UNIVERSITEIT GENT FACULTEIT ECONOMIE EN...
79
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2012 – 2013 MANAGEMENT VAN BEDRIJFSKAPITAAL EN WINSTGEVENDHEID VAN BELGISCHE KMO’S TIJDENS DE FINANCIËLE CRISIS Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen Evelyne Verhasselt Tessa Vertriest onder leiding van Prof. dr. Heidi Vander Bauwhede
Transcript of UNIVERSITEIT GENT FACULTEIT ECONOMIE EN...
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2012 – 2013
MANAGEMENT VAN BEDRIJFSKAPITAAL EN WINSTGEVENDHEID VAN BELGISCHE KMO’S
TIJDENS DE FINANCIËLE CRISIS
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Toegepaste Economische Wetenschappen
Evelyne Verhasselt
Tessa Vertriest
onder leiding van
Prof. dr. Heidi Vander Bauwhede
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2012 – 2013
MANAGEMENT VAN BEDRIJFSKAPITAAL EN WINSTGEVENDHEID VAN BELGISCHE KMO’S
TIJDENS DE FINANCIËLE CRISIS
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Toegepaste Economische Wetenschappen
Evelyne Verhasselt
Tessa Vertriest
onder leiding van
Prof. dr. Heidi Vander Bauwhede
TOELATING Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Evelyne Verhasselt Tessa Vertriest
I
Dankwoord Bij het schrijven van deze masterproef kregen wij de opportuniteit ons te verdiepen in de
actuele problematiek van de financiële crisis van 2008 – 2009 die wereldwijd chaos
veroorzaakte. Concreet hebben wij ons toegespitst op het management van
nettobedrijfskapitaal bij Belgische KMO’s tijdens deze moeilijke economische periode.
Hiervoor kregen wij hulp en steun van een ruim aantal personen die we daarom in dit
dankwoord expliciet willen bedanken voor het vlot en tijdig tot stand helpen komen van dit
eindwerk.
Eerst en vooral willen we onze promotor Prof. dr. Heidi Vander Bauwhede en begeleidende
assistent Stefaan Meersschaert bedanken voor hun deskundig advies en begeleiding bij het
realiseren van deze masterproef.
We zijn onze ouders, grootouders, zus en broer dankbaar voor hun steun tijdens onze
academische opleiding aan de universiteit van Gent. We appreciëren hun goede raad en
hulp bij het maken van belangrijke keuzes in ons leven.
We willen ook onze vrienden bedanken, in het bijzonder onze partners, Peter en Sven, voor
hun onvoorwaardelijke liefde en steun tijdens onze academische schoolcarrière en die
belangrijke voorbije maanden. Zij hebben ons bovendien bijgestaan bij het nalezen en
corrigeren van deze masterproef.
Ten slotte willen we alle anderen bedanken die ons direct of indirect geholpen hebben.
Evelyne Verhasselt
Tessa Vertriest
Mei 2013
II
Inhoudsopgave Dankwoord .................................................................................................................................. I
Gebruikte afkortingen ............................................................................................................... IV
Lijst van tabellen en figuren ....................................................................................................... V
1. Inleiding ............................................................................................................................. 1
2. Achtergrond ....................................................................................................................... 4
a. De Amerikaanse problematiek ........................................................................................ 4
b. De crisis in België ............................................................................................................. 6
c. KMO’s .............................................................................................................................. 8
3. Theoretisch kader ............................................................................................................ 12
4. Literatuuroverzicht en ontwikkeling hypothesen ........................................................... 15
a. Wat is nettobedrijfskapitaal? ........................................................................................ 15
b. De componenten van nettobedrijfskapitaal ................................................................. 18
c. De relatie tussen componenten van nettobedrijfskapitaal en winstgevendheid ........ 19
i. Klantenkrediet ........................................................................................................... 19
ii. Voorraad .................................................................................................................... 20
iii. Leverancierskrediet ................................................................................................... 20
d. De relatie tussen de cash conversion cycle en de winstgevendheid ............................ 21
e. Ontwikkeling hypothesen ............................................................................................. 21
i. Klantenkrediet ........................................................................................................... 23
ii. Voorraad .................................................................................................................... 25
iii. Leverancierskrediet ................................................................................................... 27
iv. Cash conversion cycle ................................................................................................ 28
5. Empirisch onderzoek ....................................................................................................... 30
a. Data ............................................................................................................................... 30
b. Methode en regressievergelijkingen ............................................................................. 36
c. Variabelen ..................................................................................................................... 38
i. Afhankelijke variabele ............................................................................................... 38
ii. Onafhankelijke variabelen ......................................................................................... 39
iii. Controlevariabelen .................................................................................................... 40
iv. Dummyvariabelen ..................................................................................................... 41
6. Resultaten ........................................................................................................................ 42
a. Statistische validering: T-test voor verschillen .............................................................. 42
b. Regressie: kleinste kwadratenmethode ........................................................................ 44
III
i. Het management van nettobedrijfskapitaal ............................................................. 44
ii. Effect op de winstgevendheid .................................................................................... 48
c. Controleanalyse ............................................................................................................. 53
7. Beperkingen en suggesties voor verder onderzoek ........................................................ 57
8. Conclusie .......................................................................................................................... 59
9. Referenties ........................................................................................................................ VI
IV
Gebruikte afkortingen
Afkorting Betekenis
AIG American International Group CCC Cash conversion cycle CDO Collateralized debt obligation KeFiK Kenniscentrum voor Financiering van KMO
KK Klantenkrediet KMO Kleine en/of middelgrote onderneming LK Leverancierskrediet
ROA Return on assets
SBV Speciaal beleggingsvehikel VIF Variance Inflation Factor
VRD Voorraad
V
Lijst van tabellen en figuren
Figuur 1: Bancaire kredieten en conjuncturele evolutie ............................................................ 6
Figuur 2: 5 jaar crisis aan de hand van 12 sleutelmomenten .................................................... 8
Figuur 3: Schematische voorstelling van het nettobedrijfskapitaal ......................................... 16
Figuur 4: KMO-barometer als conjunctuurindicator bij KMO’s ............................................... 22
Tabel 1: Evolutie aantal KMO’s in België .................................................................................... 9
Tabel 2: Descriptieve resultaten over de onderzoeksperiode 2006-2009 ............................... 32
Tabel 3: Descriptieve resultaten per jaar van de onderzoeksperiode ..................................... 33
Tabel 4: Descriptieve resultaten vóór en tijdens de crisisperiode ........................................... 34
Tabel 5: Pearson correlatiecoëfficiënten met bijhorende significanties ................................. 35
Tabel 6: Berekeningswijze van de variabelen met bijhorende balansposten ......................... 41
Tabel 7: Resultaten T-test ........................................................................................................ 44
Tabel 8: Regressieresultaten invloed van de crisis op CCC en zijn componenten ................... 47
Tabel 9: Regressieresultaten invloed van de crisis en KK, VRD, LK, CCC op winstgevendheid 52
1
1. Inleiding De doelstelling van deze masterproef is te achterhalen of de financiële crisis, beschouwd als
de periode 2008 – 2009, een invloed heeft gehad op het management van
nettobedrijfskapitaal van Belgische KMO’s. We gaan tevens na of dit gevolgen heeft
teweeggebracht voor de winstgevendheid van de bedrijven die anders zijn dan de gevolgen
tijdens een niet-crisis gebonden periode, beschouwd als de periode 2006 – 2007.
Op basis van de conservatieve politiek omtrent het management van nettobedrijfskapitaal
ontwikkelen wij een aantal hypothesen om bovenstaande doelstelling te onderzoeken. We
splitsen de hypothesen daarbij op in twee delen: in de eerste set van de hypothesen spitsen
we het onderzoek louter toe op het management van nettobedrijfskapitaal tijdens de
financiële crisis, voor de tweede set van hypothesen onderzoeken we de relatie tussen de
winstgevendheid van de KMO’s en het nettobedrijfskapitaal tijdens de financiële crisis.
Concreet verwachten wij bij het eerste gedeelte van de hypothesen een toename van het
aantal dagen klantenkrediet, een toename van het aantal dagen voorraad, een afname van
het aantal dagen leverancierskrediet en een toename van de lengte van de cash conversion
cycle in de crisisperiode in vergelijking met de niet-crisisperiode. Uit de gevoerde analyse
bleek een significant verschil te bestaan tussen beide perioden voor elke variabele. De
coëfficiënt heeft het voorspelde teken voor het aantal dagen voorraad, het aantal dagen
leverancierskrediet en het aantal dagen cash conversion cycle. Voor het aantal dagen
klantenkrediet noteren wij echter een daling, terwijl een stijging verondersteld werd. De
lineaire regressie uitgevoerd met behulp van de kleinste kwadratenmethode (ordinary least
squares of OLS) toont echter dat de crisis enkel op het aantal dagen klantenkrediet en het
aantal dagen leverancierskrediet een significante impact heeft gehad.
In het tweede gedeelte van de hypothesen veronderstellen wij een meer uitgesproken
relatie tussen de winstgevendheid en het nettobedrijfskapitaal tijdens de financiële crisis in
vergelijking met de niet-crisisperiode. Concreet verwachten wij de in de literatuur reeds
2
aangetoonde negatieve relaties terug te vinden maar nog explicieter. Hiervoor is echter
volgens de kleinste kwadratenmethode geen statistische significantie gevonden.
Deze masterproef is in het bijzonder een bijdrage tot de bestaande literatuur door het
onderzoek te voeren naar de relatie tussen de winstgevendheid en het nettobedrijfskapitaal
in een specifieke omgeving: de financiële crisis in de jaren 2008 en 2009 bij Belgische KMO’s.
Uit het literatuuronderzoek dat wij voerden bleek er geen onderzoek te bestaan naar de
impact van deze crisis op de vernoemde relatie bij Belgische KMO’s. Het belang van KMO’s
voor de Belgische economie en de intense aard van de crisis waren dan ook een
doorslaggevende motivatie om dit onderzoek te voeren.
Als beperking van dit onderzoek wordt het gebruik van de kleinste kwadratenmethode
aangehaald aangezien het onderzoek longitudinale data bevat. Bovendien zijn wij
genoodzaakt enkel Belgische KMO's volgens de Europese definitie op te nemen die
rapporteren volgens het volledige schema aangezien wij informatie nodig hebben omtrent
de omzet en dit niet verplicht gerapporteerd dient te worden in de verkorte schema's.
Daarenboven was er de vereiste van opeenvolgende data voor de periode 2005 - 2009.
Daarnaast vinden we amper statistisch significante verschillen tussen de financiële crisis en
de niet-crisisperiode voor de impact van nettobedrijfskapitaal op de winstgevendheid. Enkel
voor het aantal dagen voorraad blijkt de invloed op de winstgevendheid tijdens de financiële
crisis significant te verschillen van de niet-crisis: tijdens de financiële crisis is de afname van
de winstgevendheid voor een extra dag voorraad minder uitgesproken dan tijdens de niet-
crisis, wat indruist tegen de verwachtingen. Dit zou kunnen verklaard worden door de korte
tijdspanne die in het onderzoek is opgenomen: de financiële crisis ontwikkelde zich na 2009
tot een heuse economische crisis die de KMO’s pas echt trof (www.unizo.be, geraadpleegd
op 10/04/2013). Een laatste belangrijke beperking van dit onderzoek is de lage verklarende
kracht van de gebruikte modellen, gemeten aan de hand van de determinatiecoëfficiënt R².
We willen dan ook een aantal suggesties doen voor verder onderzoek. Zo zou het interessant
kunnen zijn om de financiële crisisperiode 2008 – 2009 uit te breiden naar meerdere jaren
zodat ook de wereldwijde economische crisis opgenomen wordt in het onderzoek. Ten
tweede kan het nuttig zijn om een mogelijke concave relatie na te gaan tijdens de
3
crisisperiode in de plaats van een lineaire relatie tussen enerzijds de cash conversion cycle
en zijn componenten en anderzijds de winstgevendheid (Baños-Caballero, García-Teruel &
Martínez-Solano, 2011). Ten slotte kan het model anders opgesteld worden om de
verklarende kracht van de modellen te verhogen.
Het vervolg van het werkstuk is georganiseerd als volgt: vooreerst schetsen wij een beeld
van de macro - economische achtergrond waarin deze masterproef zich afspeelt. Vervolgens
zal het theoretisch kader aangehaald worden waarin het onderwerp zich situeert, gevolgd
door het literatuuroverzicht en de ontwikkeling van de hypothesen. Nadien wordt ingegaan
op de onderzoeksmethode en worden de resultaten voorgesteld. Ten slotte worden de
beperkingen en suggesties voor verder onderzoek aangehaald en er wordt afgesloten met
een conclusie.
4
2. Achtergrond
De economie werd wereldwijd getroffen door een financiële crisis in 2008 – 2009. Het is de
grootste monetaire schok sinds de crisis van de jaren ’30 (Cornett, McNutt, Strahan,
Tehranian, 2011; Foster & Magdoff, 2009). De eerste tekenen hiervan waren midden 2007
reeds zichtbaar in de Verenigde Staten met het faillissement van twee hedge funds die
eigendom waren van de grote Amerikaanse bank Bear Stearns. De bank ging uiteindelijk ten
onder ondanks kapitaalinjecties van de overheid en werd overgenomen door JP Morgan. De
liquiditeit van banken kwam onder enorme druk te staan en droogde uiteindelijk op (Cornett
et al., 2011). De oorzaken hiervan zijn tweeërlei: interbancaire markten bevroren en de
huizenmarkt stortte in (Cornett et al., 2011). Banken hadden te gretig risicovolle leningen
verstrekt aan klanten met een onvoldoende kredietwaardigheid. In de volgende paragraaf
gaan we dieper in op het proces dat hiertoe leidde.
a. De Amerikaanse problematiek
Wanneer iemand die een huis wil kopen een hypotheeklening afsluit bij een bank, ontstaat
een vordering op de balans van de bank. Banken hebben dan ook veel kapitaal nodig indien
massaal bij hen geleend wordt. Een bank moet echter voldoen aan de Basel-normen met
betrekking tot het verlenen van kredieten, waardoor ze kunnen gedwongen worden te
stoppen met het verschaffen van hypotheekleningen. Deze regels kunnen echter omzeild
worden. Door het oprichten van een speciaal beleggingsvehikel (SBV) wordt de balans van
de bank vrijgemaakt en de vorderingen worden overgedragen op het SBV. Dit SBV voorziet
de bank verder van kapitaal zodat ze toch verder leningen kan toestaan. Het SBV zelf
verkrijgt financiering door het uitgeven van asset backed securities, zijnde door activa
ondersteunde beleggingsproducten, met als onderpand de opbrengst van de hypotheken.
De meer specifieke vorm van asset backed securities dat werd gebruikt is de collateralized
debt obligation (CDO). Typerend voor deze vorm zijn de verschillende “lagen” waarin belegd
kan worden. Deze lagen variëren in termen van opbrengst en het risico dat eraan gekoppeld
is. Concreet vindt men lagen gaande van de laagste opbrengst gecombineerd met het
5
kleinste risico tot de combinatie hoogste opbrengst en hoogste risico (Heylen, hoorcollege
Macro-economie, academiejaar 2010 – 2011).
Banken hadden echter jarenlang te gretig risicovolle leningen verstrekt aan gezinnen die niet
aan de voorwaarden van een hypotheek zouden mogen voldoen. De hypotheekrente ging de
hoogte in en de huizenprijzen stortten in, met als gevolg dat deze gezinnen hun hypotheken
niet langer konden betalen. Hierdoor zagen banken zich genoodzaakt zware afschrijvingen
op deze hypotheken door te voeren. Dit tastte de liquiditeit van de banken zwaar aan.
Aangezien het op dat moment onduidelijk was welke instellingen hier problemen van
zouden ondervinden, stonden banken weigerachtig ten opzichte van elkaar en bevroren de
interbancaire markten. Banken sloegen huizen aan door onbetaalde hypotheken, waardoor
het aanbod van huizen op de markt steeg en de prijzen daalden. Bovendien was er door de
hogere hypotheekrente een extra overaanbod dat de prijzen alleen maar verder deed dalen.
Daarnaast probeerden vastgoedbeleggers verdere prijsdalingen voor te zijn door zo snel
mogelijk te verkopen en dit alles leidde tot een neerwaartse prijsspiraal en het instorten van
de huizenmarkt in de Verenigde Staten (Heylen, hoorcollege Macro-economie, academiejaar
2010 – 2011).
Bijgevolg brachten enorme liquiditeitstekorten de banken in noodlijdende situaties en
overheidstussenkomst was noodzakelijk om liquiditeiten in de markt te pompen (Heylen,
hoorcollege Macro-economie, academiejaar 2010 – 2011). Vanaf oktober 2008 werden
centrale banken genoodzaakt verscheidene financiële instellingen te ondersteunen. De
illiquiditeit bereikte toen een piek na het faillissement van Lehman Brothers en de
reddingsoperatie van AIG door de Amerikaanse Centrale Bank (Cornett et al., 2011).
De Amerikaanse crisis op de huizenmarkt breidde zich bovendien razendsnel uit naar andere
instituties, markten en landen. De wanbetaling van de hypotheekleningen bracht het hele
systeem van de hypotheeklening tot de CDO in gevaar aangezien wereldwijd in die CDO’s
was belegd. Hierdoor kwam de liquiditeit van instituties in verschillende landen sterk onder
druk te staan (Heylen, hoorcollege Macro-economie, academiejaar 2010 – 2011).
6
b. De crisis in België
Ook Europa, waaronder België, werd zwaar getroffen door liquiditeitstekorten die de crisis
met zich meebracht. Figuur 1 toont de neerwaartse beweging van de bancaire kredieten aan
ondernemingen in België.
Figuur 1: Bancaire kredieten en conjuncturele evolutie
Figuur 1 toont de jaarlijkse wijziging van de kredietbedragen die opgenomen worden in combinatie met de conjunctuurcurve. Op de linker Y-as staat het groeipercentage van de opgenomen kredietbedragen, op de rechter Y-as het groeipercentage van de conjunctuur. De X-as geeft de jaren weer. De focus van de masterproef ligt op de periode 2008 – 2009 in vergelijking met 2006 – 2007 waarbij een neerwaartse beweging in de kredieten te zien is. Bron: www.nbb.be, geraadpleegd op 24/04/2013.
In België kreeg de crisis concreet voet aan wal met het Fortis - debacle. De Belgische
grootbank kondigde in 2007 aan samen met Royal Bank of Scotland en Banco Santander de
Nederlandse bankgroep ABN Amro over te nemen. Achteraf bleek dat Fortis zich deze grote
koopsom van 24 miljard euro niet kon veroorloven. De aandelenprijs daalde enorm door
groeiend wantrouwen van de beleggers na plotselinge geldnood om de balans te versterken
en alsmaar toenemende financieel onzekere tijden (www.demorgen.be, geraadpleegd op
5/02/2013; www.standaard.be, geraadpleegd op 5/02/2013).
Door de dalende aandelenkoersen en fors gestegen schulden zagen de Nederlandse, de
Belgische en de Luxemburgse overheid zich genoodzaakt staatsteun toe te kennen aan de
noodlijdende Fortis-groep. Aangezien de Belgische staat geen nieuwe staatsbank wou
7
oprichten maar een commerciële bank voor ogen had, werden de bankactiviteiten van Fortis
in de handen van de Belgische staat doorverkocht aan BNP Paribas. Hierna ging de bank
verder onder de naam BNP Paribas Fortis. De verzekeringsactiviteiten van Fortis (Fortis
Corporate Insurances) in handen van de Nederlandse staat werden verkocht aan de Britse
verzekeraar Amlin (www.tijd.be; geraadpleegd op 5/02/2013). De resterende
verzekeringsactiviteiten werden opgenomen onder de naam Ageas.
De crisis tekende ook de economische activiteit in België. Zo daalde het bruto binnenlands
product in 2009 met 2,8% ten opzichte van 2008 (www.nbb.be, geraadpleegd op
10/02/2013). Bovendien wakkerde de aanhoudende politieke malaise door de tot dan toe
langste regeringsformatie ooit in België de moeilijkheden verder aan. Deze masterproef wil
in het bijzonder nagaan of de financiële crisis van 2008 – 2009 de Belgische KMO’s heeft
beïnvloed in hun politiek aangaande nettobedrijfskapitaal met eventuele gevolgen voor de
winstgevendheid die afwijken van de relatie tussen nettobedrijfskapitaal en
winstgevendheid in een periode die niet door de financiële crisis gedomineerd werd.
