Problem: I dagens Sverige har det blivit tämligen enkelt att starta upp ett eget aktiebolag och till följd av detta har antalet konkurser ökat. Konkursprediktion med hjälp av finansiella nyckeltal är ett beforskat område och sträcker sig tillbaka till början av 1960-talet. Altmans Z- scoremodeller är de mest tillämpade modellerna att förutspå en konkurs. Problematiken är att Z-scoremodellerna inte genererar lika hög träffsäkerhet i Sverige då modellerna är konstruerade i USA som härstammar från en annan redovisningstradition och tillämpar ett annat regelverk. Syfte: Studiens syfte är att testa Altmans Z ́-scoremodell utifrån den kontinentala redovisningstraditionen på 2000-talet. Vidare är syftet att modifiera Z ́-scoremodellen genom att utveckla modellen i enlighet med svensk redovisning. Metod: Studien bygger på en kvantitativ metod med en deduktiv forskningsansats och utifrån ett positivistiskt perspektiv. Analysen utgår från Altmans Z ́-scoremodell och en multipel diskriminantanalys. Slutsats: Studien visar att de finansiella nyckeltalen kan förutspå en konkurs på ett tillförlitligt sätt med hjälp av studiens egenutvecklade modell ZPP-scoremodellen. Modellen har en träffsäkerhet på 88 procent ett år före konkurs på svenska tillverkande företag. Emellertid visar studien att Altmans Z ́-scoremodell inte är tillförlitlig utan måste modifieras i enlighet med svensk redovisning för att kunna erhålla en välfungerande och tillförlitlig modell. / Problem: Today in Sweden it has become equally easy to start up a private limited company and as a result of this, the number of bankruptcies increased. Bankruptcy prediction using financial ratios is a well-researched area and extends back to the early 1960s. The most used models are Altman's Z-scoremodels. The problem is that the Z-scoremodels do not generate as high precision in Sweden because the models are designed in the United States, which is originating from a different accounting tradition and applies a different set of regulations.Purpose: The study aims to test the Altman Z'-score model on the continental accounting tradition in the 2000s. Furthermore, it intends to modify the Z'-score model by developing the model in accordance with Swedish accounting.Method: This paper is based on a quantitative method with a deductive research approach and from a positivistic perspective. The analysis is based on the Altman Z' –scoremodel and multiple discriminant analysis.Conclusion: This paper shows that financial ratios can predict a bankruptcy reliably using the papers developed model ZPP -scoremodel. The model has a precision of 88 percent a year before the bankruptcy of Swedish manufacturing companies. However, the paper shows that Altman Z' -scoremodel is not reliable without being modified in accordance with Swedish accounting in order to obtain an efficient and reliable model.

Bakgrund: Varje år går många företag i konkurs och detta innebär stora kostnader på kort sikt. Kreditgivare, ägare, investerare, borgenärer, företagsledning, anställda samt samhället är de som i störst utsträckning drabbas av detta. För att kunna bedöma ett företags ekonomiska hälsa är det därför en viktig del att kunna prognostisera risken för en konkurs. Till hjälp har vi olika konkursmodeller som har utvecklats sedan början av 1960-talet och fram till idag. Syfte: Att undersöka tre internationella konkursmodeller för att se om dessa kan tillämpas på svenska företag samt jämföra träffsäkerheten från vår studie med konkursmodellernas originalstudier. Metod: Undersökningen är baserad på en kvantitativ forskningsstrategi med en deduktiv ansats. Urvalet grundas på företag som gick i konkurs år 2014. Till detta kommer också en kontrollgrupp bestående av lika stor andel friska företag att undersökas. Det slumpmässiga urvalet kom att bestå av 30 konkursföretag samt 30 friska företag från tillverknings- och industribranschen. Teori: I denna studie undersöks tre konkursmodeller; Altman, Fulmer och Springate. Dessa modeller och tidigare forskning presenteras utförligare i teoriavsnittet. Dessutom beskrivs under teoriavsnittet några nyckeltal som är relevanta vid konkursprediktion. Resultat och slutsats: Modellerna är inte tillämpbara på svenska företag då resultaten från vår studie inte visar tillräcklig träffsäkerhet och är därför måste betecknas som otillförlitliga. / Background: Each year many companies go bankrupt and it is associated with significant costs in the short term. Creditors, owners, investors, management, employees and society are those that gets most affected by the bankruptcy. To be able to estimate a company’s financial health it is important to be able to predict the risk of a bankruptcy. To help, we have different bankruptcy prediction models that have been developed through time, since the 1960s until today, year 2015. Purpose: To examine three international bankruptcy prediction models to see if they are  applicable to Swedish business and also compare the accuracy from our study with each bankruptcy prediction models original study. Method: The study was based on a quantitative research strategy and also a deductive research approach. The selection was based on companies that went bankrupt in year 2014. Added to this is a control group consisting of healthy companies that will also be examined. Finally, the random sample consisted of 30 bankrupt companies and 30 healthy companies that belong to the manufacturing and industrial sectors. Theory: In this study three bankruptcy prediction models are examined; Altman, Fulmer and Springate. These models and also previous research in bankruptcy prediction are further described in the theory section. In addition some financial ratios that are relevant in bankruptcy prediction are also described. Result and conclusion: The models are not applicable in the Swedish companies.  The results of this study have not showed sufficient accuracy and they can therefore be regarded as unreliable.

