταξινόμησης. Ο Beaver κατέληξε στο ότι ο αριθμοδείκτης ταμειακές ροές προς υποχρεώσεις, παρουσίαζε την μεγαλύτερη προβλεπτική ικανότητα της αποτυχίας με ποσοστό 87%. Την ίδια χρονιά χρησιμοποιήθηκαν μοντέλα βασιζόμενα σε διερευνητικούς αριθμοδείκτες του κινδύνου της εταιρικής αποτυχίας (risk index models), τα οποία ήταν σαφώς ευκολότερα στην χρήση (Tamari 1966, Moses and Liao 1987). Το 1968 ο Altman εισήγαγε τη μέθοδο της πολυμεταβλητής διαχωριστικής ανάλυσης (MDA Multivariate Discriminant Analysis) στη μελέτη της πρόγνωσης της εταιρικής αποτυχίας, εκτιμώντας μέσω αριθμοδεικτών ένα σταθμισμένο δείκτη Z score-, το οποίο ανάλογα με το υπολογιζόμενο σκορ, κατέτασσε μια εταιρία σε αποτυχημένη ή μη. Το μοντέλο του Altman αποτέλεσε βάση για πολλές μετέπειτα εργασίες αλλά οι συνεχόμενες μεταβολές στα πρότυπα χρηματοοικονομικής πληροφόρησης (Financial Reporting Systems - FRS) και στις γενικά αποδεκτές λογιστικές πρακτικές (Generally Accepted Accounting Practices - GAAP) μείωσαν την προβλεπτική του ικανότητα. Ο Altman το αναπροσάρμοσε προκειμένου να αυξηθεί η ακρίβειά του και το 1977 παρουσίασε το Zeta model. Η MDA κυριάρχησε έως την δεκαετία του 8. Οι πιο συνηθισμένες της μορφές είναι η γραμμική (linear MDA) και η δευτεροβάθμια (quadratic MDA) (Γιαννή 212, Δεσποτοπούλου 21, Τσανής 21, Ντακούλας 214). Η MDA αποτελεί μια στατιστική τεχνική η οποία ήταν ευρέως διαδεδομένη ήδη από το 193. Ο Altman (1968) ουσιαστικά εισήγαγε την μέθοδο αυτή στην πρόβλεψη της εταιρικής αποτυχίας μέσω της χρήσης αριθμοδεικτών. Από την πρωτοποριακή για την εποχή εργασία του Altman, έχουν δημοσιευτεί δεκάδες έρευνες των Deakin 1972, Edmister 1972, Libby 1975, Altman et al 1977, Dambolena 11

and Khoury 198, Ooghe and Verbaere 1985, Gloubos and Grammatikos 1988, Altman et al 1995. Η MDA αποτελεί μία στατιστική τεχνική η οποία χρησιμοποιείται για να κατηγοριοποιήσει μια παρατήρηση ανάμεσα σε δύο ή περισσότερες ομάδες οι οποίες έχουν εκ των προτέρων οριστεί με βάση κοινά χαρακτηριστικά (apriori grouping). Χρησιμοποιείται κυρίως για να ταξινομηθούν ποιοτικής μορφής εξαρτημένες μεταβλητές σε δυο κατηγορίες (πτωχευμένες- υγιείς). Αποτελεί ένα γραμμικό συνδυασμό μεταβλητών οι οποίες παρέχουν την καλύτερη δυνατή διάκριση ανάμεσα σε δυο ομάδες (Altman 1968). Η τεχνική βασίζεται σε 4 αυστηρές υποθέσεις (Balcaen and Ooghe 26): Η κατανομή των τιμών των ανεξαρτήτων μεταβλητών σε κάθε ομάδα ακολουθεί την πολυμεταβλητή κανονικής κατανομής. Με διαφορετικούς μέσους αλλά με ίσους πίνακες διασποράς. (dispersion matrices) ανάμεσα στις δύο ομάδες. «Στόχος της μεθόδου είναι ο γραμμικός συνδυασμός των ανεξάρτητων μεταβλητών με τέτοιο τρόπο ώστε να μεγιστοποιείται η διακύμανση ανάμεσα στις δυο ομάδες και να ελαχιστοποιείται η διακύμανση εντός των ίδιων των ομάδων.» (Dimitras et al 1996). Προσδιορισμός προγενέστερης πιθανότητας αποτυχίας και κόστους λαθών ταξινόμησης των παραπάνω δύο υποθέσεων. Απουσία πολυσυγγραμικότητας (multicollinearity) ανάμεσα στις ανεξάρτητες μεταβλητές. Παρόλα αυτά πολλοί μελετητές οι οποίοι εφάρμοσαν την MDA δεν έλεγξαν αν τα δεδομένα τα οποία ανέλυαν ικανοποιούσαν ή όχι αυτές τις αυστηρές υποθέσεις με άμεση συνέπεια την εξαγωγή μεροληπτικών αποτελεσμάτων, ή περιορισμένης προβλεπτικής εφαρμογής και ικανότητας μοντέλα. Η γραμμική MDA είναι με διαφορά η πιο δημοφιλής μέθοδος πολυμεταβλητής διαχωριστικής ανάλυσης και λαμβάνει τη μορφή: Ζ i = α + α 1 Χ i1 α 2 Χ i2 + α 3 Χ ι3 +..... α n Χ in 12

Όπου Ζi: το συνολικό σκορ διαχωρισμού (ή συντελεστής στάθμισης) για την επιχείρηση i, Xi1, Xi2,..Xin: οι ανεξάρτητες μεταβλητές για την εν λόγω επιχείρηση i (predictors), α1, α2,..αn : οι γραμμικοί συντελεστές διαχωρισμού. Μέσω της MDA μπορούν να εξεταστούν δεκάδες χαρακτηριστικά μιας εταιρίας και να συνοψιστούν σε ένα μοναδικό πολυμεταβλητό σκορ διαφοροποίησης Ζi το οποίο λαμβάνει τιμές από έως +. Ανάλογα με το σκορ διαφοροποίησης και το καθορισμένο σκορ πρόκρισης- απόρριψης (cut off point), η εταιρία ταξινομείται στην μια ή στην άλλη ομάδα. Παρακάτω παρουσιάζονται διάφορες παραλλαγές του μοντέλου ALTMAN και αναλύεται η παραλλαγή του μοντέλου ALTMAN Z SCORE. Το μοντέλο της Ανάλυσης Διαφοροποίησης κατασκευάστηκε από τον οικονομολόγο Fisher (Fisher 197). Η μέθοδος αποτελεί μια στατιστική ανάλυση ιστορικής μέτρησης και καταγραφής της ρευστότητας. Οι στατιστικές μέθοδοι Probit και Logit αφορούν γενικά γραμμικά μοντέλα. Τα υποδείγματα Probit είναι παρόμοια με τα υποδείγματα Logit. H μοναδική τους διαφορά έγκειται στον τρόπο υπολογισμού της πιθανότητας πτώχευσης καθώς υποθέτει ότι η αθροιστική κατανομή της πιθανότητας είναι κανονική και όχι λογαριθμική όπως αναφέρθηκε για την Logit (Altman 2). Το μοντέλο της μεθόδου ELECTRE αποτελεί περισσότερο ένα τύπο μέτρησης και εκτίμησης κινδύνου χρεοκοπίας, παρά μοντέλο πρόβλεψης. H ειδική μεθοδολογία ELECTRE καλείται να δώσει λύση σε περιπτώσεις όπου οι δείκτες δεν είναι συγκρίσιμοι, ή ακόμη και όταν αυτοί δεν είναι ποσοτικά προσδιορίσιμοι (Γιαννή 212, Δεσποτοπούλου 21, Ντακούλας 214). 2.2. Μοντέλο ALTMAN Z SCORE Το μοντέλο ALTMAN Z SCORE δημιουργήθηκε από τον καθηγητή Altman ο οποίος ήταν ο πρώτος που πρότεινε την στατιστική μέθοδο MDA ως την καταλληλότερη για την ταξινόμηση εταιρειών σε πτωχευμένες και μη, με βάση τον διαδοχικό προσδιορισμό αριθμοδεικτών σε ένα συνδυασμό. 13

2.2.1. Α Περίπτωση: Εισηγμένες εταιρείες στο χρηματιστήριο Ο αρχικός τύπος, ο οποίος χρησιμοποιείται για τις εισηγμένες εταιρείες, παίρνει την εξής μορφή (Altman 2): Ζ = 1, 2Τ1 + 1, 4Τ2 + 3, 3Τ3 +, 6Τ4 +, 999Τ5. Εξίσωση 1 Συγκεκριμένα ο δείκτης Τ1 εκφράζει την ρευστότητα, ο δείκτης Τ2 το βαθμό αυτοχρηματοδότησης και την αποδοτικότητα σε σχέση με τα έτη ζωής της επιχείρησης, ο δείκτης Τ3 την αποδοτικότητα των συνολικών κεφαλαίων, ο δείκτης Τ4 τη διάρθρωση των κεφαλαίων της και ο δείκτης Τ5 την αποδοτικότητα του συνολικού ενεργητικού. Ανάλογα με τα αποτελέσματα του μοντέλου διαμορφώθηκαν τα όρια των τιμών ζώνες: του Z-score και οριοθετούν τις παρακάτω εάν η υπό μελέτη εταιρεία παίρνει τιμές Z<1,8 τότε βρίσκεται στην επικίνδυνη Ζώνη (Bankrupt Zone) και κινδυνεύει άμεσα με χρεοκοπία ενώ, εάν η τιμή είναι Z>3, βρίσκεται στην ασφαλή Ζώνη (Safe Zone). 2.2.2. Β Περίπτωση: Μη εισηγμένες βιομηχανικές εταιρείες Η δεύτερη εκδοχή του μοντέλου, η οποία αναπτύχθηκε το έτος 1983, απευθύνεται σε βιομηχανικές επιχειρήσεις που δεν είναι εισηγμένες σε κάποιο χρηματιστήριο. Η μαθηματική σχέση του μοντέλου έχει ως εξής (Altman 2): Ζ =, 717Τ1 +, 847Τ2 + 3, 17Τ3 +, 42Τ4 +, 998Τ5. Εξίσωση 2 Όπως και παραπάνω ο δείκτης Τ1 εκφράζει την ρευστότητα, ο δείκτης Τ2 το βαθμό αυτοχρηματοδότησης και την αποδοτικότητα σε σχέση με τα έτη ζωής της επιχείρησης, ο δείκτης Τ3 την αποδοτικότητα των συνολικών κεφαλαίων, ο δείκτης 14

Τ4 τη διάρθρωση των κεφαλαίων της και ο δείκτης Τ5 την αποδοτικότητα του συνολικού ενεργητικού. Ανάλογα με τα αποτελέσματα του μοντέλου διαμορφώθηκαν τα όρια των τιμών του Z-score και οριοθετούν τις παρακάτω ζώνες: Z < 1,23: Επικίνδυνη Ζώνη (Bankrupt Zone) Z > 2,9: Ασφαλής Ζώνη (Safe Zone) 1,23 < Z < 2,9: Γκρίζα Ζώνη (Grey Zone), το οποίο σημαίνει ότι είναι αδύνατο να χαρακτηριστεί η εταιρία με μεγάλη βεβαιότητα ότι ανήκει στην ασφαλή ή στην επικίνδυνη ζώνη. Η εξίσωση του αρχικού μοντέλου δεν ικανοποιούσε πλήρως την αξιολόγηση της πρόβλεψης για την επιχείρηση που δραστηριοποιείται στην κατασκευή, διότι η χρηματοοικονομική της δομή παρουσιάζει μεγάλη ένταση κεφαλαίου έναντι άλλων βιομηχανικών επιχειρήσεων. Η διαφορά της έντασης κεφαλαίου εστιάζεται στον υψηλό δείκτη κύκλου εργασιών. Βάσει του αρχικού τύπου η ταξινόμηση των τεχνικών επιχειρήσεων στις ζώνες πρόβλεψης πιθανής πτώχευσης ήταν στατιστικά λάθος. Το δυναμικό ελάττωμα διορθώθηκε με την αφαίρεση του αριθμοδείκτη Τ5 και τον επαναπροσδιορισμό των τεσσάρων προηγούμενων συντελεστών. Αποτέλεσμα ήταν η εφαρμογή της τρίτης εκδοχής, δηλαδή: Ζ = 6, 56Τ1 + 3, 26Τ2 + 6, 72Τ3 + 1, 5Τ4 Εξίσωση 3 Ο δείκτης Τ1 εκφράζει την ρευστότητα, ο δείκτης Τ2 το βαθμό αυτοχρηματοδότησης και την αποδοτικότητα σε σχέση με τα έτη ζωής της επιχείρησης, ο δείκτης Τ3 την αποδοτικότητα των συνολικών κεφαλαίων και ο δείκτης Τ4 τη διάρθρωση των κεφαλαίων της. 15

2.2.3. Γ Περίπτωση: Λοιπές εταιρείες Η τρίτη εκδοχή του μοντέλου αποτελεί την πιο γενική εκδοχή του και απευθύνεται στους υπόλοιπους τύπους επιχειρήσεων. Η μαθηματική σχέση του μοντέλου έχει ως εξής. Ζ = 6, 356Τ1 + 3, 26Τ2 + 6, 72Τ3 + 1, 5Τ4 Εξίσωση 4 Όπως και παραπάνω ο δείκτης Τ1 εκφράζει την ρευστότητα, ο δείκτης Τ2 το βαθμό αυτοχρηματοδότησης και την αποδοτικότητα σε σχέση με τα έτη ζωής της επιχείρησης, ο δείκτης Τ3 την αποδοτικότητα των συνολικών κεφαλαίων και ο δείκτης Τ4 τη διάρθρωση των κεφαλαίων της. Ανάλογα με τα αποτελέσματα του μοντέλου διαμορφώθηκαν τα όρια των τιμών του Z-score και οριοθετούν τις παρακάτω ζώνες: Ζ < 1,1: Επικίνδυνη Ζώνη (Bankrupt Zone) Ζ > 2,6: Ασφαλής Ζώνη (Safe Zone) 1,1 < Ζ < 2,6: Γκρίζα Ζώνη (Grey Zone), το οποίο σημαίνει ότι είναι αδύνατο να χαρακτηριστεί η εταιρία με μεγάλη βεβαιότητα ότι ανήκει στην ασφαλή ή στην επικίνδυνη ζώνη. 2.2.4. Υπόδειγμα ZETA Το 1977 παρουσιάστηκε μια αναθεωρημένη μορφή του υποδείγματος πολυμεταβλητής ανάλυσης Ζ score με την ονομασία Ζeta. Οι λόγοι που τους οδήγησαν στο αναθεωρημένο μοντέλο ήταν κυρίως οι εξής (Γιαννή 212, Δεσποτοπούλου 21, Ντακούλας 214, Τσανής 21): Η αλλαγή του χρηματοοικονομικού προφίλ των πτωχευμένων εταιρειών, καθώς και το μέσο μέγεθος του ενεργητικού τους το οποίο είχε αυξηθεί σημαντικά. 16

Υπολογισμοί με όσο το δυνατόν πιο πρόσφατα πρωτογενή δεδομένα (χρηματοοικονομικές καταστάσεις την τελευταία επταετία). Εφαρμογή του μοντέλου και σε άλλους κλάδους εκτός της βιομηχανίας (Λιανεμπόριο). Αναπροσαρμογές των δεδομένων ώστε να ικανοποιούν τις αλλαγές στα πρότυπα χρηματοοικονομικής πληροφόρησης (FRS) με απώτερο στόχο την επέκταση του χρονικού ορίζοντα εφαρμογής του μοντέλου (κεφαλαιοποίηση των εκμισθώσεων, αποθεματικά, δικαιώματα μειοψηφίας, δαπάνες έρευνας και ανάπτυξης, αναβαλλόμενες χρεώσεις). Ενσωμάτωση των παρατηρήσεων άλλων μελετητών για την βελτίωση των αδύνατων σημείων της στατιστικής τεχνικής (MDA). Η MDA αποτελεί στατιστική μέθοδος η οποία χρησιμοποιείται για να κατηγοριοποιήσει μια μεταβλητή ανάμεσα σε δύο ή περισσότερες ομάδες οι οποίες έχουν εκ των προτέρων οριστεί με βάση κοινά χαρακτηριστικά (appriori grouping). Χρησιμοποιείται κυρίως για να ταξινομηθούν ποιοτικής μορφής εξαρτημένες μεταβλητές σε δυο κατηγορίες στην περίπτωσή μας πτωχευμένες- υγιείς εταιρίες. Αποτελεί ένα γραμμικό συνδυασμό μεταβλητών οι οποίες παρέχουν την καλύτερη δυνατή διάκριση ανάμεσα σε δυο ομάδες (Altman, 1968, Κασιμάτης 213). Η τεχνική βασίζεται σε 4 αυστηρές υποθέσεις (Balcaen and Ooghe 26): Η κατανομή των τιμών των ανεξαρτήτων μεταβλητών σε κάθε ομάδα ακολουθεί την πολυμεταβλητή της κανονικής κατανομής. Με διαφορετικούς μέσους αλλά με ίσους πίνακες διασποράς. (dispersion matrices) ανάμεσα στις δύο ομάδες. «Στόχος της μεθόδου είναι ο γραμμικός συνδυασμός των ανεξάρτητων μεταβλητών με τέτοιο τρόπο ώστε να μεγιστοποιείται η διακύμανση ανάμεσα στις δυο ομάδες και να ελαχιστοποιείται η διακύμανση εντός των ίδιων των ομάδων.» (Dimitras et al 1996), Προσδιορισμός προγενέστερης πιθανότητας αποτυχίας και κόστους λαθών ταξινόμησης των παραπάνω δύο υποθέσεων. Απουσία πολυσυγγραμικότητας (multicollinearity) ανάμεσα στις ανεξάρτητες μεταβλητές. 17

Η γραμμική MDA είναι με διαφορά η πιο δημοφιλής μέθοδος πολυμεταβλητής διαχωριστικής ανάλυσης και λαμβάνει τη μορφή: Ζ i = α + α 1 Χ i1 α 2 Χ i2 + α 3 Χ ι3 +..... α n Χ in Εξίσωση 5 Όπου Ζi: το συνολικό σκορ διαχωρισμού (ή συντελεστής στάθμισης) για την επιχείρηση i, Xi1, Xi2,..Xin: οι ανεξάρτητες μεταβλητές για την εν λόγω επιχείρηση i (predictors), α1, α2,..αn : οι γραμμικοί συντελεστές διαχωρισμού. Μέσω της MDA μπορούν να εξεταστούν δεκάδες χαρακτηριστικά μιας εταιρίας και να συνοψιστούν σε ένα μοναδικό πολυμεταβλητό σκορ διαφοροποίησης Ζi το οποίο λαμβάνει τιμές από έως +. Ανάλογα με το σκορ διαφοροποίησης και το καθορισμένο σκορ πρόκρισης- απόρριψης (cut off point), η εταιρία ταξινομείται στην ομάδα των υπό πτώχευση εταιριών ή στην ομάδα των υγειών εταιριών. (Κασιμάτης 213). 2.3. Το μοντέλο DEA και η χρήση του για την αξιολόγηση της πιθανότητας πτώχευσης μίας εταιρίας. Το μοντέλο DEA είναι μία μέθοδος που βασίζεται στον γραμμικό προγραμματισμό και η οποία αξιολογεί την σχετική αποτελεσματικότητα των μονάδων απόφασης (DMU) χρησιμοποιώντας βάρη για τις εισόδους και τις εξόδους. Διάφορα ακτινικά (radial) και μη ακτινικά (non-radial) DEA μοντέλα έχουν κατά καιρούς προταθεί (Cooper et al, 1999) σε διάφορα άρθρα. Εκτός από το βασικό μοντέλο DEA, υπάρχουν μερικές νέες σημαντικές εξελίξεις, που πρέπει να αναφερθούν εδώ. Για παράδειγμα οι Lozano and Villa το 26 παρουσίασαν ένα νέο μοντέλο το οποίο θα μπορούσε να λάβει υπόψη του, ακέραιες εισόδους/ εξόδους έναντι της εναλλακτικής προσέγγισης όπου στο βασικό DEA μοντέλο χρησιμοποιούνται στρογγυλοποιήσεις. Οι Appa and Williams το 26 παρουσιάζουν έναν καινούριο τύπο για τον υπολογισμό των τιμών των πρωταρχικών και των διπλών βέλτιστων λύσεων με την αντικατάσταση των μεταβλητών εισόδου/ εξόδου με την λειτουργία της DMU σε κάθε τύπο. Αυτή η 18

προσέγγιση εξαλείφει τον «θόρυβο» που δημιουργείται από τη λειτουργία του DEA μοντέλου για κάθε δείγμα DMU. Οι Asmild et al το 26 πρότειναν ένα μοντέλο DEA το οποίο αξιολογεί τις μη οριακές αλλαγές μεταξύ των μεταβλητών. Όλες οι παραπάνω τροποποιήσεις πού έχουν προταθεί για το μοντέλο DEA είναι χρήσιμες για την διαχείριση των βαθμοτών και των πρόσθετων αλλαγών. Επιπλέον στις εν λόγω τροποποιήσεις οι Cooper et al 27, ανέπτυξαν μία μεθοδολογία που αναλύει τις ιδιότητες της ομαδοποίησης, των μεταβλητών εισόδου και των μεταβλητών εξόδου, επειδή όλα τα μοντέλα DEA υποφέρουν από γηγενείς δυσκολίες στην είσοδο και στην έξοδο. Προτείνεται η μελέτη των άρθρων των Sueyoshi and Sekitani 27,a,b. Στην εργασία αυτή θα χρησιμοποιηθεί το τροποποιημένο μοντέλο DEA με τις παραπάνω τροποποιήσεις που έχουν αναφερθεί. Με τις τροποποιήσεις οι οποίες έχουν προταθεί θα τεκμηριωθεί ο τρόπος χρήσης των μεταβλητών για να διακριθούν και να διαχωριστούν οι υγιείς επιχειρήσεις από αυτές που έχουν πιθανότητα να πτωχεύσουν. Το προτεινόμενο μοντέλο DEA το οποίο περιεγράφηκε στη προηγούμενη παράγραφο, έχει αρκετές ελλείψεις παρόλο που τα αποτελέσματα του είναι ικανοποιητικά (Γιαννή 212, Δερπάνης 29, Κορωνάκος 21, Κουμπατή 211). Το προτεινόμενο μοντέλο μετά τις τροποποιήσεις του Charnes (24) αξιολογεί τη σχετική αποτελεσματικότητα των επιχειρήσεων με τον εξής τρόπο: Max es + es + Xλ + s = x Yλ s + = y Εξίσωση 6 eλ = 1 λ, s, s + Όπου n είναι το πλήθος των DMU, k είναι το πλήθος των εισόδων και m είναι το πλήθος των εξόδων. 19

