На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


реферат Прогнозирование банкротства: основные методики и проблемы

Информация:

Тип работы: реферат. Добавлен: 17.11.2012. Сдан: 2012. Страниц: 5. Уникальность по antiplagiat.ru: < 30%

Описание (план):


ПРОГНОЗИРОВАНИЕ БАНКРОТСТВА: ОСНОВНЫЕ МЕТОДИКИ И ПРОБЛЕМЫ
Эйтингон В.Н., профессор, 
зав. кафедрой экономики труда и основ управления 
экономического факультета ВГУ; 
Анохин С.А., экономический факультет ВГУ
На нынешнем этапе развития российской экономики выявление неблагоприятных  тенденций развития предприятия, предсказание банкротства приобретают первостепенное значение. Вместе с тем, методик, позволяющих  с достаточной степенью достоверности  прогнозировать неблагоприятный исход, практически нет. Более того, нет  единого источника, который бы описывал большинство известных методик. Цель данной статьи - дать краткий обзор  основных методик прогнозирования  банкротства, встречающихся в литературе.
Проблема предсказания банкротства
Предсказание банкротства как  самостоятельная проблема возникла в передовых капиталистических  странах (и в первую очередь, в  США) сразу после окончания второй мировой войны. Этому способствовал  рост числа банкротств в связи с резким сокращением военных заказов, неравномерность развития фирм, процветание одних и разорение других. Естественно, возникла проблема возможности априорного определения условий, ведущих фирму к банкротству.
Вначале этот вопрос решался на эмпирическом, чисто качественном уровне и, естественно, приводил к существенным ошибкам. Первые серьезные попытки разработать  эффективную методику прогнозирования  банкротства относятся к 60-м гг. и связаны с развитием компьютерной техники.
Известны два основных подхода  к предсказанию банкротства. Первый базируется на финансовых данных и  включает оперирование некоторыми коэффициентами: приобретающим все большую известность Z-коэффициентом Альтмана (США), коэффициентом  Таффлера, (Великобритания), и другими, а также умение "читать баланс". Второй исходит из данных по обанкротившимся компаниям и сравнивает их с соответствующими данными исследуемой компании.
Первый подход, бесспорно эффективный  при прогнозировании банкротства, имеет три существенных недостатка. Во-первых, компании, испытывающие трудности, всячески задерживают публикацию своих  отчетов, и, таким образом, конкретные данные могут годами оставаться недоступными. Во-вторых, даже если данные и сообщаются, они могут оказаться "творчески  обработанными". Для компаний в  подобных обстоятельствах характерно стремление обелить свою деятельность, иногда доводящее до фальсификации. Требуется особое умение, присущее даже не всем опытным исследователям, чтобы выделить массивы подправленных  данных и оценить степень завуалированности. Третья трудность заключается в  том, что некоторые соотношения, выведенные по данным деятельности компании, могут свидетельствовать о неплатежеспособности в то время, как другие - давать основания для заключения о стабильности или даже некотором улучшении. В таких условиях трудно судить о реальном состоянии дел.
Второй подход основан на сравнении  признаков уже обанкротившихся  компаний с таковыми же признаками "подозрительной" компании. За последние 50 лет опубликовано множество списков обанкротившихся компаний. Некоторые из них содержат их описание по десяткам показателей. К сожалению, большинство списков не упорядочивают эти данные по степени важности и ни в одном не проявлена забота о последовательности. Попыткой компенсировать эти недостатки является метод балльной оценки (А-счет Аргенти).
В отличие от описанных "количественных" подходов к предсказанию банкротства  в качестве самостоятельного можно  выделить "качественный" подход, основанный на изучении отдельных характеристик, присущих бизнесу, развивающемуся по направлению  к банкротству. Если для исследуемого предприятия характерно наличие  таких характеристик, можно дать экспертное заключение о неблагоприятных  тенденциях развития.
Прежде чем переходить непосредственно  к описанию методик, реализующих  эти подходы, необходимо четко уяснить, что именно мы собираемся предсказывать. Общепринятым является мнение, что  банкротство и кризис на предприятии - понятия синонимичные; банкротство, собственно, и рассматривается как  крайнее проявление кризиса. В действительности же дело обстоит иначе - предприятие  подвержено различным видам кризисов (экономическим, финансовым, управленческим) и банкротство - лишь один из них.
Во всем мире под банкротством принято  понимать финансовый кризис, то есть неспособность  фирмы выполнять свои текущие  обязательства. Помимо этого, фирма  может испытывать экономический  кризис (ситуация, когда материальные ресурсы компании используются неэффективно) и кризис управления (неэффективное использование человеческих ресурсов, что часто означает также низкую компетентность руководства и, следовательно, неадекватность управленческих решений требованиям окружающей среды). Соответственно, различные методики предсказания банкротства, как принято называть их в отечественной практике, на самом деле, предсказывают различные виды кризисов. Именно поэтому оценки, получаемые при их помощи, нередко столь сильно различаются. Видимо, все эти методики вернее было бы назвать кризис-прогнозными (К-прогнозными).
Другое дело, что любой из обозначенных видов кризисов может привести к  коллапсу, смерти предприятия. В этой связи, понимая механизм банкротства  как юридическое признание такого коллапса, данные методики условно  можно назвать методиками предсказания банкротства. Представляется, однако, что ни одна из них не может претендовать на использование в качестве универсальной  именно по причине "специализации" на каком-либо одном виде кризиса. Поэтому  кажется целесообразным отслеживание динамики изменения результирующих показателей по нескольким из них. Выбор  конкретных методик, очевидно, должен диктоваться особенностями отрасли, в которой работает предприятие. Более того, даже сами методики могут  и должны подвергаться корректировке  с учетом специфики отраслей.
"Количественные" кризис-прогнозные методики
Одной из простейших моделей прогнозирования  вероятности банкротства считается двухфакторная модель. Она основывается на двух ключевых показателях (например, показатель текущей ликвидности и показатель доли заемных средств), от которых зависит вероятность банкротства предприятия. Эти показатели умножаются на весовые значения коэффициентов, найденные эмпирическим путем, и результаты затем складываются с некой постоянной величиной (const), также полученной тем же (опытно-статистическим) способом. Если результат (С1) оказывается отрицательным, вероятность банкротства невелика. Положительное значение Суказывает на высокую вероятность банкротства.
В американской практике выявлены и  используются такие весовые значения коэффициентов:
    для показателя текущей ликвидности (покрытия) (Кп) - (-1,0736)
    для показателя удельного веса заемных средств в пассивах предприятия (Кз) - (+0,0579)
    постоянная величина - (-0,3877)
    Отсюда формула расчета Спринимает следующий вид:

