CAŁOŚĆ PRACA (I, II, III) - Tekst Po Zmianach

Wstęp
Zarówno temat sezonowości jak i płynności finansowej są niezwykle istotne dla przedsiębiorstw.
Sezonowość jest charakterystycznym zjawiskiem, które wiąże się z regularnymi i powtarzającymi się
zmianami w popycie na produkty lub usługi w zależności od okresów czasu, takich jak pory roku,
święta, czy okazje specjalne. Dla wielu firm stanowi zarówno wyzwanie, jak i szansę. Z jednej strony,
wzrost sprzedaży w okresach szczytu sezonowego może przyczynić się do zwiększenia przychodów i
zysków. Jednak z drugiej strony, nierównomierne rozłożenie wpływów finansowych może prowadzić
do trudności w utrzymaniu płynności finansowej w innych, mniej korzystnych okresach.
Przedsiębiorstwa muszą być w stanie dostosować swoje strategie finansowe i zarządzanie płynnością
do specyfiki sezonowych fluktuacji. W przypadku, gdy przychody ze sprzedaży w okresach
sezonowych są znacznie wyższe niż w innych okresach, istnieje ryzyko nadmiernego obciążenia
zobowiązaniami finansowymi, które może prowadzić do zatorów płatniczych i braku zdolności do
terminowego regulowania zobowiązań.
Wpływ sezonowości na płynność finansową jest złożonym zagadnieniem, które wymaga dogłębnej
analizy. Istotne jest zidentyfikowanie okresów sezonowych, w których przychody są najwyższe oraz
okresów, w których występuje spadek sprzedaży. Konieczne jest również zrozumienie czynników
wpływających na sezonowość w danej branży, takich jak trendy konsumenckie, warunki pogodowe,
czy okoliczności ekonomiczne.
W pracy dokonano analizy wpływu sezonowości na płynność finansową, badając zależności między
sezonowymi zmianami przychodów ze sprzedaży a zdolnością przedsiębiorstwa do regulowania
zobowiązań w różnych okresach czasu. Przyjrzano się również czynnikom branżowym, które mogą
wpływać na sezonowość oraz różnym strategiom zarządzania płynnością finansową. W tym celu
posłużono się danymi finansowymi zawartymi w skonsolidowanych sprawozdaniach Grupy Żywiec
S.A oraz Grupy Ambra S.A.
str. 1
Rozdział 1. Pojęcie oraz sposoby pomiaru płynności finansowej w przedsiębiorstwie
1. Istota płynności finansowej

Płynność finansowa w przedsiębiorstwa jest niezwykle istotnym czynnikiem, który
określa zdolność firmy do regulowania bieżących zobowiązań z kontrahentami w ustalonych
terminach płatności. Kontrolowanie oraz oddziaływanie na poziom płynności finansowej
może zapobiec problemom z zarządzaniem należnościami, bowiem rentowność w formie
wypracowanego zysku nie zawsze świadczy o dobrej kondycji finansowej badanego
podmiotu. W Polsce problemy z przeterminowanymi płatnościami są powszechne, często
skutkują one brakiem możliwości do kontynuowania działalności. Tworzą również
utrudnienie dla tych podmiotów, które nie otrzymują swoich należności na czas, co często
przyczynia się do ponoszeniem dodatkowych kosztów związanych z pozyskaniem środków
pieniężnych z innego źródła. W ten sposób dochodzi do zatorów płatniczych, czyli zjawiska
które przenosi negatywne skutki braku płynności finansowej jednego przedsiębiorstwa na
pozostałe powiązane z nim podmioty (Nita, 2020, str. 77).
Wielokrotnie przedsiębiorstwa mają problemy z płynnością finansową, mimo

wykazywanego zysku finansowego. Dzieję się tak, ponieważ ustalana memoriałowo
rentowność nie idzie w parze z płynnością określaną za pomocą metody kasowej. Moment
księgowego wykazania zysku nie zawsze wiąże się z tym, że podmiot w tym czasie posiada
wystarczającą ilość środków pieniężnych na pokrycie zobowiązań bieżących. Działa to
również w drugą stronę, podmiot może bezproblemowo regulować swoje zobowiązania
jednocześnie będąc nierentownym. W perspektywie krótkoterminowej mogą powstawać duże
rozbieżności czasowe między rentownością a płynnością, natomiast długoterminowo
generowanie zysku oraz posiadanie przychodów na odpowiednio wysokim poziomie jest
najlepszym zabezpieczeniem dla płynności finansowej (Gabrusewicz, Podstawy analizy
finansowej, 2005, str. 327).
Zarządzanie płynnością finansową polega na dysponowaniu środkami pieniężnymi w

taki sposób, aby przedsiębiorstwo mogło spłacać swoje zobowiązania w wyznaczonych
terminach. Ponadto należy kontrolować należności, dzięki którym pozyskuje się zasoby
finansowe oraz dysponować zapasami w taki sposób, aby nie tworzyć przestojów w
produkcji. Zarówno zbyt niski, jak i zbyt wysoki poziom płynności, nie są korzystne dla
podmiotów gospodarczych. W pierwszym przypadku prowadzi to do problemów z
str. 2
terminowym regulowaniem zobowiązań bieżących. Z kolei gdy występuje nadpłynność,
zmniejsza się rentowność firmy oraz możliwości wykorzystywania środków obrotowych.
Zdecydowanie gorsze skutki niesie za sobą brak płynności, zarówno pod względem
ekonomicznym jak i wizerunkowym. Zwlekanie z płatnościami może doprowadzić do
pogorszenia relacji z kontrahentami oraz utratę wiarygodności. Wiąże się z tym skracanie
przez dostawców czasu na uregulowanie długu, wstrzymywanie dostaw lub żądanie okazania
zabezpieczenia firmy. W przypadku banków, mogą one ograniczać zdolność kredytową
przedsiębiorstwa bądź wypowiadać umowy kredytowe. Nieterminowe regulowanie
zobowiązań publiczno-karnych często wiąże się z karami lub dodatkowymi opłatami, a w
skrajnych przypadkach firma może odpowiadać karnie za niewywiązywanie się np. z płacenia
podatków (Kowalak, 2022, strony 223-225).
Utrata płynności finansowej jest sytuacją, w której przedsiębiorstwo posiada

niewystarczającą ilość środków pieniężnych na pokrycie aktualnych zobowiązań. Przyjmując
za kryterium czas, można mówić o utracie płynności krótkookresowej oraz trwałej. W
pierwszym przypadku problemy z regulowaniem zobowiązań są wynikiem chwilowego braku
środków pieniężnych. Można je stosunkowo szybko pozyskać w poprzez wyegzekwowanie
należności lub zaciągnięcie krótkoterminowego kredytu. W perspektywie długiego okresu
mamy do czynienia z niewypłacalnością. Przedsiębiorstwo nie jest w stanie finansować
swojej działalności samodzielnie z uwagi na brak rentowności oraz ujemne przepływy
pieniężne z działalności operacyjnej. Banki natomiast nie udzielają kredytów ani pożyczek
podmiotom w tak trudnych sytuacjach, wobec czego nie ma możliwości pozyskać środków
pieniężnych nawet ze źródeł obcych.
Kiedy przedsiębiorstwu grozi utrata środków pieniężnych, a tym samym niezdolność

do spłaty wymagalnych zobowiązań, mówi się o ryzyku płynności. Najczęściej jest to
spowodowane takimi czynnikami jak:
− wahania sezonowe;
− trwałe obniżenie rentowności;
− zakłócenia biznesu;
− wzrost kosztów operacyjnych;
str. 3
− złe zarządzanie kapitałem obrotowym bądź płynnością finansową;
− nieplanowane wydatki inwestycyjne;
− przyszłe spłaty zadłużenia;
− zmniejszenie dochodów nieplanowanych;
− naruszenie umów kredytowych.
O utrzymaniu płynności finansowej w znacznej mierze decydują dostępne środki

pieniężne, które pozwalają na spłatę zobowiązań. Dlatego też ważne jest, aby podmioty dbały
o zachowanie ich odpowiedniego poziomu dla danej branży (Grzywacz, 2014, strony 108-
112). Robią to kierując się 4 motywami:
− transakcyjnym;
− ostrożnościowym;
− spekulacyjnym;
− zarządczym.
Motyw transakcyjny opiera się na idei pozyskiwania funduszy w utrzymywania

bieżącej działalności. Naturalnym jest, że wraz z rozwojem przedsiębiorstwa rośnie
zapotrzebowanie na środki pieniężne. Zarówno wpływy, jak i wydatki gotówkowe mogę
rozbiegać się w czasie. Kierując się motywem transakcyjnym, przedsiębiorca chce posiadać
zapas pieniędzy. Zależy to jednak od tego, czy firma ukierunkowania jest na
samofinansowanie bądź kredytowanie. Ważną rolę przy tym motywie odgrywa również
struktura systemu bankowego oraz ilość transakcji, które pokrywane muszą być gotówką.
Podejście ostrożnościowe zakłada posiadanie rezerw pieniężnych na wypadek

nieoczekiwanych transakcji, których przedsiębiorstwo nie jest w stanie przewidzieć. Wiąże
się on również z niepewnością otrzymania dochodów oraz zmianami gospodarczymi. Aspekt
ten jest szczególnie ważny w dobie kryzysu, kiedy egzekwowanie należności od odbiorców
może być utrudnione. Motyw ostrożnościowy uzasadnia gromadzenie większej ilości
str. 4
środków pieniężnych przy korzystnych warunkach rynkowych, w celu pokrycia przyszłych
potrzeb finansowych. Rezerwy powinny być tym większe, im większe są wahania w
przepływach pieniężnych.
Z kolei motywem spekulacyjnym jest posiadanie funduszy na wypadek

nieoczekiwanych transakcji, które mogą przynieść korzyści ekonomiczne. Jest on szczególnie
charakterystyczny dla sytuacji, w których to stopień efektywności rynku finansowego
wzrasta. W perspektywie rozwoju firmy, przedsiębiorcy chętniej pozyskują nowy kapitał
poprzez np. emitowanie papierów wartościowych. W tym przypadku argumentem stojącym
za gromadzeniem środków pieniężnych jest chęć realizacji kolejnych potencjalnie
efektywnych przedsięwzięć, a także zabezpieczenie się przed ryzykiem finansowym
związanym z nowymi inwestycjami. Rezerwy tworzone na taki wypadek zależą od poziomu
stóp procentowych na danym rynku.
Zdarza się, że menedżerowie firm stosują odpowiednie strategie finansowe z

wykorzystaniem środków pieniężnych. Wówczas traktują je jako narzędzie do osiągania
przewagi konkurencyjnej lub innego wyznaczonego celu. Takie podejście do gromadzenia
gotówki jest kierowane motywem zarządczym, inaczej nazywanym menedżerskim
(Szczepankowski, 2007, strony 150-153).
Zachowanie płynności finansowej przyczynia się do ciągłości w realizacji procesów

gospodarczych, które jest niezbędne do prawidłowego funkcjonowania firmy, a także
wypracowania wiarygodności. Pojęcie płynności finansowej nie jest równoznaczne z
niewypłacalnością, która określa zdolność firmy do pokrycia sumy długów swoim majątkiem.
Niemniej jednak, brak płynności może doprowadzić przedsiębiorstwo do niewypłacalności
(Prędki, 2017, strony 172-173).
Wpływ na płynność finansową mogą mieć różne czynniki. Niektóre są zależne od

przedsiębiorstwa i tego w jaki sposób prowadzona jest działalność, inne natomiast są
uwarunkowane zmianami rynkowymi oraz gospodarczymi.
Tabela 1. Przykłady czynników wpływających na płynność finansową przedsiębiorstwa
Tabela 1:Przykłady czynników wpływających na płynność finansową przedsiębiorstwa
Czynniki zależne od przedsiębiorstwa Czynniki niezależne od przedsiębiorstwa
- stosowane strategie zarządzania - wypracowana pozycja rynkowa
str. 5
firmy
- przedsiębiorczość właścicieli - koniunktura w gospodarce
- wybrany rodzaj branży, w której - wpływ organizacji i stowarzyszeń

prosperuje firma pracowniczych
- zbudowana struktura aktywów - wielkość podatków i opłat

obrotowych i tempo ich związanych z prowadzoną
zamienialności na gotówkę działalnością
- wielkość sprzedaży wyrobów i usług - struktura i wartość rynkowa majątku

oraz kapitału
- zbudowana struktura zobowiązań
długo i krótkoterminowych - koszty siły roboczej
- prowadzona polityka w zakresie - koszty inwestycji w majątek trwały

sprzedaży i zaopatrywania
- polityka pieniężna systemu
- kwalifikacje kadry pracowniczej oraz bankowego
członków zarządu
- stosowana technologia i organizacja

produkcji
opracowanie własne na podstawie: M. Burzykowska, Mikroekonomiczne czynniki

kształtujące rynkową wartość płynności finansowej przedsiębiorstw, Wydawnictwo
Uniwersytetu Łódzkiego, Łódź 2008, s. 92-95.
Czynniki zależne od działania przedsiębiorstw mają charakter mikroekonomiczny i są

głównymi determinantami płynności, ponieważ bezpośrednio wpływają one na wartość
rynkową firmy. Dużo zależy od organizacji rozliczeń pieniężnych między kontrahentami oraz
obieranych metod zarządczych. Ważne jest też, aby kontrolować terminy płatności.
Najkorzystniejszą dla firmy sytuacja to taka, w której egzekwowanie należności odbywa się
szybciej, bądź w takim samym terminie co regulowane zobowiązania. Czynniki
makroekonomiczne, czyli te niezależne od przedsiębiorstwa, również wpływają na płynność
finansową. Należą do nich m.in.:
str. 6
− funkcjonowanie systemu pieniężnego w gospodarce – ustalane przez banki stopy
procentowy kredytów oraz wyznaczana zdolność kredytowa;
− stawki podatków obciążających działalność przedsiębiorstwa – wielkość podatku VAT,
podatku akcyzowego, podatku dochodowego;
− rynkowe ceny wykorzystywanych do działalności towarów i usług – ceny surowców,
energii, transportu, usług telekomunikacyjnych;
− koszty kadry związane z wynagrodzeniem – wysokości odprowadzanych przez
pracodawcę składek ZUS, składek na Fundusz Pracy;
Istnieją również czynniki branżowe, na które ma wpływ rodzaj oraz specyfikacja

branży, w której funkcjonuje przedsiębiorstwo. Różne dziedziny charakteryzują się
odmiennym poziomem ryzyka oraz stopniem rozwoju w gospodarce. Zapotrzebowanie na
towary i usługi danej branży w perspektywie czasu może się zwiększyć bądź spaść,
determinując tym samym przyszłość firm w niej prosperujących (Burzykowska, 2008, strony
92-95).
2. Metody analizy płynności finansowej

