ПРИМЕНЕНИЕ КРИЗИС-ПРОГНОЗНЫХ МОДЕЛЕЙ В ДИАГНОСТИКЕ ФИНАНСОВОЙ СОСТОЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ*

 

Казиев К.В., Казиева Б.В. (Кабардино-Балкарский государственный университет им. Х.М. Бербекова, г. Нальчик, РФ)

 

Тhe actual problem of an estimation of adequacy of existing models of forecasting of probability of bankruptcy of the enterprise Is put. Testing 13 crisis-forecasting models on the basis of data of sample of 64 enterprises KBR is lead.

 

Диагностика финансовой состоятельности - это средство для получения достоверной и качественной информации о реальных возможностях предприятия на начальной стадии экономического кризиса. Предприятие с серьезно поставленной аналитической системой способно заранее распознавать надвигающийся кризис, оперативно реагировать на него, уменьшая степень риска. С помощью финансового анализа можно найти уязвимые места в экономике предприятия и предложить эффективные решения по выходу из затруднительного положения.

Можно выделить два основных подхода к предсказанию банкротства.

Первый подход («количественный») базируется на финансовых данных и включает оперирование некоторыми коэффициентами. Он имеет три существенных недостатка. Во-первых, предприятия, испытывающие трудности, всячески задерживают публикацию своих отчетов, конкретные данные могут продолжительное время оставаться недоступными. Во-вторых, эти данные могут оказаться не вполне достоверными. Для компаний в подобных обстоятельствах характерно стремление «обелить» свою деятельность, иногда доводящее до фальсификации. Третья трудность заключается в том, что коэффициенты могут иметь разную динамическую направленность и не всегда позволяют сделать однозначные выводы об изменении финансового состояния организации.

Второй подход («качественный») основан на изучении определенных характеристик, присущих бизнесу, развивающемуся по направлению к банкротству. Если для исследуемого предприятия характерно наличие таких характеристик, можно дать экспертное заключение о неблагоприятных тенденциях его развития, по сути это скоринг. В условиях стабильной рыночной экономики и при наличии длительной массовой статистики проблема класси­фикации предприятий не представляет трудности. Применение данного подхода в России затруднено ввиду отсутствия достоверной и полной статистики банкротств [1].

Для получения интегральной оценки «жизнеспособности» организации проводят анализ с использованием дискриминантных моделей, которые принято называть кризис-прогнозными. Целью мультипликативного дискриминантного анализа является построение линии, делящей все компании на две группы: если точка расположена над линией, то фирме, которой она соответствует, финансовые затруднения в ближайшем будущем не грозят, и наоборот [2]. Эта линия разграничения называется дискриминантной функцией (индекс Z, индекс кредитоспособности) и обычно представляется в линейном виде:

Z = a1Х1 + a2X2 + ... + anXn                                                 (1)    

где Z - дифференциальный индекс (Z-счет); X - независимая переменная (i = 1,..., n); а - коэффициент i-й переменной.

В настоящее время существует достаточно большое число таких моделей, которые вызывают различные, зачастую противоположные, мнения об их применимости в условиях российской экономики и проблема адекватности получаемых оценок сохраняет свою актуальность.

Нами было проведено тестирование 17 кризис-прогнозных моделей на основе данных финансовой отчетности 32 предприятий Кабардино-Балкарской Республики, обанкротившихся за 2004-2005гг. Для анализа временных изменений их финансового состояния, отчетность бралась за период с 4 квартала 2001 г. по 1 квартал 2004 г. Одновременно проводилась перепроверка адекватности получаемых оценок по данным отчетности 32 достаточно финансово устойчивых (успешных) предприятий республики за аналогичный период времени.

Общая величина активов предприятий-должников на 01.01.2002 г. составила 1560,28 млн рублей, на 01.01.2003 г. она возросла до 1753,24 млн рублей, а на 01.01.2004 г. равнялась 2029,24 млн рублей. При этом доля основного капитала в активах колебалась от 42,19% в 2002 г. до 51,22% в 2004 г. Доля оборотного капитала, соответственно, по годам составила 57,81%, 60,64% и 48,78%.

В структуре капитала предприятий выборки преобладали краткосрочные обязательства. За счет того, что собственные средства должников были незначительны в 2002 г. (5,75%), а в 2003-2004гг. уже были отрицательной величиной, доля краткосрочных обязательств была больше 100%. Так, в 2002 г. она составила 92,88%, в 2003 г. уже 118,55%, а в 2004 г. возросла до 125,66%.

