Vysoká škola technická a ekonomická v Českých Budějovicích (Ústav technicko-technologický) Obhajoba diplomové práce Identifikace generátorů hodnoty v dopravě Autor diplomové práce: Bc. Jakub Horák Vedoucí diplomové práce: doc. Ing. Marek Vochozka, MBA, Ph.D. Oponent diplomové práce: Ing. Jaroslav Pospíšil, Ph.D. České Budějovice, červen 2018 Obsah Øcíl práce Ømotivace k řešení problému, teoretická východiska Ømetodika, stanovená hypotéza Øfinanční analýza průměrného dopravního podniku Øvýběr položek účetních závěrek Øaplikace umělých neuronových sítí Ødiskuze výsledků Ønávrhy opatření Øzávěrečné shrnutí Øotázky vedoucího a oponenta Cíl práce •Cílem práce je určit proměnné, které indikují naplnění hlavního cíle podniku v dopravě – tedy růst hodnoty pro akcionáře. Motivace a teoretická východiska Øaktuálnost tématu, osobní zájem a zkušenosti Øgenerátory hodnoty Øspecifičnost dopravních podniků Øumělé neuronové sítě Metodika, stanovená hypotéza ØUmělé neuronové sítě jsou nástrojem, pomocí něhož lze identifikovat generátory hodnoty dopravních a přepravních podniků v České republice. Ødata: Albertina, dopravní a přepravní podniky, 2016 Øvýpočet EVA pro akcionáře Øfinanční analýza Øvýběr položek účetních závěrek Øsoftware Statistica Økorelační matice, umělé neuronové sítě, predikce EVA equity, analýza citlivosti, analýza reziduí Finanční analýza průměrného podniku Øanalýza absolutních ukazatelů – rozvaha a výkaz zisků a ztrát Øpoměrové ukazatele – rentability, aktivity, zadluženosti, likvidity Ømetody komplexního hodnocení Výběr položek účetních závěrek Proměnná Dlouhodobý finanční majetek Dlouhodobé pohledávky Krátkodobé pohledávky Pohledávky z obchodního styku Dlouhodobý finanční majetek 1,000000 0,237265 0,224966 0,156665 Dlouhodobé pohledávky 0,237265 1,000000 0,172159 0,084875 Krátkodobé pohledávky 0,224966 0,172159 1,000000 0,925306 Pohledávky z obchodního styku 0,156665 0,084875 0,925306 1,000000 Krátkodobý finanční majetek 0,163307 0,157377 0,650097 0,583604 Spotřeba materiálu a energie 0,262082 0,614875 0,570707 0,505726 Výkonová spotřeba 0,353890 0,635445 0,575105 0,373956 Obchodní marže 0,011440 0,008295 0,715711 0,799368 Výkony 0,333566 0,112232 0,158192 0,076596 Přidaná hodnota 0,335186 0,229263 0,383822 0,271259 Osobní náklady 0,250894 0,207015 0,371084 0,170591 Odpisy dlouhodobého nehmotného a hmotného majetku 0,215721 0,095643 0,317200 0,146662 Ostatní provozní výnosy 0,125622 0,080620 0,164279 0,094135 Výnosové úroky 0,512619 0,540956 0,497455 0,436839 Finanční výsledek hospodaření 0,242556 0,270970 0,038545 0,032014 Výsledek hospodaření za běžnou činnost 0,336399 0,148315 0,484124 0,290601 Tabulka 1: Korelace položek, vybrané položky účetních závěrek Zdroj: Vlastní. Aplikace umělých neuronových sítí Jméno sítě Trénovací výkon Testovací výkon Validační výkon Trénovací chyba Testovací chyba Validační chyba Trénovací algoritmus Chybová funkce Aktivace skryté vrstvy Výstupní aktivační fce 1 MLP 14-19-1 0,933522 0,917345 0,359292 4,777024E+10 8,798259E+09 7,559071E+11 BFGS (Quasi-Newton) 30 Suma čtverců Exponenciální Exponenciální 2 MLP 14-26-1 0,933163 0,720105 0,421585 4,821689E+10 2,958423E+10 7,489659E+11 BFGS (Quasi-Newton) 24 Suma čtverců Exponenciální Exponenciální 3 MLP 14-24-1 0,935803 0,896923 0,360259 4,615616E+10 1,228435E+10 7,603372E+11 BFGS (Quasi-Newton) 55 Suma čtverců Exponenciální Sinus 4 MLP 14-13-1 0,945322 0,851571 0,363531 3,949891E+10 1,710339E+10 7,388738E+11 BFGS (Quasi-Newton) 69 Suma čtverců Tanh Identita 5 MLP 14-15-1 0,948395 0,786930 0,436365 3,734614E+10 2,269540E+10 7,158904E+11 BFGS (Quasi-Newton) 60 Suma čtverců Tanh Sinus Tabulka 2: Uchované neuronové struktury Zdroj: Vlastní. Aplikace umělých neuronových sítí