We hebben de financiële crisis, die strikt genomen in de zomer van 2007 begon in de
Verenigde Staten, in dit werkstuk gedefinieerd als de periode 2008 – 2009. Onze focus ligt
immers op Belgische KMO’s en in België zijn de eerste gevolgen pas doorgedrongen in 2008.
De crisis is anno 2013 nog steeds gaande en is uitgegroeid tot een wereldwijde economische
crisis. Figuur 2 geeft een overzicht van een aantal sleutelmomenten die de crisis tekenden.
We kiezen voor de twee voorafgaande jaren 2006 – 2007 als vergelijkingsperiode aangezien
deze jaren niet gedomineerd werden door een financiële crisis in België.
Wij sluiten de periode af in 2009 om twee redenen. Enerzijds was 2009 de grens in de
overgang van een louter financiële naar een globale economische crisis (Vanacker,
hoorcollege Onderzoeksmethoden in de bedrijfsfinanciering, academiejaar 2012 – 2013;
www.tijd.be, geraadpleegd op 28/04/2013). Anderzijds kunnen we tot en met 2009 over
volledige data beschikken.
8
Figuur 2: 5 jaar crisis aan de hand van 12 sleutelmomenten
Figuur 2 geeft een overzicht van 12 sleutelmomenten die de crisis illustreren en schetst de evolutie van een financiële crisis over een economische crisis naar een schuldencrisis. Waar het in 2007 begon met de centrale banken die de financiële crisis een eerste keer probeerden te bezweren, vrezen landen als Griekenland en Spanje anno 2013 voor het bankroet. Wij beperken ons in deze masterproef op de crisisjaren 2008 – 2009 in België. Bron: www.tijd.be, geraadpleegd op 28/04/2013.
c. KMO’s
De Belgische economie wordt gestuwd en gedomineerd door KMO’s (www.tijd.be,
geraadpleegd op 29/10/2012). Ze zijn een niet te onderschatten bron van welvaart en
werkgelegenheid. In Tabel 1 geven wij een overzicht van het aantal KMO’s in heel België en
per gewest tussen 2000 en 2010. Hieruit blijkt dat het aantal KMO’s in België sinds 2002
onophoudelijk toeneemt.
9
Tabel 1: Evolutie aantal KMO’s in België
2000 2001 2002 2003 2004 2005
Vlaanderen 452707 451419 451568 453500 458279 465387
Brussel 90284 89350 88970 88906 89952 91907
Wallonië 225797 223122 221208 220576 221538 223585
Onbekend 12462 13032 13616 14110 14417 14801
Totaal 781250 776923 775362 777092 784186 795680
2006 2007 2008 2009 2010
Vlaanderen 477948 489972 502803 514262 546879
Brussel 95013 99188 101748 103245 109123
Wallonië 227772 231823 236518 240984 259348
Onbekend 15268 15556 17127 20864 26251
Totaal 816001 836539 858196 879355 941601 Bron: www.unizo.be, geraadpleegd op 15/10/2012.
Er bestaan verschillende definities voor een KMO die elk door een bepaalde instantie
gehanteerd worden (bijvoorbeeld de Europese Unie, de Belgische wetgever, enzovoort). In
onderstaand onderzoek verkiezen wij gebruik te maken van de Europese definitie die te
vinden is in de informatiebrochure van de nieuwe definitie van een KMO, uitgegeven door
de Europese Commissie. Deze definitie is sinds 1 januari 2005 van kracht. Volgens artikel 2
van de bijlage bij Aanbeveling 2003/361/EG mag een KMO niet meer dan 250 werknemers
hebben en niet meer dan één van de volgende criteria overschrijden: een jaaromzet van 50
miljoen euro of een balanstotaal van 43 miljoen euro (www.europa.eu, geraadpleegd op
15/10/2012). We kozen de Europese definitie vanwege de vergelijkbaarheid met andere
onderzoeken zoals onder andere Baños-Caballero et al. (2011).
In deze masterproef onderzoeken we of de financiële crisis van 2008 – 2009 een invloed
gehad heeft op het beheer van nettobedrijfskapitaal bij Belgische KMO’s en wat de invloed
hiervan geweest is op de winstgevendheid van de ondernemingen. Wij komen verder in dit
stuk terug op de definitie en betekenis van nettobedrijfskapitaal maar gaan nu dieper in op
het belang ervan voor een onderneming en een KMO in het bijzonder.
Het belang van nettobedrijfskapitaal voor KMO’s uit zich op allerlei wijzen. Ten eerste heeft
onderzoek reeds aangetoond dat nettobedrijfskapitaal essentieel is vanwege de invloed op
de winstgevendheid en op het risico van een onderneming (Smith, 1980; Shin & Soenen,
10
1998; Deloof, 2003; Baños-Caballero et al, 2011; Bhunia & Das, 2012). De groei van een
onderneming kan ondermijnd worden wanneer onvoldoende nettobedrijfskapitaal
aangehouden wordt. Dit kan immers leiden tot tekorten en problemen bij de dagelijkse
operationele activiteiten van ondernemingen (Van Horne & Wachowicz, 2000).
Daarnaast worden KMO’s geconfronteerd met moeilijkheden bij het vinden van financiering
in vergelijking met grotere bedrijven (Petersen & Rajan, 1997). Vanaf 2008 zijn de
moeilijkheden bij het vinden van financiering nog versterkt, wat een belangrijke impact kan
hebben op het risicobeleid in een KMO. Dit benadrukt nogmaals het belang van
nettobedrijfskapitaal en de manier waarop het beheerd wordt aangezien verschillende
politieken met betrekking tot het beheer van nettobedrijfskapitaal verschillende
risiconiveaus met zich meebrengen. (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza,
2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head,
2010). Dat deze financieringsmoeilijkeden zijn versterkt, blijkt onder meer uit een enquête
van het Kenniscentrum voor Financiering van KMO (KeFIK), afgenomen in 2009 in
samenwerking met de Management School van de Universiteit Luik. De resultaten houden
rekening met de crisis. De enquête onderzocht de beschikbaarheid van financiering en de
houding van de banken tegenover KMO’s, micro-ondernemingen en zelfstandigen. Uit het
onderzoek blijkt dat 45% van de ondernemingen krediet heeft aangevraagd bij banken in
2009, een daling van 7% ten opzichte van 2008. Ruim 18% kreeg de lening echter niet
toegekend. Bij de micro-ondernemingen is de situatie nog erger: ruim 26% kreeg geen lening
toegestaan, in 2008 was dit nog maar 10,1% (www.kefik.be, geraadpleegd op 14/11/2012).
De redenen voor het weigeren van leningen aan KMO’s zijn hoofdzakelijk het niet kunnen
geven van voldoende waarborgen, gevolgd door te weinig inbreng of eigen vermogen.
Daarnaast is de onvoldoende terugbetalingscapaciteit een derde belangrijke reden. Hieruit
blijkt dat de financiële crisis wel degelijk een impact heeft gehad op de financieringspolitiek
van KMO’s (www.unizo.be, geraadpleegd op 14/11/2012).
Uit recent cijfermateriaal blijkt dat de banksector nog steeds weinig leningen toestaat aan
ondernemingen waarbij vooral de kleinere bedrijven getroffen worden (www.trends.be,
geraadpleegd op 14/11/2012). Febelfin, de koepelorganisatie van de banksector in België,
11
bevestigt deze trend. Door de financiële crisis en de daaruit voortvloeiende economische
crisis is de financiële structuur van ondernemingen verslechterd. Bedrijven lopen aldus meer
kans op wanbetaling waardoor leningen hen ontzegd worden. De conjuncturele malaise
weegt ook op de kwaliteit van kredietdossiers die ingediend worden bij kredietverschaffers
(www.febelfin.be, geraadpleegd op 10/05/2013).
Bovendien blijkt de rendabiliteit van banken in België dramatische dieptepunten te kennen:
in 2012 bedroeg de rendabiliteit 4,5% gedurende de eerste negen maanden van het jaar,
terwijl die in het afgelopen decennium meer dan 10% bedroeg (www.trends.be,
geraadpleegd op 22/03/2013).
We merken echter dat de aanhoudende liquiditeitstekorten die ontstaan zijn tijdens de
financiële crisis voor lange termijn problemen zorgen. Als exportgericht KMO-land heeft
België nood aan projecten die op lange termijn gefinancierd worden. Om beter tegemoet te
komen aan de rijzende problematiek hebben Febelfin en de Vlaamse regering besloten zich
te engageren in het zogenaamde bankenplan (www.standaard.be, geraadpleegd op
14/11/2012). Hierbij werd onder meer consensus bereikt over het oprichten van een KMO-
fonds ter waarde van 1 miljard euro waarbij banken het kredietrisico dragen. Daarnaast
besliste men de toepassingsmogelijkheden van de Win-winlening uit te breiden
(www.vlaanderen.be, geraadpleegd op 22/03/2013) en de bedrijfsleiders te helpen bij het
opstellen van een kredietdossier (www.febelfin.be, geraadpleegd op 22/03/2013). Recent
kwam BNP Paribas Fortis ook met een zuurstofgevend initiatief: de bank biedt 50.000 KMO’s
proactief 1 miljard euro bedrijfskapitaal (www.demorgen.be, geraadpleegd op 13/05/2013).
In deze masterproef willen we de focus behouden op de financiële crisis van 2008 – 2009 en
welke de gevolgen geweest zijn voor het management van nettobedrijfskapitaal bij Belgische
KMO’s. Daarbij wensen wij na te gaan of investeringen in nettobedrijfskapitaal de
winstgevendheid zwaarder hebben getroffen tijdens de crisis in vergelijking met de niet-
crisisperiode 2006 – 2007.
12
3. Theoretisch kader Volgens de pecking order theory is handelskrediet, wat een deel is van het
nettobedrijfskapitaal van een onderneming, laag gepositioneerd in de hiërarchie der
financieringsmiddelen ten gevolge van de hoge impliciete intrestkost (Myers & Maljuf, 1984;
Petersen & Rajan, 1997). In vergelijking met bancaire kredieten zijn de intresten op
handelskrediet soms aanzienlijk hoger. De oorzaak hiervan is tweeërlei: aan de ene kant
wenst de leverancier een compensatie te verkrijgen in ruil voor het verlenen van krediet en
aan de andere kant wenst hij een verzekering tegen mogelijke wanbetaling (Kestens, Van
Cauwenberge, Vander Bauwhede, 2011). Toch speelt handelskrediet een zeer belangrijke rol
bij de financiering van ondernemingen (Kestens et al., 2011).
De herverdelingstheorie stelt voorop dat ondernemingen met minder beperkingen qua
kapitaal een deel van hun bankkredieten doorgeven aan hun klanten door meer
handelskrediet toe te staan (Meltzer, 1960; Petersen & Rajan, 1997; Niskanen & Niskanen,
2006). Kestens et al. (2011) vinden bewijs van het blijvend herverdelingseffect van
handelskrediet gedurende de financiële crisis van 2008 maar in mindere mate. De
verlammende liquiditeitstekorten dwingen zelfs de minder kapitaalbeperkte ondernemingen
tot het terugschroeven van hun kredieten aan de klanten. Bovendien wordt additioneel
leverancierskrediet moeilijker te verkrijgen. De resultaten van Kestens et al. (2011) duiden
echter op het blijvend herverdelingseffect van handelskrediet, ook al verminderde de
beschikbaarheid van handelskrediet gedurende de onderzochte periode.
Deze financiële crisis van 2008 was een externe factor waaraan de bedrijven blootgesteld
werden, geheel buiten hun wil om. De bank lending channel theory (Nilsen, 1999) stelt dat
banken tijdens monetaire crisissen het verlenen van sommige leningen ernstig
terugschroeven, hetgeen wij ook empirisch waargenomen hebben (zie Figuur 1). Ten gevolge
van de vermindering van leningen zouden kleine bedrijven zich volgens Nilsen (1999) aldus
gedwongen kunnen zien meer handelskrediet te gebruiken als financieringssubstituut.
Anderzijds draagt dit ook heel wat risico’s met zich mee, waardoor dit niet zo
vanzelfsprekend is.
In deze masterproef wensen we de focus te houden op het beheer van het
nettobedrijfskapitaal en de financiële crisis van 2008 – 2009. Zoals reeds eerder vermeld, is
13
het gebruik van nettobedrijfskapitaal belangrijk wegens de invloed ervan op de
winstgevendheid en het risico van een bedrijf (Smith, 1980; Shin & Soenen, 1998; Deloof,
2003; Baños-Caballero et al., 2011; Bhunia & Das, 2012).
Het optimaal beheren van nettobedrijfskapitaal vormt dan ook een cruciaal element binnen
het financieel management van een onderneming. De literatuur onderscheidt daarbij drie
vormen van beleid met betrekking tot nettobedrijfskapitaal (Gallagher & Andrew, 2007;
Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010). Enerzijds is er agressief
management van nettobedrijfskapitaal, anderzijds conservatief management. De
middenweg tussen deze twee uitersten is het gematigd management van
nettobedrijfskapitaal. Hierbij probeert men een balans te vinden tussen risico en
winstgevendheid (Gallagher & Andrew, 2007).
Agressief management van nettobedrijfskapitaal impliceert dat er weinig investeringen
gedaan worden in nettobedrijfskapitaal. Een onderneming spoort zijn klanten aan zo snel
mogelijk te betalen, houdt minimale voorraden aan en maakt veel gebruik van
leverancierskrediet als korte termijn financieringsbron voor de tijdelijke en een deel van de
permanente vlottende activa (Gallagher & Andrew, 2007). Hier wordt een hogere
winstgevendheid verwacht dan bij gematigd management, aangezien minder cash wordt
vastgehouden in vlottende activa (Watson & Head, 2010). De keerzijde van de medaille is
echter wel dat hierdoor hogere risico’s gecreëerd worden. Deze bijhorende risico’s zijn de
volgende. Door het toekennen van minder klantenkrediet kan dit de klantenrelatie schaden.
Minder gebruik maken van voorraad verhoogt dan weer het risico op stock-outs en het niet
kunnen opvangen van onverwachte stijging in de vraag. Meer gebruik maken van
leverancierskrediet als korte termijn financiering voor de vlottende activa laat weinig tot
geen buffer voor onvoorziene omstandigheden aangezien er weinig tot geen verschil meer is
tussen de beschikbare liquide middelen en de korte termijn schuld die moet afbetaald
worden (Gallagher & Andrew, 2007). Bovendien is er dan ook een risico dat leveranciers de
kredietwaardigheid van de onderneming in vraag gaan stellen. Als we deze drie kenmerken
samenvoegen in de cash conversion cycle, zal een agressieve politiek met zich meebrengen
dat de cash conversion cycle korter zal zijn dan bij gematigd management van
14
nettobedrijfskapitaal (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher
& Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010).
Daartegenover staat het conservatieve management omtrent het beheer van
nettobedrijfskapitaal. Deze politiek impliceert dat er veel investeringen gedaan worden in
nettobedrijfskapitaal. De onderneming kent veel klantenkrediet toe, houdt veel voorraad
aan en maakt zo weinig mogelijk gebruik van leverancierskrediet. Hier wordt een lagere
winstgevendheid verwacht, aangezien meer cash wordt vastgehouden in vlottende activa
(Watson & Head, 2010), maar daar staat dan ook een lager risico tegenover. Dit lagere
risiconiveau wordt ten eerste in de hand gewerkt door de investeringen in de klantenrelatie
door het verstrekken van klantenkrediet. Ten tweede staat een hoge voorraad garant voor
het opvangen van stock-outs en onverwachte gestegen vraag. Ten slotte wordt door het zo
weinig mogelijk gebruiken van leverancierskrediet als korte termijn financieringsbron voor
de vlottende activa een buffer aangelegd tussen de beschikbare liquide middelen en de
korte termijn schulden (Gallagher & Andrew, 2007). Ook behoudt de onderneming een
kredietwaardig imago ten opzichte van zijn leveranciers. Als we deze drie kenmerken
samenvoegen in de cash conversion cycle, zal een conservatieve politiek met zich
meebrengen dat de cash conversion cycle langer zal zijn dan bij gematigd management van
nettobedrijfskapitaal (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher
& Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010).
In deze masterproef zal gebruik gemaakt worden van de conservatieve politiek om de
hypothesen omtrent het management van nettobedrijfskapitaal in de financiële crisis van
2008 – 2009 te funderen aangezien in Arnold (2008) aangegeven wordt dat in onzekere
tijden, zoals de financiële crisis van 2008 – 2009, conservatief beheer van
nettobedrijfskapitaal een passend beleid kan zijn.
15
4. Literatuuroverzicht en ontwikkeling hypothesen
In dit onderdeel van deze scriptie zal eerst een verduidelijking gegeven worden van het
begrip nettobedrijfskapitaal. Vervolgens worden de componenten besproken. Nadien volgt
een overzicht van de mogelijke gevolgen van een toename van die componenten en van de
lengte van de cash conversion cycle op de winstgevendheid van een onderneming. Deze
bevindingen fungeren samen met de resultaten uit vorige academische onderzoeken als
basis voor de ontwikkeling van de hypothesen uit deze masterproef.
a. Wat is nettobedrijfskapitaal?
Zoals reeds vermeld in de introductie is het nettobedrijfskapitaal een cruciaal element van
het financieel management van ondernemingen (Smith, 1980; Deloof, 2003; Kesimli &
Gunay, 2011). Er kan geïnvesteerd worden in nettobedrijfskapitaal als bron van financiering
(Deloof, 2003). Anderzijds zijn daar wel risico’s aan gebonden, wat verder zal besproken
worden.
Nettobedrijfskapitaal wordt volgens Ooghe & Van Wymeersch (2008) gedefinieerd als het
verschil tussen (beperkt) vlottende activa en vreemd vermogen op korte termijn. Deze
definiëring is schematisch voorgesteld in Figuur 3. Onder vlottende activa vallen de liquide
middelen, de voorraden en bestellingen in uitvoering, de handelsvorderingen op ten hoogste
één jaar, de geldbeleggingen en de overlopende rekeningen van het actief. Vreemd
vermogen op korte termijn omvat de schulden op ten hoogste één jaar en de overlopende
rekeningen van het passief (Ooghe & Van Wymeersch, 2008). Deze benadering van
nettobedrijfskapitaal wordt gebruikt als liquiditeitsmaatstaf: wanneer het vreemd vermogen
op korte termijn kleiner is dan de vlottende activa bestempelt men de liquiditeit van een
onderneming als voldoende (Ooghe & Van Wymeersch, 2008).
Een alternatieve definiëring van nettobedrijfskapitaal is het verschil tussen het permanent
vermogen en de (uitgebreide) vaste activa, schematisch voorgesteld in Figuur 3 (Ooghe &
Van Wymeersch, 2008). Het permanent vermogen bestaat uit het eigen vermogen en het
vreemd vermogen op lange termijn. De uitgebreide vaste activa bevatten de
16
oprichtingskosten, de immateriële vaste activa, de materiële vaste activa, de financiële vaste
activa verminderd met de handelsvorderingen op meer dan één jaar (Ooghe en Van
Wymeersch, 2008). Deze benadering koppelt de liquiditeit van een onderneming aan de
financieringswijze van de vaste activa waardoor een realistischer beeld gegeven wordt
(Ooghe & Van Wymeersch, 2008). Nettobedrijfskapitaal is immers dat deel van het
permanent vermogen dat overblijft na de financiering van de vaste activa. Hiermee worden
de (beperkt) vlottende activa gefinancierd. Een onderneming bevindt zich echter in een
gevaarlijke situatie wanneer vaste activa niet langer kunnen gefinancierd worden door
permanent vermogen en aldus moeten gefinancierd worden met vreemd vermogen op korte
termijn. Dit is immers vermogen dat snel wordt verminderd of afgeschaft (Ooghe & Van
Wymeersch, 2008; Vander Bauwhede, hoorcollege Financiële Analyse van de Onderneming,
academiejaar 2010 – 2011; Keuleneer, hoorcollege Gevorderde bedrijfsfinanciering,
academiejaar 2012 – 2013).
Figuur 3: Schematische voorstelling van het nettobedrijfskapitaal
Bron: Ooghe, H., en Van Wymeersch, C. (2008). Handboek Financiële Analyse van de
Onderneming. Antwerpen, Intersentia.
