Research background: Bankruptcy prediction models are frequently used in research. However, an industry approach is not often carried out. Due to this, this study included trends observable between the number of bankruptcies and its prediction by models. Purpose: The aim of the paper is to verify if changes in the number of actual bankruptcy in individual industries are properly predicted by the models. Also, if analyzed models are providing consistent information according to the risk of bankruptcy between industries. Research methodology: The data were collected from the Orbis database and the Coface reports. The period included in the study is 2014–2019. 5 Polish bankruptcy prediction models were used: these by D. Hadasik, E. Mączyńska and M. Zawadzki, M. Pogodzińska and S. Sojak, D. Wierzba and the Poznan one. Results: The analyzed models do not properly predict changes in the number of bankruptcy in individual industries, however, 3 out of 5 correctly predicted the trend for the entire sample. Analyzed models often provide inconsistent information. Hence, it seems sensible to use more than a few models in any further analyzes. Novelty: In the literature of the subject, there are often carried out analyses focused on the effectiveness of bankruptcy prediction models regarding individual companies. This research is focused on the prediction of changes in the number of companies to be considered as at bankruptcy risk between industries, and also on comparing these models.

The aim of this paper is to verify if economic prosperity is related to the number of skyscrapers built and their average height. It was done by examining the dependencies between GDP growth rate, unemployment rate, the Gini coefficient and the skyscrapers variables mentioned. Research Design & Methods: In order to investigate the relationship between the number of completed skyscrapers, their average height, and year, a correlation was used. Linear regression was used to verify the relationship between macroeconomic variables and those relating to skyscrapers. The macroeconomic data were obtained from the World Bank, IMF, and WTO databases, and the data referring to skyscrapers -from Emporis.com. Findings: The time variable (year) was positively correlated with the analyzed variables linked to skyscrapers. The research showed a negative impact of the unemployment rate and a positive impact of the Gini coefficient, on the number of completed skyscrapers. Further, the economic growth was negatively and Gini coefficient values were positively related to the average height of skyscrapers. Implications & Recommendations: This study allows determining the periods in which an increased construction of skyscrapers could be expected. It may be useful for investors, global corporations or potential developers. Contribution & Value Added: The analysis provided empirical confirmation of the hypotheses about the positive correlation between the number and average height of skyscrapers and the degree of economic inequality. Also, the negative dependencies between the number of these structures and the unemployment rate and between the average height of completed skyscrapers and the GDP growth rates, based on the example of European countries, were found. Article type:research article

Cel: Celem artykułu jest zbadanie możliwości oceny kondycji finansowej klubów piłkarskich za pomocą metod stosowanych w analizie finansowej oraz modeli przewidujących zagrożenie upadłością. Metodyka badań: Badania składały się z trzech etapów: analizy wstępnej (nakreślenie ogólnego obrazu sytuacji finansowej klubów), analizy wskaźnikowej (pogłębienie oceny) oraz analizy dyskryminacyjnej (weryfikacja). Wyniki badań: Przeprowadzona analiza pozwoliła na sformułowanie oceny kondycji finansowej badanych jednostek łącznie ze wskazaniem podmiotów zagrożonych upadłością. Wnioski: Analiza finansowa opisuje sytuację polskich klubów piłkarskich w sposób wystarczający do sformułowania oceny ich kondycji finansowej i majątkowej.

<p><strong>Uzasadnienie teoretyczne</strong>: F-Score jest modelem opartym na metodzie skoringowej. Jego wysokie wartości wskazują na solidne fundamenty finansowe danej spółki oraz w uproszczony sposób pozwalają wyróżnić jednostki atrakcyjne pod kątem wyboru do portfela inwestycyjnego. Od czasu opublikowania pierwotnej wersji tego modelu przez Piotroskiego w 2000 roku przeprowadzono wiele badań weryfikujących jego skuteczność na różnych rynkach. W znakomitej większości przypadków ich wyniki wskazały na celowość stosowania tego modelu. Nieczęsto jednak brano w tym kontekście pod uwagę polską giełdę papierów wartościowych, w związku z czym wydaje się, że badanie takie może dostarczyć cennych informacji dla polskich inwestorów.</p><p><strong>Cel artykułu</strong>: Główną przesłanką podjęcia badań w zakresie oceny skuteczności modelu F-Score było istnienie niewielkiej liczby opracowań, które skupiają się na polskim rynku giełdowym w tym zakresie. Poza tym specyficzny dobór spółek reprezentujących dwie branże, na jaki się zdecydowano, może istotnie wpłynąć na wyniki takiego badania, dostarczając także informacji o skuteczności modelu F-Score w odniesieniu do wybranych sektorów gospodarczych. Wobec tego celem badania uczyniono weryfikację efektywności działania wskaźnika F-Score na przykładzie przedsiębiorstw z branży IT i gier wideo notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW).<strong></strong></p><p><strong>Metody badawcze</strong>: Głównymi metodami, jakimi posłużono się w ramach niniejszej analizy, są statystyki opisowe (średnia arytmetyczna, mediana, odchylenie standardowe, współczynnik zmienności). Użyto ich w celu analizy zróżnicowania wartości F-Score zarówno pomiędzy branżami, jak i w czasie, a także pod kątem oceny skuteczności tytułowego modelu (w postaci porównania stóp zwrotu z danymi finansowymi za rok poprzedni). Badanie przeprowadzono na podstawie danych finansowych spółek notowanych na Głównym Rynku GPW i NewConnect z branż gier wideo i IT. Analizą objęto okres 2017–2019.</p><p><strong>Główne wnioski</strong>: Na podstawie przeprowadzonego badania wysunięto następujące wnioski: 1) występuje zróżnicowanie wartości F-Score zarówno pomiędzy branżami gier wideo a IT, jak i w czasie; 2) wyższe wartości wskaźnika B/M nie wpływały na wyższe stopy zwrotu z akcji w kolejnym roku; 3) wyższe wartości modelu F-Score wpływały na wyższe przeciętne stopy zwrotu z akcji w kolejnym roku. Tym samym na podstawie spółek notowanych na GPW potwierdzono skuteczność modelu F-Score. Wskazano również na konieczność uwzględnienia zróżnicowania pod względem branż. Wnioski te mogą być użyteczne w procesie decyzyjnym dla inwestorów – spółki o wysokich wartościach F-Score jawią się jako atrakcyjne pod względem inwestycyjnym, mogące przynieść potencjalne zyski przewyższające benchmark.</p>

No abstract