Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ СТРОИТЕЛЬНОЙ ОТРАСЛИ И ОТРАСЛИ СЕЛЬСКОГО ХОЗЯЙСТВА

https://doi.org/10.17747/2078-8886-2014-6-94-99

Полный текст:

Аннотация

На основе применения методов логит-регрессии построены модели прогнозирования банкротства для предприятий строительной отрасли и отрасли сельского хозяйства на основе показателей. учитываемых российским законодательством. Модели прогнозируют банкротство российских предприятий более чем на 80 %. По результатам исследования было выявлено, что такие показатели, как рентабельность активов, показатель отношения дебиторской задолженности к совокупным активам, обеспеченность собственными оборотными средствами, рентабельность затрат, ликвидность при мобилизации средств, являются универсальными при прогнозировании банкротства и оценке финансового состояния отраслей строительства и сельского хозяйства (данные показатели являются значимыми на 5 %-ном уровне значимости для обеих отраслей).

Для цитирования:


Федорова Е.А., Довженко С.Е. МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ СТРОИТЕЛЬНОЙ ОТРАСЛИ И ОТРАСЛИ СЕЛЬСКОГО ХОЗЯЙСТВА. Стратегические решения и риск-менеджмент. 2014;(6):94-99. https://doi.org/10.17747/2078-8886-2014-6-94-99

For citation:


Fedorova E.A., Dovzhenko S.E. THE MODEL OF BANKRUPTCY FORECASTING THE CONSTRUCTION INDUSTRY AND AGRICULTURE. Strategic decisions and risk management. 2014;(6):94-99. (In Russ.) https://doi.org/10.17747/2078-8886-2014-6-94-99

В странах с развитой экономической систе­мой законодательство о несостоятельности (банкротстве) является необходимым элементом механизма правового регулирования рыночных отношений. В настоящее время в экономике Рос­сии наблюдаются ухудшение инвестиционного климата, ужесточение кредитно-денежных отно­шений, спад промышленности, что, несомненно, приводит к несостоятельности хозяйствующих субъектов. Экономический кризис 2008 года по­казал, насколько уязвимы коммерческие орга­низации не только в России, но и во всем мире. Количество заявлений в арбитражные суды Рос­сийской Федерации о признании должников несо­стоятельными (банкротами) в 2012 году выросло на 20% по сравнению с кризисным 2008 годом - с 34367 до 40864 заявлений. В 2012 году по ре­шению арбитражного суда 14072 компании были признаны банкротами, что на 10% больше, чем в 2011 году. Статистика по делам о банкрот­стве (табл. 1) убедительно подтверждает, что се­годня необходима разработка модели прогнози­рования банкротства предприятий, учитывающей особенности российской экономики.

В 2010-2013 годах в Высший арбитражный суд РФ поступило 146413 заявлений о призна­нии должников несостоятельными (банкротами), принято к производству около 82,8% заявлений. Примечательно, что около 50% дел, по которым вводилось наблюдение, в том же году заверша­лись принятием решения о признании должника банкротом и открытии конкурсного производства. Из года в год оставались единичными случаи, ког­да в отношении должников вводилось финансо­вое оздоровление (всего 344 случая за че­тыре года, в среднем - 86 случаев в год, или 0,24%), внешнее управление вводилось в среднем по 905 делам (в среднем 2,56% от общего числа дел, по которым вводи­лось финансовое оздоровление, внешнее управление или открывалось конкурсное производство). На наш взгляд, подобная тенденция может свидетельствовать о том, что кризисное состояние, в котором на­ходились предприятия, было настолько глубоким, что выбраться из него пред­ставлялось невозможным, причем глубина кризиса, вероятно, во многом обусловлена отсутствием возможности его прогнозиро­вания.