Надо заметить, что источник, приводящий данную методику, не дает информации о  базе расчета весовых значений коэффициентов. Тем не менее, в любом случае следует  иметь в виду, что в нашей  стране иные темпы инфляции, иные циклы  макро- и микроэкономики, а также  другие уровни фондо-, энерго- и трудоемкости производства, производительности труда, иное налоговое бремя. В силу этого невозможно механически использовать приведенные выше значения коэффициентов в российских условиях.
Однако саму модель, с числовыми  значениями, соответствующими реалиям  российского рынка, можно было бы применить, если бы отечественные учет и отчетность обеспечивали достаточно представительную информацию о финансовом состоянии предприятия.
Рассмотренная двухфакторная модель не обеспечивает всестороннюю оценку финансового состояния предприятия, а потому возможны слишком значительные отклонения прогноза от реальности. Для  получения более точного прогноза американская практика рекомендует  принимать во внимание уровень и  тенденцию изменения рентабельности проданной продукции, так как  данный показатель существенно влияет на финансовую устойчивость предприятия. Это позволяет одновременно сравнивать показатель риска банкротства (С1) и уровень рентабельности продаж продукции. Если первый показатель находится в безопасных границах, и уровень рентабельности продукции достаточно высок, то вероятность банкротства крайне незначительная.
Коэффициент Альтмана (индекс кредитоспособности). Этот метод предложен в 1968 г. известным западным экономистом Альтманом (Edward I. Altman). Индекс кредитоспособности построен с помощью аппарата мультипликативного дискриминантного анализа (Multiple-discriminant analysis - MDA) и позволяет в первом приближении разделить хозяйствующие субъекты на потенциальных банкротов и небанкротов.
При построении индекса Альтман  обследовал 66 предприятий, половина которых  обанкротилась в период между 1946 и 1965 гг., а половина работала успешно, и исследовал 22 аналитических коэффициента, которые могли быть полезны для  прогнозирования возможного банкротства. Из этих показателей он отобрал пять наиболее значимых и построил многофакторное регрессионное уравнение. Таким  образом, индекс Альтмана представляет собой функцию от некоторых показателей, характеризующих экономический  потенциал предприятия и результаты его работы за истекший период. В общем виде индекс кредитоспособности (Z-счет) имеет вид:
 
Где Х1 - оборотный капитал/сумма активов; 
Х2 - нераспределенная прибыль/сумма активов; 
Х3 - операционная прибыль/сумма активов; 
Х4 - рыночная стоимость акций/задолженность; 
Х5 - выручка/сумма активов.
Результаты многочисленных расчетов по модели Альтмана показали, что обобщающий показатель Z может принимать значения в пределах [-14, +22], при этом предприятия, для которых Z>2,99 попадают в число  финансово устойчивых, предприятия, для которых Z<1,81 являются безусловно-несостоятельными, а интервал [1,81-2,99] составляет зону неопределенности.
Z-коэффициент имеет общий серьезный  недостаток - по существу его можно  использовать лишь в отношении  крупных кампаний, котирующих свои  акции на биржах. Именно для  таких компаний можно получить  объективную рыночную оценку  собственного капитала.
В 1983 г. Альтман получил модифицированный вариант своей формулы для  компаний, акции которых не котировались на бирже:
 
(здесь Х4 - балансовая, а не рыночная стоимость акций.)
Коэффициент Альтмана относится к  числу наиболее распространенных. Однако, при внимательном его изучении видно, что он составлен некорректно: член Х1 связан с кризисом управления, Х4 характеризует наступление финансового кризиса, в то время как остальные - экономического. С точки зрения системного подхода данный показатель не имеет права на существование.
Вообще, согласно этой формуле, предприятия  с рентабельностью выше некоторой  границы становятся полностью "непотопляемыми". В российских условиях рентабельность отдельного предприятия в значительной мере подвергается опасности внешних  колебаний. По-видимому, эта формула  в наших условиях должна иметь  менее высокие параметры при  различных показателях рентабельности.
Известны другие подобные критерии. Так британский ученый Таффлер (Taffler) предложил в 1977 г. четырехфакторную прогнозную модель, при разработке которой использовал следующий подход:
При использовании компьютерной техники  на первой стадии вычисляются 80 отношений  по данным обанкротившихся и платежеспособных компаний. Затем, используя статистический метод, известный как анализ многомерного дискриминанта, можно построить  модель платежеспособности, определяя  частные соотношения, которые наилучшим  образом выделяют две группы компаний и их коэффициенты. Такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности корпорации, таких, как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность. Объединяя эти  показатели и сводя их соответствующим  образом воедино, модель платежеспособности производит точную картину финансового  состояния корпорации. Типичная модель для анализа компаний, акции которых  котируются на биржах, принимает форму:
 