Analiza w najogólniejszym ujęciu służy do poznawania pewnych zjawisk i obiektów,
wskazywania powiązań między ich elementami oraz wyszczególniania zależności
przyczynowo-skutkowych. W finansach przedsiębiorstw stanowi ona ważne narzędzie do
badania kondycji finansowej firm, pomaga w podejmowaniu istotnych decyzji poprzez
racjonalizowanie procesów gospodarczych. Analiza wskaźnikowa jest najczęściej używaną
metodą pomiaru i oceny sytuacji finansowej, pozwala ona dokonać bardzo szczegółowych
badań (Korol, 2013, strony 13-14). Można wyróżnić pięć obszarów, które zostają poddane
ocenie poprzez analizę wskaźnikową:
− płynność finansowa;
− zadłużenie i zdolność obsługi długu;
− sprawność działania;
str. 7
− rentowność przedsiębiorstwa;
− rynkowa wartość akcji oraz kapitału.
Analiza finansowa opiera się na już znanych i wypracowanych przez firmę wynikach, a co
za tym idzie służy do badania zdarzeń przeszłych (Gabrusewicz, Podstawy analizy
finansowej, 2005, str. 208). Podstawowym źródłem danych wykorzystywanym do obliczeń są
sprawozdania finansowe przedsiębiorstw. Wykorzystując zaprezentowane tam wartości
aktywów, należności, przepływów pieniężnych, zobowiązań czy też kapitału, ustala się
wskaźniki finansowe określające zależności pomiędzy porównywanymi składnikami
(Kowalak, 2022, strony 27-31).
Istnieją dwa sposoby na przeprowadzenie analizy finansowej. Można porównać te

same wskaźniki w jednym okresie dla różnych podobnych do siebie w zakresie działalności i
branży firm. Jest to analiza przekrojowa, która pozwala na zobrazowanie sytuacji finansowej
danego przedsiębiorstwa na tle innych. W tym przypadku należy jednak zachować ostrożność,
ponieważ pomiędzy badanymi firmami mogą zachodzić różnice w procedurach księgowych, a
co za tym idzie odmienne wartości dla poszczególnych składników.
Drugi sposób analizy polega na przyrównaniu w danej firmie wskaźników obecnych z

poprzednimi oraz oczekiwanymi. Taka analiza szeregów czasowych wskazuje jak sytuacja
przedsiębiorstwa zmieniła się na przestrzeni badanego okresu (Lee, 2016, strony 30-31).
Analizy płynności finansowej dokonuje się za pomocą miar statycznych oraz

dynamicznych. Te pierwsze opierają się na danych bilansowych wyznaczonych na określony
dzień, pozwala to zachować niezależność pomiarów względem rozmiaru przedsiębiorstwa.
Wśród miar statycznych wyróżnia się między innymi:
− wskaźnik płynności bieżącej,
− wskaźnik płynności szybkiej,
− wskaźnik płynności natychmiastowej (podwyższonej) (Bolek, 2013, strony 3-4).
Do badanie płynności finansowej najczęściej wykorzystuje się wskaźnik płynności

szybkiej oraz wskaźnik płynności bieżącej, nieco rzadziej wskaźnik płynności
str. 8
natychmiastowej. Łączy je wspólny mianownik, którym jest wartość krótkoterminowych
zobowiązań, natomiast różni licznik obejmujący aktywa o odmiennej płynności. Uzyskane
wyniki powinny się mieścić w optymalnych przedziałach, ponieważ zarówno zbyt niska
płynność jak i zbyt wysoka może nieść za sobą negatywne skutki. W pierwszym przypadku
przedsiębiorstwo naraża się na utratę zdolności do regulowania zobowiązań, a nawet na
doprowadzenie do niewypłacalności. Z kolei nadpłynność prowadzi do zwiększania kosztów
działalności (Grzywacz, 2014, strony 13-14).
Wskaźnik płynności bieżącej, inaczej current ratio (CR), opisuje się przy pomocy
wzoru:
aktywa obrotowe (1.1)

Zobowiązania krótkoterminowe
Określa on stosunek aktywów obrotowych do zobowiązań krótkoterminowych w

przedsiębiorstwie. Przedział wartości wskaźnika, który uznaje się za optymalny to [1,5-2,0].
Wtedy też aktywa obrotowe powinny być dwa razy większe niż suma zobowiązań bieżących,
a w razie potrzeby firma ma możliwość uregulować wszystkie swoje długi. Wynik mniejszy
niż 0,8 jest alarmujący, gdyż może świadczyć zagrożeniu płynności finansowej, natomiast
wynik wyższy niż 2,0 może być oznaką nadpłynności.
Wskaźnik płynności szybkiej, inaczej quick ratio (QR), ukazuje stosunek aktywów
obrotowych skorygowanych o wartość zapasów do zobowiązań krótkoterminowych. Jest
określony wzorem:
Aktywa obrotowe−zapasy
Przedsiębiorstwo jest w stanie bieżąco regulować swoje zobowiązania, jeśli wartość

wskaźnika mieści się w przedziale [1,0-1,2]. Wynik powyżej 1,2 świadczy o nieprawidłowym
gospodarowaniu zasobami pieniężnymi, natomiast o zagrożeniu utraty płynności stanowi
wartość poniżej 1,0.
Wskaźnik płynności podwyższonej (gotówkowej) opisuje się za pomocą wzoru:
Środki pieniężne (1.2)

str. 9
W tym przypadku nie można jednoznacznie określić optymalnego przedziału
płynności, jest on uzależniony od charakteru przedsiębiorstwa oraz branży, w której
prosperuje. W celu efektywnego zarządzania środkami pieniężnymi należy je ograniczyć do
poziomu niezbędnego w danej firmie. W przypadku nadwyżek gotówki zwiększają się
również koszty, szczególnie jeśli zauważalny jest również wzrost stóp procentowych. Mimo
braku optymalnego przedziału dla tej miary płynności, wskazuje się jednak wyraźny próg
zagrożenia, który wynosi 0,2. Poniżej tej wartości przedsiębiorstwo narażone jest na
całkowitą utratę płynności finansowej (Grzywacz, 2014, strony 106-107).
Często statyczna ocena składników finansowych okazuje się być niewystarczająca, a

same wskaźniki płynności nie pozwalają na pełną analizę. Warto więc rozszerzyć ją o miary
bazujące na przepływach gotówkowych. W ten sposób możemy uzyskać obiektywny obraz
sytuacji finansowej przedsiębiorstwa, ponieważ odnoszą się do faktycznych wpływów oraz
wypływów. Wypracowany zysk jest natomiast uzależniony od przyjmowanych zasad
ewidencji elementów wynikowych takich jak amortyzacja, rozliczone w czasie koszty lub
utworzone rezerwy.
Wskaźniki dynamiczne określają płynność właśnie za pomocą przepływów

pieniężnych osiągniętych w określonym przedziale czasu. Miary te zazwyczaj dzieli się na 3
grupy:
− wskaźniki struktury przepływów pieniężnych
− wskaźniki wystarczalności gotówkowej
− wskaźniki wydajności gotówkowej (Mioduchowska-Jaroszewicz, 2012, str. 160).
Pierwsze z wymienionych, czyli wskaźniki struktury przepływów pieniężnych,

określają wpływ poszczególnych elementów na ogólną strukturę przepływów pieniężnych.
Do tych miar należny między innymi wskaźnik zależności od zewnętrznych źródeł
finansowania, który określa stopień uzależnienia od środków pozyskiwanych ze źródeł
obcych. Im mniejszy wynik, tym niższa jest zależność. Warto wspomnieć również o
wskaźniku zdolności generowania operacyjnych przepływów pieniężnych netto. Pozwala on
str. 10
opisać udział nadwyżki operacyjnej w sumie wpływów z działalności. Im wyższy poziom
wskaźnika, tym wyższa jest zdolność do generowania środków pieniężnych z podstawowej
działalności, tym samym zmniejsza się udział gotówki pozyskiwanej z innych źródeł
(Kuciński, 2017, strony 64-68).
Wskaźniki wystarczalności gotówkowej wykazują zdolność przedsiębiorstwa do

pokrywania wszystkich wydatków za pomocą generowanych z działalności operacyjne
środków pieniężnych. Im wyższy poziom tych wskaźników, tym lepiej dla firmy, ponieważ
posiada ona większe nadwyżki operacyjne na finansowanie potrzeb płatniczych. Niedobór
środków pieniężnych może wystąpić w sytuacji, kiedy wskaźnik kształtuje się na poziomie
poniżej 1. Należy wtedy zwiększyć kapitał własny, zadłużenie, bądź sprzedać część środków
trwałych w celu pokrycia zapotrzebowania pieniężnego. Do miar wystarczalności
gotówkowej zalicza się między innymi:
− wskaźniki ogólnej wystarczalności środków;
− wskaźnik spłaty zobowiązań ogółem;
− wskaźnik wynagradzania właścicieli;
− wskaźnik sfinansowania inwestycji (Mioduchowska-Jaroszewicz, 2012, strony 161-
162).
Efektywność gospodarowania gotówką w przedsiębiorstwie określają wskaźniki

wydajności gotówkowej. Dzięki nimi można wyznaczyć relacje operacyjnych przepływów
pieniężnych w stosunku do poszczególnych pozycji bilansu oraz rachunku zysków i strat
(Śpiewak, 2014, str. 210). Do tej grupy zalicza się:
− wskaźnik wydajności gotówkowej sprzedaży;
− wskaźnik wydajności gotówkowej aktywów;
− wskaźnik wydajności gotówkowej zysku (Kuciński, 2017, strony 64-68).
Przyrost wartości tych miar na ogół wskazuje poprawę poziomu płynności finansowej
w przedsiębiorstwie oraz zdolności do finansowania wydatków. Nie zawsze jednak spadek tej
str. 11
wartości przynosi negatywne skutki, interpretując wyniki należy mieć na uwadze różne
czynniki wpływające na zmiany wielkości środków pieniężnych. Za przykład może posłużyć
zwiększenie się sprzedaży, a tym samym wyższe wartości należności, stanu zapasów oraz
zobowiązań. W takiej sytuacji wzrost środków pieniężnych może być wolniejszy niż sam
wzrost sprzedaży, a wskaźnik wydajności gotówkowej sprzedaży spadnie, jednak skutkiem tej
zmiany nie będą problemy z utrzymaniem płynności finansowej (Dudycz, 2008, strony 455-
456).
Wskaźnik wydajności gotówkowej sprzedaży stanowi iloraz przepływów z

działalności operacyjnej oraz przychodów ze sprzedaży i jest opisany wzorem:
przepływy z działalności operacyjnej (1.3)

∗100 %
przychody ze sprzedaży
Wskazuje on jaka część środków pieniężnych została wypracowana przez przychody

ze sprzedaży. Przedsiębiorstwa co do zasady powinny dążyć do maksymalizacji wydajności
gotówkowej sprzedaży, aby móc bez problemów utrzymywać płynność finansową. Wzrost
wartości tego wskaźnika jest równoznaczny z uzyskiwaniem przez przedsiębiorstwo większej
ilości gotówki ze sprzedaży. Wtedy też większa część przychodów zostaje zrealizowana w
formie przepływów przebieżnych.
Kolejny z omawianych wskaźników określa wydajność gotówkową aktywów ogółem,

a określa go wzór:

∗100 %
aktywa ogółem
Dzięki tej mierze można określić stopień uzyskanych przez aktywa ogółem gotówki z
działalności operacyjnej. Również w tym przypadku pożądany jest wzrost wartości
wskaźnika. W celach głębszej analizy można wyszczególnić udział wypracowanej gotówki z
działalności operacyjnej wyłącznie dla aktywów trwałych lub obrotowych. Należy wtedy
uwzględnić ich wartość w mianowniku. Pozwała to określić jak zmiany tych dwóch
składowych wpływają na wydajność gotówkową aktywów.
str. 12
Ostatni z omawianych wskaźnik wydajności gotówkowej odnosi się do
wypracowanego z działalności operacyjnej zysku. Aby go obliczyć należy posłużyć się
wzorem:

∗100 %
zysk z działalności operacyjnej
Informuje on jaką część środków pieniężnych wygenerował zysk z działalności

operacyjnej. Ponownie, im większa jest jego wartość, tym lepiej dla przedsiębiorstwa. Trend
wzrostowy wskazuje na poprawę poziomu płynności finansowej i mniejsze ryzyko jej utraty
(Sierpińska i Wędzki, 1997, strony 52-53).
3. Zarządzanie kapitałem obrotowym netto

Kapitał obrotowy netto (KON) nazywany jest inaczej kapitałem pracującym i ściśle
wiąże się z regulowaniem płynności finansowej przedsiębiorstwa. Można wyróżnić kilka
definicji, które określają jego istotę. Jedna z nich mówi, że stanowi on część kapitału stałego
finansującego aktywa obrotowe. Ukazuje on ułamek aktywów bieżących, które nie muszą być
przeznaczone na pokrywanie bieżących zobowiązań. Kapitał obrotowy ma za zadanie
ograniczenie ryzyka związanego ze zmniejszeniem płynności części aktywów bieżących
(Grzywacz, 2014, strony 14-18).
W celu ustalenia poziomu kapitału obrotowego, należy określić różnicę między

aktywami obrotowymi a zobowiązaniami krótkoterminowymi (Grzywacz, 2014, strony 14-
18). Nie jest to jednak jedyny stosowany wzór na KON, można również wyznaczyć różnicy
między kapitałek stałym a aktywami trwałymi. Niezależnie od wybranego sposobu wynik w
obu przypadkach będzie taki sam. Kapitał obrotowy netto może być ujemy, dodatni bądź
równy 0, chociaż ostatni przypadek prezentuje się częściej w teorii niż w praktyce.
Rysunek 1. Kapitał obrotowy ujemny
str. 13
Opracowanie własne na podstawie: W.Gabrusiewicz, Analiza finansowa przedsiębiorstwa.
Teoria i zastosowanie, Oficyna Wydawnicza SGH, Warszawa 2014, s. 123-126.
Ujemna wartość wskazuje, że część lub całość majątku trwałego jest finansowana przy
pomocy bieżących zobowiązań (rysunek 1). W sytuacji, kiedy jedynymi aktywami są aktywa
trwałe, a w kapitale wykazuje się wyłącznie zobowiązania krótkoterminowe, wartość KON
jest najniższa. W większości przypadków jest to niekorzystne dla przedsiębiorstw.
Rysunek 2. Kapitał obrotowy dodatni.