 

Таблица 1

Статистика по делам о банкротстве

Параметр

2010

2011

2012

2013

Поступившие заявления о признании должников несостоятельными (банкротами)

40 243

33 385

40 864

31 921

Дела, по которым проводилась процедура: финансового оздоровления

91

94

92

67

внешнего управления

908

986

922

803

Решения о признании должника банкротом и об открытии конкурсного производства

16 009

12 794

14 072

13 144

Завершенные производства по делам о несостоятельности (банкротстве)

31 195

26 132

30 159

23 721

Количество дел, по которым ежегодно вводят­ся процедуры по восстановлению платежеспособ­ности, по сравнению с числом дел, по которым принимается решение об открытии конкурсного производства, очень мало. За 2010-2013 годы финансовое оздоровление и внешнее управление введены по 3963 делам, только 87 из них завер­шились удачно, то есть погашением задолженно­сти и удовлетворением требований кредиторов. За эти же четыре года арбитражные суды субъ­ектов РФ приняли 56 019 решений о признании должников банкротами и открытии конкурсного производства.

В мировой и отечественной экономической науке и в реальной практике используется множе­ство моделей оценки банкротства, построенных на различных принципах и методах. Эффектив­ность той или иной модели зависит не только от специфики, особенностей развития националь­ной системы рыночных отношений, разработан­ных правил и норм, регулирующих несостоятель­ность экономических субъектов, но и от набора инструментов, возможности раннего выявления признаков банкротства и умения выбрать наибо­лее эффективные инструменты.

В 1991 году страна переходит на рыночную экономику. В 1992 году на предприятие возло­жена вся мера ответственности за использова­ние находящихся в его распоряжении ресурсов (Федеральный закон 2002). В этих условиях стал значимым вопрос о финансовой устойчи­вости. В 1994 году правительство Российской Федерации приняло постановление, где была установлена система критериев, на основании которых предприятие должно признаваться бан­кротом (Постановление 1994). Данный акт обла­дал рядом недостатков и не учитывал всей специ­фики процедуры банкротства, его нельзя было уверенно использовать для оценки финансового состояния предприятия. Однако после утверждения правительством РФ новой системы анализа предприятий (Постановление 2003) принятое в 1994 году постановление утратило свою силу. В новом документе приводится десять различ­ных показателей, необходимых для оценки фи­нансового состояния предприятия, но отсутству­ют их рекомендуемые нормативные значения. Вывод о финансовом состоянии предприятия де­лает арбитражный управляющий на основе своих оценок. Базой для сравнения выступают значе­ния соответствующих коэффициентов за пред­шествующие периоды.

Помимо традиционного коэффициентного анализа, проводится анализ возможности (не­возможности) безубыточной деятельности долж­ника, анализируются внешние и внутренние условия функционирования, оценивается его по­ложение на товарных рынках. Такой подход по­зволяет арбитражному управляющему получать необходимую информацию и на ее основе делать объективные выводы о возможности или невоз­можности восстановления платежеспособности компаний-должников. Одним из преимуществ данной методики финансовой диагностики яв­ляется сочетание различных методических под­ходов (качественного и количественного, фор­мализованного и неформализованного). Если методика № 31 -р (Методические положения 1994) разрабатывалась для внутреннего пользо­вания Федерального управления по делам о не­состоятельности, а арбитражный управляющий использовал рекомендации по своему усмотре­нию, то действующая методика разработана для обязательного использования арбитражными управляющими.

 

Таблица 2

Список показателей из постановления Минэкономики РФ № 118

Финансовый показатель

Нормативное значение

Показатели ликвидности

 

Текущая ликвидность

1-2

Быстрая ликвидность

>1

Ликвидность при мобилизации средств

0,5-0,7

Показатели финансовой устойчивости

 

Соотношение заемных и собственных средств

<0,7

Обеспеченность собственными оборотными средствами

>0,1

Маневренность собственных оборотных средств

0,2-0,5

Интенсивность использования ресурсов

 

Рентабельность собственного капитала

>0

Рентабельность затрат

-

Показатели деловой активности

 

Оборачиваемость оборотного капитала

-

Оборачиваемость собственного капитала

-

Мы также будем анализировать 10 различных показателей для финансового анализа предприя­тий, в частности 6 нормативных значений показа­телей одной из наиболее распространенных мето­дик оценки финансового состояния предприятия (Приказ 1997). В со­ответствии с данным документом компания имеет неудовлетво­рительную структуру баланса и, как след­ствие, высокую веро­ятность банкротства, если значения финансовых показателей компании лежат вне обла­сти рекомендуемых значений.