где: 
х1=прибыль до уплаты налога/текущие обязательства (53%) 
х2=текущие активы/общая сумма обязательств (13%) 
х3=текущие обязательства/общая сумма активов (18%) 
х4=отсутствие интервала кредитования (16%) 
с0,...с- коэффициенты, проценты в скобках указывают на пропорции модели; хизмеряет прибыльность, х- состояние оборотного капитала, х- финансовый риск и х- ликвидность.
Для усиления прогнозирующей роли моделей  можно трансформировать Z-коэффициент  в PAS-коэффициент (Perfomans Analysys Score) - коэффициент, позволяющий отслеживать деятельность компании во времени. Изучая PAS-коэффициент как выше, так и ниже критического уровня, легко определить моменты упадка и возрождения компании.
PAS-коэффициент - это просто относительный  уровень деятельности компании, выведенный на основе ее Z-коэффициента  за определенный год и выраженный  в процентах от 1 до 100. Например, PAS-коэффициент,  равный 50, указывает на то, что  деятельность компании оценивается  удовлетворительно, тогда как  PAS-коэффициент, равный 10, свидетельствует  о том, что лишь 10% компаний  находятся в худшем положении  (неудовлетворительная ситуация). Итак, подсчитав Z-коэффициент для компании, можно затем трансформировать  абсолютную меру финансового  положения в относительную меру  финансовой деятельности. Другими  словами, если Z-коэффициент может  свидетельствовать о том, что  компания находится в рискованном  положении, то PAS-коэффициент отражает  историческую тенденцию и текущую  деятельность на перспективу.
Сильной стороной такого подхода является его способность сочетать ключевые характеристики отчета о прибылях и  убытках и баланса в единое представительное соотношение. Так, компания, получающая большие прибыли, но слабая с точки зрения баланса, может быть сопоставлена с менее прибыльной, баланс которой уравновешен. Таким образом, рассчитав PAS-коэффициент, можно быстро оценить финансовый риск, связанный с данной компанией, и соответственно варьировать условия сделки. В сущности, подход основан на принципе, что целое более ценно, чем сумма его составляющих.
Дополнительной особенностью этого  подхода является использование "рейтинга риска" для дальнейшего выявления  скрытого риска. Этот рейтинг статистически  определяется только, если компания имеет  отрицательный Z-коэффициент, и вычисляется  на основе тренда Z-коэффициента, величины отрицательного Z-коэффициента и числа  лет, в продолжение которых компания находилась в рискованном финансовом положении. Используя пятибалльную шкалу, в которой 1 указывает на "риск, но незначительную вероятность немедленного бедствия", а 5 означает "абсолютную невозможность сохранения прежнего состояния", менеджер оперирует готовыми средствами для оценки общего баланса  рисков, связанных с кредитами  клиента.
Учеными Иркутской государственной  экономической академии предложена своя четырехфакторная модель прогноза риска банкротства (модель R), которая имеет следующий вид:
 
где К1 - оборотный капитал/актив; 
К2 - чистая прибыль/собственный капитал; 
К3 - выручка от реализации/актив; 
К4 - чистая прибыль/интегральные затраты.
Вероятность банкротства предприятия  в соответствии со значением модели R определяется следующим образом: 
Вероятность банкротства, процентов
Меньше 0
Максимальная (90-100)
0-0,18
Высокая (60-80)
0,18-0,32
Средняя (35-50)
0,32-0,42
Низкая (15-20)
Больше 0,42
Минимальная (до 10)

К очевидным достоинствам данной модели можно отнести то, что механизм ее разработки и все основные этапы  расчетов достаточно подробно описаны  в источнике. 
Коэффициент прогноза банкротства (Кпб) характеризует удельный вес чистых оборотных средств в сумме актива баланса. Он исчисляется по формуле:
 
Можно также использовать в качестве механизма предсказания банкротства цену предприятия. На скрытой стадии банкротства начинается незаметное, особенно если не наложен специальный учет, снижение данного показателя по причине неблагоприятных тенденций как внутри, так и вне предприятия.
Цена предприятия (V) определяется капитализацией прибыли по формуле:
 
