Содержание к диссертации
Введение
Глава 1. Теоретические основы диагностики состояния предприятия 19
1.1 Возникновение кризиса на предприятии, его виды, фазы и последствия 19
1.2 Платежеспособность и кредитоспособность 32
1.3 Несостоятельность предприятия и её стадии 47
Выводы к главе 1 52
Глава 2. Математические методы и модели оценки финансово-экономического состояния предприятия и его кредитоспособности 54
2.1 Методы и модели оценки состояния предприятия 54
2.2 Методы оценки кредитоспособности предприятия 75
Выводы к главе 2 82
Глава 3. Построение математических моделей диагностики кризисного состояния предприятия на основе многомерных статистических методов 84
3.1 Методика построения математических моделей оценки состояния предприятия, основанных на многомерном статистическом анализе 84
3.2 Дискриминантные модели оценки состояния предприятия 97
3.3 Математические модели оценки состояния предприятия, основанные на использовании кластерного анализа 109
3.4 Регрессионные модели оценки состояния предприятия 120
3.5 Факторный анализ главных компонент и анализ главных факторов влияющих на состояние предприятия 125
3.6 Сопоставительный анализ результатов исследования состояния предприятий, проведённого различными моделями, основанными на использовании методов многомерного статистического анализа 142
Выводы к главе 3 147
Глава 4. Разработка и апробация интеллектуальных моделей и инструментальных средств оценки состояния предприятия и его кредитоспособности 152
4.1 Нейросетевая модель оценки состояния предприятия 152
4.2 Разработка и апробация нечеткой продукционной системы для анализа состояния предприятия 166
4.3 Разработка и апробация нечеткой продукционной системы для анализа кредитоспособности предприятий малого и среднего бизнеса 182
4.4 Программный комплекс «КОФЭС 01» оценки состояния предприятий 189
4.5 Сопоставительный анализ результатов исследований состояния предприятий репрезентативной группой методов 209
Выводы к главе 4 213
Заключение 216
Список использованной литературы 223
Приложения 239
- Платежеспособность и кредитоспособность
- Методы оценки кредитоспособности предприятия
- Математические модели оценки состояния предприятия, основанные на использовании кластерного анализа
- Разработка и апробация нечеткой продукционной системы для анализа состояния предприятия
Введение к работе
Актуальность. Современный мировой финансовый кризис, начавшись в США, достаточно быстро охватил весь мир, включая и Россию. Известно, что он начался с кризиса ипотечного кредитования в США. Одной из причин, которого явилось отсутствие в настоящее время эффективной и адекватной системы оценки финансово- экономического состояния и кредитоспособности заемщиков. Таким образом, оценка финансово-экономического состояния предприятия, включая оценку его кредитоспособности, является в современных условиях актуальной научной проблемой. Широкое внедрение в практику различных схем кредитования, методов антикризисного управления и аудита делают проблему оценки состояния предприятия также важной практической задачей.
Для оценки состояния и кредитоспособности предприятия важны не только количественные показатели, но и качественные, что особенно актуально для малых и средних предприятий, то соответственно, встает проблема разработки и использования для анализа финансово-экономического состояния предприятия, наряду с классическим аппаратом теории вероятностей и случайных процессов, новых математических и инструментальных средств анализа, таких как методы нечётких множеств, нейронные и гибридные сети.
Степень разработанности. Для исследования состояния предприятия разработаньГматематические модели, основанные на многомерном статистическом анализе [3, 21, 37, 41, 44, 45, 61-63, 121, 135-136, 142-143, 148, 162], включая модели (Альтмана Е. [142-143], Тоффлера-Тисшоу Р. [162], Чессера Д. [148], Давыдовой Г.В. - Беликова А.Ю. [41] и других). Несмотря на большое количество работ, посвященных анализу финансово-экономических систем классическим аппаратом многомерного статистического анализа, такие вопросы и проблемы, как оценка состояния предприятия методами современного многомерного статистического анализа, такими как дискриминантный, регрессионный и кластерный анализ и сравнительный анализ результатов этих методов, а также факторный анализ главных компонент и анализ главных факторов влияющих на состояние предприятия исследованы с недостаточной полнотой.
Поскольку для оценки состояния предприятия важны не только количественные показатели, но и качественные, что особенно актуально при оценке состояния и кредитоспособности малых и средних предприятий, то соответственно, встает проблема разработки и использования для анализа финансово-экономического состояния предприятия, наряду с классическим аппаратом теории вероятностей и случайных процессов, новых математических и инструментальных средств анализа, таких как методы нечётких множеств [1, 33, 42, 50, 53-55, 64, 66, 67, 69-76, 96, 99, 100, 107, 109, 151, 155, 165, 166], нейронные и гибридные сети [7, 28, 52, 69, 75, 94, 95, 116].