Ο πίνακας των εξόδων e είναι διάνυσμα γραμμή όπου το πλήθος των στοιχείων του ισούται με 1. Το s + είναι διάνυσμα το οποίο έχει τις βαρύτητες των εισόδων, s - είναι το διάνυσμα το οποίο περιέχει τις βαρύτητες των εξόδων. Το Χ είναι διάνυσμα στήλη για τις εισόδους των DMU, Υ είναι διάνυσμα στήλη που περιέχει τις εξόδους των DMU και l είναι διάνυσμα το οποίο περιέχει την βαρύτητα των μεταβλητών που συνδέουν τις εισόδους με τις εξόδους. Με την χρήση των μεταβλητών εισόδου και εξόδου που αφορούν κάθε επιχείρηση (DMU), επιλύεται το τροποποιημένο μοντέλο (Εξίσωση 6) για κάθε επιχείρηση αλλάζοντας το Χ με το Υ στο αντίστοιχο διάνυσμα εισόδου και στο αντίστοιχο διάνυσμα εξόδου, για την κάθε επιχείρηση της οποίας υπολογίζεται η αξία της αποτελεσματικότητας της. Η βέλτιστη τιμή της αντικειμενικής συνάρτησης προσδιορίζει την υγιή, από την επιχείρηση με οικονομική δυσπραγία εξετάζοντας εάν υπάρχει θετικό σημείο σύγκλισης στην βέλτιστη λύση της (Εξίσωση 6). Προκειμένου να κατανοηθεί η χρήση του μοντέλου (Εξίσωση 6) και την εκτίμηση που κάνει για την πτώχευση μίας επιχείρησης θα γίνουν τέσσερις πολύ βασικές παρατηρήσεις (Κουμπατή 211): Κατά το παρελθόν οι ερευνητές έχουν χρησιμοποιήσει την DEA για να αξιολογήσουν την πιθανότητα πτώχευσης μίας επιχείρησης. Για παράδειγμα οι Cielen et al., 24 εφάρμοσαν την μέθοδο DEA για να αξιολογηθεί η πιθανότητα πτώχευσης μίας επιχείρησης και έγινε η σύγκριση με την DEA του μαθηματικού προγραμματισμού. Στην εκτίμηση της πιθανότητας πτώχευσης η χρήση της DEA είχε μικρότερη αξιοπιστία στη πρόβλεψη της εταιρικής α αποτυχίας. Η μειωμένη αξιοπιστία της μεθόδου DEA έγκειται στη χρήση των αναλογιών CCR (Banker et al., 1984) οι οποίες δε μπορούν να αντιμετωπίσουν τις αρνητικές τιμές που συνήθως βρίσκονται σε οικονομικούς συντελεστές. Το αποτέλεσμα των αρνητικών αναλογιών ανάγκασε το μοντέλο DEA να έχει περιορισμένη χρήση κατά την εκτίμηση της πιθανότητας πτώχευσης διότι οι χρηματοοικονομικοί δείκτες των εταιριών που έχουν μεγάλη πιθανότητα πτώχευσης έχουν αρνητικές τιμές. Σε αντίθεση το προτεινόμενο μοντέλο το οποίο περιγράφεται στην εργασία αυτή χρησιμοποιώντας τροποποιήσεις που προταθήκαν σε ακτινικά και μη 2

ακτινικά DEA μοντέλα είχε σαν αποτέλεσμα να ξεπεραστεί το πρόβλημα αυτό διότι το μοντέλο έχει την ιδιότητα του αναλλοίωτου κατά την τροποποίηση. Οι Ali and Seiford το 199 είχαν αποδείξει ότι το τροποποιημένο μοντέλο παραμένει αναλλοίωτο κατά την μετατόπιση των δεδομένων έτσι ώστε να μη μεταβάλλεται η κατάταξη των επιχειρήσεων, ούτε η αποτελεσματικότητα του «συνόρου», μιας και η αποτελεσματικότητα η μη αποτελεσματικότητα (η τιμή της αντικειμενικής συνάρτησης) παραμένει αναλλοίωτη κατά τη μετατόπιση των δεδομένων. Παρόλα αυτά στο άρθρο τους δεν έχουν αναφερθεί κατά ποσό το τροποποιημένο μοντέλο παραμένει αναλλοίωτο από τεχνικής άποψης. Το τροποποιημένο μοντέλο δεν παραμένει αναλλοίωτο κατά την μετατόπιση εάν παρατηρηθεί από τεχνικής άποψης. Η παρούσα όμως πτυχιακή δεν ενδιαφέρεται για την μέτρηση της τεχνικής αποτελεσματικότητας αλλά εάν μια επιχείρηση μπορεί να αξιολογηθεί σωστά όταν βρίσκεται κοντά στο σύνορο της πτώχευσης και της μη πτώχευσης. Ως εκ τούτου η ιδιότητα του αναλλοίωτου κατά την μετατόπιση, ισχύει για το τροποποιημένο μοντέλο μας. Η ιδιότητα αυτή επιτρέπει αρνητικές τιμές στις εισόδους και εξόδους. Παρατηρείται λοιπόν ότι αυτή είναι μία πολύ μεγάλη προσφορά του Cielen et al., 24 στη δημιουργία ενός καλυτέρου μοντέλου DEA. Η δεύτερη παρατήρηση είναι ότι αναγνωρίζεται πως εκτός από την μελέτη των Cielen et al., 24 υπάρχουν και άλλες ερευνητικές προσπάθειες που σχετίζονται με το μοντέλο DEA. Για παράδειγμα οι Kao and Liu 24 έχουν παρουσιάσει ένα καλά τεκμηριωμένο άρθρο για την αξιολόγηση της πτώχευσης εταιριών. Στα άρθρα των Cheng et al 26, Ravi et al 28, περιγράφουν τις πρόσφατες εξελίξεις σχετικά με την αξιολόγηση της πτώχευσης. Οι Ravikumar and Ravi 27 στο άρθρο του έχει κάνει μία λεπτομερή ανασκόπηση των μεθόδων για την αξιολόγηση της πτώχευσης. Η Τρίτη παρατήρηση αναφέρεται στο μοντέλο το οποίο χρησιμοποιήθηκε στη παρούσα εργασία και επικεντρώνεται στην εκτίμηση της αποτελεσματικότητος των εμπειρικών συναρτήσεων παραγωγής Pareto- Coopman. Η επιλογή των μεταβλητών εισόδου και εξόδου στο μοντέλο DEA καθοδηγείται από τη γνώμη του εμπειρογνώμονα, την εμπειρία του 21

παρελθόντος και την οικονομική θεωρία. Η επιλογή τους είναι η ίδια με την επιλογή των μεταβλητών σε ένα μοντέλο παλινδρόμησης. Επιπρόσθετα η αποτελεσματικότητα μίας συγκεκριμένης μονάδας DMU εξαρτάται από την συσχέτιση των μεταβλητών εισόδου και εξόδου. Αυτό το μοναδικό χαρακτηριστικό του τροποποιημένου μοντέλου της μεθόδου DEA διαφέρει από τα ακτινικά μοντέλα όπως και η αναλογική φόρμα που χρησιμοποιείται από τους Cielen et al το 24. Ο λόγος είναι ότι στα ακτινικά μοντέλα CCR και BCC τα οποία περιγράφονται στον Banker et al. 1984 θα πρέπει να εξεταστούν τόσο το σκορ απόδοσης του DEA όσο και το σκορ απόδοσης της συσχέτισης μεταβλητών εισόδου και εξόδου. Επιπλέον το σκορ απόδοσης μπορεί να μετρηθεί με την μορφή δείκτη όπως χρησιμοποιείται και στους Cielen et al 24 και εξαρτάται από την είσοδο ή την έξοδο της μέτρησης. Το σκορ απόδοσης το οποίο εξαρτάται από την είσοδο με το σκορ απόδοσης που εξαρτάται από την έξοδο είναι τελείως διαφορετικά. Σε αντίθεση το τροποποιημένο μοντέλο DEA το οποίο χρησιμοποιείται ενσωματώνει την συσχέτιση μεταβλητών εισόδου και εξόδου στη μέτρηση της αποτελεσματικότητας, έτσι ώστε να αποφευχθεί το πρόβλημα μειωμένης αξιοπιστίας για τη πρόβλεψη της εταιρικής αποτυχίας το οποίο συνδέεται με την αναλογική φόρμα. Το αποτέλεσμα είναι ο προσδιορισμός της κατάστασης της αποδοτικότητας είναι πιο εύκολος να προσδιοριστεί από το τροποποιημένο μοντέλο DEA από ότι τα ακτινικά μοντέλα. Tέλος, στο άρθρο του Sueyoshi το 24, έχει ενσωματωθεί ένα μη παραμετρικό χαρακτηριστικό της DEA στην DA. Αυτή η συγκεκριμένη συνδυασμένη προσέγγιση αναφέρεται ως DEA-DA (DEA- ανάλυση διακρίνουσας) και είναι μία μη παραμετρική, ελεύθερη από θέμα κατανομής προσέγγιση. Η DEA-DA μπορεί να λύσει διάφορα προβλήματα της DA χρησιμοποιώντας έναν γρήγορο αλγόριθμο ο οποίος μπορεί να υλοποιηθεί και σε έναν προσωπικό υπολογιστή. Ο απαιτητικός αναγνώστης θα μπορέσει να συγκρίνει την DEA-DA με το προτεινόμενο μοντέλο με απώτερο σκοπό να έχει μία ολοκληρωμένη άποψη για την αξιολόγηση της πιθανότητας πτώχευσης. 22

2.3.1. Επιλογή μεταβλητών εισόδου- εξόδου Στα πλαίσια της αξιολόγησης της πιθανότητας πτώχευσης οι μικρότερες (κατώτερες) τιμές των χρηματοοικονομικών δεικτών, οι οποίοι θα μπορούσαν ενδεχομένως να προκαλέσουν οικονομική δυσχέρεια, θα θεωρηθούν ως μεταβλητές εισόδου. Αντίθετα οι μεγαλύτερες (ανώτερες) τιμές αυτών των χρηματοοικονομικών δεικτών οι οποίοι θα μπορούσαν να προκαλέσουν οικονομική δυσχέρεια θα θεωρηθούν ως μεταβλητές εξόδου. Η κατάταξη αυτή δείχνει ότι η προεπιλογή των επιχειρήσεων τείνουν να εξισώσουν την τιμή με το ή κοντά στο για την αντικειμενική συνάρτηση του μοντέλου, ενώ οι μη προεπιλεγμένες επιχειρήσεις τείνουν να διαμορφώνουν τιμές μεγαλύτερες από το. Ως εκ τούτου το μοντέλο (Εξίσωση 6) αναμένεται να δώσει τις προεπιλεγμένες επιχειρήσεις κοντά στο όριο του συνόρου ενώ για τις μη προεπιλεγμένες να βρίσκονται στο εσωτερικό των συνόρων. Η δυσκολία η οποία συνδέεται με την προτεινόμενη επιλογή των μεταβλητών εισόδου και εξόδου είναι ότι δεν υπάρχει ένα σαφές όριο για να καθοριστούν αυτές οι μεταβλητές. Η επιλογή των μεταβλητών αυτών συνήθως καθορίζεται από τον ερευνητή που χρησιμοποιεί το μοντέλο DEA. Κατά συνέπεια οι ερευνητές μπορούν να επιλέξουν διαφορετικούς συνδυασμούς μεταβλητών εισόδου εξόδου στο μοντέλο DEA και αυτό αποτελεί ένα μειονέκτημα του μοντέλου DEA. Στη παρούσα πτυχιακή θα δοθούν μερικές κατευθυντήριες γραμμές σχετικά με την επιλογή των μεταβλητών εισόδου και εξόδου (Κουμπατή 211). 2.3.2. Τα σύνορα του επίπεδου πτώχευσης και ο υπολογισμός των πιθανοτήτων. 2.3.2.1. Υπολογισμός ορίων πτώχευσης. Το αναλυτικό στοιχείο της επιλογής των μεταβλητών εισόδου και εξόδου του μοντέλου διαφέρει από την συμβατική χρήση του μοντέλου DEA. Στο συμβατικό μοντέλο DEA η ανάλυση που γίνεται με βάση τη παραγωγή και την απόδοση της παραγωγής, καθορίζει ένα αποτελεσματικό σύνορο και μία ανεπαρκή απόδοση που υπάρχει μέσα στο σύνολο της πιθανότητας της παραγωγής με αποτέλεσμα να 23

διαμορφώνεται από την αποδοτικότητα των συνόρων (Κουμπατή 211). Σε αντίθεση με το παραπάνω, στο προτεινόμενο μοντέλο της μεθόδου DEA υπάρχει μία διαφορετική προσέγγιση η οποία είναι αντίθετη με την συμβατική ανάλυση διότι ζητούμενο είναι να εκτιμηθεί η πιθανότητα πτώχευσης. Το σύνολο το οποίο χρησιμοποιήθηκε στο μοντέλο είναι ένα σύνορο για την πτώχευση (και όχι ένα αποτελεσματικό σύνορο το οποίο υπολογίζεται από την συμβατική χρήση της DEA η οποία βασίζεται στην ανάλυση παραγωγής) και η οποία περιέχει πολλές προεπιλεγμένες επιχειρήσεις (φτωχές επιδόσεις). Μη προεπιλεγμένες (υγιείς εταιρίες), μπορούν να υπάρχουν μέσα σε ένα «σύνολο με δυνατότητα πτώχευσης» το οποίο διαμορφώνεται από το σύνορο πτώχευσης. Ο μαθηματικός ορισμός της πιθανότητας χρεοκοπίας (πτώχευσης) είναι ο ίδιος με την πιθανότητα παραγωγής στην οικονομία της παραγωγής (Κουμπατή 211). Ωστόσο, τα χαρακτηριστικά των μεταβλητών εξόδου στην ανάλυση της εταιρικής αποτυχίας είναι διαφορετικά από αυτά που χρησιμοποιούνται στην ανάλυση παραγωγής. Εικόνα 1: Το όριο πτώχευσης και το σύνολο των εν δυνάμει επιχειρήσεων με μεγάλη πιθανότητα εταιρικής αποτυχίας. Πηγή: Premachandra et al (29) Οι μεγαλύτερες σε μέγεθος εταιρίες έχουν καλύτερα αποτελέσματα στην ανάλυση παραγωγής ενώ οι μικρότερες δίνουν καλύτερα αποτελέσματα στην αξιολόγηση της πτώχευσης. Επιπλέον όσον αφορά τη χρήση των μεταβλητών εισόδου θα μπορούσε να ακολουθηθεί μία αναλογικά αντίθετη περιγραφή. Στην Εικόνα 1 αναπαρίσταται το όριο της πτώχευσης και το σύνολο των επιχειρήσεων που βρίσκονται κάτω από το όριο της πτώχευσης. Στην Εικόνα 1 24

επίσης υπάρχει μόνο μία είσοδο (x) και μία έξοδο (y) για να δοθεί με κατανοητό τρόπο το τι είναι το όριο της πτώχευσης και τι είναι η πιθανότητα πτώχευσης. Το σύμβολο (ο) συμβολίζει την απόδοση μίας εταιρίας η οποία δεν είναι προεπιλεγμένη ενώ το σύμβολο (x) αναφέρεται στην απόδοση μίας εταιρίας η οποία είναι προεπιλεγμένη στον άξονα συντεταγμένων x και y. 2.3.2.2. Υπολογισμός πιθανοτήτων εταιρικής αποτυχίας. Το βασικότερο πλεονέκτημα της μεθόδου που περιγράφεται σε αυτή τη πτυχιακή είναι ότι για τις προτεινόμενες μεταβλητές εισόδου- εξόδου υπάρχουν δύο ομάδες εταιριών, οι προεπιλεγμένες και οι μη προεπιλεγμένες, επίσης και άλλες δύο ομάδες εταιριών αυτές που βρίσκονται στο σύνορο (όριο) πτώχευσης και τις επιχειρήσεις που δε βρίσκονται στο σύνορο πτώχευσης. Κατά συνέπεια εάν εφαρμοστεί το τροποποιημένο μοντέλο (Εξίσωση 6) σε ένα σύνολο δεδομένων το αποτέλεσμα θα είναι τέσσερις όμιλοι εταιρίες (2 x 2). Με βάση αυτές τις τέσσερις ομάδες είναι εφικτό να αξιολογηθεί η κατάσταση προεπιλεγμένες - μη προεπιλεγμένες εταιρίες. Αυτή η ικανότητα της αξιολόγησης της πτώχευσης δεν υπάρχει σε κανένα από τα προηγούμενα μοντέλα DEA όπως επίσης και στην αρθρογραφία σχετικά με την επιχειρησιακή έρευνα και τα διάφορα χρηματοοικονομικά μοντέλα που ασχολούνται με την αξιολόγηση της πτώχευσης. Επιπλέον, ο υπολογισμός της πιθανότητας της πτώχευσης είναι εύκολος και γρήγορος. Ως εκ τούτου το προτεινόμενο τροποποιημένο μοντέλο της DEA είναι πιο πρακτικό για την αξιολόγηση της πιθανότητας πτώχευσης μίας εταιρίας. Παρακάτω παρατίθεται ένας αλγόριθμος ο οποίος επιτρέπει την εμβάθυνση στα βήματα τα οποία χρειάζονται για τον υπολογισμό και την εφαρμογή του τροποποιημένου μοντέλου: (Κουμπατή 211): Βήμα 1: Εφάρμοσε σε μία επιχείρηση το τροποποιημένο μοντέλο DEA (Εξίσωση 6) η οποία είναι στο δείγμα από ένα σύνολο δεδομένων που έχουν παρατηρηθεί (σε σχέση με τις προεπιλεγμένες και μη προεπιλεγμένες εταιρίες) Βήμα 2: Ταξινόμησε τις επιχειρήσεις με βάση τις τιμές S + και S - (βασική τιμή ) ανάλογα με την βέλτιστη συμπεριφορά του 25

τροποποιημένου μοντέλου (Εξίσωση 6). Αν όλες οι τιμές είναι τότε η επιχείρηση βρίσκεται στο σύνορο της πτώχευσης. Σε αντίθετη περίπτωση που υπάρχει μία τιμή που είναι θετική, τότε η εταιρία δε βρίσκεται στα σύνορα της πτώχευσης. Βήμα 3: Επιβεβαίωσε αν όλες οι επιχειρήσεις εξετάστηκαν με βάση το τροποποιημένο μοντέλο DEA (Εξίσωση 6). Βήμα 4: Ταξινόμησε όλες τις επιχειρήσεις σε μία από τις ακόλουθες τέσσερις ομάδες: (α) Προεπιλεγμένες επιχειρήσεις που βρίσκονται στο σύνορο της πτώχευσης. (β) Μη προεπιλεγμένες επιχειρήσεις που βρίσκονται στο σύνορο της πτώχευσης. (γ) Μη προεπιλεγμένες επιχειρήσεις που δε βρίσκονται στο σύνορο της πτώχευσης. (δ) Προεπιλεγμένες επιχειρήσεις που δε βρίσκονται στο σύνορο της πτώχευσης. Βήμα 5: Υπολόγισε τον αριθμό των επιχειρήσεων που ανήκουν στις παραπάνω τέσσερις ομάδες. (α) P(BR/BR) = Ο αριθμός των προεπιλεγμένων επιχειρήσεων που βρίσκονται στο σύνορο της πτώχευσης, διαιρούμενος με το συνολικό αριθμό των προεπιλεγμένων επιχειρήσεων. (β) P(NBR/BR) = Ο αριθμός των προεπιλεγμένων επιχειρήσεων που δεν βρίσκονται στο σύνορο της πτώχευσης διαιρούμενος με το συνολικό αριθμό των προεπιλεγμένων επιχειρήσεων. (γ) P(NBR/NBR) = Ο αριθμός των μη προεπιλεγμένων επιχειρήσεων που δε βρίσκονται στα σύνορα της πτώχευσης διαιρούμενος με τον συνολικό αριθμό των μη προεπιλεγμένων επιχειρήσεων. (δ) P(BR/NBR) = Ο αριθμός των μη προεπιλεγμένων επιχειρήσεων που βρίσκονται στο σύνορο της πτώχευσης 26

διαιρούμενος με τον συνολικό αριθμό των μη προεπιλεγμένων επιχειρήσεων. Βήμα 6: Τέλος. Το ποσοστό της μη σωστής ταξινόμησης καθορίζεται από την P(NBR/BR) + P(BR/NBR) ενώ το ποσοστό της σωστής ταξινόμησης καθορίζεται από την P(BR/BR) + P(NBR/NBR). Στη παρούσα διατριβή θεωρείται ότι αν μία επιχείρηση είναι στα σύνορα της πτώχευσης τότε αυτή η εταιρία ανήκει στο καθεστώς της πτώχευσης. Σύμφωνα με τον Altman (1968) η P(NBR/BR) είναι σφάλμα τύπου I και η P(BR/NBR) είναι σφάλμα τύπου II. 2.4. Τα νευρωνικά δικτύα και η πρόβλεψη της εταιρικής αποτυχίας. Ο αριθμός των μοντέλων πρόβλεψης της εταιρικής αποτυχίας (πτώχευσης) έχει αυξηθεί πάρα πολύ λόγω της αυξανόμενης διαθεσιμότητας των δεδομένων και την ανάπτυξη οικονομετρικών τεχνικών. Οι μέθοδοι για την πρόβλεψη της πτώχευσης μπορούν να ομαδοποιηθούν σε δύο κατηγορίες: τις στατιστικές και τα μοντέλα τεχνικής νοημοσύνης. Η πρώτη κατηγορία έχει αναπτυχθεί στα προηγούμενα κεφάλαια. Η δεύτερη κατηγορία περιλαμβάνει τα νευρωνικά δίκτυα (Chauhan et al 29, Cho et al 29, Pendharkar 25, Tseng and Hu 21), τους γενετικούς αλγόριθμους (Etemadi et al 29, Lensberg et al 26), και τους υπολογιστές με διανυσματικές επεξεργασίες (Min and Lee 25, Yang et al 211) και με βάση τον υπολογισμό περίπτωσης (Case study), (Cho et al 21). Ενώ μερικά από τα παραπάνω μοντέλα παρουσιάζουν υψηλά επίπεδα ακρίβειας πρόβλεψης, η απουσία μιας αποδεκτής θεωρίας πτώχευσης κάνει τις προσπάθειές για τη δημιουργία ενός γενικά αποδεκτού μοντέλου για την πρόβλεψη της πτώχευσης ανεπιτυχείς. Τα εν γένη μειονεκτήματα των στατιστικών υποθέσεων όπως η γραμμικότητα, η ομαλότητα και η ανεξαρτησία μεταξύ των μεταβλητών περιορίζουν την εφαρμογή τους σε διάφορα προβλήματα που αφορούν την λήψη αποφάσεων. Οι πρόσφατες τάσεις στην ανάπτυξη της τεχνητής νοημοσύνης έχουν φέρει στο 27

προσκήνιο νέες εναλλακτικές λύσεις για την επίλυση των μη γραμμικών προβλημάτων. Τα έμπειρα συστήματα, η ασαφή λογική και τα νευρωνικά δίκτυα είναι μία μεγάλη βοήθεια για τους ερευνητές για την πρόβλεψη της λήψης απόφασης της πρόβλεψης. Αν και αρχικά τα νευρωνικά δίκτυα χρησιμοποιήθηκαν για τη πρόβλεψη της πτώχευσης των τραπεζών (Chauhan et al 29, Cho et al 29, Pendharkar 25, Tseng and Hu 21), το τελευταίο διάστημα χρησιμοποιούνται και για διάφορες επιχειρήσεις. Φυσικά σε πολλές περιπτώσεις χρησιμοποιήθηκαν και στον χρηματοοικονομικό και στον επενδυτικό τομέα. Τα νευρωνικά δίκτυα ξεχωρίζουν για την επίλυση προβλημάτων κατηγοριοποίησης χρησιμοποιώντας διαφορετικές τοπολογίες, γι αυτό το λόγο και χρησιμοποιούνται για την επίλυση τέτοιων προβλημάτων. Μία από τις πιο γνωστές και ευρέως χρησιμοποιούμενες τοπολογίες είναι αυτή της back-propagation (BPN) η οποία χρησιμοποιεί το εποπτευόμενο μοντέλο μάθησης. Το παραπάνω νευρωνικό δίκτυο συνήθως αποτελείται από αρκετά επίπεδα εκ των οποίων το πρώτο είναι η είσοδος του νευρωνικού δικτύου, υπάρχουν ένα ή δύο κρυφά επίπεδα και τέλος ένα επίπεδο εξόδου (Εικόνα 2). Εικόνα 2: H δομή ενός νευρωνικού δικτύου. Πηγή: Chen et al (25) Το κάθε επίπεδο ενός νευρωνικού δικτύου έχει αρκετές μονάδες εισόδου και εξόδου οι οποίες συνεισφέρουν στην εκπαίδευση του μέσω των βαρών που 28

