Содержание к диссертации
Введение
Глава 1. Понятие банкротства. Обзор зарубежных и отечественных методик прогнозирования банкротства предприятия 9
1.1. Банкротство: понятие и механизм возникновения 9
1.2. Обзор зарубежных методик прогнозирования банкротства предприятия 13
1.3. Обзор отечественных методик прогнозирования банкротства предприятия 26
1.4. Обзор статистических методов прогнозирования банкротства предприятия 39
1.5. Постановка проблемы прогнозирования банкротства 44
Глава 2. Методы и модели прогнозирования банкротства предприятий 47
2.1. Инструментальные методы прогнозирования банкротства предприятия, применяемые в данном исследовании 47
2.2. Характеристика используемых в исследовании данных 52
2.3. Проверка данных на нормальность распределения, значимость различия средних и корреляцию 55
2.4. Определение финансового состояния предприятий с использованием существующих методик анализа... 58
2.5. Построение модели статической оценки вероятности банкротства предприятия 59
2.6. Выявление основных сценариев изменения финансовых коэффициентов предприятий-банкротов 62
2.7. Построение комплекса динамических моделей прогнозирования банкротства 70
Глава 3. Апробация моделей прогнозирования вероятности банкротства. Автоматизация процесса анализа финансового состояния предприятия 74
3.1. Оценка качества модели статической оценки вероятности банкротства предприятия 74
3.2. Оценка качества комплекса динамических моделей прогнозирования банкротства предприятия 78
3.3. Определение нормативных значений финансовых коэффициентов предприятий 85
3.4. Описание разработанной информационной системы оценки финансового состояния и прогнозирования вероятности банкротства предприятия 91
3.5. Описание структуры таблиц базы данных 101
3.6. Программный код функций подсистемы анализа данных для оценки вероятности банкротства 104
Заключение 112
Список литературы 114
Приложение 1. Результаты проверки исходных данных на нормальность 128
- Обзор зарубежных методик прогнозирования банкротства предприятия
- Проверка данных на нормальность распределения, значимость различия средних и корреляцию
- Выявление основных сценариев изменения финансовых коэффициентов предприятий-банкротов
- Оценка качества комплекса динамических моделей прогнозирования банкротства предприятия
Введение к работе
Актуальность темы исследования. В сложившихся в настоящее время условиях экономического развития страны предприятия должны быть уверены в надежности и финансовой состоятельности своих партнеров, в противном случае они имеют возможность использовать механизм банкротства как средство возврата долга неплатежеспособными партнерами. В связи с этим руководители предприятий, менеджеры различных уровней управления должны уметь своевременно определить неудовлетворительное финансовое состояние предприятий-контрагентов на основе результатов проведенного финансового анализа, и при необходимости воспользоваться своим правом, в судебном порядке применить процедуры банкротства к должнику.
В свою очередь, руководители организаций, испытывающих финансовые трудности, с помощью финансового анализа и последующих управленческих решений могут защитить себя от полного краха и в случае возбуждения процедуры банкротства кредиторами найти возможность восстановления платежеспособности.
Процедуре банкротства предприятий могут предшествовать разные сценарии развития событий. Однако большинство существующих методик прогнозирования банкротства не учитывают особенности этих сценариев и оценивают финансовое состояние предприятий по данным за один временной период, что приводит к снижению прогнозной точности моделей.
В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, учитывающих ретроспективную динамику изменения финансовых показателей.
Степень научной проработанности проблемы
Начало использованию финансовых показателей для прогнозирования банкротства было положено Бивером (Beaver, 1966). Используя в качестве теоретической основы идеи модели денежного потока, он обнаружил, что множество финансовых показателей может использоваться для прогнозирования банкротства. Альтман (Altaian, 1968) внес свой вклад в
построение моделей прогнозирования банкротства, впервые применив
множественный дискриминантный анализ для преодоления ограничений модели Бивера.
Дикин (Deakin, 1972) был первым, кто заметил, что для применения множественного дискриминантного анализа независимые переменные должны быть нормально распределены. Ольсон (Ohlson, 1980) стоял у истоков применения логистического анализа для оценки вероятности банкротства.
