Predikce finanční výkonnosti podniku v plastikářském průmyslu

Abstract

Cílem diplomové práce je zhodnocení a predikce finanční výkonnosti podniku pomocí ekonomické přidané hodnoty na základě reálných sezónně očištěných dat. Predikce je provedena pro následující čtyři čtvrtletí pomocí simulace dílčích finančních ukazatelů metodou Monte Carlo. V teoretické části je popsána metodika predikce ukazatele ekonomická přidaná hodnota na sezónně očištěných datech. Nejprve je charakterizován ukazatel EVA a jeho možné koncepty výpočtu, které lze využít při hodnocení finanční výkonnosti podniku. Následně je popsán postup stanovení nákladů na kapitál, charakterizovány jsou stochastické procesy, dle nichž se jednotlivé ukazatele vyvíjejí, Choleského algoritmus a způsob dekompozice časové řady. V praktické části je zhodnocena finanční situace podniku nejen podle tradičních ukazatelů, ale také podle konceptu EVA. Stanoveny byly náklady kapitálu dle stavebnicové metody využívající Ministerstvo průmyslu a obchodu. Provedena byla dekompozice časové řady, pro niž byly pomocí regresní analýzy odhadnuty parametry modelu, které byly následně statisticky testovány. Predikovány byly dílčí ukazatele tvořící pyramidový rozklad ukazatele EVA. Z 5 000 vytvořených scénářů bylo zjištěno rozdělení pravděpodobnosti ukazatele EVA v daném čtvrtletí. Pro každé predikované čtvrtletí byla vypočtena střední hodnota ukazatele EVA, směrodatná odchylka, VaR 5% a VaR 10 %. Z výsledků bylo zjištěno, že ve všech predikovaných obdobích společnost vytváří přidanou hodnotu pro své akcionáře.

The aim of diploma thesis is prediction of the company financial performance by the Economic Value Added measure. The prediction based on real seasonal decomposed data is performed for four following quarters by using Monte Carlo simulation. In theoretical part of the paper is described a methology and decomposition of EVA measure according to the narrowed value spread. There is also described typology of stochastic process, simulation due to Cholesky algorithm and seasonal decomposition is presented as well. Practical part of the paper is focused on the company financial performance measured by tradional measures and modern measures such as EVA measure. Next part of the paper is devoted to the prediction of the company financial performance. First of all, there were calculated costs of equity by using methology which use Ministry of Industry and Trade of the Czech Republic. Consequently were calculated financial measures that make up the pyramid decomposition of EVA measure and the indicator EVA. In the time series of financial measures were very noticeable seasonal factors thus there was neccessary to do a seasonal decomposition. The seasonally decomposed time series were base for regression analysis which is used for obtaining model parameters. Those parameters were consequently stastically verified and were used for prediction of each financial measure. Generated were 5 000 scenarios of financial measure development in order to find out probability distribution of EVA measure in each quarter. In each predicted quarter were calculated the mean of EVA measure, standard deviation, Value at Risk (VaR) at 5 % and VaR at 10 %. The results shows that company is creating added value for shareholders in each quarter.