Оценка и прогнозирование риска финансовой несостоятельности компании (1142572), страница 21

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

Текст из файла (страница 21)

Одновременно,индекс ММВБ, являясь волатильным показателем, способен изменяться вшироком диапазоне. Так, в 2008 году его изменение по отношению к 2007году составило 0,34, рост в 2009 году по отношению к 2008 году – 2,21. Приэтом существенные колебания индекса интерпретируются моделью какзначительные изменения рыночной конъюнктуры и, в отдельных случаяхприводят к неверным результатом.Необходимоотметить,чтоулучшениефинансовогосостояниякомпании, представляемое в рамках построенной модели как увеличениекоэффициентов К1, К2, К4 и/или снижение коэффициента К3, приводит ксдвигу зависимости вероятности финансовой несостоятельности от индекса130ММВБ влево, одновременно смещая критическое значение прироста индексавплоть до значений 0,1-0,2.

Это говорит о том, что по мере улучшенияфинансового состояния компании, чувствительность модели к рыночнымколебаниям снижается, что вполне соответствует реальной ситуации.Таким образом, наиболее нестабильным параметром построенногоуравненияявляетсяиндексММВБ,характеризующийрыночнуюконъюнктуру. Значительные колебания индекса в широком диапазонеспособны полярно изменять значение прогнозной вероятности рискафинансовой несостоятельности.

Вследствие последнего применение модели вусловиях существенных колебаний рыночных индикаторов неэффективно иможет приводить к неверным результатам. Для устранения влияниянесистемных флуктуаций индекса ММВБ на прогнозную величину рискабыло принято решение об исключении данного фактора из регрессионногоуравнения. Снижение предсказательной способности модели в результатеисключения индекса ММВБ для относительно устойчивых рыночныхиндикаторов будет компенсировано повышением стабильности прогноза вусловиях волатильной конъюнктуры. Результирующий набор параметровмодели приведен в таблице 18.Таблица 18– Аналитические корректировки предикторных переменныхПараметр регрессииКорректировкаОтношение чистого денежного потокак суммарным обязательствам (К1)К1 = К1*(dKm/dUSD)Рентабельность активов (К2)К2 = К2*(dKm/dUSD)Коэффициент концентрации заемногокапитала (К3)К3 = К3*(dUSD/ dKm)Покрытие активов собственнымиоборотными средствами (К4)К4 = К4*(dKm/dUSD)Источник: составлено автором.В результате расчетов, проведенных в IBM SPSS Statistics, былополучено итоговое уравнение Logit- регрессии (48):131e 4 ,321K 12 ,684K 20 ,632K 32 ,483K 41  e 4 ,321K 12 ,684K 20 ,632K 32 ,483K 4(48)гдеК1 – отношение чистого денежного потока к суммарным обязательствам,скорректированное на прогнозные изменения внешних факторов;К2 – рентабельность активов, скорректированная на прогнозные изменениявнешних факторов;К3 – коэффициент концентрации заемного капитала, скорректированный напрогнозные изменения внешних факторов;К4 – коэффициент покрытия активов собственными оборотными средствами,скорректированный на прогнозные изменения внешних факторов.Оценка полученного уравнения проводилась в IBM SPSS Statistics всоответствии с общепринятой методикой оценки Logit-регрессии [147].

Нижеприведены соответствующие выдержки программного кода.Таблица 19 – Общие итоги обработки данныхCase Processing SummaryUnweighted CasesaNIncluded inAnalysisSelected CasesMissing CasesTotalUnselected CasesTotalИсточник: составлено автором на основе расчетов в [149].Percent64100,0064064,0100,0,0100,0В таблице 19 приведены результаты исходной обработки данных. Врасчет включены 64 элемента (Included in Analysis), некорректные(Unselected Cases) и пропущенные данные (Missing Cases) отсутствуют.Принятые для расчета 64 элемента представляют собой данные 32 компаний,прекративших деятельность в период с 2005 по 2015 годы и 32 действующихкомпаний, отобранных в соответствии с описанным ранее принципом парнойвыборки по критерию размера активов.132Таблица 20 – Классификационная таблица нулевой моделиClassification Tablea,b,cObservedPredictedIndPercentageCorrect,001,00,00032,0Ind1,00032100,0Step 0Overall50,0Percentagea. No terms in the model.b.

Initial Log-likelihood Function: -2 Log Likelihood = 87,631c. The cut value is ,500Источник: составлено автором на основе расчетов в [149].Таблица 20 содержит результаты исходного оценивания модели. Вкачестве исходной (нулевой) рассчитывается модель, в которой все весовыекоэффициенты при предикторных переменных равны нулю, и оценивается еепредсказательная способность.