The Master's Thesis analyzes in detail the company STUDENT AGENCY, k.s.. This thesis includes a financial analysis of the years 2008 - 2012, followed by a strategical analysis of STUDENT AGENCY'S current operations. All the gained information is synthesized with the SWOT analysis that creates the base for the author's recommendations regarding the business strategy. The Master's Thesis consists of the introduction, the theoretical section, the practical section and the conclusion. In the introduction the basic facts are explained and the motives for writing this thesis are described. The used methodology is described in the theoretical section and then applied on the company in the practical section. In the closure the summary of the findings is made.

Varje år går tusentals företag i konkurs, vilket innebär förluster för samhället i stort och för de intressenter som på något sätt kan förknippas till företaget. För banken som lånar ut krediter till företag som går i konkurs innebär det kreditförluster om det inte finns säkerheter som täcker lånet. Därför är behovet av tidiga varningssignaler av stor betydelse för intressenter. Syftet med detta arbete är att teoretiskt analysera och empiriskt pröva varningssignaler för konkurser samt förklara signaler om förestående konkurs i kreditbedömning. Studiens resultat visar att risker för konkurser kan upptäckas med hjälp av finansiella och icke-finansiella nyckeltal. Resultatet i denna studie visar att återbetalningsförmåga, vilket består av soliditet och likviditet är den viktigaste varningssignaler bland de finansiella nyckeltalen. Revisionsanmärkningar, bankens egna mätinstrument, erfarenhet och VD:ns ålder är de viktigaste varningssignalerna bland de icke-finansiella nyckeltalen. Resultatet visar även att dessa varningssignaler blir starkare desto närmare konkurs företaget är. / Every year thousands of firms file for bankruptcy, creating considerable loses for the society and stakeholders associated with the firm. A bankruptcy by a firm, that a bank have loaned money to, can also affect the bank considerably if there are not assets enough to cover the outstanding debt. Considering the negative consequences of a bankruptcy it is of paramount interest to be able to spot early warning signals. The study shows that bankruptcy risks can be detected with the help of the firm´s financial and non-financial key assessment indicators.  The purpose of this paper is to theoretically and empirically study warning signals of bankruptcies, in order to identify and explain the signals in the credit assessments before occurrence of the bankruptcy.  The result of this study shows that the refund assessment consisting of solidity and liquidity are the most important warning signals among the financial key assessment indicators. Remarks, the bank´s own measuring instrument, experience, and the CEO´s age are the most important warning signals among non-financial key assessment indicators. Additionally, results show that the warning signals become stronger the closer the company proceeds towards bankruptcy.

The thesis deals with the recognition of the financial situation of „Hospodářské obchodní družstvo Jabloňov-Ruda“ in years 2012 – 2016. The first part of the thesis contains theoretic findings that are subsequently applied at the evaluation of the financial health of the analysed organization during the application of chosen methods of the strategic and financial analysis.On the basis of the total recognition of the financial situation of the agricultural co-operative, actions leading to improvements of an exist status are brought in.

