Модель лиса банкротство

Гузнаева А. С.
Емелин В. Н.
1. студент, МГУ им. Н. П. Огарева, г. Саранск
2. канд. эк. наук, доцент, МГУ им. Н. П. Огарева, г. Саранск
Guznaeva A.S.
Emelin V.N.
1. student, Moscow State University N.P. Ogareva, Saransk
2. Cand. eq. Sciences, Associate Professor, Moscow State University. N.P. Ogareva, Saransk
Аннотация: Для обеспечения экономической стабильности в условиях современного кризиса многие предприятия оценивают свое экономическое состояние и состояние партеров по бизнесу. Анализ состояния позволяет определить эффективность работы предприятия, состояние используемых резервов, установить положение предприятия в целом на рынке. на сегодняшний день в процессе анализа финансового состояния используют широкий спектр как традиционных, так современных инструментов. Сравнительный анализ методик оценки вероятности банкротства отечественных и зарубежных авторов позволил стандартизировать методики проведения анализа финансового состояния.
Abstract: To ensure economic stability in the conditions of the current crisis, many enterprises assess their economic condition and the state of their business partners. Analysis of the state allows you to determine the effectiveness of the enterprise, the state of the used reserves, to establish the position of the enterprise as a whole in the market. Today, in the process of financial analysis, a wide range of both traditional and modern tools is used. Comparative analysis of methods for assessing the probability of bankruptcy of domestic and foreign authors allowed us to standardize the methods of financial analysis. Ключевые слова: диагностика, вероятность банкротства, кризис, методика, модель, факторы, прогнозирование.
Keywords: diagnostics, probability of bankruptcy, crisis, methodology, model, factors, forecasting.

Как показывают результаты исследования публикации известных экономистов, модели оценки вероятности банкротства охватывают больший спектр направлений анализа финансового состояния . Однако в качестве недостатка данных моделей можно отметить тот факт, что большинство из них применимы к промышленным организациям, и не учитывают отраслевые особенности других отраслей национальной экономики. Необходимо так же отметить, что современный финансовый анализ не так совершенен, как кажется на первый взгляд. Он имеет ряд недостатков влияющих на качество проводимого анализа .

Во-первых, информация является ограниченной и не полной для внешних пользователей, что является серьезным препятствием для будущих инвесторов.

Во-вторых, бухгалтерская отчетность периодически меняется, и если своевременно не вносятся изменения в автоматизированные программы, то результаты такого анализа могут быть совершенно некорректно.

В-третьих, если финансовый анализ проводится на недостоверных данных бухгалтерского баланса, то это приводит к ошибкам в анализе.

Еще одна проблема приходится на состав показателей, поскольку некоторые показатели дают одинаковую информацию и перегружают процесс финансового анализа.

В результате можно сделать вывод, что финансовый анализ очень важен для предприятия, поскольку он помогает максимизировать прибыль, повысить конкурентоспособность и помогает при принятии важных экономических решений.

Более подробная классификация подходов к построению методик анализа угрозы банкротства, основана на типе модели, в соответствии с которой они разработаны (скоринговая, множественного дискриминантного анализа или рейтинговая).

Скоринговый подход к оценке платежеспособности предприятия состоит в анализе статистики по предприятиям по их исполнению обязательств перед кредиторами, информация о которых содержится в бюро кредитных историй. Поэтому скоринговые модели иногда в литературе называют кредитные скоринговые модели (credit–score) или кредитные оценочные модели. Таким образом, можно сказать, что кредитные скоринговые модели – это статистические модели оценки платежеспособности предприятия .

Задача скоринговой модели оценки платежеспособности предприятия заключается в классификации его по степени финансового риска. Скоринговый подход схож с рейтинговым подходом оценки предприятия, так как в нем также присутствует рейтинг (класс) у предприятия, помимо этого присутствуют балльная оценка и присвоение рейтинга финансовым показателям.

Отличие от других моделей заключается в том, что в результате присваивается рейтинг и предприятие относится к классу платежеспособности, т.е. производится помимо оценки еще и классификация. Также, в результате скоринга, получается рейтинг у предприятия и рейтинг у финансовых коэффициентов, описывающих предприятие. В качестве примере можно привести модели Фулмера и Лего. Сущность рейтинговых моделей заключается в том, что каждому показателю присваивается критическое (максимальное или минимальное) значение. С помощью различных методов (в том числе экспертных оценок) определяется вес каждого показателя. Сумма произведений критических значений показателей и их весовых значений представляет критический интегральный показатель. Вероятность банкротства определяется исходя из сравнения фактического и критического рейтинга .

Ключевое отличие рейтинговой модели оценки финансового состояния предприятия от других интегральных моделей заключается в том, что весовые коэффициенты в модели получаются экспертным путем, либо с помощью нормирования значения коэффициента.

К примеру, для сравнения в интегральных моделях оценки весовые коэффициенты получаются с помощью математического инструментария (множественного дискриминантного анализа, логистической регрессии). В качестве примера можно привести модель Сайфуллина – Кадыкова или три модели Колышкина .

В рамках проведения сравнительного анализа зарубежных и российских методик было решено охарактеризовать их по количеству показателей (весовых коэффициентов). Результаты данного анализа представлены в таблице 1.

Таблица 1

Характеристика моделей угрозы банкротства по количеству показателей, используемых авторами

№ п/п Автор модели Количество факторов
1 Альтман (для непроизводственных компаний) 4
2 Альтман (для АО и не АО) 5
3 Альтман 7
4 Бивер 5
5 Лис 4
6 Таффлер–Тишоу 4
7 Спрингейт 4
8 Фулмер 9
11 Зайцева 6
12 Перфильев 8
13 Паренная–Долгалев 5
14 Колышкин №1 3
15 Колышкин №2 2
16 Колышкин №3 4
Итого факторов 77
Среднее число факторов 5

Рассмотренные 16 моделей в общей сложности содержат 77 факторов. В среднем на каждую модель приходится 5 факторов (4,81). Далее можно определить средний общий вес, который в сумме дают используемые коэффициенты. Результаты анализа представлены в таблице 2.

