Оценка и прогнозирование риска финансовой несостоятельности компании (1142572), страница 19

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 19)

Характер влияния таких факторов должен учитыватьсяфинансовыми службами компаний при осуществлении стратегического иоперативного планирования, а также при подготовке и реализацииантикризисныхмероприятий.Построениематематическихмоделей,позволяющих оценивать силу влияния внешних факторов на отдельныепоказатели финансово-хозяйственной деятельности компаний, и обладающиеприемлемым уровнем предсказательной способности представляет особыйнаучный интерес и является отдельной проблемой для исследования.В результате исследования, итоги которого приведены выше, былсформирован набор факторов финансовой среды для включения в качествепараметров в модель прогнозирования риска финансовой несостоятельности.В состав параметров модели вошли:115внутренние факторы:отношение чистого денежного потока к суммарным обязательствам;рентабельность активов;коэффициент концентрации заемного капитала;коэффициентпокрытияактивовсобственнымиоборотнымисредствами,внешние факторы:коэффициент монетизации;курс доллара США;индекс ММВБ.Как видно, параметры модели включают в себя факторы как микро- так имакросреды предпринимательства, что обеспечивает комплексную оценкудеятельности хозяйствующего субъекта.3.2 Инструментарий и алгоритм построения модели прогнозированияриска финансовой несостоятельности компанииЗависимость между двумя или более независимыми переменными(предикторами) и откликом – одной зависимой величиной исследуютмногопараметрические методы статистики.

Математическая модель такойзависимости представляет собой линейную комбинацию предикторныхпеременных и весовых коэффициентов, характеризующих вклад каждогопредикторавизменениеотклика.Такимобразом,построениематематической модели преследует две основные цели:предсказание значения отклика для новых значений предикторов;определение степени влияния каждого входящего в модель предикторана величину отклика.116Наиболее распространенными методами, используемыми для решенияэтой задачи, являются:множественная линейная регрессия;дискриминантный анализ;Logit-регрессия.Одним из основных различий указанных методов является содержаниеи формат, в котором представлена зависимая переменная (отклик).Наиболее часто множественная линейная регрессия применяется вситуациях, когда зависимая переменная является непрерывной величиной ипо размерности совпадает с зависимыми (предикторными) переменными.При этом основным условием эффективности применения данного методаявляется теоретически близкая к линейной зависимость отклика ипредикторных переменных.

Дискриминантный анализ является наиболееэффективным при решении задач, связанных с отнесением исследуемогосубъекта к той или иной группе или классу. Logit-регрессия, как правило,применяется в ситуациях, когда зависимая переменная (отклик) являетсядихотомической величиной, то есть принимающей два возможных значения– 1 (истина) и 0 (ложь). При этом независимые переменные могут быть какдискретными, так и непрерывными.

В контексте проблемы прогнозированияфинансовой несостоятельности компании, применимыми являются какдискриминантный анализ, так и Logit-регрессия, поскольку первый позволяетотнести рассматриваемую компанию к той или иной группе (финансовонесостоятельные, действующие компании), второй – сделать предположениео том, возможна финансовая несостоятельность (отклик равен 1) или нет(отклик равен 0).Основной сложностью в выборе используемого инструментарияявляетсянеобходимостьсоблюдениятребованийиограничений,накладываемых на возможность применения того или иного метода.

