Bankruptcy prediction models: an analysis for Portuguese SMEs

Abstract

This project intends to test the models developed by Altman (1983) and Ohlson (1980) and assess the predictive capacity of these models when applied to a dataset of Portuguese SMEs. This work is the result of a partnership with a Portuguese startup called nBanks, which dedicates its activity to providing financial services to its customers. In this sense, this project will allow nBanks to develop a new and innovative instrument that will allow its customers to access their probability or risk of default. The data were collected from the Amadeus database, for the period between 2011 and 2018. The dataset consists of 194,979 companies, of which 2,913 companies are in distress and the remaining 192,066 are healthy companies. From the application of the models, it was concluded that the O-score, using a cut-off of 3.8%, is better than the Z’’-Score as it is the model that minimizes the error of a company in distress being classified as a healthy company, although the Z’'-score presents the best overall accuracy. The O-score model is better than the Z’’-Score in forecasting financial distress when considering the group of companies in distress. It is also concluded that when the period up to 5 years before financial distress is analyzed, the accuracy of the models decreases as we move forward in the number of years. An analysis of the top 25% of the companies classified as distressed, based on the results of the O-score, showed that those companies are medium-sized companies, concentrated in the North of Portugal and the Wholesale trade sector, except for motor vehicles and motorcycles.

Este projeto pretende testar os modelos desenvolvidos por Altman (1983) e Ohlson (1980) e avaliar a capacidade preditiva desses modelos quando aplicados a um conjunto de dados de PMEs portuguesas. Este trabalho é resultado de uma parceria com uma startup portuguesa chamada nBanks, que dedica a sua atividade à prestação de serviços financeiros a seus clientes. Nesse sentido, este projeto permitirá que a nBanks desenvolva um instrumento novo e inovador que permitirá aos seus clientes acederem a informação sobre a sua probabilidade de falência ou risco de incumprimento. Os dados foram coletados na base de dados Amadeus, para o período entre 2011 e 2018. A amostra é composta por 194.979 empresas, das quais 2.913 empresas estão em dificuldade e as restantes 192.066 são empresas saudáveis. A partir da aplicação dos modelos, concluiu-se que o modelo O-score, utilizando um ponto crítico de 3,8%, é melhor que o modelo Z’’-score, pois é o modelo que minimiza o erro de uma empresa em dificuldade ser classificada como uma empresa saudável, embora o Z’’-score apresente, de um modo geral, melhor precisão. O modelo O-score é melhor que o modelo Z’’-score na previsão de dificuldade financeira ao considerar o grupo de empresas em dificuldades. Conclui-se também que, quando analisado o período de até 5 anos antes da dificuldade financeira, a precisão dos modelos diminui à medida que avançamos no número de anos. Uma análise do Top 25% das empresas classificadas em dificuldade, com base nos resultados do O-score, mostrou que essas empresas são médias empresas, concentradas no norte de Portugal e no setor de comércio grossista, exceto veículos automotores e motocicletas.