F:\1MLP.png Obrázek 1: MLP 14-19-1 Zdroj: Vlastní. Aplikace umělých neuronových sítí Indikátor 1.MLP 14-19-1 2.MLP 14-26-1 3.MLP 14-24-1 4.MLP 14-13-1 5.MLP 14-15-1 Průměr Finanční výsledek hospodaření 1,600342 1,784684 2,223257 1,816369 2,459477 1,976826 Výkonová spotřeba 1,060462 1,036659 2,386315 1,489254 1,149875 1,424513 Dlouhodobý finanční majetek 1,091207 1,076184 1,727482 1,562000 1,561986 1,403772 Osobní náklady 1,090429 1,054877 1,871059 1,135631 1,079736 1,246347 Přidaná hodnota 1,115595 1,039260 1,553872 1,133538 1,300248 1,228503 Spotřeba materiálu a energie 1,079768 1,029189 1,493547 1,183290 1,281566 1,213472 Výnosové úroky 1,072212 1,099684 1,704290 1,033340 1,054699 1,192845 Výsledek hospodaření za běžnou činnost 1,015820 0,994144 1,826006 1,026734 1,068384 1,186218 Krátkodobý finanční majetek 1,253179 1,174988 1,315074 1,044220 1,010178 1,159528 Dlouhodobé pohledávky 1,035261 1,041002 1,160188 1,100945 1,284783 1,124436 Výkony 1,155546 1,045246 1,042191 1,046335 1,103879 1,078639 Obchodní marže 1,026739 1,059480 0,999678 1,001968 1,003716 1,018316 Krátkodobé pohledávky 1,000762 1,000153 1,002811 1,051703 1,014161 1,013918 Ostatní provozní výnosy 1,003849 1,001483 0,999016 1,017171 1,041794 1,012662 Tabulka 3: Analýza citlivosti Zdroj: Vlastní. Aplikace umělých neuronových sítí Graf 1: EVA equity skutečná vs. EVA equity výstupní MLP 14-19-1 Zdroj: Vlastní. Aplikace umělých neuronových sítí Graf 2: EVA equity skutečná vs. EVA equity výstupní MLP 14-15-1 Zdroj: Vlastní. Aplikace umělých neuronových sítí • Typ rezidua 1. MLP 14-19-1 2. MLP 14-26-1 3. MLP 14-24-1 4. MLP 14-13-1 5. MLP 14-15-1 Součet reziduí -20 827 256 -1 794 558 -11 349 066 -14 392 764 -12 610 300 Součet absolutních reziduí 156 983 546 176 777 162 165 581 598 147 596 922 149 608 444 Tabulka 4: Analýza reziduí, výběr nejlepší sítě Zdroj: Vlastní. F:\2MLP.png Diskuze výsledků Øvybráno 16 položek, korelace – 14 položek Øpoměrně velký podnik, nedobytné pohledávky, ideální podíl kapitálu, nízké zásoby, komplexní metody hodnocení Øneuronové sítě, citlivostní analýza, analýza reziduí (nejlepší síť) Øhypotéza – částečně potvrzena Øgenerátory dopravních a přepravních podniků: •finanční výsledek hospodaření, •krátkodobý finanční majetek, •výnosové úroky, •dlouhodobý finanční majetek, •obchodní marže, … Návrhy opatření Øuchování a zvyšování hospodářského provozního výsledku, zachovat podíl kapitálu Ønedobytné pohledávky – měřit bonitu obchodních partnerů Ømaximalizace finančního výsledku hospodaření Øzaměření na generátory, jejich řízení a optimalizaci Øurčení generátorů v dalších letech, dekompozice ukazatelů a zapracování do taktických cílů podniku Závěrečné shrnutí Ørůst hodnoty podniku Øpochopení faktorů, které hodnotu ovlivňují Øgenerátory hodnoty, využití neuronových sítí Ønávrhy opatření Øcíl práce byl splněn Otázky vedoucího a oponenta Ø otázky vedoucího diplomové práce: •Výsledky Vaší práce jsou použitelné v praxi, např. při tvorbě strategického plánu podniku. Podnik v takovém případě vyjádří svůj vrcholový cíl v podobě konkrétní hodnoty EVA Equity. Jakým způsobem byste postupoval při dekompozici vrcholového cíle do taktických a operativních plánů podniku? Ø otázky oponenta diplomové práce: •V aplikační části jste si stanovil zkrácenou finanční analýzu průměrného dopravního podniku, jak jste si vymezil pojem průměrný dopravní podnik ve své práci (počtem zaměstnanců, přeprav, účetním obratem, kapitálem, atd.)? •Lze na základě Vašich návrhů generátorů hodnoty v dopravě vytvořit optimalizaci operativního plánu podniku, kterým by se podnik mohl řídit v následujících letech? Děkuji za pozornost Vysoká škola technická a ekonomická v Českých Budějovicích (Ústav technicko-technologický)