KREDITNO TVEGANJE IN FINANČNE OMEJITVE SLOVENSKIH PODJETIJ Polona Trefalt, študentka znanstvenega magisterija na Ekonomski poslovni fakulteti Maribor, Univerza v Mariboru prof. dr. Timotej Jagrič, CRM, redni profesor na Ekonomski poslovni fakulteti Maribor, Univerza v Mariboru JEL: G300, G210, G330, C230, C250 UDK 347.715(497.4) Povzetek Višja je verjetnost stečaja podjetja, bolj je podjetje finančno omejeno, njegova rast pa je nižja. Z uporabo objektivnega kazalnika dejanskega stečaja podjetij ugotavljamo kreditno tveganje slovenskih podjetij. Verjetnost stečaja je pojasnjena z individualnimi lastnostmi podjetja in makroekonomskimi spremenljivkami. Mikro podjetja imajo presenetljivo nižjo verjetnost stečaja kakor večja. Ker je kreditno tveganje tesno povezano s sposobnostjo podjetij, da pridobijo zunanje vire, proučujemo tudi finančne omejitve podjetij. Vpliv notranjih virov na rast podjetja se z dostopanjem do zunanjih virov financiranja zniža samo pri večjih, ne pa tudi pri mikro podjetjih. Tem pri zniževanju zunanje finančne omejenosti ne pomaga niti več premoženja, primernega za zastavo. Ključne besede: kreditno tveganje, verjetnost stečaja, finančne omejitve, rast podjetja, premoženje, primerno za zastavo, probit model slučajnih učinkov, dinamični panel Abstract The higher the probability of default, the more the company is financially constrained and the lower its growth. Using bankruptcy as an indicator for a company defaulting, we identify the credit risk for Slovenian companies. Default probabilities are explained by the idiosyncrasies of the company's characteristics, as well as by macroeconomic variables. Surprisingly micro firms have a lower probability of default in comparison to larger firms. Considering that credit risk is closely related to a company's ability to obtain external funds, we explore the financial constraints faced by companies. The impact of internal funds on a company's growth decreases with the access to external funds only for larger companies. On the other hand, the dependence of micro companies on internal funds is still present, even if they gain access to external financing or have sufficient collateral to be pledged in order to obtain external financing sources. Key words: Credit risk, Probability of default, Financial constraints, Company growth, Collateral, Random effects probit model, Dynamic panel 1 Literatura Za obvladovanje sistemskih tveganj je izjemnega pomena razumevanje kreditnega tveganja in finančne omejenosti podjetij. Dejavniki, ki so vplivali na razvoj tehnik merjenja kreditnega tveganja, so bili: strukturno povečanje števila stečajev, trend k disintermediaciji najbolj kakovostnih in največjih dolžnikov, konkurenčne posojilne marže, nihanja tržne vrednosti realnih sredstev in posledično premoženja v zavarovanju ter povečanje zunajbilančnih instrumentov (Altman in Saunders, 1998). Modele za ocenjevanje kreditnega tveganja lahko razdelimo v več skupin. V prvo skupino sodijo modeli, ki temeljijo na računovodskih podatkih, in vključujejo tudi druge, na primer makroekonomske, informacije. Začetek tovrstnih modelov je podal Altman (1968), v nadaljevanju pa so bili podprti z različnimi tehnikami modeliranja (Bernhardsen, 2001, Benito et al. 2004, Agarwal in Taffler, 2008). V drugo skupino sodijo modeli, ki