Разработке и использованию моделей и методов нечётких множеств и нечёткой логики для оценки состояния финансово-экономических систем посвящены работы Бакли Дж.[147], Бояджиева М.[146], Дымовой Л.[150], Запоуни-диса С. [167], Кофмана А. [79, 80], Недосекин А.О. [99-100], Илларионов А.В. [55], Иванищев М.В. [54], Малышев И.А.[93], Галыгин А.Н. [35], Захаров Р.Е. [53], Портянский П.Э. [107], Птускин А.С. [109], Деревянко П.М. [42] и др. В работе Бакли Дж.[147] рассмотрены дифференциальные уравнения с нечеткими параметрами и в этой же работе исследована матрица «затраты - выпуск» Леонтьева, элементы которой являются треугольными нечеткими числами. Отметим здесь же монографию [79], в которой представлен широкий спектр возможных применений теории нечетких множеств - от оценки эффективности инвестиций до кадровых решений и замен оборудования, приводятся соответствующие математические модели. Работа Недосекина А.О. [99] посвящена разработке экономико-математических моделей и методов исследования фондового рынка и финансовых систем корпораций с применением теории нечетких множеств. Илларионов А.В. [55] разработал математическую модель поддержки принятия решения о целесообразности кредитования предприятий малого и среднего бизнеса на основе правил нечеткого логического вывода.
Разработке и использованию моделей и методов нейронных и гибридных сетей для оценки состояния финансово-экономических систем посвящены работы Артёмкина Д.Е. [7], Смирнова В.И. [116], Зайченко Д.Н. [52], О.И. Лав-
рушина [84, 85] и др. Так, например, в работе Артёмкина Д.Е. [7] предлагается математическое и программное обеспечение автоматизированного прогнозирования временных рядов на основе нейрокомпьютерных технологий. В работе Смирнова В.И. [116] рассмотрены методики прогнозирования и классификации экономических систем искусственными нейронными сетями.
Однако многие вопросы и проблемы, такие как оценка состояния предприятия и его кредитоспособности нейронными сетями и нечёткими продукционными системами, анализ количественных и качественных, что особенно актуально для малых и средних предприятий, характеристик влияющих на состояние предприятия остаются практически неисследованными.
Во всех этих работах для оценки состояния предприятия используются лишь отдельные методы, в то время как эта проблема имеет комплексный характер, поскольку на состояние предприятия оказывает влияние внешняя рыночная среда, со своими конъюнктурными возмущениями, имеющими неопределенность как классически понимаемой статистической природой, так и лингвистическую, и поэтому только классические методы статистического анализа (дискриминантный, канонический, факторный, регрессионный анализ и т.д.) или только нейросетевые технологии и т.д. оказываются недостаточными.
Таким образом, тема диссертации, посвященной созданию и использованию комплексного инструментального аппарата на основе многомерного статистического анализа, нейросетевых технологий и нечётких продукционных систем для исследования и оценки финансово-экономического состояния предприятия, является актуальной.
Важность и актуальность этой проблемы определили цель и задачи исследования.
Целью диссертации является разработка эффективной и адекватной комплексной системы всесторонней оценки состояния финансово-экономического предприятия и соответствующего программного инструментария с использованием статистических, нейросетевых моделей и нечетких продукционных систем. Достижение поставленной цели потребовало решения следующих задач.
Задачи исследования:
Исследовать причины, стадии, виды, фазы и структуру кризиса, несостоятельности, банкротства, неплатежеспособности и кредитоспособности предприятия. Уточнить соответсвующие понятия и их взаимосвязь.
Построить математические модели диагностики состояния предприятий на основе методов многомерного статистического анализа (дискриминантные, регрессионные, кластерные модели). Провести факторный анализ главных компонент и анализ главных факторов, влияющих на состояние предприятий. Дать оценку адекватности и эффективности каждого метода для диагностики состояния предприятия. Провести их сопоставительный анализ. Провести исследование группы российских предприятий разработанными моделями.
Разработать нейронную сеть с оптимальными характеристиками для адекватной и эффективной оценки состояния предприятия. Провести исследование группы российских предприятий разработанной сетью.
Разработать полный набор правил нечеткого вывода в виде базы знаний и нечёткую продукционную систему, и исследовать с ее помощью финансово экономическое состояние предприятий с учётом как количественных, так и качественных показателей. Провести исследование группы российских предприятий разработанной системой.
Разработать алгоритм, архитектуру и создать программный комплекс, позволяющий проводить всесторонний анализ и оценку состояния предприятия, включая оценку его кредитоспособности.
Провести сопоставительный анализ эффективности и адекватности всех разработанных моделей оценки состояния предприятия.
Объектом исследования являются предприятия всех организационно-правовых форм, а предметом исследования комплексная оценка финансово-экономического состояния предприятия. Областью исследования являются математические модели и инструментальные средства комплексной оценки финансово-экономического состояния предприятия.
Теоретической и методологической основой исследования являются фундаментальные разработки отечественных и зарубежных ученых экономистов и математиков по анализу финансово-экономического состояния предприятия, методам многомерного статистического анализа, нейросетевым технологиям и нечетко-множественным системам.
Инструментом исследования является созданный в диссертации программный комплекс «КОФЭС_01» в среде Borland Delphy 7 с использованием специализированных пакетов прикладных программ: MatLab R2006a и его модули GUI, Fuzzy Logic Toolbox и Neural Network Toolbox, Statistica 6.0, Statistica Neural Networks, Maple 9.5.