έχουν. Αρκετές μελέτες που έχουν γίνει για την πρόβλεψη της εταιρικής αποτυχίας έχουν στοχεύσει σε βιομηχανικές μονάδες. Οι έρευνες των He and Kamath (25), Ohlson (198) and Shumway (21) ασχοληθήκαν με ένα μεικτό δείγμα βιομηχανικών επιχειρήσεων με πολύ καλά αποτελέσματα. Η έρευνα των Dewaelheyns and Van Hulle (26) πρότεινε μοντέλο το οποίο περιλαμβάνει δύο μεταβλητές πτώχευσης που ορίζονται σε επίπεδο θυγατρικών και σε επίπεδο ομίλου και έχει σημαντικά καλύτερη εφαρμογή η μέθοδος υπολογισμού των νευρωνικών δικτύων. Τα παραπάνω μοντέλα δεν εξετάζουν τους διαφορετικούς βιομηχανικούς κλάδους, ούτε τις ανεξάρτητες μεταβλητές στην ακρίβεια της πρόβλεψης. Είναι πολύ δύσκολο να δημιουργηθεί ένα γενικό μοντέλο πρόβλεψης το οποίο θα προβλέπει με επιτυχία την πρόβλεψη σε διαφορετικούς κλάδους επιχειρήσεων. Επιπλέον αν και υπάρχει μία σειρά από μελέτες σχετικά με τη χρήση νευρωνικών δικτύων και την πρόβλεψη της πτώχευσης, μελέτες όπως η παρούσα διατριβή με τη χρήση δεδομένων από επιχειρήσεις διαφορετικών κλάδων είναι σχεδόν σπάνιες. Στη παρούσα διατριβή ο τρόπος εκπαίδευσης του νευρωνικού δικτύου επιτυγχάνεται εφαρμόζοντας ένα σύνολο από διανύσματα εκπαίδευσης σαν είσοδο στο πολύ-επίπεδο νευρωνικό δίκτυο. Η μέθοδος εκπαίδευσης που εφαρμόστηκε ήταν ο αλγόριθμος back propagation learning algorithm (πίσω-διάδοσης) ο οποίος μεταβάλλει τα βάρη σε συνδέσεις του νευρωνικού δικτύου πραγματοποιώντας μικρές αλλαγές και επανεξετάζοντας την ορθότητα του αποτελέσματος. Χρησιμοποιώντας τις μικρές μεταβολές στην αλλαγή των βαρών του νευρωνικού δικτύου, δημιουργείται ένα σταθερό δίκτυο αλλά το αντίτιμο είναι ο αργός ρυθμός μάθησης (Chauhan et al 29, Cho et al 29). 29

3. Μεθοδολογία Έρευνας Σε αυτή την εργασία χρησιμοποιήθηκαν δευτερογενή δεδομένα (ισολογισμοί) τα οποία είναι αναρτημένα στο Χρηματιστήριο Αθηνών. (http://www.ase.gr). Για τον υπολογισμό των αποτελεσμάτων χρησιμοποιήθηκαν τα δεδομένα των εταιρειών στην χρονιά (-1) δηλαδή στον προηγούμενο χρόνο πριν την πτώχευση. Οι ισολογισμοί οι οποίοι χρησιμοποιήθηκαν ανακτήθηκαν από την ιστοσελίδα του χρηματιστηρίου Αθηνών και από ιστοσελίδες των εταιριών. Μετά την αντιπαραβολή τους για την πληρότητα των στοιχείων τους υπολογίστηκαν οι αριθμοδείκτες οι οποίοι χρειάζονται για να υπολογιστεί με τις διάφορες μεθόδους η εταιρική αποτυχία (πτώχευση) Οι εταιρείες που επιλέχθηκαν πτώχευσαν μέσα στα έτη 28 έως 212. Η επιλογή των χρόνων αυτών έγινε με σκοπό να εξεταστεί η δυνατότητα των διαφόρων μεθόδων να προβλέπουν με επιτυχία την εταιρική αποτυχία σε περίοδο κρίσης (ύφεσης). Πίνακας 1: Οι εταιείες που επιλέχθηκαν για να υπολογιστεί η πιθανότητα εταιρικής αποτυχίας. α/α Εταιρία Έτος πτώχευσης 1. COSMOTE - ΚΙΝΗΤΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Α.Ε. 28 2. ΠΟΥΛΙΑΔΗΣ & ΣΥΝΕΡΓΑΤΕΣ Α.Ε.Β.Ε. 28 3. ΝΕΟΧΗΜΙΚΗ ΑΝΩΝΥΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗ ΚΑΙ ΕΜΠΟΡΙΚΗ 28 ΕΤΑΙΡΕΙΑ 4. KEGO Α.Ε. 28 5. UNISYSTEMS ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΚΗΣ A.E 28 6. GLOBAL Α.Ε.Ε.Χ. 28 7. EVEREST Α.Ε. 28 8. BLUE STAR ΝΑΥΤΙΛΙΑΚΗ Α.Ε. 28 9. ΤΕΡΝΑ Α.Ε. 28 1. ΕΛΛΑΤΕΞ ΣΥΝΘΕΤΙΚΕΣ ΙΝΕΣ Α.Ε. 29 11. Χ. ΡΟΚΑΣ ΑΒΕΕ 29 12. ΓΕΝΕΡ Α.Ε. 29 13. ΕΡΓΑΣ Α.Τ.Ε. 29 14. ΓΡΗΓΟΡΗΣ ΜΙΚΡΟΓΕΥΜΑΤΑ Α.Β.Ε.Ε. 29 3

15. MULTIRAMA Α.Ε.Β.Ε ΤΗΛΕΠΙΚΟΙΝ. & ΗΛΕΚΤΡΟΝ. ΥΛΙΚΟΥ 29 16. ΕΤΜΑ Α.Ε. ΤΕΧΝ. ΜΕΤΑΞΗΣ 29 17. ΕΤΜΑ Α.Ε. ΤΕΧΝ. ΜΕΤΑΞΗΣ 29 18. ΙΜΑΚΟ ΜΗΝΤΙΑ Α.Ε. Μ.Μ.Ε. 21 19. RAINBOW A.E. 21 2. SINGULAR LOGIC S.A. 21 21. Χ. ΜΠΕΝΡΟΥΜΠΗ & ΥΙΟΣ Α.Ε. 21 22. ΑΛΦΑ-ΒΗΤΑ ΒΑΣΙΛΟΠΟΥΛΟΣ A.E. 21 23. ΕΚΔΟΣΕΙΣ ΛΥΜΠΕΡΗ Α.Ε. 21 24. INFORMER Α.Ε. 21 25. ELMEC SPORT A.B.E.T.E 21 26. FOLLI - FOLLIE Α.Β.Ε.Ε. 21 27. VIVARTIA ΣΥΜΜΕΤΟΧΩΝ ΑΝΩΝΥΜΗ ΕΤΑΙΡΕΙΑ 211 28. HITECH SNT Α.Ε. 211 29. ΒΑΡΔΑΣ ΑΕΒΕΕ 211 3. ΔΙΑΣ Α.Ε.Ε.Χ. 211 31. VIVERE ENTERTAINMENT ΕΜΠΟΡΙΚΗ ΚΑΙ ΣΥΜΜΕΤΟΧΩΝ Α.Ε. 211 32. ΑΛΥΣΙΔΑ Α.Β.Ε.Ε. 211 33. CROWN HELLAS CAN A.E. 211 34. ELBISCO A.E ΣΥΜΜΕΤΟΧΩΝ 212 35. EUROLINE ΕΠΕΝΔΥΤΙΚΗ Α.Ε.Ε.Χ. 212 36. INTERFISH AE 212 37. INTERINVEST Δ.Ε.Α.Ε.Ε.Χ. 212 38. RILKEN ΒΙΟΜΗΧΑΝΙΑ ΚΑΛΛΥΝΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ Α.Ε. 212 39. ΕΛΦΙΚΟ Α.Ε.Ε. 212 Πιο συγκεκριμένα χρησιμοποιήθηκαν δεδομένα για έντεκα εταιρείες οι οποίες πτωχεύσαν το 28, για εφτά εταιρείες οι οποίες πτωχεύσαν το 29, για εννέα εταιρείες οι οποίες πτωχεύσαν το 21, για εφτά εταιρείες που πτωχεύσαν το 211 και για έξι εταιρείες οι οποίες πτωχεύσαν το 212. Για να υπολογιστεί η πιθανότητα της εταιρικής αποτυχίας με τη μέθοδο ALTMAN χρησιμοποιήθηκαν χρηματοοικονομικά στοιχεία των εταιριών για τέσσερα χρόνια πριν τη πτώχευση. Τα αποτελέσματα αξιοπιστίας του μοντέλου ALTMAN υπολογίστηκαν βάση τα παραπάνω χρηματοοικονομικά στοιχεία. Υπολογίστηκαν επίσης οι σωστές και οι λάθος προβλέψεις και το ποσοστό επί τις εκατό των σωστών προβλέψεων το οποίο είναι 85% εάν υπολογιστούν τα δεδομένα του τελευταίου 31

έτους πριν την πτώχευση. Για τον υπολογισμό της εταιρικής αποτυχίας με τη μέθοδο ALTMAN χρησιμοποιήθηκε η Εξίσωση 1 και τα παρακάτω δεδομένα: Κυκλοφορούν Ενεργητικό Βραχυπρόθεσμες Υποχρεώσεις Κεφάλαιο Κίνησης Πακρατηθέντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων Τρέχουσα Αξία μετοχών(ικ) Σύνολο Υποχρεώσεων Κύκλος Εργασιών Τα δεδομένα αυτά χρησιμοποιήθηκαν και για τις υπόλοιπες μεθόδους για να υπάρχει μία σωστότερη αντιπαραβολή των τελικών αποτελεσμάτων των μεθόδων. Για τις ίδιες εταιρείες υπολογίστηκε η πρόβλεψη της εταιρικής αποτυχίας με τη μέθοδο DEA. Τα αποτελέσματα των υπολογισμών έχουν υπολογιστεί ανά χρονιά πτώχευσης. Για τους υπολογισμούς χρησιμοποιήθηκαν χρηματοοικονομικά στοιχεία της προηγούμενης χρονιάς πριν τη πτώχευση για την εκάστοτε εταιρία που εξετάζεται. Για τα χρηματοοικονομικά στοιχεία των υγειών εταιριών χρησιμοποιήθηκαν τα δεδομένα των υπολοίπων εταιριών τέσσερα χρόνια πριν τη πτώχευση. Όπως έχει αναφερθεί και παραπάνω, για τον υπολογισμό των αποτελεσμάτων χρησιμοποιήθηκαν τα δεδομένα των εταιρειών στην χρονιά (-1) δηλαδή στον προηγούμενο χρόνο πριν την πτώχευση. Τέλος για τη μέθοδο DEA υπολογίστηκαν και δημιουργήθηκαν τα γραφήματα με την εισφορά στην πτώχευση των διαφόρων αριθμοδεικτών, καθώς και τα όρια τα οποία δημιουργούνται από τις εταιρείες. Η ανάλυση με την μέθοδο DEA κλείνει με τα συγκεντρωτικά αποτελέσματα της μεθόδου. Το πρακτικό κομμάτι της διατριβής κλείνει με τους υπολογισμούς της μεθόδου των νευρωνικών δικτύων. Για τους υπολογισμούς χρησιμοποιήθηκε νευρωνικό δίκτυο με εννέα εισόδους όπου η κάθε είσοδος αναφερόταν στους αριθμοδείκτες που χρησιμοποιήθηκαν και στην εξίσωση 1 όπως αναφέρονται και παραπάνω. 32

Τα παραπάνω δεδομένα χρησιμοποιώντας την συνάρτηση του Ημιτόνου μπαίνουν στο κρυφό επίπεδο του νευρωνικού δικτύου το οποίο αποτελείται από δέκα κορυφές. Μετά το κρυφό επίπεδο ακολουθεί το επίπεδο εξόδου το οποίο αποτελείται από μία κορυφή. Η διαδικασία η οποία ακολουθήθηκε για τους υπολογισμούς ήταν η ακόλουθη: Στο πρώτο βήμα επιλέχθηκε μία εταιρεία η οποία θα είναι η εταιρεία «αναφορά», Στο δεύτερο βήμα εκπαιδεύτηκε το νευρωνικό δίκτυο με όλες τις υπόλοιπες εταιρείες λαμβάνοντας υπόψη ότι το 8% του δείγματος των εταιριών χρησιμοποιείται για την εκπαίδευση του νευρωνικού δικτύου και το υπόλοιπο 2% για τον έλεγχο των αποτελεσμάτων του νευρωνικού δικτύου. Στο τρίτο βήμα εισάγοντας τα δεδομένα για την εταιρεία «αναφορά» καταγράφτηκε το αποτέλεσμα του νευρωνικού δικτύου. Τα παραπάνω τρία βήματα επαναλαμβάνονται για όλες τις εταιρείες και τα αποτελέσματα καταγράφονται σε πίνακα. Στο τέλος των υπολογισμών της μεθόδου των νευρωνικών δικτύων, δημιουργήθηκαν τα συγκεντρωτικά γραφήματα τύπου πίτας για την αξιολόγηση της μεθόδου των νευρωνικών δικτύων. 33

4. Αποτελέσματα υπολογισμών για την εκτίμηση της πιθανότητας πτώχευσης των υπό μελέτη εταιρειών. 4.1. Αποτελέσματα υπολογισμών με τη μέθοδο Altman Χρησιμοποιώντας την μεθοδολογία του ALTMAN για τον υπολογισμό των εισηγμένων εταιρειών στο χρηματιστήριο Αθηνών ανά χρονιά έγιναν υπολογισμοί για τη πιθανότητα πτώχευσης των εταιριών σε βάθος χρόνου τετραετίας. Η μέθοδος ALTMAN αρχικά χρησιμοποιήθηκε το 1977 για ένα σύνολο εταιριών της Αμερικανικής οικονομίας (Altman et. al., 1977). Στο παράρτημα 2 υπάρχουν οι αναλυτικοί υπολογισμοί 4.1.1. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 28 Πίνακας 2: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 28 σε βάθος τετραετίας Z-Score Μέση τιμή 4 χρόνια πριν την πτώχευση 2,67 3 χρόνια πριν την πτώχευση 2,41 2 χρόνια πριν την πτώχευση 1,91 1 χρόνος πριν την πτώχευση 1,54 Πίνακας 3: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 28 σε βάθος τετραετίας. Έτος Σύνολο Προβλέψεων Σωστή Πρόβλεψη Λάθος Πρόβλεψη Σωστό % -4 11 1 1 9,1% -3 11 3 8 27,3% -2 11 7 4 63,6% -1 11 11 1,% Στους παραπάνω πίνακες παρουσιάζονται συνοπτικά τα αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τη μέθοδο Altman για τις εταιρίες που πτώχευσαν το έτος 28. Είναι εύκολο να εξαχθεί το συμπέρασμα ότι η μέθοδος 34

δίνει ποσοστό επιτυχίας 1% τη τελευταία χρονιά ενώ για την πρώτη χρονιά της τετραετίας το ποσοστό των σωστών προβλέψεων 9,1%. είναι αμελητέο Η αναζήτηση και ο υπολογισμός στοιχείων πριν την τετραετία δεν έχει νόημα μιας και το ποσοστό δεν είναι αξιοποιήσιμο. 4.1.2. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 29 Πίνακας 4: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 29 σε βάθος τετραετίας Z-SCORE Μέση τιμή 4 χρόνια πριν την πτώχευση 2,13 3 χρόνια πριν την πτώχευση 1,98 2 χρόνια πριν την πτώχευση 1,84 1 χρόνος πριν την πτώχευση 1,53 Πίνακας 5. Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 29 σε βάθος τετραετίας. Έτος Σύνολο Σωστή Λάθος Σωστό % Προβλέψεων Πρόβλεψη Πρόβλεψη -4 7 3 4 42,9% -3 7 4 3 57,1% -2 7 6 1 85,7% -1 7 6 1 85,7% Τα αποτελέσματα των παραπάνω πινάκων παρουσιάζουν τα συνοπτικά αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τη μέθοδο Altman για τις εταιρίες που πτώχευσαν το έτος 29. Τα αποτελέσματα της μεθόδου Altman παρουσιάζουν μία τελείως διαφορετική δομή. Η δομή των αποτελεσμάτων του έτους 28 διαφέρει από το παρόν έτος ως προς την σωστή πρόβλεψη για την εταιρική αποτυχία έχοντας καλύτερες επιδόσεις στα τέσσερα χρόνια πριν την πτώχευση και χειρότερες για έναν χρόνο πριν την πτώχευση. 35

4.1.3. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 21 Πίνακας 6: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 21 σε βάθος τετραετίας Z-Score Μέση τιμή 4 χρόνια πριν την πτώχευση 2,31 3 χρόνια πριν την πτώχευση 2,3 2 χρόνια πριν την πτώχευση 1,89 1 χρόνος πριν την πτώχευση 1,76 Πίνακας 7: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 21 σε βάθος τετραετίας. Έτος Σύνολο Σωστή Λάθος Σωστό % Προβλέψεων Πρόβλεψη Πρόβλεψη -4 9 2 7 22,2% -3 9 3 6 33,3% -2 9 7 2 77,8% -1 9 7 2 77,8% Τα αποτελέσματα των παραπάνω πινάκων παρουσιάζουν τα συνοπτικά αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τη μέθοδο Altman για τις εταιρίες που πτώχευσαν το έτος 21. Συγκρίνοντας τα αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τις προηγούμενες χρονιές που η Ελληνική οικονομία βρίσκεται σε ύφεση παρατηρείται μία μείωση του ποσοστού της σωστής πρόβλεψης της εταιρικής αποτυχίας της τελευταίας χρονιάς και μείωση των ποσοστών σωστής πρόβλεψης των προηγούμενων χρόνων. 4.1.4. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 211 Πίνακας 8: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 211 σε βάθος τετραετίας Z-Score Μέση τιμή 4 χρόνια πριν την πτώχευση 2,39 3 χρόνια πριν την πτώχευση 1,96 2 χρόνια πριν την πτώχευση 1,68 1 χρόνος πριν την πτώχευση 1,27 36

Πίνακας 9: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 211 σε βάθος τετραετίας. Έτος Σύνολο Σωστή Λάθος Σωστό % Προβλέψεων Πρόβλεψη Πρόβλεψη -4 7 1 6 14,3% -3 7 2 5 28,6% -2 7 5 2 71,4% -1 7 6 1 85,7% Τα αποτελέσματα των παραπάνω πινάκων παρουσιάζουν τα συνοπτικά αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τη μέθοδο Altman για τις εταιρίες που πτώχευσαν το έτος 211. Συγκρίνοντας τα αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τις προηγούμενες χρονιές που η Ελληνική οικονομία βρίσκεται σε ύφεση παρατηρείται μία αύξηση του ποσοστού της σωστής πρόβλεψης της εταιρικής αποτυχίας της τελευταίας χρονιάς και μείωση των ποσοστών σωστής πρόβλεψης των προηγούμενων χρόνων. 4.1.5. Οι υπό μελέτη εταιρίες που πτωχεύσαν το έτος 212 Πίνακας 1: Η μέση τιμή του Z-score των προβλέψεων για τις εταιρείες που πτωχεύσαν το έτος 212 σε βάθος τετραετίας Z-Score Μέση τιμή 4 χρόνια πριν την πτώχευση 1,89 3 χρόνια πριν την πτώχευση 1,72 2 χρόνια πριν την πτώχευση 1,52 1 χρόνος πριν την πτώχευση 1,4 Πίνακας 11: Ποσοστό σωστών προβλέψεων της μεθόδου Altman για τις εταιρείες που πτωχεύσαν το έτος 212 σε βάθος τετραετίας. Έτος Σύνολο Σωστή Λάθος Σωστό % Προβλέψεων Πρόβλεψη Πρόβλεψη -4 6 2 4 33,3% -3 6 3 3 5,% -2 6 4 2 66,7% -1 6 4 2 66,7% Τα αποτελέσματα των παραπάνω πινάκων παρουσιάζουν τα συνοπτικά αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τη μέθοδο Altman για τις 37

εταιρίες που πτώχευσαν το έτος 212. Συγκρίνοντας τα αποτελέσματα της πρόβλεψης της εταιρικής αποτυχίας με τις προηγούμενες χρονιές που η Ελληνική οικονομία βρίσκεται σε ύφεση παρατηρείται μία δραματική μείωση του ποσοστού της σωστής πρόβλεψης της εταιρικής αποτυχίας της τελευταίας χρονιάς και σταθεροποίηση των ποσοστών σωστής πρόβλεψης των προηγούμενων χρόνων. Πίνακας 12: Συγκεντρωτικός πίνακας ποσοστών επιτυχίας της μεθόδου Altman. Έτος 28 29 21 211 212-4 9,1% 42,9% 22,2% 14,3% 33,3% -3 27,3% 57,1% 33,3% 28,6% 5,% -2 63,6% 85,7% 77,8% 71,4% 66,7% -1 1,% 85,7% 77,8% 85,7% 66,7% Στον παραπάνω πίνακα παρουσιάζονται τα συγκεντρωτικά αποτελέσματα των ποσοστών πρόβλεψης της εταιρικής αποτυχίας και παρατηρείται μία αλλαγή στα ποσοστά σωστής πρόβλεψης της εταιρικής αποτυχίας τα οποία υπολογίζει η μέθοδος Altman. Τα ποσοστά της σωστής πρόβλεψης της εταιρικής αποτυχίας τα οποία υπολογίστηκαν με την μέθοδο αυτή για τον τελευταίο χρόνο πριν την πτώχευση για το έτος 28 ανέρχονται στο 1% ενώ για το 212 το ποσοστό αυτό έχει μειωθεί στο 66,7%. Η μόνη διαφοροποίηση από το έτος 28 έως το έτος 212 είναι η σοβαρή οικονομική κρίση της Ελλάδος και η αδυναμία πολλών επιχειρήσεων να ανταπεξέλθουν στο αβέβαιο κλίμα που δημιουργεί η συχνή αλλαγή των φορολογικών, των ασφαλιστικών και των άλλων νόμων της ελληνικής πολιτείας. Συμπερασματικά η μείωση των ποσοστών της σωστής πρόβλεψης της εταιρικής αποτυχίας του μοντέλου ALTMAN μπορεί να δικαιολογηθεί από την οικονομική κρίση. 4.2. Αποτελέσματα υπολογισμών με τη μέθοδο DEA Στο υποκεφάλαιο αυτό παρουσιάζονται τα αποτελέσματα της μεθόδου DEA για την πρόβλεψη της εταιρικής αποτυχίας των παρακάτω εταιριών. Στην πρώτη στήλη των πινάκων με κόκκινο φόντο είναι η εταιρεία η οποία εξετάζεται ενώ στη 38

δεύτερη στήλη με κόκκινο φόντο σημειώνεται η εταιρεία με τη χειρότερη επίδοση. Στον παρακάτω πίνακα η εταιρεία η οποία εξετάζεται είναι η ΕΛΑΪΣ - UNILEVER A.E. ενώ η εταιρεία η οποία σημειώνεται με το χειρότερο σκορ είναι η GRIGORIS MIKROGEVMATA A.B.E.E. Για τις εταιρίες οι οποίες συγκρίνονται με την υπό εξέταση εταιρία χρησιμοποιούνται οι καλύτερες επιδόσεις τους, ενώ για την εταιρία που εξετάζεται η εταιρική της αποτυχία χρησιμοποιούνται οι χειρότερές της επιδόσεις. Στον παρακάτω πίνακα η μέθοδο DEA δεν υπολόγισε σωστά την εταιρική αποτυχία της εταιρίας ΕΛΑΪΣ - UNILEVER A.E. Πίνακας 13: Πίνακας κατάταξης της εταιρίας ΕΛΑΪΣ - UNILEVER A.E. Unit name Condition ALFA-VITA VASILOPOULOS A.E. Amber ALISIDA A.B.E.E. Amber CH. MPENROUMPI & IOS A.E. Green DIAS A.E.E.X. Green ΕΛΑΪΣ - UNILEVER A.E. Green ERGAS A.T.E. Green FOLLI - FOLLIE A.B.E.E. Green GRIGORIS MIKROGEVMATA A.B.E.E. Red TERNA A.E. Green VARDAS A.E.B.E.E. Green VIVARTIA SIMETOCHON A.E. Green Στον παρακάτω πίνακα η εταιρεία η οποία εξετάζεται για την πρόβλεψη της εταιρικής της αποτυχίας με τη μέθοδο DEA είναι η KEGO A.E. Τα αποτελέσματα του υπολογισμού της μεθόδου DEA κατατάσσουν τις εταιρείες GRIGORIS MIKROGEVMATA A.B.E.E. και KEGO A.E. στην επικίνδυνη ζώνη. Από τις δύο εταιρίες αυτές η εταιρία KEGO A.E. παρουσιάζει τα χειρότερα αποτελέσματα, στην περίπτωση αυτή συμπεραίνεται ότι η μέθοδος DEA πραγματοποίησε σωστή πρόβλεψη της εταιρικής αποτυχίας της εταιρίας KEGO Α.Ε. 39

