Schválené projekty 2017

Rozdělení přidělené dotace z MŠMT na specifický vysokoškolský výzkum po fakultách se zohledněním celoškolských pracovišť na rok 2017

Celková přidělená částka z MŠMT na specifický vysokoškolský výzkum na VŠB-TUO - 54 573 242 Kč

Z toho 2.5% - 1 364 331 Kč - úhrada způsobilých nákladů spojených s organizací SGS

fakulta přidělená částka v Kč
FBI  1 210 137
EKF  3 929 534
FAST  2 465 732
FS  9 344 630
FEI 13 996 004
HGF  5 272 251
FMMI  7 123 785
VC  8 743 333
CP  1 123 505
CELKEM 53 208 911

KódSP2017/148
Název projektuFinanční rozhodování podniků a finančních institucí za rizika
ŘešitelDluhošová Dana prof. Dr. Ing.
Školitel projektu
Období řešení projektu01.01.2017 - 31.12.2017
Předmět výzkumuProjekt je zaměřen na analýzu a využití vybraných metod ve finančním rozhodování podniků a finančních institucí. Finanční řízení a rozhodování je významnou oblastí v řízení aktivit podniků, bank a jiných finančních institucí. Vzhledem k tomu, že řízení podniků a finančních institucí tvoří široký komplex činností, budou v projektu specifikovány oblasti, kde budou rozhodovací metody aplikovány a ověřovány:
1. v oblasti finanční výkonnosti podniků, odvětví a finančních institucí – budou provedeny rozklady vybraných ukazatelů a budou aplikovány statické a dynamické metody analýzy odchylek s cílem identifikace generátorů finanční výkonnosti podniků a odvětví;
2. v oblasti řízení lidských zdrojů a dopadu na finanční výkonnost podniků – budou aplikovány kvantitativní modely v podobě predikčních modelů nebo vícerozměrných analytických metod jako modelů logistické regrese, faktorové analýzy, diskriminační analýzy a dalších kvantitativních nástrojů umožňují optimalizovat rozhodování v oblasti řízení lidských zdrojů;
3. v oblasti zdanění korporátních důchodů – v části věnované zdanění korporátních důchodů bude vyčíslena efektivní sazba daně vybraných českých podniků a finančních institucí, přičemž konečná pozornost bude zaměřena na zachycení dopadu jejich rozhodování v této oblasti na vlastní konečnou daňovou povinnost;
4. v oblasti oceňování podniků – budou využity kvantitativní metody v oblasti odhadu pokračující hodnoty, určení tempa růstu pro vybrané výnosové ocenění podniků metodami DCF a metodami EVA. Dále budou detailně analyzovány obecné vztahy mezi klíčovými faktory definujícími tvorbu hodnoty (RONIC, WACC a tempo růstu), které budou následně aplikovány na vybrané ekonomické subjekty v rámci ČR. Kromě analýzy historických dat bude rovněž prováděna predikce klíčových faktorů pomocí stochastického modelování;
5. v oblasti kreditního rizika finančních institucí – budou aplikovány vybrané modely pro stanovení ekonomického kapitálu (CreditMetrics, KMV model, Risk + model) s cílem srovnání těchto modelů s regulatorními přístupy pro stanovení kapitálového požadavku na krytí neočekávané ztráty;

