Содержание к диссертации
Введение
Глава 1 Особенности эмиссии, оборота и надёжности ценных бумаг в Российской Федерации 12
1.1 Структура рынка ценных бумаг Российской Федерации 12
1.2 Динамика эмиссии и оборота ценных бумаг в Российской Федерации 19
1.3 Неисполнение обязательств по ценным бумагам компаний на биржевом рынке Российской Федерации 25
Глава 2 Эффективность оценок риска неисполнения обязательств компаний российской федерации по ценным бумагам 32
2.1 Анализ применимости моделей оценки финансовой устойчивости компаний к оценке риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 32
2.2 Анализ эффективности интервальных оценок моделей финансовой устойчивости компаний 59
Глава 3 Методика разработки моделей оценки риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 67
3.1 Первый этап построения модели. Предварительный отбор переменных по статистическим критериям 67
3.2 Второй этап построения модели. Фильтрация переменных на основе корреляционного анализа 68
3.3 Третий этап построения модели. Выбор переменных на основе анализа эффективности моделирования 69
3.4 Построение logit-модели оценки риска дефолта компаний по ценным бумагам 70
3.5 Построение probit-модели оценки риска дефолта компаний по ценным бумагам 73
3.6 Анализ достоверности logit-модели и probit-модели оценки риска неисполнения обязательств компаний по ценным бумагам 75
Глава 4 Построение моделей оценки риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 81
4.1 Разработка logit-модели и probit-модели оценки риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 81
4.1.1 Оценивание параметров logit-модели анализа риска неисполнения обязательств компаний Российской Федерации по ценным бума гам 82
4.1.2 Оценивание параметров probit-модели анализа риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 86
4.2 Анализ достоверности разработанных моделей оценки риска неисполнения обязательств компаний Российской Федерации по ценным бумагам 90
4.3 Сравнительный анализ особенностей моделирования рисков неисполнения обязательств по ценным бумагам компаний в Российской Федерации и в США 98
Заключение 111
Список литературы 115
- Неисполнение обязательств по ценным бумагам компаний на биржевом рынке Российской Федерации
- Анализ эффективности интервальных оценок моделей финансовой устойчивости компаний
- Анализ достоверности logit-модели и probit-модели оценки риска неисполнения обязательств компаний по ценным бумагам
- Сравнительный анализ особенностей моделирования рисков неисполнения обязательств по ценным бумагам компаний в Российской Федерации и в США
Неисполнение обязательств по ценным бумагам компаний на биржевом рынке Российской Федерации
В данной работе неисполнением обязательств по ценным бумагам компаний признается дефолт или технический дефолт эмитента по ценным бумагам.
Согласно определению Московской биржи [6], дефолтом признается неисполнение эмитентом обязательств [10] по ценным бумагам, включая биржевые облигации, в случае просрочки исполнения обязательства на срок более 10 рабочих дней (если меньший срок не предусмотрен эмиссионными документами) или отказа от исполнения указанного обязательства в следующих случаях:
1. выплата очередного процентного дохода (купона) по ценным бумагам;
2. погашение номинальной стоимости ценной бумаги (погашение части номинальной стоимости в случае, если погашение номинальной стоимости осуществляется по частям);
3. исполнение обязательства по приобретению ценных бумаг, если такое обязательство предусмотрено условиями выпуска (выкуп по оферте).
В то же время техническим дефолтом признается исполнение соответствующих обязательств компаний с просрочкой, однако не более чем на 10 дней.
Актуальность настоящей работы определяется статистикой дефолтов российских эмитентов ценных бумаг, номинированных в рублях РФ. Информация о количестве российских эмитентов, не исполнивших обязательства по ценным бумагам, эмитированным в валюте РФ, в 2014 - 2017 г.г., по данным Группы Интерфакс [11] и Московской биржи [6], отражена в таблице 6.
Из 32 российских компаний, допустивших дефолт в 2017 году, только 8 компаний впоследствии исполнили свои обязательства по ценным бумагам; а из 17 российских компаний, допустивших дефолт в 2016 году, только 2 компании впоследствии исполнили свои обязательства по ценным бумагам [11].
Таким образом, в 2017 году количество российских компаний, не исполнивших обязательства по ценным бумагам, увеличилось почти в 2 раза по сравнению с 2016 годом.
