Оценка финансового состояния и прогнозирование банкротства предприятия тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Алексеева, Юлия Александровна |
| Место защиты | Москва |
| Год | 2011 |
| Шифр ВАК РФ | 08.00.13 |
Диссертация
Автореферат диссертации по теме "Оценка финансового состояния и прогнозирование банкротства предприятия"
На правах рукописи
Алексеева Юлия Александровна
Оценка финансового состояния и прогнозирование банкротства
предприятия
Специальность: 08.00.13 - Математические и инструментальные методы
экономики
Автореферат диссертации на соискание ученой степени кандидата экономических наук
Москва-2011
2 1 АПР 2011
4844514
Работа выпонена в федеральном государственном автономном учреждении высшего профессионального образования Национальный исследовательский университет Высшая школа экономики
Научный руководитель: кандидат экономических наук, доцент
Богданова Татьяна Кириловна
Официальные оппоненты: доктор физико-математических наук, профессор
Поспелов Игорь Гермогенович кандидат экономических наук Моисеев Антон Кирилович
Ведущая организация: Учреждение Российской академии наук
Центральный экономико-математический
институт РАН
Защита состоится л21 апреля 2011 года в 14:00 на заседании диссертационного совета Д 212.048.02 в Национальном исследовательском университете "Высшая школа экономики" по адресу: 101000, г. Москва, ул. Мясницкая, д.20, ауд. 309.
С диссертацией можно ознакомиться в библиотеке Национального исследовательского университета "Высшая школа экономики".
Автореферат разослан л 21 марта 2011 года
Ученый секретарь диссертационного совета, Д.э.н. 1 ~ ' Д.В.Нестерова
1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования. В сложившихся в настоящее время условиях экономического развития страны предприятия дожны быть уверены в надежности и финансовой состоятельности своих партнеров, в противном случае они имеют возможность использовать механизм банкротства как средство возврата дога неплатежеспособными партнерами. В связи с этим руководители предприятий, менеджеры различных уровней управления дожны уметь своевременно определить неудовлетворительное финансовое состояние предприятий-контрагентов на основе результатов проведенного финансового анализа, и при необходимости воспользоваться своим правом, в судебном порядке применить процедуры банкротства к дожнику.
В свою очередь, руководители организаций, испытывающих финансовые трудности, с помощью финансового анализа и последующих управленческих решений могут защитить себя от поного краха и в случае возбуждения процедуры банкротства кредиторами найти возможность восстановления платежеспособности.
Процедуре банкротства предприятий могут предшествовать разные сценарии развития событий. Однако большинство существующих методик прогнозирования банкротства не учитывают особенности этих сценариев и оценивают финансовое состояние предприятий по данным за один временной период, что приводит к снижению прогнозной точности моделей.
В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, учитывающих ретроспективную динамику изменения финансовых показателей.
Степень научной проработанности проблемы
Начало использованию финансовых показателей для прогнозирования
банкротства было положено Бивером (Beaver, 1966). Используя в качестве
теоретической основы идеи модели денежного потока, он обнаружил, что
множество финансовых показателей может использоваться для
прогнозирования банкротства. Альтман (Altman, 1968) внес свой вклад в
построение моделей прогнозирования банкротства, впервые применив
множественный дискриминантный анализ для преодоления ограничений модели Бивера.
Дикин (Оеакт, 1972) был первым, кто заметил, что для применения множественного дискриминантного анализа независимые переменные дожны быть нормально распределены. Ольсон (ОЫбоп, 1980) стоял у истоков применения логистического анализа для оценки вероятности банкротства.
Бегли (Е^1еу, 1996) исследовал вопрос, сохраняют ли ранее разработанные модели свою прогнозную точность на данных текущего периода. Он выяснил, что ошибочная классификация модели на более современных данных обучающей выборки значительно возрастает по сравнению с результатами первоначальных работ. Результаты исследования подтвердили гипотезу о нестационарности данных во времени, влияющей на прогнозную точность моделей.
Среди методик, разработанных для диагностики возможного банкротства отечественных предприятий, можно назвать методики оценки финансового состояния на основе интегрального показателя, учитывающие специфику российских предприятий, разработанные Р. С. Сайфулиным и Г. Г. Кадыковым (1996) и учеными Иркутской государственной экономической академии (1997).
Несмотря на большое количество существующих методик прогнозирования финансового состояния предприятий, эту проблему нельзя считать поностью решенной по следующим причинам.
Во-первых, применение различных методик приводит к противоречивым
результатам. Во-вторых, прогнозная точность моделей значительно
уменьшается при использовании для анализа финансового состояния данных за
несколько лет до банкротства. В-третьих, зарубежные модели не учитывают
специфику экономической ситуации и организации предпринимательства в
России, которые отличаются в том числе системами бухгатерского учета и
налогового законодательства, что находит отражение как в наборе факторов-
признаков, так и в весовых коэффициентах при них. В-четвертых, в моделях
используются данные за один год, и не учитывается изменение показателей в
динамике за несколько лет. В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, лишенных перечисленных выше недостатков.
Объект исследования - российские предприятия.
Предмет исследования - финансовое состояние российских предприятий.
Цель исследования - разработка методологического подхода и методов моделирования и прогнозирования банкротства предприятий, учитывающих динамику изменения финансовых показателей.
Для достижения поставленной цели необходимо решить следующие задачи:
1. систематизировать существующие западные и отечественные модели прогнозирования банкротства и провести их анализ;
2. построить модель прогнозирования вероятности банкротства предприятия, учитывающую характер изменения финансовых показателей в ретроспективной динамике;
3. провести апробацию модели на выборке российских предприятий обрабатывающего производства;
4. разработать программный инструментарий для автоматизации процесса анализа финансового состояния предприятий.
Методологической и теоретической основой исследования являются современные теории финансового анализа деятельности предприятий, концептуальные подходы к оценке финансового состояния, работы российских и зарубежных авторов в области прогнозирования банкротства предприятий.
Для решения поставленных в диссертационном исследовании задач применяется инструментарий финансового и статистического анализа, теория вероятностей.
Информационная база исследования. В качестве информационной базы
для анализа и оценки финансового состояния предприятий были использованы
данные обязательной финансовой отчетности 1357 российских предприятий
обрабатывающего производства за 10 лет (формы №1 (баланс) и №2 (отчет о
прибылях и убытках), предоставляемые системой профессионального анализа рынка и предприятий СПАРК.
Научная новизна заключается в следующем:
1. Предложена методологическая основа, на которой базируется принципиально новый подход к прогнозированию вероятности банкротства предприятий, учитывающий ретроспективную динамику изменения финансовых показателей.
2. Разработана модель статической оценки вероятности банкротства предприятий. При тестировании на выборке из 1357 предприятий обрабатывающего производства за 3 года до банкротства точность модели составила 73%, при уменьшении количества лет до банкротства точность прогноза увеличивалась и составила 91% в год банкротства.
3. Выявлены три характерных сценария изменения основных финансовых показателей предприятий за несколько лет до банкротства.
4. Определены максимальные временные горизонты прогнозирования вероятности банкротства предприятий в зависимости от сценария изменения финансовых показателей. Было показано, что возможно прогнозировать вероятность банкротства предприятия за период от года до четырех лет до банкротства.
5. Разработан комплекс из трех динамических моделей прогнозирования вероятности банкротства, учитывающих сценарии изменения финансовых показателей. Значимыми при построении моделей оказались значения финансовых показателей от года до трех лет до банкротства и соотношение прогнозных вероятностей банкротства.
6. Установлены нормативные значения финансовых коэффициентов для предприятий, имеющих удовлетворительное финансовое состояние.
Теоретическое значение представленных в работе результатов состоит в разработке моделей для прогнозирования вероятности банкротства,
учитывающих ретроспективную динамику изменения финансовых показателей и обладающих высокой прогнозной точностью в догосрочной перспективе.
Практическая значимость исследования заключается в том, что разработан программный инструментарий, позволяющий автоматизировать процесс анализа финансового состояния предприятий. Кроме того, проведена апробация предлагаемых прогнозных моделей на выборке из 1357 предприятий обрабатывающего производства.
Полученные результаты могут быть использованы, во-первых, менеджерами различных уровней управления для своевременного определения неблагоприятного финансового положения предприятий-контрагентов. Во-вторых, результаты могут применяться инвесторами для оценки кредитного качества эмитентов и выбора объекта для инвестирования. В-третьих, разработанные модели могут позволить руководителям организаций, испытывающим финансовые трудности, идентифицировать сценарий банкротства и найти оптимальный путь выхода из кризисной ситуации.
Апробация результатов исследования. Результаты исследования были представлены, и получили положительные отзывы на научных семинарах и конференциях:
1. Научный семинар Информационные технологии управления эффективностью бизнеса, ГУ-ВШЭ, Москва, 2008 и 2009 г.г.
2. Ежегодная студенческая научно-практическая конференция Информационные технологии в экономике, бизнесе, управлении, ГУ-ВШЭ, Москва, 2009.
3. Международная научно-практической конференции Перспективные инновации в науке, образовании, производстве и транспорте, Одесса, 2010 год.
Структура диссертации. Диссертационное исследование составляют введение, три главы, заключение, список использованной литературы и приложения.
2. ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
Основным результатом работы является методологическая основа, на которой базируется новый подход к прогнозированию вероятности банкротства предприятий, учитывающий изменение финансовых показателей в ретроспективной динамике, и комплекс моделей оценки финансового состояния и прогнозирования вероятности банкротства предприятия, учитывающих возможные сценарии изменения финансового состояния.
Во введении обосновывается актуальность диссертационного исследования, сформулированы цель, задачи, объект и предмет исследования, раскрыта научная новизна и содержание основных результатов, а также их теоретическая и практическая значимость.
В первой главе приводится подробный обзор исследований по проблемам оценки финансового состояния и прогнозирования вероятности банкротства предприятий, дается характеристика основных научных направлений, связи и различия между ними, а также приводится постановка проблемы, требующей решения.