В качестве эмпирической базы мы будем использовать базу компаний отраслей строи­тельства и сельского хозяйства. На их примере построим модели прогнозирования банкрот­ства. Для проверки прогностических способ­ностей существующих зарубежных и отече­ственных моделей из баз данных «СПАРК» и «Руслана» была получена финансовая отчет­ность 1965 российских предприятий. Анализ выборки представлен в табл. 3.

Признание должника банкротом сопрово­ждается открытием конкурсного производства, заканчивающегося ликвидацией предприятия, таким образом, в данном исследовании кри­терием отбора предприятий-банкротов яв­ляется введение конкурсного производства. Далее первоначальная выборка российских предприятий была разделена случайным об­разом на две подвыборки: тренировочную (обучающую) (90% наблюдений), на которой проводится построение модели, и контрольную (проверочную) (10% наблюдений), по которой оценивается точность прогнозирования постро­енной модели. Такое процентное разделение со­ответствует общей практике, принятой в совре­менной литературе.

Финансовые показатели, входящие в модели, были рассчитаны по всем предприятиям за год до банкротства. Путем сравнения вычисленного интегрального показателя с установленным по­роговым значением критерия по каждой зарубеж­ной и отечественной модели был сделан вывод о вероятности наступления банкротства предприятий. Расчет общей вероятности прогнозирования в разрезе известных отечественных и зарубежных моделей представлен в табл. 4 и 5.

 

Таблица 3

Анализ выборки

Качество

Сельское хозяйство

Строительство

Банкроты

107

85

Здоровые

917

856

Всего

1024

941

 

Таблица 4

Модели по показателям (Постановление 2003) (логит-модель)

Показатель

Строительство

Сельское хозяйство

Коэффициент

Ст. ошибка

Значимость

Коэффициент

Ст. ошибка

Значимость

Абсолютная ликвидность

0,260

0,111

0,020

 

 

 

Рентабельность активов

- 10,153

2,217

0,000

- 7,056

1,069

0,000

Степень платежеспособности по текущим обязательствам

0,697

0,266

0,009

Коэффициент автономии (финансовой независимости)

- 1,067

0,396

0,007

Показатель отношения дебиторской задолженности к совокупным активам

2,452

0,554

0,000

4,094

0,642

0,000

Обеспеченность собственными оборотными средствами

- 0,082

0,024

0,001

Константа

- 3,506

0,303

0,000

- 3,260

0,216

0,000

R2

0,396

0,418

Знач. (LR-статистика)

0,000

0,000

 

Таблица 5

Модели по показателям из Приказа Минэкономики РФ № 118 (логит-модель)

Показатель

Строительство

Сельское хозяйство

Коэфф.

Ст. ошибка

Знач.

Коэфф.

Ст. ошибка

Знач.

Оборачиваемость оборотных активов

-0,714

0,252

0,005

 

 

 

Обеспеченность собственными оборотными средствами

-0,363

0,152

0,017

-0,036

0,023

0,119

Маневренность собственных оборотных средств

0,278

0,097

0,004

Рентабельность затрат

-3,972

1,135

0,000

-4,351

0,733

0,000

Ликвидность при мобилизации средств

-1,881

0,690

0,006

-1,606

0,353

0,000

Константа

-1,524

0,344

0,000

-1,374

0,250

0,000

R2

0,357

0,417

Знач. (LR-статистика)

0,000

0,000

Таким образом, итоговые модели имеют сле­дующие формулы.

Постановление 2003

Строительство

FD1=0,26X1-10,15X2+0,69X3-1,07X4+2,45X5-3,51,

где X1 - абсолютная ликвидность; X2 - рента­бельность активов; X3 - степень платежеспособ­ности по текущим обязательствам; X4 - коэффи­циент автономии (финансовой независимости), X5 - показатель отношения дебиторской задол­женности к совокупным активам. Если FD1 боль­ше 0, то предприятие является банкротом, если меньше 0, то это здоровое предприятие.