Общий вес 16 рассмотренных моделей 118,9643. Среднее значение суммы весовых коэффициентов одной модели составляет 7,44. Модели множественного дискриминантного анализа позволяют классифицировать анализируемое предприятие в один из двух классов (банкрот/ небанкрот).

Таблица 2

Характеристика моделей угрозы банкротства по общему весу модели

№ п/п Автор модели Количество факторов
1 Альтман (4) 17,59
2 Альтман (АО) 6,5
3 Альтман (не АО) 6,086
4 Альтман (7) 8,5
5 Лис 0,2134
6 Таффлер – Тишоу 1
7 Спрингейт 5,16
8 Фулмер 12,09
9 Лего 9,4929
10 ИГЭА 9,064
11 Зайцева 1
12 Перфильев 38,27
13 Пареная – Долгалев 0,998
14 Колышкин №1 1
15 Колышкин №2 1
16 Колышкин №3 1
Итого вес 118,9643
Средний вес модели 7,44

Общий вес 16 рассмотренных моделей 118,9643. Среднее значение суммы весовых коэффициентов одной модели составляет 7,44. Модели множественного дискриминантного анализа позволяют классифицировать анализируемое предприятие в один из двух классов (банкрот/ небанкрот). Если предприятие попадает в класс банкротов, то это означает, что высока вероятность того, что оно станет банкротом через 1 год (как правило, все модели делают прогнозный вывод на 1 год). В сущности, модели множественного дискриминантного прогнозирования банкротства – это статистические регрессионные модели, построенные с использованием двух выборок: в первую – входят предприятия, ставшие банкротами, а во вторую предприятия, которые остались финансово устойчивыми. Большинство из рассмотренных моделей, как зарубежных, так и российских, включают в себя от двух до семи показателей, характеризующих финансовое состояние организации. На основе этих ключевых показателей рассчитывается комплексный показатель с весовыми коэффициентами индикаторов .

Основателем моделей множественного дискриминантного анализа заслуженно называют Э. Альтмана. Все последующие модели (Лиса, Тафлера–Тишоу, Спрингейта) являются интерпретацией моделей Альтмана. Несмотря на появление новых методов и моделей прогнозирования банкротства в настоящее время в отечественной теории и практике антикризисного управления наибольшей популярностью пользуется мультидискриминантный (множественный дискриминантный) анализ. Это обусловило необходимость более подробного исследования его известных представителей на предмет выявления весовых коэффициентов (факторов), которым авторы той или иной методики придают наибольшее значение (вес) (таблица 3).

Большинство авторов (два из восьми) отдают предпочтение такому показателю, как рентабельность основной деятельности. В моделях Альтмана и Лиса данный показатель имеет наибольший вес. Только Альтман при расчете показателя в числителе использует «прибыль до налогообложения», а Лис – «прибыль от продаж». В модели Таффлера–Тишоу самым значимым показателем считается отношение прибыли от продаж к краткосрочным обязательствам (рентабельность краткосрочных обязательств).

Таблица 3

Сравнительная характеристика наиболее приоритетных весовых коэффициентов в моделях прогнозирования банкротства зарубежных и российских авторов

Фактор Альтман (для АО) Альтман (не АО) Тафлер–Тишоу Лис Сайфуллин–Кадыков ИГЭА Зайцева
Рентабельность основной деятельности 3,3 3,107 0,092
Отношение прибыли от продажи к краткосрочным обязательства 0,53
Коэффициент обеспеченности собственными средствами 2
Отношение чистого убытка к собственному капиталу 0,25
Доля оборотных активов в имуществе 8,38
Отношение чистого убытка к объему продаж 0,25

Сайфуллин и Кадыков присваивают наибольший вес коэффициенту обеспеченности собственными средства. Модель Зайцевой одинаково значимыми считает отношение чистого убытка к собственному капиталу (обратная рентабельность собственного капитала) и отношение чистого убытка к объему продаж (обратная рентабельность продаж). В модели ИГЭА наибольший вес (8,38) присваивается доле оборотных активов в имуществе .

Наименее значимые показатели в моделях вышеназванных авторов представлены в таблице 4.

Таблица 4

Сравнительная характеристика наименее приоритетных весовых коэффициентов в моделях прогнозирования банкротства зарубежных и российских авторов

Фактор Альтман

(для АО)

Альтман (не АО) Тафлер–Тишоу Лис Сайфуллин–Кадыков ИГЭА Зайцева
Доля собственного капитала в рыночной 0,6
Доля собственного капитала в обязательствах 0,42 0,0014
Отношение выручки к валюте баланса 0,054
Отношение оборотных активов к сумме обязательств 0,13
Соотношение кредиторской и дебиторской задолженности 0,1
Фактор Альтман

(для АО)

Альтман (не АО) Тафлер–Тишоу Лис Сайфуллин–Кадыков ИГЭА Зайцева
Отношение заемного капитала к собственному 0,1
Отношение валюты баланса к выручке 0,1
Коэффициент оборачиваемости активов 0,08

Из таблицы 4 видно, что в модели Альтмана и Лиса наименьший вес у доли собственного капитала в обязательствах. Таффлер и Тишоу ниже всего оценили отношение оборотных активов к сумме обязательств. В модели Сайфуллина–Кадыкова наименьший вес у коэффициента оборачиваемости активов. В модели ИГЭА ниже всего оценено отношение выручки к валюте баланса. В модели Зайцевой наименьший вес присвоено трем показателям: соотношение кредиторской и дебиторской задолженности; отношение заемного капитала к собственному и отношение валюты баланса к выручке.