Информационно-эмпирическую базу исследования составили неконсолидированные бухгалтерские отчетности (формы 1 и 2) 60 российских предприятий, а также собственные расчеты автора.
Диссертационная работа выполнена в соответствии с пунктами 1.1, 1.4, 2.6 и 2.8 области исследований Паспорта специальности 08.00.13 — «Математические и инструментальные методы экономики»: п. 1.1. «Разработка и развитие математического аппарата анализа экономических систем», п. 1.4. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: фирм и предприятий, домашних хозяйств и др.» 2.6. «Развитие теоретических основ методологии и инструментария проектирования, разработки и сопровождения информационных систем субъектов экономической деятельности: программные средства, базы данных, базы знаний и др.» и 2.8. «Развитие методов и средств аккумуляции знаний о развитии экономической системы и использование искусственного интеллекта при выработке управленческих решений».
Научная новизна.
1. Уточнено понятие кризиса, предложена диаграмма, характеризующая кризис по причинам, характеру, виду, сфере происхождения, по длительности, масштабу, периоду и последствиям. Алгоритм распознавания кризиса заключается в необходимости своевременно обнаружить симптомы, определить факто-
ры, свидетельствующие о возможности наступления кризиса, и выявить его причины. Показано, что для обнаружения наступления кризисной ситуации в предприятии необходим анализ и диагностика состояния предприятия с ис-пользо-ванием не только его количественных, но и качественных показате-лей. Введены понятия и определены характеристики эталонных кризисных и некризисных предприятий, предложена классификация методов исследования состояния предприятия.
Предложены регрессионные (5 уравнений регрессии), дис-криминантные (10 дискриминантных функций), кластерные и фак-торные модели для оценки состояния предприятия. Проведен кластерный и факторный анализ состояния исследуемых предприятий, выявлены 3 укрупнённых фактора, влияющих на состояние предприятия. Показано, что 11 показателей достаточно для экспресс-оценки состояния предприятия.
Разработана трёхслойная нейронная сеть «САП_03.08.15», обученная с использованием основных методов обучения (обратного распространения ошибки, градиентного спуска, квазиныотоновского метода), которая позволила создать эффективные и адекватные нелинейные модели оценки состояния предприятий любой формы собственности, независимо от отраслевой и региональной специфики.
Предложена нечёткая продукционная система «НПС_01» для анализа состояния предприятия с учетом 15 влияющих факторов, которая позволяет проводить комплексную оценку состояния предприятия с использованием количественных показателей, что в свою очередь, дает возможность достоверного и всестороннего анализа состояния предприятия. В рамках создания «НПС_01» модифицирована функция принадлежности Гаусса, создан набор из 2625 правил нечёткого вывода и обосновано положение о его полноте и непротиворечивости.
Разработана нечёткая продукционная система «НПС_02» для кредитоспособности, а также оценки состояния предприятия с учетом 24 количественных и качественных его характеристик, что особенно актуально для предпри-
ятий малого и среднего бизнеса. Экспертная система «НПС_02» содержит набор из 3000 правил нечёткого вывода.
Доказано положение о том, что группа инструментальных средств, основанных на многомерных статистических методах, неиросетевых технологиях и нечетких продукционных системах оценки состояния предприятия, предложенная в диссертации, является репрезентативной, адекватно оценивающей отдельно взятое предприятие независимо от формы собственности, отраслевой и региональной принадлежности.
Разработана архитектура и алгоритм функционирования инструментального комплекса оценки состояния предприятия, включающего блок моделей, основанных на многомерном статистическом анализе, а также блоки нечетких продукционных систем и неиросетевых моделей.
Осуществлена программная реализация и внедрение комплекса диагностики и оценки состояния предприятия «КОФЭС_01».
Практическая значимость.
Разработанные в диссертационной работе регрессионные модели, дис-криминантные функции, выявленные укрупнённые влияющие факторы, характеризующие состояние предприятия, определённые в работе понятия эталонных кризисных и некризисных предприятий, классификация методов исследования состояния предприятия, нейронная сеть «САП_03.08.15», нечёткие продукционные системы «НПС_ 01» и «НПС_ 02», правила нечёткого вывода могут быть использованы для изучения и создания новых инструментов исследования состояние предприятия, исследования научных проблем финансового анализа, менеджмента, и т.д.
Пакет программ «КОФЭС_01» может быть использован для проведения на практике комплексного экспресс-анализа состояние реальных предприятий как независимо, так и с учетом отраслевой и региональной специфики, форм собственности и размера предприятия, для внутренних и внешних пользователей, например, руководителями предприятия, контрагентами, различными кредитными институтами и т.д. В том числе, этот пакет программ может ис-
пользоваться для экпресс-оценки кредитоспособности предприятий малого и среднего бизнеса, для которых, особенно актуально в настоящее время использование качественных характеристик предприятия.