Z dodatnią wartością KON wiąże się przewaga kapitału stałego nad aktywami
trwałymi. Wówczas kapitał własny oraz kapitał obcy długoterminowy finansują część
aktywów obrotowych przedsiębiorstwa. (rysunek 2)
Rysunek 3. Kapitał obrotowy zerowy.
str. 14
Kapitał obrotowy równy 0 ma miejsce, kiedy całość aktywów obrotowych jest

pokrywana kapitałem stałym (rysunek 3). Najczęściej w przedsiębiorstwach taka sytuacja ma
charakter przejściowy i nie występuje długoterminowo, dlatego określana jest głównie w
teorii.
Dane dotyczące aktywów i pasywów w bilansie przedsiębiorstwa ulegają zmianom w

czasie, a co za tym idzie zmianą ulega również wartość kapitału obrotowego, która jest na
nich oparta. Może ona wzrastać lub maleć względem poprzednich okresów. Do wzrostu
przyczyniają się wszelkie zmniejszenia aktywów trwałych takie jak zbywanie lub utrata
wartości środków trwałych, ale również zwiększenia kapitałów własnych oraz zobowiązań
długoterminowych. Natomiast spadek poziomu kapitału obrotowego może być spowodowany
dokładnie odwrotnymi działaniami, czyli zwiększeniem wartości aktywów trwałych oraz
zmniejszeniem kapitału stałego (Gabrusewicz, Analiza finansowa przedsiębiorstwa Teoria i
zastosowanie, 2014, strony 123-126).
W analizie struktury majątkowo-kapitałowej wyróżnia się tzw. złotą zasadę

bilansową, która głosi, że kapitał własny powinien w pełni pokrywać aktywa trwałe.
Zachowanie tej zasady ogranicza ryzyko związane z utratą płynności finansowej (Wawak,
2013, str. 169). Kapitał własny oraz trwałe aktywa są składnikami majątku, którym
przedsiębiorstwo dysponuje w długim czasie. Do spełnienia powyższej musi zachodzić
zależność:
str. 15
Kapitał własny (1.6)
≥1
Aktywa trwałe
Nieco mniej restrykcyjną jest srebrna zasada bilansowa, w której to dopuszcza się aby
majątek trwały był finansowany przez kapitał stały, czyli kapitał własny powiększony o
zobowiązania długoterminowe. Jeśli zostanie ona zachowana, kapitał obrotowy netto może
osiągać dodatnie wartości, co ma korzystny wpływ na zachowanie płynności finansowej.
Istnieje również złota reguła finansowa, w jej przypadku całkowita wartość kapitału
obcego nie powinna być większa niż wartość kapitałów własnych. Innymi słowy
przedsiębiorstwo powinno unikać sytuacji, w której stopień zadłużenia przewyższałby 50%
(Gostkowska-Drzewicka, 2017, strony 25-26).
Przy analizie stosunku kapitału do majątku wykorzystuje się wskaźniki określające

stopień pokrycia aktywów trwałych:
Kapitał własny (1.7)

Pierwszy stopień pokrycia=
Aktywa trwałe
Kapitał własny +kapitał obcy długoterminowy

Drugi stopień pokrycia= (1.8)
Aktywa trwałe
Pierwszy z nich jest związany ze złotą zasadą bilansową, a jego wartość powinna być
bliska lub większa jedności. W większości przypadków trudne jest osiągnięcie sytuacji, w
której współczynnik byłby równy 1. Im wyższy jednak stopień pokrycia aktywów trwałych
kapitałem własnym, tym lepiej dla przedsiębiorstwa..
Drugi stopień pokrycia odzwierciedla srebrną regułę bilansową, zgodnie z którą dla
utrzymania stabilnej sytuacji finansowej przedsiębiorstwa wartość współczynnika powinna
być większa niż 1. W tej sytuacji nadwyżka kapitału stałego nad aktywami trwałymi może w
pewnej części sfinansować aktywa obrotowe (Gabrusewicz, Analiza finansowa
przedsiębiorstwa Teoria i zastosowanie, 2014, strony 121-122).
Obliczając kapitał obrotowy netto otrzymuje się wartość wyrażoną w złotówkach,

dlatego w celu analizy wskaźnikowej należy przyrównać go co innych składników. Można
określić jego udział w aktywach obrotowych, aktywach ogółem, bądź w kapitale stałym
(Ostaszewski, 2015, strony 186-191).
str. 16
Ważnym elementem wpływającym na regulowanie płynności finansowej jest sposób
zarządzania kapitałem obrotowym netto. Przedsiębiorstwa mogą obrać jedną z trzech
strategii:
− zachowawczą;
− umiarkowaną;
− agresywną.
Wszystkie bazują na utrzymywaniu określonego poziomu kapitału obrotowego netto.

W strategii zachowawczej (konserwatywna) ważne jest, aby utrzymywać jak najwyższy
poziom kapitału obrotowego netto, a zatem doprowadzić do sytuacji w której aktywa trwałe
oraz znaczna część aktywów obrotowych jest pokrywana kapitałem stałym. Pozytywnym
skutkiem obierania takiej strategii jest znaczne minimalizowanie ryzyka utraty płynności
finansowej. Przedsiębiorstwo dąży do ograniczenia bieżących zobowiązań oraz ich jak
najszybszej spłaty, tym samym pozyskując środki głównie przy pomocy kapitału obcego w
postaci długoterminowych kredytów lub pożyczek. Takie finansowanie wiąże się jednak z
podwyższeniem kosztów. Obok spłacanego kapitału powstają również odsetki, które w
przypadku zobowiązań zaciąganych na długi okres mogą być wysokie. Im dalszy termin
wymagalności, tym większy całkowity koszt zadłużenia. Mimo tych negatywnych skutków,
strategia konserwatywna umożliwia utrzymywanie najwyższej płynności finansowej.
W drugie kolejności wymieniona została strategia umiarkowana. Jest czymś pomiędzy

strategią zachowawczą, a agresywną. Płynność finansowa nie będzie już tak wysoka jak w
poprzednio omawianym podejściu, jednak ryzyko całkowitej jej utraty jest niewielkie. W tym
przypadku zwiększa się udział zobowiązań krótkoterminowych, przy czym kapitał stały nadal
w pełni finansuje aktywa trwałe. Jej zdecydowaną zaletą jest mniejszy odsetek kapitałów
obcych, który powoduje zmniejszenie kosztów z nimi związanych.. W porównaniu do
pierwszej strategii, wartość KON jest wciąż dodatnia, lecz mniejsza. Może się to wiązać z
trudnościami w terminowym regulowaniu zobowiązań.
Przedsiębiorstwo stosujące agresywną strategię pokrywa zobowiązaniami bieżącymi

większość lub nawet całość aktywów obrotowych. Kapitał obrotowy netto w tym przypadku
oscyluje w granicach 0, a także może przyjąć wartość ujemną. Nie trudno się domyślić, że
str. 17
taka sytuacja świadczy o dużym zagrożeniu utraty płynności finansowej, spłata zobowiązań
może w pewnym momencie wymagać upłynnienia aktywów trwałych. Zaletą prowadzenia
takiej strategii jest zdecydowanie najniższy koszt korzystania z kapitałów. W przypadku
ujemnej wartości KON zobowiązania krótkoterminowe będą pokrywały część aktywów
trwałych, co doprowadzi do naruszenia reguły bankowej (Ostaszewski, 2015, strony 193-
194).
Rozdział 2. Wyodrębnienie wahań sezonowych z szeregów czasowych oraz badanie

współzależności zmiennych.
1. Analiza szeregów czasowych

Do potrzeb analizy gospodarczej często stosuje się szeregi czasowe, dzięki którym
zarówno prognozuje się przyszłe wartości zjawiska, jak również wyjaśnia co wpływa na
aktualne oraz historyczne wartości. Dają one możliwość przeprowadzania symulacji, które
często pomagają w podejmowaniu kluczowych decyzji finansowych. Do badania można
stosować dane zbierane rocznie, kwartalnie, miesięcznie, dziennie, itd. Nieodłącznym
składnikiem szeregu czasowego jest składnik losowy, który występuje zawsze. Dodatkowo
podczas generowania szeregu może występować trend, wahania okresowe oraz interwencje w
proces, czyli nieoczekiwane zmiany wynikające z czynników zewnętrznych (Sokolowski,
2010, str. 81).
str. 18
Analizę szeregów czasowych w finansach stosuje się w celu podjęcia jak najlepszej
decyzji o m.in. sprzedaży lub zakupie, produkcji, zatrudnieniu. Można więc wyodrębnić kilka
kluczowych zadań jakie spełniają szeregi czasowe:
− przewidywanie wielkości sprzedaży oraz popytu na produkt w przyszłych okresach;
− prognozowanie współczynników makroekonomicznych takich jak inflacja, PKB;
− analiza zachodzących oraz przyszłych zmian demograficznych, klimatycznych,
gospodarczych;
− badanie rynku pracy, w szczególności analiza poziomu bezrobocia i zatrudnienia,
również w odniesieniu do wieku;
− przewidywanie i analizowanie wartości akcji spółek, kursów walutowych, cen
surowców;
Na podstawie podanych przykładów wyróżnia się dwie główne funkcję stosowania
szeregów czasowych, czyli rozpoznanie regularnych tendencji oraz prognozowanie
(Zagdański i Suchwałko, 2016, str. 22).
Zmienne losowe charakteryzują szereg czasowy i mogą przybierać formę ciągłą jeśli
opisują wartości rzeczywiste z niepoliczalnego przedziału. O zmiennych skokowych mówi się
z kolei, gdy wartość jest policzalna i ściśle określona na dany moment. Szeregi czasowe
można podzielić na szereg okresów i momentów, w zależności od charakteru badanej cechy.
Ten pierwszy stanowi zbiór informacji o zjawisku w całym wyznaczonym okresie.
Najczęściej opiera się na zmiennych ciągłych oraz pozwala na agregacje danych. Szereg
czasowy momentów zawiera wartości badanego zjawiska wyłącznie dla określonych
momentów czasu, np. roku, kwartału, miesiąca. Nie można w tym przypadku określić jak
sytuacja kształtowała się pomiędzy danymi punktami odczytów (Witkowska, Kompa i
Tarczyński, 2013, strony 11-12).
Szereg czasowy w szerokim ujęciu jest realizacją procesu stochastycznego zmiennych

losowych, które zależą od parametru przyjmującego wartości ze zbioru liczb rzeczywistych.
Tradycyjna definicja określa go natomiast jako ciąg chronologicznie uporządkowanych
obserwacji dokonanych w określonych momentach, które charakteryzują badany element.
Istotną rolę odgrywa tutaj zmienna czasowa, która wpływa na całą strukturę szeregu.
str. 19
Analizę struktury zbiorowości przeprowadza się przy pomocy parametrów opisowych,
które można podzielić na klasyczne oraz pozycyjne. Ma ona na celu zbadanie właściwości
szeregów czasowych. Parametry klasyczne liczy się z uwzględnieniem wszystkich wartości
cechy w zbiorowości, są to między innymi średnia arytmetyczna, wariancja, klasyczny
współczynnik zmienności. Natomiast dominanta lub mediana to typowe parametry pozycyjne,
które określane są za pomocą tylko niektórych jednostek ze zbiorowości i stanowią
alternatywę dla miar klasycznych (Zimny, 2010, str. 21).
Wszystkie szeregi statystyczne, w tym szereg czasowy można opisać za pomocą

metod takich jak:
− miara położenia;
− miara zmienności (rozrzutu, dyspersji);
− miara asymetrii;
− miara spłaszczenia i koncentracji.
Najczęściej używaną miarą położenia jest średnia arytmetyczna, która określa

przeciętny poziom badanego zjawiska. Opisuje ją wzór:
T
1
y=
T
∑ ❑ yt (2.1)
t=1
Gdzie: y t – poziom badanego zjawiska w t-ym okresie