Raheman & Nasr (2007) stellen dat efficiënt beheer van het nettobedrijfskapitaal essentieel
is voor een bedrijf, zeker voor handelsondernemingen, productie-, en distributiebedrijven.
Het beheer in deze bedrijven heeft immers een onmiddellijke impact op de liquiditeit en de
winstgevendheid aangezien het nettobedrijfskapitaal meer dan de helft van het totaal actief
vertegenwoordigt. Als het management niet op een efficiënte manier gebeurt en het
beschikbare bedrag voor dagdagelijkse activiteiten dus niet voldoende hoog is, kunnen er
17
liquiditeitsproblemen ontstaan die in het ergste geval kunnen leiden tot een faillissement
(Kargar & Blumenthal, 1994).
Smith (1980) duidde ook op het belang van het beheer van nettobedrijfskapitaal. Het oefent
immers een effect uit op zowel de winstgevendheid als het risico van een onderneming.
Aldus wordt ook de waarde van een onderneming beïnvloed. De bestaande literatuur
(Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007;
Arnold, 2008; Besley & Brigham, 2008; Watson & Head, 2010) onderscheidde drie manieren
van management van nettobedrijfskapitaal. Zoals reeds vermeld in het deel theoretisch
kader, kan er enerzijds agressief management zijn. Dit betekent een lage investering in
nettobedrijfskapitaal met potentieel een hogere winstgevendheid, maar aan de andere kant
ook een groter risico. Een lage investering betekent dat een onderneming weinig geld zal
opzij zetten voor nettobedrijfskapitaal. Het zal zijn klanten aanzetten om zo snel mogelijk te
betalen, er zal zo weinig mogelijk voorraad zijn en het bedrijf zal zo lang mogelijk wachten
om zijn leveranciers te betalen. Anderzijds kan het management van nettobedrijfskapitaal
eerder conservatief zijn, wat inhoudt dat er een hoge investering is in nettobedrijfskapitaal.
Dit leidt tot een lagere winstgevendheid maar eveneens een lager risico. De klant zal veel
betalingsuitstel krijgen, er zal veel voorraad aangehouden worden en leveranciers zullen zo
snel mogelijk betaald worden (Smith, 1980; Weinraub & Visscher, 1998; Nazir & Afza, 2009).
Ten slotte is er gematigd management van nettobedrijfskapitaal, wat de middenweg is
tussen de twee uitersten, agressief en conservatief management.
De motivatie voor deze studie wordt ingegeven door het duidelijk belang van het
nettobedrijfskapitaal voor de winstgevendheid van een bedrijf. Daar onze persoonlijke
interesse uitgaat naar de actuele financiële crisis, zullen wij de relatie tussen beiden nagaan
bij Belgische KMO’s in een specifieke omgeving die gevormd wordt door de financiële crisis
van 2008 – 2009.
18
b. De componenten van nettobedrijfskapitaal
De componenten van nettobedrijfskapitaal die we in ons onderzoek gebruiken, zijn
gebaseerd op de variabele die gehanteerd wordt voor het meten van het management van
nettobedrijfskapitaal. Hiervoor is in de literatuur (Shin & Soenen, 1998) zowel de cash
conversion cycle als de net trade cycle terug te vinden als maatstaf.
In dit werkstuk zal gebruik gemaakt worden van de cash conversion cycle aangezien deze
meer gebruikt wordt dan de net trade cycle en het onderzoek van Raheman, Qayyum & Afza
(2011) bovendien aangetoond heeft dat geen significante impact op de resultaten te zien is
door hetzij de cash conversion cycle hetzij de net trade cycle te gebruiken.
De lengte van de cash conversion cycle is gelijk aan de som van het aantal dagen
klantenkrediet en het aantal dagen voorraad verminderd met het aantal dagen
leverancierskrediet (Shin & Soenen, 1998; Gentry, Vaidyanathan & Lee, 2001; Deloof, 2003;
Baños-Caballero et al., 2011; Raheman et al., 2011). De precieze berekeningswijzen van deze
elementen zullen aangehaald worden bij de bespreking van de variabelen. We beperken ons
momenteel tot de belangrijkste kenmerken uit de definities.
Onder aantal dagen klantenkrediet wordt het betalingsuitstel verstaan dat een bedrijf geeft
aan zijn klanten. Het kernelement in de berekening van aantal dagen klantenkrediet is het
bedrag dat uitstaat met betrekking tot handelsvorderingen. Concreet betreft het de
handelsvorderingen die bedrijven op korte termijn aan de klanten geven als korte termijn
lening. Het aantal dagen klantenkrediet berekent aldus de liquiditeit van de
handelsvorderingen op ten hoogste één jaar (Ooghe & Van Wymeersch, 2008). Het aantal
dagen voorraad is de tijd tussen de start van de productie van een bepaald product en het
moment dat het product verkocht wordt en het bedrijf verlaat. De belangrijkste component
in deze formule is de hoeveelheid voorraad. Het omvat alle goederen die nodig zijn om tot
gerede producten te komen maar nog niet zijn afgewerkt tot gereed product, de
zogenaamde bestellingen in uitvoering evenals gerede producten die nog niet zijn verkocht
(Ooghe & Van Wymeersch, 2008). Het aantal dagen leverancierskrediet is op zijn beurt het
betalingsuitstel dat een bedrijf krijgt van zijn leveranciers. De hoofdcomponent in de formule
19
voor aantal dagen leverancierskrediet is het uitstaande bedrag voor handelsschulden.
Hiermee bedoelen wij de korte termijn leningen die bedrijven ontvangen van hun
leveranciers (Ooghe & Van Wymeersch, 2008).
Samenvattend kunnen we stellen dat, aangezien de cash conversion cycle bestaat uit
klantenkrediet, voorraad en leverancierskrediet, we ook deze componenten zullen opnemen
als variabelen in ons onderzoek en hypothesen opstellen over hun relatie met
winstgevendheid.
c. De relatie tussen componenten van nettobedrijfskapitaal en winstgevendheid
Meer investeren in klantenkrediet, leverancierskrediet en voorraad kan zowel positieve als
negatieve gevolgen hebben voor de winstgevendheid van een bedrijf. In volgende
paragrafen zullen we deze gevolgen verder toelichten.
i. Klantenkrediet
Volgens Smith (1987), Long, Malitz & Ravid (1993), Deloof & Jegers (1996), Petersen & Rajan
(1997) en Deloof (2003) is de mogelijkheid tot een kwaliteitscheck van het verhandelde
product van groot belang voor klanten van KMO’s. Meer klantenkrediet geeft daar meer
aanleiding toe door de langere periode om het product te testen waardoor, na bevrediging,
de verkopen toenemen en dus leiden tot een hogere winstgevendheid. Wanneer klanten
geconfronteerd worden met liquiditeitstekorten zullen de verkopen dalen bij gebrek aan
klantenkrediet (Biais & Gollier, 1997). Uit onderzoek blijkt overigens dat bedrijven die hun
klanten een helpende hand aanreiken meer kans maken op het realiseren van additionele
verkopen (Baños-Caballero et al., 2011). Daarnaast helpt het ook bij de relatieopbouw met
de klant (Wilner, 2000) en vermindert het de informatieasymmetrie en transactiekosten
(Petersen & Rajan, 1997).
Anderzijds zijn er ook een aantal minpunten verbonden aan het verhogen van
klantenkrediet. Enerzijds komt de liquiditeitspositie van de onderneming in het gedrang door
20
een verhoogde kans op onbetaalde kredieten (Deloof, 2003) wat negatief is voor de
winstgevendheid. Anderzijds zit meer cash opgeslagen in nettobedrijfskapitaal, waardoor
het niet meer voor andere doeleinden kan gebruikt worden. Bovendien kan deze ongunstige
positie in het slechtste geval leiden tot faillissement (Soenen, 1993).
ii. Voorraad
Meer investeren in voorraad kan volgens Long, Malitz & Ravid (1993) en Deloof & Jegers
(1996) onderbrekingen in het productieproces opvangen en het verlies van afzet door
onmogelijkheid om te produceren bij een onverwachte vraag voorkomen. Dit leidt dan tot
hogere verkopen en ook tot een betere service naar de klanten toe, waardoor ook de
winstgevendheid toeneemt. Bovendien worden ook de leverancierskosten de kop in gedrukt
en is het efficiënter bij prijsfluctuaties (Blinder & Maccini, 1991). Een cruciaal negatief gevolg
van toegenomen investeringen in voorraad op de winstgevendheid zijn de hoge
voorraadkosten voor opslag en verlies door bijvoorbeeld bederf van producten. Deloof
(2003) stelt dan ook dat het management van voorraad een afweging betekent van kosten
en verkopen. Bovendien is het ook sterk afhankelijk van de sector van de KMO, aangezien
sommige sectoren standaard geen gebruik maken van voorraad (dienstensectoren) en
andere verplicht zijn voorraad aan te houden, zoals bijvoorbeeld de productie- of
retailsector (Lovelock & Wright, 2002).
iii. Leverancierskrediet
Shipley & Davis (1991) en Deloof & Jegers (1996) vonden dat leverancierskrediet een
belangrijk selectiecriterium is bij weinig productdifferentiatie voor het bedrijf aangezien dit
het bedrijf meer ademruimte en vrijheid geeft om te beslissen wanneer ze hun facturen
betalen. Het is een vorm van krediet die bovendien als alternatief kan gebruikt worden bij
gebrek aan andere leningen die teruggeschroefd worden in mindere economische tijden.
De keerzijde van de medaille is echter wel dat het een enorm dure vorm van krediet is. Een
illustratie hiervan is het veel gebruikte concept “2/10, net 30” (Smith, 1987; Long, Malitz &
21
Ravid, 1993 en Petersen & Rajan, 1997). Deze regel stelt dat wanneer een bedrijf binnen de
tien dagen aan zijn leverancier betaalt, hij een korting ontvangt van twee procent. Wanneer
ze niet binnen deze tien dagen betaalt, moet de volledige rekening binnen de dertig dagen
betaald worden. Zo betaalt een bedrijf dus 2% voor 20 dagen. Om er een beter beeld van te
kunnen vormen kan dit percentage omgezet worden naar een percentage op jaarbasis van
ongeveer 43%. Dit hele hoge intrestpercentage kan de winstgevendheid hypothekeren
wanneer veel kortingen voor snelle betalingen gemist worden.
Bovendien kan het imago van een bedrijf ten opzichte van zijn leverancier aangetast worden
wanneer het bedrijf meer betalingskrediet gaat aanvragen. Het kan een teken van
liquiditeitstekort zijn en kan het vertrouwen van de leverancier in het bedrijf schaden.
Wanneer de leverancier zijn relatie met het bedrijf hierdoor annuleert, kan dit tot nefaste
gevolgen leiden voor de winstgevendheid van het bedrijf in kwestie (Petersen & Rajan,
1997).
d. De relatie tussen de cash conversion cycle en de winstgevendheid
Een langere cash conversion cycle met meer dagen klantenkrediet en investeringen in
voorraad kan om hiervoor genoemde redenen leiden tot hogere verkopen en eventueel een
hogere winstgevendheid. Minder leverancierskrediet en de voordelen van kortingen bij
snelle betaling dragen er ook toe bij. Daar tegenover bestaat de mogelijkheid dat de kosten
van veel investeringen in nettobedrijfskapitaal de opbrengsten van meer klantenkrediet en
de mogelijkheden van meer voorraad boven het hoofd groeien. Dit heeft dan een negatieve
impact op de winstgevendheid.
e. Ontwikkeling hypothesen
In deze masterproef gaan we na of de financiële crisis van 2008 – 2009 een invloed heeft
uitgeoefend op het management van nettobedrijfskapitaal bij Belgische KMO’s. Daarnaast
zijn we geïnteresseerd in de weerslag hiervan op de winstgevendheid van de
ondernemingen. Daartoe onderzoeken wij de drie componenten van nettobedrijfskapitaal
22
(klantenkrediet, voorraad en leverancierskrediet) en de lengte van de cash conversion cycle
als maatstaf voor het beheer van nettobedrijfskapitaal. Deze wordt uitvoerig behandeld bij
de bespreking van de onafhankelijke variabelen.
Het uitgangspunt voor de ontwikkeling van de hypothesen vormt de financiële crisis van
2008 – 2009 die als externe factor de ondernemingen bedreigde (en anno 2013 nog steeds
bedreigt). Het ineenstorten van enkele vooraanstaande financiële instellingen veroorzaakte
onrust op de markten. Figuur 4 illustreert dit wantrouwen bij KMO’s aan de hand van de
KMO-barometer. Deze geeft het KMO-vertrouwen in de economie weer en is de
conjunctuurindicator bij uitstek voor KMO’s. Het wordt op kwartaalbasis samengesteld door
een representatief KMO-panel te bevragen. De maatstaf is opgebouwd uit verschillende
deelindices waaronder het toekomstig werkvolume, de toekomstige financiële situatie en de
tevredenheid over de economie. Waarden boven de 100 duiden op een positieve evolutie in
de conjunctuur, waarden onder de 100 duiden op een negatieve evolutie in de conjunctuur
(www.unizo.be, geraadpleegd op 15/10/2012).
Figuur 4: KMO-barometer als conjunctuurindicator bij KMO’s
Bron: www.unizo.be, geraadpleegd op 15/05/2013.
Uit Figuur 4 blijkt dat de conjunctuurindex een dieptepunt bereikte in het eerste kwartaal
van 2009, diep in de financiële crisis. Het vertrouwen in de economie herstelde zich enigszins
weer maar bereikte pas in het derde kwartaal van 2010 de grens van 100. Sinds het derde
23
kwartaal van 2011 dook de barometer opnieuw onder de 100 om in het eerste kwartaal van
2012 een absoluut dieptepunt te bereiken. Anno eerste kwartaal van 2013 is de barometer
nog steeds niet boven de grens van 100 gekomen (www.unizo.be, geraadpleegd op
15/05/2013).
Uit deze conjunctuurindicator blijkt duidelijk dat KMO’s de toekomst van de economie
somber inzien. In onzekere tijden is het dus aannemelijk dat KMO’s er alles aan doen om hun
bedrijf veilig te stellen en hun operaties te kunnen blijven uitvoeren. Indien we dit gegeven
relateren aan nettobedrijfskapitaal, vinden wij aansluiting bij het conservatief beleid. Veel
investeringen gaan immers gepaard met lage risico’s. Dit wordt afgeleid uit het feit dat meer
investeren in nettobedrijfskapitaal betekent dat er vanuit het standpunt van de
onderneming meer klantenkrediet gegeven wordt, meer voorraad aangehouden wordt en
kortingen voor snelle betaling bij leveranciers zoveel mogelijk gegrepen worden. Daardoor
verkleint het risico op verlies van klanten, stock-outs of productieonderbrekingen en het
missen van cruciale leverancierskortingen. Daartegenover staat wel de verwachting van een
lager resultaat. Wij nemen aan dat KMO’s in financieel onzekere tijden hun omgeving zoveel
mogelijk onder controle willen houden en stabiliteit en zekerheid wensen in te bouwen om
de risico’s zo laag mogelijk te houden aan de hand van een conservatief beleid met
betrekking tot het nettobedrijfskapitaal (Arnold, 2008).
i. Klantenkrediet
Om de financiële onzekerheid en risico’s te beperken nemen wij aan dat KMO’s een
conservatieve politiek volgen. Investeringen in handelsvorderingen worden dan ook
opgetrokken. Wij vermoeden dat KMO’s op die manier hun klanten een helpende hand
willen aanreiken en de klantenbinding wensen te optimaliseren. Uit het KMO-rapport van
Unizo, jaargang 2008, blijkt immers dat KMO’s tussen 2000 en 2007 voldoende financiële
buffers hebben kunnen aanleggen om de crisis te kunnen overleven (www.tijd.be,
geraadpleegd op 6/11/2012). Dit versterkt het vermoeden dat er middelen beschikbaar zijn
om de investering in handelsvorderingen op ten hoogste één jaar te kunnen realiseren.
Kenmerkend voor deze handelsvorderingen is dat ze liquide zijn binnen een tijdspanne van
minder dan één jaar. Om de liquiditeit van de handelsvorderingen te meten, maken wij
24
gebruik van de gemiddelde inningsperiode van de handelsvorderingen in aantal dagen,
namelijk het aantal dagen klantenkrediet (Ooghe & Van Wymeersch, 2008). Deze periode is
het gemiddeld aantal dagen tussen de dag van verkoop en de dag van ontvangst van betaling
door de klant.
Hypothese 1a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen
klantenkrediet gestegen gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
Daarnaast onderzoeken we of een bijkomende eenheid investering in handelsvorderingen
tijdens de financiële crisis de winstgevendheid van de KMO’s meer of minder heeft
aangetast in vergelijking met de niet-crisisperiode 2006 – 2007. De focus ligt opnieuw op het
aantal dagen klantenkrediet. Klantenkrediet vormt samen met leverancierskrediet het
algemene handelskrediet en net zoals in veel industriële landen behoort het handelskrediet
ook in België tot de belangrijkste financieringsbronnen (Kestens et al., 2011 ; Deloof, 2003).
Voorgaande literatuur hieromtrent vindt bewijs van een negatieve relatie gedurende niet-
crisisperioden. Deloof (2003) vond in zijn studie naar grote Belgische bedrijven dat deze hun
winstgevendheid kunnen verhogen door het aantal dagen klantenkrediet te reduceren.
García-Teruel & Martínez-Solano (2007) vonden gelijkaardige resultaten voor kleine en
middelgrote Spaanse ondernemingen. Lazaridis & Tryfonidis (2006) focusten dan weer op
Atheense beursgenoteerde ondernemingen en vonden tevens een negatieve relatie.
Raheman & Nasr (2007) stelden diezelfde negatieve relatie vast tussen klantenkrediet en
winstgevendheid in hun onderzoek bij Pakistaanse beursgenoteerde bedrijven. Uit onze
literatuurstudie blijkt het onderzoek van Sharma & Kumar (2011) het enige dat een positieve
relatie aanbrengt. Zij bestudeerden beursgenoteerde bedrijven in India. Typerend voor
bovenstaande studies is dat ze gevoerd werden gedurende niet-crisisperioden.
Daarentegen focussen Love & Zaidi (2010) in hun studie op handelskrediet en bankkrediet
zowel voor als na de financiële crisis in Azië van 1998. Zij vinden dat bedrijven met
beperkingen aangaande bankfinanciering meer kopen en verkopen op krediet. Zij
concluderen dat handelskrediet geen volledige substituut kan zijn voor bankkredieten.
25
Wij vermoeden dat de investeringen in handelsvorderingen toegenomen zijn: KMO’s
verschaffen hun klanten meer betalingsuitstel (zie hypothese 1a). Maar aangezien de
financiële crisis van 2008 – 2009 een wereldwijde crisis is en zowel bedrijven als
huishoudens getroffen heeft, verwachten wij dat deze investering de winstgevendheid van
de KMO’s heeft aangetast. Ondanks een verlaagd risico op klantenverloop en meer kansen
op verkopen, verhoogt het risico op wanbetaling aanzienlijk tijdens de financiële crisis.
Aangezien KMO’s gedurende de financiële crisis geconfronteerd werden met aanzienlijke
beperkingen aangaande het verkrijgen van bancaire kredieten (www.febelfin.be,
geraadpleegd op 10/05/2013), nemen wij aan dat het belang van klantenkrediet
toegenomen is. Aan de ene kant blijft investeren in klantenkrediet belangrijk om de
verkopen te blijven stimuleren en klantenbinding te bevorderen (Wilner, 2000). Elke
bijkomende verkoop, weliswaar op krediet, opent mogelijkheden om lange termijn relaties
aan te knopen met klanten (Baños-Caballero et al., 2011). Aan de andere kant dient men
rekening te houden met mogelijke wanbetalingen vanwege de klant. Dit risico is ten gevolge
van de crisis toegenomen (Deloof, 2003; Soenen, 1993). Bij het nemen van de
investeringsbeslissing moet deze tweespalt in rekenschap genomen worden. In lijn met
reeds verschenen onderzoek veronderstellen wij een negatieve relatie tussen de
winstgevendheid van Belgische KMO’s en klantenkrediet tijdens de financiële crisis van 2008
– 2009, die meer uitgesproken is dan tijdens de niet-crisisperiode vanuit de overtuiging dat
het risico op wanbetaling de voordelen van extra verkopen overtreft. Opnieuw wensen wij
deze hypothese te toetsen aan de hand van het aantal dagen klantenkrediet.