Πίνακας 14: Πίνακας κατάταξης της εταιρίας KEGO Α.Ε. Unit name ALFA-VITA VASILOPOULOS A.E. ALISIDA A.B.E.E. CH. MPENROUMPI & IOS A.E. DIAS A.E.E.X. ERGAS A.T.E. FOLLI - FOLLIE A.B.E.E. GRIGORIS MIKROGEVMATA A.B.E.E. KEGO A.E. TERNA A.E. VARDAS A.E.B.E.E. VIVARTIA SIMETOCHON A.E. Condition Green Green Green Green Green Green Red Red Green Green Green Τα αναλυτικά αποτελέσματα των παραπάνω υπολογισμών βρίσκονται στο παράρτημα 2. Επίσης στο παράρτημα 2 υπάρχουν τα γραφήματα με τα ποσοστά βελτίωσης των εισόδων όταν οι έξοδοι της εταιρείας είναι σταθερές. Οι αριθμοδείκτες που χρησιμοποιήθηκαν σαν είσοδοι είναι οι: Κυκλοφορούν Ενεργητικό, Σύνολο Ενεργητικού, Σύνολο Υποχρεώσεων και Βραχυπρόθεσμες Υποχρεώσεις. Οι αριθμοδείκτες που χρησιμοποιήθηκαν σαν έξοδοι και στη προκειμένη περίπτωση παραμένουν σταθεροί (δεν μεταβάλλονται έτσι ώστε να υπολογιστούν οι είσοδοι) είναι οι: Κεφάλαιο Κίνησης, Κέρδη προ Φόρων και Τόκων, Κύκλος Εργασιών και Τρέχουσα Αξία Μετοχών. 4

Σχήμα 1: Συγκεντρωτική κατάταξη εταιρειών με την μέθοδο DEA Κατάταξη Εταιριών 6% 7% red 87% amber green Στο παραπάνω σχήμα με κόκκινο είναι οι εταιρείες οι οποίες έχουν πτωχεύσει και η μέθοδος DEA τις έχει χαρακτηρίσει με το χειρότερο σκορ (κόκκινοred). Σε αρκετές περιπτώσεις η μέθοδος DEA χαρακτηρίζει με κόκκινο και άλλες εταιρείες παρόλο που έχουν λίγο καλύτερο σκορ από την εταιρεία προς πτώχευση. Θεωρήθηκε ότι οι εταιρείες που έχουν χαρακτηριστεί με κόκκινο και έχουν πτωχεύσει έχουν σωστή πρόγνωση για τη μέθοδο DEA. Η μέθοδος DEA για να αποδώσει σωστά αποτελέσματα σε μία περίοδο οικονομικής κρίσης θα πρέπει να επανεξεταστεί το ποιοι θα πρέπει να είναι οι αριθμοδείκτες (των χρηματοοικονομικών στοιχειών της εταιρίας) που μπορούν να χρησιμοποιηθούν σαν είσοδοι καθώς επίσης και ποιοι θα πρέπει να είναι αυτοί οι αριθμοδείκτες οι οποίοι θα χρησιμοποιηθούν σαν έξοδοι του μοντέλου. Η επανεξέταση των αριθμοδεικτών πρέπει να γίνει με γνώμονα την καλύτερη αποτύπωση της τρέχουσας κατάστασης της οικονομίας στην οποία δραστηριοποιούνται οι εταιρίες. 41

4.3. Αποτελέσματα υπολογισμών με τη μέθοδο των Νευρωνικών Δικτύων Χρησιμοποιώντας τις ίδιες εταιρείες και τους ίδιους αριθμοδείκτες όπως και στις προηγούμενες μεθόδους εκπαιδεύτηκε το νευρωνικό δίκτυο έτσι ώστε να κατατάξει την υπό εξέταση εταιρεία στο σωστό τμήμα ανάλογα με τα προβλεπόμενα χρόνια πτώχευσης. Σχήμα 2: Δομή του Νευρωνικού Δικτύου Πηγή: Ιδία Επεξεργασία Για την εκπαίδευση του Νευρωνικού Δικτύου χρησιμοποιήθηκαν 9 είσοδοι και 1 κορυφές για το κρυφό επίπεδό του. 42

Σχήμα 3: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για το τέταρτο έτος πριν την πτώχευση. 4 χρόνια πριν την πτώχευση % 5% 17% 45% 33% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο Σχήμα 4: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για για το τρίτο έτος πριν την πτώχευση. 3 χρόνια πριν την πτώχευση % 2% 8% 3% 6% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο 43

Σχήμα 5: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για το δεύτερο έτος πριν την πτώχευση. 2 χρόνια πριν την πτώχευση % % 2% 2% 78% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο Σχήμα 6: Ποσοστά επιτυχούς κατάταξης των υπό μελέτη πτωχευμένων εταιριών για για το πρώτο έτος πριν την πτώχευση. 1 χρόνια πριν την πτώχευση 3% % 13% 22% 62% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο Τα αποτελέσματα των υπολογισμών με τη χρήση νευρωνικών δικτύων δίνουν μία πολύ σωστή κατάταξη για τις εταιρείες 2 χρόνια πριν την πτώχευση. Εάν γίνει μία πιο προσεκτική προσέγγιση στα δεδομένα για περισσότερα από τα 2 χρόνια η κατάταξη είναι πολύ σωστή. ΟΙ ίδιες παρατηρήσεις μπορούν να γίνουν και για τους άλλους υπολογισμούς πριν από 3 και 4 χρόνια πριν την πτώχευση. Τέλος οι υπολογισμοί που έγιναν για την κατάταξη για 1 χρόνο πριν την πτώχευση παρουσιάζουν μία μετατόπιση προς τον δεύτερο χρόνο. Το συνολικό ποσοστό είναι 84% περίπου, το οποίο μπορεί να θεωρηθεί ικανοποιητικό. 44

5. Συμπεράσματα 5.1. Συμπεράσματα για τη μέθοδο ALTMAN Το μοντέλο Z-score του ALTMAN μπορεί να χρησιμοποιηθεί σαν μία αξιόπιστη μέθοδος για την πρόβλεψη της εταιρικής πτώχευσης με έρευνες οι οποίες ξεκινήσαν το 1977. Συνολικά το μοντέλο του ALTMAN στη παρούσα διατριβή έδωσε τα εξής αποτελέσματα, όπως ότι σε ποσοστό επιτυχίας 85% μπορεί να προβλέψει την ενδεχόμενη χρεοκοπία για ένα έτος πριν την πτώχευση στο δείγμα σε ποσοστό 75,5% για δύο έτη πριν την πτώχευση, σε ποσοστό 37,5% για τρία έτη πριν την πτώχευση και τέλος σε ποσοστό της τάξεως του 17,5% για τέσσερα έτη πριν την πτώχευση. Τα αποτελέσματα τα οποία προκύπτουν με τη μέθοδο του ALTMAN στην παρούσα διατριβή φανερώνουν ότι είναι δυνατόν να υπάρξει μία έγκυρη πρόβλεψη για τα 2 χρόνια πριν το πτωχευτικό γεγονός. Για τις χρονιές πριν από τις παραπάνω η αξιοπιστία της μεθόδου είναι πολύ μικρή. Μία πρώτη εκτίμηση αυτού του κενού αξιοπιστίας μπορεί να οφείλεται στις συχνές αλλαγές των οικονομικών, πολιτικών, φορολογικών δεδομένων κλπ. που αντιμετωπίζουν οι επιχειρήσεις στη χώρα μας. Η μέθοδος ALTMAN παρήγαγε αποτελέσματα τα οποία για την χρονιά πριν την κρίση ήταν πολύ αξιόπιστα (1%) ενώ για τις χρονιές της κρίσης η αξιοπιστία ελαττώνεται. Η σημαντική διαφοροποίηση των αποτελεσμάτων μπορεί να αποδοθεί σε δύο παράγοντες. Ο πρώτος παράγοντας μπορεί να είναι η ανομοιογένεια του πληθυσμού του δείγματος, ενώ ο δεύτερος οι διαφορετικές χρονολογικές περίοδοι του δείγματος το οποίο μπορεί να επηρεάστηκε από τις διαφορετικές πολιτικές, φορολογικές και οικονομικές συνθήκες οι οποίες όπως είναι γνωστό, αλλάζουν πολύ συχνά στη χώρα μας. Οι χρονολογίες από το 29 μέχρι το 212 παρουσιάζουν ένα ακόμη χαρακτηριστικό το οποίο δεν έχει διερευνηθεί επαρκώς από άλλες έρευνες και πρόκειται για αυτό της κρίσης. Τα αποτελέσματα σωστής πρόβλεψης της εταιρικής αποτυχίας όπως καταδεικνύει η παρούσα διατριβή μειώνονται όσο η Ελληνική οικονομία βρίσκεται σε μεγαλύτερη κρίση (ύφεση). 45

Το συμπέρασμα για το μοντέλο Z-score όπως εξάγεται από τη παρούσα διατριβή είναι ότι ενσωματώνει σημαντικές πληροφορίες για το επενδυτικό κοινό, την διοίκηση των επιχειρήσεων, τους χρηματοπιστωτικούς οργανισμούς αλλά και για τους ευρύτερους φορείς της κεφαλαιαγοράς. 5.2. Συμπεράσματα για τη μέθοδο DEA Μία εναλλακτική μέθοδος πρόβλεψης της εταιρικής πτώχευσης η οποία αναπτύχθηκε εναλλακτικά της μεθόδου του ALTMAN είναι η μέθοδος DEA. Χρησιμοποιώντας τη μέθοδο DEA στη παρούσα διατριβή υπολογίστηκε η πιθανότητα εταιρικής αποτυχίας στο δείγμα των εταιριών που χρησιμοποιήθηκαν και στη μέθοδο ALTMAN με αποτέλεσμα ο υπολογισμός της πιθανότητας της εταιρικής αποτυχίας να υπολογιστεί σε ποσοστό 76% για ένα έτος πριν την πτώχευση, ποσοστό το οποίο είναι μικρότερο συγκρινόμενο με τη μέθοδο ALTMAN το οποίο υπολογίστηκε από τη παρούσα διατριβή. Ένας παράγοντας ο οποίος μπορεί να εξηγήσει το αποτέλεσμα αυτό είναι ότι δεν έχουν γίνει εκτενείς μελέτες στην Ελληνική οικονομία για τις εισροές και τις εκροές των παραγωγικών μονάδων (επιχειρήσεων). Το παραπάνω ποσοστό αυξάνει σε 87%, εάν χρησιμοποιηθούν σαν εισροές των παραγωγικών μονάδων ο αριθμοδείκτης σύνολο υποχρεώσεων και σαν εκροές οι αριθμοδείκτες κέρδη προ τόκων και φόρων και τρέχουσα αξία μετοχών, με το μοντέλο DEA το οποίο χρησιμοποιεί σταθερές εκροές και ελαχιστοποιεί τις εισόδους του όπως καταδεικνύεται στη παρούσα διατριβή. Σε περίπτωση που χρησιμοποιηθούν σταθερές εισροές και η μεγιστοποίηση των εκροών, το ποσοστό πρόβλεψης παραμένει το ίδιο, εάν χρησιμοποιηθούν οι αριθμοδείκτες βραχυπρόθεσμες υποχρεώσεις και σύνολο ενεργητικού σαν εισροές και ο αριθμοδείκτης κέρδη προ φόρων και τόκων σαν εκροή των παραγωγικών μονάδων (επιχειρήσεων). 46

5.3. Συμπεράσματα για την μέθοδο των νευρωνικών δικτύων. Η τελευταία μέθοδος που εξετάστηκε στην παρούσα διατριβή αναφέρεται στον υπολογισμό της επιχειρησιακής αποτυχίας με τη χρήση νευρωνικών δικτύων. Τα νευρωνικά δίκτυα αποτελούν ένα νέο εργαλείο ανάλυσης σε πολλούς τομείς και τώρα τελευταία σε χρηματοοικονομικά προβλήματα. Τα αποτελέσματα της παρούσας διατριβής προέβλεψαν την εταιρική αποτυχία της εταιρίας με ακρίβεια που ανέρχεται σε ποσοστό 68% για τρία έτη πριν τη πτώχευση της εταιρίας ενώ το ποσοστό αυτό έφτασε στο 72% για το τελευταίο έτος πριν από τη πτώχευση της εταιρίας. Για την εκπαίδευση των νευρωνικών δικτύων χρησιμοποιήθηκε η μέθοδος back propagation learning algorithm. Τα αποτελέσματα της μεθόδου υπολογισμού της εταιρικής αποτυχίας με βάση τα νευρωνικά δίκτυα είναι συγκρίσιμα με αυτά της μεθόδου ALTMAN με μία μικρή υπεροχή για τις χρονιές που η Ελληνική οικονομία ήταν σε βαθιά κρίση όπως συμπεραίνεται από τους υπολογισμούς της παρούσας διατριβής. Για να εφαρμόσει μία εταιρία ένα πληροφοριακό σύστημα το οποίο θα καλύπτει όλες τις μεθόδους πρόβλεψης πτώχευσης που σε συνδυασμό των παραπάνω μεθόδων θα έδιναν πιο αξιόπιστα αποτελέσματα θα πρέπει να κάνει μεγάλη επένδυση. Επίσης η εταιρία θα πρέπει να απασχολήσει και τις περισσότερες φορές να εκπαιδεύσει έναν υπάλληλο ο οποίος θα μπορεί να κατανοεί και να ερμηνεύει τα εξαγόμενα αποτελέσματα σωστά και γρήγορα. Τέλος η εταιρία θα πρέπει να απασχολήσει και προγραμματιστές ώστε να μπορεί να ελέγχει και να τροποποιεί τα διάφορα μοντέλα με σκοπό την καλύτερη πρόβλεψη της εταιρικής αποτυχίας. Λαμβάνοντας υπόψη τους υπολογισμούς που έγιναν και για τις τρεις μεθόδους τόσο σε χρόνο όσο και σε πολυπλοκότητα διεξάγεται το συμπέρασμα ότι η πολυπλοκότητα της μεθόδου των νευρωνικών δικτύων και της μεθόδου DEA είναι η μεγαλύτερη ενώ της μεθόδου ALTMAN είναι η μικρότερη. Από τα αποτελέσματα των μεθόδων η μέθοδος των νευρωνικών δικτύων, χρησιμοποιώντας ελάχιστα 47

οικονομικά στοιχεία δίνει καλύτερα αποτελέσματα όσον αφορά τη πρόβλεψη της εταιρικής αποτυχίας. 5.4. Συμπεράσματα εργασίας. Συγκρίνοντας την πολυπλοκότητα των υπολογισμών και τα αποτελέσματα τα οποία υπολογίστηκαν στην παρούσα διατριβή, διεξάγεται το συμπέρασμα ότι, η μέθοδος ALTMAN υστερεί στην ακρίβεια της πρόβλεψης της για τις χρονιές κρίσης (ύφεση) της Ελληνικής οικονομίας. Παρόλα αυτά η μέθοδος ALTMAN έχει την μικρότερη πολυπλοκότητα στους υπολογισμούς της. Οι δύο άλλες μέθοδοι που χρησιμοποιήθηκαν στη παρούσα διατριβή έχουν μεγάλη πολυπλοκότητα στους υπολογισμούς χωρίς να δικαιολογούν τη μικρή αύξηση στην πρόβλεψη της εταιρικής αποτυχίας. Μετά την ανάλυση των εμπειρικών αποτελεσμάτων ένα μεγάλο μέρος των ενδιαφερόμενων μπορεί να χρησιμοποιήσει τα παρόντα μοντέλα για να αξιολογήσει τη πιθανότητα πτώχευσης μιας εταιρίας. Οι ενδιαφερόμενοι μπορεί να είναι οι ακόλουθοι: Τα διοικητικά στελέχη μίας επιχείρησης Εσωτερικοί ελεγκτές. Χρηματοπιστωτικοί οργανισμοί. Επενδυτές και μέτοχοι της εταιρίας. Τα μοντέλα τα οποία χρησιμοποιήθηκαν στη παρούσα διατριβή έχουν κάποια πλεονεκτήματα αλλά και μειονεκτήματα. Σαν συνολικό αποτέλεσμα της παρούσας διατριβής αφού έγιναν οι υπολογισμοί και έγινε η σύγκριση των αποτελεσμάτων των μεθόδων αναφέρονται παρακάτω τα πλεονεκτήματα και μειονεκτήματα της κάθε μεθόδου ως γενικό συμπέρασμα: Μέθοδος ALTMAN Το πλεονέκτημα της μεθόδου του ALTMAN είναι ότι δεν χρειάζεται να χρησιμοποιηθούν πολλά δεδομένα και το μόνο που είναι αρκετό είναι τα 48

οικονομικά στοιχεία της εταιρίας για τη συγκεκριμένη χρονιά. Ίσως για την καλύτερη και πιο αξιόπιστη εικόνα της εταιρίας να χρησιμοποιηθούν χρηματοοικονομικά στοιχεία από τις τέσσερις προηγούμενες χρονιές. Το μειονέκτημα της μεθόδου ALTMAN εντοπίζεται στο γεγονός στο ότι οι υπολογισμοί γίνονται χρησιμοποιώντας μόνο τα οικονομικά στοιχεία της εταιρίας υπό εξέταση και δεν λαμβάνεται υπόψη η γενική κατάσταση της εταιρίας. Μέθοδος DEA Το πλεονέκτημα του μοντέλου DEA είναι ότι χρησιμοποιεί τα χρηματοοικονομικά στοιχεία πολλών εταιριών και με βάση αυτά κάνει μία κατάταξη των διαφόρων εταιριών με βάση τη παραγωγικότητά τους. Έτσι δίνεται η δυνατότητα της σύγκρισης μεταξύ των διαφόρων εταιριών και η δυνατότητα να ληφθεί υπόψη η γενική κατάσταση της οικονομίας. Επιπλέον το μοντέλο παρέχει σημαντικές πληροφορίες για το ποια χρηματοοικονομικά μεγέθη προκαλούν την εταιρική αποτυχία. Το μειονέκτημα της μεθόδου αυτής είναι ότι πρέπει να χρησιμοποιηθούν χρηματοοικονομικά στοιχεία από πολλές εταιρίες, καθώς επίσης και πολύπλοκοι υπολογισμοί με πολλές παραμέτρους. Μόνο κατάλληλα εκπαιδευμένοι αξιολογητές θα μπορούν να αξιοποιήσουν στο έπακρο τα αποτελέσματα του μοντέλου. Μέθοδος Νευρωνικών Δικτύων Το πλεονέκτημα των νευρωνικών δικτύων είναι ότι μπορούν να λάβουν υπόψη τους το σύνολο των χρηματοοικονομικών στοιχείων μίας εταιρίας και να χρησιμοποιήσουν όχι μόνο τα στοιχεία των εύρωστων οικονομικά εταιριών αλλά και των πτωχευμένων εταιριών και χρησιμοποιώντας αυτά τα στοιχεία το νευρωνικό δίκτυο να εκπαιδευτεί έτσι ώστε να δίνει αξιόπιστα αποτελέσματα. Το μειονέκτημα της μεθόδου των νευρωνικών δικτύων είναι το πλήθος των εταιριών που θα πρέπει να χρησιμοποιηθούν έτσι ώστε να εκπαιδευτεί το νευρωνικό δίκτυο καθώς και το ποιες εταιρίες (όσον αφορά το οικονομικό 49

τους μέγεθος, τις πωλήσεις τους, τον κλάδο δραστηριότητάς τους κ.α.) θα πρέπει να χρησιμοποιηθούν τόσο στην εκπαίδευση όσο και στον έλεγχο του νευρωνικού δικτύου. Ένα άλλο στοιχείο το οποίο θα πρέπει να διερευνηθεί είναι το είδος των νευρωνικών δικτύων το οποίο μπορεί να χρησιμοποιηθεί για πιο αξιόπιστα αποτελέσματα. 5.5. Περιορισμοί και προτάσεις για μελλοντική έρευνα Η μελέτη αυτή συμβάλλει στην επικαιροποίηση των παραπάνω μοντέλων χρησιμοποιώντας δεδομένα από ελληνικές εταιρίες. Παρ όλα αυτά για τα διάφορα μοντέλα υπάρχουν περιορισμοί που έχουν αναφερθεί και σε παλαιότερες εμπειρικές μελέτες (Dambolena and Khoury, 198, Deakin, 1972 and Dimitras et.al., 1996). Ένας σημαντικός περιορισμός είναι η «στατικότητα», εφόσον όλα τα μοντέλα λαμβάνουν μία στιγμιαία εικόνα της οικονομικής κατάστασης της επιχείρησης. Μία μελέτη η οποία θα μπορούσε να επεκτείνει τα μοντέλα και να δώσει μία δυναμική προοπτική θα δημιουργούσε μία πιο ολοκληρωμένη εικόνα για την οικονομική ευρωστία της επιχείρησης. Ένας δεύτερος περιοριστικός παράγοντας είναι το οικονομικό μέγεθος (κύκλος εργασιών, πωλήσεις κ.ά.) των εταιριών των οποίων χρησιμοποιήθηκαν στους υπολογισμούς. Όλες οι εταιρίες ήταν μεγάλες και εισηγμένες στο χρηματιστήριο. Μία μελέτη η οποία θα χρησιμοποιήσει στοιχεία από μικρομεσαίες επιχειρήσεις θα μπορούσε να προσφέρει μία διαφορετική προοπτική των μοντέλων καθώς αυτές έχουν συχνότερη τάση πτώχευσης σε σύγκριση με τις μεγάλες. Ένας τελευταίος περιορισμός ο οποίος αναδείχθηκε από τη παρούσα μελέτη είναι το μεγάλο κενό πρόβλεψης για περισσότερο από δύο χρόνια πριν τη πτώχευση. Μία μελέτη η οποία θα αναπροσάρμοζε τους γραμμικούς συντελεστές και τα δεδομένα εισόδου των διαφόρων μοντέλων θα μπορούσε να δώσει πιο αξιόπιστα αποτελέσματα. Δεν θα πρέπει να αγνοηθεί ο παράγοντας της κρίσης (ύφεση της οικονομίας) καθώς και η διάρκειά της. 5

Οι παραπάνω περιορισμοί οδηγούν σε προτάσεις για την περαιτέρω ανάπτυξη της παρούσας διατριβής. Για τη κάθε μέθοδο θα πρέπει να επανεξεταστούν οι αριθμοδείκτες που χρησιμοποιούνται στους υπολογισμούς καθώς και οι βαρύτητες των αριθμοδεικτών. Επιπροσθέτως για τις μεθόδους DEA και των νευρωνικών δικτύων θα πρέπει να εξεταστεί το σύνολο των εταιριών που χρησιμοποιούνται στους υπολογισμούς καθώς και ο τύπος τους (οικονομικό μέγεθος εταιρίας, κλάδος δραστηριότητας κ.α.). 51

6. Βιβλιογραφία 6.1. Ξενόγλωσση βιβλιογραφία Ali, I. and Seiford, L. (199). Translation invariance in data envelopment analysis. Operations Research Letters 9, 43 45. Altman I. (2). Predicting financial distress of companies : Revisiting the Z score and ZETA models. Altman, E., Haldeman, R. and Narayanan, P.(1977). Zeta Analysis: A new model to identify bankruptcy risk of corporations, Journal of Banking and Finance, 1, 29-54. Altman, E.I. (1984). A further empirical investigation of the bankruptcy cost question. Journal of Finance 34, 167 189. Altman, E.I. Hartzell, J. and Peck, M. (1995). Emerging Markets Corporate Bonds. A Scoring System, Salomon Brothers Inc, New York Altman, E.I., (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance 23, 589 69. Appa, G. and Williams, H.P. (26). A new framework for the solution of DEA models. European Journal of Operational Research 172, 64 615. Asmild, M. Paradi, J.C. and Reese, D.N. (26). Theoretical perspectives of trade-off analysis using DEA. Omega 34, 337 343. Balcaen, S. and Ooghe, H. (26). 35 years of studies on business failure: an overview of the classic statistical methodologies and their related problems, The British Accounting Review, 38 Banker, R.D. Charnes, A. and Cooper, W.W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science 3, 178 192. Barnes P. (1987). The analysis and use of financial ratios: a review article. J Bus. Fin. Acctng 14(4), 449-461. 52

