Rachunkowość finansowa to jeden z tych kierunków, gdzie praca magisterska może wyglądać bardzo różnie – od analizy suchych liczb w sprawozdaniach po badanie tego, jak spółki „ozdabiają” wyniki przed publikacją. Jeśli studiujesz finanse i rachunkowość, prawdopodobnie już wiesz, że granica między rachunkowością finansową a zarządczą jest ostra i musisz pilnować, żeby jej nie przekroczyć.
Największa pułapka przy pisaniu prac z tego obszaru? Brak danych. Spółki publiczne mają wszystkie sprawozdania dostępne online, ale jak tylko wychodzisz poza GPW czy giełdy zachodnie, trafiasz na mur. Prywatne firmy w Polsce publikują sprawozdania w KRS, ale jakość tych danych bywa… umowna. Drugi problem to wybór systemu – MSSF czy UoR. Musisz zdecydować wcześnie i konsekwentnie trzymać się tej decyzji przez całą pracę.
Dobra wiadomość: masz do dyspozycji gotowe bazy danych (ESPI, SEC EDGAR, Orbis/Amadeus), ugruntowaną metodologię i mnóstwo polskiej oraz zagranicznej literatury. Przy odpowiednim temacie i solidnych danych jesteś w stanie napisać pracę, która naprawdę coś mówi o tym, jak działa rachunkowość w praktyce.
Wybór tematu – 8 kierunków, które mają sens
Dobry temat z rachunkowości finansowej musi łączyć trzy rzeczy: dostęp do danych, konkretny problem badawczy i aktualność regulacyjną. Poniżej osiem obszarów, z których każdy da się przełożyć na pracę magisterską.
MSSF 16 i leasing
Wejście MSSF 16 w życie (01.01.2019) wywróciło do góry nogami bilanse spółek intensywnie korzystających z leasingu – linii lotniczych, sieci handlowych, restauratorów. Możesz badać wpływ implementacji na wskaźniki finansowe (dźwignia, EBITDA, ROA), porównywać spółki z różnych sektorów albo sprawdzać, jak zmieniła się treść not do sprawozdań po 2019 roku. Dane masz z raportów rocznych – wystarczy wybrać próbę i zakodować zmienne.
MSSF 9 i klasyfikacja instrumentów finansowych
MSSF 9 zastąpił MSR 39 od 2018 roku i zmienił zasady klasyfikacji oraz wyceny aktywów finansowych. Banki i ubezpieczyciele to oczywisty wybór próby. Ciekawy temat: wpływ przejścia na MSSF 9 na odpisy z tytułu oczekiwanych strat kredytowych (ECL model) i zmienność wyniku finansowego. Możesz porównywać banki z różnych krajów UE albo śledzić, jak zarządy „używają” dyskrecji przy klasyfikacji.
Earnings management i zarządzanie wynikami
To jeden z najchętniej wybieranych tematów – i nie bez powodu. Earnings management to manipulowanie wynikami w granicach prawa (lub tuż za nimi), i jest badane od lat 90. XX wieku. Masz do dyspozycji klasyczne modele: Jonesa (1991), zmodyfikowany model Jonesa, model DeAngelo, Kothari-Leone-Wasley. Wybierasz próbę spółek, szacujesz dyskrecjonalne accruale i testujesz, czy różnią się w określonych okolicznościach (przed IPO, po zmianie zarządu, w roku wyborczym w spółkach Skarbu Państwa).
Jakość zysku (earnings quality)
Szersze pojęcie niż earnings management. Jakość zysku obejmuje trwałość zysku (persistence), przewidywalność, konserwatyzm rachunkowy i związek zysku z przepływami pieniężnymi. Możesz testować, czy spółki z wyższą jakością zysku mają niższy koszt kapitału, lepsze ratingi czy wyższe wyceny rynkowe. Literatura: Francis i in. (2004), Dechow, Ge i Schrand (2010).
Sprawozdawczość zintegrowana i raportowanie ESG
Od 2024 roku obowiązuje CSRD (Corporate Sustainability Reporting Directive), która zastępuje NFRD i wprowadza obowiązek raportowania ESG dla dużych spółek UE. To bardzo aktualny temat. Możesz badać jakość ujawnień przed i po wejściu CSRD, porównywać polskie spółki z WIG20 z europejskimi benchmarkami albo analizować spójność między raportem zintegrowanym a tradycyjnym raportem rocznym. Ktoś musi to zbadać jako pierwszy – dlaczego nie Ty?
CSRD i ujawnienia niematerialne
Ściśle związany z poprzednim, ale węższy. Możesz skupić się wyłącznie na jednej sekcji wymogów CSRD – np. ujawnieniach klimatycznych (ESRS E1) albo ujawnieniach społecznych (ESRS S1). Analiza luk (gap analysis) między tym, co spółki ujawniają dziś, a tym, czego wymaga nowy standard, to gotowy problem badawczy.