vsebujejo tržne informacije s temeljem v Black in Sholes (1973) ter Merton (1974), in se uporabljajo predvsem za kotirajoča podjetja (Hao in Zhang, 2009). V tretjo skupino pa se uvrščajo modeli, ki proučujejo bonitetne ocene oziroma bančni portfelj (Bonfim, 2009, Feng et al. 2008). Vse skupine modelov imajo prednosti in pomanjkljivosti. Študijo na to temo sta opravila Agarwal in Taffler (2008), ki sta zaključila, da so modeli na podlagi računovodskih podatkov robustni in prinašajo kljub nekaterim kritikam pomembne ekonomske prednosti. Stečaji podjetij niso nenadni dogodek, so rezultat nakopičenega večletnega slabega poslovanja, ki se odraža v poslovnih izkazih. Hkrati pa so pogodbe za posojila večinoma odobrene na podlagi računovodskih informacij. Kreditno tveganje je močno prepleteno s finančno omejenostjo podjetij. Campello in Chen (2010) in Bernanke et al. (1996) ugotavljajo, da vodijo finančne omejitve v različne odzive podjetij na makroekonomske šoke. Finančno omejena podjetja so zaradi procikličnosti njihovih poslovnih modelov bolj tvegana. V času ekonomskih pretresov in znižanja kreditne aktivnosti imajo precej nižje prihodke in nižjo rast investicij kakor finančno neomejena podjetja. Za ocenjevanje finančne omejenosti podjetja sta pomembni meri velikost in starost podjetja (Bernanke et al. 1996, Gilchrist in Zakrajšek, 1995, Ratti et al. 2008). Majhna podjetja, ki so večinoma tudi mlajša, so pogosto manj pregledna, imajo manj premoženja, primernega za zastavo, in se soočajo z likvidnostnimi omejitvami za investicije (Gertler in Gilchrist, 1993 in Zambaldi et al. 2011). Tovrstna podjetja ne zbirajo kapitala prek borznega trga. Ponudbena stran jih z bančnega vidika zaradi višje premije in visokih zahtev glede premoženja, primernega za zastavo, odvrača od povpraševanja po kreditih (Han et al. 2009 in Brown et al. 2011). Ferrando in Griesshaber (2011) nadalje ugotavljata, da velikosti podjetja z višjo razvitostjo države ni več pomembna. Finančno omejena podjetja vkrizi načrtujejo višje znižanje investicij, tehnologije, oglaševanja in zaposlenosti v primerjavi s finančno neomejenimi podjetji. Višje izgube utrpijo podjetja, katerih financiranje je pretežno odvisno od bančnih linij. Ta podjetja izkusijo še višje znižanje tržne vrednosti, če je bančni sistem šibak (Campelo et al. 2010, Chava in Purnanandam, 2011). Kreditni krč nastane, kadar potencialni kreditojemalec izgubi dostop do kredita, tudi ko je zanj pripravljen plačati višjo ceno od prevladujoče na trgu (Zambaldi et al. 2011). V recesiji je rast podjetij nižja tudi zaradi pomanjkanja možnosti investiranja (Hovakimian, 2011). Proučevanje finančnih omejitev se je začelo s Fazzari et al. (1988), ki presojajo finančne omejitve z vidika občutljivosti investicij na denarni tok. Podjetja z nižjim deležem izplačila dividend so bolj finančno omejena in imajo večjo odzivnost investicij na denarni tok. Tak pristop so z različnimi opredelitvami upoštevali Korajczyk in Levy (2003), Guariglia (2008), Colluzi et al. (2009), Almeida in Campello (2010), Hovakimian (2011). Pomemben izziv so sprožili avtorji, ki so poskusili najti druge mere za finančno omejenost rasti podjetja. Študije o pomanjkljivosti tradicionalnega pristopa so se začele z Ericksonom in Whitedom (2000). Nato je Sufi (2009) dokazal, da je