De onderzoeksopzet gaat uit van de open, geaggregeerde data van het CBS van alle – zowel beursgenoteerde als private – niet-financiële grote Nederlandse ondernemingen (SFGO). Deze data zijn gebaseerd op de totalen van de balans en de winst-en-verliesrekening. Het CBS stelt de dataset samen aan de hand van een jaarlijkse enquêtering, waarbij voor de (beperkte) non-respons wordt gecorrigeerd door de totalen voor alle ondernemingen te schatten. De ondernemingen hadden minimaal een balanstotaal van 23 miljoen euro en vanaf 2011 was dat 40 miljoen euro. Deze grens komt in veel gevallen overeen met ongeveer 250 werknemers. De data omvatten de geconsolideerde opgave van de moedermaatschappijen inclusief de dochterondernemingen die in Nederland zijn gevestigd. Buitenlandse dochterondernemingen vallen buiten de consolidatie en worden in de data als deelneming verantwoord. De periode beslaat 2001–2018 (achttien jaar) met een periode van tien jaar na de kredietcrisis, wat aansluit bij het doel van het onderzoek om de financiële impact over een langere duur in kaart te brengen. Het toevoegen van de periode ervoor geeft een beter beeld van de structurele financiële ontwikkeling. De periode omvat naast de kredietcrisis ook de internetcrisis (2002–2003) en de eurocrisis (2012–2013), maar eindigde voor de coronacrisis (2020).

Ofschoon minder gangbaar, kunnen geaggregeerde data bij onderzoek naar ondernemingen in informatiewaarde als een relevante aanvulling op firm-level data worden gezien om een completer, reëel beeld van de populatie als geheel te krijgen voor partijen als investeerders en analisten (Kothari et al. 2006; Ball and Sadka 2015; Ball et al. 2019). Voorbeelden zijn de analyses van Jansen and Ligthart (2014), CPB (2017) en De Winter et al. (2018) die deels dezelfde data gebruiken. Investeerders en analisten gaan bijvoorbeeld voor rendement/risicoanalyses immers in veel gevallen uit van gediversifieerde portfolio’s, waarbij ondernemingsspecifieke verschillen minder relevant zijn of mogelijk het populatiebeeld deels kunnen vertekenen (Ball and Sadka 2015).

De dataset is gekozen omwille van de beschikbare data over een langere periode in combinatie met (door de volledigheid) de representativiteit en (door de standaardisatie) de consistentie van de dataset. In vergelijking met de databases van Amadeus (Orbis) en Bach kan in volledigheid en uniformiteit de gebruikte dataset als het meest representatief worden gezien (CPB 2017; Bajgar et al. 2020; Liu 2020). Ook van belang is dat met de dataset, in lijn met de focus van de analyse op de grote ondernemingen en de alternatieve financiële maatstaven, de resultaten kunnen worden vergeleken met de literatuur waarin dezelfde data zijn gebruikt. Daarnaast is het voordeel van een langere periode de vermindering van mogelijke selectiebias (attrition bias) waaronder door groei, overnames en faillissementen van ondernemingen, zoals bij longitudinaal onderzoek met cohorten kan spelen. Beperkingen van de dataset zijn over de jaren een mogelijke veranderende samenstelling van de populatie die de analyse kan beïnvloeden en het verlies van informatie over de spreiding tussen afzonderlijke sectoren en ondernemingen. Door de onbekende variatie kunnen de resultaten ook niet worden geprojecteerd op sector- of ondernemingsniveau.

In Tabel 1 zijn de kenmerken van de ondernemingen samengevat. In 2001–2018 nam het aantal ondernemingen toe van 1.259 naar 2.523. De omzet ontwikkelde zich van gemiddeld 400 naar 389 miljoen euro, die daarmee in de periode nauwelijks veranderde, waarbij het aantal voltijdse werknemers gemiddeld afnam van 1.212 naar 667. Het balanstotaal groeide niettemin met 60 procent (2,8 procent per jaar) naar gemiddeld 818 miljoen euro in 2018. De ontwikkeling van de balansomvang, en daarbinnen de toename van het aandeel van de buitenlandse deelnemingen, impliceert dat de verandering in de gemiddelden per onderneming grotendeels het gevolg is geweest van de groei van de dochterondernemingen in het buitenland. Door de consolidatiewijze in de dataset komt die niet tot uiting in de gemiddelde omvang van het aantal werknemers en de omzet.