Wartość godziwa i jej wpływ na wynik finansowy
Wycena w wartości godziwej (MSR 39, MSSF 9, MSSF 13) generuje tzw. unrealized gains and losses, które trafiają do wyniku albo do OCI (other comprehensive income). Interesujące pytania: jak dużą część zmienności wyniku finansowego banków wyjaśnia wycena w wartości godziwej? Czy zarządy mają dyskrecję w zakwalifikowaniu składnika do Poziomu 2 vs Poziomu 3 hierarchii wartości godziwej? Dane: raporty roczne banków notowanych na GPW lub giełdach zachodnich.
Ujawnienia o ryzyku w sprawozdaniach rocznych
Spółki mają obowiązek ujawniać ryzyka. Ale jak to robią w praktyce? Badania pokazują, że ujawnienia są często ogólnikowe, niespójne rok do roku i trudne do porównania. Możesz kodować ujawnienia z raportów rocznych (manual lub automatycznie – textual analysis z Python/R), budować indeks jakości ujawnień i testować, co go determinuje: rozmiar spółki, sektor, jakość audytora.
Metodologia – jak to zbadać
Wybór metody zależy od pytania badawczego, ale w pracach z rachunkowości finansowej masz kilka standardowych opcji.
Analiza zawartości sprawozdań (content analysis)
Kodowanie treści raportów rocznych – ręczne lub automatyczne. Ręcznie robisz to tak: ustalasz jednostkę kodowania (zdanie, paragraf, tabela), definiujesz kategorie (np. rodzaje ryzyk według typologii), sprawdzasz próbę przez dwóch koderów niezależnie i liczysz zgodność (Cohen’s kappa > 0,70 to minimum akceptowalne). Jeśli próba jest duża (> 100 raportów), korzystasz z analizy tekstowej w Pythonie – biblioteki spaCy, NLTK albo gotowe słowniki Loughran-McDonald do finansowych tekstów.
Modele szacowania dyskrecjonalnych akrualii
Standardowe narzędzie przy earnings management. Zmodyfikowany model Jonesa wygląda tak: szacujesz całkowite akruale jako różnicę zysku netto i przepływów operacyjnych, regresujesz je na zmianę przychodów (korygowaną o zmianę należności) i wartość brutto PP&E, a reszty z regresji to dyskrecjonalne akruale – Twoja miara earnings management. W praktyce robisz to osobno dla każdej branży i roku (estymacja cross-sectional) albo dla każdej spółki w czasie (estymacja time-series, wymaga minimum 10 obserwacji na firmę).
Analiza regresji danych panelowych
Jeśli masz próbę spółek obserwowanych przez kilka lat, masz dane panelowe. Musisz zdecydować: efekty stałe (fixed effects, FE) czy losowe (random effects, RE)? Test Hausmana rozstrzyga. FE eliminuje nieobserwowaną heterogenność na poziomie firmy – to standard w badaniach rachunkowości. Klasteryzuj błędy standardowe na poziomie firmy (clustered standard errors). Do tego potrzebujesz Stata, R (pakiet plm) lub Pythona (linearmodels). Minimalna próba do sensownych wniosków: 50 firm x 5 lat.
Studia przypadku
Jedna firma albo kilka firm analizowane szczegółowo. Sprawdza się przy pytaniach „jak i dlaczego”, nie „ile i czy”. Np. jak konkretna spółka implementowała MSSF 16 i jakie decyzje podejmowała przy pierwszym zastosowaniu. Dane: raporty roczne, noty do sprawozdań, komunikaty do KNF/giełdy, wywiady z pracownikami działu finansowego (jeśli masz dostęp). Yin (2014) to pozycja obowiązkowa do metodologii.
Badania ankietowe biegłych rewidentów lub pracowników finansowych
Jeśli interesuje Cię perspektywa praktyczna – jak biegli oceniają jakość ujawnień, jak pracownicy działu finansowego rozumieją nowe standardy – ankieta to dobre wyjście. Wyślij do 200 firm, licz na 30-40% zwrotu, czyli próba ~60-80 obserwacji. Skale Likerta, analiza czynnikowa, regresja logistyczna do determinant. Wyślij przez portale branżowe (SKwP, KIBR) albo LinkedIn.
Struktura rozdziałów
Standardowa praca magisterska z rachunkowości finansowej ma cztery rozdziały merytoryczne plus wstęp i zakończenie.
Rozdział 1 – podstawy teoretyczne i regulacje prawne. Tutaj opisujesz ramy prawne: ustawa o rachunkowości (UoR), rozporządzenia unijne implementujące MSSF, ustawa o biegłych rewidentach. Nie przepisuj przepisów, ale wyjaśnij, jak regulacje wpływają na Twój problem badawczy. Jeśli piszesz o earnings management, tu dajesz przegląd literatury na temat dyskrecji menedżerskiej w rachunkowości.