Бегли (Begley, 1996) исследовал вопрос, сохраняют ли ранее разработанные модели свою прогнозную точность на данных текущего периода. Он выяснил, что ошибочная классификация модели на более современных данных обучающей выборки значительно возрастает по сравнению с результатами первоначальных работ. Результаты исследования подтвердили гипотезу о нестационарности данных во времени, влияющей на прогнозную точность моделей.
Среди методик, разработанных для диагностики возможного банкротства отечественных предприятий, можно назвать методики оценки финансового состояния на основе интегрального показателя, учитывающие специфику российских предприятий, разработанные Р. С. Сайфуллиным и Г. Г. Кадыковым (1996) и учеными Иркутской государственной экономической академии (1997).
Несмотря на большое количество существующих методик прогнозирования финансового состояния предприятий, эту проблему нельзя считать полностью решенной по следующим причинам.
Во-первых, применение различных методик приводит к противоречивым результатам. Во-вторых, прогнозная точность моделей значительно уменьшается при использовании для анализа финансового состояния данных за несколько лет до банкротства. В-третьих, зарубежные модели не учитывают специфику экономической ситуации и организации предпринимательства в России, которые отличаются в том числе системами бухгалтерского учета и налогового законодательства, что находит отражение как в наборе факторов-признаков, так и в весовых коэффициентах при них. В-четвертых, в моделях
используются данные за один год, и не учитывается изменение показателей в
динамике за несколько лет. В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, лишенных перечисленных выше недостатков.
Объект исследования - российские предприятия.
Предмет исследования - финансовое состояние российских предприятий.
Цель исследования - разработка методологического подхода и методов моделирования и прогнозирования банкротства предприятий, учитывающих динамику изменения финансовых показателей.
Для достижения поставленной цели необходимо решить следующие задачи:
систематизировать существующие западные и отечественные модели прогнозирования банкротства и провести их анализ;
построить модель прогнозирования вероятности банкротства предприятия, учитывающую характер изменения финансовых показателей в ретроспективной динамике;
провести апробацию модели на выборке российских предприятий обрабатывающего производства;
разработать программный инструментарий для автоматизации процесса анализа финансового состояния предприятий.
Методологической и теоретической основой исследования являются современные теории финансового анализа деятельности предприятий, концептуальные подходы к оценке финансового состояния, работы российских и зарубежных авторов в области прогнозирования банкротства предприятий.
Для решения поставленных в диссертационном исследовании задач применяется инструментарий финансового и статистического анализа, теория вероятностей.
Информационная база исследования. В качестве информационной базы для анализа и оценки финансового состояния предприятий были использованы данные обязательной финансовой отчетности 1357 российских предприятий
обрабатывающего производства за 10 лет (формы №1 (баланс) и №2 (отчет о
прибылях и убытках), предоставляемые системой профессионального анализа рынка и предприятий СПАРК.
Научная новизна заключается в следующем:
Предложена методологическая основа, на которой базируется принципиально новый подход к прогнозированию вероятности банкротства предприятий, учитывающий ретроспективную динамику изменения финансовых показателей.
Разработана модель статической оценки вероятности банкротства предприятий. При тестировании на выборке из 1357 предприятий обрабатывающего производства за 3 года до банкротства точность модели составила 73%, при уменьшении количества лет до банкротства точность прогноза увеличивалась и составила 91% в год банкротства.
Выявлены три характерных сценария изменения основных финансовых показателей предприятий за несколько лет до банкротства.
Определены максимальные временные горизонты прогнозирования вероятности банкротства предприятий в зависимости от сценария изменения финансовых показателей. Было показано, что возможно прогнозировать вероятность банкротства предприятия за период от года до четырех лет до банкротства.
Разработан комплекс из трех динамических моделей прогнозирования вероятности банкротства, учитывающих сценарии изменения финансовых показателей. Значимыми при построении моделей оказались значения финансовых показателей от года до трех лет до банкротства и соотношение прогнозных вероятностей банкротства.
Установлены нормативные значения финансовых коэффициентов для предприятий, имеющих удовлетворительное финансовое состояние.
Теоретическое значение представленных в работе результатов состоит в разработке моделей для прогнозирования вероятности банкротства,
учитывающих ретроспективную динамику изменения финансовых показателей и обладающих высокой прогнозной точностью в долгосрочной перспективе.