T – liczba okresów, w którym dokonano pomiaru zjawiska
Miara ta należy do klasycznych i chodź jest powszechnie używana, w niektórych

przypadkach jej odczyt może być zaburzony. Dzieje się tak, kiedy wśród badanych
obserwacji pojawiają się wartości znacznie odstające od reszty, a sam szereg jest
asymetryczny. Wówczas średnia geometryczna może mieć zaniżoną bądź zawyżoną wartość,
dlatego zaleca się poszerzenie badania o miary pozycyjne takie jak mediana lub dominanta
(Witkowska, Kompa i Tarczyński, 2013, strony 14-15).
Innymi miarami położenia wśród klasycznych są średnia chronologiczna, harmoniczna

lub geometryczna, a także dominanta i mediana. Dominanta wskazuje najczęściej
str. 20
występującą wartość cechy zmiennej w badanym zbiorze. Mediana z kolei przybiera wartość
tej cechy, która znajduje się w połowie wszystkich badanych zmiennych uporządkowanych
od najniższych do najwyższych wartości (Zimny, 2010, strony 22-25).
Aby określić stopień odchylenia poszczególnych wartości zmiennych względem

średniej dla całej zbiorowości należy użyć miar zmienności. Pozwalają one określić
zróżnicowanie każdego z badanych elementów (Witkowska, Kompa i Tarczyński, 2013,
strony 15-16). Podstawowymi miarami zróżnicowania w analizie statystycznej są rozstęp,
odchylenie standardowe, odchylenie przeciętne, współczynnik zmienności..
Rozstęp stanowi różnice między największą i najmniejszą wartością zmiennej (x):
R=( x i) −min ⁡( x i ) (2.2)
Najpowszechniejszą miarą zmienności jest odchylenie standardowe, które określa

przeciętną różnicę badanych zmiennych względem ich średniej wartości. Wyznacza się je
obliczając pierwiastek z wariancji, która z kolei stanowi średnią arytmetyczną kwadratów
różnic między poszczególnymi zmiennymi a ich średnią wartością. Przyjmując, że wyraz T
stanowi liczbę obserwacji, miara opisywana jest wzorem:
√
r
∑ ❑( yt− y)2 (2.3)

t=1
S=
T
Wyższe wartości odchylenia standardowego wskazują na większe zmienności

wartości badanego zjawiska. Odchylenie nie przyjmuje ujemnych wartości, natomiast w
sytuacji kiedy S(x) =0 nie występuje zróżnicowanie zmiennych.
Odchylenie przeciętne to średnia arytmetyczna z bezwzględnych różnic między

wartościami poszczególnych zmiennych a ich średnią:
r
d (x )=∑ ❑∨ yt− y∨ ¿ ¿ (2.4)
t=1 T
Miara ta jest rzadziej wykorzystywana w praktyce i informuje o ile przeciętnie

zaobserwowane wartości zmiennej różnią się od wartości średniej.
str. 21
Względną miarą zróżnicowania, która odnosi się do innych miar jest współczynnik
zróżnicowania. Oblicza się go przy pomocy następujących wzorów:
S (2.5)
Vz= ∗100 %
y
d (x) (2.6)
Vz= ∗100 %
y
Za wartość graniczną tego współczynnika uznaje się 10%, wyniki niższe świadczą na
ogół o nieistotnym zróżnicowaniu.
Kolejną grupą metod statystycznych są miary asymetrii, które pozwalają określić w

jakim stopniu rozkład badanych cech różni się od rozkładu symetrycznego. Z symetrią mamy
do czynienia, kiedy rozkład charakteryzuje się taką samą wartością średniej arytmetycznej,
mediany oraz dominanty. W przeciwnym wypadku rozkład przybiera miano asymetrycznego,
a poziom tej asymetrii jest tym większy, im większe są różnice między wielkościami miar
pozycyjnych. Wówczas w zbiorowości przewagę mogą mieć jednostki o wyższych lub
niższych niż przeciętna wartościach. W zależności od tego, która grupa jednostek dominuje,
mówimy o asymetrii lewostronnej (ujemnej) bądź prawostronnej (dodatniej). W przypadku
ujemnej asymetrii przeważają wartości wyższe od średniej, natomiast przy dodatniej asymetrii
wartości niższe od średniej.
Do miar symetrii zalicza się między innymi współczynnik skośności Pearsona, oraz
klasyczny współczynnik asymetrii. Pierwszy z nich przyjmuje wartości z przedziału [-1-1].
Jest on ilorazem różnicy między średnią wartością badanego zjawiska a jego dominanty oraz
odchyleniem standardowym:
x−D
A S= (2.7)
S(x )
Klasyczny współczynnik asymetrii opisuje się jako iloraz momentu centralnego

trzeciego rzędu i podniesionego do trzeciej potęgi odchylenia standardowego:
3
v (x)
A S= (2.8)
S 3 (x)
str. 22
Moment centralny trzeciego stopnia, który pojawia się przy współczynniku asymetrii
liczy się zgodnie ze wzorem:
∑ ❑( yt− y)3 (2.9)

v 3( x)= t=1
T
Analizujący wyniki miar należy zwrócić uwagę na znak, który informuje o kierunku
asymetrii. Wartości ujemne świadczą o asymetrii lewostronnej, a dodatnie o prawostronnej. Z
kolei o sile asymetrii informuje nas wartość bezwzględną współczynników, im jest ona
większa, tym silniejszą asymetrią charakteryzuje się rozkład. Jeżeli miary są równe zeru,
oznacza to że rozkład jest symetryczny (Sojka, Przybylska-Mazur, Sączewska-Piotrowska i
Wolny-Dominiak, 2020, strony 19-21).
Analiza koncentracji może przybierać dwie formy charakteryzujące się innymi

metodami badawczymi stosowanymi do oceny jej natężenia. Pierwsza z nich to analiza
nierówności rozdziału łącznego funduszu cech pomiędzy poszczególnymi jednostkami
zbiorowości, kiedy badane cechy są zasobami. Wykorzystujemy wtedy krzywą koncentracji
Lorenza oraz współczynnik koncentracji Lorenza. Jeśli natomiast koncentrację zdefiniujemy
jako skupianie się wartości zmiennej wokół średniej, stosujemy wówczas miary spłaszczenia
takie jak współczynnik kurtozy oraz współczynnik ekscesu (Sobczak, 2010, strony 71-72).
2. Wahania sezonowe w szeregach czasowych
W celu maksymalizacji efektywności przedsiębiorstwa dobrze jest stale analizować

zmienność w czasie przychodów jak i kosztów. Zauważalne zwiększenia lub zmniejszenia
wartość sprzedaży w pewnych powtarzalnych okresach są związane ze zjawiskiem
sezonowości, a świadomość ich występowania pomaga w racjonalnym zarządzaniu
produkcją. Takie informacje pozwalają na dostosowanie nakładów w danych okresach, co w
skutkach minimalizuje koszty działalności (Jagoda, 2016, strony 140-141).
Klasyczne podejście do modeli ekonometrycznych zakłada, że powiązania między

zmiennymi objaśnianą i objaśniającą można dla całego zbioru opisać przy pomocy wzoru
analitycznego. Wśród wszystkich modeli ekonometrycznych wyróżnia się model trendu, dla
którego charakterystyczne jest wykorzystanie miary czasu jako zmiennej egzogenicznej.
str. 23
Służy on do określania powtarzalności pewnych zjawisk oraz ich następstw. Można wyróżnić
cztery składowe szeregu czasowego:
− trend - długookresowe wzrosty lub spadki wartości badanej zmiennej;
− wahania sezonowe - występujące w określonych odstępach czasowych odchylenia od
wartości trendu;
− wahania koniunkturalne - długoterminowe zmiany gospodarcze spowodowane cyklem
koniunkturalnym;
− wahania przypadkowe - nieregularne odchylenia wielkości badanego zjawiska
wywołane czynnikiem zewnętrznym.
Pomijając okresowość szeregów, na zmiany w nim zachodzące mają wpływ

przyczyny główne, które w dużej mierze determinują tendencję rozwojową zjawiska oraz
uboczne o charakterze przypadkowym (Czyżycki i Klóska, 2009, strony 352-353).
Wśród ekonomistów panuje przekonanie, iż wszystkie zjawiska ekonomiczne

powtarzają się. Od lat w gospodarce zauważane są przeplatające się między sobą okresy
ekspansji oraz recesji. Mają one charakter długoterminowy i są częścią cyklu gospodarczego.
Wahania wynikające z takich zmian stanu gospodarki nazwane są wahaniami
koniunkturalnymi (Ostasiewicz, 2011, str. 190).
Wahania sezonowe w przeciwieństwie do koniunkturalnych wyróżniają się dużą

częstotliwością występowania w krótkim okresie. W ekonomii przyczynami występowania
takich wahań często są rynkowe tendencje w popycie na produkty lub usługi oraz zmiany
pory roku, które ściśle wiążą się z rolnictwem. Sezonowość jest charakterystyczna między
innymi dla branży turystycznej, zjawisk takich jak bezrobocie oraz zatrudnienie, zmiany cen
surowców rolnych i produktów, w których są wykorzystywane (Szczepańska-Przekota, 2020,
strony 199-200).
Proces wyszczególnienia wahań sezonowych w szeregu czasowym można dokonać w

5 etapach:
− Etap 1. Wyodrębnienie funkcji trendu oraz wartości teoretycznych;
str. 24
− Etap 2. Eliminacja trendu z szeregu czasowego;
− Etap 3. Eliminacja wahań przypadkowych;
− Etap 4. Obliczenie średniej arytmetycznej z surowych wskaźników sezonowości;
− Etap 5. Wyznaczenie czystych wskaźników sezonowości (Tatarzycki, 2008, strony
261-264).
Aby wyodrębnić wahania sezonowe, należy w pierwszej kolejności dokonać

dekompozycji szeregu czasowego i wyeliminować obserwacji trendu, wahań cyklicznych
oraz przypadkowych. Poprzez dekompozycje szeregu czasowego można wyszczególnić
zmiany wielkości badanego zjawiska takie jak: ogólną tendencja rozwojowa, wahania
okresowe oraz przypadkowe. Najprostszą metodą na zbadanie jakimi z wymienionych zmian
charakteryzuje się szereg czasowy jest sporządzenie wykresu szeregu dynamicznego, który
wyróżnia wahania okresowe oraz trend. W celu analizy jednego z wymienionych składników,
należy wyeliminować w szeregu wszystkie inne. Działania prowadzące do wyznaczenia
trendu danego zjawiska nazywa się wyrównywaniem lub wygładzeniem szeregu
dynamicznego. W tym celu stosuje się najczęściej:
− metodę mechaniczną wykorzystującą średnie ruchome,
− metodę analityczną wykorzystującą metodę najmniejszych kwadratów.
Metoda średnich ruchomych opiera się na podmienieniu wyjściowych wartości

szeregu czasowego na wartości średnie obliczone z określonej liczby wyrazów. Często
korzysta się z niej, kiedy nie można określić wystarczająco dokładnej analitycznej postaci
funkcji trendu. Średnie ruchome wyznaczane są w zależności od tego, czy liczba wyrazów
szeregu empirycznego jest parzysta, czy też nieparzysta. W pierwszym przypadku mówi się o
średnich ruchomych zwykłych, natomiast w drugim o średnich ruchomych scentrowanych
(Balcerowicz-Szkutnik, Sojka i Szkutnik, 2014, strony 116-117).
Wzór na średnie ruchome zwykłe jest ilorazem sumy poszczególnych wartości

empirycznych i liczby okresów. W równaniu wyrażamy wartości dla n -tej obserwacji i okresu
k . W przypadku trzyokresowej (k =3) średniej przy założeniu, że n ≥ 3, ma zastosowanie wzór:
str. 25
y n−2 + y n−1+ y n
y n−1= (2.10)
3
Dla średnie ruchome scentrowanych w liczebniku wartości obserwacji n oraz n−4 są

dzielone przez 2. W tym przypadku musi zostać spełniony warunek n ≥ 5. Wzór dla
czterookresowej (k =4) średniej ruchomej ma postać:
1 1
∙ y n−4 + y n−3 + y n−2+ ∙ y n
2 2 (2.11)
y n−2=
4
Okresy wygładzenia przy średnich ruchomych powinny zawsze być dopasowane

odpowiednio do posiadanych danych. Za zaletę zastosowania takiej metody można uznać
prostotę w wykonywaniu obliczeń, jednak skutkuje to skracaniem liczby danych szeregu
(Duda, 2017, strony 216-217).
Wyrównywanie szeregu może wykorzystywać również metodę analityczną, która

polega na wyznaczeniu funkcji matematycznej jak najlepiej pasującej do opisania zmian
badanego zjawiska. W tym przypadku należy wyznaczyć funkcję trendu mogącą przybrać
różne postacie, np. liniową, wykładniczą, potęgową. Najprostszą formą przedstawienia trendu
jest funkcja liniowa:
y t =α 1t +α 0+ δ t (2.12)
Parametry strukturalne we wzorze to odpowiednio współczynnik kierunkowy ( α 1),

wyraz wolny (α 0) oraz składnik losowy (δ t ¿. Współczynnik kierunkowy informuje o ile
średnio rzecz biorąc zmieniła się wartość badanego zjawiska na przestrzeni jednej jednostki
czasu.
Klasyczna metoda najmniejszych kwadratów pozwala na oszacowanie nieznanych

