Влияние финансовых рисков на эффективность деятельности компаний нефтяного машиностроения (1142308), страница 18
Текст из файла (страница 18)
С вышеназванной цельюпредпримем ряд следующих действий.• Присвоим каждому показателю двоичное значение. Такой способ невполне удобен так как, модель перегружается широким набором показателей.Однакоприэтомнетребуетсяустановлениязависимостеймеждупеременными внутри выборки.• Преобразуем все показатели в переменные, которые будут приниматьзначение на основе соотношения числа «подходящих» компаний сопределеннымпоказателемкчислу«неподходящих»компанийсаналогичным показателем. Существует также усовершенствованный вариантэтого метода, где применяется логарифм описанного отношения.
Другимисловами, каждому показателю присваивается числовая оценка или уровень«рискованности».Существуют также различные способы распределения информации ввыборке, например:• варианты линейного программирования;• линейная и логистическая регрессия;• нейронные сети;• метод ближайших соседей;• генетический алгоритм.Наиболее часто применяемыми в экономической науке являютсярегрессионные методы. Простейшая модель, построенная на основе такогометода, представляет собой линейную многофакторную регрессию, котораяформулируется математическим уравнением (2.15):р = 0 + 11 + 22 + ⋯ + ,где:р - вероятность банкротства,w – весовой коэффициент,x – оценочный критерий.(2.15)116Недостатком такой модели является ее ограниченность, посколькувероятность (p), может изменяться только в переделах от 0 до 1, ахарактеризующие ее переменные-от - 1 до + 1.Всвоюочередь,логистическаярегрессиядаетвозможностьиспользовать расширенный диапазон оценок.
Она может быть изложена вформе уравнения (2.16):log (1−) = 0 + 1 1 + 2 2 + ⋯ + (2.16)В случае применения указанного метода с целью формированиявесовых коэффициентов необходимо использовать существенно болеекомплексные подходы. Затем возникает потребность в улучшеннойрасчетнойбазе,Логистическаяоптимизированномрегрессиявпрограммномнастоящиймоментобеспечении.являетсянаиболеераспространенным методом построения скоринговых моделей, посколькуразвитиеинформационно-вычислительныхтехнологийпозволяетмаксимально нивелировать ее недостатки.К положительным сторонам метода логистической регрессии относитсятакже возможность ее использования для классификации компании не толькобинарно (плохая/хорошая), но на разное количество подмножеств (1, 2, 3, ит.д.
группы риска).Взаимная зависимость (корреляция) между показателями существенновлияет на результаты и прогностическую точность регрессионных моделей,поэтому необходимо существенно уменьшить их количество.Абсолютно точно классифицировать компании по определенномупризнаку на практике представляется почти невозможным.
В то же время дляповышения качества модели, количество заложенных ошибок необходимо117минимизировать. В этой связи необходимо подобрать такие весовыекоэффициенты, при которых погрешность модели будет стремиться к нулю.Компании классифицируются по категориям, в рамках которыхзначение риска наиболее унифицировано в отличие от иных категорий сиспользованием нейронных сетей, а также деревьев классификации. Какправило, нейронные сети применяются для оценки благонадежности ифинансовой устойчивости компаний, когда анализируются незначительныестатистические выборки.
Успешнее всего такие модели проявили себя привыявлении мошенничества, учитывая способность указывать на необычныеситуации [34].В свою очередь, генетический алгоритм основывается на процессе,аналогичном природному естественному отбору. Каким образом он мог быприменятьсявэкономическихисследованиях?Например,несколькоклассификационных моделей взаимодополняются не коррелирующимипоказателями. После ряда итераций выявляется «сильнейший», другимисловами - модель, с наиболее точной предсказательной способностью.В рамках использования метода ближайших соседей каждой компаниив выборке присваиваются математические "координаты".
Каждая компанияклассифицируется на основании наличия похожих на нее компаний, условносоответствующих заданным характеристикам.У каждой модели определенно присутствуют свои плюсы и минусы.Однако, выбор аналитического метода обусловлен тем, для чего вдальнейшемпредполагаетсяиспользоватьсоответствующиемодели.Регрессионные методы анализа базируются на использовании оценокзначимости отдельных показателей для определения конечного результата.При линейном программировании используются операции со значительнымчислом переменных, а также происходит моделирование заданных условий.Нейронные сети помогают определить нелинейные связи показателей,ведущие к ошибкам в простых линейных моделях.Качество оценок проверяется следующими основными способами:118• модель формируется с учетом всех данных, затем из периметраисключается один из показателей, на котором тестируетсямодель.
Постепенно перебираются все показатели.Такой"скользящий экзамен", как правило, используют при проверкенебольших массивов данных;• при достаточно большом массиве данных анализ строится в дваэтапа: на первом строится скоринговая модель, а на другом онапроверяется.При этом самому скорингу присущи также собственные недостатки.Например, группировка выборки может осуществляться только в рамкаходнородных массивов (аналогичной выборки). Другой проблемой можетбыть то, что скоринг не позволяет изначально зафиксировать будущиеизменения профиля рисков или прочих возможных факторов, оказывающихсущественное влияние на экономические показатели компаний.
