Влияние финансовых рисков на эффективность деятельности компаний нефтяного машиностроения (1142308), страница 20
Текст из файла (страница 20)
В процессе оценки качестваприменяемой скоринговой модели следует оценить вклад каждого извыбранных показателей в итоговый результат, т.е. оценить соответствиепараметров модели. В целях подтверждения практической применимости,созданнуюмодельследуетапробировать,т.е.оценитьитогиеёиспользования для оценки значимой статистической выборки состоящей изфинансовых показателей компаний за ряд отчетных периодов.Заработаннаякомпаниейприбыль,вомногомобусловливаетспособность компании продолжать свою работу и является исходнымфактором для оценки эффективности деятельности компании. Обращает насебя внимание, что из 193 проанализированных компаний примерно 40%остаютсястабильноубыточными,втовремякаку16,5%-былазафиксирована прибыль в сумме, превышающей 10 млн руб.
Усредненныйубыток компаний нефтяного машиностроения достигает 29,11 млн руб.ежегодно. При этом у отдельных компаний наблюдаются значительныеотклонения от средних значений–у одних компаний убытки превышали 5млрд руб., в то время как иные могли зарабатывать до 1 млрд руб.Следует отметить также значительное различие в величине капиталакомпаний нефтяного машиностроения.
Например, при среднем значениикапитала близком к 150 млн руб., у отдельных компаний данный показательдостигал 4,8 млрд руб. Одновременно в отрасли существует значительноеколичество компаний, находящихся в предбанкротном состоянии, имеющихотрицательные капитал, т.е. фактически живущих на средства кредиторов.130Врезультате,намисформированафункцияprobit-моделитакого вида (3.14):z = β1 x1 + β2 x2 + β3 x3 + β4 x4 + β5 x5 + β6 x6P = f(z) =1σ√2π(z−μ)22σ2−e(3.14)где:P – вероятность положительности прибыли компании z (0 или 1); – моделируемый коэффициент учета параметра в модели.Моделируемые коэффициенты для каждого из параметров будутрассчитаны в рамках апробации модели, рассматриваемой в следующемпараграфе;1– величина прибыли компании;2– величина активов компании;3– величина капитала компании;4– выручка от продаж;5– себестоимость продукции;6– вложения (величина основных средств).Полученную модель необходимо апробировать путем калибровки итестирования на фактических данных.
С этой целью в настоящей работеиспользуются финансовые показатели компаний нефтяного машиностроенияза период с 2012 по 2016 год. На одной части выборки модель будетсформирована, а на другой – проведена её апробация. Результаты апробациипредставлены в следующем параграфе.1313.2 Апробация модели оценки влияния факторов рискана эффективность деятельности компанийПостроение многофакторной модели оценки влияния финансовыхрисковнаэффективностьдеятельностикомпанийнефтяногомашиностроения (скоринговой модели) предполагает не только выборнаиболее значимых факторов, но и подбор моделируемых коэффициентов ипроведение калибровки скоринговой модели.Существует две основные проблемы при построении скоринговыхмоделей:1.
классификация выборки возможна только на оцениваемыхкомпаниях.2. риски со временем меняются поскольку изменяются внешниефакторы и менеджмент, влияющие на поведение компании.Соответственно, желательно разрабатывать скоринговую модель наоснове выборки актуальных данных, а также интервально тестироватькачество работы модели и калибровать ее, при необходимости.При этом, поскольку в предложенной нами модели используетсялогистическая регрессия для калибровки модели достаточно обновитьмоделируемые коэффициенты учета параметров в модели (). Фактическионииграютрольвесовыхкоэффициентовприматематическоммоделировании результатов расчета модельной функции.Вцеляхобеспечениярепрезентативностирезультатовмоделипредлагается построить первоначальную скоринговую функцию на основепоказателей фокус-группы из 20 компаний за последние 5 лет.
Данныепредставлены в таблице 6.132Средние значения показателей получены как сумма величин каждогоиз показателей компаний фокус-группы за период с 2011 по 2016 год поданным годового отчета, разделенная на количество значений (лет) – 5.На основе данных по указанной фокус группе компаний былисмоделированыпервоначальныекоэффициентыимодельполучилаокончательный вид (3.15):z = x1 + 20x2 + 8x3 + 25x4 + 20x5 + 2x6(3.15)Предельный эффект модели для каждой переменной xi равенпроизводной функции вероятности по этой переменной. Так как f(Z) –производная функции (функция плотности) стандартного нормальногораспределения F(Z), то она выглядит следующим образом (3.16):() =Посколькупервоначально1√21 2 −2намибыла(3.16)построенаprobit-модель,включающая все описываемые переменные, в результате построения модели,вне появились зависимые переменные и незначимые оценки параметров.
Дляповышения адекватности результатов применения модели, те и другие былиисключены.В связи с незначительным количеством параметров модели оценказначимости и сходимости регрессии производилась путем анализа долиправильных прогнозов. Для оценки правильности прогнозов использованытесты на наличие ошибок 1 и 2 типа.133Таблица 6 - Средние результаты по фокус - группе (μ)В миллионах рублейИздержкиИнвестицииПродажиОАО "Брянский арсенал"74313289420451456213ОАО "АНЖЕРОМАШ"58820977414501308187ОАО "Александров-скиймашинострои-тельныйзавод"6983701 0381734818-5ООО "БОЭЗ"49643508400544ООО "Бентек"1 0177041 0831690146-53ОАО "БАКРА"539522750037351ООО "Айкхофф Сибирь"1631827943529352ЗАО "БМС"202252081ОАО "АЛТАЙГЕОМАШ"12777173161113-3ООО "АМК ШСУ"4825816-11-2ООО "АМЗ "УДАРНИК"310134-17-3ООО "АМЗ"4434533-1-1ООО "БАУЭР Машины Курган"24518306446151-7ООО "АСА"1463216584182ООО "БТК"41194163-12-9ООО "АСМ ПЛЮС"20021311ОАО "268 МЗ"53155835274ООО "БГ-ТУЛС-МСИ"94812769549ООО Предприятие "Альфа"101220ООО НПП "АВГУСТ"451451411КомпанииАктивыКапитал ПрибыльИсточник: разработано автором на основе финансовой отчетности компаний фокус –группы [133].Под ошибкой 1 типа понимается т.н.