B Zdůvodnění
ad1) finanční výkonnost podniků, odvětví a finančních institucí
Finanční výkonnost podniku je obecně chápána jako schopnost podniku tvořit určitou přidanou hodnotu. Z pohledu finančního řízení je finanční výkonnost spojována s efektivností, kterou lze chápat jako zohlednění spotřebovaných zdrojů v dosaženém ekonomickém prospěchu. Problematika finanční výkonnosti je často řešena velkým množstvím autorů, jako příklad lze uvézt Copeland (2000), Vernimen (2005), Mařík (2005) nebo Dluhošová (2010). Jedním z hlavních cílů finančního řízení je zvyšování finanční výkonnosti podniků. Adaptace podniků na ekonomický vývoj a neustálé zvyšování kokurenceschopnosti se projevuje i v metodách měření výkonnosti podniků a odvětví. Důležitým úkolem finančních analytiků je tak provádět rozbory odchylek syntetických ukazatelů a hledat a vyčíslit faktory, které k těmto odchylkám nejvíce přispívají. Na základě takovýchto zjištění jsou pak činěna různá opatření.
Odborná literatura:
[1] BREALEY, R, MYERS, S., ALLEN, F. (2014). Teorie a praxe firemních financí. Brno: BizBooks. ISBN 978-80-265-0028-5
[2] COPELAND, T. E, WESTON, J. F., SHASTRI, K. (2005). Financial Theory and Corporate Policy. Harlow: Pearson
[3] COPELAND, T. KOLLER, T. MURRIN, J. (2000). Valuation: Measuring and Managing the Value of Companies. John Wiley & Sons.
[4] DAMODARAN A. (2011). Damodaran on Valuation: Security Analysis for Investment and Corporate Finance. John Wiley & Sons.
[5] DAMODARAN A. (2012). Investment Valuation. Tools and Techniques for Determining the Value of Any Asset. John Wiley & Sons.
[6] DLUHOŠOVÁ, Dana.(2010). Finanční řízení a rozhodování podniku. Praha: EKOPRESS. ISBN 978-80-86926-68-2.
[7] GABEHART, S. (2002). The Business Valuation Book: Proven Strategies for Measuring a Company's Value.
[8] GUERARD, J., SCHWARTZ, E. (2007). Quantitative corporate finance. New York: Springer. ISBN 978-1-4020-7019-8
[9] HO, T., YI, S. (2004) The Oxford guide to financial modeling: applications for capital markets, corporate finance, risk management, and financial institutions. Oxford: Oxford University Press. ISBN 0-19-516962-X
[10] MAŘÍKOVÁ, P. MAŘÍK, M. (2005). Moderní metody hodnocení výkonnosti a oceňování podniku. Praha: Ekopress. ISBN 80-86119-61-0.
[11] NEUMAIEROVÁ, I, NEUMAIER, I. (2002). Výkonnost a tržní hodnota firmy. Praha: Grada.
[12] PIKE, R., NEALE, B.(2003). Corporate finance and investment: decisions and strategies. London: Financial Times Prentice Hall. ISBN 0-273-65138-2
[13] ROSS, S., WESTERFIELD, R., JORDAN, B. (2013). Fundamentals of corporate finance. New York: McGraw-Hill/Irwin. ISBN 978-0-07-803463-3
[14] SHEFRIN, H. (2007). Behavioral corporate finance: decisions that create value. Boston: McGraw-Hill/Irwin. ISBN 978-0-07-284865-6
[15] VERNIMMEN, P. (2005). Corporate finance: theory and practice. Chichester: Wiley. ISBN 0-470-09225-4
[16] ZMEŠKAL, Z a kol. (2013). Finanční modely. 3. upravené vydání. Praha: Ekopress.

ad 2) řízení lidských zdrojů a dopadu na finanční výkonnost podniků
HR analytika a aplikace kvantitativních modelů v podobě predikčních modelů nebo vícerozměrných analytických metod jako modelů logistické regrese, faktorové analýzy, diskriminační analýzy a dalších kvantitativních nástrojů umožňují optimalizovat rozhodování v oblasti řízení lidských zdrojů. Řízení lidských zdrojů představuje pro společnost významnou oblast řízení celé organizace a lze zhodnotit z hlediska vlivu na finanční výkonnost firmy z hlediska ukazatelů EVA, TCOE a celkové produktivity. Strategické rozhodování v oblasti lidských zdrojů založené na zpracovávání kvantifikovatelných dat z oblasti lidských zdrojů, HR analytika, se dynamicky vyvíjelo posledních několik let a má potenciál změnit způsob fungování a celkového přístupu k řízení lidských zdrojů. Implementace kvantitativních modelů do rozhodování v oblasti řízení lidských zdrojů představuje pro organizaci nástroj, který jim umožní efektivněji organizovat lidské zdroje, dosáhnout snižování celkových nákladů na lidské zdroje a provádět kvalifikovaná rozhodnutí zvyšující konkurenceschopnost a finanční výkonnost společnosti.

