Содержание к диссертации
Введение
Глава 1. Проблемы управления риском банкротства предприятия 14
1.1 Актуальность вопроса управления риском банкротства предприятия
1.2 Обзор существующих подходов к управлению риском банкротства предприятия
Выводы 29
Глава 2. Комплексный подход к управлению риском банкротства предприятия
2.1 Основные требования к системе управления риском 31
банкротства предприятия
2.2 Выбор методов отбора факторов, негативное влияние которых может привести к банкротству предприятия
2.3 Модели оценки показателей и определения уровня риска 42
2.4 Минимизация риска банкротства предприятия
2.5 Структура комплексного подхода к управлению риском 54 банкротства предприятия
2.6 Система поддержки принятия решений при управлении риском банкротства предприятия
Выводы 61
Глава 3. Математическое обеспечение комплексной системы управления риском банкротства предприятия
3.1 Отбор факторов риска банкротства предприятия на основе метода главных компонент
3.1.1 Метод главных компонент 63
3.1.2 Оценка влияния показателей финансово-хозяйственной деятельности предприятия на выручку от реализации продукции
3.1.2.1. Формирование выборки 66
3.1.2.2 Отбор показателей, оказывающих наибольшее влияние на выручку от реализации продукции
3.2 Оценка риска банкротства предприятия на основе нечетко-множественной модели
3.2.1 Содержание метода оценки риска банкротства предприятия
3.2.2 Прогнозирование временных рядов 78
3.2.2.1. Выбор типа кривых роста 79
3.2.2.2 Методы определения параметров отобранных кривых роста
3.3 Минимизация риска банкротства на основе метода анализа иерархий
3.3.1 Метод анализа иерархий 83
3.3.2 Рациональное распределение ресурсов в системах 86
Выводы 90
Глава 4. Тестирование и экспериментальная проверка 92
4.1 Пример применения комплексной системы управления риском 92
банкротства
4.1.1 Расчет показателей и оценка уровня риска банкротства
4.1.2 Построение прогнозных моделей показателей
4.1.3 Выбор метода минимизации риска банкротства предприятия
4.1.4 Оценка эффективности способов снижения риска банкротства предприятия с помощью метода морфологического синтеза
4.2 Дополнительные исследования применимости комплексной системы управления риском банкротства предприятия
Выводы 122
Заключение 125
Список использованных источников
- Обзор существующих подходов к управлению риском банкротства предприятия
- Выбор методов отбора факторов, негативное влияние которых может привести к банкротству предприятия
- Оценка влияния показателей финансово-хозяйственной деятельности предприятия на выручку от реализации продукции
- Выбор метода минимизации риска банкротства предприятия
Обзор существующих подходов к управлению риском банкротства предприятия
Горизонтальный анализ отчетности заключается в построении одной или нескольких аналитических таблиц, в которых абсолютные показатели дополняются относительными темпами роста (снижения). Степень агрегированности показателей определяется аналитиком. Как правило, берутся базисные темпы роста за ряд лет (смежных периодов), что позволяет анализировать не только изменение отдельных показателей, но и прогнозировать их значения [57].
В отношении вертикального анализа можно отметить, что однозначно интерпретировать текущую структуру средств представляется весьма затруднительным.
Рассматривать структуру средств предприятия относительно некоего единого норматива вряд ли разумно, так как специфика деятельности (даже в рамках одной отрасли при различии в технологических процессах) неизбежно должна накладывать отпечаток на структуру активов и обязательств.
Сравнение со среднеотраслевыми показателями (базы данных по которым в России к тому же централизованно не ведутся и не публикуются) может лишь показать, что показатели предприятия отклоняются от средних, не уточняя, положительна ли эта тенденция или нет.
Выбор в качестве эталона структуры средств динамично развивающегося конкурента также сталкивается с ограничениями, так как значительные деформации накладываются на представление об оптимальной структуре средств и степенью склонности собственников предприятия к риску.