Hypothese 1b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de
winstgevendheid en het aantal dagen klantenkrediet meer uitgesproken in vergelijking met
de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
ii. Voorraad
Uit onze literatuurstudie blijkt dat voorraadmanagement in vergelijking met klantenkrediet
en leverancierskrediet het minst onderzocht is. In het algemeen wijst de literatuur op
volgende voordelen: vermijden van een stock-out, opvangen van productie-onderbrekingen
26
en de vorming van een buffer voor een variabele vraag (Cuthbertson & Gasparro, 1993).
Maar daartegenover staan hoge voorraadkosten.
Bij een conservatief beleid aangaande het nettobedrijfskapitaal worden de investeringen in
voorraad de hoogte in gedreven. Wij volgen deze lijn vanuit de overtuiging dat de financiële
crisis als externe factor de KMO’s hiertoe gedreven heeft. De financiële crisis heeft immers
een negatieve invloed gehad op de winstgevendheid van Belgische bedrijven (Kestens et al.,
2011). Dit doet het vermoeden rijzen dat de verkopen gedaald zijn waardoor bedrijven
gedwongen zijn meer gebruik te maken van voorraden. We komen dan ook tot volgende
hypothese:
Hypothese 2a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen
voorraad gestegen gedurende de financiële crisis van 2008 – 2009 bij Belgische KMO’s.
Deloof (2003) wees erop dat men voor het management van de voorraad een afweging
moet maken tussen enerzijds de verkopen die vloeien uit de voorraad en de kosten die
ermee gepaard gaan. Hoe meer voorraad een bedrijf aanhoudt, hoe meer verkopen kunnen
gerealiseerd worden maar ook hoe hoger de kosten. Deloof (2003) vond een negatieve
relatie tussen de voorraad en de winstgevendheid, net zoals García-Teruel & Martínez-
Solano (2007) en Lazaridis & Tryfonidis (2006).
Wij vermoeden eenzelfde negatieve relatie aan te treffen tussen enerzijds de voorraad en
anderzijds de winstgevendheid van Belgische KMO’s en dit zowel voor als tijdens de
financiële crisis. Door de crisis verwachten we echter dat de negatieve relatie sterker is.
Aangezien de gevolgen van de financiële crisis zich verspreid hebben over menig sector en
huishouden, verwachten wij een toename van onverkochte voorraden met een nefaste
invloed voor de winstgevendheid van de onderneming. Aldus formuleren wij de tweede
hypothese als volgt:
Hypothese 2b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de
winstgevendheid en het aantal dagen voorraad meer uitgesproken in vergelijking met de
niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
27
iii. Leverancierskrediet
Aangezien de conservatieve politiek aangaande het nettobedrijfskapitaal stelt dat bedrijven
meer gaan investeren in nettobedrijfskapitaal (Weinraub & Visscher, 1998; Nazir & Afza,
2009), stellen we dat het gebruik van leverancierskrediet is gedaald. In moeilijke
economische tijden is het belangrijk om de kosten zoveel mogelijk te drukken en het risico te
beperken. Voor het leverancierskrediet betekent dit dat KMO’s er alles zullen aan doen om
de kortingen voor snelle betaling te verkrijgen, gezien de hoge kost in verhouding met het
mislopen ervan. Zoals reeds eerder aangehaald hadden Belgische KMO’s in de jaren voor
2008 reeds buffers aangelegd (KMO-rapport Unizo, 2008; www.tijd.be, geraadpleegd op
6/11/2012) die ze tijdens de financiële crisis zouden kunnen gebruiken om facturen snel te
betalen. Dit betekent dat het aantal dagen leverancierskrediet zal dalen in tijden van crisis
en we bekomen dan ook volgende hypothese:
Hypothese 3a: In vergelijking met de niet-crisisperiode 2006 – 2007 is het aantal dagen
leverancierskrediet gedaald gedurende de financiële crisis van 2008 – 2009 bij Belgische
KMO’s.
Vorige onderzoeken waren grotendeels consistent in de relatie die ze vaststelden tussen het
aantal dagen leverancierskrediet en de winstgevendheid van een onderneming. De reeds bij
hypothese 1 besproken onderzoeken van Sharma & Kumar (2011), García-Teruel &
Martínez-Solano (2007), Raheman & Nasr (2007), Lazaridis & Tryfonidis (2006) en Deloof
(2003) toonden een negatieve relatie aan tussen het aantal dagen leverancierskrediet en de
winstgevendheid van een onderneming, grotendeels te wijten aan de hoge kosten bij het
missen van kortingen voor snel betalen.
Ook wij gaan deze negatieve relatie veronderstellen voor zowel de periode voor de
financiële crisis als tijdens de financiële crisis zelf. We verwachten dat het mislopen van
kortingen voor snelle betalingen de liquiditeit van KMO’s in de moeilijke economische tijden
van 2008 – 2009 alleen nog verder in gevaar brengt, waardoor de winstgevendheid sterker
in dalende lijn gaat. Het gebruik van leverancierskrediet tijdens de crisis is aldus nefaster
28
voor de winst dan tijdens de niet-crisisperiode. We formuleren het tweede deel van de
derde hypothese dus als volgt:
Hypothese 3b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de
winstgevendheid en het aantal dagen leverancierskrediet meer uitgesproken in vergelijking
met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
iv. Cash conversion cycle
Wanneer we de conservatieve aanpak van het beheer van nettobedrijfskapitaal toepassen
op de lengte van de cash conversion cycle gedurende de financiële crisis, betekent dit dat de
cash conversion cycle in lengte zal toenemen (Weinraub & Visscher, 1998; Nazir & Afza,
2009). Ook wanneer we de formule van de lengte van de cash conversion cycle toepassen
komen we tot dit resultaat. De som van het aantal dagen klantenkrediet en het aantal dagen
voorraad zal toenemen aangezien we verwachten dat beide delen toenemen in verhouding
met de jaren voor de crisis (hypothese 1a en 2a). Wanneer we hiervan een lager aantal
dagen leverancierskrediet aftrekken (hypothese 3a), neemt de lengte van de cash conversion
cycle toe. Onderstaande hypothese kan dan geformuleerd worden.
Hypothese 4a: In vergelijking met de niet-crisisperiode 2006 – 2007 is de lengte van de cash
conversion cycle toegenomen gedurende de financiële crisis van 2008 – 2009 bij Belgische
KMO’s.
In vorig onderzoek vonden onder andere Shin & Soenen (1998) een sterk negatieve relatie
tussen de lengte van de cash conversion cycle en de winstgevendheid van Amerikaanse
beursgenoteerde bedrijven in de periode van 1975 tot 1994. Daarentegen hebben Baños-
Caballero et al. (2011) als eerste een kwadratische relatie aangetoond tussen het
management van nettobedrijfskapitaal en winstgevendheid van Spaanse KMO’s voor de
periode 2002 – 2007. Zij stellen dat KMO’s een optimaal nettobedrijfskapitaalniveau hebben
waarbij hun winstgevendheid gemaximaliseerd wordt door een afweging van opbrengsten
en kosten.
29
Wegens het ontbreken van voldoende onderzoek ter bewijs van een concave relatie, nemen
we de richting aan die de meerderheid van de onderzoeken aangetoond heeft, namelijk een
negatieve relatie tussen de lengte van de cash conversion cycle en de winstgevendheid. Op
basis van onze vermoedens dat de relatie tussen de winstgevendheid en respectievelijk het
aantal dagen klantenkrediet, het aantal dagen voorraad en het aantal dagen
leverancierskrediet nog meer uitgesproken negatief is tijdens de financiële crisis, leiden wij
af dat de relatie tussen de winstgevendheid en de lengte van de cash conversion cycle
tevens meer uitgesproken negatief is tijdens de financiële crisis. Zo komen we tot de
volgende hypothese:
Hypothese 4b: Tijdens de financiële crisis van 2008 – 2009 is de negatieve relatie tussen de
winstgevendheid en de lengte van de cash conversion cycle meer uitgesproken in
vergelijking met de niet-crisisperiode 2006 – 2007 voor Belgische KMO’s.
30
5. Empirisch onderzoek
In het vervolg van dit werkstuk wordt het onderzoek verder uiteengezet. Eerst komen de
gebruikte data en de gebruikte methode aan bod. Daarna volgt een beschrijving van de
verschillende variabelen en het gebruikte model.
a. Data Voor dit onderzoek worden data van de database Bel-first gebruikt. Hiervoor legden we een
aantal voorwaarden op. Het gaat om Belgische KMO’s die geselecteerd zijn volgens de
Europese definitie gedurende de periode 2005 – 2009. Op basis van de bijlage bij
Aanbeveling 2003/361/EG weerhouden we dus enkel die bedrijven met een
werknemersbestand dat groter is dan 0, maar niet groter is dan 250 en met een jaaromzet
van maximaal 50 miljoen euro of een balanstotaal van maximaal 43 miljoen euro. Het gaat
om niet-beursgenoteerde bedrijven die niet-geconsolideerde jaarrekeningen hebben
neergelegd volgens het volledige schema. Wij hebben immers nood aan informatie omtrent
de omzet om de winstgevendheid van de bedrijven te kunnen bepalen. Deze informatie is
niet vereist in het verkorte schema, maar wel in het volledige schema. Bovendien sluiten we,
in overeenstemming met vorig onderzoek (Kestens et al., 2011; Deloof & Jegers, 1996)
bedrijven met nacebelcode 1 (nutsvoorzieningen) en 8 (banking and finance, insurance,
business services, renting) uit omwille van hun specifieke activiteit (Deloof, 2003). KMO’s die
voor vijf (2005, 2006, 2007, 2008, 2009) opeenvolgende jaren data missen elimineren we
eveneens. De data van 2005 hebben we immers nodig om de groei, die we insluiten als
controlevariabele, te kunnen berekenen voor het jaar 2006. Indien de ondernemingen voor
een bepaalde variabele opgenomen in ons onderzoek geen informatie hebben vrijgegeven in
hun jaarrekening, elimineren wij ze tevens uit de dataset.
We bekomen op die manier 27400 observaties uit de Bel-first database. In totaal zijn dit
5480 KMO’s waarvan we voor vijf opeenvolgende jaren observaties meten. Na de
berekening van de onafhankelijke variabelen en controlevariabelen verwijderen we het jaar
2005 voor het vervolg van het onderzoek. Zo hebben we voor de jaren 2006, 2007, 2008 en
2009 nog 21920 observaties voor 5480 KMO’s. We nemen al deze KMO’s op in onze dataset
31
om de representativiteit van het onderzoek te vergroten (De Pelsmacker & Van Kenhove,
2010).
We zijn ons ervan bewust dat we in dit onderzoek geen rekening houden met bedrijven die
failliet gegaan zijn tijdens de jaren 2005 – 2009 door volledige data te eisen over de jaren
2005 – 2009. We zien dit dan ook als een beperking aangezien dit een survivorship bias
teweegbrengt: door de focus te behouden op de KMO’s die overleven gedurende de
bestudeerde periode, worden de resultaten wellicht beïnvloed. Wij halen dan ook de
suggestie aan om hiermee in verder onderzoek rekening te houden.
Om inzicht te verkrijgen in de samenstelling van de steekproef van Belgische KMO’s
opgenomen in dit onderzoek, reduceren we het geheel aan gegevens tot een beperkt aantal
kengetallen, met name het gemiddelde, de standaardafwijking, de minimale observatie en
de maximale observatie van de variabelen. Daarnaast bekijken we de Pearson
correlatiecoëfficiënt tussen de verschillende variabelen. De dataset werd onderworpen aan
de techniek van winsorizing: de 1% extreme observaties worden aan beide zijden van de
dataset vervangen door respectievelijk de waarde van het eerste en 99e percentiel.
Hieronder volgt een korte bespreking van de belangrijkste parameters.
De parameters werden zowel over de volledige tijdshorizon 2006 – 2009 als voor elk jaar
afzonderlijk berekend. Een overzicht hiervan is terug te vinden in respectievelijk Tabel 2 en
Tabel 3. In wat volgt bespreken wij enkel de kengetallen gemeten voor de volledige
tijdsspanne. De gemiddelde KMO is 25 jaar oud en stelt 35 werknemers te werk. De bruto
operationele winst over de vier opeenvolgende jaren is gemiddeld 1,43% met een
standaardafwijking van 17,12%.
In het bijzonder gaat onze interesse uit naar de kenmerken van de KMO’s met betrekking tot
het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen
leverancierskrediet en de lengte van de CCC. Over de volledige tijdsspanne voor de
steekproef bedraagt het gemiddeld aantal dagen klantenkrediet 84 dagen, het gemiddeld
aantal dagen voorraad 36 dagen, het gemiddeld aantal dagen leverancierskrediet 94 dagen
32
en de gemiddelde lengte van de CCC 28 dagen. De standaardafwijking van de variabelen is
echter heel groot.
Tabel 2: Descriptieve resultaten over de onderzoeksperiode 2006-2009
2006-2009
Variabele
Gemiddelde
Standaard-afwijking
Minimum
Maximum
Leeftijd (jaar)
25
16,645
1
109
Werknemers (aantal voltijdse equivalenten)
35
36,705
1
249
Aantal dagen klantenkrediet
84
88,384
0
612
Aantal dagen voorraad
36
53,029
0
332
Aantal dagen leverancierskrediet
94
127,267
2
979
Lengte cash conversion cycle
28
135,457
-685
593
Bruto-operationeel resultaat (% totaal actief)
1,43
17,117
-77,18
45,45
Omzet (euro)
10856
9739,171
1
49688
Aantal observaties
21920
Bovenstaande kengetallen geven een eerste inzicht in de grootteorde van de onafhankelijke
variabelen. In het bijzonder wensen wij de invloed van de financiële crisis na te gaan op de
grootteorde van de kengetallen. Daartoe berekenen we de gemiddelden zowel vóór (2006 –
2007) als tijdens de crisis (2008 – 2009). De resultaten daarvan zijn terug te vinden in Tabel
4.
Uit Tabel 4 valt het volgende af te leiden: tijdens de financiële crisis is het aantal dagen
klantenkrediet gedaald, het aantal dagen voorraad gestegen, het aantal dagen
leverancierskrediet gedaald en de lengte van de CCC toegenomen. Of de geconstateerde
tendensen louter toe te schrijven zijn aan het toeval dan wel statistisch significant zijn, gaan
we na bij het testen van de hypothesen aan de hand van de statistische toets T-test voor
verschillen en aan de hand van de lineaire regressiemethode.
33
Tabel 3: Descriptieve resultaten per jaar van de onderzoeksperiode
Variabele
Gemiddelde
Standaard- afwijking
Minimum
Maximum
Leeftijd (jaar) 2006
24
16,609
1
106 2007
25
16,609
2
107
2008
26
16,609
3
108 2009
27
16,609
4
109
Werknemers (voltijdse equivalenten) 2006
34
35,469
1
246 2007
35
36,616
1
241
2008
36
37,751
1
249 2009
35
36,934
1
247
Aantal dagen klantenkrediet 2006
86
86,137
0
612 2007
86
89,536
0
612
2008
82
88,462
0
612 2009
82
89,304
0
612
Aantal dagen voorraad 2006
35
51,084
0
332 2007
36
51,259
0
332
2008
37
53,744
0
332 2009
37
55,875
0
332
Aantal dagen leverancierskrediet 2006
94
127,267
2
979 2007
97
127,860
2
979
2008
96
127,693
2
979 2009
91
123,703
2
979
Lengte cash conversion cycle 2006
28
135,457
-685
593 2007
26
133,360
-685
593
2008
27
133,973
-685
593 2009
30
133,898
-685
593
Bruto-operationeel resultaat (% van actief) 2006
2,45
16,564
-77,18
45,45 2007
3,09
16,418
-77,18
45,45
2008
1,39
17,071
-77,18
45,45 2009
-1,2
18,056
-77,18
45,45
Omzet (in euro) 2006
10376
9260,985
1
48102 2007
11090
9844,928
2
49688
2008
11501
10252,971
1
49476 2009
10456
9528,063
1
48625
Aantal observaties 2006
5480
2007
5480 2008
5480
2009
5480
34
Tabel 4: Descriptieve resultaten vóór en tijdens de crisisperiode
Variabele
Gemiddelde
Standaard- afwijking
Minimum
Maximum
Leeftijd (jaar) 2006-2007
24
16,615
1
107
2008-2009
26
16,615
3
109
Werknemers (voltijdse equivalenten) 2006-2007
35
36,049
1
246
2008-2009
36
37,345
1
249
Aantal dagen klantenkrediet 2006-2007
86
87,849
0
612
2008-2009
82
88,88
0
612
Aantal dagen voorraad 2006-2007
35
51,169
0
332
2008-2009
37
54,817
0
332
Aantal dagen leverancierskrediet 2006-2007
97
127,773
2
979
2008-2009
92
126,728
2
979
Lengte cash conversion cycle 2006-2007
27
133,662
-685
593
2008-2009
29
137,222
-685
593
Bruto-operationeel resultaat (% van actief) 2006-2007
2,77
16,494
-77,18
45,45
2008-2009
0,09
17,617
-77,18
45,45
Omzet (in euro) 2006-2007
10773
9563,652
1
49688
2008-2009
10978
9910,497
1
49476
Aantal observaties
2006-2007
10960 2008-2009 10960
Met betrekking tot de correlatiematrix, die terug te vinden is in Tabel 5, kunnen we stellen
dat er globaal gezien geen hoge correlatiecoëfficiënten terug te vinden zijn. De hoogste
Pearson correlatiecoëfficiënten vinden we terug bij de correlatie tussen de cash conversion
cycle en de componenten ervan, respectievelijk het aantal dagen klantenkrediet, het aantal
dagen voorraad en het aantal dagen leverancierskrediet. Aangezien deze variabelen nooit
samen in een regressierechte opgenomen worden, speelt dit effect geen beïnvloedende rol
voor de resultaten.
35
Var
iab
ele
Bru
to-
OR
Aan
tal
dag
en
KK
Aan
tal
dag
en
VR
D
Aan
tal
dag
en
LK
Len
gte
CC
CG
roo
tte
Lee
ftij
d
Sch
uld
-
graa
dG
roe
i
Au
to-
mo
bie
lB
ou
w
Co
mm
.
en
IT
De
tail
-
han
de
l
Fin
.
die
nst
Ge
zon
d-
he
ids-
zorg
Gro
ot-
han
de
lH
ore
caIn
du
stri
e
Ove
rige
ind
.