De data bevatten in Nederland gevestigde juridische eenheden (waaronder de nv, bv en coöperatie) volgens de standaard bedrijfsindeling, die actief zijn in de sectoren landbouw en nijverheid, handel en horeca, vervoer, informatie en communicatie en zakelijke en persoonlijke diensten.

Op basis van de dataset zijn voor de grote ondernemingen financiële ratio’s berekend. Ratio’s kunnen als indicator behulpzaam zijn voor een groter inzicht in de financiële prestaties, maar het gebruik kent beperkingen en het is belangrijk om deze te begrijpen (Faello 2015). Financiële ratio’s worden afgeleid van de jaarrekening die in de regelgeving en de toepassing kunnen verschillen tussen ondernemingen en die over de tijd kunnen veranderen, wat de vergelijkbaarheid tussen ondernemingen kan verminderen. Daarbij geldt dat financiële ratio’s niet altijd een normale verdeling hebben en gevoelig zijn voor uitschieters.

In de dataset is de beperking van verschillende grondslagen van de jaarrekening deels ondervangen door het gebruik van de gestandaardiseerde data van (sec) niet-financiële grote ondernemingen. Niettemin zijn verschillen voorstelbaar, waaronder de verschillen door de toepassing van IFRS door beursondernemingen en Dutch GAAP en US GAAP door veel andere (internationale) private ondernemingen, ofschoon bij een vergelijking tussen jaren op populatieniveau het effect naar verwachting beperkt is. De periode omvat voor beursgenoteerde ondernemingen de invoering van IFRS in 2005, waardoor de balans en de winst-en-verliesrekening en daarmee de financiële ratio’s konden veranderen (Bos and Stienstra 2007). Buiten de periode valt de invoering van IFRS 16 in 2019 met nieuwe richtlijnen voor leaseverplichtingen, wat naar verwachting bij veel ondernemingen een grote impact heeft gehad op financiële maatstaven (Arnold et al. 2020).

Vanuit de investerings- en financieringsliteratuur hebben ratioanalyses door de tijd heen een vergelijkbare benadering. De onderzoeksopzet onderscheidt voor de ratio’s aan de hand van onder andere Barnes (1987), Duffhues (1994), Nissim and Penman (2001), Damodaran (2012), Koller et al. (2020) en Rietveld (2022) de terugkerende dimensies rentabiliteit, solvabiliteit (kapitaalstructuur) en liquiditeit (solventie). Voor elk dimensie kunnen specifieke, alternatieve ratio’s worden gehanteerd, gebaseerd op de balans en de winst-en-verliesrekening, waarvoor algemeen geldende normen of grenswaarden kunnen worden gedefinieerd (zie bijvoorbeeld Lee et al. 2014; Li et al. 2015; Rietveld 2022). Alternatieve ‘non-IFRS’- en ‘non-GAAP’-prestatiemaatstaven geven aanvullende informatie teneinde een beter inzicht te geven in de relatieve financiële prestaties (Leung and Veenman 2018; Veenman 2019; Breijer et al. 2020; Arena et al. 2021).

Voor schuldfinanciering overlappen de ratio’s deels met die uit bancaire convenanten (Bos and Stienstra 2007; Demerjian 2007; Litjens and Vergoossen 2010; Backhuijs and Mertens 2013; Lee et al. 2014; Li et al. 2015; Demerjian and Owens 2016; Paik et al. 2019; Breijer et al. 2020). Daarbij lijken financiële ratio’s steeds meer te worden gebaseerd op de winst-en-verliesrekening (Griffin et al. 2018) – vooral wanneer de financiering is bedoeld voor overnames en langlopende investeringen en veeleer op de balans in geval van regulier krediet, zoals voor aflossingen, herfinanciering en aandeleninkopen (Paik et al. 2019). Ook bestaan er aanwijzingen dat naarmate financiële prestaties achterblijven bij kredietvoorwaarden, de nadruk meer komt te liggen op de winst-en-verliesrekening (Demerjian 2011; Christensen and Nikolaev 2012) en de normen in convenanten strikter worden (Li et al. 2015).

