<p><p>Tidigare forskning tyder på att det med relativt stor träffsäkerhet går att förutspå en finansiell kris för ett företag. Finansiell kris har man då definierat som konkurs och använt sig av finansiella nyckeltal för att räkna fram ett specifikt värde som i sig skulle indikera ifall ett bolag stod inför hög, medel eller låg risk för att försättas i konkurs.</p><p>I denna uppsats studeras nio bolag som avnoterats från Stockholmsbörsen på grund av konkurs under åren 1997 till 2008. Detta i syfte att testa om de tidigare vedertagna teorierna kring konkursprediktion även kan appliceras med framgång på bolag noterade på Stockholmsbörsen. Modellen som författarna använt sig av kallas Z-scoremodellen och är en modell innehållande fem viktade finansiella nyckeltal, framtagen av professor Edward I. Altman. Modellen genererar ett så kallat Z-värde som enligt teorin ska indikera ett företags finansiella tillstånd.</p><p>De nio undersökta konkursbolagen har i studien jämförts med åtta bolag (i studien kallade kontrollbolag) som under det senaste året istället ökat sitt värde på marknaden i form av ökad börskurs. Detta med syfte att kontrollera om dessa bolag får högre Z-värden än de undersökta konkursbolagen, såsom modellen påvisar.</p>Vår studie har visat att det finns tydliga tendenser som pekar på att modellen har betydande träffsäkerhet men att den inte i varje enskilt fall går att förlita sig på.</p>

Tidigare forskning tyder på att det med relativt stor träffsäkerhet går att förutspå en finansiell kris för ett företag. Finansiell kris har man då definierat som konkurs och använt sig av finansiella nyckeltal för att räkna fram ett specifikt värde som i sig skulle indikera ifall ett bolag stod inför hög, medel eller låg risk för att försättas i konkurs. I denna uppsats studeras nio bolag som avnoterats från Stockholmsbörsen på grund av konkurs under åren 1997 till 2008. Detta i syfte att testa om de tidigare vedertagna teorierna kring konkursprediktion även kan appliceras med framgång på bolag noterade på Stockholmsbörsen. Modellen som författarna använt sig av kallas Z-scoremodellen och är en modell innehållande fem viktade finansiella nyckeltal, framtagen av professor Edward I. Altman. Modellen genererar ett så kallat Z-värde som enligt teorin ska indikera ett företags finansiella tillstånd. De nio undersökta konkursbolagen har i studien jämförts med åtta bolag (i studien kallade kontrollbolag) som under det senaste året istället ökat sitt värde på marknaden i form av ökad börskurs. Detta med syfte att kontrollera om dessa bolag får högre Z-värden än de undersökta konkursbolagen, såsom modellen påvisar. Vår studie har visat att det finns tydliga tendenser som pekar på att modellen har betydande träffsäkerhet men att den inte i varje enskilt fall går att förlita sig på.