Практическая значимость исследования заключается в том, что разработан программный инструментарий, позволяющий автоматизировать процесс анализа финансового состояния предприятий. Кроме того, проведена апробация предлагаемых прогнозных моделей на выборке из 1357 предприятий обрабатывающего производства.
Полученные результаты могут быть использованы, во-первых, менеджерами различных уровней управления для своевременного определения неблагоприятного финансового положения предприятий-контрагентов. Во-вторых, результаты могут применяться инвесторами для оценки кредитного качества эмитентов и выбора объекта для инвестирования. В-третьих, разработанные модели могут позволить руководителям организаций, испытывающим финансовые трудности, идентифицировать сценарий банкротства и найти оптимальный путь выхода из кризисной ситуации.
Апробация результатов исследования. Результаты исследования были представлены, и получили положительные отзывы на научных семинарах и конференциях:
Научный семинар «Информационные технологии управления эффективностью бизнеса», ГУ-ВШЭ, Москва, 2008 и 2009 г.г.
Ежегодная студенческая научно-практическая конференция «Информационные технологии в экономике, бизнесе, управлении», ГУ-ВШЭ, Москва, 2009.
Международная научно-практической конференции «Перспективные инновации в науке, образовании, производстве и транспорте», Одесса, 2010 год.
Структура диссертации. Диссертационное исследование составляют введение, три главы, заключение, список использованной литературы и приложения.
Обзор зарубежных методик прогнозирования банкротства предприятия
Банкротство является крайней формой кризисного состояния, когда предприятие не в силах оплатить свою задолженность и восстановить платежеспособность за счет собственных источников доходов. Оно является результатом развития кризисного состояния предприятия и рыночным инструментом перераспределения капитала.
Существует множество определений банкротства, но наиболее четкое дано Н. А. Бреславцевой [11]. Ею определено, что банкротство - это цивилизованная форма разрешения конфликта, возникшего между кредиторами и должником, позволяющая в определенной мере соблюсти интересы обоих, поскольку после завершения процедуры банкротства бывший должник освобождается от обязательств, связанных с погибшим бизнесом, и снова имеет возможность предпринимательства, а кредитор, в свою очередь, получает часть затраченных средств.
Несостоятельность хозяйствующих субъектов — распространенное явление в рыночной экономике. Оно рассматривается как определенное негативное состояние субъекта в системе экономических связей, характеризуемое неплатежеспособностью субъекта по своим обязательствам.
Несостоятельность, по мнению И. Г. Кукукиной [41], это финансовое состояние предприятия, при котором оно неспособно в течение нормативно установленного срока выполнить долговые обязательства и самостоятельно восстановить свою платежеспособность. Если же у предприятия наблюдается обратный эффект, то имеет место необратимая неплатежеспособность. Банкротство - это прекращение хозяйственной деятельности ввиду отсутствия финансовой возможности восстановить платежеспособность на основе порядков, установленных законодательством. В экономической практике выделяют несколько видов банкротства. 1. Реальное банкротство предприятия, характеризующееся неспособностью предприятия восстановить свою платежеспособность в силу реальных потерь собственного и заемного капитала. Высокий уровень потерь капитала, наличие огромной суммы кредиторской задолженности не позволяют вести нормальную производственно- хозяйственную деятельность. 2. Временное (условное) банкротство, которое характеризуется таким состоянием неплатежеспособности предприятия, которое вызвано существенной просрочкой ее кредиторской задолженности, а также большим размером дебиторской задолженности, затовариванием готовой продукцией, в то же время сумма активов предприятия превосходит объем ее долгов. 3. Преднамеренное (умышленное) банкротство, которое характеризуется преднамеренным созданием руководителями и собственниками предприятия состояния ее неплатежеспособности, нанесением ей экономического вреда в личных интересах и интересах третьих лиц. 4. Фиктивное банкротство — это ложное объявление предприятием о своей неплатежеспособности с целью введения в заблуждение кредиторов для получения от них отсрочки платежей по своим финансовым обязательствам, либо получения скидки с долгов, либо для передачи готовой продукции, не пользующейся спросом на рынке, для погашения долгов. Возникающие 4 кредитно-денежные отношения между должником и кредитором иногда вызывают разногласия. Разрешить конфликтную ситуацию помогает институт несостоятельности (банкротства). Институт несостоятельности — комплексный правовой институт, включающий в себя нормы гражданского, уголовного, административного, финансового, трудового и других отраслей права. Институт несостоятельности (банкротства) служит определенным стимулом эффективной работы предпринимательских структур, гарантируя одновременно