Фулмер модель банкротства: Модель Фулмера классификации банкротства

МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ СТРОИТЕЛЬНОЙ ОТРАСЛИ И ОТРАСЛИ СЕЛЬСКОГО ХОЗЯЙСТВА | Федорова

В странах с развитой экономической систе­мой законодательство о несостоятельности (банкротстве) является необходимым элементом механизма правового регулирования рыночных отношений. В настоящее время в экономике Рос­сии наблюдаются ухудшение инвестиционного климата, ужесточение кредитно-денежных отно­шений, спад промышленности, что, несомненно, приводит к несостоятельности хозяйствующих субъектов. Экономический кризис 2008 года по­казал, насколько уязвимы коммерческие орга­низации не только в России, но и во всем мире. Количество заявлений в арбитражные суды Рос­сийской Федерации о признании должников несо­стоятельными (банкротами) в 2012 году выросло на 20% по сравнению с кризисным 2008 годом — с 34367 до 40864 заявлений. В 2012 году по ре­шению арбитражного суда 14072 компании были признаны банкротами, что на 10% больше, чем в 2011 году. Статистика по делам о банкрот­стве (табл. 1) убедительно подтверждает, что се­годня необходима разработка модели прогнози­рования банкротства предприятий, учитывающей особенности российской экономики.

В 2010-2013 годах в Высший арбитражный суд РФ поступило 146413 заявлений о призна­нии должников несостоятельными (банкротами), принято к производству около 82,8% заявлений. Примечательно, что около 50% дел, по которым вводилось наблюдение, в том же году заверша­лись принятием решения о признании должника банкротом и открытии конкурсного производства. Из года в год оставались единичными случаи, ког­да в отношении должников вводилось финансо­вое оздоровление (всего 344 случая за че­тыре года, в среднем — 86 случаев в год, или 0,24%), внешнее управление вводилось в среднем по 905 делам (в среднем 2,56% от общего числа дел, по которым вводи­лось финансовое оздоровление, внешнее управление или открывалось конкурсное производство). На наш взгляд, подобная тенденция может свидетельствовать о том, что кризисное состояние, в котором на­ходились предприятия, было настолько глубоким, что выбраться из него пред­ставлялось невозможным, причем глубина кризиса, вероятно, во многом обусловлена отсутствием возможности его прогнозиро­вания.

Таблица 1

Статистика по делам о банкротстве

Количество дел, по которым ежегодно вводят­ся процедуры по восстановлению платежеспособ­ности, по сравнению с числом дел, по которым принимается решение об открытии конкурсного производства, очень мало. За 2010-2013 годы финансовое оздоровление и внешнее управление введены по 3963 делам, только 87 из них завер­шились удачно, то есть погашением задолженно­сти и удовлетворением требований кредиторов. За эти же четыре года арбитражные суды субъ­ектов РФ приняли 56 019 решений о признании должников банкротами и открытии конкурсного производства.

В мировой и отечественной экономической науке и в реальной практике используется множе­ство моделей оценки банкротства, построенных на различных принципах и методах. Эффектив­ность той или иной модели зависит не только от специфики, особенностей развития националь­ной системы рыночных отношений, разработан­ных правил и норм, регулирующих несостоятель­ность экономических субъектов, но и от набора инструментов, возможности раннего выявления признаков банкротства и умения выбрать наибо­лее эффективные инструменты.