Эмитентам, допустившим дефолты, преимущественно не присвоены кредитные рейтинги агентств «большой тройки» (Moody s Investors Service, Standard & Poor s, Fitch Ratings) или российского Аналитического кредитного рейтингового агентства (АКРА), что осложняет для инвесторов определение уровня финансовой устойчивости данных компаний.
Самым неудачным для российского рынка облигаций был кризисный 2009 год. Тогда обязательства перед инвесторами по корпоративным облигациям не исполнили свыше 70 компаний. Временно восстановился рынок корпоративных облигаций лишь в 2012-2013 годах, когда число эмитентов, допускающих дефолты по облигациям, снизилось до единичных случаев.
Среди наиболее значимых дефолтов на российском рынке ценных бумаг необходимо отметить дефолт ОАО «Авиационная компания «ТРАНСАЭРО» [12],крупнейшей российской авиакомпании, прекратившей свою операционную деятельность в октябре 2015 года. Авиакомпания выполняла пассажирские и грузовые рейсы по России, а также международные рейсы средней и большой протяжённости в страны Европы, Азии, Северной и Латинской Америки. Флот авиакомпании составлял свыше ста воздушных судов.
ОАО «Авиационная компания «ТРАНСАЭРО» являлась второй авиакомпанией в России по годовому пассажирообороту авиакомпанией после ПАО «Аэрофлот». За 2014 год авиакомпания на своих авиарейсах перевезла 13,2 миллиона человек.
На рынке обращались три выпуска облигаций авиакомпании:
1.БО 01 - 2,5 миллиона штук облигаций. Период обращения облигаций данного выпуска - с марта 2012 г. до марта 2015 года. Номинальная стоимость одной облигации - 1000 руб.
2. БО 02 - 2,5 миллиона штук облигаций. Период обращения облигаций -с декабря 2012 г. по декабрь 2016 года. Номинальная стоимость одной облигации -1000 руб.
З.БО 03 - Змиллиона штук облигаций. Период обращения облигаций -с октября 2013 г. до октября 2018 года. Номинальная стоимость одной облигации - 1000 руб. В ноябре 2017 года объявлен дефолт по облигациям авиакомпании БО 03. Авиакомпания не выплатила инвесторам 89,8 млн рублей. В декабре 2015 года авиакомпания допустила дефолт по облигациям серии БО 02.
АО «Авиационная компания «ТРАНСАЭРО» объявлена несостоятельной (банкротом) [13] в сентябре 2017 года.
Крупным дефолтом на биржевом рынке также явился дефолт авиакомпании "ЮТэйр" [11]. Авиакомпания "ЮТэйр" 20.11.2014 г. объявила технический дефолт по двум облигационным займам в целом на 2,7 млрд руб. В 2014 году авиакомпания являлась третьим по величине авиаперевозчиком РФ. В 2013 году компания обслужила 10,4 млн пассажиров и 171,5 тыс. т грузов. Выручка за 9 месяцев 2014 года составила 54,9 млрд руб., чистая прибыль — 9,2 млн руб., краткосрочные обязательства — 46,5 млрд руб., долгосрочные обязательства — 27,5 млрд руб. Авиакомпании принадлежит крупнейший в мире по размерам и грузоподъемности действующий вертолётный флот, работающий как в России, так и в других странах и континентах.
Летом 2014 года авиакомпания объявила о программе снижения расходов на 5 млрд руб. в год. Она включает сокращение персонала и флота, отказ от неприбыльных маршрутов. В качестве консультанта по комплексной реструктуризации задолженности привлечен Райффайзенбанк. Общий долг перевозчика перед банками и другими инвесторами превысил 70 млрд рублей.
Свой первый выпуск облигаций авиакомпания разместила еще в 2004 году, в 2008-м и 2009-м выполняла все обязательства по находящимся в обращении двум выпускам облигаций. Безупречная кредитная история помогла после кризиса 2008-2009 г.г. увеличить облигационную программу до 14,5 млрд рублей.
Долговые ценные бумаги, по которым не были исполнены обязательства, выпустила компания "ЮТэйр-Финанс" в 2012 году сроком на 3 года. Общая сумма размещения составила 1,5 млрд руб. Ставка купона по облигациям составила 13%.
Также отметим дефолт Промышленно-строительной группы "Строительное управление-155" (ГК "СУ-155") [12]. Данная Группа компаний создана в 1993 году на основе советского строительного управления, основанного в 1954 году. В состав группы входят 85 промышленных предприятий и строительных организаций. Ежегодно строительные организации, входящие в ГК "СУ-155", возводят до 1,5 млн кв. м жилой и коммерческой недвижимости. Портфель реализованных и перспективных проектов - более 17,4 млн кв. м.
