Эксклюзив
21 октября 2009
16354

Хайдаршина Г.А: Эффективная оценка риска банкротства в современной практике финансового менеджмента на предприятии

Гибкая система финансового менеджмента на предприятии должна оперативно реагировать на любые изменения, происходящие в его деятельности, что особенно актуально в условиях мирового финансового кризиса и практически невозможно без использования эффективных методов оценки риска банкротства. Как следствие, для обеспечения стабильного функционирования предприятия в условиях сложной макроэкономической ситуации и повышенной неопределенности на финансовых рынках необходимо не только осуществлять анализ текущего финансового состояния предприятия, но и осуществлять его раннюю диагностику на предмет возможного банкротства в будущем.

 

 Как показала систематизация современных методов оценки риска банкротства, разработанных зарубежными авторами, вопрос целесообразности их применения в российской практике финансового менеджмента остается дискуссионным. На сегодняшний день достаточно большое число исследований посвящено данному вопросу в отношении наиболее известных зарубежных подходов, построенных на основе мультипликативного дискриминантного анализа (Multiple-discriminant analysis - MDA), основоположниками которых являются Beaver W.H. (1966)[2] и Altman E.I. (1968)[3]. Более того, на их основе российскими авторами был разработан ряд моделей оценки риска банкротства, адаптированных к российским условиям (модели Вишнякова А. Д., Колосова А. В., Шемякина В. Л.[4], Зайцевой О. П.[5], Р. С. Сайфуллина, Г. Г. Кадыкова[6]).

В ходе многочисленных исследований (проведенных как зарубежными, так и российскими авторами) моделей Beaver W.H. и Altman E.I. был выявлен ряд их существенных недостатков, в качестве основного из которых можно назвать наличие так называемой `зоны неопределенности` в диапазонах принятия решения[7]. В результате, зарубежные практики в области финансового менеджмента практически полностью отказались от использования моделей оценки риска банкротства, основанных на дискриминантном анализе, и все больше внимания стало уделяться другим, более современным эконометрическим инструментам и, прежде всего, так называемым logit-моделям.

Ряд исследований (в частности, C. Lennox (1999)[8]) показал, что на практике logit-модели позволяют получить значительно более эффективные оценки риска банкротства, чем теоретически может обеспечить MDA. Более того, использование logit-регрессии предполагает широкие возможности для проведения разнообразных эконометрических тестов, которые позволяют оценить статистическую значимость как модели в целом, так и отдельных переменных, которые ее формируют. При этом в отличие от MDA, logit-регрессия позволяет не только сделать вывод относительно принадлежности предприятия к группе потенциальных банкротов (чем ограничивается интерпретация результатов расчетов с использованием моделей, построенных на основе MDA), но и оценить риск банкротства предприятия по количественной шкале[9].

При этом, следует подчеркнуть, что в российской практике данные модели не нашли применения, несмотря на тот факт, что их использование позволяет дать ответы на вопросы, которые были неразрешимы с помощью методов дискриминантного анализа.

В данной статье представлены результаты исследования ряда зарубежных logit-моделей оценки риска банкротства на предмет возможности применения в российской практике финансового менеджмента, по которым подобный анализ ранее не проводился (также, как и по другим logit-моделям). Данные модели, на наш взгляд, представляют значительный интерес с точки зрения использования на отечественных предприятиях, поскольку показали высокую точность в странах, где были разработаны. Краткая характеристика данных моделей представлена в табл. 1.

Расчет точности оценки риска банкротства на основе данных моделей осуществлялся на основе специально сформированной репрезентативной выборки из 300 российских предприятий различных отраслей, в состав которой вошли следующие категории предприятий:

· предприятия, деятельность которых на сегодняшний день является успешной (268 предприятий или 89,33%);

 · предприятия, признанные несостоятельными в период с 1 января 2007 г. по настоящее время (32 предприятия или 10,67%).