Во второй главе подробно рассматриваются методологические подходы к оценке финансового состояния предприятий, моделированию вероятности банкротства, разрабатывается модель статической оценки вероятности банкротства предприятия, выявляются основные сценарии изменения финансовых коэффициентов предприятий-банкротов за несколько лет до банкротства, определяются максимальные временные горизонты прогнозирования вероятности банкротства предприятий в зависимости от сценария банкротства, разрабатывается комплекс динамических моделей прогнозирования вероятности банкротства.
Методологические подходы к моделированию банкротства предприятия
можно разделить на две группы: классические статистические методы
(регрессионный анализ, дискриминантный анализ, кластерный анализ) и
альтернативные методы (нейросетевой анализ, теория нечетких множеств и
др.). Сущность данных методологических подходов состоит в процедуре
классификации с определенной степенью точности предприятий на 2 группы:
предприятий-банкротов и предприятий, имеющих удовлетворительное финансовое состояние. Все эти подходы объединяет то, что при построении модели вероятности банкротства используются данные только за один временной период.
Отличие предлагаемого подхода в том, что классификация предприятий на группу банкротов и предприятий, имеющих удовлетворительное финансовое состояние, осуществляется с учетом ретроспективной динамики изменения основных финансовых показателей.
Для построения и апробации моделей были собраны финансовые данные за период с 2000 по 2009 годы по 1357 предприятиям, деятельность которых, согласно Общероссийскому классификатору видов экономической деятельности (ОКВЭД), относится к обрабатывающему производству. Из них 173 предприятия официально были признаны банкротами в период с 2008 года по 2010 год, финансовое состояние 1184 предприятий официально считается удовлетворительным.
Построение модели статической оценки вероятности банкротства предприятия
Для построения модели статической оценки вероятности банкротства предприятия использовалась обучающая выборка, состоящая из 333 предприятий, при этом 117 предприятий в 2009 году были официально признаны банкротами, а 216 предприятий имели удовлетворительное финансовое состояние.
Из 1184 предприятий, официально не являющихся банкротами, для включения в обучающую выборку были отобраны 216 предприятий, финансовое состояние которых было оценено как удовлетворительное, как минимум, по 6 из 7 основных методик прогнозирования вероятности банкротства. Оценка проводилась по следующим семи методикам: пятифакторной модели Альтмана (Altman, 1968), модели Таффлера и Тишоу (Tafler, Tisshaw, 1977), модели Фумера для классификации банкротств (Fulmer, 1984), модели Чессера надзора над судами (Chesser, 1974), методики Лиса (Liss,
1972), методики Спрингейта (Springate, 1978), методики P.C. Сайфулина и Г.Г.
Кадыкова (1996), методики Иркутской государственной экономической академии (1997).
Для построения модели статической оценки вероятности банкротства предприятия был выбран метод логистической регрессии. Этот метод обладает следующими достоинствами: во-первых, с его помощью можно оценивать вероятность того, что событие наступит для конкретного наблюдения; во-вторых, в качестве предикторов допускается использование всех типов переменных, в том числе категориальных; в-третьих, модель является нелинейной, в нее можно включать взаимодействия предикторов.
В таблице № 1 представлены результаты построения модели статической оценки вероятности банкротства. Из приведенной таблицы видно, что для всех выбранных показателей гипотеза о том, что коэффициент при данном показателе равен нулю, отвергается на уровне значимости менее 1%, что подтверждает качество построенной модели.
Таблица 1. Результаты расчета коэффициентов модели статической оценки и
проверки их значимости
Переменные, включенные в модель
Наименование переменной В (коэфф. регрессии) S.E. (стандартная, ошибка) Wald (Вальд) df Sig. (значимость) Ехр.(В)
Step 5 Логарифм выручки -1,573 ,251 39,290 1 1 ,000 ,208
Общая оборачиваемость активов -1,082 ,252 18,453 1 ,000 ,339
Отношение чистой прибыли к общим активам -6,932 2,590 7,164 1 | ,007 ,001
ртношение краткосрочных и догосрочных заемных средств к активам 3,697 1,302 8,063 1 ,005 40,340
Отношение догосрочных обязательств к активам -5,712 1,529 13,950 1 ,000 ,003
Constant 32,633 5,320 37,625 ,000 1.487Е14
Модель статической оценки вероятности банкротства предприятия имеет следующий вид:
где Pj Ч вероятность банкротства предприятия j; е Ч экспоненциальная функция; Х2 j - общая оборачиваемость активов предприятия]; X2,j - отношение чистой прибыли к активам предприятия j; X3ij - отношение краткосрочных и догосрочных заемных средств к активам предприятия j; X4j - отношение догосрочных обязательств к активам предприятия j; X5-j - натуральный
логарифм выручки предприятия j.
Данная модель названа моделью статической оценки вероятности банкротства предприятия, т.к. она не учитывает ретроспективную динамику изменения финансовых показателей.
Выявление основных сценариев изменения финансовых коэффициентов предприятий-банкротов
В ходе исследования была выдвинута следующая гипотеза. Процедуре банкротства предприятий могут предшествовать разные сценарии развития событий. Эти сценарии, так или иначе, найдут свое отражение в динамике изменения финансовых показателей, вошедших в регрессионную модель статической оценки (1). Если при построении модели, прогнозирующей вероятность банкротства предприятия, учесть сценарии развития событий, то такая модель может дать существенно более высокую точность прогнозирования.
Для выявления возможных сценариев изменения финансовых показателей предприятия в динамике, закончившихся его банкротством, все предприятия, обанкротившиеся в 2009 году, с использованием метода кластеризации Варда (Ward's method, 1963) были разделены на группы. Для вычисления расстояний между кластерами использовася квадрат евклидова расстояния (Euclidian distances). Для каждой из групп предприятий был проведен анализ характера изменения финансовых показателей за несколько лет до банкротства.
В качестве переменных для разбиения предприятий на кластеры выбраны вероятности банкротства предприятий за период с 2004 по 2009 годы, рассчитанные для каждого предприятия-банкрота по полученной модели статической оценки вероятности банкротства (1).
Поскольку количество кластеров заранее неизвестно, то задавася возможный диапазон их количества от 2 до 10. С помощью частотных таблиц было определено, сколько предприятий попадает в каждый кластер для различных решений (табл.2).
Таблица 2. Результаты разбиения предприятий-банкротов на кластеры
Количество Количество Количество Количество Количество Количество Количество Количество Количество
компаний в компаний в компаний в компаний в компаний в компаний в компаний в компаний в компаний в
10-и 9-и 8-и 7-и 6-и 5-и 4-Х 3-х 2-х
кластерном кластерном кластерном кластерном кластерном кластерном кластерном кластерном кластерном
решении решении решении решении решении решении решении решении решении
6 6 10 10 12 12 12 35 35
9 13 13 13 13 23 23 46 82
2 2 2 2 10 40 46 36 0
10 10 10 10 40 36 36 0 0
40 40 40 40 36 6 0 0 0
21 21 21 36 6 0 0 0 0
6 6 6 6 0 0 0 0 0
15 15 15 0 0 0 0 0 0
4 4 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0
Для дальнейшего анализа использовалось 3-х кластерное решение. В
первый кластер попали 35 предприятий, во второй - 46, в третий - 36 предприятий. По каждому из трех кластеров была рассчитана средняя вероятность банкротства предприятий. На рис. 1 показано изменение средних значений вероятности банкротства в период с 2000 по 2009 годы для каждой кластерной группы.
Ч 1 Сгеларнв бицхчпы Ns 1 . . ^ Смирим бшкречсти .V! 2 __ 5 Соимрнй бпйфСТпгА Ni 3
2СК>4 2Ш 20М 2<Н>? 2 ОМ 20<И> гм г гол год ид год
Рис. 1. График изменения средней вероятности банкротства предприятий для
Как видно из рис. 1, к кластеру №1 относятся предприятия, у которых вероятность банкротства на протяжении первых пяти лет с 2000 г. до 2004 г. была невысокая, более того, даже уменьшалась вплоть до 2004 года, затем она резко выросла в 2005 году и ежегодно увеличивалась, пока ситуация не завершилась банкротством предприятия в 2009 году.
В кластер №2 попали предприятия, у которых финансовое состояние оставалось неудовлетворительным на протяжении всех десяти лет. Т.е. прогнозная вероятность банкротства была выше 0,8. Тем не менее, банкротство этих предприятий фактически наступило только в 2009 году.
К кластеру №3 отнесены предприятия, вероятность банкротства которых в 2000 и 2001 годах являлась достаточно высокой, хотя явно прослеживалась тенденция к уменьшению вероятности банкротства. Начиная с 2002 по 2004 годы, наблюдалась тенденция к улучшению финансового состояния, что нашло отражение в прогнозном значении вероятности банкротства. Однако в 2005 году прогнозная вероятность банкротства резко выросла и оставалась практически постоянной на протяжении нескольких лет вплоть до банкротства в 2009 году.
Для того чтобы выяснить, за сколько лет до банкротства средние значения показателей банкротов начинают значимо отличаться от показателей предприятий, признанных имеющими удовлетворительное финансовое
каждой кластерной группы в динамике
состояние, был проведен сравнительный анализ финансовых показателей, входящих в регрессию с 2000 по 2009 год с использованием непараметрического U-теста по методу Манна и Уитни (Mann-Whitney U Test).
Анализ результатов (табл. 3) показал, что у предприятий, банкротство которых развивается по сценарию №1, среднее значение натурального логарифма выручки стало значимо отличаться от среднего значения аналогичного показателя предприятий с удовлетворительным финансовым положением за два года до банкротства. Среднее значение общей оборачиваемости активов значимо отличалось за 2 и более лет до банкротства, отношение чистой прибыли к общим активам - за 1 год до банкротства, а уровень дога значимо не отличася, как минимум, за 4 года до банкротства. Вероятно, что такие предприятия обанкротились в 2009 году в результате резкого снижения выручки и прибыли.
