Главная » Разное » Оценка вероятности банкротства предприятия: Вероятность банкротства предприятия – как ее определить

Оценка вероятности банкротства предприятия: Вероятность банкротства предприятия – как ее определить

| – Комментировать

Содержание

Вероятность банкротства предприятия – как ее определить

Дата материала: 2 декабря 2019

Ни одна компания не может работать в «стерильных» условиях: на ее деятельность влияет огромное количество внешних факторов, начиная с экономических условий в стране и заканчивая изменением действующего законодательства. Поэтому даже если предприятие в настоящий момент успешно, это не значит, что ему не грозит финансовый кризис в обозримом будущем. Очевидно, что для обеспечения стабильного функционирования компании крайне важно проводить раннюю диагностику на предмет его возможного банкротства.

Возможно ли провести оценку вероятности банкротства предприятия?

Да, и для этого были изобретены различные математические модели. В частности, используются модели вероятности банкротства предприятия, предложенные Э.Альтманом, У.Бивером, Таффлером и Лисом. Указанные модели доказывают свою эффективность уже не одно десятилетие, однако следует отметить, что они не совсем подходят для российских предприятий. Отечественные ученые так же пытались разработать свои формулы, но в условиях, когда в нашей стране «процветают» заказные и фиктивные банкротства, проверить их результативность не представляется возможным. Соответственно, лучшим выходом стала адаптация зарубежных моделей к российским условиям.

Для начала приведем двухфакторную модель Альтмана, которую использует большинство предприятий.

Z = -0,3877 – 1,0736Ктл + 0,0579Кзс, где

Z — показатель вероятности банкротства;

-0,3877, 1,0736, 0,0579 – величины, найденные автором опытным путем;

Ктл – коэффициент текущей ликвидности;

Кзс – коэффициент капитализации.

В свою очередь, указанные коэффициенты рассчитываются по следующим формулам:

Ктл = оборотные активы/текущие обязательства;

Кзс = заемный капитал/собственный капитал.

Итоговые показатели можно оценить следующим образом:

  • Z меньше 0 – вероятность банкротства компании менее 50 %. Чем ниже показатель, тем меньше риск, что юридическое лицо будет признано несостоятельным.
  • Z = 0 – вероятность банкротства предприятия равна 50 %.
  • Z больше 0 – вероятность банкротства предприятия более 50 %. Чем выше показатель, тем больше вероятность, что юрлицо будет признано несостоятельным.

Все данные для расчета можно получить на основании бухгалтерского баланса. Для крупных компаний, акции которых котируются на биржах, также может применяться пятифакторная модель Альтамана.

«Показатели ни одной из существующих моделей нельзя принимать за абсолютную истину. Одной из причин является тот факт, что действующее законодательство позволяет не отражать предпринимателю в бухгалтерской отчетности ключевые показатели финансово-экономической деятельности компании. Кроме того, российский бизнес довольно разнообразен, поэтому некорректно применять одну и ту же модель к крупным предприятиям с множеством филиалов и небольшим фирмам с несколькими сотрудниками. Следовательно, для получения более полной информации будет не лишним прибегнуть к нескольким методам вероятности банкротства предприятия.

Роль юристов в анализе вероятности банкротства

На первый взгляд, оценка вероятности банкротства компании – задача экономистов и бухгалтеров. Однако это не так: активное участие в данном процессе должны принимать и юристы.

  1. Специалисты анализируют дебиторскую задолженность перед компанией: выясняют ее состав, определяют, каковы шансы на возврат долга. Для этого изучаются не только различные договоры и соглашения, но и в целом судебные процессы, в которых принимает участие фирма. Если перед компанией много долгов, это значит, что она недополучает прибыль и остается без оборотных средств, а это, в свою очередь, может привести к краху бизнеса.
  2. Юристы изучают кредиторскую задолженность: определяют долю такой задолженности в краткосрочных обязательствах и пассиве баланса, выясняют динамику ее роста и т.д. Большая кредиторская задолженность, превышающая дебиторскую, — опасная ситуация для компании, которая может затянуть ее в еще большую финансовую яму.

Что же дает оценка вероятности банкротства юридического лица? В действительности, очень много: предприятие, получившее объективную оценку своей деятельности, может скорректировать ее в нужном направлении, предприняв оперативные или предупредительные меры. Так, например, к предупредительным мерам относят страхование активов и персонализация материальной ответственности, а к оперативным – реструктуризация обязательств и погашение наиболее проблемной задолженности.

Кредиторы нередко также заказывают подобное исследование, чтобы убедиться в том, что их потенциальный партер находится в нормальном финансовом положении и не испытывает серьезных проблем.

Как показывает практика, вовремя проведенная оценка вероятности банкротства может выявить скрытые проблемы на самых начальных этапах и успешно их устранить.

Вероятность банкротства предприятия. Формула. Оценка

Привет, на связи Василий Жданов в статье рассмотрим вероятность банкротства предприятия. Современные условия хозяйствования характеризуются высокой степенью неопределенности и риска. Характерные тенденции: снижение объемов продаж и реализации, рост налоговой нагрузки, рост расходов и затратной части, снижение прибыли от реализации. Подобные процессы отрицательно сказываются на финансовом состоянии действующих компаний. Методикой оценки текущего положения является анализ вероятности банкротства компании. В рамках статьи рассмотрим существующие наиболее популярные методы оценки показателя банкротства с применением отечественных и зарубежных практик.

Концепция банкротства

Концепция банкротства подразумевает:

Пройдите наш авторский курс по выбору акций на фондовом рынке → обучающий курс
  • управление заемным и собственным капиталом компании неэффективно;
  • из-за того, что заемный капитал выше собственного, наступает период финансовой зависимости от кредиторов;
  • размер просроченной задолженности кредиторам выше норматива;
  • рентабельность производства ниже отраслевого среднего значения или вообще отрицательна;
  • объемы продаж компании падают, снижаются объемы получаемой прибыли.

Оценка банкротства: общее представление

Под оценкой вероятности банкротства понимают прогнозирование возможности наступления ситуации ухудшения платежеспособности и ликвидности компании, что будет означать невозможность погашения ею своих обязательств перед кредиторами.

Провести оценку риска банкротства для компании достаточно сложно. Ведь надо учесть много различных факторов внешнего и внутреннего происхождения. Для этой цели существует множество методик и моделей, которые иной раз противоречат друг другу по результатам. Кроме того, все модели можно разделить на две группы: отечественные и зарубежные. Они имеют определенные отличия друг от друга в связи с тем, что каждая группа учитывает особенности стран. Наши российские модели адаптированы к условиям РФ.

Другая классификация методов  отражена в таблице ниже.

МетодХарактеристика
КоличественныйПроводят расчет показателей и оценивают их в сравнении с нормативами и динамикой во времени
КачественныйФормируется мнение на базе косвенных признаков изменения платежеспособности
Смешанный вариантПредусматривает сочетание количественных и качественных показателей

Существует еще один тип классификации методик:

  • абсолютные модели: формируются на базе стоимости основных и оборотных средств;
  • коэффициентные модели: основаны на расчета относительных индикаторов (отношение одних элементов, статей баланса, к другим).

По методологии можно выделить:

  • интегральные варианты оценки банкротства: на базе расчета совокупности индикаторов выводят значение одного единственного интегрального показателя и сравнивают его с нормативом или в динамике;
  • простые варианты оценки: оцениваются отдельные разрозненные индикаторы.

         Важно! Преимущественно применяются интегральные методы оценки, так как они более удобны в интерпретации итогового показателя.

Возможна разработка собственной модели оценки банкротства с учетом особенностей конкретного предприятия или отрасли. Она позволяет объективно оценить финансовое положение фирмы в текущий момент.

Далее будут представлены различные варианты моделей на примере условного производственного предприятия ООО Феникс» за период 2016-2018 годы.

Финансовую отчетность ООО «Феникс» за 2016-2018 годы можно скачать тут.

Отчет о финансовых результатах 2017 год

Отчет о финансовых результатах 2018 год

Алгоритм методики оценки

На рисунке ниже представлен алгоритм проведения оценки.

Баланс 2018 год

Следование данному  алгоритму поможет выявить имеющиеся тенденции компании более точно.

Самым сложным этапом является выбор методики  для  проведения оценки. Их существует достаточно много. Самым популярным вариантом является модель Альтмана. Однако другие модели могут учитывать специфику и больше подходить для анализа. Все зависит от конкретного предприятия.  Некоторые экономисты проводят анализ сразу по всем популярным методикам. Далее на базе   их проведения составляют сводный итоговый результат  в виде общей картины состояния финансов фирмы.

Модели Альтмана

Z-оценка Альтмана является результатом теста на кредитоспособность, который измеряет вероятность банкротства   компании . Z-оценка Альтмана основана на основных финансовых коэффициентах, которые можно рассчитать на базе  данных, найденных в годовом отчете компании. Он использует прибыльность, левередж, ликвидность, платежеспособность и активность, чтобы предсказать, есть ли у компании высокая вероятность неплатежеспособности.

Данный способ относится к зарубежным методикам. Метод основан  на базе оценки информации по 66 американским предприятиям.

Методика  претерпевала различные изменения и вариации несколько раз. Альтман выбрал для анализа 22 различных коэффициента и моделировал формулу с их использованием. В итоговом варианте он выбрал основные параметры, с учетом которых и сформировал модели:

  • двухфакторная модель;
  • пятифакторная модель 1968 года;
  • пятифакторная модель 1983 года.

Z-оценка представляет собой линейную комбинацию  четырех или пяти общих бизнес-индикаторов, взвешенных по коэффициентам. Коэффициенты были оценены путем определения совокупности  фирм, которые объявили о банкротстве, а затем сбора соответствующей выборки  выживших фирм с сопоставлением по отраслям и приблизительным размерам (активам).

Альтман применил статистический метод дискриминантного анализа  к набору данных публичных компаний.

Пример № 1. В таблице представлен анализ банкротства по двухфакторной модели Альтмана на материалах условной компании ООО «Феникс».

         Важно! В рамках данной модели:

  • если Z<0, то компания скоро обанкротится;
  • если Z>0, то компания скоро обанкротится, то компания устойчива в финансовом плане

Анализ банкротства ООО «Феникс» по двухфакторной модели Альтмана в 2016-2018 гг можно скачать тут.

Применение данной методики к ООО «Феникс»   показало, что у компании существует высокая вероятность банкротства.         Кроме того, итоговый показатель имеет тенденцию к росту вероятности.

Более точные результаты прогнозирования дает более известная модель Альтмана, разработанная им в 1968 году, которая предусматривает применение пяти факторов.

Модель калькулятора Z – счета использует  пять ключевых бухгалтерских коэффициентов для бизнеса, взвешивает их в соответствии с типом отрасли и объединяет их в единый балл (Z балл), чтобы дать представление о финансовом состоянии бизнеса.

Важно! В рамках данной модели:

  • Z балл> 2,99 – безопасная зона;
  • 1,80 <Z балл <2,99 – серая зона;
  • Z балл <1,80 – зона бедствия.

         Пример № 2.  Анализ банкротства по пятифакторной модели Альтмана 1968 года  можно скачать тут.

Вероятность банкротства ООО «Феникс» по результатам анализа можно оценить как низкую, за исключением 2018 года.

Цель Z –счета модели является мера финансового здоровья компании и возможность предсказать вероятность того, что компания  будет бедствовать  в течение 2  лет. Доказано, что модель  очень точна для прогнозирования банкротства  в самых разных условиях и на разных рынках. Исследования показывают, что модель прогнозирует несостоятельность на  72-80% . Тем не менее, Z-оценка не относится к каждой ситуации. Она может использоваться только для прогнозирования, если анализируемую компанию можно сравнить с базой данных.

Важно! В рамках данной модели:

  • Z <1,23 – высокая вероятность;
  • Z > 1,23 – низкая вероятность.

Пример № 3. Анализ банкротства по пятифакторной модели Альтмана 1983 года  можно скачать тут.

Результаты применения данной модели позволяют оценить вероятность банкротства ООО «Феникс» как низкую за исключением показателей в 2018 году.

Модель Лисса

Данный способ  оценки более адаптирован к реалиям, чем предыдущие модели по набору индикаторов.

         Важно! Пограничное значение Z:

  • Z < 0,037 – очень плохая ситуация, так как вероятность высока;
  • Z > 0,037 – в компании дела успешны, вероятность низка

         Пример № 4. Анализ вероятности банкротства по модели Лисса  можно скачать тут.

Применение модели Лиса позволяет сделать вывод о том, что у компании ООО «Феникс» вероятность низка лишь в 2016 году.  В 2017-2018гг картина является отрицательной.

Модель Таффлера

Была предложена британским ученым Р. Таффлером и Г. Тишоу в 1977 году. Она создана  по результатам тестирования более ранней методики Альтмана по данным отчетности британских фирм. Более адаптирована к современным экономическим реалиям.

Важно! Пограничное значение Z:

  • Z > 0,3, вероятность низкая;
  • Z > 0,2, вероятность высокая.

         Пример № 5.  Анализ вероятности банкротства по модели Таффлера  можно скачать тут.

Результаты применения модели показали низкую вероятность обанкротиться компании. Но ситуация в 2018 году ухудшается.

Модель Спрингейта

         В основе модели лежит дискиминантный анализ.

         Важно! Пограничное значение:

  • Z > 0,862, стабильность положения и устойчивость;
  • Z< 0,862, вероятность высока.

Пример № 6.  Анализ вероятности банкротства по модели Спрингейта можно скачать тут.

Согласно модели Спрингейта в ООО «Феникс» наблюдается низкая вероятность, значение выше границы 0,862. Однако падение Z-индикатора модели в 2018 году на 3,641 говорит о росте вероятности неплатежеспособности.

Российская R-модель

Далее используем отечественные методики для оценки.

R- модель была предложена А.Ю. Беликовым в научной диссертации в 1998 году.

Важно! Пограничное значение:

  • Z < 0, риск банкротства велик;
  • от 0 до 0,18, риск высокий;
  • от 0,18 до 0,32, риск средний;
  • от 0,32 до 0,42 – низкий риск;
  • выше 0,42, риск отсутвует или минимален.

Пример № 7. Анализ вероятности банкротства по российской R- модели  можно скачать тут.

Согласно проведенному исследования вероятность оказалась очень высокой для ООО «Феникс».

Модель О.П. Зайцевой

         Главной особенностью является тот факт, что нужно сравнивать рассчитанное значение с нормативным.

         Важно! Если факт больше норматива, то ситуация носит негативный характер для компании.

Пример № 8. Анализ вероятности банкротства по модели  О.П. Зайцевой  можно скачать тут.

Расчет показали, что фактические значение у ООО «Феникс» превышает норматив, значит банкротство вполне реально для компании.

Модель Р.С. Сайфуллина и Г.Г. Кадыкова

Особенностью является адаптация к российским характеристикам.

         Важно! Пограничное значение:

  • менее 1, вероятность высока;

  • выше 1, вероятность низка.

         Пример № 9.

Анализ вероятности банкротства по модели  Р.С. Сайфуллина и Г.Г. Кадыкова  можно скачать тут.

Результаты применения модели показали высокую вероятность для ООО «Феникс».

Модель М.А. Федотовой

Модель является простой из-за наличия только двух показателей.

         Важно! Пограничное значение:

  • Z<0, вероятность высока;

  • Z>0, вероятность низка.

         Пример № 10.    Анализ вероятности банкротства по модели  М.А. Федотовой  можно скачать тут.

Применение модели выявило тенденции высокой вероятности банкротства ООО «Феникс».

Часто задаваемые вопросы

Вопрос № 1. Что общего и чем отличаются все модели оценки?

Ответ: Главное сходство состоит в том, что все они строятся на  методиках дискриминантного анализа.  Отличия моделей состоят в статистических выборках финансовых коэффициентов.

Вопрос № 2. В чем особенности  двухфакторной и пятифакторной моделями Альтмана?

Ответ: Двухфакторная модель:

  • проста в расчетах;
  • более универсальна.

Пятифакторная модель:

  • отражает разные аспекты деятельности предприятия;
  • возможно динамическое прогнозирование.

Усовершенствованный вариант пятифакторной модели:

  • переменные отражают разные аспекты деятельности компании;
  • значение Z дифференцировано для производственных и непроизводственных компаний.

Подведем итоги. Механизм прогнозирования банкротства диагностирует его уровень в компании. При этом банкротство рассматривается как крайний вариант проявления кризисных явлений в компании. Существуют разные модели оценки уровня индикатора, разработанные как отечественными, так и зарубежными учеными.

Оценка вероятности банкротства предприятия агропромышленного комплекса Текст научной статьи по специальности «Экономика и бизнес»

УДК 332.144

ОЦЕНКА ВЕРОЯТНОСТИ БАНКРОТСТВА ПРЕДПРИЯТИЯ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА

Высоцкая Татьяна Владимировна аспирант

Карачаево-Черкесского государственного университета им. У. Алиева

В статье представлена практика применения и анализ результатов использования отечественных и зарубежных методик оценки вероятности банкротства на предприятии агропромышленного комплекса

Ключевые слова: БАНКРОТСТВО, АГРОПРОМЫШЛЕННЫЙ КОМПЛЕКС, МОДЕЛИ АНАЛИЗА

UDC 332.144

ASSESSMENT OF THE PROBABILITY OF BANKRUPTCY OF AN AGRO-INDUSTRIAL COMPLEX COMPANY

Vysotskaya Tatyana Vladimirovna postgraduate student

Karachay-Cherkess state university of. U.Aliyev

The article presents the practice of application and the analysis of the results of using domestic and foreign techniques of an assessment of probability of bankruptcy at the company of agro-industrial complex

Keywords: BANKRUPTCY, AGRO-INDUSTRIAL COMPLEX, ANALYSIS MODELS

Проблема прогнозирования вероятности банкротства для отдельного предприятия состоит, с одной стороны, в отсутствии общепризнанных методик прогнозирования банкротства, с другой, существующие методики ориентированы в основном на установление факта несостоятельности тогда, когда признаки банкротства предприятия уже налицо.