где P - ожидаемая прибыль до выплаты  налогов, а также процентов по займам и дивидендов;
K - средневзвешенная стоимость  пассивов (обязательств) фирмы (средний  процент, показывающий проценты  и дивиденды, которые необходимо  будет выплачивать в соответствии  со сложившимися на рынке условиями  за заемный и акционерный капиталы).
Снижение цены предприятия означает снижение его прибыльности либо увеличение средней стоимости обязательств (требования банков, акционеров и других вкладчиков средств). Прогноз ожидаемого снижения требует анализа перспектив прибыльности и процентных ставок.
Целесообразно рассчитывать цену предприятия  на ближайшую и долгосрочную перспективу. Условия будущего падения цены предприятия  обычно формируются в текущий  момент и могут быть в определенной степени предугаданы (хотя в экономике  всегда остается место для непрогнозируемых скачков).
Кризис управления характеризует показатель Аргенти (А-счет).
Согласно данной методике, исследование начинается с предположений, что (а) идет процесс, ведущий к банкротству, (б) процесс этот для своего завершения требует нескольких лет и (в) процесс  может быть разделен на три стадии:
Недостатки. Компании, скатывающиеся к банкротству, годами демонстрируют ряд недостатков, очевидных задолго до фактического банкротства.
Ошибки. Вследствие накопления этих недостатков компания может совершить ошибку, ведущую к банкротству (компании, не имеющие недостатков, не совершают ошибок, ведущих к банкротству).
Симптомы. Совершенные компанией ошибки начинают выявлять все известные симптомы приближающейся неплатежеспособности: ухудшение показателей (скрытое при помощи "творческих" расчетов), признаки недостатка денег. Эти симптомы проявляются в последние два или три года процесса, ведущего к банкротству, который часто растягивается на срок от пяти до десяти лет.
При расчете А-счета конкретной компании необходимо ставить либо количество баллов согласно Аргенти, либо 0 - промежуточные значения не допускаются. Каждому фактору каждой стадии присваивают определенное количество баллов и рассчитывают агрегированный показатель - А-счет.
Метод А-счета для предсказания банкротства. 
Недостатки
Директор-автократ
?
8
Председатель совета директоров является также директором
?
4
Пассивность совета директоров
?
2
Внутренние противоречия в совете директоров (из-за различия в знаниях и навыках)
?
2
Слабый финансовый директор
?
2
Недостаток профессиональных менеджеров среднего и нижнего звена (вне совета директоров)
?
1
Недостатки системы учета:Отсутствие бюджетного контроля
  3
Отсутствие прогноза денежных потоков
?
3
Отсутствие системы управленческого  учета затрат
?
3
Вялая реакция на изменения (появление новых продуктов, технологий, рынков, методов организации труда  и т.д.)
?
15
Максимально возможная сумма  баллов
?
43
"Проходной балл"
  10
Если сумма  больше 10, недостатки в управлении могут  привести к серьезным ошибкам
   
Ошибки
   
Слишком высокая доля заемного капитала
?
15
Недостаток оборотных  средств из-за слишком быстрого роста  бизнеса
?
15
Наличие крупного проекта (провал такого проекта подвергает фирму  серьезной опасности)
?
15
Максимально возможная сумма  баллов
  45
"Проходной балл"
  15
Если сумма  баллов на этой стадии больше или равна 25, компания подвергается определенному  риску
   
Симптомы
   
Ухудшение финансовых показателей
?
4
Использование "творческого  бухучета"
?
4
Нефинансовые признаки неблагополучия (ухудшение качества, падение "боевого  духа" сотрудников, снижение доли рынка)
?
4
Окончательные симптомы кризиса (судебные иски, скандалы, отставки)
?
3
Максимально возможная сумма  баллов
  12
Максимально возможный А-счет
  100
"Проходной балл"
  25
Большинство успешных компаний
  5-18
Компании, испытывающие серьезные  затруднения
  35-70
     
Если сумма баллов более 25, компания может обанкротиться  в течение ближайших пяти лет.Чем больше А-счет, тем скорее это может произойти. 
   

"Качественные" кризис-прогнозные методики
Ориентация на какой-то один критерий, даже весьма привлекательный с позиции  теории, на практике не всегда оправдана. Поэтому многие крупные аудиторские  фирмы и другие компании, занимающиеся аналитическими обзорами, прогнозированием и консультированием, используют для  аналитических оценок системы критериев. Безусловно, в этом есть и свои минусы: гораздо легче принять решение  в условиях однокритериальной, чем  многокритериальной задачи. Вместе с  тем, любое прогнозное решение подобного  рода, независимо от числа критериев, является субъективным, а рассчитанные значения критериев носят скорее характер информации к размышлению, нежели побудительных стимулов для  принятия немедленных решений.
В качестве примера можно привести рекомендации Комитета по обобщению практики аудирования (Великобритания), содержащие перечень критических показателей для оценки возможного банкротства предприятия. В.В. Ковалев, основываясь на разработках западных аудиторских фирм и преломляя эти разработки к отечественной специфике бизнеса, предложил следующую двухуровневую систему показателей.
К первой группе относятся критерии и показатели, неблагоприятные текущие  значения или складывающаяся динамика изменения которых свидетельствуют  о возможных в обозримом будущем  значительных финансовых затруднениях, в том числе и банкротстве. К ним относятся:
    повторяющиеся существенные потери в основной производственной деятельности;
    превышение некоторого критического уровня просроченной кредиторской задолженности;
    чрезмерное использование краткосрочных заемных средств в качестве источников финансирования долгосрочных вложений;
    устойчиво низкие значения коэффициентов ликвидности;
    хроническая нехватка оборотных средств;
    устойчиво увеличивающаяся до опасных пределов доля заемных средств в общей сумме источников средств;
    неправильная реинвестиционная политика;
    превышение размеров заемных средств над установленными лимитами;
    хроническое невыполнение обязательств перед инвесторами, кредиторами и акционерами (в отношении своевременности возврата ссуд, выплаты процентов и дивидендов);
    высокий удельный вес просроченной дебиторской задолженности;
    наличие сверхнормативных и залежалых товаров и производственных запасов;
    ухудшение отношений с учреждениями банковской системы;
    использование (вынужденное) новых источников финансовых ресурсов на относительно невыгодных условиях;
    применение в производственном процессе оборудования с истекшими сроками эксплуатации;
    потенциальные потери долгосрочных контрактов;
    неблагоприятные изменения в портфеле заказов.
Во вторую группу входят критерии и показатели, неблагоприятные значения которых не дают основания рассматривать  текущее финансовое состояние как  критическое. Вместе с тем, они указывают, что при определенных условиях или  непринятии действенных мер ситуация может резко ухудшиться. К ним  относятся:
    потеря ключевых сотрудников аппарата управления;
    вынужденные остановки, а также нарушения производственно-технологического процесса;
    недостаточная диверсификация деятельности предприятия, т.е. чрезмерная зависимость финансовых результатов от какого-то одного конкретного проекта, типа оборудования, вида активов и др.;
    излишняя ставка на прогнозируемую успешность и прибыльность нового проекта;
    участие предприятия в судебных разбирательствах с непредсказуемым исходом;
    потеря ключевых контрагентов;
    недооценка технического и технологического обновления предприятия;
    неэффективные долгосрочные соглашения;
    политический риск, связанный с предприятием в целом или его ключевыми подразделениями.
Что касается критических значений этих критериев, то они должны быть детализированы по отраслям и подотраслям, а их разработка может быть выполнена после накопления определенных статистических данных.
Одной из стадий банкротства предприятия  является финансовая неустойчивость. На этой стадии начинаются трудности с наличными средствами, проявляются некоторые ранние признаки банкротства, резкие изменения в структуре баланса в любом направлении. Однако особую тревогу должны вызвать:
    резкое уменьшение денежных средств на счетах (кстати, увеличение денежных средств может свидетельствовать об отсутствии дальнейших капиталовложений);
    увеличение дебиторской задолженности (резкое снижение также говорит о затруднениях со сбытом, если сопровождается ростом запасов готовой продукции);
    старение дебиторских счетов;
    разбалансирование дебиторской и кредиторской задолженности;
    снижение объемов продаж (неблагоприятным может оказаться и резкое увеличение объемов продаж, так как в этом случае банкротство может наступить в результате последующего разбалансирования долгов, если последует непродуманное увеличение закупок, капитальных затрат; кроме того, рост объемов продаж может свидетельствовать о сбросе продукции перед ликвидацией предприятия).
При анализе работы предприятия  извне тревогу должны вызывать:
    задержки с предоставлением отчетности (эти задержки, возможно, сигнализируют о плохой работе финансовых служб);
    конфликты на предприятии, увольнение кого-либо из руководства и т.д.
 