Для предприятий, банкротство которых развивалось по сценарию №2, высокая вероятность банкротства прогнозировалась в течение всех 10 лет, что косвенно свидетельствует об их неудовлетворительном финансовом состоянии на протяжении всего этого времени. Анализ показателей, вошедших в логистическую регрессию, также подтверждает этот тезис. Их характеризует низкая выручка от реализации, низкая оборачиваемость активов, малая доля чистой прибыли в активах. Однако следует обратить внимание на то, что уровень задоженности у этих предприятий тоже невысок, но этот факт может быть объяснен тем, что их финансовое состояние было таково, что у кредиторов были основания не давать им в дог денежные средства.
У предприятий, банкротство которых развивалось по сценарию №3,
финансовое состояние ухудшалось на протяжении последних пяти лет.
Положительное влияние на финансовое состояние предприятий оказывала
высокая оборачиваемость активов. Однако небольшая выручка, низкая
прибыльность и рискованное соотношение догосрочных обязательств и
активов явились, в конечном итоге, причиной невозможности удовлетворить
требования кредиторов по денежным обязательствам. Анализ сценариев
изменения вероятности банкротства и значимости различий финансовых
показателей на разных временных промежутках, позволил сделать следующие выводы.
Во-первых, модель статической оценки при различных сценариях развития банкротства способна прогнозировать высокую вероятность банкротства предприятий в пределах от 1 года до 4-х лет до наступления факта банкротства.
Во-вторых, модель статической оценки обладает высокой прогнозной точностью в пределах 4-х лет при прогнозировании вероятности банкротства для предприятий, у которых банкротство развивается по сценарию №2 или №3. Для предприятий, у которых банкротство развивается по сценарию №1, модель статической оценки с высокой точностью прогнозирует высокую вероятность банкротства только за год до банкротства, несмотря на значительное ухудшение показателей, как минимум, за 2-4 года до банкротства. Дело в том что, несмотря на негативную динамику изменения финансовых показателей, за 2-4 года до банкротства средние значения коэффициентов не отличаются значимо от среднеотраслевых значений, и модель статической оценки классифицирует состояние таких предприятий как удовлетворительное.
Таблица 3. Сравнение средних значений рангов коэффициентов предприятий с удовлетворительным финансовым состоянием и банкротов
Средние значения
рангов финансовых
.. показателей
Количество лет
до банкротства предприятии с
Сценарии банкротства №1 Сценарий банкротства №2 Сценарии банкротства №3
Средние Значимость Средние Значимость Средние Значимость значения различий значения различий значения различий
удовлетворительным рангов
финансовым состоянием
финансовых значений финансовых значений финансовых значений показателей рангов показателей рангов показателей рангов
Натуральный логариф м выручки
9 лет 404 314 0,087 235 0,000 219 0,000
8 лет 448 332 0,021 232 0,000 275 0,000
7 лет 496 436 265 0,000 326 0,001
6 лет 524 460 260 0,000 351 0,001
5 лет 530 448 268 0,000 338 0,000
4 года 554 496 297 0,000 332 0,000
3 года 565 486 288 0,000 315 0,000
2 года 573 466 0,072 291 0,000 294 0,000
1 год 581 439 0,019 284 0,000 264 0,000
год банкротства 581 321 0,000 202 0,000 222 0,000
Обшая оборач ваемоегь активов
9 лет 432 567 0,009 337 0,048 436
8 лет 489 498 351 0,003 490
7 лет 526 622 0,070 363 0,000 619 0,079
6 лет 557 733 0,001 383 0,000 641
5 лет 549 747 0,000 363 0,000 626
4 года 578 794 0,000 419 0,002 623
3 года 588 761 0,002 407 0,001 588
2 года 599 744 0,011 428 0,001 578
I год 609 679 477 0,009 580
год банкротства 612 499 0,060 417 0,000 553
Отношение чистой прибыли к общим активам
9 лет 437 343 0,092 334 0,040 278 0,002
8 лет 494 381 0,03 5 328 0,001 359 0,006
7 лет 532 414 0,025 376 0,001 444 0,092
6 лет 562 462 0,077 369 0,000 492
5 лет 554 542 324 0,000 470
4 года 585 555 403 0,001 389 0,001
3 года 595 556 377 0,000 364 0,000
2 года 605 556 358 0,000 397 0,000
1 год 616 414 0,001 287 0,000 348 0,000
год банкротства 624 200 0,000 168 0,000 150 0,000
Средние значения рангов финансовых Сценарий банкротства №1 Сценарий банкротства №2 Сценарий банкротства №3
Количество лет до банкротства показателей предприятий с удовлетворительным финансовым состоянием Средние значения рангов финансовых показателей Значимость различий средних значений рангов Средние значения рангов финансовых показателей Значимость различий средних значений рангов Средние значения рангов финансовых показателей Значимость различий средних значений рангов
Отношение краткосрочных и догосрочных займов к общим активам
9 лет 434 456 417 380
8 лет 492 498 483 434
7 лет 531 544 545 483
6 лет 558 590 630 618
5 лет 549 533 634 634
4 года 577 590 690 0,034 653
3 года 586 627 737 0,005 651
2 года 596 653 748 0,005 689
1 год 608 675 749 0,008 619
год банкротства 609 648 681 648
Отношение догосрочных обязательств к общим активам
9 лет 429 580 0,005 328 0,029 547 0,020
8 лет 487 590 0,041 436 544
7 лет 524 689 0,002 541 689 0,002
6 лет 554 750 0,000 598 720 0,002
5 лет 546 729 0,001 586 725 0,001
4 года 582 640 554 473 0,045
3 года 591 634 585 482 0,048
2 года 600 642 678 547
1 год 612 639 672 488 0,031
год банкротства 614 615 640 470 0,013
Таким образом, проведенный анализ показал, что можно улучшить модель статической оценки вероятности банкротства, если учесть изменение финансовых показателей за несколько лет до наступления банкротства, т.е. учесть, по какому сценарию для предприятия развивается ситуация, способная с течением времени привести его к возможному банкротству.
Построение комплекса динамических моделей прогнозирования банкротства
Для того чтобы заблаговременно идентифицировать возможное банкротство предприятия, был разработан комплекс моделей, представляющий собой совокупность трех динамических моделей прогнозирования вероятности банкротства, каждая из которых учитывает возможный сценарий банкротства предприятий и, соответственно, характер изменения финансовых показателей в ретроспективной динамике.
Для построения каждой динамической модели прогнозирования вероятности банкротства использовалась выборка, которая включала предприятия из соответствующего кластера, обанкротившиеся в 2009 году, и предприятия, финансовое состояние которых было признано удовлетворительным по семи методикам.
Для построения динамических моделей прогнозирования банкротства использовася метод логистической регрессии. В качестве предикторов использовались рассчитанные на каждый год прогнозные вероятности банкротства предприятий по разработанной выше модели статической оценки вероятности банкротства (1) для каждого сценария банкротства, и отношения вероятности банкротства в году I к вероятности банкротства в году I-1.
Однако для каждого сценария банкротства в уравнение логистической регрессии, в конечном счете, вошли только значимые показатели.
Таблица 4. Результаты расчета коэффициентов динамической модели №1 и
проверки их значимости
Переменные, включенные в модель
Наименование переменной В (коэффициент регрессии) S.E. (стандартная ошибка) Wald (Вальд) df Sig. (значимость) Ехр.(В)
Step 2 Вероятность банкротства предприятия в 2008 году 9,912 2,212 20,071 111 ,000 20171,309
Отношение вероятности банкротства предприятия в 2008 году по сравнению с 2007 'годом ,213 ,122 3,033 1 ,082 1,237
'Constant -3,580 ,567 39,897 1 ,000 ,028
Полученная таким образом динамическая модель №1 имеет вид: = 7 рп ^ (2)
где Р(+1- вероятность банкротства предприятия ] в год 1+1; Р^ Ч вероятность банкротства предприятия j в год I; вероятность банкротства предприятия] в год Ь1.
Как видно из динамической модели (2), в случае, если банкротство развивается по сценарию №1, то при прогнозировании учитывается только значения финансовых показателей за год до банкротства и соотношение прогнозных вероятностей банкротства в текущем и предыдущем годах.
В таблице № 5 приведены оценки коэффициентов и сопутствующие статистики для динамической модели №2.
Таблица 5. Результаты расчета коэффициентов динамической модели №2 и
проверки их значимости
Переменные, включенные в модель
Наименование гтепеменнпй В (коэффициент S.E. (стандартная Wald CRanhifl df Sig. (Значимость) Exp.(B)
Step 2b Вероятность банкротства предприятия в 2006 году 4,803 К2ШШШ 1,660 8,374 1 ,004 121,886
Вероятность банкротства .предприятия в 2008 году 6,782 1,721 15,530 1 ,000 881,952
Constant -6,211 1,514 16,820 1 ,000 ,002
Динамическая модель №2 имеет вид:
Х + е -Ь *
где Рц.+ 1- вероятность банкротства предприятия ] в год 1+1; Ч вероятность банкротства предприятия] в год (; вероятность банкротства предприятия} в год \.-2.
Если банкротство развивается по сценарию №2, то при прогнозировании учитываются значения финансовых показателей за три года до банкротства: прогнозная вероятность банкротства текущего года и прогнозная вероятность банкротства за два года до текущих событий или за три года до предполагаемого банкротства.
В таблице № 6 приведены оценки коэффициентов для динамической модели №3.
Таблица 6. Результаты расчета коэффициентов динамической модели №3 и
проверки их значимости
Переменные, включенные в модель
Наименование переменной В 8.Е. (коэффициент (стандартная регрессии) ошибка) Wald (Вальд) df (значимость) Ехр.(В)
Вероятность банкротства предприятия в 2008 12,944 4,667 7,692 1 ,006 418147,208
году
Constant -8,412 3,940 4,559 т1 ,033 ,000
Динамическая модель №3 имеет вид:
1+е ХХ '
где Р(1+1- вероятность банкротства предприятия] в год 1+1; - вероятность банкротства предприятия ] в год I.
При развитии событий по сценарию №3 при прогнозировании вероятности банкротства в следующем году учитывается только вероятность банкротства в текущем году.