Существует множество моделей диагностики банкротства, которые производят оценку с помощью различных показателей, рассчитанных по бухгалтерской отчетности. При этом в анализе агропредприятий, часто не учитывают особенностей отраслевой и региональной специфики. В нормативных документах анализа финансово-экономического состояния предприятия нет четко установленных отраслевых нормативов, а чаще эти нормативы отсутствуют вообще. В связи с этим на основе такого анализа затруднительно сделать однозначный вывод о том, что данное предприятие обязательно обанкротится в ближайшее время или, наоборот, выживет, т.к. предприятия агропромышленного комплекса обладают различной

организационно-технической спецификой, стратегиями и целями, своими уникальными рыночными нишами. фазами жизненного цикла. Для предотвращения неоднозначных результатов общего анализа необходимо использовать различные модели с оптимальным количеством коэффициентов, учитывая специфику предприятия.

В данной работе будет проведен анализ вероятности банкротства 9-ю моделями на базе данных бухгалтерской отчетности за 2010 год ЗАО «Висма-Архыз» — предприятие агропромышленного комплекса Карачаево-Черкесской республики. Исследуемое предприятие заведомо является финансово-устойчивым и целью нашего исследования является сравнение результатов оценки вероятности банкротства различными моделями и анализ полученного результата.

Наибольшую известность в области прогнозирования банкротства получила работа Э. Альтмана [1]. В 1968 г. он исследовал 22 финансовых коэффициента по 33 предприятиям промышленности. Из этих коэффициентов Альтман отобрал 5 наиболее значимых, которые затем включил в линейную функцию. На основе этих оставшихся коэффициентов он создал окончательную 7-модель (таблица 2), которая является одним из основных методов оценки вероятности банкротства предприятий в США.

В зависимости от значения «7-счёта» по определённой шкале (таблица 1) производится оценка вероятности наступления банкротства в течение двух лет.

Таблица 1 — Уровень угрозы банкротства в модели Альтмана

Значение интегрального показателя Ъ Вероятность банкротства

Менее 1,81 Очень высокая

От 1,18 до 2,7 Высокая

От 2,7 до 2,99 Вероятность невелика

Более 2,99 Вероятность ничтожна, очень низкая

Таблица 2. —Расчет показателей модели Альтмана

Показатели Формула расчета Начало года Конец года

стр. 290+ стр. 230+ 690 стр. 300ф.1 0,423 0,523

к2 стр. 190ф.2 стр. 300ф.1 0,006 0,005

стр.a больше 0,3, это говорит о том, что у фирмы неплохие долгосрочные перспективы, если меньше 0,2, то банкротство более чем вероятно.

Таблица 3. —Расчет показателей модели Р. Тафлер и Г. Тишоу

Показатели Формула расчета Начало года Конец года

0,056 0,152

0,736 0,813

0,215 0,205

х4 стр. 01 Оф.2 стр.ЗООф.1 0,669 0,346

г 2 = 0,5 3х1 + 0,1 Зх2 + 0,18х3 + 0,16х4, 3,22 8,27

Вероятность Очень Очень

банкротства низкая низкая

Модель анализа вероятности банкротства Фулмера [3] была создана на основании обработки данных 60-ти предприятий (таблица 4).

Все расчеты базируются на девяти показателях, которые получаются в процессе отношения некоторых данных друг к другу. В модели используются такие показатели, как баланс предприятия, нераспределённая прибыль прошлых лет, выручка от реализации, прибыль до налогообложения, собственный капитал, денежный поток, краткосрочные и долгосрочные обязательства, материальные активы, оборотный капитал и проценты к уплате. Наступление неплатёжеспособности неизбежно при Н < 0.

Таблица 4. —Расчет показателей модели Фулмера

Показатели Формула расчета Начало года Конец года

*1 стр. 460 стр.300ф.1 0 0

*2 стр.010ф.2 стр.300ф.1 0,669 0,346

х3 стр.140ф.2 стр. 490ф. 1 0,056 0,214

х4 стр.( ) стр.070ф.2 0,377 0,645

н Н = 5,528х1 + 0,212х2 + 0,073х3 + 1,270х4 — 0,120х5 + 2,335х6 + 0,575х7 + + 1,083х8 + 0,894х9 — 3,075, 3,22 8,27

Вероятность банкротства Высокая Высокая

Модель прогнозирования платежеспособности предприятий Спрингейта [4] была разработана канадским ученым Гордоном Спрингейтом в 1978 году. Для создания своей модели он использовал метод пошагового дискриминантного анализа, который разработал Э. Альтман. В результате из 19 финансовых показателей осталось 4 наиболее точно определяющих платежеспособность компании (таблица 5).

Если 7<0,862 то предприятие классифицируется как банкрот.

Таблица 5. —Расчет показателей модели Спрингейта

Показатели Формула расчета Начало года Конец года

*1 стр. 290 стр. 300ф.1 0,639 0,729

*2 стр. 140ф.2 стр. 300ф.1 0,007 0,022

х3 стр.140ф.2 стр. 690ф.1 0,034 0,108

х4 стр. 01 Оф.2 стр.300ф.1 0,669 0,346

I =1,03х1 + 3,07х2 + 0,66х3 + 0,4х4, 0,97 1,029

Вероятность банкротства Низкая Очень низкая

В 1972 г. Лис разработал дискриминантную модель для оценки http://ej.kubagro.ru/2013/05/pdf/68.pdf

несостоятельности предприятий Великобритании (таблица 6).

Вероятность банкротства предприятия определяется следующим образом: если Ь>0,037, то риск банкротства предприятия высокий; если Ь<0,037, то риск банкротства предприятия незначителен.

Таблица 6. —Расчет показателей модели Лиса

Показатели Формула расчета Начало года Конец года

*1 стр. 290 стр. 300ф.1 0,639 0,729

х2 стр. 050ф.2 стр.ЗООф.1 0,012 0,031

х3 стр. 190ф.2 стр.ЗООф.1 0,006 0,005

х4 стр. 490 (сстр590+ стр.690)ф.1 0,152 0,115

1 £ = 0,063х1 + 0,092х2 +0,057х3 +0,001х4, 0,041 0,049

Вероятность банкротства Высокая Высокая

Усовершенствованием модели Э. Альтмана занялась Г.В. Савицкая. В работе [5] была разработана дискриминантная модель для оценки и прогнозирования вероятности банкротства сельскохозяйственных предприятий. Но позднее в работе [6], Г.В. Савицкая пояснила, что дискриминантные модели обладают недостатком, а именно, в них нет четких границ для отнесения предприятий к классу банкротов или небанкротов. Если предприятие набирает значение /-счета, равное или близкое к константе дискриминации, то его трудно квалифицировать на предмет финансовой состоятельности или несостоятельности. Поэтому, изучив инструментарий эконометрики, Г.В. Савицкая построила логит-регрессионную модель для диагностики риска банкротства предприятий АПК.

Если тестируемое предприятие по данной модели набирает значение 0 и ниже, то оно оценивается как финансово устойчивое. Напротив, предприятие, имеющее значение интегрального показателя 1 и выше, относится к группе высокого риска. Промежуточное значение от 0 до 1 характеризует степень близости или дальности предприятия от той или другой группы.

Таблица 7. —Расчет показателей модели Савицкой

Показатели Формула расчета Начало года Конец года

стр.(прошлого года).

Если фактический комплексный коэффициент больше нормативного, то крайне высока вероятность банкротства, а если меньше — то вероятность банкротства незначительна.

Таблица 8. — Расчет показателей модели Зайцевой

Показатели Формула расчета Начал о года Конец года

*1 чистый убыток стр. 490ф. 1 0,048 0,052

х2 стр. 620 (сстр230+ стр. 240)фф. 0,371 0,27

х3 стр. 610 + стр. 620с20<660 стр. 250+ стр. 260ф.1 2322,7 5 4572, 6

х4 чистый убыток стр. 01 Оф.2 0,009 0,015

х5 стр. 590+ стр. 690 стр.490ф.1 6,567 8,651

х6 стр.300 стр. 01 Оф.2 30 1,493

кф К = 0,25 • Хх + 0,1 • Х2 + 0,2 • Х3 + 0,25 • Х4 + + 0,1 • Х5 + 0,1 • Х6, 468,25 915,5 8

Кн 1Д7 1Д7

Вероятност ь банкротств а Очень высок ая Очень высок ая

Ученые Иркутской государственной экономической академии, обработав данные финансовой отчетности 2040 предприятий торговли г. Иркутска и Иркутской области с 1994 по 1996 года, доказали неприменимость пятифакторной модели Э. Альтмана, так как она не позволяет получить

истинную картину оценки несостоятельности российских предприятий [8]. В связи с этим они предложили свою модифицированную четырехфакторную модель прогноза вероятности банкротства [9] (модель Я-счета), которая внешне похожа на модель Э. Альтмана:

Подставляя рассчитанные по фактическим данным показатели, получаем значение Я и определяем вероятность банкротства по таблице 9:

Таблица 9 — Вероятность банкротства предприятия в соответствии со значением

модели «Я»

Значение Я Вероятность банкротства, %

Менее 0 Максимальная (90—100)

0—0,18 Высокая (60—80)

0,18—0,32 Средняя (35—50)

0,32—0,42 Низкая (15—20)

Более 0,42 Минимальная (до 10)

Таблица 10. —Расчет показателей модели ИГЭА

Показатели Формула расчета Начало года Конец года

стр. 290 стр. 300ф.1 0,639 0,729

к2 стр.190ф.2 стр. 490ф.1 0,048 0,052

стр. 01 Оф.2 стр.ЗООф.1 0,669 0,346

0,011 0,016

5,44 6,19

Вероятность Очень Очень

банкротства низкая низкая

Одной из интересных зарубежных реализаций методов скоринга является метод Сгесіії-Меп. Этот метод был разработан во Франции Ж. Депаляном, доказавшим, что финансовая ситуация предприятия может достаточно адекватно характеризоваться 5 показателями (таблицаїї).

Если N=100, то финансовая ситуация предприятия нормальная, если N>100, то ситуация хорошая, если N<100, то ситуация на предприятии вызывает беспокойство [10].

Таблица 11. —Расчет показателей модели Сгеёй-Меп

Показатели Формула расчета Начало года Конец года

*1 стр. 230+ стр.240+ стр.260 стр. 620ф.1 2,69 3,69

Я2 стр. 490 стр. 590+ стр.690ф.1 0,15 оді

Я3 стр. 490 стр.190ф. 1 0,38 0,346

стр. 020ф.2 стр. 21 Оф. 1 19,66 13,71

стр. 01 Оф.2 (сстр240+ стр. 230)ф3с 1,56 0,53

N N = 25 ■ Щ + 25 • і?2 +10 • і?3 + 20 • і?4 + 20 • і?5 491 384

Вероятность банкротства Очень низкая Очень низкая

Сведем результаты анализа различными моделями в одну таблицу (таблица

12).

Таблица 12. — Результаты оценки финансово-устойчивого предприятия

Модель Вероятность банкротства по модели Адекватность анализа

На начало года На конец года

Э. Альтмана Очень высокая Очень высокая Неправильно

P. Тафлера и Г. Тишоу Очень низкая Очень низкая Правильно

Фулмера Высокая Высокая Неправильно

Спрингейта Низкая Очень низкая Правильно

Лиса Высокая Высокая Неправильно

Г.В. Савицкой Очень низкая Очень низкая Правильно

О.П. Зайцевой Очень высокая Очень высокая Неправильно

ИГЭА Очень низкая Очень низкая Правильно

Credit-Men Очень низкая Очень низкая Правильно

Анализируя результаты, приведенные в таблице 12, приходим к выводу, что 44% моделей, использованных для анализа вероятности банкротства, дают неправильный результат. Это означает, что, несмотря на существование большого количества моделей оценки финансовой устойчивости предприятий, нельзя доверять на 100% какой-либо одной из них для анализа предприятия агропромышленного комплекса. Так как эти предприятия имеют свою отраслевую специфику, то необходимо использовать модели учитывающие особенности агропредприятий.

Список литературы

1. Altman Е. Financial ratios, discriminant analysis and prediction of corporate bankruptcy//Journal of Finance.— Vol.9, — pp.589-609.

2. Taffler R.J. Going, going, gone — four factors which predict// Accountancy. — March 1977, p. 50-54.

3. Fulmar, John G. Jr., Moon, James E., Gavin, Thomas A., Erwin, Michael J., “A Bankruptey Classification Model For Small Firms”. Jurnal of Commercial Bank Lending (July 1984): pp.25-37.

4. Springate, Gordon L.V, Predicting the Possibilty of Falture in a Canadian Firm. Unpublished M.B.A. Research Project, Simon Fraser University, January 1978. In: INSOLVENCY PREDICTION, E. Sands & Associates Inc

5. Савицкая Г.В. Анализ хозяйственной деятельности предприятия : Учеб. Пособие / Г.В. Савицкая. — 7-е изд., испр. — Мн.:Новое знание, 2002. — 704 с.

6. Савицкая, Г. В. Анализ хозяйственной деятельности предприятия: Учебник. — 4-е изд., перераб. и доп. -М.:ИНФРА — М, 2008. — 512 с.

7. Зайцева О.П. Антикризисное управление в российской компании // Сибирская финансовая школа. 1998. № 11-12.

8. Казакова Наталия Александровна.. Экономический анализ в оценке бизнеса: учебно-практическое пособие/Н.А. Казакова. —М.: Дело и Сервис,2011. — 288 с., 2011

9. Г.В. Давыдова, А.Ю. Беликов. Методика количественной оценки риска банкротства предприятий//Управление риском. — 1999. —№ 3. с. 13-20

10. Кукукина И.Г. Учет и анализ банкротств./И.Г. Кукукина, И.А. Астраханцева. — М.: Финансы и статистика, 2004. — 307 с.

References

1. Altman Е. Financial ratios, discriminant analysis and prediction of corporate bankruptcy//Journal of Finance.— Vol.9, — pp.589-609.

2. Taffler R.J. Going, going, gone — four factors which predict// Accountancy. — March 1977, p. 50-54.

3. Fulmar, John G. Jr., Moon, James E., Gavin, Thomas A., Erwin, Michael J., “A Bankruptey Classification Model For Small Firms”. Jurnal of Commercial Bank Lending (July 1984): pp.25-37.

4. Springate, Gordon L.V, Predicting the Possibilty of Falture in a Canadian Firm. Unpublished M.B.A. Research Project, Simon Fraser University, January 1978. In: INSOLVENCY PREDICTION, E. Sands & Associates Inc

5. Savickaja G.V. Analiz hozjajstvennoj dejatel’nosti predprijatija : Ucheb. Posobie / G.V. Savickaja. — 7-e izd., ispr. — Mn.:Novoe znanie, 2002. — 704 s.

6. Savickaja, G. V. Analiz hozjajstvennoj dejatel’nosti predprijatija: Uchebnik. — 4-e izd., pererab. l dop. -M :INFRA — M, 2008. — 512 s.

7. Zajceva O.P. Antikrizisnoe upravlenie v rossijskoj kompanii // Sibirskaja finansovaja shkola. 1998. № 11-12.

8. Kazakova Natalija Aleksandrovna.. Jekonomicheskij analiz v ocenke biznesa: uchebno-prakticheskoe posobie/N.A. Kazakova. —М.: Delo i Servis,2011. — 288 s., 2011

9. G.V. Davydova, A.Ju. Belikov. Metodika kolichestvennoj ocenki riska bankrotstva predprijatij //Upravlenie riskom. — 1999. —№ 3. s. 13-20

10. Kukukina I.G. Uchet i analiz bankrotstv./I.G. Kukukina, I.A. Astrahanceva. — М.: Finansy i statistika, 2004. — 307 s.

Прогнозирование вероятности банкротства предприятия по Альтману – Science Portal

Существует система для расчета показателей, диагностики банкротства, созданная американским ученым Эдвардом Альтманом. Он создал собственную формулу на основе данных о стабильных предприятиях и тех, которые в течение пяти лет разорились.

Данный финансовый анализ изначально работал исключительно с фирмами, акции которых котировались на бирже. Позднее была выпущена доработка для корпораций с не котирующимися ценными бумагами.

Описание модели оценки вероятности банкротства предприятия

Ученый использовал специальный аппарат, который проводил мультипликативный дискриминантный анализ, чтобы вычислить риск банкротства.

Таким образом, инструмент помогал оценить риск и какие критерии приведут к банкротству организации. Происходило разделение компаний на те, которые могут разориться в скором времени или работающие стабильно. Модель Альтмана представляет собой функцию взятых данных, которые демонстрируют результаты работы и предполагаемый потенциал.

Существует несколько разновидностей функции:

  1. Двухфакторная модель – самая простая из предложенных. Для определения несостоятельности (банкротства) используют показатели удельного веса заемных средств, которые находится в активах, и наличествующей ликвидности. Данные умножаются с добавлением расчетов весовых коэффициентов.
  2. Пятифакторная модель банкротства Альтмана – более точный расчет. Добавляются следующие переменные: оборотный капитал, прибыль до выплаты налогов и дивидендов, рыночная стоимость собственного капитала, а также объем продаж.
  3. Четырехфакторная методика или модель для диагностики финансов ого банкротства представляет собой модель оценки, рассчитанной для непроизводственных предприятий. Чаще всего это сектор розничной торговли или другие предприятия, где не производится капитализация аренды.

Существует еще несколько прочих методик (z-счет альтмана) оценки для развивающихся рынков и моделирования кредитного риска, которые помогают провести анализ вероятности банкротства.

Анализируем финансовое состояние предприятия за 5 минут

Со времен Эдварда Альтмана технологии значительно двинулись вперед, поэтому сейчас любому гражданину намного проще выявить несостоятельность, которая может привести к процедуре банкротства. SCIENCE HUNTER доработали алгоритм, переведя его в онлайн-приложение. Программа, основанная на модели Альтмана, позволит быстро обнаружить все проблемные места и сохранить имущество.

Воспользоваться калькулятором достаточно просто:

  1. Выберите нужную формулу: классическую или для компаний с ценными бумагами, не котирующимися на рынке.
  2. Заполнить текущие данные, например, оборотные средства и т.д. Присутствуют подсказки, по которым следует ориентироваться.
  3. После заполнения нажмите «Применить», и на экране появится ответ, где вы можете оценить диапазон и понять величину отклонений.

Разработчики учитывали особенности рынка стран СНГ, поэтому сервис более точный, чем зарубежные аналоги.

Стоит заметить, что построение модели и даваемый ответ зависит от ситуации на рынке, состояния экономики региона и специфики данной сферы. Методика Альтмана считается достаточно точной. Но она все-таки не всегда учитывает некоторые показатели, поэтому не стоит всецело полагаться исключительно на нее. Лучше дополнительно воспользоваться другими способами анализа, например, несколькими моделями Таффлера, Бивера и Чессера, так точность значительно повысится.

