Ограничения в приложимостта на моделите за предсказване на фалит
Автор: Галя Тасева
Резюме
Проблемите, свързани с приложението на моделите за предсказване на фалит, са от широк спектър. Прегледът на литературата показва липсата на единна дефиниция за фалит. Съществуващото многообразие в дефинициите за фалит затруднява съпоставимостта на различните изследвания и изисква за коректно при приложението на моделите за предсказване на фалит в практиката да се отчита конкретната дефиниция за фалит, на която те са базирани. Подборът на фирмите при различните изследвания също е обект на множество критики. В литературата се поставя и въпросът за качеството на счетоводната информация. Дискусии има и по въпроса за това кои показатели трябва да участват в моделите. В много изследвания се доказва ползата от включване при анализа на риска от фалит и на информация от пазара, както и на нефинансова информация. Няма консенсус и по отношение на твърдението, че за повишаване на прогностичната способност на моделите би трябвало да се ползват данни за паричния поток на фирмите.
Limitations in the Applicability of Bankruptcy Prediction Models
The problems associated with the application of bankruptcy prediction models are of a wide range. A review of the literature shows the lack of a uniform definition of bankruptcy. The existing diversity in the definitions of bankruptcy complicates the comparability of the different studies, hence why it is considered appropriate to take the specific definition of bankruptcy that the bankruptcy prediction models are based on into account when applying them in practice. The selection of companies in the various studies has also been the subject of much criticism. The literature also raises the question of the quality of accounting information. There are also discussions about which indicators should be included in the models. Many studies have demonstrated the benefits of including market information as well as non-financial information in bankruptcy risk analysis. There is also no consensus on the statement that data on the cash flow of companies should be used to increase the predictive power of the models.