odsotnost kreditnih linij bank bolj učinkovita, statistično značilna mera za zunanje finančne omejitve kot pristop investicijsko-denarnega toka. Agca in Mozumdar (2008) in Chen in Chen (2012) zagovarjajo, da je občutljivost investicij na denarni tok, predvsem po izbruhu krize, popolnoma izginila. Ker so podjetja še vedno finančno omejena, občutljivost investicij na denarni tok ne more biti dobra mera za finančne omejitve. Te ugotovitve je upošteval tudi Rahaman (2011), ki je z dinamičnim panelom pokazal, da notranji viri financiranja pomembno vplivajo na rast podjetja, vendar se njihov vpliv z dostopom do zunanjih virov financiranja zniža. Glavni namen tega članka je povezati kreditno tveganje slovenskih podjetij z njihovimi finančnimi omejitvami. Naša raziskava je v delu finančnih omejitev tudi nadaljevanje raziskave avtorjev Volk in Trefalt (2013). Pri tem smo del omenjene raziskave nadgradili s proučevanjem vpliva verjetnosti stečaja in obdobja krize na finančno omejenost podjetja. Na našem vzorcu se izkaže, da so mikro podjetja še bolj finančno omejena. Vpliv notranjih virov na rast podjetja se z dostopanjem do zunanjih virov financiranja namreč zniža samo pri večjih, ne pa tudi pri mikro podjetjih. Ocenjujemo, da navedene izboljšave skupaj s povezovanjem sistemskih dejavnikov nudijo boljši vpogled v težave slovenskih podjetij. Analiza, ki povezuje več vidikov, je kakovostna podlaga za razpravo in možne rešitve. Naslednje poglavje opisuje podatke za kreditno tveganje. Poglavje 3 predstavlja uporabljene tehnike modeliranja, poglavje 4 rezultate ocenjenega modela za kreditno tveganje skupaj z njihovo uporabo v delu finančnih omejitev. Poglavji 5 in 6 opisujeta podatke in rezultate na področju finančnih omejitev rasti podjetij, ločeno glede na velikost podjetja. V poglavju 7 so podane zaključne ugotovitve. 2 Podatki za ocenjevanje modela kreditnega tveganja Vzorec temelji na računovodskih izkazih podjetij iz zbirke podatkov Agencije Republike Slovenije za javnopravne evidence in storitve (AJPES). Uporabljeni so letni podatki bilance stanja in izkaza poslovnega izida podjetij, samostojni podjetniki so izključeni. Za kreditno tveganje so izključena tudi podjetja, ki so poslovala manj kakor dve leti. Vzorec zajema 329.133 opazovanj za 55.411 različnih podjetij od leta 2004 do 2011. Opazovanje skoraj celotne populacije in sedemletno obdobje omogočata opazovanje verjetnosti stečaja za povprečni poslovni cikel. Po opredelitvi za to raziskavo je podjetje i v stečaju, ko je njegovo poslovanje v težavah in preide v prisilno poravnavo ali stečaj. Kreditno tveganje ocenjujemo z uporabo objektivnega kazalnika dejanskega stečaja podjetij, ki je pridobljen iz zbirke Bonitetne hiše i, d. o. o. Bilance podjetij, ki preidejo v stečaj v času t+1, so vključene v model do trenutka t. Stečaj podjetja v letu t+1 je pripisan k bilančnim podatkom v letu t. V Sloveniji je veliko mikro podjetij. Za mikro podjetje je uporabljena opredelitev, po kateri morata biti izpolnjena dva od treh pogojev: (1) bilančna vsota mora biti pod 50 tisoč EUR, (2) prihodki od prodaje morajo biti pod 50 tisoč EUR, (3) povprečno število zaposlenih glede na število opravljenih ur ne sme preseči 6. Mikro podjetja pomenijo četrtino vseh podjetij v vzorcu. Enak delež jih je med tistimi, ki ne gredo v