Автореферат (1138361), страница 3
Текст из файла (страница 3)
Однако небольшая выручка, низкаяприбыльность и рискованное соотношение долгосрочных обязательств иактивов явились, в конечном итоге, причиной невозможности удовлетворитьтребования кредиторов по денежным обязательствам. Анализ сценариевизменения вероятности банкротства и значимости различий финансовых14показателей на разных временных промежутках, позволил сделать следующиевыводы.Во-первых, модель статической оценки при различных сценарияхразвитиябанкротстваспособнапрогнозироватьвысокуювероятностьбанкротства предприятий в пределах от 1 года до 4-х лет до наступления фактабанкротства.Во-вторых, модель статической оценки обладает высокой прогнознойточностью в пределах 4-х лет при прогнозировании вероятности банкротствадля предприятий, у которых банкротство развивается по сценарию №2 или №3.Для предприятий, у которых банкротство развивается по сценарию №1, модельстатической оценки с высокой точностью прогнозирует высокую вероятностьбанкротства только за год до банкротства, несмотря на значительноеухудшение показателей, как минимум, за 2-4 года до банкротства.
Дело в томчто, несмотря на негативную динамику изменения финансовых показателей, за2-4 года до банкротства средние значения коэффициентов не отличаютсязначимо от среднеотраслевых значений, и модель статической оценкиклассифицирует состояние таких предприятий как удовлетворительное.15Таблица 3. Сравнение средних значений рангов коэффициентовпредприятий с удовлетворительным финансовым состоянием и банкротов16Таким образом, проведенный анализ показал, что можно улучшитьмодель статической оценки вероятности банкротства, если учесть изменениефинансовых показателей за несколько лет до наступления банкротства, т.е.учесть, по какому сценарию для предприятия развивается ситуация, способнаяс течением времени привести его к возможному банкротству.Построение комплекса динамических моделей прогнозированиябанкротстваДлятогочтобызаблаговременноидентифицироватьвозможноебанкротство предприятия, был разработан комплекс моделей, представляющийсобой совокупность трех динамических моделей прогнозирования вероятностибанкротства, каждая из которых учитывает возможный сценарий банкротствапредприятий и, соответственно, характер изменения финансовых показателей вретроспективной динамике.17Дляпостроениявероятностикаждойбанкротствадинамическойиспользоваласьмоделивыборка,прогнозированиякотораявключалапредприятия из соответствующего кластера, обанкротившиеся в 2009 году, ипредприятия,финансовоесостояниекоторыхбылопризнаноудовлетворительным по семи методикам.Для построения динамических моделей прогнозирования банкротстваиспользовался метод логистической регрессии.
В качестве предикторовиспользовались рассчитанные на каждый год прогнозные вероятностибанкротства предприятий по разработанной выше модели статической оценкивероятности банкротства (1) для каждого сценария банкротства, и отношениявероятности банкротства в году t к вероятности банкротства в году t-1.Однако для каждого сценария банкротства в уравнение логистическойрегрессии, в конечном счете, вошли только значимые показатели.Таблица 4. Результаты расчета коэффициентов динамической модели №1 ипроверки их значимостиПеременные, включенные в модельНаименованиепеременнойВероятность банкротствапредприятия в 2008 годуОтношение вероятностибанкротстваStep 2 предприятия в 2008 годупо сравнению с 2007годомConstantBS.E.WaldSig.(коэффициент (стандартнаяdfExp.(B)(Вальд)(значимость)регрессии)ошибка)9,9122,21220,0711,00020171,309,213,1223,0331,0821,237-3,580,56739,8971,000,028Полученная таким образом динамическая модель №1 имеет вид:(2)где- вероятность банкротства предприятия j в год t+1;банкротства предприятия j в год t;вероятность- вероятность банкротства предприятия jв год t-1.18Как видно из динамической модели (2), в случае, если банкротстворазвивается по сценарию №1, то при прогнозировании учитывается толькозначения финансовых показателей за год до банкротства и соотношениепрогнозных вероятностей банкротства в текущем и предыдущем годах.В таблице № 5 приведены оценки коэффициентов и сопутствующиестатистики для динамической модели №2.Таблица 5.
Результаты расчета коэффициентов динамической модели №2 ипроверки их значимостиПеременные, включенные в модельНаименованиепеременнойStep2bBS.E.WaldSig.(коэффициент (стандартнаяdfExp.(B)(Вальд)(значимость)регрессии)ошибка)Вероятность банкротствапредприятия в 2006 годуВероятность банкротствапредприятия в 2008 годуConstant4,8031,6608,3741,004121,8866,7821,72115,5301,000881,952-6,2111,51416,8201,000,002Динамическая модель №2 имеет вид:(3)где- вероятность банкротства предприятия j в год t+1;банкротства предприятия j в год t;вероятность- вероятность банкротства предприятия jв год t-2.Если банкротство развивается по сценарию №2, то при прогнозированииучитываются значения финансовых показателей за три года до банкротства:прогнозная вероятность банкротства текущего года и прогнозная вероятностьбанкротства за два года до текущих событий или за три года допредполагаемого банкротства.В таблице № 6 приведены оценки коэффициентов для динамическоймодели №3.19Таблица 6.