Odborná literatura:
[1] EDWARDS M. R., EDWARDS K. Predictive HR Analytics: Mastering the HR Metric. Kogan Page, 2016.
[2] FITZ-ENZ J., MATTOX J. Predictive Analytics for Human Resources. Wiley; 1st edition, 2014.
[3] FITZ-ENZ Jac. The New HR Analytics: Predicting the Economic Value of Your Company's Human Capital Investments. AMACOM; 1st edition, 2010.
[4] HESKETT, James L. The Culture Cycle: How to Shape the Unseen Force that Transforms Performance. Pearson FT Press; 1st edition, 2011.
[5] HEBÁK Petr, Vícerozměrné statistické metody. Vyd. 1. Praha: Informatorium, 2004.
[6] ISSON J. P., HARRIOT J. S. People Analytics in the Era of Big Data: Changing the Way You Attract, Acquire, Develop, and Retain Talent. Wiley; 1st edition, 2016.
[7] KOTTER P. J., HESKETT J. L. Corporate Culture and Performance. Free Press; 2nd edition, 2011.
[8] MELOUN M., MILITKÝ J., HILL M. Statistická analýza vícerozměrných dat v příkladech. Vyd. 2. Praha: Academia, 2012.
[9] MERTLER Craig A. Advanced and multivariate statistical methods. Glendale : Pyrczak Publishing, 2013.
[10] SESIL, James C. Applying Advanced Analytics to HR Management Decisions: Methods for Selection, Developing Incentives, and Improving Collaboration S. Pearson FT Press; 1st edition, 2013.
Odborné články
[1] BERSIN Josh. Becoming irresistible: A new model for employee engagement. Deloitte Review Issue 16, 2015.
[2] BRENT, Daily. Culture Analytics: The Moneyball for Building Teams. Employment Relations Today. Volume 40, Issue 1, 25–31, 2013.
[3] LOCKE, E. A., CHAH, D., HARRISON, S., LUSTGARTEN N. Separating the effects of goal specificity from goal level. Organizational Behavior and Human Performance, 43, 270-287, 1989.
[4] HUANG S., LUPUSHUR S. Is People Analytics The New Humanizing Force?. Data Informed: Big Data and Analytics in the Enterprise. Workforce and HR Analytics Summit West 2015.
[5] ROBERTS, Darryl R. Using Engagement Analytics to Improve Organizational Performance, Employment Relations Today. Volume 40, Issue 3, 57–65 2013.
[6] ROCK, David. SCARF: A brain-based model for collaborating with and influencing others. NeuroLeadership Journal, 1, 1-9. 2008.

ad 3) zdanění korporátních důchodů
Daň z příjmů právnických osob jako náklad ovlivňuje konečný zisk podniků a tudíž je jejímu stanovení věnována náležitá pozornost, která může být odrazem snahy daňových subjektů o optimalizaci vlastní daňové povinnosti. Intenzita těchto aktivit může být zřejmá ve výši efektivní sazby korporátní důchodové daně. Ta by měla být za předpokladu úspěšné daňové optimalizace nižší než statutární sazba daně.
Základní přístupy k určení efektivní sazby daně jsou možné dva, a to koncept dopředného makropohledu a koncept zpětného mikropohledu. Mezi těmito přístupy je nutno rozlišovat, a to dle použitých vstupních dat výpočtu, která mohou být buď povahy makroekonomické anebo mikroekonomické. V rámci dílčího cíle projektu bude aplikován koncept zpětného mikropohledu využívající emprické údaje konkrétních společností, jež zohledňují veškeré aspekty legislativy v oblasti korporátní důchodové daně v podmínkách ČR.
Zpětný mikropohled aplikovali ve své studii např. Buijink, Jaansen, Schols (1999), kteří k výpočtu efektivní sazby daně použili skutečná data o výši zisku před zdaněním a výši korporátní daně u bezmála tří tisíc společností působících v Evropské unii v období let 1990 -1996. Tato studie prokázala, že se efektivní sazba daně společností v jednotlivých členských státech odlišuje ještě daleko více než statutární sazba daně těchto zemí. Zpětný mikropohled použil ve své práci také např. Nicodeme (2007). V ČR tento přístup použil Pelouch (2016), který vycházel z údajů databáze AMADEUS pro více než 4000 českých firem v období let 2005 - 2014.
Odborná literatura:
[1] Avi-Yonah.R. S. a Y. Lahav. (2011). The effecitve tax rate of the largest US and EU multinationals. Dostupné online: http://www.lax,umich.edu/.
[2] Blechová, B. (2008). Charakteristika přístupů používaných v EU pro hodocení efektivního daňového zatížení příjmů korporací. Theoretical and Practical Aspects of Public Finance, VŠE Praha.
[3] Buijink, W., Janssen B. a Y. Schols. (1999). Corporate effective tax rates in The European Union. Maastricht: MARC.
[4] Czech Top 100. (2015). 100 nejvýznamnějších firem ČR. Dostunpné online: http:// czechtop100.cz/menu/aktualne/100-nejvyznmanejsich-firem-cr.html.
[5] Devereux, M.P. a R. Griffith. (2002) The impact of corporate taxation on the location of capital. Swedish economic policy review. Dostupné online: http://eap-journal.com/download.php?file=466.
[6] Morávková, J. (2015). Efektivní sazba korporátní daně. Český finanční a účetní časopis, 2015, roč. 10, č. 4.
[7] Koštuříková, I. (2011). Corporate tax burden in the Czech Republic and European Union. Acta academica karviniensia. Karviná: OPF Slezská univerzita v Opavě.
[8] Kozelský, T. a J. Jedlička. (2013). Korporátní daně v Evropské unii. Praha: EU office ČS. Dostupné online: http://www.businessinfo.cz.
[9] Kubátová, K. (2015). Daňová teorie a politika. Praha: Wolters Kluwer.
[10] Pelouch, J. (2016). Rozdíly mezi nominální a efektivní sazbou daně právnických osob v období 1995-2014. Dostupné online: http://insis.vse.cz.
[11] Ministertstvo průmyslu a obchodu. Finanční analýza podnikové sféry za rok 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014. Praha: MPO.
[12] Mintz, J. a D. Chen. (2014). The U.S. corporate Effective tax rate: myth and the fact. Dostupné online: http://taxfoundation. org/.
[13] Nicodeme G. (2007). Computing effective corporate tax rates: comparison and results. Munich: MPRA Paper. Dostupné online: http://mpra.ub.uni.muenchen.de/3808/.

