Myös teknologiayhtiöiden konkurssin ennustaminen onnistuu klassisten tunnuslukujen avulla

Tuoreessa tutkimuksessa esitetään näyttöä sille, että klassiset tilastolliset menetelmät ja taloudelliset tunnusluvut toimivat nykypäivänäkin konkurssin ennustamismalleissa myös teknologiayhtiöiden kohdalla, huolimatta toimialan ominaispiirteistä. Tekoälymallit kehittyvät ja niiden on osoitettu toimivan tarkasti konkurssin ennustamisessa, mutta niiden ohella on edelleen hyvä kehittää yksinkertaisempia tilastollisia menetelmiä yritysten riskienhallinnan tueksi.

Konkurssin ennustamismalleja on tutkittu vuosikymmeniä, ja nykypäivänäkin on vielä osin epäselvää, mitkä menetelmät ovat tarkimpia ja käyttökelpoisimpia. Aleksi Sintosen LUT-yliopistossa julkaistussa kandidaatintutkielmassa käsitellään teknologiayhtiöiden konkurssin ennustamista tilinpäätöstietoja ja logistista regressioanalyysia hyödyntäen. Tutkimus pyrki selvittämään, kuinka tarkasti pohjoismaisten teknologiayhtiöiden konkursseja voidaan ennustaa taloudellisten tunnuslukujen perusteella, sekä mitkä tunnusluvuista ennustavat parhaiten konkurssia.

Tutkielmassa käytettiin 746 yhtiöstä muodostettua tasapainotettua aineistoa, jonka avulla rakennettiin kaksi ennustemallia, joista ensimmäinen ennustaa konkurssia vuosi ennen ja toinen kaksi vuotta ennen mahdollista tapahtuma-ajankohtaa. Tutkielmassa ilmeni, että logistisella regressiomallilla teknologiayhtiöiden konkurssin ennustaminen on mahdollista vähintään tyydyttävällä tasolla. Testatuista muuttujista parhaiksi tilinpäätöstiedoista johdetuiksi tunnusluvuiksi todettiin yhtiön koko, velkaisuusaste, lyhytaikaisiin varoihin suhteutetut lyhytaikaiset velat sekä kokonaisvaroihin suhteutetut nettotulot.

Haasteeksi konkurssin ennustemallien kehittämisessä ilmeni pienen aineiston aiheuttamat estimointiongelmat, joten jatkossa konkurssin ennustemallien rakentamisessa tulisi saada aina koottua riittävän kattava aineisto. Finanssitutkimuksen saralla ei ole edelleenkään yksimielisyyttä sopivimmista ennustamismenetelmistä, joten tutkimusaiheita etenkin useiden rinnakkaisten metodien käytön ja selitettävien muuttujien monipuolisemman käytön osalta riittää tulevaisuudessakin.

Lisätietoja: Aleksi Sintonen, aleksi.sintonen@student.lut.fi

Kandidaatintutkielma: Predicting bankruptcy of Nordic technology companies with financial statements data. Linkki tutkimukseen: https://lutpub.lut.fi/handle/10024/164562