В 1991 году страна переходит на рыночную экономику. В 1992 году на предприятие возло­жена вся мера ответственности за использова­ние находящихся в его распоряжении ресурсов (Федеральный закон 2002). В этих условиях стал значимым вопрос о финансовой устойчи­вости. В 1994 году правительство Российской Федерации приняло постановление, где была установлена система критериев, на основании которых предприятие должно признаваться бан­кротом (Постановление 1994). Данный акт обла­дал рядом недостатков и не учитывал всей специ­фики процедуры банкротства, его нельзя было уверенно использовать для оценки финансового состояния предприятия. Однако после утверждения правительством РФ новой системы анализа предприятий (Постановление 2003) принятое в 1994 году постановление утратило свою силу. В новом документе приводится десять различ­ных показателей, необходимых для оценки фи­нансового состояния предприятия, но отсутству­ют их рекомендуемые нормативные значения. Вывод о финансовом состоянии предприятия де­лает арбитражный управляющий на основе своих оценок. Базой для сравнения выступают значе­ния соответствующих коэффициентов за пред­шествующие периоды.

Помимо традиционного коэффициентного анализа, проводится анализ возможности (не­возможности) безубыточной деятельности долж­ника, анализируются внешние и внутренние условия функционирования, оценивается его по­ложение на товарных рынках.

Таблица 2

Список показателей из постановления Минэкономики РФ № 118

Мы также будем анализировать 10 различных показателей для финансового анализа предприя­тий, в частности 6 нормативных значений показа­телей одной из наиболее распространенных мето­дик оценки финансового состояния предприятия (Приказ 1997). В со­ответствии с данным документом компания имеет неудовлетво­рительную структуру баланса и, как след­ствие, высокую веро­ятность банкротства, если значения финансовых показателей компании лежат вне обла­сти рекомендуемых значений.

В качестве эмпирической базы мы будем использовать базу компаний отраслей строи­тельства и сельского хозяйства. На их примере построим модели прогнозирования банкрот­ства. Для проверки прогностических способ­ностей существующих зарубежных и отече­ственных моделей из баз данных «СПАРК» и «Руслана» была получена финансовая отчет­ность 1965 российских предприятий. Анализ выборки представлен в табл. 3.

Признание должника банкротом сопрово­ждается открытием конкурсного производства, заканчивающегося ликвидацией предприятия, таким образом, в данном исследовании кри­терием отбора предприятий-банкротов яв­ляется введение конкурсного производства. Далее первоначальная выборка российских предприятий была разделена случайным об­разом на две подвыборки: тренировочную (обучающую) (90% наблюдений), на которой проводится построение модели, и контрольную (проверочную) (10% наблюдений), по которой оценивается точность прогнозирования постро­енной модели. Такое процентное разделение со­ответствует общей практике, принятой в совре­менной литературе.

Финансовые показатели, входящие в модели, были рассчитаны по всем предприятиям за год до банкротства. Путем сравнения вычисленного интегрального показателя с установленным по­роговым значением критерия по каждой зарубеж­ной и отечественной модели был сделан вывод о вероятности наступления банкротства предприятий. Расчет общей вероятности прогнозирования в разрезе известных отечественных и зарубежных моделей представлен в табл. 4 и 5.

Таблица 3

Анализ выборки

Модели по показателям (Постановление 2003) (логит-модель)

Таблица 5

Модели по показателям из Приказа Минэкономики РФ № 118 (логит-модель)

Таким образом, итоговые модели имеют сле­дующие формулы.

Постановление 2003

Строительство

FD1=0,26X₁-10,15X₂+0,69X₃-1,07X₄+2,45X₅-3,51,

где X₁ — абсолютная ликвидность; X₂ — рента­бельность активов; X₃ — степень платежеспособ­ности по текущим обязательствам; X₄ — коэффи­циент автономии (финансовой независимости), X₅ — показатель отношения дебиторской задол­женности к совокупным активам. Если FD1 боль­ше 0, то предприятие является банкротом, если меньше 0, то это здоровое предприятие.

Сельское хозяйство

FD2= -7,0IX₁+4,09X₂-0,08X₃-3,26,

где X₁ — рентабельность активов; X₂ — пока­затель отношения дебиторской задолженности к совокупным активам; X₃ — обеспеченность соб­ственными оборотными средствами. Если FD2 больше 0, то предприятие является банкротом, если меньше 0, то это здоровое предприятие.