In een afweging tussen de diversiteit, de evenwichtigheid en de efficiëntie van het aantal verschillende prestatiemaatstaven zijn op basis van de literatuur voor de rentabiliteit, de solvabiliteit en de liquiditeit elk drie gebruikelijke financiële ratio’s geselecteerd in combinatie met algemeen geldende normen of grenswaarden. Het gaat om in totaal negen ratio’s met drie balansratio’s en zes gemengde ratio’s, gebaseerd op zowel de balans als de winst-en-verliesrekening. De gebruikte ratio’s zijn weergegeven in Tabel 2. Als voorbeeld was in 2001–2018 voor de ROIC van de grote ondernemingen het gemiddelde 9,6 procent en de mediaan 7,8 procent met een gehanteerde norm van minimaal 8,5 procent.

Bij de ROIC en de DSCR is de winstbelasting afgeleid van de jaarlijkse, effectieve belastingdruk in de dataset. De rentabiliteitsratio’s baseren de noemer op de waarden van het voorgaande jaar (t-1). De normen voor de ROIC en de RONA gaan uit van de algemene gewogen, gemiddelde kapitaalkosten (weighted average cost of capital) met aan de hand van Kroll-data voor de hele periode gemiddeld een risicovrije rente (risk-free rate) van 4 procent en een aandelenrisicopremie (equity risk premium) van 5,5 procent, vanuit de dataset een solvabiliteit (E / (E + D)) tegen marktwaarden van 82 procent op basis van een veronderstelde markt/boekwaarde (price-to-book value) van het eigen vermogen van 3, een kredietopslag van 1,5 procent en een marginaal tarief voor winstbelasting van 25 procent. De norm voor de ROE is gebaseerd op de risicovrije rente van 4 procent en de aandelenrisicopremie van 5,5 procent.

Vervolgens zijn aan de hand van de normen in Tabel 2 elk jaar de financiële ratio’s herberekend in een standaardscore. Dat maakt het mogelijk om de prestatiemaatstaven onderling en door de tijd heen consistent en normatief te vergelijken. De normen worden gezien als algemeen geldende grenswaarden voor de financiële gezondheid, ofschoon deze in zekere mate een arbitrair karakter hebben en vanuit een investerings- en financieringsperspectief tussen ondernemingen kunnen variëren. Als voorbeeld wordt in de analyse als veel gebruikte indicator voor de schulddekking (Backhuijs and Mertens 2013; Paik et al. 2019) voor de DCR (debt-to-earnings) de norm ≤3,0 gebruikt, terwijl voor bijvoorbeeld een kapitaalintensieve, stabiele grote onderneming in de praktijk mogelijke een hogere norm kan worden gehanteerd.

De standaardscores zijn berekend door elk jaar voor de financiële ratio’s de waarde te delen door de norm. Hierbij is de score 1,0 in geval de ratio gelijk is aan de gehanteerde norm en daarmee aan de grenswaarde voldoet. De score is lager dan 1,0 wanneer de ratio achterblijft bij de norm en hoger indien de score positiever is dan de grenswaarde. Hiervoor zijn de genormeerde scores voor de DCR, de LTV en de D/E omgekeerd (inversed), omdat deze ratio’s voor de solvabiliteit aan de norm voldoen wanneer zij onder de grenswaarde liggen. Voor elke ratio wijst een score van 1,0 of hoger dus op een positieve financiële gezondheid. Dat betekent dat de ondernemingen in het algemeen als financieel gezond kunnen worden getypeerd in geval zij op de ratio’s voor de rentabiliteit, de solvabiliteit en de liquiditeit een score van 1,0 of hoger hebben.

Het is voor de financiële ratio’s van belang om bewust te zijn van het feit dat in de dataset de buitenlandse dochterondernemingen als deelneming zijn verantwoord. Hierdoor vallen onder meer de liquide middelen en de financiering van de dochterondernemingen in de consolidatiewijze als off-balance-items buiten de data, wat het beeld kan vertekenen. Door de beperking tot de buitenlandse dochterondernemingen, in de praktijk veelal door de moedermaatschappij de centrale activiteit op groepsniveau van treasury, overnames en financiering en in de analyse de nadruk op de ontwikkeling van de ratio’s over de jaren heen, wordt het effect hiervan op de financiële maatstaven in het algemeen als aanvaardbaar gezien.

