ACADEMIA DE STUDII ECONOMICE - COORDONATOR

COFACE ROMANIA CREDIT MANAGEMENT SERVICES S.R.L. - PARTENER

UN NOU MODEL DE EVALUARE A RISCULUI CORPORAȚIILOR:

INSTRUMENT ȘTIINȚIFIC PENTRU MANAGEMENTUL BAZAT PE

CUNOȘTINȚE

Raport științific și tehnic final

Echipa ASE Echipa COFACE

Prof.dr. Monica Dudian, director Iancu Guda, coordonator

Prof.dr. Mihai Roman Forika Helga, membru

Prof.dr. Aurelia Stefănescu, membru Maruntelu Maria Nicoleta, membru

Prof.dr. Mihaela Hrisanta Mosora, membru Neatu Nicolae-Adrian, membru

Conf.dr. Gabriel Bobeică, membru Pascu Alexandra, membru

Lect.dr. Raluca Andreea Popa, membru Petcu Ioana-Sorina, membru

Lect.dr. Anca Paraschiv, membru Rotari Elena, membru

Cercetator postdoc. Ana-Maria Sandica Stoicescu Alina-Raluca, membru

Drd. Madalina Radu

Septembrie

2017

Programul: PN II

Tipul proiectului: PARTENERIATE ÎN DOMENII PRIORITARE

Cod proiect: PN-II-PT-PCCA-2013-4-0873

REZUMATUL PROIECTULUI

Obiectivul general al acestui proiect a fost să încorporeze informații macroeconomice

și sectoriale în procesul de evaluare a companiilor. Rezultatul esențial constă în realizarea a

două modele noi de rating pentru IMM-uri şi corporaţii, concepute ca instrumente ale unui sistem

de management bazat pe cunoştiinţe. Atingerea obiectivului general a implicat realizarea a trei

obiective specifice, sintetizate astfel: (i) determinarea probabilității de nerambursare pentru

companiile din România, (ii) determinarea unui indicator de macro-vulnerabilitate specific

sectorului de activitate în care aceste companii activează, ca parte integrantă a modelului de rating

și (iii) realizarea unei analize de tip cluster care să permită ordonarea intertemporală și

intersectorială a companiilor.

Prima etapă a proiectului a urmărit în principal construirea bazelor de date relevante

pentru fundamentarea modelelor de rating și selectarea tehnicilor predictive. Principalele activități

s-au succedat astfel: (1) au fost inventariate bazele de date disponibile; (2) a fost generat setul de

date relevant pentru sistemul de rating pentru IMM-uri şi pentru corporaţii; (3) a fost generat

setul de date pentru sistemul de rating cu variabile macroeconomice; (4) au fost selectate

tehnicile predictive care au fost utilizate pentru construirea funcțiilor scoring în cea de-a doua

etapă a proiectului și (5) s-a realizat analiza univariată.

Cea de-a doua etapă a proiectului a utilizat bazele de date și tehnicile din etapa anterioară

pentru elaborarea unui model de rating fără variabile macroeconomice. În plus, s-a realizat analiza

SFA pentru factorii macroeconomici care au fost integrati in modelul de rating cu variabile

macroeconomice elaborat in cea de-a treia etapă a proiectului.

In aceasta penultima etapa s-au utilizat tehnicile, modelul si bazele de date actualizate din

etapele anterioare pentru elaborarea unui model de rating cu variabile macroeconomice. Tot in

anul 2016 s-a realizat analiza PCA cu indicatorul macroeconomic și analiza intersectorială.

Cea de-a patra etapă a proiectului a continuat analiza intersectorială începută în etapa

precedentă și a utilizat rezultatele din etapele anterioare pentru analiza de tip cluster și testarea

scenariilor de stres. In plus fata de planul de realizare, modelul de rating cu variabile

macroeconomice a fost refacut si actualizat pe baza informatiilor despre companii disponibile

pentru anul 2015.

Au fost atinse astfel obiectivul general si toate obiectivele specifice ale proiectului si s-au

realizat doua produse informatice – suport pentru modelele de rating.

