Теоретические основы и методология построения систем контроллинга процессов управления промышленными предприятиями, страница 6

диагностировала быкритическое состояние субъекта в рамках системы раннего предупрежденияо возможном банкротстве. Основной целью подобных моделей являетсявыработка первичных рекомендаций, т.к. окончательное суждение выноситсяпосле тщательного анализа отдельных подозрительных субъектов. Этомумогут служить модели вероятности дефолта, а также рассматриваемые вработе модели рейтингов.Методология построения моделей имеет несколько составляющих,среди которых особо следует выделить проблемы формирования системыданных и сопровождения моделей, включая верификацию.

Сформированытребования к данным, их организации в информационных хранилищах.Поскольку рейтинг является качественной порядковой переменной,то естественно использовать модели множественного выбора. Для kупорядоченных альтернатив (в рассматриваемом случае – рейтингов,отображенных в набор упорядоченных целых чисел) вероятности того, чтосубъект номер t (например, предприятие или организация), имеющий наборпараметров xt’ (характеризующих его финансовые индикаторы имакроэкономические показатели) будет отнесен к одному из классов1, 2, …, k, равны соответственно:⎧ P ( yt⎪ P( yt⎪⎪⎨⎪ P( yt⎪⎪⎩ P ( yt= 1) = F ( c1 − xt ' β ),= 2) = F ( c2 − xt ' β ) − F ( c1 − xt ' β ),LLL= k − 1) = F ( ck −1 − xt ' β ) − F ( ck −2 − xt ' β ),= k ) = 1 − F ( ck −1 − xt ' β ).(2)Функция F является функцией распределения стандартнойнормальной случайной величины (модели Probit) или логистическойфункцией (модели Logit).

Параметрами модели, которые оцениваются повыборке согласно методу максимального правдоподобия, являются векторкоэффициентов β и вектор пороговых значений c=(c1, c2, …, ck-1). После того,20ˆкак получены оценки искомых параметров β иĉ ,можно по формулам (2)Pˆjотнесения объекта срассчитать прогнозные значения вероятностей’набором значений параметров xt к каждому из классов j=1,…,k. Далее будетестественным отнесение объекта к классу j, для которого значениеявляется наибольшим.PˆjˆИмея указанные выше оценки коэффициентов β модели, можнооценить прогнозный рейтинг j конкретного субъекта t, если присутствуют всеˆиндикаторы из набора xt’. Именно скалярное произведение xt ' β определяетупорядочение, причем большему значению скалярного произведениясоответствует более высокий уровень рейтинга (в силу монотонностиотображения на рейтинговую шкалу), т.е.

меньшее значение приотображении в числовую шкалу.В качестве меры адекватности эконометрических моделей в работезадействованы статистический критерий Pseudo-R2 и выборочныевероятности правильности прогнозирования Δ = Rмод – Rфакт модельного Rмодрейтинга по сравнению с фактическим Rфакт.В моделях рейтингов преимущественно использованы относительныеиндикаторы, в знаменателе которых находятся показатели, характеризующиеразмерсубъекта(капитал,активы).Объясняющиепеременные,определяющие размер субъекта, используется в логарифмическом масштабе.При использовании модели множественного выбора осуществляетсяпреобразование буквенной нотации рейтингов в упорядоченную числовуюшкалу, при которой наименьшее значение указывает на компанию,занимающую наивысшую позицию в рейтинге.С практической точки зрения важно, что при расчете модельныхрейтингов использовалась только открытая информация.

В этом случаеможно вычислить рейтинг, пользуясь приведенными выше моделями идоступной финансовой информацией о субъекте. Таким образом, векторныйрейтинг, расчет которого не требует больших материальных затрат, можетприменяться в системах ранней диагностики.Рейтинги предприятий все еще недостаточно распространены, а ихотчетность недостаточно прозрачна. В то же время крупным предприятиямжелательно иметь возможность оценки контрагентов, в том числе, и банков.В этой связи в работе рассматриваются модели рейтингов банков. В качествеобъясняющих переменных для эконометрического анализа рейтингов взятыпоказатели финансовой деятельности, а рейтинг субъекта представляет собойзависимую переменную в модели множественного выбора.

Рейтинговаяшкала отображается в целочисленную шкалу, причем наименьшему числусоответствует наивысшая группа надежности. В модели (1) отрицательный(положительный) коэффициент перед конкретным показателем означает, чтоувеличение этого показателя повышает (понижает) рейтинг субъекта.21Среди российских агентств наилучшие модели были получены дляИА «Мобиле» и ИЦ «Рейтинг». В число объясняющих переменных впостроенных моделях использовались капитал, чистые активы, показателинадежности (достаточность капитала или соответствующие ему прокси),показатели ликвидности, уровень кредитования экономики, уровеньпросроченной задолженности и др. Для большинства параметровзависимость надежности банка от значения параметра U-образная.