paramentów strukturalnych. Zakłada ona, że suma kwadratów odchyleń wartości
empirycznych od wartości teoretycznych musi być jak najmniejsza. Po przekształceniach
można wyszczególnić wzory, z których określa się oceny parametrów strukturalnych a 1 i a 0:
str. 26
n n n
n ∑ ❑ y t t−∑ ❑t ∑ ❑ y t
t =1 t =1 t =1
a 1= n n
(2.13)
n ∑ ❑t −( ∑ ❑t )
2 2
t=1 t =1
a 0= y t −a1 t (2.14)
Liczba n we wzorze oznacza ilość podokresów. Po oszacowaniu powyższych

parametrów funkcję trendu można przedstawić w następujący sposób (Balcerowicz-Szkutnik,
Sojka i Szkutnik, 2014, strony 119-120):
y=a1 t +a 0 (2.15)
Sama eliminacja wahań sezonowych zależna jest od wybranego modelu szeregu. Mają
tu zastosowanie dwie formuły, w przypadku modelu addytywnego oblicza się różnicę między
wartościami empirycznymi zmiennej a wartościami teoretycznymi wyznaczonymi z funkcji
trendu, które nie zawierają wahań. Zastosowanie ma wtedy wzór:
st = y t −^
yt (2.16)
Dla modelu multiplikatywnego wyznacza się iloraz wartości obserwacji oraz wartości
teoretycznych nie zawierających wahań:
yt
st = (2.17)
^
yt
W następnym kroku wykorzystując znaną już składową st należy wyznaczyć surowe

wskaźniki sezonowości dla poszczególnych podokresów (i ), gdzie N stanowi liczbę cykli.
Przyjmują one postać średniej arytmetycznej z wartości składowych sezonowych:
∑ ❑ st (2.18)
si= t=1
N
Tak określone surowe wskaźniki niekiedy należy skorygować przy pomocy

współczynnika korygującego, który jest średnią arytmetyczną surowych wskaźników
sezonowości:
str. 27
n
∑ ❑ si (2.19)
k = t =1
N
W modelu addytywnym ma on zastosowanie, gdy suma surowych składników dla

badanego podokresu różni się od 0, natomiast w modelu multiplikatywnym jest równa liczbie
podokresów. Jeśli zaistniała konieczność wyznaczenia współczynnika korygującego, jest on
następnie wykorzystywany do obliczenia czystych wahań sezonowych.
W zależności od wybranego modelu szeregu czasowego wyróżnia się dwa sposoby na

ustalenie oczyszczonego współczynnika sezonowości. Przy modelu addytywnym
zastosowanie ma wzór opisujący różnicę między wskaźnikiem surowym a współczynnikiem
korygującym:
o i=si−k (2.20)
Natomiast w modelu multiplikatywnym wskaźnik ten określa się jako iloraz

wskaźnika surowego oraz współczynnika korygującego. Co ważne, w tym przypadku jest on
wyrażony procentowo:
si
o i= ∙100 % (2.21)
k
Po przeprowadzonej analizie możemy na podstawie współczynników sezonowości

odpowiedzieć na pytanie: o ile średnio wartość analizowanej zmiennej odchyla się sezonowo
w określonych okresach roku od wartości teoretycznej nie zawierającej wahań (Szczepańska-
Przekota, 2020, strony 199-201).
3. Analiza współzależności zjawisk
Analiza statystyczna daje wiele narzędzi do zbadania danego zjawiska poprzez ocenę
jego przeciętnego poziomu, czy też zróżnicowania. Kiedy zbiorowość charakteryzuje się
więcej niż jedną cechą statystyczną, badanie można poszerzyć o ocenę współzależności.
Może się okazać, że dwie właściwości są ze sobą powiązane, a zmiana jednej z nich skutkuje
zmianami drugiej. Zależności bada się pod kątem ich siły oraz kierunku, przy wykorzystaniu
str. 28
odpowiednich miar, takich jak współczynnik korelacji Pearsona, korelacja cząstkowa i
wieloraka, a także współczynnik korelacji rang Spearmana.
Kiedy cechy wykazują między sobą powiązanie, może ona mieć charakter funkcyjny
bądź stochastyczny. W przypadku zależności o charakterze funkcyjnym zmiany jednej cechy
zależnej oddziałują na zmiany drugiej. Można ją opisać poprzez funkcję
Y =f ( X ) ,w której to parametry X oraz Y przyjmują odpowiednio wartości dwóch
analizowanych zmiennych. W praktyce rzadko spotyka się zależności o charakterze
funkcyjnym.
Natomiast kiedy zmiany jednej cechy wywołują średnie zmiany drugiej, mówi się o
zależności stochastycznej. Wyrażenie „średnie zmiany” jest tutaj kluczowym elementem,
który wyróżnia te dwa charaktery współzależności. Oznacza ono, że reakcje zmiennej
zależnej mogą występować z różnym, większym bądź mniejszym nasileniem. W
konsekwencji danej wartości cechy X może odpowiadać więcej niż jedna wartość Y .
Charakter stochastyczny opisuje się jako Y '=f ( X ) , gdzie Y ' oznacza wartość średnią
zmiennej (Szczepańska-Przekota, 2020, str. 103).
Opisowe miary współzależności określa się w inny sposób dla cech zmiennych, a w
inny dla jakościowych. Narzędzia wykorzystywane przy cechach jakościowych to między
innymi: współczynnik korelacji liniowej Pearsona, stosunki korelacyjne Pearsona, korelacja
cząstkowa i wieloraka. Z kolei zależność między zmiennymi jakościowymi można opisać
przy pomocy współczynnika korelacji rang Spearmana, korelacji rang Kenalla, mierników
korelacji statystyki chi-kwadrat (Sobczak, 2010, strony 104-127).
Jedną z najczęściej używanych miar jest współczynnik korelacji liniowej Pearsona,

które określa siłę i kierunek powiązań między dwiema zmiennymi. Badane cechy mogą być
wyrażone w różnych jednostkach i nie wymagają ujednolicenia (Wilkowski, 2009, strony
191-192). Nie ma również znaczenia, która ze zmiennych jest zależna, a która niezależna,
ponieważ współczynnik ten jest miarą symetryczną. Zależność prostoliniowa występuje w
momencie, kiedy jednostkowym przyrostom jednej zmiennej towarzyszą średnio stałe
przyrosty drugiej.
Do określenia współczynnika korelacji Pearsona należy wyliczyć kowariancje z

wykorzystaniem zmiennych X i Y oraz ich wartości średnich X i Y dla liczby okresów n.
Określa się ją w następujący sposób:
str. 29
n
∑ ❑(x i−x )( y i− y ) (2.22)

cov ( X ,Y )= i=1
n
Kowariancja przyjmuje wartości z zakresu [−s(x )∙ s( y ); s(x )∙ s ( y )], gdzie s(x ) oraz
s( y ) stanowią odchylenia standardowe badanych zmiennych.
Współczynnik korelacji liniowej Pearsona zmiennych losowych X i Y opisywany jest

za pomocą wzorów:
cov ( X ,Y )
r ( X ,Y )= (2.23)
S( x )∙ S ¿ ¿
xy −x ∙ y
r ( X ,Y )= (2.24)
√ x −x2 ∙ √ y 2− y 2
2
Przyjmuje on wartości z przedziału [-1,1] i cechuje się umiarkowaniem. O kierunku

korelacji informuje nas znak współczynnika, jeżeli jest on dodatni mamy do czynienia z
dodatnią zależnością i analogicznie jeśli jest on ujemny, zależność również jest ujemna.
Aby określić siłę korelacji należy przeanalizować wartość bezwzględną otrzymanego

wyniku. Pełna współzależność liniowa występuje w sytuacji kiedy |r ( X , Y )|=1, natomiast
brak zależności liniowej ma miejsce jeżeli |r ( X , Y )|=0. Przedziały oraz przyporządkowany
im poziom nasilenia zależności kształtują się następująco:
− 0 , 8 ≤|r ( X ,Y )|<1 - bardzo silna zależność liniowa;
− 0 , 6 ≤|r ( X ,Y )|<0 , 8 - dość silna zależność liniowa;
− 0 , 4 ≤|r ( X ,Y )|< 0 ,6 - przeciętna zależność liniowa;
− 0 , 2 ≤|r ( X ,Y )|< 0 , 4 - słaba zależność liniowa;
− 0<|r ( X ,Y )|<0 , 2 - bardzo słaba zależność liniowa (Szczepańska-Przekota, 2020, strony
105-106).
W oparciu o współczynniki korelacji liniowej Pearsona można obliczyć korelacje

cząstkową i wieloraką. Mają one zastosowanie w momencie, kiedy na badaną zmienną
str. 30
zależną wpływa więcej niż jedna zmienna niezależna. Analizy należy dokonywać w taki
sposób, aby zbadać wyłącznie ekonomicznie i logicznie uzasadnione powiązania.
Korelacja cząstkowa pozwala na wyszczególnienie siły współzależności między

dwiema cechami statystycznymi bez uwzględniania innych. W przypadku 3 zmiennych X, Y
oraz Z można opisać ją w poniższy sposób:
r xy −r xz ∙ r yz
r xy . z= (2.25)
√(1−r 2
xz )∙(1−r yz )
2
r xz −r xy ∙r zy
r xy . y =
(2.26)
√(1−r 2
xy )∙(1−r zy )
2
r yz −r xy ∙ r zx
r xy . x = (2.27)
√(1−r 2
xy )∙(1−r zx )
2
Natomiast korelacja wieloraka określa zależność między konkretną cechą a

wszystkimi innymi. Określona jest wzorem:
r xy −r xz ∙r yz
R y . zx = (2.28)
√(1−r 2
xz
2
)∙ (1−r yz )
Wyrazy r xy, r xz oraz r yz we wzorach oznaczają współczynniki korelacji liniowej

Pearsona pomiędzy poszczególnymi zmiennymi (Balcerowicz-Szkutnik, Sojka i Szkutnik,
2014, str. 67).
Wskaźniki korelacyjne Pearsona służą do mierzenia wyłącznie siły zależności

krzywoliniowej między zmiennymi. Ma ona zastosowanie zarówno gdy obie cechy są
ilościowe, lub także gdy jedna z nich jest jakościowa. W drugim przypadku zmienną
niemierzalną należy potraktować jako niezależną, z kolei mierzalną jako zależną. Miary
korelacyjne Pearsona skonstruowane są w formie równości wariacyjnych i często określa się
na podstawie tablic korelacyjnych, Cechują się niesymetrycznością, co oznacza konieczność
wyznaczenia zarówno zależności zmiennej x od zmiennej y, jak i odwrotnie. Istnieją jednak
dwie sytuacje, w których można mówić o symetryczności tych wskaźników. Dzieje się tak,
kiedy zmienne są niezależne korelacyjne lub zachodzi między nimi związek funkcyjny.
Wskaźnik korelacje y względem zmiennej x opisuje wzór:
str. 31
√
2
s ( y i) (2.29)
e yx = 2
s ( y)
Podobnie wskaźnik korelacyjny y względem zmiennej x kształtuje się w następujący

sposób:
√
2
s (x i ) (2.30)
e xy = 2
s (x)
W obu równaniach występuje wariancja międzygrupowa s2 (x i) oraz s2 ( y i ). Wskaźniki

ten może przyjmować wartości nie mniejsze niż 0 oraz nie większe niż 1. Interpretacja
wyników pod kątem poziomu nasilenia odbywa się w taki sam sposób, jak było to w
przypadku korelacji liniowej Pearsona (Sobczak, 2010, strony 109-111).
Jeśli istnieje przeciętna lub silniejsza zależność między badanymi zmiennymi

mierzalnymi, można ustalić funkcję liniową w teoretycznym sensie opartą na badanych
cechach. Mowa o teoretycznej linii regresji wyrażanej wzorami:
y=a1 x + a0 (2.31)
x=b 1 y +b 0 (2.32)
Przy jej pomocy określa się współzmienność badanych cech poprzez dopasowanie ich
do funkcji. Parametry strukturalnemożna wyznaczyć korzystając z metody najmniejszych
kwadratów. Istnieje jednak drugi sposób, który opiera się na średnich arytmetycznych obu
zmiennych, ich odchyleń standardowych oraz współczynniku korelacji Pearsona. W tym
przypadku zastosowanie mają następujące wzory:
s( y)
a 1=r (x , y)∙ (2.33)
s (x)
s (x)
b 1=r (x , y )∙ (2.34)
s( y)
a 0= y−a1 x
(2.35)
b 0=x−b 1 y
(2.36)
str. 32
Miarami dopasowania teoretycznych linii regresji do danych empirycznych są
współczynnik zmienności resztowej, współczynnik zbieżności oraz współczynnik
determinacji (Balcerowicz-Szkutnik, Sojka i Szkutnik, 2014, str. 56). Pierwszy z nich jest
miarą niemianowaną wyrażaną procentowo. Informuje jaka część średniej arytmetycznej
badanej zmiennej stanowi odchylenie standardowe składnika resztowego, a określa go wzór:
Se
V e= ∙100 % (2.37)
y
Im niższą wartość przybiera współczynnik, tym lepsze jest dopasowanie funkcji,

sytuacja dopasowania idealnego występuje kiedy V e =0 . Do wyliczenia współczynnika
zmienności resztowego należy wyznaczyć odchylenie standardowe składnika resztowego ( Se ¿
przy pomocy wzoru:
√
n
∑ ❑( y i− ^y )2 (2.38)
i=1
Se =
n−k
Wyrażenie n−k określa liczbę stopni swobody, czyli różnice między liczebnością
populacji a liczbą parametrów funkcji.
Współczynnik zbieżności, inaczej braku determinacji, opisuje stosunek zmiennych nie

wyjaśnionych przez funkcję regresji, do całkowitej zmienności cechy zależnej Y. Przyjmuje
on wartości z przedziału [0,1], a im są one niższy, tym lepiej funkcja regresji dopasowana jest
do wartości empirycznych. Można go obliczyć w następujący sposób:
∑ ❑( y i− ^y )2
φ 2= i=1
n
(2.39)
∑ ❑( y i− y ) 2
i=1
Współczynnik determinacji odpowiada na pytanie: jaka część zmienności zmiennej

objaśnianej została wyjaśniona przez funkcję zmiennej objaśniającej. Przybiera on wartości
od 0 do 1, a im są one wyższe, tym lepiej zmienna X wyjaśnia zmienną Y. Stanowi on
dopełnienie do jedności współczynnika zbieżności:
2 2
R =1−φ (2.40)
str. 33
Badając liniową funkcję regresji dwóch zmiennych współczynnik ten odpowiada
kwadratowi współczynnika korelacji liniowej Pearsona (Kurkiewicz i Stonawski, 2005, strony
111-112).
str. 34
Rozdział 3. Badanie wpływu sezonowości przychodów ze sprzedaży na płynność
finansową na przykładzie Grupy Żywiec S.A. oraz Ambra S.A. w latach 2017-2021
3.1. Charakterystyka rynku alkoholi w Polsce

