Сравнительный анализ моделей прогнозирования банкротства компаний по данным национальной и международной отчетности

В работе проведено исследованиеэкономико-математических методов прогнозирования банкротства компаний, которые предусматривают использование для формирования прогноза показателей, полученных на основе анализа статистических данных, предикативных моделей, дискриминантного анализа. Данная группа методов состоит из методов экстраполяции трендов, методов регрессионного анализа, методов экономико-математического программирования.

Методические подходы, касающиеся прогнозирования банкротства, включают в себя несколько (отдвух до девяти) ключевых показателей, характеризующих финансовое состояние предприятия. Как правило, на их основе в большинстве методик рассчитывается комплексный показатель вероятности банкротства. В настоящее время наиболее распространенными выступают прогнозные модели, основанные на множественном дискриминантном анализе (МДА), в которых используются определенные комбинации относительных показателей (факторов), оценивающих особенности платежеспособности компании, риск ликвидности и прочие характеристики, являющиеся индикаторами состояния банкротства. [1-4]

Следует отметить, что из множества используемых в российской практике методик, практически невозможно выделить те из них, которые надежно могли бы прогнозировать состояние банкротства. Более того, методики, разработанные российскими специалистами, тоже ненадежны и могут более или менее нормально прогнозировать банкротство только тех компаний, на анализе показателей которых они были разработаны.Причиной сложившейся ситуации является переходной характер российской экономики, характеризующийся процессом становления рыночных отношений. До тех пор, пока не сложатся нормальные рыночные отношения, и компании будут работать в нормальных конкурентных условиях, разработка и практическое применение универсальных экономико-математических методов прогнозирования банкротства будет являться мало эффективным процессом. Однако, в данной ситуации имеет смысл формировать индивидуальные методики для компаний, проводить анализ статистических показателей и подбирать факторы для мониторинга платежеспособности и прогноза банкротства.Исходя из сложившейся ситуации, был проведен анализ ряда наиболее широко использованных в настоящее время методов прогнозирования банкротства компаний с целью выделения наиболее часто используемых в них относительных показателей (факторов), характеризующих процесс банкротства, и исследования особенностей использования в моделях данных национальной (РСБУ) и международной (МСФО) финансовой отчетности.

Исследование проведено на примере прогнозирования банкротства одного из российских трубопрокатных заводов по годовой отчетности РСБУ и МСФО за 2010 год.Было использовано 18 моделей прогнозирования банкротства: двухфакторная модель Альтмана; двухфакторная модель Альтмана (в российском варианте); пятифакторная модель Альтмана; пятифакторная модель Альтмана модифицированная; критерий Альтмана; Модель Лиса; модель Фулмера; модель Спрингейта; модель Таффлера и Г. Тишоу; модель скоринга Д. Дюрана; метод credit-men Ж. Депаляна; модель Ж. Конана и М. Голдера; модель Лего; модель Бивера; модель Дж. А. Олсона;метод интегральной оценки «коэффициент финансирования трудноликвидных активов»; модель Дж.Блисса; метод Париж-Дафин. [3, 5-7].

Наиболее распространенными моделями являются прогнозные модели, основанные на множественном дискриминантном анализе (МДА). Ранее проведенные исследования показали, что определенные комбинации относительных показателей имеют высокую способность характеризовать вероятность быстрого банкротства того или другого предприятия. [5-7]В общем виде дискриминантная функция имеет следующий общий вид:

где    ао и ai –– некоторые параметры (коэффициенты регрессии), весовые коэффициенты;

fi–– факторы, характеризующие финансовое состояние компании.

Для применения МДА необходима достаточно репрезентативная выборка предприятий, дифференцированных по отраслям, размерам предприятия и пр.При этом для расчета коэффициентов регрессии необходимо внутри отрасли найти достаточное количество обанкротившихся компаний.Все это усложняет процесс разработки моделей прогнозирования банкротсва.

Самой простой, но и наименее точной, моделью прогнозирования банкротства являетсядвухфакторная модель Альтмана.Она основывается на двух ключевых показателях: текущей ликвидности (характеризует ликвидность) и доле заемных средств в общей сумме источников, от которых зависит вероятность банкротства предприятия (характеризует финансовую устойчивость). Эти показатели умножаются на весовые значения коэффициентов, найденные эмпирическим путем, а результаты суммируются с постоянной величиной, также полученной статистическим способом. Общая  формула расчета вероятности банкротства имеет следующий вид:

Z= – 0,3877 – 1,0736*Кп + 0,0579*Ккзк.

Где Z –– надежность, степень отдаленности от банкротства;
Кп –– коэффициент покрытия (текущей ликвидности), определяемый какотношение текущих активов к текущим обязательствам;
Ккзк –– коэффициент концентрации заемного капитала, определяемый как отношение заемных средств к общей величине пассивов.

Подобный вид имеют все остальные модели, использованные в данном исследовании, кроме: модели скоринга Д. Дюрана; модели Бивера; метода интегральной оценки «коэффициента финансирования трудноликвидных активов»

Результаты прогнозирования состояния банкротства трубопрокатного завода на основе выбранных 18 моделях и по данным отчетности РСБУ и МСФО приведены в таблице.