Таким образом, проанализировав приоритетные показатели моделей анализа банкротства зарубежных и российских авторов, были сделаны следующие выводы:

– модель Альтмана и Лиса в качестве как наиболее, так и наименее значимых определяет одинаковые показатели. Так наиболее значимым показателем у названных авторов являются рентабельность основной деятельности, определяемая как отношение прибыли до налогообложения (Альтман) или прибыли от продаж (Лис) к валюте баланса. Наименее значимыми у обоих авторов являются доля собственного капитала в обязательствах, определяемая как отношение собственного капитала к сумме долгосрочных и краткосрочных обязательств;

– зарубежные авторы к наиболее значимым показателям относят показатели, рассчитываемые с использованием данных о финансовых результатах (отчет о финансовых результатах) деятельности предприятия, в то время как российские авторы более ориентированы на применение показателей имущественного состояния предприятия (бухгалтерский баланс);

– большинство публикаций на тему анализа угрозы банкротства по российским и зарубежным методикам содержат мнения о неадекватности данных моделей современным российским условиям, в силу того, что разработка весовых коэффициентов проходила в других экономических условиях.

Анализируя результативность моделей банкротства можно сказать, что применение их для российской экономики затруднительно из-за противоречивости результатов при применении различных методик, из-за низкой точности прогнозов моделей, при использовании для анализа финансового состояния данных за несколько лет до банкротства, из-за использования в моделях данных за один год (не учитывается изменение показателей в динамике за несколько лет). Все представленные модели были разработаны для экономики в целом и не учитывают отраслевые особенности. Ещё одной причиной может являться то, что все исследуемые модели были разработаны очень давно и в данный момент уже утратили свою достоверность и актуальность. Поэтому в настоящее время актуален вопрос выбора методов и методик для конкретного предприятия, позволяющих прогнозировать наступление. Надежнее делать выводы о финансовом положении и вероятности банкротства организации не только на основе одного показателя, либо после использования лишь одного метода прогнозирования, а провести анализ более широкого круга показателей и методик.

Библиографический список

1. Белокуренко Н. С. Управление финансовым состоянием организации // Наука и образование: проблемы, идеи и инновации. — 2019. — №1. – С.14-221.
2. Беспалова О. В. Методологический подход к финансовому состоянию предприятий / О. В. Беспалова // Инновационное развитие. – 2018. – № 3 (20). – С. 50-51.
3. Бирюков А. Н. Анализ финансового состояния в целях диагностики угрозы возникновения банкротства // Наука вчера, сегодня, завтра / Сб. ст. по материалам XХХIII междунар. науч.–практ. конф. № 4 (26). Новосибирск: Изд. АНС «СибАК», 2016. — С.190–194.
4. Большакова О. Е. К вопросу о прогнозировании состоятельности и вероятности банкротства предприятий малого и среднего бизнеса // Финансовая аналитика: проблемы и решения. — 2016. — №8 (290). – С.47-62.
5. Жукова Т. М. Современные особенности применения экономических моделей диагностики вероятности наступления банкротства юридических лиц.// Вестник ПГУ. Юридические науки. Пермь. — Выпуск 1 (23) — 2014. – С.197-205.
6. Илинова Т. В. Пути укрепления экономической безопасности на основе анализа финансового состояния / Т. В. Илинова // Аллея науки, Т. 4. – 2018. – № 4 (20). – С. 275-280.

Модель Сайфуллина-Кадыкова – это формула для прогноза возможного банкротства предприятия на основе его финансовых данных. Российские экономисты постарались адаптировать модели предсказания банкротства к условиям отечественной экономики. Р.С. Сайфуллин и Г.Г. Кадыков предложили следующую формулу:

R=2К1+0.1К2+0.08К3+0.45К4+К5, где

К1 – коэффициент обеспеченности собственными средствами;

К2 – коэффициент текущей ликвидности;

К3 – коэффициент оборачиваемости активов;

К4 – рентабельность продаж;

К5 – рентабельность собственного капитала.

Если значение итогового показателя R<1 вероятность банкротства предприятия считается высокой; если R>1 – низкой. Автоматически рассчитать этот показатель можно по данным бухгалтерской отчетности в программе для финансового анализа.

Недостатком этой и других упрощенных моделей финансового анализа является то, что подобные модели не учитывает отраслевых особенностей предприятия и полагаются исключительно на усредненные нормальные значения финансовых показателей.

ПРОГНОЗИРОВАНИЕ БАНКРОТСТВА ПРЕДПРИЯТИЯ: ТЕОРИЯ И ПРАКТИКА

Д.Ю. Десятниченко, канд. экон. наук, доцент О.Ю. Десятниченко, канд. экон. наук, доцент

Северо-Западный институт управления (филиал) Российской академии народного хозяйства и государственной службы при Президенте РФ (Россия, г. Санкт-Петербург)

Аннотация. В статье исследуются основные теоретические и методические аспекты прогнозирования банкротства предприятия. Также, авторы кратко излагают результаты оценки вероятности банкротства предприятия сферы услуг, полученные с помощью практического применения описанных методов и инструментов анализа, кратко определяют основные направления оздоровления финансов предприятия.

Ключевые слова: банкротство, модель Альтмана, модель Таффлера, модель Фулмера, модель Спрингейта.

В Российской Федерации термин банкротство и несостоятельность в широком смысле слова являются синонимами. В Федеральном Законе от 26.10.2002 №127-ФЗ «О несостоятельности (банкротстве)» данный термин определяется как: «признанная арбитражным судом неспособность должника в полном объеме удовлетворить требования кредиторов по денежным обязательствам и (или) исполнить обязанность по уплате обязательных платежей» . Целью банкротства является ликвидация тех предприятий, которые являются примером неэффективности и нестабильностью. Эта цель достигается в результате однонаправленных действий кредиторов, партнеров, финансовых и правовых органов.

Существуют два подхода прогнозирования несостоятельности. Первый связан с использованием эмпирических моделей прогнозирования банкротства. Наиболее распространенными количественными моделями являются: модель Альтмана, модель Таффлера, модель Фулмера, модель Спрингейта, модель ИГЭА (Иркутская государственная экономическая академия), модель Бивера, модель Лиса, модель О.П. Зайцевой, модель Р.С. Сайффулина, Г.Г. Кадыковой. Второй подход основывается на данных по компаниям-банкротам и анализирует с сопутствующими данными исследуемой фирмы .