Результаты расчета коэффициентов динамической модели №3 ипроверки их значимостиПеременные, включенные в модельНаименованиепеременнойStep1aBS.E.WaldSig.(коэффициент (стандартнаяdfExp.(B)(Вальд)(значимость)регрессии)ошибка)Вероятностьбанкротствапредприятия в 2008годуConstant12,9444,6677,6921,006418147,208-8,4123,9404,5591,033,000Динамическая модель №3 имеет вид:(4)где- вероятность банкротства предприятия j в год t+1;вероятность банкротства предприятия j в год t.При развитии событий по сценарию №3 при прогнозированиивероятности банкротства в следующем году учитывается только вероятностьбанкротства в текущем году.В третьей главе диссертационного исследования была проведенаапробация статической и комплекса динамических моделей на контрольнойвыборке предприятий обрабатывающего производства, банкротство которыхнаступило в 2008 или 2010 годах, определены нормативные значения дляпредприятий, имеющих удовлетворительное финансовое состояние, приведеноописаниеразработанногофинансовогосостоянияинтернет-сервиса,предприятияиавтоматизирующегопрогнозированиеоценкувероятностибанкротства.Оценка качества модели статической оценки вероятности банкротстваКачестворазработанноймоделистатическойоценкивероятностибанкротства было оценено на основе точности предсказаний модели.
В выборкувошли 216 предприятий, имеющих удовлетворительное финансовое состояние,и 117 предприятий, признанных банкротами в 2009 году. Финансовые20коэффициенты рассчитывались на основе отчетности за 2008 год, т.е. за одингод до начала процедуры банкротства.Модель правильно спрогнозировала удовлетворительное финансовоесостояние для 202 из 216 предприятий (94% правильных ответов) инеудовлетворительное состояние для 102 из 117 предприятий - банкротов (87%правильныхответов).Всегобылиправильноклассифицированы91%предприятий.Таким образом, разработанная модель статической оценки вероятностибанкротства показала высокую прогнозную точность при тестировании наобучающей выборке.Далее прогнозная точность модели была проверена на данных, которыене использовались при построении модели.
В контрольную выборку вошло 381предприятие1судовлетворительнымфинансовымположениеми56предприятий, ставших банкротами в 2008 и 2010 годах.На рис.2 представлен процент правильных предсказаний предприятий –банкротов (ставших банкротами в 2008 - 2010 годах) за различные периодывремени до официального признания банкротства. Таким образом, видно, что за3 года до расчетного периода модель правильно спрогнозировала свыше 73 %предприятий, ставших банкротами, причем точность прогноза с каждым годомувеличивалась вплоть до 91% в год банкротства.
Даже за 5 лет до началапроцедуры банкротства модель правильно идентифицировала свыше 50%банкротов.1Из 1184 предприятий с удовлетворительным финансовым положением 216 предприятий вошли в выборку дляпостроения модели. Из оставшихся 968 предприятий было выбрано 381 предприятие, финансовое состояниекоторых было оценено как устойчивое по 4 или 5 из 7 основных методик.21Динамика изменения точности модели статической оценки приидентификации предприятий-банкротов100%91%80%77%73%80%59%60%48%45%54%41%40%20%0%8 лет7 лет6 лет5 лет4 года3 года2 года1 годгодбанкротстваКоличество лет до банкротстваРис. 2.
Точность модели статической оценки при идентификации предприятий банкротов за разное количество лет до банкротстваВотношениипредприятийсудовлетворительнымфинансовымсостоянием модель правильно классифицировала 296 из 381 предприятия.Таким образом, точность классификации предприятий составила 78%.Улучшениекачествалогистическойрегрессиипривключениипеременных было подтверждено с помощью одного из индикаторов качества функции правдоподобия.Для построенной модели с пятью переменными-регрессорами начальноезначение меры правдоподобия -2LL, равное 349,346, было уменьшено на248,725, и стало равным 100,621, что свидетельствует о значительномулучшении качества модели. Также качество построенной модели былоподтверждено псевдо R2 Нагелькерка (R Square Nadelkerkes), высокой науровне 1% значимостью критерия хи-квадрат (chi square test) и критериемХосмера и Лемешова (Hosmer and Lemeshow Goodness-of-Fit Test,1989).Оценка качества комплекса динамических моделейОценка качества комплекса динамических моделей прогнозированиявероятности банкротства проводилась на обучающей и контрольной выборках.22Оценка качества динамических моделей на обучающей выборкеПроверка точности динамических моделей на выборке предприятий,банкротство которых развивалось по сценарию №1В выборку для тестирования вошли 35 предприятий, ставших банкротамив 2009 году и попавших в результате процедуры кластеризации в кластер №1, и104предприятия,финансовоесостояниекоторыхбылопризнаноудовлетворительным по семи методикам.Соотношение сценария изменения вероятности банкротства иточности динамических моделей №1, №2, №397%100%91%94%90%80%77%74%70%60%54%50%51%43%54%46%40%40%30%26%26%26%20%11%10%0%4 года до банкротства3 года до банкротстваДинамическая модель №12 года до банкротстваДинамическая модель №21 год до банкротстваДинамическая модель №3год банкротстваВероятность банкротстваРис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