Приказ 1997

Строительство

FD3=0,71X₁-0,36X₂+0,28X₃-3,97X₄-1,88X₅-1,52,

где X₁ — оборачиваемость оборотных активов; X₂ — обеспеченность собственными оборотными средствами; X₃ — маневренность собственных оборотных средств; X₄ — рентабельность затрат; X₅ — ликвидность при мобилизации средств.

Сельское хозяйство

FD4= –0,04X1–4,35X2–1,61X3–1,37

где X₁ — обеспеченность собственными обо­ротными средствами; X₂ — рентабельность затрат; X₃ — ликвидность при мобилизации средств.

Данная функция означает: при Y > 0 компа­ния имеет высокую вероятность стать банкротом в течение следующего года, при Y < 0 на данный момент времени рассматриваемое предприятие можно отнести к финансово устойчивым.

Анализируя отрасль строительства и моде­ли на основе (Постановление 2003), стоит отме­тить, что в полученной модели на 5%-ном уров­не значимости оказались значимыми только 5 из 10 исходных показателей. В первую очередь, по анализу формулы модели можно отметить, что все знаки при показателях оказались ожида­емыми. В построенной модели «1» означает бан­кротство, «0» — предприятие здоровое. Соответ­ственно, чем выше значения любого из данных показателей, тем ниже вероятность банкротства. Положительный знак при коэффициенте степени платежеспособности по текущим обязательствам объясняется тем, что данный показатель рассчи­тывается как отношение краткосрочных обяза­тельств к среднемесячной выручке. Чем выше его значение, тем выше закредитованность и, соот­ветственно, выше вероятность банкротства пред­приятия. Вместе с тем показатель отношения де­биторской задолженности к совокупным активам также имеет положительный знак при коэффици­енте (см. табл. 4). Этот показатель характеризует, какая величина денежных и иных финансовых средств компании отвлечена из оборота в пользу третьих лиц. Значение показателя 0,4 и более яв­ляется нежелательным. Средняя прогнозная сила модели составила 81,6%.

Таблица 6

Сравнительная характеристика прогностических способностей моделей для отрасли строительства

Таблица 7

Сравнительная характеристика прогностических способностей моделей для отрасли сельского хозяйства

Наша модель в целом является значимой, по­скольку значение вероятности для LR-статистики равно 0,00. Значение коэффициента R²McF равно 0,396, что свидетельствует о наличии средней связи между объясняющими переменными и за­висимой переменной и характеризует построен­ную модель как адекватную.

В модели отрасли сельского хозяйства значи­мыми оказались только 3 из 10 рекомендуемых показателей. Все знаки при показателях оказа­лись ожидаемыми. Отрицательный знак при ко­эффициенте обеспеченности собственными оборотными средствами можно объяснить тем, что наличие у предприятия достаточного объема собственных оборотных средств (собственного оборотного капитала) является одним из главных условий его финансовой устойчивости. При уве­личении значения данного показателя снижает­ся вероятность его банкротства. Модель в целом является значимой, поскольку значение вероят­ности для LR-статистики равно 0,00. Коэффи­циент R²McF равен 0,418, что свидетельствует о наличии средней связи между объясняющими переменными и зависимой переменной и харак­теризует построенную модель как адекватную. Средняя прогнозная сила модели составила 84,6%. 

В табл. 6 и 7 представлены расчеты на примере отрасли строительства и отрасли сельского хозяй­ства. Анализируя отрасль строительства и модели на основе (Постановление 2003), стоит отметить, что в полученной модели на 5%-ном уровне значи­мости оказались значимыми также только 5 из 10 исходных показателей. В модели сельского хозяй­ства значимыми являются только 3 из 10 показате­лей. Полученные модели являются значимыми, по­скольку значение вероятности для LR-статистики равно 0,00. Значение коэффициента R²McF равно 0,357 и 0,417 соответственно для строительства и сельского хозяйства, что характеризует постро­енные модели как адекватные. Средняя прогнозная сила моделей составила 80,5 и 82,4%.

