Streszczenie  9
Summary  11
Wprowadzenie  13
1. Teza, cel i zakres pracy  15
2. Ryzyko i niepewność  19
2.1. Rodzaje ryzyka  22
2.2. Ryzyko finansowe w działalności handlowej  23
3. Proces zarządzania należnościami w przedsiębiorstwie  25
3.1. Pojęcie należności  25
3.1.1. Należności w ujęciu prawa bilansowego  27
3.1.2. Należności w ujęciu ustawy o podatku dochodowym od osób prawnych  31
3.1.3. Należności w ujęciu ustawy o podatku od towarów i usług  32
3.1.4. Należności w ujęciu gospodarczym  34
3.2. Monitorowanie należności w aspekcie ograniczania ryzyka transakcyjnego działalności handlowej  34
3.2.1. Badanie wiarygodności partnera umowy  36
3.2.2. Metody oceny ryzyka związanego z udzielaniem kredytu kupieckiego  38
3.3. Zabezpieczanie należności  42
3.3.1. Osobiste zabezpieczenia należności  43
3.3.2. Zabezpieczenia rzeczowe należności  48
3.4. Windykacja należności  50 
3.5. Obrót należnościami  54
3.5.1. Faktoring  54
3.5.2. Cesja wierzytelności  55
3.5.3. Sekurytyzacja  55
3.5.4. Inne formy obrotu należnościami  56
3.6. Wykorzystanie kredytu kupieckiego i rabatu  56
3.6.1. Stosowane metody optymalizacji zarządzania należnościami  62
3.7. Zastosowanie metody eksperckiej do oceny skuteczności metod zarządzania należnościami  66
4. Analiza wskaźnikowa badanej kopalni odkrywkowej „X”  75
4.1. Analiza płynności finansowej  75
4.2. Wyznaczenie poziomu kapitału obrotowego netto  78
4.3. Wyznaczenie cyklu środków pieniężnych (cyklu konwersji gotówki)  80
4.4. Miary efektywności zarządzania należnościami  84
5. Proces prognozowania w przedsiębiorstwie  97
5.1. Klasyfikacja prognoz  98
5.2. Metody prognozowania należności  99
5.2.1. Metoda stałego wzrostu (build-up method)  99
5.2.2. Metoda prognozowania wpływów gotówkowych ze sprzedaży (roll-forward)  100
5.3. Konstrukcja modelu prognostycznego szeregów czasowych  100
5.4. Ocena trafności sporządzonych prognoz  103
5.5. Identyfikacja składników szeregu czasowego  105
5.6. Charakterystyka modeli szeregów czasowych z wahaniami sezonowymi  105
5.6.1. Charakterystyka metody wskaźników stosowanej do badania szeregów czasowych  106
5.6.2. Charakterystyka metody wyrównywania/wygładzania wykładniczego  107
5.6.3. Charakterystyka metody Kleina  109
5.6.4. Charakterystyka metody autoregresji  110
5.6.5. Charakterystyka metody trendów jednoimiennych okresów  110
5.6.6. Charakterystyka metody harmonicznej  110
5.6.7. Charakterystyka metody ARIMA  112 
6. Prognozowanie należności terminowych kopalni odkrywkowej „X” w ujęciu wartościowym  117
6.1. Prognozowanie szeregu czasowego należności terminowych za pomocą metody wskaźników  117
6.2. Prognozowanie wybranego szeregu czasowego należności terminowych za pomocą metody wyrównywania wykładniczego  121
6.3. Zastosowanie metody Kleina do prognozowania należności terminowych  124
6.4. Zastosowanie metody autoregresji do prognozowania należności terminowych  127
6.5. Budowa modelu prognostycznego należności terminowych kopalni odkrywkowej „X” z zastosowaniem metody trendów jednoimiennych okresów  131
6.6. Wyznaczenie średniej ważonej prognozy należności terminowych w ujęciu wartościowym  133
7. Prognozowanie procentowego udziału należności terminowych w sumie należności analizowanej kopalni odkrywkowej „X”  137
7.1. Wykorzystanie modelu autoregresji do prognozowania procentowego udziału należności terminowych  138
7.2. Prognozowanie procentowego udziału należności terminowych za pomocą metody ARIMA  141
7.3. Wykorzystanie metody trendów jednoimiennych okresów do prognozowania procentowego udziału należności terminowych  148
7.4. Wyznaczenie średniej ważonej prognozy należności terminowych w ujęciu procentowym  150
8. Metoda zarządzania należnościami w kopalni odkrywkowej z wykorzystaniem binarnego programowania liniowego  153
8.1. Wprowadzenie do proponowanej metody  153
8.2. Proces zarządzania należnościami w kopalni odkrywkowej „X” 155
8.4. Metoda programowania liniowego  160
8.5. Sformułowanie ogólnego modelu binarnego programowania liniowego w zarządzaniu należnościami kopalni  162
8.6. Aplikacja modelu binarnego programowania liniowego na przykładzie 10 odbiorców  165
8.7. Zastosowanie modelu deterministycznego binarnego programowania liniowego do 110 wybranych odbiorców kopalni odkrywkowej „X”  169 
8.7.1. Zastosowanie programu LPSolve (model deterministyczny)  171
8.7.2. Model deterministyczny z uwzględnieniem odmowy akceptacji przyjęcia warunków proponowanego rabatu przez niektórych odbiorców  171
8.8. Minimalizacja liczby udzielanych rabatów przy założonym koszcie  180
8.9. Metoda binarnego programowania liniowego w udzielaniu rabatów odbiorcom kopalni z uwzględnieniem ryzyka  185
8.10. Wykorzystanie metody Monte Carlo  188
9. Podsumowanie i wnioski końcowe  197
Literatura  201