Ove
rige
pe
rs.
die
nst
Ve
rvo
er
& lo
g
Zake
l.
die
nst
Ove
rige
Bru
to-O
R1
Aan
tal d
age
n K
K-0
,112
*1
Aan
tal d
age
n V
RD
0,02
9*-0
,022
*1
Aan
tal d
age
n L
K-0
,078
*0,
416*
0,00
51
Len
gte
CC
C0,
001
0,25
4*0,
430*
-0,6
33*
1
Gro
ott
e (
ln)
0,07
6*0,
057*
0,21
3*0,
025*
0,10
5*1
Lee
ftij
d (
ln)
0,02
7*-0
,013
**0,
118*
-0,0
55*
0,09
1*0,
198*
1
Sch
uld
graa
d-0
,005
0,00
60,
000
0,02
2*-0
,016
**0,
032*
-0,0
031
Gro
ei
-0,0
050,
001
0,00
50,
003
0,00
10,
014*
*0,
000
0,00
01
Au
tom
ob
iel
-0,0
70*
-0,1
22*
0,07
9*-0
,071
*0,
014*
*0,
003
0,02
5*-0
,007
-0,0
011
Bo
uw
0,03
9*0,
033*
0,10
1*0,
013*
*0,
063*
0,06
7*0,
085*
-0,0
17**
0,00
1-0
,087
*1
Co
mm
un
icat
ie e
n IT
-0,0
28*
0,08
2*-0
,087
*0,
036*
-0,0
11-0
,064
*-0
,134
*0,
004
-0,0
01-0
,057
*-0
,069
*1
De
tail
han
de
l0,
005
-0,1
31*
0,06
3*-0
,056
*-0
,009
-0,1
09*
-0,0
30*
-0,0
08-0
,002
-0,0
67*
-0,0
81*
-0,0
52*
1
Fin
anci
ële
die
nst
en
0,01
00,
159*
-0,0
86*
0,15
7*-0
,071
*0,
048*
-0,0
52*
0,01
5**
0,00
4-0
,042
*-0
,051
*-0
,033
*-0
,039
*1
Ge
zon
dh
eid
szo
rg0,
016*
*-0
,004
-0,0
09-0
,003
-0,0
040,
010
-0,0
07-0
,001
0,00
0-0
,004
-0,0
04-0
,003
-0,0
03-0
,002
1
Gro
oth
and
el
0,06
6*-0
,050
*0,
068*
-0,0
96*
0,07
4*-0
,023
*0,
049*
-0,0
01-0
,007
-0,1
66*
-0,2
01*
-0,1
30*
-0,1
54*
-0,0
98*
-0,0
081
Ho
reca
-0,0
31*
-0,0
60*
-0,0
49*
-0,0
06-0
,054
*0,
006
-0,0
20*
-0,0
05-0
,001
-0,0
28*
-0,0
34*
-0,0
22*
-0,0
26*
-0,0
17**
-0,0
01-0
,064
*1
Ind
ust
rie
0,03
6*-0
,020
*0,
098*
-0,0
43*
0,06
3*0,
111*
0,05
9*-0
,001
-0,0
04-0
,105
*-0
,127
*-0
,082
*-0
,097
*-0
,062
*-0
,005
-0,2
42*
-0,0
41*
1
Ove
rige
ind
ust
rie
0,00
50,
026*
0,13
2*0,
003
0,06
5*0,
016*
*0,
013
-0,0
06-0
,003
-0,0
58*
0-,0
71*
-0,0
46*
-0,0
54*
-0,0
34*
-0,0
03-0
,134
*-0
,023
*-0
,085
*1
Ove
rige
pe
rs. d
ien
ste
n-0
,026
*-0
,002
-0,0
34*
0,01
7*-0
,030
*0,
015*
*-0
,011
0,07
7*0,
000
-0,0
19*
-0,0
23*
-0,0
15**
-0,0
18*
-0,0
11-0
,001
-0,0
44*
-0,0
07-0
,028
*-0
,016
**1
Ve
rvo
er
en
logi
stie
k-0
,038
*0,
040*
-0,2
18*
0,06
7*-0
,129
*-0
,085
*0,
032*
0,00
00,
019*
-0,0
92*
-0,1
12*
-0,0
73*
-0,0
86*
-0,0
55*
-0,0
05-0
,213
*-0
,036
*-0
,135
*-0
,075
*-0
,025
*1
Zake
lijk
e d
ien
ste
n-0
,028
*0,
083*
-0,1
23*
0,08
8*-0
,065
*0,
004
-0,0
92*
0,01
00,
000
-0,0
96*
-0,1
17*
-0,0
76*
-0,0
89*
-0,0
57*
-0,0
05-0
,221
*-0
,037
*-0
,140
*-0
,078
*-0
,026
*-0
,124
*1
Ove
rige
-0,0
57*
0,01
5**
-0,0
74*
0,02
2*-0
,041
*0,
017*
-0,0
77*
-0,0
060,
001
-0,0
40*
-0,0
49*
-0,0
32*
-0,0
37*
-0,0
24*
-0,0
02-0
,093
*-0
,016
**-0
,059
*-0
,033
*-0
,011
-0,0
52*
-0,0
54*
1
Co
rre
lati
es
aan
ged
uid
me
t *
du
ide
n o
p e
en
tw
ee
zijd
ige
sig
nif
ican
tie
op
1%
.
Co
rre
lati
es
aan
ged
uid
me
t **
du
ide
n o
p e
en
tw
ee
zijd
ige
sig
nif
ican
tie
op
5%
.
Tab
el 5
: Pe
arso
n c
orr
ela
tie
coë
ffic
iën
ten
me
t b
ijh
ore
nd
e s
ign
ific
anti
es
36
b. Methode en regressievergelijkingen
Om de eerste set van de vooropgestelde hypothesen 1a, 2a, 3a en 4a (hierna behandeld als
het a-gedeelte van de hypothesen) te onderzoeken, maken wij eerst gebruik van de
univariate analysetechniek T-test voor verschillen voor gepaarde observaties. Nadien
wensen we nog na te gaan of de significante verschillen die resulteren uit de T-test effectief
hun oorsprong vinden in een effect van de crisis of het gevolg zijn van veranderingen in
andere controlevariabelen. Hiervoor gebruiken we de lineaire regressieanalyse die we
schatten aan de hand van de kleinste kwadratenmethode. Het aantal dagen klantenkrediet
wordt voorgesteld als KK, het aantal dagen voorraad als VRD, het aantal dagen
leverancierskrediet als LK en de lengte van de cash conversion cycle als CCC. Er werden
tevens, naast de controlevariabelen, dummyvariabelen ‘crisis’ en ‘sector’ aangemaakt, welke
verder worden toegelicht bij de bespreking van de variabelen.
H1a: KKi,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s +
β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s (1.1)
H2a: VRD i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s +
β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s (1.2)
H3a: LK i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s +
β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s (1.3)
H4a: CCC i,t,s = β0 + β1 CRISIS t + β2 GROOTTE i,t,s + β3 LEEFTIJD i,t,s + β4 SCHULDGRAAD i,t,s +
β5 GROEI i,t,s + β6 SECTOR s + ε i,t,s (1.4)
De tweede set van de vooropgestelde hypothesen 1b, 2b, 3b en 4b (hierna behandeld als het
b-gedeelte van de hypothesen) die de relatie tussen winstgevendheid en de componenten
van de cash conversion cycle en de cash conversion cycle zelf onderzoekt, zullen we
eveneens testen met een lineaire regressieanalyse aan de hand van de kleinste
37
kwadratenmethode. Shin & Soenen (1998), Deloof (2003), Lazaridis & Tryfonidis (2006),
Baños-Caballero et al. (2010) en Sharma & Kumar (2011) gebruiken in hun studies dezelfde
methode om een dergelijk verband te onderzoeken.
Opnieuw wordt het aantal dagen klantenkrediet voorgesteld als KK, het aantal dagen
voorraad als VRD, het aantal dagen leverancierskrediet als LK en de lengte van de cash
conversion cycle als CCC. Voor deze regressie werden tevens, naast de controlevariabelen,
dummyvariabelen ‘crisis’ en ‘sector’ aangemaakt, welke verder worden toegelicht bij de
bespreking van de variabelen. Er zijn ook interactievariabelen opgenomen in de
regressievergelijkingen bestaande uit een crisiscomponent in combinatie met respectievelijk
het aantal dagen klantenkrediet, voorraad, leverancierskrediet en cash conversion cycle om
de winstgevendheid te onderzoeken.
Met behulp van de onderstaande regressievergelijkingen gaan we in dit onderzoek na of de
financiële crisis het effect van nettobedrijfskapitaal op de winstgevendheid heeft aangetast
in vergelijking met de niet-crisisperiode. We willen immers te weten komen of tijdens de
financiële crisis de relatie tussen het nettobedrijfskapitaal en de winstgevendheid meer
uitgesproken negatief werd voor Belgische KMO’s.
H1b: WINST i,t,s = β0 + β1 KK i,t,s + β2 KK*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s +
β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR s + ε i,t,s (1.5)
H2b: WINST i,t,s = β0 + β1 VR i,t,s + β2 VR*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s +
β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR s + ε i,t,s (1.6)
H3b: WINST i,t,s = β0 + β1 LK i,t,s + β2 LK*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s +
β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR i,t,s + ε i,t,s (1.7)
H4b: WINST i,t,s = β0 + β1 CCC i,t,s + β2 CCC*CRISIS i,t,s + β3 CRISIS t + β4 GROOTTE i,t,s +
β5 LEEFTIJD i,t,s + β6 SCHULDGRAAD i,t,s + β7 GROEI i,t,s + β8 SECTOR i,t,s + ε i,t,s (1.8)
38
c. Variabelen
i. Afhankelijke variabele
In deze masterproef wensen we twee zaken te onderzoeken, namelijk het management van
nettobedrijfskapitaal en de relatie hiervan tot de winstgevendheid van de ondernemingen
tijdens de financiële crisis van 2008 – 2009. We wensen na te gaan of de financiële crisis een
invloed heeft uitgeoefend op dit management met eventuele gevolgen voor de
winstgevendheid die afwijken van een niet-crisisperiode.
In het b-gedeelte van de hypothesen wensen wij dus de winstgevendheid in kaart te
brengen. Om deze afhankelijke variabele te meten kiezen wij voor de bruto operationele
winst als maatstaf. Om deze variabele te schalen, delen we door het totaal der activa. De
maatstaf wordt in de bestaande literatuur gebruikt door een hele reeks auteurs waaronder
Deloof (2003), Raheman & Nasr (2007) en Lazaridis & Tryfonidis (2006). Concreet berekenen
we de variabele als de omzet verminderd met de kosten van verkopen en dit gedeeld door
het totaal der activa. Wij kiezen ervoor de financiële vaste activa in het totaal der activa te
behouden aangezien deze slechts een heel kleine fractie van de totale activa uitmaken,
namelijk gemiddeld 7%. De kosten van verkopen hebben wij berekend als de bedrijfskosten
verminderd met de toename (afname) van de voorraad goederen in bewerking, gereed
product en bestellingen in uivoering, verminderd met de geproduceerde vaste activa,
verminderd met de andere bedrijfsopbrengsten, verminderd met de kapitaalsubsidies
(Ooghe & Van Wymeersch, 2008). De kapitaalsubsidies worden echter uit de analyse
gehouden aangezien wij niet over het benodigde cijfermateriaal beschikten.
Naast de bruto operationele winst vinden we ook het veelvuldig gebruik van de rendabiliteit
van het totale vermogen terug als maatstaf voor de winstgevendheid. Deze variabele
gebruiken we bij het testen van de robuustheid van onze resultaten. De bruto operationele
winst is immers een meer betrouwbare maatstaf voor het bestuderen van het effect van
nettobedrijfskapitaal op de winst (Lazaridis & Tryfonidis, 2006). Het belangrijkste argument
hiervoor is de focus op de operationele activiteiten van de onderneming waaraan de
prestaties gelinkt worden.
39
ii. Onafhankelijke variabelen
Dit onderzoek maakt gebruik van vier onafhankelijke variabelen namelijk het aantal dagen
klantenkrediet, het aantal dagen voorraad, het aantal dagen leverancierskrediet en de lengte
van de cash conversion cycle. De berekeningen zijn afkomstig uit de formularia van de
algemene financiële analyse met betrekking tot nettobedrijfskapitaal. In Tabel 6 is de exacte
berekeningswijze van elke variabele opgenomen (Ooghe en Van Wymeersch, 2008). Aantal
dagen klantenkrediet wordt berekend als 365*(handelsvorderingen op ten hoogste 1
jaar/verkopen). Aantal dagen voorraad heeft als formule 365*(voorraad/kost van
materialen). Aantal dagen leverancierskrediet zullen we berekenen als
365*(leverancierskrediet/kost van verkopen) (Ooghe & Van Wymeersch, 2008). De cash
conversion cycle wordt gebruikt als maatstaf voor nettobedrijfskapitaalmanagement. Het
reflecteert beslissingen omtrent hoeveel te investeren in klantenkrediet en voorraad en
beslissingen omtrent hoeveel krediet te aanvaarden van de leverancier. Dit wordt berekend
als (aantal dagen klantenkrediet + aantal dagen voorraad - aantal dagen leverancierskrediet).
Op die manier verkrijgt men het gemiddeld aantal dagen tussen de dag waarop de
grondstoffen aangekocht worden en de dag waarop men betaling van het verkochte product
ontvangt van de klant. In voorgaand onderzoek naar de cash conversion cycle ontwikkelden
Gentry, Vaidyanathan & Lee (1990) de “gewogen cash conversion cycle”. Hierin werd naast
de timing bij de cash conversion cycle ook rekening gehouden met de grootte van het
bedrag. In de literatuur omtrent het management van nettobedrijfskapitaal is er grotendeels
gebruik gemaakt van de gewone cash conversion cycle en is niet verder ingegaan op de
gewogen cash conversion cycle. Deze laatste heeft nettobedrijfskapitaal ook licht
verschillend onderverdeeld, is meer gecompliceerd om te berekenen en zou ons te ver
leiden. Daarom verkiezen we in dit onderzoek te werken met de gewone cash conversion
cycle.
Het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen
leverancierskrediet en de lengte van de cash conversion cycle worden als onafhankelijke
variabelen gebruikt bij de regressieanalyse die de relatie nagaat tussen enerzijds de
winstgevendheid en anderzijds het nettobedrijfskapitaal (supra, p. 36). Om echter na te gaan
40
of de financiële crisis een invloed uitoefent op het niveau van de variabelen, worden ze
gebruikt als afhankelijke variabelen bij het a-gedeelte van de hypothesen (supra, p. 35).
iii. Controlevariabelen De keuze voor de controlevariabelen is gebaseerd op bestaande literatuur met betrekking
tot het management van nettobedrijfskapitaal (Baños-Caballero et al., 2011; Kestens et al.,
2011; Baños-Caballero et al., 2010; Deloof, 2003). Voor het a-gedeelte van de hypothesen
konden we geen voorspellingen maken met betrekking tot de relatie tussen de
controlevariabelen en de elementen van nettobedrijfskapitaal en de cash conversion cycle.
We stellen echter wel een verwachte relatie tussen de controlevariabelen en de
winstgevendheid voor het b-gedeelte van de hypothesen.
Om te beginnen zal de grootte van het bedrijf gemeten worden als de natuurlijke logaritme
van de totale activa zoals bij de onderzoeken van Deloof (2003), Raheman & Nasr (2007) en
Kestens et al. (2011). We vermoeden dat een groter bedrijf een hogere winstgevendheid
heeft in vergelijking met een kleiner bedrijf, gezien de omvang en de mogelijkheid van
schaaleffecten. Zo veronderstellen we een positieve relatie tussen de controlevariabele
‘grootte’ en de afhankelijke variabele ‘winstgevendheid’.
Vervolgens nemen we de leeftijd van het bedrijf op als de natuurlijke logaritme van de
leeftijd waarbij leeftijd berekend wordt als het jaar dat onderzocht wordt verminderd met
het jaar van opstart. Dit wordt ook gebruikt bij Baños-Caballero et al. (2010). Opnieuw
vermoeden we een positieve relatie met de winstgevendheid, gezien een gevestigde waarde
potentieel meer zekerheid kent dan een jong bedrijf.
Daarnaast zal de groei van het bedrijf opgenomen worden als (omzett – omzett-1)/omzett-1
zoals Shin & Soenen (1998), Deloof (2003), Sharma & Kumar (2011), Baños-Caballero et al.
(2011). Daarbij wordt de groei van de omzet geschaald door het te delen door de omzet om
de vergelijkbaarheid met andere bedrijven te vergroten. Hier verwachten we een negatieve
relatie met winstgevendheid, aangezien groeien veel investeringen vergt en zijn stempel
drukt op de winstgevendheid.
41
De algemene schuldgraad wordt weergegeven als (vreemd vermogen/eigen vermogen)
volgens Ooghe & Van Wymeersch (2008). Zo wordt de proportie van vreemd vermogen ten
opzichte van eigen vermogen in kaart gebracht. We vermoeden een negatieve relatie met
winstgevendheid aangezien een hogere schuldgraad meer kosten met zich meebrengt en
daarmee ook de winstgevendheid naar beneden haalt.
iv. Dummyvariabelen
Er werd een dummyvariabele ‘crisis’ aangemaakt waarbij de waarde 0 op de niet-
crisisperiode 2006 – 2007 slaat en de waarde 1 op de financiële crisis van 2008 en 2009.
Bovendien is een dummy ‘sector’ opgenomen. De classificatie hiervoor is gebaseerd op het
KMO-rapport (2011) die volgende onderverdeling hanteert op basis van nacebelcodes:
automobielsector, bouwnijverheid, communicatie & IT, detailhandel, financiële diensten
(met nacebelcode verschillend van 8), gezondheidszorg, groothandel, handelsbemiddeling,
horeca, industrie (agro, chemie en vervaardiging hout, ICT, metaal, papier, textiel en
voedingsmiddelen), overige industrie, overige persoonlijke diensten, vervoer & logistiek en
overige activiteiten (wetenschappelijk onderzoek, kunst, recreatie, entertainment,
gokactiviteiten, sport, bibliotheken en andere diensten).
Variabele Formule Balansposten
Afhankelijke variabele
Bruto-operationeel resultaat (Omzet-kost van verkopen) / totaal actief (|70|-(<60/64> - <71> -|72|-|740|)/|20/58|)
Onafhankelijke variabelen
Aantal dagen klantenkrediet 365*(handelsvorderingen / omzet) 365*((|40|+|9150|)/|70|)
Aantal dagen voorraad 365*(voorraad / kost van materialen) 365*(|3|/(|60/61| + <62> + |630| + <631/4> + <635/7> + |640/8|-|649|))
Aantal dagen leverancierskrediet 365*(handelsschulden / kost van verkopen) 365*(|44|/(<60/64> - <71> -|72|-|740|))
Aantal dagen CCC
Aantal dagen klantenkrediet + aantal dagen
voorraad - aantal dagen leverancierskrediet[365*((|40|+|9150|)/|70|)] + [365*(|3|/(|60/61|+ <62> +|630|+
<631/4> + <635/7> + |640/8|-|649|))] - [365*(|44|/|60/61|)]
Controlevariabelen
Grootte Ln(totaal actief) Ln(|20/58|)
Groei (Verkopent - verkopent-1)/verkopent-1 (|70|t -|70|t-1)/|70|t-1
Schuldgraad Vreemd vermogen / eigen vermogen (|16|+|17/49|)/<10/15>
Tabel 6: Berekeningswijze van de variabelen met bijhorende balansposten
Bron: Ooghe & Van Wymeersch, 2008
42
6. Resultaten
a. Statistische validering: T-test voor verschillen De hypothesen 1a, 2a, 3a en 4a testen we in eerste instantie aan de hand van een T-test
voor verschillen. We willen immers nagaan of de financiële crisis van 2008 – 2009 een
invloed heeft uitgeoefend op het aantal dagen klantenkrediet, voorraad, leverancierskrediet
en de lengte van de CCC in vergelijking met de periode 2006 – 2007. Om dit te onderzoeken
vergelijken we vooreerst de gemiddelden van de variabelen in beide perioden. We kijken of
enig statistisch verschil bestaat tussen de perioden.
De T-test voor verschillen is geschikt voor twee afhankelijke steekproeven op interval- of
rationiveau (De Pelsmacker & Van Kenhove, 2010). Aangezien wij de Belgische KMO’s
gedurende twee periodes willen analyseren aan de hand van intervalgeschaalde variabelen,
voldoet onze onderzoeksopzet aan de voorwaarden van een T-test voor verschillen. De
resultaten zijn samengevat in Tabel 7.
Indien niet specifiek vermeld, testen wij op 5% significantieniveau. Wij testen deze
hypothesen vanuit een éénzijdig standpunt aangezien wij een richting vooropstellen in de
hypothesen.
Ten eerste analyseren we het aantal dagen klantenkrediet. In hypothese 1a veronderstellen
wij een toename hiervan. Met behulp van een T-test voor verschillen constateren wij een
gemiddeld aantal dagen klantenkrediet van 85,58 voor 2006 – 2007 en 81,85 voor 2008 –
2009. Dit betekent een daling van bijna 4 dagen gemiddeld. Wij vinden dat deze daling
statistisch significant is op het 1% significantieniveau. De p-waarde bedraagt immers 0,000.
Hieruit concluderen we dat het niveau van het aantal dagen klantenkrediet statistisch
significant gedaald is tijdens de financiële crisis van 2008 – 2009. Wij kunnen hypothese 1a
dan ook verwerpen op 1% significantie: het aantal dagen klantenkrediet is niet toegenomen
zoals verondersteld, maar gedaald gedurende de financiële crisis van 2008-2009. In het
43
gedeelte omtrent de regressieanalyse gaan we in detail na of de daling gerelateerd is aan de
financiële crisis en/of andere variabelen.
Daarnaast vermoeden wij een toename van het aantal dagen voorraad, zoals vooropgesteld
in hypothese 2a. Wij vinden een gemiddeld aantal dagen voorraad van 35,41 voor 2006-
2007 en 36,94 voor 2008 – 2009. Dit betekent een stijging van meer dan 1 dag gemiddeld.