Отраслевая структура выборки, сформированной с целью исследования, является достаточно однородной и включает предприятия 25 отраслей, при этом доля предприятий каждой отрасли не превышает 10 % от общего объема выборки (см. рис. 1).

Таблица 1.

В настоящее время в России существует достаточно большое количество баз данных, содержащих финансовую отчетность предприятий с различной отраслевой принадлежностью. В данном случае были использованы материалы, предоставленные проектом `Национальное кредитное бюро`. В настоящее время данный проект включает базу данных, содержащую около 4,8 млн. предприятий различных форм собственности и отраслевой принадлежности.

Точность оценки риска банкротства предприятий на основе исследуемых logit-моделей зарубежных авторов представлена в Табл. 2.

Таблица 2.

Как видно из Табл. 2, точность оценки риска банкротства по результатам исследования зарубежных logit-моделей является достаточно низкой (несмотря на тот факт, что точность оценки риска банкротства в странах, где данные модели были разработаны, превышает 80%). Более того, как показал проведенный анализ, оценки риска банкротства, полученные на их основе, не позволяют сделать однозначный вывод относительно вероятности банкротства предприятий, вошедших в выборку: расчеты дают неверные (часто обратные) результаты.

По результатам проведенного исследования в качестве основных причин низкой эффективности применения зарубежных logit-моделей оценки риска банкротства на примере российских предприятий можно назвать:

- Различия в исходных данных, используемых для построения моделей: модели, результаты исследования которых представлены в данной статье, были построены на основе выборки зарубежных предприятий с нормативными параметрами структуры баланса и эффективности деятельности, отличными от российских.

 - Различия в макроэкономической ситуации. Коэффициенты моделей для стран с развитой рыночной экономикой неприменимы для стран с переходной экономикой и наоборот.

 -  Мультиколлинеарность факторов. В ходе исследования, результаты которого представлены в данной статье, был выявлен ряд случаев мультиколлинеарности факторов, включенных в модели. В практике статистического моделирования мультиколлинеарность является одним из основных препятствий эффективного применения множественного регрессионного анализа, поскольку вызывает искажения оценок коэффициентов в моделях.

 - Не учитывается отраслевая специфика деятельности предприятий. Модели, результаты исследования которых представлены в Табл. 2, изначально разрабатывались как `универсальные`, т.е. применимые для предприятий любых отраслей (соответственно, исходная выборка с целью проведения исследования их эффективности формировалась таким образом, чтобы включать предприятия различных отраслей). Вместе с тем, как показывают многочисленные исследования в области финансового менеджмента, оптимальные значения ключевых показателей финансового состояния значительно варьируются для предприятий различных отраслей. Как следствие, коэффициенты при показателях, включенных в модель, также будут разными в зависимости от отраслевой принадлежности предприятия.

В целом, поскольку logit-модели оценки риска банкротства предприятий показали высокую эффективность в странах, где были разработаны, можно предположить, что, используя тот же математический аппарат, но на основе выборки российских предприятий и системы показателей, построенной по российским стандартам финансовой отчетности, возможно построение достаточно точной модели, которая будет изначально разработана с учетом специфических особенностей российских предприятий.

С учетом преимуществ и недостатков подходов к оценке риска банкротства (в том числе, MDA, logit- и SVM-моделей), используемых как в зарубежной, так и в российской практике, выявленных в процессе их исследования (всего было исследовано 15 различных методов), была разработана комплексная logit-модель оценки риска банкротства предприятия. Теоретической и практической основой для построения данной модели являются разработки российских и зарубежных авторов в данной области, среди которых следует отметить, прежде всего, Вишнякова А. Д., Колосова А. В., Шемякина В. Л., Зайцеву А. П., Р. С. Сайфуллина, Г. Г. Кадыкова, Altman E.I., Beaver W.H., Ohlson J., Begley J., Ming J., Watts S., C. Lennox, W. H?rdle, R. A. Moro, D. Sch?fer[10] и др.