Ook leidt de verantwoordingswijze van de buitenlandse dochterondernemingen mogelijk tot een minder accuraat beeld van de populatie. In de dataset wordt het resultaat van de dochterondernemingen als deelneming niet in het operationele resultaat van de moedermaatschappij meegenomen, en ontbreekt een splitsing van de schuldfinanciering in de operationele en financiële activiteiten. Om de consistentie tussen de teller en de noemer van de financiële ratio’s te vergroten, zijn in de analyse bij vier van de negen ratio’s de buitenlandse deelnemingen gezien als operationele activiteiten en aan de berekening toegevoegd. Als voorbeeld is voor de buitenlandse dochterondernemingen in de ROIC het resultaat bij het geconsolideerde operationele resultaat opgeteld en de balanswaarde bij het geïnvesteerde vermogen. Deze aanpassing is strikt genomen niet geheel correct, maar vergroot naar verwachting de consistentie van de maatstaven.

De berekende financiële ratio’s weerspiegelen overwegend deels geen normale verdeling. De meeste tenderen naar een dunne staartvorm met weinig uitschieters en een (licht positieve) verdeling die langer is aan de rechterkant. Bij alle ratio’s ligt de mediaan rond of onder het gemiddelde, waarbij de mediaan het meest afwijkt bij de rentabiliteitsratio’s. Daarbij kan de periode van achttien jaar als onvoldoende lang worden gezien om bivariate normaliteit aan te nemen. Daarom is in de analyse de Spearmans rangcorrelatiecoëfficiënt gebruikt.

Tabel 3 geeft de correlatiematrix weer, met in 2001–2018 voor de grote ondernemingen de samenhang tussen de scores van de financiële ratio’s. Met voor de scores als geheel een (inter-item) correlatie van 0,63 kunnen deze als onderling behoorlijk consistent worden gezien tot wellicht in enige mate redundant. De ratio’s voor de rentabiliteit correleerden onderling zeer sterk (gemiddeld ρ = 0,97), terwijl die voor de solvabiliteit middelmatig (ρ = 0,59) en die voor de liquiditeit (ρ = 0,44) zwak samenhingen. In het algemeen correspondeerden de ROIC, de RONA, de ROE, de ICR en de DSCR het meest met de andere ratio’s, met een onderlinge correlatiecoëfficiënt van elk die groter was dan 0,70. Dit zijn alle gemengde ratio’s die uitgaan van zowel de balans als de winst-en-verliesrekening. Daarna volgden met een middelmatig tot sterk verband de DCR en de D/E. De balansratio’s LTV en CR hadden elk gemiddeld een zwakke onderlinge relatie van kleiner dan 0,50.

De scores voor de rentabiliteitratio’s zijn weergegeven in Tabel 4, met de samengestelde indicator voor onder meer de rentabiliteit in Figuur 1. Deze laten zien dat voor de groep van grote ondernemingen de prestatiemaatstaven voor de rentabiliteit over de jaren in het algemeen een vergelijkbaar patroon volgden met een sterke terugval na de kredietcrisis. De standaardscore voor de ROIC als maatstaf voor het rendement op het geïnvesteerde vermogen ontwikkelde zich van 2,02 in 2007 naar 1,21 in 2018, gelijk aan 17,2 en 10,3 procent (norm ≥ 8,5 procent). Dat betekent vanuit een investeringsperspectief dat in beide jaren de economische winst (economic value added) gemiddeld genomen overeenkwam met 8,7 procent en 1,8 procent wanneer rekening wordt gehouden met de norm gebaseerd op de kapitaalkosten. In 2001 gedurende de internetcrisis lag de ROIC met 2,9 procent nog ver onder de grenswaarde en ook in 2012–2017 lag deze onder de norm.

Figuur 1.

Scores voor de rentabiliteit, solvabiliteit en liquiditeit (2001–2018). De samengestelde score per jaar voor de rentabiliteit, de solvabiliteit en de liquiditeit van de grote ondernemingen is gebaseerd op het (ongewogen) gemiddelde van de onderliggende drie scores van de financiële ratio’s in Tabel 4.