Deze toename is bovendien statistisch significant op het 1% significantieniveau aangezien na
het uitvoeren van de T-test voor verschillen de p-waarde 0,000 bedraagt. De stijging van het
aantal dagen voorraad is met andere woorden niet louter aan het toeval toe te schrijven. We
aanvaarden dan ook hypothese 2a op 1% significantie. Wij vermoeden dat de financiële crisis
hier een aanzienlijke invloed heeft op gehad, wat we verder onderzoeken met een lineaire
regressieanalyse.
Ten derde onderzoeken wij in hypothese 3a het niveau van het aantal dagen
leverancierskrediet waarbij wij een daling veronderstellen gedurende de financiële crisis van
2008 – 2009. Uit de T-test voor verschillen blijkt het aantal dagen leverancierskrediet voor
2006 – 2007 gelijk te zijn aan 96,59 en voor 2008 – 2009 92,21. Dit betekent een daling van
bijna vijf dagen gemiddeld. Deze daling is daarenboven statistisch significant op het 1%
significantieniveau met een p-waarde van 0,000. Wij aanvaarden bijgevolg hypothese 3a op
1% significantie. Ook hier vermoeden wij een impact van de financiële crisis op deze
significante daling. In het gedeelte omtrent de regressieanalyse gaan we in detail na of de
daling toe te schrijven is aan de financiële crisis en/of andere variabelen.
Als laatste onderzoeken we in hypothese 4a de beweging van de lengte van de cash
conversion cycle. Wij vermoeden dat deze zal toenemen gedurende de financiële crisis van
2008 – 2009. De cijfers bevestigen ons vermoeden: in 2006 – 2007 was de gemiddelde
lengte van de CCC 26,59 dagen en in 2008 – 2009 bedroeg deze 29,30 dagen, een toename
van bijna 3 dagen gemiddeld. Uit de T-test voor verschillen blijkt deze toename significant te
zijn op het 1% significantieniveau. De p-waarde bedraagt immers 0,000. Hieruit kunnen wij
concluderen dat de lengte van de cash conversion cycle significant toegenomen is. Op 1%
significantie aanvaarden wij hypothese 4a.
44
Het aantal dagen klantenkrediet, voorraad, leverancierskrediet en de lengte van de CCC
blijken significant van elkaar te verschillen in de periode voor de crisis en tijdens de crisis.
Deze T-test laat echter niet toe een oorzakelijk verband aan te tonen. Om erachter te komen
of de financiële crisis wel degelijk een invloed heeft uitgeoefend op het niveau van de
variabelen, onderzoeken wij deze relatie aan de hand van een lineaire regressieanalyse.
Tabel 7: Resultaten T-test
Gemiddelde t
Verschil aantal dagen klantenkrediet 2006-2007 en 2008-2009
3,736*
8,467
Verschil aantal dagen voorraad 2006-2007 en 2008-2009
-1,527*
-8,066
Verschil aantal dagen leverancierskrediet 2006-2007 en 2008-2009
4,378*
6,736
Verschil aantal dagen CCC 2006-2007 en 2008-2009
-2,708*
-4,032
In deze tabel zijn de resultaten van de t-test voor verschillen weergegeven.
Eenzijdige significantie op 1% is weergegeven als *.
b. Regressie: kleinste kwadratenmethode
i. Het management van nettobedrijfskapitaal
Zoals reeds vermeld onderzoeken wij het a-gedeelte van de hypothesen meer in detail door
het uitvoeren van een lineaire regressie. Met deze methode wensen wij de eerste
doelstelling van deze masterproef na te gaan met name in hoeverre de financiële crisis van
2008 – 2009 een significante invloed heeft gehad op het niveau van het
nettobedrijfskapitaal. Wij creëren daarvoor een dummyvariabele ‘crisis’ die de waarde 0
aanneemt voor observaties in de jaren 2006 en 2007 en de waarde 1 aanneemt voor
observaties in de jaren 2008 en 2009. Ook bij de lineaire regressie nemen wij besluiten op
het 5% significantieniveau indien niet anders vermeld en werken we met eenzijdige
significantie indien een teken voor de coëfficiënt vooropgesteld werd. Er blijken voorts geen
problemen van multicollineariteit te zijn: de gebruikte maatstaf variance inflation factor,
afgekort VIF, bleek voor elke variabele kleiner te zijn dan 10 waardoor de problematiek van
multicollineariteit uitgesloten is (Kutner, 2004).
45
Bovendien hebben we getest voor het fenomeen heteroscedasticiteit aan de hand van de
Breusch-Pagan/Cook-Weisberg test voor heteroscedasticiteit in het statistische
verwerkingsprogramma Stata. Voor elke regressievergelijking bleek deze immers significant
aanwezig te zijn. Wij maken gebruik van de robuuste standaardfouten om het probleem van
heteroscedasticiteit op te vangen. De resultaten van de lineaire regressie zijn terug te vinden
in Tabel 8.
Door het uitvoeren van een T-test voor verschillen vinden we een significante daling van het
aantal dagen klantenkrediet tijdens de financiële crisis op het 1% significantieniveau. Uit de
lineaire regressieanalyse, met R² gelijk aan 0,0784, blijkt de impact van de financiële crisis
tevens significant te zijn met een p-waarde van 0,001. Alle andere variabelen constant, daalt
het aantal dagen klantenkrediet voor elke Belgische KMO tijdens de financiële crisis van
2008 – 2009 met 3,995 dagen in vergelijking met de periode 2006 – 2007. Daarnaast
oefenen een bepaald aantal sectoren waaronder de automobielsector en detailhandel een
statistisch negatieve significante invloed uit op het niveau van het aantal dagen
klantenkrediet.
Het aantal dagen voorraad verschilt significant tussen de perioden 2006 – 2007 en 2008 –
2009 zoals bleek uit de T-test voor verschillen. Met behulp van de lineaire regressie, waarbij
het model een R² van 0,1649 heeft, kunnen we besluiten dat de financiële crisis echter geen
statistisch significante invloed uitoefent op het niveau van het aantal dagen voorraad. De
dummyvariabele ‘crisis’ heeft immers een p-waarde van 0,154 wat te groot is om op 5% of
10% significantieniveau van een statistisch significante invloed te spreken.
Ook het aantal dagen leverancierskrediet verschilt significant tussen de perioden 2006 –
2007 en 2008 – 2009 zoals bleek uit de T-test voor verschillen. Uit de lineaire
regressieanalyse waarbij het model een R² van 0,0554 bedraagt, leiden we eveneens af dat
de financiële crisis een statistisch significante invloed uitoefent op het aantal dagen
leverancierskrediet (p-waarde = 0,015). Belgische KMO’s kennen tijdens de financiële crisis
een daling van het aantal dagen leverancierskrediet met 3,637 dagen, alle andere variabelen
constant. Ook hier blijft de negatieve statistische significantie van een aantal sectoren
waaronder de automobielsector en de detailhandel niet onopgemerkt.
46
Ten laatste bekijken we de financiële crisis en andere variabelen in relatie tot de lengte van
de cash conversion cycle. Uit de T-test voor verschillen concluderen we dat de toename van
de lengte statistisch significant is. Maar uit de lineaire regressieanalyse leiden we af dat de
financiële crisis geen statistisch significante invloed heeft op de lengte van de cash
conversion cycle. De R² van het model bedraagt 0,0557. De p-waarde van 0,325 levert het
bewijs van een uitblijvende impact op het 5% significantieniveau. De financiële crisis is met
andere woorden geen bepalende factor voor de lengte van de cash conversion cycle bij
Belgische KMO’s.
Met betrekking tot de significantie van de controlevariabelen kunnen we volgende
conclusies trekken. Bij hypothese 1a zien we dat ‘grootte’ naast ‘crisis’ ook een significante
impact heeft op 1% significantieniveau op het niveau van het aantal dagen klantenkrediet.
De resultaten van hypothese 2a stellen dat ‘grootte’ en ‘leeftijd’ beide op 1%
significantieniveau een significante impact hebben op het aantal dagen voorraad. Bij
hypothese 3a hebben naast ‘crisis’ ook de controlevariabelen ‘grootte’, ‘leeftijd’ en
‘schuldgraad’ een significante invloed op respectievelijk 1%, 1% en 5% significantieniveau op
het niveau van het aantal dagen leverancierskrediet. De resultaten van hypothese 4a tonen
dat opnieuw de controlevariabelen ‘grootte’, ‘leeftijd’ en ‘schuldgraad’ op dezelfde
significantieniveaus als bij hypothese 3a significant zijn voor de lengte van de cash
conversion cycle.
Met betrekking tot de tekens van de coëfficiënten van de controlevariabelen kunnen we
stellen dat ‘grootte’ in hypothese 1a, 2a, 3a en 4a een positief teken heeft. Dit betekent dat,
alle andere variabelen constant, bedrijven die een eenheid groter zijn een hoger aantal
dagen klantenkrediet, voorraad en leverancierskrediet en een langere cash conversion cycle
hebben. De controlevariabele ‘leeftijd’ heeft eveneens een positief teken in hypothese 1a,
2a en 4a, maar een negatief teken in hypothese 3a. Alle andere variabelen constant, hebben
bedrijven die een eenheid groter zijn een hoger aantal dagen klantenkrediet en voorraad,
een langere cash conversion cycle en een lager aantal dagen leverancierskrediet. De
controlevariabele ‘schuldgraad’ is negatief in hypothese 1a en 4a en positief in hypothese 2a
en 3a. De controlevariabele ‘groei’ is negatief in hypothese 1a en 3a en positief in hypothese
2a en 4a. De interpretatie is gelijkaardig aan de controlevariabelen ‘grootte’ en ‘leeftijd’.
47
Ve
rwac
ht
Ve
rwac
ht
Ve
rwac
ht
Ve
rwac
ht
Var
iab
ele
nte
ken
Hyp
.1te
ken
Hyp
.2te
ken
Hyp
.3te
ken
Hyp
.4
Co
nst
ante
+/-
61,8
30*
+/-
-76,
695*
+/-
104,
052*
+/-
-124
,554
*
(9,1
4)(-
24,7
5)(1
0,00
)(-
11,5
6)
Cri
sis
+-3
,995
*+
0,67
0-
-3,6
37**
+0,
811
(-3,
47)
(1,0
2)(-
2,16
)(0
,45)
Gro
ott
e+/
-3,
639*
+/-
9,10
1*+/
-3,
222*
+/-
10,1
75*
(6,0
4)(2
8,15
)(3
,27)
(10,
06)
Lee
ftij
d+/
-0,
472
+/-
3,12
6*+/
--6
,563
*+/
-10
,434
*
(0,5
1)(6
,54)
(-4,
98)
(7,2
9)
Sch
uld
graa
d+/
--0
,001
+/-
0,00
1+/
-0,
032*
*+/
--0
,030
**
(-0,
07)
(0,3
5)(2
,33)
(-2,
43)
Gro
ei
+/-
-0,0
25+/
-0,
045
+/-
-0,0
01+/
-0,
046
(-0,
75)
(0,6
7)(-
0,02
)(0
,52)
Ind
ust
rie
-du
mm
yja
jaja
ja
Ad
just
ed
R²
0,07
840,
1649
0,05
540,
0557
Ob
serv
atie
s21
920
2192
021
920
2192
0
Tab
el 8
: Re
gre
ssie
resu
ltat
en
invl
oe
d v
an d
e c
risi
s o
p C
CC
en
zij
n c
om
po
ne
nte
n
In d
eze
tab
el z
ijn
de
ge
sch
atte
co
ëff
icië
nte
n w
ee
rge
geve
n, d
e t
-sta
tist
iek
is g
era
pp
ort
ee
rd t
uss
en
haa
kje
s.
Ve
tge
dru
kte
co
ëff
icië
nte
n m
et
aan
du
idin
g *,
**,
***
du
ide
n o
p e
en
ee
nzi
jdig
e s
ign
ific
anti
e o
p r
esp
ect
ieve
lijk
1%
, 5%
en
10%
.
Nie
t-ve
tge
dru
kte
co
ëff
icië
nte
n m
et
aan
du
idin
g *,
**,
***
du
ide
n o
p e
en
tw
ee
zijd
ige
sig
nif
ican
tie
op
re
spe
ctie
veli
jk 1
%, 5
% e
n 1
0%.
Aan
tal d
age
n K
KA
anta
l dag
en
VR
DA
anta
l dag
en
LK
Aan
tal d
age
n C
CC
48
ii. Effect op de winstgevendheid
De tweede doelstelling van deze masterproef is te achterhalen of het management van het
nettobedrijfskapitaal een meer uitgesproken relatie vertoont met de winstgevendheid
tijdens de financiële crisis van 2008 – 2009. Met behulp van de regressievergelijkingen voor
het b-gedeelte van de hypothesen onderzoeken we de potentiële invloed van de financiële
crisis. Hiervoor voerden wij een lineaire regressie uit aan de hand van de kleinste
kwadratenmethode. De resultaten hiervan zijn terug te vinden in Tabel 9.
Bovendien hebben we getest op het fenomeen heteroscedasticteit met behulp van de
Breusch-Pagan/Cook-Weisberg test voor heteroscedasticiteit in het statistische
verwerkingsprogramma Stata. Voor elke regressievergelijking bleek dit immers significant
aanwezig te zijn. Om het probleem van heteroscedasticiteit op te lossen maken we gebruik
van robuuste standaardfouten.
We interpreteren de resultaten ook hier op het 5% significantieniveau indien niet specifiek
vermeld en werken we met eenzijdige significantie indien een teken voor de coëfficiënt
vooropgesteld werd. In het bijzonder leggen we de focus op de interpretatie van de
onafhankelijke variabelen (het aantal dagen klantenkrediet, het aantal dagen voorraad, het
aantal dagen leverancierskrediet en de lengte van de cash conversion cycle), de
dummyvariabele ‘crisis’ (met waarde 0 voor de jaren 2006 – 2007 en waarde 1 voor de jaren
2008 – 2009) en de interactievariabelen. We zijn immers geïnteresseerd in een potentieel
verschil tussen de periode voor de financiële crisis en de financiële crisis zelf voor wat
betreft de invloed van het nettobedrijfskapitaal op de winstgevendheid. Daartoe creëren we
de interactievariabelen tussen enerzijds de dummyvariabele ‘crisis’ en anderzijds de
onafhankelijke variabelen. De afhankelijke variabele bruto operationele winst werd
vermenigvuldigd met 100 opdat de coëfficiënt dan als een percentage te interpreteren valt.
Er blijken voorts geen problemen van multicollineariteit te zijn: de gebruikte maatstaf
variance inflation factor, afgekort VIF, bleek voor elke variabele kleiner te zijn dan 10
waardoor de problematiek van multicollineariteit uitgesloten is (Kutner, 2004).
49
Om te beginnen bespreken we het aantal dagen klantenkrediet in relatie tot de
winstgevendheid. In hypothese 1b veronderstellen wij dat een bijkomende dag
klantenkrediet tijdens de financiële crisis de winstgevendheid meer doet dalen dan tijdens
de niet-crisisperiode. Uit de lineaire regressie halen wij volgende resultaten: het model heeft
een R² van 0,0449. Het aantal dagen klantenkrediet en de dummyvariabele crisis zijn
significant op 1% met een p-waarde van 0,000 maar de interactie van beiden is niet
significant. De coëfficiënt van het aantal dagen klantenkrediet is -0,026. Alle andere
variabelen constant gehouden zal de winstgevendheid met 0,026% dalen indien één extra
dag klantenkrediet verstrekt wordt. De negatieve relatie tussen het aantal dagen
klantenkrediet en de winstgevendheid is met andere woorden bevestigd. De
dummyvariabele ‘crisis’ heeft daarentegen een coëfficiënt van -3,027. Belgische KMO’s zien
hun winst tijdens de financiële crisis met 3,027% dalen ten opzichte van de niet-
crisisperiode, alle andere variabelen constant. Met een p-waarde van 0,264 haalt de
interactievariabele het gewenste significantieniveau niet. Er is met andere woorden geen
significant verschil tussen de financiële crisis en de niet-crisisperiode voor wat betreft de
invloed van een extra dag klantenkrediet op de winstgevendheid. Wij verwerpen hypothese
1b dan ook op 5% significantie.
Ten tweede onderzoeken we of de relatie tussen de winstgevendheid en het aantal dagen
voorraad tijdens de financiële crisis voor Belgische KMO’s meer uitgesproken negatief was
dan tijdens de niet-crisisperiode. Het model heeft een R² van 0,0296. Het aantal dagen
voorraad en de dummyvariabele ‘crisis’ zijn significant met een respectievelijke p-waarde
van 0,003 en 0,000. De interactievariabele is tevens significant met een p-waarde van 0,012.
De coëfficiënt van het aantal dagen voorraad is -0,007. Alle andere variabelen constant zal
een bijkomende dag voorraad de winstgevendheid met 0,007% reduceren. De negatieve
relatie tussen het aantal dagen voorraad en de winstgevendheid is met andere woorden
bevestigd. De economische relevantie blijft echter beperkt. De coëfficiënt van de
dummyvariabele ‘crisis’ is hier -3,012. Immers, alle andere variabelen constant ondervinden
de ondernemingen een daling van hun winstgevendheid met 3,012% tijdens de periode van
de financiële crisis ten opzicht van de niet-crisisperiode. Onze interesse gaat voornamelijk
naar het interactie-effect. De coëfficiënt is echter positief en duidt bijgevolg op een
verzwakking van de negatieve hoofdeffecten. Ondernemingen zien hun winst minder
50
uitgesproken afnemen wanneer het aantal dagen voorraad met één toeneemt tijdens de
financiële crisis in vergelijking met de niet-crisisperiode. Dit verzwakkende effect hadden we
niet verondersteld in hypothese 2b. De invloed van het aantal dagen voorraad op de
winstgevendheid tijdens de financiële crisis is met andere woorden significant verschillend
van de niet-crisisperiode.
De analyse van het aantal dagen leverancierskrediet levert de volgende resultaten op. Wij
veronderstellen in hypothese 3b dat een bijkomende dag investering in leverancierskrediet
de winstgevendheid nog meer doet dalen gedurende de financiële crisis ten opzichte van de
niet-crisisperiode. Uit de resultaten van de lineaire regressie kunnen we het volgende
besluiten: het model heeft een R² van 0,0352. Het aantal dagen leverancierskrediet en de
dummyvariabele ‘crisis’ zijn met een p-waarde van 0,000 statistisch significant. De
coëfficiënt van het aantal dagen leverancierskrediet is -0,011. Een bijkomende dag
investering in leverancierskrediet beïnvloedt de winstgevendheid op een negatieve manier:
een daling van 0,011%, alle andere variabelen constant. De negatieve relatie tussen het
aantal dagen leverancierskrediet en de winstgevendheid is met andere woorden bevestigd.
De coëfficiënt van de variabele ‘crisis’ is -2,827. Tijdens de financiële crisis ondervindt elke
Belgische KMO een daling van de winstgevendheid van bijna 3 procent, alle andere
variabelen constant. De interactievariabele is daarentegen niet statistisch significant met
een p-waarde van 0,431. We kunnen met andere woorden geen conclusies trekken over een
significant verschil tussen de financiële crisis en de niet-crisisperiode omtrent de relatie
tussen het aantal dagen leverancierskrediet en de winstgevendheid. Hypothese 3b dienen
we aldus te verwerpen op 5% significantie.
Als laatste bespreken we de cash conversion cycle. In hypothese 4b veronderstellen we dat
de daling van de winstgevendheid voor een bijkomende dag cash conversion cycle tijdens de
financiële crisis sterker is dan tijdens de niet-crisisperiode. De resultaten van de lineaire
regressie zijn als volgt: het model heeft een R² van 0,0300. De onafhankelijke variabele ‘cash
conversion cycle’ is significant op het 5% significantieniveau, met een p-waarde van 0,005.
De coëfficiënt van de variabele heeft een waarde van -0,004. alle andere variabelen constant
leidt een extra dag cash conversion cycle tot een afname van de winst met 0,004%. De
negatieve relatie tussen de lengte van de cash conversion cycle en de winstgevendheid is
51
met andere woorden bevestigd maar de economisch relevantie is echter beperkt. De
dummyvariabele ‘crisis’ is tevens significant maar dan wel op het 5% significantieniveau met
een p-waarde van 0,000. De coëfficiënt is -2,791 wat betekent dat Belgische KMO’s tijdens
de financiële crisis de winst met bijna 3% zagen dalen ten opzichte van de niet-crisisperiode.