Первых подход, хоть и эффективен при прогнозировании банкротства, имеет три недостатка :

1) организации, которые испытывают затруднения, любыми способами удерживают публикацию своей отчетности, поэтому конкретные данные остаются годами недоступными;

2) если данные и были опубликованы, то они могут быть отредактированы предприятием, дабы «обелить» свою деятельность;

3) может сложиться спорная ситуация, когда некоторые показатели могут свидетельствовать о неплатежеспособности, а другие — о стабильности или даже об определенном улучшении. В таком случае сложно делать вывод о реальном положении дел.

В основе второго подхода лежит сравнение признаков предприятий-банкротов с аналогичными признаками нужной нам компании. За прошедшие года было опубликовано немало списков обанкротившихся фирм. К сожалению, у большинства нет упорядоченности в данных по степени важности и дабы попытаться возместить эти недостатки, был создан метод А-счет Аргенти. Считается, что ни одна из методик в отдельности не может использоваться в качестве универсальной по причине «специализации» на определенном виде кризиса. Поэтому целесообразно наблюдать за динамикой изменений по нескольким из них .

Риск банкротства представляет собой опасность в результате неправильного выбора вложения капитала полной потери предпринимателем собственного капитала

и неспособности его рассчитываться по взятым на себя обязательствам .

Проанализируем вероятность банкротства ООО «Бодрус» — компании специализирующейся на предоставлении таможен-

но-логистических услуг, используя различные модели и сравним полученные результаты. Отчет о финансовых показателях представлен в таблице 1.

Таблица 1. Отчет о финансовых показателях ООО «Бодрус» (тыс. руб.)

Наименование показателя 2017г. 2016г. 2015г.

Выручка 1 22S 478 2231 018 2 165 652

Себестоимость продаж 1 098 488 2 149 089 2 159 936

Валовая прибыль (убыток) 126 990 81 929 5 716

Коммерческие расходы

Управленческие расходы

Прибыль (убыток) от продаж 126 990 81 929 5 716

Доходы от участия в других организациях

Проценты к получению

Проценты к уплате 163 22 176 34 120

Прочие доходы 198 340 113 584 203 357

Прочие расходы 194 469 134 986 164 967

Прибыль (убыток) до налогообложения 130 698 38 351 9 986

Текущий налог на прибыль -27 831 -21 924 -2 142

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

в т.ч. постоянные налоговые обязательства (активы) 14 256 22 712 9 400

Изменение отложенных налоговых обязательств 11 764 -15 031 -8 168

Изменение отложенных налоговых активов 800 6 572 1 087

Прочее

Чистая прибыль (убыток) 115 431 7 968 763

Далее произведем расчеты вероятности моделям Таффлера-Тишоу, Спрингейта, банкротства предприятия по кризисным ИГЭА и Лиса.

Таблица 2. Расчет банкротства ООО «Бодрус» по кризисной модели банкротства Таф-флера-Тишоу_

Показатель 2015г. 2016г. 2017г.

Отношение прибыли до уплаты налога к сумме текущих обязательств 0,00 0,05 0,10

Отношение суммы текущих активов к общей сумме обязательств 0,79 0,78 0,81

Отношение суммы текущих обязательств к общей сумме активов 0,84 0,93 0,84

Отношение выручки к общей сумме активов 1,38 1,16 0,80

Z-score 0,48 0,48 0,44

Вероятность банкротства предприятия низкая низкая низкая

Показатель Ъ во всех трех рассматри- начает низкую вероятность банкротства ваемых периодах был больше 0,3, что оз- предприятия.

Таблица 3. Расчет банкротства ООО «Бодрус» по модели Спрингейта

Показатель 2015г. 2016г. 2017г.

Исходные данные

Активы 1 5б8 25б 1 917 579 1 52б 1S3

Оборотный капитал -207 11S -3бб 312 -22S 539

Операционная прибыль (ЕВ1Т) 44 10б б0 527 130 8б1

Выручка 2 1б5 б52 2231 01S 1 225 47S

Краткосрочные обязательства 1 322 173 1 77б S22 1 2S2 520

Прогнозная модель платежеспособности Спрингейта

Х1 -0,13 -0,19 -0,15

Х2 0,03 0,03 0,09

Х3 0,03 0,03 0,10

Х4 1,38 1,1б 0,80

Z-score 0,52 0,39 0,50

Вероятность банкротства предприятия высокая высокая высокая

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Расчеты вероятности банкротства по модели Спрингейта (см. Таблицу 3) показали варьирование показателя Ъ в пределах от 0,39 до 0,52, что свидетельствует о

высокой вероятности наступления банкротства компании ООО «Бодрус» (если Z < 0,862 компания является потенциальным банкротом ).

Таблица 4. Расчет банкротства ООО «Бодрус» по модели ИГЭА

Показатель 2015г. 2016г. 2017г.

Исходные данные

Активы 1 5б8 25б 1 917 579 1 52б 1S3

Оборотный капитал -207 11S -3бб 312 -22S 539

Чистая прибыль (убыток) 7б3 7 9б8 115 431

Балансовая стоимость собственного капитала 1б3 S24 113 717 22S 3S7

Выручка 2 1б5 б52 2231 01S 1 225 47S

Суммарные расходы 2 359 023 2 30б 251 1 293 120

Модель прогнозирования банкротства предприятия ИГЭА

Х1 -0,13 -0,19 -0,15

Х2 0,00 0,07 0,51

Х3 1,38 1,1б 0,80

Х4 0,00 0,00 0,09

R-модель -1,03 -1,47 -0,65

Вероятность банкротства предприятия 90-100% 90-100% 90-100%

Как видим из таблицы 3 расчета по модели ИГЭА, показатель Я в рассматриваемых периодах ниже нуля (имеет отрицательные значения), что выявляет возмож-

ность наступления банкротства предприятия с вероятностью 90-100% (если R меньше 0 — вероятность банкротства максимальная (90%-100%).

Таблица 5. Расчет банкротства ООО «Бодрус» по модели Лиса

Показатель 2015г. 2016г. 2017г.

