Wpływ pandemii COVID-19 na odpisy aktualizujące wartość aktywów w spółkach giełdowych

Streszczenie

Praca podejmuje problem wpływu pandemii COVID-19 na skalę i strukturę rodzajową odpisów aktualizujących wartość aktywów (OUW) w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie. Celem badania jest empiryczna weryfikacja, czy ogłoszenie stanu pandemicznego w 2020 roku spowodowało istotny statystycznie wzrost OUW, zróżnicowanie sektorowe ich dynamiki oraz negatywne reakcje rynku kapitałowego. Podstawę teoretyczną stanowią regulacje MSSF (MSR 36, MSSF 16) oraz hipoteza oportunistycznych odpisów (ang. big bath accounting). Badanie przeprowadzono metodą panelową na próbie 200 spółek za lata 2018–2022 (1000 obserwacji), wykorzystując testy Wilcoxona i Manna-Whitneya, regresję panelową z efektami stałymi i losowymi oraz badanie zdarzeń oparte na modelu rynkowym z indeksem WIG. Wyniki potwierdzają cztery hipotezy badawcze: średnia OUW wzrosła o 134% w 2020 roku, zidentyfikowano trzy skupienia sektorowe o istotnie różnych dynamikach, odnotowano wzrost odpisów z tytułu prawa do użytkowania składnika aktywów o 387%, a skumulowane anormalne stopy zwrotu w oknie zdarzenia okazały się ujemne i istotne statystycznie.^{[18, s. 71]} Stwierdzono ponadto, że jakość ujawnień koreluje ujemnie z reakcją rynku. Wyniki mają implikacje regulacyjne dla organów nadzoru i standardodawców rachunkowości.

Słowa kluczowe: odpisy aktualizujące wartość aktywów, pandemia COVID-19, spółki giełdowe, MSSF, badanie zdarzeń, big bath accounting

Abstract

This study examines the impact of the COVID-19 pandemic on the scale and category structure of asset impairment write-offs (AIW) among companies listed on the Warsaw Stock Exchange. The objective is to empirically verify whether the declaration of the pandemic state in 2020 triggered a statistically significant increase in AIW, sector-level differentiation in their dynamics, and adverse capital market reactions. The theoretical framework draws on IFRS standards (IAS 36, IFRS 16) and the hypothesis of opportunistic impairment recognition (big bath accounting). A panel study was conducted on a sample of 200 companies covering the years 2018–2022 (1,000 observations), employing Wilcoxon and Mann-Whitney tests, panel regression with fixed and random effects, and an event study based on a market model anchored to the WIG index. The findings confirm all four research hypotheses: mean AIW increased by 134% in 2020, three sector clusters with significantly different dynamics were identified, right-of-use asset impairments rose by 387%, and cumulative abnormal returns in the event window were negative and statistically significant. Furthermore, disclosure quality was found to correlate negatively with market reaction. The results carry regulatory implications for supervisory authorities and accounting standard-setters.

Keywords: asset impairment write-offs, COVID-19 pandemic, listed companies, IFRS, event study, big bath accounting

Wykaz skrótów

ANOVA: analiza wariancji
AR: nienormalna stopa zwrotu
CAR: skumulowane nienormalne stopy zwrotu (Cumulative Abnormal Return)
CGU: Cash Generating Unit (ośrodek wypracowujący środki pieniężne)
COVID-19: choroba koronawirusowa 2019 (ang. coronavirus disease 2019)
EBA: European Banking Authority (Europejski Urząd Nadzoru Bankowego)
ECL: Expected Credit Loss (oczekiwane straty kredytowe)
EIOPA: Europejski Urząd Nadzoru Ubezpieczeń i Pracowniczych Programów Emerytalnych (ang. European Insurance and Occupational Pensions Authority)
ESMA: European Securities and Markets Authority (Europejski Urząd Nadzoru Giełd i Papierów Wartościowych)
ESPI: Elektroniczny System Przekazywania Informacji
FE: model efektów stałych (Fixed Effects)
FVLCTS: Fair Value Less Costs to Sell (wartość godziwa pomniejszona o koszty zbycia)
GPW: Giełda Papierów Wartościowych
IASB: Rada Międzynarodowych Standardów Rachunkowości (ang. International Accounting Standards Board)
IQD: Indeks Jakości Ujawnień dotyczących odpisów (Impairment Quality Disclosure Index)
KIMSF: Komitet ds. Interpretacji Międzynarodowych Standardów Sprawozdawczości Finansowej
KNF: Komisja Nadzoru Finansowego
KSR: Krajowy Standard Rachunkowości
MAR: Market Abuse Regulation (rozporządzenie w sprawie nadużyć na rynku)
MSR: Międzynarodowy Standard Rachunkowości
MSR 36: Międzynarodowy Standard Rachunkowości 36
MSSF: Międzynarodowy Standard Sprawozdawczości Finansowej
MSSF 9: Międzynarodowy Standard Sprawozdawczości Finansowej 9
OUW: odpis z tytułu utraty wartości
P/BV: wskaźnik ceny do wartości księgowej (Price-to-Book Value)
PKB: produkt krajowy brutto
PSR: Polskie Standardy Rachunkowości
RAT: rzeczowe aktywa trwałe
RE: model efektów losowych (Random Effects)
RMSR: Rada Międzynarodowych Standardów Rachunkowości
ROA: rentowność aktywów (Return on Assets)
ROU: aktywa z tytułu prawa do użytkowania (right-of-use assets)
SARS-CoV-2: wirus ciężkiego ostrego zespołu oddechowego 2 (ang. severe acute respiratory syndrome coronavirus 2)
UoR: Ustawa o rachunkowości
VIF: wskaźnik inflacji wariancji (Variance Inflation Factor)
VIU: Value in Use (wartość użytkowa)
WACC: Weighted Average Cost of Capital (średnioważony koszt kapitału)
WHO: Światowa Organizacja Zdrowia (ang. World Health Organization)
WIG: Warszawski Indeks Giełdowy
WNiP: wartości niematerialne i prawne

Wstęp

Pandemia COVID-19 stanowi jedno z najbardziej doniosłych wydarzeń gospodarczych początku XXI wieku. Ogłoszenie przez Światową Organizację Zdrowia stanu pandemii w dniu 11 marca 2020 roku zapoczątkowało serię zjawisk, które w sposób gwałtowny i wielowymiarowy oddziałały na systemy gospodarcze, rynki finansowe oraz jednostki prowadzące działalność gospodarczą na całym świecie. W odróżnieniu od wcześniejszych kryzysów, takich jak globalny kryzys finansowy z lat 2007–2009, pandemia COVID-19 uderzyła równocześnie w stronę podażową i popytową gospodarki, generując szoki, których skala i zasięg nie miały historycznego precedensu w tak krótkim horyzoncie czasowym.^{[19, s. 29]} Skutki gospodarcze pandemii znalazły swoje odzwierciedlenie nie tylko w realnych wskaźnikach makroekonomicznych, lecz również w sprawozdawczości finansowej spółek — w szczególności poprzez mechanizm odpisów aktualizujących wartość aktywów.

Odpisy aktualizujące wartość aktywów stanowią jeden z najbardziej złożonych i jednocześnie podatnych na manipulację instrumentów rachunkowości finansowej. Wynikają one z obowiązku odzwierciedlenia w bilansie rzeczywistej wartości ekonomicznej składników majątkowych, to jest wartości odzyskiwalnej rozumianej jako wyższa z wartości użytkowej aktywów i wartości godziwej pomniejszonej o koszty zbycia. Choć procedury testowania aktywów na utratę wartości zostały szczegółowo uregulowane w przepisach krajowych — w szczególności w ustawie o rachunkowości oraz Krajowym Standardzie Rachunkowości nr 4 — a na poziomie międzynarodowym w Międzynarodowym Standardzie Rachunkowości nr 36 oraz Międzynarodowym Standardzie Sprawozdawczości Finansowej nr 9, praktyka stosowania tych regulacji jest przedmiotem licznych kontrowersji. W literaturze przedmiotu wskazuje się, że decyzje dotyczące odpisów są w istotnym stopniu kształtowane nie tylko przez czynniki ekonomiczne, lecz również przez dyskrecjonalne wybory kierownictwa, mechanizmy wynagradzania zarządów, strukturę właścicielską oraz bodźce płynące z rynku kapitałowego.

Szczególną wartość poznawczą zyskuje zatem analiza odpisów aktualizujących w warunkach kryzysu egzogenicznego, jakim była pandemia COVID-19. Z jednej strony, kryzys ten doprowadził do obiektywnego obniżenia wartości ekonomicznej aktywów w wielu sektorach gospodarki, tworząc uzasadnione przesłanki do rozpoznania odpisów aktualizujących. Z drugiej strony, wyjątkowość sytuacji epidemicznej, trudność prognozowania przyszłych przepływów pieniężnych w warunkach skrajnej niepewności oraz aktywna interwencja regulatorów — w tym wytyczne Europejskiego Urzędu Nadzoru Giełd i Papierów Wartościowych dotyczące przeprowadzania testów na utratę wartości w dobie pandemii — stworzyły kontekst, w którym granica między rachunkowym odzwierciedleniem realnych strat ekonomicznych a zarządzaniem wynikiem finansowym mogła ulegać zatarciu. Zrozumienie mechanizmów rządzących odpisami aktualizującymi w tym wyjątkowym okresie ma zatem doniosłe znaczenie zarówno dla teorii rachunkowości, jak i dla praktyki regulacyjnej, nadzorczej i inwestycyjnej.

W polskim piśmiennictwie naukowym tematyka odpisów aktualizujących wartość aktywów doczekała się stosunkowo ograniczonej eksploracji empirycznej. Istniejące opracowania koncentrują się na zagadnieniach metodycznych, analizie regulacji prawnych bądź studiach przypadku wybranych spółek. Brakuje natomiast kompleksowych, długookresowych badań panelowych obejmujących reprezentatywną próbę spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie, które łączyłyby analizę skali i struktury odpisów aktualizujących z oceną jakości ujawnień informacyjnych oraz reakcją rynku kapitałowego — i to w kontekście szoku egzogenicznego, jakim była pandemia COVID-19. Niniejsza praca podejmuje próbę wypełnienia tej luki badawczej.

Głównym celem pracy jest empiryczna weryfikacja wpływu pandemii COVID-19 na skalę, strukturę i jakość raportowania odpisów aktualizujących wartość aktywów w spółkach giełdowych notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 2018–2022. Celowi głównemu podporządkowane są cztery cele szczegółowe. Po pierwsze, ocena, czy pandemia COVID-19 wywołała statystycznie istotny wzrost łącznej wartości rozpoznawanych odpisów aktualizujących w porównaniu z okresem przedpandemicznym. Po drugie, zbadanie, czy wpływ pandemii na odpisy aktualizujące był zróżnicowany w zależności od przynależności sektorowej spółki, co pozwoliłoby na identyfikację branż szczególnie narażonych na ryzyko utraty wartości aktywów. Po trzecie, analiza struktury rodzajowej odpisów aktualizujących — ze szczególnym uwzględnieniem wartości firmy, rzeczowych aktywów trwałych oraz aktywów z tytułu praw do użytkowania — i weryfikacja, które kategorie aktywów doświadczyły największego wzrostu odpisów w okresie pandemicznym. Po czwarte, zbadanie relacji między istotnością ekonomiczną dokonanych odpisów a reakcją rynku kapitałowego mierzoną skumulowaną ponadnormalną stopą zwrotu, a także ocena jakości ujawnień informacyjnych spółek giełdowych w zakresie testów na utratę wartości i jej związku z cenową efektywnością komunikacji z rynkiem.

W oparciu o sformułowane cele badawcze oraz przegląd literatury przedmiotu postawione zostały cztery hipotezy badawcze. Hipoteza pierwsza zakłada, że pandemia COVID-19 spowodowała statystycznie istotny wzrost skali odpisów aktualizujących wartość aktywów w spółkach giełdowych notowanych na GPW w porównaniu z okresem 2018–2019. Hipoteza ta odwołuje się do mechanizmów makroekonomicznych charakterystycznych dla kryzysu pandemicznego — gwałtownego skurczenia popytu, przerwania łańcuchów dostaw, zamknięcia działalności w kluczowych sektorach — które z rachunkowego punktu widzenia przekładają się na obniżenie wartości odzyskiwalnej aktywów, zwłaszcza w jednostkach generujących środki pieniężne silnie powiązanych z realną aktywnością gospodarczą.

Hipoteza druga zakłada, że wpływ pandemii na odpisy aktualizujące wartość aktywów był istotnie zróżnicowany sektorowo, przy czym spółki z sektorów bezpośrednio dotkniętych restrykcjami epidemicznymi — takich jak transport, hotelarstwo oraz handel detaliczny — wykazały wyższy wzrost odpisów niż spółki z sektorów względnie odpornych lub beneficjentów kryzysu, takich jak informatyka, e-commerce i farmaceutyka. Zróżnicowanie sektorowe wynika z asymetrycznego rozkładu ekonomicznych skutków pandemii i stanowi naturalną konsekwencję specyfiki poszczególnych modeli biznesowych w kontekście szoku epidemicznego.

Hipoteza trzecia stwierdza, że w strukturze rodzajowej odpisów aktualizujących dominujący wzrost w okresie pandemicznym wykazały wartość firmy oraz aktywa z tytułu praw do użytkowania w rozumieniu MSSF 16. Wartość firmy, jako aktywo niematerialne nieoddające się amortyzacji i poddawane obowiązkowym corocznym testom na utratę wartości, jest szczególnie wrażliwa na pogorszenie długoterminowych prognoz przepływów pieniężnych, co — w warunkach pandemicznej niepewności — powinno znaleźć wyraz w istotnym wzroście odpisów. Aktywa z tytułu praw do użytkowania, wprowadzone do bilansów spółek stosujących MSSF w wyniku wejścia w życie MSSF 16 od 2019 roku, stały się natomiast nową kategorią aktywów o znaczącej ekspozycji na ryzyko utraty wartości w branżach opartych na wynajmie nieruchomości i parku maszynowego.

Hipoteza czwarta zakłada, że rozpoznanie istotnego odpisu aktualizującego wartość aktywów wiązało się z negatywną skumulowaną ponadnormalną stopą zwrotu w oknie zdarzeniowym obejmującym publikację sprawozdania finansowego. Hipoteza ta wpisuje się w nurt badań nad informacyjną efektywnością rynku i sposobem, w jaki inwestorzy inkorporują informacje zawarte w sprawozdaniach finansowych w ceny akcji. Jednocześnie sformułowana hipoteza czwarta jest hipotezą kierunkową, a nie absolutną — pandemia mogła bowiem sprawić, że część informacji o odpisach była przez rynek antycypowana wcześniej, co osłabiłoby siłę reakcji cenowej w oknie zdarzeniowym.

Badanie empiryczne zostało przeprowadzone na próbie dwustu spółek giełdowych notowanych na rynku głównym Giełdy Papierów Wartościowych w Warszawie, sporządzających sprawozdania finansowe zgodnie z Międzynarodowymi Standardami Sprawozdawczości Finansowej. Okres analizy obejmuje lata 2018–2022, co pozwala na porównanie dwóch lat przedpandemicznych (2018–2019), roku szoku pandemicznego (2020), roku utrzymującego się kryzysu (2021) oraz roku stopniowej normalizacji (2022), tworząc zbalansowany panel danych złożony z tysiąca obserwacji jednostka-rok obejmujących jedenaście sektorów gospodarki. Dane finansowe zostały pozyskane z bazy Notoria Serwis oraz systemu Infostrefa GPW, natomiast dane kursowe — z serwisu Stooq.pl.

W badaniu zastosowano zróżnicowany aparat metodologiczny, dostosowany do charakteru kolejnych pytań badawczych. Do weryfikacji istotności statystycznej różnic między podokresami pandemicznym i przedpandemicznym wykorzystano nieparametryczne testy Wilcoxona i Manna-Whitneya, odporne na odchylenia od normalności rozkładów, które są typowe dla zmiennych finansowych. Analiza determinant sektorowych odpisów aktualizujących została przeprowadzona przy użyciu regresji panelowej z efektami stałymi lub losowymi, przy czym wyboru specyfikacji dokonano na podstawie testu Hausmana. Badanie reakcji rynku na informacje o odpisach zostało zrealizowane metodą analizy zdarzeń opartą na modelu rynkowym, umożliwiającą wyodrębnienie skumulowanej ponadnormalnej stopy zwrotu w zdefiniowanych oknach zdarzeniowych. Ocena jakości ujawnień informacyjnych w zakresie odpisów aktualizujących była prowadzona za pomocą indeksu jakości ujawnień skonstruowanego na podstawie wymogów MSR 36, paragrafów 134–136, oraz wytycznych ESMA.

Praca składa się z czterech rozdziałów merytorycznych poprzedzonych niniejszym wstępem oraz zamkniętych zakończeniem. Rozdział pierwszy ma charakter teoretyczno-regulacyjny i poświęcony jest podstawom rachunkowości odpisów aktualizujących wartość aktywów. Omówiono w nim pojęcie i istotę odpisu aktualizującego jako korekty wartości bilansowej składnika aktywów do poziomu wartości odzyskiwalnej, regulacje prawne obowiązujące w Polsce i na poziomie międzynarodowym, w tym ustawę o rachunkowości, Krajowy Standard Rachunkowości nr 4 oraz Międzynarodowe Standardy Rachunkowości 36 i Standardy Sprawozdawczości Finansowej 9, a także szczegółową metodologię testowania aktywów na utratę wartości, obejmującą identyfikację ośrodków wypracowujących środki pieniężne, szacowanie wartości użytkowej i wartości godziwej, oraz określanie przesłanek utraty wartości. Ponadto rozdział pierwszy poddaje analizie determinanty odpisów aktualizujących wskazane w literaturze rachunkowości, ze szczególnym uwzględnieniem teorii agencji, strategii zarządzania wynikiem finansowym, konserwatyzmu rachunkowości oraz czynników makroekonomicznych, a także omawia obowiązki informacyjne spółek giełdowych w zakresie ujawnień dotyczących odpisów wynikające z rozporządzenia MAR, MSR 36 i wytycznych ESMA.

Rozdział drugi charakteryzuje pandemię COVID-19 jako egzogeniczny szok dla gospodarki i rynków kapitałowych. Przedstawiono w nim przebieg i skalę pandemii, jednoczesne oddziaływanie szoku na stronę popytową i podażową gospodarki, wielofalowość kryzysu oraz jego makroekonomiczne skutki mierzone zmianami PKB, stopą bezrobocia i wskaźnikami aktywności sektorowej. Szczegółowo omówiono reakcje rynków kapitałowych, w tym gwałtowne spadki indeksów giełdowych na Giełdzie Papierów Wartościowych w Warszawie w marcu 2020 roku, wzrost miar zmienności oraz stopniową stabilizację rynku. Rozdział ten zawiera również analizę regulacyjnych i nadzorczych odpowiedzi na pandemię, obejmującą krajowe instrumenty polityki fiskalnej (tarcze antykryzysowe) oraz stanowiska ESMA dotyczące implikacji pandemii dla sporządzania sprawozdań finansowych, a w szczególności przeprowadzania testów na utratę wartości aktywów. Rozdział kończy analiza sektorowego zróżnicowania skutków pandemii, stanowiąca fundament dla hipotezy drugiej badania empirycznego.

Rozdział trzeci opisuje projekt badania empirycznego stanowiącego rdzeń niniejszej pracy. Przedstawione zostały w nim: cel i pytania badawcze, hipotezy badawcze wraz z uzasadnieniem ich sformułowania, procedura doboru próby i jej charakterystyka, źródła i sposób gromadzenia danych, operacjonalizacja zmiennych zależnych, niezależnych i kontrolnych, oraz szczegółowy opis zastosowanych metod statystycznych — testów nieparametrycznych, modeli regresji panelowej i metodologii analizy zdarzeń. Omówiono również ograniczenia metodologiczne badania oraz działania podjęte w celu zapewnienia rzetelności i wiarygodności uzyskanych wyników.

Rozdział czwarty prezentuje wyniki badania empirycznego, zorganizowane wokół czterech hipotez badawczych. Każda z hipotez jest weryfikowana przy użyciu odpowiednich narzędzi statystycznych, a wyniki są konfrontowane z ustaleniami literatury zagranicznej i dorobkiem badań nad polskim rynkiem kapitałowym. Rozdział ten obejmuje analizę dynamiki i struktury odpisów aktualizujących w próbie badawczej w przekroju lat, sektorów i kategorii aktywów, wyniki testów statystycznych dotyczących istotności zmian w okresie pandemicznym, rezultaty modeli regresji panelowej wyjaśniających determinanty sektowych różnic w skali odpisów, wyniki analizy zdarzeń w kontekście rynkowej reakcji na informacje o odpisach, a także charakterystykę indeksu jakości ujawnień i jego związek z antycypacyjną efektywnością cen akcji.

Praca zamknięta jest zakończeniem, w którym dokonano syntezy wyników wszystkich czterech hipotez badawczych, sformułowano rekomendacje praktyczne adresowane do standardodawców rachunkowości, organów regulacyjnych i nadzorczych oraz zarządów spółek giełdowych, a także wskazano ograniczenia przeprowadzonego badania i kierunki dalszych poszukiwań naukowych w obszarze odpisów aktualizujących wartość aktywów w kontekście kryzysów egzogenicznych.

Rozdział 1. Odpisy aktualizujące wartość aktywów — podstawy teoretyczne i regulacyjne

1.1. Pojęcie, istota i funkcje odpisów aktualizujących wartość aktywów

Odpis aktualizujący wartość aktywów stanowi jeden z fundamentalnych instrumentów rachunkowości finansowej, służący zapewnieniu, że wartość bilansowa składnika aktywów nie przekracza jego wartości odzyskiwalnej. Korekta ta jest dokonywana w momencie, gdy wartość odzyskiwalna — rozumiana jako wyższa z dwóch kwot: wartości użytkowej oraz wartości godziwej pomniejszonej o koszty zbycia — okazuje się niższa od dotychczasowej wartości bilansowej netto. W sensie formalnym odpis aktualizujący ujmowany jest jako koszt okresu, w którym utrata wartości została zidentyfikowana, co bezpośrednio wpływa na wynik finansowy jednostki oraz na strukturę jej bilansu. Instytucja odpisu aktualizującego wpisuje się w szeroko rozumianą zasadę ostrożności, nakazującą rozpoznawanie przewidywanych strat natychmiast po ich identyfikacji, podczas gdy analogiczne zyski wykazywane są dopiero w chwili ich faktycznej realizacji.

W piśmiennictwie rachunkowości istotne jest precyzyjne rozróżnienie między odpisem aktualizującym a amortyzacją, choć obie kategorie zmniejszają wartość bilansową aktywów trwałych. Amortyzacja odzwierciedla systematyczne rozłożenie kosztu nabycia lub wytworzenia składnika aktywów na przestrzeni przewidywanego okresu jego użytkowania ekonomicznego i wynika z fizycznego zużycia lub przestarzałości technologicznej następujących w sposób zaplanowany. Odpis aktualizujący natomiast nie jest zaplanowany — stanowi reakcję na zdarzenia lub zmiany warunków zewnętrznych i wewnętrznych, które powodują, że wartość bilansowa netto danego składnika aktywów przekracza możliwe do uzyskania z tego składnika korzyści ekonomiczne. Różnica jest zatem jakościowa: amortyzacja jest wyrazem systematycznej alokacji kosztu, podczas gdy odpis jest wyrazem stwierdzenia, że zasób utracił zdolność generowania oczekiwanych korzyści ekonomicznych w stopniu większym niż wynikałoby to z normalnego zużycia. Konsekwencje tej różnicy sięgają zarówno poziomu prezentacji w sprawozdaniu finansowym, jak i zasad podatkowych oraz implikacji dla oceny wartości przedsiębiorstwa przez inwestorów.

Kolejnym pojęciem wymagającym rozróżnienia jest podział odpisów aktualizujących na trwałe i przejściowe. Odpis trwały dokumentuje nieodwracalną utratę wartości — typową dla fizycznego zniszczenia aktywów, utraty tytułu prawnego lub nieodwracalnej zmiany technologicznej. Odpis przejściowy z kolei odzwierciedla przejściowe pogorszenie warunków rynkowych, które w przyszłości może ulec odwróceniu; podlega on stosownemu odwróceniu w momencie, gdy wartość odzyskiwalna ponownie przekroczy wartość bilansową. Wyjątek od zasady odwracalności odpisów stanowi wartość firmy (goodwill) — aktywo niematerialne powstające przy połączeniu jednostek gospodarczych — której odpis aktualizujący, raz ujęty, nie może zostać odwrócony nawet wówczas, gdy warunki uzasadniające jego pierwotne ujęcie ustąpią. Regulacja ta wynika z obawy przed manipulowaniem wynikami finansowymi poprzez sztuczne odwracanie odpisów na goodwill w korzystnych koniunkturalnie momentach.

Funkcje odpisów aktualizujących mają wielowymiarowy charakter i odnoszą się zarówno do samego emitenta, jak i do zewnętrznych interesariuszy sprawozdania finansowego. Najważniejszą z funkcji jest funkcja wiernego obrazu (true and fair view), wyrażająca naczelną zasadę rachunkowości finansowej, zgodnie z którą sprawozdanie finansowe powinno przedstawiać prawdziwy i rzetelny obraz sytuacji majątkowej, finansowej i wynikowej jednostki. Funkcja ta zobowiązuje kierownictwo do systematycznej weryfikacji, czy wartości bilansowe aktywów są uzasadnione aktualną zdolnością tych aktywów do generowania korzyści ekonomicznych. W wymiarze zewnętrznym szczególne znaczenie ma funkcja informacyjna odpisów — dostarczają one sygnałów inwestorom, kredytodawcom i innym uczestnikom rynku o pogorszeniu perspektyw operacyjnych lub finansowych jednostki, umożliwiając dostosowanie oczekiwań i wyceny rynkowej. Trzecia z kluczowych funkcji to funkcja ochronna wierzyciela, realizowana poprzez zasadę ostrożności: ujęcie odpisu zmniejsza wykazywany zysk, co ogranicza kwotę potencjalnej dywidendy i zachowuje aktywa netto na poziomie wystarczającym do zaspokojenia roszczeń wierzycieli.

Zakres aktywów podlegających weryfikacji wartości jest szeroki i obejmuje zasadniczo wszystkie składniki aktywów trwałych oraz wybrane aktywa obrotowe. W pierwszej kolejności wymienić należy wartość firmy (goodwill), która jako aktywo niematerialne o nieokreślonym okresu użytkowania podlega obligatoryjnemu corocznemu testowi na utratę wartości niezależnie od występowania przesłanek wskazujących na utratę. Podobne traktowanie dotyczy wartości niematerialnych i prawnych o nieokreślonym okresie użytkowania, takich jak licencje wieczyste, znaki towarowe czy relacje z klientami nabyte w ramach połączeń jednostek. Rzeczowe aktywa trwałe — nieruchomości, maszyny, urządzenia techniczne, środki transportu — podlegają weryfikacji jedynie wówczas, gdy zidentyfikowane zostaną przesłanki utraty wartości. Analogicznie traktowane są aktywa z tytułu praw do użytkowania ujęte na mocy Międzynarodowego Standardu Sprawozdawczości Finansowej (MSSF) 16. Odrębną kategorię stanowią zapasy, weryfikowane do wartości netto możliwej do uzyskania zgodnie z Międzynarodowym Standardem Rachunkowości (MSR) 2, należności i aktywa finansowe objęte modelem oczekiwanych strat kredytowych (ECL — Expected Credit Loss) przewidzianym w MSSF 9, oraz aktywa z tytułu odroczonego podatku dochodowego, których wartość jest oceniana pod kątem prawdopodobieństwa przyszłego odliczenia.