De interactieterm is daarentegen niet significant (p-waarde = 0,252). We kunnen aldus geen
statistisch significante conclusies trekken met betrekking tot het effect van de cash
conversion cycle op de winstgevendheid gedurende de financiële crisis. We verwerpen
hypothese 4b dan ook op 5% significantie.
Naast de bespreking van de onafhankelijke variabelen, de dummyvariabele ‘crisis’ en de
interactievariabele, interpreteren we nog even kort de controlevariabelen. Voor elke
regressierechte blijken de controlevariabelen ‘grootte’ en ‘groei’ eenzijdig significant te zijn
op respectievelijk 1% en 5% significantieniveau. De coëfficiënten van ‘grootte’ hebben elk
een positief teken wat duidt op een positieve relatie: alle andere variabelen constant,
ondervinden ondernemingen die één eenheid groter zijn een stijging van de
winstgevendheid. Dit hadden we ook voorspeld. De coëfficiënten van ‘groei’ zijn , zoals
vooropgesteld, negatief. Met alle andere variabelen constant ondervinden ondernemingen
die één eenheid meer groei kennen, een daling van de winstgevendheid. Voor de regressie
met het aantal dagen klantenkrediet, het aantal voorraad en de lengte van de cash
conversion cycle is de schuldgraad eenzijdig significant op 10% significantieniveau.
Bovendien hebben de coëfficiënten een negatief teken, zoals verwacht. De controlevariabele
‘leeftijd’ is bij geen enkele regressie significant. Het positieve teken van de coëfficiënten is
opnieuw zoals vooropgesteld.
Daarnaast zijn ook alle sectoren telkens statistisch significant op 5% significantie op drie
uitzonderingen na1: de automobielsector, de horeca en de overige persoonlijke diensten.
1 De interpretatie van de sectordummy’s dient te gebeuren ten opzicht van de sector ‘overige activiteiten’
waarvoor geen dummyvariabele werd gecreëerd.
52
Var
iab
ele
nV
erw
ach
t te
ken
Hyp
oth
ese
1H
ypo
the
se 2
Hyp
oth
ese
3H
ypo
the
se 4
Co
nst
ante
+/-
-12,
140*
-13,
900*
-12,
661*
-14,
142*
(-7,
15)
(-8,
19)
(-7,
52)
(-8,
38)
Aan
tal d
age
n k
lan
ten
kre
die
t-
-0,0
26*
(-11
,28)
Aan
tal d
age
n k
lan
ten
kre
die
t*C
risi
s+
0,00
2
(0,6
3)
Aan
tal d
age
n v
oo
rraa
d-
-0,0
07*
(-3,
00)
Aan
tal d
age
n v
oo
rraa
d*C
risi
s+
0,00
7**
(2,2
7)
Aan
tal d
age
n le
vera
nci
ers
kre
die
t-
-0,0
11*
(-8,
84)
Aan
tal d
age
n le
vera
nci
ers
kre
die
t*C
risi
s+
0,00
0
(0,1
7)
Aan
tal d
age
n C
CC
--0
,004
*
(-2,
81)
Aan
tal d
age
n C
CC
*Cri
sis
+0,
001
(0,6
7)
Cri
sis
--3
,027
*-3
,012
*-2
,827
*-2
,791
*
(-8,
94)
(-10
,28)
(-9,
95)
(-11
,90)
Gro
ott
e+
1,21
5*1,
153*
1,15
7*1,
154*
(8,7
8)(8
,19)
(8,3
3)(8
,32)
Lee
ftij
d+
0,18
50,
185
0,10
30,
206
(1,0
2)(1
,02)
(0,5
7)(1
,13)
Sch
uld
graa
d-
-0,0
02**
*-0
,002
***
-0,0
01-0
,002
***
(-1,
37)
(-1,
36)
(-1,
11)
(-1,
45)
Gro
ei
--0
,013
**-0
,013
**-0
,012
**-0
,012
**
(-2,
24)
(-2,
10)
(-2,
04)
(-2,
08)
Ind
ust
rie
-du
mm
yja
jaja
ja
Ad
just
ed
R²
0,04
490,
0296
0,03
520,
0300
Ob
serv
atie
s21
920
2192
021
920
2192
0
Tab
el 9
: Re
gre
ssie
resu
ltat
en
invl
oe
d v
an d
e c
risi
s e
n K
K, V
RD
, LK
, CC
C o
p w
inst
geve
nd
he
id
Bru
to-o
pe
rati
on
ee
l re
sult
aat
In d
eze
tab
el z
ijn
de
ge
sch
atte
co
ëff
icië
nte
n w
ee
rge
geve
n, d
e t
-sta
tist
iek
is g
era
pp
ort
ee
rd t
uss
en
haa
kje
s.
Co
ëff
icië
nte
n m
et
aan
du
idin
g *,
**,
***
du
ide
n o
p e
en
ee
nzi
jdig
e s
ign
ific
anti
e o
p r
esp
ect
ieve
lijk
1%
, 5%
en
10%
.
53
c. Controleanalyse
In bovenstaande paragraaf b. Regressie: kleinste kwadratenmethode hebben we gebruik
gemaakt van de meest toegepaste lineaire regressiemethode, namelijk de methode van de
kleinste kwadraten. Om te verifiëren of de bekomen resultaten robuust zijn en om
potentiële inconsistenties bloot te leggen, voeren we in deze paragraaf een tweetal
controles uit. Vooreerst voegen we een aantal controlevariabelen toe aan de
regressievergelijkingen. Vervolgens testen we de hypothesen van het b-gedeelte door
gebruik te maken van een andere definiëring van de afhankelijke variabele winstgevendheid.
We hebben de tabellen met resultaten niet opgenomen in dit werkstuk, de resultaten
worden hierna echter wel kort samengevat.
Uit het literatuuronderzoek blijkt dat de controlevariabelen ‘grootte’, ‘groei’, ‘schuldgraad’
en ‘leeftijd’ het meest voorkomen in verwante onderzoeken. Maar daarnaast vonden wij een
aantal controlevariabelen terug die bijkomende verklarende kracht in zich kunnen hebben.
Zo werken Shin & Soenen (1998), Lazaridis & Tryfonidis (2006), Raheman & Nasr (2007),
Baños-Caballero et al. (2011) en Sharma & Kumar (2011) met de controlevariabele van de
schuldgraad gedefinieerd als de totale schuld gedeeld door het totaal van de activa. Deloof
(2003) en Raheman & Nasr (2007) betrekken er tevens de financieel vaste activa bij door de
controlevariabele financieel vaste activa gedeeld door het totaal van de activa op te nemen.
Shin & Soenen (1998) en Sharma & Kumar (2011) nemen bovendien een liquiditeitsratio op,
namelijk de current ratio.
Wanneer wij deze drie extra controlevariabelen opnemen in de regressievergelijkingen 1.1,
1.2, 1.3 en 1.4 bekomen wij analoge resultaten op 5% significantieniveau. Wij zien een
significante invloed van de financiële crisis op het aantal dagen klantenkrediet en het aantal
dagen leverancierskrediet. Belgische KMO’s zien tijdens de financiële crisis hun aantal dagen
klantenkrediet met ongeveer 4 afnemen ten opzichte van de periode 2006 – 2007, en het
aantal dagen leverancierskrediet met ongeveer 3 ten opzichte van de periode 2006 – 2007,
alle andere variabelen constant. De bijkomende controlevariabelen hebben bovendien alle
drie een statistisch significante invloed op het aantal dagen klantenkrediet en het aantal
dagen leverancierskrediet met uitzondering van de current ratio bij het aantal dagen
54
leverancierskrediet die op 10% significant is. Voor het aantal dagen voorraad en de lengte
van de cash conversion cycle speelt de crisis geen statistisch significante rol. Doch hebben
ook hier de extra controlevariabelen een statistisch significante invloed op 5%.
Wij voegen deze extra controlevariabelen tevens toe in de regressievergelijkingen 1.5, 1.6,
1.7 en 1.8 waarbij de relatie tussen de winstgevendheid van de Belgische KMO’s en het
nettobedrijfskapitaal getest wordt. Ook hier zijn de resultaten analoog aan de
oorspronkelijke regressieanalyse wat betreft de significantie van de crisis, de onafhankelijke
variabele en het interactie-effect.
De winstgevendheid wordt negatief beïnvloed tijdens de financiële crisis ten opzichte van de
niet-crisisperiode 2006 – 2007, en dit in elke regressievergelijking. Deze invloed is bovendien
statistisch significant op 5%. De onafhankelijke variabelen ‘aantal dagen klantenkrediet’,
‘aantal dagen voorraad’, ‘aantal dagen leverancierskrediet’ en de ‘lengte van de cash
conversion cycle’ hebben tevens een significante negatieve invloed op de winstgevendheid.
Een toename in de onafhankelijke variabele resulteert aldus in een afname van de
winstgevendheid.
Het interactie-effect van de crisis met de onafhankelijke variabele ‘aantal dagen voorraad’ is
significant op 5% significantie. De coëfficiënt heeft echter een positief teken wat duidt op
een verzachtend effect: Belgische KMO’s die tijdens de financiële crisis het aantal dagen
voorraad met één dag verlengen, zien de winstgevendheid minder uitgesproken dalen in
vergelijking met de niet-crisisperiode. De interactie-effecten van de crisis met de andere
onafhankelijke variabelen, namelijk ‘aantal dagen klantenkrediet’, ‘aantal dagen
leverancierskrediet’ en ‘lengte van de cash conversion cycle’, zijn echter niet significant op
het 5% significantieniveau. De extra controlevariabelen zijn alle drie telkens significant, voor
hypothese 1b, 2b en 3b behalve de current ratio bij hypothese 1b. Voor hypothese 4b heeft
geen enkele van de extra controlevariabelen een significante invloed.
Een tweede manier om de robuustheid van onze resultaten te verifiëren is het nemen van
een andere afhankelijke variabele om de winstgevendheid te meten in vergelijkingen 1.5,
1.6, 1.7 en 1.8. Wij kiezen voor de alternatieve maatstaf ‘rendabiliteit van het totale
55
vermogen’ (Ooghe & Van Wymeersch, 2008). De Engelse term hiervoor luidt ‘return on
assets’, afgekort ROA, maar wij kiezen ervoor de Engelse benaming te blijven gebruiken voor
de bespreking van de resultaten. De variabele is berekend als de nettowinst gedeeld door
het totaal van de activa. De resultaten worden analoog geïnterpreteerd op het 5%
significantieniveau.
Ten eerste bekijken we de relatie tussen de winstgevendheid en het aantal dagen
klantenkrediet tijdens de financiële crisis. Wij bemerken een significante negatieve relatie
tussen enerzijds het aantal dagen klantenkrediet en de financiële crisis en anderzijds de
winstgevendheid. Deze resultaten zijn in overeenstemming met de eerder uitgevoerde
regressieanalyse. Het interactie-effect is, in tegenstelling tot eerder gevonden resultaten,
significant maar verzwakt de hoofdeffecten: de winstgevendheid zakt 0,003% minder tijdens
de financiële crisis in vergelijking met de periode 2006 – 2007 indien de Belgische KMO’s het
aantal dagen klantenkrediet met één dag vermeerderen. De negatieve relatie tussen het
aantal dagen klantenkrediet en de winstgevendheid van de Belgische KMO’s is tijdens de
financiële crisis aldus minder uitgesproken.
De conclusies voor het aantal dagen voorraad en het aantal dagen leverancierskrediet
verlopen gelijkaardig. We bemerken een significante negatieve relatie tussen enerzijds het
aantal dagen voorraad, respectievelijk het aantal dagen leverancierskrediet, en de financiële
crisis en anderzijds de winstgevendheid. Deze resultaten zijn in overeenstemming met de
eerder uitgevoerde regressieanalyse. De interactie-effecten zijn daarentegen niet significant
op het 5% significantieniveau. Het interactie-effect van de crisis met het aantal dagen
voorraad is echter wel significant op 10%. Het teken van de coëfficiënt is echter positief en
doet tevens een verzwakkend effect vermoeden. Ook deze resultaten liggen in de lijn van de
eerder uitgevoerde regressieanalyse.
Voor de cash conversion cycle zien wij enkel een significante invloed uitgaan van de
financiële crisis op de winstgevendheid van de Belgische KMO’s. De relatie tussen de
variabelen is daarbij negatief, in overeenstemming met de reeds eerder uitgevoerde
regressieanalyse. De invloed van de lengte van de cash conversion cycle en van het
interactie-effect is echter niet significant.
56
Om de controleanalyse te vervolledigen kijken we of de toevoeging van de drie extra
controlevariabelen aan de regressievergelijkingen met als afhankelijke variabele de return
on assets de resultaten beïnvloedt. Enkel de current ratio blijkt in de vier
regressievergelijkingen geen significante invloed uit te oefenen op de winstgevendheid.
Bovendien wordt de onafhankelijke variabele ‘lengte van de cash conversion cycle’ wel
significant en blijkt tevens een negatieve invloed te hebben op de return on assets.
Uit de controleanalyse blijkt dat de resultaten, op een aantal uitzonderingen na, quasi
volledig overeenstemmen met de oorspronkelijke regressieanalyse. Door het toevoegen van
de extra controlevariabelen aan de oorspronkelijke regressievergelijkingen bekomen wij
analoge resultaten. Door het nemen van een andere definitie voor de winstgevendheid als
afhankelijke variabele bekomen we niet alleen significantie voor het interactie-effect van de
financiële crisis en ‘aantal dagen voorraad’ maar ook voor het interactie-effect van de
financiële crisis en ‘aantal dagen klantenkrediet’. De waarde van deze extra significantie is
echter beperkt. We besluiten dan ook dat de resultaten van het onderzoek de
controleanalyse overleven en robuust zijn.
57
7. Beperkingen en suggesties voor verder onderzoek
Na de uitvoering van het onderzoek zijn we ons bewust van een aantal limitaties die
verbonden zijn aan deze studie. De regressieanalyse is toegepast aan de hand van een
lineaire regressie met gebruik van de kleinste kwadratenmethode. Onze data zijn echter
longitudinaal: we bekijken eenzelfde KMO gedurende vier opeenvolgende jaren. Het
onderzoek voldoet aldus niet aan de voorwaarde van ongecorreleerde fouttermen voor het
gebruik van deze methode. Desondanks kozen we ervoor de kleinste kwadratenmethode toe
te passen aangezien de data betrekking hebben op amper vier jaar wat relatief gezien een
korte periode is voor longitudinaal onderzoek (deskundig advies van Prof. dr. Vander
Bauwhede, 15/02/2013, Gent).
Bovendien is de dataset van Belgische KMO’s volgens de Europese definitie nog eens
beperkt tot de bedrijven die rapporteren volgens het volledige schema omwille van de nood
aan data omtrent omzet als maatstaf voor winstgevendheid. Daarnaast zijn enkel de
bedrijven met beschikbare data voor de vijf opeenvolgende jaren 2005 – 2009 behouden.
Data omtrent het jaar 2005 was nodig om de maatstaf [(omzett1-omzett0)/omzett0] voor de
controlevariabele groei te kunnen berekenen. Hierdoor hebben we bedrijven die failliet
gingen in deze periode niet in overweging genomen, wat onze resultaten had kunnen
beïnvloeden.
Als laatste limitatie halen we de beperkt verklarende kracht van de gebruikte modellen aan,
gemeten aan de hand van de determinatiecoëfficiënt R². Deze ligt laag, wat niet in lijn ligt
met bestaande literatuur (Kestens et al., 2011).
De doelstelling van deze masterproef is te achterhalen of de financiële crisis van 2008 – 2009
een invloed uitgeoefend heeft op het management van nettobedrijfskapitaal met gevolgen
voor de winstgevendheid die afwijken van een niet-crisisperiode. Wij verwachtten daarbij
een meer uitgesproken negatieve relatie tussen de winstgevendheid en het
nettobedrijfskapitaal tijdens de financiële crisis. Maar dit effect blijkt niet te bestaan: de
gevolgen voor de winstgevendheid verschillen niet significant tussen de niet-crisisperiode en
58
de crisisperiode, met uitzondering voor het aantal dagen voorraad. Vermoedelijk kan dit
verklaard worden door de korte tijdspanne van vier jaar die in het onderzoek is opgenomen.
We willen dan ook een aantal suggesties doen voor verder onderzoek.
Ten eerste zou het interessant zijn om de crisisperiode uit te breiden aangezien vele
gevolgen pas na 2009 zichtbaar werden (www.unizo.be, geraadpleegd op 10/04/2013).
Daarbij zou het onderzoeksdomein dan uitgebreid worden tot de wereldwijde economische
crisis. Hierdoor verwachten we wel degelijk een invloed te zien uitgaan van het
nettobedrijfskapitaal op de winstgevendheid gedurende de crisis.
Ten tweede kan het nuttig zijn om een mogelijke concave relatie bij Belgische KMO’s na te
gaan tijdens de crisisperiode in de plaats van een lineaire relatie tussen enerzijds de cash
conversion cycle en zijn componenten en anderzijds de winstgevendheid. Dit hebben we
afgeleid uit de recente paper van Baños-Caballero et al. (2011) die een concave relatie
bewijst tussen de lengte van de cash conversion cycle en de winstgevendheid bij Spaanse
KMO’s tijdens niet-crisisperiode.
Ten derde doen we de suggestie om bij verder onderzoek rekening te houden met bedrijven
die failliet gegaan zijn gedurende de onderzochte periode.
59
8. Conclusie
De doelstelling van deze masterproef is te achterhalen of de financiële crisis van 2008 – 2009
een invloed heeft gehad op het management van het nettobedrijfskapitaal bij Belgische
KMO’s met gevolgen voor de winstgevendheid die afwijken van een niet-crisisperiode.
Hierbij definieerden wij de jaren 2006 en 2007 als niet-crisisperiode.
Aan de hand van twee soorten hypothesen streven we de doelstelling van deze masterproef
na. In het eerste gedeelte, deel a, van de hypothesen geven we een antwoord op de vraag of
het beheer van het nettobedrijfskapitaal tijdens de financiële crisis significant verschilt van
de niet-crisisperiode 2006 – 2007. In het tweede gedeelte, deel b, van de hypothesen gaan
we na of dit beheer tijdens de financiële crisis gevolgen heeft voor de winstgevendheid die
anders zijn dan de gevolgen tijdens de niet-crisisperiode. Wij onderzoeken zowel de
afzonderlijke componenten van het nettobedrijfskapitaal, namelijk het aantal dagen
klantenkrediet, het aantal dagen voorraad en het aantal dagen leverancierskrediet, als de
variabele die het management van nettobedrijfskapitaal in zijn geheel meet, namelijk de
lengte van de cash conversion cycle.
Wij veronderstellen een conservatief beleid aangaande het management van
nettobedrijfskapitaal tijdens de financiële crisis. Veel investeren in nettobedrijfskapitaal
verkleint immers de operationele risico’s aanzienlijk (Smith, 1980; Weinraub & Visscher,
1998; Nazir & Afza, 2009; Gallagher & Andrew, 2007; Arnold, 2008; Besley & Brigham, 2008;
Watson & Head, 2010). Concreet verwachten wij een toename van het aantal dagen
klantenkrediet en van het aantal dagen voorraad, een afname van het aantal dagen
leverancierskrediet en een toename van de lengte van de cash conversion cycle. Deze
veronderstellingen worden onderzocht in respectievelijk hypothese 1a, 2a, 3a en 4a.
Na het uitvoeren van een T-test voor verschillen vonden wij bevestiging voor hypothese 2a,
3a en 4a. Tijdens de financiële crisis van 2008 – 2009 is het aantal dagen voorraad significant
toegenomen, het aantal dagen leverancierskrediet significant afgenomen en de lengte van
de cash conversion cycle eveneens significant toegenomen. Hypothese 1a dienen we echter
60
te verwerpen: het aantal dagen klantenkrediet is significant afgenomen, tegen onze
verwachtingen in. Om de analyse compleet te maken en de invloed van de financiële crisis
op het niveau van de variabelen na te gaan, voerden we een lineaire regressieanalyse uit.