Beaver, W. H. (1966). Financial ratios as predictors of failures. Empirical Research in Accounting, Supplement to Journal of Accounting Research Berger, A.N. and Humphrey, D.B. (1992). Measurement and efficiency issues in commercial banking. In: Griliches, Z. (Ed.), Output Measurement in the Service Sectors. University of Chicago Press, Chicago, pp. 245 279. Charnes, A. Cooper, W. W. Divine, D. Ruefli, T. W. and Thomas, D. (1989). Comparisons of DEA and Existing Ratio and Regression Systems for Effecting Efficiency Evaluations of Regulated Electric Co. Research In Governmental And Non-Profit Accounting Charnes, A. Cooper, W.W. and Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operation Research 2, 429 444. Charnes, A. Cooper, W.W. Golany, B. and Sieford, L. (1985). Foundations of data envelopment analysis for Pareto Koopmans efficient empirical production functions. Journal of Econometrics 3, 91 17. Chauhan, N. Ravi, V. and Chandra, D. K. (29). Differential evolution trained wavelet neural networks: Application to bankruptcy prediction in banks. Expert Systems with Applications, 36(4), 7659 7665. Chava, S., Jarrow, R., (24). Bankruptcy prediction with industry effects. Review of Finance 8, 537 569. Chen, H. J. Huang, S. Y. and Lin, C. S. (29). Alternative diagnosis of corporate bankruptcy: A neuro fuzzy approach. Expert Systems with Applications, 36(4), 771 772. Cheng, C.-B. Chen, C.-L. and Fu, C.-J. (26). Financial distress prediction by a radial basis function network with logit analysis learning. International Journal of Computers and Mathematics with Applications 51, 579 588. Cho, S. Hong, H. and Ha, B. C. (21). A hybrid approach based on the combination of variable selection using decision trees and case-based reasoning using the Mahalanobis distance; for bankruptcy prediction. Expert Systems with Applications, 37(4), 3482 3488. 53

Cho, S. Kim, J. and Bae, J. K. (29). An integrative model with subject weight based on neural network learning for bankruptcy prediction. Expert Systems with Applications, 36(1), 43 41. Cielen, A. Peeters, L. and Vanhoof, K. (24). Bankruptcy prediction using a data envelopment analysis. European Journal of Operational Research 154, 526 532. Collins, R.A. and Green, R.D. (1982). Statistical methods of bankruptcy forecasting. Journal of Economics and Business 32, 349 352. Cooper, W.W. Huang, Z. Li, S. X. Parker, B.R. and Paster, J. T. (27). Efficiency aggregation with enhanced Russell measures in data envelopment analysis. Socio-Economic Planning Sciences 41, 1 21. Cooper, W.W. Park, K.S. and Pastor, J.T. (1999). RAM: A range adjusted measure of inefficiency for use with additive models and relations to other models and measures in DEA. Journal of Productivity Analysis 11, 5 42. Cooper, W.W. Seiford, L. and Tone, K. (26). Introduction to Data Envelopment Analysis and its Use: With DEA-Solver Software and References. Springer Science, New York. Dambolena, I. and Khoury, S. (198). Ratio stability and corporate failure. The Journal of Finance 35(4): 117-126. Deakin, E. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research 1(1) Dev, S. (1974). Ratio analysis and the prediction of company failure. In Debits, credits, finance and profits (Edited by Edey H and Yamey BS), Sweet and Maxwell,London. Dewaelheyns, N. and Van Hulle, C. (26).. Corporate failure prediction modeling: Distorted by business groups internal capital markets? Journal of Business Finance & Accounting, 33(5/6), 99 931. Dimitras, A.I. Zanakis, S.H. and Zopounidis, C. (1996). A Survey of Business failures with an emphasis on prediction methods and industrial applications, European Journal of Operational Research 9, 487-513. 54

Edmister, R. (1972). An empirical test of financial ratio analysis for small business failure prediction. Journal of Financial and Quantitative Analysis 7(2) Eisenbeis, R. (1977). Pitfalls in the application of discriminant analysis in business, finance and economics. Journal of Finance 32, 875 9. Etemadi, H. Rostamy, A. A. A. and Dehkordi, H. F. (29). A genetic programming model for bankruptcy prediction: Empirical evidence from Iran. Expert Systems with Applications, 36(2), 3199 327. Part 2. Farrell, M.J. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistical Society (A, general), 12 Fisher M. F. (197). Quasi-Competitive Price Adjustment by Individual Firms: a Preliminary Paper Journal of Economic Theory, 2, 195-26 Foster, R. (1986), Innovation: The Attacker s Advantage, Summit Books, New York. Gattoufi, S. Oral, M. and Reisman, A., (24). Data envelopment analysis: A bibliography updata (1951 21). Socio-Economic Planning Science 38, 159 229. Gloubos, G. and Grammatikos, T. (1988). The Success of bankruptcy prediction models in Greece, Studies in Banking and Finance, 7, 37-46 Grice, S. and Ingram, R. (21). Tests of the generalizability of Altman s bankruptcy prediction model. Journal of Business Research 54, 53 61. He, Y. and Kamath, R. (25). Bankruptcy prediction of small firms in an individual industry with the help of mixed industry models. Asia-Pacific Journal of Accounting & Economics, 12(1), 19 36. Holmes, G. and Sugden, A., (1994). Inerpreting Company Reports and Accounts. Journal Woodhead Foulkner Horrigan, J. O. (1968). A short history of ratio analysis. Accmg Rev. 43(2), 284-294. Jensen, M. and Meckling, W. (1976). Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure. Journal of Financial Economics, Vol.3, No 4, pp 35 36. Johnsen, T. and Melicher, R. (1994). Predicting corporate bankruptcy and financial distress: Information value added by multinomial logit models. Journal of Economics and Business 46, 269 286. 55

Kao, C. and Liu, S. T. (24). Prediction bank performance with financial forecasts: A case of Taiwan commercial banks. Journal of Banking and Finance 28, 2353 2368. Keasey, K. McGuinness, P. and Short, H. (199). Multilogit approach to predicting corporate failure Further analysis and the issue of signal consistency, Omega, 18(1), 85-94. Kohers, T. Huang, M. and Kohers, N. (2). Market perception of efficiency in bank holding company mergers: the roles of the DEA and SFA models in capturing merger potential. Rev. Financial Econ. 9, 11 12. Kolari, J. W. and Vélez-Pareja, I. (212) Corporation Income Taxes and the Cost of Capital:A Revision Innovar 22(46) Bogotá Oct./Dec.212 Kosmidis, K. and Terzidis Κ. (21), Manipulating an IRB model: Considerations about the Basel II framework, EuroMed Journal of Business, Special Issue Current challenges in financial services management, accepted for publication. Lensberg, T. Eilifsen, A. and McKee, T. E. (26). Bankruptcy theory development and classification via genetic programming. European Journal of Operational Research, 169, 677 697. Libby, R. (1975). Accounting ratios and the prediction of failure: Some behavioral evidence. Journal of Accounting Research 13(1) Lozano, S. and Villa, G. (26). Data envelopment analysis of integer-valued inputs and outputs. Computers and Operations Research 33, 34 314. Martikainen, T. and Ankelo, T. (1991). On the instability of financial patterns of failed firms and the predictability of corporate failure, Economics Letters 35/2, 29-214. Miller, M.H. (1988) The Modigliani-Miller Propositions After Thirty Years Journal of Economic Perspectives 2(4) 1988, 99-12 Min, J. H. and Lee, Y. C. (25). Bankruptcy prediction using support vector machine (SVM) with optimal choice of kernel function parameters. Expert Systems with Applications, 28, 63 614. Moses, D. and Liao, S. S. (1987). On developing models for failure prediction. Journal of Commercial Bank Lending, Vol. 69 56

Ohlson, J. (198). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research 18, 19 131. Ooghe, H. and Verbaere, E. (1985). Predicting business failure on the basis of accounting data: the Belgian experience. The international Journal of Accounting Sping, Vol. 2, No 2. Peel, M.J., and Peel, D.A., (1988). A multilogit approach to predicting corporate failure Some evidence for the UK corporate sector, Omega, 16(4), 39-318. Pendharkar, P. C. (25). A threshold-varying artificial neural network approach for classification and its application to bankruptcy prediction problem. Computers & Operations Research, 32, 2561 2582. Premachandra, I.M. Bhabra, G.S. and Sueyoshi, T. (29). DEA as a tool for bankruptcy assessment: a comparative study with logistic regression technique. European Journal of Operational Research 29; 193:412 24. Ravi, V. Kurniawan, H. NweeKok, T. P. and Ravikumar, P. (28). Soft computing system for bank performance prediction. Applied Soft Computing 8, 35 315. Ravikumar, P. and Ravi V. (27) Bankruptcy prediction in banks and firms via statistical and intelligent techniques: A review. European Journal of Operational Research 18, 1 28. Sueyoshi, T. (24). Mixed Integer Programming Approach of Extended DEA Discriminant Analysis, 152(1):45 46. Sueyoshi, T. and Sekitani, K. (27). Measurement of returns to scale using a nonradial DEA model: A range-adjusted measure approach. European Journal of Operational Research 176, 1918 1946. Sueyoshi, T. and Sekitani, K. (27). The measurement of returns to scale under a simultaneous occurrence of multiple solutions in a reference set and a supporting hyperplane. European Journal of Operational Research 181, 549 57. Tamari, M. (1966). Financial ratios as a means of forecasting bankruptcy. Management International Review, 15 21. Tamari, M. (1984). The use of bankruptcy forecasting model to analyse corporate behavior in Israel. Journal of Banking and Finance. 57

Tseng, F.M. and Hu, Y.C. (21). Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks. Expert Systems with Applications, 37(3), 1846 1853. Warner, J. (1977). Bankruptcy costs: Some evidence. Journal of Finance 32, 337 347. Whittington, G. (198). Some basic properties of Accounting Ratios. Journal of Business Finance & Accounting, 219-228. Yang, Z. You, W. and Guoli Ji, G., (211). Using partial least squares and support vector machines for bankruptcy prediction. Expert Systems with Applications, 38(7), 8336 8342. 6.2. Ελληνική Βιβλιογραφία Γιαννή Π. Σ. (212) Υποδείγματα Πτώχευσης Επιχειρήσεων με Βάση την Περιβάλλουσα Ανάλυση Δεδομένων Μεταπτυχιακή Διατριβή του Πανεπιστημίου Πατρών του Τμήματος Διοίκησης Επιχειρήσεων του Μεταπτυχιακού Νέες Αρχές Διοίκησης Επιχειρήσεων Πάτρα 212 Γκίνογλου Δ. (26). Λογιστική Εταιριών Εκδόσεις Rosili Δερπάνης Β. Δ. (29) Περιβάλουσα Ανάλυση Δεδομένων Διδακτωρική Διατριβή του Πανεπιστημίου Πειραιώς του τμήματος Πληροφορικής Πειραιάς 29 Δεσποτοπούλου Μ. (21) Πρόβλεψη οικονομικής αποτυχίας ΜΜΕ Ελληνικών Επιχειρήσεων με Υποδείγματα PROBIT LOGIT Μεταπτυχιακή Διατριβή του Πανεπιστημίου Πειραιώς του Τμήματος Χρηματοοικονομικής και Τραπεζιτικής Διοικητικής Π. Μ. Σ. στη Χρηματοοικονομική Ανά;λυση για Στελέχη. Πειραιάς 21 Κασιμάτης Σ. (213). Μελέτη των Προσδιοριστικών Παραγόντων Βιωσιμότητας των Μικρο-Μεσαίων Επιχειρήσεων. Εμπειρική Ανάλυση της Ελληνικής Αγοράς. Πτυχιακή Εργασία του Τ.Ε.Ι. Καβάλας της Σχολής Διοίκησης και Οικονομίας του Τμήματος Διαχείρισης Πληροφοριών. Καβάλα 213 58

Κορωνάκος Γ. Γ. (21) Ανάπτυξη Διαδικτυακής Εφαρμογής Περιβάλλουσας Ανάλυσης Δεδομένων (WebDEA) Μεταπτυχιακή Διατριβή του Πανεπιστημίου Πειραιώς του τμήματος Πληροφορικής του Προγράμματος Μεταπτυχιακών Σπουδων Προηγμένα Συστήματα Πληροφορικής Πειραιάς 21 Κουμπατή Δ. (211) Μοντέλα εκτίμησης Πιθανότητας Πτώχευσης Εταιριών c Αριστοτελίου Πανεπιστημίου Θεσσαλονίκης της Γεωπονικής Σχολής του Τομέα Αγροτικής Οικονονίας Θεσσαλονίκη 211 Μπαλλάση Γ. (21) Αξιολόγηση Πιστοληπτικής Ικανότητας και Μοντέλα Πρόβλεψης Πτώχευσης Μεταπτυχιακή Διατριβή του Πανεπιστημίου Μακεδονίας του Διατμηματικού Προγράμματος Μεταπτυχιακών Σπουδών στη Διοίκηση Επιχειρήσεων Θεσσαλονίκη 21 Μπαλοπήτου Χ. και Χατζηβαγγέλλη Ε. (212) Μοντέλα Πρόβλεψης Πτώχευσης (Μια Συγκριτική Μελέτη) Πτυχιακή Εργασία ΤΕΙ Κρήτης της Σχολής Διοικησης και Λογιστικής του Τμήματος Λογιστικής Ηράκλειο 212 Ντακούλας Τ. (214) Ανάπτυξη και Αξιολόγηση Υποδειγμάτων πρόβλεψης Εταιρικής Αποτυχίας Μεταπτυχιακή Διατριβή του Πανεπιστημίου Μακεδονίας του Προγράμματος Μεταπτυχιακών Σπουδών στη Στρατηγική Διοικητική Λογιστική και Χρηματοοικονομική Διοικηση Θεσσσαλονίκη 214 Σαρσέντης, Β. Σ. και Παπαναστασάτου Α. (27). Λογιστική Εταιριών Εκδόσεις Σταμούλης Τσανής Κ. (21) Η Πτώχευση και το Μοντέλο του ALTMAN Μεταπτυχιακή Διατριβή του Πανεπιστημίου Μακεδονίας του Προγράμματος Μεταπτυχιακών Σπουδών στη Στρατηγική Διοικητική Λογιστική και Χρηματοοικονομική Διοικηση Θεσσσαλονίκη 21 Φινοκαλιώτης Δ. Κ. (211). Φορολογικό Δίκαιο, Εκδόσεις Σάκκουλα Αθήνα Θεσσαλονίκη 59

Παράρτημα 6

Υπολογισμοί με τη μέθοδο ALTMAN Οι υπό μελέτη εταιρίες που πτώχευσαν το έτος 28 Εταιρίες που πτώχευσαν ή οι μετοχές τους ανεστάλησαν μόνιμα από το χρηματιστήριο το έτος 28 Επωνυμία Μερικοί ισολογισμοί είναι αναρτημένοι σε ευρώ και άλλοι σε Εταιρίας χιλιάδες. (Υπήρξαν ανάλογες τροποποιήσεις στον τύπο όπου χρειάστηκε) ΕΛΑΪΣ - UNILEVER Α.Ε. Συγχώνευση / Διαγραφή 14/1/28 COSMOTE - ΚΙΝΗΤΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Α.Ε. Στοιχεία Ισολογισμού Κυκλοφορ ούν Ενεργητικό Βραχυπρό θεσμες Υποχρεώσεις Κεφάλαιο Κίνησης Πακρατηθ έντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων 15 2.2, 35.889, 11 6.131,, 13 1.912, 4.952, 61-4 -3-2 -1 11 5.425, 5.61, 64.815,, 13 4.774, 36.13, 12 3.6, 53.947, 69.113,, 14 1.261, 34.717, 13 4.828, 49.645, 85.183,, 15 3.875, 38.53, Τρέχουσα Αξία μετοχών (ΙΚ) 52.18, 64.648, 72.96, 79.161, Σύνολο Υποχρεώσεων 6.264, 65.868, 67.1, 59.766, Κύκλος Εργασιών 21 7.15, 21 6.355, 21 7.729, 22 5.434, Ζ-Score 1, 91 1, 81 1, 75 1, 69 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 5 1. 1. 1. ούν Ενεργητικό 7.693, 11.662, 523.83, 17.244, Βραχυπρό θεσμες Υποχρεώσεις Κεφάλαιο Κίνησης Πακρατηθ έντα Κέρδη Σύνολο Ενεργητικού 61.44, - 12.351, 1 1.32, 1. 527.193, 88.465, 1. 22.197, 78.592, 2. 71.765, 1. 79.441, 44 4.389, 65.436, 2. 688.114, 85.787, 25 6.457, 48.526, 3. 285.75,

ΠΟΥΛΙΑΔΗ Σ & ΣΥΝΕΡΓΑΤΕΣ Α.Ε.Β.Ε. ΝΕΟΧΗΜΙ ΚΗ ΑΝΩΝΥΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗ ΚΑΙ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΕΙΑ Κέρδη Προ Φόρων και Τόκων Τρέχουσα 43 1.119, 46 4.27, 5 2.11, 48 2.169, Αξία μετοχών (ΙΚ) 75 9.71, 88 1.625, 69 5.198, 74 7.982, Σύνολο Υποχρεώσεων 64 5.568, 1. 349.872, 3. 992.916, 3. 68.257, Κύκλος Εργασιών 1. 47.696, 1. 517.464, 2. 282.349, 3. 6.333, Ζ-Score 2, 61 2, 51 1, 8 1, 65 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 1. 1. 1. 78 ούν Ενεργητικό 297.952,6 269.618,5 178.69,2 2.592,23 Βραχυπρό θεσμες Υποχρεώσεις Κεφάλαιο Κίνησης Πακρατηθ έντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων Τρέχουσα 7 44 6.17,35 85 1.935,32 34.156, 1. 748.265,9 1 21 6.47,94 8 42 7.353,38 84 2.265,2, 1. 641.359,9 8 18.514,14 6 52 8.68,99 65.,27, 1. 516.978,2 5 24 6.62,59 45 9.15,46 32 3.441,77, 1. 322.531,4 3 14 6.4,6 Αξία μετοχών (ΙΚ) 54 7.82,2 49 5.566,47 35 5.638,5 34 1.237,1 Σύνολο Υποχρεώσεων 81 8.483,89 97 9.926,45 1. 72.616,7 5 1. 263.768,4 4 Κύκλος Εργασιών 68.689,2 65 3.911,58 42 7.22,52 32.65,96 Ζ-Score 1, 81 1, 68 1, 53 1, 6 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 1. 1. 1. 1. ούν Ενεργητικό 224.33, 358.57, 46.64, 127.25, Βραχυπρό θεσμες Υποχρεώσεις Κεφάλαιο Κίνησης 47 2.46, 75 1.87, 51 2.32, 84 6.25, 89.74, 51 5.9, 99 6.5, 13 1.2, 62

KEGO Α.Ε. UNISYSTE MS ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΚΗΣ A.E Πακρατηθ έντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) Σύνολο Υποχρεώσεων Κύκλος Εργασιών 11 5.34, 1. 565.56, 84.61, 1. 3.52, 1. 22.4, 1. 9.15, 89.436, 1. 922.84, 95.13, 1. 291.85, 1. 45.99, 1. 524.98, 3, 55, 2. 86.56, 78.62, 1. 116.54, 1. 744.2, 3. 245.8, 2, 64, 3. 231.94, 33 2.524, 2. 43.17, 2. 991.77, 3. 6.4, 1, 81 Ζ-Score 3, 74 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 34 39 44 66 ούν Ενεργητικό 1.783, 1.28,52 3.1, 8.68, Βραχυπρό 15 19 12 29 θεσμες 1.7, 1.54, 4.11,.745, Υποχρεώσεις Κεφάλαιο 19 19 31 37 Κίνησης.83, 9.74,52 8.9, 7.935, Πακρατηθ 96 33,, έντα Κέρδη.346,.99, Σύνολο 43 49 55 79 Ενεργητικού 9.39, 7.935,39 1.537, 3.283, Κέρδη 11 99 5 49 Προ Φόρων και 9.341,.72,5.3,.86, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 15 7.377, 16 1.62,26 17 2.24, 21 4.321, Σύνολο Υποχρεώσεων 28 1.662, 3 1.333, 47 9.296, 57 8.962, Κύκλος Εργασιών 28 3.851, 35 5.511, 42 7.633, 6.337, Ζ-Score 2, 71 2, 27 1, 99 1, 76 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 48 52 44 1. ούν Ενεργητικό.547,.433, 2.25, 47.89, Βραχυπρό θεσμες Υποχρεώσεις 1 7.26, 15 4.716,9 16 3.76, 59 9.43, 63

64 Κεφάλαιο Κίνησης 37 3.287, 36 5.716,1 27 8.49, 44 8.46, Πακρατηθ έντα Κέρδη 45.314,,,, Σύνολο Ενεργητικού 66 7.681, 69 9.754, 7 2., 1. 312.48, Κέρδη Προ Φόρων και Τόκων 55.91, 38.721, 36.44, 51.76, Τρέχουσα Αξία μετοχών (ΙΚ) 5 2.17, 51 1.936, 49 7.1, 68 5.2, Σύνολο Υποχρεώσεων 16 5.51, 18 7.818, 26 7.29, 52 7.28, Κύκλος Εργασιών 4 9.76, 44 3.321, 52 4.5, 59.22, Ζ-Score 3, 47 3, 8 2, 51 1, 77 GLOBAL Α.Ε.Ε.Χ. Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορ ούν Ενεργητικό 61.38, 82.796, 77 7.36, 8 1.32, Βραχυπρό θεσμες Υποχρεώσεις 21., 36 5.241, 46 8.4, 47 1.7, Κεφάλαιο Κίνησης 4.38, 45 5.555, 3 8.96, 32 9.332, Πακρατηθ έντα Κέρδη 35.261,,,, Σύνολο Ενεργητικού 63 3.8, 86 7.96, 89 5.94, 98.36, Κέρδη Προ Φόρων και Τόκων 82.24, 22 9.74, 78.65, 17 4.2, Τρέχουσα Αξία μετοχών (ΙΚ) 61.58, 79.9, 81 2.52, 9 3.19, Σύνολο Υποχρεώσεων 32 5., 79.9, 63 4.2, 87 1.7, Κύκλος Εργασιών 23.5, 3.94, 3 3.47, 18 9.25, Ζ-Score 2, 76 2, 45 1, 81 1, 8 EVEREST Α.Ε. Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορ ούν Ενεργητικό 7 9.766, 78 4.31, 51 3.314, 89 9.31, Βραχυπρό θεσμες Υποχρεώσεις 4 9.258, 26 7.63, 41 4.91, 74 6.132, Κεφάλαιο Κίνησης 3.58, 51 6.671, 98.44, 15 3.178,

BLUE STAR ΝΑΥΤΙΛΙΑΚΗ Α.Ε. ΤΕΡΝΑ Α.Ε. Πακρατηθ έντα Κέρδη Σύνολο Ενεργητικού Κέρδη Προ Φόρων και Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) Σύνολο Υποχρεώσεων Κύκλος Εργασιών 36.594, 83 1.72, 27.546,, 84 7.641, 47.927,, 99 6.719, 78.793,, 1. 334., 13 9.966, 21.811, 53 3.368, 69 6.719, 8 4., 13 87 78 88 6.83, 7.3,.189, 9.762, 6 72 89 96.683, 9.1, 4.631, 5.117, Ζ-Score 2, 2, 1, 1, 25 14 81 75 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 38 35 3 27 ούν Ενεργητικό 5.697,.632, 6.685, 8.54, Βραχυπρό 18 18 18 2 θεσμες.324, 3.426, 5.348, 6.283, Υποχρεώσεις Κεφάλαιο 2 16 12 72 Κίνησης 5.373, 7.26, 1.337,.257, Πακρατηθ,,,, έντα Κέρδη Σύνολο 41 41 64 53 Ενεργητικού 8.439, 4.527, 7.812, 8.146, Κέρδη 1 11 89 18 Προ Φόρων και 8.563, 8.16,.432,.345, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 13.41, 12 8.495, 25 3.263, 28 3.57, Σύνολο Υποχρεώσεων 22 8.398, 21 3.98, 19 4.549, 2 4.639, Κύκλος Εργασιών 18 8.495, 12 3.379, 34.513, 49.83, Ζ-Score 1, 98 1, 8 1, 38 1, 16 Στοιχεία -4-3 -2-1 Ισολογισμού Κυκλοφορ 35 3 37 69 ούν Ενεργητικό 3.774, 7.59, 3.58, 4.989, Βραχυπρό 1 12 1 36 θεσμες 8.941, 5.14, 7.5, 4.5, Υποχρεώσεις Κεφάλαιο 24 18 26 33 Κίνησης 4.833, 2.45, 6.53,.939, Πακρατηθ 32,,, έντα Κέρδη.652, 65