<p>To be able to protect themselves from credit risk, the banks must constantly check the performance of  the companies they have lent money to. There are many mathematical models for predicting financial distress. These models use accounting-based ratios, which often are historical and not representative for the present situation. This study describes how the banks do in practice to find signals of insolvency in time and the variables they are observing for doing that.</p><p>In addition to financial reports which the company sends in to the bank at least once a year, also the relationship between them and information from different information  agencies are of great importance to track  signals of insolvency. Poor profitability is the primary cause of insolvency. It is caused mainly because of bad business and leadership.  Eventually will  poor profitability lead  to consuming of equity capital and place the company in an illiquid situation. Then it may be difficult for the company to pay their bills and signals of insolvency become obvious and  the  banks start then to sharpen  their attention on the companies and intensify the follow-up works.</p><p>Another find-out  of the  study  is  that local factors which  are  contributing to failure are  the  large companies that are active  in the area. When they are in a bad situation, it affects the suppliers. The big difference between service and manufacturing companies  regarding insolvency  is  that service companies are more flexible regarding cutting down costs when bad times come.</p> / <p>För att undvika stora kreditförluster måste bankerna ständigt bevaka de företag som de har lånat pengar till och försöka förutse signaler om obestånd för dem. Det finns många matematiska modeller för  att förutse  konkursrisken. Problemet är dock att dessa modeller använder redovisningsbaserade data vilka oftast utgör  en historisk ögonblicksbild av den finansiella ställningen då de skrivs ner  och inte är representativa for den nuvarande situationen. Denna studie redogör för hur bankerna i praktiken gör för att identifiera  signaler om obestånd i tid och vilka variabler de tittar på för att göra det.</p><p>Förutom finansiella rapporter som företaget sänder in till banken minst en gång om året, har även relationen  parterna  emellan  och  information  från  olika upplysningsbyråer stor betydelse för att spåra signaler  om obestånd  i förväg. Dålig lönsamhet är den främsta orsaken till obestånd. Den  orsakas  främst av dåligt företagande och dålig ledarskap. Så småningom kommer dålig lönsamhet att  leda  till  att det egna kapitalet förbrukas och företaget hamnar i en illikvid situation. Då  kommer  företaget  få det  svårt att  betala  sina räkningar  och signalerna  för obestånd  börjar  dyka upp. Banken börjar då  skärpa uppmärksamheten och intensifiera uppföljningsarbetet.</p><p>Det kom också fram i undersökningen  att lokala faktorer som bidrar till obestånd är stora företag som är verksamma i området. När det börjar gå dåligt för dem påverkar det underleverantörer och inhyrda konsulter.  Den stora skillnaden mellan tjänste-  och tillverkningsföretag, vad gäller obeståndsrisken, ligger i att tjänsteföretag är mer flexibla angående nedskärning av kostnaderna när dåliga tider kommer.</p>

To be able to protect themselves from credit risk, the banks must constantly check the performance of  the companies they have lent money to. There are many mathematical models for predicting financial distress. These models use accounting-based ratios, which often are historical and not representative for the present situation. This study describes how the banks do in practice to find signals of insolvency in time and the variables they are observing for doing that. In addition to financial reports which the company sends in to the bank at least once a year, also the relationship between them and information from different information  agencies are of great importance to track  signals of insolvency. Poor profitability is the primary cause of insolvency. It is caused mainly because of bad business and leadership.  Eventually will  poor profitability lead  to consuming of equity capital and place the company in an illiquid situation. Then it may be difficult for the company to pay their bills and signals of insolvency become obvious and  the  banks start then to sharpen  their attention on the companies and intensify the follow-up works. Another find-out  of the  study  is  that local factors which  are  contributing to failure are  the  large companies that are active  in the area. When they are in a bad situation, it affects the suppliers. The big difference between service and manufacturing companies  regarding insolvency  is  that service companies are more flexible regarding cutting down costs when bad times come. / För att undvika stora kreditförluster måste bankerna ständigt bevaka de företag som de har lånat pengar till och försöka förutse signaler om obestånd för dem. Det finns många matematiska modeller för  att förutse  konkursrisken. Problemet är dock att dessa modeller använder redovisningsbaserade data vilka oftast utgör  en historisk ögonblicksbild av den finansiella ställningen då de skrivs ner  och inte är representativa for den nuvarande situationen. Denna studie redogör för hur bankerna i praktiken gör för att identifiera  signaler om obestånd i tid och vilka variabler de tittar på för att göra det. Förutom finansiella rapporter som företaget sänder in till banken minst en gång om året, har även relationen  parterna  emellan  och  information  från  olika upplysningsbyråer stor betydelse för att spåra signaler  om obestånd  i förväg. Dålig lönsamhet är den främsta orsaken till obestånd. Den  orsakas  främst av dåligt företagande och dålig ledarskap. Så småningom kommer dålig lönsamhet att  leda  till  att det egna kapitalet förbrukas och företaget hamnar i en illikvid situation. Då  kommer  företaget  få det  svårt att  betala  sina räkningar  och signalerna  för obestånd  börjar  dyka upp. Banken börjar då  skärpa uppmärksamheten och intensifiera uppföljningsarbetet. Det kom också fram i undersökningen  att lokala faktorer som bidrar till obestånd är stora företag som är verksamma i området. När det börjar gå dåligt för dem påverkar det underleverantörer och inhyrda konsulter.  Den stora skillnaden mellan tjänste-  och tillverkningsföretag, vad gäller obeståndsrisken, ligger i att tjänsteföretag är mer flexibla angående nedskärning av kostnaderna när dåliga tider kommer.