Alaturi de activitatile de cerecetare industriala, proiectul a presupus si activitati de

diseminare. Diseminarea s-a realizat prin participarea la manifestări știinșifice internaționale,

publicarea de articole științifice în reviste indexate în cel puțin trei baze de date internaționale,

participarea la schimburi de bune practici cu universitatile din strainatate si organizarea unei

conferinte finale.

În concluzie au fost realizate toate activitățile menționate în planul de realizare al

proiectului și au fost obținute toate rezultatele prevăzute în respectivul plan.

B. DESCRIEREA ȘTIINȚIFICĂ ȘI TEHNICĂ

În descrierea științifică și tehnică, activitățile au fost grupate în două categorii, și

anume: cercetare industrială și diseminare.

B 1. Cercetare industriala

În anul 2014, analiza bazelor de date disponibile (activitatea I.1) a condus la concluzia

ca cea mai potrivită bază de date pentru realizarea proiectului, din perspectiva completitudinii,

este cea a partenerului Coface, dar au fost utilizate și baze de date alternative pentru realizarea

de studii comparative și articole științifice. Pornind de la baza de date Coface, a fost generat

setul de date pentru sistemul de rating pentru IMM-uri şi pentru corporaţii (activitatea I.2) pe

baza analizei amănunțite a informațiilor financiare extinse și a celor calitative disponibile

pentru toate companiile pentru perioada 2010 - 2014; s-a constatat ca există cca. 18469 de

companii cu date pentru întreaga perioadă, dintre care 10784 cu informații complete. Baza de

date relevantă incluzând variabilele macroeconomice (activitatea I.3) conţine informaţii care

permit caracterizarea exhaustivă a mediului economic în care operează companiile

nefinanciare, precum şi evidenţierea unor caracteristici structurale ale mediului de afaceri.

Variabilele au fost selectate în funcţie de potenţialul acestora de a identifica poziţia economiei

româneşti pe ciclul economic, principalele influenţe externe, dar şi riscurile cu care se

confruntă companiile. Pentru prognoza funcţiei de distribuție a probabilităților de pierderi

asociate portofoliului de credite care a fost realizată anul urmator au fost selectate următoarele

tehnici (activitatea I.5): regresia logistică, regresia probit, regresia Tobit, arbori de clasificare,

rețelele neuronale. Baza de date obținută prin activitatea I.2. a fost utilizată în analiza

determinării factorilor capacității de plata prin utilizarea unor tehnici diferite (analiza

univariată, activitatea I.6).

Pentru elaborarea modelului de rating fără variabile macroeconomice, in anul 2015 a fost

ajustata baza de date, astfel ca aceasta a cuprins informaţiile situaţiilor financiare la 2012 pentru

15264 de companii. Prelucrările s-au realizat cu ajutorul Stata, Statistica si Eviews. Pentru

default s-a utilizat definiția menționată în Acordul Basel II. S-au aplicat analiza expert și

analize cantitative pentru selectarea variabilelor. Eşantionul iniţial a fost împărțit aleator în

două sub-eşantioane: training (pregatire, 80%)şi test (20%). Estimarea funcţiei scoring

utilizând regresia logistică (activitatea II.1) s-a realizat pe indicatorii relevanţi urmând a

elimina variabilele ce nu au fost semnificative statistic sau ale căror coeficienţi nu aveau un

semn corect din punct de vedere economic. Toţi parametri rămaşi sunt semnificativi din punct

de vedere statistic iar semnele coeficienţilor corespund teoriei economice.

(Functia scoring)

Cu parametrii obţinuţi s-a calculat pentru fiecare firmă, probabilitatea de neplată urmând ca

toate testele de performanţă să se realizeze pornind de la aceasta variabilă.