Таблица 1. Результаты прогнозирования состояния банкротства трубопрокатного завода по данным РСБУ и МСФО за 2010 год

Всего в 18 моделях использовано 74 фактора, по которым прогнозировалось возникновение кризисной ситуации на предприятии. Из этих факторов 20 повторялись с разной частотой:

  • в семи моделях используется показатель степени ликвидности активов, который определяется как часть собственных оборотных средств в активах предприятия;
  • в четырех моделях используется показатель выручки от реализации в общем объеме активов;
  • в трех моделях используется коэффициент концентрации заемного капитала;
  • в трех моделях используется показатель отношения прибыли до уплаты налогов и процентов в общем объеме активов;
  • в трех моделях используется показатель рентабельности совокупного капитала.

Таким образом, отбрасывая повторяющиеся факторы из общего набора семидесяти четырех факторов, остается 44, по которым в дальнейшем можно провести стохастический факторный анализ. Для проведения данного анализа необходимо получить оценку прогноза банкротства по анализируемой компании за несколько временных периодов (чем больше временных точек, тем точнее будет результат). Факторный анализ позволяет «свернуть» большой набор факторов до трех-четырех, по которым в дальнейшем можно проводить мониторинг возникновения кризисной ситуации предприятия заранее, ещё до появления очевидных признаков банкротства. Следует еще раз отметить, что полученные результаты позволят получать качественные результаты только для данной компании и, возможно, для компаний данной отраслевой принадлежности.

Что касается использования данных из различной финансовой отчетности, то, учитывая особенности формирования отчетностей РСБУ и МСФО, можно предположить, что возможны расхождения в результативном показателе прогноза банкротства. Но, поскольку в оценочных моделях используются относительные показатели,  расхождения в результативном показателе должны быть незначительными. Отчетность РСБУ выполняетсянаправлена на налоговые службы и использует данные, оцененные в «историческом» плане, а отчетность МСФО нацелена на инвесторов и кредиторов и использует данные, переведенные в рыночные показатели на момент составления отчетности.

Сравнительный анализ по восемнадцати моделям оценки банкротства показал, что имеется несовпадение результатов по РСБУ и МСФО только в четырех моделях. Восемь моделей оценивают прогноз банкротства как высокий, пять – как низкий, а одна – как средний. Большее смещение в сторону высокого риска банкротства имеем по данным МСФО.Если сравнивать полученные результаты с интегральной оценкой угрозы банкротства, то есть, с “коэффициентом финансирования трудноликвидных активов”, которая является наиболее используемый в зарубежной практике финансового менеджмента, то можно сделать вывод, что, на анализируемом трубопрокатном заводе в 2010 году вероятность банкротства высокая.Данная модель определяет в какой мере активы (сумма всех внеоборотных активов и оборотных активов в форме запасов товаро-материальных ценностей) финансируются собственными и заемными средствами (заемные средства при этом подразделяются на кредиты долго- и краткосрочного привлечения). Полученный для данного предприятия результат объясняется тем, что общая сумма денежных активов, краткосрочных финансовых вложений и дебиторской задолженности предприятия, не позволяет удовлетворить его обязательства по текущей кредиторской задолженности по товарным операциям и внутренним расчетам (не учитывая необходимости возврата банковских ссуд).

Проведенный анализ позволил сопоставить используемые в моделях банкротства компаний различные относительные показатели, а также особенности использования в моделях данных национальной и международной отчетности. Подобный анализ рекомендуется проводить с целью определения индивидуальных показателей для мониторинга процессов возникновения кризисной ситуации на предприятии.

Автор:
Сизых Дмитрий Сергеевич
Кандидат технических наук, научный сотрудник ИПУРАН

Статья из журнала “Управление экономическими системами” №1 (2012)

Литература:

  1. Донцова Л.В.Никифорова Н.А Анализ финансовой отчетности: Учебник. 3-е изд., перераб. и доп. М.: Дело и Сервис, 2005. -358 с.
  2. Ковалев В.В., Волкова О.Н.  Анализ хозяйственной деятельности предприятия: Учеб. -М.: ТК Велби, Изд-во Проспект, 2007. -424 с.
  3. Колышкин А. Новые подходы к оценке вероятности банкротства. — http://www.vmgroup.ru.
  4. Сизых Д.С. Метод оценки финансовых рисков с использованием динамических показателей // Теория и практика общественного развития [Электронный ресурс]. 2012. № 2.  http://www.teoria-practica.ru/-2-2012/economics/sizykh.pdf
  5. Eidleman, Gregory J. (1995-02-01). “Z-Scores – A Guide to Failure Prediction”. The CPA JournalOnline.
  6. Altman, Edward I. (July, 2000). “”Predicting Financial Distress of Companies””. Retrieved on September 4th, 2009 fromhttp://pages.stern.nyu.edu/~ealtman/Zscores.pdf: 15–22.
  7. Altman, Edward I. (May, 2002). “”Revisiting Credit Scoring Models in a Basel II Environment””Prepared for “Credit Rating: Methodologies, Rationale, and Default Risk”, London Risk Books 2002.
Оцените статью
Adblock
detector