ad 4) oceňování podniků
Klíčovou fází veškerých finančních rozhodovacích procesů je správné určení hodnoty ekonomických subjektů. Nesprávné postupy a předpoklady při odhadu hodnoty vedou k nesprávné alokaci kapitálu, chybným investičním rozhodnutím a vzniku ekonomických bublin, což se projevilo zejména při poslední globální finanční krizi. Příčinou chybného ocenění je pak především nesprávné pochopení a aplikace fundamentálních vztahů ovlivňujících tvorbu hodnoty, viz např. Koller (2015). Z těchto důvodů bude projekt zaměřen a detailní analýzu vztahů mezi klíčovými generátory hodnoty s následnou aplikací na podmínky České republiky. Budou analyzovány vztahy mezi investicemi, rentabilitou investic, tempem růstu a rizikem pro vybraná odvětví a podniky na tuzemském trhu, a to zejména v kontextu výnosových oceňovacích metod (metoda DCF a EVA). Cílem projektu je ověřit možnost odhadu hlavních generátorů hodnoty firem na českém trhu a kvantifikovat zdroje jejich růstu a následně tyto generátory predikovat pomocí využití stochastického modelování.

Odborná literatura:
[1] Koller, T., Goedhart, M., Wessels, D. (2015). Valuation: Measuring and Managing the Value of Companies. Wiley Finance.
[2] Massari, M., Zanetti, L. (2016). Corporate Valuation: Measuring the Value of Companies in Turbulent Times. Wiley Finance.
[3] Mařík, M. (2011). Metody oceňování podniku pro pokročilé. Ekopress.

ad 5) kreditní riziko finančních institucí
Finanční instituce podnikají v prostředí, pro které je charakteristická vysoká míra podstupovaného úvěrového rizika. Ochota a schopnost bank podstupovat úvěrové riziko spojené se zapůjčováním finančních prostředků přispěla v minulosti k ekonomickému růstu v mnoha zemích. Na druhou stranu nezvládnutí úvěrového rizika vede často k bankrotu banky, který může ohrozit stabilitu celého finančního systému nejen v dané zemi, ale i celosvětově. Proto přístupy k měření a řízení úvěrového rizika jsou dnes jedním z nejdůležitějších témat v bankovnictví a financí obecně.

