Индекс УДК 33
Дата публикации: 30.06.2019

Анализ и диагностика вероятности банкротств

Analysis and diagnostics of the probability of bankrupties

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 [1; 5; 6]. 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 [1, c. 14].

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 [6, c. 275].

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 [3, c. 190].

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 [4, c. 47].

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/пАвтор моделиКоличество факторов
1Альтман (для непроизводственных компаний)4
2Альтман (для АО и не АО)5
3Альтман7
4Бивер5
5Лис4
6Таффлер–Тишоу4
7Спрингейт4
8Фулмер9
11Зайцева6
12Перфильев8
13Паренная–Долгалев5
14Колышкин №13
15Колышкин №22
16Колышкин №34
Итого факторов77
Среднее число факторов5

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/пАвтор моделиКоличество факторов
1Альтман (4)17,59
2Альтман (АО)6,5
3Альтман (не АО)6,086
4Альтман (7)8,5
5Лис0,2134
6Таффлер – Тишоу1
7Спрингейт5,16
8Фулмер12,09
9Лего9,4929
10ИГЭА9,064
11Зайцева1
12Перфильев38,27
13Пареная – Долгалев0,998
14Колышкин №11
15Колышкин №21
16Колышкин №31
Итого вес118,9643
Средний вес модели7,44

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 [4, c. 48].

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

ФакторАльтман (для АО)Альтман (не АО)Тафлер–ТишоуЛисСайфуллин–КадыковИГЭАЗайцева
Рентабельность основной деятельности3,33,107 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 [5, c. 197].

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

ФакторАльтман

(для АО)

Альтман (не АО)Тафлер–ТишоуЛисСайфуллин–КадыковИГЭАЗайцева
Доля собственного капитала в рыночной0,6      
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
ФакторАльтман

(для АО)

Альтман (не АО)Тафлер–ТишоуЛисСайфуллин–КадыковИГЭАЗайцева
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.