Горизонтальный анализ представляется весьма ограниченным по следующим причинам: не имея дополнительных данных, невозможно однозначно интерпретировать рассматриваемые изменения (абсолютные и относительные); некоторые результирующие показатели обусловлены столь значительным числом факторов, в том числе и внешних, как экономических, так и политических, что прогнозировать их на основе анализа предшествующей динамики практически невозможно; оценивать рост эффективности, не имея данных о реальном состоянии организации, достаточно затруднительно; сам формат некоторых форм отчетности следует видоизменять, представляя все числовые данные в виде положительных чисел, так как горизонтальный анализ отрицательных числовых данных не нагляден и может вызывать затруднения в интерпретации [58].
Интегральные методики оценки финансового состояния предполагают синтезирование финансовых индикаторов с использованием: регрессионных моделей оценки вероятности банкротства; рейтинговых моделей; анализа нечетких множеств [46].
Регрессионные модели строятся по следующему принципу: сначала в результате качественного анализа выделяется к факторов (XIt Х2,..., X/J, влияющих, по мнению эксперта, на риск наступления банкротства Y, и строится чаще всего линейная регрессионная зависимость вида Y = А0 + Аг х X, + А2 х Х2 +... + Ak х Хк, где Aj — коэффициенты регрессии, і = 1,2, ...,к.
Значения коэффициентов регрессии (А0, At, А2,..., А]) определяются в результате математических вычислений.
Наиболее известными являются регрессионные модели зарубежных авторов Э. Альтмана [28-30], Лиса [59], Р. Таффлера [31], Дж. Спрингейта [33], Д. Фулмера [34] и д.р., а также российские - Г.В. Давыдовой и А.Ю. Беликова [37], О.П. Зайцевой [38], А.Н. Челышева [39], В.И. Макарьевой и Л.В. Андреевой [40], Р.С. Сайфуллина и Г.Г. Кадыкова [41] и др. К настоящему моменту разработано по разным оценкам от 100 до 200 статистических моделей подобного рода. Несмотря на большую популярность, регрессионные модели имеют ряд недостатков. Основным ограничением использования зарубежных моделей является их несоответствие российской действительности. Однако и по поводу «наших» моделей ведется много споров, в частности по поводу весовых коэффициентов полученных уравнений. Можно выделить ряд общих недостатков регрессионных моделей: 1) не учитывают влияние качественных факторов; 2) набор количественных показателей не всегда объективно отражает все стороны деятельности предприятия; 3) не учитываются особенности финансово-хозяйственной деятельности исследуемого предприятия.
Рейтинговые методы анализа позволяют подразделять организации по категориям финансовой надежности. Отличительной особенностью большинства рейтинговых моделей является наличие ряда компонентов, полученных экспертным путем или с помощью математических операций над данными отчетности. На основе данных компонентов вычисляется итоговый рейтинг, который считается адекватным отражением риска банкротства предприятия [60].
Модель рейтингового финансового анализа и оценки финансовой несостоятельности предприятия базируется на сравнении фактического финансового состояния с эталонным. Эталонное финансовое состояние характеризуется тем, что входящие в рейтинговую модель финансовые показатели имеют нормативные (рекомендуемые) значения. Эталонному состоянию соответствует значение рейтинговой оценки, равное R3 = 1. Наиболее известными работами в этом направлении являются методика Донцовой Л.В. и Никифоровой Н.А. [61], Савицкой Г.В. [62], Постюшкова А.В. [47] и др. Основными недостатками рейтинговых моделей являются трудность с выбором эталона и отсутствие учета индивидуальных особенностей предприятия.
Выбор методов отбора факторов, негативное влияние которых может привести к банкротству предприятия
Как было отмечено выше, существует достаточно большое количество различных моделей оценки риска банкротства как зарубежных, так и российских ученых. Рассмотрим и сравним основные из них с авторским методом, основанным на применении аппарата нечеткой логики.