În cadrul activitatii II.2 a fost masurata acuratetea (calitatea) modelului de rating si s-a

realizat validarea calitativa si cantitativa. Pentru a evalua acurateţea modelului s-au folosit

mai multe analize și grafice, precum: matricea de clasificare, curba ROC, Curba Lorenz,

coeficientul Gini, “Area Under the ROC Curve” şi statistica Kolmogorov-Smirnov. Pe baza

matricei de clasificare, pentru un prag de 0,5 acurateţea este de 82,37% pentru eşantionul de

training. Conform curbei ROC, pentru sub-eşantionul de training acurateţea este de 87,16% în

timp ce pentru tot eşantionul de date este de 87,44%. Indicatorul Gini este de 74,31% pentru

eşantionul de pregătire, iar pentru tot eşantionul este de 74,84%.

Calitatea modelului estimat presupune şi calibrarea acestuia la probabilităţile de

neplată teoretice. Pornind de la valorile modelului actual Coface, am realizat o serie de teste

statistice pentru a calibra modelul. Astfel prin observarea ratei realizate a firmelor “rele” în

comparaţie cu nivelul teoretic al ratei de neplată se poate concluziona că modelul teoretic

supraestimează această rată, 29,12% în timp ce în realitate pe eşantionul de pregătire, s-a

observat o rată de 26,32%. Scorul Brier este 14.64%, ceea ce înseamnă că erorile medii sunt

mici.

Validarea cantitativă a modelului s-a realizat luând în calcul testul binomial. Modelul

calculat a fost validat și pe un alt eșantion de lucru, out-of sample, ce a reprezentat 20% din

eșantionul inițial și anume 3053 de firme. Astfel aplicând testele de acuratețe pe acest

portofoliu am obținut aria de sub curba ROC de 88,596% si un indicator Gini de 77,193%.

Aceste rezultate obținute pe eșantionul de testare, indică faptul că modelul este corect

specificat și robust la validarea pe alte eșantioane.

În vederea analizei evoluţiei ratei creditelor neperformante (NPL) a companiilor s-au

luat în calcul o serie de variabile macroeconomice (activitatea II.6) pentru a studia

comportamentul acestora în perioada 2003-2015. Astfel, pornind de la seria de credite cu

întârzieri mai mari de 90 de zile, ciclul de creditare obţinut din seria creditelor acordate

companiilor din perioada 2003-2015, rata şomajului şi deviaţia de la trend a PIB-ului am

evaluat un model de tip VAR referitor la varianta creditelor neperformante. Dupa 10

trimestre, varianta este explicata astfel : 73% NPL, 16% ciclul de creditare, 10% rata

şomajului, în timp ce output gap-ul este sub 1%.

În cea de-a treia etapa, baza de date utilizată in dezvoltarea modelelor de prognoză a

riscului de neplată a cuprins informaţiile situaţiilor financiare la 2013 pentru 12078 de

companii. Pentru a suprinde indicatorul de macrovulnerabilitate, am ales o serie de variabile

initiale pentru a construi componentele principale. Intervalul de date utilizat este 2008T3-

2015T2, datele fiind la nivel trimestrial.

Plecand de la datele obtinute din agregarea componentelor principale pentru fiecare

firma s-a calculat un indicator de macrovulnerabilitate.

Unde

este valoarea indicatorului de macrovulnerabilitate in 2013

este valoarea indicatorului de macrovulnerabilitate in 2012

este valoarea indicator daca firma a avut mai mult de 90 de zile de

intarziere in 2012

este valoarea indicator daca in 2013 firma a avut mai mult de 30 zile de

intarziere

este valoarea indicatorului de macrovulnerabilitate la data

infiintarii firmei

Media indicatorului de macrovulnerabilitate pentru firmele care au fost in incapacitate

de plata in 2014 este de 1.01, in timp ce pentru firmele “bune” aceasta medie este -0.24. O

dată cu stabilirea indicatorilor financiari pentru estimarea funcţiei de scoring (activitatea

III.1), s-a partiţionat eşantionul iniţial în două sub-eşantioane: training (80%) şi test (20%).

Estimarea funcţiei de scoring utilizând regresia logistică s-a realizat pe indicatorii relevanţi

urmând a elimina variabilele ce nu au fost semnificative statistic sau ale căror coeficienţi nu

aveau un semn corect din punct de vedere economic.