Таким образом, комплексный подход поможет более точно оценить рентабельность активов.

Примеры автоматической оценки состояния предприятия

Нередко фирмы, чтобы узнать определенные данные высчитывают их именно через z вероятность, например, уровень заработной платы. Кроме того, данные помогают при реструктуризации, процедуре реализации имущества, списании долгов, финансовом оздоровлении. Кредиторы также могут воспользоваться этой функцией, чтобы вычислить дебиторскую задолженность физлиц.

Вдобавок в судебной практике также могут использовать данные модели, чтобы точнее вычислить проблему преднамеренного банкротства. Юрист юридических или физических лиц может представлять финансового управляющего согласно законодательству и доказать невиновность клиента.

Предлагаем просмотреть пример расчета, чтобы понять, как он работает.

Пользователю потребуется ввести данные, обозначенные в специальных полях:

Далее потребуется нажать «Применить», после чего программа выдаст результат.

Программа также приведет пример различной степени банкротства. При другом варианте расчета изменяется формула и данные, которые нужно ввести, чтобы понять считается ли компания банкротом.

Подобная система несколько напоминает форму Excel, однако действует намного проще. Клиенту не нужно вводить никаких личных данных, кроме указанных на сайте. Воспользоваться приложением можно совершенно бесплатно.

С помощью данной или другой модели, легко провести процедуру банкротства физического лица, узнать оборачиваемость дебиторской задолженности, полнее проанализировать размер оборотных средств и в целом подробнее узнать о своем имуществе. Если вы являетесь чьим-то деловым партнером или кредиторской организаций, то вам будет проще вычислить должника, не нарушая правовые нормы.

Диагностика вероятности банкротства публичного акционерного общества «Магнит» с использованием различных методик



Статья посвящена вопросу, касающегося процесса банкротства (несостоятельности) публичного акционерного общества «Магнит» (далее ПАО «Магнит).

Ключевые слова: банкротство, несостоятельность, модели.

В настоящее время в экономике РФ наблюдается кризис неплатежей, в связи с чем особое значение уделяется мероприятиям и мерам по предотвращению кризисных ситуаций и стабилизации финансового состояния корпораций.

С целью прогнозирования банкротства разработано множество методик, как отечественных, так и зарубежных.

ПАО «Магнит» является холдинговой компанией группы обществ, занимающихся розничной торговлей. «Магнит» является одной из ведущих розничных сетей по торговле продуктами питания в России.

С помощью нескольких моделей оценим вероятность банкротства ПАО «Магнит». Для оценки потенциального банкротства корпорации. Коэффициент возможной утраты платежеспособности равен 2,865 и соответствует нормативному значению 1. Это означает, что в ближайшие три месяца корпорация не утратит свою платежеспособность.

В таблице 1 выполним расчет вероятности банкротства предприятия по пятифакторной модели Э. Альтмана, предложенной в 1983 году.

Таблица 1

Оценка вероятности банкротства по модели Альтмана

№п/п

Показатели

2018 год

1

Доля чистого оборотного капитала в общей величине активов (Х1)

0,35

2

Доля накопленной прибыли в общей величине активов (Х2)

0,31

3

Коэффициент рентабельности активов, рассчитанный по прибыли до уплаты налогов и процентов (Х3)

0,22

4

Коэффициент соотношения акционерного капитала и обязательств (Х4)

0,00007

5

Коэффициент оборачиваемости активов (Х5)

0,003

6

Расчет Z:

Z=0,717*0,35+0,847*0,31+3,107*0,22+0,42*0,00007+0,995*0,003

1,23

Источник: рассчитано на основе бухгалтерской отчетности

По полученным данным, Z удовлетворяет диапазону (1,23;2,89), это означает, что ПАО «Магнит» по данной модели находится в зоне неопределенности. Однако, данная модель не совсем применима для России, поэтому далее в таблице 2 осуществим прогноз вероятности банкротства корпорации по четырехфакторной модели Э. Альтмана.

Таблица 2

Оценка вероятности банкротства по модели Альтмана

№п/п

Показатели

2018 год

1

Доля оборотного капитала в общей величине активов (Х1)

0,3505

2

Доля нераспределенной прибыли в общей величине активов (Х2)

0,2094

3

Доля EBIT в общей величине активов (Х3)

0,2214

4

Доля собственного капитала в заемном капитале (Х4)

9,3420

5

Расчет Z:

Z=6,56*0,3505+3,26*0,2094+6,72*0,2214+1,05*9,3420

14,28

Источник: рассчитано на основе бухгалтерской отчетности

Таким образом, согласно полученным расчетам, ПАО «Магнит» в 2018 году имеет низкую вероятность банкротства.

Далее рассчитаем прогноз несостоятельности предприятия, на основе пятифакторной модели российских ученых Ковалева В. В. и Волковой О. Н. (см. табл. 3).

Таблица 3

Оценка вероятности банкротства ПАО «Магнит» по модели Ковалева-Волковой

№ п/п

Показатели

2018 год

Значение N

Нормативное значение H

Итоговое значение показателя (R=N/H)

1

Коэффициент оборачиваемости запасов (N1)

68,2

3

22,7

2

Коэффициент текущей ликвидности (N2)

4,6

2

2,3

3

Леверидж (N3)

9,3

1

9,3

4

Доля прибыли до налогообложения в средней величине итога баланса (N4)

0,22

0,3

0,7

5

Коэффициент эффективности (N5)

77,9

0,2

389,2

6

Расчет N:

N=25*R1+25*R2+20*R3+20*R4+10*R5

4717

Источник: рассчитано на основе бухгалтерской отчетности

Таким образом, полученное значение свидетельствует о хорошей финансовой ситуации предприятия.

Также рассмотрим модель Таффлера (см. табл. 4), которая рассчитывается по следующей формуле:

Z=0,53*К1+0,13*К2+0,18*К3+0,16*К4, (1)

где:

К1— доля чистой прибыли в краткосрочных обязательствах;

К2— доля оборотных активов в общей сумме обязательств;

К3— доля краткосрочных обязательств в общей величине активов;

К4 — доля выручки от реализации в общей величине активов.

Таблица 4

Оценка вероятности банкротства по модели Таффлера

№п/п

Показатели

2018 год

1

Доля чистой прибыли в краткосрочных обязательствах (К1)

0,2094

2

Доля оборотных активов в общей сумме обязательств (К2)

3,6253

3

Доля краткосрочных обязательств в общей величине активов (К3)

0,0966

4

Доля выручки от реализации в общей величине активов (К4)

0,0028

5

Расчет Z:

Z=0,53*0,2094+0,13*3,6253+0,18*0,0966+0,16*0,0028

0,6

Источник: рассчитано на основе бухгалтерской отчетности

Полученное значение по модели Таффлера находится в так называемой «зеленой зоне» и это свидетельствует о том, что вероятность банкротства ПАО «Магнит» низкая.

Еще одной из моделей оценки вероятности банкротства является модель Лиса (см. табл. 5).

Таблица 5

Оценка вероятности банкротства по модели Лиса

№п/п

Показатели

2018 год

1

Доля оборотного капитала в общей величине активов (К1)

0,3505

2

Доля прибыли от реализации в общей величине активов (К2)

0,0023

3

Доля нераспределенной прибыли в общей величине активов (К3)

0,2094

4

соотношение собственного и заемного капиталов (К4)

9,342

5

Расчет Z:

Z=0,063*0,3505+0,092*0,0023+0,057*0,2094+0,001*9,342

0,04

Источник: рассчитано на основе бухгалтерской отчетности

Согласно данной модели полученное значение превышает значение 0,037, что говорит о том, что вероятность банкротства незначительная.

Следующая модель прогнозирования банкротства создана канадским ученым Гордоном Спрингейтом.

Таблица 6

Оценка вероятности банкротства по модели Спрингейта.

№п/п

Показатели

2018 год

1

Оборотный капитал / Баланс (X1)

-0,01

2

EBIT / Баланс (X2)

0,08

3

EBT / Краткосрочные обязательства (X3)

0,23

4

Выручка от реализации / Баланс (X4)

2,17

Z= 1,03*X1+3,07*X2+0,66*X3+0,4*X4

1,26

Источник: рассчитано на основе бухгалтерской отчетности

Значение Z>0,862, что позволяет сделать вывод о низкой вероятности банкротства.

В таблице 7 рассчитаем вероятность банкротства ПАО «Магнит» по девятифакторной модели Фулмера.

Таблица 7

Оценка вероятности банкротства по модели Фулмера

№ п/п

Показатели

2018 год

1

Нераспределенная прибыль прошлых лет* / Баланс* (X1)

0,29

2

Выручка от реализации / Баланс* (X2)

2,17

3

Прибыль до уплаты налогов / Собственный капитал (X3)

0,08

4

Денежный поток / Долгосрочные и краткосрочные обязательства* (X4)

0,11

5

Долгосрочные обязательства* / Баланс* (X5)

0,20

6

Краткосрочные обязательства / Совокупные активы* (X6)

0,39

7

Log (материальные активы) (X7)

8,78

8

Оборотный капитал* / долгосрочные и краткосрочные обязательства* (X8)

-0,02

9

Log (прибыль до налогообложения + проценты к уплате/выплаченные проценты) (X9)

0,67

H=5,528X1+0,212X2+0,073X3+1,270X4–0,12X5+2,335X6+0,575X7+ 1,083X8+0,894X9–6,075

2,64

*средняя величина за период

Источник: рассчитано на основе бухгалтерской отчетности

Полученный результат H оказался положительным и говорит о том, что вероятность наступления банкротства низкая.

Оценим вероятность банкротства с помощью модели Олсона по формуле:

P = ,(2)

где е — число Эйлера.

Z=-1,3–0,4*X1+0,6*X2–1.4*X3+0,1*X4–2,4X5–1,8X6+0,3X7–1,7X8–0,5X9,(3)

где

Х1 — натуральный логарифм отношения совокупных активов к индексу-дефлятору ВНП;

Х2 — коэффициент заемного капитала;

Х3 — доля собственных оборотных средств;

Х4 — отношение текущих обязательств к текущим активам;

Х5 — рентабельность активов;

Х6 — отношение чистой прибыли к совокупным обязательствам;

Х7 — фиктивная переменная, принимающая значение 1 — если чистый доход предприятия за последние 2 года — отрицательная величина; 0 — если нет;

Х8 — фиктивная переменная, принимающая значение 1 — если общая задолженность предприятия превышает его общие активы, 0 — если нет;

Х9 — отношение разницы между чистой прибылью в последнем отчетном периоде и чистой прибылью в предшествующем отчетном периоде к сумме чистой прибыли в последнем отчетном периоде, взятой по модулю, и чистой прибыли в предшествующем отчетном периоде, взятом по модулю.

Таблица 8

Оценка вероятности банкротства по модели Олсона

№п/п

Показатели

2018 год

1

AS (X1)

-6,75

2

LM (X2)

0,59

3

WCM (X3)

-0,01

4

ICR (X4)

1,03

5

ROA (X5)

0,06

6

FTDR (X6)

0,25

7

DCLM (X7)

0

8

DCRA (X8)

0

9

CINI (X9)

-0,02

Z= -1,3–0,4*X1+0,6*X2–1.4*X3+0,1*X4–2,4X5–1,8X6+0,3X7–1,7X8–0,5X9

5,16

Р

0,99

Источник: рассчитано на основе бухгалтерской отчетности

Так как итоговое значение P>0,5, то вероятность наступления банкротства может быть высокой.

Таким образом, рассмотрев различные модели оценки вероятности банкротства предприятия, можно сделать вывод о том, что финансовое состояние ПАО «Магнит» достаточно устойчивое и не вызывает серьезных беспокойств.

Литература:

1. Ивасенко А. Г. Антикризисное управление: учебное пособие / А. Г. Ивасенко, Никонова Я. И., Каркавин М. В. — 3-е изд., стер. — М.: КНОРУС, 2016. — 504 с.

2. Эйтингон В. Н., Анохин С. А. Прогнозирование банкротства: основные методики и проблемы [Электронный ресурс]. URL: iteam.ru/articles.php?pid=l&tid=2&sid=16&id=141 (дата обращения: 20.03.2019).

3. Парушина Н. В., Микитухо А. А. Многофункциональная роль экономического анализа в системе управления банкротством организаций: монография. — Орел: ОрелГИЭТ, 2015. — 228 с.

Основные термины (генерируются автоматически): общая величина активов, бухгалтерская отчетность, оценка вероятности банкротства, вероятность банкротства, модель, доля, EBIT, оборотный капитал, обязательство, таблица.

120. Оценка вероятности банкротства предприятия. Анализ финансово-хозяйственной деятельности. Шпаргалки

1. Анализ финансово-хозяйственной деятельности предприятия: цели, задачи, предмет, функции

Содержание анализа финансово-хозяйственной деятельности состоит во всестороннем изучении технического уровня производства, качества и конкурентоспособности выпускаемой продукции, обеспеченности производства материалами, трудовыми и финансовыми ресурсами и эффективности их использования. Этот анализ основан на системном подходе, комплексном учете разнообразных факторов, качественном подборе достоверной информации и является важной функцией управления.

Цель анализа финансово-хозяйственной деятельности предприятия – повышение эффективности его работы на основе системного изучения всех видов деятельности и обобщения их результатов.

Задачами анализа финансово-хозяйственной деятельности предприятия являются :

• идентификация реального состояния анализируемого объекта;

• исследование состава и свойств объекта, его сравнение с известными аналогами или базовыми характеристиками, нормативными величинами;

• выявление изменений в состоянии объекта в пространственно-временном разрезе;

• установление основных факторов, вызвавших изменения в состоянии объекта, и учет их влияния;

• прогноз основных тенденций. Предметом анализа финансово-хозяйственной деятельности предприятия является анализ производственных и экономических результатов, финансового состояния, результатов социального развития и использования трудовых ресурсов, состояния и использования основных фондов, затрат на производство и реализацию продукции (работ, услуг), оценка эффективности деятельности организации.

Объектом анализа финансово-хозяйственной деятельности предприятия является работа предприятия в целом и его структурных подразделений (цехов, бригад, участков), а субъектами могут выступать органы государственной власти, научно-исследовательские институты, фонды, центры, общественные организации, средства массовой информации, аналитические службы предприятий.

Функциями анализа финансово-хозяйственной деятельности предприятия являются: контрольная, учетная, стимулирующая, организационная и индикативная.

2. Анализ финансового состояния предприятия: значение и задачи

Финансовое состояние предприятия – это экономическая категория, отражающая состояние капитала в процессе его кругооборота и способность субъекта хозяйствования к саморазвитию на определенный момент времени. Финансовое состояние предприятия характеризуется совокупностью показателей, отражающих процесс формирования и использования его финансовых средств. Финансовое состояние может быть устойчивым, неустойчивым (предкризисным) и кризисным. Способность предприятия своевременно производить платежи, финансировать свою деятельность на расширенной основе, переносить непредвиденные потрясения и поддерживать свою платежеспособность в неблагоприятных обстоятельствах свидетельствует о его устойчивом финансовом состоянии, и наоборот.

Неотъемлемой частью финансовой работы на предприятии является финансовый анализ и оценка финансового состояния предприятия.

Финансовый анализ включает блоки:

• общий (предварительный) анализ;

• анализ финансовой устойчивости;

• анализ ликвидности баланса;

• анализ результатов деятельности;

• комплексный анализ и оценка деятельности.

Конкретное направление анализа, составляющие его блоки, набор показателей определяются целями и опытом финансового аналитика.

Задачами анализа выступают: выявление произошедших за период изменений значений финансовых показателей;

• определение наиболее вероятных тенденций изменения финансового состояния предприятий;

• определение факторов влияющих на финансовое состояние предприятия;

• установление мер и рычагов воздействия на финансы предприятия с целью достижения желаемого финансового результата.

Результаты анализа необходимы для внутренних (службы предприятия, руководство) и внешних пользователей (менеджеров предприятия, собственники, кредиторы, инвесторы, поставщики).

Информационной базой финансового анализа выступают данный бухгалтерского учета и отчетности, анализ которых помогает восстановить все основные аспекты хозяйственной деятельности предприятия в обобщенной форме, т. е. с необходимой для проведения анализа степенью агрегирования.

3. Способы анализа финансовой отчетности

Практика финансового анализа выработала следующие основные приемы чтения финансовых отчетов:

• анализ абсолютных данных финансовых отчетов;

• горизонтальный анализ, т. е. рассмотрение финансовых показателей в динамике, как правило, за несколько лет, или на начало и конец анализируемого периода;

• вертикальный (структурный) анализ, при котором итог баланса принимается за 100 % и определяется удельный вес основных статей актива или пассива баланса;

• трендовый анализ, в рамках которого каждая позиция отчетности баланса сравнивается с соответствующими показателями предшествующих периодов, и таким образом определяется тренд, т. е. основная тенденция динамики анализируемого показателя (позиции). С помощью тренда прогнозируются возможные значения показателя в будущем, т. е. проводится перспективный анализ;

• анализ финансовых коэффициентов, т. е…

Конец ознакомительного фрагмента.

Данный текст является ознакомительным фрагментом.

Продолжение на ЛитРес

Оценка банкротства онлайн

Здравствуйте, мой уважаемый читатель. В этой статье находится бесплатный онлайн-сервис, с помощью которого вы можете выполнить оценку банкротства онлайн на основе популярных моделей оценки риска несостоятельности и нескольких нормативно-правовых актов.

Пожалуйста, обратите внимание, что в 2019-2020 годах отчётность немного изменилась, поэтому если у вас отчётность с обновлёнными строками — пожалуйста, перейдите на новую версию сервиса: оценка риска банкротства предприятия по отчётности с 2020 года.

Модели, рассчитываемые в сервисе:

1. Двухфакторная модель Альтмана (О модели, обо всех моделях Альтмана)

2. Пятифакторная модель Альтмана для компаний, акции которых котируются на бирже (О модели)

3. Модифицированная пятифакторная модель Альтмана (О модели)

4. Модель Альтмана для непроизводственных компаний (О модели)

5. Модель Таффлера-Тишоу  (О модели)

6. Модель Фулмера (О модели)

7. Модель Спрингейта (О модели)

8. Четырехфакторная модель ИГЭА (О модели)

9. Модель Бивера (О модели)

10. Модель Лиса (О модели)

11. Модель О.П. Зайцевой (О модели)

12. Модель Ж. Конана и М. Голдера (О модели)

В итоге расчёта формируется сводная таблица выводов о вероятности банкротства по этим моделям

Выводы по анализу строятся на основе выявленных проблем: примеры проблем, выявляемых при анализе.