Исходные данные

Активы 1 568 256 1 917 579 1 526 183

Оборотный капитал -207 118 -366 312 -228 539

Прибыль (убыток) от продаж 5 716 81 929 126 990

Чистая прибыль (убыток) 763 7 968 115 431

Балансовая стоимость собственного капитала 163 824 113 717 228 387

Общая сумма обязательств 1 404 433 1 803 863 1 297 797

Модель Лиса

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Х1 -0,13 -0,19 -0,15

Х2 0,00 0,04 0,08

Х3 0,00 0,00 0,08

Х4 0,12 0,06 0,18

Z-score -0,01 -0,01 0,00

положение положение положение

Вероятность банкротства предприятия предприятия предприятия предприятия

неустойчиво неустойчиво неустойчиво

Расчеты по последней выбранной нами модели Лиса также свидетельствуют о неустойчивом положении предприятия с высокой вероятностью банкротства (если Z < 0,037 высокая вероятность банкротства).

Как видим, из четырех выбранных моделей высокую вероятность банкротства показали три: модели Спрингейта, ИГЭА и Лиса. Модель Таффлера-Тишоу выявила низкую вероятность банкротства ООО «Бодрус». Таким образом, несмотря на различие итогов, можно сделать вывод о том, что в целом положение рассматри-

В среднем за два года произошло снижение дебиторской задолженности на 15%. Тем не менее, уровень ее остается стабильно высоким.

Анализ дебиторской задолженности дополняется анализом кредиторской задол-

ваемого нами предприятия неустойчиво и возможно наступление банкротства.

По данным бухгалтерского баланса показатели платежеспособности и ликвидности ООО «Бодрус» зависят от состояния дебиторской задолженности, что обуславливает целесообразность проведения ее анализа и для сравнения — анализа кредиторской задолженности.

Для анализа структуры дебиторской задолженности использованы данные бухгалтерского баланса за 2015-2017 гг. Результаты анализа приведены в таблице 6.

женности. Методика анализа кредиторской задолженности аналогична методике анализа дебиторской задолженности. Изучение характера изменения кредиторской задолженности в динамике представлено в таблице 7.

Таблица 6. Анализ структуры дебито

зской задолженности ООО «Бодрус»

Показатель 2015 г. 2016 г. 2017 г. Отклонения (+/-) Средний темп снижения %

2017 по сравнению с 2015 2017 по сравнению с 2016

Дебиторская задолженность, тыс. руб. 1026678 1234055 974867 -51811 -259188 15

Таблица 7. Анализ структуры кредиторской задолженности ООО «Бодрус»

Показатель 2015 г. 2016 г. 2017 г. Отклонения (+/-) Средний темп снижения %

2017 по сравнению с 2015 2017 по сравнению с 2016

Кредиторская задолженность, тыс. руб. 7б353 б 149982б 1054115 290579 -445711 7,5

Кредиторская задолженность менялась скачкообразно. В 2016 году произошло ее повышение почти в 2 раза по сравнению с предыдущим годом, в 2017 году ее показатель значительно снизился. Поэтому в целом анализ показал снижение кредиторской задолженности в среднем на 7,5%.

Результатами всестороннего анализа финансового состояния предприятия являются установление причин ухудшения его финансового положения, выбор методов лечения и определение, какие органы управления и другие организации могут урегулировать кризисные процессы.

Устойчивость финансового положения предприятия во многом зависит от соотношения кредиторской и дебиторской задолженности. Поэтому, чтобы финансовое положение организации не ухудшалось, необходимо реализовать ряд мероприятий,

перечислимых в таблице 8, а также следующие действия:

-следить за соотношением дебиторской и кредиторской задолженности, так как в случае чрезмерного превышения дебиторской задолженности требуется привлекать дополнительные источники финансирования из-за возникновения недостатка в оборотных средствах для осуществления производственной деятельности;

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

— контролировать расчеты по просроченным задолженностям и задолженностям, по которым наступил срок исполнения;

— ориентироваться по возможности на увеличение числа заказчиков для сокращения риска неуплаты, а также на предоплату не менее 50% стоимости продукции/работ/услуг.

Таблица 8. Мероприятия, направленные на повышение финансовой устойчивости, рекомендованные ООО «Бодрус»

Мероприятие Направление

Усиление контроля и анализа дебиторской задолженности Разработка эффективной методики предоставления коммерческого кредита заказчикам и инкассации денежных средств

Факторинговые операции Ускорение оборачиваемости и инкассации дебиторской задолженности

Спонтанное финансирование Стимулирование заказчиков к ускорению оплаты оказанных им услуг, привлечение новых клиентов

Создание резерва по сомнительным долгам Предупреждение возникновения потерь в связи с возникновением финансовых

Осуществление краткосрочных финансовых вложений за счет нераспределенной прибыли Получение дополнительного дохода

Для наиболее эффективного управления дебиторской задолженностью, предприятию необходимо:

1. Контролировать состояние расчетов с клиентами и своевременно предъявлять исковые заявления;

2. Ориентироваться на большее число ризации долгов ООО «Бодрус» рекомен-заказчиков с целью уменьшения риска не- дуется создать отдел взаиморасчетов с уплаты одним или несколькими крупными контрагентами. Одной из основных функ-потребителями; цией такого отдела станет анализ дебитор-

3. Следить за соотношением кредитор- ской задолженности по каждому контр-ской и дебиторской задолженности. агенту.

Для осуществления мер по реструкту-

Библиографический список

1. Федеральный закон от 26 октября 2002 года, N 127-ФЗ «О несостоятельности (банкротстве)»

2. Журавлева Г.П., Тарасевич Л.С. Экономическая теория: Учебник / Под общей ред. -М.: ИНФРА-М, 2015. — 714 с.

3. Микроэкономика: технология эффективного изучения. Десятниченко Д.Ю., Федор-ков А.И. Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Российская Академия народного хозяйства и государственной службы при Президенте Российской Федерации, Северо-Западный институт управления. Санкт-Петербург, 2012, 130 с.

5. Десятниченко Д.Ю. Федерализм и местное самоуправление в РФ (мониторинг и регулирование социально-экономического развития в регионе; на материалах Ленинградской области). Диссертация на соискание ученой степени кандидата экономических наук / Северо-Западная академия государственной службы. Санкт-Петербург, 2001.

