Úvod do problematiky

Bankrotné modely predstavujú štatistické a matematické nástroje, ktoré umožňujú predpovedať finančný úpadok podnikov.
Ich cieľom je identifikovať varovné signály, ktoré naznačujú, že podnik môže mať v budúcnosti vážne finančné problémy alebo dokonca zbankrotovať.
Tieto modely vychádzajú z finančných ukazovateľov získaných z účtovných výkazov, ako sú súvaha, výkaz ziskov a strát či prehľad peňažných tokov.

V praxi sa používajú najmä dva typy modelov:
- bonitné modely, ktoré hodnotia dôveryhodnosť a finančné zdravie podniku,
- bankrotné modely, ktoré odhadujú pravdepodobnosť bankrotu.

Ich prínos spočíva v tom, že umožňujú manažérom a investorom reagovať včas a prijať opatrenia na stabilizáciu hospodárenia.
Napriek širokému využitiu však platí, že presnosť žiadneho modelu nie je stopercentná a výsledky je potrebné interpretovať s ohľadom na špecifiká odvetvia.

Abstrakt

Bakalárska práca sa zameriava na validáciu bankrotných modelov aplikovaných na podniky pôsobiace v sektore školstva a vzdelávania. Tento sektor je veľmi špecifický a doposiaľ sa mu venovalo iba minimum výskumov. Hlavným cieľom bolo zistiť, do akej miery sú univerzálne bankrotné modely použiteľné pre tento netradičný sektor a či dokážu dostatočne presne predpovedať finančný úpadok podnikov.

Metodika

Výskumná vzorka pozostávala z 2 631 podnikov patriacich do odvetvia vzdelávania (SK NACE 85). Do analýzy boli zahrnuté údaje z databázy FinStat, pričom sa skúmali finančné ukazovatele z rokov 2022 a 2023.

Na skúmanie bolo vybraných päť bankrotných modelov: - Altmanov Z-skóre
- Tafflerov model
- Springate model
- M-model
- Boďa–Úradníček model

Pre hodnotenie výsledkov bola použitá matica spoľahlivosti. Tá umožnila porovnať presnosť, citlivosť a špecificitu všetkých modelov. Následne sa vyhodnocovala vhodnosť modelov pre sektor školstva a vzdelávania.

Výsledky

Analýza ukázala, že medzi jednotlivými modelmi existujú významné rozdiely.
- Altmanov model sa ukázal ako najspoľahlivejší pre sektor školstva.
- M-model mal dobré výsledky, avšak slabšiu citlivosť.
- Tafflerov a Springate model boli použiteľné, ale nie úplne presné.
- Boďa–Úradníček model zlyhal vo všetkých parametroch a je nevhodný pre tento sektor.

Tabuľka výsledkov

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