A vállalati likviditásmenedzsment számviteli támogatása (Accounting support for company’s liquidity management)

A cikk kiindulópontja, hogy a kettős könyvvitelt vezető vállalkozások által kötelezően elkészítendő éves pénzügyi kimutatások (számviteli beszámolók) olyan információbázist jelentenek, amelyek segítséget nyújthatnak egyrészről a vállalati likviditásmenedzsment támogatásához, másrészről a vállalkozások likviditási helyzetének megítéléséhez. A cikk első fele felvázolja a vállalkozások pénzügyi helyzetét bemutató adatok számviteli kereteit, bemutatja a likviditás fogalmának egyes értelmezéseit, majd részletesen kitér arra, hogy a likviditás utólagos vizsgálatához, illetve előrejelzéséhez milyen korrekciókat kell (lehet) végezni a számviteli beszámoló adatain. A cikk második fele az elemzés lehetséges módjait és eszközeit veszi számba, kitérve a statikus és dinamikus elemzés közötti különbségek bemutatására, az egyes mutatók számításának lehetséges módjaira és értelmezésükre, mindvégig szem előtt tartva az alkalmazás korlátait. ________ The study examines how information provided by accounting information systems could support companies’ liquidity management. The starting point is that compulsory financial statements prepared by economic entities embody an adequate information basis, which could help liquidity management as well as the judgement of liquidity. The first part of the study introduces the various interpretations of liquidity and gives a detailed description of the adjustments that need to be made on accounting data for an a posteriori examination of liquidity and to be able to forecast liquidity. The second part discusses the possible means and tools of analysis, including the differences between static and dynamic methods and the calculation and interpretation of the various ratios widely used by professionals. The conclusion is that there is no best-practice method or ratio, but rather a wide range of tools is to be used when one is willing to gain a complex and comprehensive insight about an entity’s liquidity.

Application of support vector machines on the basis of the first Hungarian bankruptcy model

In our study we rely on a data mining procedure known as support vector machine (SVM) on the database of the first Hungarian bankruptcy model. The models constructed are then contrasted with the results of earlier bankruptcy models with the use of classification accuracy and the area under the ROC curve. In using the SVM technique, in addition to conventional kernel functions, we also examine the possibilities of applying the ANOVA kernel function and take a detailed look at data preparation tasks recommended in using the SVM method (handling of outliers). The results of the models assembled suggest that a significant improvement of classification accuracy can be achieved on the database of the first Hungarian bankruptcy model when using the SVM method as opposed to neural networks.