(Functia scoring)

Cu parametrii obţinuţi s-a calculat pentru fiecare firmă, probabilitatea de neplată

urmând ca toate testele de performanţă să se realizeze pornind de la aceasta variabilă.

Observând media şi mediana probabilităţii de neplată estimată pentru cele două grupuri de

firme analizate, s-a concluzionat că acestea sunt conform aşteptărilor, mai mari pentru firmele

ce s-au dovedit a fi rele în realitate.

Pentru estimarea modelului de scoring s-a utilizat o functie de tip „stepwise” pentru a

obtine modelul cu cele mai bune caracteristici posibile. Astfel fiecare indicator financiar a

intrat pe rand in estimarea probabilitatilor iar modelul prezentat mai sus a fost obtinut dupa

compararea cu alte 14 modele. Indicele Gini pentru modelul de training este de 0.77921.

Pentru esantionul de test s-a observat ca indicele Gini este de 0.79371. Modelul a fost calibrat

la probabilitatile teoretice folosite de Coface (activitatea III.2). Prin observarea ratei realizate

a firmelor “rele” în comparaţie cu nivelul teoretic al ratei de neplată se poate concluziona că

modelul teoretic supraestimeaza această rată, 33.02% în timp ce în realitate pe total esantion,

s-a observat o rată de 32.84%. Calcularea scorului Brier a arătat că erorile medii sunt destul

de mici. Scorul Brier Skill pentru acest model este de 33.5%, ceea ce indica o acuratete buna.

Aplicand testul binomial, folosind o corelare de 25% pe fiecare clasă de rating am obţinut

culoarea verde a semaforului, conform metodologiei propusă de Tasche.

Anliza componentelor principale (activitatea III.3) a permis construirea indicatorului

de macrovulnerabilitatea integrat ulterior in modelul de rating. Analiza s-a oprit la 6

componente agregate (combinatii liniare ale variabilelor macro ce au varianta maxima in

ordine descrescatoare, necorelate doua cate doua) intrucat acestea explica 96% din rata de

neperformanta a companiilor.

Referitor la analiza intersectorială (activitatea III.6), cu 985 de firme din sectorul total,

Comertul cu ridicata si distributie are cele mai multe firme rele din total portofoliu si anume

25%. 13% din total firme rele este dat de Constructii urmat de sectorul Comert cu amanuntul

de 11%. Ce este important de notat este ca sunt sectoare unde numarul firmelor rele este

aproximativ jumatate din total firme in sectorul respectiv, Energie, Sectorul hotelier, Industria

extractiva si Activitati recreative. Dupa ce s-au analizat toate sectoarele, rata observata de

neplata este mai mica decat pragul de sus al intervalului si mai mare decat pragul de jos al

intervalului estimat ceea ce arata ca modelul este unul robust.

În etapa a –IV-a, luând in calcul indicatorul de presiune macroeconomica calculat

pentru companiile cu situațiile financiare la 2015 s-au recalculat probabilitățile de default.

Numărul de firme total a fost de 9846 din care 3386 au primit statutul de firma ”rea”.

Ponderea firmelor “rele” în total portofoliu este 34,38%, aceasta pondere fiind una optimă

necesară în calculul unei funcții de scoring. Plecând de la datele obținute din agregarea

componentelor principale pentru fiecare firma s-a calculat un indicator de macro

vulnerabilitate. Media indicatorului de macro vulnerabilitate pentru firmele care au fost in

incapacitate de plata in 2015 este de 2.46, in timp ce pentru firmele “bune” aceasta medie este

1.55. O dată cu stabilirea indicatorilor financiari pentru estimarea funcției de scoring, s-a

partiționat eșantionul inițial în două sub-eșantioane: training (70%) şi test (30%). În cadrul

procesului de selectare a variabilelor s-au luat în calcul mai multe aspecte din punct de

vedere calitativ (expert judgement) și cantitativ. Într-o primă fază s-a pornit de la o listă de 19

indicatori financiari, stabiliți de Coface, iar lista a fost ajustata pe baza analizelor cantitative.