ООО "СУ-155 Капитал", входящее в группу компаний "СУ-155", допустило технический дефолт по облигациям серий 05, 06 и 07 в 2015 году. Так, эмитент не исполнил обязательства по досрочному погашению облигаций пятого выпуска на общую сумму 643,348 млн рублей, шестого выпуска - на сумму 967,21 млн рублей и седьмого выпуска - на сумму 691,713 млн рублей из-за отсутствия денежных средств в необходимом объеме. Общая сумма задолженности перед держателями ценных бумаг составила 2,3 млрд рублей. В дальнейшем задолженность компании была реструктуризирована.
Одним из крупнейших дефолтов на российском рынке ценных бумаг является дефолт ПАО "Мечел" [12]. ПАО "Мечел" основано в 2003 году. Бизнес компании состоит из четырех сегментов: горнодобывающего, металлургического, ферросплавного и энергетического. В компанию входят производственные предприятия в 13-ти регионах России, а также зарубежных странах.
Группа компаний объединяет около 30 промышленных предприятий. Это производители угля, железорудного концентрата, стали, проката, продукции высоких переделов, ферросплавов, тепловой и электрической энергии. Все предприятия группы работают в единой производственной цепи: от сырья до продукции с высокой добавленной стоимостью.
В состав холдинга также входят три торговых порта, собственный транспортный оператор, международные сбытовые и сервисные сети. Продукция ПАО "Мечел" реализуется на российском и на зарубежных рынках. Компания контролирует более четверти мощностей по обогащению коксующегося угля в России.
Анализ эффективности интервальных оценок моделей финансовой устойчивости компаний
Анализируется эффективность исходных интервальных оценок финансовой устойчивости компаний [47] рассматриваемых моделей, примененных к оценке риска неисполнения обязательств компаний России по ценным бумагам. Для каждой модели рассчитывается индекс эффективности исходных интервальных оценок (индекс эффективности моделирования) 1Эф [48]: где М - количество компаний, для которых с помощью модели однозначно и правильно определена высокая или низкая степень риска неисполнения обязательств по ценным бумагам, N- общее количество "стабильных" и "нестабильных" компаний в выборке.
Исходные интервальные оценки финансовой устойчивости организации пя-тифакторной модели Э. Альтмана [14] представлены в таблице 32.
В качестве интервальной оценки высокого риска неисполнения обязательств по ценным бумагам рассматривается интервал значений Z 1,80, в качестве интервальной оценки низкого риска неисполнения обязательств по ценным бумагам рассматривается интервал значений Z 3,00.
Исходные интервальные оценки вероятности дефолта организации в модели Г.В. Савицкой [29] представлены в таблице 33.
В качестве интервальной оценки высокого риска неисполнения обязательств по ценным бумагам рассматривается интервал значений Z 3, в качестве интервальной оценки низкого риска неисполнения обязательств по ценным бумагам рассматривается интервал значений Z 8.
Эффективность исходных интервальных оценок не определяется для модели О.П. Зайцевой [26], модели Ж. Депаляна, модели труднореализуемых акти-вов[30].
Определение степени финансовой устойчивости компании [49] при применении модели О.П. Зайцевой связано со сравнением полученной численной оценки финансовой устойчивости с нормативными значениями используемых показателей, которые зависят от результатов деятельности компании в предыдущем периоде [26]. Использование исходных интервальных оценок модели Ж. Депаляна предполагает определение отношений показателей модели к их нормативным значениям по отраслям экономики, что существенно усложняет использование модели. Нами определяются интервальные оценки, не зависящих от результатов деятельности отдельных компаний и отраслей экономики.
Модель X. Лео предусматривает определение уровня финансовой устойчивости компании в зависимости от значения итогового показателя модели Z [24]. Исходные интервальные оценки уровня финансовой устойчивости организации модели Лео X. приводятся в таблице 34.
В качестве интервальной оценки низкого уровня финансовой устойчивости организации рассматривается полуинтервал значений Z 1,55, в качестве интервальной оценки высокого уровня финансовой устойчивости организации рассматривается полуинтервал значений Z 1,77.