Сельское хозяйство

FD2= -7,0IX1+4,09X2-0,08X3-3,26,

где X1 - рентабельность активов; X2 - пока­затель отношения дебиторской задолженности к совокупным активам; X3 - обеспеченность соб­ственными оборотными средствами. Если FD2 больше 0, то предприятие является банкротом, если меньше 0, то это здоровое предприятие.

Приказ 1997

Строительство

FD3=0,71X1-0,36X2+0,28X3-3,97X4-1,88X5-1,52,

где X1 - оборачиваемость оборотных активов; X2 - обеспеченность собственными оборотными средствами; X3 - маневренность собственных оборотных средств; X4 - рентабельность затрат; X5 - ликвидность при мобилизации средств.

Сельское хозяйство

FD4= –0,04X1–4,35X2–1,61X3–1,37

где X1 - обеспеченность собственными обо­ротными средствами; X2 - рентабельность затрат; X3 - ликвидность при мобилизации средств.

Данная функция означает: при Y > 0 компа­ния имеет высокую вероятность стать банкротом в течение следующего года, при Y < 0 на данный момент времени рассматриваемое предприятие можно отнести к финансово устойчивым.

Анализируя отрасль строительства и моде­ли на основе (Постановление 2003), стоит отме­тить, что в полученной модели на 5%-ном уров­не значимости оказались значимыми только 5 из 10 исходных показателей. В первую очередь, по анализу формулы модели можно отметить, что все знаки при показателях оказались ожида­емыми. В построенной модели «1» означает бан­кротство, «0» - предприятие здоровое. Соответ­ственно, чем выше значения любого из данных показателей, тем ниже вероятность банкротства. Положительный знак при коэффициенте степени платежеспособности по текущим обязательствам объясняется тем, что данный показатель рассчи­тывается как отношение краткосрочных обяза­тельств к среднемесячной выручке. Чем выше его значение, тем выше закредитованность и, соот­ветственно, выше вероятность банкротства пред­приятия. Вместе с тем показатель отношения де­биторской задолженности к совокупным активам также имеет положительный знак при коэффици­енте (см. табл. 4). Этот показатель характеризует, какая величина денежных и иных финансовых средств компании отвлечена из оборота в пользу третьих лиц. Значение показателя 0,4 и более яв­ляется нежелательным. Средняя прогнозная сила модели составила 81,6%.

 

Таблица 6

Сравнительная характеристика прогностических способностей моделей для отрасли строительства

Модель

Качество классификации, %

Общая прогнозная сила, %

здоровых

банкротов

Альтман (Altman1968)

61,1

82,6

71,9

Фулмер (Fulmer J., Moon J., Gavin T. et al.1984)

77,5

67,3

72,4

Спрингейт (Springate1978)

22,4

97,6

60,0

Таффлер (Taffler, Tisshaw 1977)

42,7

89,7

66,2

Змиевский (Zmijewski 1984)

33,2

83,4

58,3

Сайфуллин (Минаев, Панагушин 1998)

27,9

75,4

51,7

Зайцева (Зайцева 1998)

28,1

79,2

53,7

Иркутский университет (Давыдова, Беликов 1999)

68,5

57,9

63,2

Модель на основе (Постановление 2003)

87,3

75,9

81,6

Модель на основе (Приказ 1997)

81,7

79,3

80,5

 

Таблица 7

Сравнительная характеристика прогностических способностей моделей для отрасли сельского хозяйства

Модель

Качество классификации , %

Общая прогнозная сила, %

здоровых

банкротов

Альтман (Altman1968)

62,5

77,1

69,8

Фулмер(Ти1тег J., Moon J., Gavin T. et al. 1984)

55,4

75,2

65,3

Спрингейт (Springate1978)

33,4

97,8

65,6

Таффлер (Taffler, Tisshaw 1977)