Rozdział 2 – przegląd literatury i hipotezy. Systematyczny przegląd badań empirycznych – koniecznie z podziałem na badania zagraniczne i polskie (recenzenci cenią osadzenie w lokalnym kontekście). Na końcu formułujesz hipotezy badawcze. Hipotezy muszą być weryfikowalne empirycznie i wynikać logicznie z przeglądu literatury.
Rozdział 3 – metodologia i dane. Opisujesz próbę (skąd, ile firm, jakie kryteria doboru), źródła danych (ESPI, Orbis, ręczne kodowanie), operacjonalizację zmiennych i metody statystyczne. To rozdział, który recenzent czyta szczególnie uważnie – każda decyzja metodologiczna musi być uzasadniona.
Rozdział 4 – wyniki i dyskusja. Tabela statystyk opisowych zawsze pierwsza. Potem główne wyniki regresji albo kodowania. Dyskusja: co to oznacza, jak ma się do hipotez, jak do literatury. Ograniczenia badania – napisz je sam, zanim zrobi to recenzent.
Wyślij fragment tekstu, bezpłatną wycenę otrzymasz w 24 h. Poprawki bez limitu w cenie usługi.
Gdzie szukać danych
Dobry badacz zaczyna od źródeł, nie od Google’a.
| Źródło | Co znajdziesz | Uwagi |
|---|---|---|
| ESPI / SEI (GPW) | Raporty roczne, kwartalne, bieżące spółek GPW | Bezpłatne, od lat 90. |
| SEC EDGAR | Sprawozdania spółek notowanych w USA (10-K, 20-F) | Bezpłatne, też ADR polskich spółek |
| Orbis / Amadeus (Bureau van Dijk) | Dane finansowe firm prywatnych i publicznych z Europy | Płatna, dostęp przez biblioteką uczelni |
| KRS / e-KRS | Sprawozdania finansowe polskich sp. z o.o. i S.A. | Bezpłatne, ale jakość danych niska |
| Raporty KNF | Dane sektorowe dla banków i ubezpieczycieli | Bezpłatne |
| IASB / IFRS Foundation | Standardy MSSF, materiały edukacyjne | Bezpłatne |
| FRC (UK) / EFRAG (UE) | Badania jakości sprawozdawczości, stanowiska | Bezpłatne |
Do analiz tekstowych raportów rocznych możesz korzystać z gotowych kopii w PDF (pobierasz ręcznie ze stron relacji inwestorskich) albo ze skraperów – część giełd udostępnia API.
Najczęstsze błędy
- Mylenie rachunkowości finansowej z zarządczą. Jeśli piszesz o budżetowaniu, kalkulacji kosztów albo controllingu, to jest rachunkowość zarządcza. Praca z rachunkowości finansowej dotyczy sprawozdań zewnętrznych i regulacji
- Brak rozróżnienia MSSF i UoR. Polska ma dualizm: giełdowe spółki i skonsolidowane sprawozdania grup stosują MSSF, jednostkowe sprawozdania polskich podmiotów często stosują UoR. Nie mieszaj wniosków – wyniki z próby MSSF nie transferują się na próbę UoR bez zastrzeżeń
- Subiektywność przy content analysis bez inter-rater reliability. Jedno oko widzi ryzyko klimatyczne, drugie go nie widzi w tym samym zdaniu. Zawsze miej drugiego kodera i raportuj kappę
- Zbyt mała próba do regresji panelowej. Dwadzieścia firm przez trzy lata to za mało. Dobieraj próbę świadomie i uzasadniaj jej rozmiar
- Pominięcie problemu endogeniczności. W rachunkowości endogeniczność jest wszędzie – np. spółki z wyższą jakością zysku mogą przyciągać lepszych audytorów, a nie odwrotnie. Jeśli twierdzisz, że X powoduje Y, musisz to zaadresować (zmienne instrumentalne, różnice w różnicach, quasi-eksperymenty).