экономические интересы кредиторов, а также государства как общего регулятора рынка. Институтом несостоятельности и банкротства решаются две задачи: во-первых, должнику обеспечивается защита от кредиторов, требования которых он не в состоянии удовлетворить; во-вторых, защищаются интересы каждого кредитора от неправомерных действий должника и других кредиторов, при обеспечении сохранности имущества и справедливого его распределения между кредиторами. Банкротство предприятий, как правило, не происходит внезапно. Ему предшествует несколько лет ухудшения финансовых показателей, однако величина изменений этих показателей отличается на четырех стадиях банкротства: начальной, промежуточной, финальной и завершающей. Первая, начальная, стадия характеризуется частичным снижением некоторых финансовых показателей. Однако на данном этапе показатели деятельности предприятия не отличаются значимо от показателей других успешных предприятий. Далее, за начальной стадией следует промежуточная стадия. Она характеризуется медленным снижением или не увеличением практически всех финансовых показателей. Показатели деятельности предприятия на этой стадии будут ухудшаться непрерывно, поэтому общий тренд окажется негативным Третья, финальная, стадия процесса банкротства характеризуется ухудшением показателей предприятия до очень низкого уровня. Это означает, что уровень финансовых показателей на данном этапе настолько низок, что они могут быть успешно использованы для классификации предприятий на «банкротов» и «не банкротов». Четвертая стадия процесса является заключительной. Событием, отделяющим третью стадию банкротства от четвертой, является опубликование последней отчетности перед признанием предприятия банкротом. В конце заключительной стадии показатели предприятия ухудшаются настолько, что она оказывается неплатежеспособной. При идентификации стадии процесса банкротства существуют две проблемы. Во-первых, у различных предприятий процесс банкротства длится неодинаковое количество времени. Во-вторых, характер протекания процесса банкротства отличается у различных предприятий. В настоящее время задачей института банкротства в развитых рыночных странах является сохранность предприятия, а значит, и собственности его владельца путем изменения системы управления предприятием, предоставления отсрочки и рассрочки платежа. Государство и общество заинтересованы не в ликвидации предприятия-должника, а в восстановлении его платежеспособности посредством специальных процедур, предусмотренных законодательством о несостоятельности (банкротстве). Банкротство предприятий возникает вследствие негативного воздействия разнообразных внутренних и внешних факторов. Умение предприятия приспособиться к различным изменениям в экономической среде является гарантией не только выживания, но и процветания.
Проверка данных на нормальность распределения, значимость различия средних и корреляцию
Гилберт (Gilbert, 1990) [106] и другие исследователи заметили, что авторы всех предшествующих работ классифицировали предприятия на две группы — банкроты и предприятия с удовлетворительным финансовым состоянием. Он утверждал, что модель прогнозирования банкротства покажет лучшие результаты, если предприятия, испытавшие экономические трудности разделить на две группы — тех, кто продолжил существование и тех, кто прекратил свое существование. Гилберт использовал три группы предприятий в своей выборке: (1) группа из 76 предприятий, испытавших финансовые затруднения и прекративших свое существование в период с 1974 по 1983 год; (2) группа из 304 предприятий, испытавших финансовые затруднения, но продолживших свое существование и имеющих отрицательный доход в течение 3 лет в тот же период времени; (3) состоятельная группа, состоящая из 304 стабильно функционирующих предприятий в тот же период времени. Две прогнозные модели были разработаны с использованием логистического анализа. Независимые переменные были заимствованы из двух предыдущих работ (Casey и Bartczak, 1985; Альтмана, 1968). Одна из моделей была разработана с использованием 52 предприятий банкротов и 208 предприятий с удовлетворительным финансовым состоянием. Оставшиеся 24 предприятия банкрота и 96 предприятий с удовлетворительным финансовым состоянием использовались в качестве тестового множества. Другая модель была построена с использованием (1) предприятий испытавших финансовые затруднения, но продолживших свое существование и (2) обанкротившихся и прекративших свое существование. Эмпирические тесты показали, что первая из построенных моделей корректно классифицировала 88,5% предприятий из оцениваемой выборки и 90,8% проверочной выборки за один год до банкротства. Когда эту модель протестировали на данных, используемых для построения второй модели, прогнозная сила резко снижалась до 66,7%. Аналогичные результаты были получены при проверке второй модели на отличающихся данных. Таким образом, ни одна из моделей не различала предприятия банкроты и предприятия с удовлетворительным финансовым состоянием с требуемой точностью.
