Mięso i analiza wielokryterialna

Naszymi bohaterami będą dziś cztery spółki mięsne z głównego parkietu warszawskiej GPW. Są to: Gobarto, Indykpol, Henryk Kania i Tarczyński. O firmach tych już pisaliśmy pod kątem ich rezultatów za pierwsze półrocze, ale posłużyliśmy się wówczas tylko jedną metodą wielokryterialną, mianowicie algorytmem ARAS. Zawsze jednak warto zweryfikować taki ranking, stosując inne metody. Tym zajmiemy się już za chwilę.

Interesują nas rezultaty badanych przedsiębiorstw za I - II kw. 2018 roku. W przypadku trzech biznesów mowa jest o danych skonsolidowanych, tylko Henryk Kania występuje jako jednostka, bo nie publikuje raportów grupowych.

Badamy  9 wskaźników:

1) rentowność operacyjna: zysk operacyjny / przychody

2) rentowność netto: zysk netto / przychody

3) płynność bieżąca: aktywa obrotowe / zobowiązania krótkoterminowe

4) zadłużenie ogólne: zobowiązania / suma bilansowa

5) wypłacalność natychmiastowa: środki pieniężne / zobowiązania krótkoterminowe

6) ROE (zwrot z kapitału): zysk netto / średni stan kapitału własnego za okres

7) ROA (zwrot z aktywów): zysk netto / średni stan aktywów za okres

8) złota reguła bilansowa: kapitał własny / aktywa trwałe (reguła jest wypełniona, gdy wskaźnik ma wartość wyższą niż 1 pkt)

9) rotacja aktywów: przychody / średni stan aktywów za okres

Jeżeli mowa o "średnim stanie" kapitału lub aktywów, to oznacza to średnią arytmetyczną wartości z 31 grudnia i 31 marca.

Osiem wskaźników to stymulanty: uważamy, że są tym lepsze, im wyższe. Jeden (zadłużenie) to destymulanta, preferujemy bowiem niski stan zobowiązań.

Oto i wyjściowa macierz wyników:

Należy od razu powiedzieć, że bardzo dobre wyniki Indykpolu, w szczególności wysokie marże operacyjna i netto oraz znaczne zwroty z aktywów (ROA) i kapitału (ROE) - to w dujżym stopniu efekt zdarzenia jednorazowego, tj. zysku ze zbycia niefinansowych aktywów trwałych.

Wczytajmy zaprezentowane wyżej dane do programu R jako macierz:

Wszystko się zgadza, to właśnie nasze wyniki. Teraz wczytujemy wektor wag oraz wektor określający, które kryteria są stymulantami, a które destymulantami:

Przyjmujemy, że każda waga to 1/9. Czyli każde kryterium jest tak samo ważne. To zapewne uproszczony obraz, ale nie chcemy komplikować sytuacji przy pomocy mniej czy bardziej arbitralnych wyborów.

Wektor cb pokazuje nam fakt wcześniej już zasygnalizowany: że tylko zadłużenie, 9-te kryterium, jest minimalizowane.

Teraz możemy zastosować pakiet MCDM i kilka metod, które są w nim zaimplementowane. Na pierwszy ogień idą TOPSISLinear (czyli z liniową normalizacją), TOPSISVector (z normalizacją wektorową), VIKOR (z progiem weta 0.5) i WASPAS (z wartością lambda = 0.5):

Niedawno opisywaliśmy także metodę MOORA, która de facto składa się z trzech rankingów, generowanych w różnych sposób. Można je następnie usystematyzować przy pomocy postępowania typu MULTIMOORA. Widzimy tę procedurę w R poniżej:

Łatwo zauważyć, że niemal wszystkie metody prezentują taki sam ranking. Dotyczy to również metody ARAS, którą stosowaliśmy poprzednio, a której tu nie prezentujemy po raz drugi. Wyjątkiem jest metoda VIKOR (przy czym mogłoby to pewnie wyglądać inaczej, gdybyśmy ustalili inną wartość progu v). Ta sugeruje nam, że Gobarto jest jednak lepszym przedsiębiorstwem niż Henryk Kania.

W poniższej tabeli widzimy wyniki zebrane razem:

Jak widać, wszystkie algorytmy stwierdzają, iż najlepszą spółką jest Indykpol. To nie dziwi, choć ciągle trzeba mieć w pamięci efekt wydarzeń jednorazowych. Drugie miejsce na ogół zajmuje Henryk Kania (wyjątkiem jest metoda VIKOR, która prezentuje nam tu Gobarto). Miejsce trzecie to Gobarto (lub Kania, według VIKOR), a lokata czwarta to Tarczyński (i tu nie ma już żadnych wątpliwości).

Adam Witczak