FORECASTING BANKRUPTCY OF THE COMPANY: THEORY AND PRACTICE.

Keywords: bankruptcy, Altman model, Tuffler model, Fulmer model, Springage model.

ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ЛИЗИНГОВОГО РЫНКА В

РЕСПУБЛИКЕ БАШКОРТОСТАН

Р.А. Иксанов, старший преподаватель Л.Р. Ташбулатова, студент

Уфимский государственный авиационный технический университет (Россия, г. Уфа)

Аннотация. В статье рассматриваются перспективы развития лизингового сектора Республики Башкортостан, положительные и сдерживающие факторы, влияющие на рынок лизинга в Республике Башкортостан, предложены меры по развитию лизингового рынка в субъектах РФ.

Ключевые слова: лизинг, лизинговые компании, лизинговые сделки, лизинговый рынок, финансовая аренда.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

В последние годы на территории Республики Башкортостан наблюдается рост объемов деятельности лизинговых компаний. На сегодняшний день на территории РБ действуют около 30 лизинговых компаний (далее — ЛК). Правовые основы и порядок государственного регулирования деятельности ЛК установлены Гражданским кодексом РФ, Федеральным законом «О финансовой аренде (лизинге)» от 29.10.1998 № 164 — ФЗ.

В настоящее время лизинговые компании не раскрывают информацию об объемах лизинговых сделок, и отсутствуют статистические данные об их деятельности на территории субъектов РФ. Вместе с тем в условиях существующей судебной практики наблюдаются трудности с возвратом лизингового имущества в случае нарушения лизингополучателем условий договора лизинга. Во многих случаях это, безусловно, связано с недостаточной осведомленностью потенциальных лизингополучателей о сущности лизинга, его достоинствах и возможностях оформления. Сегодня деятельность ЛК не подлежит лицензированию лицензирующими органами. По нашему мнению, в этой связи актуальным становится вопрос построения новой системы регулирования и надзора в лизинговой сфере.

Отделением — НБ Республика Башкортостан был проведен опрос действующих ЛК на территории Республики Башкортостан по динамике объемов и количества заключенных сделок в разрезе отраслей экономики. В результате анализа результа-

тов опроса установлено, что лидерами лизингового рынка в РБ являются подразделения дочерних лизинговых компаний крупнейших кредитных организаций: Сбербанк Лизинг, ВЭБ-лизинг, ВТБ 24 Лизинг. В целях поддержки малого предпринимательства в регионе создан и действует лизинговый фонд, финансируемый за счет средств республиканского бюджета. Анализ результатов опроса также показал, что в 2016 году произошел рост лизинговых сделок на 36% и увеличение их количества на 30%, положительная динамика и в 1 квартале 2017 года: рост объемов сделок на 72%. Просроченная задолженность не превышает 1%. Основными потребителями лизинговых услуг на территории Башкортостана являются субъекты малого и среднего бизнеса (99,6% по итогам 2017 года). Следует отметить, что наибольший объем лизинговых сделок приходится на транспортировку и хранение, торговлю оптовую и розничную, ремонт автотранспортных средств и мотоциклов, обрабатывающие производства, строительство.

Однако полагаем, что в сфере развития рынка лизинга в РБ наблюдается несколько основных сдерживающих факторов:

— недостаточно эффективное участие государства в развитии лизингового сектора (в таких стратегических отраслях, как сельское хозяйство, авиация, в поддержке малых и средних предприятий). Бюджетные средства на развитие лизинга использовались зачастую неэффективно — не на создание специальных лизинговых гарантийных фондов, а на конкретные проекты;

Модель Чессера позволяет предсказать возможную финансовую несостоятельность потенциального заемщика. Причем модель прогнозирует, не только риски не возврата кредита, но и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально. Модель Чессера имеет вид:

Y = -2,0434 – 5,24X1 + 0,0053X2 – 6,6507X3 + 4,4009X4 – 0,0791X5 – 0,1220X6

где,
X1 – (Денежные средства + Быстрореализуемые ценные бумаги) / Совокупные активы
X2 – Нетто-продажи / (Денежные средства + Быстрореализуемые ценные бумаги)
X3 – Брутто-доходы / Совокупные активы
X4 – Совокупная задолженность / Совокупные активы
X5 – Основной капитал / Чистые активы
X6 – Оборотный капитал / Нетто-продажи

Z = 1 /

где е – 2,71828 (число Эйлера – основание натуральных логарифмов).

В случае если Z ≥ 0,50, то клиента следует отнести к группе, которая не выполнит условий договора.

Д. Чессер использовал данные ряда банков по 37 «удовлетворительным» ссудам и 37 «неудовлетворительным» ссудам, причем для расчета были взяты показатели балансов фирм-заемщиков за год до получения кредита.

Модель Чессера по данным выборки сумела за год до нарушения условий договоров кредитования правильно предсказать судьбу трех из каждых четырех заключенных договоров.

Модель оценки рейтинга заемщика Чессера подходит для оценки надежности кредитов. Однако, используя математические методы при управлении ссудами банка, необходимо иметь в виду, что предоставление коммерческих кредитов не есть чисто механический акт. Это сложный процесс, в котором важны как человеческие отношения между сторонами, так и понимание технических аспектов.

Отметим что, данная математическая модель не учитывает роль межличностных отношений, а в практике кредитного анализа и кредитования этот фактор необходимо учитывать.

Методы анализа банкротства юридических лиц

Среди всего многообразия моделей определения вероятности банкротства сложно найти единственно верную и универсальную. Первым финансовым аналитиком, использовавшим статистические приемы в сочетании с финансовыми коэффициентами для прогнозирования вероятного банкротства компаний, был У. Бивер.