В основетаких ограничений лежит техника определения весовых коэффициентовлинейнойкомбинации.Вчастности,определениеоценоквесовых117коэффициентовврамкахдискриминантногоанализаосуществляетсяметодом наименьших квадратов.Для получения совместно эффективных и несмещенных оценоквесовых коэффициентов необходимо выполнение следующих основныхтребований [146]:1.параметры являются случайными величинами;2.каждая зависимая переменная имеет нормальный закон распределения;3.случайные ошибки имеют нормальное распределение и постояннуюдисперсию;4.каждое значение зависимой переменной должно быть корректноотнесено к тому или иному классу;5.математическое ожидание случайных ошибок равно нулю.Напрактикевыполнениеуказанныхтребованийвесьмазатруднительно, особенно при небольших (менее 100) объемах выборкиданных.Недостаточноевнимание,уделяемоеавторамимоделейпрогнозирования банкротства соблюдению требований дискриминантногоанализа,ведеткснижениюихпредсказательнойспособности.Невыполнение, по крайней мере, одного из приведенных требований непозволяет делать выводы о приемлемой точности дискриминантной модели.Применение множественной линейной регрессии в случаях, когдаоткликпринимаетдихотомическиезначения,такжеявляетсянеэффективным.

В качестве подтверждения данного тезиса можно привестизависимостьотклика(врассматриваемомслучаефинансоваянесостоятельность компании) от одного предиктора (например, коэффициентконцентрации заемного капитала) для исследуемой выборки компаний.Значение отклика для финансово несостоятельных компаний принято за 1для действующих компаний – 0.На рисунке 24 приведено распределение непрерывной зависимойпеременной (коэффициент концентрации заемного капитала) для двух группкомпаний.118100,160,180,200,220,240,260,280,300,320,340,360,380,400,420,44Коэффициент концентрации заемного капиталаРисунок 24 – Распределение коэффициента концентрации заемного капиталадля действующих и финансово несостоятельных компанийИсточник: составлено автором.Как видно, такое распределение представляет собой две параллельныелинии, в результате чего их линейное аппроксимирование невозможно.Приведенноераспределениеможетбытьаппроксимированокривой,имеющей линейный участок в середине и два конечных нелинейных участка– рисунок 24, называемой сигмоидом.

Очевидно, что такая зависимость неможет быть описана линейным уравнением. Кроме того, ошибки оцениванияв таком случае не являются постоянными и нормально распределенными врамках исследуемого интервала. В результате нелинейной зависимостиотклика (вероятность финансовой несостоятельности) от предикторныхпеременных, применение множественной линейной регрессии ограниченоотносительно узким линейным участком в центре сигмоида.Logit-регрессия решает данную проблему путем логарифмическойтрансформации зависимости отклика от предикторных переменных.

Инымисловами, в рамках Logit-регрессии линейная зависимость устанавливаетсямежду натуральным логарифмом отклика и линейной комбинациейпредикторов и определяется уравнением (43):ln(1)  a   bi  X iiгде – вероятность наступления события Y (финансовая несостоятельность);(43)1191 – коэффициент несогласия (показывает, во сколько раз чаще отклик Yпринимает значение 1, чем 0);Xi – предикторные переменные; – свободный член;bi – весовые коэффициенты.Экспонируя левую и правую части уравнения (43) можно представитьвероятность наступления события Y уравнением (44):ea   bi  X ii1 e(44)a   bi  X iiГрафическое представление уравнения (44) приведено на рисунке 25.1,21,00,80,60,40,20,0-0,2-10-8-6-4-2024Рисунок 25 – Вид зависимости y( x) 6810ex1 exИсточник: составлено автором.Таким образом, зависимость между вероятностью наступления событияY и значениями предикторных переменных Xi, нелинейна и хорошоаппроксимируется сигмовидной кривой, приведенной на рисунке 25.Логарифмическая трансформация (43) позволяет получить линейнуюзависимость коэффициента несогласия дихотомического отклика Y отнепрерывных предикторных переменных Xi.Logit-регрессия не предполагает соблюдения жестких требований,свойственныхдискриминантномуанализу.Имеявсвоейоснове120логарифмическую трансформацию, Logit-регрессия применима для случаевнелинейнойзависимостимеждупредикторнымипеременнымиидихотомическим откликом.Тем не менее, Logit-регрессии также присущ ряд ограничений [147]:1.зависимая переменная (отклик) должна быть дискретной величиной;2.значения зависимой переменной должны быть представлены в видедвоичного кода (1, 0 – ожидаемое событие происходит или нет,соответственно);3.в модель не должны включаться избыточные переменные, либоисключаться переменные, повышающие ее точность;4.каждое наблюдение должно быть независимым;5.масштабы предикторных переменных должны быть сопоставимыми;6.предикторные переменные не должны быть мультиколлинеарными.Основной сложностью в рамках построения модели, учитывающейвлияние внешних факторов на рискфинансовой несостоятельностикомпании, является выполнение третьего из приведенных выше ограниченийлинейной регрессии.