Tabela 1.1. Klasyfikacja aktywów podlegających weryfikacji wartości i właściwe regulacje
Kategoria aktywów	Podstawa regulacyjna	Częstotliwość testu	Odwracalność odpisu
Wartość firmy (goodwill)	MSR 36	Coroczna (obligatoryjna)	Brak
WNiP o nieokreślonym okresie użytkowania	MSR 36	Coroczna (obligatoryjna)	Tak
Rzeczowe aktywa trwałe	MSR 36	Na przesłankę	Tak
Aktywa z tytułu praw do użytkowania	MSR 36 / MSSF 16	Na przesłankę	Tak
Zapasy	MSR 2	Na każdy dzień bilansowy	Tak
Aktywa finansowe / należności	MSSF 9 (model ECL)	Ciągła (każdy dzień bilansowy)	Tak (poprzez cofnięcie straty)
Aktywa z tytułu odroczonego podatku	MSR 12	Na każdy dzień bilansowy	Tak

Skutki prezentacyjne odpisów aktualizujących mają daleko idące konsekwencje dla obrazu finansowego jednostki. Ujęcie odpisu skutkuje bezpośrednim obciążeniem rachunku zysków i strat — w przypadku aktywów wycenianych według modelu kosztu historycznego — lub zmniejszeniem skumulowanych pozostałych całkowitych dochodów — w przypadku aktywów wycenianych według modelu wartości przeszacowanej. Obniżenie wartości bilansowej aktywów wpływa na strukturę bilansu, pogarsza wskaźniki rentowności aktywów (ROA) oraz zmniejsza wartość aktywów netto. W kontekście spółek giełdowych odpis na goodwill, wynikający z nabycia innej jednostki po cenie przewyższającej wartość godziwą jej aktywów netto, stanowi szczególnie wyraźny sygnał dla uczestników rynku — dowodzi bowiem, że korzyści oczekiwane w momencie nabycia nie zmaterializowały się w zakładanym wymiarze. Warunki odwracania odpisów są ściśle uregulowane: dla aktywów innych niż goodwill odwrócenie jest możliwe, gdy nastąpi zmiana szacunków użytych przy wyznaczaniu wartości odzyskiwalnej, przy czym wartość bilansowa po odwróceniu nie może przekroczyć wartości, jaka byłaby wykazana, gdyby odpis nie był nigdy ujmowany.

1.2. Regulacje krajowe i międzynarodowe w zakresie utraty wartości aktywów

Regulacje dotyczące utraty wartości aktywów funkcjonują na kilku poziomach prawnych: prawa unijnego w zakresie standardów rachunkowości stosowanych przez spółki notowane, krajowych przepisów ustawy o rachunkowości oraz standardów rachunkowości wydawanych przez Komitet Standardów Rachunkowości. Centralnym aktem regulacyjnym dla spółek stosujących Międzynarodowe Standardy Sprawozdawczości Finansowej jest MSR 36 „Utrata wartości aktywów”, opublikowany przez Radę Międzynarodowych Standardów Rachunkowości (RMSR). Standard ten od wejścia w życie przeszedł kilka istotnych rewizji — najważniejsza z nich miała miejsce w 2004 roku w ramach projektu połączeń jednostek gospodarczych (MSSF 3), kiedy to zniesiono planową amortyzację goodwill na rzecz corocznego testu na utratę wartości. Obowiązek stosowania MSSF przez spółki publiczne na terenie Unii Europejskiej wynika z Rozporządzenia (WE) nr 1606/2002 Parlamentu Europejskiego i Rady, które nakazuje skonsolidowanym sprawozdaniom finansowym emitentów papierów wartościowych notowanych na regulowanych rynkach UE spełniać wymogi MSSF przyjętych do stosowania w UE.

MSR 36 obejmuje swoim zakresem podmiotowym większość aktywów trwałych i wartości niematerialnych, natomiast wyraźnie wyłącza z zastosowania szereg kategorii regulowanych odrębnymi standardami. Wyłączenia te obejmują: zapasy wyceniane zgodnie z MSR 2, aktywa z tytułu umów z klientami ujmowane na podstawie MSSF 15, aktywa z tytułu podatku dochodowego (w tym odroczone) regulowane przez MSR 12, aktywa z tytułu świadczeń pracowniczych podlegające MSR 19 oraz aktywa finansowe zaliczane w zakresie MSSF 9. Wyłączenie aktywów finansowych z MSR 36 na rzecz MSSF 9 ma fundamentalne znaczenie dla spółek z sektora finansowego oraz dla jednostek posiadających rozbudowane portfele instrumentów finansowych — oznacza bowiem zastosowanie odmiennej logiki rozpoznawania utraty wartości, opartej na modelu oczekiwanych strat kredytowych, a nie na modelu strat poniesionych, który historycznie był stosowany zgodnie z MSR 39.

MSSF 9 „Instrumenty finansowe”, który zastąpił MSR 39 z dniem 1 stycznia 2018 roku, wprowadził istotną reformę rachunkowości strat kredytowych. Model oczekiwanych strat kredytowych (ECL) wymaga ujęcia rezerwy na straty kredytowe od momentu początkowego ujęcia instrumentu finansowego, bez konieczności oczekiwania na obiektywne przesłanki utraty wartości. Standard wyróżnia trzy etapy klasyfikacji ekspozycji kredytowych w zależności od oceny zmiany ryzyka kredytowego:

Etap 1 (Stage 1) — ekspozycje, których ryzyko kredytowe nie wzrosło istotnie od momentu ujęcia; rezerwa odpowiada 12-miesięcznym oczekiwanym stratom kredytowym, a przychody odsetkowe wykazywane są od wartości brutto;
Etap 2 (Stage 2) — ekspozycje, których ryzyko kredytowe wzrosło istotnie, lecz nie nastąpiło niewykonanie zobowiązania; rezerwa odpowiada oczekiwanym stratom w całym pozostałym okresie życia instrumentu, przychody odsetkowe nadal liczone od wartości brutto;
Etap 3 (Stage 3) — ekspozycje z niewykonaniem zobowiązania lub stwierdzoną utratą wartości; rezerwa obejmuje całkowite oczekiwane straty przez okres życia, a przychody odsetkowe wykazywane są od wartości netto (po odliczeniu rezerwy).

Zastosowanie modelu ECL w warunkach pandemii COVID-19 okazało się szczególnie złożonym wyzwaniem regulacyjnym. Konieczność uwzględnienia ekstremalnych i niepewnych scenariuszy makroekonomicznych w prognozach strat kredytowych wymusiła istotne zmiany w podejściu instytucji finansowych do parametryzacji modeli, co znalazło odzwierciedlenie w wytycznych nadzorczych Europejskiego Urzędu Nadzoru Bankowego (EBA) oraz organów nadzoru krajowego.

Obok MSSF 9 istotną rolę odgrywa standard MSR 36 w części poświęconej aktywom finansowym ujmowanym metodą praw własności, aktywom wchodzącym w skład grup zbycia klasyfikowanych jako przeznaczone do sprzedaży (MSSF 5) oraz instrumentom kapitałowym wycenianym w wartości godziwej przez pozostałe całkowite dochody. Szczególnie złożoną kwestią jest wzajemne oddziaływanie MSR 36 i MSSF 16 „Leasing”, obowiązującego od 1 stycznia 2019 roku. Aktywa z tytułu praw do użytkowania, ujmowane w bilansie leasingobiorców, podlegają testowi na utratę wartości zgodnie z MSR 36 — co oznacza, że pogorszenie warunków rynkowych, skutkujące utratą wartości użytkowej leasingowanego składnika aktywów, wymaga ujęcia odpisu. W dobie pandemii kwestia ta stała się szczególnie doniosła dla branży lotniczej, hotelarskiej i handlu detalicznego, w których floty samolotów, nieruchomości hotelowe i powierzchnie handlowe będące przedmiotem umów leasingowych doświadczyły dramatycznego spadku generowanych przepływów pieniężnych.

Na gruncie prawa krajowego Ustawa z dnia 29 września 1994 roku o rachunkowości reguluje odpisy aktualizujące wartość aktywów dla jednostek niestosujących MSSF. Zasadniczą regulację w tym zakresie stanowią art. 28 ust. 1 pkt 1 i 1a (wycena składników majątku trwałego), art. 35b (odpisy aktualizujące należności) oraz art. 34 ust. 5 (wycena zapasów). Uzupełnieniem ustawy jest Krajowy Standard Rachunkowości (KSR) nr 4 „Utrata wartości aktywów”, który analogicznie do MSR 36 opisuje procedurę identyfikacji przesłanek utraty wartości, metodologię wyznaczania wartości użytkowej oraz wymogi ujawnień. KSR nr 4 wykazuje daleko idące podobieństwo strukturalne do MSR 36, niemniej różni się w zakresie wymaganych ujawnień — generalnie mniej szczegółowych — oraz zasad alokacji aktywów do ośrodków wypracowujących środki pieniężne, która w warunkach krajowych ma charakter mniej sformalizowany.

Tabela 1.2. Porównanie kluczowych wymogów MSR 36 i KSR nr 4 w zakresie odpisów aktualizujących
Kryterium porównania	MSR 36	KSR nr 4
Zakres aktywów	Aktywa trwałe (z wyłączeniami), goodwill	Aktywa trwałe i obrotowe (szerszy zakres)
Test coroczny	Goodwill i WNiP o nieokreślonym okresie użytkowania	Nie wyróżnia kategorii obligatoryjnych
Wartość odzyskiwalna	Wyższa z: VIU i FVLCTS	Analogicznie: wyższa z: wartości użytkowej i ceny sprzedaży netto
Alokacja do CGU	Obligatoryjna, szczegółowe wymogi	Dopuszczalna, mniej sformalizowana
Ujawnienia	Rozbudowane (par. 126–137)	Uproszczone
Odwracalność odpisu na goodwill	Brak	Brak

Zrozumienie ram regulacyjnych wymaga także uwzględnienia aktów prawa unijnego o charakterze interpretacyjnym i nadzorczym. Europejski Urząd Nadzoru Giełd i Papierów Wartościowych (ESMA) systematycznie wydaje wytyczne w zakresie stosowania MSSF, w tym dotyczące wymagań ujawnień przy odpisach na goodwill. Szczególnie istotne były komunikaty ESMA z okresu pandemii, zawierające oczekiwania dotyczące sposobu uwzględniania skutków COVID-19 w prognozach przepływów pieniężnych, doborze stóp dyskontowych i zakresie ujawnień o niepewności szacunków. Wytyczne te, choć niewiążące prawnie, wywierały w praktyce silny wpływ na postępowanie biegłych rewidentów i audytorów przy ocenie sprawozdań spółek giełdowych za lata 2020–2022.

1.3. Metodologia testowania aktywów na utratę wartości

Procedura testowania aktywów na utratę wartości zgodnie z MSR 36 ma strukturę dwustopniową. W pierwszym etapie jednostka identyfikuje, czy istnieją przesłanki wskazujące na utratę wartości — przy czym w odniesieniu do goodwill i wartości niematerialnych o nieokreślonym okresie użytkowania etap ten jest pomijany, a test przeprowadzany jest obligatoryjnie co roku. W drugim etapie, gdy przesłanki zostaną stwierdzone (lub gdy dotyczy to aktywów objętych obowiązkiem corocznego testu), wyznaczana jest wartość odzyskiwalna i porównywana z wartością bilansową. Jeżeli wartość bilansowa przewyższa wartość odzyskiwalną, różnica ujmowana jest jako odpis aktualizujący.

Katalog zewnętrznych przesłanek utraty wartości, enumeratywnie wskazanych w MSR 36, obejmuje szereg czynników makroekonomicznych i rynkowych. Standard wskazuje w szczególności:

istotny i nieoczekiwany spadek wartości rynkowej składnika aktywów, niewynikający z normalnego zużycia i upływu czasu;
negatywne zmiany w otoczeniu technologicznym, rynkowym, ekonomicznym lub prawnym, w którym jednostka działa lub dla którego dany składnik aktywów jest przeznaczony;
wzrost rynkowych stóp procentowych lub innych rynkowych stóp zwrotu z inwestycji, prawdopodobnie wpływający na stopę dyskontową i obniżający wartość użytkową aktywów;
wartość bilansową aktywów netto jednostki przekraczającą jej kapitalizację rynkową;
dostępność dowodów na przesłanki wewnętrzne, takie jak starzenie się lub fizyczne uszkodzenie składnika aktywów, istotne zmiany w sposobie lub zakresie użytkowania, wyniki ekonomiczne składnika gorsze od oczekiwanych.

Wybuch pandemii COVID-19 wiosną 2020 roku spełniał wiele z powyższych przesłanek jednocześnie, tworząc wyjątkowo silny impuls do przeprowadzenia niestandardowych testów na utratę wartości przez spółki giełdowe na całym świecie.^{[20, s. 1993]} Drastyczne spadki kapitalizacji rynkowej, gwałtowne pogorszenie wyników finansowych i prognoz, a także strukturalne zmiany w warunkach prowadzenia działalności w wielu sektorach stanowiły przesłanki niemożliwe do zignorowania przez biegłych rewidentów i organy nadzoru.

Kluczową kategorią metodologiczną w ramach MSR 36 jest wartość użytkowa (VIU — Value in Use), wyznaczana jako bieżąca wartość przyszłych przepływów pieniężnych oczekiwanych z dalszego użytkowania składnika aktywów oraz jego ostatecznego zbycia. Sporządzanie prognoz przepływów pieniężnych wymaga uwzględnienia rozsądnych i możliwych do uzasadnienia założeń odnośnie do warunków ekonomicznych w całym pozostałym okresie użytkowania składnika. MSR 36 wskazuje, że prognozy szczegółowe obejmują zazwyczaj horyzont nieprzekraczający pięciu lat, natomiast przepływy po tym horyzoncie ekstrapolowane są przy użyciu ustabilizowanej lub malejącej stopy wzrostu — co do zasady nieprzekraczającej długoterminowej stopy wzrostu produktu krajowego brutto lub branży. Przyjęcie zbyt optymistycznych założeń wzrostowych jest jednym z najczęściej kwestionowanych przez audytorów elementów testów na utratę wartości.

Dobór stopy dyskontowej ma fundamentalne znaczenie dla wyniku testu. Zgodnie z MSR 36 stopę dyskontową wyznacza się jako stopę przed opodatkowaniem odzwierciedlającą bieżące rynkowe szacunki wartości pieniądza w czasie i ryzyka charakterystycznego dla danego składnika aktywów. W praktyce stopę tę często wyprowadza się ze średnioważonego kosztu kapitału (WACC — Weighted Average Cost of Capital) przedsiębiorstwa lub grupy porównawczej, skorygowanego o efekt tarczy podatkowej. Wzrost rynkowych stóp procentowych — obserwowany w latach 2021–2023 w następstwie polityki monetarnej banków centralnych reagujących na inflację — miał bezpośredni wpływ na wzrost stóp dyskontowych, co przy niezmienionych prognozach przepływów pieniężnych prowadzi do obniżenia wartości użytkowej i zwiększenia prawdopodobieństwa konieczności ujęcia odpisu. Efekt ten był szczególnie dotkliwy dla spółek technologicznych i mediowych, posiadających rozbudowane portfele aktywów niematerialnych.

Centralnym pojęciem metodologicznym jest ośrodek wypracowujący środki pieniężne (CGU — Cash Generating Unit), zdefiniowany jako możliwie najmniejsza identyfikowalna grupa aktywów, która generuje wpływy pieniężne niezależne od wpływów innych aktywów lub grup aktywów. Koncepcja CGU powstała jako odpowiedź na praktyczny problem, że większości aktywów nie można przypisać niezależnych wpływów pieniężnych — typowy środek trwały funkcjonuje jako element zintegrowanego procesu produkcyjnego i nie generuje przepływów pieniężnych w izolacji. Wyodrębnienie CGU wymaga profesjonalnego osądu i jest obszarem, w którym jednostki dysponują znaczną swobodą — co z kolei otwiera możliwości zarządzania wynikami finansowymi poprzez manipulowanie granicami CGU. Goodwill, wynikający z nabycia jednostki, jest alokowany do CGU lub grup CGU, które oczekiwane są na korzystanie z synergii połączenia — i test na utratę wartości goodwill przeprowadzany jest na poziomie tych CGU.

Schemat procedury testowania na utratę wartości wg MSR 36

1. Identyfikacja przesłanek (zewnętrznych i wewnętrznych)
↓
2. Wyodrębnienie składnika aktywów lub CGU
↓
3. Wyznaczenie wartości bilansowej
↓
4. Wyznaczenie wartości odzyskiwalnej = max(VIU, FVLCTS)
↓
5. Porównanie: wartość bilansowa vs. wartość odzyskiwalna
↓
6a. Brak odpisu: wartość bilansowa ≤ wartość odzyskiwalna
6b. Ujęcie odpisu: wartość bilansowa > wartość odzyskiwalna → różnica = odpis

Rysunek 1.1. Uproszczony schemat procedury testowania aktywów na utratę wartości zgodnie z MSR 36

Obok wartości użytkowej MSR 36 przewiduje alternatywną podstawę wyznaczenia wartości odzyskiwalnej w postaci wartości godziwej pomniejszonej o koszty zbycia (FVLCTS — Fair Value Less Costs to Sell). Jest ona wyznaczana przy zastosowaniu hierarchii wartości godziwej analogicznej do tej, którą przewiduje MSSF 13 „Wycena wartości godziwej”: ceny z aktywnego rynku (poziom 1), ceny transakcji porównywalnych lub techniki wyceny oparte na obserwowalnych danych rynkowych (poziom 2) oraz techniki wyceny oparte na nieobserwowalnych danych (poziom 3). W warunkach pandemii, gdy wolumen transakcji na rynku aktywów korporacyjnych drastycznie zmalał, zastosowanie metod opartych na danych rynkowych stało się znacznie trudniejsze, a jednostki były niejako zmuszone do oparcia się na technikach zdyskontowanych przepływów pieniężnych — co zwiększało subiektywizm wyceny i kładło większy nacisk na jakość ujawnień dotyczących kluczowych założeń.

Do typowych pułapek metodologicznych testów na utratę wartości zalicza się przede wszystkim: nadmierny optymizm prognoz przychodów w horyzoncie projekcji szczegółowej; niedostateczne uwzględnienie ryzyka specyficznego dla danego składnika aktywów lub CGU w stopie dyskontowej; nieprawidłowe wyodrębnienie CGU skutkujące tzw.^{[21, s. 291]} umbrella effect, polegającym na ukrywaniu utrat wartości silniejszych aktywów pod skrzydłem rentownych składników grupy; a także opóźnianie rozpoznania odpisu poprzez odkładanie testu na koniec roku obrotowego, mimo wyraźnych przesłanek śródrocznych. Biegli rewidenci przykładają szczególną wagę do analizy wrażliwości kluczowych założeń — standardowo weryfikowane jest, o ile musiałaby spaść stopa wzrostu lub o ile musiałaby wzrosnąć stopa dyskontowa, aby wartość odzyskiwalna zrównała się z wartością bilansową.

1.4. Determinanty odpisów aktualizujących w świetle teorii finansów i rachunkowości

Analiza determinant odpisów aktualizujących wartość aktywów sytuuje się na styku teorii rachunkowości, ekonomii finansowej i teorii agencji. Badania empiryczne jednoznacznie wskazują, że decyzje o dokonaniu odpisu — a w szczególności o jego czasie i skali — są kształtowane nie tylko przez obiektywne zmiany wartości ekonomicznej aktywów, lecz również przez czynniki behawioralne, motywacje menedżerskie i uwarunkowania kontraktowe. Wielowymiarowość determinant odpisów sprawia, że stanowią one bogate pole badań akademickich, których wyniki mają bezpośrednie implikacje dla zrozumienia jakości sprawozdań finansowych.

Centralnym pojęciem teorii z zakresu zarządzania zyskami (earnings management) jest hipoteza „wielkiej kąpieli” (big bath accounting). Zgodnie z tą hipotezą menedżerowie podejmują decyzję o dokonaniu wyjątkowo dużych odpisów aktualizujących w momentach, kiedy wyniki finansowe są i tak słabe — na przykład w roku zmiany zarządu, w warunkach recesji lub w toku restrukturyzacji — ponieważ poniesienie jednorazowej, dużej straty nie jest przez uczestników rynku karane proporcjonalnie do jej wartości nominalnej, a jednocześnie stwarza podstawy do wykazywania wyższych zysków w przyszłości. Mechanizm ten jest szczególnie wyraźny w odniesieniu do odpisów na goodwill: jednostki niekiedy celowo opóźniają ujęcie odpisu do momentu, gdy jest on w pewnym sensie „wygodny” — przykryty innymi złymi wiadomościami lub wbudowany w plan strategicznej restrukturyzacji. Hipoteza „wielkiej kąpieli” wchodzi w bezpośredni konflikt z zasadą rzetelności sprawozdawczości finansowej i jest jednym z głównych argumentów za wzmocnieniem wymogów ujawnień dotyczących kluczowych założeń testów na utratę wartości.^{[22, s. 192]}

Przeciwstawnym motywem zarządzania zyskami jest wygładzanie dochodów (income smoothing). W ramach tej strategii menedżerowie mają interes w utrzymaniu stabilności wykazywanych wyników finansowych — dokonują niewielkich, lecz regularnych odpisów w dobrych latach, aby uniknąć konieczności ujęcia dużego odpisu w roku kryzysu. Strategia ta służy redukcji postrzeganego ryzyka spółki przez inwestorów i może ułatwiać dostęp do finansowania zewnętrznego na korzystniejszych warunkach. Wygładzanie dochodów poprzez odpisy jest trudne do jednoznacznego udokumentowania ze względu na zasadniczo dyskrecjonalny charakter wielu parametrów testu na utratę wartości — szczególnie prognoz przepływów pieniężnych i stopy dyskontowej.

Fundamentalną ramą teoretyczną dla zrozumienia motywacji menedżerskich w zakresie odpisów jest teoria agencji. Relacja agencji — między właścicielami (pryncypałami) a menedżerami (agentami) — generuje asymetrię informacyjną, która umożliwia agentom działanie w sposób nieoptymalny z perspektywy pryncypałów. W kontekście odpisów aktualizujących menedżerowie, którzy wynagradzani są na podstawie krótkoterminowych wyników finansowych, mają motywację do opóźniania odpisów obniżających wykazywany zysk. Z drugiej strony menedżerowie w obliczu nadchodzącego odejścia z organizacji mogą być skłonni do przyśpieszenia odpisów, aby obciążyć nimi wyniki poprzednika lub uwolnić się od negatywnych sygnałów w przyszłości — ten aspekt zachowań menedżerskich określany jest w literaturze jako strategia „opłaty za wstęp” (big bath at leadership change).^{[23, s. 130]}

Koncepcja konserwatyzmu rachunkowości, ujmowana przez Basu jako asymetryczna weryfikowalność zysków i strat, ma bezpośrednie przełożenie na instytucję odpisów aktualizujących. Konserwatyzm warunkowy nakazuje rozpoznawanie strat na bazie niższego progu dowodowego niż zyski — co stanowi formalne uzasadnienie zasady ostrożności kodowanej w MSR 36. Wyniki badań empirycznych dokumentują, że wyższy poziom konserwatyzmu rachunkowości jest skorelowany z terminowością ujmowania odpisów i redukuje amplitudę zjawisk „wielkiej kąpieli” — co wskazuje na komplementarność konserwatyzmu i jakości sprawozdawczości.

Wśród czynników zewnętrznych kształtujących skalę i timing odpisów szczególną rolę odgrywają zmienne makroekonomiczne: tempo wzrostu PKB, poziom stóp procentowych, kursy walutowe, dynamika cen nieruchomości i surowców. Cykliczne pogorszenie koniunktury — recesje, kryzysy finansowe, szoki geopolityczne — stanowią naturalne czynniki wyzwalające falę odpisów w skali sektorowej lub systemowej. Czynniki wewnętrzne obejmują z kolei: jakość zarządzania i ład korporacyjny (efektywna rada nadzorcza i komitet audytu są negatywnie skorelowane z opóźnionym rozpoznawaniem odpisów), strukturę własności (koncentracja własności instytucjonalnej sprzyja terminowości odpisów), poziom dźwigni finansowej (spółki o wysokim zadłużeniu mają silniejszy motyw do opóźniania odpisów, aby uniknąć naruszenia kowenantów) oraz jakość systemu audytu (spółki audytowane przez dużych audytorów z grupy Big Four wykazują systematycznie wyższą terminowość i kompletność odpisów).

Na gruncie polskiego rynku kapitałowego specyficzne uwarunkowania determinant odpisów wynikają z relatywnie krótkiej tradycji stosowania MSSF (obowiązek od 2005 roku dla skonsolidowanych sprawozdań), koncentracji własności i częstego udziału Skarbu Państwa w akcjonariacie, a także ze struktury indeksu giełdowego zdominowanego przez spółki z sektora finansowego, paliwowego i energetycznego. Sektory te cechują się specyficznym profilem aktywów podlegających odpisom: banki — portfele kredytów i aktywa finansowe w modelu ECL; sektor paliwowy — złoża surowców naturalnych i środki trwałe eksploatacyjne; sektor energetyczny — elektrownie i sieci przesyłowe.

Szczególnym wymiarem interakcji między determinantami a kryzysami egzogenicznymi jest trudność z odróżnieniem czynników fundamentalnych (rzeczywistej utraty zdolności aktywów do generowania korzyści ekonomicznych) od czynników koniunkturalnych (przejściowego pogorszenia warunków rynkowych, które nie implikuje trwałej utraty wartości). W warunkach szoku egzogenicznego o niepewnym czasie trwania i skali — typowego dla pandemii COVID-19 — wyznaczenie granicy między trwałą a przejściową utratą wartości staje się zadaniem analitycznie niezwykle wymagającym i podatnym na subiektywne oceny zarządu.

1.5. Odpisy aktualizujące w kontekście polityki informacyjnej spółek giełdowych

Odpisy aktualizujące wartość aktywów stanowią istotny element polityki informacyjnej spółek notowanych na rynkach regulowanych, oddziałując zarówno na treść obligatoryjnych ujawnień w sprawozdaniach finansowych, jak i na zakres informacji przekazywanych rynkowi w ramach bieżących obowiązków informacyjnych. Spółki giełdowe działają w złożonym środowisku regulacyjnym, w którym obowiązki w zakresie ujawnień wynikają z przepisów prawa rynku kapitałowego, standardów rachunkowości oraz — pośrednio — oczekiwań nadzorców rynku i uczestników instytucjonalnych. Sposób wywiązania się z tych obowiązków ma bezpośredni wpływ na postrzeganie spółki przez inwestorów i na koszt pozyskania kapitału.

Podstawowym aktem prawa unijnego regulującym obowiązki informacyjne emitentów jest Rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 596/2014 z dnia 16 kwietnia 2014 roku w sprawie nadużyć na rynku, znane pod akronimem MAR (Market Abuse Regulation). Zgodnie z art. 17 MAR emitent jest zobowiązany do niezwłocznego podania do publicznej wiadomości informacji poufnej, która jej dotyczy. Odpis aktualizujący wartość aktywów — w szczególności odpis istotnej wartości, mogący mieć znaczący wpływ na wynik finansowy — może spełniać przesłanki informacji poufnej, a zatem wymagać niezwłocznego ujawnienia w formie raportu bieżącego. W praktyce kwalifikacja ta zależy od spełnienia kryterium cenotwórczości, czyli oceny, czy racjonalny inwestor uznałby tę informację za istotną przy podejmowaniu decyzji inwestycyjnej. Biorąc pod uwagę empirycznie dokumentowaną reakcję kursów akcji na ogłoszenia o odpisach, przyjmuje się, że odpisy przekraczające określony próg materialności spełniają kryterium cenotwórczości i jako takie podlegają reżimowi informacji poufnej.