Odborná literatura:
[4] ANDREA, S. and ANDREA, R. Risk Management and Shareholders’ Value in Banking: From Risk Measurement Models to Capital Allocation Policies. Wiley Finance, 2007. ISBN 978-0-0470-02978-7.
[5] APOSTOLIK, R., CH. DONOHUE, and P. WENT. Foundations of Banking Risk: An Overview of Banking, Banking Risks, and Risk-Based Banking Regulation. Wiley Finance, 2009. ISBN 978-0-470-44219-7.
[6] CHOUDHRY, M. The Principles of Banking. Wiley Finance, 2012. ISBN 978-0-470-82521-1.
[7] CUPTON, G. M., C. C., FINGER, and M., BHATIA. CreditMetrics Technical Document. New York: J. P. Morgan, 1997.
[8] FELSENHEIMER, Jochen, Philip GISDAKIS, and Michael ZAISER. Active Credit Portfolio Management: A Practical Guide to Credit Risk Management Strategies. Wiley Finance, 2006. ISBN 3-527-50198-3.
[9] RAGHAVAN, R. S.: Risk Management in Banks [online]. Chartered Accountant [26. 02. 2016]. Available on: http://resource.cdn.icai.org/11490p841-851.pdf.
[10] ROSE, P. and S. HUDGINS. Bank Management and Financial Services. 9th ed. McGraw-Hill/Irwin, 2012. ISBN 978-0078034671.
[11] STANDARD & POOR’S RATINGA SERVICES. Default, Transition, and Recovery: 2014 Annual Global Corporate Default Study and Rating Transitions [online]. Standard & Poor’s [29. 12. 2015]. Available on: https://www.nact.org/resources/2014_SP_Global_Corporate_Default_Study.pdf.

C Aplikované metody
1. Pro dosažení konkrétních cílů v oblasti finanční výkonnosti podniků, odvětví a finančních institucí budou využity metody statické a dynamické analýzy, které budou aplikovány na pyramidové rozklady vybraných ukazatelů. Ke kvantifikaci vlivu dílčích ukazatelů na vrcholový ukazatel je možné využít několika metod, v závislosti na typu vazby, která se mezi dílčími ukazateli vyskytuje. V případě multiplikativní vazby budou aplikovány jednotlivé metody, a to metoda postupných změn, metoda rozkladu se zbytkem, integrální metoda, funkcionální a logaritmická metoda. V případě analýzy časové řady ukazatelů bude využita metoda dekompozice rozptylu. Takto budou určeny hlavní generátory tvorby hodnoty v jednotlivých odvětvích a podnicích.
2. Pro optimalizaci rozhodování v oblasti řízení lidských zdrojů budou využity a aplikovány predikční modely a následně pak vícerozměrné analytické metody, které zahrnují logistickou regresi, faktorovou analýzu a další kvantitativní nástroje.
3. V části věnované zdanění korporátních důchodů budou zjištěná data prezentována prostřednictvím nástrojů deskriptivní statistiky. Bude statisticky otestována normalita rozdělení daného souboru včetně ověření formulovaných hypotéz. Rovněž bude zjištěna korelace mezi vybranými proměnnými a efektivní sazbou daně.
4. V oblasti oceňování podniků budou využity kvantitativní metody v oblasti odhadu pokračující hodnoty, určení tempa růstu pro vybrané výnosové ocenění podniků metodami DCF a metodami EVA. Kromě analýzy historických dat bude rovněž prováděna predikce klíčových faktorů pomocí stochastického modelování.
5. V oblasti kreditního rizika finančních institucí budou postupně aplikovány vybrané modely pro stanovení ekonomického kapitálu a to CreditMetrics, KMV model a Risk + model. Jednotlivé modely budou srovnány s regulatorními přístupy pro stanovení kapitálového požadavku na krytí neočekávané ztráty, které plynou z Basilejských dohod a platných evropských direktiv