Het beeld van de RONA was redelijk vergelijkbaar. In 2001–2018 lag het rendement op de netto activa met gemiddeld 9,0 procent weliswaar boven de norm (≥ 8,5 procent), maar deze bleef net als de ROIC in de periode totaal tien jaar onder de grenswaarde, waarvan zeven jaar na de kredietcrisis. De ROE als indicator voor het rendement op het eigen vermogen lag als ratio vanaf 2007 grotendeels boven de norm (≥ 9,5 procent) met een score van 2,88 (27,4 procent) in 2007 en 1,59 (15,1 procent) in 2018. In 2014 en 2016 lag de ROE onder de grenswaarde. Dat impliceert dat de ondernemingen zich na de crisis in het algemeen in 2018 in hun rentabiliteit geheel hadden hersteld, hoewel niet op hetzelfde niveau als aan het begin van de crisisperiode. De ROE gaf een positiever beeld dan de ROIC en de RONA.

In de literatuur is de rentabiliteit van de grote ondernemingen vanaf de kredietcrisis weinig in beeld gebracht. De resultaten zijn niet consistent met de gesignaleerde hoge, stabiele ROE van de grote ondernemingen in de periode 2008–2014 na de kredietcrisis op basis van de Bach-database (CPB 2017). Het lijkt aannemelijk dat het verschil kan worden verklaard door de betere representativiteit van de gebruikte data in de analyse.

Wat betreft de rentabiliteitsratio’s geeft een nadere analyse aan dat in de jaren na de kredietcrisis de investeringsquote (investment rate) fluctueerde, wanneer er wordt gekeken naar de investeringen ten opzichte van de afschrijvingen, de (aangepaste) operationele marge en de materiële vaste activa. Het beeld ontstaat dat de investeringsquote na 2008 relatief scherp afnam, om in 2011 op het oude niveau terug te keren, vervolgens tijdens de eurocrisis twee jaar lager te liggen en in 2014–2018 min of meer weer hetzelfde niveau van 2008 te evenaren. Dat duidt erop dat de investeringsintensiteit vanaf de kredietcrisis weliswaar varieerde, maar gemiddeld genomen na vijf jaar weer structureel op een vergelijkbaar niveau als voor de crisis lag. Daarmee onderschrijven de resultaten de gesignaleerde gedaalde investeringen in de literatuur (Kahle and Stulz 2013; Jansen and Ligthart 2014; De Winter et al. 2018), hoewel de afname van tijdelijke duur was.

Ook voor de kapitaalstructuur ontwikkelden de maatstaven voor de rentedragende schuld zich deels verschillend. De balansratio’s LTV en D/E kenden in 2001–2018 voor de grote ondernemingen een vergelijkbaar patroon, terwijl de gemengde ratio DCR na de kredietcrisis tot 2017 verslechterde. De scores voor de LTV en de D/E lagen met gemiddeld 1,63 en 1,52 in de hele periode ruim boven de norm en vertoonden beide een redelijk constant schuldniveau. De DCR bleef in de hele periode niettemin zeven jaar onder de norm (≤ 3,0) waarvan vijf jaar na de crisis in 2013–2017. In 2018 lag de score met 1,07 weer boven de grenswaarde, hoewel onder het niveau van 2007 en boven dat van 2001. Dit beeld laat zien dat de schuldpositie op basis van de balansverhoudingen over de jaren in het algemeen redelijk stabiel was en boven de norm bleef en dat de DCR op basis van de winst-en-verliesrekening een wisselend, minder positieve voorstelling gaf.

De ratio’s suggereren dat de ondernemingen vanuit de invalshoek van asset-based financing gedurende de hele periode een aanvullende, ongebruikte leencapaciteit hadden. In 2013–2017 was de algemene financieringsruimte (headroom) op basis van de LTV en de D/E het laagst, maar nog steeds tussen 43 tot 135 procent van de bestaande leningen. Vanuit het perspectief van cash-based financing, gebaseerd op de gemende ratio DCR, overschreden de ondernemingen in 2013–2017 echter de leencapaciteit, wat inhoudt dat de schuld hoger was dan op basis van de grenswaarden zou worden verwacht. Het is denkbaar dat banken zich na de crisis meer baseerden op de balansratio’s of dat ze wellicht (tijdelijk) hogere grenswaarden voor de DCR hanteerden. Mogelijk gebruikten de ondernemingen ook andere externe financieringsbronnen dan bancaire financiering.