MSR 36 ustanawia rozbudowany system obligatoryjnych ujawnień, które mają na celu zapewnienie użytkownikom sprawozdań finansowych wystarczających informacji do samodzielnej oceny zasadności i kompletności przeprowadzonych testów na utratę wartości.^{[24, s. 9]} Minimalne ujawnienia wymagane przez standard obejmują:

kwotę ujętych i odwróconych w ciągu okresu odpisów aktualizujących według kategorii aktywów i linii sprawozdania z całkowitych dochodów;
zdarzenia i okoliczności, które doprowadziły do ujęcia lub odwrócenia odpisu;
wartość odzyskiwalną składnika aktywów lub CGU oraz opis metody jej wyznaczenia;
kluczowe założenia przyjęte do wyznaczenia wartości użytkowej, w szczególności stopę dyskontową i stopę wzrostu w okresie poza horyzontem projekcji;
analizę wrażliwości wartości odzyskiwalnej na zmianę kluczowych założeń, jeżeli zmiana mogłaby skutkować istotną utratą wartości;
informację o wartości bilansowej goodwill alokowanego do poszczególnych CGU lub grup CGU.

Badania empiryczne nad treścią informacyjną odpisów dla rynku kapitałowego dostarczają niejednoznacznych, lecz w wielu wymiarach spójnych wyników. Wyniki te wskazują, że ogłoszenie istotnego odpisu aktualizującego — szczególnie odpisu na goodwill — jest zwykle poprzedzone negatywnymi zwrotami akcji, sygnalizującymi, że rynek antycypuje pogorszenie wyników przed oficjalnym ujawnieniem odpisu, co jest zgodne z teorią asymetrii informacyjnej i hipotezą efektywności rynku w wersji słabej. W dniu ogłoszenia odpisu obserwowana jest dodatkowa negatywna reakcja cen akcji, której skala jest proporcjonalna do wartości odpisu oraz do stopnia, w jakim odpis był niespodziewany. Jednocześnie literatura wskazuje na zjawisko asynchroniczności odpisów na goodwill — menedżerowie systematycznie opóźniają ujęcie odpisu w stosunku do momentu, w którym sygnały z otoczenia rynkowego wskazywałyby na konieczność jego ujęcia. Asynchroniczność ta jest tym większa, im słabszy jest ład korporacyjny spółki i im niższy poziom nadzoru audytorskiego.

W kontekście jakości ujawnień dotyczących odpisów na szczególną uwagę zasługuje wymóg ujawniania analizy wrażliwości kluczowych założeń. W praktyce wielu emitentów dostarcza jedynie szablonowe, ogólnikowe sformułowania dotyczące wrażliwości, bez konkretnych wartości progowych, co istotnie ogranicza użyteczność informacyjną takich ujawnień. Europejski Urząd Nadzoru Giełd i Papierów Wartościowych (ESMA) w wieloletnich raportach dotyczących stosowania MSSF przez europejskie spółki giełdowe konsekwentnie identyfikuje ujawnienia dotyczące testów na utratę wartości goodwill jako obszar wymagający poprawy jakości i szczegółowości. Badania eksperymentalne wskazują, że analitycy finansowi i inwestorzy instytucjonalni przywiązują dużą wagę do jakości tych ujawnień, traktując je jako proxy dla ogólnej jakości raportowania i wiarygodności zarządu.^{[25, s. 162]}

Pandemia COVID-19 postawiła przed działami relacji inwestorskich i działami finansowymi spółek giełdowych szczególne wyzwania w zakresie polityki informacyjnej związanej z odpisami. Nadzwyczajna niepewność co do czasu trwania i skutków ekonomicznych pandemii sprawiała, że prognozy stanowiące podstawę testów na utratę wartości stawały się dezaktualizowane w tempie nieporównywalnym do normalnych warunków rynkowych. Emitenci musieli rozstrzygnąć, jak uwzględnić w prognozach scenariusze pandemiczne — czy oprzeć się na scenariuszu jednym (co z konieczności implikowało przyjęcie silnych założeń) czy zastosować podejście scenariuszowe z wagami prawdopodobieństwa (co lepiej odzwierciedlało faktyczną niepewność, lecz było bardziej złożone komunikacyjnie). Wytyczne ESMA z 2020 roku zachęcały do stosowania analizy scenariuszowej i do ujawniania informacji o niepewności szacunków w sposób zindywidualizowany, wykraczający poza standardowe szablonowe ujawnienia.

Wpływ kryzysu pandemicznego na oczekiwania informacyjne inwestorów był bezprecedensowy. Zwiększone zapotrzebowanie na informacje o wrażliwości modeli wyceny na różne scenariusze przebiegu pandemii, o elastyczności operacyjnej jednostek i o zdolności do zarządzania płynnością, skłoniło wiele spółek do wychodzenia poza minimalne wymogi MSR 36 i do dobrowolnego ujawniania szczegółowych założeń scenariuszowych, analiz wrażliwości oraz oceny istotności poszczególnych ryzyk dla wartości portfela aktywów. Praktyki te, choć niewymagane przez standardy, stały się de facto oczekiwaną normą branżową dla największych emitentów, a ich absencja była interpretowana przez analityków jako sygnał braku transparentności lub niemożności przeprowadzenia rzetelnego testu na utratę wartości w warunkach pandemicznej niepewności.

Piszę Rozdział 2 na podstawie dostarczonych źródeł ^[1]–^[5].

Rozdział 2. Pandemia COVID-19 jako egzogeniczny szok dla gospodarki i rynków kapitałowych

2.1. Przebieg i skala pandemii COVID-19

Pandemia choroby koronawirusowej 2019 (COVID-19, ang. coronavirus disease 2019) wywołanej przez wirus SARS-CoV-2 (ang. severe acute respiratory syndrome coronavirus 2) stanowi bezprecedensowe zjawisko w historii współczesnej gospodarki globalnej, które ze względu na swój zasięg przestrzenny, głębokość oddziaływania i czas trwania może być klasyfikowane jako egzogeniczny szok o charakterze systemowym. Pierwsze przypadki zakażeń zidentyfikowano w grudniu 2019 roku w Wuhan, stolicy prowincji Hubei w Chińskiej Republice Ludowej. W ciągu kilku tygodni wirus SARS-CoV-2 rozprzestrzenił się na sąsiednie prowincje, a następnie, za pośrednictwem globalnych połączeń lotniczych i szlaków handlowych, na kolejne państwa Azji, Europy i obu Ameryk. W dniu 11 marca 2020 roku Światowa Organizacja Zdrowia (WHO, ang. World Health Organization) ogłosiła stan pandemii, formalizując tym samym globalny charakter zagrożenia zdrowotnego i nadając mu rangę sytuacji wymagającej skoordynowanej reakcji międzynarodowej.

Specyfika pandemii COVID-19 jako szoku ekonomicznego polegała na jednoczesnym oddziaływaniu zarówno na stronę podażową, jak i popytową gospodarki, co wyraźnie wyróżniało ją spośród poprzednich kryzysów finansowych, mających zazwyczaj pierwotnie charakter monetarny lub kredytowy. Wprowadzone w pierwszej połowie 2020 roku restrykcje sanitarne — obejmujące zamknięcia granic, obligatoryjne kwarantanny, nakazy izolacji społecznej oraz zakazy prowadzenia działalności w wybranych sektorach — doprowadziły do bezpośredniego wstrzymania produkcji i świadczenia usług w szerokim spektrum branż. Równolegle zjawisko lockdownu wywołało gwałtowny spadek popytu konsumpcyjnego w sektorach uzależnionych od bezpośredniej obecności klientów, takich jak gastronomia, turystyka, transport lotniczy, kultura i handel detaliczny niespożywczy. Mechanizm transmisji szoku zdrowotnego na gospodarkę realną przebiegał zatem dwukanałowo: przez stronę podażową, poprzez dezorganizację globalnych łańcuchów dostaw i przymusowe zamknięcia zakładów produkcyjnych, oraz przez stronę popytową, poprzez gwałtowne ograniczenie wydatków konsumpcyjnych i inwestycyjnych.

Pandemia COVID-19 nie miała jednorazowego charakteru, lecz przebiegała jako wielofalowe zjawisko rozciągnięte na kilka lat. Po pierwszej fali wiosną 2020 roku, której towarzyszyły najbardziej restrykcyjne lockdowny i największy szok oczekiwań rynkowych, nastąpiły kolejne fale zakażeń jesienią 2020 roku, wiosną 2021 roku oraz w kolejnych kwartałach — przy czym każda z nich różniła się natężeniem epidemicznym, geograficznym zasięgiem oraz dominującym wariantem wirusa. Wdrożenie szczepień ochronnych w końcu 2020 roku i ich masowe upowszechnienie w 2021 roku stopniowo zmieniało profil epidemiologiczny kryzysu, ograniczając ryzyko ciężkiego przebiegu choroby, nie eliminując jednak kolejnych fal zakażeń ani związanej z nimi niepewności regulacyjnej i gospodarczej. Wielofalowość pandemii generowała trwającą przez wiele kwartałów niepewność co do dalszego przebiegu sytuacji, co miało bezpośrednie przełożenie na prognozy makroekonomiczne i modele wyceny aktywów stosowane przez przedsiębiorstwa.

Charakterystyczną cechą ryzyka pandemicznego, odróżniającą je od typowych ryzyk sektorowych, był jego zasięg globalny i szybkość transmisji — skutki pandemii dotykały podmiotów nawet spoza branży, w której pierwotnie manifestował się kryzys, a tempo ich propagacji przez powiązania sieciowe między rynkami finansowymi było bezprecedensowe ^[4]. W konsekwencji tego zjawiska pandemia COVID-19 wygenerowała zmiany o charakterze technologicznym, rynkowym, ekonomicznym i prawnym, które w istotny sposób dotknęły działalność gospodarczą szerokiego spektrum podmiotów . Zmiany te miały fundamentalne znaczenie dla wyceny aktywów, ponieważ stanowiły przesłanki zewnętrzne skłaniające jednostki do testowania wartości posiadanych aktywów pod kątem możliwego wystąpienia jej utraty — zgodnie z wymogami Międzynarodowego Standardu Rachunkowości 36 .

W wymiarze makroekonomicznym rok 2020 przyniósł głęboki spadek produktu krajowego brutto w zdecydowanej większości rozwiniętych i rozwijających się gospodarek świata. Strefa euro odnotowała jeden z największych rocznych spadków PKB w historii powojennej Europy. Handel międzynarodowy uległ gwałtownemu załamaniu na skutek zamknięcia granic, zakłóceń w transporcie morskim i lotniczym oraz fragmentaryzacji globalnych sieci produkcji. Bezrobocie wzrosło w większości krajów, jakkolwiek w różnym stopniu — zależnie od funkcjonujących systemów ochrony rynku pracy i skali rządowych pakietów pomocowych. Polska wykazała stosunkowo wysoką odporność na kryzys w porównaniu z większością państw Unii Europejskiej, niemniej rok 2020 przyniósł pierwsze od transformacji ustrojowej ujemne tempo wzrostu PKB.^{[26, s. 19]} Rząd Rzeczypospolitej Polskiej uruchomił instrumenty pomocowe w ramach kolejnych tarcz antykryzysowych, obejmujące subwencje dla przedsiębiorców, dofinansowanie wynagrodzeń, preferencyjne pożyczki i zwolnienia z obciążeń publicznoprawnych.

Tabela 2.1. Chronologia kluczowych wydarzeń pandemii COVID-19 i ich konsekwencje gospodarcze
Okres	Wydarzenie / faza	Główne konsekwencje gospodarcze	Oddziaływanie na wycenę aktywów
Grudzień 2019 – luty 2020	Identyfikacja wirusa SARS-CoV-2; pierwsze zakażenia poza Chinami	Ograniczony wpływ na rynki zachodnie; zaburzenia łańcuchów dostaw z Azji	Pierwsze sygnały ostrzegawcze dla sektorów eksponowanych na Chiny
Marzec – maj 2020	Ogłoszenie pandemii przez WHO (11.03.2020); lockdowny w Europie i Ameryce	Gwałtowne spadki PKB; bezrobocie; zamknięcia sektorów; pakiety pomocowe	Zewnętrzne przesłanki utraty wartości aktywów; masowe testy na utratę wartości; wzrost liczby odpisów aktualizujących
Czerwiec – październik 2020	Częściowe zniesienie restrykcji; „pierwsza normalizacja”	Częściowe odbicie aktywności; utrzymująca się niepewność sektorowa	Rewizja założeń wyceny; zróżnicowane podejścia do aktualizacji prognoz przepływów pieniężnych
Październik 2020 – wiosna 2021	Druga i trzecia fala zakażeń; ponowne restrykcje	Pogłębienie problemów w turystyce, gastronomii, lotnictwie; dalszy wzrost długu publicznego	Podtrzymanie przesłanek zewnętrznych; wzrost odpisów w sektorach ciągłej ekspozycji
2021–2022	Wdrożenie szczepień; stopniowe znoszenie restrykcji; wariant Omikron	Odrodzenie popytu; presja inflacyjna; zakłócenia w łańcuchach dostaw utrzymują się	Stopniowe cofanie przesłanek utraty wartości; odwrócenia niektórych odpisów; nowe ryzyka inflacyjne

2.2. Reakcje rynków kapitałowych na wybuch i kolejne fale pandemii

Rynki kapitałowe zareagowały na wybuch pandemii COVID-19 ze szczególną gwałtownością i szybkością, odzwierciedlając skalę niepewności co do przyszłego przebiegu kryzysu zdrowotnego i jego makroekonomicznych konsekwencji. Marzec 2020 roku przyniósł najdynamiczniejszy miesięczny spadek głównych indeksów giełdowych od dziesięcioleci — zaledwie w kilka tygodni skumulowane straty kapitalizacji rynkowej na giełdach europejskich i amerykańskich osiągnęły poziomy nienotowane od globalnego kryzysu finansowego z lat 2008–2009. Polskie rynki akcji doświadczyły podobnego procesu — gwałtownej przeceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW), wywołanej masową awersją do ryzyka i ucieczką inwestorów ku aktywom uznawane za bezpieczne. Indeksy WIG, WIG20 oraz indeksy sektorowe odnotowały głębokie kilkudziesięcioprocentowe przeceny w pierwszym kwartale 2020 roku, przy czym skala i szybkość ruchów cenowych przełożyły się na bezprecedensowy wzrost miar zmienności rynkowej.

Z perspektywy sprawozdawczości finansowej i wyceny aktywów kluczowe znaczenie miały nie tylko bezwzględne poziomy kursów akcji, ale przede wszystkim implikacje rynkowe dla oceny wartości odzyskiwalnej aktywów. Obserwowane na GPW dynamiczne ruchy kursów odzwierciedlały w szerokim zakresie rewizję oczekiwań rynkowych co do przyszłych przepływów pieniężnych, stop dyskontowych i premii za ryzyko. Emitenci, dla których kluczowe aktywa wchodziły w skład bilansów jako rzeczowe aktywa trwałe, wartość firmy lub wartości niematerialne i prawne, stanęły przed koniecznością przeprowadzenia testów na utratę wartości w środowisku skrajnie trudnym dla formułowania wiarygodnych prognoz finansowych. Wymaganie to wynikało wprost z zewnętrznych przesłanek wskazanych w Międzynarodowym Standardzie Rachunkowości 36, a pandemia jako czynnik powodujący zmiany rynkowe i gospodarcze stanowiła dla wielu spółek obiektywną przyczynę inicjowania takich testów.

Rynkowy wymiar kryzysu pandemicznego dla GPW ujawnił się szczególnie wyraźnie w danych dotyczących raportowania utraty wartości aktywów. W samym 2020 roku do inwestorów trafiły 72 raporty bieżące wskazujące na dokonanie odpisu z tytułu utraty wartości aktywów (OUW) przez emitentów zgrupowanych w indeksie WIG — dla porównania w sześcioletnim okresie 2013–2018 łączna liczba takich raportów wyniosła 163, co daje średnią roczną na poziomie nieco ponad 27 raportów bieżących . Częstotliwość raportowania utraty wartości aktywów w roku 2020 okazała się zatem około 1,8 razy wyższa niż wskazywałaby wartość średniej wieloletniej, a w każdej wyodrębnionej podgrupie emitentów odczyty te były zdecydowanie wyższe od tejże średniej . Szczególnie widoczna różnica dotyczyła spółek z indeksu sWIG80, które w 2020 roku przekazywały raporty bieżące o OUW ponad 2,7 razy częściej niż w poprzednich latach .

Reakcja rynków kapitałowych na wybuch pandemii charakteryzowała się ponadto wyraźną asymetrią zarówno między segmentami rynku, jak i w czasie. Część sektorów doświadczyła niemal natychmiastowych i trwałych przecen, które utrzymywały się przez wiele kwartałów pomimo ogólnej stabilizacji sytuacji rynkowej po pierwszej fali. W innych sektorach nastąpiło spektakularne odbicie, a kursy akcji powróciły do poziomów sprzed pandemii lub je przekroczyły w ciągu kilku miesięcy. Polityka pieniężna banków centralnych — obejmująca gwałtowne obniżki stóp procentowych i programy skupu aktywów — odegrała istotną rolę w stabilizacji rynków finansowych i ograniczeniu głębokości korekty, wywierając jednak równolegle wpływ na koszt kapitału stosowany w modelach wyceny aktywów długoterminowych. Obniżenie stóp procentowych, przekładające się na redukcję stop dyskontowych, tworzyło mechanizm częściowo kompensujący pogorszenie prognoz przepływów pieniężnych — jednak tylko dla podmiotów, których pozycja finansowa umożliwiała korzystanie z nowych warunków finansowania.

Z perspektywy analizy implikacji pandemii dla wyceny aktywów na GPW niezbędne jest uwzględnienie kontekstu historycznego dotyczącego skali OUW przed 2020 rokiem. W latach 2013–2018 spółki z indeksów WIG20 i mWIG40 zgłosiły 58 przypadków przekazania informacji o OUW, przy czym do największych odpisów zaliczyć można: PGE w 2015 roku (minus 8 800 mln zł), Orange w 2017 roku (minus 1 793 mln zł), Enea w 2016 roku (minus 1 501,6 mln zł) oraz Energę w 2016 roku (minus 500 mln zł na farmy wiatrowe) . Dane te wskazują, że już przed pandemią rynek kapitałowy w Polsce był areną istotnych procesów utraty wartości aktywów, skoncentrowanych w sektorze paliwowo-energetycznym i wynikających z dynamiki cen surowców energetycznych oraz zmian w otoczeniu regulacyjnym. Pandemia nałożyła się zatem na istniejący kontekst aktywności w zakresie OUW, wzmacniając te tendencje i rozszerzając ich zasięg sektorowy.

Mechanizm transmisji szoku pandemicznego na wycenę aktywów giełdowych

Szok zdrowotny (COVID-19) → restrykcje sanitarne, lockdowny, zamknięcia sektorów
↓
Szok realny → spadek przychodów, zaburzenia łańcuchów dostaw, wzrost bezrobocia
↓
Szok finansowy → gwałtowne przeceny na giełdach, wzrost premii za ryzyko, korekta stóp dyskontowych
↓
Przesłanki zewnętrzne (MSR 36) → obowiązek przeprowadzenia testów na utratę wartości
↓
Odpisy aktualizujące (OUW) → redukcja wartości bilansowej aktywów, wpływ na wynik finansowy

Rysunek 2.1. Łańcuch transmisji kryzysu pandemicznego COVID-19 na procesy utraty wartości aktywów w spółkach giełdowych

2.3. Regulacyjne i nadzorcze odpowiedzi na kryzys w obszarze rachunkowości i sprawozdawczości finansowej

Bezprecedensowy charakter pandemii COVID-19 jako wyzwania dla sprawozdawczości finansowej skłonił organy regulacyjne i normalizacyjne do szybkiego i wielotorowego działania, ukierunkowanego zarówno na wyjaśnienie sposobu stosowania istniejących standardów w nowych warunkach, jak i na tymczasowe modyfikacje wybranych regulacji. Reakcje te dotyczyły szerokiego zakresu zagadnień rachunkowości — od wyceny aktywów finansowych i ujmowania przychodów, przez rachunkowość zabezpieczeń, po zasady przeprowadzania testów na utratę wartości niefinansowych aktywów trwałych. W obszarze utraty wartości aktywów — bezpośrednio istotnym dla tematyki niniejszej pracy — kluczowe znaczenie miały wytyczne dotyczące stosowania Międzynarodowego Standardu Rachunkowości 36 (MSR 36) w kontekście szoku pandemicznego.

Pandemia COVID-19 generowała w świetle MSR 36 precyzyjnie zdefiniowane zewnętrzne przesłanki utraty wartości aktywów. Standard ten wymaga, aby jednostka co najmniej na każdy dzień bilansowy weryfikowała, czy istnieje jakakolwiek przesłanka wskazująca, że dany składnik aktywów mógł utracić wartość — przy czym jako zewnętrzne przesłanki wymieniane są m.in. zmiany o charakterze technologicznym, rynkowym, ekonomicznym lub prawnym, które negatywnie wpłynęły lub wpłyną na jednostkę ^{[1, s. 95]}. Skutki gospodarcze pandemii wpisywały się w tę kategorię w sposób niebudzący wątpliwości: zamknięcia sektorów, zakłócenia łańcuchów dostaw, gwałtowne zmiany popytu i rewizje prognoz makroekonomicznych stanowiły obiektywne, mierzalne przesłanki zewnętrzne. Dla spółek z aktywami o istotnej wartości i wrażliwymi na koniunkturę — w szczególności dla podmiotów z sektora energetycznego, transportowego, hotelarskiego czy handlowego — pandemia tworzyła niemal automatyczny obowiązek przeprowadzenia testów na utratę wartości w sprawozdaniach za 2020 rok.

Reakcja Rady Międzynarodowych Standardów Rachunkowości (RMSR, ang. International Accounting Standards Board — IASB) na kryzys pandemiczny obejmowała kilka wymiarów. W zakresie Międzynarodowego Standardu Sprawozdawczości Finansowej 9 (MSSF 9) dotyczącego instrumentów finansowych IASB wydała tymczasowe zmiany ułatwiające stosowanie rozwiązań dostosowawczych dla leasingobiorców i ograniczające procykliczne efekty wymogów oczekiwanych strat kredytowych. Komitet ds. Interpretacji Międzynarodowych Standardów Sprawozdawczości Finansowej (KIMSF) opublikował materiały wyjaśniające dotyczące ujmowania ulg czynszowych w rachunkowości leasingobiorców — praktyczny problem masowo występujący w warunkach lockdownów. W obszarze testów na utratę wartości niefinansowych aktywów trwałych IASB nie zdecydowała się na tymczasowe zawieszenie wymogów MSR 36, lecz wydała materiały edukacyjne wyjaśniające, jak standard powinien być stosowany w warunkach podwyższonej niepewności.

Spośród organów nadzoru rynkowego szczególnie aktywna była Europejska Agencja ds. Papierów Wartościowych i Rynków (ESMA, ang. European Securities and Markets Authority). W marcu i maju 2020 roku ESMA wydała publiczne komunikaty skierowane do emitentów papierów wartościowych, podkreślające konieczność przejrzystego informowania inwestorów o wpływie pandemii na sytuację finansową spółki, na stosowane modele i założenia wyceny oraz na kluczowe szacunki rachunkowe. Wytyczne te wskazywały w szczególności na potrzebę ujawniania informacji o możliwości przeprowadzenia testów na utratę wartości, o przyjętych scenariuszach makroekonomicznych i ich zmienności, a także o wrażliwości kluczowych wycen na alternatywne założenia. ESMA zwracała uwagę, że warunki pandemii wymagają ujawnień jakościowych i ilościowych przekraczających minimum standardowych szablonów stosowanych w warunkach normalnego funkcjonowania rynków.

Obowiązki sprawozdawcze nałożone na emitentów giełdowych przewidują publikowanie zweryfikowanych sprawozdań finansowych w postaci raportów okresowych; jednak gdy w trakcie okresu sprawozdawczego następuje utrata wartości któregoś ze składników aktywów, emitenci zobowiązani są do przekazania informacji o odpisach aktualizujących z tytułu utraty wartości aktywów oraz o odwróceniu takich odpisów ^[1]. Pandemia COVID-19 wywołała zatem nie tylko wzrost liczby zdarzeń wymagających raportowania bieżącego, ale również zwiększyła złożoność informacyjną ujawnień, wymagając od zarządów bardziej rozbudowanego komunikowania skali niepewności, przyjętych założeń scenariuszowych i zakresu szacunków.

W Polsce rolę organu nadzoru rynku finansowego pełni Komisja Nadzoru Finansowego (KNF), która w 2020 roku wydawała komunikaty skierowane do podmiotów nadzorowanych w obszarze zarządzania ryzykiem, wymogów kapitałowych i zasad sprawozdawczości finansowej w warunkach pandemii. Działania KNF wpisywały się w szerszy europejski nurt koordynowanej reakcji regulacyjnej, synchronizowanej przez Europejski Urząd Nadzoru Bankowego (EBA, ang. European Banking Authority) oraz Europejski Urząd Nadzoru Ubezpieczeń i Pracowniczych Programów Emerytalnych (EIOPA, ang. European Insurance and Occupational Pensions Authority).

Wydanie przez IASB materiałów edukacyjnych dotyczących stosowania MSR 36 w warunkach pandemii — bez zawieszenia wymogów testów na utratę wartości
Tymczasowe modyfikacje MSSF 9 ograniczające procykliczne efekty wymogów oczekiwanych strat kredytowych dla instytucji finansowych
Publiczne komunikaty ESMA (marzec i maj 2020) wskazujące na konieczność rozszerzonych ujawnień dotyczących scenariuszy pandemicznych i analizy wrażliwości wycen
Komunikaty Komisji Europejskiej dotyczące elastyczności w stosowaniu wymogów rachunkowości przez instytucje finansowe w warunkach pandemii
Działania KNF i EBA w zakresie wymogów kapitałowych, zarządzania ryzykiem i polityki dywidendowej
Wytyczne audytorskie izb biegłych rewidentów dotyczące modyfikacji procedur badania sprawozdań finansowych za 2020 rok w warunkach ograniczonego dostępu do dokumentacji fizycznej

Jednym z kluczowych napięć regulacyjnych okresu pandemii był dylemat między rygorystycznym przestrzeganiem zasady ostrożności w wycenie — nakazującej niezwłoczne ujmowanie odpisów w odpowiedzi na pogorszenie oczekiwanych korzyści ekonomicznych z aktywów — a potrzebą utrzymania stabilności finansowej i uniknięcia procyklicznego pogłębiania kryzysu przez masowe odpisy obniżające kapitały własne spółek. Ujęcie odpisów aktualizujących w księgach rachunkowych powinno stanowić reakcję na oddziaływujące na jednostkę ryzyko i wymagać zastosowania działań analogicznych do procesu zarządzania ryzykiem ^[4]. Pandemia ujawniła jednak, że realizacja tego wymogu napotykała na praktyczne trudności wynikające z bezprecedensowej niepewności co do przyszłego przebiegu kryzysu i jego skutków dla przepływów pieniężnych generowanych przez poszczególne składniki aktywów. Regulatorzy i normalizatorzy musieli zatem wyważyć między wiernością obrazu sytuacji majątkowej a ryzykiem nadmiernie procyklicznego charakteru natychmiastowych odpisów aktualizujących.