 Корректировка методик предсказания банкротства  с учетом специфики отраслей 
Данная методика разработана учеными  Казанского государственного технологического университета. Они предлагают деление  всех предприятий по классам кредитоспособности. Расчет класса кредитоспособности связан с классификацией оборотных активов  по степени их ликвидности.
Особенности формирования оборотных  средств в нашей стране не позволяют  прямо использовать критериальные уровни коэффициентов платежеспособности (ликвидности и финансовой устойчивости), применяемых в мировой практике. Поэтому создание шкалы критериальных уровней может опираться лишь на средние величины соответствующих коэффициентов, рассчитанные на основе фактических данных однородных предприятий (одной отрасли).
Распределение предприятий по классам  кредитоспособности происходит на следующих  основаниях:
    к первому классу кредитоспособности относят фирмы, имеющие хорошее финансовое состояние (финансовые показатели выше среднеотраслевых, с минимальным риском невозврата кредита);
    ко второму - предприятия с удовлетворительным финансовым состояние (с показателями на уровне среднеотраслевых, с нормальным риском невозврата кредита);
    к третьему классу - компании с неудовлетворительным финансовым состоянием, имеющие показатели на уровне ниже среднеотраслевых, с повышенным риском непогашения кредита.
Поскольку, с одной стороны, для  предприятий разных отраслей применяются  различные показатели ликвидности, а, с другой, специфика отраслей предполагает использование для каждой из них  своих критериальных уровней даже по одинаковым показателям, учеными Казанского государственного технологического университета были рассчитаны критериальные значения показателей отдельно для каждой из таких отраслей, как:
    промышленность (машиностроение);
    торговля (оптовая и розничная);
    строительство и проектные организации;
    наука (научное обслуживание).
 
 В случае диверсификации деятельности предприятие  отнесено к той группе, деятельность в которой занимает наибольший удельный вес.
Значения критериальных показателей для распределения предприятий промышленности (машиностроение) по классам кредитоспособности
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 0,8
0,8-1,5
> 1,5
  Вероятность банкротства (Z-счет Альтмана)
>3,0
1,5-3,0
< 1,5
  Общий коэффициент покрытия (ликвидность баланса)
>2,0
1,0-2,0
< 1,0

Значения критериальных показателей для распределения предприятий торговли (оптовой) по классам кредитоспособности 
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 1,5
1,5-2,5
> 2,5
  Вероятность банкротства (Z-счет Альтмана)
>3,0
1,5-3,0
< 1,5
  Общий коэффициент покрытия (ликвидность баланса)
>1,0
0,7-1,0
< 0,7

Значения критериальных показателей для распределения предприятий торговли (розничной) по классам кредитоспособности
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 1,8
1,8-2,9
> 3,0
  Вероятность банкротства (Z-счет Альтмана)
>2,5
1,0-2,5
< 1,0
  Общий коэффициент покрытия (ликвидность баланса)
>0,8
0,5-0,8
< 0,5

Значения критериальных показателей для распределения строительных организаций по классам кредитоспособности 
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 1,0
1,0-2,0
> 2,0
  Вероятность банкротства (Z-счет Альтмана)
>2,7
1,5-2,7
< 1,0
  Общий коэф. покрытия (ликвидность баланса)
>0,7
0,5-0,8
< 0,5

Значения критериальных показателей для распределения проектных организаций по классам кредитоспособности 
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 0,8
0,8-1,6
> 1,6
  Вероятность банкротства (Z-счет Альтмана)
>2,5
1,1-2,5
< 1,1
  Общий коэффициент покрытия (ликвидность баланса)
>0,8
0,3-0,8
< 0,3

 
 Значения  критериальных показателей для распределения научных (научное обслуживание) организаций по классам кредитоспособности 
Наименование  показателя
Значение показателей  по классам
    1 класс
2 класс
3 класс
  Соотношение заемных и  собственных средств
< 0,9
0,9-1,2
> 1,2
  Вероятность банкротства (Z-счет Альтмана)
>2,6
1,2-2,6
< 1,2
  Общий коэффициент покрытия (ликвидность баланса)
>0,9
0,6-0,9
< 0,6