Het deels hoge schuldniveau lijkt deels consistent met Lammers et al. (2024), die constateren dat grote ondernemingen na de kredietcrisis hogere schuldratio’s hadden dan kleinere ondernemingen. Zij wijzen erop dat in het algemeen grote ondernemingen ook ouder zijn, een betere toegang tot bancaire financiering hebben en een langer financieel track-record kennen. Ook lijken banken vanuit onder meer risicomanagement terughoudender in het verstrekken van leningen aan kleine ondernemingen. Daarnaast kunnen grote ondernemingen zich, in tegenstelling tot het midden- en kleinbedrijf, financieren met (internationale) obligaties.

Het overwegend stabiele tot licht stijgende, in zekere zin hoge schuldniveau impliceert deels de literatuur te onderschrijven dat ondernemingen zonder financiële beperkingen proactief hun schuld contra-cyclisch aanpassen naar het doelniveau (Korajczyk and Levy 2003) en dat ondernemingen met relatief hoge schulden minder snel hun schuldniveau wijzigen (Cook and Tang 2009). De resultaten zijn daarentegen inconsistent met de gesignaleerde daling van de schuldfinanciering na de kredietcrisis (Demirguc-Kunt et al. 2015; Thakor 2015; CPB 2017; Lammers et al. 2024). De DCR wijst over de jaren op een relatief en structureel toenemende, hoge schuldverhouding die niet eerder dan in 2018 weer aan de grenswaarde voldeed, waarbij deze gemengde maatstaf werd beïnvloed door het dalende operationele resultaat na de crisis. Op basis van de LTV en de D/E lijkt de kapitaalstructuur tussen 2007–2018 overwegend stabiel te zijn gebleven met voor beide balansratio’s een vergelijkbaar niveau. Daarmee suggereert de analyse dat in algemene zin de schuldomvang relatief onveranderd is gebleven of licht is gestegen in plaats van afgenomen.

Een nadere analyse laat verder in 2008 een korte renteverhoging zien van gemiddeld 6,7 naar 7,8 procent, waarna de rente in tien jaar geleidelijk daalde naar 3,5 procent in 2018. Daarmee wordt in lijn met Thakor (2015) steun gevonden voor kortstondig hogere rentekosten na de kredietcrisis. De analyse geeft verder voor de ondernemingen aan dat het aandeel van de kortlopende leningen in hun totale rentedragende schuld sinds 2001 geleidelijk is afgenomen van 14 naar 5 procent in 2018, wat niet overeenkomt met Ivashina and Scharfstein (2010), die constateren dat de kredietcrisis leidde tot meer kortlopende financiering. De resultaten indiceren dat de grote ondernemingen hun kortlopende schulden in achttien jaar relatief structureel hebben afgebouwd.

Een nadere analyse doet vermoeden dat voor de kapitaalstructuur de inconsistentie met de literatuur deels kan worden herleid tot de verschillende populatie en ratio’s. CPB (2017) en Lammers et al. (2024) gebruiken bijvoorbeeld deels dezelfde data, maar richten zich op zowel de grote ondernemingen als het midden- en kleinbedrijf en berekenen de schuldratio door de totale schuld te delen door het balanstotaal. Daarentegen gaat deze analyse uit van (sec) de grote ondernemingen en van de meer specifieke, genormeerde schuldratio’s DCR, LTV en D/E. Het mogelijke effect van de verschillen komt tot uiting wanneer als toets op basis van de dataset de totale schuld wordt gedeeld door het balanstotaal en voor de ondernemingen in plaats van een licht dalende een licht stijgende schuld waarneembaar is.

Voor de bepalende factoren voor de kapitaalstructuur wijzen bijvoorbeeld Chang et al. (2008) op de investeringen en de winstgevendheid. Een verdere analyse van de ondernemingen vindt niettemin geen eenduidig bewijs voor de relatie tussen de schuld en de investeringen, waarbij over de jaren de balansratio’s LTV en de D/E nauwelijks tot zwak correspondeerden met de veranderingen in de activa (Tabel 5). De analyse onderschrijft wel een middelmatig tot sterk negatieve correlatie tussen de DCR en de winstgevendheid (ρ = ‒0,68). Dit betekent dat naarmate de winstgevendheid over de jaren hoger was, de ondernemingen meer met eigen dan vreemd vermogen waren gefinancierd. Daarbij lijkt voor de DCR mee te spelen dat het winstniveau in de regel volatieler is dan de veranderingen in de balans. De LTV correleerde echter niet met de winstgevendheid en de D/E deed dat zwak.