This diploma thesis is focused on the evaluation of the efficiency of selected bankruptcy models in the Czech Republic. In the theoretical part the basic terminology and methodology of bankruptcy models creation are introduced. In addition are mentioned, model constraints, an overview of the indicators used, and information about model accuracy. This part also presents analyzed models and methods of assessing the reliability of bankruptcy models. In the practical part, the reliability of selected bankruptcy models is evaluated and a new bankruptcy model is built.

The aim of this diploma thesis is assessment of competitiveness in construction company with help of tools and methods of financial analysis. In the first part are defined theoretical terms related to examined problem, while attention is focused on terms construction company, competitiveness and financial analysis. In practical part are applied methods of financial analysis which are used to assess efficiency of the company. Achieved results are compared with the most important competitors on the market and also with branch. To comparing was used benchmarking diagnostic system of Ministry of Industry and Trade of the Czech Republic. As an output of this thesis are recommended tools for continuous assessment of competitiveness.

The Master’s thesis focuses on the evaluation of financial situation in selected company during the years 2011 – 2015. The first part of the thesis contains theoretical framework which is subsequently applied in evaluating the financial health of the company using suitable methods of the strategic and financial analysis. The next part consists of proposals to company’s improvement based on the overall assessment of the financial situation of the company.

Research question: Three models, Z``-score, O-score and Skogsvik HCA model, will be used in this study to examine Swedish companies who has gone bankrupt over the last decade within the manufacturing and retail branches. The study will examine how these models stand against each other when it comes to predict bankruptcy within these two branches one and two years in advance. Purpose: The purpose with this study is to examine these three models that are used for bankruptcy prediction and to get an understanding of why the accuracy differs between the models when it comes to predicting bankruptcy within the manufacturing and retail branches. Method: The study is based on a quantitative method with a deductive research approach to examine the accuracy of the three models when it comes to one and two years before bankruptcy. Conclusion: The study shows that Skogsvik’s model is the most accurate when it comes to predicting bankruptcy within the manufacturing and retail branches. / Problemställning: Tre modeller, Z``-scoremodellen, O-scoremodellen och skogsviks HCA modell, kommer att användas i vår studie för att undersöka svenska aktiebolag som gått i konkurs det senaste decenniet inom tillverkningsbranschen och detaljhandelsbranschen. Studien kommer undersöka hur dessa tre modeller står sig mot varandra när det kommer till att förutspå konkurser inom tillverknings- och detaljhandelsbranschen under en prediktionstid på både ett och två år i förväg. Syfte: Syftet med uppsatsen är att undersöka tre olika modeller som används för konkursprediktion och få en förståelse varför träffsäkerheten skiljer sig mellan de olika modellerna när det gäller att förutse konkurs inom tillverkningsbranschen och detaljhandelsbranschen. Metod: Studien bygger på en kvantitativ metod med en deduktiv ansats för att undersöka hur stor träffsäkerhet som redan befintliga modeller har vid förutsägelser av framtida konkurser på upp till två år. Slutsats: Studien visar att Skogsviks modell är den som är mest träffsäker när det gäller att förutse konkurser inom tillverknings- och detaljhandelsbranschen.

Bankruptcy prediction is an important research topic. The cost of incorrect decision making in companies and financial institutions can be great and could affect large parts of society. But while it is indeed a major research area, there are few studies which consider the effects of feature selection. This is an important step that could improve the performance of bankruptcy prediction models. This thesis therefore aims to find which feature selection methods perform best for bankruptcy prediction. Five feature selection methods will be compared and used to create datasets with fewer redundant features. To test these methods, a LSTM model is used to train on both an unaltered dataset and datasets created by the mentioned models. The predictive performance of these are then compared with the metrics AUC, Type I error, and Type II error. This study finds that the forward selection algorithm from the Stepwise regression method performed best with an increase in AUC score and decrease in both Type I and Type II error rates compared to the model trained on the unaltered dataset.