D Postup řešení
ad1) finanční výkonnost podniků, odvětví a finančních institucí
Bude provedena analýza finanční výkonnosti průmyslu, který zahrnuje jednotlivá odvětví, jako je zpracovatelský průmysl, zásobování vodou, rozvod elektřiny a tepla a těžba uhlí. V rámci jednotlivých odvětví budou určeny hlavní generátory a faktory, které ovlivňují finanční výkonnost průmyslu, resp. daného odvětví. Detailněji bude analyzován zpracovatelský průmysl, který je obecně považován za jeden z hlavních tahounů českého průmyslu.
Pro určení generátorů finanční výkonnosti průmyslu, jednotlivých odvětví a vybraných podniků bude využita klasická analýza odchylek, která se řadí mezi statickou analýzu, je tedy posuzováno pouze jedno období, za něž jsou určeny hlavní faktory mající na finanční výkonnost největší vliv. Následně bude aplikována také metoda dekompozice rozptylu. V případě této metody se již jedná o dynamickou analýzu, která je založena na hodnocení časové řady finančních ukazatelů.
Datovou základnou budou data získaná z databáze Ministerstva průmyslu a obchodu za posledních 15let a údaje získané z výročních zpráv vybraných společností.
Cílem bude ověřit aplikaci vybraných metod a využití těchto metod v reálných podmínkách vybraných odvětví a podniků.

ad 2) řízení lidských zdrojů a dopadu na finanční výkonnost podniků
Bude použit soubor postupů řešících optimalizaci způsobu rozhodování ve vybraných oblastech řízení lidských zdrojů a dopad těchto kroků na ukazatele finanční výkonnosti společnosti. Výsledků bude dosaženo pomocí implementace analytických metod a kvantitativních modelů do rozhodování ve vybraných oblastech řízení lidských zdrojů, ve kterých se tradičně tyto postupy nevyužívají a zhodnotit dopad těchto postupů.

ad 3) zdanění korporátních důchodů
V rámci dílčího cíle projektu bude pozornost zaměřena na zjištění a stanovení efektivní sazby korporátní sazby daně u vybraných skupin firem a finančních institucí. Zjištěné hodnoty budou charakterizovány prostřednictvím deskriptivní statistiky a rozdíly budou statisticky verifikovány. Dále bude rovněž posuzován vzájemný vztah efektivní sazby korporátní daně a vybraných proměnných (jako např. počet zaměstnanců, velikost firmy, velikost tržeb a vybrané ukazatele popisující finanční pozici) prostřednictvím korelačních koeficientů. Vstupními údaji budou empirická data z veřejně dostupných finančních výkazů společností. Z uvedeného důvodu nelze v tomto okamžiku blíže specifikovat počet testovaných subjektů a délku časové řady údajů.

ad 4) oceňování podniků
V první části řešení projektu budou obecně odvozovány vztahy mezi klíčovými faktory ovlivňujícími hodnotu ekonomických subjektů a budou ověřovány možnosti odhadu pokračující hodnoty a tempa růstu očekávaných užitků v rámci oceňovacích metod DCF a EVA se zaměřením jak na jednofázové, tak na vícefázové metody oceňování. Zároveň bude vytvořena datová základna s relevantními údaji klíčových firem a odvětví na českém trhu, na které budou následně ověřovány dané obecně odvozené vztahy. Zde bude primárně využíváno metod citlivostní analýzy a analýzy rozptylu.
V další části projektu budou jednotlivé faktory predikovány pomocí stochastických procesů s negaussovským rozdělením náhodných veličin s cílem odhadnout pravděpodobnostní rozdělení hodnot vybraných subjektů. Se zohledněním výsledků získaných z předešlé analýzy historických dat pak budou modelovány změny v pravděpodobnostním rozdělení těchto hodnot při změně vstupních parametrů.

ad 5) kreditní riziko finančních institucí
Bude provedeno ověření modelů CREDITMETRICS a KMV na reálných datech portfolia obligací bude provedena komparace aplikovaných metod pro modelování a řízení kreditního rizika.
Členové řešitelského týmuprof. Dr. Ing. Dana Dluhošová
Ing. Petr Gurný, Ph.D.
Bc. Petr Křistek
Bc. Barbora Kysučanová
Ing. Karolina Lisztwanová, Ph.D.
Ing. Ondřej Mikulec
Ing. Josef Novotný, Ph.D.
Bc. David Ohanka
Ing. Michal Ondruš
Bc. Zdeněk Pospíšil
Ing. Barbora Ptáčková, Ph.D.
Ing. Iveta Ratmanová, Ph.D.
Ing. Dagmar Richtarová, Ph.D.
Bc. Klára Slezáková
Ing. Adéla Špačková
Ing. Yuan Tian
Specifikace výstupů projektu (cíl projektu)ad1) finanční výkonnost podniků, odvětví a finančních institucí
• konference – 4 x příspěvek na konferenci (sborník ve WoS)