В третьей главе диссертационного исследования была проведена апробация статической и комплекса динамических моделей на контрольной выборке предприятий обрабатывающего производства, банкротство которых наступило в 2008 или 2010 годах, определены нормативные значения для предприятий, имеющих удовлетворительное финансовое состояние, приведено описание разработанного интернет-сервиса, автоматизирующего оценку финансового состояния предприятия и прогнозирование вероятности банкротства.
Оценка качества модели статической оценки вероятности банкротства
Качество разработанной модели статической оценки вероятности банкротства было оценено на основе точности предсказаний модели. В выборку вошли 216 предприятий, имеющих удовлетворительное финансовое состояние, и 117 предприятий, признанных банкротами в 2009 году. Финансовые
коэффициенты рассчитывались на основе отчетности за 2008 год, т.е. за один год до начала процедуры банкротства.
Модель правильно спрогнозировала удовлетворительное финансовое состояние для 202 из 216 предприятий (94% правильных ответов) и неудовлетворительное состояние для 102 из 117 предприятий - банкротов (87% правильных ответов). Всего были правильно классифицированы 91% предприятий.
Таким образом, разработанная модель статической оценки вероятности банкротства показала высокую прогнозную точность при тестировании на обучающей выборке.
Далее прогнозная точность модели была проверена на данных, которые не использовались при построении модели. В контрольную выборку вошло 381 предприятие1 с удовлетворительным финансовым положением и 56 предприятий, ставших банкротами в 2008 и 2010 годах.
На рис.2 представлен процент правильных предсказаний предприятий -банкротов (ставших банкротами в 2008 - 2010 годах) за различные периоды времени до официального признания банкротства. Таким образом, видно, что за 3 года до расчетного периода модель правильно спрогнозировала свыше 73 % предприятий, ставших банкротами, причем точность прогноза с каждым годом увеличивалась вплоть до 91% в год банкротства. Даже за 5 лет до начала процедуры банкротства модель правильно идентифицировала свыше 50% банкротов.
1 Из 1184 предприятий с удовлетворительным финансовым положением 216 предприятий вошли в выборку для построения модели. Из оставшихся 968 предприятий было выбрано 38! предприятие, финансовое состояние которых было оценено как устойчивое по 4 или 5 из 7 основных методик.
8 лет 7 лет б лет 5лет 4 годэ 3 года 2 года 1 год год
банкротства
в Количество лет до банкротства
Рис. 2. Точность модели статической оценки при идентификации предприятий -банкротов за разное количество лет до банкротства
В отношении предприятий с удовлетворительным финансовым состоянием модель правильно классифицировала 296 из 381 предприятия. Таким образом, точность классификации предприятий составила 78%.
Улучшение качества логистической регрессии при включении переменных было подтверждено с помощью одного из индикаторов качества -функции правдоподобия.
Для построенной модели с пятью переменными-регрессорами начальное значение меры правдоподобия -2LL, равное 349,346, было уменьшено на 248,725, и стало равным 100,621, что свидетельствует о значительном улучшении качества модели. Также качество построенной модели было подтверждено псевдо R2 Нагелькерка (R Square Nadelkerkes), высокой на уровне 1% значимостью критерия хи-квадрат (chi square test) и критерием Хосмера и Лемешова (Hosmer and Lemeshow Goodness-of-Fit Test, 1989).
Оценка качества комплекса динамических моделей
Оценка качества комплекса динамических моделей прогнозирования вероятности банкротства проводилась на обучающей и контрольной выборках.
Оценка качества динамических моделей на обучающей выборке
Проверка точности динамических моделей на выборке предприятий, банкротство которых развивалось по сценарию №1
В выборку для тестирования вошли 35 предприятий, ставших банкротами в 2009 году и попавших в результате процедуры кластеризации в кластер №1, и 104 предприятия, финансовое состояние которых было признано удовлетворительным по семи методикам.
Соотношение сценария изменения вероятности банкротства и точности динамических моделей №1, №2, №3
А года до банкротства 3 годэ до банкротства 2 года до банкротства 1 год до банкротства год банкротства
иава Динамическая модель N91 Х Динамическая модель Nл2 㻻Динамическая модель N53 -Вероятность банкротства
Рис. 3. Проверка точности динамических моделей №1, №2, №3 на выборке предприятий, банкротство которых развивалось по сценарию №1.
В год банкротства все три модели с высокой точностью идентифицировали предприятий - банкротов. Однако при увеличении количества лет до банкротства точность модели №1 оказалась значительно выше точности моделей №2 и №3.
За 4 года до банкротства динамическая модель №1 корректно прогнозировала высокую вероятность банкротства у 77% предприятий, в то время как точность модели №2 и модели №3 оказалась равной 26% и 11% соответственно.
Проверка точности динамических моделей на выборке предприятий, банкротство которых развивалось по сценарию №2
В выборку для тестирования вошли 46 предприятий, ставших банкротами в 2009 году и попавших в результате процедуры кластеризации в группу №2, и 104 предприятия, финансовое состояние которых было признано удовлетворительным по семи методикам.
Как видно из рис. 4, все три динамические модели с высокой точностью идентифицировали предприятий - банкротов на каждом временном промежутке
тестирования моделей. У анализируемых предприятий в течение многих лет средние значения финансовых показателей значимо отличались от средних значений показателей успешных предприятий отрасли. Это позволило спрогнозировать высокую вероятность банкротства для таких предприятий со 100% точностью даже за 4 года до банкротства.
4 года до банкротства 3 года до банкротства 2 годэ до банкротства 1 год до банкротства год банкротства
Динамическая модель №1 Динамическая модель №2 кета Динамическая модель N3 -Вероятность банкротства
Рис. 4. Проверка точности динамических моделей №1, №2, №3 на выборке предприятий, банкротство которых развивалось по сценарию №2.
Проверка точности динамических моделей на выборке предприятий, банкротство которых развивалось по сценарию № 3
В выборку для тестирования вошли 36 предприятий, ставших банкротами в 2009 году и попавших в результате процедуры кластеризации в группу №3, и 104 предприятия, финансовое состояние которых было признано удовлетворительным по семи методикам.
Как видно из рис. 5, результаты тестирования динамических моделей в данном случае аналогичны результатам тестирования моделей на финансовых данных предприятий из кластера №2. Это объясняется тем, что, начиная с 2005 года, финансовое положение предприятий кластера №3 резко ухудшилось, и стало сопоставимо с финансовым состоянием предприятий из кластера №2.
Соотношение сценария изменения вероятности банкротства и точности динамических моделей №1, N92, №3
100% 100% 100% 100% 100% 100% 100% 100% 100%
4 года до банкротства 3 года до банкротства 2 годэ до банкротства 1 год до банкротства год банкротства
гака Динамическая модель N91 Динамическая модель N82 Динамическая модель №3 -вероятность банкротства
Рис. 5. Проверка точности динамических моделей №1, №2, №3 на выборке предприятий, банкротство которых развивалось по сценарию №3.
Проверка точности динамических моделей на выборке предприятий, имеющих удовлетворительное финансовое положение
В обучающую выборку для проверки точности классификации предприятий с удовлетворительным финансовым состоянием вошли 104 предприятия, финансовое состояние которых было признанно устойчивым по семи методикам оценки. Как видно из рис.6, все три динамические модели правильно классифицируют предприятия, признанных имеющими удовлетворительное финансовое состояние. За 4-х летний период точность классификации не менее 91%. Так в 2009 году динамическая модель №1 корректно идентифицировала 95 из 104 предприятий (91%), динамические модели №2 и №3 правильно классифицировали 103 из 104 предприятий (99%).
Сравнение точности динамических моделей при идентификации предприятий с удовлетворительным финансовым состоянием
__________9.9%___99% - .99%.....................99%_____93.%-
2006 год 2007 год 2008 год 2009 год
Ш Динамическая модель №1 Динамическая модель №2 'Л Динамическая модель N93
Рис. 6. Проверка точности динамических моделей №1, №2, №3 при идентификации предприятий с удовлетворительным финансовым состоянием.
Помимо высокой точности классификации предприятий, качество всех трех динамических моделей было подтверждено псевдо R2 Нагелькерка (R Square Nadelkerkes), высокой значимостью критерия хи-квадрат и критерием Хосмера и Лемешова (Hosmer and Lemeshow Goodness-of-Fit Test, 1989).
Оценка качества динамических моделей на контрольной выборке
Далее прогнозная точность комплекса динамических моделей была проверена на данных, которые не использовались при построении модели. В контрольную выборку вошли 514 предприятий, из них: 21 предприятие, ставшее банкротом в 2010 году, и 493 предприятия, финансовое состояние которых было признано удовлетворительным по четырем, пяти или шести методикам оценки финансового состояния.
На рис.7 приведен сравнительный анализ точности прогнозирования вероятности банкротства предприятий с использованием динамических моделей в различные периоды времени до официального признания банкротства в 2010 году.
100% Ч 80% Ч 60% Ч 40% Ч 20% Ч 0% Ч
4 года до банкротства 3 года до банкротства 2 года до банкротства 1 год до банкротства
и Динамическая моде ль №1 Х Динамическая модель №2 йй Динамическая модель №3 '
____________________________________________________________________J
Рис. 7. Динамика изменения точности моделей при идентификации предприятий - банкротов за разное количество лет до банкротства
Из трех моделей наиболее точной оказалась модель №1, учитывающая темп изменения вероятности банкротства во времени. При увеличении количества лет до банкротства точность всех трех моделей снижалась.
100% ..... япк. ........ 80л 77% 69Ч yhjj 80% 83%. 7л* 85i 82 . 73b Ч......ni 85%
60% - 40% 20% - Wl шт в ш ist ---- j||f|g v. ШШ НИ- ШШЖ
2006 год 2007 год 2008 год 2009 год
а Динамическая модель №1 - Динамическая модель №2 к Динамическая модель №3
Рис. 8. Изменение точности динамических моделей при идентификации предприятий с удовлетворительным финансовым состоянием за период с 2006 по 2009 год.