Rynek alkoholi w Polsce jest istotną częścią rynku dóbr szybko zbywalnych (FMCG), szacuje się go na
ok. 40 mld zł. Jak ukazuje tabela 2 szczególną popularnością cieszy się sprzedaż piwa i wyroby
spirytusowe, z przewagą segmentu piwnego. Jeśli chodzi o miejsce zakupu, zdecydowanie największy
wolumen odnotowują małoformatowe sklepy spożywcze oraz dyskonty.
Tabela 2. Struktura spożycia napojów alkoholowych w procentach w przeliczeniu na 100% alkohol w

latach 2000-2021
Rok 2017 2018 2019 2020 2021
Wyroby 35,2 34,6 37,8 38,5 39,2
spirytusowe
Wino i miody 7,8 7,5 7,6 8,0 8,3
pitne
Piwo 57,8 57,9 54,6 53,5 52,5
Źródło: https://www.parpa.pl/index.php/badania-i-informacje-statystyczne/statystyki
Piwo jako lider rynku alkoholowego stanowi ponad 50% wartości napojów procentowych, możemy je
znaleźć w około 75% koszyków konsumentów alkoholu. Najczęściej klienci sięgają po piwa jasne,
chociaż zauważalny jest również wzrost zainteresowania piwami smakowymi. Istotnym czynnikiem
kształtującym popyt na piwo jest pogoda, a wysokie temperatury skłaniają do częstszego sięgania po
tego typu napoje.
Wśród alkoholi mocnych zdecydowanie dominuje wódka, która stanowi prawie 40% wartości
nabywanych napojów procentowych. W tym przypadku znaczenie mają również pojemności,
konsumenci często sięgają po butelki do 200 ml., tak zwane „małpki”.
Inną kategorią o znaczącej wartości są wina i miody pitne. Wśród win coraz to większa popularnością
cechują się wina białe, a także wina musujące. Najwyższe wartości sprzedaży w tym przypadku
odnotowuje się w okresach przedświątecznych oraz w związku ze szczególnymi wydarzeniami w ciągu
roku, takimi jak Walentynki czy Dzień Kobiet.
Tabela 3. Średnie roczne spożycie napojów alkoholowych na 1 mieszkańca w litrach w przeliczeniu na

100% alkohol
Rok 2017 2018 2019 2020 2021
Średnie spożycie alkoholu 9,45 9,55 9,78 9,62 9,70
str. 35
na 1 mieszkańca w litrach
Źródło: https://www.parpa.pl/index.php/badania-i-informacje-statystyczne/statystyki
Zgodnie z badaniami Państwowej Agencji Rozwiązywania Problemów Alkoholowych (tabela 3) ogólna

tendencja do spożywania alkoholu wzrasta z roku na rok. Zmniejszona wartość spożycia alkoholu w
2020 roku ma związek z wybuchem epidemii COVID-19 i panującymi obostrzeniami. Powszechna
izolacja oraz zamknięcie lokali gastronomicznych zmniejszyło popyt na napoje alkoholowe. W tym
okresie została odnotowana najmniejsza od 10 lat wartość konsumpcji piwa, czyli 93,6 litra w
przeliczeniu na jednego mieszkańca (Rynek alkoholi w Polsce, 2022).
Rynek alkoholowy odznacza się dużą sezonowością. W zależności od mocy trunków obserwuje się
różne tendencje wzrostu sprzedaży. Napoje niskoprocentowe, takie jak piwa, generują największe
przychody w okresach letnich, kiedy pogoda sprzyja spędzaniu czasu poza domami. Z kolei zimą
odnotowuje się wyraźny wzrost sprzedaży win. Napoje wysokoprocentowe takie jak wódka, whisky,
czy rum, kupowane są najczęściej w okresie Świąt Bożego Narodzenia (Polski Rynek Alkoholowy -
Raport Nielsena, 2018).
Grupa Żywiec jest wiodącym producentem piwa w Polsce oraz jedyną polską Spółką notowaną na
Giełdzie Papierów Wartościowych. W swojej bogatej ofercie produktów posiada wiele znanych na
rynku alkoholi marek, takich jak Heineken, Namysłów, Desperados, Warka, Tatra oraz flagowy
Żywiec. Produkcja obejmuje zarówno piwa klasyczne (alkoholowe), jak i te bezalkoholowe (0%).
Grupa Żywiec waży swoje wyroby w pięciu browarach znajdujących się w Żywcu, Namysłowie,
Elblągu, Leżajsku i Warce (htt). Firma ma powiązania z Grupą HEINEKEN, która jest największym
producentem piwa w Europie. Heineken International B.V. jest głównym akcjonariuszem Grupy
Żywiec. (htt1).
Z kolei Ambra S.A stojąca na czele Grupy Ambra to największy polski producent, importer i
dystybutor win. Wśród marek reprezentowanych przez firmę można wyróżnić: Cin&Cin, Dorato,
Fresco, Pliska, Piccolo, Cydr Lubelski. Swoją działalność Ambra opiera w dużej mierze na winach
spokojnych oraz musujących (htt2)
3.2. Analiza sezonowości
W niniejszej podrozdziale dokonano badania sezonowości sprzedaży na przykładzie Grupy Żywiec

oraz Grupy Ambra. Wszystkie niezbędne dane pochodzą z kwartalnych, półrocznych oraz rocznych
skonsolidowanych sprawozdań finansowych. Celem analizy jest ilościowe określenie wielkości zmian
sezonowych.
W Tabeli 4 przedstawiono kwartalne wartości przychodów ze sprzedaży Grupy Żywiec. Analizując te

dane, można dostrzec pewne regularne wzorce, które powtarzają się na przestrzeni lat. Obserwuje
się wzrost przychodów w drugim i trzecim kwartale, podczas gdy najniższe wartości przypisuje się
pierwszemu i czwartemu kwartałowi. Te zależności wynikają z wcześniej omówionych zmian w
popycie, które są rezultatem poprawy warunków pogodowych. Zazwyczaj zainteresowanie rynkiem
piwnym zwiększa się w okresie letnim oraz wiosennym, kiedy temperatura wzrasta. W drugim
kwartale przychody ze sprzedaży są przeciętnie o 22,52% większe niż średnie kwartalne przychody.
str. 36
Analizując cały badany okres można stwierdzić, że przychody ze sprzedaży za rok 2021 było o 55,37%
większe niż w 2017, co oznacza że utrzymują tendencję wzrostową.
Tabela 4. Wartość kwartalnych przychodów ze sprzedaży (w tys. zł) Grupy Kapitałowej Żywiec S.A. w
latach 2017-2021
Wyszczególnienie 1Q 2Q 3Q 4Q suma za rok

2017 429 382,00 701 728,00 667 822,00 432 690,00 2 231 622,00
2018 604 448,00 1 037 507,00 958 907,00 722 891,00 3 323 753,00
2019 606 693,00 1 122 466,00 1 076 913,00 763 730,00 3 569 802,00
2020 770 100,00 1 072 081,00 1 144 575,00 766 266,00 3 753 022,00
2021 686 884,00 1 056 751,00 989 920,00 733 730,00 3 467 285,00
Źródło: Opracowanie własne na podstawie kwartalnych, półrocznych oraz rocznych
skonsolidowanych sprawozdań finansowych Grupy Żywiec za okres 2017-2021 rok
Grupa Ambra osiąga zdecydowanie niższe przychody ze sprzedaży niż Żywiec, w tym przypadku
również można zauważyć pewne zależności sezonowe. Dominującym pod względem przychodów ze
sprzedaży okresem w ciągu roku jest czwarty kwartał. Obejmuje on Święta Bożego Narodzenia oraz
okres przedsylwestrowy, wtedy też zainteresowanie klientów winami wzrasta. Na przestrzeni
badanych lat, to właśnie w tych kwartałach obserwuje się najwyższe przychody ze sprzedaży.
Przeciętnie były one o 62,41% wyższe niż średnia kwartalna wartość przychodów.
Warto również zwrócić uwagę na trzeci kwartał, który generował wyższe przychody niż pierwszy oraz
drugi. Średnia wartość sprzedaży dla tego okresu na przestrzeni lat 2017-2021 to 128 621,80 tys. zł.
Zdecydowanie najgorzej wypada pierwszy kwartał, osiągając co roku najniższe przychody ze
sprzedaży. W badanym okresie można zauważyć, że przychody ze sprzedaży zwiększają się z roku na
rok.
Tabela 5. Wartość kwartalnych przychodów ze sprzedaży (w tys. zł) Grupy Ambra S.A w latach 2017-
2021
Wyszczególnienie 1Q 2Q 3Q 4Q suma za rok

2017 80 502,00 96 460,00 104 067,00 194 324,00 475 353,00
2018 89 953,00 111 630,00 112 729,00 214 280,00 528 592,00
2019 99 393,00 126 014,00 125 194,00 240 354,00 590 955,00
2020 106 869,00 118 456,00 140 697,00 246 861,00 612 883,00
2021 132 527,00 153 084,00 160 422,00 305 486,00 751 519,00
skonsolidowanych sprawozdań finansowych Grupy Ambra za okres 2016/2017-2021/2022 rok.
Przystępując do analizy sezonowości na podstawie przedstawionych przychodów ze sprzedaży Grupy

Żywiec, w pierwszej kolejności wyznaczono funkcję liniową trendu, która przyjmuje postać: 𝑦 = 18
058,47𝑡 + 627 660,27. Parametry strukturalne 𝑎1 oraz 𝑎0 zostały oszacowane zgodnie z klasyczną
metoda najmniejszych kwadratów.
Wykres 1. Wartość kwartalnych przychodów ze sprzedaży (w tys. zł) Grupy Kapitałowej Żywiec S.A. w
okresie 2017-2021 rok wraz z linią trendu.
str. 37
skonsolidowanych sprawozdań finansowych Grupy Żywiec za okres 2017-2021 rok.
Współczynnik kierunkowy 𝑎1 wskazuje, że z kwartału na kwartał przychody ze sprzedaży rosły

przeciętnie o 18 058,47 tys. zł. Natomiast na podstawie współczynnika 𝑎0 można stwierdzić, że
teoretyczne wartości sprzedaży w Q4 2016 roku wynosiły 627 660,27 tys zł. Wykres 1 przedstawia jak
graficznie kształtuje się linia trendu na tle przychodów ze sprzedaży.
Bazując się na danych Grupy Ambra, dokonano estymacji parametrów strukturalnych, które wyniosły
odpowiednio: 𝑎1 - 5 418,52, 𝑎0 - 91 070,64. Wyznaczona funkcja liniowa trendu ma zatem postać 𝑦 =
5 418,52𝑡 + 91 070,64. Oznacza to, że z każdym kwartałem wartość przychodów ze sprzedaży
zwiększa się średnio o 5 418,52 tys zł. Dodatkowo wiadomo, że w Q4 roku obrachunkowego
2016/2017 teoretyczne przychody ze sprzedaży wynosiły 91 070,64 tys. zł. Na wykresie 2 można
zauważyć jak linia trendu kształtuje się w przypadku Grupy Ambra.
Wykres 2. Wartość kwartalnych przychodów ze sprzedaży (w tys. zł) Grupy Ambra S.A w okresie
2017-2021 rok wraz z linią trendu

Przechodząc do identyfikacji sezonowości należy na samym początku określić jej charakter. Może on
być addytywny lub multiplikatywny, a wybór modelu determinuje dalsze metody wyznaczania
wskaźników sezonowych. Na podstawie wykresów X i Y można stwierdzić, że zarówno w przypadku
Grupy Żywiec jak i Grupy Ambra, amplituda wahań sezonowych w znacznej mierze pozostaje stała,
niezależnie od wartości zmiennej. Oznacza to, że wahania sezonowe są stałe w poszczególnych
okresach i najodpowiedniejsze do wyznaczenia wskaźników będzie obranie modelu addytywnego.
str. 38
Wykres 3. Rozkład linii maksimum i minimum dla poszczególnych lat na podstawie przychodów ze
sprzedaży (w tys. zł) Grupy Żywiec za okres 2017-2018 r.

skonsolidowanych sprawozdań finansowych Grupy Żywiec za okres 2017-2021 rok.
Wykres 4. Rozkład linii maksimum i minimum dla poszczególnych lat na podstawie przychodów ze
sprzedaży (w tys. zł) Grupy Ambra za okres 2017-2018 r.