Модель труднореализуемых активов [30], оценочная шкала которой приводится в таблице 2, преобразована к виду (56) для получения интегральной количественной оценки финансовой устойчивости организации. В связи с этим анализ эффективности исходных интервальных оценок модели не представляется целесообразным.
Результаты анализа эффективности исходных интервальных оценок моделей отражены в таблице 35.
Эффективность исходных интервальных оценок других исследуемых моделей, примененных к анализу риска неисполнения обязательств компаний России по ценным бумагам, не превышает 50%. Таким образом, наибольшей эффективностью при оценке риска неисполнения обязательств компаний России по ценным бумагам характеризуются исходные интервальные оценки оценки риска дефолта компаний модели Г. Спрингейта. Эффективность исходных интервальных оценок данной модели составляет 74%.
Для увеличения эффективности исходных интервальных оценок риска дефолта компанийдля рассматриваемых моделей предлагаются новые интервальные оценки риска неисполнения обязательств компаний России по ценным бумагам.
В соответствие с предлагаемым подходом [30], диапазон значений итогового показателя модели [50] принимается в качестве интервальной оценки зоны высокого риска неисполнения обязательств компаниями по ценным бумагам, если статистическая вероятность такого события рг на данном интервале удовлетворяет условию
Диапазон значений итогового показателя модели принимается в качестве интервальной оценки зоны низкого риска неисполнения обязательств компаниями по ценным бумагам, если статистическая вероятность такого события р2 на данном интервале удовлетворяет условию 2 20%. (62)
Для оценки эффективности предлагаемых интервальных оценок для каждой модели определяется индекс эффективности предлагаемых интервальных оценок (индекс эффективности моделирования) 1эф. Данный индекс рассчитывается аналогично индексу эффективности моделирования 1Эф исходных интервальных оценок уровня финансовой устойчивости компаний (60). Также для характеристики т.н. "серой зоны" модели [51], т.е. интервала значений итогового показателя модели, для которого нельзя однозначно определить высокую или низкую степень риска неисполнения компанией обязательств по ценным бумагам, рассчитывается линейный коэффициент вариации "серой зоны" kv [44] по формуле:
Таким образом, предлагаемые интервальные оценки риска дефолта компаний России пятифакторной модели Э. Альтмана, модели Э. Альтмана для компаний стран с формирующимся рынком, модели Ж. Лего и модели М.Е. Змиевского характеризуются индексом эффективности моделирования 1эф предлагаемых интервальных оценок, превышающем по значению индекс эффективности моделирования Iф исходных интервальных оценок соответствующей модели. Наибольшим значением индекса эффективности моделирования предлагаемых интервальных оценок Iф= 76% характеризуются предлагаемые интервальные оценки модели Ж. Лего. Данное значение превышает значения индексов эффективности моделирования Iф исходных интервальных оценок других исследованных моделей.
Анализ достоверности logit-модели и probit-модели оценки риска неисполнения обязательств компаний по ценным бумагам
Формулируется гипотеза Hf. выборки значений переменной модели, характеризующие финансовую устойчивость стабильных и "нестабильных" компаний, принадлежат разным генеральным совокупностям, то есть модель может использоваться при оценке риска неисполнения обязательств по ценным бумагам. Для оценки вероятность выполнения гипотезы Hi используется параметрический критерий проверки статистических гипотез - критерий Стьюдента [43], [61]. Также используются непараметрические критерии проверки статистических гипотез - критерий Уилкоксона, критерий Манна - Уитни и критерий Крускала - Уоллиса [62].
Критерий Манна — Уитни [62] используется для оценки различий между двумя независимыми выборками по уровню какого-либо признака, измеренного количественно.
При применении U-критерия Манна — Уитни необходимо выполнить следующие действия.
а) Составляется единый ранжированный ряд из обеих сопоставляемых выборок, расставив их элементы по степени нарастания признака и приписав меньшему значению меньший ранг. Общее количество рангов равно N = 71!+ п2, (94) где пі - количество элементов в первой выборке, П2 - количество элементов во второй выборке.
б) Единый ранжированный ряд разделяется на два ряда, состоящих соответственно из единиц первой и второй выборок. Подсчитывается отдельно сумма рангов, пришедшихся на долю элементов первой выборки, и отдельно — на долю элементов второй выборки. Определяется большая из двух ранговых сумм Тх, соответствующая выборке с пх элементами.
г) Рассчитанное значение [/-критерия сравнивается по таблице для избранного уровня статистической значимости (р=0,05 или р=0,01) с критическим значением U при заданной численности сопоставляемых выборок.