3. Результаты диссертационной работы используются в учебном процессе в качестве специальных курсов для специальностей 080801 («Прикладная информатика в экономике»), 080116 («Математические методы в экономике») и 010503 («Математическое обеспечение и администрирование информационных систем»). Эти результаты могут быть использованы также на корпоративных курсах повышения квалификации финансовых директоров, менеджеров, аудиторов, работников кредитных организаций и кредитных отделов банков и т.д.
Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждается обоснованностью предложенных методов и алгоритмов, использованием строгих математических методов, современных информационных технологий, сравнением с известными реальными данными и аудиторскими заключениями, а также результатами исследований других авторов.
Основные положения, выносимые на защиту
Статистические модели оценки состояния предприятия: набор регрессионных уравнений, дискриминантных функций, понятия и характеристики эталонных кризисных и некризисных предприятий, набор главных факторов адекватно определяющих состояния предприятия. Положение о том, что 11 показателей достаточно для экспресс-оценки состояния предприятия на практике в задачах экспресс-анализа.
Нейронная сеть «САП_03.08.15» и обоснование того, что она является эффективным инструментом, позволяющим создавать нелинейные математические модели, адекватно оценивающие состояние предприятия.
Нечёткие продукционные системы оценки финансового и экономического состояния предприятия «НПС_01» и «НПС_02», модифицированная функция принадлежности Гаусса, созданный полный набор лингвистических правил, включая положения о его полноте и непротиворечивости.
Положение о том, что группа методов, предложенных в диссертации и включающих статистические модели (см. п.1), нейросетевые модели («САП_03.08.15») и нечеткие продукционные системы оценки состояния предприятия («НПС_01» и «НПС_02») является репрезентативной, адекватно оценивающей отдельно взятое предприятие независимо от формы собственности, отраслевой и региональной принадлежности и т.д.
Комплекс программ «КОФЭС_01» для оценки состояния предприятия, включая оценку кредитоспособности заёмщика.
Апробация работы. Основные положения и результаты диссертационной работы неоднократно докладывались и обсуждались на заседаниях кафедр прикладной математики факультета компьютерных технологий и прикладной математики КубГУ, математических методов и моделей экономического факультета КубГУ, прикладной информатики КубГАУ, на следующих всероссийских и международных конференциях по экономике и математическому моделированию экономических процессов: «Современное состояние и приоритеты развития фундаментальных наук в регионах: Труды II-IV Всероссийских научных конференций молодых учёных и студентов.» (г. Анапа, 2005-2007 гг.); «Сборники научных трудов «Образование и наука - основной ресурс социально-экономического развития» (по материалам Международных научно-практических конференций» (г. Ростов-на-Дону, 2005, 2006 гг.); «Всероссийские симпозиумы по прикладной и промышленной математики» (г. Москва, 2004-2007 г.); «Проектирование инженерных и научных приложений в среде MatLab. Ill Всероссийская научная конференция» (г. Санкт-Петербург, 2007 г.); «XII Международная конференция экологическая и экономическая безопасность: проблемы и пути решения» (г. Краснодар, 2007 г.); «Материалы V-VII объединенных научных конференций студентов и аспирантов факультета прикладной и промышленной математики» (г. Краснодар, 2005-2007 г.).
Публикации. По теме диссертации опубликовано 18 печатных работ, из них 4 статьи в журналах из списка изданий, рекомендованных ВАК для публикации результатов кандидатских и докторских диссертаций.
Структура работы. Диссертация состоит из введения, четырёх глав, заключения, списка цитируемой литературы и четырёх приложений. Работа изложена на 223 страницах машинописного текста и содержит 64 рисунка, 39 таблиц, список литературы из 206 наименований и 2 акта о внедрении.
В главе 1 исследуются теоретические основы и понятийный аппарат, дается системный анализ таких терминов, как «кризис», «несостоятельность», «банкротство», «неплатежеспособность» и «кредитоспособность» предприятия. Исследуется взаимосвязь этих понятий, их стадии, виды, фазы и структура.
Показано, что понятие кризиса в современной научной экономической литературе трактуется неоднозначно. Кризис предприятия ограничен во времени, может быть разной продолжительности, интенсивности и иметь последствия различной степени тяжести. На основе анализа различных понятий кризиса в диссертационной работе предложено уточнение понятия кризиса, исходя из целей диссертационной работы и диаграмма, позволяющая характеризовать кризис по причинам, характеру, виду, сфере происхождения, по длительности, масштабу, периоду и последствиям.
Алгоритм распознавания кризиса заключается в необходимости своевременно обнаружить симптомы, определить факторы, свидетельствующие о возможности наступления кризиса, и выявить его причины. Средствами обнаружения наступления кризисной ситуации на предприятии служит анализ состояния предприятия, на основе его количественных и качественных показателей.
Сравнительный анализ понятий «платежеспособность», «несостоятельность», «банкротство», «кредитоспособность» показывает, что соотношение между рассмотренными ними представляется в виде причинно-следственной цепочки: неплатежеспособность - несостоятельность — банкротство. Процесс банкротства всего лишь один из возможных, но не обязательных последствий несостоятельности предприятия. Переход из одного состояния в другое носит как количественный, так и качественный характер. Количественная характеристика выражается определённой системой показателей и подлежит периодиче-
ской оценке, а качественный характер означает переход в «новое качество», приобретение нового организационного статуса предприятия.