В этой связискоринговые модели принято строить на основе выборки самых последнихданных. Они (модели) требуют частой проверки корректности работы ивнесения поправок при её снижении.Отличиеопределяетсяпростойбалльнойфиксациеймоделизначимостиоценкирабочегоотскоринговойпоказателяилиэкономического коэффициента эмпирически или экспертно, в то время как вскоринге осуществляется «мэппинг» коэффициентов к точно рассчитанномузначению.Скоринговые модели используются для анализа компаний не так часто,как, например, при оценке кредитоспособности людей.
Проблемой являетсятрудозатратность подбора необходимого количества однотипных компанийдля первоначального формирования надежной модели: компании оченьсильноотличаютсямасштабамибизнеса,отраслямиэкономики,производственными циклами и прочими характеристиками. С увеличениемобъемов бизнеса рассматриваемой компании становится все труднееподобрать похожие по характеристикам компании для сравнения.119Таким образом, можно заключить, что скоринг-это статистическийметод оценки уровня риска. Наиболее продвинутыми методами оценкириска, вследствие специфики своей деятельности, пользуются банки. Такимобразом,свидетельствомуспешности,эффективностипримененияскоринговых моделей является их активное использование банками.
Вкачестве основыдляпостроенияскоринговоймоделииспользуетсяинформация об исторических значениях показателей. Затем с помощьюметодов классификации рассчитывается прогноз вероятности будущихсобытий. Скоринговые модели позволяют достаточно быстро приниматьэкономические решения, регулировать выпуск продукции компании в четкойпривязке к спросу на рынке, либо определять зависимость междудоходностью и показателями риска, характерными для анализируемойгруппы компаний.В ходе исследования автору удалось выявить пороговые значенияпоказателей,деятельностихарактеризующихкомпанийриски,нефтяноговлияющиенаэффективностьмашиностроения.Применимостьвыявленных в ходе исследования факторов риска подтверждается динамикойисторических отраслевых показателей.Динамика уровня маржи по отрасли свидетельствует о реализациириска генерирования недостаточных денежных потоков. Превышениеверхней границы показателя себестоимости над соответствующей границейвыручки отражает реализацию существенных рыночных рисков что в своюочередь приводит к недостаточной рентабельности компаний нефтяногомашиностроения в настоящее время.
Установлено существенное расслоениекомпаний внутри отрасли по величине основных средств, вложения вкоторые имеют тенденцию к увеличению, соответственно увеличиваяинвестиционный риск. Значительное влияние валютного риска обусловленоспецификой отрасли нефтяного машиностроения, поскольку большинствоконтрактов имеют валютную составляющую и, как следствие, напрямуювлияет на себестоимость продукции.120В ходе проведенного автором анализа современных моделей оценкиэффективности деятельности компаний была обоснована возможностьпостроения статистической probit-модели. Полученный набор факторов ипороговых значений показателей позволяет построить скоринговую модельоценки влияния финансовых рисков на эффективность деятельностикомпаний нефтяного машиностроения.121ГЛАВА 3РАЗВИТИЕ ПРАКТИКИ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮДЕЯТЕЛЬНОСТИ КОМПАНИЙ НЕФТЯНОГО МАШИНОСТРОЕНИЯС УЧЕТОМ ВЛИЯНИЯ ФИНАНСОВЫХ РИСКОВ3.1 Многофакторная модель оценки влияния финансовых рисков наэффективность деятельности компаний нефтяного машиностроенияЭффективность деятельности компании исследуется нами на основеанализа показателей ее деятельности.
С целью повышения точности такогосравнения может быть применена скоринговая модель, при которой взависимости от статистического уровня показателей, набору показателейприсваиваются определенные значения. Присваиваемые оценки могут такжеиспользоваться для построения матрицы принятия решений (подробнее см.параграф 3.3).Модель влияния факторов риска на эффективность деятельностикомпаний нефтяного машиностроения разработана автором в соответствии смеждународными подходами к оценке уровня принимаемых компаниямирисков (Интегрированная модель управления рисками, СОSO ERM), а такжепринципами предоставления информации о финансовом положении ирезультатах деятельности компаний, лежащими в основе Международныхстандартов финансовой отчетности (МСФО), в том числе:• определение количественных критериев скоринговой оценки еепоказателей;• список и методология определения показателей, используемых дляанализа и оценки различных направлений деятельности компаний, атакже степень их влияния на уровень рискованности ее бизнеса.122Разработаннаянамимногофакторнаямодельоценкивлиянияфинансовых рисков на эффективность деятельности компаний нефтяногомашиностроения используется для принятия управленческих решений ипроведения анализа деятельности компании ООО «Сервис НПО».В процессе оценки экономической целесообразности деятельностикомпаний первичным является ответ на вопрос об эффективности еёфункционирования? Для ответа необходимо применять бинарные оценки,способные принимать определенное из установленных значений: «0» или«1».
Так как эффективность деятельности любой коммерческой компанииизмеряется наличием и величиной заработанной прибыли, необходимопрежде всего разделить компании на 2 группы: прибыльные и убыточные.Наиболее известными моделями бинарного выбора считаются probit- и logitмодели, которые позволяют использовать как качественные, так иколичественные показатели.Остановимся на них подробнее. Логистическая или logit-регрессияпредставляетсобойстатистическуюпредсказаниявероятностимодель,наступленияприменяемуюнекотороговцеляхсобытияпутёмприближения полученных показателей к логистической кривой.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