Hieruit blijkt de invloed van de financiële crisis enkel significant te zijn voor het aantal dagen
klantenkrediet en het aantal dagen leverancierskrediet. Het aantal dagen klantenkrediet
neemt significant af. KMO’s geven minder betalingsuitstel aan hun klanten. Door de
financiële crisis worden handelstransacties immers risicovoller: de kans op wanbetaling
stijgt. Een mogelijke verklaring voor de negatieve relatie zou kunnen zijn dat KMO’s hun
klanten aansporen sneller te betalen zodat ze sneller over cash inflow beschikken en
zekerheid verwerven omtrent de kredietwaardigheid van de klanten. Het aantal dagen
leverancierskrediet is tevens significant afgenomen tijdens de financiële crisis.
Leverancierskrediet is immers een zeer dure vorm van krediet. In financiële crisistijden
worden de KMO’s aldus aangezet tot het onmiddellijk betalen van hun uitstaande facturen
waardoor optimaal kan genoten worden van de voorziene kortingen. Uit de lineaire
regressieanalyse blijkt de invloed van de financiële crisis op het aantal dagen voorraad en de
lengte van de cash conversion cycle niet significant te zijn. Beide variabelen zijn weliswaar
significant toegenomen tijdens de financiële crisis maar de oorzaak van die toename moet
elders gezocht worden. Dit is een mogelijke nieuwe onderzoekspiste voor verder onderzoek.
We vinden dus geen significant bewijs voor een conservatieve aanpak in tijden van crisis.
Het tweede luik van deze masterproef onderzoekt de relatie van het nettobedrijfskapitaal
met de winstgevendheid van de Belgische KMO’s. Concreet verwachten wij de reeds
aangetoonde negatieve relaties tussen enerzijds de winstgevendheid en anderzijds het
aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal dagen
leverancierskrediet en de lengte van de cash conversion cycle terug te vinden tijdens de
financiële crisis van 2008 – 2009, maar meer uitgesproken.
In tegenstelling tot onze veronderstellingen vinden wij deze meer uitgesproken negatieve
relaties niet terug. Uit de lineaire regressieanalyse blijkt de financiële crisis de
winstgevendheid negatief te beïnvloeden. Evenals de onafhankelijke variabelen ‘aantal
dagen klantenkrediet’, ‘aantal dagen voorraad’, ‘aantal dagen leverancierskrediet’ en ‘lengte
van de cash conversion cycle’. Deze resultaten liggen in de lijn van reeds eerder gepubliceerd
61
onderzoek. De interactie van deze twee hoofdeffecten, namelijk de financiële crisis en de
componenten van nettobedrijfskapitaal inclusief de cash conversion cycle, speelt echter
geen significante rol. Tijdens de financiële crisis blijkt de winstgevendheid niet meer dan
tijdens de niet-crisisperiode aangetast te worden door een bijkomende dag klantenkrediet,
een bijkomende dag voorraad, een bijkomende dag leverancierskrediet of een bijkomende
dag cash conversion cycle. Enkel voor het aantal dagen voorraad kunnen we op 5%
significantieniveau besluiten dat er een significant verschil bestaat tussen de niet-
crisisperiode en de financiële crisis van 2008 – 2009 met betrekking tot het effect van het
aantal dagen voorraad op de winstgevendheid van Belgische KMO’s: in tegenstelling tot onze
veronderstellingen blijkt de negatieve relatie tussen het aantal dagen klantenkrediet en de
winstgevendheid minder uitgesproken negatief te zijn tijdens de financiële crisis. Dit kan
verklaard worden doordat de KMO’s voor de crisis financiële buffers aangelegd hebben en
deze tijdens de crisis kunnen aanwenden voor het beheren van de voorraadkosten.
Uit dit onderzoek kunnen we aldus besluiten dat het management van het
nettobedrijfskapitaal bij Belgische KMO’s tijdens de financiële crisis aangepast werd. De
crisis had echter alleen een significante invloed op het aantal dagen klantenkrediet en het
aantal dagen leverancierskrediet die beiden afnamen. In tegenstelling tot wat we
veronderstelden, wordt de winstgevendheid van de Belgische KMO’s tijdens de financiële
crisis niet meer uitgesproken aangetast dan tijdens de niet-crisisperiode 2006 – 2007 door
eenzelfde wijziging in het aantal dagen klantenkrediet, het aantal dagen voorraad, het aantal
dagen leverancierskrediet en de lengte van de cash conversion cycle. Er is met andere
woorden geen bewijs van een meer uitgesproken negatieve relatie tijdens de financiële
crisis. Voor het aantal dagen voorraad nemen we daarentegen een verzachtend effect waar.
De beperkingen van deze masterproef zijn de strenge voorwaarden die gesteld zijn aan de
dataset, het niet voldoen aan de voorwaarde van ongecorreleerde fouttermen bij gebruik
van de kleinste kwadratenmethode en de relatief kleine onderzoeksperiode. We willen
daarom als suggestie voor verder onderzoek aanhalen om de tijdspanne van de financiële
crisis verder uit te breiden en een mogelijke concave relatie te onderzoeken omtrent het
effect van de financiële crisis op het gebruik van nettobedrijfskapitaal en zijn impact op de
winstgevendheid van de Belgische KMO’s.
VI
9. Referenties
Al-Mwalla, M. (2012). The impact of working capital management policies on firm’s
profitability and value: The case of Jordan. International Research Journal of Finance and
Economics, nr. 85, p. 147.
Arnold, G. (2008). Corporate financial management. Harlow: Pearson Education Limited.
Attari, M. A., en Raza, K. (2012). The optimal relationship of cash conversion cycle with firm
size and profitability. International Journal of Academic Research in Business and Social
Sciences, vol. 2, nr. 4, pp. 189-203.
Baños-Caballero, S., García-Teruel, P. J., en Martínez-Solano, P. (2011). How does working
capital management affect the profitability of Spanish SMEs? Small Business Economics, vol.
39, nr. 2, pp. 517-529.
Baños-Caballero, S., Garcia-Teruel, P. J. en Martínez-Solano, P. (2010). Working capital
management in SMEs. Accounting and Finance, vol. 50, nr. 3, pp. 511-527.
Besley, S., en Brigham, E. F. (2008). Essentials of managerial finance. Mason, Ohio: Thomson
One.
Biais, B., en Gollier, C. (1997). Trade credit and credit rationing. The Review of Financial
Studies, vol. 10 (winter), nr. 4, pp. 903-937.
Bhunia, A., en Das, A. (2012). Affiliation between working capital management and
profitability. Interdisciplinary Journal of Contemporary Research in Business, vol. 3, nr. 9, pp.
957-968.
Blinder, A. S., en Maccini, L. J. (1991). The Resurgence of Inventory Research: What Have We
Learned? Journal of Economic Surveys, vol. 5, nr. 4, pp. 291-328.
VII
Burkart, M., Ellingsen, T., en Giannetti, M. (2011). What you sell is what you lend? Explaining
trade credit contracts. Review of Financial Studies, vol. 24, nr. 4, pp. 1261-1298.
Burkart, M., en Ellingsen T. (2004). In-kind finance: a theory of trade credit. The American
Economic Review, vol. 94, nr. 3, pp. 569-590.
Campello, M., Graham, J. R., en Harvey, C.R. (2010). The real effects of financial constraints:
Evidence from a financial crisis. Journal of Financial Economics, vol. 97, nr. 3, pp. 470-487.
Cornett, M. M., McNutt, J. J., Strahan, P.E., en Tehranian, H. (2011). Liquidity risk
management and credit supply in the financial crisis. Journal of Financial Economics, vol.
101, nr. 2, pp. 297-312.
Cuthbertson, K., en Gasparro, D. (1993). The Determinants of Manufacturing Inventories in
the UK. Economic Journal, vol. 103, nr. 421, pp. 1479 –1492.
Deloof, M. (2003). Does working capital management affect profitability of Belgian firms?
Journal of Business, Finance and Accounting, vol. 30, nr. 3-4, pp. 573-588.
De Pelsmacker, P., en Van Kenhove, P. (2010). Marktonderzoek. Amsterdam: Pearson
Education.
Fabbri, D., en Klapper, L.F. (2009). Trade credit and the supply chain. Working paper.
Fazzari, S. M., en Petersen, B.C. (1993). Working Capital and Fixed Investment: New Evidence
on Financing Constraints. The RAND Journal of Economics, vol. 24, nr. 3, pp. 328-342.
Foster, J. B., en Magdoff, F. (2009). The Great Financial Crisis: Causes and Consequences.
Verenigd Koninkrijk: Monthly Review Press, U.S.
Gallagher, T. J., en Andrew, J. D. (2007). Financial Management: Principles and Practice.
Colorado: Freeload Press.
VIII
Ganesan, V. (2007). An analysis of working capital management efficiency in
telecommunication equipment industry. Rivier Academic Journal, vol. 3, nr. 2, pp. 1-10.
García-Teruel, P. J., en Martínez-Solano, P. (2007). Effects of working capital management on
SME profitability. International Journal of Managerial Finance, vol. 3, nr. 2, pp. 164-177.
Gentry, J. A., Vaidyanathan, R., en Lee, H. W. (1990). A weighted cash conversion cycle.
Financial Management, vol. 19, nr. 1, pp. 90-99.
Hill, M. D., Wayne Kelly, G., en Highfield, M. J. (2010). Net operating working capital
behavior: a first look. Financial Management, vol. 39, nr. 2, pp. 783-805.
Howorth, C., en Westhead, P. (2003). The focus of working capital management in UK small
firms. Management Accounting Research, vol. 14, nr. 2, pp. 94-111.
Ivashina, V., en Scharfstein, D. (2010). Bank lending during the financial crisis of 2008.
Journal of Financial Economics, vol. 97, nr. 3, pp. 319-338.
Kesimli, I. G. en Gunay, S. G. (2011). The impact of the global economic crisis on working
capital of real sector in Turkey. Business and Economic Horizons, vol. 4, nr. 1, pp. 52-69.
Kestens, K., Van Cauwenberge, P., en Vander Bauwhede, H. (2011). Trade credit and
company performance during the 2008 financial crisis. Accounting and Finance, vol. 52, nr. 4,
pp. 1121-1151.
Kutner, M. H., Nachtsheim, C.J., en Neter, J. (2004). Applied Linear Regression Models. Irwin:
Mcgraw-Hill.
Lazaridis, I. en Tryfonidis, D. (2006). Relationship between working capital management and
profitability of listed companies in the Athens stock exchange. Journal of Financial
Management and Analysis, vol. 19, nr. 1, pp. 26-35.
IX
Long, M. S., Malitz, I. B. en Ravid, S. A. (1993). Trade credit, quality guarantees and product
marketability. Financial Managemen, vol. 22, nr. 4, pp. 117-127.
Love, I., Preve, L. A., en Sarria-Allende, V. (2007). Trade credit and bank credit: Evidence from
recent financial crisis. Journal of Financial Economics, vol. 83, nr. 2, pp. 453-469.
Love, I., en Zaidi, R. (2010). Trade Credit, Bank Credit and Financial Crisis. International
Review of Finance, vol. 10, nr. 1, pp. 125-147.
Lovelock, C. H., en Wright, L. (2002). Principles of service marketing and management. Upper
Saddle River, New Jersey: Prentice Hall.
Meuleman, M., en De Maeseneire, W. (2012). Do R&D subsidies affect SMEs’ access to
external finance? Research Policy, vol. 41, nr. 3, pp. 580-591.
Moussawi, R., LaPlante, M., Kieschnick, R., en Baranchuk, N. (2006). Corporate working
capital management: determinants and consequences. Working paper.
Myers, S. C., en Majluf, N.S. (1984). Corporate Financing and Investment Decisions When
Firms Have InformationThat Investors Do Not Have. Journal of Financial Economics, vol. 13,
nr. 2, pp. 187-221.
Nazir, M. S., en Afza, T. (2007). Is it better to be aggressive or conservative in managing
working capital? Journal of Quality and Technology Management, vol. 3, nr. 2, pp. 11-21.
Nazir, M. S., en Afza, T. (2009). Impact of aggressive working capital management policy on
firms’ profitability. The IUP Journal of Applied Finance, vol. 15, nr. 8, pp. 19-30.
Ooghe, H., en Van Wymeersch, C. (2008). Handboek Financiële Analyse van de Onderneming.
Antwerpen: Intersentia.
X
Peterson, M. A., en Rajan, R. G. (1997). Trade credit: Theories and Evidence. The Review of
Financial Studies, vol. 10, nr. 3, pp. 661-691.
Rafuse, M. E. (1996). Working capital management: an urgent need to refocus. Management
Decision, vol. 34, nr. 2, pp. 59-63.
Raheman, A., Qayyum, A., en Afza, T. (2011). Sector-wise performance of working capital
management measures and profitability using ratio analysis. Interdisciplinary Journal of
Contemporary Research in Business, vol. 3, nr. 8, pp. 285-297.
Raheman, A., en Nasr, M. (2007). Working capital management and profitability – Case of
Pakistani firms. International Review of Business Research Papers, vol. 3, nr. 1, pp. 279-300.
Sadiamajeed, Majidmakki, M. A., Saleem, S., en Aziz, T. (2012). The relationship of cash
conversion cycle and firm’s profitability: an empirical investigation of Pakistani firms.
International Journal of Financial Management, vol. 1, nr. 1, pp. 80-96.
Scholleova, H. (2012). The economic crisis and working capital management of companies.
Theoretical and Applied Economics, vol. 18, nr. 4, pp. 79-92.
Sharma, A. K. en Kumar, S. (2011). Effect of working capital management on firm
profitability: empirical evidence from India. Global Business Review, vol. 12, nr. 1, pp. 159-
173.
Shin, H. H., en Soenen, L. (1998). Efficiency of working capital and corporate profitability.
Financial Practice and Education, vol. 8, nr. 2 pp. 37–45.
Shipley, D., en Davis, L. (1991). The role and burden-allocation of credit in distribution
channels. Journal of Marketing Channels, vol. 1, nr. 1 , pp. 3–22.
Smith, J. K. (1987). Trade credit and informational asymmetry. Journal of Finance, vol. 42, nr.
4 , pp. 863–872.
XI
Smith, K. (1980). Readings on the management of working capital. Saint Paul – Minnesota:
West Publishing Company.
Soenen, L. (1993). Cash conversion cycle and corporate profitability. Journal of Cash
Management, vol. 13, nr. 4 pp. 53–57
Van Horne, J. C., en Wachowicz, J. M. (2000). Fundamentals of Financial Management,
Upper Saddle River, New Jersey: Prentice Hall.
Vermoesen, V., Deloof, M., en Laveren, E. (2012). Long-term debt maturity and financing
constraints of SMEs during the Global Financial Crisis. Small Business Economics,
Forthcoming.
Weinraub, H. J., en Visscher, S. (1998). Industry practice relating to aggressive conservative
working capital policies. Journal of Financial and Strategic Decisions, vol. 11, nr. 2, pp. 11-18.
Wilner, B. S. (2000). The exploitation of relationship in financial distress: the case of trade
credit. Journal of Finance, vol. 55, nr. 1 , pp. 153–178.
Internetbronnen:
Unizo, 2011, KMO-rapport 2011 Unizo, URL:
<http://www.unizo.be/images/res381886_8.pdf>. Geraadpleegd op 15/10/2012
Europese Commissie, 2006, De nieuwe definitie van KMO’s: informatiebrochure en
modelverklaren, Publicaties van “Ondernemingen en Industrie”, URL:
<http://ec.europa.eu/enterprise/policies/sme/files/sme_definition/sme_user_guide_nl.pdf.
>. Geraadpleegd op 15/10/2012
Vervenne W., 2010, KMO’s sterkste motor Belgische economie, De Tijd, URL:
<http://www.tijd.be/nieuws/archief/Kmo_s_sterkste_motor_Belgische_economie.8985162-
1615.art?highlight=belgische%20economie%20kmo%20motor>. Geraadpleegd op
29/10/2012
XII
De Tijd, 2008, KMO’s houden bloedbad berperkt, URL:
<http://www.tijd.be/nieuws/archief/Kmo_s_houden_bloedbad_beperkt.8119448-
1615.art?highlight=kmo%20buffer>. Geraadpleegd op 6/11/2012
Dendooven P., 2012, Peeters lanceert bankenplan, De Standaard, URL:
<http://www.standaard.be/cnt/DMF20120913_00295461>. Geraadpleegd op 14/11/2012
Sougné D. & Van Rysselberghe J., 2009, KeFiK-enquête KMO-financiering 2009, URL:
<http://www.cefip.be/FILES/Documenten/NL/KMO-financiering_%20rapport%20NL.pdf>.
Geraadpleegd op 14/11/2012
Trends, 2012, Banken weigerachtig om geld te lenen aan KMO’s, URL:
<http://trends.knack.be/economie/nieuws/finance/banken-weigerachtig-om-geld-te-lenen-
aan-kmo-s/article-4000025551521.htm>. Geraadpleegd op 14/11/2012
Unizo, 2009, KMO’s: 18% krijgt geen bankkrediet, URL:
<http://www.unizo.be/viewobj.jsp?id=429281>. Geraadpleegd op 14/11/2012
De Morgen, 2009, Fortis Corporate Insurance wordt Amlin, URL:
<http://www.demorgen.be/dm/nl/3324/Financiele-
crisis/article/detail/939537/2009/07/22/Fortis-Corporate-Insurance-wordt-Amlin.dhtml>.
Geraadpleegd op 5/02/2013
De Morgen, 2008, Overname ABN Amro valt Fortis zwaar, URL:
<http://www.demorgen.be/dm/nl/996/Economie/article/detail/418396/2008/09/16/Overn
ame-ABN-Amro-valt-Fortis-zwaar.dhtml>. Geraadpleegd op 5/02/2013
De Standaard, 2008, Sleutelmomenten in de Fortis-crisis, URL:
<http://www.standaard.be/cnt/DMF18112008_093>. Geraadpleegd op 5/02/2013
XIII
Cijfermateriaal Nationale Bank van Beglië, 2012, BBP naar volume, URL:
<http://www.nbb.be/belgostat/DataAccesLinker?Lang=N&Dom=2&Table=30>.
Geraadpleegd op 10/02/2013
Febelfin, 2012, Febelfin en Vlaamse regering engageren zich met bankenplan, URL:
<http://2012.febelfin.be/nl/febelfin-en-vlaamse-regering-engageren-zich-met-bankenplan>.
Geraadpleegd op 22/03/2013
Trends, 2013, Febelfin: ‘Rentabiliteit banken onvoldoende’, URL:
<http://trends.knack.be/economie/nieuws/bedrijven/febelfin-rendabiliteit-banken-
onvoldoende/article-4000257163340.htm>. Geraadpleegd op 22/03/2013
Vlaamse overheid, 2012, Voordelige lening voor startende onderneming (Win-winlening),
URL: <http://www.vlaanderen.be/nl/economie-en-werk/economische-steun-en-
financiering/voordelige-lening-voor-startende-onderneming-win-winlening>. Geraadpleegd
op 22/03/2013
Vanleenhove S., 2011, 1/3 van de ondernemers voelt huidige crisis meer dan de financiële
crisis van 2008, URL: <http://www.unizo.be/uwzaakleiden/viewobj.jsp?id=4805344>.
Geraadpleegd op 10/04/2013
Nationale Bank van België, 2013, Observatorium voor krediet aan niet-financiële
vennootschappen: belangrijkste ontwikkelingen, URL: <http://www.nbb.be/doc
/dq/kredobs/nl/developments/KO_quarter.htm>. Geraadpleegd op 24/04/2013
Dossier De Tijd, 2012, 5 jaar financiële crisis, De Tijd, URL:
<http://www.tijd.be/dossier/5jaarcrisis>. Geraadpleegd op 28/04/2013
Febelfin, 2012, Economische context weegt op kredietverlening aan ondernemingen, URL:
<http://febelfin.be/nl/economische-context-weegt-op-kredietverlening-aan-
ondernemingen>. Geraadpleegd op 10/05/2013
XIV
De Morgen, 2013, BNP Paribas Fortis biedt 50.000 KMO’s proactief 1 miljard euro
bedrijfskapitaal, URL:<http://www.demorgen.be/dm/nl/996/Economie/article/detail/
1620266/2013/04/23/BNP-Paribas-Fortis-biedt-50-000-kmo-s-proactief-1-miljard-euro-
bedrijfskapitaal.dhtml>. Geraadpleegd op 13/05/2013
Unizo Statistieken, 2013, Zes op tien ondernemers negatief over huidige toestand economie,
URL: <http://www.unizo.be/statistieken/viewobj.jsp?&id=4833014>. Geraadpleegd op
15/05/2013