В отношении предприятий с удовлетворительным финансовым положением по данным 2009 года динамическая модель №1 правильно классифицировала 361 из 493 (73%) предприятий, динамическая модель №2 -405 из 493 (82%) предприятий, динамическая модель №3 - 419 из 493 (85%) предприятий.
Таким образом, можно сделать вывод, что разработанный комплекс динамических моделей, учитывающих изменение финансовых показателей во времени, обладает высокой прогнозной точностью на длительном временном промежутке.
Определение нормативных значений финансовых коэффициентов предприятий
Для экспресс-анализа финансового состояния предприятий в данной работе были определены диапазоны значений основных финансовых коэффициентов.
Используя эвристический агоритм СЬа1с1 (КааБ, 1975), результатом работы которого является решающее правило классификации, фрагмент которого представлен в виде дерева (рис.9), были определены нормативные значения финансовых коэффициентов для кластеризации предприятий на тех, вероятность банкротства которых достаточно высока, и имеющих удовлетворительное финансовое состояние. Дерево строилось на обучающей выборке из 333 предприятий.
Признак 6анкротста
I небанкрот | 1 банкрот 1
ШЮеО Са1едогу Ч
I мебанкрот 64,9 218 I банкрот 35.1 117
Коэффициент текущей л пни дне сти 2009
А^. Р-уз1ие=0,000. СЫ-5чиаге=280, 307.<М=2
I <=0,40 I (0.40. 0.63] I I > 0,88 I
Мо<1е 1 Са1едогу % п Ыос)е 2 С^едсиу % п 3 С^едогу % п
небанкрот 0,0 банкрот 100,0 0 ее небатрот 28,4 19 банкрот 71,8 48 небэшрот 98,5 197 банкрот 1.5 3
То1з1 18.8 ев То1а1 20.1 67 ТоЫ 60.1 200
Рис. 9. Фрагмент дерева решений для классификации предприятий В построенном дереве решений для классификации предприятий используются пять переменных. Для каждой переменной определены граничные значения, по которым можно определить, к какому из двух классов относится предприятие.
Таблица 5.
Нормативные значения финансовых коэффициентов для разных классов
предприятий
Наименование показателя Банкрот Предприятие, имеющее удовлетворительное финансовое состояние
Отношение чистой прибыли к общим активам (К1) К1 <= -0,08 К1 > 0,01
Общая оборачиваемость активов (К2) К2 <=2,61 К2> 2,61
Доходность собственного капитала (КЗ) КЗ <= 0,15 К3> 0,15
Доходность общего капитала (К4) К4 <= 0,01 К4> 0,1
Коэффициент текущей ликвидности (К5) К5 <= 0,40 К5 > 0,98
Программный инструментарий
Для автоматизации процесса оценки финансового состояния и прогнозирования вероятности банкротства предприятия была разработана оригинальная информационная система, представленная на рис.10.
Для реализации информационной системы была выбрана модель онлайн-сервиса. Основное преимущество данной модели для пользователей состоит в отсутствии затрат, связанных с установкой, обновлением и поддержкой работоспособности оборудования и работающего на нём программного обеспечения.
Рис. 10. Окно Содержание автоматизированной информационной системы оценки финансового состояния и прогнозирования вероятности банкротства
предприятия
Структура автоматизированной информационной системы включает следующие подсистемы: импорта и экспорта данных, анализа данных, отображения и поиска информации, справочную подсистему и подсистему разграничения прав доступа.
3. РЕЗУЛЬТАТЫ И ВЫВОДЫ ИССЛЕДОВАНИЯ
В ходе проведенного исследования были получены следующие результаты:
1. Предложена методологическая основа, на которой базируется новый подход к прогнозированию вероятности банкротства предприятий, учитывающий ретроспективную динамику изменения финансовых показателей.
2. Разработана и апробирована на выборке предприятий обрабатывающего производства модель статической оценки вероятности банкротства предприятия.
3. Определены основные сценарии изменения вероятности банкротства предприятия. Эти сценарии, как отражение ретроспективной динамики изменения финансовых показателей, были учтены при построении динамических моделей, прогнозирующих вероятность банкротства предприятия.
4. Показано, в зависимости от сценария изменения вероятности банкротства, можно прогнозировать вероятность банкротства предприятия за период от года до четырех лет до банкротства с достаточно высокой степенью точности. Разработан и апробирован на выборке предприятий обрабатывающего производства комплекс моделей оценки финансового состояния и прогнозирования вероятности банкротства предприятия, учитывающих ретроспективную динамику изменения финансовых показателей и обладающих высокой прогнозной точностью в догосрочной перспективе.
5. Определены нормативные значения основных финансовых коэффициентов для проведения экспресс-анализа финансового состояния предприятий.
6. Разработана оригинальная информационная система для автоматизации процесса оценки финансового состояния и прогнозирования вероятности банкротства предприятия.
4. СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ
Работы, опубликованные автором в ведущих рецензируемых научных изданиях и журналах, рекомендованных ВАК Министерства образования и науки РФ:
1. Данилова, Ю.А. (Алексеева) Проблемы прогнозирования банкротства //Проблемы теории и практики управления, №9, 2009, с.65-70. (0,26 п.л.)
2. Данилова, Ю.А. (Алексеева) Моделирование прогнозирования банкротства предприятий обрабатывающего производства// Аудит и финансовый анализ, №1, 2011, с.107-113. (0,85 п.л.)
3. Алексеева, Ю.А. Прогнозирование вероятности банкротства предприятий с учетом изменения финансовых показателей в динамике //Бизнес-информатика, №1, 2011, с.50-60, 0,56 п.л. (в соавт. с Богдановой Т.К., автор, вклад - 0,28 п.л.).
Другие работы опубликованные автором по теме диссертации:
4. Данилова, Ю.А. (Алексеева) Подходы к оценке операционных рисков //Аналитический банковский журнал, 09 (148), 2007, с.90-92, 0,5 п.л., (в соавт. с Машковым И.В., автор, вклад - 0,25 п.л.).
5. Данилова, Ю.А. (Алексеева) Прогнозирование вероятности банкротства компаний// Тезисы выступления на студенческой научно-практической конференции, 2009 год, с.91-92, (0,06 пл.).
6. Данилова, Ю.А. (Алексеева) Моделирование финансового состояния компаний // Сборник научных трудов международной научно-практической конференции Перспективные инновации в науке, образовании, производстве и транспорте, Т.19, 2010, с.82-87, (0,18 п.л.), (в соавт. с Богдановой Т.К., автор, вклад - 0,09 п.л.).
Лицензия Р № 020832 от 15 октября 1993 г. Подписано в печать л18 марта 2011 г. Формат 60x84/16 Бумага офсетная. Печать офсетная. Усл. печ. л. 1.
Тираж 100 экз. Заказ № & Типография издательства НИУ ВШЭ, 125319, г. Москва, Кочновский пр-д, д. 3
Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Алексеева, Юлия Александровна
ВВЕДЕНИЕ.
ГЛАВА 1. ПОНЯТИЕ БАНКРОТСТВА. ОБЗОР ЗАРУБЕЖНЫХ И ОТЕЧЕСТВЕННЫХ МЕТОДИК ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЯ.
1.1. Банкротство: понятие и механизм возникновения.
1.2. Обзор зарубежных методик прогнозирования банкротства предприятия.
1.3. Обзор отечественных методик прогнозирования банкротства предприятия.
1.4. Обзор статистических методов прогнозирования банкротства предприятия.
1.5. Постановка проблемы прогнозирования банкротства.
ГЛАВА 2. МЕТОДЫ И МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ.
2.1. Инструментальные методы прогнозирования банкротства предприятия, применяемые в данном исследовании.
2.2. Характеристика используемых в исследовании данных.
2.3. Проверка данных на нормальность распределения, значимость различия средних и корреляцию.
2.4. Определение финансового состояния предприятий с использованием существующих методик анализа.
2.5. Построение модели статической оценки вероятности банкротства предприятия.
2.6. Выявление основных сценариев изменения финансовых коэффициентов предприятий-банкротов.
2.7. Построение комплекса динамических моделей прогнозирования банкротства.
ГЛАВА 3. АПРОБАЦИЯ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА. АВТОМАТИЗАЦИЯ ПРОЦЕССА АНАЛИЗА ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЯ.
3.1. Оценка качества модели статической оценки вероятности банкротства предприятия.
3.2. Оценка качества комплекса динамических моделей прогнозирования банкротства предприятия.
3.3. Определение нормативных значений финансовых коэффициентов предприятий.
3.4. Описание разработанной информационной системы оценки финансового состояния и прогнозирования вероятности банкротства предприятия.
3.5. Описание структуры таблиц базы данных.
3.6. Программный код функций подсистемы анализа данных для оценки вероятности банкротства.
Диссертация: введение по экономике, на тему "Оценка финансового состояния и прогнозирование банкротства предприятия"
В сложившихся в настоящее время условиях экономического развития страны предприятия дожны быть уверены в надежности и финансовой состоятельности своих партнеров, в противном случае они имеют возможность использовать механизм банкротства как средство возврата дога неплатежеспособными партнерами. В связи с этим руководители предприятий, менеджеры различных уровней управления дожны уметь своевременно определить неудовлетворительное финансовое состояние предприятий-контрагентов на основе результатов проведенного финансового анализа, и при необходимости воспользоваться своим правом, в судебном порядке применить процедуры банкротства к дожнику.
В свою очередь, руководители организаций, испытывающих финансовые трудности, с помощью финансового анализа и последующих управленческих решений могут защитить себя от поного краха и в случае возбуждения процедуры банкротства кредиторами найти возможность восстановления платежеспособности.
Процедуре банкротства предприятий могут предшествовать разные сценарии развития событий. Однако большинство существующих методик прогнозирования банкротства не учитывают особенности этих сценариев и оценивают финансовое состояние предприятий по данным за один временной период, что приводит к снижению прогнозной точности моделей.
В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, учитывающих ретроспективную динамику изменения финансовых показателей.