ложное срабатывание. В нашемслучае-это положительная оценка эффективности работы компании приналичии убытков в ее деятельности. Как правило, вероятность ложногосрабатывания коррелирует с вероятностью пропуска события (ошибки 2134типа). То есть, чем более чувствительна модель, тем больше опасныхсобытий она фиксирует. Но при повышении чувствительности неизбежновырастаетивероятностьложныхсрабатываний.Поэтомучересчурчувствительно настроенная модель может привести к тому, что побочныесрабатывания от неё будут превышать пользу.Соответственно, ошибку 2 типа иногда называют пропуском событияилиложноотрицательнымсрабатыванием.Внашемслучае–этоотрицательная оценка эффективности работы компании при наличии у неечистой прибыли.В частности, анализировалась доля правильных и (или) неправильныхпрогнозов для значения каждого из значений зависимой переменной (0 и 1) –в случае рассматриваемой переменной – x1 (прибыль).Для оценки взаимного влияния рассматриваемых параметров моделибыла построена матрица их взаимной корреляции (связанного изменения) навсем рассматриваемом временном интервале (2010 – 2014 гг.).
Матрицавзаимной корреляции показателей модели приведена в приложении Д.На основании проведенного анализа статистических данных из моделибыли исключены такие переменные как рентабельность капитала (напрямуюзависит от величины прибыли), себестоимость продукции (не оказываетзначимого влияния на уровень ошибки модели, поскольку имеет высокуюкорреляцию с показателем выручки). Подробная информация о результатахрасчетов и уровне ошибок приведена в таблице 7 и таблице 8 настоящегоисследования.После исключения указанных параметров модель была обновлена.Результаты, полученные с помощью итоговой модели, представленыв таблице 7.135Таблица 7 - Результаты оценки probit-моделиПеременнаяПоказательx2Активыx3КоэффициентСтандартное.отклонениеКорреляция max,в%4 201 5502 214,242,2Капитал и резервы-9 066 489620,582,0x4Выручка-3 900 9021102,598,5x6Основные средства8 730 864551,771,725%---Вероятность ошибкиИсточник: разработано автором на основе финансовой отчетности компаний фокус –группы [133].Исходя из корреляции с величиной полученной прибыли, наиболеезначимыми (существенными) объясняющими переменными в моделиявляются Выручка (x4), Капитал и резервы (x3), а также Основные средства(x6), которые значительно влияют на зависимую переменную (корреляцияболее 50%).
Дополнительной объясняющей переменной, повышающейточность оценки, является величина Активов (x2), также имеющаякорреляцию с зависимой переменной более 40%.Полученная модель является статистически значимой и устойчивой,поскольку:1) регрессия с учетом полученной константы демонстрирует сходимость,т.е. заданная моделью функция имеет решение;2) в случае уменьшения количества параметров качество оценки моделиснижается. Вероятность ошибки на первом шаге повышается до 27,5%,на втором шаге регрессия теряет сходимость (примеры расчета моделис различным количеством параметров и уровня ошибок моделиприведены в таблице 8);3) увеличение количества параметров снижает качество оценки за счетпоявления ранее исключенных зависимых и незначимых переменных.136Таблица 8 - Тестирование модели с различным количеством параметровЗначение,ХПараметр-Ошибка,исчисления-Число компаний- Год 1Год 2в%Комментарий-Год 3-Вариант 12 Активы всего4201549,942 --Threshold = 69%3 Капитал и резервы-9066488,55121315729227 убыточные4 Выручка-3900901,9165167967323 прибыльные6 Основные средства8730864,386 -------Threshold = 71%Вариант 23 Капитал и резервы-8862305,163 -4 Выручка-646245,75421719129241 убыточные9506744,10758212167314 прибыльные6 Основные средства-Вариант 33 Капитал и резервы-2395128,2880000 убыточные6 Основные средства2441490,0660000 прибыльные----- Threshold = 79%- Threshold = 66%--Вариант 42 Активы всего4049575,971----7913855,67121915329225 убыточные4 Выручка-5576324,315207367323 прибыльные5 Себестоимость2933723,983-----7 Рентабельность-113580,6069-----6612716,28-----3 Капитал и резервы6 Основные средства137Продолжение таблицы 8Ошибка,ХПараметрЗначениеЧисло компанийв%КомментарийВариант 52 Активы всего4191902,039---3 Капитал и резервы-7498715,2921414229227 убыточные-5120903,5845317867321 прибыльные5 Себестоимость2096070,917-----6 Основные средства6326294,394-----4 Выручка- Threshold = 74%Источник: разработано автором на основе финансовой отчетности компаний фокус –группы [133].Тестирование модели с различным количеством параметров какдемонстрирует нам таблица 8 показало, что наилучшие результаты модельдемонстрирует при параметрах Варианта 1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
