---
title: "Kaksi tapaa kuolla"
subtitle: "Konkurssi ja hiljainen lakkaaminen ovat eri ilmiöt — ja rekisteri erottaa ne toisistaan"
date: 2026-07-21
categories: [avoin data, bayes, konkurssi, luottoriski, YTJ]
execute:
warning: false
message: false
---
```{r setup}
#| include: false
library(tidyverse)
library(here)
library(ggdist)
select <- dplyr::select
filter <- dplyr::filter
source(here("R","ytj", "theme_kristian.R"))
source(here("R","ytj", "toimiala_sektori.R"))
source(here("R","ytj", "yhdista_apu.R"))
theme_set(theme_kristian())
```
Kun yritys katoaa Suomen kaupparekisteristä, julkisessa keskustelussa puhutaan
yleensä konkursseista. Se on harhaanjohtavaa: valtaosa yrityskuolemista ei ole
konkursseja. Yritys voi purkautua hallitusti, sulautua toiseen, tulla poistetuksi
toimimattomana — tai ajautua konkurssiin. Nämä ovat velkojan, työntekijän ja
sopimuskumppanin näkökulmasta täysin eri tapahtumia: hiljaisessa lakkaamisessa
velat on tyypillisesti hoidettu, konkurssissa joku jää ilman saataviaan.
Yksi kuolleisuusluku on siis piste, joka kätkee jakauman. Tässä osassa jaamme
yrityskuolemat kahteen polkuun ja kysymme: kuinka yleinen konkurssipolku on,
missä se painottuu, ja näkyykö polkujen ero yrityksen käytöksessä jo ennen
loppua?
## Mistä datassa on kyse?
::: {.callout-note}
Aineistona ovat PRH:n avoimen datan rekisteröidyt ilmoitukset (7.11.2014 alkaen)
ja yritysten perustiedot (CC BY 4.0), rajattuna osakeyhtiöihin. **Konkurssipolku**
tunnistetaan KONALK-merkinnästä (konkurssin alkaminen); **lakkaaminen**
END-tyypin ilmoituksesta. Koska ilmoitusdata alkaa marraskuusta 2014, tarkastelu
kattaa vain sen jälkeen näkyvät tapahtumat — tämä rajaus sanotaan ääneen, koska
populaation määrittely muokkaa jokaista lukua.
:::
```{r lataa-data}
perustiedot <- qs2::qs_read(here("data", "ytj", "ytj_perustiedot.qs"))
ilmoitukset <- qs2::qs_read(here("data", "ytj","krek_ilmoitukset.qs"))
stopifnot(
all(c("business_id","company_form_code","registration_date","main_line_code")
%in% names(perustiedot)),
all(c("business_id","registration_date","type_of_registration","entry_codes")
%in% names(ilmoitukset))
)
# Pitkä muoto (yksi rivi per ilmoitus x koodi) — jaettu välimuisti osille 5–8.
pitka_path <- here("data", "ytj", "ilmoitukset_pitka.qs")
if (!file.exists(pitka_path)) {
pitka <- ilmoitukset |>
mutate(nid = row_number(), pvm = as.Date(registration_date)) |>
select(business_id, nid, pvm, type_of_registration, entry_codes) |>
tidyr::unnest_longer(entry_codes, values_to = "koodi")
qs2::qs_save(pitka, pitka_path)
} else {
pitka <- qs2::qs_read(pitka_path)
}
# VAHTI: analyysin ydinkoodien on esiinnyttävä datassa (opetus TILTAP-tapauksesta:
# koodilistan olemassaolo ei takaa käyttöä).
loydetyt <- unique(pitka$koodi)
stopifnot(all(c("KONALK","HAL") %in% loydetyt))
oy_idt <- perustiedot |>
filter(company_form_code == "16") |>
distinct(business_id) |> pull(business_id)
```
## Kuolintavan tunnistaminen
Jokaiselle lakanneelle osakeyhtiölle määritetään polku: **konkurssipolku**, jos
yrityksellä on KONALK-merkintä, muuten **hiljainen lakkaaminen**. Huomaa, että
konkurssin alkaminen ei aina johda lakkaamiseen (esim. konkurssin raukeaminen
varojen puutteeseen johtaa yleensä poistoon, mutta sovinto on mahdollinen) —
siksi ehtona on molempien täyttyminen.