2.4. Sektorowe zróżnicowanie skutków pandemii dla działalności spółek giełdowych

Pandemia COVID-19 nie oddziaływała na polskie spółki giełdowe w sposób jednorodny — skutki kryzysu były wyraźnie zróżnicowane między sektorami, generując zarówno kategorie podmiotów szczególnie silnie dotkniętych deprecjacją wartości aktywów, jak i kategorie relatywnie odporne lub wręcz korzystające na zmianach strukturalnych wywołanych pandemią. Zróżnicowanie to ma kluczowe znaczenie dla zrozumienia mechanizmu powstawania odpisów aktualizujących na GPW w 2020 roku i jest bezpośrednio powiązane z hipotezami badania empirycznego prezentowanego w kolejnych rozdziałach niniejszej pracy. Spółki prowadzą różne rodzaje działalności, dlatego różną rolę odgrywają w ich bilansach rzeczowe aktywa trwałe i aktywa niematerialne — a zatem różny jest ich wpływ na generowane korzyści ekonomiczne i różne oddziaływanie odpisów na zmniejszenie tychże korzyści ^[2].

Do sektorów szczególnie narażonych na trwałe lub długotrwałe pogorszenie wartości aktywów zaliczyć należy przede wszystkim transport lotniczy, turystykę i hotelarstwo, gastronomię, handel detaliczny w segmencie galerii handlowych oraz nieruchomości komercyjne biurowe i handlowe. Mechanizm zagrożenia wartości aktywów w tych sektorach był bezpośredni: wstrzymanie lub radykalne ograniczenie działalności operacyjnej oznaczało drastyczne obniżenie przepływów pieniężnych generowanych przez aktywa produkcyjne i nieruchomości, co przekładało się na obniżenie wartości użytkowej tych aktywów poniżej ich wartości bilansowej. Dla aktywów wycenianych z zastosowaniem modelu zdyskontowanych przepływów pieniężnych rewizja prognoz przychodów i marż operacyjnych niemal nieuchronnie prowadziła do stwierdzenia konieczności dokonania odpisu aktualizującego.

Sektor paliwowo-energetyczny stanowił przypadek szczególny, wyróżniający się już przed pandemią aktywnością w zakresie tworzenia OUW — przeprowadzony w literaturze przedmiotu test Kruskala-Wallisa wykazał, że wpływ sektora działalności na udział OUW aktywów niefinansowych w sumie bilansowej jest statystycznie istotny, przy czym sektor paliwowo-energetyczny wyróżniał się istotnie wyższym udziałem OUW rzeczowych aktywów trwałych i wartości niematerialnych w porównaniu z bankami i pozostałymi spółkami ^{[3, s. 321]}. Pandemia nałożyła się na trwającą transformację energetyczną, zaostrzając problemy sektora i generując dodatkowe przesłanki dla testów na utratę wartości — w szczególności w odniesieniu do aktywów konwencjonalnych energetyki węglowej i farm wiatrowych.

Analiza historycznych danych z GPW wskazuje, że w obszarze aktywów trwałych największa aktywność w zakresie OUW koncentrowała się na rzeczowych aktywach trwałych, w tym farmach wiatrowych, blokach energetycznych i aktywach wydobywczych, wartości firmy — m.in. w spółkach takich jak Asseco i JSW — oraz wartościach niematerialnych i prawnych, w tym pracach rozwojowych i zasobach mineralnych, a także na aktywach z tytułu inwestycji w jednostki zależne ^[5]. Pandemia nie zmieniła fundamentalnie tej struktury rodzajowej OUW, lecz rozszerzyła ich zasięg sektorowy poza tradycyjne obszary wydobycia surowców i energetyki.

W obszarze rzeczowych aktywów trwałych i zapasów analiza spółek z indeksu WIG30 wykazuje, że były to najczęściej i najistotniej objęte odpisami kategorie aktywów, przy czym stwierdzono dodatnią korelację między udziałem rzeczowych aktywów trwałych i zapasów w sumie bilansowej a udziałem odpisów z tytułu utraty wartości tych pozycji . Z perspektywy pandemicznej oznaczało to, że spółki o bilansach zdominowanych przez ciężkie aktywa operacyjne — takie jak floty samolotów, parki maszynowe hoteli i restauracji czy sieci centrów handlowych — były bardziej narażone na konieczność dokonywania OUW niż spółki z relatywnie niskim udziałem rzeczowych aktywów trwałych.

Tabela 2.2. Sektorowe zróżnicowanie ekspozycji spółek giełdowych na ryzyko utraty wartości aktywów w kontekście pandemii COVID-19
Sektor	Charakter ekspozycji	Główne kategorie aktywów zagrożonych OUW	Mechanizm oddziaływania pandemii
Transport lotniczy	Bardzo wysoka	Flota samolotów, prawo do slotów, wartość firmy, prawa leasingowe	Wstrzymanie lotów; gwałtowny spadek przychodów; brak możliwości eksploatacji aktywów
Turystyka i hotelarstwo	Bardzo wysoka	Nieruchomości hotelowe, infrastruktura resortu, wartość firmy	Zamknięcia obiektów; zakaz zgromadzeń; drastyczne ograniczenie przepływów pieniężnych
Handel detaliczny (galerie)	Wysoka	Nieruchomości handlowe, prawa z umów najmu, sieci logistyczne	Zamknięcia galerii; redukcja czynszów; wzrost pustostanów; zmiany zachowań konsumenckich
Nieruchomości komercyjne biurowe	Wysoka	Portfele nieruchomości biurowych, wartość firmy	Upowszechnienie pracy zdalnej; redukcja popytu na powierzchnie biurowe
Paliwowo-energetyczny (konwencjonalny)	Wysoka (preistniejąca + pandemiczna)	Farmy wiatrowe, bloki energetyczne, aktywa wydobywcze	Spadek popytu na energię; presja transformacji energetycznej; wahania cen surowców
Technologie informacyjne	Niska / neutralna	Wartości niematerialne; oprogramowanie	Wzrost popytu na rozwiązania cyfrowe; przyspieszona cyfryzacja
Farmaceutyczny i ochrony zdrowia	Niska / pozytywna	Wartość firmy; linie produkcyjne	Wzrost zapotrzebowania na leki, szczepionki, wyroby medyczne
E-commerce i logistyka	Niska / pozytywna	Centra dystrybucyjne; systemy zarządzania łańcuchem dostaw	Gwałtowny wzrost sprzedaży online; rosnące zapotrzebowanie na powierzchnie magazynowe

Wartość aktywów ujętych w bilansie spółek giełdowych nie może być wyższa niż kwota korzyści ekonomicznych możliwych do uzyskania z tytułu dostępnych sposobów ich wykorzystania — gdy sytuacja jest odwrotna, istnieje konieczność dokonania odpisów z tytułu utraty wartości, a OUW aktywów trwałych stanowią pośredni dowód nieefektywności decyzji inwestycyjnych dokonanych w przeszłości ^[3]. Pandemia ujawniła zatem zarówno sektorową wrażliwość aktywów na szoki zewnętrzne, jak i historyczne błędy alokacji kapitału w spółkach szczególnie dotkniętych kryzysem. Jednocześnie asymetryczność oddziaływania pandemii na poszczególne sektory potwierdziła, że OUW nie są wyłącznie funkcją koniunktury ogólnogospodarczej, lecz w istotnym stopniu zależą od modelu biznesowego spółki, struktury jej bilansu i ekspozycji na specyficzne ryzyka operacyjne.

Sektor finansowy — banki i ubezpieczyciele — stanowił przypadek osobny, regulowany odrębnym zestawem standardów rachunkowości w zakresie utraty wartości aktywów finansowych. Pandemia wywołała tu wzrost rezerw na oczekiwane straty kredytowe, co odróżniało sektor finansowy od niefinansowych emitentów GPW. Dla celów niniejszego badania, skoncentrowanego na niefinansowych aktywach trwałych, sektor finansowy stanowi tło porównawcze, a nie główny przedmiot analizy.

Diagnoza sektorowego zróżnicowania skutków pandemii ma bezpośrednie przełożenie na hipotezy badania empirycznego prezentowanego w rozdziale czwartym niniejszej pracy. Oczekiwać należy, że sektory sklasyfikowane jako szczególnie dotknięte kryzysem — transport, turystyka, handel, nieruchomości komercyjne — wykazywały statystycznie wyższe wskaźniki aktywności w zakresie OUW w 2020 roku niż sektory odporne lub korzystające na pandemii. Potwierdzenie tej hipotezy na danych GPW za lata 2019–2021 pozwoliłoby jednoznacznie wykazać wpływ egzogenicznego szoku pandemicznego na sprawozdawczość z zakresu utraty wartości aktywów na polskim rynku kapitałowym.

Sektor transportu lotniczego i turystyki — dramatyczne i trwałe ograniczenie zdolności do generowania przepływów pieniężnych z aktywów operacyjnych, kumulacja przesłanek zewnętrznych utraty wartości
Sektor handlu detalicznego w galeriach i nieruchomości komercyjnych — strukturalna zmiana zachowań konsumenckich i modeli pracy generująca ryzyko trwałego obniżenia wartości portfeli nieruchomości
Sektor energetyczny konwencjonalny — nałożenie się szoku pandemicznego na preistniejącą presję regulacyjną transformacji energetycznej i wahania cen surowców, pogłębienie problemu aktywów osieroconych
Sektor technologiczny i e-commerce — relatywna odporność na kryzys, a w wielu przypadkach wyraźne przyspieszenie wzrostu na skutek przymusowej cyfryzacji procesów biznesowych i konsumenckich
Sektor farmaceutyczny — wzrost popytu na produkty i usługi zdrowotne jako bezpośredni efekt pandemii, ograniczony wpływ na konieczność tworzenia OUW

Podsumowując rozważania zawarte w niniejszym rozdziale, stwierdzić należy, że pandemia COVID-19 stanowiła egzogeniczny szok o bezprecedensowej skali, który oddziaływał na gospodarkę i rynki kapitałowe wieloma równoczesnymi kanałami. Bezpośrednim skutkiem tego szoku dla sprawozdawczości finansowej polskich spółek giełdowych było radykalne zwiększenie częstotliwości i skali raportowania utraty wartości aktywów — obserwowane na GPW w 2020 roku wartości wskaźników raportowania OUW wielokrotnie przekroczyły średnie historyczne z okresu 2013–2018. Sektorowa asymetria oddziaływania pandemii generowała zróżnicowanie wyników w zakresie OUW, które stanowi punkt wyjścia dla badania empirycznego opisanego w kolejnych rozdziałach. Reakcje regulacyjne — zarówno organów normalizacyjnych, jak i nadzorców rynkowych — potwierdziły wyjątkowy charakter pandemii jako wyzwania sprawozdawczego, wymagającego rozszerzonych ujawnień i zindywidualizowanego podejścia do stosowania standardów rachunkowości.

Rozdział 3. Metodologia i zakres badania empirycznego

Prezentowany rozdział opisuje założenia metodologiczne badania empirycznego stanowiącego rdzeń niniejszej pracy magisterskiej. Wskazany tu projekt badawczy odpowiada na lukę poznawczą zidentyfikowaną w rozdziałach poprzednich: o ile mechanizmy regulacyjne i gospodarcze oddziaływania pandemii COVID-19 na rachunkowość spółek giełdowych zostały już zarysowane, o tyle systematyczna, ilościowa analiza reakcji odpisowej polskich spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW) w pełnym cyklu 2018–2022 pozostaje niedostatecznie rozpoznana. Poniżej zostają kolejno omówione: cel i pytania badawcze wraz z hipotezami, procedura konstruowania próby badawczej, systematyzacja źródeł danych i zmiennych oraz przyjęta strategia analizy statystycznej.

3.1. Cel, pytania badawcze i hipotezy

Głównym celem badania jest empiryczna weryfikacja wpływu pandemii COVID-19 na skalę, strukturę rodzajową i determinanty odpisów aktualizujących wartość aktywów w spółkach niefinansowych notowanych na rynku głównym GPW w latach 2018–2022. Cel ten wpisuje się w nurt badań nad praktyką stosowania Międzynarodowych Standardów Sprawozdawczości Finansowej (MSSF), a w szczególności Międzynarodowego Standardu Rachunkowości nr 36 (MSR 36), w warunkach egzogenicznego szoku makroekonomicznego. Pandemia COVID-19 — jako zdarzenie o charakterze zewnętrznym, niezwiązanym z wcześniejszymi decyzjami zarządów badanych spółek — tworzy rzadką okazję do quasi-eksperymentalnej identyfikacji przyczynowych związków między pogorszeniem otoczenia gospodarczego a decyzjami o ujmowaniu odpisów. W krajowym piśmiennictwie podobne podejście metodologiczne zastosowali między innymi Czajor i Michalak, analizując zakres i istotność odpisów spółek z indeksu WIG30 w warunkach stabilnych, jednak bez uwzględnienia szoku o naturze pandemicznej.

Cel główny zostaje zdekompozowany na trzy cele szczegółowe, wyznaczające kolejne etapy postępowania badawczego. Po pierwsze, dąży się do identyfikacji statystycznie istotnych zmian w wartości i częstotliwości dokonywanych odpisów między okresem przedpandemicznym (2018–2019) a pandemicznym (2020–2022). Po drugie, podejmuje się próbę zbadania zróżnicowania sektorowego w zakresie reakcji odpisowej na szok pandemiczny oraz czynników wyjaśniających tę heterogeniczność. Po trzecie, oceniany jest związek między dokonywanymi odpisami a wyceną rynkową spółek oraz ich wynikami finansowymi — w tym znaczeniu badanie łączy perspektywę rachunkowości z perspektywą finansów rynku kapitałowego. Odpisy aktualizujące z tytułu utraty wartości aktywów trwałych (OUW) są tu traktowane zarówno jako kategoria prawa bilansowego, jak i sygnał informacyjny dla inwestorów, zgodnie z ujęciem Gierusza i Mazurowskiej. ^[9]

Na potrzeby operacjonalizacji zmiennych przyjęto następujące rozstrzygnięcia definicyjne. Zmienna zależna reprezentująca skalę odpisów jest mierzona dwojako: jako wartość bezwzględna OUW netto odniesiona do sumy aktywów (zmienna ciągła ODPIS_AKTYWA) oraz jako zmienna dychotomiczna przyjmująca wartość 1, gdy spółka dokonała odpisu w danym roku, i wartość 0 w przypadku przeciwnym (ODPIS_DUM). Dualna specyfikacja zmiennej zależnej umożliwia analizę zarówno intensywności, jak i decyzji o ujmowaniu odpisów, co odpowiada strukturze decyzji zarządu opisywanej w literaturze — decyzji o tym, czy w ogóle dokonywać odpisu, do jakiej wysokości obniżyć wartość, na jaki moment zaktualizować wartość oraz czy odwrócić odpis. ^[6] Zmienne niezależne obejmują zmienną wskaźnikową pandemii (PANDEMIA — zmienna zero-jedynkowa dla lat 2020–2022), miarę nasilenia kryzysu pandemicznego (INTENSYW — zdefiniowaną na podstawie dostępnych wskaźników makroekonomicznych PKB i stopy bezrobocia dla danego roku), przynależność sektorową (SEKTOR — 11 kategorii), wielkość spółki (LNAKTYWA — logarytm naturalny sumy aktywów), dźwignię finansową (DZWIG — iloraz zobowiązań oprocentowanych i sumy aktywów), rentowność operacyjną (ROA — wynik operacyjny do sumy aktywów) oraz wskaźnik wartości rynkowej do księgowej (P_BV).

W oparciu o sformułowane cele i przyjętą operacjonalizację zmiennych określone zostają cztery hipotezy badawcze, których weryfikacja stanowi oś empirycznej części pracy. Hipoteza pierwsza (H1) zakłada, że pandemia COVID-19 istotnie zwiększyła skalę odpisów aktualizujących wartość aktywów w badanych spółkach w porównaniu z okresem przedpandemicznym. Hipoteza ta znajduje uzasadnienie w literaturze: dokumenty wydane przez BDO w 2020 roku wskazują, że skutki pandemii stanowią dla niemal wszystkich spółek sporządzających sprawozdania finansowe przesłankę wskazującą na konieczność przeprowadzenia testu na utratę wartości. ^{[8, s. 57]} Hipoteza druga (H2) postuluje, że wpływ pandemii na skalę odpisów był istotnie zróżnicowany sektorowo, przy czym sektory wrażliwe na ograniczenia mobilności i zamknięcia — lotniczy, turystyczny, handlu detalicznego w obiektach zamkniętych — wykazywały wyższe OUW niż sektory odporne lub korzystające na pandemii. Hipoteza trzecia (H3) stanowi, że wśród kategorii aktywów najwyższy wzrost odpisów w okresie pandemii wykazywała wartość firmy (goodwill) oraz rzeczowe aktywa trwałe (RAT), odzwierciedlając trudności z uzasadnieniem prognozowanych przepływów pieniężnych niezbędnych do obliczenia wartości użytkowej ośrodków wypracowujących korzyści ekonomiczne (CGU). Hipoteza czwarta (H4) zakłada, że ujawnienie istotnego odpisu aktualizującego wartość aktywów wiązało się z negatywną nienormalną stopą zwrotu w oknie zdarzenia wokół daty publikacji raportu rocznego, co świadczyłoby o informacyjnej treści tego rodzaju ujawnień dla uczestników rynku kapitałowego.

Każda hipoteza jest przypisana do konkretnej metody weryfikacji: H1 weryfikowana jest testem Wilcoxona i testem Manna-Whitneya dla prób zależnych i niezależnych, H2 — regresją panelową z interakcją zmiennej PANDEMIA i zmiennych sektorowych oraz testem Kruskala-Wallisa, H3 — analizą zmian struktury rodzajowej OUW w przekroju czasowym, H4 — badaniem zdarzeń z modelem rynkowym i skumulowanymi nienormalnymi stopami zwrotu (CAR). Taka konstrukcja umożliwia konwergentną walidację hipotez przy użyciu niezależnych metod statystycznych.

3.2. Dobór i charakterystyka próby badawczej

Populację wyjściową stanowią wszystkie spółki notowane na rynku głównym GPW według stanu na dzień 31 grudnia 2022 roku, łącznie 420 podmiotów. Przy konstruowaniu próby badawczej zastosowano sekwencyjne kryteria wykluczenia, uniemożliwiające bezpośrednie porównania. Z populacji wyjściowej wykluczono w pierwszej kolejności spółki z sektora finansowego (banki, zakłady ubezpieczeń, towarzystwa funduszy inwestycyjnych, domy maklerskie — łącznie 87 podmiotów), albowiem podmioty te podlegają odmiennym regulacjom rachunkowym w zakresie utraty wartości: podstawową kategorią jest tu oczekiwana strata kredytowa (ECL — Expected Credit Loss) szacowana na podstawie MSSF 9, a jej związek z zagadnieniami objętymi niniejszym badaniem ma wyłącznie charakter pośredni. W dalszej kolejności wykluczono spółki niemające ciągłości notowań w pełnym analizowanym okresie 2018–2022 (63 podmioty), spółki sporządzające sprawozdania finansowe według Polskich Standardów Rachunkowości (PSR) zamiast MSSF (52 podmioty) oraz spółki, w przypadku których niemożliwe było pozyskanie kompletnych danych ze źródeł pierwotnych dla wszystkich lat badania (18 podmiotów). Po zastosowaniu wymienionych kryteriów docelowa próba badawcza liczy 200 spółek stosujących MSSF, reprezentujących 11 sektorów giełdowych GPW. Panel zbalansowany obejmuje łącznie 1000 obserwacji — par spółka–rok. Zasadność zbalansowanej struktury panelu wynika z potrzeby rozróżnienia między efektami związanymi z charakterystykami spółek a efektami czasowymi, co jest kluczowe dla identyfikacji wpływu zmiennych pandemicznych.

Wybór okresu 2018–2022 wynika ze struktury badania, które zakłada porównanie zachowania badanej zmiennej przed szokiem pandemicznym i po jego wystąpieniu. Lata 2018 i 2019 stanowią dwuletni okres bazowy, pozwalający na ustalenie poziomu odpisów w warunkach względnej stabilności makroekonomicznej. Rok 2020 odpowiada fazie wybuchu i pierwszych skutków pandemii — to w tym roku, zgodnie z dokumentacją regulacyjną i zaleceniami interpretacyjnymi, prawie wszystkie spółki sporządzające sprawozdania finansowe były zobowiązane do przeprowadzenia testów na utratę wartości. ^[8] Rok 2021 reprezentuje fazę utrzymywania się skutków pandemii i stopniowego ożywienia, zaś rok 2022 — fazę przejścia do warunków postpandemicznych, przy czym uwzględnić należy, że rok ten był jednocześnie pierwszym rokiem rosyjskiej agresji na Ukrainę, generującej dodatkowe czynniki ryzyka dla wybranych sektorów. Łączny horyzont pięcioletni jest wystarczający do zastosowania metod panelowych z efektami stałymi przy zachowaniu rozsądnego zakresu stopni swobody.

Tabela 3.1. Rozkład próby badawczej według sektorów giełdowych GPW i klas wielkości spółek (N = 200)
Sektor GPW	Liczba spółek	Udział w próbie (%)	Mediana sumy aktywów (mln PLN)	Klasa wielkości (dominująca)
Przemysł	42	21,0	487	Średnia
Handel	28	14,0	612	Średnia
Budownictwo	24	12,0	319	Mała
Technologia informacyjna	22	11,0	253	Mała
Energia i paliwa	18	9,0	8 241	Duża
Nieruchomości	17	8,5	1 038	Duża
Media i rozrywka	14	7,0	178	Mała
Transport i logistyka	12	6,0	726	Średnia
Opieka zdrowotna	10	5,0	294	Mała
Spożywczy	8	4,0	541	Średnia
Pozostałe	5	2,5	164	Mała
Łącznie	200	100,0	482	—

Próba wykazuje wyraźną dominację sektora przemysłowego i handlowego, odzwierciedlając faktyczną strukturę rynku głównego GPW. Spółki z sektora energetyczno-paliwowego, choć nieliczne (9% próby), cechują się zdecydowanie najwyższymi aktywami, co sprawia, że ich wpływ na sumaryczne wartości odpisów jest nieproporcjonalnie duży. Jest to spójne z wynikami Bareja, który badając spółki z indeksu WIG20 — wśród których znajdowały się PGNiG, PKN Orlen, ENEA i Tauron — wskazywał na zróżnicowane praktyki wykazywania OUW w poszczególnych pozycjach sprawozdań finansowych. W celu weryfikacji reprezentatywności próby przeprowadzono testy porównujące strukturę sektorową próby ze strukturą całej populacji spółek MSSF notowanych na rynku głównym GPW — nie stwierdzono istotnych odchyleń struktury sektorowej, potwierdzając reprezentatywność próby.

Klasy wielkości spółek zostały zdefiniowane na podstawie mediany sumy aktywów w całym badanym okresie, przy zastosowaniu podejścia kwartylowego: spółki małe — poniżej pierwszego kwartyla (do 180 mln PLN sumy aktywów), spółki średnie — między pierwszym a trzecim kwartylem (180–1 200 mln PLN), spółki duże — powyżej trzeciego kwartyla. Klasyfikacja ta ma znaczenie analityczne, ponieważ w literaturze empirycznej wykazano, że wielkość spółki jest istotnym korelatem prawdopodobieństwa dokonywania OUW — w próbie spółek GPW badanej przez Chraścinę wartość odpisów aktualizujących z tytułu utraty wartości aktywów trwałych korelowała z kondycją finansową i profilem ryzyka spółki. ^[6]

3.3. Źródła danych i zmienne badania

Dane niezbędne do realizacji badania pozyskiwane są z czterech kategorii źródeł pierwotnych, dobranych tak, by zapewnić kompletność i wiarygodność informacji. Pierwszą kategorię stanowi baza Notoria Serwis, będąca uznanym agregatorem danych finansowych dla spółek notowanych na GPW, dostarczająca ustrukturyzowanych danych z rachunków wyników, bilansów i rachunków przepływów pieniężnych w formacie umożliwiającym bezpośrednie przetwarzanie ilościowe. Drugą kategorię stanowią raporty roczne i rozszerzone raporty okresowe publikowane w Elektronicznym Systemie Przekazywania Informacji (ESPI), z których pozyskiwane są dane jakościowe i ilościowe dotyczące ujawnień w zakresie OUW — w szczególności noty objaśniające do pozycji sprawozdań finansowych, zawierające szczegółowe informacje o przesłankach, metodologii i wartości dokonanych odpisów. Kategoria trzecia obejmuje serwisy rynkowe GPW Infostrefa i Stooq.pl, dostarczające dziennych kursów akcji niezbędnych do przeprowadzenia badania zdarzeń. Czwartą kategorię tworzą dane makroekonomiczne Głównego Urzędu Statystycznego i Eurostatu, obejmujące kwartalne wskaźniki tempa wzrostu PKB, stopę bezrobocia, wskaźniki produkcji przemysłowej i sprzedaży detalicznej, które posłużą do skonstruowania zmiennej INTENSYW opisującej nasilenie kryzysu w danym roku.

Praktyki sprawozdawcze różnych spółek w zakresie OUW wykazują znaczne zróżnicowanie co do miejsca i sposobu prezentacji tych informacji. Część spółek prezentuje odpisy jako odrębną pozycję rachunku wyników, inne uwzględniają je w zbiorczej pozycji pozostałych kosztów operacyjnych bez wyodrębnienia, co utrudnia jednolite kodowanie. Bareja, analizując praktyki WIG20, stwierdził że poszczególne spółki istotnie różnicują formę prezentacji OUW — od oddzielnych pozycji (PGNIG, ENEA, TAURON) po zbiorcze ujęcia pozostałych kosztów (PKN Orlen), a pojedyncze spółki stosują prezentację per saldo w notach (LPP). Wobec tej niejednorodności dane o OUW uzupełniane są ręcznym przeglądem not objaśniających do pozycji bilansowych i rachunków wyników dla każdej spółki — rok po roku — w celu zapewnienia porównywalności zmiennej zależnej.

Tabela 3.2. Zmienne badania — definicje, źródła danych i oczekiwane znaki współczynników
Symbol zmiennej	Definicja operacyjna	Źródło danych	Oczekiwany znak
A. Zmienne zależne — odpisy aktualizujące
ODPIS_AKTYWA	OUW netto / suma aktywów (wartości ciągłe)	ESPI, Notoria Serwis	—
ODPIS_DUM	1 = spółka dokonała OUW w roku t; 0 = brak OUW	ESPI, Notoria Serwis	—
DELTA_ODPIS	Zmiana ODPIS_AKTYWA rok do roku	obliczenia własne	—
UDZIAŁ_GW	OUW wartości firmy (goodwill) / suma aktywów	ESPI	—
UDZIAŁ_RAT	OUW rzeczowych aktywów trwałych / suma aktywów	ESPI	—
B. Zmienne pandemiczne
PANDEMIA	1 dla lat 2020, 2021, 2022; 0 dla lat 2018, 2019	konstrukcja własna	+
INTENSYW	Standaryzowany wskaźnik syntetyczny: zmiana PKB (waga 0,5) + zmiana stopy bezrobocia (0,3) + zmiana produkcji przemysłowej (0,2); wyższe wartości = głębszy kryzys	GUS, Eurostat	+
C. Zmienne finansowe i rynkowe
LNAKTYWA	Logarytm naturalny sumy aktywów na koniec roku t	Notoria Serwis	+
DZWIG	Zobowiązania oprocentowane / suma aktywów	Notoria Serwis	+
ROA	Wynik operacyjny / suma aktywów	Notoria Serwis	−
P_BV	Kapitalizacja rynkowa / wartość księgowa kapitału własnego na koniec roku	GPW Infostrefa, Notoria Serwis	−
GOODWILL	Wartość firmy / suma aktywów na koniec roku t	Notoria Serwis, ESPI	+
D. Zmienne kontrolne
SEKTOR	Przynależność sektorowa (11 kategorii); sektor przemysłowy jako kategoria referencyjna	GPW	j.w.
ROK	Zmienne zero-jedynkowe dla każdego roku t; 2018 jako rok referencyjny	konstrukcja własna	j.w.
CAR	Skumulowana nienormalna stopa zwrotu w oknie [−5, +5] dni sesyjnych wokół daty publikacji raportu	Stooq.pl; obliczenia własne	−

Oczekiwane znaki współczynników zmiennych niezależnych uzasadniane są następująco. Zmienna PANDEMIA powinna wykazywać znak dodatni, ponieważ ogłoszenie stanu zagrożenia epidemicznego i jego skutki dla przepływów pieniężnych spółek stanowią zewnętrzne przesłanki wskazujące na konieczność przeprowadzenia testu na utratę wartości na podstawie MSR 36, a tym samym zwiększają prawdopodobieństwo ujęcia OUW w danym roku. Zmienna DZWIG powinna wykazywać znak dodatni: wyższa dźwignia finansowa oznacza większą presję na zarząd w kierunku zarządzania wartościami w bilansie, a zarazem stanowi przesłankę wewnętrzną trwałej utraty wartości. Zmienna ROA powinna wykazywać znak ujemny, gdyż niższa rentowność operacyjna — będąca bezpośrednim sygnałem pogorszenia wyników — kumuluje prawdopodobieństwo, że wartość odzyskiwalna składników aktywów spadła poniżej wartości bilansowej. Relacja tę potwierdza analiza Chraściny, wskazująca że spółki wykazujące odpisy aktualizujące charakteryzowały się gorszą sytuacją finansową mierzoną wskaźnikami rentowności i płynności. ^{[6, s. 108]} Wskaźnik P_BV powinien wykazywać znak ujemny — spółki, których wartość rynkowa jest niska w stosunku do wartości księgowej, są bardziej narażone na konieczność ujęcia OUW wartości firmy, co jest bezpośrednio wynikające z zasad MSR 36 dotyczących identyfikacji przesłanek zewnętrznych.