Parametrii functiei scoring se prezinta astfel :

Tabelul 1. Functia scoring

Cu parametrii obținuți s-a calculat pentru fiecare firmă, probabilitatea de neplată

urmând ca toate testele de performanta să se realizeze pornind de la aceasta variabilă. Media

probabilitatii de neplata pentru firmele bune a fost de18,41%, iar pentru cele rele de 64,31%.

Referitor la calitatea modelului, din 4523 de firme bune observate, 3923 au fost corect

identificate obținând o acuratețe de 87% in timp ce detecția firmelor rele a fost de 77%.

Indicele Gini pentru modelul de training este de 0.76300, acesta fiind dedus din valoarea ariei

ROC, de 0.88150. Pe același eșantion de training am estimat modelul si fără variabila

macroeconomică pentru a putea compara puterea de discriminare. Matricea de clasificare

indica o detecție mai slaba, 75% pentru firmele bune si 60% pentru firmele rele. Indicele Gini

pentru modelul fără componenta macro este de 0.48475 iar valoarea ariei ROC, 0.74223. O

data cu validarea rezultatelor pe eșantionul de training, s-au utilizat coeficienții din model

pentru eșantionul de test pentru valida out of sample. Astfel pentru portofoliul de 2952 de

firme s-a observat ca indicele Gini este de 0.78832 iar curba ROC are valoare 0.894. Aceste

rezultate obținute pe eșantionul de testare, indică faptul că modelul este corect specificat și

robust la validarea pe alte eșantioane. Calitatea modelului estimat presupune si calibrarea

acestuia la probabilitățile de neplată teoretice. Pentru fiecare firma, pornind de la

probabilitățile teoretice folosite de Coface, s-a obținut o clasa de rating de la 1 la 10 nu doar

pentru eșantionul de training ci pentru tot portofoliu. Astfel prin observarea ratei realizate a

firmelor “rele” în comparație cu rata teoretică a ratei de neplată se poate concluziona că

modelul teoretic subestimează această rată, 32.66% în timp ce în realitate pe total eșantion, s-a

observat o rată de 34.38%. Scorul Brier este 16%, ceea ce înseamnă că erorile medii sunt

mici, iar aplicarea testului binomial a condus la culoarea verde a semaforului, conform

metodologiei propusă de Taasche.

Tehnica de cluster (activitatea IV.2) a fost utilizata pentru a determina o alta grupare a

firmelor in bune si rele. Astfel folosind indicatorii financiari grupați in probabilitatea de

neplata calculata am calculat distanta fiecărei firmei fata de media grupului sau. Metoda Ward

presupune minimizarea pierderii de informație, suma pătratelor abaterilor fiecărei firme din

cluster de la media clusterului. Astfel din 655 de firme analizate, analiza cluster indica faptul

ca 414 sunt corect clasificate ca si bune din 461, in timp ce 110 din 194 ca si firme rele.

Comparând datele cu matricea de clasificare din modelul estimat, clasificarea firmelor bune

este de 91,75% in timp ce doar 66 de firme au fost clasificate greșit ca si firme bune in timp

ce in realitate au intrat in incapacitate de plata.

Luand in calcul trei scenarii de stress (activitatea IV.3), tool-ul de calcul a

probabilitatii de neplata construit in 2016 recalculaeaza vulnerabilitatea macro la nivel de

firma si la nivel de sector. Cu noile vulnerabilitati macro pentru fiecare firma s-au calculat

probabilitatile de neplata inainte si dupa pentru fiecare scenariu in parte. Tool-ul permite

modificarea parametrilor de input pentru fiecare scenariu ca si rezultat final fiind obtinute

probabilitatile de neplata si clasa de rating aferenta.

B 2. Diseminarea rezultatelor cercetarii

1. Diseminarea pe scara larga prin comunicarea și publicarea națională sau

internațională a rezultatelor

Articole publicate:

Anul 2014 – etapa 1

Stefănescu, A. (2014). Difficultes related to the financial position reporting into the public

sector in Romania, SEA - Practical Application of Science, vol. II, 3 (5) /2014, ISSN 2360 –

2554, pag. 611 - 616.

