Диссертация (1145562), страница 28
Текст из файла (страница 28)
2011. №4. С. 80.299Ohlson J.A. Op. cit. P. 109 – 131.298121предложивший логит-модель для оценки кредитного риска заемщика в 1974 г.300Отметим, что в целях прогнозирования банкротства предприятий активноиспользуются и пробит-спецификации моделей бинарного выбора, основанные нафункции стандартного нормального распределения. Пионером в этой области сталМарк Змиевский (1984 г.)301.Несмотря на многообразие современного методического инструментария вотношении прогнозирования банкротства, магистральное направление оценкикосвенных признаков финансовой несостоятельности предприятий формируютрегрессионные модели и, прежде всего, дискриминантные и логит-модели302,которыеактивновнедряютсяваналитическуюпрактикувстранахсформирующимся рынком.
Однако вопрос о том, какие модели более эффективны воценке вероятности банкротства, не получил однозначного решения. Согласноодним исследованиям, логит-модели превосходят дискриминантные модели поуровню прогнозной точности303, согласно другим – ситуация как минимум близкосопоставимая или даже несколько противоположная304. В то же время наиболеечасто цитируемыми и в то же время широко применяемыми на практике попрежнему остаются дискриминантные модели Альтмана, а среди них, как это неудивительно, модель Z-счета305.В России прогнозирование корпоративного банкротства преимущественноассоциируется именно с финансовыми эмпирическими моделями.
Ранниеотечественные модели в этой области датируются не ранее конца 1990-х – начала2000-х гг. К этому периоду относятся часто упоминаемые в российской литературеChesser D. Predicting loan noncompliance // The Journal of Commercial Bank Lending. 1974. August. P. 28 – 38.Zmijewski M. E. Op. cit. P. 59 – 82.302По результатам теоретического анализа наиболее популярными методами прогнозирования банкротстваявляются мультипликативный дискриминантный анализ и логит-моделирование.
Серьезную конкуренцию даннымметодам составляют нейросетевой анализ, а также анализ условных требований, который используется вструктурных моделях финансовой несостоятельности. См.: Jackson R.H.G., Wood A. The performance of insolvencyprediction and credit risk models in the UK: A comparative study // The British Accounting Review. 2013.
Vol. 45. P. 183 –202.303См., например: Begley J., Ming J., Watts S. Bankruptcy classification errors in the 1980s: an empirical analysis ofAltman's and Ohlson's models // Review of Accounting Studies. 1996. Vol. 1. № 4. P. 267 – 284; Hillegeist S., Keating E.,Cram D., Lundstedt K. Assessing the Probability of Bankruptcy // Review of Accounting Studies.
2004. Vol. 9. № 1. P. 5 –34;304Краткий обзор исследований, подтверждающих данное мнение, приводится в работе: Agarwal V., Taffler R. J.Twenty-five years of the Taffler z-score model: does it really have predictive ability // Accounting and Business Research.2007. Vol. 37. № 4. P. 285 – 300.305Altman E., Iwanicz-Drozdowska M., Suvas A. Op. cit. P. 2.300301122финансовые модели О. П. Зайцевой (1998 г.)306, Г. В. Давыдовой и А. Ю. Беликова(1999 г.)307, А. В.
Колышкина (2003 г.)308 и др. В целом прогнозное качество данныхи других ранних российских моделей подвергается серьезной критике.Финансовые модели «нового поколения», как правило, имеют более строгоенаучное обоснование и характеризуются конкурентоспособным прогнознымпотенциалом. Наиболее высокое признание в последние годы получил методлогистическойрегрессии.Разработанрядотраслевыхлогит-моделейпрогнозирования банкротства: модель Жданова-Афанасьева для предприятийавиационно-промышленного комплекса (2011 г.), модели Даниловой (2011 г.) иФедоровой-Гиленко-Довженко (2013 г.) для предприятий обрабатывающейпромышленности, модель Рыгина для предприятий металлургической отрасли(2013 г.) и др.309Довольно часто, хотя и далеко не всегда обоснованно, в целяхпрогнозированиябанкротствароссийскихпредприятийрекомендуютсяиностранные модели.
Например, чрезвычайно высокой популярностью, как и вовсем мире, пользуется Z-счет Э. Альтмана310. Корректной альтернативой в этомотношении, заслуживающей, с нашей точки зрения, пристального внимания вцелях прикладных исследований финансовой стабильности предприятий, являетсямодель третьего поколения (Z”-счет). Как показали результаты обширногоэмпирического исследования, данная модель по-прежнему имеет высокийЗайцева О.
П. Антикризисный менеджмент в российской фирме // Аваль. (Сибирская финансовая школа). 1998.№ 11-12. С. 66 – 73. Следует отметить, что, благодаря проф. О. П. Зайцевой, широкое применение в отечественнойпрактике прогнозирования банкротства получил метод рейтинговой оценки вероятности банкротства предприятий.Рассматривая преимущества данного метода, необходимо отметить возможность применять экспертные оценки,прогнозировать банкротство по общедоступным финансовым сведениям, а также простоту применения иинтерпретации полученных результатов. Однако точность прогноза по рейтинговым моделям существенно зависитот субъективных факторов.
