Ikke-finansiell informasjon for predikering av konkurs

Abstract

Formålet med denne masteravhandlingen er å undersøke hvordan ikke-finansiell informasjon kan brukes for å predikere konkurs hos selskaper. Dette gjør vi ved å konstruere åtte ulike modeller for konkursprediksjon med variabler fra ikke-finansiell informasjon, og vurderer disse utover allerede etablerte modeller med finansielle variabler fra eksisterende litteratur. Dette gir mulighet til å undersøke merverdien de ikke-finansielle variablene skaper for konkursprediksjonsmodeller, samt hvilke ikke-finansielle variabler og kategorier som har størst betydning for prediksjonsevnen.

Våre analyser utføres på et helt nytt og unikt datasett som vi har satt sammen av ukonsoliderte årsregnskaper fra norske aksjeselskaper mellom 2006 og 2020, samt ikke-finansiell informasjon om selskapenes styre, ledelse og aksjonærer. Tidligere studier innen konkursprediksjon fokuserer i stor grad på store og børsnoterte selskaper til tross for at små og mellomstore selskaper (SMB) utgjør en sterk overvekt av verdiskapningen i privat sektor. For å utforske dette området videre avgrenser vi derfor vår studie til SMB.

Vi konkluderer med at inkludering av ikke-finansielle variabler fører til en forbedring av eksisterende konkursprediksjonsmodeller. Videre finner vi at studiens viktigste ikke-finansielle variabler for å predikere konkurs er hvorvidt daglig leder sitter i styret, gjennomsnittsalder på styrets medlemmer, samt alder på styrets leder. Samtlige av disse variablene faller inn under kategorien egenskaper ved lederskapet. Våre funn indikerer at ikke-finansielle variabler alene ikke er tilstrekkelig for å predikere konkurs, men at prediksjonsevnen til eksisterende modeller øker når allerede etablerte finansielle variabler kombineres med ikke-finansielle variabler.

The objective of this master's thesis is to investigate how non-financial information can be used to predict bankruptcy. We do this by constructing eight different models for bankruptcy prediction with variables based on non-financial information. These models are evaluated against benchmark models with variable sets of financial variables established in the existing literature. This provides an opportunity to examine the added value that non-financial variables provide for bankruptcy prediction models, as well as which non-financial variables and categories have the greatest impact on the predictive power.

Our analyzes are performed on a completely new and unique data set that we have compiled from unconsolidated annual accounts from Norwegian limited companies between 2006 and 2020, as well as non-financial information about the companies' boards, management and shareholders. The vast majority of previous studies of bankruptcy prediction focus on large and listed companies, despite that small and medium-sized companies (SMEs) account for a predominance of the value creation in the private sector. To explore this area further, we therefore limit our study to SMEs.

We conclude that the inclusion of non-financial variables leads to an improvement of existing bankruptcy prediction models. Furthermore, we find that the study's most important non-financial variables for predicting bankruptcy are whether the CEO is a member of the board, the average age of the board members, and the age of the board chairman. All of these variables fall into the category board structures. Our findings indicate that non-financial variables are not sufficient to predict bankruptcy on their own, but that they increase the predictive power of existing models when combined with established financial variables.