Степень научной проработанности проблемы
Начало использованию финансовых показателей для прогнозирования банкротства было положено Бивером (Beaver, 1966) [88]. Используя в качестве теоретической основы идеи модели денежного потока, он обнаружил, что множество финансовых показателей может использоваться для прогнозирования банкротства. Альтман (Altman, 1968) [81] внес свой вклад в 3 построение моделей прогнозирования банкротства, впервые применив множественный дискриминантный анализ для преодоления ограничений модели Бивера.
Дикин (Беакт, 1972) [99] был первым, кто заметил, что для применения множественного дискриминантного анализа независимые переменные дожны быть нормально распределены. Ольсон (ОЫзоп, 1980) [120] стоял у истоков применения логистического анализа для оценки вероятности банкротства.
Бегли (Е^1еу, 1996) [90] исследовал вопрос, сохраняют ли ранее разработанные модели свою прогнозную точность на данных текущего периода. Он выяснил, что ошибочная классификация модели на более современных данных обучающей выборки значительно возрастает по сравнению с результатами первоначальных работ. Результаты исследования подтвердили гипотезу о нестационарности данных во времени, влияющей на прогнозную точность моделей.
Среди методик, разработанных для диагностики возможного банкротства отечественных предприятий, можно назвать методики оценки финансового состояния на основе интегрального показателя, учитывающие специфику российских предприятий, разработанные Р. С. Сайфулиным и Г. Г. Кадыковым (1996) [75] и учеными Иркутской государственной экономической академии (1997).
Несмотря на большое количество существующих методик прогнозирования финансового состояния предприятий, эту проблему нельзя считать поностью решенной по следующим причинам.
Во-первых, применение различных методик приводит к противоречивым результатам. Во-вторых, прогнозная точность моделей значительно уменьшается при использовании для анализа финансового состояния данных за несколько лет до банкротства. В-третьих, зарубежные модели не учитывают специфику экономической ситуации и организации предпринимательства в России, которые отличаются в том числе системами бухгатерского учета и налогового законодательства, что находит отражение 4 как в наборе факторов-признаков, так и в весовых коэффициентах при них. В-четвертых, в моделях используются данные за один год, и не учитывается изменение показателей в динамике за несколько лет. В связи с этим существует потребность в разработке подходов и методов прогнозирования банкротства, лишенных перечисленных выше недостатков. Объект исследования Ч российские предприятия.
Предмет исследования - финансовое состояние российских предприятий.
Цель исследования - разработка методологического подхода и методов моделирования и прогнозирования банкротства предприятий, учитывающих динамику изменения финансовых показателей.
Для достижения поставленной цели необходимо решить следующие задачи:
1. систематизировать существующие западные и отечественные модели прогнозирования банкротства и провести их анализ;
2. построить модель прогнозирования вероятности банкротства предприятия, учитывающую характер изменения финансовых показателей в ретроспективной динамике;
3. провести апробацию модели на выборке российских предприятий обрабатывающего производства;
4. разработать программный инструментарий для автоматизации процесса анализа финансового состояния предприятий.
Методологической и теоретической основой исследования являются современные теории финансового анализа деятельности предприятий, концептуальные подходы к оценке финансового состояния, работы российских и зарубежных авторов в области прогнозирования банкротства предприятий.
Для решения поставленных в диссертационном исследовании задач применяется инструментарий финансового и статистического анализа, теория вероятностей.
Информационная база исследования. В качестве информационной базы для анализа и оценки финансового состояния предприятий были использованы данные обязательной финансовой отчетности 1357 российских предприятий обрабатывающего производства за 10 лет (формы №1 (баланс) и №2 (отчет о прибылях и убытках), предоставляемые системой профессионального анализа рынка и предприятий СПАРК.
Научная новизна заключается в следующем:
1. Предложена методологическая основа, на которой базируется принципиально новый подход к прогнозированию вероятности банкротства предприятий, учитывающий ретроспективную динамику изменения финансовых показателей.
2. Разработана модель статической оценки вероятности банкротства предприятий. При тестировании на выборке из 1357 предприятий обрабатывающего производства за 3 года до банкротства точность модели составила 73%, при уменьшении количества лет до банкротства точность прогноза увеличивалась и составила 91% в год банкротства.
3. Выявлены три характерных сценария изменения основных финансовых показателей предприятий за несколько лет до банкротства.
4. Определены максимальные временные горизонты прогнозирования вероятности банкротства предприятий в зависимости от сценария изменения финансовых показателей. Было показано, что возможно прогнозировать вероятность банкротства предприятия за период от года до четырех лет до банкротства.
5. Разработан комплекс из трех динамических моделей прогнозирования вероятности банкротства, учитывающих сценарии изменения финансовых показателей. Значимыми при построении моделей оказались значения финансовых показателей от года до трех лет до банкротства и соотношение прогнозных вероятностей банкротства.
6. Установлены нормативные значения финансовых коэффициентов для предприятий, имеющих удовлетворительное финансовое состояние.
Теоретическое значение представленных в работе результатов состоит в разработке моделей для прогнозирования вероятности банкротства, учитывающих ретроспективную динамику изменения финансовых показателей и обладающих высокой прогнозной точностью в догосрочной перспективе.
Практическая значимость исследования заключается в том, что разработан программный инструментарий, позволяющий автоматизировать процесс анализа финансового состояния предприятий. Кроме того, проведена апробация предлагаемых прогнозных моделей на выборке из 1357 предприятий обрабатывающего производства.
Полученные результаты могут быть использованы, во-первых, менеджерами различных уровней управления для своевременного определения неблагоприятного финансового положения предприятий-контрагентов. Во-вторых, результаты могут применяться инвесторами для оценки кредитного качества эмитентов и выбора объекта для инвестирования. В-третьих, разработанные модели могут позволить руководителям организаций, испытывающим финансовые трудности, идентифицировать сценарий банкротства и найти оптимальный путь выхода из кризисной ситуации.
Апробация результатов исследования. Результаты исследования были представлены, и получили положительные отзывы на научных семинарах и конференциях:
1. Научный семинар Информационные технологии управления эффективностью бизнеса, ГУ-ВШЭ, Москва, 2008 и 2009 г.г.
2. Ежегодная студенческая научно-практическая конференция Информационные технологии в экономике, бизнесе, управлении, ГУ-ВШЭ, Москва, 2009.
3. Международная научно-практической конференции Перспективные инновации в науке, образовании, производстве и транспорте, Одесса, 2010 год.
Структура диссертации. Диссертационное исследование составляют введение, три главы, заключение, список использованной литературы и приложения.
Диссертация: заключение по теме "Математические и инструментальные методы экономики", Алексеева, Юлия Александровна
ЗАКЛЮЧЕНИЕ
В рамках данной работы рассмотрен такой актуальный вопрос, как оценка финансового состояния и прогнозирование вероятности банкротства предприятия.
Цель данного исследования заключалась в разработке методологического подхода и методов моделирования и прогнозирования банкротства предприятий обрабатывающего производства, учитывающих ретроспективную динамику изменения финансовых показателей.
В ходе проведенного исследования были получены следующие результаты:
1. Предложена методологическая основа, на которой базируется новый подход к прогнозированию вероятности банкротства предприятий, учитывающий ретроспективную динамику изменения финансовых показателей.
2. Разработана и апробирована на выборке предприятий обрабатывающего производства модель статической оценки вероятности банкротства предприятия.
3. Определены основные сценарии изменения вероятности банкротства предприятия. Эти сценарии, как отражение ретроспективной динамики изменения финансовых показателей, были учтены при построении динамических моделей, прогнозирующих вероятность банкротства предприятия.
4. Показано, в зависимости от сценария изменения вероятности банкротства, можно прогнозировать вероятность банкротства предприятия за период от года до четырех лет до банкротства с достаточно высокой степенью точности.
5. Разработан и апробирован на выборке предприятий обрабатывающего производства комплекс моделей оценки финансового состояния и прогнозирования вероятности банкротства предприятия, учитывающих ретроспективную динамику изменения финансовых показателей и обладающих высокой прогнозной точностью в догосрочной перспективе.
6. Определены нормативные значения основных финансовых коэффициентов для проведения экспресс-анализа финансового состояния предприятий.
7. Разработана оригинальная информационная система для автоматизации процесса оценки финансового состояния и прогнозирования вероятности банкротства предприятия.
Диссертация: библиография по экономике, кандидат экономических наук , Алексеева, Юлия Александровна, Москва
1. Адыгин А.Д., Симачев Ю.В. Институт банкротства в России: особенности эволюции, проблемы и перспективы // Российский журнал менеджмента. 2005. Т. 3. № 2. С. 43-70.
2. Ажанов Г.П. Антикризисное управление: от банкротства к финансовому оздоровлению. - М.: Закон и право, ЮНИТИ, 1995. -с.130
3. Антикризисное управление: учеб.пособие для студентов вузов / под ред. К.В. Бадина. М.: Гардарика, 2006. - 271 с.
4. Антикризисный менеджмент: от банкротства к финансовому восстановлению / Под ред. Г.П. Ивановой М.,1995.
5. Антонов Г.Д., Губкин A.A., Иванова О.П. Банкротство: проблемы, опыт, решения. М.: Наука, 2001.
6. Ашарат А. Оценка некоторых положений нового закона о банкротстве // Люди дела XXI. 2003. - № 36 (март), с.24-48.
7. Базаров Г.З., Беляев С.Г., Белых Л.П. Теория и практика антикризисного управления: Учебник для вузов/ Под ред. С.Г. Беляева и В.И. Кошкина. М.: Закон и право, ЮНИТИ, 1996. - 469 е., с. 95-97
8. Бадин К.В. Антикризисное управление: макро и микроуровень. М.: Дашков, 2005.-316 с.
9. Бердникова Т.Б. Анализ и диагностика финансово-хозяйственной деятельности предприятия: Учеб.пособие. М.: ИНФРА-М, 2007. -215 с.
10. Большаков A.C. Антикризисное управление: финансовый аспект. -СПб.: СПбГУП, 2005. 132 с. (Новое в гумани тарных науках; Вып. 16).
