Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях
Курсовой проект - Экономика
Другие курсовые по предмету Экономика
µбанкротами имеет вид не тонкой линии, а размытой полосы. Ошибка прогноза с помощью двухфакторной модели оценивается интервалом ? Z = 0,65. Чем больше факторов будет учтено в модели, тем, естественно, точнее рассчитанный с ее помощью прогноз.
При использовании модели Альтмана возможны два типа ошибок[8, с. 156]:
- прогнозируется сохранение платежеспособности предприятия, а в действительности происходит банкротство;
- прогнозируется банкротство предприятия, а оно сохраняет платежеспособность.
По мнению Альтмана, с помощью пятифакторной модели прогноз банкротства на горизонте один год можно установить с точностью до 95 %. При этом ошибка первого типа возможна в 6 %, а ошибка второго типа - в 3 %случаев. Спрогнозировать банкротство на горизонте в 2 года удается с точностью до 83 %, при этом ошибка первого рода имеет место в 28 % случаях, а ошибка второго рода имеет место в 6 % случаев.
В 1977 году Альтман со своими коллегами разработал более точную семи факторную модель. Эта модель позволяет спрогнозировать банкротство на горизонте в 5 лет с точностью до 70 %. В модели в качестве переменных используются следующие показатели[10, с. 178]:
- рентабельность активов;
- изменчивость или динамика прибыли;
- коэффициент покрытия процентов по кредитам;
- кумулятивная прибыльность;
- коэффициент покрытия или ликвидности;
- коэффициент автономии;
- совокупные активы.
В таблице 3 приведены сведения о точности прогнозирования банкротства с помощью пятифакторной и семи факторной модели Альтмана.
Таблица 3
Точность прогноза банкротства
Количество лет до банкротстваПрогноз по пятифакторной моделиПрогноз по семи факторной моделиБанкротНебанкротБанкротНебанкрот193,99796,289,7271,993,984,993,1348,3-74,591,4428,6-68,189,5536-69,882,1
При проведении финансового анализа практически к любому оценочному показателю нужно подходить критически. Вместе с тем значение показателя Z следует воспринимать как сигнал опасности. В этом случае необходим глубокий анализ причин, вызвавших снижение этого показателя.
Таким образом, разработанные на Западе модели прогнозирования вероятности банкротства весьма применимы и в современных российских условиях, но, тем не менее, имеют ряд особенностей и характерных черт.
ПРАКТИЧЕСКАЯ ЧАСТЬ
Задача № 1
ИСХОДНЫЕ ДАННЫЕ ЗАДАЧИ № 1:
Исходные данные задачи представлены в таблице 4, где Х - готовая продукция на складе предприятия, У выручка от реализации продукции.
РЕШЕНИЕ:
- Найдем параметры уравнения регрессии методом наименьших квадратов.
Предполагается наличие линейной связи между Х и У, то есть регрессионная модель описывается функцией:
Уi = а0 + а1 х,(5)
Где Уi значение результативного признака;
а0 и а1 параметры уравнения регрессии, определяемые из системы уравнений:
,(6)
Для нахождения параметров уравнения регрессии по методу наименьших квадратов, составим расчетную таблицу (таблица 4)
Таблица 4
Расчетная таблица для нахождения параметров уравнения регрессии
№ п/пХУХ2ХУУУi - У/Уi - У//Уi118,75,5349,69102,856,399-0,8990,163455215,24,5231,0468,45,454-0,9540,2123155225755,4-0,40,08426,87,6718,24203,688,586-0,9860,129737522,310,5497,29234,157,3713,1290,298624,67,8605,16191,887,992-0,1920,024615727,17,8734,41211,388,667-0,8670,111154835,810,11281,64361,5811,016-0,9160,090693936,211,81310,44427,1611,1240,6760,0572881023,27,4538,24171,687,614-0,2140,0289191121,36,8453,69144,847,101-0,3010,0442651223,26,4538,24148,487,614-1,2140,1896881327,28739,84217,68,694-0,6940,086751418,76,2349,69115,946,399-0,1990,0320971523,67,2556,96169,927,722-0,5220,072516288,7784243,68,91-0,210,0241381723,97,4571,21176,867,803-0,4030,0544591828,99,4835,21271,669,1530,2470,0262771919,66,5384,16127,46,642-0,1420,0218462023,49,2547,56215,287,6681,5320,1665222128,96,1835,21176,299,153-3,0530,5004922225,97,9670,81204,618,343-0,4430,0560762325,99,4670,81243,468,3431,0570,1124472427,810,5772,84291,98,8561,6440,1565712532,99,61082,41315,8410,233-0,6330,0659382630,911,5954,81355,359,6931,8070,157132718,36,6334,89120,786,2910,3090,0468182821,67,2466,56155,527,1820,0180,00252915,75,6246,4987,925,5890,0110,0019643022,49,5501,76212,87,3982,1020,221263Итого733237,718788,36043,81238,41-3,235601
Подставляем полученные значения из таблицы 4 в формулу (6):
Из первого уравнения выражаем а0, подставляем во второе уравнение и получаем соответствующее значение:
а1 = 0,27 и а0 = 1,33
Тогда искомое уравнение регрессии имеет вид:
Уi= 1,33 + 0,27Х.
- Для проверки адекватности определим среднее относительное линейное отклонение по формуле (7)
,(7)
Подставляя значения из таблицы 4 в формулу (7), получим:
Е = 0,10 или 10 %.
Так как Е меньше 15 %, то связь между факторным и результативным признаками достаточно тесная.
Полученное уравнение регрессии пригодно для прогнозных значений, так как значение Е меньше 15 %.
Среднегодовое значение Х = 24,43 млн. руб., тогда при среднегодовой величине готовой продукции на сладе 24, 43 млн. рублей, предполагаемая выручка от реализации на следующий год, согласно уравнению регрессии, составит: 7,93 млн. рублей.
- Составим бюджет движения денежных средств и определим критический период в деятельности предприятия. в качестве исходных данных принимаем следующие сценарные условия функционирования предприятия в следующем году. Объемы продаж увеличиваются с темпом прироста в месяц 1,5 % от базового месяца. Предприятие проводит индивидуальную сбытовую политику на основе применения различных видов реализации при разных условиях оплаты: 25 % изделий реализуется за наличный расчет; 75 % с отсрочкой платежа на условиях 3/10 брутто 30; 80 % оплачивается в следующем месяце, из них 25 % со скидкой, а 20 % оплачивается с задержкой еще на 1 месяц.
С учетом прогнозного значения выручки от реализации 7,93 млн. рублей бюджет движения денежных средств организации представлена на рис?/p>