66 Σύνολο Ενεργητικού 5 7.797, 46 8.86, 57 7.885, 85 8.972, Κέρδη Προ Φόρων και Τόκων 13 4.91, 12 3.12, 1.825, 82.981, Τρέχουσα Αξία μετοχών (ΙΚ) 17 5.724, 18.125, 18 6.525, 49 1.88, Σύνολο Υποχρεώσεων 13 4.73, 18 7.961, 29 1.36, 41 7.92, Κύκλος Εργασιών 33 7.94, 37 5.724, 28 3.163, 21 6.45, Ζ-Score 2, 99 2, 71 2, 1, 74 ΑΛΛΑΤΙΝΗ Α.Β.Ε.Ε Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορ ούν Ενεργητικό 58 5.161, 48.184, 41 8.22, 23 4.29, Βραχυπρό θεσμες Υποχρεώσεις 38 9.778, 22 8.376, 24 9.63, 35.26, Κεφάλαιο Κίνησης 19 5.383, 25 1.88, 16 8.59, - 115.97, Πακρατηθ έντα Κέρδη 18.645,,,, Σύνολο Ενεργητικού 84 5.91, 77 6.516, 1. 86.46, 1. 264.67, Κέρδη Προ Φόρων και Τόκων 43 6.968, 24 8.646, 18 7.24, - 111.7, Τρέχουσα Αξία μετοχών (ΙΚ) 42 5.33, 35 2.2, 48.88, 4 1.77, Σύνολο Υποχρεώσεων 42.67, 42 4.496, 46 5.58, 56 2.9, Κύκλος Εργασιών 46 3.161, 45 3.84, 46 5.97, 91 5.26, Ζ-Score 3, 17 2, 53 1, 8, 75

Πίνακας 15: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 28 Z-Score Μέση τιμή 4 χρόνια πριν την 2,67 πτώχευση 3 χρόνια πριν την πτώχευση 2 χρόνια πριν την πτώχευση 1 χρόνος πριν την πτώχευση 2,41 1,91 1,54 Έτος Όλες Σωστή Πρόβλεψη Λάθος Πρόβλεψη Σωστό % -4 11 1 1 9,1% -3 11 3 8 27,3% -2 11 7 4 63,6% -1 11 11 1, % 67

Οι υπό μελέτη εταιρίες που πτώχευσαν το έτος 29 Εταιρίες που πτώχευσαν ή οι μετοχές τους ανεστάλησαν μόνιμα από το χρηματιστήριο το έτος 29. Επωνυμία Εταιρίας Μερικοί ισολογισμοί είναι αναρτημένοι σε ευρώ και άλλοι σε χιλιάδες. (Υπήρξαν ανάλογες τροποποιήσεις στον τύπο όπου χρειάστηκε) ΕΛΛΑΤΕΞ Στοιχεία Ισολογισμού -4-3 -2-1 ΣΥΝΘΕΤΙΚ Κυκλοφορούν Ενεργητικό 56.5 432.97 226.8 229.6, ΕΣ ΙΝΕΣ 6, 6,2, Α.Ε. Βραχυπρόθεσμες Υποχρεώσεις 276.69 287.15 165.84 185.84, 5, 8,, Κεφάλαιο Κίνησης 283.36 1, 145.81 8,2 6.96, 43.76, Πακρατηθέντα Κέρδη,,,, Χ. ΡΟΚΑΣ ΑΒΕΕ Σύνολο Ενεργητικού 961.28 1,8 9.26, 666.5, 747.5, Κέρδη Προ Φόρων και Τόκων 1.62 4, 91.13, - 19.2, - 54.2, Τρέχουσα Αξία μετοχών (ΙΚ) 51. 6, 635.96 1,1 677.3, 624.6, Σύνολο Υποχρεώσεων 399.54, 446.16, 314.38, 417.21, Κύκλος Εργασιών 349.21 1, 318.5 7, 277.9, 121.8, Ζ-Score 1,81 1,74 1,72,89 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 489.5, 384.11 3, 357.78 7, 25.341, Βραχυπρόθεσμες Υποχρεώσεις 125.36 9, 133.73 3, 18.31 6, 139.741, Κεφάλαιο Κίνησης 363.68 1, 25.38, 177.47 1, 11.6, Πακρατηθέντα Κέρδη 84.364,,,, Σύνολο Ενεργητικού 639.87 8, 612.67 3, 636.55 5, 622.387, Κέρδη Προ Φόρων και Τόκων 213.89, 285.32, 318.12, 229.5, Τρέχουσα Αξία μετοχών (ΙΚ) 66.956, 79.892, 91.786, 198.885, Σύνολο Υποχρεώσεων 159.25 2, 15.46 6, 144.76 9, 233.52, Κύκλος Εργασιών 4.417, 53.479, 5.188, 44.688, Ζ-Score 2,29 2,43 2,44 2,1 ΓΕΝΕΡ Α.Ε. Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 513.48 5, 68 414.89, 313.49 1, 215.3,

ΕΡΓΑΣ Α.Τ.Ε. ΓΡΗΓΟΡΗΣ ΜΙΚΡΟΓΕΥ ΜΑΤΑ Α.Β.Ε.Ε. Βραχυπρόθεσμες Υποχρεώσεις 113.54 7, 165.92 5, 196.48 4,13 193.93, Κεφάλαιο Κίνησης 399.93 8, 248.96 5, 117. 6,87 21.1, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 514.37, 515.88, 518.5, 462.49, Κέρδη Προ Φόρων και Τόκων 145.38 7, 146.84 1, 138.6, 148.55, Τρέχουσα Αξία μετοχών (ΙΚ) 226.51, 217.71, 182.3, 127.1, Σύνολο Υποχρεώσεων 287.86, 298.17, 239.3, 249.78, Κύκλος Εργασιών 369.71, 16.45, 1.52, 19.7, Ζ-Score 3,6 2,27 1,8 1,66 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 397.55 9,19 361.58 4, 312.45 6, 3.658, Βραχυπρόθεσμες Υποχρεώσεις 144.13 1, 184.51 3, 191.32 4, 216.489, Κεφάλαιο Κίνησης 253.42 8,19 177.7 1, 121.13 2, 84.169, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 618.16 9, 674.68 8, 698.14 3, 713.246, Κέρδη Προ Φόρων και Τόκων 185.11 2, 18.16, 174.28 4, 13.215, Τρέχουσα Αξία μετοχών (ΙΚ) 241.14 6, 222.68, 244.67 3, 26.218, Σύνολο Υποχρεώσεων 347.2 2, 352. 7, 361.56 7, 384.651, Κύκλος Εργασιών 181.75 6, 135.29 4, 213.54 9, 281.564, Ζ-Score 2,19 1,78 1,74 1,54 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 345.67 8, 417.59, 473.5 8, 594.989, Βραχυπρόθεσμες Υποχρεώσεις 78.631, 125.14, 217. 5, 364.5, Κεφάλαιο Κίνησης 267.4 7, 292.45, 256.5 3, 23.939, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 687.79 7, Κέρδη Προ Φόρων και Τόκων 134.9 1, Τρέχουσα Αξία μετοχών (ΙΚ) 165.72 1, 618.8 6, 13.1 2, 188.12 5, 677.88 5, 1.82 5, 186.52 5, 858.972, 82.981, 491.88, 69

MULTIRA MA Α.Ε.Β.Ε ΤΗΛΕΠΙΚΟ ΙΝ. & ΗΛΕΚΤΡΟ Ν. ΥΛΙΚΟΥ ΕΤΜΑ Α.Ε. ΤΕΧΝ. ΜΕΤΑΞΗΣ Σύνολο Υποχρεώσεων 214.7 3, 226.96 1, 291.36, 417.92, Κύκλος Εργασιών 291.9 4, 281.72 4, 283.16 3, 216.45, Ζ-Score 2, 2,7 1,75 1,6 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 32.26 9, 312.23 1, 432.64 1, 585.218, Βραχυπρόθεσμες Υποχρεώσεις 126.99 4, 143.64 9, 152.34 1, 325.456, Κεφάλαιο Κίνησης 175.27 5, 168.58 2, 28.3, 259.762, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 636.95 9, 817.98 9, 943.19, 1.54.32, Κέρδη Προ Φόρων και Τόκων 185.46 3, 16.13 2, 15.62 1, 84.31, Τρέχουσα Αξία μετοχών (ΙΚ) 143.63, 247.2 5, 377.8 2, 493.23, Σύνολο Υποχρεώσεων 314.76 2, 216.46 9, 377.8 2, 493.23, Κύκλος Εργασιών 146.98 7, 153.16 4, 154.53 2, 173.596, Ζ-Score 1,8 1,77 1,65 1,32 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 226.45 1, 254.13 1, 261.58 7, 281.31, Βραχυπρόθεσμες Υποχρεώσεις 113.64 9, 123.36 5, 135.46 9, 146.328, Κεφάλαιο Κίνησης 112.8 2, 13.76 6, 126.11 8, 134.973, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 542.31 7, 651.56 6, 728.37, 713.56, Κέρδη Προ Φόρων και Τόκων 4.321, 46.214, 36.87, 42.18, Τρέχουσα Αξία μετοχών (ΙΚ) 36.13 8, 33.15 6, 328.37, 313.56, Σύνολο Υποχρεώσεων 263.18 4, 226.97 1, 236.9, 257.1, Κύκλος Εργασιών 329.97 1, 335.89, 421.8, 368.7, Ζ-Score 1,8 1,79 1,79 1,67 7

Πίνακας 16: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 29 Z-Score Μέση τιμή 4 χρόνια πριν την 2,13 πτώχευση 3 χρόνια πριν την 1,98 πτώχευση 2 χρόνια πριν την 1,84 πτώχευση 1 χρόνος πριν την 1,53 πτώχευση Έτος Όλες Σωστή Πρόβλεψη Λάθος Σωστό % Πρόβλεψη -4 7 3 4 42,9% -3 7 4 3 57,1% -2 7 6 1 85,7% -1 7 6 1 85,7% 71

Οι υπό μελέτη εταιρίες που πτώχευσαν το έτος 21 Εταιρίες που πτώχευσαν ή οι μετοχές τους ανεστάλησαν μόνιμα από το χρηματιστήριο το έτος 21. Επωνυμία Εταιρίας Μερικοί ισολογισμοί είναι αναρτημένοι σε ευρώ και άλλοι σε χιλιάδες. (Υπήρξαν ανάλογες τροποποιήσεις στον τύπο όπου χρειάστηκε) ΙΜΑΚΟ Στοιχεία Ισολογισμού -4-3 -2-1 ΜΗΝΤΙΑ Κυκλοφορούν Ενεργητικό 294.22, 448.26, 626.54, 647.12, Α.Ε. Μ.Μ.Ε. Βραχυπρόθεσμες 165.98, 44.29, 451.45, 482.95, Υποχρεώσεις Κεφάλαιο Κίνησης 128.24, 43.736, 175.9, 164.17, Πακρατηθέντα Κέρδη,,,, RAINBOW A.E. SINGULAR LOGIC S.A. Σύνολο Ενεργητικού 396.22, 458.4, 7.25, 725.98, Κέρδη Προ Φόρων και 31.99, 27.66, 7.25, 72.598, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 63.9, 152.9, 126.94, 12.82, Σύνολο Υποχρεώσεων 358.75, 439.38, 573.31, 597.78, Κύκλος Εργασιών 393.34, 459.88, 527.75, 571.8, Ζ-Score 1,75 1,53 1,52 1,4 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 463.123, 543.2, 746.561, 837.27, Βραχυπρόθεσμες Υποχρεώσεις 156.712, 236.419, 266.34, 352.195, Κεφάλαιο Κίνησης 36.411, 36.583, 48.257, 484.832, Πακρατηθέντα Κέρδη 56.413, 35.456,,, Σύνολο Ενεργητικού 681.59, 788.371, 857.793, 946.692, Κέρδη Προ Φόρων και Τόκων 246.548, 246.671, 357.7, 42.76, Τρέχουσα Αξία μετοχών (ΙΚ) 48.23, 52.762, 85.779, 94.669, Σύνολο Υποχρεώσεων 21.276, 25.748, 282.22, 472.686, Κύκλος Εργασιών 95.858, 182.156, 184.292, 2.313, Ζ-Score 2,13 1,95 2,45 2,35 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 623.125, Βραχυπρόθεσμες 116.456, Υποχρεώσεις 72 732.561, 235.418, 921.561, 381.213, 1.274.23, 521.641,

Χ. ΜΠΕΝΡΟΥ ΜΠΗ & ΥΙΟΣ Α.Ε. ΑΛΦΑ- ΒΗΤΑ ΒΑΣΙΛΟΠ ΟΥΛΟΣ A.E. Κεφάλαιο Κίνησης 56.669, 497.143, 54.348, 752.589, Πακρατηθέντα Κέρδη 98.632, 21.561,,, Σύνολο Ενεργητικού 785.223, 987.431, 1.96.38, 1.112.83, Κέρδη Προ Φόρων και 131.268, 16.132, 19.315, 94.617, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 234.411, 231.254, 199.963, 161.283, Σύνολο Υποχρεώσεων 5.321, 524.611, 697.641, 784.524, Κύκλος Εργασιών 489.523, 521.321, 513.19, 598.213, Ζ-Score 2,41 1,96 1,8 1,75 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 623.147, 682.213, 721.846, 743.325, Βραχυπρόθεσμες Υποχρεώσεις 314.913, 379.216, 389.216, 399.812, Κεφάλαιο Κίνησης 38.234, 32.997, 332.63, 343.513, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 63., 79.45, 854.1, 84.44, Κέρδη Προ Φόρων και 82.8, 65.129, 5.339, 41.59, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 376.24, 377.79, 38.69, 392.82, Σύνολο Υποχρεώσεων 253.76, 331.66, 473.18, 411.42, Κύκλος Εργασιών 534.51, 556.32, 53.39, 415.9, Ζ-Score 2,75 2,28 1,73 1,77 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 381.321, 41.321,5 431.23, 452.319, Βραχυπρόθεσμες Υποχρεώσεις 111.315, 16.231, 199.946, 23.215, Κεφάλαιο Κίνησης 27.6, 25.9,5 231.77, 249.14, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 399.463, Κέρδη Προ Φόρων και 1.31, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 116.459, Σύνολο Υποχρεώσεων 44.953, 418.537, 618.195, 679.399, 98.131, 87.131, 52.126, 123.541, 417.59, 135.838, 482.352, 157.318, 522.74, 73

ΕΚΔΟΣΕΙΣ ΛΥΜΠΕΡΗ Α.Ε. INFORME R Α.Ε. ELMEC SPORT A.B.E.T.E Κύκλος Εργασιών 346.814, 356.491, 433.13, 513.218, Ζ-Score 2,68 2,52 1,78 1,63 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 372.148, 385.123, 395.213, 423.561, Βραχυπρόθεσμες Υποχρεώσεις 159.349, 161.234, 186.132, 193.933, Κεφάλαιο Κίνησης 212.799, 223.889, 29.81, 229.628, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 751.325, 76.231, 771.32, 856.131, Κέρδη Προ Φόρων και 85.324, 81.324, 71.32, 44.561, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 159.542, 152.315, 146.31, 114.612, Σύνολο Υποχρεώσεων 436.413, 59.321, 71.36, 654.26, Κύκλος Εργασιών 66., 717.156, 752.341, 84.46, Ζ-Score 1,81 1,8 1,73 1,54 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 361.62, 371.92, 381.349, 392.311, Βραχυπρόθεσμες Υποχρεώσεις 146.231, 168.411, 173.18, 199.321, Κεφάλαιο Κίνησης 214.831, 23.59, 28.169, 192.99, Πακρατηθέντα Κέρδη 35.134,,,, Σύνολο Ενεργητικού 79.311, 732.166, 759.132, 812.31, Κέρδη Προ Φόρων και 134.691, 81.391, 34.161, 11.345, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 158.136, 373.169, 439.131, 513.241, Σύνολο Υποχρεώσεων 51.446, 563.161, 589.131, 623.156, Κύκλος Εργασιών 582.391, 518.31, 668.1, 765.131, Ζ-Score 2,7 1,81 1,8 1,77 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 152.981, 168.222, 191.231, 185.613, Βραχυπρόθεσμες 59.31, 68.213, 79.123, 81.398, Υποχρεώσεις Κεφάλαιο Κίνησης 93.68, 1.9, 112.18, 14.215, Πακρατηθέντα Κέρδη 31.611,,,, 74

FOLLI - FOLLIE Α.Β.Ε.Ε. Σύνολο Ενεργητικού 286.136, 299.132, 327.775, 341.781, Κέρδη Προ Φόρων και 56.199, 34.613, 15.665, 1.794, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 216.598, 234.161, 256.382, 264.727, Σύνολο Υποχρεώσεων 126.991, 134.619, 145.631, 189.413, Κύκλος Εργασιών 23.316, 213.591, 25.37, 267.531, Ζ-Score 2,93 2,54 2,39 2,9 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 584.465, 684.135, 789.131, 831.613, Βραχυπρόθεσμες Υποχρεώσεις 289.221, 346.199, 359.131, 583.621, Κεφάλαιο Κίνησης 295.244, 337.936, 43., 247.992, Πακρατηθέντα Κέρδη 135.264,,,, Σύνολο Ενεργητικού 1.11.35, 1.132.216, 1.345.34, 1.436.728, Κέρδη Προ Φόρων και Τόκων 176.312, 119.161, 129.618, 157.76, Τρέχουσα Αξία μετοχών (ΙΚ) 488.713, 499.316, 589.131, 683.21, Σύνολο Υποχρεώσεων 516.941, 523.616, 668.812, 995.632, Κύκλος Εργασιών 761.391, 789.993, 97.26, 992.52, Ζ-Score 2,26 1,87 1,81 1,56 75

Πίνακας 17: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 21 Z-Score Μέση τιμή 4 χρόνια πριν την 2,31 πτώχευση 3 χρόνια πριν την 2,3 πτώχευση 2 χρόνια πριν την 1,89 πτώχευση 1 χρόνος πριν την 1,76 πτώχευση Έτος Όλες Σωστή Λάθος Σωστό Πρόβλεψη Πρόβλεψη % -4 9 2 7 22,2% -3 9 3 6 33,3% -2 9 7 2 77,8% -1 9 7 2 77,8% 76

Οι υπό μελέτη εταιρίες που πτώχευσαν το έτος 211 Εταιρίες που πτώχευσαν ή οι μετοχές τους ανεστάλησαν μόνιμα από το χρηματιστήριο το έτος 211. Επωνυμία Εταιρίας Μερικοί ισολογισμοί είναι αναρτημένοι σε ευρώ και άλλοι σε χιλιάδες. (Υπήρξαν ανάλογες τροποποιήσεις στον τύπο όπου χρειάστηκε) VIVARTIA Στοιχεία Ισολογισμού -4-3 -2-1 ΣΥΜΜΕΤΟ Κυκλοφορούν Ενεργητικό 1.42.33 1.82.555 1.437.516 1.284.86 ΧΩΝ,,,, ΑΝΩΝΥΜ Βραχυπρόθεσμες 646.513, 513.811, 764.139, 1.198.131 Η Υποχρεώσεις, ΕΤΑΙΡΕΙΑ Κεφάλαιο Κίνησης 395.79, 568.744, 673.377, 86.729, Πακρατηθέντα Κέρδη,,,, HITECH SNT Α.Ε. ΒΑΡΔΑΣ ΑΕΒΕΕ Σύνολο Ενεργητικού 1.464.847, 1.575.777, 2.119.467, 2.252.843, Κέρδη Προ Φόρων και 122.52, 51.812, 63.436, 11.73, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 831.62, 817.36, 1.568.32, 1.488.313, Σύνολο Υποχρεώσεων 733.812, 888.417, 1.568.32, 1.488.313, Κύκλος Εργασιών 776.234, 1.118.686, 1.46.95, 1.363.712, Ζ-Score 1,81 1,8 1,77 1,27 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 643.181, 743.131, 825.745, 947.335, Βραχυπρόθεσμες Υποχρεώσεις 1.231.641, 198.911, 23.161, 365.947, Κεφάλαιο Κίνησης,,,, Πακρατηθέντα Κέρδη 12.649,,,, Σύνολο Ενεργητικού 1.161.911, 1.354.912, 1.444.365, 2.35.84, Κέρδη Προ Φόρων και Τόκων 391.191, 381.613, 328.773, 111.16, Τρέχουσα Αξία μετοχών (ΙΚ) 566.691, 513.219, 475.619, 267.34, Σύνολο Υποχρεώσεων 976.133, 981.912, 1.177.25, 1.559.464, Κύκλος Εργασιών 716.191, 74.131, 1.15.662, 537.625, Ζ-Score 2,9 1,79 1,7,55 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 316.168, Βραχυπρόθεσμες 1.31, Υποχρεώσεις 77 349.143, 115.613, 415.617, 119.677, 365.627, 199.461,

ΔΙΑΣ Α.Ε.Ε.Χ. VIVERE ENTERTAI NMENT ΕΜΠΟΡΙΚ Η ΚΑΙ ΣΥΜΜΕΤΟ ΧΩΝ Α.Ε. Κεφάλαιο Κίνησης 216.137, 233.53, 295.94, 166.166, Πακρατηθέντα Κέρδη 131.324, 94.311,,, Σύνολο Ενεργητικού 616.369, 71.316, 765.627, 739.761, Κέρδη Προ Φόρων και 98.361, 59.813, 42.817, 33.728, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 191.613, 18.316, 171.442, 149.138, Σύνολο Υποχρεώσεων 431.619, 483.216, 594.185, 59.623, Κύκλος Εργασιών 591.913, 558.161, 428.177, 337.289, Ζ-Score 2,47 1,87 1,38 1,3 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 516.99, 659.131, 71.311, 789.411, Βραχυπρόθεσμες Υποχρεώσεις 161.689, 193.211, 196.562, 52.166, Κεφάλαιο Κίνησης 355.31, 465.92, 513.749, 269.245, Πακρατηθέντα Κέρδη 54.913, 13.641,,, Σύνολο Ενεργητικού 981.311, 1.32.161, 1.11.864, 1.233.533, Κέρδη Προ Φόρων και 171.699, 161.66, 141.558, 56.389, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 419.131, 161.581, 33.353, 314.986, Σύνολο Υποχρεώσεων 129.691, 139.119, 277.166, 246.564, Κύκλος Εργασιών 398.991, 387.191, 232.857, 775.259, Ζ-Score 3,44 2,15 1,84 1,81 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 1.191.913, Βραχυπρόθεσμες 581.913, Υποχρεώσεις Κεφάλαιο Κίνησης 61., Πακρατηθέντα Κέρδη 121.132, Σύνολο Ενεργητικού 1.464.191, Κέρδη Προ Φόρων και 171.913, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 419.191, 1.261.691, 1.432.61, 1.498.131, 61.919, 7.316, 98.31, 65.772, 732.294, 517.821,,,, 1.819.131, 169.841, 399.191, 2.18.9, 131.31, 275.49, 2.178.5, 6.7, 294.16, 78