Если полученное значение U меньше табличного или равно ему, то признается статистическая значимость различий между уровнями признака в рассматриваемых выборках. Достоверность различий тем выше, чем меньше значение U.
Если же полученное значение U больше табличного, по различия между уровнями признака в двух выборках признаются случайными.
Критерий Крускала-Уоллиса [61] предназначен для оценки вероятности выполнения гипотезы о принадлежности нескольких выборок одной генеральной совокупности.
При применении критерия Крускала-Уоллиса необходимо выполнить следующие действия.
а) Все N = f=i / элементов к выборок упорядочиваются по возрастанию. Тогда Rjj- рангу -го элемента z-й выборки в полученном вариационном ряду. б) Рассчитывается статистика Крускала-Уоллиса Н для проверки гипотезы о принадлежности двух сравниваемых выборок разным генеральным совокупностям (гипотеза о наличии сдвига в параметрах распределений генеральных совокупностей, которым принадлежат сравниваемые выборки) по формуле
в) Гипотеза о принадлежности двух выборок различным генеральным совокупностям принимается на уровне значимости а, если
Н На, (100) где На - критическое значение статистики Крускала-УоллисаЯ, определяемое по статистической таблице, разработанной для применения данного критерия.
Применение критерия Уилкоксона [62] позволяет определить, оказывает ли какой-либо фактор значимое влияние на выборку. Если две выборки принадлежат одной генеральной совокупности, то изучаемый фактор не оказывает значимого влияния на значения выборок. В настоящем исследовании проводится анализ влияния дефолта организации на количественные оценки финансовой устойчивости организации, вычисляемые при использовании разработанных моделей оценки риска неисполнения обязательств компаний и моделей оценки финансовой устойчивости компаний других авторов.
а) Вычисляются разности значений первой и второй выборок А;по формуле:
Aj— х1і х2і- (103)
б) Вычисленные разности At ранжируются по модулю значения от наименьшей к наибольшей. ЕслиД[= 0, то такая разность не учитывается в присваивании рангов.
в) Суммируются отдельно ранги положительных разниц А и отрицательных разниц Aj. Эмпирическое значение статистики Уилкоксона Тэмп равно меньшей по величине сумме рангов.
г) Эмпирическое значение статистики Уилкоксона Тэмп сравнивается с критическим значением статистики критерия ТЭМП, определяемым с помощью статистической таблицы, разработанной для применения критерия Уилкоксона. При уровне значимости а гипотеза о принадлежностидвух выборок одной генеральной совокупности отклоняется, если Тэмп Гкр (104)
6.2 Оценка эффективности разработанных моделей осуществляется с использованием индекса эффективности моделирования 1эф. Для расчета индекса определяются интервальные оценки высокого и низкого риска неисполнения обязательств по ценным бумагам.
Диапазон значений латентной переменной модели принимается в качестве интервальной оценки зоны высокого риска неисполнения обязательств компаниями по ценным бумагам, если статистическая вероятность такого события рі на данном интервале удовлетворяет условию: pi 80%. (105)
Диапазон значений латентной переменной модели принимается в качестве интервальной оценки зоны низкого риска неисполнения обязательств компаниями по ценным бумагам, если статистическая вероятность такого события р2 на данном интервале удовлетворяет условию: P2 20%. (106) С использованием определенных интервальных оценок зон высокого и низкого риска неисполнения компанией обязательств по ценным бумагам рассчитывается индекс эффективности моделирования I : 1Эф = — 100, (107) где M - количество компаний, для которых с помощью модели однозначно и правильно определена высокая или низкая степень риска неисполнения обязательств по ценным бумагам, N- общее количество "стабильных" и "нестабильных" компаний в выборке.
6.3 Проводится сравнение значений критерия Стьюдента, критерия Уилкок-сона, критерия Манна - Уитни и критерия Крускала - Уоллиса, характеризующих применимость разработанных моделей вероятности дефолта по ценным бумагам, со значениями данных критериев, характеризующих применимость других моделей оценки финансовой устойчивости.
6.4 Проводится сравнение значений индекса эффективности моделирования 1Эф, характеризующих эффективность разработанных моделей вероятности дефолта по ценным бумагам, со значениями данного индекса, характеризующих эффективность других моделей оценки финансовой устойчивости.