11. Бреславцева Н. А., Сверчкова О. Ф. Банкротство организаций: основные положения, бухгатерский учет: Учеб. пособие. Ростов н/ Д.: Феникс, 2007.
12. Бригхен Ю., Гапенски JI. Финансовый менеджмент: полный курс. В 2-х т./Пер. с англ. Ч СПб.: Экономическая школа, 1999.
13. Буренок О.В. Диагностика состояния предприятия при принятии решения о банкротстве. Диссертация
14. Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки.-М.: ТВП, 1997.-236с.
15. Бюргер А., Шельберг Б. Возбуждение дел о неплатеже способности в Германии // Бухгатерский учет. № 1. 1995. С. 45-47.
16. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. Торгово издательский дом Dia Soft Москва, Санкт-Петербург, Киев 2002. 602 с.
17. Гончаров А.И. Система индикаторов платежеспособности предприятия // Финансы. 2004. № 6. С. 69-70.
18. Гончаров А.И., Барулин C.B. и Терентьева М.В. Финансовое оздоровление предприятий: Теория и практика. М.: Ось-89, 2004. -544 с.
19. Горемыкин В.А. Энциклопедия бизнес-планов: Методика разработки. 75 реальных образцов бизнес-планов. Ч 2-е изд., перераб. и доп. М.: Ось-89, 2005.- 1120 с.
20. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. 1999 г. - № 3. - с. 13-20
21. Догин C.B. Оценка активов предприятия в условиях банкротства // Финансы. 2005. № 8. С. 69-71.
22. Донцова JI.B. Анализ бухгатерской отчетности М.:ДИС. - 1998.
23. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник. М.: ИНФРА-М, 1996. - 416с.
24. Жилинский С.Э. Предпринимательское право (правовая основа предпринимательской деятельности): Учебник для вузов. 7-е изд., перераб. и доп. - М.: Норма, 2006. - 944 с.
25. Журавлёв В. Формула выживания //Деловой мир. Ч 1995. Ч март. Ч № 11.
26. Зайцева О.П. Антикризисное управление в российской компании // Сибирская финансовая школа. 1998. № 11-12.
27. Зевайкина С.Н. Диагностика вероятности банкротства организации. М.: Финансы и статистика, 2002. 412 с.
28. Иванов Г.П. Антикризисное управление: от банкротства к финансовому оздоровлению. - М.: Закон и право, ЮНИТИ, 1995. -с.130
29. Инновационный менеджмент: Учебное пособие / Под ред. д.э.н., проф. Л.Н.Оголевой. М.: ИНФРА-М, 2003. - 238 с.
30. Каримов Р.Н. Основы дискриминантного анализа: Учебно-методическое пособие. Ч Саратов: СГТУ, 2002. 108с.
31. Касаткин Г. Рынок акций нефтегазовых компаний //Экономика и жизнь. Ч 1995.Ч№2.
32. Ким Д. Мьюлер Ч.У. Факторный, дискриминантный и кластерный анализ Ч М.: Финансы и статистика, 1989 289 с.
33. Кирилов В.Н. Вопросы совершенствования института банкротства в связи с его использованием для изменения отношения собственности // Среднее профессиональное образование, Январь 1991 № 1. - С. 4043
34. Ковалев А.И., Привалов В.П. Безубыточность, кредитоспособность, банкротство // Бизнес, прибыль, право. 2000. - № 6. - С.27-41.
35. Ковалев А.П. Диагностика банкротства. М.: АО Финстатинформ, 1995. С. 6.
36. Ковалев В,В, Финансовый анализ: методы и процедуры. М.: Финансы и статистика, 2006. - 560 с.
37. Кован С.Е., Мерзлова В.В. Практикум по финансовому оздоровлению неплатежеспособных предприятий / Под ред. М.А. Федотовой. М.: Финансы и статистика, 2005. - 208 с.
38. Колышкин A.B. Прогнозирование развития банкротства в современной России: Дис. канд. эк. наук. СПб., 2003.
39. Коммерческое право зарубежных стран: учебник / Под ред. В.Ф. Попондопуло. С-Пб.: Санкт-Петербургский государственный университет, 2005. 504 с.
40. Крейнина М.Н. Финансовый менеджмент. Учебное пособие. Ч М.: Дело и Сервис, 1998.
41. Кукукина И. Г., Астраханцева И. А. Учет и анализ банкротств: Учеб. пособие/ Под ред. И. Г. Кукукиной. М.: Финансы и статистика, 2004.
42. Маркарьян Э.А., Герасименко, Г.П. Финансовый анализ М.: "ПРИОР", 1997 г. - 160 с.
43. Молотников А.Е. Слияния и поглощения. Российский опыт. М.: Вершина, 2006. - 344 е.
44. Недосекин А.О. Финансовый менеджмент на нечетких множествах //Аудит и финансовый анализ, 2003. 184с.
45. Нещадин А., Липсиц И. Выход из кризиса: илюзии или реальность? // Бюлетень финансовой информации. Аналитический банковский журнал. № 12. 1999.-№ 1. 2000. С. 4.
46. Овчинникова Т., Пахомов А., Бугакова И. Исследование математических методов финансово-экономической диагностики банкротства предприятий // Финансовый бизнес. № 5. 2005. С. 38-45.
47. Панагушин В., Лапенков В., Лютер Е. Диагностика банкротства: возможна ли оценка неплатежеспособности по двум показателям //Экономика и жизнь, Ч 1995. Ч № 8.
48. Папе Г. Институт несостоятельности: общие проблемы и особенности правового регулирования в Германии. Комментарий к действующему законодательству / Пер. с нем. М.: Издательство БЕК, 2002. - 272 с. (Серия Гражданское и экономическое право Германии).
49. Пареная В.А., Догалев И.А. Экспресс-оценка вероятности банкротства предприятия // Аудит и финансовый анализ. 2002. - №2, с. 51-58.
50. Перьфильев А.Б. Основные методики оценки финансового состояния российских предприятий и прогнозирование возможного банкротства по данным бухгатерской отчетности. Ярославль: МУБ и НТ. 2005.
51. Пугановская Т.И., Галямин A.B. Анализ зарубежных исследований в области моделирования банкротства предприятия //Проблемы региональной экономики. 2008, с. 48-82.
52. Радыгин А.Д., Симачев Ю.В. Институт банкротства в России: особенности эволюции, проблемы и перспективы // Российский журнал менеджмента. 2005. - Т. 3, № 2. - С. 43-70.
53. Романовская А. Как спрогнозировать финансовый кризис // Консультант. 2006. № 19. С. 58-62.
54. Рондарь В.Н. Финансовая несостоятельность и методы санации неплатежеспособных субъектов транзитивной экономики. Диссертация
55. Россия: укрепление доверия. Развитие финансового сектора в России. / Пер. с англ. Всемирный банк. - М.: Издательство Весь Мир, 2002. -350 с.
56. Рудакова Т.А. Анализ и оценка платежеспособности организаций в процедуре банкротства. Диссертация
57. Руководство по кредитному менеджменту / Под ред. Б. Эдвардса. М.: ИНФРА-М, 1996. - 464 е., С. 104
58. Сафронов Н.А., Воков Л.В. Несовершенство системы корпоративного управления основная причина несостоятельности российских предприятий // Финансы и кредит. № 1. 2001. С. 35 - 43.
59. Семеней А. Проблемы прогнозирования банкротства на отечественных предприятиях // Люди дела XXI. 2003. - № 36 (март) -С.28-42.
60. Скоун Т. Управленческий учет /Пер. с англ. под редакцией Н.Д. Эриашвили. Аудит, ЮНИТИ, 1997. - 179 с.
61. Сорокин М. С разумом и эффективностью: матрица финансовых показателей // Журнал "Генеральный директор", 2006, № 5 С. 18-29.
62. 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.
63. Телюкина М.В. Основы конкурсного права. Вотерс Клувер, 2004. -560 с.
64. Теория и практика антикризисного управления./Под ред. Беляева С.Г. и Кошкина В.И. Ч М.: Закон и право, ЮНИТИ, 1996.
65. Ткачев В.Н. Несостоятельность (банкротство) в Российской Федерации. Правовое регулирование конкурсных отношений. М.: Книжный мир, 2004. - 249 с.
66. Тукина Г.Ф. Прогнозирование вероятности банкротства предприятий с учетом отраслевых и региональных особенностей. Новочеркасск: ЮРГТУ, 2001.
67. Федеральный закон № 127-ФЗ от 26.10.2002 О несостоятельности (банкротстве)//Российская газета. 2002. - № 209-210.
68. Федорова Г.В. Финансовый анализ предприятия при угрозе банкротства. Учебное пособие. М. Омега-JI, 2003- 272с.
69. Федотова М.А. Как оценить финансовую устойчивость предприятия //Финансы. Ч 1995. Ч № 6.
70. Финансовый менеджмент: теория и практика. Учебник под ред. Стояновой Е.С. Ч М.: Перспектива, 2000.
71. Хайдарова М.А. Показатели прогнозирования неплатежеспособности (банкротства) в коммерческих организациях. Ч М.: МАКС Пресс, 2002. -23 с.
72. Халафян A.A. Статистический анализ данных. STATISTIC А 6.0. Ч 2-е изд., испр. и доп.: Учеб. пособие. Ч Краснодар: КубГУ, 2005. 307 с.
73. Хот Р.Н. Основы финансового менеджмента./Пер. с англ. Ч М.: Дело, 1993.
74. Челышев А.Н. Разработка инструментальных методов прогнозирования банкротства предприятий: Дис. канд. экон. наук. -М., 2006.-116 с.
75. Шеремет А.Д., Сайфулин P.C. Методика финансового анализа. М.: ИНФРА-М, 1995.-176 с.
76. Экономика организации (предприятия) / Под ред. Н.А, Сафронова. 2-е изд., перераб. и доп. М.: Экономист, 2004.
77. Юн Г.Б. Формирование механизма антикризисного управления в российской экономике // Финансы и кредит. № 9. 2002. С. 5-23.