60,0

94,2

77,1

Змиевский (Zmijewski 1984)

44,5

89,7

67,1

Сайфуллин (Минаев, Панагушин 1998)

45,4

79,8

62,6

Зайцева (Зайцева 1998)

86,3

30,8

58,6

Иркутский университет (Давыдова, Беликов 1999)

79,2

72,1

75,7

Модель на основе (Постановление 2003)

88,6

80,6

84,6

Модель на основе (Приказ 1997)

92,1

72,8

82,4

Наша модель в целом является значимой, по­скольку значение вероятности для LR-статистики равно 0,00. Значение коэффициента R2McF равно 0,396, что свидетельствует о наличии средней связи между объясняющими переменными и за­висимой переменной и характеризует построен­ную модель как адекватную.

В модели отрасли сельского хозяйства значи­мыми оказались только 3 из 10 рекомендуемых показателей. Все знаки при показателях оказа­лись ожидаемыми. Отрицательный знак при ко­эффициенте обеспеченности собственными оборотными средствами можно объяснить тем, что наличие у предприятия достаточного объема собственных оборотных средств (собственного оборотного капитала) является одним из главных условий его финансовой устойчивости. При уве­личении значения данного показателя снижает­ся вероятность его банкротства. Модель в целом является значимой, поскольку значение вероят­ности для LR-статистики равно 0,00. Коэффи­циент R2McF равен 0,418, что свидетельствует о наличии средней связи между объясняющими переменными и зависимой переменной и харак­теризует построенную модель как адекватную. Средняя прогнозная сила модели составила 84,6%. 

В табл. 6 и 7 представлены расчеты на примере отрасли строительства и отрасли сельского хозяй­ства. Анализируя отрасль строительства и модели на основе (Постановление 2003), стоит отметить, что в полученной модели на 5%-ном уровне значи­мости оказались значимыми также только 5 из 10 исходных показателей. В модели сельского хозяй­ства значимыми являются только 3 из 10 показате­лей. Полученные модели являются значимыми, по­скольку значение вероятности для LR-статистики равно 0,00. Значение коэффициента R2McF равно 0,357 и 0,417 соответственно для строительства и сельского хозяйства, что характеризует постро­енные модели как адекватные. Средняя прогнозная сила моделей составила 80,5 и 82,4%.

Таким образом, во-первых, по результатам по­строенных моделей очевидна некоторая специфи­ка. В моделях отрасли сельского хозяйства значи­мыми в обоих случаях являются только 3 из 10 рекомендуемых для оценки финансового состоя­ния, в моделях строительства - только 5. Можно сделать вывод о необходимости спецификации списка показателей и формировании показате­лей, способных более основательно оценивать финансовое состояние компаний в строительстве, а тем более в сельском хозяйстве.

Во-вторых, стоит отметить, что рентабель­ность активов, показатель отношения дебитор­ской задолженности к совокупным активам, обеспеченность собственными оборотными средствами, рентабельность затрат, ликвидность при мобилизации средств являются универсаль­ными при прогнозировании банкротства и оценке финансового состояния отраслей строительства и сельского хозяйства (данные показатели явля­ются значимыми на 5%-ном уровне значимости для обеих отраслей).

В-третьих, средняя прогнозная сила моделей составила 83,1% (Постановление 2003) и 81,5% (Приказ 1997). Кроме того, данные модели по­казывают значительно более высокие результаты классификации по сравнению с классическими западными и отечественными моделями про­гнозирования банкротства. Построенные модели также можно использовать для экспресс-диагно­стики банкротства предприятия.

На основании полученных результатов можно рекомендовать компаниям использовать модель для текущего финансового анализа, прогнозиро­вания риска банкротства и принятия эффектив­ных управленческих решений. Так как модель не учитывает качественные данные внешней и внутренней среды компании, для всестороннего анализа следует применять ее вместе с методом экспертных оценок. Кроме того, модель может быть использована банками и кредитными орга­низациями при анализе кредитоспособности за­емщика.