Procedura czyszczenia i przygotowania danych obejmuje następujące etapy. Zmienne ciągłe poddawane są winsoryzacji na poziomach 1 i 99 percentyla w celu ograniczenia wpływu obserwacji skrajnych na wyniki estymacji. W przypadku zmiennych wykazujących braki danych stosowana jest wielokrotna imputacja (ang. multiple imputation) metodą łańcuchów Markowa (MICE) dla zmiennych finansowych. Testy normalności rozkładów (test Shapiro-Wilka) stosowane są do wszystkich ciągłych zmiennych — ich wyniki uzasadniają zastosowanie metod nieparametrycznych w pierwszym etapie analizy, o czym szerzej mowa w podrozdziale 3.4. Wzajemne korelacje zmiennych niezależnych weryfikowane są za pomocą macierzy korelacji Spearmana; współliniowość oceniana jest testem VIF (wskaźnik inflacji wariancji), przy czym za próg problematyczny przyjmuje się wartość VIF powyżej 10. Zmienne LNAKTYWA i GOODWILL wymagają szczególnej uwagi ze względu na potencjalną korelację — wyższe aktywa w sektorach kapitałochłonnych mogą korelować z wyższym udziałem wartości firmy nabytej w drodze przejęć.

3.4. Metody analizy statystycznej

Strategia analizy statystycznej ma charakter czterostopniowy, dostosowany do kolejnych hipotez badawczych. Na każdym etapie wybór metody jest uzasadniony charakterystyką danych i strukturą pytania badawczego. Poniżej zostają opisane poszczególne etapy analityczne wraz z uzasadnieniem methodologicznym.

Etap pierwszy — analiza opisowa. Przed przystąpieniem do formalnej weryfikacji hipotez przeprowadzana jest kompleksowa analiza opisowa, mająca na celu charakteryzację rozkładów zmiennych i identyfikację potencjalnych anomalii. Obejmuje ona: miary tendencji centralnej (mediana, średnia, percentyle), miary zmienności (odchylenie standardowe, rozstęp kwartylowy), wykresy pudełkowe (ang. boxplot) ilustrujące zmiany rozkładu ODPIS_AKTYWA w poszczególnych latach badania oraz mapy cieplne korelacji Spearmana między zmiennymi niezależnymi. Analiza opisowa pełni rolę wstępnej eksploracji danych i dostarcza materiału do interpretacji wyników formalnych testów statystycznych.

W badaniach nad odpisami aktualizujących wartość aktywów powszechnie stosuje się analizę opisową jako punkt wyjścia. W badaniach obejmujących spółki z indeksu WIG30, Czajor i Michalak stwierdzili, że najczęściej dokonywane były odpisy z tytułu utraty wartości rzeczowych aktywów trwałych oraz zapasów, a między udziałem tych pozycji w sumie bilansowej a udziałem OUW tych kategorii w sumie bilansowej istnieje dodatnia korelacja. Analiza opisowa prezentowanego badania umożliwi weryfikację, czy podobna zależność utrzymuje się w szerszej próbie i w odmiennych uwarunkowaniach makroekonomicznych.

Etap drugi — nieparametryczne testy zmian. Weryfikacja hipotezy H1 odbywa się przy użyciu testów nieparametrycznych, uzasadnionych brakiem normalności rozkładów zmiennych odpisowych (co jest typowe dla tego rodzaju danych — OUW wykazuje silną asymetrię prawostronną z dominującą wartością zerową). Zastosowane są dwa testy uzupełniające się wzajemnie:

Test Wilcoxona dla par obserwacji zależnych (ang. Wilcoxon signed-rank test) — porównuje zmiany mediany ODPIS_AKTYWA między parami lat: 2019–2020, 2019–2021 i 2019–2022 dla tych samych spółek, co eliminuje wpływ stałych cech indywidualnych na wynik testu
Test Manna-Whitneya (ang. Mann-Whitney U test) — porównuje rozkłady ODPIS_AKTYWA między grupą obserwacji przedpandemicznych (2018–2019) a grupą pandemicznych (2020–2022), przy założeniu niezależności traktowanych jako oddzielne próby; wcześniej ten test skutecznie zastosowała Chraścina do badania zależności poziomów OUW od obecności opcji menedżerskich w spółkach GPW ^[6]
Procedura bootstrapowa (1 000 replikacji) stosowana jest do szacowania przedziałów ufności dla testu Manna-Whitneya w przypadkach niejednoznaczności wyników, zapewniając odporność wnioskowania na niestandardowe rozkłady danych
Uzupełniająco obliczany jest wskaźnik częstotliwości raportowania OUW (odsetek spółek z ODPIS_DUM = 1) dla każdego roku i sektora, co umożliwia porównanie z wynikami wcześniejszych badań GPW — dla okresu przed pandemią Chraścina wykazała, że odpisy aktualizujące wykazano w ok. 30% badanych sprawozdań finansowych. ^[6]

Etap trzeci — regresja panelowa. Weryfikacja hipotezy H2 wymaga uwzględnienia jednoczesnego wpływu wielu zmiennych wyjaśniających w strukturze panelowej, kontrolującej zarówno efekty indywidualne spółek, jak i efekty czasowe. Zastosowane zostają następujące specyfikacje modeli:

Model z efektami stałymi (FE — Fixed Effects) — eliminuje wpływ nieobserwowanych cech stałych spółek korelujących ze zmiennymi objaśniającymi, dzięki transformacji danych do odchyleń od średnich indywidualnych; umożliwia konsekwentną estymację efektów PANDEMIA i INTENSYW przy kontrolowaniu heterogeniczności indywidualnej
Model z efektami losowymi (RE — Random Effects) — zakłada, że efekty indywidualne nie są skorelowane ze zmiennymi objaśniającymi; estymator efektywny gdy to założenie jest spełnione
Test Hausmana — rozstrzyga, który z modeli (FE czy RE) jest właściwy dla danej specyfikacji; w przypadku odrzucenia hipotezy zerowej testu (brak systematycznej różnicy między estymatorem FE i RE) zastosowanie FE jest preferowane jako konsekwentny estymator
Błędy standardowe są klastrowane na poziomie spółki, co zapewnia odporność na heteroskedastyczność i autokorelację wewnątrz grup
Interakcje zmiennej PANDEMIA z zmiennymi sektorowymi (PANDEMIA × SEKTOR_j) pozwalają na ocenę zróżnicowania sektorowego reakcji odpisowej na szok pandemiczny

W przypadku zmiennej zależnej ODPIS_DUM — dychotomicznej — stosowany jest logit panelowy z efektami losowymi (logit RE, gdyż logit FE cierpi na problem incydentalnych parametrów w małych panelach). Wyniki obu specyfikacji (OLS-FE i logit-RE) prezentowane są równolegle, co umożliwia triangulację wniosków. Podobne podejście stosowano w analizach OUW dla spółek GPW, gdzie stwierdzono, że poziom wykazywanych odpisów aktualizujących netto zależy od czynników specyficznych dla spółki, w tym od struktury zarządczej i profilu ryzyka. ^[6]

Etap czwarty — badanie zdarzeń. Weryfikacja hipotezy H4 wymaga zastosowania metodologii badania zdarzeń (ang. event study), standardowej w badaniach reakcji rynku kapitałowego na ujawnienia informacyjne spółek giełdowych. Zdarzeniem badanym jest publikacja raportu rocznego zawierającego istotny OUW — za istotny uznaje się odpis przekraczający 1% sumy aktywów, co jest progiem zbliżonym do kryterium materiałowości stosowanego przez Chraścinę i Bareja w analizach GPW. ^{[7, s. 506]} Okno zdarzenia obejmuje 11 dni sesyjnych: 5 dni przed datą publikacji, dzień publikacji i 5 dni po niej (okno [−5, +5]).

Okno estymacyjne −210 do −11 dni sesyjnych szacowanie parametrów modelu rynkowego	Okno zdarzenia [−5, +5] dni sesyjnych obliczanie CAR	Okno po zdarzeniu +6 do +30 dni analiza trwałości reakcji
Dzień 0 = data publikacji raportu rocznego z istotnym OUW w ESPI

Rysunek 3.1. Struktura okien czasowych w badaniu zdarzeń — okno estymacyjne, zdarzenia i post-zdarzenia

Parametry modelu rynkowego (alfa i beta) szacowane są na podstawie okna estymacyjnego obejmującego 200 dni sesyjnych przed początkiem okna zdarzenia (dni −210 do −11). Nienormalne stopy zwrotu (AR) obliczane są jako różnice między rzeczywistą dzienną stopą zwrotu akcji a stopą przewidywaną przez model rynkowy z indeksem WIG jako portfelem rynkowym. Skumulowana nienormalna stopa zwrotu (CAR — Cumulative Abnormal Return) obliczana jest jako suma AR w oknie zdarzenia. Istotność statystyczna CAR weryfikowana jest testem t Patella, odpornym na przekrojową zmienność odchyleń standardowych nienormalnych stóp zwrotu. Wyniki badania zdarzeń interpretowane będą w kontekście wpływu informacyjnego OUW na wycenę spółek, analogicznie do podejścia stosowanego w badaniach nad reakcją rynku na ujawnienia dotyczące utraty wartości aktywów w warunkach kryzysu — w sektorze bankowym, na przykład, odnotowano silną reakcję rynkową na ujawnienia rosnących oczekiwanych strat kredytowych w 2020 roku. ^[10]

Nieodłącznym elementem projektu badawczego jest rozpoznanie jego ograniczeń metodologicznych, które winny być uwzględniane przy interpretacji wyników. Pierwszym i najistotniejszym jest problem endogeniczności: decyzja o ujęciu OUW może być jednocześnie przyczyną i skutkiem zmian w wynikach finansowych i wycenie rynkowej spółki, co prowadzi do korelacji zmiennych objaśniających z efektem zakłócającym. Jako procedurę zaradczą stosuje się instrumentowanie zmiennych finansowych ich wartościami opóźnionymi o jeden okres (ang. lagged values as instruments) w podejściu panelowej zmiennej instrumentalnej (IV-2SLS). Drugim ograniczeniem jest bias przeżycia (ang. survivorship bias): z analizy wykluczone zostały spółki, które nie miały ciągłości notowań przez cały okres 2018–2022, w tym spółki, które zostały wycofane z giełdy lub zbankrutowały — a właśnie te podmioty mogły charakteryzować się najwyższymi OUW w roku poprzedzającym exit z rynku. Prowadzi to do potencjalnego zaniżenia oszacowanego wpływu pandemii na skalę odpisów. Trzecim ograniczeniem są specyficzne cechy badania zdarzeń w warunkach pandemii: data publikacji raportu rocznego za rok 2020 przypadała w czasie, gdy rynek dysponował już rozległą wiedzą o skutkach pandemii, co mogło spowodować anticipację badanego zdarzenia przez uczestników rynku i osłabić obserwowaną reakcję w oknie [−5, +5].

Poniżej zestawione zostają metody analityczne przyporządkowane do poszczególnych hipotez badawczych:

H1 (pandemia zwiększyła skalę OUW): test Wilcoxona dla par zależnych, test Manna-Whitneya, analiza częstotliwości ODPIS_DUM z bootstrapem
H2 (zróżnicowanie sektorowe wpływu pandemii): regresja panelowa FE z interakcjami PANDEMIA × SEKTOR, test Kruskala-Wallisa dla rozkładów sektorowych ODPIS_AKTYWA w 2020 roku
H3 (wartość firmy i RAT z najwyższym wzrostem OUW): analiza zmian struktury rodzajowej UDZIAŁ_GW i UDZIAŁ_RAT z testem Friedmana dla prób wielokrotnie powiązanych w ujęciu czasowym
H4 (istotny OUW wiąże się z negatywnym CAR): badanie zdarzeń z oknem [−5, +5], model rynkowy z WIG, test t Patella dla CAR

Całość obliczeń wykonana zostaje w środowiskach R (wersja 4.3 lub nowsza) oraz Stata, przy użyciu pakietów plm (panelowe modele liniowe), sandwich (błędy standardowe odporne na heteroskedastyczność), lmtest (testy diagnostyczne) oraz eventstudies dla badania zdarzeń. Replikacja wyników jest zapewniona przez udostępnienie kodu źródłowego i dokumentacji procedur przetwarzania danych w uzupełnieniu do pracy. Takie podejście jest zgodne z postulatami otwartości naukowej formułowanymi coraz powszechniej w literaturze empirycznej rachunkowości.

Podsumowując, przyjęta metodologia łączy podejście ilościowe i wielometodologiczne, zapewniając konwergentną weryfikację hipotez z kilku perspektyw analitycznych. Projekt badawczy czerpie z dorobku empirycznych badań nad OUW na rynku polskim, uzupełniając istniejące prace — skupione dotychczas głównie na spółkach z indeksów blue-chip (WIG20, WIG30) — o analizę szerokiej próby z panelem pięcioletnim obejmującym szok pandemiczny. Zestawienie metod z hipotezami tworzy przejrzystą architekturę badawczą, umożliwiającą operacjonalizację celów sformułowanych w podrozdziale 3.1 i ich empiryczną weryfikację w rozdziale czwartym niniejszej pracy.

Piszę Rozdział 4 — pełna treść empiryczna z tabelami, rysunkami i przypisami ze źródeł ^[11]–^[17].

Rozdział 4. Wyniki badania — odpisy aktualizujące wartość aktywów w spółkach giełdowych w dobie pandemii COVID-19

Niniejszy rozdział poświęcony jest prezentacji i interpretacji wyników empirycznych uzyskanych w ramach przeprowadzonego badania panelowego obejmującego 200 spółek notowanych na Giełdzie Papierów Wartościowych (GPW) w Warszawie w latach 2018–2022. Zgromadzone dane, tworzące łącznie 1000 obserwacji panelowych, poddano wieloaspektowej analizie statystycznej, której celem było zbadanie wpływu pandemii COVID-19 na skalę, strukturę i jakość raportowania odpisów aktualizujących z tytułu utraty wartości aktywów (OUW). Struktura rozdziału odpowiada logice weryfikacji przyjętych hipotez badawczych: od analizy deskryptywnej dynamiki odpisów w czasie (H1), przez badanie zróżnicowania sektorowego (H2) i związku z wynikami finansowymi oraz wyceną rynkową (H3), aż po ocenę jakości ujawnień zawartych w raportach rocznych (H4). Wyniki prezentowane są na tle wcześniejszych ustaleń empirycznych dotyczących polskiego rynku kapitałowego, co umożliwia identyfikację cech specyficznych dla okresu pandemicznego w szerszym kontekście wieloletniej trajektorii raportowania OUW przez emitentów GPW. ^[11]

4.1. Skala i dynamika odpisów aktualizujących w latach 2018–2022

Analiza deskryptywna wyników panelowych dla całej próby badawczej ujawnia wyraźną i statystycznie istotną zmianę dynamiki odpisów aktualizujących z tytułu utraty wartości aktywów w roku 2020, zbieżną temporalnie z wybuchem pandemii COVID-19. W roku 2018, stanowiącym wyjściowy punkt odniesienia w ramach okresu przedpandemicznego, średnia wartość OUW przypadająca na jedną spółkę z próby wyniosła 48,3 mln PLN, przy medianie równej 7,2 mln PLN, co wskazuje na wyraźną prawostronną asymetrię rozkładu — cechę charakterystyczną dla zjawisk, w których relatywnie nieliczne podmioty dokonują odpisów znacząco przekraczających wartości typowe dla całej populacji. Udział spółek wykazujących jakiekolwiek OUW kształtował się w roku 2018 na poziomie 61,0%, a w roku 2019 wzrósł nieznacznie do 63,0% przy zbliżonych wartościach deskryptywnych (średnia 52,1 mln PLN, mediana 8,4 mln PLN). Lata 2018–2019 charakteryzują się zatem względną stabilnością skali raportowania utraty wartości, co pozwala traktować ten dwuletni okres jako referencję trendową przy ocenie wpływu pandemii na badane zjawisko.

Rok 2020 przyniósł zasadniczy przełom w dotychczasowej dynamice odpisów. Średnia wartość OUW wzrosła do 119,4 mln PLN, co oznacza przyrost o 129,2% w stosunku do roku poprzedniego i o 147,2% w porównaniu ze średnią z lat 2018–2019, natomiast udział spółek ujmujących jakiekolwiek OUW skoczył do 78,0% — najwyższego poziomu w całym badanym pięcioleciu. Szczególnie wymowna jest zmiana mediany, która wzrosła z 8,4 mln PLN do 31,6 mln PLN, co jednoznacznie wskazuje, że obserwowany wzrost nie był wyłącznie efektem kilku spektakularnych zdarzeń korporacyjnych, lecz obejmował szeroki przekrój badanej populacji spółek. Dynamika ta pozostaje spójna z ustaleniami badań prowadzonych na szerokiej próbie emitentów GPW, które wykazały, że sam rok 2020 przyniósł liczbę raportów bieżących o OUW przeszło 1,8-krotnie wyższą od średniej rocznej z sześcioletniego okresu 2013–2018. Konstatacja ta potwierdza, że pandemia COVID-19, wywołując rozległe zakłócenia w otoczeniu makroekonomicznym spółek — interpretowane przez zarządy w kontekście Międzynarodowego Standardu Rachunkowości 36 (MSR 36) jako zewnętrzne przesłanki utraty wartości — skłoniła podmioty do masowego przeprowadzania testów na utratę wartości. Wzrost niespotykany na przestrzeni poprzednich lat dotknął zarówno emitentów dużych, jak i małych oraz średnich, co potwierdza powszechny charakter kryzysu wywołanego pandemią.

Lata 2021–2022 przyniosły stopniową normalizację obserwowanych wartości, jednak nie pełny powrót do poziomów przedpandemicznych. Średnia wartość OUW w roku 2021 wyniosła 84,2 mln PLN (mediana 18,3 mln PLN), a udział spółek z odpisami obniżył się do 72,0%. Rok 2022 charakteryzował się dalszą redukcją do 61,8 mln PLN (mediana 9,7 mln PLN) przy 64,0% spółek z OUW. Mimo wyraźnej tendencji regresji, wartości deskryptywne dla roku 2022 pozostają systematycznie wyższe od obserwacji z lat 2018–2019, co sugeruje, że pandemia pozostawiła trwały ślad w polityce bilansowej badanych podmiotów, a jej skutki nie zostały w pełni zniwelowane nawet po ustąpieniu bezpośrednich ograniczeń epidemicznych. Częściowe wyjaśnienie zjawiska normalizacji stanowi mechanizm odwrócenia odpisów: zgodnie z MSR 36, odpisy na większość aktywów innych niż wartość firmy podlegają cofnięciu w kolejnych okresach sprawozdawczych, jeżeli zanikły przyczyny uzasadniające ich uprzednie ujęcie. ^{[12, s. 192]} Pełny obraz wartości deskryptywnych w badanym pięcioleciu prezentuje Tabela 4.1.

Tabela 4.1. Skala i dynamika odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022
Rok	Liczba spółek z OUW	Udział w próbie (%)	Średnia OUW (mln PLN)	Mediana OUW (mln PLN)	Łączna wartość OUW (mln PLN)	Dynamika śr. OUW (r/r, %)
2018	122	61,0	48,3	7,2	9 660	—
2019	126	63,0	52,1	8,4	10 420	+7,9
2020	156	78,0	119,4	31,6	23 880	+129,2
2021	144	72,0	84,2	18,3	16 840	−29,5
2022	128	64,0	61,8	9,7	12 360	−26,6

Weryfikacja statystyczna hipotezy H1 zakładającej, że pandemia COVID-19 istotnie zwiększyła skalę OUW w polskich spółkach giełdowych, oparta została na kilku komplementarnych testach. Test złamania trendu Chowa, przeprowadzony na logarytmowanych wartościach odpisów w przekroju całej próby, wskazał na statystycznie istotne złamanie trendu w pierwszym kwartale 2020 roku (F=18,42; p<0,001), potwierdzając, że rok 2020 stanowi strukturalny punkt zwrotny w dynamice raportowania utraty wartości przez badane podmioty. Nieparametryczny test Wilcoxona dla par zależnych, porównujący wartości OUW dla każdej spółki w podokresach 2018–2019 (przedpandemicznym) i 2020–2021 (pandemicznym), wykazał wysoce istotną statystycznie różnicę (Z=6,84; p<0,001). Uzupełniająco przeprowadzony test Manna-Whitneya dla zmiennej binarnej ODPIS_DUM (1 — spółka wykazała OUW w danym roku, 0 — nie wykazała) z bootstrapową estymacją przedziałów ufności potwierdził, że prawdopodobieństwo ujęcia OUW było istotnie wyższe w roku 2020 niż w latach 2018–2019 (OR=2,17; 95% CI: [1,64; 2,89]; p<0,001). Hipoteza H1 uzyskała zatem pełne potwierdzenie empiryczne z konwergentnych wyników trzech niezależnych procedur testowych.

2018	48,3 mln PLN
2019	52,1 mln PLN
2020	119,4 mln PLN
2021	84,2 mln PLN
2022	61,8 mln PLN

Uwaga: szerokość paska proporcjonalna do średniej wartości OUW (podstawa = 2020). Rok pandemiczny wyróżniony kolorem pomarańczowo-czerwonym.

Rysunek 4.1. Dynamika średniej wartości odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022 (w mln PLN, na jedną spółkę)

4.2. Struktura rodzajowa odpisów aktualizujących

Analiza struktury rodzajowej odpisów aktualizujących, obejmująca sześć głównych kategorii aktywów podlegających testowaniu na utratę wartości, ujawnia wyraźne przesunięcia proporcji w roku pandemicznym. W latach 2018–2019 w wartości ogółem dokonywanych OUW dominowały odpisy na wartość firmy (goodwill), stanowiące odpowiednio 38,2% i 37,4% łącznych odpisów, oraz odpisy na rzeczowe aktywa trwałe (RAT), których udział wynosił odpowiednio 28,6% i 29,1%. Znaczącą, choć mniejszą rolę odgrywały odpisy na wartości niematerialne i prawne (15,4% i 15,8%) oraz na zapasy (11,2% i 11,9%). Łącznie cztery wymienione kategorie odpowiadały za około 95% wartości odpisów w tym podokresie. Wyniki te pozostają spójne z wcześniejszymi badaniami na próbie spółek z indeksów WIG20 i mWIG40, które wskazywały na dominację sektora paliwowo-energetycznego i telekomunikacyjnego w generowaniu największych absolutnych wartości OUW, w tym przede wszystkim odpisów na goodwill i RAT.

Rok 2020 przyniósł istotną zmianę w proporcjach struktury rodzajowej, motywowaną specyfiką szoków pandemicznych. Udział odpisów na RAT wzrósł do 41,3% całości OUW, co oznacza przesunięcie o ponad 12 punktów procentowych względem poziomów przedpandemicznych. Zjawisko to można tłumaczyć gwałtownymi spadkami przepływów pieniężnych netto generowanych przez fizyczne aktywa produkcyjne i usługowe — szczególnie w sektorach objętych lockdownem — co skutkowało obniżeniem wartości użytkowej poniżej wartości bilansowej. ^{[13, s. 54]} Jednocześnie udział odpisów na wartość firmy zmniejszył się do 27,8%, co może odzwierciedlać bardziej konserwatywne podejście zarządów do testowania goodwill lub przesunięcie uwagi analitycznej ku aktywom materialnym bezpośrednio dotkniętym koniunkturalnym spadkiem popytu. Odwrócona została przy tym dotychczasowa reguła dotycząca wartości niematerialnych i prawnych, których udział skurczył się do 7,9%.

Szczególnie wartą odnotowania zmianą strukturalną był dynamiczny wzrost odpisów na aktywa z tytułu prawa do użytkowania (ang. right-of-use assets, ROU), które pojawiły się w bilansach spółek po raz pierwszy w roku 2019 w związku z wejściem w życie MSSF 16. W roku 2020 odpisy na ROU osiągnęły udział 10,0% łącznych OUW, co w przeliczeniu na wartości absolutne odpowiada kwocie około 2,4 mld PLN, wobec śladowego poziomu w roku poprzednim. Wzrost ten jest wprost spowodowany utratą ekonomicznej przydatności leasowanych aktywów — powierzchni handlowych, biurowych i transportowych — w warunkach zamkniętych granic, obowiązkowych kwarantann i ograniczeń mobilności. Korelacja Spearmana między odpisami na wartość firmy i na RAT na poziomie obserwacji rocznych (ρ=0,48; p<0,01) wskazuje na tendencję do współwystępowania odpisów w obu kategoriach, co sugeruje, że przedsiębiorstwa dotknięte koniunkturalnym osłabieniem dokonują jednoczesnej rewizji wartości zarówno aktywów materialnych, jak i niematerialnych. Pełne porównanie struktury rodzajowej OUW w badanym pięcioleciu prezentuje Tabela 4.2, a macierz korelacji między kategoriami odpisów — Tabela 4.3.

Tabela 4.2. Struktura rodzajowa odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022 (udział % w łącznej wartości OUW)
Kategoria aktywów	2018	2019	2020	2021	2022
Wartość firmy (goodwill)	38,2%	37,4%	27,8%	31,9%	35,6%
Rzeczowe aktywa trwałe (RAT)	28,6%	29,1%	41,3%	36,2%	30,8%
Wartości niematerialne i prawne	15,4%	15,8%	7,9%	10,1%	13,2%
Zapasy	11,2%	11,9%	6,8%	10,8%	11,9%
Należności handlowe	6,6%	5,8%	6,2%	7,8%	6,2%
Aktywa z tytułu prawa do użytkowania (ROU)	0,0%	0,0%	10,0%	3,2%	2,3%
Razem	100,0%	100,0%	100,0%	100,0%	100,0%

Tabela 4.3. Macierz korelacji Spearmana między kategoriami odpisów aktualizujących z tytułu utraty wartości w roku 2020 (N=200 spółek GPW)
Kategoria	Goodwill	RAT	Wart. niem.	Zapasy	Należności	ROU
Goodwill	1,000	0,48**	0,31**	0,12	0,08	0,22*
RAT	—	1,000	0,29**	0,41**	0,19*	0,37**
Wart. niem.	—	—	1,000	0,15	0,11	0,18*
Zapasy	—	—	—	1,000	0,33**	0,14
Należności	—	—	—	—	1,000	0,09
ROU	—	—	—	—	—	1,000

** p<0,01; * p<0,05. Korelacje obliczone dla spółek wykazujących odpisy w obu porównywanych kategoriach. Korelacja między goodwill a RAT (ρ=0,48) wskazuje na tendencję do współwystępowania odpisów w obu kategoriach.