Wybierając model addytywny określono surowe wskaźniki sezonowości dla każdego kwartału, które
przedstawia tabela 6. Dla obu Grup wymagały one uwzględnienia współczynnika korygującego. W
przypadku Ambry był on równy -0,013, natomiast w przypadku Żywca 0,035.
Tabela 6. Wskaźniki sezonowe poszczególnych kwartałów (w tys. zł.) dla Grupy Żywiec oraz Grupy
Ambra za lata 2017-2021
str. 39
Wyszczególnienie 𝑶1 𝑶2 𝑶3 𝑶4
Grupa Żywiec -170 685,10 189 861,63 141 323,97 -160 500,50
Grupa Ambra -37 988,52 -24 127,04 -22 052,56 84 168,12
skonsolidowanych sprawozdań finansowych Grupy Żywiec S.A. za okres 2017-2021 rok oraz Grupy
Ambra S.A. za okres 2016/2017-2021/2022 rok.
Interpretując wskaźniki sezonowości, można wywnioskować, jak bardzo średnio rzecz biorąc wartości
przychodów ze sprzedaży na przestrzeni badanych lat odbiegają od poziomu trendu. W przypadku
Grupy Żywiec największe różnice występują w pierwszych dwóch kwartałach. Wartość sprzedaży w
pierwszych kwartałach spadała poniżej wartości wynikającej z funkcji trendu średnio o 170 685,10
tys. zł, natomiast w drugich kwartałach rosła powyżej tych wartości średnio o 189 861,63 tys zł.
W Grupie Ambra największy sezonowy wzrost sprzedaży jest zauważalny w czwartych kwartałach
badanego okresu. Różni się on od wartości wynikających z funkcji trendu średnio o 84 168,12 tys. zł.
Najgorzej pod względem sprzedaży wypadają pierwsze kwartały, dla których wartości były mniejsze
niż wynika to z funkcji trendu średnio o 37 988,52 tys. zł.
Dokonując na tym etapie analizy odchylenia standardowego reszt można dojść do wniosku, że
rzeczywiste wartości sprzedaży odchylają się od wartości teoretycznych wynikających z trendu
średnio o +/- 100 324,31 tys. zł w przypadku Grupy Żywiec oraz +/- 14 185,51 tys zł w przypadku
grupy Ambra (tabela 7). Na podstawie danych Ambry wartość współczynnika zmienności resztowej
wynosi 9,59%, co wskazuje na stosunkowo niską zmienność resztek i lepsze dopasowanie modelu do
danych. Z kolei dla Grupy Żywiec wartość tego współczynnika to 12,28%, co również stanowi o dość
precyzyjnym dopasowaniu modelu, jednak mniejszym niż było to w przypadku z Grupą Ambra.
Tabela 7. Odchylenie standardowe reszt i współczynnik zmienności resztowej dla Grupy Żywiec S.A.
oraz Ambra S.A za lata 2017-2021
Wyszczególnienie Grupa Żywiec Grupa Ambra

Odchylenie standardowe 100 324,31 14 185,51
składnika resztowego ( w tys.
zł)
Współczynnik zmienności 12,28 9,59
resztowej (w %)
Ambra S.A. za okres 2017/2018-2021/2022 rok
3.3. Zbadanie wpływu sezonowości na płynność finansową
Aby zweryfikować czy sezonowość przychodów ze sprzedaży ma istotny wpływ na płynność

finansową badanych przedsiębiorstw, w pierwszej kolejności dokonano analizy samej płynności na
str. 40
podstawie odpowiednich miar. Wykorzystując dane finansowych Grupy Żywiec ustalono wielkości
wskaźników płynności bieżącej, płynności przyspieszonej oraz płynności natychmiastowej.
Wskaźnik płynności bieżącej przyjmował różne wartości na przestrzeni badanych okresów.

Najlepiej kształtował się w roku 2017 wykazując wysokie wartości między 0,76 a 0,82. W kolejnych
latach 2018-2021 kwartalne wskaźniki płynności bieżącej były nieco niższe, a najgorzej prezentowały
się w trzecim i czwartym kwartale 2021 roku. Takie wyniki Grupy Żywiec mogą wskazywać na
problemy z utrzymaniem płynności finansowej, a w niektórych kwartałach nawet zagrożeniu utratą
płynności. W dużej mierze wartości wskaźnika nie przekraczały bezpiecznego progu 0,8.
Inaczej sytuacja kształtuje się w przypadku Grupy Ambra, w której średnio rzecz biorąc bieżąca
płynność finansowa utrzymywała się na optymalnym poziomie 1,86. Najwyższe wartości odnotowano
w pierwszych kwartałach badanego okresu, z czego maksimum przypada na 2018 rok. Wyniki
powyżej 2,0 mogły świadczyć o okresowej nadpłynności, co wiąże się z niewykorzystywaniem w pełni
możliwości firmy do generowania zysku z aktywów. Na podstawie analizowanego wskaźnika,
płynność finansowa nie wykazuje jednoznacznego trendu wzrostowego ani spadkowego, jednak w
całym badanym okresie niższe wartości przypadają zazwyczaj na czwarty kwartał.
Tabela 8. Wskaźnik bieżącej płynności finansowej w poszczególnych kwartałach dla Grupy Żywiec
oraz Grupy Ambra w latach 2017-2021
Grupa Żywiec 1Q 2Q 3Q 4Q
2017 0,76 0,82 0,73 0,70
2018 0,69 0,75 0,55 0,52
2019 0,68 0,60 0,69 0,64
2020 0,69 0,79 0,73 0,65
2021 0,56 0,51 0,38 0,35
Grupa Ambra 1Q 2Q 3Q 4Q
1,85 2,05 1,86 1,63
2017
2,37 2,15 2,07 1,75
2018
2,14 1,88 1,66 1,46
2019
1,73 1,73 1,81 1,59
2020
2,00 2,02 1,96 1,56
2021
str. 41
Analizując wyniki wskaźnika płynności bieżącej dla Grupy Żywiec i Grupy Ambra, można
zauważyć pewne trendy i zmiany w płynności finansowej obu grup w poszczególnych
kwartałach.
Kolejny wskaźnik wykazuje stosunek aktywów bieżących pomniejszonych o zapasy

do zobowiązań krótkoterminowych. Dla Grupy Żywiec średnia wartość tej miary na
przestrzeni badanych lat wynosi 0,55. Jest to ponownie bardzo niski wynik, sugerujący brak
zdolność do regulacji zobowiązań bieżących. W żadnym badanym okresie wskaźnik nie
przekroczył dolnego progu przedziału optymalnego, który wynosi 1,0. W tym przypadku
najwyższe wartości wskaźnika w większości przypadają na drugi kwartał i jest to średnio
0,61.
W Grupie Ambra wartości płynności przyspieszonej oscylowały między 0,80 a 1,35.

Również w przypadku tego wskaźnika występowały okresy nadpłynności przypadające na
pierwszy i drugi kwartał roku 2018. Wtedy też przedsiębiorstwo mogło nieefektywnie
zarządzać aktywami bieżącymi. Biorąc pod uwagę cały badany okres Grupa Ambra
utrzymywała optymalny lub bliski optymalnemu poziom płynności finansowej.
Tabela 9. Wskaźnik płynności przyspieszonej w poszczególnych kwartałach dla Grupy Żywiec

2017 0,64 0,72 0,65 0,62
2018 0,58 0,67 0,48 0,45
2019 0,58 0,53 0,58 0,53
2020 0,55 0,67 0,62 0,56
2021 0,45 0,43 0,31 0,28
2017/2018 0,99 1,11 1,35 1,22
2018/2019 1,14 1,18 1,19 1,05
2019/2020 0,83 0,93 0,80 0,81
2020/2021 0,87 1,01 1,08 1,08
str. 42
2021/2022 1,00 1,00 0,92 0,78
Na zagrożenie utraty płynności finansowej w grupie Żywiec wskazują również

wartości wskaźnika płynności podwyższonej. We wszystkich badanych latach tylko pierwszy
kwartał 2019 roku utrzymał optymalny poziom tej miary, w pozostałych okresach wyniki nie
przekraczają 0,1. Jest to oznaką braku możliwości spłacenia wszystkich zobowiązań
bieżących z posiadanych środków pieniężnych.
Wartości omawianego wskaźnika ponownie dużo lepiej kształtują się w Grupie

Ambra. W większości badanych okresów przekraczają one 0,1, co świadczy o tym, że
przedsiębiorstwo jest w stanie pokryć wszystkie zobowiązania bieżące przy pomocy środków
pieniężnych. Najniższe wyniki obserwowało się w czwartych kwartałach, gdzie średnia
wskaźnika wynosi w przybliżeniu 0,08
Tabela 10. Wskaźnik płynności podwyższonej w poszczególnych kwartałach dla Grupy Żywiec
2017 0,010 0,001 0,002 0,004
2018 0,001 0,001 0,002 0,003
2019 0,139 0,008 0,010 0,009
2020 0,012 0,003 0,003 0,001
2021 0,001 0,002 0,001 0,001
0,118 0,163 0,114 0,048
2017/2018
0,259 0,254 0,252 0,083
2018/2019
0,231 0,241 0,146 0,065
2019/2020
0,123 0,130 0,147 0,102
2020/2021
0,254 0,189 0,217 0,086
2021/2022
str. 43
Wartości wszystkich omawianych wskaźników płynności wskazują, że Grupa Żywiec
narażona jest na utratę płynności. Z kolei Grupa Ambra zachowuje optymalny poziom
wskaźników przez większość badanego okresu, wykazując czasami nadpłynność.
Tabela 7. Współczynnik korelacji liniowej Pearsona między sezonowością przychodów ze

sprzedaży a płynnością finansową ustalony na podstawie danych Grupy Żywiec oraz Grupy
Ambra za lata 2017-2021
Grupa Żywiec Grupa Ambra

Wskaźnik bieżącej płynności finansowej (CR) 10,09% -70,22%
Wskaźnik płynności przyspieszonej (QR) 15,70% -1,3%
Wskaźnik płynności natychmiastowej (cash
ratio) -36,22% -70,61%
W celu ustalenia zależności między przychodami ze sprzedaży a płynnością finansową

posłużono się współczynnikiem korelacji liniowej Pearsona. Za zmienną objaśniającą uznano
sezonowość przychodów ze sprzedaży, natomiast zmienną objaśnianą jest płynność
finansowa. Na podstawie wcześniej zaprezentowanych danych uzyskano wyniki, które
przedstawia tabela 7.
by zweryfikować istotność statystyczną wyliczonych wartości współczynników korelacji liniowej

Pearsona dokonano testu istotności. Sformułowano następujące hipotezy:
H 0 :r=0
H 1 : r >0
Hipoteza zerowa zakłada, że nie ma istotnej korelacji między sezonowością

sprzedaży w płynnością finansową, natomiast hipoteza alternatywna wskazuje na
występowanie istotnej zależności dodatniej między sezonowością sprzedaży a płynnością
finansową.
Przyjęto poziom istotności 0,05, w jego oparciu dokonano statystyki testowej dla
każdego ze wskaźników płynności dla Grupy Żywiec oraz Grupy Ambra. Wyniki przedstawia
Tabela 12.
str. 44
Tabela 12. Wyniki statystyki testowej dla poszczególnych wskaźników płynności bieżącej na
podstawie danych Grupy Żywiec oraz Grupy Ambra za lata 2017-2021.
Grupa Żywiec Grupa Ambra

-4,184
Wskaźnik bieżącej płynności finansowej (CR) 0,430
-0,055
Wskaźnik płynności przyspieszonej (QR) 0,674
Wskaźnik płynności natychmiastowej (cash -4,231
ratio) -1,648
Na poziomie istotności równym 0,05 oraz 18 stopniach swobody przyjęty został

jednostronny obszar krytyczny:
(U>2,1009)
Wyniki statystyki testowej dla wszystkich wskaźników płynności Grupy Żywiec oraz
Grupy Ambra nie mieściły się w wyznaczonym przedziale obszaru krytycznego. W związku z
tym nie mamy podstaw do odrzucenia hipotezy zerowej. Oznacza to, że nie ma
wystarczających dowodów, aby potwierdzić istotną zależność dodatnią między sezonowością
sprzedaży a płynnością finansową na poziomie istotności 5%.
Należy jednak zaznaczyć, że w przypadku Grupy Ambra obserwuje się dość silną
korelacje ujemną, oznacza to że sezonowe wzrosty przychodów ze sprzedaży powodują
spadek płynności bieżącej oraz natychmiastowej.
Brak istotnej zależności dodatniej nie oznacza, że korelacja między sezonowością a płynnością
finansową nie występuje całkowicie. Mogą istnieć inne czynniki, które wpływają na te zależności lub
zmienne, których nie uwzględniono w analizie.
str. 45
Zakończenie
Zarówno poznawanie trendów sezonowych przychodów oraz kosztów w danym

przedsiębiorstwie, jak i analiza płynności finansowej to jedne z ważniejszych aspektów
związanych z zarządzaniem finansami i podejmowaniem decyzji biznesowych. Wiedza na
temat sezonowości przychodów pozwala przedsiębiorstwu lepiej zrozumieć cykle sprzedaży
oraz odpowiednio planować działania marketingowe, produkcję, zaopatrzenie. Z kolei analiza
płynności finansowej umożliwia ocenę zdolności przedsiębiorstwa do regulowania bieżących
zobowiązań, czy też podejmowania inwestycji. Obie te dziedziny są nieodłącznymi
elementami procesu zarządzania finansami, mają kluczowe znaczenie dla osiągnięcia
stabilności i sukcesu przedsiębiorstwa.
Występowanie sezonowości uzależnione jest głównie od branży i charakteru