Кризисные ситуации могут возникать на любой стадии жизненного цикла предприятия независимо от рода деятельности, форм собственности и т.д., причём характерным свойством кризисных процессов является их возможный переход в такие состояния как неплатежеспособность, несостоятельность и банкротство. Таким образом, возникает проблема диагностики состояния предприятия на всех этапах его функционирования, вплоть до его банкротства.
В России основная цель процедуры банкротства- возвращение денежных средств кредиторам и банкротство превратилось из инструмента оздоровления финансового состояния предприятия в средство завладения его активами.
На основе приведённого в главе 1 анализа сделан вывод с том, что оценка состояния предприятия, включая оценку его кредитоспособности, является в современных условиях актуальной научной и важной практической проблемой.
В главе 2 диссертационной работы проведен аналитический обзор работ, посвященных современным математическим моделям и методам оценки состояния предприятия и его кредитоспособности. Приводится анализ результатов исследований с использованием методов многомерного статистического анализа, нейронных сетей, нечётких множеств, математических моделей и на основании проведенного анализа формулируются цели и задачи диссертации.
Показано, что для оценки состояния предприятия, как правило, используются лишь отдельные методы, в то время как эта проблема имеет комплексный характер, поскольку на состояние предприятия оказывает влияние внешняя рыночная среда, со своими конъюнктурными возмущениями, имеющими неопределенность не только классически понимаемой статистической природой, и поэтому классические методы статистического анализа (дискриминантный анализ, логистическая регрессия и т.д.) оказываются недостаточными. Кроме того, для оценки состояния предприятия важны не только количественные показатели, что особенно актуально для
оценки состояния и кредитоспособности средних и малых предприятий, то соответственно, встает проблема разработки и использования для анализа финансово-экономических систем наряду с классическим аппаратом теории вероятностей и случайных процессов новых математических и инструментальных средств анализа, таких как методы нечётких множеств, нейронные и гибридные сети.
Сделан вывод, что, несмотря на большое количество работ, посвященных анализу финансово-экономических систем классическим аппаратом многомерного статистического анализа, такие вопросы и проблемы, как оценка состояния предприятия методами современного многомерного статистического анализа, такими как дискриминантный, регрессионный и кластерный анализ и сравнительный анализ результатов этих методов, а также факторный анализ главных компонент и анализ главных факторов влияющих на финансовое состояние предприятия исследованы с недостаточной полнотой.
Исследование работ посвященных анализу финансово-экономических систем методами нейронных сетей, нечётких множеств и нечёткой логики, позволил сделать вывод, что многие вопросы и проблемы, такие как оценка финансово-экономического состояния предприятия и его кредитоспособности нейронными сетями и нечёткими продукционными системами, анализ количественных и, что особенно актуально для малых и средних предприятий, качественных характеристик, влияющих на состояние предприятия остаются практически неисследованными.
Таким образом, тема диссертации, посвященного созданию и использованию комплексного инструментального аппарата на основе многомерного статистического анализа, нейросетевых технологий и нечётких продукционных систем для исследования и оценки финансового состояния предприятия является актуальной.
Целью данной диссертации является разработка эффективной и адекватной комплексной системы всесторонней оценки состояния предприятия и соответствующего программного инструментария путем построения
математических моделей на основе как классического аппарата многомерного статистического анализа и математических моделей, так и новейших результатов теории нечетких продукционных систем и неиросетевых технологий, а также исследование финансово-экономического состояния репрезентативной группы российских предприятий. Поэтому в качестве объекта исследования выступает финансово-экономическое состояние предприятия, а предметом математические методы, модели и инструментальные средства исследования состояние предприятия.
В главе 3 приведено описание построенных нами математических моделей диагностики кризисного состояния предприятия на основе методов многомерного статистического анализа: дискриминантные, регрессионные модели, а также модели, основанные на использовании кластерного анализа и факторный анализ главных компонент и анализ главных факторов влияющих на состояние предприятия. Дается оценка адекватности и эффективности каждого метода для диагностики состояния предприятия. Проведён их сопоставительный анализ. Кроме того, дан полный набор регрессионных уравнений и дискриминирующих функций, понятия и характеристики эталонных кризисных и некризисных предприятий, набор главных факторов адекватно определяющих состояния предприятия. Показано, что число показателей, однозначно определяющее состояние предприятия на текущий момент, можно сократить до 11, что особо актуально для экспресс-анализа упрощённой оценки состояния предприятия на практике.
Результаты факторного анализа, позволяющие выявлять латентные связи и оценку числа независимых факторов используются при построении и обучении нейронной сети в главе 4.
Одним из существенных ограничений статистических методов является то, что они учитывают только количественные показатели, но не учитывают качественные показатели, что в некоторых случаях может быть существенным для анализа финансового состояния предприятия. Проблемам учёта качественных показателей посвящена глава 4 настоящего диссертации.