6.5 Проводится сравнительный анализ вероятности применимости разработанных моделей с использованием критерия Стьюдента, критерия Уилкоксона, критерия Манна - Уитни, критерия Крускала - Уоллиса. Сравнительный анализ эффективности разработанных моделей также проводится с использованием индекса эффективности моделирования Iф.
Сравнительный анализ особенностей моделирования рисков неисполнения обязательств по ценным бумагам компаний в Российской Федерации и в США
Проведем сравнительный анализособенностей моделирования рисков неисполнения обязательств компаний по ценным бумагам в РФ и в США.
Используемая для моделирования рисков неисполнения обязательств компаний по ценным бумагам в США выборка содержит показатели деятельности 222 компаний США, разместивших ценные бумаги на фондовых биржах [107], [108]. Из данной выборки 111 компаний исполнили обязательства по выпущенным ценным бумагам в полном объеме; 111 компаний допустили неисполнение обязательств по ценным бумагам в течение года после даты, на которую анализируется бухгалтерская отчетность компаний, по данным информационного агентства Cbonds [109] и рейтингового агентства Moody sinvestorsService [ПО]. Анализируются данные бухгалтерской отчетности организаций [111], [112] за 2006 -2015 г.г.
Исследуются показатели финансовой устойчивости организации, используемые и при моделировании рисков неисполнения обязательств компаний по ценным бумагам в РФ. Показатели динамики финансового состояния организа-цийприведены в таблице 1; исследуемые финансовые коэффициенты [113], [114], [115] приведены в таблице 2. Также анализируется эффективность использования при оценке риска неисполнения обязательств компаний США по ценным бумагам средних значений финансовых коэффициентов, приведенных в таблице 2, за 2 года работы организации (отчетный год и год, предшествующий отчетному). Средние значения финансовых коэффициентов за 2 года работы организации рассчитываются по формуле (69).
На первом этапе отбора финансовых индикаторов из финансовых коэффициентов, а также средних значений финансовых коэффициентов, за 2 года работы организации, приведенных в таблице 7, отобраны показатели, характеризующиеся вероятностью выполнения гипотезы Hi, сформулированной в п. 1 методики разработки модели, превышающей 85% как при применении критерия Стьюдента, так и критерия Фишера. Численные оценки вероятности выполнения гипотезы Hi о применимости исследуемых финансовых индикаторов приведены в Приложении Г.
На втором этапе отбора проведен корреляционный анализ финансовых индикаторов, по результатам которого исключены показатели, характеризующиеся коэффициентом парной корреляции \r 0,8. Корреляционная таблица средних значений коэффициентов финансовой устойчивости компаний за 2 года работы компании, отобранных на первом этапе отбора финансовых коэффициентов, приведена в Приложении Д.
Анализ наборов наиболее эффективных коэффициентов, сформированных в соответствие с п.п. 1.1 - 3 методики разработки модели, при предельных уровнях корреляции между коэффициентами гху 0,8; гху 0,7; гху 0,6, гху 0,5, гху 0,4, не позволил выявить набор переменных, характеризующийся вероятностью мультиколлинеарности F(x) менее 35%.
В результате анализа переменных, корреляционные взаимосвязи между которыми характеризуются коэффициентами корреляции гху 0,3, разработана следующая logit-модель оценки риска R неисполнения обязательств компаний США по ценным бумагам
Переменные, используемые при расчете латентной переменной Z/g, характеризуются вероятностью мультиколлинеарности F = 35%.
В результате анализа переменных, корреляционные взаимосвязи между которыми характеризуются коэффициентами корреляции гху 0,3, также разработана следующая probit-модель оценки риска R неисполнения обязательств компаний США по ценным бумагам
Переменные, используемые при расчете латентной переменной Zpb, характеризуются вероятностью мультиколлинеарности F = 37%.
Горизонт прогнозирования построенных моделей вероятности неисполнения обязательств компаний США по ценным бумагам составляет 1 год, так как при разработке моделей использована выборка компаний США, 50% из которых не исполнили обязательства по ценным бумагам в течение года после даты, на которую анализируется отчетность компаний, другие 50% компаний исполнили обязательства по ценным бумагам.
Результаты анализа применимости и эффективности разработанных моделей и других моделей финансовой устойчивости, характеризующихся наибольшей эффективностью при оценке риска неисполнения обязательств компаний США по ценным бумагам [116], [117] приведены в таблице 42.