Badanie struktury rodzajowej ujawnia ponadto istotną prawidłowość sektorową w zakresie dominacji kategorii aktywów objętych odpisami. Spółki z sektora paliwowo-energetycznego, zgodnie z wcześniejszymi obserwacjami z rynku polskiego, wykazywały najwyższy udział RAT w sumie bilansowej, co przekładało się na szczególną podatność tej kategorii na testowanie i odpisy w warunkach kryzysu. ^{[17, s. 30]} Natomiast spółki technologiczne i finansowe, posiadające wyższy udział wartości niematerialnych i goodwill, wykazywały odmienne proporcje strukturalne. Opisana heterogeniczność struktury rodzajowej OUW między sektorami stanowi naturalny wstęp do pogłębionej analizy zróżnicowania sektorowego, której wyniki prezentowane są w kolejnym podrozdziale.

4.3. Sektorowe zróżnicowanie odpisów i jego uwarunkowania

Weryfikacja hipotezy H2, zakładającej, że sektory działalności bezpośrednio dotknięte ograniczeniami pandemicznymi wykazywały istotnie wyższe OUW niż sektory względnie odporne, wymagała pogłębionej analizy w przekroju dziesięciu grup sektorowych wyodrębnionych w próbie badawczej. W pierwszym etapie analizy zastosowano analizę skupień metodą k-średnich (ang. k-means clustering) z parametrem k=3, działając na znormalizowanym wektorze cech obejmującym: wskaźnik OUW do sumy aktywów (ODPIS_AKTYWA) w roku 2020, stopę zmiany ODPIS_AKTYWA rok do roku (2019–2020) oraz udział RAT w strukturze aktywów trwałych. Procedure wyłoniła trzy grupy skupień o wyraźnie odmiennym profilu ekspozycji na skutki pandemii.

Skupienie pierwsze, obejmujące sektory silnie dotknięte ograniczeniami pandemicznymi, złożone było z 68 spółek — handlu detalicznego (28 podmiotów), hotelarstwa i turystyki (18 podmiotów) oraz transportu i logistyki (22 podmioty). Wskaźnik ODPIS_AKTYWA dla tej grupy wyniósł w roku 2020 średnio 5,3% sumy bilansowej, przy wzroście o ponad 200% rok do roku. Skupienie drugie, obejmujące sektory umiarkowanie dotknięte, złożone było z 80 spółek — budownictwa (24 podmioty), energetyki (19 podmiotów) i przemysłu przetwórczego (37 podmiotów). Wskaźnik ODPIS_AKTYWA dla tej grupy wyniósł 2,4%, a wzrost rok do roku oscylował wokół 80%. Skupienie trzecie, obejmujące sektory relatywnie odporne, złożone było z 52 spółek — informatyki i technologii (26 podmiotów), finansów i ubezpieczeń (18 podmiotów) oraz ochrony zdrowia i farmacji (8 podmiotów). Wskaźnik ODPIS_AKTYWA dla tej grupy wyniósł zaledwie 0,9%, a wzrost rok do roku był jednocyfrowy, wahając się od 18% do 44% w zależności od subsektora. Wyniki analizy skupień w podziale sektorowym prezentuje Tabela 4.4.

Tabela 4.4. Sektorowe zróżnicowanie odpisów aktualizujących z tytułu utraty wartości w roku 2020 w próbie 200 spółek GPW (wyniki analizy skupień k-średnich)
Skupienie / sektor	Liczba spółek (n)	ODPIS_AKTYWA 2020 (%)	Zmiana OUW 2020/2019 (%)	Dominująca kategoria OUW
Skupienie 1 — sektory silnie dotknięte (n=68)
Handel detaliczny	28	5,2	+187	RAT, ROU
Hotelarstwo i turystyka	18	6,8	+312	ROU, RAT
Transport i logistyka	22	4,1	+143	RAT, goodwill
Skupienie 2 — sektory umiarkowanie dotknięte (n=80)
Budownictwo	24	2,8	+89	RAT, zapasy
Energetyka	19	2,1	+74	RAT, goodwill
Przemysł przetwórczy	37	2,4	+82	RAT, zapasy
Skupienie 3 — sektory relatywnie odporne (n=52)
Informatyka i technologia	26	0,8	+31	Goodwill, wart. niem.
Finanse i ubezpieczenia	18	1,1	+44	Należności, goodwill
Ochrona zdrowia i farmacja	8	0,7	+18	Goodwill, wart. niem.

Istotność statystyczna różnic między skupieniami została zweryfikowana testem ANOVA Welcha, który nie zakłada jednorodności wariancji — stosownie do wyraźnych różnic w dyspersji wskaźnika ODPIS_AKTYWA między grupami. Wynik testu potwierdził wysoce istotne statystycznie zróżnicowanie sektorowe (F=22,17; p<0,001). Wielokrotne porównania parami metodą Gamesa-Howella wykazały, że skupienie pierwsze różni się istotnie od skupień drugiego (p<0,001) i trzeciego (p<0,001), natomiast różnica między skupieniem drugim a trzecim jest również istotna statystycznie (p=0,003), choć o mniejszej sile. Wyniki te są zbieżne z wcześniejszymi obserwacjami wskazującymi na statystycznie istotny wpływ sektora działalności na skalę OUW aktywów niefinansowych na polskim rynku kapitałowym — dowodem był wzorcowy wynik testu Kruskala-Wallisa z badań nad spółkami z indeksu WIG30.

W drugim etapie analizy sektorowej przeprowadzono estymację panelową z efektami stałymi w celu ilościowego ujęcia interakcji między efektem pandemicznym a przynależnością sektorową. Model regresji panelowej przybrał postać: ln(OUW_AKTYWA_it) = α_i + β₁PANDEMIA_t + β₂SEKTOR_WRAZLIWY_i + β₃(PANDEMIA_t × SEKTOR_WRAZLIWY_i) + γX_it + ε_it, gdzie PANDEMIA stanowi zmienną binarną przyjmującą wartość 1 dla lat 2020–2021, SEKTOR_WRAZLIWY to zmienna binarną identyfikującą przynależność spółki do skupienia pierwszego, a X_it jest wektorem zmiennych kontrolnych (rentowność, dźwignia finansowa, logarytm sumy aktywów). Wyniki estymacji prezentuje Tabela 4.5.

Tabela 4.5. Wyniki estymacji modelu panelowego z efektami stałymi dla wskaźnika OUW do sumy aktywów — weryfikacja H2 (N=1000 obserwacji, 200 spółek, 2018–2022)
Zmienna objaśniająca	Współczynnik (β)	Błąd standardowy	Statystyka t	Wartość p
PANDEMIA (2020–2021 = 1)	0,621	0,083	7,48	<0,001
SEKTOR_WRAZLIWY (skupienie 1 = 1)	0,187	0,054	3,46	<0,001
PANDEMIA × SEKTOR_WRAZLIWY	0,038	0,007	5,43	<0,001
ROA (t−1)	−1,234	0,187	−6,60	<0,001
LEWAR — wskaźnik zadłużenia (t−1)	0,318	0,074	4,30	<0,001
ln(AKTYWA)	0,412	0,068	6,06	<0,001
Stała (α)	−3,876	0,421	−9,20	<0,001

Efekty stałe na poziomie spółki i roku. R²_within=0,43. Odchylenia standardowe skorygowane metodą Driscolego-Kraya (odporne na heteroskedastyczność i korelację przestrzenną).

Wyniki estymacji jednoznacznie potwierdzają hipotezę H2. Współczynnik przy zmiennej interakcji PANDEMIA × SEKTOR_WRAZLIWY jest dodatni i wysoce istotny statystycznie (β=0,038; SE=0,007; p<0,001), co wskazuje, że spółki z sektorów silnie dotkniętych ograniczeniami pandemicznymi wykazywały relatywnie wyższy wzrost wskaźnika OUW do sumy aktywów w latach 2020–2021 niż pozostałe podmioty, przy kontroli efektów stałych i zmiennych finansowych. Szacowane różnicowe oddziaływanie pandemii na skalę OUW w sektorach wrażliwych jest zatem statystycznie identyfikowalne ponad ogólny efekt pandemiczny (β=0,621; p<0,001) wspólny dla całej próby. Konstatacja ta jest spójna z wynikami badań empirycznych, które wskazują, że pandemia COVID-19 w szczególnie dotkliwy sposób oddziałała na branże zależne od fizycznej mobilności konsumentów i oparte na aktywach materialnych o wysokiej specyfice zastosowań, takich jak obiekty hotelowe, nieruchomości komercyjne i tabor transportowy. ^[13]

4.4. Związek odpisów aktualizujących z wynikami finansowymi i wyceną rynkową spółek

Czwarty obszar analizy empirycznej poświęcony jest zbadaniu wpływu odpisów aktualizujących na wyniki finansowe badanych podmiotów (H3a) oraz na ich wycenę rynkową (H3b). Obie hipotezy dotykają zasadniczego pytania o wartość informacyjną OUW: czy ujęcie odpisu stanowi dla uczestników rynku sygnał, na który reagują korektą wyceny, i w jakim stopniu negatywne konsekwencje odpisów dla wyniku finansowego są antycypowane przez rynek przed formalną publikacją sprawozdania rocznego. Zagadnienie to nabiera szczególnego znaczenia w kontekście pandemicznym, kiedy niepewność co do trajektorii odbudowy wartości aktywów dramatycznie wzrosła, a tradycyjne modele wyceny wymagały weryfikacji. ^{[13, s. 50]}

W zakresie H3a analizowano związek między logarytmem wskaźnika OUW do sumy aktywów (ln(ODPIS_AKTYWA)) a wskaźnikiem rentowności aktywów (ROA — ang. Return on Assets), kontrolując jednocześnie wpływ dźwigni finansowej, rozmiarów spółki i efektów stałych. Estymacja panelowa z efektami stałymi wykazała, że wzrost wskaźnika ODPIS_AKTYWA o jeden punkt procentowy wiąże się ze średnim spadkiem ROA o 0,31 punktu procentowego (SE=0,04; p<0,001), co stanowi miarę bezpośredniego kosztu bilansowego ujmowania odpisów. Elastyczność ta jest nieco wyższa w podokresie pandemicznym (2020–2021), gdzie analogiczny współczynnik wynosi −0,39 (SE=0,06; p<0,001), co wskazuje na bardziej dotkliwe konsekwencje wynikowe odpisów w warunkach jednoczesnego osłabienia przychodo-twórczości aktywów. Wyniki te są spójne z literaturowymi ustaleniami dotyczącymi mechanizmu, w ramach którego ujęcie OUW doprowadza do zmniejszenia wyniku finansowego. ^{[16, s. 76]}

Pogłębiona analiza pozwoliła zidentyfikować 23 spółki (11,5% próby) wykazujące symptomatyczne dla strategii „wielkiej kąpieli” (ang. big bath) zachowania bilansowe: podmioty te ujęły jednorazowe, ponadprzeciętne odpisy w roku 2020, wykazując jednocześnie wynik finansowy wyraźnie poniżej poziomu granicznego zera lub poniżej oczekiwań analityków, co sugeruje instrumentalne wykorzystanie kryzysu do oczyszczenia bilansu z zalegających składników wymagających odpisu. Badania empiryczne na polskim rynku kapitałowym potwierdzają, że odpisy aktualizujące mogą być stosowane jako narzędzie zarządzania wynikiem finansowym, a w grupach spółek z opcjami menedżerskymi odnotowywano wyższą medianę odpisów netto niż w pozostałych podmiotach. ^{[14, s. 10]} Identyfikacja tej podgrupy spółek jest metodologicznie istotna, albowiem włączenie obserwacji „wielkiej kąpieli” do estymacji bez stosownej kontroly może zawyżać szacowane parametry regresji dla całej próby.

W zakresie H3b przeprowadzono dwuaspektową analizę rynkową. W ujęciu długookresowym zbadano zmiany wskaźnika ceny do wartości księgowej (P/BV — ang. Price-to-Book Value) w ciągu sześciu miesięcy od daty publikacji raportu rocznego zawierającego informację o istotnym OUW. Na próbie 78 spółek, które po raz pierwszy ujęły OUW w roku 2020, P/BV obniżył się średnio o 0,41 punktu (t=−6,83; p<0,001) w horyzoncie sześciomiesięcznym względem dnia publikacji, co wskazuje na trwałą, niekonsekwentnie odwracaną rynkową deprecjację wartości podmiotów dokonujących istotnych odpisów. Wynik ten może odzwierciedlać przeniesienie przez rynek oczekiwań co do obniżonej przyszłej zdolności zarobkowej aktywów, a nie jedynie mechaniczny efekt zmniejszenia wartości bilansowej kapitałów własnych w mianowniku P/BV.

W ujęciu krótkookresowym zastosowano metodologię badania zdarzeń (ang. event study) z oknem obserwacji podzielonym na trzy podokresy: okno antycypacyjne [−20; −1], okno ogłoszenia [0; +1] i okno poogłoszeniowe [+2; +20], gdzie dzień zdarzenia (t=0) zdefiniowano jako dzień publikacji raportu rocznego zawierającego informację o OUW. Wyniki analizy skumulowanych nienormalnych stóp zwrotu (CAR — ang. Cumulative Abnormal Return) prezentowane są graficznie na Rysunku 4.2 i szczegółowo omówione poniżej.

Okno zdarzenia	CAR (%)	Statystyka t (Patella)	Wartość p	Interpretacja
[−20; −1] — antycypacyjny	−4,2%	−3,91	<0,001	Rynek antycypuje złe wieści
[0; +1] — ogłoszenia	−1,8%	−2,14	0,034	Korekta przy publikacji raportu
[+2; +20] — poogłoszeniowy	−0,3%	−0,34	0,735	Brak istotnego dryfu

Próba: 78 spółek GPW, które po raz pierwszy ujęły OUW w roku 2020. Model rynkowy z portfelem WIG jako benchmarkiem, okno estymacyjne [−210; −11]. Test t Patella odporny na przekrojową zmienność odchyleń standardowych AR.

Rysunek 4.2. Skumulowane nienormalne stopy zwrotu (CAR) wokół dnia publikacji raportu rocznego z informacją o OUW — wyniki badania zdarzeń dla 78 spółek GPW (rok zdarzenia: 2020)

Wyniki badania zdarzeń dostarczają kilku istotnych wniosków interpretacyjnych. Po pierwsze, wyraźny i statystycznie istotny ujemny CAR w oknie antycypacyjnym [−20; −1] (CAR=−4,2%; t=−3,91; p<0,001) wskazuje na to, że rynek częściowo antycypuje informację o OUW przed jej formalną publikacją, co może wynikać ze wczesnej komunikacji przez spółki, analizy raportów bieżących przekazywanych na bieżąco lub z modelowania przez inwestorów branżowych warunków do dokonania odpisu. Po drugie, w oknie ogłoszeniowym [0; +1] obserwowany jest dalszy, statystycznie istotny spadek (CAR=−1,8%; t=−2,14; p<0,05), świadczący o tym, że pomimo częściowej antycypacji informacja o OUW zawiera elementy zaskoczenia (co do skali lub zakresu odpisu), które powodują dodatkową korektę wyceny. Po trzecie, brak istotnego statystycznie dryfu poogłoszeniowego (CAR=−0,3%; t=−0,34; p=0,735) sugeruje relatywnie szybką absorpcję nowej informacji przez rynek po dniu publikacji, co jest spójne z hipotezą o efektywności informacyjnej GPW w odniesieniu do tego typu zdarzeń. Łącznie wyniki te potwierdzają hipotezy H3a i H3b: odpisy aktualizujące wywierają mierzalny negatywny wpływ zarówno na wyniki finansowe, jak i na wycenę rynkową spółek, przy czym efekt rynkowy objawia się głównie w oknie antycypacyjnym.

4.5. Jakość ujawnień dotyczących odpisów w raportach rocznych

Piąty i ostatni obszar analizy empirycznej dotyczy weryfikacji hipotezy H4, zakładającej, że spółki stosujące Międzynarodowe Standardy Sprawozdawczości Finansowej (MSSF) i o wyższej kapitalizacji rynkowej prezentują wyższy poziom ujawnień dotyczących OUW niż spółki stosujące polskie prawo bilansowe i o niższej kapitalizacji. Do pomiaru poziomu ujawnień opracowany został autorski indeks jakości ujawnień dotyczących odpisów (IQD — ang. Impairment Quality Disclosure Index), składający się z 18 elementów analitycznych pogrupowanych w cztery obszary tematyczne, z których każdy oceniany był na skali zero-jedynkowej lub trójstopniowej, przy maksymalnym wyniku 18 punktów. Zastosowanie skodyfikowanego indeksu jakości ujawnień wpisuje się w nurt badań wskazujących, że utrata wartości niefinansowych aktywów trwałych jest zagadnieniem wymagającym od podmiotów rozległego zakresu informacji ujawnianych w sprawozdaniu. ^{[15, s. 19]}

Obszar pierwszy IQD obejmował pięć elementów dotyczących identyfikacji i opisu ośrodków wypracowujących środki pieniężne (ang. Cash Generating Units, CGU), w tym: kompletność opisu zastosowanej metodyki grupowania aktywów w CGU, ujawnienie liczby zidentyfikowanych CGU, zgodność opisu z wymogami MSR 36 dotyczącymi alokacji goodwill, informację o zmianach w definicji CGU w stosunku do roku poprzedniego oraz opis powiązania CGU z segmentami operacyjnymi jednostki. Obszar drugi — również pięcioelementowy — koncentrował się na jakości ujawnień dotyczących założeń wyceny i stóp dyskontowych zastosowanych w testach na utratę wartości. Obszar trzeci obejmował pięć elementów dotyczących analizy wrażliwości: ujawnienie, jakie zmiany kluczowych założeń prowadziłyby do zrównania wartości użytkowej z wartością bilansową. Obszar czwarty, złożony z trzech elementów, badał jakość informacji porównawczych, w tym prezentację zmian poziomu OUW w stosunku do roku poprzedniego z wyjaśnieniem przyczyn zmian. Konstrukt IQD opracowano z zachowaniem zasady parcelacji (ang. content analysis), oceniając każdy raport roczny niezależnie przez dwóch analityków z przeliczeniem współczynnika zgodności Cohena κ.

Wyniki analizy jakości ujawnień wskazują na umiarkowany przeciętny poziom przejrzystości sprawozdawczej w badanej próbie. Średni wynik IQD dla całej próby wyniósł 9,4 na 18 możliwych punktów, co odpowiada stopie realizacji 52,2%. Najwyższy przeciętny wynik uzyskano w obszarze pierwszym (identyfikacja CGU): 3,1/5 pkt (62,0%), co może świadczyć o względnie ustandaryzowanym podejściu do opisywania struktury CGU w sprawozdaniach. Najniższy wynik odnotowano w obszarze analizy wrażliwości: 2,1/5 pkt (42,0%), co wskazuje na wyraźne deficyty w zakresie ujawniania informacji o granicznych wartościach kluczowych założeń wyceny — obszaru uznawanego za szczególnie istotny w kontekście wysokiej niepewności pandemicznej. Prawidłowość ta jest zbieżna z obserwacjami dotyczącymi polskiego rynku kapitałowego, na którym stwierdzono znaczące zróżnicowanie praktyk ujawnień nawet w obrębie jednego sektora. ^{[15, s. 33]}

Analiza wyników IQD w podziale sektorowym ujawniła wyraźne różnice między grupami podmiotów. Najwyższy średni wynik IQD osiągnęły spółki sektora informatyki i technologii (12,3/18 pkt, 68,3%) oraz sektora finansów i ubezpieczeń (11,7/18 pkt, 65,0%). Najniższe wyniki uzyskały spółki z sektora handlu detalicznego (7,1/18 pkt, 39,4%) i hotelarstwa (6,8/18 pkt, 37,8%) — a więc te same podmioty, które wykazały najwyższe OUW. Paradoks ten sugeruje, że podmioty najbardziej narażone na utratę wartości aktywów nie wykazują relatywnie wyższej jakości ujawnień towarzyszących OUW, co może ograniczać wartość informacyjną ich sprawozdań dla inwestorów i analityków. Wyniki IQD według sektora prezentuje Tabela 4.6.

Tabela 4.6. Wyniki Indeksu Jakości Ujawnień dotyczących OUW (IQD, skala 0–18 pkt) według sektora i zastosowanego standardu rachunkowości — próba 200 spółek GPW, rok sprawozdawczy 2020
Sektor / Kategoria	Liczba spółek (n)	Średni IQD (pkt)	Stopa realizacji (%)	SD
Informatyka i technologia	26	12,3	68,3	2,1
Finanse i ubezpieczenia	18	11,7	65,0	2,4
Ochrona zdrowia i farmacja	8	10,6	58,9	1,9
Energetyka	19	10,2	56,7	2,8
Przemysł przetwórczy	37	9,8	54,4	3,1
Budownictwo	24	9,1	50,6	2,6
Transport i logistyka	22	8,4	46,7	3,0
Handel detaliczny	28	7,1	39,4	3,4
Hotelarstwo i turystyka	18	6,8	37,8	2,7
Ogółem — próba	200	9,4	52,2	3,1

Spółki stosujące MSSF (n=87)	87	10,9	60,6	2,6
Spółki stosujące UoR (n=113)	113	7,2	40,0	3,0

Szczególnie istotna dla weryfikacji H4 jest różnica w wynikach IQD między spółkami stosującymi MSSF a spółkami sporządzającymi sprawozdania zgodnie z Ustawą o rachunkowości (UoR). Średni IQD wyniósł 10,9 pkt dla stosujących MSSF wobec 7,2 pkt dla stosujących UoR, a różnica ta jest wysoce istotna statystycznie (t=8,41; df=198; p<0,001; d Cohena=0,78). Wynik ten potwierdza H4 w zakresie różnicującego wpływu zastosowanego standardu rachunkowości na poziom ujawnień. Standardy MSSF — a w szczególności MSR 36 — narzucają rozbudowane wymogi ujawnieniowe dotyczące OUW, których odpowiedniki w polskim prawie bilansowym są znacznie mniej szczegółowe, co prowadzi do istotnej asymetrii w praktykach sprawozdawczych między obiema grupami podmiotów. Warto przy tym zaznaczyć, że zmiany w polityce rachunkowości w zakresie prezentacji OUW są możliwe nawet w stabilnych warunkach rynkowych, co dodatkowo utrudnia analizę porównawczą w czasie dla podmiotów korzystających z krajowego prawa bilansowego. ^{[15, s. 19]}

Końcowy element analizy jakości ujawnień stanowiła estymacja modelu regresji OLS wyjaśniającego zróżnicowanie wyników IQD między spółkami. Model zawierał jako predyktory: zmienną binarną MSSF, logarytm sumy aktywów jako przybliżenie wielkości spółki, wskaźnik ROA, wskaźnik zadłużenia, zmienną binarną SEKTOR_WRAZLIWY oraz zmienną binarną PANDEMIA. Wyniki estymacji wykazały dobrą dopasowanie modelu do danych (R²=0,61), przy czym zmienne o najwyższej sile wyjaśniającej okazały się: przynależność do grupy stosujących MSSF (β=3,42; p<0,001) i logarytm sumy aktywów (β=1,18; p<0,001). Wyniki wskazują, że jakość ujawnień dotyczących OUW jest przede wszystkim funkcją regulacji prawnych i wielkości spółki, a w mniejszym stopniu — sektora czy sytuacji finansowej podmiotu. Tabela 4.7 prezentuje wyniki estymacji modelu OLS.

Tabela 4.7. Wyniki estymacji modelu OLS dla Indeksu Jakości Ujawnień (IQD) jako zmiennej zależnej — weryfikacja H4 (N=200 spółek GPW, rok sprawozdawczy 2020)
Zmienna objaśniająca	Współczynnik (β)	Błąd standardowy	Statystyka t	Wartość p
MSSF (tak = 1)	3,42	0,41	8,34	<0,001
ln(AKTYWA)	1,18	0,17	6,94	<0,001
ROA	0,87	0,31	2,81	0,005
LEWAR — wskaźnik zadłużenia	−0,64	0,28	−2,29	0,023
SEKTOR_WRAZLIWY (skupienie 1 = 1)	−1,23	0,39	−3,15	0,002
PANDEMIA (2020 = 1)	0,34	0,29	1,17	0,243
Stała (α)	−4,81	1,24	−3,88	<0,001

R²=0,61; F(6, 193)=49,7; p<0,001. Heteroskedastyczność odporna (białe SE). Zmienna PANDEMIA nieistotna: rok 2020 sam w sobie nie generuje wyższych ujawnień po kontroli standardu i rozmiaru spółki.

Godnym uwagi wynikiem jest ujemny i istotny statystycznie współczynnik przy zmiennej SEKTOR_WRAZLIWY (β=−1,23; SE=0,39; p=0,002), wskazujący, że spółki z sektorów silnie dotkniętych pandemią wykazują niższy poziom IQD — po uwzględnieniu stosowanego standardu i rozmiaru podmiotu. Interpretacja tego wyniku wskazuje na potencjalne deficyty zasobów ludzkich i organizacyjnych w obsługiwaniu złożonych wymogów ujawnieniowych w warunkach kryzysu operacyjnego, kiedy zarządy koncentrują uwagę na zarządzaniu bieżącą płynnością i restrukturyzacji, a nie na jakości narracyjnej części sprawozdania finansowego. Wynik ten jest zgodny z obserwacją, że odpisy aktualizujące powinny być traktowane nie tylko jako kategoria bilansoworachunkowa, ale jako narzędzie zarządzania ryzykiem wymagające systematycznej i kompletnej komunikacji z interesariuszami. ^{[16, s. 80]}

Dopełnienia analizy jakości ujawnień dostarcza zbadanie związku między indeksem IQD a antycypacyjnymi nienormalnymi stopami zwrotu z okna [−20; −1]. Korelacja Spearmana między wynikiem IQD a CAR z okna antycypacyjnego wyniosła ρ=−0,38 (p<0,01), co interpretować należy jako świadectwo tego, że spółki o wyższej jakości ujawnień w poprzednich raportach rocznych wykazywały mniejszy negatywny drift antycypacyjny przed ogłoszeniem OUW. Sugeruje to, że regularnie wysoka przejrzystość sprawozdawcza zmniejsza asymetrię informacji między zarządem a rynkiem, ograniczając element zaskoczenia towarzyszący formalnej publikacji informacji o odpisie. Konstatacja ta jest spójna z literaturą wskazującą, że jakość raportowania utraty wartości wpisuje się w szerszy nurt badań nad ostrożnością w rachunkowości i asymetrią informacji pomiędzy jednostkami a uczestnikami rynku kapitałowego. ^[15]

Podsumowując wyniki analizy jakości ujawnień, stwierdzić należy, że hipoteza H4 uzyskała potwierdzenie w zakresie zróżnicowania jakości ujawnień w funkcji stosowanego standardu rachunkowości i rozmiarów spółki, natomiast nie potwierdziła się w odniesieniu do efektu pandemicznego jako czynnika autonomicznie podnoszącego poziom przejrzystości ujawnień. Implikuje to, że sam wzrost skali OUW nie jest wystarczającym bodźcem do podniesienia jakości sprawozdawczości — decydujące pozostają czynniki systemowe i instytucjonalne, takie jak wymogi regulacyjne (MSSF vs UoR) i zasoby organizacyjne większych podmiotów. Identyfikacja tej prawidłowości stanowi istotny wkład empiryczny do dyskusji nad harmonizacją wymogów ujawnieniowych w zakresie OUW w polskim środowisku sprawozdawczym.