Popa, R.A., Alexa, L. (2014). The Relationship between Profit and Productivity in the IT

Sector from Romania. Analysis with Panel Method, The Annals of “Dunarea de Jos”

University - Fascicle I. Economics and Applied Informatics, vol. 2/2014, ISSN 1584-0409.

Anul 2015 – etapa 2

Sandica, A.M. (2015). The Role of Monetary and Fiscal Policies in Ensuring Macroeconomic

Stability in Romania, Economia. Seria Management, ISSN 1454-0320, 18 (1)/ 2015, pp. 110 -

124.

Popa, R.A. (2015). The Corporate Social Responsibility Practices in The Context of

Sustainable Development. The Case of Romania, Procedia Economics and Finance, ISSN

2212-5671, 23 (2015), pp. 1279 – 1285.

Anul 2016 – etapa 3

Ştefănescu, A., Tănase, G.L. (2016). The development of a corporate governance assessment

model for the Romanian public sector, Audit Financiar, ISSN 1583-5812, vol 14,

nr.143/2016, pp. 1227-1334.

Stefanescu, A., Pitulice, I.C., Mihalcea, F. (2016). Empirical research on the internal audit.

Perspective of the professionals within the Romanian banking system, Ecoforum, ISSN:

2344-2174, Vol.6, nr.1 (10)/ 2017, pp. 334-340.

Stefan, G., Popa, R., Arsani, A. (2016).The evolution of state aid in Romania. Analysis of the

automotive sector 2007 - 2015, Scientific Bulletin – Economic Sciences, ISSN: 2344-4908,

pp.77-92.

Anul 2017 – etapa 4

Dudian, M., Mosora, M.H., Mosora, C., Birova, S. (2017). Oil Price and Economic

Resilience. Romania’s Case. Sustainability, ISSN 2071-1050, vol.9, nr.2/2017,

doi:10.3390/su9020273, pp. 1-8.

Ștefănescu A., Pitulice, I. C., Rădoi, D., Constantinescu, M. (2017). Compliance vs non-

compliance with the Corporate Governance Code of Bucharest Stock Exchange, Ecoforum

Journal, ISSN 2344 – 2174, vol.6, Nr.3(13)/2017.

Sandica, AM., Dudian, M. (2017). Time to Default in Credit Scoring Using Survival

Analysis, acceptata spre publicare in Management and Economics Review, ISSN 2501-885X,

vol.2, Nr. 2/2017.

Sandica, AM., Dudian, M. (2017). A VAR Analysis of the Effects of Macroeconomic Shocks

on banking sector loan quality in Romania, acceptat spre publicare in The USV Annals of

Economics and Public Administration, ISSN 2285-3332, volume 17, issue 2(26), 2017.

2. Diseminarea rezultatelor prin participari la manifestari tehnico-stiintifice

internationale

2.1.Conferinte internationale

Anul 2014 – etapa 1

Dudian, M., The Sustainability of SMEs in Romania in the Economic Crisis Context: a

Regional Approach, The 8th International Management Conference. Management Challenges

for Sustainable Development, Academia de Studii Economice, București, 6-7 noiembrie 2014

în curs de indexare ISI Proceedings;

Popa, R.A., The Corporate Social Responsibility Practices in the Context of Sustainable

Development. The Case of Romania, The 2nd Global Conference on Business, Economics,

Management and Tourism, Praga, Republica Cehă, 29 - 31 octombrie 2014;

Popa, R.A., Perspectives on FDI. The Case of Sustainable Development, Post-Crisis

Developments in Economics, Academia de Studii Economice, București, 21 - 22 noiembrie

2014, lucrare acceptată spre publicare în Theoretical and Applied Economics, ISSN 1841-

8678.

Anul 2015 – etapa 2

Dudian, M, Biro (Vasile), D., Involvment of the SMEs in the 7th Framework Programme of

the EU. Case Study for Romania, The 15th Eurasia Business and Economics Society

Conference, ISCTE-IUL Instituto Universitario de Lisboa, Portugalia, 8 - 10 ianuarie 2015, de

tip ISI Proceedings.