stečaj, medtem ko jih je v stečaju 13 %. Nižji delež mikro podjetij v stečaju je lahko Tabela 1: Opisne statistike podjetij, vključenih v vzorec za modeliranje kreditnega tveganja Povprečje - aktivna podjetja Povprečje podjetja v stečaju t-Ratio (Welch test) Razlika = povprečje (aktivna) povprečje (stečaja) Ha: Razlika ni 0 Vključitev v model (da/ne) Bilančna vsota (v 1000 EUR) 2.192 3.210 1,89 -1018,30 0,06 ne Mikro podjetje 0,25 0,13 17,84 0,12 0,00 da Prihodki od prodaje (v 1000 EUR) 1.589 1.596 -0,03 -7,10 0,98 ne Starost (v letih) 11,01 11,01 0,01 0,00 0,99 da Pospešeni kazalnik 2,88 0,82 8,83 2,06 0,00 da Koeficient obračanja sredstev 1,49 1,09 5,05 0,32 0,00 da Denarni tok -0,24 -10,50 1,85 10,25 0,07 da Premoženje primerno za zastavo 0,28 0,20 13,02 0,08 0,00 da Delež dolga v obveznostih do virov sredstev 0,94 10,49 -9,55 -2,20 0,03 da Delež kapitala v obveznostih do virov sredstev 0,04 -9,55 9,59 2,21 0,03 ne Pokritost odplačevanja obresti 7,84 -20,83 8,34 28,67 0,00 ne Vir: AJPES, Bonitetna hiša i, d. o. o, lastni preračuni. tudi zaradi administrativnih stroškov postopkov stečaja (Bernhardsen, 2001), saj lahko presegajo likvidacijsko vrednost podjetja. S tem so kreditodajalci manj motivirani za začetek stečajnih postopkov. Razlika v starosti med aktivnimi podjetji in podjetji v stečaju v povprečju ni izrazita, nekoliko višja je pri opazovanju mediane. Bilančna vsota in prihodki od prodaje kot merili za velikost podjetja izkazujeta, da so v povprečju v stečaju nekoliko večja podjetja. Na splošno velja, da imajo večja podjetja nižjo verjetnost stečaja, vendar z upoštevanjem finančnega položaja podjetja velikost podjetja izgubi pomembnost (Bonfim, 2009). Po izbruhu krize so v Sloveniji v stečaj prešla predvsem večja podjetja, še posebej v gradbeni dejavnosti. Znižanje investicij gradbeništva, ki je imelo pred krizo eno najvišjih dodanih vrednosti v BDP-ju med državami evrskega območja, je močno vplivalo na krčenje gospodarstva. Prej prevrednoteno premoženje se je z nelikvidnostjo trga nepremičnin, znižanjem cen in vse večjo negotovostjo odrazilo tudi v nižjem vrednotenju stečajne mase, ki pogosto ni zadostovala za poplačilo obveznosti. Propad večjih podjetij je bil presenetljivo značilen tudi v necikličnih dejavnostih, kakor sta trgovina ter informacije in telekomunikacije. Kakor pričakovano, imajo podjetja v stečaju v povprečju višji finančni vzvod, nižji denarni tok, nižjo likvidnost in nižjo učinkovitost poslovanja. Slovenska podjetja so se v času visoke kreditne rasti pred krizo močno zadolžila, podobno ugotavljajo Coricelli et al. (2011) za srednje in vzhodnoevropske države. Finančni vzvod je v povprečju več kakor ena, kar pomeni, da imajo slovenska podjetja v povprečju negativen kapital. Do tega pride zaradi ekstremne zadolženosti zadnjega percentila, kjer je dolg kar 7,7-krat višji od sredstev. Ob njegovi izločitvi se povprečje zelo približa srednji vrednosti. Učinkovitost poslovanja je merjena s kazalnikom, ki pove, koliko enot prihodkov ustvari podjetje na enoto sredstev. Vendar pretirana prodaja glede na sredstva lahko pomeni višje kreditno tveganje zaradi nezadostnih sredstev (Altman, 1968). Najvišja koncentracija tovrstnih bankrotiranih podjetij je v trgovinski in predelovalni dejavnosti. Pokritost plačila obresti z operativnim dobičkom