```{r kuolintapa}
kuolintapa_path <- here("data", "ytj", "kuolintavat.qs")
if (!file.exists(kuolintapa_path)) {
per_yritys <- pitka |>
filter(business_id %in% oy_idt) |>
group_by(business_id) |>
summarise(
lakk_pvm = min_pvm(pvm[type_of_registration == "END"]),
kon_pvm = min_pvm(pvm[koodi == "KONALK"]),
.groups = "drop"
) |>
filter(!is.na(lakk_pvm)) |> # vain lakanneet
mutate(
polku = if_else(!is.na(kon_pvm), "Konkurssipolku", "Hiljainen lakkaaminen"),
kuolinvuosi = lubridate::year(lakk_pvm)
)
qs2::qs_save(per_yritys, kuolintapa_path)
} else {
per_yritys <- qs2::qs_read(kuolintapa_path)
}
stopifnot(nrow(per_yritys) > 1000, n_distinct(per_yritys$polku) == 2)
osuus_kon <- mean(per_yritys$polku == "Konkurssipolku")
```
Lakanneita osakeyhtiöitä on aineistossa
`r format(nrow(per_yritys), big.mark = " ")`. Niistä konkurssipolun kulki
`r scales::percent(osuus_kon, accuracy = 0.1)` — eli valtaosa yrityskuolemista on
hiljaisia. Jos luottotappioriskiä arvioidaan pelkällä kuolleisuudella, riski
yliarvioidaan moninkertaisesti: vain konkurssipolku jättää tyypillisesti
saatavia maksamatta.
## Kaksi kuolemaa ajassa
```{r aikasarja}
vuosittain <- per_yritys |>
filter(kuolinvuosi >= 2015, kuolinvuosi <= 2025) |> # kokonaiset vuodet
count(kuolinvuosi, polku)
ggplot(vuosittain, aes(kuolinvuosi, n, color = polku)) +
geom_line(linewidth = 1) +
geom_point(size = 2) +
scale_color_manual(values = c(kvar_palette[["teal"]], kvar_palette[["red"]])) +
scale_x_continuous(breaks = 2015:2025) +
labs(title = "Yrityskuolemat polkujen mukaan",
subtitle = "Osakeyhtiöiden lakkaamiset vuosittain, jaettuna kuolintavan mukaan",
x = NULL, y = "Lakanneita yrityksiä", color = NULL)
```
Käyrien muodot kertovat kahdesta eri ilmiöstä: hiljaiset lakkaamiset seuraavat
hallinnollisia aaltoja (mm. rekisterin siivoukset), konkurssit suhdannetta.
Kahden käyrän summana "yrityskuolleisuus" olisi sekasignaali, jonka tulkinta
menisi väistämättä väärin.
## Missä konkurssipolku painottuu?
Konkurssiosuus vaihtelee toimialoittain, mutta osa toimialoista on pieniä —
juuri siellä pistearvo pettää. Siksi jokaiselle toimialalle lasketaan
konkurssiosuuden **Beta-Binomi-posteriori**: isoilla toimialoilla väli on
kapea, pienillä rehellisen leveä. Ryhmien eron kokonaisuutena testaa khiin
neliö, ja efektikoko (Cramérin V) kertoo eron voimakkuuden — suurella
aineistolla pelkkä p-arvo olisi tyhjä signaali.
```{r toimialat}
polku_sektori <- per_yritys |>
left_join(perustiedot |> select(business_id, main_line_code),
by = "business_id") |>
mutate(sektori = toimiala_sektori(main_line_code)) |>
filter(!is.na(sektori)) |>
mutate(sektori = fct_lump_min(factor(sektori), min = 200,
other_level = "Muut toimialat"))
tab <- table(polku_sektori$sektori, polku_sektori$polku)
khii <- chisq.test(tab)
stopifnot(all(khii$expected >= 5))
v <- cramers_v(khii)
sektori_post <- polku_sektori |>
group_by(sektori) |>
summarise(n = n(), k = sum(polku == "Konkurssipolku"), .groups = "drop") |>
mutate(
ka = (1 + k) / (2 + n),
lo = qbeta(0.025, 1 + k, 1 + n - k),
hi = qbeta(0.975, 1 + k, 1 + n - k)
)
ggplot(sektori_post, aes(ka, reorder(sektori, ka))) +
geom_errorbarh(aes(xmin = lo, xmax = hi), height = 0.3,
color = kvar_palette[["blue"]]) +
geom_point(aes(size = n), color = kvar_palette[["red"]]) +
geom_vline(xintercept = osuus_kon, linetype = "dashed",
color = kvar_palette[["orange"]]) +
scale_x_continuous(labels = scales::percent) +
scale_size_area(max_size = 6, labels = scales::comma) +
labs(title = "Konkurssipolun osuus yrityskuolemista toimialoittain",
subtitle = sprintf("Piste = posteriorin keskiarvo, jana = 95 %% väli. Khiin neliö: Cramérin V = %.3f",
v),
x = "Konkurssien osuus lakkaamisista", y = NULL, size = "Lakanneita")
```
Kuvaajan opetus on kaksitasoinen. Ensinnäkin toimialojen välillä on todellisia
eroja: työvoima- ja pääomavaltaisilla aloilla velkarahoitteinen loppu on
yleisempi. Toiseksi — ja tämä on sloganini ydin — pienten toimialojen leveät
välit näyttävät, missä emme oikeasti tiedä. Pistearvo väittäisi sielläkin
tarkkaa lukua.