Даная модель, носящая также название «Z-счет», была представлена Альтманом в 1968 году. Было исследовано 66 американских промышленных предприятий, 33 из которых официально были признаны банкротами. Группа действующих предприятий была выбрана случайным образом на основании двух критериев: отрасль и размер предприятия. В выборку были включены только крупные (размер активов составлял 1-25 миллионов долларов) промышленные предприятия. На основании финансового анализа, проведенного на выбранных предприятиях, Альтман выбрал 22 показателя финансовой отчетности наиболее чувствительных к вероятности банкротства. Эти показатели затем были отнесены к 5 категориям, характеризующим ликвидность, прибыльность, левереджированность фирмы (зависимость от заемного капитала), платежеспособность и деловую активность. Из каждой категории было выбрано по одному показателю, которые наиболее распространены в финансовой литературе и которые являются статистически значимыми. На основании этих показателей и с использованием ряда статистических допущений была записана следующая дискриминантная функция: Z = 0.717 К, + 0.847 К2 + 3.107 К3 + 0.42 К4 + 0.995 Ks, (2.1) где Ki — доля чистого оборотного капитала в активах, то есть отношение собственного оборотного капитала (разница между текущими активами и текущими пассивами) к общей сумме активов; Кг - рентабельность активов, исчисленная по нераспределенной прибыли, то есть отношение нераспределенной прибыли (чистая прибыль за вычетом дивидендов) прошлых лет и отчетного периода к общей сумме активов; К3 - рентабельность активов, исчисленная по балансовой прибыли, то есть отношение балансовой прибыли (до вычета налогов) к общей сумме активов; К4 - отношение балансовой стоимости собственного капитала к заемному капиталу (стоимость долгосрочных и краткосрочных заемных средств); Ks - отдача всех активов, то есть отношение выручки от реализации к общей сумме активов. Если Z 1,23 предприятие признается банкротом, при значении Z в диапазоне от 1,23 до 2,89 ситуация неопределенна, значение Z более 2,9 присуще стабильным и финансово устойчивым компаниям [74]. Модель Давыдовой-Беликова Первым российским опытом применения подхода Альтмана является сравнительно недавно разработанная модель Давыдовой-Беликова [37]: Z = 8.38 К, +1.0 К, + 0.054 К3 + 0.63 К4, (2.2) где Ki - оборотный капитал/сумма активов; Кг - чистая прибыль/собственный капитал; Кз - объем продаж/ сумма активов; К4 - чистая прибыль/себестоимость. При: Z 0 - вероятность банкротства максимальная (0.9 - 1), 0 Z 0.18 -вероятность банкротства высокая (0.6 - 0.8), 0.18 Z 0.32 - вероятность банкротства средняя (0.35-0.5), 0.32 Z 0.42 - вероятность банкротства низкая (0.15-0.20), Z 0.42 - вероятность банкротства незначительна (до 0.1). Модель Таффлера В 1977 г. британские ученые Р. Таффлер и Г. Тишоу апробировали подход Альтмана на основе данных 80 британских компаний и построили четырехфакторную прогнозную модель с отличающимся набором факторов. Данная модель рекомендуется для анализа как модель, учитывающая современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей, формула расчета имеет вид [31]: Z = 0,53-Xi + 0,13-Х2 + 0,18-Хз + 0,16-Х4, (2.3) где XI- прибыль от реализации / краткосрочные обязательства; Х2 - оборотные активы / сумма обязательств; ХЗ - краткосрочные обязательства / сумма активов; Х4- выручка от реализации / сумма активов. При Z 0,3 вероятность банкротства низкая, а при Z 0,2 высокая. Модель Фулмера В 1984 году американский ученый Д. Фулмер используя поэтапно дискриминантный анализ и на основе анализа 40 финансовых коэффициентов деятельности 60 предприятий (30 - банкротов и 30 не банкротов), определил регрессионное уравнение для диагностики риска банкротства. Девятифакторная модель Фулмера имеет следующий вид: Н= 5.528X1 + 0.212X2 + 0.073X3 + 1,27X4 - 0.12X5 + 2.33-Х6 + 0.575-Х7 + 1.083X3 + 0.899X5 - 6.075, где XI - нераспределенная прибыль прошлых лет/баланс;
Оценка влияния показателей финансово-хозяйственной деятельности предприятия на выручку от реализации продукции
Для решения задачи минимизации риска предлагается использовать метод анализа иерархий (МАИ). Метод разработан известным американским ученым Томасом Саати и подробно описан в [83]. Метод включает в себя несколько основных этапов [76, 83]. 1. Формулировка проблемы и постановка цели анализа. 2. Построение дерева иерархии проблемы начиная с вершины (цели), через промежуточные уровни (перечень критериев) к самому нижнему уровню (перечень альтернатив (сценариев)). 3. Построение множества матриц относительной важности для каждого элемента каждого уровня, кроме нижнего уровня альтернатив.