Таким образом, во-первых, по результатам по­строенных моделей очевидна некоторая специфи­ка. В моделях отрасли сельского хозяйства значи­мыми в обоих случаях являются только 3 из 10 рекомендуемых для оценки финансового состоя­ния, в моделях строительства — только 5. Можно сделать вывод о необходимости спецификации списка показателей и формировании показате­лей, способных более основательно оценивать финансовое состояние компаний в строительстве, а тем более в сельском хозяйстве.

Во-вторых, стоит отметить, что рентабель­ность активов, показатель отношения дебитор­ской задолженности к совокупным активам, обеспеченность собственными оборотными средствами, рентабельность затрат, ликвидность при мобилизации средств являются универсаль­ными при прогнозировании банкротства и оценке финансового состояния отраслей строительства и сельского хозяйства (данные показатели явля­ются значимыми на 5%-ном уровне значимости для обеих отраслей).

В-третьих, средняя прогнозная сила моделей составила 83,1% (Постановление 2003) и 81,5% (Приказ 1997). Кроме того, данные модели по­казывают значительно более высокие результаты классификации по сравнению с классическими западными и отечественными моделями про­гнозирования банкротства. Построенные модели также можно использовать для экспресс-диагно­стики банкротства предприятия.

На основании полученных результатов можно рекомендовать компаниям использовать модель для текущего финансового анализа, прогнозиро­вания риска банкротства и принятия эффектив­ных управленческих решений. Так как модель не учитывает качественные данные внешней и внутренней среды компании, для всестороннего анализа следует применять ее вместе с методом экспертных оценок. Кроме того, модель может быть использована банками и кредитными орга­низациями при анализе кредитоспособности за­емщика.

Логинова К.С., Тетенева А.А. ОСНОВЫ ПРОГНОЗИРОВАНИЯ УГРОЗЫ БАНКРОТСТВА



1. Главная
›
2. Архив
›
3. Вестник науки №6 (51) том 1
›
4. Научная статья № 30

Аннотация:
в данной статье рассматриваются внутренние и внешние факторы, приводящие к банкротству. Анализируются методы прогнозирования вероятности банкротства. Рассматриваются зарубежные и отечественные методики оценки угрозы банкротства   

Ключевые слова:
банкротство, экономические основы банкротства, методы прогнозирования, анализ, вероятность, риски, модель Альтмана, модель Таффлера, модель Ковалева   

УДК 33

Логинова К.С.

студент специальности 38.02.06 Финансы

Финансовый университет при Правительстве РФ

Шадринский филиал

(г. Шадринск, Россия)

Научный руководитель:

Тетенева А.А.

преподаватель

Финансовый университет при Правительстве РФ

Шадринский филиал

(г. Шадринск, Россия)

ОСНОВЫ ПРОГНОЗИРОВАНИЯ УГРОЗЫ БАНКРОТСТВА

Аннотация: в данной статье рассматриваются внутренние и внешние факторы, приводящие к банкротству. Анализируются методы прогнозирования вероятности банкротства. Рассматриваются зарубежные и отечественные методики оценки угрозы банкротства.

Ключевые слова: банкротство, экономические основы банкротства, методы прогнозирования, анализ, вероятность, риски, модель Альтмана, модель Таффлера, модель Ковалева.

Переход к рыночной экономике вызвал появление новой концепции – банкротства предприятия. Банкротство – это признанная арбитражным судом или объявленная должником его неспособность в полном объёме удовлетворить требования кредиторов по денежным обязательствам и по уплате других обязательных платежей [1].

Причины появления банкротства многообразны – это результат взаимодействия многочисленных факторов как внешнего, так и внутреннего характера. Рассмотрим их классификацию:

Внешние факторы:

1)    Экономические: инфляция, рост цен на ресурсы, общий спад производства, кризисное состояние экономики страны, банкротство партнеров и другие.

2)    Политические: внешнеэкономическая политика государства, потеря рынков сбыта, изменение условий импорта и экспорта, разрыв экономических связей и другие.

3)    Социальные: численность и состав народонаселения, уровень жизни населения, культурный уклад общества, который определяет размер, структуру потребностей и платежеспособный спрос.

4)    Усиление международной конкуренции [2, с.203].

Внутренние факторы:

1)    Производственные;

2)    Факторы по управлению организацией;

3)    Факторы по планированию деятельности организации;

4)    Факторы организации и контроля на предприятии [3, с.1].

Как правило, совместное действие внешних и внутренних факторов ведёт к банкротству предприятия.

Существует много методов прогнозирования финансового состояния предприятия с позиции его потенциального банкротства. Наиболее распространёнными моделями являются: модель Альтмана, модель Таффлера, модель Ковалева, модель Фулмера, модель Бивера, модель Лиса, модель Зайцевой и другие. [4, c.1]

Рассмотрим некоторые из них более подробно. Первый метод основан на финансовых данных и включает в себя работу некоторых коэффициентов:

1)    Z-коэффициент Альтмана.

Он разработал на базе аппарата множество дискриминантного анализа методику расчета кредитоспособности, которая позволяет в первом приближении разделить хозяйствующие субъекты на потенциальных банкротов и не банкротов. В 1968 году Э. Альтман по данным 33 компаний исследовал 22 финансовых коэффициента и отобрал 5 наиболее значимых из них для прогноза.

Х1 – отношение собственных оборотных активов к сумме активов

Х2 – рентабельность активов

Х3 – уровень доходности активов

Х4 – коэффициент соотношения собственного и заёмного капитала

Х5 – оборачиваемость активов

На основе данных коэффициентов Альтман разработал пятифакторную Z-модель, которая представляет собой один из основных методов оценки вероятности банкротства компаний.

Z5=1,2 х Х1+1,4 х Х2 + 3,3 х Х3 + 0,6 х Х4 + 1,0 х Х5

Чем больше Z5 превышает значение 2,99, тем меньше вероятность банкротства в течение двух лет.

2)    Коэффициент Таффлера

В основу расчета положено исчисление четырех показателей финансового состояния организации и предложены весовые коэффициенты для каждого из них. Таффлер предложил следующую формулу:

Z = 0,53 х Х1 + 0,13 х Х2 + 0,18 х Х3 + 0,16 х Х4

Х1 – прибыль от организации/краткосрочные обязательства

Х2 – оборотные активы/сумма обязательств

Х3 – краткосрочные обязательства/сумма активов

Х4 – выручка/сумма активов

Если величина Z больше 0.3 – у фирмы неплохие долгосрочные перспективы, если меньше 0,2 – то банкротство более, чем вероятно.

       Одновременно с эффективным прогнозированием банкротства, он имеет некоторые недостатки. Во-первых, компании, испытывающие трудности, всеми возможными способами задерживают публикацию своих отчетов, и, следовательно, конкретные данные могут иногда оставаться недоступными. Во-вторых, некоторые коэффициенты, полученные из результатов деятельности компании, могут указывать на несостоятельность, в то время как другие могут служить основанием для заключения о стабильности или даже некоторого улучшения. В таких условиях сложно судить о реальном положении дел.

Что же качается отечественных методов, то можно выделить модель Ковалева В. В. для прогнозирования неблагоприятных тенденций в развитии предприятия. Он, основываясь на разработках иностранных аудиторских фирм и привязав эти разработки к отечественной специфики бизнеса, предложил следующую двухуровневую систему показателей.

