Отраслевые особенности применения моделей прогнозирования банкротства предприятия
https://doi.org/10.17747/2078-8886-2018-1-64-71
摘要
Исследование предпринято для совершенствования методологии прогнозирования банкротства путем уточнения нормативных значений существующих моделей с учетом отраслевой принадлежности компаний и для разработки авторской модели прогнозирования банкротства. Прежде всего, оценена точность прогноза для компаний 8 отраслей по действующим нормативам моделей прогнозирования банкротства. Применение методологии CART (Classification And Regression Tree) позволило уточнить оригинальные нормативные значения и предложить новые индивидуальные границы оценки для каждой отрасли. Рассчитанные значения продемонстрировали высокую прогностическую способность и позволили сбалансировать показатели точности прогнозирования для компаний-банкротов и финансово устойчивых организаций. Из общей совокупности финансовых показателей, используемых в различных моделях, были отобраны коэффициенты, обладающие максимальной значимостью для прогнозирования банкротства. На их основе была разработана новая модель, демонстрирующая высокую точность результатов на заданной выборке, и нормативы ее оценки для компаний различных отраслей. Практическое применение предлагаемых разработок позволит повысить эффективность и достоверность прогнозирования банкротства, позволит своевременно скорректировать финансовое состояние компаний, которым грозит банкротство.
关于作者
Е. Федорова
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
俄罗斯联邦
俄罗斯联邦
Л. Хрустова
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
俄罗斯联邦
俄罗斯联邦
Д. Чекризов
АО «ГлобалТел»
俄罗斯联邦
俄罗斯联邦
参考
1. Илышева Н. Н., Ким Н. В. (2007) Математическая модель определения нормативов финансовых показателей //Финансы и кредит. N 31 (271). C. 80–87.
2. Федорова Е. А., Довженко С. Е., Федоров Ф. Ю. (2016) Модели прогнозирования банкротства российских предприятий: отраслевые особенности // Проблемы прогнозирования. № 3. С. 32–40.
3. Шеремет А. Д. Методика финансового анализа: учеб. пособие / А. Д. Шеремет, Р. С. Сайфулин. М.: Инфра-М, 2004. 208 с.
4. Altman E. I. (1968) Financial ratios, discriminant analysis and the prediction of corporate bankruptcy // The Journal of Finance.Vol. 4. P. 589–609.
5. Bandyopadhyay A. (2006) Predicting probability of default of Indian corporate bonds: logistic and Z-score model approaches //The Journal of Risk Finance. Vol. 7, N3. P. 255–272.
6. Bauer J., Agarwal V. (2014) Are hazard models superior to traditional bankruptcy prediction approaches?
7. A comprehensive test //Journal of Banking & Finance. Vol. 40. P. 432–442.
8. Brîndescu-Olariu D. (2017) Bankruptcy prediction logit model developed on Romanian paired sample //Theoretical & Applied Economics.Vol. 24, N 1. P. 5–22.
9. Chesser D. L. (1974) Predicting loan noncompliance // The Journal of Commercial Bank Lending. August. P. 28–38.
10. Chiaramonte L., Casu B. (2017) Capital and liquidity ratios and financial distress. Evidence from the European banking industry //The British Accounting Review.Vol. 49, N 2. P. 138–161.
11. Galvão R. K. H., Becerra V. M., Abou-Seada M. (2004) Ratio selection for classification models //Data Mining and Knowledge Discovery. Vol. 8, N 2. P. 151–170.
12. Hung C., Chen J. H. (2009) A selective ensemble based on expected probabilities for bankruptcy prediction // Expert systems with applications. Vol. 36, N 3. P. 5297–5303.
13. Korol T. (2013) Early warning models against bankruptcy risk for Central European and Latin American enterprises //Economic Modelling. Vol. 31. P. 22–30.
14. Li M. Y. L., Miu P. (2010) A hybrid bankruptcy prediction model with dynamic loadings on accounting-ratio-based and market-based information: A binary quantile regression approach //Journal of Empirical Finance. Vol. 17, N 4. P. 818–833.
15. Lieu P. T., Lin C. W., Yu H. F. (2008) Financial early-warning models on cross-holding groups //Industrial Management & Data Systems. Vol. 108, N 8. P. 1060–1080.
16. Lin F., Liang D., Yeh C. C. et al. (2014) Novel feature selection methods to financial distress prediction //Expert Systems with Applications. Vol. 41, N 5. P. 2472–2483.
17. Nam J. H., Jinn T. (2000) Bankruptcy prediction: Evidence from Korean listed companies during the IMF crisis //Journal of International Financial Management & Accounting.Vol. 11, N 3. P. 178–197.
18. Sayari N., Mugan C. S. (2017) Industry specific financial distress modeling //BRQ Business Research Quarterly. Vol. 20, N 1. P. 45–62.
19. Šorins R., Voronova I. (1998) Uzņēmuma maksātnespējas novērtējums //Ekonomiskās problēmas uzņēmējdarbībā. N 3. P. 125–131.
20. Taffler R. J. Empirical models for the monitoring of UK corporations //Journal of Banking & Finance. 1984. Vol. 8, N 2. P. 199–227.
21. Taffler R. J., Tisshaw H. (1977) Going, Going, Gone – Four Factors which Predict // Accountancy.Vol. 3. P. 50–54.
22. Tian S., Yu Y., Guo H. (2015) Variable selection and corporate bankruptcy forecasts //Journal of Banking & Finance. Vol. 52. P. 89–100.
23. Zmijewski M. E. (1984) Methodological issues related to the estimation of financial distress prediction models //Journal of Accounting research. Vol. 22. P. 59–82.
评论
供引用:
Fedorova E.A., Khrustova L.E., Chekrizov D.V. Industry characteristic of bankruptcy prediction models appliance. Strategic decisions and risk management. 2018;(1):64-71. https://doi.org/10.17747/2078-8886-2018-1-64-71
浏览:
4655
Email this article 