Бегли (Е 1еу, 1996) [90] и другие исследователи задались вопросом, сохраняют ли ранее разработанные модели свою прогнозную точность на данных текущего периода. Он использовал в своем исследовании модели, разработанные в исследовании Альтмана (1968) и Ольсона (1980). Логика его исследования была следующая: (1) для прогнозирования банкротства использовать полученные значения коэффициентов из ранее построенных моделей на выборке предприятий 1980 года (2) переоценить модели на обучающей выборке и затем проверить новую модель на тестовой выборке и сравнить результаты.
При использовании модели Альтмана на данных 1980 года были получены следующие результаты: общий ошибочный коэффициент модели составил 21,8%, ошибки первого и второго рода 18,5% и 21,5% соответственно. Ошибочная классификация модели на более современных данных обучающей выборки значительно возросла по сравнению с результатами первоначальной работы Альтмана. Результаты исследования подтверждают гипотезу о нестационарности данных во времени, которая сильно влияет на прогнозную точность моделей.
Альтернативным методом прогнозирования банкротства является субъективный анализ, предполагающий экспертную оценку риска предприятия на основе разработанных стандартов. Это так называемый метод балльной оценки или метод А-счета (показатель Аргенти). Недостатком данного метода является субъективность оценки.
В Великобритании были разработаны рекомендации Комитета по обобщению практики аудирования, которые содержат перечень показателей для оценки банкротства предприятия: повторяющиеся убытки от основной производственной деятельности; превышение критического уровня просроченной кредиторской задолженности; чрезмерное использование краткосрочных заемных средств в качестве источника финансирования долгосрочных капиталовложений; хроническая нехватка оборотных средств; устойчиво увеличивающаяся (сверх безопасного предела) доля заемных средств в общей сумме источников средств; устойчиво низкие значения коэффициентов ликвидности; реинвестиционная политика и др.
К достоинствам этой методики можно отнести системность, комплексный подход к пониманию финансового состояния предприятия. Трудности в использовании этих рекомендаций заключаются в многокритериальное используемых параметров, субъективности принимаемых решений, необходимости составления экономического баланса помимо бухгалтерской отчетности.
Среди методик, разработанных для диагностики возможного банкротства отечественных предприятий, можно назвать модель Иркутской государственной экономической академии (1997), модель P.C. Сайфуллина и Г.Г. Кадыкова (1996). Методики оценки финансового состояния на основе интегрального показателя, учитывающие специфику российских предприятий, были разработаны Иркутской государственной экономической академией, Р. С. Сайфуллиным и Г. Г. Кадыковым.
Методика Иркутской государственной экономической академии В результате опроса 80 торговых негосударственных предприятий, проведенного в Иркутске в 1997 году, ходе которого задавался следующий вопрос: "С помощью каких показателей Вы оцениваете состояние своего бизнеса и работу своей фирмы?" [26] Большинство респондентов (96%) оценивают состояние своей фирмы, используя вариации следующих показателей: сумма прибыли, остающаяся в распоряжении предприятия (чистой прибыли); выручка от реализации; затраты на производство и реализацию продукции; величина оборотного капитала предприятия; размер собственного капитала и всего капитала предприятия. Для обоснования выбора показателей, которые наилучшим образом характеризуют состояние предприятий в условиях российской экономики, были рассмотрены показатели, отражающие мнения руководителей коммерческих предприятий (по результатам их опроса) и показатели, входящие в состав моделей Альтмана. На основании обобщения данных материалов были отобраны тринадцать показателей. В результате статистической проверки независимости показателей из исследования были исключены шесть показателей. Для исключения попадания в разрабатываемую модель по определению риска банкротства предприятия дублирующих факторов были рассчитаны коэффициенты частной корреляции, которые позволили сделать вывод о дублировании трех факторов. В результате была получена четырехфакторная модель: Д = 0,38 К\ + К2 + 0,054 КЗ + 0,63 К4
Выявление основных сценариев изменения финансовых коэффициентов предприятий-банкротов
Методологические подходы к моделированию банкротства предприятия можно разделить на две группы: классические статистические методы (регрессионный анализ, дискриминантный анализ, кластерный анализ) и альтернативные методы (нейросетевой анализ, теория нечетких множеств, деревья решений и др.)- Сущность данных методологических подходов состоит в процедуре классификации с определенной степенью точности предприятий на группу предприятий-банкротов и предприятий, имеющих удовлетворительное финансовое состояние.