К первой группе относятся критерии и показатели, неблагоприятные текущие значения или возникающая динамика которых указывают на возможные в обозримом будущем значительные финансовые трудности. Вторая группа включает критерии и показатели, неблагоприятные значения которых не дают оснований считать текущее финансовое состояние критическим. Также им была предложена следующая система показателей:

N1 – коэффициент оборачиваемости; выручка от реализации/средняя стоимость запасов;

N2 — коэффициент текущей ликвидности; оборотные активы/краткосрочные обязательства;

N3 — коэффициент структуры капитала; собственный капитал/заемные средства;

N4 — коэффициент рентабельности; прибыль до налогообложения/сумма активов;

N5 — коэффициент эффективности; прибыль до налогообложения/выручка от реализации.

Формула для оценки финансовой устойчивости:

N = 24 х R1 + 25 х R2 + 20 х R3 + 20 х R4 + 10 х R5, где

R – значение показателя для изучаемого предприятия Ni/нормативное значение этого показателя.

Нормативные значения показателей равны:

N1 = 3,0; N2 = 2,0; N3 = 1,0; N4 = 0,3; N5 = 0,2.

Если N равна или больше 100, то финансовая ситуация на предприятии считается хорошей, если ниже 100, то она вызывает беспокойство. Чем сильнее отклонение от значения 100 в меньшую сторону, тем сложнее ситуация и тем более вероятно в ближайшее время для данного предприятия наступление финансовых трудностей [5, с.3].

Таким образом, комплексный анализ вероятности банкротства предполагает исследование финансовых показателей, а также анализ деловых рисков организации. Точность оценки повышается, если ее исследовать по нескольким схемам.

СПИСОК ЛИТЕРАТУРЫ:

Федеральный закон «О несостоятельности (банкротстве)» от 26. 10.2002 №127-ФЗ. Статья 2. URL: http://www.consultant.ru/document/ cons_doc_LAW_39331/8764f1ea3b4838d75bea542a4b17522b6649f35d/

Прохорин, И. А. Факторы и причины банкротства предприятий в условиях современной экономики / И. А. Прохорин. — Текст : непосредственный // Молодой ученый. — 2019. — № 18 (256). — С. 202-204. — URL: https://moluch.ru/archive/256/58674/

Приходько В.В. Справочник экономика предприятия/факторы банкротства. 11.01.2022. URL: https://spravochnick.ru/ekonomika_predpriyatiya/ bankrotstvo/faktory_bankrotstva/#vnutrennie-faktory-bankrotstva

Десятниченко Д.Ю., Десятниченко О.Ю. Прогнозирование банкротства предприятия: теория и практика//экономика и бизнес: теория и практика. 2018. №3. URL: https://cyberleninka.ru/article/n/ prognozirovanie-bankrotstva-predpriyatiya-teoriya-i-praktika/viewer

Шрамова Д.В. Основны анализа вероятности банкротства и методы его прогнозирования, №2, с. 2-3. URL: https://cyberleninka.ru/article/n/osnovy-analiza-veroyatnosti-bankrotstva-i-metody-ego-prognozirovaniya/viewer

Loginova K. S.

student of specialty 38.02.06 Finance

Financial University under the Government of the Russian Federation

Shadrinsky branch

(Shadrinsk, Russia)

Scientific supervisor:

Tetereva A.A.

teacher

Financial University under the Government of the Russian Federation

Shadrinsky branch

(Shadrinsk, Russia)

FUNDAMENTALS OF FORECASTING

THE THREAT OF BANKRUPTCY

Abstract: this article discusses internal and external factors leading to bankruptcy. The methods of predicting the probability of bankruptcy are analyzed. Foreign and domestic methods of assessing the threat of bankruptcy are considered.

Keywords: bankruptcy, economic foundations of bankruptcy, forecasting methods, analysis, probability, risks, Altman model, Taffler model, Kovalev model.

  
Полная версия статьи PDF

Номер журнала Вестник науки №6 (51) том 1

  title={Сравнительное исследование моделей прогнозирования банкротства Фулмера и Тоффлера в фирмах, принятых на Тегеранской фондовой бирже},
  автор={Акбар Рахимипур},
  год = {2013}
}