Для этого в иерархии выделяют элементы двух типов: элементы -«родители» и элементы - «потомки». Элементы - «потомки» воздействуют на соответствующие элементы вышестоящего уровня иерархии, являющиеся по отношению к первым элементами - «родителями». Матрицы парных сравнений строятся для всех элементов - «потомков» относящихся к соответствующему элементу - «родителю». Элементами - «родителями» могут являться элементы, принадлежащие любому иерархическому уровню, кроме последнего, на котором расположены, как правило, альтернативы. Парные сравнения проводятся в терминах доминирования одного элемента над другим. Полученные суждения выражаются в целых числах с учетом девятибалльной шкалы (табл. 3.10).
Варианты суждений при парных сравнениях:
1. Если элементы (Elt Е2, ..., Еп) могут быть оценены количественно по какому-либо параметру (вес, стоимость, время и т.д.), то их парное сравнение можно осуществить, сравнивая между собой количественные значения данного параметра для каждого элемента (е1у е2. «) Тогда в соответствующие клетки матриц заносятся отношения этих количественных значений.
2. Если значения (eh Є2, еп) неизвестны заранее, то парное сравнение элементов (/, Е2, ..., Еп) производится с использованием субъективных суждений, численно оцениваемых по шкале относительной важности (табл.3.8).
Относительная важность Определение Объяснения 1 Равная важность Равный вклад двух видов деятельности в цель 3 Умеренноепревосходство одного над другим Опыт и суждения дают легкое превосходство одному виду деятельности над другим 5 Существенное или сильное превосходство Опыт и суждения дают сильное превосходство одному виду деятельности над другим 7 Значительное превосходство Одному виду деятельности дается настолько сильное превосходство, что оно становится практически значительным 9 Очень сильное превосходство Очевидность превосходства одного вида деятельности над другим подтверждается наиболее сильно 2, 4, 6, 8 Промежуточные решения между двумя соседними суждениями Применяются в компромиссном случае Обратные величины приведен ных ранее чисел Если при сравнении одного вида деятельности с другим получено одно из ранее указанных чисел (например 3), то при сравнении второго вида деятельности с первым получим обратную величину (т.е. 1/3) Рассмотрим в общем виде пример формирования матрицы парных сравнений. Пусть Еь Ег, ..., Е„ - множество из п элементов (альтернатив) и Єї, ег, ...,еп- соответственно их веса, или интенсивности. Сравним попарно вес, или интенсивность, каждого элемента с весом, или интенсивностью, любого другого элемента множества по отношению к общему для них свойству или цели (по отношению к элементу - «родителю»). В этом случае матрица парных сравнений А имеет следующий вид (таблица 3.9): Таблица 3.9 - Матрица парных сравнений
Вычисление главного собственного вектора V положительной квадратной матрицы Е проводится на основании равенства (3.32):
Расчет вектора локальных приоритетов W. Соответствующие локальные приоритеты вычисляются из матрицы попарных сравнений путем нахождения собственного вектора матрицы, соответствующего максимальному собственному значению. Для этого необходимо разделить элементы каждого столбца на сумму элементов этого столбца (т.е. нормализовать столбец), затем сложить элементы каждой полученной строки и разделить эту сумму на число элементов строки. Это - процесс усреднения по нормализованным столбцам.