Далее будут рассмотрены методы, наиболее часто используемые при построении моделей прогнозирования банкротства предприятия. Регрессионный анализ
Общее назначение множественной регрессии состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной.
Регрессионные модели являются достаточно гибким инструментом, позволяющим в частности, оценивать влияние качественных признаков на изучаемую переменную. Это достигается введением в число регрессоров, так называемых фиктивных переменных.
Одной из простейших моделей прогнозирования вероятности банкротства считается двухфакторная модель. В качестве факторов в модели могут выступать показатели текущей ликвидности и доли заемных средств, от которых зависит вероятность банкротства предприятия.
После вычисления коэффициентов регрессии и подстановки факторов вычисляется результирующее значение Т, если оно меньше нуля, то делается вывод, что для предприятия с заданными факторами вероятность дефолта невелика. В случае если Ъ принимает положительное значение, это означает, что предприятие имеет высокую вероятность банкротства.
Рассмотренная двухфакторная модель не обеспечивает всестороннюю оценку финансового состояния предприятия, а потому возможны слишком значительные отклонения прогноза от реальности. Для получения более точного прогноза исследователи включают в модель показатели рентабельности, кредитоспособности и т.п.
При построении уравнений множественной регрессии основным этапом является отбор наиболее существенных факторов, воздействующих на результирующий признак. Этот этап построения модели множественной регрессии производится на основе качественного, теоретического анализа в сочетании с использованием статистических приемов. Обычно отбор факторов проходит две стадии. На первой стадии на основе содержательного анализа намечают круг факторов, теоретически существенно влияющих на результирующий признак. На второй стадии качественный анализ дополняется количественными оценками, которые позволяют отобрать статистически существенные факторы для рассматриваемых конкретных условий реализации связи. Таких оценок существует довольно много. Они основаны на использовании парных или частных коэффициентов корреляции факторных признаков с результирующим признаком Ъ, критерия вкладов факторов в объясненную дисперсию и т.д.
Логистическая регрессия - это разновидность множественной регрессии, общее назначение которой состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной. Бинарная логистическая регрессия, как следует из названия, применяется в случае, когда зависимая переменная является бинарной. Иными словами, с помощью логистической регрессии можно оценивать вероятность того, что событие наступит для конкретного испытуемого (больной/здоровый, возврат кредита/дефолт и т.д.).
Так во множественной линейной регрессии предполагается, что зависимая переменная является линейной функцией независимых переменных, т.е.: Данная функция может быть использована для задачи оценки вероятности исхода события, если вычислить стандартные коэффициенты регрессии. Например, если рассматривается исход по займу, задается переменная «у» со значениями «1» и «О», где «1» означает, что соответствующий заемщик расплатился по кредиту, а «О», что имел место дефолт. Однако здесь возникает проблема: множественная регрессия не «знает», что переменная отклика бинарна по своей природе. Это неизбежно приведет к модели с предсказываемыми значениями большими «1» и меньшими «О». Но такие значения вообще не допустимы для первоначальной задачи. Таким образом, множественная регрессия просто игнорирует ограничения на диапазон значений для «у».
Для решения проблемы задача регрессии может быть сформулирована иначе: вместо предсказания бинарной переменной, мы предсказываем непрерывную переменную со значениями на отрезке [0,1] при любых значениях независимых переменных. Это достигается применением следующего регрессионного уравнения (логит-преобразование): регрессии — определить вероятность того, что тот или иной респондент попадет в ту или иную целевую группу. На практике описываемые методы, согласно значениям одной или нескольких независимых переменных (факторов), позволяют классифицировать респондентов по двум (бинарная) или более (мультиномиальная) группам, которые выражаются уровнями какой-либо одной переменной.