С 60-х годов прошлого столетия в разных странах были разработаны и начали активно развиваться модели оценки вероятности банкротства и кризиса, в том числе:

— в 1966 г. — модель оценки финансового состояния с целью диагностики банкротства У. Бивера;

— в 1968 г. — Z-коэффициенты (оригинальная модель) Э. Альтмана (США);

— в 1977 г. — семифакторная модель (модель ZETA) Э. Альтмана, Р. Холдмен, П. Нараян (США);

— в 1977 г. — прогнозная модель Р. Таффлера и Г. Тишоу (Великобритания);

— в 1978 г. — модель прогнозирования банкротства Г. Спрингейта (США);

— в 1979 г. — показатели платежеспособности Ж. Конана и М. Голдер (Франция);

— в 1983 г. — модифицированная (усовершенствованная) модель для компаний, акции которых не котируются на рынке Э. Альтмана (США);

— в 1983 г. — А-score Д. Аргенти (США);

— в 1984 г. — модель для прогнозирования банкротства и классификации банкротств Д. Фулмера (США);

— в 1993 г. — Z-счет Э. Альтмана для непроизводственных компаний (США).

К российским моделям диагностирования риска банкротства и кризиса относятся следующие:

— в 1990 г. — шестифакторная модель О.Л. Зайцевой;

— в 1996 г. — комплексный показатель предсказания финансового кризиса компании Р.С. Сайфуллина и Г.Г. Кадыкова;

— в 1998 г. — модель степени вероятности банкротства А.Ю. Беликова и Г.В. Давыдовой (Иркутская государственная экономическая академия);

— в 1999 г. — метод рейтинговой оценки прогнозирования банкротства Л.В. Донцовой и Н.А. Никифоровой;

— в 2000 г. — модель оценки финансовой устойчивости и вероятности банкротства В.В. Ковалева.

Ниже представлены основные, наиболее часто используемые в российской практике методики анализа вероятности несостоятельности (банкроства).

Двухфакторная и пятифакторная модель Альтмана

Данный подход является наиболее распространенным и широко используемым как на уровне отечественных, так и на уровне иностранных компаний. Двухфакторная модель прогнозирования вероятности несостоятельности (банкротства) Альтмана построена на определении влияния таких факторов, как коэффициент текущей ликвидности и удельный вес заемных средств в пассиве баланса компании. Оценка вероятности банкротства с использованием двухфакторной модели Альтмана производится на основании применения следующей формулы расчета:

Z = -0,3877 — 1,0736 * Ктл + 0,579 * (ЗК/П)

где, Ктл — коэффициент текущей ликвидности;

ЗК — заемный капитал компании;

П — пассивы бухгалтерского баланса.

Нормативное значение коэффициента Z ˂ = 0, а при Z > 0 вероятность возникновения риска банкротства является высокой.

В нашей стране, применение двухфакторной модели Альтмана было исследовано М.А. Федотовой, при этом она считает, что для более объективной оценки вероятности наступления неплатежеспособности (банкротства), необходимо так же включить в данную модель рентабельность активов. Но, как показали проведенные исследования и статистические данные, применение коэффициента рентабельности активов в двухфакторной модели Альтмана, не является значимым.

Альтманом так же были предложены две пятифакторные модели прогнозирования банкротства, первая из которых была опубликована в 1968 году и применяется для компаний, чьи акции котируются на рынке, а вторая модель была предложена в 1983 году и применяется для тех компаний, чьи акции на рынке не продаются.

Оценка вероятности банкротства с использованием пятифакторной модели Альтмана для акционерных обществ, производится на основании применения следующей формулы расчета:

Z = 1,2 * Х1 + 1,4 * Х2 + 3,3 * Х3 + 0,6 * Х4 + Х5

где, X1 — оборотный капитал к сумме активов предприятия;

X2 — нераспределенная прибыль к сумме активов предприятия;

X3 — прибыль до налогообложения к общей стоимости активов;

X4 — рыночная стоимость собственного капитала / бухгалтерская (балансовая) стоимость всех обязательств;

Х5 — объем продаж к общей величине активов предприятия.

В итоге были установлены следующие критерии вероятности банкротства:

— если Z < 1,81 — вероятность банкротства составляет от 80 до 100%;

— если 2,77 <= Z < 1,81 — средняя вероятность краха компании от 35 до 50%;

— если 2,99 < Z < 2,77 — вероятность банкротства не велика от 15 до 20%;

— если Z <= 2,99 — ситуация на предприятии стабильна, риск неплатежеспособности в течении ближайших двух лет крайне мал.

Точность прогноза в этой модели на горизонте одного года составляет 95%, на два года — 83%, что является ее достоинством. Естественно, недостаток данной модели заключается в возможности ее применения только для тех компаний, чьи акции размещены на фондовом рынке.

Предложенная же модель Альтмана в 1983 году, а если говорить точнее скорректированная для обычных компаний выглядит следующим образом:

Z = 0,717 * Х1 + 0,847 * Х2 + 3,107 * Х3 + 0,42 * Х4 + 0,995 * Х5

где, Х4 — балансовая стоимость собственного капитала/заемный капитал.

Если Z < 1,23 предприятие признается банкротом, при значении Z в диапазоне от 1,23 до 2,89 ситуация неопределенна, значение Z более 2,9 присуще стабильным и финансово устойчивым компаниям.

Оценка весов тех или иных коэффициентов, весьма субъективна, не всегда они реально оценивают тот или другой показатель обыденные количественные способы анализа систем не достаточно применимы и не эффективны в системах управления. Обыденные количественные способы анализа систем не достаточно применимы и не эффективны в системах управления. Данное заявление базируется на принципе несовместимости: чем труднее система, тем труднее предоставить оценку поведения подобный системы. С подъемом трудностей систем понижается точность и своевременность поступления информации о параметрах системы.

Четырехфакторная модель Таффлера (1977 г.)

Данная модель, как отмечает Н.В. Кобозева основана на следующем подходе «при применении 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 в группы компаний и их коэффициенты».

Как отмечает автор «такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности компании, таких, как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность, объединяя эти показатели и сводя их соответствующим образом воедино, модель платежеспособности воспроизводит точную картину финансового состояния предприятия».

Модель оценки вероятности банкротства предложенная Таффлером, для анализа компаний, акции которых котируются на биржах, имеет следующий вид:

Z = 0,53X1 + 0,13X2 + 0,18 X3 + 0,16 X4

где, Х1 — прибыль до уплаты налога / текущие обязательства;

Х2 — текущие активы /общая сумма обязательств;

Х3 — текущие обязательства/общая сумма активов;

Х4 — выручка / сумма активов.