pa izkazuje nižjo solventnost podjetij v stečaju, ki v povprečju ne zmorejo poravnavati finančnih obveznosti iz rednega poslovanja. Podjetja v stečaju imajo v povprečju manj premoženja, primernega za zastavo. Podobno dobimo, če v premoženje vključimo še dolgoročne finančne naložbe v delnice, ki so bile pred krizo pomemben vir zavarovanja kreditov pri slovenskih bankah. Mednarodni računovodski standardi predpisujejo vrednotenje tovrstnih zavarovanj po tržni vrednosti. Ta se je ob izbruhu krize zaradi predhodnega prevrednotenja drastično znižala. Banke imajo otežena poplačila za terjatve do podjetij v stečaju. V bilancah podjetij pa ostajajo visoki dolgovi na eni strani in nižja vrednost sredstev na drugi strani, kar otežuje njihovo potrebno razdolževanje. V tabeli 1 je poleg povprečij finančnih kazalnikov in kontrolnih spremenljivk za starost in velikost predstavljen tudi Welch t test. Ta upošteva različno varianco med vzorci in primerja, kako se razlikujeta povprečji dveh vzorcev. Za večino spremenljivk, ki so vključene v model, se povprečje statistično ločuje med skupinama. Izjemi sta starost in denarni tok, ki pa sta v literaturi pokazana kot pomembna dejavnika kreditnega tveganja in se tudi v našem primeru v kombinaciji z drugimi spremenljivkami v modelu izkažeta kot statistično značilni spremenljivki. Slika T: Delež podjetij v stečaju, stopnja rasti kreditov, investicij in BDP (v odstotkih) 50% 40% 30% 20% 10% 0% -10% -20% -30% -40% — St. rasti BDP • St. rasti investicij - St. rasti kreditov------------— — Delež podjetij v stečaju -število (desno)_ — Delež podjetij v stečaju -sredstva (desno) 2003 2004 2005 2006 2007 2008 2009 2010 2011 2,5% 2,0% 1,5% 1,0% 0,5% 0,0% -0,5% -1,0% -1,5% -2,0% Vir: AJPES, BS, SURS, lastni preračuni. Na verjetnost stečaja vplivajo tudi makroekonomske spremenljivke, ki pojasnjujejo premik povprečne verjetnosti stečaja v času (Jacobson et al. 2011). Slika 1 prikazuje trend gibanja stopenj rasti kreditov, BDP-ja in investicij, ki je izrazito proticikličen glede na delež stečajev. Vpliv poslovnega cikla na kreditno tveganje je precej večji, če je kakovost bančnih naložb slaba (Marcucci in Quagliariello, 2009). V skladu s teorijo (Carling et al. 2007 in Bonfim, 2009) je večina kreditnega tveganja ustvarjenega z ohlapnimi kreditnimi standardi v času visoke kreditne rasti. Z njimi banke pritegnejo tudi bolj tvegane posojilojemalce. Ko gospodarstvo zaide v recesijo, se to tveganje realizira. Banke se želijo izogniti prevelikim izgubam, zato naj bi imela večja podjetja več možnosti za revolving. Vendar po drugi strani, dlje ko je podjetje tvegano, višja je verjetnost njegovega stečaja. V recesiji, ki nastane zaradi monetarne kontrakcije, je zadolženost pri velikih podjetjih težje obvladljiva, medtem ko se breme dolga za majhna podjetja bistveno ne spremeni (Murray in Goyal, 2009). Podobno kakor stečaji podjetij je tudi stopnja poplačila tesno povezana s poslovnimi cikli (Bruche in Gonzalez-Aguado, 2010). Večji delež podjetij v stečaju v času recesije zaradi nizke stopnje poplačila dodatno povečuje sistemsko tveganje. 