Примеры мероприятий для устранения выявленных проблем: примеры мероприятий для ВКР.

Выводы по финансовому анализу вы можете сделать самостоятельно, либо заказать их на любой бирже для студентов.

Для оценки стоимости вы можете оставить заявку на бирже. Если никто не подойдёт — просто удалите заявку и всё.

Ссылка на самую популярную биржу (автор24): https://avtor24.ru/.

Подробная инструкция — здесь: как заказать работу на бирже

Хочу выразить благодарность ресурсу afdanalyse.ru, на котором я нашёл исходные данные для создания этой таблицы. Пришлось, конечно, поправить опечатки и ошибки, но без работы авторов этого сайта данная таблица прогноза банкротства предприятия не появилась бы.

Перед вводом данных ознакомьтесь, пожалуйста, со статьёй: как сохранить результаты

Пользуйтесь. С уважением, Александр Крылов

Если таблица не помещается, откройте её в новом окне: оценка риска развития несостоятельности (банкротства) предприятия

Определение банкротства предприятий и различных видов банкротств

Установлено банкротство предприятия

К сожалению, компании иногда сталкиваются с серьезными финансовыми проблемами. Когда компания в Соединенных Штатах больше не имеет достаточного денежного потока или кредита для оплаты своих долгов или ведения бизнеса, она может обратиться за правовой защитой к кредиторам, решив подать заявление о банкротстве в соответствии с Кодексом о банкротстве США. Существует несколько типов банкротства предприятий, но общая идея состоит в том, чтобы дать проблемному бизнесу — или владельцу банкротства — финансовый «новый старт» в обмен на определенный уровень упорядоченного погашения долга.

Из этой статьи вы узнаете:

Почему имеет значение банкротство предприятия

Когда крупная корпорация разоряется, она попадает в новости, и признаки финансового бедствия обычно становятся очевидными на какое-то время. Но в других случаях проблемы компании не очевидны до тех пор, пока не будет опубликовано уведомление о банкротстве, и ее кредиторы будут гадать, будут ли, когда и сколько их денег будет возвращено.

Наблюдая за признаками ухудшения финансового состояния предприятий, с которыми фирма может сотрудничать, бдительные специалисты по кредитам и взысканиям могут помочь определить предприятия в своем портфеле, которые могут оказаться на грани банкротства, что указывает на необходимость прекратить поставки продуктов и услуги и обратиться к сбору неоплаченных счетов.Программное решение для управления кредитными рисками, такое как D&B Finance Analytics, может помочь вам управлять кредитными счетами предприятий клиентов и отслеживать их, а также предоставляет уведомления по электронной почте об изменениях в юридических событиях компании, включая заявления о банкротстве.

«Понимание того, как тенденции банкротства приливы и отливы в соответствии с экономикой в ​​целом, а также конкретные последствия различных типов банкротства для должников — может позволить правительству, частным предприятиям и отдельным лицам лучше подготовиться к потенциальным финансовым потрясениям и защитить себя от них. в случае спада или замедления роста экономики », — говорит Синди Феста, вице-президент по качеству данных Dun & Bradstreet.

Статистика банкротств по отраслям

В некоторых отраслях наблюдается более высокий уровень банкротств, что можно объяснить многими экономическими факторами, которые могут повлиять на кредитный риск. Dun & Bradstreet собирает данные из всех 275 судов по делам о банкротстве в США, чтобы предоставить нашим клиентам полезную информацию. Понимание тенденций банкротства может помочь профессиональному кредитному специалисту принимать более обоснованные решения о размере и типе кредита, подлежащего предоставлению. На приведенной ниже диаграмме показана статистика банкротства предприятий по кодам SIC в США с 2014 г. по июнь 2021 г. (Источник: Dun & Bradstreet)

2-значный код SIC Всего банкротств по отраслям Процент банкротств по отраслям
01-09 Сельское хозяйство 7 173 4%
10-14 Горное дело 1873 1%
15-17 Строительство 15,465 9%
20-39 Производство 6 061 3%
40-49 Транспорт 9 730 5%
50-51 Оптовая торговля 5 177 3%
52-59 Розничная торговля 21 396 12%
60-67 Финансы 11 925 78%
70-89 Сервис 94 891 53%
91-97 Государственный администратор 61 0.03%
99 Разное 4964 1%
Всего 178 716 100%
Статистические данные о банкротстве

по годам и глава

(Источник: Dun & Bradstreet. Данные для 2021 г. только с января по июнь 2021 г.)

Определения банкротства предприятий

В США существует множество различных типов банкротств предприятий, и важно понимать различия между ними, чтобы помочь вам определить вероятность возмещения убытков или потенциальные последствия для вашего бизнеса в случае его банкротства.Вы всегда должны проконсультироваться с адвокатом, чтобы узнать больше о банкротстве и о том, что заявление о банкротстве может означать для вас и вашего бизнеса.

Глава 7 — Ликвидация

Банкротство по главе 7 — самый распространенный тип подачи документов в США. Если вы являетесь индивидуальным предпринимателем, банкротство в соответствии с главой 7 позволяет вам погасить весь ваш погашаемый долг — деловой и личный — в обмен на передачу всех неиспользованных активов — деловых и личных — назначенному управляющему по банкротству для ликвидации.Доверительный управляющий продает эти активы и распределяет выручку между кредиторами. Кроме того, после подачи прошения некоторым кредиторам, по крайней мере, временно запрещается принимать меры по взысканию долгов (включая удержание заработной платы). Некоторые долги, такие как определенные налоговые обязательства и алименты, не подлежат погашению, а это значит, что вы все еще на крючке. Большое преимущество главы 7 для индивидуального предпринимателя заключается в том, что она избавляет от всей вашей погашаемой задолженности и защищает ваши освобожденные от налогообложения активы (льготы различаются в зависимости от штата). Но есть ряд недостатков: вы можете потерять собственность, а ваш личный кредитный рейтинг и возможность получить ипотеку или ссуду на покупку автомобиля могут пострадать в течение многих лет.

Для корпорации или ООО Глава 7 закрывает компанию, и любые сотрудники увольняются. Ваш бизнес будет полностью ликвидирован, и назначенный судом попечитель продаст всех продаваемых активов, чтобы в максимально возможной степени выплатить кредиторам. Однако, в отличие от случая с индивидуальным предпринимателем, оставшиеся долги предприятия после ликвидации составляют , а не , подлежащие погашению. И эти невыплаченные долги могут стать актуальными в тех случаях, когда вы несете личную ответственность за деловые долги (например, если некоторые налоги остаются неуплаченными или вы в какой-то момент подписали личную гарантию для покрытия своего делового долга).Следовательно, не всегда рекомендуется закрывать корпорацию или ООО в соответствии с главой 7 — всегда обсуждайте эти вопросы со своим адвокатом по банкротству.

Глава 9 — Реорганизация (для муниципалитетов)

Глава 9 специально разработана для защиты муниципалитета, испытывающего финансовые затруднения, от усилий кредиторов по взысканию долгов, пока он ведет переговоры о реструктуризации долга. «Муниципалитет» включает округа, налоговые округа, налоговые органы больниц, муниципальные предприятия и школьные округа.Глава 9 не касается ликвидации активов и позволяет продлить сроки погашения, рефинансировать задолженность за счет новых займов или уменьшить основную сумму или проценты по существующим займам.

Четыре требования для подачи Главы 9 следующие:

  1. Должник должен иметь разрешение на подачу заявления по Главе 9 в соответствии с законодательством штата.
  2. Должник должен быть неплатежеспособным.
  3. Должник должен иметь желание урегулировать свои долги.
  4. Должник должен попытаться заручиться согласием большинства кредиторов определенного типа (или продемонстрировать, что они не могут добиться этого добросовестно).

Глава 11 — Реорганизация (для подачи заявок на более крупные долги)

Глава 11 предназначена для того, чтобы позволить проблемному бизнесу реструктурировать свой долг таким образом, чтобы кредиторы получали выплаты в течение долгого времени, а бизнес оставался непрерывным. (Индивидуальным предпринимателям может быть лучше подавать документы в соответствии с главой 13, если их долги соответствуют допустимым пределам. См. Ниже.) После подачи ходатайства предприятие становится «должником во владении», что означает, что оно сохраняет собственность и продолжает свою деятельность. действующее предприятие.Кроме того, временное приостановление обычно останавливает попытки взыскания и дает должнику облегчение, пока он согласовывает план погашения со своими кредиторами. Как правило, все кредиторы должны согласиться с планом, и он должен быть одобрен судьей по делам о банкротстве.

Собственный должник обычно выступает в качестве своего собственного управляющего и несет многие из прав и обязанностей доверительного управляющего. Владелец-должник может подавать иски, чтобы избежать перевода денег кредиторам, получить ссуды для должника, а также принять или отклонить контракты.Любой кредитор или суд могут самостоятельно добиваться назначения доверительного управляющего для замены должника во владении, если они считают, что это отвечает наилучшим интересам конкурсной массы и кредиторов (например, если должник во владении плохо управляет своими активами).

Банкротство по главе 11 может быть очень дорогостоящим, в зависимости от того, насколько сложной должна быть реорганизация, гонораров вашего адвоката, количества кредиторов, подавших споры, и продолжительности дела.

Глава 12 — Реорганизация (преимущественно для фермеров и рыбаков)

Банкротство

Глава 12 доступно только семейным фермерам или семейным рыбакам.Разработанный как ответ на трудности, с которыми столкнулись фермеры и рыбаки в 1980-х годах, он похож на главу 13, но обеспечивает большую гибкость при внесении периодических платежей с учетом сезонного характера многих сельскохозяйственных и рыболовных операций. Фермер или рыбак предлагает план погашения, рассчитанный на три или пять лет. Глава 12 дешевле и менее сложна, чем другие главы.

Глава 13 — Реорганизация (для физических лиц)

Глава 13 призвана помочь индивидуальным должникам с регулярным доходом реструктурировать (и погасить) свои долги, сохраняя при этом собственность, такую ​​как дом.Это не принудительная ликвидация, как в главе 7. Но для того, чтобы соответствовать требованиям, их долги должны укладываться в определенные пределы (в настоящее время необеспеченные долги менее 394 725 долларов и обеспеченные долги менее 1 184 200 долларов). Если вы являетесь индивидуальным предпринимателем, ваши личные и деловые финансы считаются одинаковыми для целей налогообложения, поэтому вы можете подавать в соответствии с главой 13, если у вас (или вашего супруга) есть доход, а ваши долги не превышают установленных лимитов.

Должник защищен от большинства действий по взысканию долгов и обычно производит выплаты кредиторам в соответствии с трех- или пятилетним планом погашения, одобренным кредиторами и судом.Обычно вы платите разовый ежемесячный платеж управляющему банкротством, который распределяет платежи между кредиторами и отправляет необходимые платежи. В конце плана большая часть оставшегося необеспеченного долга погашается.

Глава 15 Трансграничная несостоятельность

Когда иностранный должник заявляет о банкротстве в другой стране, Глава 15 дает иностранному должнику возможность получить доступ в США. Суд по делам о банкротстве с целью управления активами или принятия мер для должника в США.Производство по главе 15 обычно является вторичным по отношению к основному производству, которое обычно происходит в стране происхождения иностранца. Суд по делам о банкротстве США в таких случаях обычно ограничен в объеме и полномочиях влиять только на активы иностранного юридического лица или лиц, находящихся в США; поэтому многие иски откладываются в иностранный суд. Иностранная компания может подать иск в соответствии с главой 7 или главой 11 Кодекса США о банкротстве, если ее активы или отношения в США достаточно сложны.

Глава 7 против глав 11 или 13: Что мне подходит?

Банкротство может иметь долгосрочные последствия для вас и вашего бизнеса, поэтому рекомендуется проконсультироваться с адвокатом по банкротству, прежде чем принимать меры. Каждая глава имеет разное значение для вашего бизнеса и вашей кредитной истории.

Если ваш бизнес терпит неудачу и более выгодные условия от ваших кредиторов не помогут изменить ситуацию, тогда ликвидация по главе 7 позволит вам стереть все с нуля: никакого бизнеса, к сожалению, но также никаких кредиторов и обременительных долгов.Если ваш бизнес является индивидуальным предпринимателем, на ваш личный кредитный рейтинг в течение длительного времени будет оказываться негативное влияние, но вы, вероятно, сможете защитить некоторые из своих активов.

С другой стороны, если более выгодные условия от ваших кредиторов дадут вам шанс спасти вашу компанию и сохранить ее работоспособность, возможно, стоит попытаться объявить банкротство по главам 11 или 13. Обе главы позволяют вашему бизнесу продолжать работать, пока вы выплачиваете свои недавно реструктурированные долги в соответствии с утвержденным судом и кредитором (и, в идеале, менее обременительным) планом погашения.Вообще говоря, зарегистрированные предприятия подаются в соответствии с главой 11, а индивидуальные предприятия обычно подаются в соответствии с главой 13.

Что может случиться с вашей кредитной историей, если ваша компания объявит о банкротстве

Подача заявления о банкротстве — важное решение, и обычно рекомендуется — если не требуется — проконсультироваться с юристом перед подачей заявления. Вы должны полностью понимать, что это может значить для вашего бизнеса. Для индивидуального предпринимателя банкротство также может повлиять на ваш личный кредит. Для LLC или корпорации банкротство может задерживаться на кредитном отчете компании на многие годы и может снизить ее способность получить финансирование по разумной цене.Кроме того, если вы подписали личную гарантию на какие-либо долги компании, ваши личные активы могут быть использованы для погашения этих долгов, а на ваш личный кредит может повлиять любой невыплаченный остаток.

Кредитный отчет компании Dun & Bradstreet показывает, сколько раз компания объявляла о банкротстве и дату последней подачи. Банкротство может серьезно повлиять на баллы и рейтинги компании. В разделе «Юридические события» отчета содержится полная информация о заявлении о банкротстве компании, в том числе о том, было ли заявка добровольной, именем судьи, председательствующего в деле, главой о банкротстве и статусом подачи.В случае банкротства в соответствии с главой 7 кредитный отчет компании будет помечен как «Вне бизнеса», так как компания больше не будет существовать. Однако, если компания подает заявку в соответствии с главой 11 и успешно выйдет из банкротства, заявка останется в бизнес-кредитном профиле D&B в течение 25 лет.

Как Дан и Брэдстрит могут помочь

Специалисты по бизнес-кредитованию должны следить за своими счетами клиентов и могут использовать инструменты мониторинга, подобные тем, которые используются в D&B Finance Analytics, чтобы помочь понять финансовое состояние своих клиентов.

Привычки, которые вы развиваете, чтобы поднять свой собственный кредитный рейтинг или вернуть его в нужное русло, например, своевременные платежи и тщательный мониторинг своих финансовых показателей, также могут помочь вам оставаться в хорошей финансовой форме. Если вы обнаружите, что долговое бремя снова становится проблемой, вы можете подумать о:

  • Погашение долгов
  • Продажа собственности или активов, которые вам не нужны
  • Минимизация несущественных расходов
  • Приоритетность погашения долга
  • Непосредственное столкновение с вредными привычками или неприятными обстоятельствами, при необходимости обращение к внешнему адвокату

Оценка рисков и ответных мер политики

Список литературы

Ачарья, В., Д. Гейл и Т. Йорулмазер (2011), «Риск пролонгации и замораживание рынка», The Journal of Finance , 66 (4): 1177-1209.

Адалет Макгоуэн, М. и Д. Эндрюс, (2016), «Режимы несостоятельности и рост производительности: основа для анализа», Рабочие документы Департамента экономики ОЭСР , № 1309, Издательство ОЭСР, Париж.

Адалет МакГоуэн, М. и Д. Эндрюс, (2018), «Разработка режимов несостоятельности в разных странах», Рабочие документы Департамента экономики ОЭСР , No.1504, Издательство ОЭСР, Париж.

Адалет Макгоуэн, М., Д. Эндрюс и В. Милло, (2017), «Ходячие мертвецы? Фирмы-зомби и производительность в странах ОЭСР », Рабочие документы Департамента экономики ОЭСР , № 1372, Издательство ОЭСР, Париж.

Адалет Макгоуэн, М., Д. Эндрюс и В. Милло (2017), «Режимы несостоятельности, зомби-фирмы и перераспределение капитала», Рабочие документы Департамента экономики ОЭСР , № 1399, Издательство ОЭСР, Париж.

Allen & Overy, (2020), Меры по борьбе с коронавирусом Covid-19, влияющие на производство по делу о несостоятельности и принудительное исполнение .

Алмейда, Х., И. Кунья, М.А. Феррейра и Ф. Рестрепо, (2017), «Реальные эффекты кредитных рейтингов: канал суверенного потолка», The Journal of Finance , Vol. 72 (1): 249-290.

Баджгар, М., Берлингьери, Г., Каллигарис, С., Крискуоло, К., и Дж. Тиммис, (2020), «Использовать или не использовать (и как использовать): охват и репрезентативность Orbis данные », Рабочие документы ОЭСР по науке, технологиям и промышленности , № 2020/06, Издательство ОЭСР, Париж.

Барберис, Н., и Р. Талер, (2003), «Обзор поведенческих финансов», Справочник по экономике финансов , том 1.

Барбьеро, Ф., А. Попов и В. Марчин, (2020), «Избыточный долг, возможности глобального роста и инвестиции», Journal of Banking and Finance , Vol. 120, Статья 105950.

Беккер Б., Ивашина В. (2014), «Цикличность кредитного предложения: свидетельства на уровне фирмы», Journal of Monetary Economics , Vol. 62, с. 76-93.

Беккер, Б., У. Хеге и П. Мелла-Баррал, (2020), «Бремя корпоративного долга угрожает восстановлению экономики после COVID-19: планирование реструктуризации долга должно начаться сейчас», VoxEU.org , 21 марта.

Берковиц, Дж. И М. Уайт, (2004), «Банкротство и доступ малых фирм к кредитам», RAND Journal of Economics, Vol. 35 (1): 69-84.

Бернштейн, С., Дж. Лернер и Ф. Меццанотти, (2019). «Частный капитал и финансовая нестабильность во время кризиса», Обзор финансовых исследований , 32 (4)

Bertay, A., А. Демиргук-Кунт и Х. Хейзинга, (2015), «Владение банками и кредит в течение бизнес-цикла: неужели кредитование государственных банков менее проциклично?», Journal of Banking and Finance, Vol. 50 (3): 326-339.

