Bakgrund: År 2014 var detaljhandelsbranschen den mest konkursutsatta med 2 % fler konkursföretag jämfört med året innan. Därför är det högst relevant att undersöka vilka verktyg som är mest tillförlitliga när det kommer till att skapa en stabil prognostisering av konkurser i detaljhandelsföretag. Syfte: Syftet med studien är att undersöka olika modeller för konkursprediktion för att se vilken av dessa som ger högst träffsäkerhet vad gäller förmågan att kunna förutse om svenska företag inom detaljhandelsbranschen kommer att gå i konkurs eller inte. Metod: Empiri som samlats in kommer primärt från undersökta företags årsredovisningar. De summor som därifrån samlats in har använts i formler för uträkning av nyckeltal som de olika modellerna kräver. Modellerna har tillämpats för att beräkna ett värde som säger om företagen kommer att gå i konkurs eller inte. Detta för att kunna analysera riktigheten i modellernas påståenden genom att jämföra resultaten med det verkliga utfallet. Teori: Den teoretiska referensramen består av en beskrivning av detaljhandelsbranschen, konkursteori, normativ och positiv redovisningsteori, konkurser i svenska aktiebolag, internationell redovisningsteori, tidigare forskning, neurala nätverk och big data. Resultat och slutsats: Den modell som utifrån denna studie har visat högst träffsäkerhet vad gäller förmågan att kunna förutse konkurser i svenska detaljhandelsföretag är Ohlsonmodellen och den modell som har visat högst träffsäkerhet vad gäller förmågan att kunna förutse om dessa kommer att förbli friska är Skogsvik-modellen.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:sh-28424 |
| Date | January 2015 |
| Creators | Åhlén, Katrin, Käller, Isabelle |
| Publisher | Södertörns högskola, Institutionen för samhällsvetenskaper, Södertörns högskola, Institutionen för samhällsvetenskaper |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.003 seconds