3 Empirični model Pri kreditnem tveganju gre za diskretne spremenljivke. Odvisna spremenljivka lahko doseže vrednost 1 z verjetnostjo p in vrednost 0 z verjetnostjo (1-p). Z modelom ugotovimo, kolikšna je verjetnost, da bo podjetje prešlo v stečaj. Ocenjena verjetnost linearnih modelov je lahko izven intervala [0,1]. Prav tako je prisotna neposredna heteroskedastičnost, saj ima ostanek visoko nenormalno distribucijo. Problem rešimo z uporabo binarnih diskretnih modelov (Verbeek, 2004). Na splošno je verjetnost, da odvisna spremenljivka zavzame vrednost 1, odvisna od vektorja ki vsebuje individualne značilnosti posameznika ter časovno spremenljive učinke zt, kakor so na primer časovne slamnate spremenljivke in makroekonomske spremenljivke. Spremenljivke, značilne za posamezno podjetje, ločijo podjetja po tveganosti, medtem ko časovni učinki premikajo povprečno verjetnost stečaja. Ocenjena verjetnost je enaka P {y,t = 1| , } = F (x,t, Zt ßß pri čemer je F(.) kumulativno porazdelitvena funkcija, ki pretvori linearno latentno spremenljivko v porazdelitev na intervalu med 0 in 1 (Verbeek, 2004 in Wooldridge, 2001). Najpogosteje uporabljeni funkciji sta standardna normalna porazdelitvena funkcija ®(.), ki je podlaga za probit model F (w) = 0(w) = 1 V2 n rCXp - 11 ^ ^ dt 2 in logistična funkcija ki je podlaga za logit model w F (w) = L(w) = " 1 + Ocenjeni koeficienti niso enaki in tudi niso neposredno primerljivi, vendar so izračunane verjetnosti zelo podobne. Funkciji se razlikujeta v tem, da ima logistična distribucija nekoliko močnejšo koncentracijo enot na repih porazdelitve. Model fiksnih učinkov upošteva samo variacijo posameznika v času, zato izgubimo enote, ki so bile celotno obdobje v 0 ali 1. V skladu z literaturo tako uporabimo probit model slučajnih učinkov in zajamemo celotni vzorec, tako tista podjetja, ki so bila ves čas aktivna, kakor tista, ki so prešla v stečaj (Cameron in Trivedi, 2005). Pri linearnih regresijah je pokazatelj točnosti ocene modela determinacijski koeficient R2, ki je pri binarnih modelih ne moremo oceniti oziroma lahko izračunamo samo njen približek. V nasprotju z linearnimi regresijami pri tem ni enovitega merila kakovosti ocene modela, obstaja pa več presoj razločevanja moči modelov. Mere, ki jih uporabljamo pri ugotavljanju uspešnosti modelov, so krivulja ROC, Brierjeva mera, Pseudo R2 in test razmerja verjetja, ki primerja različne ocenjene modele (BIS, 2005 in Medema et al. 2009). V delu finančnih omejitev uporabimo dinamičnih panel. Vpliv učinkov je ocenjen v času t in se ne prenaša v različna časovna obdobja. Proučujemo, kako rast podjetja v času t-1 vpliva na rast podjetja v času t. Splošno enačbo dinamičnega panela lahko zapišemo kot y,t = a y,t-i + X \t ß+ n. + ki poleg vektorja spremenljivk na ravni podjetja in vektorja parametrov, ki jih ocenjujemo ß, neopazovanih individualnih značilnosti podjetja n,, vključuje tudi odloženo vrednost odvisne spremenljivke ter njen parameter a. Velja splošna predpostavka, da individualni učinki n. ne smejo biti korelirani z ostankom et (Baltagi, 2005). t Ocena dinamičnega panela vodi v več ekonometričnih problemov. Cenilka OLS je nekonsistentna zaradi korelacije med preteklo vrednostjo odvisne spremenljivke in individualnimi učinki n.. Problem endogenosti ostane tudi s cenilkama slučajnih in fiksnih učinkov (Cameron in Triverdi, 2005). Transformacija z odštetjem prvega odloga Vit - Vit-, = a (yt-,-y,J +ß +^.t-1)eliminira iz modela individualne učinke n, vendar pa povzroči korelacijo med odvisno spremenljivko v odlogu (yif^-y,,^^ in ostankom (e.