Построение комплексной модели оценки риска банкротства, представленной в данной статье, предполагало последовательную реализацию ряда этапов:

1) Формирование обучающих статистических выборок российских предприятий (банкроты - небанкроты) и массивов финансово-экономических данных в ретроспективном периоде[11]. Данный этап также предполагает формирование исходного массива данных, содержащего наиболее информативные показатели (факторы), характеризующие различные аспекты деятельности предприятия;

2) Отбор на основе факторного анализа (с предварительным анализом на мультиколлинеарность) индикаторов, обусловливающих наибольший вклад в дисперсию результирующего показателя, характеризующего факт банкротства предприятия. В результате данного отбора исходный массив данных, включающий 48 показателей деятельности предприятия и макроэкономических индикаторов, был сокращен до 24 показателей.

3) Формирование с использованием logit-регрессии на основе массива данных из показателей, отобранных с помощью указанных выше процедур, многофакторного комплексного критерия оценки риска банкротства предприятия обладающего наилучшей прогностической способностью предсказания банкротства российских предприятий. Данный этап предполагает непосредственно процесс построения модели, в результате которого из 24 факторов, отобранных по результатам реализации 2-го этапа, в модель вошли 11 показателей.

4) Определение диапазонов критерия CBR, используемых для классификации анализируемых предприятий в зависимости от уровня риска банкротства.

Выборка предприятий для построения модели состояла из 350 предприятий и формировалась таким образом, чтобы избежать включения `однотипных предприятий` (см. рис. 2): компании, вошедшие в данную выборку, различаются по ряду признаков (масштабы деятельности, которые в данном случае определяются объемом годовой выручки, а также отраслевая принадлежность). Данный подход позволил, с одной стороны, построить объективную, универсальную модель оценки риска банкротства, а с другой стороны - учесть важный недостаток logit-моделей, результаты исследования которых представлены выше, в соответствии с которым данные модели не учитывают тот факт, что нормативные значения показателей финансового состояния несколько отличаются для предприятий с разной отраслевой принадлежностью и, прежде всего, в следующих отраслевых сегментах: промышленность, торговля, сельское хозяйство. Ряд исследований показал, что среди отраслей промышленности наибольшими отличиями показателей финансового состояния характеризуются предприятия топливно-энергетического комплекса. Поэтому предприятия данной подотрасли также были выделены в отдельный сегмент. В результате исходный массив данных для построения модели оценки риска банкротства включил в себя 100 предприятий торговли, 100 предприятий из сегмента сельского хозяйства и 150 предприятий промышленности (в том числе 50 предприятий топливной промышленности и электроэнергетики).

Комплексная модель оценки риска банкротства, представленная далее, предполагает расчет итогового показателя риска банкротства предприятия на основе logit-модели, которая описывается следующим выражением:

где

CBR- комплексный критерий оценки риска банкротства предприятия;

Corp_age - фактор, характеризующий `возраст` предприятия. Принимает значение 0, если предприятие было создано более 10 лет назад, и значение 1 - если менее 10 лет.

Cred - фактор, характеризующий кредитную историю деятельности предприятия. В случае если кредитная история предприятия является положительной, то данный фактор принимает значение 0, в противном случае ему присваивается значение 1.

Current_ratio - коэффициент текущей ликвидности;

EBIT/INT - отношение прибыли до уплаты процентов и налогов к уплаченным процентам;

Ln(E) - натуральный логарифм собственного капитала предприятия;

R - ставка рефинансирования ЦБ;

Reg - фактор, характеризующий деятельность предприятия с точки зрения его региональной принадлежности. Принимает значение 0, если предприятие находится в Москве или Санкт-Петербурге, и 1 - если в других регионах России.

ROA - рентабельность активов предприятия;

ROE - рентабельность собственного капитала предприятия;

T_E - темп прироста собственного капитала предприятия;

T_А - темп прироста активов предприятия.