Количество занятых в среднем составило 6200 человек. Общий объем выручки (нетто) от продажи продукции, работ, услуг на 01.01.2002 г. составил 176,87 млн рублей, на начало 2003 г. снизился до 80,25 млн рублей, а на 01.01.2004 г. был равен 183 млн рублей. Чистый убыток диагностируемых организаций на начало 2002 г. был равен 29569,66 тыс. рублей, за год он снизился на 20,5% и составил 23503,28 тыс. рублей, а на начало 2004 г. сумма убытка возросла до 50539,4 тыс. рублей. Такая динамика была обусловлена ростом наложенных финансовых санкций.

Отраслевое распределение предприятий выборки было обусловлено статистикой банкротств в КБР. Из 64 обследованных предприятий обрабатывающими производствами были заняты 62,5%, строительством –12,5%, сельским хозяйством – 12,5%, торговлей и оказанием посреднических услуг – 12,5%.

Результаты проведенного исследования обобщены в таблице 1.

Таблица 1 - Сравнительная характеристика кризис-прогнозных моделей (авторская разработка)

Модель предсказания банкротства	Достоинства модели	Недостатки модели
1	2	3
Двухфакторная модель Э. Альтмана	Простота расчета, возможность применения при проведении внешнего анализа на основе бухгалтерского баланса	Неадекватность получаемых прогнозов для предприятий региона – 100%. Не рассматривается влияние показателей, характеризующих эффективность использования ресурсов, деловую и рыночную активность и пр. Нет учета отраслевой и региональной специфики функционирования субъектов экономики
Двухфакторная модель Белгородского института потребительской кооперации	Простота расчета, возможность применения при проведении внешнего анализа на основе бухгалтерского баланса. Адекватно оценивает финансовую устойчивость торговых организаций	Весовые значения коэффициентов таковы, что предприятие относится к первому классу с вероятностью банкротства менее 50% только при высоких значениях коэффициента ликвидности (>2) и  низкой доле заемных средств (25-30%). Нет отраслевой дифференциации Z-счета
Пятифакторная модель Э. Альтмана (оригинальная)	Переменные в модели отражают различные аспекты деятельности предприятия, возможно динамическое прогнозирование изменений финансовой устойчивости	Модель применима только в отношении акционерных обществ, чьи акции обращаются на рынке ценных бумаг. Даже если определить курсовую стоимость акции как отношение суммы дивиденда к среднему уровню ссудного процента, то оценка будет иметь большую погрешность
Пятифакторная модель Э. Альтмана (усовершенствованная)	Переменные в модели отражают различные аспекты деятельности предприятия. Значение Z-счета дифференцировано для производственных и непроизводственных организаций	Из обследованных предприятий – фактических банкротов, таковыми были признаны 90,62%. Значения факторов существенно отличаются в результате особенностей российской экономики, поэтому механическое использование моделей Альтмана приводит к значительным отклонениям прогноза от реальности
Модель Иркутской государственной экономической академии	Механизм разработки и все основные этапы расчетов подробно описаны, что облегчает практическое применение методики	Значение R-счета практически не коррелирует с результатами, получаемыми при помощи других методов и моделей. Получаемые прогнозы не соответствуют реальному финансовому состоянию предприятий. Нет отраслевой дифференциации интегрального показателя
Четырехфакторная модель прогнозирования банкротства	Переменные в модели определяются по данным баланса и отчета о прибылях и убытках, что позволяет использовать ее для внешнего экспресс-анализа	Анализ показал, что 6,25% обследованных должников были признаны финансово состоятельными, 21,9% - являлись банкротами на протяжении всего периода. Нестабильность оценок обусловлена показателем V35, т.е. соотношением операционных активов и расходов
Модель В.А. Пареной и И.В. Долгалева	Механизм  разработки модели подробно описан, даны рекомендации по схеме и периодичности перерасчета весов значимости и предельных значений Z-счета	Вероятность банкротства у 78% должников была определена как средняя, только у 22% она признана выше среднего или высокой. Это обусловлено существенным разрывом между интервалами, определяющими вероятность банкротства как «среднюю» (0,29; 2,07] и «выше среднего» (0; 0,29]
Модель Таффлера	Простота расчета, возможность применения при проведении внешнего диагностического анализа	Большинство (87,5%) обследованных должников были признаны финансово устойчивыми. Получаемые прогнозы неадекватны, поскольку достичь критического (отрицательного) уровня Z-счета практически невозможно
Модель credit-men и модель В.В. Ковалева	Возможно  использование данных методик для проведения внешнего анализа. Определены нормативы переменных, которые дифференцированы по отраслям	Установленные пороговые значения коэффициентов завышены. Общим недостатком обеих моделей являются резкие «переходы» от одной оценки финансовой состоятельности к другой, т.е. даже если организация получит 99 баллов из ста, ее финансовое положение будет признано неустойчивым
Показатель платежеспособности Конана и Гольдера	Оценка производится в зависимости от вероятности задержки компанией платежей по обязательствам, что отвечает интересам кредиторов и соответствует целям внешнего экспресс-анализа	Невысокая надежность получаемых прогнозов: только у 56% должников вероятность задержки платежей была признана высокой. В качестве переменной использовано отношение расходов на персонал к добавленной стоимости. Этот показатель невозможно точно определить по данным финансовой отчетности, а поскольку интервалы между уровнями платежеспособности невелики (в среднем 0,02), то небольшое искажение влечет неадекватный прогноз
Показатель платежеспособности Управления отчетности Банка Франции	Модель включает 8 переменных, характеризующих различные аспекты деятельности предприятия	Неадекватность получаемых прогнозов: только 9,38% предприятий - фактических банкротов, получили оценку «организация, задерживающая платежи».  Модель также оперирует показателем добавленной стоимости, которую сложно определить по данным финансовой отчетности
Модель Зайцевой	Модель использует в качестве переменных 6 финансовых показателей, для которых определены нормативные значения	Методика недостаточно хорошо описана, не дана техника расчета коэффициентов. Невысокая адекватность прогнозов – у 21,9% несостоятельных организаций вероятность банкротства признана низкой. Существует необходимость привлечения данных о коэффициенте загрузки за предыдущие периоды, что ограничивает возможности использования модели при проведении внешнего анализа
Модель А.Б. Перфильева	Модель использует большое число переменных – восемь, что обусловливает достаточно адекватные прогнозы	Между некоторыми переменными наблюдается достаточно высокая корреляция: у коэффициентов абсолютной, быстрой и текущей ликвидности, коэффициентов маневренности и обеспеченности запасов собственными источниками. Это снижает точность получаемых оценок
Модель Ж. Лего	Модель включает только 3 коэффициента, по ней легко провести  расчеты	Ограничением для использования данной модели при проведении внешнего диагностического анализа является необходимость привлечения данных об объеме выручки и активах за два предыдущих периода. Модель использует в качестве одной из переменных величину акционерного капитала, поэтому применима только в отношении АО
Модель Фулмера	Модель использует в качестве переменных 9 финансовых коэффициентов. Возможно динамическое прогнозирование финансового состояния	Модель дает неадекватный прогноз. Среди обследованных предприятий-должников 56,2% были признаны финансово состоятельными,  только 18,75% получили оценку «фактический банкрот». Критическое значение H-счета занижено, существуют определенные технические сложности в произведении расчетов
Модель Спрингейта	Модель показывает достаточный уровень надежности прогноза	Нет отраслевой и региональной дифференциации Z-счета. Между переменными наблюдается достаточно высокая корреляция