^ - e.^ ^). Ker se vse pretekle vrednosti ostankov ne pojavijo v vseh Ae.^, lahko ta problem rešimo z instrumentalnimi spremenljivkami. Anderson in Hsiao (1981) sta predlagala, da se kot instrument za (y uporabi y.^,, ker ni koreliran z (e^ - e.^^), ob predpostavki, da je et v času nekoreliran, hkrati pa je močno koreliran z (y^^-y,,,,). Bolj učinkovita je uporaba instrumentalnih spremenljivk z dodajanjem več odlogov odvisne spremenljivke (Roodman, 2006). Arellano in Bond (1991) sta izpeljala konsistentno cenilko na podlagi posplošene metode momentov, ki uporablja nivoje instrumentov v odlogu (y^, y.2,^y Blundell in Bond (1998) sta nato ugotovila, da lahko postanejo odloženi nivojski instrumenti prešibki za regresijsko enačbo v diferencah, ko postane avtoregresivni proces preveč vztrajen, ali ko postane prevelik kvocient variance individualnih značilnostih podjetja n, in variance ostanka e.t. To lahko povzroča pristranskost ocenjevalnih koeficientov. Zato sta s kombinacijo pogojnih momentov z odloženimi nivojskimi instrumenti za ocenjevanje regresijske enačbe v diferencah in pogojnih momentov, v katerih so odložene diference ustreznih instrumentov za ocenjevanje regresijske enačbe v nivojih, nadgradila pristop, opisan v Arellano in Bover (1995). To je tako imenovana sistemska cenilka posplošene metode momentov (ang. system GMM). Ena izmed več prednosti sistemske cenilke GMM je, da lahko zaradi dvostopenjskega pristopa vključuje tudi časovno nespremenljive regresorje, ki jih diferenčna cenilka GMM izloči (Roodman, 2006). Sistemska cenilka je z dodatnimi pogojnimi momenti primernejša za ocenjevanje finančnih omejitev podjetja. Razlog za to je, da omogoča vključitev časovno nespremenljivih regresorjev, kakor so na primer sektorske slamnate spremenljivke. Ker so odložena opazovanja v enačbah kot instrumenti in ne izrecno kot regresorji, je sistemska cenilka bolj robustna za neuravnotežene panele. Za boljšo zadostitev predpostavk, da ni koreliranosti in ideosinkratičnih motenj v ostankih, vključimo v model časovne slamnate spremenljivke (Roodman, 2006). Standardna variančno-kovariančna matrika dvostopenjske GMM cenilke parametrov je pristranska, asimptotične standardne napake so premajhne. Zato uporabimo popravljeno variančno-kovariančno matriko, kakor je predlagal Windmeijer (Bond, 2002). Pravilnost specifikacije modela preskusimo z ustreznostjo instrumentov s testom Hansen Sargen in avtokorelacijo v ostankih s testom Arellano in Bond (1991). Vse ocene modelov so opravljene s programom Stata 12. 4 Rezultati ocenjenega modela kreditnega tveganja Tabela 2 prikazuje rezultate panelnega probit modela slučajnih učinkov z različnimi pojasnjevalnimi spremenljivkami. Osnovni model 1 vključuje individualne podjetniške spremenljivke. Podjetniška učinkovitost kot koeficient obračanja sredstev z negativnim vplivom pomembno pojasni, da imajo bolj učinkovita podjetja nižjo verjetnost stečaja. Hitri kazalnik je pokazatelj likvidnosti, ki meri sposobnost podjetja, da za uporabo kratkoročnih sredstev brez zalog zagotovi denarne pritoke za poplačilo kratkoročnih obveznosti. Podjetja z visokimi likvidnostnimi omejitvami se soočajo s težjo poravnavo obveznosti in imajo višjo (ü "iT T3 O a JS > (ü C ■C o Ci CL o > 'iE