- Przepisywanie standardów rachunkowych zamiast ich analizy. Promotor czyta MSSF 16 tak samo dobrze jak Ty. Nie streszczaj – analizuj, jak standard wpłynął na praktykę
- Lekceważenie not do sprawozdań. Większość ciekawych informacji jest właśnie w notach – ujawnienia dotyczące zasad rachunkowości, szacunki i osądy kierownictwa, ryzyko kredytowe i płynności. Sam rachunek zysków i strat to za mało
Literatura – od czego zacząć
Literatura anglojęzyczna to podstawa każdej dobrej pracy z rachunkowości finansowej:
- Hendriksen E.S., van Breda M.F., Teoria rachunkowości (polskie wydanie) – klasyka, dobra do rozdziału teoretycznego
- Walińska E. (red.), Meritum Rachunkowość – polskie źródło, UoR i MSSF razem
- Jarugowa A., Fijałkowska J., Rachunkowość i zarządzanie kapitałem intelektualnym – dla tematów z wartościami niematerialnymi
- Dechow P., Ge W., Schrand C. (2010), Understanding earnings quality: a review of the proxies, their determinants and their consequences – JAE, nieobowiązkowy ale bardzo polecany przegląd
- Jones J. (1991), Earnings management during import relief investigations – JAR, oryginał modelu Jonesa
- Francis J. i in. (2004), Costs of equity and earnings attributes – TAR, kluczowe dla earnings quality
- Loughran T., McDonald B. (2011), When is a liability not a liability? Textual analysis, dictionaries, and 10-Ks – JF, słowniki do analizy tekstowej raportów
Raporty regulatorów to nie tylko tło – cytuj je jako źródła: IASB Conceptual Framework (2018), EFRAG raporty wdrożeniowe CSRD, raporty KNF dotyczące jakości sprawozdań polskich banków.
FAQ
Czy pisać o MSSF, czy o ustawie o rachunkowości?
To zależy od próby i pytania. Jeśli badasz spółki notowane na GPW i stosujesz dane ze skonsolidowanych sprawozdań, pracujesz na MSSF. Jeśli badasz małe i średnie przedsiębiorstwa w Polsce, stosujesz UoR. Możesz też porównywać oba systemy – ale musisz być precyzyjny, co w próbie pochodzi z jakiego systemu i jakie to rodzi ograniczenia interpretacyjne.
Skąd wziąć dane finansowe, jeśli uczelnia nie ma dostępu do Orbis?
Najpierw sprawdź, czy biblioteka nie ma dostępu – wiele uczelni ekonomicznych w Polsce go ma. Jeśli nie, masz trzy opcje: ESPI dla spółek GPW (bezpłatne), e-KRS dla polskich podmiotów (bezpłatne, ale czasochłonne ręczne pobieranie) albo SEC EDGAR dla firm notowanych w USA. Przy kilkudziesięciu firmach da się ręcznie skompletować bazę danych z PDF-ów sprawozdań.
Czy mogę napisać pracę na jednej firmie?
Tak, jako studium przypadku. Ale musisz zmienić logikę badawczą – zamiast testować hipotezy statystyczne, opisujesz i wyjaśniasz konkretny fenomen. Pytanie badawcze musi być „jak” albo „dlaczego”, nie „czy” i „ile”. Dobra metodologia case study to Yin (2014). Jeden przypadek jest ok, jeśli jest wystarczająco interesujący i masz dostęp do różnych źródeł danych (raporty, wywiady, dokumenty wewnętrzne).
Co to jest earnings management i jak go zmierzyć w pracy magisterskiej?
Earnings management to decyzje zarządu w granicach prawa, które zmieniają wykazywany wynik finansowy w dół lub w górę, ale nie zmieniają rzeczywistej sytuacji ekonomicznej firmy. Najczęstsza miara to dyskrecjonalne akruale z modelu Jonesa lub jego wariantów. W skrócie: liczysz całkowite akruale (zysk netto minus przepływy z działalności operacyjnej), szacujesz ich „normalną” część na podstawie regresji, a reszta to potencjalna manipulacja. Potrzebujesz minimum 10-15 obserwacji rocznych na firmę albo dużej próby cross-sectional. Stata albo R wystarczą – to nie jest skomplikowane obliczeniowo, tylko wymaga staranności w doborze zmiennych kontrolnych.
Ile czasu zajmuje zebranie danych do pracy empirycznej?
Przy próbie 50-80 spółek z 5 lat, przy ręcznym kodowaniu raportów rocznych, licz 6-8 tygodni samego zbierania danych. To najczęściej niedoceniany etap. Dlatego zaczynaj od danych, nie od pisania. Zanim napiszesz jeden akapit rozdziału metodologicznego, sprawdź, czy dane w ogóle są dostępne dla Twojej próby i czy mają dostateczną jakość.
Podsumowanie
Praca magisterska z rachunkowości finansowej i sprawozdawczości to przedsięwzięcie, które stoi lub upada na dostępie do danych i jasności metodologicznej. Wybierz temat, do którego masz dane już teraz – nie temat, do którego dane „pewnie gdzieś są”. MSSF 16, earnings management, jakość zysku, CSRD – każdy z tych obszarów ma ugruntowaną literaturę, dostępne dane i aktualność regulacyjną, która interesuje recenzentów.
Jeśli masz już napisany rozdział, ale nie jesteś pewna, czy brzmi dobrze i nie zdradza, że pisał go algorytm – napisz do Natalii na dobrzenapisane.pl. Korekta i redakcja prac naukowych, z uwzględnieniem stylu i spójności argumentacji.