 
 Здесь представлен  обзор, имеющий целью сориентировать читателя в методиках предсказания банкротства (апробированных или не вполне). Очевидно, предстоит еще  накопление некоторого опыта для  рационального их использования.
Литература
    Маркарьян Э.А., Герасименко, Г.П. "Финансовый анализ" - М.: "ПРИОР", 1997 г. . - 160 с.
    Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. - М.: Финансы и статистика, 1996. - 432 с.: ил
    Скоун Т. "Управленческий учет"/Пер. с англ. под редакцией Н.Д. Эриашвили. - Аудит, ЮНИТИ, 1997. - 179 с.
    Антикризисное управление: от банкротства - к финансовому оздоровлению/ Под ред. Г.П. Иванова. - М.: Закон и право, ЮНИТИ, 1995. - с.130
    Руководство по кредитному менеджменту: Пер. с англ. / Под ред. Б. Эдвардса. - М.: ИНФРА-М, 1996. - 464 с., с. 104
    Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском, 1999 г., № 3, с. 13-20
    Теория и практика антикризисного управления: Учебник для вузов/ Г.З. Базаров, С.Г. Беляев, Л.П. Белых и др.; Под ред. С.Г. Беляева и В.И. Кошкина. - М.: Закон и право, ЮНИТИ, 1996. - 469 с., с. 95-97
    Стрекалов О.Б., Зарипов Э.Р. Кризисы в организации и управление проектами: Учебное пособие. - Казань: Казан. гос. технол. ун-т, 1997, 160 стр., с. 36-40.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Модели  прогнозирования банкротства (Конан-Гольдера, Фулмера, Спрингейта)
Автоматическое  заключение программы для финансового  анализа Апельсин Финанс
 
Прогнозирование банкротства - Модель Конана-Гольдера
 
Х1
0,442
0,410
0,377
0,406
0,490
Х2
0,619
0,638
0,627
0,661
0,696
Х3
0,700
0,727
0,737
0,694
0,689
Х4
0,001
0,002
0,003
0,002
0,002
Х5
1,961
1,512
0,756
1,077
0,895
Z
-0,069
0,064
0,262
0,135
0,153
Вероятность задержки платежей, %
40
90
100
90
90

Оценка на основе дискриминантного показателя платежеспособности Париж-Дафин (Конана-Голдера) позволяет оценить по состоянию на 01.01.09 г. вероятность задержки платежей данным предприятием на уровне 90%.
Прогнозирование банкротства - Модель Фулмера
 
Х1
0,379
0,418
0,275
0,336
0,279
Х2
2,107
1,671
1,304
1,465
1,440
Х3
0,851
0,416
0,050
0,543
0,598
Х4
0,504
0,275
0,005
0,255
0,216
Х5
0,238
0,218
0,351
0,324
0,416
Х6
0,381
0,362
0,373
0,339
0,304
Х7
3,639
3,660
3,724
3,739
3,888
Х8
1,092
1,108
0,822
0,937
0,917
Х9
1,426
1,097
0,222
1,000
1,000
Интегральный показатель H
5,580
5,073
2,787
4,266
3,873

Оценка состоятельности  предприятия с помощью модели Фулмера по состоянию на 01.01.09 г. позволяет дать положительный прогноз состоятельности.
Прогнозирование банкротства - Модель Спрингейта
 
Х1
0,676
0,643
0,595
0,621
0,661
Х2
0,324
0,175
0,014
0,183
0,167
Х3
0,853
0,482
0,037
0,541
0,549
Х4
2,107
1,671
1,304
1,465
1,440
Z
3,098
2,185
1,201
2,145
2,132
Вероятность банкротства
низкая
низкая
низкая
низкая
низкая

Оценка состоятельности  предприятия с помощью модели Спрингейта по состоянию на 01.01.09 г. позволяет оценить вероятность банкротства предприятия как низкую.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Прогнозирование банкротства на основе моделей Альтмана
Энциклопедия  финансового анализа Апельсин Финанс
 
Коэффициент Альтмана
Данная модель, известная также как Z - счет или  индекс кредитоспособности, является, пожалуй, наиболее распространенной в  мировой аналитической практике. Несмотря на многочисленные критические  выступления (устаревшие данные - статистика до 1968, малая нерепрезентативная выборка - 66 фирм), данный показатель стал практически  стандартом при оценке вероятности  банкротства предприятия. В группу показателей Альтмана входит несколько  моделей. Наиболее известна из них пятифакторная  модель 1968 года. Наибольшую предсказательную силу по данным современной финансовой статистики показывает ZETAtm модель, однако ее параметры защищены патентом и не разглашаются.
Двухфакторная модель Альтмана
Формула
Показатель Z
- 0,3877 – 1,0736 х+ 0,0579 х2
 
Х1
ОА
КП
290
690
Х2
ВБ
СК
300
490

Вероятность банкротства  в двухфакторной модели определяется на уровне:
- 50 %, если Z=0;
- меньше 50 %, если Z < 0 и уменьшается вместе с  уменьшением Z;
- больше 50 %, если Z > 0 и увеличивается вместе с  увеличением Z.
Пятифакторная модель Альтмана
Формула
Источник
Показатель Z
1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + X5
 
Х1
СОС
ВБ
290-690
300
Х2
ЧП
ВБ
ф.2 190
300
Х3
Ппр
ВБ
ф.2 050
300
Х4
Рыночная  стоимость СК
КП+ДП
Цена акц. капитала
590+690
Х5
Вр
ВБ
ф.2 010
300