 

Таким образом, неадекватные оценки были получены в: двухфакторной модели Альтмана; модели Иркутской государственной экономической академии; четырехфакторной модели банкротства; моделью В.А. Пареной и И.А. Долгалева; модели Таффлера; показателе платежеспособности Конана и Гольдера; пятифакторной модели Альтмана (как оригинальной, так и усовершенствованной); показателе платежеспособности Управления отчетности Банка Франции; модели Зайцевой; модели Ж. Лего; модели Фулмера.

Относительно адекватные результаты прогнозирования показали: модель Белгородского института потребительской кооперации, модель credit-men, модель В.В. Ковалева, модель А.Б. Перфильева, модель Спрингейта.

Следовательно, несмотря на наличие большого количества методик, позволяющих прогнозировать финансовую состоятельность предприятия с той или иной степенью вероятности, ни одна из них не может претендовать на использование в качестве универсальной. Поэтому является целесообразным отслеживание динамики изменения результирующих показателей по нескольким методикам. Актуальной проблемой представляется корректировка методик с учетом региональных и отраслевых особенностей, а также разработка новых алгоритмов прогнозирования вероятности банкротства, свободных от выявленных недостатков. В частности, большой интерес представляет использование теории статистического распознавания кризисного состояния предприятия [3].

Литература

1. Кукурина И.Г., Астраханцева И.А. Учет и анализ банкротств / Под ред. И.Г. Кукуриной. – М.: Финансы и статистика, 2004. – 312с.

2. Шарова М.А. Учет и анализ банкротств. – М.: МИИР, 2004. – 208с.

3. Фомин А.Я. Диагностика кризисного состояния предприятия. – М.: ЮНИТИ-ДАНА, 2003. – 349с.