konference METAL 2017 (květen 2017) - sborníky z předcházejících ročníků zařazeny do databáze WoS
konference “Evropské finanční systémy” (červen 2017) – sborník z předcházejících ročníků zařazen do database WoS
konference “Finanční řízení podniků a finančních institucí” (září 2017) - sborník z předcházejících ročníků zařazen do database WoS
• časopisy – 1x článek v impaktovaném časopise vydávaném v ČR
• časopisy – 1 x článek v recenzovaném neimpaktovaném časopise vydávaném v ČR - např.
- Acta Oeconomica Pragensia
- Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis
- Acta Universitatis Bohemiae Meridionalis
- Central European Journal of Management
- ECON (Journal of Economics, Management and Business)
- Ekonomická revue - Central European Review of Economic

ad 2) řízení lidských zdrojů a dopadu na finanční výkonnost podniků
• konference – 3 x příspěvek na konferenci (sborník ve WoS)
konference “Evropské finanční systémy” (červen 2017) – sborník z předcházejících ročníků zařazen do database WoS
konference “MME” (září 2017) – sborník z předcházejících ročníků zařazen do databáze WoS
konference “Finanční řízení podniků a finančních institucí” (září 2017) - sborník z předcházejících ročníků zařazen do database WoS

ad 3) zdanění korporátních důchodů
• konference – 2 x příspěvek na konferenci (sborník ve WoS)
konference “Evropské finanční systémy” (červen 2017) – sborník z předcházejících ročníků zařazen do database WoS
konference “Finanční řízení podniků a finančních institucí” (září 2017) - sborník z předcházejících ročníků zařazen do database WoS

• časopisy – 1x článek v impaktovaném časopise vydávaném v ČR
např.
 Politická ekonomie

• časopisy – 1 x článek v recenzovaném neimpaktovaném časopise vydávaném v ČR - např.
- Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis
- Acta Universitatis Bohemiae Meridionalis
- ECON (Journal of Economics, Management and Business)
- Ekonomická revue - Central European Review of Economic

ad 4) oceňování podniků
• Jimp
 Prague Economic Papers (bude odesláno do konce roku 2017), cca 12 bodů
• B
 monografie na téma problematiky stanovení pokračující hodnoty v rámci oceňování podniků (Ing. Petr Gurný, Ph.D., prof. Dr. Ing. Dana Dluhošová), 20 bodů
• D
 2 x příspěvek ve sborníku s předpokladem zařazení do databáze WoS, 8 bodů
ad 5) kreditní riziko finančních institucí
• konference – 3 x příspěvek na konferenci (sborník ve WoS)
1 x konference “MME” (září 2017) – sborník z předcházejících ročníků zařazen do databáze WoS
2 x konference “Finanční řízení podniků a finančních institucí” (září 2017) - sborník z předcházejících ročníků zařazen do databáze WoS


• časopisy – 1 x článek v recenzovaném neimpaktovaném časopise vydávaném v ČR - např.
- Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis
- Acta Universitatis Bohemiae Meridionalis
- ECON (Journal of Economics, Management and Business)
- Ekonomická revue - Central European Review of Economic Issues

Shrnutí
Jimp 32
Jrec 12
B 20
D 48
celkem 124



Rozpočet projektu - uznané náklady

NávrhSkutečnost
1. Osobní náklady
Z toho
75040,-75040,-
1.1. Mzdy (včetně pohyblivých složek)56000,-56000,-
1.2. Odvody pojistného na veřejné zdravotně pojištění a pojistného na sociální zabezpečení a příspěvku na státní politiku zaměstnanosti19040,-19040,-
2. Stipendia140000,-140000,-
3. Materiálové náklady105000,-103560,-
4. Drobný hmotný a nehmotný majetek10000,-10000,-
5. Služby99960,-101400,-
6. Cestovní náhrady20000,-20000,-
7. Doplňkové (režijní) náklady max. do výše 10% poskytnuté podpory50000,-50000,-
8. Konference pořádané VŠB-TUO k prezentaci výsledků studentského grantu (max. do výše 10% poskytnuté podpory)0,-0,-
9. Pořízení investic0,-0,-
Plánované náklady500000,-
Uznané náklady500000,-
Celkem běžné finanční prostředky500000,-500000,-