ΑΛΥΣΙΔΑ Α.Β.Ε.Ε. CROWN HELLAS CAN A.E. Σύνολο Υποχρεώσεων 813.191, 89.319, 1.177.3, 1.223.6, Κύκλος Εργασιών 1.619.191, 1.519.111, 1.325.1, 1.14.2, Ζ-Score 2,42 1,84 1,45,99 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 694.199, 781.913, 891.913, 915.611, Βραχυπρόθεσμες Υποχρεώσεις 23.13, 219.191, 281.911, 35.619, Κεφάλαιο Κίνησης 491.69, 562.722, 61.2, 564.992, Πακρατηθέντα Κέρδη 84.131, 38.161,,, Σύνολο Ενεργητικού 1.31.611, 1.31.991, 1.231.1, 1.482.1, Κέρδη Προ Φόρων και Τόκων 199.991, 191.911, 169.197, 111.881, Τρέχουσα Αξία μετοχών (ΙΚ) 226.111, 216.911, 116.64, 161.881, Σύνολο Υποχρεώσεων 381.911, 41.113, 468.434, 52.47, Κύκλος Εργασιών 799.191, 791.911, 557., 419.131, Ζ-Score 2,46 2,41 1,65 1,18 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 581.919, 616.913, 759.19, 89.13, Βραχυπρόθεσμες Υποχρεώσεις 299.513, 33.111, 323.316, 361.911, Κεφάλαιο Κίνησης 282.46, 313.82, 435.874, 528.219, Πακρατηθέντα Κέρδη 99.191, 65.161, 94.131, 139.191, Σύνολο Ενεργητικού 1.3.161, 1.13.136, 1.212.7, 1.35.59, Κέρδη Προ Φόρων και Τόκων 21.366, 218.912, 276.52, 3.55, Τρέχουσα Αξία μετοχών (ΙΚ) 19.191, 161.919, 177.736, 199.596, Σύνολο Υποχρεώσεων 271.913, 281.911, 31.919, 31.913, Κύκλος Εργασιών 51.99, 498.113, 425.99, 333.53, Ζ-Score 2,7 1,88 2, 2,5 79

Πίνακας 18: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 211 Z-Score Μέση τιμή 4 χρόνια πριν την 2,39 πτώχευση 3 χρόνια πριν την 1,96 πτώχευση 2 χρόνια πριν την 1,68 πτώχευση 1 χρόνος πριν την 1,27 πτώχευση Έτος Όλες Σωστή Πρόβλεψη Λάθος Πρόβλεψη -4 7 1 6-3 7 2 5-2 7 5 2-1 7 6 1 Σωστ ό % 4,3% 8,6% 1,4% 5,7% 8

Οι υπό μελέτη εταιρίες που πτώχευσαν το έτος 212 Εταιρίες που πτώχευσαν ή οι μετοχές τους ανεστάλησαν μόνιμα από το χρηματιστήριο το έτος 212. Επωνυμία Εταιρίας Μερικοί ισολογισμοί είναι αναρτημένοι σε ευρώ και άλλοι σε χιλιάδες. (Υπήρξαν ανάλογες τροποποιήσεις στον τύπο όπου χρειάστηκε) ELBISCO Στοιχεία Ισολογισμού -4-3 -2-1 A.E Κυκλοφορούν Ενεργητικό 519.194, 698.191, 819.131, 719.131, ΣΥΜΜΕΤΟ ΧΩΝ Βραχυπρόθεσμες 384.911, 416.13, 426.191, 519.131, Υποχρεώσεις Κεφάλαιο Κίνησης 134.283, 282.178, 392.94, 2., Πακρατηθέντα Κέρδη,,,, EUROLINE ΕΠΕΝΔΥΤΙ ΚΗ Α.Ε.Ε.Χ. INTERFISH AE Σύνολο Ενεργητικού 1.161.911, 1.261.911, 1.666.55, 1.654.69, Κέρδη Προ Φόρων και Τόκων 169.191, 181.913, 191.316, - 161.911, Τρέχουσα Αξία μετοχών (ΙΚ) 33.13, 316.169, 414.611, 419.131, Σύνολο Υποχρεώσεων 6.891.913, 719.131, 96.63, 811.34, Κύκλος Εργασιών 1.23.311, 981., 1.131.33, 1.179.16, Ζ-Score 1,12,88,77,73 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 652.64, 683.619, 714.611, 849.111, Βραχυπρόθεσμες Υποχρεώσεις 364.191, 374.191, 419.131, 516.916, Κεφάλαιο Κίνησης 287.873, 39.428, 295.48, 332.195, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 1.91.91, 1.13.16, 1.418.219, 1.821.265, Κέρδη Προ Φόρων και 21.31, 181.911, 159.48, 59.191, Τόκων Τρέχουσα Αξία μετοχών (ΙΚ) 199.191, 189.191, 159.11, 133.31, Σύνολο Υποχρεώσεων 481.913, 491.941, 581.913, 616.911, Κύκλος Εργασιών 619.991, 641.911, 723.71, 1.84.8, Ζ-Score 1,74 1,69 1,3 1,5 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 441.691, 461.91, 581.913, 61.316, 81

INTERINV EST Δ.Ε.Α.Ε.Ε. Χ. RILKEN ΒΙΟΜΗΧΑ ΝΙΑ ΚΑΛΛΥΝΤΙ ΚΩΝ ΠΡΟΙΟΝΤ ΩΝ Α.Ε. Βραχυπρόθεσμες Υποχρεώσεις 281.911, 299.191, 389.172, 354.741, Κεφάλαιο Κίνησης 159.78, 161.9, 192.741, 255.575, Πακρατηθέντα Κέρδη,,,, Σύνολο Ενεργητικού 7.131, 713.191, 732.16, 928.168, Κέρδη Προ Φόρων και Τόκων 187.193, 16.616, 141.96, - 4.26, Τρέχουσα Αξία μετοχών (ΙΚ) 286.392, 222.619, 211.38, 165.198, Σύνολο Υποχρεώσεων 789.231, 759.161, 716.78, 666.817, Κύκλος Εργασιών 356.781, 326.191, 325.538, 387.355, Ζ-Score 1,88 1,65 1,58,75 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 497.559,1 9 461.584, 412.456, 4.658, Βραχυπρόθεσμες Υποχρεώσεις 144.131, 184.513, 191.324, 216.489, Κεφάλαιο Κίνησης 353.428,1 9 277.71, 221.132, 184.169, Πακρατηθέντα Κέρδη 219.191,,,, Σύνολο Ενεργητικού 718.169, 774.688, 798.143, 813.246, Κέρδη Προ Φόρων και Τόκων 185.112, 18.16, 174.284, 13.215, Τρέχουσα Αξία μετοχών (ΙΚ) 241.146, 222.68, 244.673, 26.218, Σύνολο Υποχρεώσεων 347.22, 322.7, 361.567, 384.651, Κύκλος Εργασιών 181.756, 199.294, 213.549, 281.564, Ζ-Score 2,54 1,87 1,73 1,55 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 1.121.619, Βραχυπρόθεσμες 177.441, Υποχρεώσεις Κεφάλαιο Κίνησης 944.178, Πακρατηθέντα Κέρδη 181.118, Σύνολο Ενεργητικού 2.111.6, Κέρδη Προ Φόρων και 28.31, Τόκων 1.211.236, 187.718, 1.23.518, 154.894, 2.164.564, 259.441, 1.351.871, 1.594.194, 147.117, 118.113, 1.24.754 1.476.81,,,, 2.88.155, 22.169, 2.37.193, 199.181, 82

ΕΛΦΙΚΟ Α.Ε.Ε. Τρέχουσα Αξία μετοχών (ΙΚ) 198.111, 184.999, 163.266, 169.886, Σύνολο Υποχρεώσεων 181.911, 155.681, 141.813, 18.919, Κύκλος Εργασιών 388.419, 377.191, 397.696, 42.619, Ζ-Score 1,93 1,95 1,89 2,33 Στοιχεία Ισολογισμού -4-3 -2-1 Κυκλοφορούν Ενεργητικό 451.981, 494.919, 519.11, 65.911, Βραχυπρόθεσμες Υποχρεώσεις 135.476, 112.549, 119.13, 121.619, Κεφάλαιο Κίνησης 316.55, 382.37, 399.971, 529.292, Πακρατηθέντα Κέρδη 156.981, 198.123, 97.841, 69.819, Σύνολο Ενεργητικού 1.1.311, 1.121.911, 1.347.46, 1.43.283, Κέρδη Προ Φόρων και Τόκων 181.192, 171.913, 152.813, 161.911, Τρέχουσα Αξία μετοχών (ΙΚ) 261.911, 291.441, 298.116, 288.719, Σύνολο Υποχρεώσεων 284.11, 285.453, 269.575, 224.928, Κύκλος Εργασιών 549.984, 582.221, 51.491, 419.81, Ζ-Score 2,14 2,29 1,87 1,97 83

Πίνακας 19: Συνολικά αποτελέσματα των υπό μελέτη εταιριών που πτώχευσαν το έτος 212 Z-Score Μέση τιμή 4 χρόνια πριν την 1,89 πτώχευση 3 χρόνια πριν την 1,72 πτώχευση 2 χρόνια πριν την 1,52 πτώχευση 1 χρόνος πριν την 1,4 πτώχευση Έτος Όλες Σωστή Πρόβλεψη Λάθος Πρόβλεψη Σωστ ό % -4 6 2 4 33,3 % -3 6 3 3 5, % -2 6 4 2 66,7 % -1 6 4 2 66,7 % 84

Z-Score Μέση τιμή 3, Μέση τιμή Z-Score για το σύνολο των εταιριών για τα έτη 28-212 2,67 2,5 2,39 2,31 2,41 2, 1,5 2,13 1,89 2,3 1,98 1,96 1,72 1,91 1,89 1,84 1,68 1,52 1,76 1,54 1,53 2 8 2 9 1,4 1,27 2 1 1, 2 1 1,5, 4 χρόνια πριν την πτώχευση 3 χρόνια πριν την πτώχευση 2 χρόνια πριν την πτώχευση 1 χρόνος πριν την πτώχευση 85

Συνολικά αποτελέσματα αξιοπιστίας του μοντέλου του ALTMAN Έτ ος Σύνολο Προβλέψεων Αξιοπιστία Μοντέλου Σωστή Πρόβλεψη Λάθος Πρόβλεψη Σωσ τό % -4 4 7 33 17,5 % -3 4 15 25 37,5 % -2 4 29 11 72,5 % -1 4 34 6 85, % Μέση τιμή Ζ-Score ανά έτος για το σύνολο των εταιριών Έτ ος 2όλες 29 21 21 1 2 12-4 2,67 2,13 2,31 2,39 1,8 9-3 2,41 1,98 2,3 1,96 1,7 2-2 1,91 1,84 1,89 1,68 1,5 2-1 1,54 1,53 1,76 1,27 1,4 Μέση τιμή συνολικά ανά έτος 2,28 2,2 1,77 1,5 86

Υπολογισμοί με τη μέθοδο DEA Η υπό μελέτη εταιρία ΕΛΑΪΣ - UNILEVER Α.Ε. Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της εταιρίας ΕΛΑΪΣ - UNILEVER Α.Ε. Πίνακας 2: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. / Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 98,1% False Amber ALISIDA A.B.E.E. 91,4% False Amber CH. MPENROUMPI & IOS A.E. 1,% True Green DIAS A.E.E.X. 1,% True Green ΕΛΑΪΣ - UNILEVER A.E. 1,% True Green ERGAS A.T.E. 1,% True Green FOLLI - FOLLIE A.B.E.E. 1,% True Green GRIGORIS MIKROGEVMATA A.B.E.E. 77,4% False Red TERNA A.E. 1,% True Green VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 1,% True Green 87

Γράφημα 1: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. 88

Γράφημα 2: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. 89

Αποτελέσματα της μεθόδου DEA και η ανάλυση τους για την εταιρία με το χειρότερο σκορ με βάση την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. 77,4% GRIGORIS MIKROGEVMATA A.B.E.E. Peers: 3 References: Potential Improvements Variable Actual TargetPotential Improvement KEFALEO_KINISIS 37223, 37223,, % KEWRDI_PRO_FORON_&_TOKON211895, 23642,16 11,4 % KIKLOFOROUN_ENERGITIKO 47358, 366138,89-22,6 % KIKLOS_ERGASION 283163, 336717,3 18,91 % SINOLO_ENERGETIKOU 677885, 524671,52-22,6 % SINOLO_IPOCHREOSEON 29136, 156666,15-46,23 % TRECHOUSA_AXIA_METOCHON186525, 186525,, % VRACHIPROTHESMES_IPOCHREOSIS2175, 146322,43-32,57 % Peer Contributions DIAS A.E.E.X. KEFALEO_KINISIS 3,93 % DIAS A.E.E.X. KEWRDI_PRO_FORON_&_TOKON 29,25 % DIAS A.E.E.X. KIKLOFOROUN_ENERGITIKO 34,48 % DIAS A.E.E.X. KIKLOS_ERGASION 28,93 % DIAS A.E.E.X. SINOLO_ENERGETIKOU 45,67 % DIAS A.E.E.X. SINOLO_IPOCHREOSEON 2,21 % DIAS A.E.E.X. TRECHOUSA_AXIA_METOCHON 54,87 % DIAS A.E.E.X. VRACHIPROTHESMES_IPOCHREOSIS 26,98 % ELAIS - UNILEVER A.E. KEFALEO_KINISIS 48,51 % ELAIS - UNILEVER A.E. KEWRDI_PRO_FORON_&_TOKON 56,68 % ELAIS - UNILEVER A.E. KIKLOFOROUN_ENERGITIKO 33,4 % ELAIS - UNILEVER A.E. KIKLOS_ERGASION 6,6 % ELAIS - UNILEVER A.E. SINOLO_ENERGETIKOU 26,31 % ELAIS - UNILEVER A.E. SINOLO_IPOCHREOSEON 34,22 % ELAIS - UNILEVER A.E. TRECHOUSA_AXIA_METOCHON, % ELAIS - UNILEVER A.E. VRACHIPROTHESMES_IPOCHREOSIS 3,44 % TERNA A.E. KEFALEO_KINISIS 2,56 % TERNA A.E. KEWRDI_PRO_FORON_&_TOKON 14,7 % TERNA A.E. KIKLOFOROUN_ENERGITIKO 32,48 % TERNA A.E. KIKLOS_ERGASION 11, % TERNA A.E. SINOLO_ENERGETIKOU 28,2 % TERNA A.E. SINOLO_IPOCHREOSEON 45,56 % TERNA A.E. TRECHOUSA_AXIA_METOCHON 45,13 % TERNA A.E. VRACHIPROTHESMES_IPOCHREOSIS 42,58 % Input / Output Contributions KIKLOFOROUN_ENERGITIKO 48,7 % Input SINOLO_ENERGETIKOU 51,93 % Input SINOLO_IPOCHREOSEON, % Input VRACHIPROTHESMES_IPOCHREOSIS, % Input KEFALEO_KINISIS 6,9 % Output KEWRDI_PRO_FORON_&_TOKON, % Output KIKLOS_ERGASION, % Output TRECHOUSA_AXIA_METOCHON 39,1 % Output Peers DIAS A.E.E.X. 9

Η υπό μελέτη εταιρία KEGO Α.Ε. Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της εταιρίας KEGO Α.Ε. Πίνακας 21: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 1,% True Green CH. MPENROUMPI & IOS A.E. 1,% True Green DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 1,% True Green FOLLI - FOLLIE A.B.E.E. 1,% True Green GRIGORIS MIKROGEVMATA A.B.E.E. 89,1% False Red KEGO A.E. 88,8% False Red TERNA A.E. 1,% True Green VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 1,% True Green 91

Γράφημα 3: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την εταιρία KEGO A.E. εξόδους 92

Γράφημα 4: Κατανομή των εταιριών με βάση την εταιρία KEGO Α. Ε. 93

Αποτελέσματα της μεθόδου DEA και η ανάλυση τους για την εταιρία με χειρότερο σκορ με βάση την πτωχευμένη εταιρία KEGO Α.Ε. 88,76% KEGO A.E. Peers: 4 References: Potential Improvements Variable Actual TargetPotential Improvement KEFALEO_KINISIS 49395, 49395,, % KEWRDI_PRO_FORON_&_TOKON 16876, 275669,46 71,36 % KIKLOFOROUN_ENERGITIKO 66868, 56146,6-16,3 % KIKLOS_ERGASION 6337, 6337,, % SINOLO_ENERGETIKOU793283, 74112,5-11,24 % SINOLO_IPOCHREOSEON578962, 513882,66-11,24 % TRECHOUSA_AXIA_METOCHON 214321, 214321,, % VRACHIPROTHESMES_IPOCHREOSIS 29745, 213136,1-26,69 % Peer Contributions ALFA-VITA VASILOPOULOS A.E. KEFALEO_KINISIS 54,22 % ALFA-VITA VASILOPOULOS A.E. KEWRDI_PRO_FORON_&_TOKON 55,51 % ALFA-VITA VASILOPOULOS A.E. KIKLOFOROUN_ENERGITIKO 53,46 % ALFA-VITA VASILOPOULOS A.E. KIKLOS_ERGASION 43,44 % ALFA-VITA VASILOPOULOS A.E. SINOLO_ENERGETIKOU 43,48 % ALFA-VITA VASILOPOULOS A.E. SINOLO_IPOCHREOSEON 59,43 % ALFA-VITA VASILOPOULOS A.E. TRECHOUSA_AXIA_METOCHON 42,17 % ALFA-VITA VASILOPOULOS A.E. VRACHIPROTHESMES_IPOCHREOSIS 54,99 % ALISIDA A.B.E.E. KEFALEO_KINISIS 19,55 % ALISIDA A.B.E.E. KEWRDI_PRO_FORON_&_TOKON 17,95 % ALISIDA A.B.E.E. KIKLOFOROUN_ENERGITIKO 19,66 % ALISIDA A.B.E.E. KIKLOS_ERGASION 21,17 % ALISIDA A.B.E.E. SINOLO_ENERGETIKOU 23,3 % ALISIDA A.B.E.E. SINOLO_IPOCHREOSEON 11,82 % ALISIDA A.B.E.E. TRECHOUSA_AXIA_METOCHON 16,78 % ALISIDA A.B.E.E. VRACHIPROTHESMES_IPOCHREOSIS 15,16 % CH. MPENROUMPI & IOS A.E. KEFALEO_KINISIS 8,24 % CH. MPENROUMPI & IOS A.E. KEWRDI_PRO_FORON_&_TOKON 6,21 % CH. MPENROUMPI & IOS A.E. KIKLOFOROUN_ENERGITIKO 11,81 % CH. MPENROUMPI & IOS A.E. KIKLOS_ERGASION 9,1 % CH. MPENROUMPI & IOS A.E. SINOLO_ENERGETIKOU 9,79 % CH. MPENROUMPI & IOS A.E. SINOLO_IPOCHREOSEON 6,27 % CH. MPENROUMPI & IOS A.E. TRECHOUSA_AXIA_METOCHON 17,13 % CH. MPENROUMPI & IOS A.E. VRACHIPROTHESMES_IPOCHREOSIS 17,29 % VARDAS A.E.B.E.E. KEFALEO_KINISIS 17,99 % VARDAS A.E.B.E.E. KEWRDI_PRO_FORON_&_TOKON 2,33 % 94

VARDAS A.E.B.E.E. KIKLOFOROUN_ENERGITIKO 15,7 % VARDAS A.E.B.E.E. KIKLOS_ERGASION 26,39 % VARDAS A.E.B.E.E. SINOLO_ENERGETIKOU 23,43 % VARDAS A.E.B.E.E. SINOLO_IPOCHREOSEON 22,48 % VARDAS A.E.B.E.E. TRECHOUSA_AXIA_METOCHON 23,93 % VARDAS A.E.B.E.E. VRACHIPROTHESMES_IPOCHREOSIS 12,56 % Input / Output Contributions KIKLOFOROUN_ENERGITIKO, % Input SINOLO_ENERGETIKOU 75,23 % Input SINOLO_IPOCHREOSEON 24,77 % Input VRACHIPROTHESMES_IPOCHREOSIS, % Input KEFALEO_KINISIS 37,35 % Output KEWRDI_PRO_FORON_&_TOKON, % Output KIKLOS_ERGASION 6,2 % Output TRECHOUSA_AXIA_METOCHON 2,45 % Output Peers ALFA-VITA VASILOPOULOS A.E. ALISIDA A.B.E.E. CH. MPENROUMPI & IOS A.E. VARDAS A.E.B.E.E. 95

Η υπό μελέτη εταιρία EVEREST A.E. Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της εταιρίας EVEREST A.E. Πίνακας 22: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 1,% True Green CH. MPENROUMPI & IOS A.E. 1,% True Green DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 1,% True Green EVEREST A.E. 1,% True Green FOLLI - FOLLIE A.B.E.E. 1,% True Green GRIGORIS MIKROGEVMATA 89,1% False Red A.B.E.E. TERNA A.E. 1,% True Green VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 1,% True Green 96

Γράφημα 5: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την εταιρία EVEREST A.E. εξόδους 97

Γράφημα 6: Κατανομή των εταιριών με βάση την εταιρία EVEREST A.E. 98

Αποτελέσματα της μεθόδου DEA και η ανάλυση για την εταιρία με το χειρότερο σκορ βάση την πτωχευμένη εταιρία EVEREST A.E. 89,11% GRIGORIS MIKROGEVMATA A.B.E.E. Peers: 2 References: Potential Improvements Variable Actual TargetPotential Improvement KEFALEO_KINISIS 37223, 37223,, % KEWRDI_PRO_FORON_&_TOKON 211895, 21836,38 2,9 % KIKLOFOROUN_ENERGITIKO47358, 412456,53-12,81 % KIKLOS_ERGASION 283163, 33883,95 19,4 % SINOLO_ENERGETIKOU 677885, 6441,33-1,89 % SINOLO_IPOCHREOSEON 29136, 259621,44-1,89 % TRECHOUSA_AXIA_METOCHON186525, 23582,45 23,62 % VRACHIPROTHESMES_IPOCHREOSIS 2175, 144832,32-33,26 % Peer Contributions ALFA-VITA VASILOPOULOS A.E. KEFALEO_KINISIS 48,84 % ALFA-VITA VASILOPOULOS A.E. KEWRDI_PRO_FORON_&_TOKON 47,63 % ALFA-VITA VASILOPOULOS A.E. KIKLOFOROUN_ENERGITIKO 49,38 % ALFA-VITA VASILOPOULOS A.E. KIKLOS_ERGASION 52,34 % ALFA-VITA VASILOPOULOS A.E. SINOLO_ENERGETIKOU 34,39 % ALFA-VITA VASILOPOULOS A.E. SINOLO_IPOCHREOSEON 79,83 % ALFA-VITA VASILOPOULOS A.E. TRECHOUSA_AXIA_METOCHON 26,6 % ALFA-VITA VASILOPOULOS A.E. VRACHIPROTHESMES_IPOCHREOSIS 54,92 % DIAS A.E.E.X. KEFALEO_KINISIS 51,16 % DIAS A.E.E.X. KEWRDI_PRO_FORON_&_TOKON 52,37 % DIAS A.E.E.X. KIKLOFOROUN_ENERGITIKO 5,62 % DIAS A.E.E.X. KIKLOS_ERGASION 47,66 % DIAS A.E.E.X. SINOLO_ENERGETIKOU 65,61 % DIAS A.E.E.X. SINOLO_IPOCHREOSEON 2,17 % DIAS A.E.E.X. TRECHOUSA_AXIA_METOCHON 73,4 % DIAS A.E.E.X. VRACHIPROTHESMES_IPOCHREOSIS 45,8 % Input / Output Contributions KIKLOFOROUN_ENERGITIKO, % Input SINOLO_ENERGETIKOU 68,2 % Input SINOLO_IPOCHREOSEON 31,8 % Input VRACHIPROTHESMES_IPOCHREOSIS, % Input KEFALEO_KINISIS 1, % Output KEWRDI_PRO_FORON_&_TOKON, % Output KIKLOS_ERGASION, % Output TRECHOUSA_AXIA_METOCHON, % Output Peers ALFA-VITA VASILOPOULOS A.E. DIAS A.E.E.X. 99

Η υπό μελέτη εταιρία ALLATINI A.B.E.E Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της εταιρίας ALLATINI A.B.E.E Πίνακας 23: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 1,% True Green ALLATINI A.B.E.E 1,% True Green CH. MPENROUMPI & IOS A.E. 1,% True Green DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 1,% True Green FOLLI - FOLLIE A.B.E.E. 1,% True Green GRIGORIS MIKROGEVMATA A.B.E.E. 89,1% False Red TERNA A.E. 1,% True Green VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 1,% True Green 1