Особенно это касается рейтинговых моделей, основанных исключительно на экспертноммнении о составе значимых показателей и критическом рейтинге.307Колышкин А. В. Прогнозирование развития банкротства в современной России: Дисc. ... канд. экон. наук:08.00.05: СПб, 2003.308Давыдова Г. В., Беликов А. Ю. Методика количественной оценки риска банкротства предприятия // Управлениериском. 1999. №3.
С. 13 – 20.309Данилова Ю. А. Указ. соч.; Жданов В. Ю., Афанасьева О. А. Указ. соч.; Рыгин В. Е. Модель оценки рискабанкротства предприятий металлургической отрасли // Вестник Южно-Российского ГосударственногоТехнического Университета. 2013. № 5. С. 84 – 90; Федорова Е. А., Гиленко Е.
В., Довженко С. Е. Моделипрогнозирования банкротства: особенности российских предприятий // Проблемы прогнозирования. 2013. № 2. С. 85– 92. См. подробнее: Львова Н. А. Финансовая диагностика предприятия. С. 74 – 79.310См. подробнее: Львова Н. А. Финансовая диагностика российских предприятий с применением модели Альтманадля развитых и формирующихся рынков // Финансовая аналитика: проблемы и решения.
2015. № 7. С. 38.306123прогнозный потенциал. Тестирование базовой модификации модели проводилосьпо глобальной выборке компаний из разных стран, включая Россию. Уровеньпрогнозной точности модели для большинства стран составил около 75%, длянекоторых превысив 90%311.В этой связи нами было предложено использовать универсальную модель вотношении российских предприятий312. В выборку вошли организации, неявляющиеся субъектами малого предпринимательства, со средней численностьюработников от 15 чел. Оценка агрегированных значений Z’’ проводилась вотношениитехвидовэкономическойдеятельности,которыенаконецанализируемого периода внесли наибольший вклад в произведенный ВВП или,напротив, продемонстрировали снижение выпуска, для сравнения включаясведения по финансовым организациям (Рисунок 2.12).4,03,53,02,52,01,51,00,5201120122013обрабатывающиепроизводствастроительствооперации с недвижимымимуществомторговляфинансовая деятельностьпо всем видам деятельности0,0Рисунок 2.12 – Динамика Z’’-счета российских организаций по видамэкономической деятельности, 2011 – 2013 гг.313311Altman E., Iwanicz-Drozdowska M., Suvas A.
Op. cit.Львова Н.А. Финансовая диагностика российских предприятий с применением модели Альтмана для развитых иформирующихся рынков. С. 37 – 45.313Сост. автором по: Центральная база статистических данных (далее – ЦБСД).312124Было установлено, что в исследуемом периоде вероятность банкротствароссийских организаций в среднем увеличилась. Наиболее благоприятная ситуациябыла отмечена в торговле и в обрабатывающей промышленности, наихудшая – встроительной отрасли и в сфере операций с недвижимостью (Рисунок 2.13).Значение Z''-счета3,53,273,02,812,52,48нижняя границаZ''-счета2,112,0Z''-счет по видамдеятельности1,51,00,87верхняя границаZ''-счета0,860,5обрабатывающиепроизводствастроительствооперации с недвижимымимуществомторговляфинансовая деятельностьпо всем видам деятельности0,0Рисунок 2.13 – Оценка Z’’-счета российских организаций по видамэкономической деятельности, 2013 г.314Полученные выводы коррелируют с динамикой банкротств: в последующемпериоде количество ликвидированных организаций, в том числе по основаниям,связанным с банкротством, увеличилось (Рисунок 2.14).314Сост.
автором по: ЦБСД.12580 00071 36062 99755 57260 00040 00020 00011 21310 3919 794020132014Всего2015Из них: в порядке банкротстваРисунок 2.14 – Количество ликвидированных российских организаций, 2013 –2015 гг., ед.315Что касается отдельных видов экономической деятельности, то полученныепрогнозы финансовой стабильности в целом оправданы, как минимум в течениегода316. В качестве примера рассмотрим динамику сальдированного финансовогорезультата (Рисунок 2.15).86,8564,3541,8621,090,260-2по всем видамдеятельности0,17-0,32финансоваядеятельностьторговля20130,02операции снедвижимымимуществом1,48 1,130,60-0,08строительствообрабатывающиепроизводства2014Рисунок 2.15 – Сальдированный финансовый результат российских организацийпо видам экономической деятельности, 2013 – 2014 гг., трлн руб.317Сост.
автором по: Сведения о работе по государственной регистрации юридических лиц по состоянию на01.01.2016; 01.01.2015; 01.01.2014. URL: https://www.nalog.ru/rn78/related_activities/statistics_and_analytics/regstats/(дата обращения: 12.12.2016).316Увеличение горизонта прогноза в нестабильных условиях формирующихся рынков представляетсянекорректным.317Сост.по:Россиявцифрах,2016:Крат.стат.сб.M.:Росстат,2016.URL:http://www.gks.ru/bgd/regl/b16_11/IssWWW.exe/Stg/d02/24-17.doc (дата обращения: 12.12.2016).315126Как и предполагалось, на фоне общего ухудшения экономическойконъюнктуры318, торговые и обрабатывающие организации чувствовали себя болееуверенно.Финансовоесостояниестроительныхорганизаций,судяпосальдированному финансовому результату, напротив, стало критическим.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