działalności danego przedsiębiorstwa. Okresowe zmiany w popycie mogą być spowodowane
takimi czynnikami jak zmieniające się preferencje konsumentów, okresy świąteczne, sezon
turystyczny, czy też warunki atmosferyczne. W celu odpowiedniego zarządzania zasobami
należy mieć świadomość pewnych zależności sezonowych oraz tego co je wywołuje.
Jeżeli chodzi o płynność finansową, istnieje wiele czynników, które mogą wpływać na
jej zmiany zarówno te pozytywne, jak i negatywne. Znacząca w tym przypadku może być
struktura kosztów przedsiębiorstwa Wysokie koszty operacyjne, nadmierne zadłużenie czy też
brak równowagi w strukturze finansowania mogą prowadzić do utrudnień w regulowaniu
bieżących zobowiązań. Czynnikami wpływającymi pozytywnie na płynność finansową mogą
być efektywność zarządzania zapasami, terminowe regulowanie płatności od klientów, a
także efektywne zarządzanie przepływami gotówki.
Warto również wziąć pod uwagę czynniki makroekonomiczne, takie jak inflacja,
stopy procentowe, polityka monetarna czy też ogólny stan gospodarki. Zmiany w
wymienionych aspektach mogą mieć istotny wpływ na płynność finansową przedsiębiorstw,
szczególnie w sytuacjach recesji, kiedy to spadek popytu i ograniczenia finansowe mogą
negatywnie wpływać na zdolność przedsiębiorstwa do regulowania zobowiązań.
Wpływ sezonowości przychodów ze sprzedaży na płynność finansową

przedsiębiorstw stanowi istotny obszar badań, który ma kluczowe znaczenie dla efektywnego
zarządzania finansami. Badanie wpływu sezonowości przychodów ze sprzedaży na płynność
finansową pokazało, że choć istnieją wahania sezonowe w przychodach omawianych
str. 46
przedsiębiorstw, to nie przekładają się one istotnie na dodatnie zmiany w płynności
finansowe. Wraz ze wzrostem wartości przychodów ze sprzedaży nie wzrastała zdolność
przedsiębiorstw do regulowania bieżących zobowiązań. Ważne jest więc, aby w kontekście
zarządzania płynnością finansową uwzględniać również inne aspekty, które w mają większy
wpływ na kształtowanie się płynności. Może to być prowadzona polityka finansowa i
inwestycyjna, zarządzanie należnościami, czy też zarządzanie kapitałem obrotowym.
str. 47
Bibliografia
Balcerowicz-Szkutnik, M., Sojka, E. i Szkutnik, W. (2014). Statystyka opisowa dla ekonomistów,
przykłady i zadania. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
Bolek, M. (2013). Dynamic and Static Liquidity Measures in Working Capital Strategies, Department
of Industry and Capital Market. Łódź: Faculty of Economics and Sociology, University of Lodz.
Burzykowska, M. (2008). Mikroekonomiczne czynniki kształtujące rynkową wartość płynności

finansowej przedsiębiorstw. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
Czyżycki, R. i Klóska, R. (2009). Klasyczne modele trendu w prognozowaniu liczby odprawionych

pasażerów w porcie lotniczym Szczecin-Goleniów. Szczecin: Wydawnictwo Kreos.
Duda, A. (2017). Prognozowanie w logistyce na przykładzie prognozy metodą średnich ruchomych.

Warszawa: Zeszyty Naukowe Akademii Sztuki Wojennej nr 3(108).
Dudycz, T. (2008). Wykorzystanie podejścia dynamicznego do pomiaru płynności finansowej. STUDIA

I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 7, 455-456.
Gabrusewicz, W. (2005). Podstawy analizy finansowej. Warszawa : Polskie Wydawnictwo

ekonomiczne.
Gabrusewicz, W. (2014). Analiza finansowa przedsiębiorstwa Teoria i zastosowanie. Warszawa:

Polskie Wydawnictwo Ekonomiczne.
Gostkowska-Drzewicka, M. (2017). Kapitały własne a struktura aktywów przedsiębiorstw

deweloperskich. Finanse, Rynki Finansowe, Ubezpieczenia nr 1/2017 (85), 25-26.
Grzywacz, J. (2014). Płynność finansowa Przedsiębiorstw w Polsce Uwarunkowania, zarządzanie

płynnością, ryzyko. Warszawa: Szkoła Główna handlowa w Warszawie.
Jagoda, R. (2016). WPŁYW SEZONOWOŚCI NA KOSZTY I PRZYCHODY. Wrocław: PRACE NAUKOWE

UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU ISSN 1899-3192 nr 442.
Korol, T. (2013). Nowe podejście do analizy wskaźnikowej w przedsiębiorstwie. Warszawa: Wolters

Kluwer Polska.
Kowalak, R. (2022). Analiza finansowa. Przewidywanie bankructwa i analiza trudności finansowych.

Teoria, przykłady i zadania. Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we
Wrocławiu.
Kuciński, A. (2017). Płynność finansowa w ujęciu statycznym i dynamicznym na przykładzie

wybranych przedsiębiorstw przemysłu metalowego notowanych na GPW w Warszawie.
Białystok: Wyższa Szkoła Finansów i Zarządzania w Białymstoku.
Kurkiewicz, J. i Stonawski, M. (2005). Podstawy statystyki. Kraków: Krakowskie Towarzystwo

Edukacyjne sp. z o.o.
str. 48
Lee, C. F. (2016). Financial Analysis, Planning And Forecasting: Theory And Application. London:
World Scientific Publishing Company.
Mioduchowska-Jaroszewicz, E. (2012). Ocena Przepływów Pieniężnych w Grupach Kapitałowych.

Szczecin: Zeszyty Naukowe Uniwersytetu Szczecińskiego, nr 737.
Nita, B. (2020). Zagrożenia utraty bezpieczeństwa finansowego przedsiębiorstw. Wrocław:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
Ostasiewicz, W. (2011). Badania Statystyczne. Warszawa: Wolters Kluwer Polska.
Ostaszewski, J. (2015). Kapitał obrotowy netto w przedsiębiorstwie i metody jego pomiaru. Warszawa:
Oficyna Wydawnicza SGH.
Prędki, A. (2017). Narzędzia analityczne w naukach ekonomicznych: Wybrane zastosowania. Kraków:

Fundacja Uniwersytetu Ekonomicznego w Krakowie.
Radlińska, K. (2018). Zróżnicowanie sezonowości zatrudnienia w Polsce. Zeszyty Naukowe Polskiego

Towarzystwa Ekonomicznego w Zielonej Górze, nr 8.
Roeske-Słomka, I. (2010). Statystyka opisowa. Poznań: Wydawnictwo Uniwersytetu Ekonomicznego

w Poznaniu.
Sierpińska, M. i Wędzki, D. (1997). Zarządzanie płynnością finansową w przedsiębiorstwie. Warszawa:

Wydawnictwo Naukowe PWN.
Sobczak, M. (2010). Statystyka opisowa. Warszawa: Wydawnictwo C.H. Beck.
Sojka, E., Przybylska-Mazur, A. A., Sączewska-Piotrowska, A. i Wolny-Dominiak, A. K. (2020). Elementy

statystyki i ekonometrii w analizach szeregów przestrzennych. Podręcznik z przykładami i
zadaniami. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
Sokolowski, A. (2010). Analiza przebiegów czasowych i prognozowanie. Kraków: StatSoft Polska Sp. z
o. o.
Szczepankowski, P. (2007). Problematyka uwzględniania wartości gotówki i innych aktywów

pozaoperacyjnych w dochodowej wycenie spółki. Warszawa: "Współczesna Ekonomia", nr 4.
Szczepańska-Przekota, A. (2020). Statystyka opisowa w teorii i zadaniach. Koszalin: Wydawnictwo

Uczelniane Politechniki Koszalińskiej.
Śpiewak, T. (2014). Wykorzystanie Wskaźników Środków Pieniężnych w Analizie Finansowej

Przedsiębiorstwa, Metody Ilościowe w Badaniach Ekonomicznych. Warszawa: Szkoła Główna
Gospodarstwa Wiejskiego w Warszawie.
Tatarzycki, P. (2008). Statystyka po ludzku. Jak bez problemu zdać egzamin ze statystyki? Gliwice:
Złote Myśli.
Wawak, S. (2013). Metody i techniki diagnozowania w doskonaleniu organizacji. Kraków: Mifiles.pl.
str. 49
Wilkowski, A. (2009). O współczynnikach korelacji. Wrocław: Wydawnictwo Uniwersytetu
Ekonomicznego we Wrocławiu nr 76.
Witkowska, D., Kompa, K. i Tarczyński, W. (2013). WSPÓŁCZYNNIK BETA. TEORIA I PRAKTYKA.

Kraków: StatSoft Polska Sp. z.o.o.
Zagdański, A. i Suchwałko, A. (2016). Analiza i prognozowanie szeregów czasowych. Warszawa:

Wydawnictwo Naukowe PWN.
Zimny, A. (2010). Statystyka opisowa. Materiały pomocnicze do ćwiczeń. Konin: Państwowa Wyższa
Szkoła Zawodowa w Koninie.
str. 50
Spis tabel
Nie można odnaleźć pozycji dla spisu ilustracji.
str. 51

CAŁOŚĆ PRACA (I, II, III) - Tekst Po Zmianach

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

CAŁOŚĆ PRACA (I, II, III) - Tekst Po Zmianach

Uploaded by

Copyright:

Available Formats

Wstęp

1. Istota płynności finansowej

Wielokrotnie przedsiębiorstwa mają problemy z płynnością finansową, mimo

Zarządzanie płynnością finansową polega na dysponowaniu środkami pieniężnymi w

Utrata płynności finansowej jest sytuacją, w której przedsiębiorstwo posiada

Kiedy przedsiębiorstwu grozi utrata środków pieniężnych, a tym samym niezdolność

− trwałe obniżenie rentowności;

− wzrost kosztów operacyjnych;

− nieplanowane wydatki inwestycyjne;

− przyszłe spłaty zadłużenia;

− zmniejszenie dochodów nieplanowanych;

− naruszenie umów kredytowych.

O utrzymaniu płynności finansowej w znacznej mierze decydują dostępne środki

Motyw transakcyjny opiera się na idei pozyskiwania funduszy w utrzymywania

Podejście ostrożnościowe zakłada posiadanie rezerw pieniężnych na wypadek

Z kolei motywem spekulacyjnym jest posiadanie funduszy na wypadek

Zdarza się, że menedżerowie firm stosują odpowiednie strategie finansowe z

Zachowanie płynności finansowej przyczynia się do ciągłości w realizacji procesów

Wpływ na płynność finansową mogą mieć różne czynniki. Niektóre są zależne od

Tabela 1. Przykłady czynników wpływających na płynność finansową przedsiębiorstwa

Tabela 1:Przykłady czynników wpływających na płynność finansową przedsiębiorstwa

Czynniki zależne od przedsiębiorstwa Czynniki niezależne od przedsiębiorstwa

- stosowane strategie zarządzania - wypracowana pozycja rynkowa

- przedsiębiorczość właścicieli - koniunktura w gospodarce

- wybrany rodzaj branży, w której - wpływ organizacji i stowarzyszeń

- zbudowana struktura aktywów - wielkość podatków i opłat

- wielkość sprzedaży wyrobów i usług - struktura i wartość rynkowa majątku

- prowadzona polityka w zakresie - koszty inwestycji w majątek trwały

- stosowana technologia i organizacja

opracowanie własne na podstawie: M. Burzykowska, Mikroekonomiczne czynniki

Czynniki zależne od działania przedsiębiorstw mają charakter mikroekonomiczny i są

procentowy kredytów oraz wyznaczana zdolność kredytowa;

− stawki podatków obciążających działalność przedsiębiorstwa – wielkość podatku VAT,

podatku akcyzowego, podatku dochodowego;

− rynkowe ceny wykorzystywanych do działalności towarów i usług – ceny surowców,

energii, transportu, usług telekomunikacyjnych;

− koszty kadry związane z wynagrodzeniem – wysokości odprowadzanych przez

pracodawcę składek ZUS, składek na Fundusz Pracy;

Istnieją również czynniki branżowe, na które ma wpływ rodzaj oraz specyfikacja

2. Metody analizy płynności finansowej

− zadłużenie i zdolność obsługi długu;

− rynkowa wartość akcji oraz kapitału.

Istnieją dwa sposoby na przeprowadzenie analizy finansowej. Można porównać te

Drugi sposób analizy polega na przyrównaniu w danej firmie wskaźników obecnych z

Analizy płynności finansowej dokonuje się za pomocą miar statycznych oraz

− wskaźnik płynności bieżącej,

− wskaźnik płynności szybkiej,

− wskaźnik płynności natychmiastowej (podwyższonej) (Bolek, 2013, strony 3-4).

Do badanie płynności finansowej najczęściej wykorzystuje się wskaźnik płynności

aktywa obrotowe (1.1)

Określa on stosunek aktywów obrotowych do zobowiązań krótkoterminowych w

Przedsiębiorstwo jest w stanie bieżąco regulować swoje zobowiązania, jeśli wartość

Wskaźnik płynności podwyższonej (gotówkowej) opisuje się za pomocą wzoru:

Środki pieniężne (1.2)

Często statyczna ocena składników finansowych okazuje się być niewystarczająca, a

Wskaźniki dynamiczne określają płynność właśnie za pomocą przepływów

− wskaźniki struktury przepływów pieniężnych

− wskaźniki wystarczalności gotówkowej

− wskaźniki wydajności gotówkowej (Mioduchowska-Jaroszewicz, 2012, str. 160).

Pierwsze z wymienionych, czyli wskaźniki struktury przepływów pieniężnych,

Wskaźniki wystarczalności gotówkowej wykazują zdolność przedsiębiorstwa do

− wskaźniki ogólnej wystarczalności środków;

− wskaźnik spłaty zobowiązań ogółem;