Stefanescu, A., Calu, D.A., Tănase, G.L., Empirical Study Regarding Financial and Non-

Financial Dissemination in Public Hospitals from Romania, 10th International Conference

Accounting and Management Information Systems, AMIS 2015, București, 10 - 11 iunie

2015, de tip ISI Proceedings.

Popa, R.A., Borovina, C., Evolution of standard of living and the economic crisis in Romania,

Dezvoltarea ca scop al acțiunii umane. Noile provocări pentru știința economică, organizată

de Facultatea de Economie Teoretică și Aplicată, ASE, București, 20 - 21 noiembrie 2015.

Dudian, M., Sustainability assessment: sustainability indicators and ratings, Dezvoltarea ca

scop al acțiunii umane. Noile provocări pentru știința economică, organizată de Facultatea de

Economie Teoretică și Aplicată, ASE, București, 20 - 21 noiembrie 2015.

Anul 2016 – etapa 3

Stefanescu, A., Pitulice, I,C. (2016). Research on the accurate image supplied by the financial

reporting. The case of the local public administration entities form Romania, International

Conference on Accounting and Management Information Systems (AMIS),8-9 iunie 2016,

Bucureşti, ISI Proceedings.

Stefanescu, A., Dudian, M. (2016). Research on the transparency of information regarding

the public-private partnership in the public hospitals from Romania, Eurasia Business and

Economics Society (EBES) Conference Viena, 28 - 30 septembrie 2016, ISI Proceedings.

Dudian, M., Stefanescu, A. (2016). Sovereign rating and macroeconomic policy regimes in

Romania, 1996 - 2015, Eurasia Business and Economics Society (EBES) Conference Viena,

28 - 30 septembrie 2016, ISI Proceedings.

Popa, R.A., Alexa, L. (2016). The effects of changes in growth at the sectorial level in

Romania, Eurasia Business and Economics Society (EBES) Conference Viena, 28 - 30

septembrie 2016, ISI Proceedings.

Săndică, AM (2016). Time to Default in Credit Scoring using Survival Analysis,

Euroconference2016, International Conference on Emerging Market Economies, Porto,

Portugal, 29 iunie - 1 iulie 2016.

Săndică, AM (2016). Determinants of corporate bankruptcy in Romania using logistic

regression, le 2 ème Colloque Interdisciplinaire sur la Défaillance d’Entreprise, Paris, Franța,

14 octombrie 2016.

Anul 2017 – etapa 4

Stefanescu, A., Tanase G.L. (2017). The Participative Budgeting within the public sector. A

new vision in Romania, International Conference on Accounting and Management

Information Systems (AMIS),7-8 iunie 2017, Bucureşti, ISI Proceedings.

Sandica, AM. (2017). Determinants of corporate bankruptcy in Romania- A comparison

approach, Eighth European Academic Research Conference on Global Business, Economics,

Finance and Social Science 12-14 iulie 2017 Atena, Grecia.

Sandica, AM. (2017). Monetary and Macro prudential policy in an estimated DSGE model

with banking sector, 22nd EBES Conference, Roma, 24-27 mai 2017.

2.2.Workshop și școala de vară

Anul 2015 – etapa 2

1. GOLDEN Annual Workshop, organizat de GOLDEN și Center for research on Society and

Organization la HEC Paris, 26 - 27 mai 2015, cu intervenție pe evaluarea sustenabilității

financiare, realizată de prof.univ.dr. Monica Dudian și cu o intervenție asupra evaluării

sustenabilității companiilor multinaționale realizată de lect.univ.dr. Raluca Andreea Popa.

2. The 4th Summer School on “Knowledge Dynamics, Industrial Evolution, Economic

Development” (KID 2015), 5 - 11 iulie 2015, cu lucrarea The Role of Monetary and Fiscal

Policies in Ensuring Macroeconomic Stability in Romania, prezentată de Ana-Maria Săndică.