Интерпретация пятифакторной  модели:
- Z > 2,99 финансово  устойчивые предприятия;
- Z < 1,81 безусловно - несостоятельные предприятия;
- интервал [1,81 - 2,99] составляет зону неопределенности, то есть в данном интервале  невозможно сказать что-либо определенное  о возможности банкротства.
При расчете компонента Х4 возникает проблема рыночной оценки собственного капитала компании. В условиях развитого фондового рынка такой оценкой может служить рыночная капитализация компании, однако в российских условиях получить подобную оценку затруднительно: торги по акциям большинства компаний осуществляются нерегулярно и, преимущественно, крупными пакетами. В таких случаях цена акций не может служить достаточно адекватной оценкой акционерного капитала, так как сделка главным образом фиксирует переход контроля над компанией, а не нормальный инвестиционный процесс.
Для оценки компаний, акции которых не котируются на бирже Альтман предложил модифицированный вариант пятифакторной модели:
Z = 0,717 Х1 + 0,847 Х2, + 3,107 Х3 + 0,42 Х4 + 0,995 Х5
Здесь в числителе  показателя Х4 стоит не рыночная, а балансовая оценка собственного капитала. «Пограничное» значение для модифицированной модели 1,23.
 
 
 
 
Процесс разработки моделей для прогнозирования  банкротства предприятий (на примере  японских публичных компаний)
 