В целяхповышения устойчивости моделей предложены переход к логарифмическомумасштабу для переменных, характеризующих размеры банка; включение всостав переменных макропоказателей, а также использование порядковыхшкал объясняющих переменных, что позволило улучшить качество базовоймодели (точное предсказание на уровне до 70%).Дляпостроенияэконометрическихмоделейрейтинговмеждународного агентства Moody’s была сформирована выборка из 777наблюдений (311 банков из 28 стран Евросоюза, развивающихся стран и др.)за 2003 – 2005 гг. Каждое наблюдение состоит из рейтинга субъекта на конецгода, макроэкономических показателей страны, в которой он находится, и егофинансовых показателей на конец предыдущего года.

В качествеобъясняющих переменных рассматривались финансовые показатели, восновномхарактеризующиеспецифическиериски,атакжемакроэкономические индикаторы (в том числе суверенный потолокрейтинга) и фиктивные переменные по группам стран и годам, а такжемакропеременные.В работе представлены модификации базовой модели (табл. 2) дляисследования временного тренда и повышения предсказательной силы:• включение фиктивных переменных по годам (модель mY);• переход к порядковым шкалам с отображением объясняющихфинансовых переменных в шкалу квантилей путем построения рэнкинганаблюдений по каждой из переменных и отображения в шкалу [0,1] согласнополученному упорядочиванию (модель mP);• использование нормированных шкал с преобразованием каждойобъясняющей финансовой переменной путем вычитания соответствующегоей кросс-секционного среднего значения и последующего деления настандартную ошибку (модель mN).Принадлежность страны к Евросоюзу и размер банка оказываютположительное влияние на рейтинг (знак при коэффициенте отрицателен).Компании стран, относящихся к развивающимся рынкам, при прочих равныхусловиях имеют более низкий рейтинг, чем компании развитых стран.Отрицательное влияние показателя рентабельности отражает борьбу задешевые ресурсы.

Показатели отношений капитала к активам и депозитов ккапиталу значимы во всех моделях и оказывают ожидаемое отрицательноевлияние на рейтинг.22Таблица 2.Базовая модель рейтингов и ее модификацииКоэффициенты моделейОбъясняющаяПеременнаяАктивы (логарифм)Стоимость обязательствРезервы/КредитыКапитал/АктивыДепозиты/Капитал2004 год2005 годРазвивающиеся рынкиЕвросоюзФранцузские банкиPseudo-R2Ошибка на 1 класс, %Точное предсказание, %БазоваяmB-0.799***0.333***0.1590.131***0.136***1.039***-0.944***-3.116***0.43194.8770.21Временной ПорядковаялагшкалаmYmP-0.817***-5.433***0.377***2.658***0.1794.073***0.130***1.388***0.140***1.969***0.510**0.2570.619**0.2850.926**1.097***-0.910***-0.291-3.063***-4.089***0.4350.43995.1194.8570.6668.98Нормированная шкалаmN-1.915***0.950***0.889**0.826***0.795***0.2740.540*0.990***-0.907***-3.004***0.43794.9870.27*, ** и *** обозначают соответственно 10%-, 5%- и 1%-ный уровни значимостиВведение макроэкономических переменных существенно улучшаеткачество подгонки модели и повышает ее предсказательную силу (до 77%для точного предсказания и 99% с ошибкой в одну градацию).

Страновыйпотолок оказывает существенное и положительное влияние на рейтинг. Ростинфляции отрицательно влияет на рейтинг в противовес ростувнешнеэкономических операций и нормы внутренних сбережений.Разработанная методика позволяет построить прогнозные рейтингидля субъектов, не имеющих рейтинга, на основании показателей ихфинансовой деятельности и макроэкономических показателей страны.В главе 6 «Экономическая эффективность информационныхподсистем систем контроллинга» на базе методологических основ,сформированных в главе 2, разработаны методы оценки экономическойэффективности информационных технологий и ИТ-контроллинга, в томчисле на этапах выбора и внедрения управленческих информационныхсистем.Экономические основы выбора и построения управленческихинформационных систем являются важнейшей составляющей ИТконтроллинга.

В главе 6 сделан упор на экономической составляющей системконтроллинга в рамках автоматизированных УИС.Для выбора направления построения ИС, в том числе управленческойинформационной системы, необходимо помимо технических требований,четко формулировать экономические и бизнес-цели проекта и обеспечить ихмониторинг средствами ИТ-контроллинга. Цель внедрения ИС должнаоднозначно определять направление деятельности. При наличии несколькихцелей желательно их реализовывать в рамках нескольких проектов23(подпроектов), чтобы избежать потери приоритетности и обеспечить болеечеткую обоснованность потребности в персонале и необходимости сменытехнологий.

Экономически важно предварительно правильно провестиоценку текущего состояния предприятия и информационно-аналитическойподдержки подготовки решений.Результат внедрения ИС характеризуется достижением цели ипозволяет оценить качество реализации. Перечень измеримых показателей инеобходимых их значений является основой для формирования требований кинформационнойсистемепредприятия,атакжеорганизациинепосредственно процесса внедрения. Регламентные процедуры строятся всоответствии с методологией контроллинга производственных процессов ииспользуют инструментарий, типичный для производства в целом.Существенным фактором является разработка методики оценкипрограммного продукта и поставщика, учитывающей важность тех или иныхоцениваемых аспектов предприятия.Основным элементом обеспечения управления проектом и контроляисполнения служит отчет о внедрении, где фиксируются выполнение работыи реализованные тесты.