Различие между рассматриваемыми двумя методами логистической регрессии заключаются в количестве категорий и типе зависимой переменной, а также типе независимых переменных. Так, в случае бинарной логистической регрессии исследуется зависимость дихотомической переменной от одной или нескольких независимых переменных, имеющих любой тип шкалы. Мультиномиальная логистическая регрессия является разновидностью бинарной, в которой зависимая переменная имеет более двух категорий. Независимые переменные должны относиться либо к номинальной, либо к порядковой шкале.
Оценка качества комплекса динамических моделей прогнозирования банкротства предприятия
Первая попытка установления четких количественных критериев несостоятельности в России содержалась в постановлении Правительства Российской Федерации от 20 мая 1994 г. № 498 «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий», в соответствии с которым Правительство РФ ввело систему критериев для определения неудовлетворительной структуры баланса.
В соответствии с данной методикой для оценки вероятности банкротства предприятия на основе анализа структуры его баланса применялись следующие коэффициенты: коэффициент текущей ликвидности; коэффициент обеспеченности собственными средствами; коэффициент восстановления (утраты) платежеспособности. Основанием для признания структуры баланса предприятия неудовлетворительной являлось выполнение одного из следующих условий. 1. Коэффициент текущей ликвидности на конец отчетного периода имеет значение менее 2. 2. Коэффициент обеспеченности собственными средствами на конец отчетного периода имеет значение менее 0,1. При наличии указанных оснований, в случае, если коэффициент восстановления (утраты) платежеспособности, определенный исходя из значения периода восстановления платежеспособности, равного шести месяцам, и установленного значения коэффициента текущей ликвидности, равного двум, имеет значение больше единицы, может быть принято решение о наличии реальной возможности у предприятия восстановить свою платежеспособность. При отсутствии указанных оснований, в случае, если коэффициент восстановления (утраты) платежеспособности, определенный исходя из значения периода утраты платежеспособности, равного трем месяцам, и установленного значения коэффициента текущей ликвидности, равного двум, имеет значение меньше единицы, может быть принято решение о том, что предприятие в ближайшее время не сможет выполнить свои обязательства перед кредиторами. Percentiles По данным за период с 2005 по 2009 годы было проанализировано, какое количество предприятий имеет неудовлетворительную структуру баланса, согласно постановлению правительства. В выборку вошло 1184 предприятия с удовлетворительным финансовым состоянием. В качестве критерия для анализа использовался коэффициент текущей ликвидности. В таблице № 3.13. представлено распределение предприятий по процентилям в зависимости от значения этого коэффициента. 50% предприятий на протяжении 5 лет имели значение коэффициента ликвидности менее 1,08. За исключением 2006 года, у 75% предприятий значение коэффициента не превышало 2, следовательно, согласно законодательству, их финансовое состояние можно было считать неблагоприятным. Таким образом, можно сделать вывод о том, что критическое значение коэффициента текущей ликвидности, равное двум, является завышенным, и не учитывает особенностей предприятий обрабатывающего производства. Для экспресс-анализа финансового состояния предприятий в данной работе были определены диапазоны значений основных финансовых коэффициентов. Используя эвристический алгоритм Chaid, результатом работы которого является решающее правило классификации, представленное в виде дерева (рис.3-8, 3-9), были определены нормативные значения финансовых коэффициентов для кластеризации предприятий на тех, вероятность банкротства которых достаточно высока, и имеющих удовлетворительное финансовое состояние. Дерево строилось на обучающей выборке из 333 предприятий. В выборку вошли 117 банкротов и 216 предприятий, финансовое состояние которых было признано удовлетворительными по 6 из 7 существующих методик оценки финансового состояния. В качестве зависимой переменной была задана дихотомичная переменная, отражающая статус предприятия: 1 -банкрот, 0 - финансово устойчивая. В качестве независимых переменных использовались следующие коэффициенты: натуральный логарифм выручки; коэффициент текущей ликвидности; отношение денежных средств к выручке; общая оборачиваемость активов; доходность общего капитала; доходность собственного капитала; отношение чистой прибыли к общим активам; отношение долговых обязательств к общим активам; отношение долгосрочных обязательств к общим активам. Результаты построения дерева решения представлены на рис. и рис. Точность классификации предприятий на банкротов и финансово-устойчивых предприятий оказалась равной 100%.
Похожие диссертации на Оценка финансового состояния и прогнозирование банкротства предприятия