Журов В.А., к.э.н., докторант высшей школы коммерции университета Васеда, Япония 
Источник: Журнал "Финансовый менеджмент"
добавлено: 2011-03-02  
просмотров: 3699
Сегодня во всем мире случаи банкротства, связанные с  банкротством скандалы, так же как  и ущерб от банкротства, достигли небывалого уровня. Согласно статистическим данным в Соединенных Штатах Америки ежегодно регистрируется около 55 000 случаев банкротств (что составляет около 3,65% от общего количества предприятий), во Франции - около 53 000 случаев банкротств (1,89%),  в Германии - около 21 000 случаев банкротств (1,03%), в Великобритании - около 17 000 случаев банкротств (0,67%) и в Японии - около 14 000 случаев банкротств (0,22%) (Claessens and Klapper, 2002).
Банкротство оказывает  влияние на экономику любой страны, поскольку оно ведет к экономическим  потерям не только для держателей акций, менеджмента или персонала, но для многих других предприятий, также  как и к социальным и экономическим  затратам для всего государства.
Высокие потери и  затраты, являющиеся следствием банкротства  предприятий, стали причиной поиска методов идентификации возможной  неплатежеспособности в наиболее развитых странах.  В результате было разработано большое число разнообразных моделей прогнозирования банкротства.
Следует отметить, что вклад российских ученых в  проблему прогнозирования банкротства  предприятий пока незначителен. Эта  ситуация связана прежде всего с  тем, что по ряду очевидных причин, данная проблема стала для российской экономической науки актуальной сравнительно недавно. Думается, что  изучение опыта, накопленного в других странах, является необходимым и  естественным этапом для продвижения  в данной области. Однако вместе с  накоплением статистики банкротств и улучшением доступности финансовых данных, как предприятий-банкротов, так и предприятий-небанкротов, неизбежно встанет необходимость перехода от адаптации зарубежных моделей прогнозирования банкротства к разработке оригинальных моделей на основе данных российских предприятий.
В данной статье предпринята  попытка на основе данных японских компаний детально проанализировать процесс  разработки моделей прогнозирования  банкротства, типичные проблемы, возникающие  у исследователей при этом, а также  возможные пути их решения.
1. Подготовительный  этап к разработке моделей  прогнозирования банкротства
1.1. Определение  параметров статистической выборки
В отраслях чистой науки (таких как химия, физика или  медицина) обычно является возможным  проведение контролируемых экспериментов  в условиях лаборатории. Однако, в  социальных отраслях науки, проведение приближенного к практике эксперимента в контролируемой лабораторной среде  часто является невозможным. Таким  образом, обычно исследователи вынуждены  собрать статистические свидетельства  среди событий реального мира и использовать эти данные для  проверки различных гипотез. Подобный подход обычно используется в исследованиях, связанных с прогнозированием банкротства.  
Остановимся на некоторых проблемах, связанных с процедурой отбора статистических данных или, говоря статистическими терминами, с процедурой поиска выборки для исследования.
Объекты выборки
Исходные данные для данного исследования были собраны  на основе финансовой отчетности крупных  японских предприятий, зарегистрированных на фондовой бирже. В основу выбора открытых компаний как объекта исследования лег ряд причин:
    Одним из очевидных факторов, является доступность данных крупных компаний, чьи акции торгуются на фондовой бирже.
    Данные закрытых мелких компаний менее достоверны. Это связывают, например, с тем, что топ- менеджмент в подобных компаниях менее подвержен контролю, принятие решений в большей степени носит произвольный характер и значительнее зависит от системы вознаграждения.
    Использование данных крупных открытых компаний в большей степени делает возможным сравнение результатов исследования с результатами, полученными для подобных компаний в других странах.
Период выборки
В ряде научных работ, исследователи пытались связать  частоту банкротств с некоторыми макроэкономическими показателями. Так Oota (1996) провел разносторонний анализ взаимосвязи между изменениями в японской экономике и статистическими данными по банкротству предприятий. В частности, на основе регрессионного анализа временных рядов нескольких экономических характеристик финансового и фондового рынков, он сделал вывод, что ВВП, официальная ставка рефинансирования, валютный курс, денежная масса, а также фондовые индексы (Tokyo stock price index и Nikkei stock average) показали статистически значимую связь со статистикой банкротств. На основе вышеизложенного, можно сделать вывод о необходимости однородности базовых экономических условий в течение рассматриваемого периода.
Анализ статистики банкротств японских предприятий в  период с 1971 по 2001 г., свидетельствует  о том, что, начиная с 1992 г., темпы  изменения данного показателя стабилизируются. На основе вышеизложенного, для формирования исходной выборки были выбраны финансовые данные предприятий после 1992 г.
Отраслевая принадлежность предприятий выборки
Обычная экономическая  интуиция подсказывает, что отраслевая принадлежность должна стать важным компонентом при прогнозировании  банкротства по двум причинам:
    Во-первых, предприятия разных отраслей сталкиваются с разными  уровнями конкуренции, и поэтому вероятность банкротства может варьироваться в зависимости от отраслевой принадлежности.
    Во-вторых, предприятия разных отраслей могут иметь разный товарооборот и правила финансового учета, и, как следствие, вопрос сопоставимости некоторых показателей, взятых из финансовой отчетности, становится актуальным.
Доказательства  верности вышеизложенной гипотезы в  условиях японской экономики были получены Oota (1996). Ему удалось наглядно доказать, что изменения в экономических условиях по-разному воздействуют на статистику банкротств в разных отраслях.
На основе вышеизложенного, можно с определенной уверенностью говорить о том, что финансовая информация, используемая при прогнозировании  банкротства, может значительно  варьироваться в зависимости  от отраслевой принадлежности предприятий. Таким образом, желательным является исключение из рассматриваемой выборки  данных компаний тех отраслей, чьи  финансовые характеристики значительно  отличаются от других.
1.2. Сбор необходимых  данных
После определения  основных параметров выборки следующим  этапом стал сбор данных предприятий-банкротов  и предприятий-небанкротов.
Следует отметить, что в большинстве экономически развитых странах проблемы с аналитической  базой практически не существует. Масса данных, в том числе необходимых  для исследования в области прогнозирования  банкротства, доступна как в печатном, так и в электронном виде. В  России, к сожалению, ситуация отлична. Однако думается, что спрос на данную информацию в ближайшее время  будет способствовать появлению  предложения со стороны либо государственных органов, либо частных аналитических агентств.
Данные предприятий-банкротов
Поскольку нет общепринятого  определения термина "банкротство", первым шагом при сборе данных должно стать ясное определение  этого понятия. Например, Beaver (1966) использовал широкое определения термина "банкротство", которое включало в себя невыплату по обязательствам, превышение кредитных ограничений или неоплату дивидендов держателям привилегированных акций. В качестве альтернативы, "банкротство" может быть определено в строго юридическом смысле. Так, Deakin (1972), в качестве несостоятельных рассмотрел компании добровольно объявившие себя  банкротами или те, что были ликвидированы по требованию кредиторов. При написании данной статьи использовалось широкое определение понятия "банкротства", а именно, как ситуация, при которой предприятие претерпевает серьезные финансовые проблемы.
Следующим шагом  в формировании выборки стала  идентификация открытых компаний, ставших  банкротами в период с 1995 по 2002 г. Поскольку  выше было признано обоснованным использование  финансовой отчетности за период после 1992 г., и поскольку обычной практикой  является использование финансовой информации, характеризующей предприятие, по меньшей мере, за три года до банкротства, при формировании выборки предприятий-банкротов  в качестве нижней границы рассматриваемого периода был выбран 1995 год. Аналогичным образом, поскольку необходима определенная уверенность в том, что предприятия-небанкроты не станут банкротами, по меньшей мере, в течение последующих трех лет, в качестве верхней границы рассматриваемого периода был выбран 2002 год. Используя ежегодные отчеты Teikoku Database Bankruptcy (1995-2002), была сформирована выборка из 95 предприятий-банкротов.
На следующей  стадии были исключены предприятия, которые не удовлетворяли описанным  выше отраслевым ограничениям, а также  предприятия, для которых не удалось  собрать финансовые данные за весь рассматриваемый период - от одного до трех лет перед банкротством. В результате из выборки были исключены  данные 20 предприятий.
Данные предприятий-небанкротов
Обычно, после формирования выборки предприятий-банкротов, следующим  шагом является сбор данных предприятий-небанкротов. Здесь мнения исследователей расходятся: по меньшей мере, существует две процедуры отбора данных, а именно,   отбор по подобию (matched sampling) и случайный отбор (random sampling).
Используя отбор  по подобию, исследователь выбирает для каждого предприятия-банкрота аналогичное - обычно по критериям размера и отраслевой принадлежности - предприятие-небанкрот. Цель данного подбора можно объяснить следующим образом: предприятия-банкроты часто непропорционально малы и сконцентрированы в отельных секторах экономики. Если предприятия-небанкроты выбираются на случайной основе, то существенного различия между двумя группами в разрезе размеров и отраслевой принадлежности не избежать. В результате модель больше будет делать различие между большими и мелкими предприятиями, или предприятиями разных отраслей.
С другой стороны, некоторые  исследователи подчеркивают потенциальные  расхождения, вытекающие из использования  отбора по подобию:
    В случае, если критерием отбора является отраслевая принадлежность, размер предприятия или период, за который доступна финансовая отчетность, эти три переменных автоматически исключаются из рассмотрения в качестве переменных.
    Более того, отбор по подобию, приводит к потенциальному расхождению, так как доля открытых предприятий-небанкротов в реальности не 50%, а около свыше 98%. В результате этого расхождения выборка не будет представительной для всей совокупности компаний, и поэтому некоторые из характеристик могут быть либо переоценены, либо недооценены.

и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.