Ключевым принципом реализации предложенной комплексной модели оценки риска банкротства предприятия является расчет комплексного критерия оценки риска банкротства СBR на основе модели (1), сравнение которого с пороговыми значениями позволяет сделать вывод о возможности банкротства предприятия в период от одного года до двух лет с момента расчетов. Параметры модели в зависимости от отраслевых сегментов представлены в табл. 3.

Таблица 3.

Предложенная модель содержит ряд ключевых факторов, которые позволяют учесть наиболее важные аспекты деятельности предприятия при оценке риска банкротства, к которым относятся макроэкономическая ситуация в стране, отраслевая специфика деятельности предприятия, динамика масштабов деятельности предприятия, ликвидность, финансовая устойчивость, эффективность деятельности предприятия, а также кредитная история предприятия[12]. Данные факторы характеризуют деятельность предприятия с различных сторон, что, на наш взгляд, позволяет провести комплексную оценку риска его банкротства. При этом следует подчеркнуть, что существующие на сегодняшний день методы оценки риска банкротства позволяют учесть лишь некоторые из этих аспектов деятельности предприятия. Поэтому предложенная logit-модель оценки риска банкротства получила название комплексной.

Более того, в предложенной модели впервые учитывается фактор, характеризующий кредитную историю предприятия, которая ранее не учитывалась ни в российских, ни в зарубежных моделях. По нашему мнению, включение данного фактора в модель позволит оценить риск банкротства не только с точки зрения прогноза деятельности анализируемого предприятия в обозримом будущем, но и, что очень важно, учесть его кредитоспособность в прошлом. Поскольку в России на сегодняшний день существует целый ряд бюро кредитных историй, получение данных подобного рода относительно того или иного предприятия не представляет каких-либо затруднений.

Следует отметить, что большинство авторов моделей оценки риска банкротства, основанных на MDA (в частности, модели Л. Вишнякова А. Д., Колосова А. В., Шемякина В. Л., Зайцевой О. П., Р. С. Сайфуллина, Г. Г. Кадыкова, Altman E.I., Beaver W.H.), получают диапазоны принятия решения о вероятности банкротства экспериментальным путем, поскольку он зарекомендовал себя как один из наиболее простых и, в то же время, позволяющих получить достаточно точный результат. Вместе с тем, авторы logit-моделей оценки риска банкротства в своих работах не предлагают каких-либо диапазонов принятия решений: результирующие показатели риска банкротства, рассчитанные с использованием данных моделей, принимают значения исключительно от 0 до 1 без каких-либо диапазонов неопределенности, и вывод о вероятности банкротства делается в зависимости от `близости` расчетного значения итогового показателя к 0 (минимальный риск) или к 1 (максимальный риск). По нашему мнению, данная особенность logit-моделей значительно упрощает интерпретацию результатов, но, в то же время, полученные результаты требуют определенной сегментации в целях разработки наиболее эффективного комплекса антикризисных мероприятий в случае необходимости.

В соответствии с комплексной моделью оценки риска банкротства, представленной в данной статье, зоны риска банкротства делятся на 5 категорий (см. Табл. 4). Данное деление имеет `шаг` 20% и позволяет отнести предприятие в ту или иную категорию риска. При этом следует подчеркнуть, что расчет итогового показателя в соответствии с предложенной моделью необходимо проводить с определенной периодичностью и анализировать его динамику, что позволит финансовому менеджеру определить, в какую сторону движется развитие предприятия и своевременно принять меры по предотвращению банкротства.

Таблица 4.

В целях обеспечения объективности результатов, полученных на основе комплексной модели оценки риска банкротства, и, в то же время, их сопоставимости с результатами исследования logit-моделей зарубежных авторов, представленными выше, предложенная модель была апробирована на примере той же выборки из 300 предприятий, структура которой представлена на рис. 1. Точность оценки риска банкротства с использованием предложенной модели представлена на рис. 3 и в Табл. 5.