Bird and Bird, (2020), COVID-19: Обновление международной реструктуризации и несостоятельности .

Blanchard, O., T. Philippon и J. Pisani-Ferry (2020), «Новый инструментарий политики необходим, поскольку страны выходят из режима карантина COVID-19», Peterson Institute for International Economics Policy Brief , N.20-8.

Boot, A., E. Carletti, HH Kotz, JP Kranhen, L. Pelizzon и MG Subrahmanyam, (2020), «Коронавирус и финансовая стабильность 3.0: попробуйте разделение рисков акций для компаний, больших и малых», VoxEU .org , 2 апреля.

Boschmans, K., and L. Pissareva, (2017), «Стимулирование рынков для финансирования МСП», Документы ОЭСР по МСП и предпринимательству , № 6.

Бранзоли, Н. и А. Кайуми, (2018 г. ), «Насколько эффективен дополнительный ACE в устранении предвзятости в отношении долга? Доказательства из корпоративных налоговых деклараций », Налоговые документы Европейской комиссии , №72 — 2018.

Bricongne, J.C, M. Demertzis, P. Pontuch and A. Turrini, (2016). «Макроэкономическая значимость системы несостоятельности в контексте высокого долга: перспектива ЕС», Европейская экономика — документы для обсуждения, № 2015-032, Главное управление экономики и финансов Европейской комиссии.

Бруннермайер, М., и А. Кришнамурти, (2020), «Предложение по вечнозеленому COVID-19 для малых и средних предприятий: перевернутая экономика», mimeo.

Кабальеро Р., Т. Хоши и А. Кашьяп, (2008), «Зомби-кредитование и депрессивная реструктуризация в Японии», American Economic Review , Vol.98 (5): 1943-1977.

Campenhout, G., T. V. Caneghem, (2013), «Как вычет условных процентов повлиял на структуру капитала бельгийских МСП?», Экономика малого бизнеса , Vol. 40 (2).

Carcea, M., D. Ciriaci, C. Cuerpo, D. Lorenzani и P. Pontuch, (2015), «Экономическое влияние систем спасения и восстановления в ЕС», Документы для обсуждения в ЕС , № 004

Карлетти, Э., Т. Оливьеро, М. Пагано, Л. Пелицсон и М.Г. Субраманьям, (2020), «Шок от COVID-19 и дефицит капитала: данные на уровне компаний из Италии», Документ для обсуждения CEPR Нет.14831, также опубликовал COVID Economics: Vetted and Real-Time Papers , issue 25.

Chatterjee, S., (2013), «Избыток долга: почему восстановление после финансового кризиса может быть медленным», Business Review, Федеральный резервный банк Филадельфии, выпуск 2 квартал, стр. 1-9.

Камминг Д., (2012), «Измерение влияния законов о банкротстве на предпринимательство в разных странах», Journal of Entrepreneurial Finance , Vol. 16 (1): 80-86.

Dell’Ariccia, G., Д. Иган, Л. Лаэвен и Х. Тонг, (2016). «Кредитный бум и макрофинансовая стабильность», Экономическая политика 31 (86): 299-355.

дель Рио-Чанона, Р. М., П. Мили, А. Пихлер, Ф. Лафонд и Дж. Д. Фармер, (2020), «Шоки спроса и предложения в пандемии COVID-19: перспективы отрасли и профессии», COVID Economics : Проверенные документы и документы в реальном времени , выпуск 6.

Демму, Л., И. Стефанеску и А. Арки, (2019), «Рост производительности и финансирование: роль нематериальных активов — анализ на уровне сектора», Рабочие документы Департамента экономики ОЭСР , № 1547, Издательство ОЭСР.

Dentons, (2020), Изменения в законе о банкротстве: обзор (временных) мер в ответ на COVID-19 .

Европейская комиссия, (2019), Директива ЕС по основам превентивной реструктуризации и второй шанс .

Франц П. и Н. Инстефьорд, (2019), «Избыточная задолженность и реструктуризация не проблемной задолженности», Journal of Financial Intermediation , Vol. 37 (С): 75-88.

Фрювирт М. и М. Кобиалка (2011 г.), «Уменьшают ли налоговые щиты на акционерный капитал леверидж? Австрийский случай »Доступно в SSRN: https: // ssrn.com / abstract = 1458245.

Гал, П., (2013), «Измерение общей факторной производительности на уровне фирмы с использованием OECD-ORBIS», Рабочие документы Департамента экономики ОЭСР , № 1049, OECD Publishing, Париж.

Гурреа-Мартинес, А., (2020), «Законодательство о несостоятельности во времена COVID-19», Блог Оксфордского юридического факультета .

Хэнсон, С., Дж. Стейн, А. Сандерам и Э. Цвик, (2020), «Страхование непрерывности бизнеса: свет в Америке во время пандемии», Белая книга Института Беккера Фридмана .

Хебоус С. и М. Руф (2017), «Оценка воздействия систем ACE на многонациональное долговое финансирование и инвестиции», Journal of Public Economics , Vol. 156: 131-149.

Hege, U., (2020), «Корпоративный долг грозит сорвать взыскание», TSE Mag # 20 .

Hotchkiss, E.S., P. Stromberg and D. Smith, (2012), «Частный капитал и решение финансовых проблем», AFA 2012 Chicago Meetings Paper, ECGI — Finance Working Paper , No.331.

Айверсон, Б., (2018), «Постой в очередь: реструктуризация главы 11 в переполненных судах по делам о банкротстве», Management Science , Vol. 64 (11): 5370-5394.

INSOL International — Группа Всемирного банка, (2020), Глобальное руководство Корпоративная несостоятельность: меры реагирования во времена Covid-191: отчет ,

Жорда, О., М. Шуларик и А.М. Тейлор, (2013 г.), «Когда кредит возвращается», Journal of Money, Credit and Banking , Vol 45: 3-28.

Калемли-Озджан, С., Л.А. Лаевен и Д. Морено, (2019) «Избыточная задолженность, (2019) Риск пролонгации и корпоративные инвестиции: свидетельства европейского кризиса», Рабочий документ ЕЦБ , № 2241

Кент, П., ( 1993), «Лондонский подход», Ежеквартальный бюллетень Банка Англии .

Герини, М., Л. Неста, X. Рагот и С. Скьяво, (2020), «Ликвидность и платежеспособность фирмы в условиях карантина COVID-19 во Франции», Аналитический отчет OFCE , №76.

Миллер М. и Дж. Стиглиц, (2010), «Кредитное плечо и пузыри активов: предотвращение армагеддона с помощью главы 11?», Рабочие документы NBER , No.15817.

Мюррей М. (2020), «Управление кривой несостоятельности в Австралии » , Oxford Business Law Blog .

Майерс, С. С., (1977) «Детерминанты корпоративного заимствования», Журнал финансовой экономики , Vol. 5 (2), 147–175.

ОЭСР, (2020a), «Уязвимости корпоративного сектора во время вспышки COVID-19: оценка и политические меры», Tackling Coronavirus Series .

ОЭСР, (2020b), Первоначальное влияние пандемии COVID-19 на нефинансовый корпоративный сектор и корпоративные финансы », Предстоящая серия по борьбе с коронавирусом.

ОЭСР, (2020c), «Кризис COVID-19 и государственная собственность в экономике: проблемы и политические соображения», серия Tackling Coronavirus Series.

ОЭСР, (2020d), «Поддержка предприятий, находящихся в затруднительном финансовом положении, чтобы избежать банкротства во время кризиса COVID-19», Tackling Coronavirus Series .

ОЭСР, (2020e), «Национальные инициативы, связанные с корпоративным управлением во время кризиса COVID-19: обзор 37 юрисдикций», серия Tackling Coronavirus Series.

OECD, (2020f), «Тенденции рынка корпоративных облигаций, возникающие риски и денежно-кредитная политика», OECD Capital Market Series .

OECD, (2020g), «Стартапы во время COVID-19: сталкиваясь с проблемами, используя возможности», Tackling Coronavirus Series .

ОЭСР (2020h), «Программы государственной финансовой поддержки предприятий в связи с COVID-19», ОЭСР, Париж.

Оздамар, М., Б. Таньери и Л. Акдениз, (2020), «Влияние налогового регулирования на стоимость фирмы: турецкий случай регулирования поправок на корпоративный капитал (ACE)», Applied Economics Letters .

Панье, Ф., Перес-Гонсалес, Ф. и П. Вильянуэва, (2013), «Структура капитала и налоги: что происходит, когда вы (также) субсидируете акционерный капитал», mimeo.

Princen, S., (2012), «Налоги действительно влияют на решения о корпоративном финансировании: пример бельгийской ACE», CESifo серия рабочих документов , № 3713.

Skeel, D., (2020 ), «Банкротство и коронавирус», Brookings Economic Studies.

Сквайр Паттон Боггс, (2020), Влияние COVID-19 на законы о несостоятельности: как страны обновляют свои законы о несостоятельности и реструктуризации для борьбы с COVID-19.

ван Рой, М., А. Лусарди и Р. Алесси, (2011), «Финансовая грамотность и участие на фондовом рынке», Journal of Financial Economics , Vol. 101 (2): 449-472.

Ваттермоли, Д., (2020), «Закон о пандемии и несостоятельности: итальянский ответ » , Oxford Law Blog.

Ву Д., (2000), «Два подхода к устранению проблемных активов во время финансовых кризисов», Рабочий документ МВФ , № 33.

Вулдридж, Дж.М., (2009), «Об оценке производственных функций на уровне фирмы с использованием замещающих переменных для контроля ненаблюдаемых факторов», Economics Letters , 104: 112–114.

Всемирный банк, (2016), «Принципы эффективной несостоятельности и режимы кредиторов / должников», Группа Всемирного банка .

Всемирный банк, (2017 г.), «Отчет о порядке несостоятельности ММСП», Группа Всемирного банка.

Всемирный банк, (2018), «Сбережения предпринимателей, сберегательные предприятия: предложения по урегулированию несостоятельности ММСП», Группа Всемирного банка .

Зангари, Э., (2014), «Устранение предвзятости в отношении долга: сравнение бельгийской и итальянской систем ACE», Taxation Papers — Working Paper No. 44, Европейская комиссия. Дополнительные таблицы и рисунки.

Модель риска банкротства и эмпирические тесты

Аннотация

Мы анализируем зависимость от размера и временную стабильность риска банкротства фирмы в экономике США, применяя методы масштабирования Ципфа. Мы сосредотачиваемся на одном факторе риска — соотношении долга к активам R — чтобы изучить стабильность распределения Zipf R во времени.Мы обнаружили, что показатель Ципфа увеличивается во время обвалов рынка, что означает, что фирмы становятся банкротами с более высокими значениями R . Основываясь на анализе Ципфа, мы используем теорему Байеса и связываем условную вероятность того, что банкротная фирма имеет коэффициент рэндов , с условной вероятностью банкротства для фирмы с заданным значением рэндов . Для 2737 обанкротившихся фирм мы демонстрируем зависимость изменения активов от размера в ходе процедуры банкротства. Активы предконкурсных фирм и активы фирм-петиций следуют распределению Ципфа, но с разными показателями, что означает, что фирмы с меньшими активами корректируют свои активы больше, чем фирмы с более крупными активами в процессе банкротства.Мы сравниваем фирмы-банкроты с фирмами, не являющимися банкротами, путем анализа активов и пассивов двух крупных подгрупп экономики США: 2545 членов Nasdaq и 1680 членов Нью-Йоркской фондовой биржи (NYSE). Мы обнаружили, что и активы, и пассивы подчиняются распределению Парето. Этот результат не является тривиальным следствием масштабной зависимости Ципфа для размера фирмы, количественно определяемой сотрудниками — хотя рыночная капитализация акций Nasdaq следует распределению Парето, то же самое распределение не описывает акции NYSE.Мы предлагаем объединенную модель Саймона, которая одновременно развивает активы и долги с возможностью банкротства, а также рассматриваем возможность слияния компаний.

Сложные системы обычно связаны друг с другом, поэтому их следует рассматривать и моделировать как взаимозависимые. Важно изучить условия взаимодействия, которые могут привести к взаимному отказу, индикаторы такого отказа и поведение индикаторов во время кризиса. В качестве индикатора экономической неудачи риск дефолта определяется как вероятность того, что заемщик не сможет выполнить свои финансовые обязательства, т.е.е., не может производить выплаты основного долга и / или процентов (1, 2). Соответственно, важно лучше понимать риск дефолта (1–12) и его связь с ростом фирмы (13–17), а также их поведение во время кризиса.

Мы обнаружили, что балансовая стоимость активов и долга американских компаний, объявивших о банкротстве за последние 20 лет, соответствует распределению по шкале Ципфа (степенному закону). То же самое верно и для стоимости активов и долгов небанковских фирм, входящих в Nasdaq. Мы сосредотачиваем наше внимание на единственном индикаторе риска, соотношении долга к активам R , чтобы проанализировать стабильность показателя масштабирования или установить пересекающиеся регионы.Чтобы уловить законы Парето и Ципфа, в литературе, как правило, основное внимание уделяется одной модели Саймона (13, 14, 16, 17), описывающей одну динамическую систему, которая не взаимодействует с другими. Мы моделируем рост стоимости долга и активов с помощью двух зависимых (связанных) моделей Саймона только с двумя параметрами: уровнем банкротства и другим параметром, контролирующим отношение долга к активам. Предсказания по закону Ципфа связанной модели Саймона согласуются с нашими эмпирическими выводами.

Анализируемые данные

Наш набор данных состоит из средних и крупных компаний США, подавших заявки на защиту от банкротства в период 1990–2009 годов.Мы получаем наши данные от New Generation Research, Inc., которая предоставляет один из самых полных наборов данных о банкротстве, доступных в настоящее время в Интернете. Существует также набор данных о банкротстве, доступный на http://bdp.law.harvard.edu/fellows.cfm, но с небольшими фирмами и без данных о долге. Наш набор данных включает данные о 2737 государственных и частных фирмах. Балансовая стоимость активов фирмы в базе данных колеблется от 50 миллионов до почти 700 миллиардов долларов США.

  1. Для каждой фирмы в нашей выборке мы знаем предварительную балансовую стоимость активов фирмы A a и дату вступления в силу банкротства.Из документов судебного иска мы находим балансовую стоимость активов фирмы A b , а также балансовую стоимость всего долга, D b . В качестве примера, Lehman Brothers подала петицию 15 сентября 2008 г., указав 31 мая 2008 г. задолженность D b и активы A b . Таким образом, A b , A a и D b определяют состояние должника перед объявлением банкротства.Мы можем получить A b и долг D b для 462 фирм. Обратите внимание, что исх. 5, 6 и 12 изучали 53, 105 и 585 фирм-банкротов соответственно. Часто в период, предшествующий банкротству, происходит существенное изменение долга и активов компании. Следовательно, для каждой фирмы мы рассчитываем отношение долга к активам (коэффициент левериджа) [1] из общей суммы долга D b и активов A b , оцениваемых одновременно.Обратите внимание, что в экономике существует параллельная трактовка, известная как теория инвестиций Тобина Q , которая также фокусируется на одном факторе Q (18).

    В литературе по анализу коэффициентов (4, 6, 8) для прогнозирования вероятности дефолта используются множественные финансовые коэффициенты, такие как отношение общей суммы обязательств к общей сумме активов. Добавление большего количества факторов, вероятно, улучшит предсказательную силу модели, поэтому мы рассматриваем только один фактор риска, а именно отношение долга к активам R , которое отражает уровень задолженности компании.Мы используем единый коэффициент по двум причинам: ( i ), чтобы сделать модель как можно более простой, и ( ii ), чтобы упростить наше исследование относительно того, влияют ли крахи рынка и глобальные рецессии на масштабирование, существующее в данных о банкротстве. Чтобы связать вероятность банкротства с R , мы анализируем отношения масштабирования, которые количественно определяют распределение вероятностей фирм, вступивших в процедуру банкротства с конкретными значениями A b и R .Наш анализ включает очень небольшое количество молодых начинающих фирм, для которых возраст фирмы также влияет на вероятность банкротства в дополнение к R . В 2009 году мы обнаружили, что средний срок жизни 215 проанализированных фирм-банкротов составлял 35,8 ± 33,9 года, а минимальный срок жизни — 3 года.

  2. Мы анализируем рыночную капитализацию, активы и обязательства 2545 фирм, торгуемых на Nasdaq за трехлетний период с 2006 по 2008 гг. Мы также анализируем активы и обязательства 1680 фирм, торгуемых на Нью-Йоркской фондовой бирже (NYSE) в период с 2007 по 2009 гг.Также мы анализируем рыночную капитализацию участников NYSE за период 2002–2007 гг.

Количественные методы

Наш анализ тесно связан с литературой по размеру фирмы (19, 20). Анализируя данные Бюро переписи населения США, исх. 20 сообщили, что размеры фирм в США подчиняются закону Ципфа: количество фирм, превышающих размер s составляет s — ζ , где ζ 1. Распределение Zipf находится для распределения размеров городов (21) и распределения размеров фирм (20, 22).

Кумулятивное распределение — это простое преобразование отношения ранг-частота Ципфа, где наблюдения x i упорядочены в соответствии с рангом r от наибольшего ( r 1) к наименьшему. Для переменных, распределенных по Парето s с кумулятивным распределением P ( s > x ) ∼ x — ζ ′ , график Ципфа размера s в сравнении с рангом r демонстрирует степенной режим масштабирования с показателем масштабирования ζ , где [2]

Результаты анализа

Рис.1 A показывает график Ципфа для предварительной балансовой стоимости активов A a . Данные приблизительно линейны в логарифмическом графике с показателем [3], полученным с использованием обычного метода регрессии наименьших квадратов. Что касается данных по США о размере фирм (измеряется количеством сотрудников), см. Исх. 20 сообщил значение ζ ≈ 1. Следовательно, до подачи заявления о защите от банкротства, балансовая стоимость активов фирмы для компаний, которые позже подверглись банкротству, удовлетворяет соотношению масштабирования, аналогичному приведенному в исх.20. Фирмы с рейтингом выше ≈500 начинают отклоняться от закона Ципфа в результате эффектов конечного размера, обнаруженных в данных о размере фирмы (20).

Рис. 1.