3. Schimburi de bune practici cu universități și întreprinderi din străinătate

Anul 2015 – etapa 2

Schimbul de bune practici s-a realizat în cadrul unor vizite la Universita Commerciale Luigi

Bocconi, Milano, Humboldt-Universität zu Berlin, Universitatea Paris Dauphine, ESSEC

Business School Paris, la invitația unor profesori și cercetători cu experiență în metode

cantitative și calitative de cercetare și în evaluarea sustenabilității companiilor. În urma vizitei

la Universita Commerciale Luigi Bocconi, ASE a devenit oficial componentă a reputatei

rețele internaționale de cercetare GOLDEN și a început implementarea metodologiei

GOLDEN pentru evaluarea și monitorizarea sustenabilității companiilor din România.

Anul 2016 – etapa 3

Cercetătorii au participat la mai multe vizite pentru schimb de bune practici cu profesori de la

Universita Commerciale Luigi Bocconi (1), Milano, Humboldt-Universität zu Berlin (1),

Universitatea Paris Dauphine (2) și Universite de Strasbourg (1).

Anul 2017 – etapa 4

Cercetătorii au participat la mai multe vizite pentru schimb de bune practici cu profesori de la

ESSEC Business School Paris (2) si Université d’Artois, Arras, Franta (1). In plus, a fost

prezentat proiectul si s-au purtat discutii cu membrii SUERF cu ocazia celei de-a 44 editii a

Economics Conference, organizata in cadrul reputatei asociatii profesionale SUERF, The

Financial System of the Future.

4. Diseminarea prin organizarea unei conferinte finale

A fost organizata conferinta Un nou model pentru evaluarea riscului corporatiilor: instrument

stiintific pentru managementul bazat pe cunostiinte, in data de 14 iulie 2017, sala Virgil

Madgearu, ASE Bucuresti.

B.3. Rezultatele proiectului și gradul de realizare a obiectivelor

Obiective prevazute Grad de

realizare

Determinarea probabilităţii de nerambursare pentru companiile din România. Pe

portofoliul de companii din România vom estima aceste probabilităţi de default

utilizând metodele consacrate de estimare. Aceste modele vor fi validate si testate

prin aplicarea unor teste specifice de verificare a semnificaţiei statistice a

parametrilor şi a eşantionului folosit.

100%

Determinarea unui indicator de macro-vulnerabilitate specific sectorului de

activitate în care funcționează companiile. În acest sens, acest indicator va fi

încorporat în modelele folosite la prima etapă şi probabilităţile de nerambursare

vor fi recalculate.

100%

Utilizarea indicatorului de macro-vulnerabilitate în analize sectoriale sau pe

domenii de activitate. Analiza de tip “cluster” va fi folosită pentru a clasifica

entităţile într-o ordine atât inter-temporală cât şi sectorială.

100%

Rezultate generale prevazute Grad de

realizare

Un sistem de rating pentru evaluarea riscului corporativ, cu o scală de evaluare, un

model cantitativ, un design operațional și o procedură de validare.

100%

Un sistem de rating pentru evaluarea riscului corporativ modificat prin integrarea

variabilelor macroeconomice, cu o scală de evaluare, un model cantitativ, un

design operațional și o procedură de validare.

100%

Rezultat prevăzut Rezultat obținut Grad de

realizare

Baza de date Baza de date 100%

Pagina web a proiectului Pagina web a proiectului 100%

2 modele de rating cu functii scoring

specifice

3 modele de rating cu functii

scoring specifice

150%

Gruparea PD la nivel sectorial Gruparea PD la nivel sectorial 100%

Un clasament intertemporal si inter-

sectorial al industriilor

Un clasament intertemporal si inter-

sectorial al industriilor

100%

4 RST intermediare 4 RST intermediare 100%

4 conferinte internationale 16 conferinte internationale 325%

1 conferinta finala organizata 1 conferinta finala organizata 100%

4 articole BDI publicate 11 articole BDI publicate/acceptate

spre publicare

Peste 250%

1 articol ISI acceptat 1 articol ISI publicat 100%