Как видно из рис. 3, предложенная модель оценки риска банкротства не обеспечивает 100%-й точности: точность оценки риска банкротства составила 85,6%. Вместе с тем, полученный результат является удовлетворительным с практической точки зрения: на сегодняшний день ни одна модель оценки риска банкротства не может обеспечить точность 100%, в то время как большинство применяемых в настоящее время подходов позволяет правильно спрогнозировать вероятность банкротства в 70-75% случаев.

Таблица 5.

Наряду с достаточно высокой точностью, предложенная модель оценки риска банкротства предприятий имеет ряд других преимуществ, которые наглядно представлены на рис. 4. Поскольку данные преимущества имеют не обособленный, а комплексный характер, целесообразно их представить в виде организационной диаграммы Венна, представляющей собой перекрывающиеся окружности.

Таким образом, были представлены результаты исследования эффективности применения logit-моделей оценки риска банкротства зарубежных авторов и, с учетом их (а также ряда других подходов) преимуществ и недостатков, разработана комплексная logit-модель оценки риска банкротства предприятия.

Предложенная модель оценки риска банкротства может использоваться в комплексе с существующими методами оценки финансового состояния предприятий, что позволит их финансовым службам проводить постоянный мониторинг на предмет возможного банкротства и, что особенно важно в условиях экономической нестабильности, своевременно разработать пакет антикризисных мероприятий по его предотвращению.

 

_____________

[1] Аспирант Финансовой академии при Правительстве РФ; место работы - ОАО `Газпромбанк`; e-mail: gulnara555@mail.ru.

[2] См. Beaver W.H. Financial Rations and Predictions of Failure // Empirical Research in Accounting Selected Studies, Supplement to Journal of Accounting Research, 1966

[3] Altman E.I. Financial Rations. Discriminent Analysis, and the Prediction of Corporate Bankruptcy // Joumal of Finance, September 1968.

[4] См. Вишняков Я.Д., Колосов А.В., Шемякин В.Л. Оценка и анализ финансовых рисков предприятия в условиях враждебной окружающей среды бизнеса. // Менеджмент в России и за рубежом. - М., 2000. - N3. - С. 21-34.

[5] См. Зайцева О. П. Антикризисный менеджмент в российской фирме // Аваль. (Сибирская финансовая школа). - 1998. - N 11-12. - С.18-21.

[6] См. Шеремет А.Д., Сайфуллин Р.С. Методика финансового анализа. - М.: Инфра-М, 1995. - С. 126-149.

[7] В случае если итоговый показатель, рассчитанный на их основе, попадает в данную зону, сделать однозначный вывод относительно возможного банкротства предприятия по истечении периода прогнозирования не представляется возможным.

[8] См. Lennox C. Identifying Failing Companies: A Re-evaluation of the Logit-, Probit- and DA Approaches // Elsevier Science Inc, 1999. - P. 181-210.

[9] См. Postin K. M., Harmon K.W., Gramlich J.D. A Test of Financial Ratios as Predictors of Turnaround Versus Failure Among Financially Distressed Firms // Journal of Applied Business Research. 1994. - Vol. 10. - P. 298-325.

[10] См. H?rdle W., Moro R. A., Sch?fer D. Predicting bankruptcy with Support Vector Machines. SFB 649 "Economic Risk", 2005

[11] Т. е. за определенный период до контрольной точки времени, когда имело/не имело место фактическое банкротство предприятия.

[12] См. ст. 3 Гл. 1 Федерального закона `О кредитных историях` от 30.12.2004 г. N 218-ФЗ.

 

21.10.2009

www.viperson.ru

Фотографии

Рейтинг всех персональных страниц

Избранные публикации

Как стать нашим автором?
Прислать нам свою биографию или статью

Присылайте нам любой материал и, если он не содержит сведений запрещенных к публикации
в СМИ законом и соответствует политике нашего портала, он будет опубликован