78. Ali A., Pope P. F. The incremental information content of earnings, funds flow and cash flow: the UK evidence //Journal of Business Finance and Accounting.- 1995,-Vol. 22(1).-pp. 19-34.
79. Allen D., Chung J. A review of choice of model and statistical techniques in corporate distress prediction studies //Accounting Research Journal. -1998.- Vol. 11(1).- pp. 245-269.
80. Altman E. Corporate financial distress and bankruptcy, 2nd Edition. -New York, John Wiley and Sons, 1993.- 154 p.
81. Altman E. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy //Journal of Finance. 1968. - Vol. 9. - pp. 589-609.
82. Altman E. Predicting performance in the S&L industry //Journal of Monetary Economics. 1977. - Vol. 10 - p.74.
83. Altman E., Haldeman R. and P. Narayanan P. ZETA analysis, a new model to identify bankruptcy risk of corporations //Journal of Banking and Finance. 1977. - Vol.1 - pp. 29- 54.
84. Altman E., McCough T. Evaluation of a company as a going concern //The Journal of Accountancy. 1974. - Vol.12. - p. 57.
85. Argenti J. Corporate Collapse. The Causes and Symptoms London, McGraw- Hill, 1976. - 302 p.
86. Barnes P. The analysis and use of financial ratios: a review article //Journal of Business Finance and Accounting. -1987. pp. 449- 461.
87. Barniv R., Agarwal A., Leach R. Predicting bankruptcy resolution //Journal of Business Finance and Accounting. 2002. -Vol. 29(3). - pp. 497-520.
88. Beaver W. H. Financial Ratios as Predictors of Failure //Journal of Accounting Research. -1966. Vol.3 - pp. 71- 111.
89. Beaver W. H. Market prices, financial ratios, and the prediction of failure //Journal of Accounting Research. -1968. Vol. 6(2). - pp. 179-192.
90. Begley J, Jin M., Watts S. Bankruptcy classification errors in the 1980s: An empirical analysis of Altman's and Ohlson's Models // Review of accounting studies. 1996. - pp.267-284.
91. Bernard V. I., Stober T. I. The nature and, amount of information in cash flows and, accruals //Accounting Review. 1989. - Vol. 64 (4), pp. 624652.
92. Blum M. Failing Company Discriminant Analysis //Journal of Accounting Research Spring. 1974. - Vol.23 - pp. 1- 25.
93. Carter J. R. The Recession- Sensitive Borrower: Evaluating Cash Flow and Financial Structure //The Journal of Commercial Bank Lending. 1983. -Vol.7-pp. 36- 49.
94. Casey C., Bartczak N. Cash Flow Ч It's Not the Bottom Line //Harvard Business Review. 1984. - Vol.8 - pp. 61- 67.
95. Charitou et al. Peel, M. J. Peel. A multilogit approach to predicting corporate failure-some evidence for the UK corporate sector //Journal of Management Science. 1988. Vol. 16(4). - pp. 309-318.
96. Coleman A. R. Restructuring the Statement of Changes in Financial Position //Financial Executive 1979. - Vol. 15(4), pp. 34- 42.
97. Coleman G., Graettinger T., Lawrence W. Neural networks for bankruptcy prediction: the power to solve financial problems //AI Review. -1991. -Vol. 8(9). pp. 48- 50.
98. Dambolena I. G., Khoury S. J. Ratio stability and corporate failure //Journal of Finance. 1980. - Vol. 35(4). - pp. 1017-1026.
99. Deakin E. Discriminant Analysis of Predictors of Business Failure //Journal of Accounting Research. -1972. Vol.12 (2). - pp. 167-179.
100. Deakin E. Business failure prediction: an empirical analysis of financial crisis. New York: Wiley, 1977. - pp. 72-88.
101. Drtina R. E., Largay J. A. Pitfalls in Calculating Cash Flow from Operations //The Accounting Review. 1985. - Vol.4 Ч pp. 314-326.
102. Edmister R. An empirical test of financial ratio analysis for small business failure prediction //Journal of Financial and Quantitative Analysis. 1972. -Vol.13.-pp. 147-193.
103. Eisenbeis R.A. Pitfalls in the Application of Discriminant Analysis in Business, Finance and Economics //Journal of Finance. -1977. -Vol.6 -pp.875-900.
104. Foster G. Corporate Financial Reporting: A Methodological Review of Empirical Research //Supplement to Journal of Accounting Research. -1982.-Vol.3.-pp. 161-234.
105. Fulmer, John G. Jr., Moon, James E., Gavin, Thomas A., Erwin, Michael J., "A Bankruptcy Classification Model For Small Firms". Journal of Commercial Bank Lending (July 1984): pp. 25-37.
106. Gilbert L.R., Menon K., Schwartz K.B. Predicting bankruptcy for firms in financial distress // Journal of Business, Finance and accounting. 1990. -17(1).-pp.161 -171.
107. Hillegeist S., Cram D., Keating E., Lundstedt K. Assessing the Probability of Bankruptcy //Review of Accounting Studies. 2004. - Vol. 9(1) - pp.534.
108. Joy M. O., Tollefson J. 0. On the Financial Applications of Discriminant Analysis //Journal of Financial and Quantitative Analysis. 1975. - Vol.12, -pp. 723-39.
109. Karels G.V., Prakash A. Multivariate normality and forecasting of business bankruptcy //Journal of Business, Finance and Accounting. 1987. -Vol.1-pp. 573-593.
110. Keasey K., McGuinness P., Short H. Multilogit approach to predicting corporate failure Ч further analysis and the issue of signal consistency // Journal of Financial and Quantitative Analysis. 1990. -Vol. 18(5) -pp. 8594.
111. Landsman W., Maydew E. Has the Information Content of Quarterly Earnings Announcements Declined over the Past Three Decades //Journal of Accounting Research. 2002. - Vol. 40(3) - pp. 797-808.
112. Largay J. A., C. P. Stickney C. P. Cash Flow, Ratio Analysis, and the W.T. Grant Bankruptcy //Financial Analysts Journal. 1980. - Vol.3 - pp. 51-54.
113. Lawrence E. C. Reporting Delays for Failed Firms //Journal of Accounting Research.- 1983. Vol.10. - pp. 606-610.
114. Lennox C. Identifying failing companies: a re-evaluation of the logit, probit and DA approaches //Journal of Economics and Business. -1999. -Vol. 51.-pp. 347-364.
115. Lev B., Sougiannis T. The Capitalization, Amortization, and Value-Relevance of R&D. //Journal of Accounting and Economics. 1996. -Vol. 21(1) - pp.107-138.
116. Mensah Y. M. The Differential Bankruptcy Predictive Ability of Specific Price Level Adjustments: Some Empirical Evidence //The Accounting Review. 1983 - Vol.4. - pp. 228-245.
117. Morris R. Early Warning Indicators of Corporate Failure //Comparative International Accounting. Hemel Hempstead: Prentice-Hall, 1997. - pp.27 -45.
118. Moyer R. Forecasting Financial Failure: A Reexamination //Financial Management. -1977. Vol.5. - pp.35-52.
119. Norton C. L., Smith R. E. A Comparison of General Price Level and Historical Cost Financial Statements in the Prediction of Bankruptcy //The Accounting Review. -1979. Vol.11. - pp. 72-87.
120. Ohlson J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy //Journal of Accounting Research. 1980. - vol.28 (10). - pp. 109-131.
121. Perry J. E. Cash Flow The Most Critical Issue of the 1980s //The Journal of Commercial Bank Lending. -1982. - Vol.9. - pp. 20-29.
122. Santomero A., Vinso J. Estimating the probability of failure for firms in the banking system //Journal of Banking and Finance. -1977. Vol. 22(15) -pp. 39-61.
123. Schaefer T., Kennelley M. Alternative Cash Flow Measures and Risk-Adjusted Returns //Journal of Accounting, Auditing and Finance . -1986. -Vol.11.-pp. 278-287.
124. Sharma S., V. Mahajan V. Early Warning Indicators of Business Failure //Journal of Marketing. 1980. - Vol. 34(18). - pp. 80-89.
125. Shumway T. Forecasting Bankruptcy More Accurately: A Simple Hazard Model //Journal of Business. 2001. -Vol. 74. - pp. 101-124.
126. Sinkey J. A multivariate statistical analysis of the characteristics of problem banks //Journal of Finance. -1975. Vol. 3. - pp.18 - 61.
127. Storey D., Keasey K., Watson R., Wynarczyk P. The Performance of Small Business. Profits, Jobs and Failures. Routledge, Great Britain, 1990. - 236 P
128. Taffler R.J. Going, going, gone four factors which predict // Accountancy. -March 1977, p.50-54.
129. Takahashi K., Kurokawa Y., Watase K. Corporate Bankruptcy Prediction in Japan //Journal of Banking and Finance. 1984 - Vol.6. - pp. 229-247.
130. Walker M.C., Stowe J.D., Moriarity S. T. Decomposition Analysis of Financial Statements //Journal of Business Finance and Accounting. 1979 -Vol. 6 (2)-pp.83-105.
131. Warner J. Bankruptcy costs: some evidence //Journal of Finance. -1977 -Vol. 32-pp. 337-347.
132. Wilcox J. A simple theory of financial ratios as predictors of failure //Journal of Accounting Research. 1961. - Vol.26(5). - pp.3 8-71.
133. Zavgren C.V. The prediction of corporate failure: the state of the art // //Journal of Accounting Literature. 1983. - Vol.1 -pp.1-38.
134. Zmijewski M. E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models //Journal of Accounting Research. -1984-Vol. 11 pp. 59-82.
Похожие диссертации
- Совершенствование финансового планирования и прогнозирования на предприятиях в условиях перехода к рынку
- Оценка финансового состояния предприятий на основе международных стандартов финансовой отчетности
- Совершенствование экономического анализа в оценке финансового состояния организации
- Диагностика финансового состояния и прогнозирование банкротства
- Методические аспекты анализа и оценки финансового состояния аграрных формирований