Daarnaast opperen Cook and Tang (2009) als factoren voor de kapitaalstructuur het bestaande schuldniveau, de afschrijvingen en het rendement op de totale activa. De analyse vindt geen steun voor de samenhang tussen de schuldontwikkeling en het huidige schuldniveau. Wat betreft de afschrijvingen lijkt de relatie ambivalent, maar in het algemeen zwak. Het negatieve verband tussen het rendement op de totale activa en het schuldniveau was op basis van de DCR sterk (ρ = ‒0,76). Dit suggereert dat over de jaren het schuldniveau van de grote ondernemingen daalde naarmate hun winst toenam en interne financiering belangrijker werd, of dat bij een hoger winstniveau hun schuldomvang redelijk stabiel bleef. De samenhang met de balansratio’s LTV en D/E was niettemin afwezig.

Tenslotte is het beeld van de liquiditeit van de grote ondernemingen wisselend. Over de jaren waren het patroon van de ICR en het patroon van de DSCR het meest vergelijkbaar. De standaardscores daalden na de kredietcrisis ook het meest, ofschoon beide gemengde ratio’s vanaf 2009 positief werden beïnvloed door de dalende rente op de leningen. De ICR verslechterde reeds eerder met een daling van de score van 2,33 in 2005 naar 1,0 in 2009 op de grenswaarde, om vervolgens na een opleving daar vlak boven te blijven en in 2018 weer te verbeteren naar 2,28. De balansratio CR bleef in de hele periode gemiddeld genomen grotendeels ongewijzigd tegen de norm, hoewel de ondernemingen in 2011–2014 net niet voldeden aan de grenswaarde. De DSCR was volatieler en verbeterde naar een score van 2,64 in 2007 om vervolgens langs wisselende niveaus te dalen naar 1,24 in 2016 en weer toe te nemen naar 2,70 in 2018. Dat kan vanuit een investerings- en financieringsperspectief worden beschouwd als een bovengemiddeld positief niveau. Vanaf 2003 lag de DSCR alle jaren boven de norm (≥1,2). Welgeteld daalden de liquiditeitsratio’s scherp na de financiële crisis, alhoewel deze gemiddeld genomen na 2007 alle jaren boven de grenswaarde bleven.

In een verdere analyse wordt geen bevestiging gevonden dat de grote ondernemingen in de kredietcrisis meer liquide middelen aanhielden (Bliss et al. 2013; Jansen and Ligthart 2014). In de hele periode schommelde de bankstand van de ondernemingen in verhouding tot hun omzet jaarlijks redelijk stabiel rond een gangbaar niveau van circa 31 dagen met relatief licht lagere reserves in 2008–2012, waarbij de kortlopende schuld in de hele periode structureel afnam. Evenmin onderschrijven de resultaten dat het eigen vermogen sterk toenam door minder dividend en aandeleninkopen (Bliss et al. 2013). De data wijzen in 2007–2008 op een lichter hogere dividend payout en inkoop van aandelen van gemiddeld 61 procent van de nettowinst die, behalve een terugval in 2011, in de periode 2009–2014 fluctueerden rond een niet ongebruikelijk niveau van gemiddeld 44 procent. In 2015–2017 veranderde kortstondig de situatie en nam het eigen vermogen sneller toe dan de nettowinst, wat duidt op een vergroting van het eigen vermogen zoals mogelijk door aandelenuitgifte en herwaarderingen.

Net als bij de solvabiliteitsratio’s lijken voor het verschil met de literatuur deels de andere populatie en maatstaven mee te spelen. Als voorbeeld berekent het CPB (2017) de liquiditeitsratio als de liquide middelen gedeeld door het balanstotaal, terwijl de analyse zich breder baseert op de standaardscores voor de ICR, de CR en de DSCR, waarvan twee naast de balans ook de winst-en-verliesrekening meewegen. Wanneer als toets de liquide middelen eveneens worden gedeeld door het balanstotaal, zijn voor de grote ondernemingen licht afnemende in plaats van licht grotere liquide middelen zichtbaar, ofschoon het verschil kleiner is dan bij de solvabiliteit.