Γράφημα 7: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την εταιρία ALLATINI A.B.E.E. εξόδους 11

Γράφημα 8: Κατανομή των εταιριών με βάση την εταιρία ALLATINI A.B.E.E. 12

Αποτελέσματα της μεθόδου DEA και η ανάλυση τους για την εταιρία με χειρότερο σκορ με βάση την πτωχευμένη εταιρία ALLATINI A.B.E.E 89,11% GRIGORIS MIKROGEVMATA A.B.E.E. Peers: 2 References: Potential Improvements Variable Actual TargetPotential Improvement KEFALEO_KINISIS 37223, 37223,, % KEWRDI_PRO_FORON_&_TOKON 211895, 21836,38 2,9 % KIKLOFOROUN_ENERGITIKO47358, 412456,53-12,81 % KIKLOS_ERGASION 283163, 33883,95 19,4 % SINOLO_ENERGETIKOU 677885, 6441,33-1,89 % SINOLO_IPOCHREOSEON 29136, 259621,44-1,89 % TRECHOUSA_AXIA_METOCHON186525, 23582,45 23,62 % VRACHIPROTHESMES_IPOCHREOSIS 2175, 144832,32-33,26 % Peer Contributions ALFA-VITA VASILOPOULOS A.E. KEFALEO_KINISIS 48,84 % ALFA-VITA VASILOPOULOS A.E. KEWRDI_PRO_FORON_&_TOKON 47,63 % ALFA-VITA VASILOPOULOS A.E. KIKLOFOROUN_ENERGITIKO 49,38 % ALFA-VITA VASILOPOULOS A.E. KIKLOS_ERGASION 52,34 % ALFA-VITA VASILOPOULOS A.E. SINOLO_ENERGETIKOU 34,39 % ALFA-VITA VASILOPOULOS A.E. SINOLO_IPOCHREOSEON 79,83 % ALFA-VITA VASILOPOULOS A.E. TRECHOUSA_AXIA_METOCHON 26,6 % ALFA-VITA VASILOPOULOS A.E. VRACHIPROTHESMES_IPOCHREOSIS 54,92 % DIAS A.E.E.X. KEFALEO_KINISIS 51,16 % DIAS A.E.E.X. KEWRDI_PRO_FORON_&_TOKON 52,37 % DIAS A.E.E.X. KIKLOFOROUN_ENERGITIKO 5,62 % DIAS A.E.E.X. KIKLOS_ERGASION 47,66 % DIAS A.E.E.X. SINOLO_ENERGETIKOU 65,61 % DIAS A.E.E.X. SINOLO_IPOCHREOSEON 2,17 % DIAS A.E.E.X. TRECHOUSA_AXIA_METOCHON 73,4 % DIAS A.E.E.X. VRACHIPROTHESMES_IPOCHREOSIS 45,8 % Input / Output Contributions KIKLOFOROUN_ENERGITIKO, % Input SINOLO_ENERGETIKOU 68,2 % Input SINOLO_IPOCHREOSEON 31,8 % Input VRACHIPROTHESMES_IPOCHREOSIS, % Input KEFALEO_KINISIS 1, % Output KEWRDI_PRO_FORON_&_TOKON, % Output KIKLOS_ERGASION, % Output TRECHOUSA_AXIA_METOCHON, % Output Peers ALFA-VITA VASILOPOULOS A.E. DIAS A.E.E.X. 13

Η υπό μελέτη εταιρία ΕΛΑΪΣ - UNILEVER Α.Ε. με εισόδους το σύνολο των υποχρεώσεων και εξόδους τα κέρδη προ φόρων και τόκων και την τρέχουσα αξία των μετοχών. Με σταθερές τις εξόδους και ελαχιστοποίηση των εισόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας ΕΛΑΪΣ - UNILEVER Α.Ε. Πίνακας 24: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 21,2% False Red ALISIDA A.B.E.E. 35,% False Red CH. MPENROUMPI & IOS A.E. 35,2% False Red DIAS A.E.E.X. 1,% True Green ELAIS - UNILEVER A.E. 1,% True Green ERGAS A.T.E. 34,3% False Red FOLLI - FOLLIE A.B.E.E. 29,5% False Red GRIGORIS MIKROGEVMATA A.B.E.E. 31,6% False Red TERNA A.E. 36,5% False Red VARDAS A.E.B.E.E. 21,2% False Red VIVARTIA SIMETOCHON A.E. 35,% False Red 14

Γράφημα 9: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. εξόδους 15

Γράφημα 1: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ΕΛΑΪΣ - UNILEVER A.E. 16

Εικόνα 3: Δημιουργία ορίου επιτυχίας (CCR mode) ΕΛΑΪΣ - UNILEVER A.E. 17

Η υπό μελέτη εταιρία KEGO A.E. με εισόδους το σύνολο των υποχρεώσεων και εξόδους τα κέρδη προ φόρων και τόκων και την τρέχουσα αξία των μετοχών. Με σταθερές τις εξόδους και ελαχιστοποίηση των εισόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας KEGO A.E Πίνακας 25: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 23,% False Red ALISIDA A.B.E.E. 37,4% False Red CH. MPENROUMPI & IOS A.E. 35,2% False Red DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 36,2% False Red FOLLI - FOLLIE A.B.E.E. 29,5% False Red GRIGORIS MIKROGEVMATA 33,4% False Red A.B.E.E. KEGO A.E. 12,7% False Red TERNA A.E. 36,5% False Red VARDAS A.E.B.E.E. 22,3% False Red VIVARTIA SIMETOCHON A.E. 35,% False Red 18

Γράφημα 11: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις εξόδους (σταθερές) για την πτωχευμένη εταιρία KEGO A.E. 19

Γράφημα 12: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία KEGO A.E. 11

Εικόνα 4: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E. 111

Η υπό μελέτη εταιρία EVEREST A.E. με εισόδους το σύνολο των υποχρεώσεων και εξόδους τα κέρδη προ φόρων και τόκων και την τρέχουσα αξία των μετοχών. Με σταθερές τις εξόδους και ελαχιστοποίηση των εισόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας EVEREST A.E Πίνακας 26: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E. χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 23,% False Red ALISIDA A.B.E.E. 37,4% False Red CH. MPENROUMPI & IOS A.E. 35,2% False Red DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 36,2% False Red EVEREST A.E. 28,% False Red FOLLI - FOLLIE A.B.E.E. 29,5% False Red GRIGORIS MIKROGEVMATA A.B.E.E. 33,4% False Red TERNA A.E. 36,5% False Red VARDAS A.E.B.E.E. 22,3% False Red VIVARTIA SIMETOCHON A.E. 35,% False Red 112

Γράφημα 13: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την πτωχευμένη εταιρία EVEREST A.E. εξόδους 113

Γράφημα 14: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία EVEREST A.E. 114

Εικόνα 5: Δημιουργία ορίου επιτυχίας (CCR mode) EVEREST A.E. 115

Η υπό μελέτη εταιρία ALLATINI A.B.E.E. με εισόδους το σύνολο των υποχρεώσεων και εξόδους τα κέρδη προ φόρων και τόκων και την τρέχουσα αξία των μετοχών. Με σταθερές τις εξόδους και ελαχιστοποίηση των εισόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας ALLATINI A.B.E.E. Πίνακας 27: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E χρησιμοποιώντας σταθερές εξόδους με ελαχιστοποίηση των εισόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 23,% False Red ALISIDA A.B.E.E. 37,4% False Red ALLATINI A.B.E.E 22,1% False Red CH. MPENROUMPI & IOS A.E. 35,2% False Red DIAS A.E.E.X. 1,% True Green ERGAS A.T.E. 36,2% False Red FOLLI - FOLLIE A.B.E.E. 29,5% False Red GRIGORIS MIKROGEVMATA A.B.E.E. 33,4% False Red TERNA A.E. 36,5% False Red VARDAS A.E.B.E.E. 22,3% False Red VIVARTIA SIMETOCHON A.E. 35,% False Red 116

Γράφημα 15: Ποσοστά βελτίωσης των εισόδων (ελαχιστοποίηση) με βάση τις (σταθερές) για την πτωχευμένη εταιρία ALLATINI A.B.E.E. εξόδους 117

Γράφημα 16: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ALLATINI A.B.E.E. 118

Εικόνα 6: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E. 119

Η υπό μελέτη εταιρία ELAIS - UNILEVER A.E. με εισόδους τις βραχυπρόθεσμες υποχρεώσεις και το σύνολο ενεργητικού και εξόδους τα κέρδη προ φόρων. Με σταθερές εισόδους και μεγιστοποίηση των εξόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας ELAIS - UNILEVER A.E. Πίνακας 28: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 51,6% False Red ALISIDA A.B.E.E. 51,% False Red CH. MPENROUMPI & IOS A.E. 25,6% False Red DIAS A.E.E.X. 58,2% False Red ELAIS - UNILEVER A.E. 1,% True Green ERGAS A.T.E. 49,7% False Red FOLLI - FOLLIE A.B.E.E. 22,1% False Red GRIGORIS MIKROGEVMATA 32,5% False Red A.B.E.E. TERNA A.E. 23,3% False Red VARDAS A.E.B.E.E. 69,7% False Red VIVARTIA SIMETOCHON A.E. 16,4% False Red 12

Γράφημα 17: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. 121

Γράφημα 18: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ELAIS - UNILEVER A.E. 122

Εικόνα 7: Δημιουργία ορίου επιτυχίας (CCR mode) ELAIS - UNILEVER A.E. 123

Η υπό μελέτη εταιρία KEGO A.E.με εισόδους τις βραχυπρόθεσμες υποχρεώσεις και το σύνολο ενεργητικού και εξόδους τα κέρδη προ φόρων. Με σταθερές εισόδους και μεγιστοποίηση των εξόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας KEGO A.E. Πίνακας 29: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία KEGO A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 82,6% False Red CH. MPENROUMPI & IOS A.E. 49,7% False Red DIAS A.E.E.X. 84,4% False Red ERGAS A.T.E. 97,1% False Amber FOLLI - FOLLIE A.B.E.E. 45,8% False Red GRIGORIS MIKROGEVMATA A.B.E.E. 68,8% False Red KEGO A.E. 41,6% False Red TERNA A.E. 45,2% False Red VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 31,8% False Red 124

Γράφημα 19: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία KEGO A.E. 125

Γράφημα 2: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία KEGO 126

Εικόνα 8: Δημιουργία ορίου επιτυχίας (CCR mode) KEGO A.E. 127

Η υπό μελέτη εταιρία EVEREST A.E. με εισόδους τις βραχυπρόθεσμες υποχρεώσεις και το σύνολο ενεργητικού και εξόδους τα κέρδη προ φόρων. Με σταθερές εισόδους και μεγιστοποίηση των εξόδων Ο πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας EVEREST A.E. Πίνακας 3: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία EVEREST A.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 82,6% False Red CH. MPENROUMPI & IOS A.E. 49,7% False Red DIAS A.E.E.X. 84,4% False Red ERGAS A.T.E. 97,1% False Amber EVEREST A.E. 37,6% False Red FOLLI - FOLLIE A.B.E.E. 45,8% False Red GRIGORIS MIKROGEVMATA 68,8% False Red A.B.E.E. TERNA A.E. 45,2% False Red VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 31,8% False Red 128

Γράφημα 21: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία EVEREST A.E. 129

Γράφημα 22: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία EVEREST A.E. 13

Εικόνα 9: Δημιουργία ορίου επιτυχίας (CCR mode) EVEREST A.E. 131

Η υπό μελέτη εταιρία ALLATINI A.B.E.E. με εισόδους τις βραχυπρόθεσμες υποχρεώσεις και το σύνολο ενεργητικού και εξόδους τα κέρδη προ φόρων. Με σταθερές εισόδους και μεγιστοποίηση των εξόδων. Ο Πίνακας του σκορ και τα βασικά χαρακτηριστικά κατάταξης της πτωχευμένης εταιρίας ALLATINI A.B.E.E. Πίνακας 31: Αποτέλεσμα του σκορ των εταιριών με τη μέθοδο DEA για την πτωχευμένη εταιρία ALLATINI A.B.E.E. χρησιμοποιώντας σταθερές εισόδους με μεγιστοποίηση εξόδων. Unit name Score Efficient Condition ALFA-VITA VASILOPOULOS A.E. 1,% True Green ALISIDA A.B.E.E. 82,6% False Red ALLATINI A.B.E.E,% False Red CH. MPENROUMPI & IOS A.E. 49,7% False Red DIAS A.E.E.X. 84,4% False Red ERGAS A.T.E. 97,1% False Amber FOLLI - FOLLIE A.B.E.E. 45,8% False Red GRIGORIS MIKROGEVMATA 68,8% False Red A.B.E.E. TERNA A.E. 45,2% False Red VARDAS A.E.B.E.E. 1,% True Green VIVARTIA SIMETOCHON A.E. 31,8% False Red 132

Γράφημα 23: Ποσοστά βελτίωσης των εξόδων (μεγιστοποίηση) με βάση τις εισόδους (σταθερές) για την πτωχευμένη εταιρία ALLATINI A.B.E.E. 133

Γράφημα 24: Κατανομή των εταιριών με βάση την πτωχευμένη εταιρία ALLATINI A.B.E.E. 134

Εικόνα 1: Δημιουργία ορίου επιτυχίας (CCR mode) ALLATINI A.B.E.E. 135

Υπολογισμοί με τη μέθοδο των Νευρωνικών δικτύων Όνομα Εταιρίας 4 Χρόνια πριν την πτώχευση 3 Χρόνια πριν την πτώχευση 2 Χρόνια πριν την πτώχευση 1 Χρόνο πριν την πτώχευση ΕΛΑΪΣ - UNILEVER Α.Ε. 2,75914 2,469592 2,482433 2,585733 COSMOTE - ΚΙΝΗΤΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Α.Ε. 4,8947 3,64882 2,36599,374298 ΠΟΥΛΙΑΔΗΣ & ΣΥΝΕΡΓΑΤΕΣ Α.Ε.Β.Ε. 3,635346 2,95987 2,27163,431498 ΝΕΟΧΗΜΙΚΗ ΑΝΩΝΥΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗ ΚΑΙ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΕΙΑ 3,7579 3,28332 2,64618 1,41986 KEGO Α.Ε. 3,995391 3,978898 2,8823 2,1755 UNISYSTEMS ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΚΗΣ A.E 4,274748 3,287156 3,122345 2,83725 GLOBAL Α.Ε.Ε.Χ. 4,2346 2,924884 1,816676 1,812994 EVEREST Α.Ε. 3,4636 2,5984 2,2534 1,55485 BLUE STAR ΝΑΥΤΙΛΙΑΚΗ Α.Ε. 2,841729 2,596186 1,98226 1,61114 ΤΕΡΝΑ Α.Ε. 4,189843 3,27925 3,4716 1,82668 ΑΛΛΑΤΙΝΗ Α.Β.Ε.Ε 4,143898 3,479951 2,428595 1,85852 ΕΛΛΑΤΕΞ ΣΥΝΘΕΤΙΚΕΣ ΙΝΕΣ Α.Ε. 2,13337 2,38796 1,852642 1,243818 Χ. ΡΟΚΑΣ ΑΒΕΕ 3,589185 2,86228 2,482958 2,298922 ΓΕΝΕΡ Α.Ε. 3,883768 3,654 2,25973 1,8763 ΕΡΓΑΣ Α.Τ.Ε. 3,39241 2,443414 2,33821 2,113682 ΓΡΗΓΟΡΗΣ ΜΙΚΡΟΓΕΥΜΑΤΑ Α.Β.Ε.Ε. 3,52919 3,35989 2,5214 1,695247 MULTIRAMA Α.Ε.Β.Ε ΤΗΛΕΠΙΚΟΙΝ. & ΗΛΕΚΤΡΟΝ. ΥΛΙΚΟΥ 2,548978 2,358457 2,255874 1,85345 ΕΤΜΑ Α.Ε. ΤΕΧΝ. ΜΕΤΑΞΗΣ 2,45966 1,869295 1,519496 1,164829 ΙΜΑΚΟ ΜΗΝΤΙΑ Α.Ε. Μ.Μ.Ε. 2,45966 1,869295 1,519496 1,164829 RAINBOW A.E. 3,66863 3,414287 2,33261 1,76166 SINGULARLOGIC S.A. 3,249636 2,941355 2,6146 2,1478 Χ. ΜΠΕΝΡΟΥΜΠΗ & ΥΙΟΣ Α.Ε. 3,249399 2,666974 1,899631 1,9637 ΑΛΦΑ-ΒΗΤΑ 3,28833 3,111115 2,53769 2,289588 136

ΒΑΣΙΛΟΠΟΥΛΟΣ A.E. ΕΚΔΟΣΕΙΣ ΛΥΜΠΕΡΗ Α.Ε. 2,811924 2,653871 2,35738 2,4647 INFORMER Α.Ε. 3,8314 2,649145 2,63947 2,467247 ELMEC SPORT A.B.E.T.E 3,71628 2,493758 2,57696 2,445717 FOLLI - FOLLIE Α.Β.Ε.Ε. 3,787669 2,396753 2,38861 1,73187 VIVARTIA ΣΥΜΜΕΤΟΧΩΝ ΑΝΩΝΥΜΗ ΕΤΑΙΡΕΙΑ 2,2433 2,744784 2,14436 -,45286 HITECH SNT Α.Ε. 1,798773 2,618322 2,18652,73263 ΒΑΡΔΑΣ ΑΕΒΕΕ 3,887674 3,7722 1,99724 1,524818 ΔΙΑΣ Α.Ε.Ε.Χ. 3,9895 2,79144 2,1393 1,51899 VIVERE ENTERTAINMENT ΕΜΠΟΡΙΚΗ ΚΑΙ ΣΥΜΜΕΤΟΧΩΝ Α.Ε. 2,96516 2,452734 2,18369 1,9471 ΑΛΥΣΙΔΑ Α.Β.Ε.Ε. 3,189744 3,2799 2,739 1,522969 CROWN HELLAS CAN A.E. 3,38576 3,73969 2,296338 1,53585 ELBISCO A.E ΣΥΜΜΕΤΟΧΩΝ -2,45293 1,956377 1,851774 -,11772 EUROLINE ΕΠΕΝΔΥΤΙΚΗ Α.Ε.Ε.Χ. 1,95599 1,834186,967591,71958 INTERFISH AE 2,244386 1,882549 1,552317,297285 INTERINVEST Δ.Ε.Α.Ε.Ε.Χ. 4,77741 2,66638 2,473639 2,22757 RILKEN ΒΙΟΜΗΧΑΝΙΑ ΚΑΛΛΥΝΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ Α.Ε.,16873,587878 2,12729 1,884279 ΕΛΦΙΚΟ Α.Ε.Ε. 3,5486 3,6773 2,83776 2,188273 137

Εικόνα 11: Δομή νευρωνικού δικτύου 138

Εικόνα 12: Λήξη εκπαίδευσης νευρωνικού δικτύου 139

Για την καλύτερη ανάγνωση των αποτελεσμάτων πραγματοποιείται στρογγυλοποίηση στον πλησιέστερο ακέραιο. Πίνακας 32: Στρογγυλοποιημένα αποτελέσματα της μεθόδου των νευρωνικών δικτύων Όνομα Εταιρίας 4 Χρόνια 3 Χρόνια 2 Χρόνια 1 Χρόνο πριν πριν την πριν την πριν την την πτώχευση πτώχευση πτώχευση πτώχευση ΕΛΑΪΣ - UNILEVER Α.Ε. 3 2 2 3 COSMOTE - ΚΙΝΗΤΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Α.Ε. 4 3 2 ΠΟΥΛΙΑΔΗΣ & ΣΥΝΕΡΓΑΤΕΣ Α.Ε.Β.Ε. 4 3 2 ΝΕΟΧΗΜΙΚΗ ΑΝΩΝΥΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗ ΚΑΙ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΕΙΑ 4 3 2 1 KEGO Α.Ε. 4 4 3 2 UNISYSTEMS ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΚΗΣ A.E 4 3 3 2 GLOBAL Α.Ε.Ε.Χ. 4 3 2 2 EVEREST Α.Ε. 3 3 2 2 BLUE STAR ΝΑΥΤΙΛΙΑΚΗ Α.Ε. 3 3 2 2 ΤΕΡΝΑ Α.Ε. 4 3 3 2 ΑΛΛΑΤΙΝΗ Α.Β.Ε.Ε 4 3 2 1 ΕΛΛΑΤΕΞ ΣΥΝΘΕΤΙΚΕΣ ΙΝΕΣ Α.Ε. 2 2 2 1 Χ. ΡΟΚΑΣ ΑΒΕΕ 4 3 2 2 ΓΕΝΕΡ Α.Ε. 4 3 2 2 ΕΡΓΑΣ Α.Τ.Ε. 3 2 2 2 ΓΡΗΓΟΡΗΣ ΜΙΚΡΟΓΕΥΜΑΤΑ Α.Β.Ε.Ε. 3 3 3 2 MULTIRAMA Α.Ε.Β.Ε ΤΗΛΕΠΙΚΟΙΝ. & ΗΛΕΚΤΡΟΝ. ΥΛΙΚΟΥ 3 2 2 1 ΕΤΜΑ Α.Ε. ΤΕΧΝ. ΜΕΤΑΞΗΣ 2 2 2 1 ΙΜΑΚΟ ΜΗΝΤΙΑ Α.Ε. Μ.Μ.Ε. 2 2 2 1 RAINBOW A.E. 4 3 2 2 SINGULARLOGIC S.A. 3 3 2 2 14

Χ. ΜΠΕΝΡΟΥΜΠΗ & ΥΙΟΣ Α.Ε. 3 3 2 2 ΑΛΦΑ-ΒΗΤΑ ΒΑΣΙΛΟΠΟΥΛΟΣ A.E. 3 3 3 2 ΕΚΔΟΣΕΙΣ ΛΥΜΠΕΡΗ Α.Ε. 3 3 2 2 INFORMER Α.Ε. 4 3 3 2 ELMEC SPORT A.B.E.T.E 4 2 3 2 FOLLI - FOLLIE Α.Β.Ε.Ε. 4 2 2 2 VIVARTIA ΣΥΜΜΕΤΟΧΩΝ ΑΝΩΝΥΜΗ ΕΤΑΙΡΕΙΑ 2 3 2 HITECH SNT Α.Ε. 2 3 2 1 ΒΑΡΔΑΣ ΑΕΒΕΕ 4 4 2 2 ΔΙΑΣ Α.Ε.Ε.Χ. 4 3 2 2 VIVERE ENTERTAINMENT ΕΜΠΟΡΙΚΗ ΚΑΙ ΣΥΜΜΕΤΟΧΩΝ Α.Ε. 3 2 2 1 ΑΛΥΣΙΔΑ Α.Β.Ε.Ε. 3 3 2 2 CROWN HELLAS CAN A.E. 3 3 2 2 ELBISCO A.E ΣΥΜΜΕΤΟΧΩΝ -2 2 2 EUROLINE ΕΠΕΝΔΥΤΙΚΗ Α.Ε.Ε.Χ. 2 2 1 1 INTERFISH AE 2 2 2 INTERINVEST Δ.Ε.Α.Ε.Ε.Χ. 4 3 2 2 RILKEN ΒΙΟΜΗΧΑΝΙΑ ΚΑΛΛΥΝΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ Α.Ε. 1 2 2 ΕΛΦΙΚΟ Α.Ε.Ε. 4 4 3 2 141

Σχήμα 7: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας τέσσερα χρόνια πριν τη πτώχευση 4 χρόνια πριν την πτώχευση 5% % 17% 45% 33% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο Σχήμα 8: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας τρία χρόνια πριν τη πτώχευση 3 χρόνια πριν την πτώχευση % 2% 8% 3% 6% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο 142

Σχήμα 9: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας δύο χρόνια πριν τη πτώχευση 2 χρόνια πριν την πτώχευση % % 2% 2% 78% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο Σχήμα 1: Συγκεντρωτικά αποτελέσματα για τη πρόγνωση της εταιρικής αποτυχίας ένα χρόνο πριν τη πτώχευση 1 χρόνο πριν την πτώχευση 3% % 13% 22% 62% 1 χρόνο 2 χρόνα 3 χρόνα 4 χρόνα άλλο 143