Значения t-статистики Стьюдента, характеризующие применимость предлагаемых моделей (logit-модель и probit-модель) к оценке риска неисполнения обязательств компаний США по ценным бумагам, отражены на рисунке 13. Данные приведены в сравнении со значениями t-статистики Стьюдента для других моделей, характеризующихся наибольшими значениями данного показателя. Условием максимизация вероятности выполнения гипотезы Hi является максимизация значения статистики критерия Стьюдента.
При расчете индекса эффективности 1эф разработанных моделей, а также модели М.Е. Змиевского в качестве интервальной оценки высокого риска неисполнения обязательств компаний по ценным бумагам компаний США рассматриваются значения итогового показателя модели Р 0,5, в качестве интервальной оценки низкого риска неисполнения обязательств по ценным бумагам компаний США рассматриваются значения итогового показателя модели Р 0,5.
Таким образом, модель Э. Альтмана, модель Дж. Фулмера, модель Ж. Лего и модель М.Е. Змиевского характеризуются наибольшей эффективностью среди моделей оценки финансовой устойчивости других авторов как при анализе риска неисполнения обязательств по ценным бумагам компаний России, так и компаний США.
Согласно данным таблицы 42, разработанная probit-модель (113) характеризуется наибольшими значениями t-статистики Стьюдента и статистики Крускала-Уоллиса Н и вероятностью выполнения гипотезы Н] (условием максимизация вероятности выполнения гипотезы Hi является максимизация значения статистик данных критериев). Также разработанная probit-модель характеризуются наименьшими значениями статистики УилкоксонаТ1 и статистики Манна-Уитни U и наибольшей вероятностью выполнения гипотезы Hi (условием максимизация вероятности выполнения гипотезы Hi является минимизация значения статистик данных критериев). Предлагаемая модель характеризуют также наибольшими значениями индекса эффективности моделирования 1эф.
При этом разработанная logit-модель характеризуется большими значениями t-статистики Стьюдента и статистики Крускала-Уоллиса Н и вероятностью выполнения гипотезы Hi (условием максимизация вероятности выполнения гипотезы Hj является максимизация значения статистик данных критериев), чем другие исследуемые модели. Также разработанная logit-модель характеризуются меньшим значением статистики Манна-Уитни U и наибольшей вероятностью выполнения гипотезы Hj (условием максимизация вероятности выполнения гипотезы Hi является минимизация значения статистики данного критерия), чем другие исследованные модели. Предлагаемая модель характеризуется также большим значением индекса эффективности моделирования I, чем другие исследуемые модели.
При расчете значения латентной переменной probit-модели (113) Zpb используются коэффициенты рентабельности [118], [119] - рентабельность продукции по чистой прибыли —, рентабельность краткосрочных обязательств по прибыли до налогообложения и средний коэффициент рентабельностивнеоборотных активов по чистой прибыли за 2 года. Таким образом, снижение при BAt+BAt_i быльности производства продукции, использования краткосрочных обязательств КО и внеоборотных активов ВА определяет снижение уровня финансовой устойчивости компании [120], [121]. При этом внеоборотные активы используются компанией более 1 года [122], [123], неэффективное использование внеоборотных активов ВА не всегда приводит к снижению финансовой устойчивости компании, так как компания может исполнять обязательства по ценным бумагам, используя прибыль, полученную от использования внеоборотных активов ВА в году, предшествующем отчетному.
Риск неисполнения обязательств по ценным бумагам компаний США увеличивается также и при увеличении убытка компании в отчетном году по сравнению с годом, предшествующим отчетному. Данный фактор финансового состояния организации определяется относительным отклонением величины убытка организации от значения периода, предшествующего отчетному t-i
Согласно полученным данным, риск неисполнения обязательств компаний США по ценным бумагам определяется также деловой активность компаний - в модели (113) используются такие показатели, как коэффициент самоокупаемости - и среднее значение коэффициента оборачиваемости собственного капитала за 2 года - г - Снижение значений данных показателей приводит к снижению CKt+CKt+1 уровня финансовой устойчивости компании [124]. Значение коэффициента самоокупаемости - определяется востребованностью продукции компании на рынке.
Собственный капитал СК используется компанией на протяжении всего времени работы. Недостаточная эффективность использования собственных средств в отчетном периодене всегда приводит к снижению финансовой устойчивости компании, так как компания может исполнять обязательства по ценным бумагам, используя выручку от продажи продукции В, полученную при использовании собственного капитала СК компании в году, предшествующем отчетному.