В таблице 20 «ind» – зависимая переменная,принимающая дихотомическое значение (1 – компания является финансовонесостоятельной, 0 – в противном случае). Поскольку исходные данныесодержат одинаковое количество компаний в двух группах, исходнаяточность нулевой модели равна 50%. Далее методом наибольшегоправдоподобиярассчитываютсяоценкивесовыхкоэффициентовиопределяется точность модели с учетом значений предикторов. Считается,что модель обладает предсказательной способностью, если ее точность вышеточности нулевой модели.Отдельно следует обратить внимание на параметр -2Log Likelihood (2LL),которыйтакженазываетсякоэффициентомправдоподобия.Коэффициент -2LL является результатом сравнения точности нулевогоуравнения и уравнения с рассчитанными оценками весов предикторныхпеременных. С повышением точности модели, значение -2LL уменьшается.Исходя из данных таблицы 20, начальное значение -2LL = 87,631.Результаты расчетов после включения в уравнение всех предикторныхпеременных приведены в таблице 21.133Таблица 21 – Классификационная таблица расчетной моделиClassification TableaObservedPredictedIndPercentageCorrect,001,00,0028487,5Ind1,00102268,8Step 1Overall78,1PercentageИсточник: составлено автором на основе расчетов в [149].В таблице 21 приведены результаты оценки точности регрессионногоуравнения, включающего рассчитанные оценки коэффициентов регрессии.Для каждого значения зависимой переменной из исходных данных, наоснованииполученногорегрессионногоуравнения,быларассчитанавероятность финансовой несостоятельности.

Граничным значением дляклассификации компании к группе действующих или ликвидированных былавыбрана50%вероятность.Прирасчетнойвеличиневероятностипрекращения деятельности выше 50%, компания относилась к группефинансово несостоятельных, при величине ниже 50%- к группедействующих компаний. Из таблицы 21 видно, что точность отнесениякомпаний к группе финансово несостоятельных составляет 87,5% (28корректных случаев из 32).

Точность отнесения компаний к группедействующих составляет 68,8% (22 корректных случая из 32). Такимобразом, общая точность модели составляет 78,1%. Необходимо отметить,что под указанной точностью следует понимать точность, с которойполученное уравнение описывает поведение элементов в популяции, наосновании которой оно построено, то есть выборки исходных данных.Таблица 22 – Общая оценка моделиStep1Model Summary-2 LogCox & Snell Nagelkerke RlikelihoodR SquareSquare44,1250,501Источник: составлено автором на основе расчетов в [149].0,668134В таблице 22 приведены результаты, характеризующие общуюэффективность построенного уравнения.

Как видно, параметр -2LL дляпостроенного уравнения снизился с 87,631 до 44,125, что говорит обулучшении предсказательной точности модели почти в два раза. Несмотря нато, что в Logit-регрессии отсутствует параметр, аналогичный коэффициентудетерминации в линейной регрессии, в таблице 22 приведены его аналоги.Коэффициенты Cox & Snell R-square и Nagelkerke R-square характеризуютдолю изменений отклика (вероятность финансовой несостоятельности),обусловленнуюизменениямивключенныхвсоставрегрессионногоуравнения параметров. Коэффициент Cox & Snell R-square схож скоэффициентом детерминации для множественной линейной регрессии иоснован на определении максимального правдоподобия построенногоуравнения.

Однако ввиду того, что его теоретическое значение меньшеединицы, оценка построенного уравнения является заниженной. На практикедля оценки регрессионного уравнения используется коэффициент NagelkerkeR-square, значение которого в данном случае составляет 66,8%.Таблица 23 – Расчет параметров уравнения с учетом значений предикторныхпеременныхBVariables in the EquationS.E.WaldDfSig.Exp(B)k1-4,3212,3523,38110,0540,013k2-2,6841,3643,75410,0580,068k30,6320,3732,74910,0861,881k4-2,483,9846,70610,0150,083aStep 1Источник: составлено автором на основе расчетов в [149].Таблица 23 содержит следующую информацию:B – оценки весовых коэффициентов уравнения;S.E. – среднеквадратические отклонения оценок;Wald – результаты теста Вальда;Df – количество степеней свободы;135Sig – уровень значимости оценок весовых коэффициентов;Exp(B) – сила влияния изменений i-й предикторной переменной навероятность финансовой несостоятельности.В соответствии с описанной ранее логикой построения уравнения Logitрегрессии,значениекоэффициентанесогласияможнопредставитьуравнением (49):1 e 4 ,321K 12 ,684K 20 ,632K 32 ,483K 4(49)Исходя из уравнения (49), коэффициент концентрации заемногокапитала K3 характеризуется наибольшим вкладом в результирующеезначение коэффициента несогласия.

В соответствии с уравнением (49) сувеличением долговой нагрузки значение коэффициента несогласия растет свесом, равным exp(0,632) = 1.88. Это говорит о том, что определяющеезначение имеет качество долговых обязательств и возможность компании поих обслуживанию. Рост долговых обязательств ведет к повышениюфинансовых рисков и свидетельствует о наличии потенциальной угрозынегативных изменений в качестве финансового состояния компании. Вместес тем, меры государственной поддержки повышают кредитоспособностькомпаний компаниям авиационной промышленности, несмотря на высокийудельный вес обязательств в структуре пассивов.

Статистика Вальдасоставляет 2,749 при уровне значимости 8,6%.Также существенное влияние на риск финансовой несостоятельностикомпании оказывает коэффициент К4 – преобразованный коэффициентпокрытия активов собственными оборотными средствами. Изменениекоэффициента K4 влияет на результирующее значение коэффициентанесогласия с весом, равным exp(-2,483) = 0.08.

Характеристики

Список файлов диссертации