Об авторах

Е. А. Федорова
ФГБОУ ВПО «Финансовый университет при Правительстве Российской Федерации»
Россия

Доктор экон. наук, профессор кафедры «Финансовый менеджмент» ФГБОУ ВПО «Финансовый университет при Правительстве Российской Федерации». Область научных интересов: экономико-математические методы в финансах.

E-mail: ecolena@mail.ru



С. Е. Довженко
ФГБОУ ВПО «Санкт-Петербургский государственный университет»
Россия

Аспирант кафедры экономической кибернетики экономического факультета ФГБОУ ВПО «Санкт-Петербургский государственный университет». Область научных интересов: экономико-математические методы в финансах.

E-mail: serg.dovzhenko@gmail.com



Список литературы

1. Altman E. I. (1968) Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. N 23. P. 589–609.

2. Fulmer J., Moon J., Gavin T. et al. (1984) A Bankruptcy Classification Model For Small Firms // Journal of Commercial Bank Lending. July. P. 25–37.

3. Springate G. L. V. (1978) Predicting the Possibility of Failure in a Canadian Firm: Unpublished M. B. A. Research Project / Simon Fraser University. Jan.

4. Taffler R. J., Tisshaw H. J. (1977) Going, Going, Gone, Four Factors Which Predict // Accountancy. № 88 (1003). P. 50–52, 54.

5. Zmijewski M. E. (1984) Methodological issues related to the estimation of financial distress prediction models // Journal of Accounting Research (Suppl.). N 22. P. 59–82.

6. Давыдова Г. В., Беликов А. Ю. (1999) Методика количественной оценки риска банкротства предприятий // Управление риском. № 3. С. 13–20.

7. Зайцева О. П. (1998) Антикризисный менеджмент в российской фирме // Аваль (Сибирская финансовая школа). № 11–12.

8. Методические положения по оценке финансового состояния предприятий и установлению неудовлетворительной структуры баланса, утверждены распоряжением Федерального управления по делам о несостоятельности (банкротстве) от 12.08.94 № 31‑р // Консультант Плюс. URL: http://base.consultant.ru / cons / cgi / online.cgi?base=LAW&n=16449&req=doc.

9. Минаев Э. С., Панагушин В. П. (1998) Антикризисное управление: Учеб. пос. для техн. вузов. М.: Приор. 432 с.

10. Постановление Правительства РФ от 20.05.1994 № 498 (ред. от 03.10.2002) «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий» // Консультант Плюс. URL: http://www.consultant.ru / document / cons_doc_LAW_39034 / .

11. Постановление Правительства РФ от 25.06.2003 г. № 367 «Об утверждении правил проведения арбитражным управляющим финансового анализа» // Консультант Плюс. URL: http://base.consultant.ru / cons / cgi / online.cgi?req=doc;base=LAW;n=42901;div=LAW;dst=100003, – 1; rnd=0.6704683754411786.

12. Приказ Минэкономики РФ от 01.10.1997 № 118 «Об утверждении Методических рекомендаций по реформе предприятий (организаций)» (01 октября 1997 г.) // Консультант Плюс. URL: http://www.consultant.ru / document / cons_doc_LAW_16859 / .

13. Федеральный закон «О несостоятельности (банкротстве)» от 26.10.2002 № 127‑ФЗ // Консультант Плюс. URL: www.consultant.ru / popular / bankrupt / .


Для цитирования:


Федорова Е.А., Довженко С.Е. МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ СТРОИТЕЛЬНОЙ ОТРАСЛИ И ОТРАСЛИ СЕЛЬСКОГО ХОЗЯЙСТВА. Стратегические решения и риск-менеджмент. 2014;(6):94-99. https://doi.org/10.17747/2078-8886-2014-6-94-99

For citation:


Fedorova E.A., Dovzhenko S.E. THE MODEL OF BANKRUPTCY FORECASTING THE CONSTRUCTION INDUSTRY AND AGRICULTURE. Strategic decisions and risk management. 2014;(6):94-99. (In Russ.) https://doi.org/10.17747/2078-8886-2014-6-94-99

Просмотров: 1844


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)