Если величина Z-счета больше 0,3, это говорит о том, что у фирмы неплохие долгосрочные перспективы, если меньше 0,2, то банкротство более чем вероятно.

Модель оценки вероятности банкротства Гордона

Гордоном Л. В. Спрингейтом (Gordon LV Springate) в 1978 году, на основании модели Альтмана и пошагового дискриминантного анализа была разработана модель прогнозирования вероятности банкротства предприятия.

В процессе разработки модели из 19 финансовых коэффициентов, считавшимися лучшими, Спрингейтом было отобрано четыре коэффициента, на основании которых была построена модель Спрингейта. Оценка вероятности банкротства по модели Спрингейта производится по формуле:

Z = 1,03X1 + 3,07X2 + 0,66X3 + 0,4X4

где, Х1 — Оборотный капитал / Валюта баланса;

Х2 — (Прибыль до налогообложения + Проценты к уплате) / Валюта баланса;

Х3 — Прибыль до налогообложения / Краткосрочные обязательства;

Х4 — Выручка (нетто) от реализации / Валюта баланса.

При Z < 0,862 компания является потенциальным банкротом.

Четырехфакторная модель Иркутских ученых

Четырехфакторная модель R, предложенная ученными государственной экономической академии, выглядит следующим образом:

R =8.38*K1 +K2 + 0.054*K3 +0.63*K4

где К1 — Оборотные активы / Общие активы;

К2 — Чистая прибыль отчетного периода/ Собственный капитал;

К3 — Выручка от продажи/ Общие активы;

К4 — Чистая прибыль отчетного периода/ Операционные расходы (себестоимость проданных товаров, коммерческие расходы, управленческие расходы)

Вероятность банкротства организации в соответствии со значением модели R определяется следующим образом:

— значение R менее 0, вероятность банкротства максимальная (90%-100%);

— 0-0,18, вероятность банкротства высокая (60-80%);

— 0,18-0,32, вероятность банкротства средняя (35-50%);

— 0,32-0,42, вероятность банкротства низкая (15-20%);

— более 0,42, вероятность минимальная (до 10%).

Модель Лиса

Модель Лиса. Модель Лиса, разработанная им в 1972 году, для предприятий Великобритании имеет следующий вид:

Z = 0.063X1 + 0.092X2 +0.057X3 + 0.001X4

где X1 — Оборотный капитал / Сумма активов;

X2 — Прибыль от реализации / Сумма активов;

X3 — Нераспределенная прибыль / Сумма активов;

X4 — Собственный капитал / Заемный капитал

В случае если Z< 0,037 — вероятность банкротства высокая; Z> 0,037 — вероятность банкротства невелика.

Модель О.П. Зайцевой

Шестифакторная модель О.П. Зайцевой имеет следующий вид:

Ккомпл = 0,25Куп + 0,1Кз + 0,2Кс + 0,25Кур + 0,1Кфр + 0,1Кзаг.

где, Куп — коэффициент убыточности предприятия, характеризующийся отношением чистого убытка к собственному капиталу;

Кз — соотношение кредиторской и дебиторской задолженности;

Кс — показатель соотношения краткосрочных обязательств и наиболее ликвидных активов;

Кур — убыточность реализации продукции, характеризующийся отношением чистого убытка к объему реализации этой продукции;

Кфр — соотношение заемного и собственного капитала;

Кзаг — коэффициент загрузки активов как величина, обратная коэффициенту оборачиваемости активов.

В модели О.П. Зайцевой имеются весовые коэффициенты для каждого показателя: Куп = 0; Кз = 1; Кс = 7; Кур = 0; Кфр = 0,7; Кзаг = значение Кзаг в предыдущем периоде. Если фактический комплексный коэффициент больше нормативного, то вероятность банкротства велика, а если меньше — то вероятность банкротства мала. Недостаток данной модели заключается в том, что она является трудоемкой для расчета, а определенные О.П. Зайцевой весовые коэффициенты не всегда являются точными.

Модель Сайфуллина

Модель Сайфуллина — это модель прогнозирования риска банкротства, которая может применяться для любой отрасли и предприятий различного масштаба. Формула расчета:

R = 2*К1+ 0,1*К2 + 0,08*К3 + 0,45*К4 + К5

где, К1 — коэффициент обеспеченности собственными средствами;

К2 — коэффициент текущей ликвидности;

К3 — коэффициент оборачиваемости активов;

К4 — коммерческая маржа (рентабельность реализации продукции);

К5 — рентабельность собственного капитала.

Если значение итогового показателя R < 1 вероятность банкротства предприятия высокая, если R > 1, то вероятность низкая.

Преимуществом данной модели является: простота и понятность данной модели; применение для любой отрасли, адаптация к российским условиям; относительно высокая точность.

Бухгалтерская отчетность является информационной базой для проведения анализа финансового состояния и оценки риска вероятности возникновения несостоятельности (банкротства) предприятия должника.

До сих пор, для оценки уровня экономической и финансовой безопасности, часто используются методики оценки вероятности банкротства — модели: А.И. Альтмана, Дж. Ольсона, Хайдаршиной, Жданова и т.д. Основное преимущество этих методик заключается в том, что они используют нормируемые показатели (расчет которых осуществляется на основе бухгалтерской отчетности), а также их довольно легко интерпретировать.

Оценка вероятности возникновения риска банкротства, как правило, проводится в совокупности с общим анализом финансового состояния экономического субъекта.

Таким образом, можно сделать вывод, что все модели построены с поддержкой многочисленного дискриминантного анализа. Различает их лишь только статистическая подборка. Каждый ученый постарался выбрать собственные денежные коэффициенты, которые лучшим образом описывают состояние предприятия. Есть одно однообразие — все ученые направляли большое внимание на продажи предприятия. Чем выше объемы реализации продукции или услуг фирмы, тем выше экономическая стабильность.

Просмотров 4 402

Оставьте комментарий