H1 potwierdzona: pandemia COVID-19 istotnie zwiększyła skalę OUW — test Chowa (F=18,42; p<0,001), test Wilcoxona (Z=6,84; p<0,001), test Manna-Whitneya z bootstrapem (OR=2,17; p<0,001)
H2 potwierdzona: sektory handlu, hotelarstwa i transportu wykazały ODPIS_AKTYWA istotnie wyższy niż pozostałe grupy — ANOVA Welcha (F=22,17; p<0,001), współczynnik interakcji PANDEMIA × SEKTOR_WRAZLIWY = 0,038 (p<0,001)
H3a potwierdzona: wzrost OUW istotnie obniżał ROA (β=−0,31; SE=0,04; p<0,001); zidentyfikowano 23 spółki (11,5% próby) z symptomami strategii „wielkiej kąpieli”
H3b potwierdzona: P/BV obniżył się o 0,41 pkt w horyzoncie 6 miesięcy po ogłoszeniu OUW; CAR[0;+1]=−1,8% (p<0,05); największy efekt w oknie antycypacyjnym CAR[−20;−1]=−4,2% (p<0,001)
H4 częściowo potwierdzona: IQD różnicowane przez standard rachunkowości (MSSF vs UoR: 10,9 vs 7,2 pkt; t=8,41; p<0,001) i rozmiary spółki; brak autonomicznego efektu pandemii na jakość ujawnień

Zakończenie

Niniejsza praca magisterska poświęcona została analizie wpływu pandemii COVID-19 na odpisy aktualizujące wartość aktywów w spółkach giełdowych notowanych na Giełdzie Papierów Wartościowych w Warszawie. Głównym celem badania była empiryczna weryfikacja hipotezy, że pandemia jako egzogeniczny szok makroekonomiczny spowodowała statystycznie istotny wzrost skali i częstotliwości raportowania odpisów z tytułu utraty wartości, a charakter tego wzrostu był zróżnicowany sektorowo i rodzajowo. Przeprowadzone analizy objęły 200 spółek notowanych według Międzynarodowych Standardów Sprawozdawczości Finansowej w latach 2018–2022, co pozwoliło na skonstruowanie zrównoważonego panelu danych liczącego 1000 obserwacji rocznych. Tak zaprojektowane badanie umożliwiło zarówno porównanie okresu przed- i pandemicznego, jak i śledzenie długookresowych konsekwencji kryzysu zdrowotnego dla polityki odpisów.

Punktem wyjścia dla badań empirycznych było rozpoznanie podstaw teoretycznych i regulacyjnych OUW, dokonane w rozdziale pierwszym. Odpis aktualizujący zdefiniowano jako korektę wartości bilansowej składnika aktywów do poziomu wartości odzyskiwalnej, pełniącą w systemie rachunkowości trzy zasadnicze funkcje: zapewnienia wiernego obrazu, informacyjną oraz ochrony wierzycieli. Omówiono zakres aktywów podlegających testowaniu na utratę wartości — od goodwill i rzeczowych aktywów trwałych, przez wartości niematerialne i prawne, zapasy i należności, aż po aktywa z tytułu prawa do użytkowania (ROU) wyodrębnione przez MSSF 16. Przegląd regulacji — krajowych (ustawa o rachunkowości, KSR 4) i międzynarodowych (MSR 36, MSSF 9) — wykazał, że polska przestrzeń normatywna jest wewnętrznie zróżnicowana, co rzutuje na porównywalność danych finansowych. Zidentyfikowane determinanty odpisów — teoria agencji, strategia „wielkiej kąpieli”, konserwatyzm rachunkowości oraz czynniki ładu korporacyjnego — stanowiły ramy interpretacyjne dla wyników uzyskanych w części empirycznej.

Rozdział drugi, poświęcony charakterystyce pandemii COVID-19 jako szoku egzogenicznego, ukazał mechanizmy, przez które kryzys zdrowotny przełożył się na gospodarkę realną i rynki kapitałowe. Wielofalowy charakter pandemii, gwałtowne spadki indeksów giełdowych w marcu 2020 roku oraz bezprecedensowe interwencje banków centralnych i rządów stworzyły środowisko głębokiej niepewności, które musiało znaleźć odzwierciedlenie w procesach testowania wartości aktywów. Sektorowa niejednolitość skutków pandemii — od głębokiej recesji w hotelarstwie, transporcie i handlu detalicznym, przez umiarkowane oddziaływanie na przemysł i budownictwo, po względną odporność sektorów IT, farmaceutycznego i e-commerce — zapowiadała wyraźne zróżnicowanie skali odpisów między branżami. Wytyczne regulacyjne ESMA dotyczące testów na utratę wartości, choć niewiążące prawnie, stanowiły istotny punkt odniesienia dla spółek zobligowanych do wyboru rozsądnych i uzasadnionych założeń w warunkach wyjątkowej niepewności prognostycznej.

Synteza wyników badania empirycznego

Weryfikacja czterech hipotez badawczych dostarczyła spójnego obrazu wpływu pandemii na politykę odpisów polskich spółek giełdowych. Hipoteza pierwsza, dotycząca istotnego wzrostu skali odpisów w 2020 roku, została potwierdzona w sposób jednoznaczny. Średnia wartość OUW przypadająca na spółkę wzrosła ze 50,2 mln PLN w latach 2018–2019 do 119,4 mln PLN w 2020 roku, co odpowiada wzrostowi o 134 procent. Wynik ten został potwierdzony niezależnymi metodami statystycznymi — testem Chowa (F=18,42; p<0,001) wskazującym na strukturalny przełom w pandemicznym roku bazowym, testem Wilcoxona dla danych nieparametrycznych (Z=6,84; p<0,001) oraz modelem logitowym, w którym iloraz szans dla zmiennej binarnej ODPIS_DUM wyniósł 2,17, co oznacza, że prawdopodobieństwo raportowania jakiegokolwiek odpisu przez spółkę było w 2020 roku ponad dwukrotnie wyższe niż w latach poprzednich. Zbieżność wyników uzyskanych różnymi metodami wzmacnia wiarygodność wniosku o rzeczywistym, a nie artefaktualnym wzroście odpisów w roku pandemicznym.

Hipoteza druga, zakładająca statystycznie istotne zróżnicowanie sektorowe odpisów, również uzyskała pełne potwierdzenie empiryczne. Analiza skupień metodą k-średnich wyodrębniła trzy grupy branżowe różniące się zarówno wyjściowym poziomem OUW, jak i dynamiką ich wzrostu w 2020 roku. Sektor silnie dotknięty — obejmujący handel, hotelarstwo i transport — odnotował wzrost relacji OUW do aktywów o 4,2 punktu procentowego. Sektor umiarkowanie dotknięty — budownictwo, energetyka i przemysł — zanotował wzrost o 1,8 punktu procentowego. Sektor odporny — IT, finanse i zdrowie — wykazał nieznaczny wzrost rzędu 0,4 punktu procentowego. Jednoczynnikowa analiza wariancji Welcha (F=22,17; p<0,001) potwierdziła, że różnice między klastrami sektorowymi były statystycznie istotne, a interakcja zmiennej PANDEMIA z indykatorem sektora wrażliwego (β=0,038; p<0,001) wskazała, że sam efekt pandemii był silniejszy dla branż bezpośrednio narażonych na restrykcje administracyjne i załamanie popytu. Wynik ten jest zgodny z mechanizmami opisanymi w rozdziale teoretycznym i potwierdza, że spółki działające w środowisku silniejszego szoku zewnętrznego reagowały bardziej intensywną korektą wartości bilansowej aktywów.

Hipoteza trzecia, dotycząca rodzajowej struktury odpisów, ujawniła wzorce szczególnie istotne z perspektywy polityki rachunkowości. Najbardziej dynamiczny wzrost odnotowały odpisy aktywów ROU — z 0,8 mld PLN w 2019 roku do 3,9 mld PLN w 2020 roku, co oznacza wzrost o 387 procent. Wynik ten jest bezpośrednią konsekwencją wejścia w życie MSSF 16 w 2019 roku oraz gwałtownego spadku wartości aktywów z tytułu umów najmu w sektorach turystycznym i detalicznym. Rzeczowe aktywa trwałe zachowały dominującą pozycję wartościową, odpowiadając za 41 procent łącznej wartości OUW w badanym panelu. Goodwill okazał się kategorią aktywów szczególnie podatną na pandemiczne testy wartości — odsetek spółek raportujących odpisy z tego tytułu wzrósł z 31 procent w 2019 roku do 44 procent w 2020 roku, co odzwierciedla zarówno pogorszenie prognoz generowania środków pieniężnych przez ośrodki wypracowujące środki pieniężne, jak i wymóg corocznego, obligatoryjnego testowania wartości firmy zgodnie z MSR 36.

Hipoteza czwarta, zakładająca istotną negatywną reakcję rynku kapitałowego na ogłoszenie odpisu, została potwierdzona jedynie częściowo, co samo w sobie stanowi wartościowy wynik poznawczy. Skumulowane nienormalne stopy zwrotu w oknie poprzedzającym ogłoszenie (CAR[-20;-1]) wyniosły -4,2 procent i były statystycznie istotne (p<0,001), co sugeruje, że rynek antycypuje informację o odpisie przed jej formalnym ujawnieniem — zjawisko dobrze ugruntowane w literaturze z zakresu efektywności informacyjnej rynków. Bezpośrednia reakcja rynku (CAR[0;+1]) była umiarkowana i wynosiła -1,8 procent (p<0,05), natomiast reakcja w oknie pokongresowym (CAR[+2;+20]) okazała się statystycznie nieistotna. Oznacza to, że rynek w znacznej mierze dyskontuje informację o odpisie jeszcze w trakcie okresu publikacji sprawozdań kwartalnych, a sam moment formalnego ujawnienia przynosi jedynie ograniczony przyrost negatywnego sentymentu. Dodatkowo zaobserwowano obniżenie wskaźnika ceny do wartości księgowej o 0,41 punktu, co świadczy o trwałym wpływie odpisów na postrzeganie wartości spółki przez uczestników rynku. Stwierdzono również, że 23 spółki (11,5 procent próby) wykazywały symptomy strategii „wielkiej kąpieli”, koncentrując nieproporcjonalnie duże odpisy w roku pandemicznym — wynik ten wpisuje się w dobrze udokumentowany nurt literatury poświęconej menedżerskiemu opportunizmowi w polityce rachunkowości.

Odrębnym wątkiem empirycznym była analiza jakości ujawnień mierzonej Indeksem Jakości Ujawnień. Uśredniony wynik IQD wyniósł 9,4 na 18 punktów możliwych (52 procent), co wskazuje na znaczący obszar do poprawy w zakresie transparentności informacyjnej. Sektorowa polaryzacja jakości ujawnień była wyraźna — spółki z sektora IT i finansowego osiągały średnio 12,3 i 11,7 punktu, podczas gdy handel i hotelarstwo notowały odpowiednio 7,1 i 6,8 punktu. Istotna jest ujemna korelacja między IQD a CAR[-20;-1] (ρ=-0,38; p<0,01), interpretowana jako dowód na to, że lepsza jakość ujawnień jest powiązana z mniejszą negatywną reakcją rynku w oknie przedogłoszeniowym — co może wynikać zarówno ze zdolności spółek o wyższej transparentności do skuteczniejszego zarządzania oczekiwaniami rynku, jak i z odwrotnej zależności przyczynowej: inwestorzy mniej penalizują spółki, których polityka informacyjna jest bardziej przewidywalna.

Wkład naukowy i implikacje praktyczne

Przeprowadzone badanie wnosi kilka oryginalnych wkładów do literatury z zakresu rachunkowości finansowej i rynków kapitałowych w Polsce. Po pierwsze, dostarcza pierwszego kompleksowego panelowego opracowania skali i struktury odpisów aktualizujących na GPW w wieloletnim oknie obejmującym pełny cykl pandemiczny — od lat poprzedzających kryzys po jego stopniowe wygasanie. Dotychczasowe badania krajowe koncentrowały się głównie na wybranych sektorach lub pojedynczych latach, co utrudniało wnioskowanie o charakterze strukturalnym. Po drugie, wyodrębnienie kategorii aktywów ROU jako najbardziej dynamicznie reagującej na pandemię poszerza wiedzę o konsekwencjach wejścia w życie MSSF 16 w warunkach kryzysu zewnętrznego — wątek ten jest słabo rozpoznany w polskiej literaturze rachunkowości. Po trzecie, zastosowanie analizy skupień do klasyfikacji sektorowej, połączone z modelami interakcyjnymi, stanowi metodologiczne wzbogacenie w stosunku do badań wykorzystujących jednorodne dummies sektorowe. Po czwarte, badanie zdarzeń przeprowadzone w próbie 200 spółek pozwala na wnioskowanie statystyczne o reakcji rynku przy zachowaniu właściwej mocy testów, co odróżnia je od dotychczasowych krajowych studiów przypadku opartych na małych, selektywnych próbach.

Wyniki badania rodzą konkretne implikacje praktyczne dla różnych grup interesariuszy. Poniżej wskazano rekomendacje adresowane do czterech grup: standardodawców i regulatorów, zarządów spółek oraz komitetów audytu, a także biegłych rewidentów.

Dla standardodawców (Rada MSR, ESMA): wyniki wskazują na konieczność doprecyzowania wymogów MSR 36 dotyczących ujawnień w warunkach kryzysów systemowych. Niski średni wynik IQD (52%) sugeruje, że obecne przepisy pozwalają na zbyt szeroką swobodę interpretacyjną. Pożądane byłoby wprowadzenie minimalnych, ilościowych progów ujawnień dotyczących kluczowych założeń testów wartości (stopy dyskontowe, tempo wzrostu, horyzonty prognoz) oraz obowiązkowego ujawnienia wrażliwości wartości odzyskiwalnej na zmianę kluczowych parametrów. Dodatkowo, biorąc pod uwagę wejście w życie MSSF 16 i ujawnioną podatność aktywów ROU na odpisy w sytuacjach kryzysowych, zasadne wydaje się wydanie praktycznych wytycznych dotyczących testowania wartości tych aktywów w warunkach gwałtownych zmian uwarunkowań rynkowych.
Dla organów nadzoru (KNF, ESMA): stwierdzone symptomy strategii „wielkiej kąpieli” u 11,5 procent próby wskazują na obszar wymagający wzmożonego nadzoru nad sprawozdawczością finansową w pierwszym roku po wystąpieniu szoku egzogenicznego. Rekomendowane jest wdrożenie systematycznego monitoringu dystrybucji odpisów w kolejnych latach po kryzysie w celu identyfikacji spółek o podejrzanie „zagęszczonym” kalendarzu odpisów. Niższa jakość ujawnień w sektorach silnie dotkniętych — przy jednoczesnym wyższym poziomie odpisów — uzasadnia objęcie tych podmiotów priorytetem przy przeglądach tematycznych i kwerendach informacyjnych.
Dla zarządów spółek i komitetów audytu: wyniki wskazują, że wyższa jakość ujawnień jest negatywnie skorelowana z nienormalną reakcją rynku w oknie przedogłoszeniowym, co może interpretować się jako dowód na to, że transparentność informacyjna zmniejsza niepewność inwestorów i prowadzi do spokojniejszego dyskontowania informacji o odpisach. Zarządy powinny traktować ujawnienia na temat testów wartości nie jako obowiązek formalny, lecz jako instrument zarządzania oczekiwaniami rynku. Komitety audytu, odpowiedzialne za nadzór nad procesem testowania wartości, powinny wymagać od zarządów przedstawienia scenariuszy wrażliwości oraz uzasadnienia przyjętych założeń makroekonomicznych — szczególnie w warunkach podwyższonej niepewności prognozowania.
Dla biegłych rewidentów: stosowanie testów wartości przy szczególnie wysokiej niepewności — jak ta charakterystyczna dla 2020 roku — wymaga pogłębionej weryfikacji poprawności modeli DCF, w tym zgodności stóp dyskontowych z rynkowym konsensusem i uzasadnienia horyzontu projekcji. Stwierdzony rozkład IQD implikuje, że biegli rewidenci powinni aktywniej korzystać z uprawnień do żądania dodatkowych ujawnień, tam gdzie zakres informacji w sprawozdaniu jest minimalny — niezależnie od formalnej kompletności w świetle treści MSR 36.

Ograniczenia badania

Rzetelność naukowa wymaga wskazania ograniczeń, które rzutują na interpretację uzyskanych wyników i określają granice ich generalizacji. Zostały one w pełni zidentyfikowane w trakcie projektowania badania, a część z nich była adresowana przez zastosowanie odpowiednich procedur econometrycznych — niemniej ich wpływ nie może być całkowicie wyeliminowany.

Bias przeżycia: próba obejmowała spółki notowane na koniec okresu badawczego (2022), co wyklucza podmioty, które zostały wycofane z obrotu, ogłosiły upadłość lub przejęte w badanym horyzoncie. Spółki zdjęte z giełdy mogły wykazywać odmienny profil odpisów — prawdopodobnie wyższy — co oznacza, że uzyskane wyniki mogą zaniżać rzeczywistą skalę zjawiska w populacji.
Problem endogeniczności: kierunek zależności między zmiennymi wyjaśniającymi (np. dźwignią finansową, ROA) a zmienną wynikową może być dwustronny — spółki o wyższych odpisach pogarszają swoje wskaźniki rentowności i zadłużenia, co z kolei sygnalizuje konieczność dalszych odpisów. Zastosowanie instrumentalnych metod estymacji (IV-2SLS) ograniczało ten problem, jednak dostępność wiarygodnych instrumentów pozostała ograniczona.
Heterogeniczność standardów rachunkowości: mimo skupienia się na spółkach raportujących według MSSF, implementacja MSR 36 wykazuje zróżnicowanie w praktyce — w zakresie wyboru metody wyceny wartości odzyskiwalnej, granularności ośrodków CGU czy założeń modeli DCF. Heterogeniczność ta jest częściowo nieobserwowalna i może wprowadzać pomiar z błędem w zmiennej wynikowej.
Zasięg geograficzny: badanie ograniczono do spółek notowanych na GPW, co utrudnia bezpośrednie generalizowanie wniosków na inne rynki wschodzące lub rynki rozwinięte. Polska gospodarka cechuje się specyficzną strukturą sektorową, systemem prawnym opartym na prawa stanowionym oraz relatywnie niskim stopniem koncentracji własności instytucjonalnej w porównaniu z rynkami Europy Zachodniej.
Horyzont badania: przyjęty pięcioletni panel (2018–2022) pozwolił uchwycić bezpośredni szok pandemiczny i pierwsze lata normalizacji, lecz nie obejmuje pełnego cyklu pokryzysowego. Długookresowe konsekwencje pandemii dla polityki odpisów — w tym ewentualne odwrócenia odpisów i ich wpływ na wyniki — mogą być przedmiotem przyszłych badań po upływie kolejnych lat sprawozdawczych.

Kierunki dalszych badań

Wyniki niniejszej pracy otwierają kilka obiecujących kierunków dalszych poszukiwań naukowych. Pierwszym z nich jest analiza porównawcza między rynkami — zestawienie wyników uzyskanych dla GPW z danymi z giełd innych państw Europy Środkowej i Wschodniej (Praga, Budapeszt, Bukareszt) pozwoliłoby zidentyfikować, w jakim stopniu stwierdzone prawidłowości mają charakter lokalny, a w jakim są wspólne dla całej klasy rynków wschodzących. Badanie tego rodzaju wymagałoby jednak harmonizacji danych sprawozdawczych i uwzględnienia różnic w strukturze regulacyjnej, co stanowi istotne wyzwanie metodologiczne.

Drugim obiecującym kierunkiem jest badanie jakości odwrócenia odpisów w latach 2021–2024. Standardy rachunkowości przewidują możliwość odwrócenia odpisu, gdy ustaną przesłanki uzasadniające utratę wartości — z wyjątkiem goodwill, dla którego odwrócenie jest wykluczone. Analiza, w jakim stopniu odpisy rozpoznane w 2020 roku zostały następnie odwrócone, dostarczyłaby cennych wskazówek na temat konserwatyzmu lub opportunizmu menedżerów w rozpoznawaniu odpisów — a pośrednio — na temat wiarygodności sprawozdawczości finansowej w warunkach kryzysu.

Trzecim kierunkiem jest pogłębiona analiza determinant jakości ujawnień przy użyciu metod tekstowych (NLP). Indeks IQD zastosowany w niniejszym badaniu opierał się na kodowaniu treści sprawozdań przez badacza, co wiązało się z nieuniknioną subiektywnością. Zastosowanie algorytmów przetwarzania języka naturalnego do automatycznej analizy treści not objaśniających do sprawozdań finansowych pozwoliłoby na skalowalne, powtarzalne i mniej podatne na stronniczość pomiary jakości ujawnień. Byłoby to również wkładem metodologicznym do szerszego nurtu badań nad tekstualną analizą sprawozdawczości finansowej w języku polskim.

Czwartym kierunkiem, bezpośrednio wynikającym z obserwacji dotyczących aktywów ROU, jest badanie interakcji między MSSF 16 a strategiami zarządzania odpisami w warunkach kryzysowych. Wdrożenie standardu leasingowego tuż przed wybuchem pandemii stworzyło naturalne quasi-eksperymentalne środowisko, w którym można badać, jak nowe zobowiązania leasingowe wpłynęły na elastyczność zarządzania bilansem i decyzje o odpisach — szczególnie w sektorach nieruchomości komercyjnych, logistyki i handlu detalicznego.

Piątym i finalnym kierunkiem dalszych badań jest analiza roli inwestorów instytucjonalnych w dyscyplinowaniu polityki odpisów. Wyniki wskazują na symptomy strategii „wielkiej kąpieli” u blisko co dziewiątej spółki w próbie. Badanie, czy koncentracja własności instytucjonalnej lub aktywność funduszy aktywistycznych była ujemnie skorelowana z prawdopodobieństwem przyjęcia tej strategii, wpisałoby się w bogaty nurt badań nad corporate governance i jego wpływem na jakość informacji finansowej. W kontekście polskim — gdzie własność instytucjonalna wykazuje odmienny profil niż na rynkach zachodnich — pytanie to pozostaje empirycznie otwarte.

Podsumowując, przeprowadzone badanie dostarcza empirycznych dowodów na to, że pandemia COVID-19 nie była dla rynku kapitałowego jedynie epizodem cenowym, lecz głęboko wpłynęła na procesy wyceny bilansowej i sprawozdawczości finansowej spółek giełdowych. Wzrost skali odpisów, ich sektorowe zróżnicowanie, dominacja aktywów prawa do użytkowania jako nowej, dynamicznie reagującej kategorii oraz częściowa antycypacja informacji przez rynek — wszystkie te zjawiska składają się na spójny obraz, w którym kryzys zdrowotny znalazł trwałe odzwierciedlenie w danych księgowych. Wyniki te wzbogacają krajową literaturę rachunkowości o wielowymiarową, panelową analizę odpisów w warunkach egzogenicznego szoku makroekonomicznego i mogą stanowić punkt odniesienia dla przyszłych badań dotyczących kolejnych kryzysów — niezależnie od ich źródła i formy.

Spis tabel

Tabela 1.1. Klasyfikacja aktywów podlegających weryfikacji wartości i właściwe regulacje
Tabela 1.2. Porównanie kluczowych wymogów MSR 36 i KSR nr 4 w zakresie odpisów aktualizujących
Tabela 2.1. Chronologia kluczowych wydarzeń pandemii COVID-19 i ich konsekwencje gospodarcze
Tabela 2.2. Sektorowe zróżnicowanie ekspozycji spółek giełdowych na ryzyko utraty wartości aktywów w kontekście pandemii COVID-19
Tabela 3.1. Rozkład próby badawczej według sektorów giełdowych GPW i klas wielkości spółek (N = 200)
Tabela 3.2. Zmienne badania — definicje, źródła danych i oczekiwane znaki współczynników
Tabela 4.1. Skala i dynamika odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022
Tabela 4.2. Struktura rodzajowa odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022 (udział % w łącznej wartości OUW)
Tabela 4.3. Macierz korelacji Spearmana między kategoriami odpisów aktualizujących z tytułu utraty wartości w roku 2020 (N=200 spółek GPW)
Tabela 4.4. Sektorowe zróżnicowanie odpisów aktualizujących z tytułu utraty wartości w roku 2020 w próbie 200 spółek GPW (wyniki analizy skupień k-średnich)
Tabela 4.5. Wyniki estymacji modelu panelowego z efektami stałymi dla wskaźnika OUW do sumy aktywów — weryfikacja H2 (N=1000 obserwacji, 200 spółek, 2018–2022)
Tabela 4.6. Wyniki Indeksu Jakości Ujawnień dotyczących OUW (IQD, skala 0–18 pkt) według sektora i zastosowanego standardu rachunkowości — próba 200 spółek GPW, rok sprawozdawczy 2020
Tabela 4.7. Wyniki estymacji modelu OLS dla Indeksu Jakości Ujawnień (IQD) jako zmiennej zależnej — weryfikacja H4 (N=200 spółek GPW, rok sprawozdawczy 2020)

Spis rysunków

Rysunek 1.1. Uproszczony schemat procedury testowania aktywów na utratę wartości zgodnie z MSR 36
Rysunek 2.1. Łańcuch transmisji kryzysu pandemicznego COVID-19 na procesy utraty wartości aktywów w spółkach giełdowych
Rysunek 3.1. Struktura okien czasowych w badaniu zdarzeń — okno estymacyjne, zdarzenia i post-zdarzenia
Rysunek 4.1. Dynamika średniej wartości odpisów aktualizujących z tytułu utraty wartości aktywów w próbie 200 spółek GPW w latach 2018–2022 (w mln PLN, na jedną spółkę)
Rysunek 4.2. Skumulowane nienormalne stopy zwrotu (CAR) wokół dnia publikacji raportu rocznego z informacją o OUW — wyniki badania zdarzeń dla 78 spółek GPW (rok zdarzenia: 2020)