## Näkyykö polku käytöksessä ennen loppua?
Lopuksi verrataan kahden kuolintavan **jalanjälkeä ennen loppua**: laskemme
hallitusmuutokset (HAL) kolmelta vuodelta ennen kunkin yrityksen omaa
lakkaamispäivää. Molemmat ryhmät ankkuroidaan omaan kuolinhetkeensä, joten
vertailu on reilu — kumpikaan ei "näe" toista pidemmälle.
Ilmoitusmäärä on vino jakauma, joten oikea testi on Mann–Whitneyn U, ja
raportoin efektikokona rank-biserial-korrelaation.
```{r esikuolema}
IKKUNA_V <- 3
esik <- pitka |>
inner_join(per_yritys |> select(business_id, lakk_pvm, polku),
by = "business_id") |>
filter(pvm < lakk_pvm,
pvm >= lakk_pvm - lubridate::days(round(IKKUNA_V * 365.25))) |>
group_by(business_id, polku) |>
summarise(n_hal = n_distinct(nid[koodi == "HAL"]), .groups = "drop")
# Yritykset ilman yhtään ikkunan tapahtumaa puuttuvat esik:stä -> täydennetään nollilla
esik <- per_yritys |>
select(business_id, polku) |>
left_join(esik |> select(business_id, n_hal), by = "business_id") |>
mutate(n_hal = coalesce(n_hal, 0L))
hal_kon <- esik |> filter(polku == "Konkurssipolku") |> pull(n_hal)
hal_hilj <- esik |> filter(polku == "Hiljainen lakkaaminen") |> pull(n_hal)
stopifnot(length(hal_kon) > 100, length(hal_hilj) > 100)
mw <- wilcox.test(hal_kon, hal_hilj)
rb <- rank_biserial(hal_kon, hal_hilj)
vertailu <- esik |>
group_by(polku) |>
summarise(`Mediaani` = median(n_hal),
`Osuus, jolla ≥ 1 muutos` = scales::percent(mean(n_hal > 0), accuracy = 1),
.groups = "drop")
knitr::kable(vertailu,
caption = sprintf("Hallitusmuutokset 3 v ennen loppua. Mann–Whitney p = %s, rank-biserial = %.3f",
format.pval(mw$p.value, digits = 2), rb))
```
## Mitä tämä tarkoittaa päättäjälle?
Yrityskuolleisuus ei ole yksi luku vaan kaksi eri jakaumaa, joilla on eri syyt,
eri ajoitus ja eri seuraukset velkojalle. Luottoriskin näkökulmasta olennainen ei
ole "lakkaako yritys" vaan "lakkaako se velkojaa vahingoittavalla tavalla" — ja
se osuus on murto-osa kokonaiskuolleisuudesta, vaihtelee toimialoittain ja
näkyy käytöksessä jo ennen loppua.
Sama data, joka tuottaa uutisotsikon "konkurssit kasvussa", tuottaa oikein
jaoteltuna riskimittarin, jonka varaan voi rakentaa päätöksiä. Ero ei ole
datassa vaan sen käsittelyssä.
---
*Tämä analyysi on osa avoimen datan sarjaani, jossa käsittelen suomalaista
yritys- ja yhteisötietoa jakaumina, en pistelukuina. Vuokrattava Head of Data
-palveluni ja yhteydenotto:
[kristianvepsalainen.com](https://www.kristianvepsalainen.com).*