График Ципфа активов обанкротившихся фирм в США. ( A ) График Ципфа, рассчитанный для фирм за последние 20 лет между совокупными активами до конкурса, A a в зависимости от ранга. Отклонение от закона Ципфа связано с тем, что набор данных включает в основном фирмы с активами более 50 миллионов долларов (пунктирная линия).( B ) График Ципфа зависимости обанкротившихся долговых компаний США от рейтинга — всего 462 фирмы — вместе с графиком Ципфа балансовой стоимости активов и рейтинга. Эти два сюжета практически пересекаются.

Известно, что рыночный капитал фирм, близких к банкротству, обычно дисконтируется трейдерами (10, 12). Чтобы изучить, зависят ли эти изменения от размера во время банкротства, мы проверяем, есть ли разница в поведении масштабирования между активами фирмы до подачи заявления и подачи петиции. Инжир.1 B ранжирует балансовую стоимость активов компании A b и твердую задолженность D b . Мы находим [4] Обратите внимание, что на рис. 1 представлены только фирмы с наибольшими значениями A a и A b . Таким образом, фирмы с наибольшими корректировками банкротства с потенциально небольшими значениями A b не обязательно включены в диаграмму 1.Также найден закон Ципфа для распределения совокупных обязательств обанкротившихся фирм в Японии (23, 24).

Мы получаем, что ζ b > ζ a , несоответствие, которое может представлять потенциальный практический интерес. Чтобы прояснить этот момент, если A b связано с A a константой A b / A a ≡ мы бы наблюдали ζ a = ζ b .Тем не менее, мы наблюдаем возрастающую зависимость A a / A b ∝ r ζ b — ζ r , что означает, что фирмы-банкроты с более мелкими A a имеют большие относительные корректировки, чем фирмы-банкроты с более крупными A b .

Наш анализ вероятности банкротства из-за ограниченности данных основан на балансовой стоимости.Кто-то может возразить, что более релевантный анализ будет основан на рыночной стоимости активов и обязательств. Теперь мы продемонстрируем, что использование рыночной стоимости вместо балансовой стоимости на самом деле может привести к аналогичным результатам. Для этого рассмотрим компании, по которым у нас есть данные как о рыночной, так и о балансовой стоимости, а именно акции, составляющие Nasdaq. Мы начнем с определения рыночной капитализации участников Nasdaq за каждый год с 2002 по 2007 год. Данные доступны в Bloomberg L.P. Рис. 2 A показывает график Ципфа для рыночной капитализации, дефлированной до значений в долларах 2002 года.Мы обнаружили, что рыночная капитализация по сравнению с рейтингом для ≈1000 крупнейших компаний хорошо описывается законом Ципфа с показателем степени ζ M = 1,1 ± 0,02, в соответствии с исх. 25.

Рис. 2.

( A ) График Zipf рыночной капитализации M в сравнении с рангом r для членов Nasdaq за каждый год из 6 лет. Мы находим практически тот же закон Ципфа для 1000 крупнейших компаний, что и для активов A a обанкротившихся фирм на рис.1 В . ( B ) Для фирм Nasdaq и активы, и пассивы следуют графику Ципфа. ( C ) Балансовая стоимость собственного капитала акций, торгуемых на Nasdaq, определяемая как активы за вычетом обязательств, соответствует закону Ципфа.

На рис. 2 B мы повторяем анализ Zipf, используя на этот раз балансовую стоимость активов и долга для тех же акций Nasdaq. Показатели масштабирования, которые мы наблюдаем на рис. 2 B , больше, чем показатель, наблюдаемый на рис. 2 A . Однако рыночная капитализация лучше всего сравнивать с балансовой стоимостью собственного капитала E ≡ A — D , а не с активами A .На рис.2 C мы находим, что E также демонстрирует масштабирование Ципфа с показателем ζ E = 1,02 ± 0,01, что больше похоже на ζ M . Таким образом, мы находим качественно аналогичное масштабирование для существующих компаний Nasdaq и для компаний до того, как они вступили в процедуру банкротства.

Вероятность банкротства P ( R ) является естественным показателем бедствия фирмы (10). В предыдущих исследованиях анализировались дефолты фирм, торгуемых на NYSE, Американской фондовой бирже (AMEX) и Nasdaq (10).Напротив, большинство фирм в нашем наборе данных являются частными компаниями. Для предприятий-банкротов на рис. 3 A мы показываем P ( R | B ) для значений отношения долга к активам 0 < R <4. Мы усекаем данные, чтобы избежать выбросов, как в исх. 11. Мы находим, что P ( R | B ) скошен вправо с максимумом при R ≈ 1 и 〈 R 〉 = 1,4 ± 1,5.

Рис. 3.

Риск банкротства, основанный на заявлении о балансовой стоимости актива A b и долга D b .( A ) Находим распределение R = D b / A b для обанкротившихся фирм. Можно рассчитать вероятность того, что фирма с заданным соотношением R обанкротится, если его коэффициент ≤ R . ( B ) Для значений отношения 3> R > 0,8 (67% всех данных) мы показываем график Ципфа, который может быть аппроксимирован распределением Парето с ζ R = 0.57. Тот же режим мы подгоняем к степенному хвосту pdf и получаем 0,79 R -2,72 , где показатель степени ζ ′ + 1 = 2,73 согласуется (см. Уравнение 2 ) с показатель Ципфа ζ = 0,57. Для наибольших значений отношения R > 3 (7% всех данных) мы находим переход к степенному режиму с ζ R = 1,58.

Предыдущие исследования показали, что риск банкротства акций NYSE и AMEX отрицательно связан с размером фирмы (10).Чтобы проверить зависимость риска банкротства от размера фирмы с использованием R в качестве меры банкротства, мы разделим значения R на две подвыборки на основе их значения A b . На рис. 3 A мы качественно демонстрируем, что R зависит от размера. Функции плотности вероятности (pdfs) для малых A b и больших A b похожи в том, что они обе показывают пики при R ≈ 1.Однако фирмы с меньшими активами, по оценке A b , имеют большую вероятность высокого отношения долга к активам R , чем фирмы с большими активами A b .

Кроме того, мы проверяем зависимость от размера, выполняя тест Манна – Уитни U , который количественно определяет разницу между двумя популяциями на основе разницы между рейтингами активов двух выборок. (Нулевая гипотеза состоит в том, что распределения одинаковы.) Поскольку значение статистики теста U = -5,60, мы отклоняем нулевую гипотезу, тем самым подтверждая, что R зависит от A b при уровне достоверности p = 0,05.

На рис. 3 B мы анализируем масштабирование Zipf для больших R . Мы обнаружили, что график Ципфа можно аппроксимировать двумя степенными режимами. Для ≈300 фирм с 0,8 < R <3 (режим I ) мы находим степенной режим с ζ R = 0.57 ± 0,02. Следовательно, согласно формуле. 2 , мы заключаем, что совокупное распределение опасно высоких значений R обанкротившихся фирм уменьшается быстрее с ζ ′ ≈ 1,72 для больших R , чем распределение размера фирмы (20) и активов фирмы с ζ ′ ≈ 1 (см. Рис.1). Для R > 3 (7% всех данных, включая преимущественно финансовые фирмы), мы обнаруживаем, что график Ципфа демонстрирует значительное переходное поведение к степенному режиму с ζ ≈ 1.58.

Условная вероятность P ( B | R ) того, что существующая фирма с соотношением долга к активам R подаст заявку на защиту от банкротства, может иметь значение для рейтинговых агентств, кредиторов и инвесторов. . Согласно теореме Байеса, P ( B | R ) зависит от P ( R | B ) (см. Рис. 3), P ( B ), вероятность банкротство для существующих фирм, и P ( R ), вероятность существующей компании с коэффициентом левериджа R .Чтобы оценить P ( R ), мы используем компании, составляющие Nasdaq в трехлетнем периоде с 2007 по 2009 год, в качестве прокси для существующих компаний. Для этого периода времени мы получаем балансовую стоимость активов и обязательств каждой фирмы (последние служат в качестве прокси для общей суммы долга). В результате получаем 7635 значений R со средним значением 0,48. Для существующих членов Nasdaq на рис.4 показано, что график Ципфа можно аппроксимировать двумя степенными режимами, где режим I с 3.5> R > 0,9 дает ζ e = 0,37 ± 0,01. Обратите внимание, что режим I аналогичен тому, который мы находим на рис. 3 B для данных о банкротстве. P ( B ) может существенно измениться во время экономических кризисов. Интересно, что исх. 26 анализирует отношение долга к ВВП (валовой внутренний продукт) для стран по аналогии с отношением долга к активам для существующих фирм и вычисляет коэффициент масштабирования Ципфа, который примерно совпадает с показателем масштабирования, рассчитанным здесь для существующих фирм. Фирмы Nasdaq.

Рис. 4. График

Zipf отношения долга к активам R и рейтинг r для существующих фирм участников Nasdaq за последние 3 года. Для значений отношения ≈300 меньше 3,5 и больше 0,95 график Ципфа имеет показатель степени 0,37. Тот же самый режим мы подбираем для степенного хвоста pdf и получаем 1,54 R -3,6 , где показатель ζ ′ = 3,6 согласуется (см. Уравнение 2 ) с показателем Ципфа ζ = 0,37.

Мы оцениваем масштабирование P ( B | R ) с помощью теоремы Байеса, [5] где мы аппроксимируем P ( R | B ) и P ( R ) со степенными законами — P ( R | B ) ∼ R — (1/ ζ R +1) Δ R и P ( R ) ∼ R — (1/ ζ e +1) Δ R .Значения соответствующих показателей, рассчитанные для режима I , следующие: ζ e ≈ 0,37 (см. Рис. 4) и ζ R = 0,57 (см. Рис. 3 B ), где ζ R > ζ e означает, что P ( B | R ) увеличивается с твердой задолженностью, выраженной в размере R . Префактор 0,51, рассчитанный для режима I , мы оцениваем из соответствующих отсечений в PDF-файлах [см. Рис.3 B и 4]. На рис. 4 мы находим ярко выраженный переход на графике Ципфа для очень больших значений отношения R .

Чтобы проверить, оказывают ли крах рынка и глобальная рецессия существенное влияние на масштабирование, которое мы находим в данных о банкротстве, на рис. 5 мы анализируем масштабирование Ципфа больших значений R для трех различных трехлетних периодов. Для периода 2004–2006 гг. Мы находим устойчивый график Ципфа, характеризующийся показателем степени ζ R = 0.50 ± 0,01 близко к значению, которое мы нашли на рис. 3 B за все проанализированные годы. Для периода 2001–2003 гг., Характеризующегося взрывом пузыря доткомов, мы обнаруживаем менее выраженный переход на графике Ципфа между режимом I с показателем ζ R = 0,58 ± 0,01 и режимом II. . Для периода 2007–2009 гг. Мы обнаруживаем, что график Ципфа демонстрирует значительное перекрестное поведение между режимом I и режимом II .

Фиг.5. График

Ципфа отношения долга к активам R в сравнении с рейтингом R для компаний-банкротов для трех различных 3-летних подпериодов. В течение последних 3 лет, характеризующихся рецессией, график Ципфа демонстрирует переходное поведение. Меньший кроссовер на графике Ципфа также существует для периода 2001–2003 гг., Характеризуемого взрывом пузыря доткомов.

Рис. 5 демонстрирует существование относительно стабильного показателя масштабирования (от 0,5 до 0,6) в режиме I за 9-летний период 2001–2009 гг.Однако во время экономического кризиса, например, в период 2007–2009 годов, показатель степени в режиме I увеличивается, что означает, что фирмы обанкротятся с более высокими значениями R . Согласно формуле. 5 , во время кризиса ( ζ R ≈ 0,6) P ( B | R ) ∝ R 1/ ζ e -1 / ζ R ∝ R 1 смещается вверх по сравнению со временами относительной стабильности ( ζ R ≈ 0.5) когда P ( B | R ) ∝ R 0,7 . Пересечение показателей масштабирования может быть полезно для понимания пузырей активов.

Модель

Наши результаты дополняют литературу по риску дефолта, а также литературу о росте фирм. Согласно исследованию динамики фирм США, более 65% из 500 крупнейших фирм США в 1982 г. перестали существовать как независимые организации к 1996 г. (27). Чтобы объяснить, как фирмы развиваются, расширяются и затем прекращают свое существование, Йованович предложил теорию отбора, в которой ключевым моментом является эффективность фирмы; эффективные фирмы растут и выживают, а неэффективные сокращаются и, в конечном итоге, терпят крах (15).Было предложено множество моделей для моделирования риска дефолта (1, 2, 28–31). В одном из направлений этой литературы (28) разрабатываются структурные модели кредитного риска. В этих моделях рискованный долг моделируется в рамках системы ценообразования опционов, в которой базовым активом является стоимость активов компании. Банкротство происходит эндогенно, когда стоимость активов компании недостаточна для покрытия обязательств. Напротив, в моделях сокращенной формы (2) дефолт моделируется экзогенно.

Чтобы воспроизвести закон Ципфа, который справедлив для обанкротившихся фирм, мы предлагаем связанную модель Саймона, расширение модели Саймона, используемой в теории роста фирм (13, 14, 16, 17).Здесь мы объединяем эволюцию как роста активов, так и роста долга через приобретение долга, которое зависит от активов фирмы, и дополнительно налагаем условие банкротства на активы и стоимость долга фирмы в любой момент времени.

Правило Саймона для активов.

Экономика начинается с одной фирмы в начальный момент времени т 1. На каждом этапе к экономике добавляется новая фирма с начальными активами A 1. С вероятностью p новая фирма i добавляется в экономику как физическое лицо в момент времени t i .С вероятностью 1 — p , новая фирма i будет поглощена уже существующей фирмой. Вероятность того, что фирма i будет поглощена существующей фирмой j , пропорциональна A j ( t ), количество единиц в фирме j равно (1 — p ) A j ( t ) / Σ k A k ( t ).Следовательно, более крупная фирма с большей вероятностью приобретет фирму, чем более мелкая. В этом выражении индекс k пробегает все существующие фирмы в момент времени t . Мы используем значение A j ( t ) в качестве прокси для размера фирмы j . Саймон нашел стационарное решение, демонстрирующее степенное масштабирование, P ( s > x ) ∝ s — ζ ′ , с показателем ζ ′ = 1 / (1 — с. ).Для оценки p , можно исследовать данные венчурного капитала, чтобы увидеть, как венчурные капиталисты распоряжаются своими компаниями. Несмотря на то, что данные предполагают p = 0,5 (см. Ссылку 32), мы используем гораздо меньшее значение p = 0,01, чтобы воспроизвести график Ципфа в уравнении. 4 .

Правило Саймона для долгов.

Когда новая фирма i создается в момент времени t i , ей назначается долг D i ( t i ) = m , где 0 < м <1.Для простоты мы используем единое значение м для всех фирм. Если существующая фирма j приобретает новый актив A i ≡ 1, то A j ( t ) — A j ( t 1) = 1, и долг D j ( t ) — D j ( t — 1) = m . Следовательно, фирма с активами A j ( t ) = N имеет долг D j ( t ) = mN , что означает, что отношение долга к коэффициент активов R = м одинаков для всех фирм.

Чтобы ввести вариации в коэффициенты R между фирмами, мы предполагаем, что в каждый момент времени t i , в экономике создается новый долг для некоторой компании j , так что D j ( t i ) — D j ( t i — 1) = 1. Следовательно, для каждого временного шага существует новый фирма, получающая долг D i = m в дополнение к фирме j , получающей одну единицу долга, где обычно i ≠ j .Вновь созданные единицы долга приобретаются с вероятностью, пропорциональной A j ( t ). Следовательно, законы Саймона, контролирующие рост долга D j ( t ) и рост активов A j ( t ), связаны. В нашей модели более богатые фирмы увеличивают свою задолженность, но с большей вероятностью приобретают новые фирмы.

На рис. 6 A мы выполняем численное моделирование модели, генерируя 500 000 временных шагов Монте-Карло.Мы рассчитываем распределение Zipf отношения долга к активам R для различных вариантов m . Несмотря на то, что долг и, следовательно, R увеличивается с м , наклон графика Ципфа для R по отношению к рангу практически не зависит от значения м . Если не указано иное, в других расчетах мы устанавливаем м = 0,5.

Рис. 6.

Результаты модели. ( A ) График Ципфа отношения долга к активам R в сравнении с рангом r для фирм, созданных с помощью модели (сравните с рис.4) при банкротстве не входит. Чтобы понять плато на рисунке, обратите внимание, что и активы, и долг в модели имеют целочисленные значения. ( B ) Для каждого актива и долга график Ципфа отображает степенной закон R ∼ r — ζ . ( C ) График Ципфа R в зависимости от ранга как функции параметра уровня банкротства q . При уменьшении q наклон немного увеличивается.

После исх.33 мы рассматриваем непрерывную версию нашей модели дискретного времени. В этом случае D j ( t ) и A j ( t ) являются непрерывными действительными функциями времени. Далее, мы предполагаем, что скорость, с которой D j ( t ) изменяется во времени, пропорциональна размеру активов A j ( t ). Следовательно, следуя этому предположению, D j ( t ) = (1 + m ) A j ( t ) из-за приобретения дополнительного долга.Следовательно, поскольку A j ( t ) = t / t j (33), то D j ( (1 ) = + м ) т / т j . Кумулятивная вероятность того, что размер долга фирмы D j ( t ) меньше, чем D , следовательно, P [ D j ( t ) < D ] = P [ t j > (1 + m ) t / D ].В модели Саймона мы добавляем новые фирмы через равные промежутки времени. Таким образом, каждое значение t i реализуется с постоянной вероятностью P ( t j ) = 1/ t . Отсюда следует, что [6] Следовательно, Ур. 6 следует рассматривать как закон Ципфа для долга в случае, когда нет возможности банкротства (см. Уравнение 3 ).

Банкротство фирмы.

До сих пор долг моделировался как безрисковый.Теперь мы вводим банкротство в связанную модель Саймона. Мы предполагаем, что для каждой фирмы существует вероятность банкротства, которая зависит от изменчивой стоимости активов фирмы (28). Чтобы соответствовать нашим эмпирическим результатам, мы предполагаем, что фирма j , которая была создана в момент времени t j , объявляет о банкротстве с вероятностью qR 0,95 (см. Уравнение 6 ) , где q — параметр уровня банкротства, связанный с P ( B ) в уравнении. 6 . В модели рисков уровень риска — это вероятность банкротства на момент времени t , при условии, что компания дожила до времени t (11). В нашей модели, когда фирма j подает заявление о банкротстве, часть ее долга теряется (реструктурируется), и фирма начинает заново с долга, равного D j = mA j . Мы не предполагаем слияния или ликвидации, и вероятность банкротства фирмы не зависит от ее возраста (11).Помимо банкротства, фирма может покинуть отрасль в результате слияния и добровольной ликвидации (9).