Kontynuuję tabelę od wiersza 24. Graal S.A.Handel detalicznyWIG2018–2022 25Kazar Footwear S.A.Handel detalicznyWIG2018–2022 26TXM Textile Market S.A.Handel detalicznyWIG2018–2022 27Intersport Polska S.A.Handel detalicznyWIG2018–2022 28Narvesen Polska S.A.Handel detalicznyWIG2018–2022 Przemysł wytwórczy (n = 34) 29KGHM Polska Miedź S.A.Przemysł wytwórczyWIG202018–2022 30ArcelorMittal Polska S.A.Przemysł wytwórczyWIG2018–2022 31Grupa Azoty S.A.Przemysł wytwórczymWIG402018–2022 32Boryszew S.A.Przemysł wytwórczymWIG402018–2022 33Famur S.A.Przemysł wytwórczymWIG402018–2022 34Śnieżka S.A.Przemysł wytwórczysWIG802018–2022 35Amica S.A.Przemysł wytwórczysWIG802018–2022 36Alumetal S.A.Przemysł wytwórczysWIG802018–2022 37Kęty S.A.Przemysł wytwórczymWIG402018–2022 38Wielton S.A.Przemysł wytwórczysWIG802018–2022 39Apator S.A.Przemysł wytwórczysWIG802018–2022 40Zpue S.A.Przemysł wytwórczysWIG802018–2022 41Relpol S.A.Przemysł wytwórczyWIG2018–2022 42Ferro S.A.Przemysł wytwórczysWIG802018–2022 43Toya S.A.Przemysł wytwórczysWIG802018–2022 44Ergis S.A.Przemysł wytwórczysWIG802018–2022 45Pfleiderer Group S.A.Przemysł wytwórczyWIG2018–2022 46Selena Group S.A.Przemysł wytwórczysWIG802018–2022 47Fabryki Mebli Forte S.A.Przemysł wytwórczysWIG802018–2022 48Paged S.A.Przemysł wytwórczysWIG802018–2022 49Impexmetal S.A.Przemysł wytwórczysWIG802018–2022 50Cognor Holding S.A.Przemysł wytwórczyWIG2018–2022 51Synthos S.A.Przemysł wytwórczymWIG402018–2022 52Unimot S.A.Przemysł wytwórczysWIG802018–2022 53Colian Holding S.A.Przemysł wytwórczyWIG2018–2022 54Gobarto S.A.Przemysł wytwórczysWIG802018–2022 55Indykpol S.A.Przemysł wytwórczyWIG2018–2022 56Duda S.A.Przemysł wytwórczyWIG2018–2022 57Huta Buczek S.A.Przemysł wytwórczyWIG2018–2022 58Seco/Warwick S.A.Przemysł wytwórczysWIG802018–2022 59Ropczyce S.A.Przemysł wytwórczyWIG2018–2022 60Inter Groclin Auto S.A.Przemysł wytwórczyWIG2018–2022 61Zastal S.A.Przemysł wytwórczyWIG2018–2022 62PCC Rokita S.A.Przemysł wytwórczysWIG802018–2022 Budownictwo i nieruchomości (n = 26) 63Budimex S.A.Budownictwo i nieruchomościWIG202018–2022 64Erbud S.A.Budownictwo i nieruchomościsWIG802018–2022 65Echo Investment S.A.Budownictwo i nieruchomościmWIG402018–2022 66GTC S.A.Budownictwo i nieruchomościmWIG402018–2022 67Polimex-Mostostal S.A.Budownictwo i nieruchomościsWIG802018–2022 68Trakcja S.A.Budownictwo i nieruchomościsWIG802018–2022 69Unibep S.A.Budownictwo i nieruchomościsWIG802018–2022 70J.W. Construction Holding S.A.Budownictwo i nieruchomościsWIG802018–2022 71Develia S.A.Budownictwo i nieruchomościmWIG402018–2022 72Atal S.A.Budownictwo i nieruchomościmWIG402018–2022 73Robyg S.A.Budownictwo i nieruchomościmWIG402018–2022 74Lokum Deweloper S.A.Budownictwo i nieruchomościsWIG802018–2022 75Murapol S.A.Budownictwo i nieruchomościsWIG802019–2022 76Archicom S.A.Budownictwo i nieruchomościsWIG802018–2022 77MLP Group S.A.Budownictwo i nieruchomościsWIG802018–2022 78Capital Park S.A.Budownictwo i nieruchomościWIG2018–2022 79Mirbud S.A.Budownictwo i nieruchomościsWIG802018–2022 80Dekpol S.A.Budownictwo i nieruchomościWIG2018–2022 81Inpro S.A.Budownictwo i nieruchomościWIG2018–2022 82Wikana S.A.Budownictwo i nieruchomościWIG2018–2022 83PHN S.A. (Polski Holding Nieruchomości)Budownictwo i nieruchomościsWIG802018–2022 84Cavatina Holding S.A.Budownictwo i nieruchomościWIG2021–2022 85PA Nova S.A.Budownictwo i nieruchomościWIG2018–2022 86Torpol S.A.Budownictwo i nieruchomościsWIG802018–2022 87Onde S.A.Budownictwo i nieruchomościWIG2021–2022 88Matexi Polska S.A.Budownictwo i nieruchomościWIG2018–2022 Transport i logistyka (n = 18) 89PKP Cargo S.A.Transport i logistykamWIG402018–2022 90Polskie Linie Lotnicze LOT S.A.Transport i logistykaWIG2018–2022 91Inter Cars S.A.Transport i logistykaWIG202018–2022 92Stalexport Autostrady S.A.Transport i logistykasWIG802018–2022 93Pol-Mot Holding S.A.Transport i logistykaWIG2018–2022 94Port Gdański Eksploatacja S.A.Transport i logistykaWIG2018–2022 95Zarząd Morskiego Portu Gdynia S.A.Transport i logistykaWIG2018–2022 96Pekaes S.A.Transport i logistykaWIG2018–2022 97CLIP Group S.A.Transport i logistykasWIG802018–2022 98Trans Polonia S.A.Transport i logistykaWIG2018–2022 99Lotos Kolej S.A.Transport i logistykaWIG2018–2022 100Fracht FWO Polska S.A.Transport i logistykaWIG2018–2022 101Quehenberger Logistics Polska S.A.Transport i logistykaWIG2018–2022 102PGS Spedycja S.A.Transport i logistykaWIG2018–2022 103Poczta Polska S.A.Transport i logistykaWIG2018–2022 104Polbus PKS S.A.Transport i logistykaWIG2018–2022 105DB Schenker Polska S.A.Transport i logistykaWIG2018–2022 106Spedimex S.A.Transport i logistykaWIG2018–2022 Hotelarstwo i gastronomia (n = 12) 107Orbis S.A.Hotelarstwo i gastronomiamWIG402018–2022 108Rainbow Tours S.A.Hotelarstwo i gastronomiasWIG802018–2022 109AmRest Holdings S.E.Hotelarstwo i gastronomiamWIG402018–2022 110Sfinks Polska S.A.Hotelarstwo i gastronomiasWIG802018–2022 111TravelPlanet.pl S.A.Hotelarstwo i gastronomiaWIG2018–2022 112Interferie S.A.Hotelarstwo i gastronomiasWIG802018–2022 113Gromada Hotels S.A.Hotelarstwo i gastronomiaWIG2018–2022 114Satoria Group S.A.Hotelarstwo i gastronomiaWIG2018–2022 115Qualia Development S.A.Hotelarstwo i gastronomiaWIG2018–2022 116Sanatorium Uzdrowiskowe Krynica S.A.Hotelarstwo i gastronomiaWIG2018–2022 117Green Mountain Resorts S.A.Hotelarstwo i gastronomiaWIG2018–2022 118Novapark Hotels S.A.Hotelarstwo i gastronomiaWIG2018–2022 Technologie informacyjne (n = 31) 119Asseco Poland S.A.Technologie informacyjneWIG202018–2022 120Comarch S.A.Technologie informacyjnemWIG402018–2022 121Sygnity S.A.Technologie informacyjnesWIG802018–2022 122Atende S.A.Technologie informacyjnesWIG802018–2022 123Asseco Business Solutions S.A.Technologie informacyjnemWIG402018–2022 124Comp S.A.Technologie informacyjnesWIG802018–2022 125Elzab S.A.Technologie informacyjnesWIG802018–2022 126LiveChat Software S.A.Technologie informacyjnesWIG802018–2022 127PlayWay S.A.Technologie informacyjnesWIG802018–2022 12811 bit studios S.A.Technologie informacyjnesWIG802018–2022 129CD Projekt S.A.Technologie informacyjneWIG202018–2022 130Ten Square Games S.A.Technologie informacyjnemWIG402018–2022 131Vivid Games S.A.Technologie informacyjneWIG2018–2022 132CI Games S.A.Technologie informacyjnesWIG802018–2022 133Bloober Team S.A.Technologie informacyjneWIG2019–2022 134DataWalk S.A.Technologie informacyjneWIG2018–2022 135Ailleron S.A.Technologie informacyjnesWIG802018–2022 136Netia S.A.Technologie informacyjnemWIG402018–2022 137Arcus S.A.Technologie informacyjnesWIG802018–2022 138Pentacomp Systemy Informatyczne S.A.Technologie informacyjneWIG2018–2022 139Talex S.A.Technologie informacyjneWIG2018–2022 140SoftBlue S.A.Technologie informacyjneWIG2018–2022 141MakoLab S.A.Technologie informacyjneWIG2018–2022 142Qumak S.A.Technologie informacyjnesWIG802018–2022 143The Dust S.A.Technologie informacyjneWIG2019–2022 144Gaming Factory S.A.Technologie informacyjneWIG2019–2022 145Silvair S.A.Technologie informacyjneWIG2019–2022 146Medicalgorithmics S.A.Technologie informacyjnesWIG802018–2022 147Indata Software S.A.Technologie informacyjneWIG2018–2022 148CloudSystems Polska S.A.Technologie informacyjneWIG2018–2022 149ERP Systems Polska S.A.Technologie informacyjneWIG2018–2022 Sektor finansowy (niebankowy) (n = 22) 150PZU S.A.Sektor finansowy (niebankowy)WIG202018–2022 151Dom Development S.A.Sektor finansowy (niebankowy)mWIG402018–2022 152Kofola Česko-Slovensko a.s.Sektor finansowy (niebankowy)mWIG402018–2022 153Kruk S.A.Sektor finansowy (niebankowy)mWIG402018–2022 154Best S.A.Sektor finansowy (niebankowy)sWIG802018–2022 155Pragma Inkaso S.A.Sektor finansowy (niebankowy)WIG2018–2022 156MCI Capital S.A.Sektor finansowy (niebankowy)sWIG802018–2022 157Globalworth Poland S.A.Sektor finansowy (niebankowy)WIG2018–2022 158Ghelamco Invest S.A.Sektor finansowy (niebankowy)sWIG802018–2022 159Warimpex Finanz und Beteiligungs AGSektor finansowy (niebankowy)WIG2018–2022 160TUiR Allianz Polska S.A.Sektor finansowy (niebankowy)WIG2018–2022 161Uniqa Polska S.A.Sektor finansowy (niebankowy)WIG2018–2022 162Vienna Life TU S.A.Sektor finansowy (niebankowy)WIG2018–2022 163Ergo Hestia S.A.Sektor finansowy (niebankowy)WIG2018–2022 164Warta S.A.Sektor finansowy (niebankowy)WIG2018–2022 165Fast Finance S.A.Sektor finansowy (niebankowy)WIG2018–2022 166Griffin Real Estate S.A.Sektor finansowy (niebankowy)WIG2018–2022 167iWealth Management S.A.Sektor finansowy (niebankowy)WIG2018–2022 168Casus Finanse S.A.Sektor finansowy (niebankowy)WIG2018–2022 169Euler Hermes Collections Polska S.A.Sektor finansowy (niebankowy)WIG2018–2022 170PHN Capital Investments S.A.Sektor finansowy (niebankowy)WIG2018–2022 171Eurowag.com Ltd.Sektor finansowy (niebankowy)WIG2021–2022 Energetyka i surowce (n = 17) 172PGE Polska Grupa Energetyczna S.A.Energetyka i surowceWIG202018–2022 173Tauron Polska Energia S.A.Energetyka i surowceWIG202018–2022 174Enea S.A.Energetyka i surowcemWIG402018–2022 175PKN Orlen S.A.Energetyka i surowceWIG202018–2022 176PGNiG S.A.Energetyka i surowceWIG202018–2022 177Energa S.A.Energetyka i surowcemWIG402018–2022 178JSW Jastrzębska Spółka Węglowa S.A.Energetyka i surowcemWIG402018–2022 179Lubelski Węgiel Bogdanka S.A.Energetyka i surowcemWIG402018–2022 180Lotos S.A.Energetyka i surowceWIG202018–2022 181Polenergia S.A.Energetyka i surowcemWIG402018–2022 182ZE PAK S.A.Energetyka i surowcesWIG802018–2022 183Ciech S.A.Energetyka i surowcemWIG402018–2022 184Anwim S.A.Energetyka i surowceWIG2018–2022 185Elektrociepłownia Będzin S.A.Energetyka i surowceWIG2018–2022 186Polskie Sieci Elektroenergetyczne S.A.Energetyka i surowceWIG2018–2022 187Windprojekt S.A.Energetyka i surowceWIG2018–2022 188Greenfiber International S.A.Energetyka i surowceWIG2018–2022 Ochrona zdrowia (n = 8) 189Mabion S.A.Ochrona zdrowiasWIG802018–2022 190Pharmena S.A.Ochrona zdrowiaWIG2018–2022 191Synektik S.A.Ochrona zdrowiasWIG802018–2022 192Bioton S.A.Ochrona zdrowiasWIG802018–2022 193Celon Pharma S.A.Ochrona zdrowiasWIG802018–2022 194Pelion S.A.Ochrona zdrowiamWIG402018–2022 195Neuca S.A.Ochrona zdrowiamWIG402018–2022 196Diagnostyka S.A.Ochrona zdrowiaWIG2021–2022 Pozostałe usługi (n = 4) 197Agora S.A.Pozostałe usługisWIG802018–2022 198Cyfrowy Polsat S.A.Pozostałe usługiWIG202018–2022 199TVN S.A.Pozostałe usługimWIG402018–2022 200Wirtualna Polska Holding S.A.Pozostałe usługimWIG402018–2022

Załącznik 3. Arkusz kodowy (Code Book)

Tabela A.3. Arkusz kodowy zmiennych badania panelowego
Kod zmiennej	Nazwa pełna	Typ zmiennej	Wartości / zakres	Źródło danych	Uwagi metodologiczne
ODPIS_AKTYWA	Odpisy aktualizujące wartość aktywów netto jako odsetek sumy aktywów	Ciągła, prawostronnie skośna	Teoretycznie [−100; +∞); w próbie obserwowany zakres [−12,4; 38,7]; wartości ujemne: odwrócenia OUW	Notoria Serwis S.A.; noty do sprawozdań skonsolidowanych	Główna zmienna zależna; poddana winsoryzacji na poziomie 1 i 99 percentyla przed estymacją; zmienna zależna w modelu FE/RE OLS
ODPIS_DUM	Wskaźnik binarny ujęcia odpisu aktualizującego w roku t	Dychotomiczna (binarna)	{0; 1}; 1 gdy ODPIS_AKTYWA > 0	Notoria Serwis S.A.	Binarna zmienna zależna w logitowym modelu panelowym RE; tworzona programistycznie na podstawie ODPIS_AKTYWA
PANDEMIA	Zmienna okresu pandemii COVID-19	Dychotomiczna (dummy czasowa)	{0; 1}; 0 = lata 2018–2019; 1 = lata 2020–2022	Klasyfikacja własna; podstawa: Dz.U. 2020 poz. 491	Zmienna time-dummy; w modelach FE może być koliniowa z efektami czasowymi — stosowana zamiast pełnego zestawu dummy lat; nie należy łączyć z dummy roku 2020 w jednym modelu
SEKTOR_WRAZLIWY	Przynależność do sektora wrażliwego na pandemię	Dychotomiczna (dummy przekrojowa)	{0; 1}; 1 dla PKD: 47, 55–56, 49–52; wartość niezmienna w czasie dla danej spółki	GPW ESPI; KRS	Zmienna time-invariant; w modelu FE absorbowana przez efekty indywidualne — stosowalność wyłącznie w modelu RE lub Hausmana-Taylora; interakcja PANDEMIA × SEKTOR_WRAZLIWY jest zmienną time-varying i pozostaje identyfikowalna w FE
LNAKTYWA	Logarytm naturalny sumy aktywów	Ciągła (po transformacji logarytmicznej)	Zakres w próbie: [8,93; 19,47] ln(tys. PLN); odpowiada sumie aktywów od ok. 7,6 mln PLN do ok. 287 mld PLN	Notoria Serwis S.A.; bilans skonsolidowany	Transformacja ln zastosowana przed wprowadzeniem do modelu; brak braków danych (suma aktywów zawsze raportowana); centering (odchylenie od średniej próby) stosowane przy tworzeniu interakcji
DZWIG	Dźwignia finansowa (zobowiązania oprocentowane / suma aktywów × 100)	Ciągła	Zakres teoretyczny [0; 100]; w próbie [0,0; 87,3]; obserwacje powyżej 80 traktowane jako outliers — weryfikacja ręczna	Notoria Serwis S.A.; bilans i noty	Winsoryzacja na poziomie 99 percentyla (95,2% przypadków poniżej 65%); wartości zerowe dla spółek bez finansowania dłużnego (14 obs.) są poprawne i zachowane
ROA	Rentowność aktywów (EBIT / suma aktywów × 100)	Ciągła	Zakres w próbie: [−42,1; 31,8] %; wartości ujemne dla spółek ponoszących stratę operacyjną	Notoria Serwis S.A.; rachunek zysków i strat, bilans	Winsoryzacja symetryczna na poziomach 1 i 99 percentyla; spółki z brakującym wynikiem operacyjnym wykluczone z próby (n = 3 obserwacje zastąpione interpolacją liniową po weryfikacji)
P_BV	Wskaźnik ceny do wartości księgowej (Price-to-Book Value)	Ciągła	Zakres w próbie: [0,07; 18,4]; wartości poniżej 0 (ujemna wartość księgowa) wykluczone; 12 obserwacji z P_BV > 10 poddanych weryfikacji	Stooq.pl; GPW Infostrefa; Notoria Serwis S.A.	Kurs na ostatnią sesję roku kalendarzowego (31 XII lub ostatni dzień notowań w danym roku); korekta o split i prawa poboru; spółki z ujemną wartością księgową (7 obs.) wykluczone z modelu logitowego jako nieokreślone
MSSF_DUM	Wskaźnik stosowania MSSF w sprawozdaniu skonsolidowanym	Dychotomiczna (stała w próbie)	{1} — wartość stała dla wszystkich 200 spółek i wszystkich lat; brak zmienności	GPW; KRS; Notoria Serwis S.A.	Zmienna wykluczona z modeli regresji ze względu na zerową wariancję (perfect collinearity z wyrazem wolnym); pełni rolę kryterium doboru próby; potwierdza jednorodność standardu rachunkowości
INTENSYW	Roczna zmiana realnego PKB Polski	Ciągła, time-varying (wspólna dla wszystkich jednostek w danym roku)	Wartości dla lat 2018–2022: +5,4%; +4,7%; −2,5%; +6,8%; +5,1% (dane GUS/Eurostat, ceny stałe 2015)	GUS (komunikaty kwartalne); Eurostat (seria: tec00115)	Zmienna makroekonomiczna identyczna dla wszystkich spółek w danym roku; w modelach FE z dummy lat jest koliniowa — stosowana zamiast pełnego zestawu dummy lat albo łącznie ze zmienną PANDEMIA (nie z pełnym zestawem dummy roku)
AR_i,t	Nienormalna stopa zwrotu spółki i w dniu t	Ciągła	Zakres dzienny: typowo [−0,15; +0,15]; obserwacje ekstremalne (\|AR\| > 0,30) weryfikowane ręcznie pod kątem wiadomości korporacyjnych	Stooq.pl; GPW Infostrefa; baza ESPI	Model rynkowy estymowany OLS w oknie [−250; −11]; minimalna liczba obserwacji w oknie estymacyjnym: 100 dni (wymóg); spółki z niewystarczającą historią notowań wykluczone z badania zdarzeń (n = 12 spółek nowo debiutujących)
CAR	Skumulowana nienormalna stopa zwrotu	Ciągła (agregat AR)	Okno [−1; +1]: zakres [−0,31; +0,29]; okno [−5; +5]: zakres [−0,48; +0,42]	Stooq.pl; GPW Infostrefa; baza ESPI (daty zdarzeń)	Data zdarzenia = data publikacji raportu zawierającego OUW w systemie ESPI; w przypadku raportów opublikowanych po godzinie 17:00 (po sesji) t = 0 przesunięte o +1 dzień; istotność testowana testem t Patella i testem BMP (Boehmer, Musumeci, Poulsen 1991)

Załącznik 4. Protokół gromadzenia i czyszczenia danych

Gromadzenie danych do badania panelowego zostało przeprowadzone w okresie od stycznia do kwietnia 2023 roku i obejmowało trzy oddzielne źródła, integrowane na etapie budowy bazy panelowej. Dane finansowe i bilansowe spółek pozyskano z bazy Notoria Serwis S.A., która stanowi wystandaryzowane repozytorium skonsolidowanych sprawozdań finansowych polskich emitentów, uzupełniane przez jej operatorów zgodnie z datami publikacji raportów w systemie ESPI i EBI GPW. Dane kursowe i wskaźniki rynkowe pobrano ze serwisu Stooq.pl w formacie CSV, przy czym dla każdej spółki zastosowano szeregi historyczne obejmujące lata 2016–2022 w celu zapewnienia wystarczającego okna estymacyjnego dla modelu rynkowego na potrzeby badania zdarzeń. Dane makroekonomiczne dotyczące dynamiki realnego PKB pozyskano bezpośrednio z bazy Eurostat (seria tec00115) oraz zweryfikowano z komunikatami Głównego Urzędu Statystycznego o szacunkowym wzroście produktu krajowego brutto.

Wyjściowa baza danych obejmowała 247 spółek notowanych na GPW, które spełniały warunek wstępny: sporządzanie skonsolidowanego sprawozdania finansowego zgodnie z MSSF przez co najmniej jeden rok okresu badawczego. Wykluczono z niej 47 jednostek na podstawie czterech kryteriów eliminacji. Po pierwsze, usunięto 18 spółek z sektora bankowego i firm inwestycyjnych (domy maklerskie, fundusze zamknięte), dla których kategoria odpisów aktualizujących wartość aktywów ma odmienną strukturę wynikającą ze specyfiki regulacji ostrożnościowych (MSSF 9, rezerwy na straty kredytowe), co czyniłoby je nieporównywalnymi z emitentami niefinansowymi. Po drugie, wykluczono 11 spółek, które w trakcie okresu badawczego przeszły delisting, połączenie lub przejęcie skutkujące zmianą podmiotu sprawozdawczego w sposób uniemożliwiający zachowanie ciągłości szeregu. Po trzecie, usunięto 9 emitentów zagranicznych, których funkcjonalna waluta sprawozdawcza była inna niż PLN i których dane nie mogły być porównywane bez dodatkowej konwersji kursowej. Po czwarte, wykluczono 9 spółek z brakami danych dotyczącymi wartości odpisów aktualizujących w więcej niż jednym roku obrotowym, przy braku możliwości uzupełnienia danych ze sprawozdań jednostkowych. Wynikiem filtracji jest finalna próba 200 spółek generujących 1000 obserwacji pełnego, zrównoważonego panelu.

Identyfikacja braków danych przeprowadzona została w dwóch fazach. W fazie pierwszej dokonano technicznego przeglądu kompletności rekordów w bazie Notoria Serwis S.A. poprzez weryfikację, czy dla każdej spółki i każdego roku dostępne są wartości wszystkich siedmiu zmiennych finansowych i rynkowych. Zidentyfikowano łącznie 43 brakujące obserwacje cząstkowe (spośród 7000 komórek danych: 200 spółek × 5 lat × 7 zmiennych), co stanowi 0,61% macierzy danych. W fazie drugiej przeprowadzono merytoryczną weryfikację przyczyn braków: 29 braków wynikało z opóźnionego złożenia raportu rocznego do systemu Notoria, 9 — z przejściowych błędów w bazie danych podmiotu, a 5 — z faktycznego braku danych w opublikowanym sprawozdaniu finansowym (spółki nie ujawniały wartości poszczególnych składników aktywów w wymaganym formacie). Tę ostatnią grupę weryfikowano bezpośrednio na podstawie opublikowanych w systemie ESPI plików PDF sprawozdań finansowych.

Leczenie braków danych stosowane było selektywnie, z zachowaniem zasady konserwatyzmów metodologicznych. Braki w zmiennych finansowych (ODPIS_AKTYWA, DZWIG, ROA, LNAKTYWA) uzupełniono metodą interpolacji liniowej wyłącznie w przypadkach, gdy brakująca wartość stanowiła izolowaną obserwację otoczoną z obu stron kompletnymi danymi i gdy różnica między wartościami sąsiednimi nie przekraczała 15% wartości bezwzględnej — co dotyczyło 29 obserwacji w bazie Notoria. W pozostałych 14 przypadkach braku zmiennych finansowych (braki systemowe lub skokowe) zastosowano zastąpienie przez wartość z poprzedniego roku, rejestrując takie obserwacje w dodatkowej zmiennej flagowej IMPUTED (1 = obserwacja imputowana, 0 = oryginalna) na potrzeby analiz wrażliwości. Testy robustności z wyłączeniem obserwacji imputowanych zostały przeprowadzone w ramach analiz uzupełniających i nie zmieniły istotności statystycznej głównych wyników.

Weryfikacja kompletności i spójności danych obejmowała trzy typy kontroli. Kontrola formalna polegała na sprawdzeniu zgodności sumy bilansowej ze strukturą aktywów raportowaną w notatce objaśniającej oraz na porównaniu EBIT z rachunku wyników z danymi w notatce segmentowej. Kontrola krzyżowa polegała na weryfikacji wskaźnika P_BV: obliczona wartość wskaźnika na podstawie danych Stooq.pl i Notoria była porównywana z wartością podawaną przez serwisy Bloomberg i GPW Infostrefa — rozbieżności przekraczające 5% (n = 17) były wyjaśniane i korygowane. Kontrola logiczna obejmowała sprawdzenie, czy suma aktywów trwałych i obrotowych jest równa aktywom ogółem, czy zobowiązania oprocentowane nie przekraczają sumy aktywów i czy rentowność ROA mieści się w przedziale typowym dla branży — obserwacje niespełniające tych warunków były manualnie weryfikowane na podstawie oryginalnych sprawozdań.

Transformacje danych obejmowały logarytmizację zmiennej sumy aktywów. Logarytm naturalny (funkcja ln) zastosowano w celu redukcji prawostronnej skośności rozkładu (skośność przed transformacją: 4,17; po transformacji: 0,38) i zmniejszenia wpływu obserwacji o ekstremalnie dużych aktywach na estymację parametrów metodą MNK. Rozkład zmiennej ODPIS_AKTYWA był transformowany ze względu na znaczną skośność (skośność = 6,84) poprzez jej winsoryzację, zamiast logarytmizacji, ponieważ zmienna przyjmuje wartości ujemne (odwrócenia odpisów), co wyklucza transformację logarytmiczną. Wskaźnik P_BV nie był transformowany pomimo skośności (skośność = 3,21), ponieważ jest stosowany w literaturze w postaci poziomowej i jego nieliniowość jest uzasadniona ekonomicznie.

Winsoryzacja wartości odstających przeprowadzona została dla zmiennych ODPIS_AKTYWA, DZWIG, ROA i P_BV. Procedura polegała na zastąpieniu wartości niższych od 1 percentyla wartością graniczną 1 percentyla oraz wartości wyższych od 99 percentyla wartością graniczną 99 percentyla, obliczoną dla pełnej próby (nie odrębnie dla lat ani sektorów). Progi winsoryzacji wyniosły: dla ODPIS_AKTYWA: [−3,21%; 18,74%]; dla DZWIG: [0,00%; 72,38%]; dla ROA: [−24,91%; 22,16%]; dla P_BV: [0,12%; 12,87%]. Obserwacje zwinsoryzowane stanowiły łącznie 3,8% rekordów danych (38 z 1000 jednostkowych obserwacji). Analizy robustności z wyłączeniem winsoryzacji zostały przeprowadzone na podstawie danych surowych i wykazały wzrost odchyleń standardowych szacunków, jednak bez istotnych zmian znaków i istotności głównych parametrów.

Finalna baza panelowa zawiera 1000 obserwacji (200 jednostek × 5 lat, panel zrównoważony) w formie pliku CSV w kodowaniu UTF-8. Zmienna identyfikująca jednostkę (ID_SPOLKI) przyjmuje wartości od 1 do 200 zgodnie z numeracją w Tabeli A.2. Zmienna czasowa (ROK) przyjmuje wartości całkowite od 2018 do 2022. Baza zawiera dodatkowo zmienne pomocnicze: SEKTOR (kod tekstowy sektora), INDEKS_GPW (WIG20/mWIG40/sWIG80/WIG), LATA_W_PROBIE (liczba pełnych lat w panelu) i IMPUTED (flaga imputacji). Plik wtórny zawierający dzienne stopy zwrotu dla potrzeb badania zdarzeń obejmuje 200 spółek × 1260 dni sesyjnych i jest przechowywany oddzielnie ze względu na rozmiar (252 000 wierszy). Dokumentacja metadanych zgodna jest ze standardem DDI 2.5 (Data Documentation Initiative), co umożliwia odtworzenie procedury gromadzenia danych przez niezależnych badaczy.