Определение согласованности локальных приоритетов. а) Для исследования уровня согласованности матрицы необходимо найти максимальное собственное число матрицы Ятах путем умножения суммы первого столбца на величину первой компоненты вектора локальных приоритетов, суммы второго столбца - на вторую компоненту и т.д., затем полученные числа суммируются: =1,( 1, ), (3.33) где Оу - элементы матрицы относительной важности; Wj - компоненты вектора локальных приоритетов матрицы; г, j — индексы строк и столбцов соответственно; п - число элементов в строках и столбцах матрицы. Чем ближе значение А,тах к п, тем выше согласованность матрицы. Ь) Расчет индекса согласованности (ИС). ИС в каждой матрице и для всей иерархии вычисляем приближенно: ИС = (Хтах-п)/(п-1), (3.34) где п - число сравниваемых элементов. Полученный ИС сравнивают с величиной, которая получилась бы при случайном выборе количественных суждений из шкалы 1/9, 1/8,..., 9 и формировании обратносимметричной матрицы. В таблице 3.10 приведены средние согласованности для случайных матриц разного порядка. Таблица 3.10 - Средние согласованности для случайных матриц различного порядка [83]
Выбор метода минимизации риска банкротства предприятия
Пусть по условию задачи требуется найти решения, имеющие максимальное значение удельной эффективности на единицу затрат и при этом удовлетворяющие ряду альтернативных условий: найти max Э/Рт при условии выполнения одного из ограничений: 1)Рт Ри 1=4;Рт2 Ри2=250; 2) min(PH - Рт ), Ри = 4, тіп(Ри 2- РТ2), Ри 2= 250.
Оптимальным решением, удовлетворяющим заданной целевой функции и первому ограничению, является единичная альтернатива А (привлечение долгосрочных кредитов и займов) со значениями Э/Рт1=0,24, Э/Рт =0,0048 и Рт1=1, Рт2=50. При этом остались неиспользованными 3 единицы первого ресурса и 200 единиц второго.
Также целевой функции и первому ограничению удовлетворяет парная комбинация альтернатив А12А31 (привлечение долгосрочных кредитов и займов и расширение рекламы) со значениями Э/Рт1=0,17, Э/Рт2=0,004 и Рт =2, Рт2=90.
Оптимальным решением, удовлетворяющим одновременно рассматриваемой целевой функции и второму ограничению, характеризующему максимальное использование имеющегося ресурса (Ри), является комбинация альтернатив А12А21А31 (привлечение долгосрочных кредитов и займов, улучшение качества продукции и расширение рекламы) со значениями Э/Рт =0,143, Э/Рт2=0,002 и Рт1=4, Рт2=240.
Для проверки применимости методов и моделей комплексной системы управления риском банкротства были произведены расчеты в соответствии с этапами управления риском приведенными выше на основе данных четырех предприятий, два из которых являются банкротами.
Для анализа были рассчитаны 10 показателей финансово-хозяйственной деятельности предприятия за 2010 - 2011 г.г. и первый квартал 2012г., отобранные на первом этапе с помощью метода главных компонент.
На основе полученных данных были построены прогнозные модели и вычислены прогнозные значения показателей на 1 квартал 2012.
Далее на основе фактических и прогнозных значений показателей за 1 квартал 2012 г. оценили степень риска банкротства предприятий и сравнили полученные результаты (таблица 4.34).
Результаты оценки степени риска банкротства предприятий на основе фактических и прогнозных значений показателей за 1 квартал 2012г. Наименование показателя ;;ОАО «Ижмашстанко»,:; г. Ижевск O-UJ «Ижевский!: \ машиностроительный заводі». г Ижевск ОАО «Машиностроительныйзавод»,г. Электросталь ЗАО«Сиб кабель»,г. Томск факт прогноз 137факт, nporur.V факт прогноз факт прогноз X! - коэффициент текущей ликвидности 0.123 шш .;o.?s7:V -. 0,4].. 3.000 3.15 2.98 2.83 х2 - коэффициент быстрой ликвидности 0.21 0.24 , ,0.0059 1.293 2.44 1.41 1.9 х3 - коэффициентабсолютнойликвидности о.оио? 0.0002 0.00016 - ,01Ю023, 0.394 0.444 0.00223 0.00198 Х4 — доля оборотных средств в активах 0.188 0.089 0.503 0.492 0.771 0.757 х} - коэффициент концентрации заемного капитала 1.783 ,ю 0.481 0.170 0.100 0.251 0.264 Хб - коэффициент долгосрочного привлечения заемных средств - 0.063..... х? - оборачиваемость собственногокапитала - 0.219 и IM.12 0.059 0.057 0.621 0.786 Хю - рентабельностьпродукции, % 0.563 0.03 o.oi 32.9 27.2 6.25 6.13 Обобщенная оценка степени риска 0.819 ! 0.843 0.7540.765 0.403 0.301 0.246 0.237 Лингвистическая интерпретация Высокий 1 Высокий і Приемлемый100% 100% „23% , - Высокий 77% 17,5% Низкий 23,5% Приемлемый76,5% Низкий 29,5% Приемлемый70,5% Низкий 77% Приемлемый23% Низкий 81,5% Приемлемый18,5% 121
Анализ таблицы 4.34 показывает: 1) результаты оценки степени риска банкротства с помощью матричного метода на основе прогнозных значений показателей финансово-хозяйственной деятельности предприятия практически совпадают с результатами оценки на основе фактических значений и при их классификации попадают в один и тот же интервал и имеют близкую степень оценочной уверенности; 2) результаты оценки степени риска банкротства подтверждают фактическое положение дел анализируемых предприятий на 1 квартал 2012, а именно: ОАО «Ижмашстанко» Решением Арбитражного суда Удмуртской Республики от 20.02.2012 года признано банкротом; ОАО «Ижевский машиностроительный завод» Решением Арбитражного суда Удмуртской Республики от 06.04.2012 г. признано банкротом; ОАО «Машиностроительный завод» г. Электросталь и ЗАО «Сибкабель» г. Томск действующие на сегодняшний день предприятия.
1. Использование для анализа и оценки степени риска банкротства 10 показателей, отобранных с помощью метода главных компонент, позволяет получить адекватные результаты, что подтверждается их соответствием действительному положению дел на анализируемых предприятиях.
2. Использование прогнозных моделей для расчета значений показателей на определенный момент в будущем позволяет довольно точно предсказывать развитие ситуации и определять прогнозную степень риска банкротства.
3. Использование матричного метода на этапе оценки риска банкротства предприятия дает возможность не просто классифицировать значение степени риска как низкое или высокое, но и оценить насколько процентов оно является низким или высоким, что дает более полное представление и способствует принятию правильного управленческого решения. Также матричный метод является наглядным и дает возможность проследить динамику изменения значений показателей.
4. В процессе принятия решения о возможном методе снижения риска банкротства эксперту (ЛПР) необходимо учесть и проанализировать большое количество информации. Представление решения этой задачи в виде иерархии позволяет наглядно представить и структурировать всю имеющуюся информацию.
Построение иерархии не всегда простой процесс, но однажды построенная она может быть легко модернизирована и использована в дальнейшем многократно.
Еще одним плюсом метода является его открытость. Рейтинги возможных решений получаются на основе «прозрачных» принципов. Поэтому они могут быть более убедительными, чем информация для поддержки принятия решения, полученная с помощью моделей типа «черного ящика».
В результате применения МАИ удалось провести анализ проблемы, собрать данные по проблеме, оценить противоречивость данных и минимизировать ее, а также оценить важность учета каждого решения и важность учета каждого фактора, влияющего на приоритеты решений.
В итоге мы не только решили задачу выбора способа минимизации риска банкротства, но и выбрали механизмы для его реализации, а также рассчитали эффективность планируемого управленческого решения.
5. Регулярное применение комплексной системы управления риском банкротства для мониторинга состояния предприятия позволит принимать управленческие решения своевременно, а не постфактум, что позволит снизить или избежать риска наступления банкротства.