Далее мы выполняем 500 000 временных шагов Монте-Карло для модели с возможностью банкротства. На рис. 6 B представлено распределение Zipf для стоимости активов и долга фирмы для всех существующих фирм. Каждое из этих распределений согласуется с законом Ципфа и формулой. 6 . На рис. 6 C для подмножества компаний-банкротов показано распределение Zipf для R с использованием трех различных значений коэффициента банкротства q .Обратите внимание, что q должен быть маленьким. А именно, при q = 10 -7 и 500000 временных шагов, представляющих 1 год, 500000 q представляют собой вероятность того, что компания объявит о банкротстве в течение 1 года, ≈0,05 в нашем случае. Наш результат для годовой вероятности банкротства следует сравнить со средним показателем дефолта ≈0,04, рассчитанным в период 1985–2007 гг. (34). Мы видим, что прогнозы модели примерно соответствуют эмпирическим выводам.

Наша модель может быть расширена по-разному, включая слияние фирм. Во-первых, хотя модель Саймона предполагает, что при каждом приращении времени добавляется новая единица, мы можем предположить, что количество новых единиц растет по степенному закону t θ (35). Используя версию модели дискретного времени с непрерывным временем, мы получаем, где мы используем. Во-вторых, Йованович и Руссо (32) обнаружили, что слияния вносят больший вклад в рост фирмы, чем когда фирма берет на себя небольшого нового участника.Чтобы включить слияния в модель Саймона, мы предполагаем, что в каждый момент времени t одно слияние пары фирм происходит с вероятностью p ′ , где две фирмы выбираются случайным образом. Ref. 36 сообщили, что более чем в двух третях всех слияний с 1973 года стоимость Tobin Q приобретаемой фирмы превышала стоимость Tobin Q целевой фирмы, где Q — коэффициент Тобина, аналогично определяемый как D соотношение в уравнении. 1 . С этой целью мы предполагаем, что если A j > A i , когда происходит слияние, A j = A j i и A i = 0. Таким образом, более богатая фирма j покупает менее богатую фирму i , что приводит к исключению фирмы i как физического лица. .На рис. 7 мы показываем, что включение слияний не меняет безмасштабный характер модели Саймона. В этих симуляциях мы используем переменную вероятность слияния p ′ и p = 0,01 с 1 миллионом временных шагов. С увеличением p ′ показатель Ципфа ζ медленно уменьшается. Обратите внимание, что с 1 миллионом временных шагов, если p ′ = 0,5 p , а при p = 0,01, происходит примерно 5000 слияний.

Рис. 7.

Безмасштабная персистентность в модели Саймона со слияниями. График Ципфа значения A j ( t ) — стоимость активов фирмы j — рейтинг по сравнению с r для модели Саймона с параметром слияния p ′ , представляющий вероятность слияния пары фирм. С увеличением p ′ , ζ медленно увеличивается.

В заключение отметим, что рыночная капитализация, а также балансовая стоимость активов, обязательств и капитала для акций, торгуемых на Nasdaq, демонстрируют свойства масштабирования по Парето.Свойства масштабирования по Парето не являются тривиальным следствием масштабирования (20), потому что для компаний, торгуемых на NYSE, мы не находим аналогичного степенного масштабирования для рыночной капитализации (см. Рис. 8 A ) и балансовой стоимости капитала. Однако балансовая стоимость активов и обязательств для акций NYSE соответствует закону Парето с показателями, которые немного больше, чем те, которые мы находим для акций Nasdaq (см. Рис. 8 B ). Наши результаты показывают несоответствие в масштабировании рыночной капитализации и балансовой стоимости капитала, полученного на разных биржевых рынках (например,g., Nasdaq и NYSE).

Рис. 8. График

Zipf рыночной капитализации ( A ) M по сравнению с рангом r и ( B ) активов и долга по сравнению с рангом r для участников NYSE за 2007 год. Кривая в следует растянутой экспоненциальной экспоненте (- r β / τ ) с β = 0,5 и τ = 45.

Благодарности

Мы благодарим Ксавье Габе за полезные предложения и Министерство Министерства науки Хорватии, Министерства науки и технологий Сербии и Национального научного фонда за финансовую поддержку.

Сноски

  • 1 Кому может быть адресована корреспонденция. Электронная почта: bp {at} phy.hr или hes {at} bu.edu.

  • Вклад авторов: B.P., D.H., A.M.P., B.U. и H.E.S. разработал исследования, провел исследования, предоставил новые реагенты / аналитические инструменты, проанализировал данные и написал статью.

  • Авторы заявляют об отсутствии конфликта интересов.

Федеральный резервный банк Сан-Франциско

София М.Фризенхан и Саймон Х. Кван

Многие предприятия накопили высокий уровень долга или левериджа до пандемии COVID-19. Из предосторожности или по необходимости фирмы увеличили свои заимствования после начала. Хотя потрясение для стоимости этих фирм значительно увеличило их риск, измеряемый их расстоянием до дефолта, риск дефолта остается относительно небольшим для большинства корпоративных долгов. Тем не менее, сумма непогашенных обязательств у фирм с повышенным риском неплатежеспособности более чем в два раза выше, чем на пике мирового финансового кризиса.

Пандемия коронавирусного заболевания 2019 года (COVID-19) стала беспрецедентным шоком для экономики США. Безработица резко выросла на фоне крупнейшего за всю историю сокращения экономической активности. Хотя страна развернула фискальную и денежно-кредитную политику, чтобы противостоять спаду и смягчить серьезный шок, то, как быстро экономика восстановится, остается весьма неопределенным и будет зависеть от пути распространения вируса.

В то время как финансовые компании в целом были хорошо капитализированы и устойчивы до начала кризиса в области здравоохранения, многие другие предприятия вступили в пандемию с очень высоким уровнем долга или заемного капитала.На этом фоне пандемия резко снизила прибыль компаний. Доступность кредитов стала недостаточной, поскольку кредиторы ужесточили стандарты андеррайтинга. Повышенное внимание уделяется способности предприятий пережить кризис и его последствиям для финансовой стабильности.

В этом экономическом письме мы исследуем влияние пандемии COVID-19 на риск неплатежеспособности нефинансовых компаний в США, используя высокочастотные рыночные данные для оценки их расстояния до дефолта.Наши результаты показывают, что их риск неплатежеспособности значительно вырос после пандемии и сопоставим с пиком мирового финансового кризиса 2008 года с точки зрения их близости к банкротству. Более того, с 2008 года предприятия почти удвоили объем заемных средств, а отношение нефинансового долга предприятий к валовому внутреннему продукту страны находится на максимальном уровне за 40 лет. Таким образом, для данного уровня риска неплатежеспособности размер подверженности сейчас выше, чем во время финансового кризиса. Среди фирм, которые особенно близки к банкротству согласно метрике расстояния до дефолта, сумма их долга в настоящее время более чем в два раза превышает сумму для этой же группы риска во время глобального финансового кризиса.

Нефинансовые коммерческие займы

Деловой долг США растет на протяжении многих лет. Отношение балансовой стоимости долга к совокупным активам для всех публично торгуемых нефинансовых фирм было на самом высоком уровне за 20 лет в начале 2020 года. Для государственных фирм с высокой долей заемных средств этот показатель близок к рекордному уровню (Совет управляющих 2020 ).

Когда в стране разразился кризис, связанный с коронавирусом, компании поспешили использовать свои кредитные линии в банках.Это отчасти усугубилось, когда рынок коммерческих бумаг, обеспечивающий краткосрочное финансирование предприятий, замерз. Федеральная резервная система учредила механизм финансирования коммерческих бумаг, который быстро восстановил ликвидность на рынке коммерческих бумаг, облегчая предприятиям получение краткосрочного финансирования с рынка. Выпуск корпоративных облигаций первоначально прекратился с началом пандемии, но возобновился вскоре после того, как ФРС запустила механизм первичного кредитования корпоративных клиентов. Позднее ФРС запустила механизм вторичного кредитования корпоративных клиентов, чтобы обеспечить поддержку ликвидности на рынке корпоративных облигаций и еще больше повысить его бесперебойное функционирование.С тех пор чистый выпуск корпоративных облигаций был устойчивым, особенно среди фирм инвестиционного уровня. По мере того, как фирмы увеличивали объем заимствований во время пандемии, главным образом для увеличения своих денежных авуаров в целях предосторожности, нефинансовый бизнес-рычаг еще больше ускорился по сравнению с и без того очень высоким уровнем.

На рисунке 1 показаны общие обязательства нефинансовых фирм, сгруппированные по сегментам коэффициента левериджа за 2008, 2019 и 2020 годы по состоянию на сентябрь. Коэффициент левериджа — это отношение балансовой стоимости общих обязательств к сумме балансовой стоимости обязательств и рыночной стоимости акций.Таким образом, чем выше процент ведра, тем выше объем займов для этих компаний. Общие обязательства во всех сегментах левериджа, за исключением диапазона 90–100%, в 2020 году будут выше, чем в 2008 году, что отражает тенденцию к более высокому уровню левериджа нефинансового бизнеса после финансового кризиса. Совокупные обязательства в 2020 году с поправкой на инфляцию в 1,7 раза превышают уровень 2008 года.

Рисунок 1
Итого бизнес-обязательства по сегментам коэффициента левериджа

После пандемии общие обязательства увеличились для каждой из четырех корзин с наивысшим кредитным плечом.Это отражает рост заемных средств среди фирм в целом, а также тот факт, что фирмы и без того с высокой долей заемных средств еще больше увеличили свои заимствования.

Риск неплатежеспособности во время пандемии

Несмотря на беспрецедентные бюджетные стимулы со стороны правительства США и интервенции Федеральной резервной системы на кредитный рынок, многие предприятия потерпели неудачу. Подача заявок о банкротстве в соответствии с главой 11 идет самым быстрым темпом с 2013 года. Количество компаний, объявивших дефолт по своим долгам в этом году, превысило общее количество за весь 2019 год и, по всей видимости, станет самым высоким с 2009 года.

Большой объем непогашенных корпоративных облигаций этих предприятий был понижен в марте 2020 года. Это включало повышенное количество «падших ангелов» — облигаций, рейтинг которых был понижен с инвестиционного уровня до уровня ниже инвестиционного. Количество компаний на нижних ступенях лестницы кредитных рейтингов, то есть на одну ступень выше дефолта, с начала этого года почти удвоилось.

Насколько близки предприятия к банкротству в этих сложных условиях? Мы решаем этот вопрос, оценивая расстояние до дефолта каждой нефинансовой корпоративной фирмы в Соединенных Штатах.Мы используем высокочастотные рыночные данные, которые отражают ожидания рынка в отношении будущей государственной помощи в связи с пандемией, чтобы гарантировать своевременность и перспективность нашей меры по достижению дефолта. Более того, этот метод позволяет нам вычислить расстояние до дефолта для фирм, которые не выпускают государственный долг и не имеют рейтингов рейтинговых агентств.

Мертон (1974) применяет модель ценообразования опционов Блэка-Шоулза (1973) к оценке капитала, обеспечивая критически важное понимание риска неплатежеспособности фирмы.В соответствии с этой структурой, когда наступает срок погашения долга компании, акционеры могут выбирать между выплатой держателям долговых обязательств, чтобы сохранить контроль над фирмой, или невыполнением обязательств по долгу и предоставлением держателям долговых обязательств права контролировать активы фирмы. Теоретически, когда стоимость фирмы превышает долговые обязательства, акционеры расплачиваются с держателями долговых обязательств и сохраняют остаточную стоимость фирмы. Когда рыночная стоимость фирмы падает ниже стоимости обязательств — другими словами, она неплатежеспособна — акционеры отказываются от своего права контролировать активы фирмы и уходят ни с чем.Расстояние до дефолта измеряет, насколько близко фирма находится к этому условию несостоятельности, принимая во внимание рыночную стоимость фирмы, номинальную стоимость обязательств и волатильность активов фирмы. Таким образом, этот показатель представляет собой полезный индикатор риска неплатежеспособности в режиме реального времени.

В этом письме мы измеряем рыночную стоимость фирмы по рыночной стоимости акций и балансовой стоимости долгов. Мы оцениваем волатильность активов фирмы, используя историческую ежедневную волатильность капитала фирмы за последние 252 торговых дня.Следует сделать несколько предостережений: как и в случае с другими рыночными индикаторами, мы предполагаем, что рыночные цены точно отражают истинную экономическую стоимость базовых активов. Волатильность в будущем может быть выше или ниже, чем волатильность в прошлом, и, вероятно, будет следовать за развитием пандемии. Условие несостоятельности в нашей модели носит технический характер и, как таковое, не приводит к автоматическому дефолту.

Мы выражаем расстояние до дефолта как количество стандартных отклонений стоимости фирмы от границы несостоятельности.Это означает, что меньшая дистанция до дефолта соответствует более высокому риску неплатежеспособности. На Рисунке 2 показано межфирменное распределение расстояния до дефолта для всех публично торгуемых нефинансовых компаний на конец 2008 и 2019 годов; за 2020 год это показатель отражает рыночные данные по состоянию на 24 сентября и общую сумму обязательств на конец второго квартала. После пандемии распределение сместилось влево, указывая на то, что нефинансовые компании, акции которых обращаются на бирже, в целом приближаются к порогу несостоятельности.В результате более низкой стоимости капитала и повышенной волатильности среднее расстояние до дефолта снизилось с 4,28 в 2019 году до 2,20 в сентябре 2020 года, а 25-й процентиль распределения упал с 2,48 в 2019 году до 1,18 сейчас. Текущее распределение риска неплатежеспособности во многих отношениях сопоставимо с распределением финансового кризиса 2008 года. Медиана 1,96 в 2008 г. и 1,14 для 25-го процентиля были лишь немного ниже, чем сейчас. Кроме того, текущая доля фирм на границе неплатежеспособности очень похожа на то, что было в 2008 году.

Рисунок 2
Распределение расстояний предприятий до значения по умолчанию

Источник: Bloomberg, Compustat и Совет управляющих Федеральной резервной системы.

Риск неплатежеспособности и уязвимость

Для мониторинга финансовой стабильности левый конец распределения компаний по расстоянию до дефолта представляет особый интерес, поскольку эти фирмы ближе к банкротству, чем другие фирмы. Чтобы сгруппировать фирмы, которые имеют более высокую вероятность стать неплатежеспособными, мы вычисляем вероятность неплатежеспособности для каждой фирмы, оценивая вероятность того, что стоимость их активов упадет ниже стоимости их обязательств при их текущем уровне расстояния до дефолта.Затем мы группируем фирмы в корзины с шагом 10% на основе их вероятности неплатежеспособности.

В настоящее время 95% общей непогашенной корпоративной задолженности приходится на фирмы с вероятностью банкротства менее 30%, несмотря на исторически высокие уровни нефинансового долга бизнеса. Это говорит о том, что подавляющее большинство корпоративного долга не подвержено риску дефолта в ближайшем будущем. Тем не менее, правый хвост распределения вероятности дефолта, то есть те компании, у которых наиболее высока вероятность стать неплатежеспособными, выглядит иначе, чем в 2008 году.На Рисунке 3 показана сумма общих обязательств, сгруппированных по вероятности корзины неплатежеспособности, превышающей 30%. Общая сумма обязательств с вероятностью банкротства более 70% в настоящее время составляет 40,5 млрд долларов США, оцененных в долларах 2008 года. Это существенный рост по сравнению с прошлым, более чем в два раза по сравнению с уровнем 2008 года.

Диаграмма 3
Итого бизнес-обязательства по сегментам вероятности неплатежеспособности

Заключение

Согласно нашему анализу расстояния до дефолта, шок COVID-19 значительно увеличил риск неплатежеспособности нефинансовых предприятий, несмотря на масштабные налогово-бюджетные стимулы и ряд кредитных механизмов Федеральной резервной системы.Хотя риск неплатежеспособности в целом похож на пик мирового финансового кризиса, предприятия вступили в пандемию, уже имея очень высокую долговую нагрузку, и с тех пор они еще больше увеличили эти уровни долга. В настоящее время подавляющее большинство непогашенных корпоративных долгов приходится на фирмы с низкой вероятностью банкротства, несмотря на исторически высокий уровень левериджа бизнеса. Тем не менее, на эти фирмы с повышенным риском неплатежеспособности приходится значительная сумма непогашенных обязательств на общую сумму 40 долларов.5 миллиардов долларов в 2008 году, что более чем в два раза выше, чем на пике мирового финансового кризиса.

София Фризенхан — научный сотрудник Департамента экономических исследований Федерального резервного банка Сан-Франциско.

Саймон Кван — старший научный консультант Департамента экономических исследований Федерального резервного банка Сан-Франциско.

Список литературы

Блэк, Фишер и Майрон Скоулз. 1973. «Стоимость опционов и корпоративных обязательств.” Журнал политической экономии 81 (3), стр. 637–654.

Совет управляющих Федеральной резервной системы. 2020. Отчет о финансовой стабильности . Вашингтон, округ Колумбия: Совет управляющих, май.

Мертон, Роберт С. 1974. «О ценообразовании корпоративного долга: структура риска процентных ставок». Финансовый журнал 29 (2), стр. 449–470.

Должны ли вы деньги от бизнеса, объявленного о банкротстве?

Федеральные суды обладают исключительной юрисдикцией в отношении дел о банкротстве.Это означает, что дело о банкротстве не может быть подано в суд штата.

Предположим, вы ведете дела с компанией, которая должна вам деньги, или опаздывала с оплатой за предоставленные вами услуги. Вы могли даже подать в суд, чтобы получить выплаты. Но затем вы получаете уведомление о том, что компания объявила о банкротстве.

В этой статье объясняются некоторые права и обязанности в этой ситуации.

Подана заявка о банкротстве

Прежде чем вы решите, что делать, вы должны узнать, по какой главе о банкротстве подала компания.Две вероятные главы выглядят следующим образом:

  • Глава 7. Глава Кодекса о банкротстве, предусматривающая «ликвидацию». (иными словами, продажа «неиспользованного имущества» должника и распределение выручки между кредиторами).
  • Глава 11. Глава Кодекса о банкротстве, предусматривающая (как правило) реорганизацию, обычно с участием корпорации или товарищества. (Должник согласно главе 11 обычно предлагает план реорганизации, чтобы сохранить свой бизнес и выплатить кредиторам с течением времени.Компании или частные лица также могут обращаться за помощью в соответствии с главой 11.)