Как отмечалось ранее, факторы внешней средыоказывают одинаковое, систематическое влияние на финансовое состояниекомпаний, относимых к одной отрасли. При этом различия в последствияхтакого влияния определяются рядом внутренних факторов, характеризующихдеятельностькаждойотдельнойкомпании,втомчислеразмеромимущественного комплекса, запасом финансовой прочности, наличиемвложений в ликвидные активы и прочих аспектов.В перечень внешних факторов, подлежащих включению в модель,вошли коэффициент монетизации, курс доллара США и индекс ММВБ.Можно утверждать, что включение этих факторов в модель прогнозированиярискафинансовойнесостоятельностивкачествесамостоятельныхпредикторов окажется неэффективным, а сам набор предикторов будетизбыточным.

Последнее связано с тем, что внешние факторы оказываютодинаковое влияние как на действующие компании, так и на компаний,121являющиеся финансово несостоятельными. В результате, включение их вмодель в явном виде не позволит обеспечить однозначное отнесениекомпании к группе ликвидированных или действующих компаний. Длярешения этой задачи был произведен ряд аналитических преобразований,основанных на следующих предположениях. Как отмечалось выше, влияниевнешних факторов, отобранных для исследования, на деятельность компанийможет быть укрупненно охарактеризовано следующим образом:Рост значения коэффициента монетизации оказывает положительноевлияние на деятельность компаний и повышает качество их финансовогосостояния.

Уменьшение коэффициента монетизации является следствиемнарастающего дефицита ликвидности в экономике и свидетельствует оснижении уровня обеспеченности обязательств средствами обращения иплатежа.Укрепление доллара США относительно национальной валюты даеткратковременный положительный эффект для компаний, обусловленныйдополнительными доходами за счет положительных курсовых разниц. Сточки зрения долгосрочной перспективы ослабление рубля ведет к инфляциии сложностям, связанным с дефицитом ликвидности на рынке. Эффект отукреплениянациональнойвалютыдлякомпанийавиационнойпромышленности является обратным.Изменение значений индекса ММВБ, по своей природе являющегосяконъюнктурным индикатором, и качество финансового состояния компаний,как было отмечено ранее, находятся в прямой зависимости.Для учета характеристик описанных взаимосвязей был произведен ряданалитических преобразований, результаты которых приведены в таблице 16.Таблица 16 – Аналитические преобразования предикторных переменныхКоэффициентОбознаЧениеK1РасчетОтношение чистого денежного потока ксуммарным обязательствамПреобразованныйкоэффициентК1 = К1*dKm/dUSD*dMICEX122Продолжение таблицы 16K2Рентабельность активовК2 = К2*dKm/dUSD* dMICEXK3Коэффициент концентрации заемного капитала К3 = К3/dKm*dUSD/ dMICEXK4Коэффициент покрытия активов собственнымиК4 = К4*dKm/dUSD* dMICEXоборотными средствамиИсточник: составлено автором.гдеdKm – относительный прирост коэффициента монетизации;dUSD – относительный прирост курса доллара США;dMICEX – относительный прирост индекса ММВБ.Приросты приведенных коэффициентов рассчитываются за год,следующий за годом, в котором производится прогнозирование финансовойнесостоятельности.Преобразованные коэффициенты, приведенные в таблице 16, являютсяаналитическими конструкциями, предназначенными для использования врамках построения уравнения logit-регрессии.

Характеристики

Список файлов диссертации