Показано, что при использовании методов многомерного статистического анализа для оценки состояния группы предприятий, например, отдельной отрасли или региона результаты будут статистически достоверны, однако, когда оценивается состояние отдельно взятого предприятия, то ни один из используемых методов многомерного статистического анализа не дал правильной классификации в четырёх случаях. Таким образом, для адекватного и эффективного исследования состояния предприятия методы многомерного статистического анализа необходимо дополнять и использовать их в комплексе с другими методами оценки состояния предприятия, такими как, нейронные сети, нечёткие множества, т.е. составить репрезентативную группу методов.
Платежеспособность и кредитоспособность
В этом параграфе исследуется понятийный аппарат и дается системный анализ таких терминов, как «несостоятельность», «банкротство», «неплатежеспособность», «неоплатность» и «кредитоспособность» предприятия. Содержание данных понятий носит комплексный характер и включает наряду с экономической составляющей, еще и нормы гражданского права, гражданского и арбитражного процесса, трудового, административного, уголовного права. Таким образом, необходимо проводить исследование содержания этих понятий в соответствии с действующим законодательством Российской Федерации, а так же современной научной экономической мысли.
Понятие «платежеспособность» является одним из наиболее используемых в практике экономических отношений. Оценка платежеспособности оказывает значительное влияние на принятие различных экономических решений. Важность оценки платежеспособности подтверждается большим количеством работ, посвященных данной проблеме: Э.Альтмана [142-143], М.И. Баканова [9], Л.Т.Гиляровской [87, 88], В.В.Ковалева [61-63], М.Н. Крейниной [81], В.Д. Новодворского [101], Г.Ф.Савицкой [113], Р.С. Сайфулина [135], Е.С.Стояновой [120], А.Д.Шеремета [135-136], М.В.Телюкину [124], Е.П.Жарковскую и Б.Е.Бродского [49], и т.д. Однако до сих пор не существует эффективной и адекватной методики оценки платежеспособности, поскольку известны случаи, когда существующие методики оценки платежеспособности давали неадекватную оценку, например, случаи с компаниями Enron и WorldCom [119].
Определение термина «платежеспособность» имеет различающиеся, а порой и противоречивые толкования в различных источниках. В работе [34] проведён анализ этого термина, однако основной упор сделан на лингвистический анализ термина, а не на его экономическую сущность.
Нами были проанализированы основные определения термина «платежеспособность» с экономической точки зрения и с учётом количественной его идентификации, необходимой для проведения анализа состояния предприятия [5, 37, 78, 110, 121] (см приложение А).
С учетом проведенного анализа и в связи с задачами диссертации, под понятием платежеспособности предприятия мы будем подразумевать способность предприятия погашать в полном объёме и своевременно все текущие обязательствам, как внутренние, так и внешние, не только за счёт наличности, но и за счёт ожидаемых поступлений за отгруженную продукцию, выполненные работы или оказанные услуги, причём будем считать, что платежеспособность предприятия характеризуется текущим коэффициентом ликвидности, показывающим, сколько рублей текущих активов предприятия приходится на один рубль текущих обязательств.
В самом общем виде нарушение любого из этих условий приводит к неплатежеспособности предприятия. Рассмотрим это понятие более подробно, причем заметим, что правового определения неплатежеспособности не существует до сих пор.
По результатам своих исследований и анализа работ других авторов, Дешко А.Э. в работе [43] предлагает следующее определение неплатежеспособности: «неплатежеспособность - это временное относительное положение предприятия, которое имеет место на этапе возникновения трудностей, в рамках еще не возбужденного дела о несостоятельности (банкротстве); положение, эквивалентное определенной сумме денежных средств и выраженное во временной неспособности успешно продолжать запланированную предпринимательскую деятельность; положение, возникшее под влиянием конкретных причин и факторов, и которое без своевременной диагностики и применения, соответствующих мер предупреждения может привести предприятие к несостоятельности». В этом определении неплатежеспособности имеются неточности, например, «положение, эквивалентное определенной сумме денежных средств».
В работах [9, 37-38, 43, 49, ПО, 123, 126, 135-136] предлагаются различные градации понятия неплатежеспособности (см. приложение А).
Очевидно, что в самом общем виде платежеспособность предприятия прямо пропорциональна выручке, а неплатежеспособность обратно пропорциональна выручке и прямо пропорциональна объему обязательств и поэтому основной причиной неплатежеспособности предприятия является несоответствие объема обязательств, объёму ликвидных активов предприятия, включая выручку.
Важными факторами, определяющими платежеспособность предприятия, являются своевременное осуществление операций, зафиксированных в финансовом плане, пополнение по мере возникновения потребности собственного оборотного капитала за счет прибыли и увеличения скорости оборота активов.
Общими причинами неплатежеспособности предприятия являются факторы, влияющие на снижение или недостаточный рост выручки и опережающий рост обязательств. Причины этого патологического процесса подробно раскрыты в работах [43, 49].
Близким к понятию «неплатежеспособность» предприятия, но не его синонимом является понятие «неоплатность» (недостаточность имущества) характеризующее ситуацию, когда предприятие неспособно оплатить долги за счет всего своего имущества. Однако установление истинного положения предприятия с помощью оценки активов и пассивов не совсем корректно: компания может не обладать никакими активами, кроме интеллектуальных возможностей сотрудников, при этом превышение пассивов над активами может зависеть от сезонности, а способы оценки активов слишком дорогостоящие. Целесообразно обратиться именно к выявлению потери способности предприятия расплачиваться по своим долгам, т.е. к понятию «неплатежеспособности».
Кроме того, т.к. платежеспособность рассчитывается по данным баланса, исходя из характеристики ликвидности оборотных активов, т. е. времени, которое необходимо для превращения их в денежную наличность, то платежеспособность, характеризуя степень ликвидности оборотных активов, свидетельствует, прежде всего, о финансовых возможностях организации полностью расплатиться по своим-обязательствам по мере наступления срока погашения долга. Поэтому экономические термины «ликвидность» и «платежеспособность» часто смешиваются, подчас подменяя друг друга. Несмотря на то, что эти два понятия очень схожи, между ними существует определенная разница. Первое является внутренней функцией организации
Методы оценки кредитоспособности предприятия
Оценка кредитоспособности заемщика является одним из элементов анализа финансово - экономического состояния предприятия и их взаимная связь подробно исследована в работе Ендовицкого Д.А. и Бочаровой И.В. [48]. Финансово-экономическое состояние заёмщика отражает структуру собственного и заёмного капитала, структуру его размещения между различными видами имущества, а также эффективность их использования, платежеспособность и финансовую устойчивость и, следовательно, влияет на кредитоспособность предприятия. Однако кредитоспособность предприятия не полностью определяется его финансово - экономическим состоянием, поскольку взаимоотношение банков и заёмщиков носит специфический характер, особенности которого невозможно учесть, анализируя только финансово - экономического состояние предприятия, поэтому анализ кредитоспособности заемщика необходимо рассматривать отдельно.
Теоретической основой оценки кредитоспособности предприятия нечеткими продукционными системами в диссертации, являются выводы Ендовиц-кого Д.А. и Бочаровой И.В. [48], о том, что кредитоспособность организации формируется в результате ее экономической деятельности и на нее влияет организационно-технический уровень предприятия, т.е. структура управления и производства, уровень концентрации и специализации производства, степень автоматизации, техническая вооруженность труда, а именно: - эффективность управления финансовыми ресурсами, рациональное использование собственных и заемных средств, - результат производственно-финансовой деятельности; - характер взаимоотношений с партнерами в лице других организаций кредиторов, бюджета, акционеров, - отраслевая и региональная принадлежность предприятия, - технологическое состояние. Анализ кредитоспособности предприятия должен основываться на принципах комплексности и системности. Наиболее удачной, по-видимому, является система комплексного анализа кредитоспособности заемщика, представленная в работе [48], (см. рис. 2.3). Как правило, в кредитной политике каждого банка имеются приоритетные направления формирования кредитного портфеля, включая формы кредита, правила работы с обеспечением по кредиту, оценки предшествующего опыта взаимодействия с заемщиком, проверки наличия всех необходимых документов и выяснения их достоверности и т.д. в соответствии с которыми и осуществляется экспресс-анализ предприятия-заемщика.
На наш взгляд, комплексная система Ендовицкого Д.А. и Бочаровой И.В. содержит все этапы исследования кредитоспособности заемщика, от экспресс-анализа до ретроспективной оценки фактических результатов кредитования. Алгоритм оценки кредитоспособности предприятия на основе представленной в п.2.2.2 системы комплексного анализа кредитоспособности предприятия представлена на рис. 2.4. Согласно алгоритму оценка проводится в шести укрупнённых модулях, показатели которых характеризуют те или иные факторы, оказывающие влияние на обобщающие показатели оценки, кредитоспособности заемщика, так например, в модуле 4 вырабатывается показатель финансовых результатов деятельности предприятия на основе анализа доходов и расходов, рентабельности, прибыли с учетом влияния налогов. Затем все шесть показателей, вычисленные в модулях 1-6, в последнем седьмом модуле преобразуются в обобщенную оценку кредитоспособности заемщика и ему присваивается класс кредитоспособности.
Математические модели оценки состояния предприятия, основанные на использовании кластерного анализа
Как отмечалось в п. 2.1.1, кластерный анализ позволяет разбивать множество исследуемых объектов и признаков на однородные группы по ряду признаков произвольной природы. Алгоритмы кластерного анализа можно подразделить на иерархические (древовидные) и неиерархические, агломеративные и итеративные дивизивные процедуры. Принцип работы иерархических агломеративных (дивизивных) процедур состоит в последовательном объединении (разделении) групп элементов сначала самых близких (далёких), а затем всё более отдалённых (близких) друг от друга. Большинство этих алгоритмов исходит из матрицы расстояний (сходства). В диссертационной работе использованы агломеративный метод минимальной дисперсии - древовидная кластеризация и дивизивный метод к-средних.
Для решения задачи оценки состояния предприятия методами кластерного анализа необходимо разбить исходную выборку предприятий (табл. 3.4) на две группы кризисных и некризисных предприятий. Сложность заключается в том, что надо сравнивать предприятия не по какому-то одному показателю, а по 15 (Fl, F2, F3, F4, LI, L3, Р1, А2, А4, А5, А6) показателям одновременно.
Используем сначала дивизивный метод к -средних. Так как цель исследования - кластеризация предприятий на кризисные и некризисные, то число кластеров выберем равным двум. Инициализацию начальных центров кластеров будем производить методом сортировки расстояний и выбора наблюдений на постоянных интервалах. Таким образом, получаем, что количество переменных равно 15, число наблюдений 59, число кластеров 2. Результаты кластеризации исходных данных предприятий представлены в табл. 3.11-3.13.
В табл. 3.11 приведены значения межгрупповых (Between SS) и внутригрупповых (Within SS) дисперсий признаков. Чем меньше значение внутригрупповой дисперсии и больше значение межгрупловой, тем лучше признак характеризует принадлежность объектов к кластеру и тем «качественнее» кластеризация. Лучшей кластеризации соответствуют большие значения параметра F и меньшие значения параметра р. Таким образом, признаки: обеспеченность запасов собственными оборотными средствами (F3), быстрый коэффициент ликвидности (L1), коэффициент покрытия запасов (L3), текущий коэффициент ликвидности (PI) наиболее информативны для процесса кластеризации, т.е. для «грубой» экспресс-оценки состояния предприятия достаточно исследования именно этих коэффициентов, а признаки коэффициент финансовой зависимости (F1), коэффициент автономии собственных средств (F2), индекс постоянного актива (F4), оборачиваемость активов (А2), оборачиваемость кредиторской задолженности (А4), рентабельность продукции (продаж) (R4) можно исключить из процедуры кластеризации. Таблица 3.11 - Таблица дисперсионного анализа
В табл. 3.12 указаны средние значения всех 15 показателей для каждого кластера (усреднение производится внутри каждой группы). Как видно, из таблицы большинство значений показателей существенно отличаются. Исключением являются следующие показатели: финансовой зависимости (F1), автономии собственных средств (F2), индекс постоянного актива (F4), оборачиваемость активов (А2), оборачиваемость кредиторской задолженности (А4), рентабельность продукции (R4). Евклидово расстояние между кластерами равно 101,7.
Средние значения для каждого кластера приведены на рис. 3.9, однако из-за того, что показатели не нормированы невозможно визуально оценить кластеризацию предприятий. Особенно это связано со значением показателя обеспеченности запасов собственными оборотными средствами (L3). В связи с этим необходимо рассматривать относительные (нормированные) значения показателей рис. 3.10 и рис. 3.11. Таблица 3.12 - Описательные статистики для каждого кластера
Разработка и апробация нечеткой продукционной системы для анализа состояния предприятия
В данной главе диссертационной работы предлагается система оценки состояния предприятия разработанная на основе нечётких продукционных систем с учетом 15 влияющих факторов.
В основу анализа положен перечень тех же 15 показателей {х1,х2,...х„), п = 15 характерИЗук)щих состояние финансовой и производственной сферы деятельности предприятия, которые были использованы выше.
Рассмотрим поэтапный процесс разработки нечеткой продукционной системы [18, 87, 106, 137, 140, 141]. На первом шаге указанные показатели проходят процесс фаззификации, на котором они преобразуются в вектор нечетких множеств; на втором шаге полученные данные обрабатываются посредством предлагаемой нами модели нечёткого логического вывода, на основании нечёткой базы знаний в выходные данные, которые затем дефаззифицируются. Результатом работы данной нечёткой модели являются количественная и качественная характеристики рентабельности (R), деловой активности (А), финансовой устойчивости (F), ликвидности и платежеспособности (LP), а так же общего состояния предприятия (Q). Данные характеристики состояния предприятия изменяются в диапазоне [0, 1]. Чем ближе значение к единице, тем лучше состояние предприятия по заданному показателю. Т.о., модель анализа финансово-экономического состояния предприятия представляет собой функциональные отображения вида: где X - вектор влияющих факторов, a LP,F,A,R _ укрупнённые влияющие факторы. Первое отображение позволяет получить в процессе дефаззификации как количественные так и качественные финансовые характеристики предприятия: ликвидность и платежеспособность, финансовая устойчивость, деловая активность, рентабельность. Второе отображение позволяет получить уже общую оценку состояния предприятия. Нашей целью является построение этих отображений с использованием теории нечётких множеств и созданной нами модели нечёткого логического вывода.
Нечеткие описания в модели оценки состояния предприятия появляются в связи с неопределённостью, которая возникает в ходе классификации уровня факторов. Тогда применение нечетких описаний означает следующее:
Фиксируется показатель (фактор) и его количественный носитель. На выбранном носителе строится лингвистическая переменная со своим терм-множеством значений.
Далее каждому значению лингвистической переменной сопоставляется функция принадлежности уровней нечеткого подмножества.
Общеупотребительными функциями являются трапециевидные функции принадлежности (см. рис.4.7), наряду с которыми в данной работе так же будут рассматриваться и простые функции принадлежности Гаусса, и их модифицированные нами аналоги для обработки нечёткими продукционными моделями.