При банкротстве в соответствии с главой 7 компания ликвидируется, и кредиторы получают платеж в порядке приоритета их требования. В главе 11 о банкротстве компания пытается урегулировать дело о банкротстве и согласовывать условия с кредиторами после одобрения суда. Каждая из глав содержит разные процедуры, которые необходимо соблюдать.

Подача иска

Когда компания объявляет о банкротстве, она должна предоставить список своих известных кредиторов.Вот как вы будете уведомлены. Получив уведомление о банкротстве, вам необходимо подать доказательство иска. Доказательство претензии — это письменное заявление и подтверждающая документация, представленная кредитором, в которой описывается причина, по которой должник должен деньги кредитору. (Для этого есть официальная форма.)

После подачи иска в качестве кредитора вы можете присутствовать на собрании « 341». ». Это собрание кредиторов, требуемое разделом 341 Кодекса о банкротстве, когда должник под присягой допрашивается кредиторами, доверительным управляющим, экспертом или U.Доверенное лицо С. о своих финансовых делах. Его еще называют собранием кредиторов.

Как выплачиваются кредиторы

Претензии являются приоритетными. Приоритет относится к порядку, в котором необеспеченные требования должны быть оплачены. (Обеспеченные требования рассматриваются по-разному.)

Приоритет — это установленный Кодексом о банкротстве порядок необеспеченных требований, который определяет порядок, в котором необеспеченные требования будут выплачиваться, если не хватает денег для полной оплаты всех требований.Претензия на приоритет — это необеспеченное требование, которое имеет право на выплату раньше других необеспеченных требований, которые не имеют права на статус приоритета. Узнайте, следует ли уделять приоритетное внимание вашей претензии.

Автоматические опоры

Когда кто-то подает заявление о банкротстве, применяется автоматическое приостановление, которое представляет собой судебный запрет, который автоматически прекращает судебные процессы, выкупа, взыскания и все действия по взысканию с должника с момента подачи прошения о банкротстве. Кредитор может ходатайствовать об отмене автоматического приостановления , чтобы позволить кредитору принять меры против должника или его собственности, которые в противном случае были бы запрещены автоматическим приостановлением.Будет ли удовлетворено ходатайство, зависит от фактов и юридической поддержки ходатайства. В соответствии с Кодексом о банкротстве может быть также состязательных процедур, что составляет исков, возникающих в рамках дела о банкротстве или связанного с ним, которое возбуждается путем подачи жалобы в суд.

Погашение долгов

В конечном итоге должник пытается погасить свои долги. Освобождение от ответственности не позволяет кредиторам, имеющим эти долги, предпринимать какие-либо действия против должника по взысканию долга.Освобождение от ответственности также запрещает кредиторам общаться с должником по поводу долга, включая телефонные звонки, письма и личные контакты.

Следовательно, для вас чрезвычайно важно принять меры после получения уведомления о банкротстве, а также принять активное участие в судебном разбирательстве для защиты своих прав. Проконсультируйтесь со своим адвокатом по этим важным вопросам.

© 2018

Неплатежеспособность и долговая нагрузка после вспышки COVID-19

Неплатежеспособность и долговая нагрузка после вспышки COVID-19: оценка рисков и ответные меры политики

Лилас Демму, Сара Каллигарис, Гвидо Франко, Деннис Длугош, Мюге Адалет Макгоуэн, Сахра Саха 22 января 2021 г.

Быстрая реакция политиков в странах ОЭСР помогла предприятиям преодолеть краткосрочную нехватку ликвидности из-за экономического шока после вспышки COVID-19, избежав немедленных и широко распространенных кризисов неплатежеспособности (Demmou et al.2020, Demmou et al. 2021а). Однако сейчас многие страны вступили во вторую волну кризиса в области здравоохранения, что еще больше усугубило экономический шок беспрецедентных масштабов (Boot et al.2020, Cochrane 2020). Эта ситуация, которая вынуждает фирмы еще больше истощать свои резервы денежных средств и капитала и привлекать новое финансирование, вероятно, приведет к двум основным рискам в среднесрочной и долгосрочной перспективе: (1) длительная волна корпоративных банкротств и (2) проблема «долгового навеса», при которой компании с крупной задолженностью могут отказаться даже от выгодных инвестиционных возможностей из-за ограниченного доступа к новым кредитам и необходимости сокращения заемных средств из-за сокращения затрат и сокращения штатов.Используя выборку из почти одного миллиона европейских фирм, мы исследуем (Demmou et al. 2021b) вероятность этих двух типов рисков и намечаем варианты их смягчения для директивных органов. 1

Прогнозируется, что большая часть фирм столкнется с проблемами, и им будет трудно обслуживать долг, что отрицательно скажется на их инвестициях

Используя простое упражнение по бухгалтерскому учету в духе Карлетти и др. (2020), мы количественно оцениваем влияние пандемии на долгосрочную жизнеспособность компаний.Экономический шок моделируется как изменение операционной прибыли фирм в результате резкого изменения объемов продаж и ограниченной способности фирм полностью корректировать свои операционные расходы. После расчета снижения прибыли, а также с учетом правительственных схем поддержки рабочих мест, реализованных во время первой фазы кризиса, модель позволяет нам предсказать: (1) долю проблемных фирм (то есть фирм, чей чистый капитал прогнозируется отрицательным ), которые подвержены высокому риску неплатежеспособности, и доля фирм, не способных покрывать процентные расходы; и (2) увеличение коэффициентов левериджа фирм, вызванное кризисом.

Для определения масштабов отраслевого падения продаж анализ опирается на шоки спроса и предложения первого раунда, рассчитанные на подробном отраслевом уровне del Rio-Chanona et al. (2020), которые, в частности, объясняют большую неоднородность возможностей удаленной работы между секторами. Что касается продолжительности шока, модель предлагает два альтернативных сценария. «Положительный» сценарий предполагает резкое падение активности на протяжении двух месяцев (что эквивалентно средней продолжительности периода локализации во втором квартале 2020 года) с последующим постепенным, но не полным восстановлением в оставшейся части года.«Обратный» сценарий первоначально перекрывается «положительным» сценарием, но затем моделируется более медленное восстановление из-за более широких дальнейших вспышек вируса, сопровождаемых более строгими ограничениями мобильности.

Предполагаемое снижение прибыли является значительным — в среднем от 40% до 50% нормальной временной прибыли (в зависимости от рассматриваемого сценария). После этого резкого снижения 7% (9%) в остальном жизнеспособных компаний, вероятно, испытают затруднения из-за сценария роста (снижения) (рис. 1).Однако эти проценты неоднородны по секторам и типам фирм. Фирмы в отраслях, которые интенсивно используют нематериальные активы (такие как интеллектуальная собственность, данные или программное обеспечение), сильно пострадали, но они лучше подготовлены к преодолению кризиса, в то время как гостиничный, развлекательный и транспортный секторы пострадали больше всего. Кроме того, более старые, более производительные и крупные компании находятся в более благоприятном положении, чтобы противостоять шоку, по сравнению с их более молодыми, менее производительными и небольшими компаниями.

Рисунок 1 Прогнозируется, что значительная часть жизнеспособных фирм окажется в затруднительном положении

Примечание : На рисунке показан процент проблемных фирм в сценариях роста (треугольники) и снижения (столбцы) для всей экономики (зеленая полоса) и по однозначной отраслевой классификации Nace Rev.2 (синие столбцы). Фирмы считаются неблагополучными, если прогнозируется, что их балансовая стоимость капитала будет отрицательной через год после введения мер ограничения.Обратите внимание, что выборка предварительно ограничена фирмами, имеющими как положительную прибыль, так и балансовую стоимость капитала в отчетном 2018 году.
Источник : расчеты ОЭСР на основе данных Orbis®.

Уменьшение капитала по сравнению со сценарием обычного ведения бизнеса имеет немедленные последствия для коэффициентов левериджа компаний. Отношение совокупных обязательств к совокупным активам увеличится на 6,7 процентных пункта в сценарии роста и на 8 процентных пунктов в сценарии снижения для средней фирмы в выборке (рис. 2, панель A).В свою очередь, увеличение уровня задолженности может подтолкнуть компании к так называемому риску «долгового навеса». Когда у фирмы имеется высокий непогашенный долг, по которому велика вероятность дефолта, снижение стимулов к инвестированию и ограниченный доступ к новым кредитам создают давление в сторону уменьшения заемных средств за счет сокращения затрат и сокращения даже в компаниях с прибыльными инвестиционными возможностями, потенциально замедляя выход из текущего кризиса.

Чтобы формально оценить, как растущая волна долга, связанная со вспышкой COVID-19, повлияет на инвестиции, и оценить потенциальную величину эффекта, мы эмпирически исследуем историческую взаимосвязь между задолженностью и инвестициями за период 1995-2018 годов. 2 Результаты показывают, что увеличение отношения долга к совокупным активам, сравнимое с тем, которое предсказывается нашей моделью бухгалтерского учета, будет означать снижение отношения инвестиций к основным средствам на 2 процентных пункта (2,3 процентных пункта) в положительную сторону (обратная сторона). ) сценарий (рисунок 2, панель B). Наконец, в статье мы также показываем, что снижение прибыли также ухудшает способность фирм обслуживать свой долг — от 30% до 36% фирм не будут достаточно прибыльными, чтобы покрыть свои процентные расходы.

Рис. 2 По прогнозам, коэффициенты левериджа увеличатся, что может стать тормозом для инвестиций

Примечание : На панели A показано увеличение в процентных пунктах отношения обязательств к совокупным активам для средней фирмы с распределением кредитного плеча после вспышки COVID-19 в сценариях роста (синие столбцы) и снижения (красные столбцы). Панель B показывает прогнозируемое снижение отношения инвестиций к основным активам при гипотетическом увеличении отношения долга к совокупным активам, показанное на панели A для медианной фирмы.
Источник : расчеты ОЭСР на основе данных Orbis®.

Политика поддержки способности корпоративного сектора выдержать кризис и быстро восстановиться

Эмпирический анализ подчеркивает, что бедственное положение и долговая нагрузка нефинансовых корпораций могут угрожать восстановлению, подрывая способность фирм инвестировать, и предлагает правительствам тщательно разрабатывать пакеты поддержки, чтобы ограничить рост корпоративной задолженности. Еще одна проблема, связанная с разработкой политики, касается адресности поддержки — директивным органам необходимо найти правильный баланс между риском поддержки потенциально нежизнеспособных фирм и риском принуждения жизнеспособных и продуктивных фирм к преждевременной ликвидации (Laeven et al.2020). В нынешней ситуации баланс рисков должен быть смещен в пользу первых. Риск вытеснения с рынка многих жизнеспособных фирм действительно особенно высок во время кризиса, когда существует большая неопределенность относительно новой нормы и перегружены суды. Принимая во внимание эти трудности в различении ожидаемых жизнеспособных и нежизнеспособных фирм, правительства могут принять следующий каскадный подход, регулярно переоценивая и адаптируя поддержку по мере развития экономической ситуации:

  • Меры поддержки должны в первую очередь быть нацелены на «сглаживание кривой несостоятельности» путем обеспечения того, чтобы проблемные фирмы имели доступ к дополнительным ресурсам, и учета ряда соображений при разработке политики:
    • Для смягчения опасений по поводу долгового навеса меры должны во все большей степени включать дополнительные инструменты недолгового финансирования.Компании могут быть рекапитализированы с помощью инструментов долевого финансирования, в том числе: (1) вливания капитала и квази-собственного капитала (например, привилегированные акции, конвертируемые займы), (2) поэтапное введение резерва под корпоративный капитал и (3) обмен долгового капитала на предоставлять фирмам необходимую ликвидность, не увеличивая их долговую нагрузку. Квазиакционерные инструменты (например, гибриды, сочетающие в себе характеристики долгового и долевого участия), возможно, должны иметь преимущество перед обыкновенным капиталом, поскольку они обеспечивают преимущественное право на получение дивидендов и активов в случае ликвидации и позволяют компаниям привлекать средства без ослабления контроля.
    • Долевые инструменты требуют мониторинга, и государству сложно управлять большим количеством мелких требований по акциям. Следовательно, директивные органы могут использовать косвенные меры для оказания помощи более мелким фирмам. Например, выплаты могут быть связаны с доходами предприятий — фирмы, которые восстанавливаются наиболее устойчиво, будут возвращать больше в виде будущих налогов, а те, у кого больше проблем, будут платить меньше. Эти инструменты позволили бы погашение быть зависимым от государства, имитируя вливания капитала.
  • Если эта стратегия окажется недостаточной, политики могут стимулировать своевременную реструктуризацию долга, чтобы позволить проблемным фирмам продолжить бесперебойную работу. Это помогло бы координировать требования кредиторов таким образом, чтобы это соответствовало сохранению жизнеспособности фирмы и ее способности инвестировать в будущем. Соответствующие меры включают создание правовых условий, благоприятствующих новому финансированию проблемных фирм (например, предоставление приоритета над существующими необеспеченными кредиторами), реформы режимов несостоятельности, включая продвижение рамок, предшествующих банкротству, и конкретных процедур для облегчения реструктуризации МСП.
  • Эти два шага направлены на сокращение числа жизнеспособных фирм, которые в противном случае были бы ликвидированы. Чтобы иметь дело с фирмами, которые по-прежнему останутся нежизнеспособными, несмотря на государственную поддержку и реструктуризацию долга, правительства могут повысить эффективность процедур ликвидации, чтобы высвободить потенциально производительные ресурсы. Создание институциональных условий для нового старта путем устранения барьеров, которые могут подтолкнуть должников к отсрочке ликвидации, в частности путем реформирования режима личной несостоятельности, остается ключевой задачей в нескольких странах.

Список литературы

Бут А, Э. Карлетти, Р. Хазельманн, Х. Котц, Дж. П. Кранен, Л. Пелиццон, С. Шефер и М. Субрахманьям (2020 г.), «Коронавирус и финансовая стабильность», VoxEU.org, 24 марта.

Карлетти, Э., Т. Оливьеро, М. Пагано, Л. Пелицсон и М. Г. Субраманьям, (2020), «Шок от COVID-19 и дефицит капитала: данные на уровне компаний из Италии», COVID Economics 25.

Кокрейн, Дж. Х (2020), «Денежно-кредитная политика в отношении коронавируса», в Р. Болдуин и Б. Ведер ди Мауро (ред.), Экономика во время COVID-19 , CEPR Press.

дель Рио-Чанона, Р. М., П. Мили, А. Пихлер, Ф. Лафонд и Дж. Д. Фармер, (2020), «Шоки спроса и предложения в пандемии COVID-19: перспективы отрасли и профессии», COVID Economics 6.

Демму, Л., С. Каллигарис, Дж. Франко и Д. Длугош (2020), «Уязвимости корпоративного сектора во время вспышки COVID-19: оценка и политические меры», VoxEU.org, 23 мая.

Демму, Л., С. Каллигарис, Г. Франко и Д. Длугош (2021a), «Дефицит ликвидности во время вспышки Covid-19: оценка и политические меры», Рабочие документы Департамента экономики ОЭСР, No.1647.

Демму, Л., С. Каллигарис, Г. Франко, Д. Длугош, М. Адалет МакГоуэн и С. Саха (2021b), «Несостоятельность и долговая нагрузка после вспышки COVID-19: оценка рисков и ответные меры политики», Рабочий документ Департамента экономики ОЭСР № 1651.

Лаевен, Л., Г. Шепенс и И. Шнабель (2020), «Зомбификация в Европе во время пандемии», VoxEU.org, 11 октября.

Примечания

1 Мы используем набор данных Orbis (предоставленный Bureau Van Dijk) для 14 европейских стран: Бельгии, Дании, Финляндии, Франции, Германии, Венгрии, Ирландии, Италии, Польши, Португалии, Румынии, Испании, Швеции и Великобритании.Мы предполагаем, что последние доступные данные по каждой фирме (конец 2018 г.) отражают ее финансовое положение в нормальное время в отношении ее доходов, операционных расходов, налоговых платежей и балансовой стоимости капитала.

2 В статье мы также исследуем специфические особенности, характеризующие взаимосвязь во время резких спадов, оценивая перекрестную модель, сравнивая период до и после Великого финансового кризиса (GFC). Результаты показывают, что влияние изменения долга на инвестиции неоднородно для разных фирм.Фирмы, которые вошли в GFC с более высоким коэффициентом финансового левериджа, испытали более резкое сокращение инвестиций. Более подробную информацию можно найти в Demmou et al.

Как рассчитать вероятность банкротства

Вероятность банкротства публичной компании можно рассчитать с помощью метода, называемого z-оценкой, также известной как стандартная оценка. Формула, созданная в 1960-х годах доцентом Нью-Йоркского университета Эдвардом Альтманом, требует расчета нескольких коэффициентов финансовой отчетности и стоимости собственного капитала фирмы.Эти результаты объединены в простую формулу, которая по-разному оценивает пять финансовых коэффициентов, получая z-показатель, который предсказывает вероятность будущего банкротства фирмы.

Найдите отчет о прибылях и убытках и баланс публичной компании, которую вы хотите проанализировать. Убедитесь, что заявления относятся к одному и тому же периоду времени. Из отчета о прибылях и убытках вам потребуются данные о продажах и прибыли компании до вычета налогов и доходов (EBIT). Из баланса вам нужно будет узнать текущие активы, общие активы, текущие обязательства, общие обязательства и нераспределенную прибыль.

Найдите текущую рыночную стоимость капитала фирмы. Используя такой сайт, как Yahoo! Финансы, введите тикер компании. Ищите «рыночную капитализацию» на странице с финансовой информацией компании. Это представляет собой рыночную стоимость капитала компании или выпущенных акций, умноженную на текущую цену акций.

Рассчитайте необходимые коэффициенты. Используя R для коэффициента, R1 — это оборотный капитал, деленный на общие активы. Оборотный капитал — это оборотные активы за вычетом текущих обязательств.R2 — это нераспределенная прибыль, разделенная на общую сумму активов.

Читайте также

Иерсиния псевдотуберкулеза: симптомы, диагностика и лечение инфекции

Как помочь ребенку научиться правильно произносить звук «Р»: советы логопеда

Уход за пупочной ранкой новорожденного: правила обработки, средства и советы

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *