Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1

Изложены различные модели и методы анализа риска банкротства предприятий. Рассмотрены классический метод дискриминантного анализа Альтмана и нечетко-множественный метод анализа риска банкротства Недосекина. Проведены экспериментальные исследования рассмотренных четких и нечетких методов анализа риск...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2012
Hauptverfasser:	Згуровский, М.З., Зайченко, Ю.П.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2012
Schriftenreihe:	Системні дослідження та інформаційні технології
Schlagworte:	Методи аналізу та управління системами в умовах ризику і невизначеності
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/50155
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 / М.З. Згуровский, Ю.П. Зайченко // Систем. дослідж. та інформ. технології. — 2012. — № 1. — С. 113-128. — Бібліогр.: 6 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-50155
record_format	dspace
spelling	irk-123456789-501552013-10-07T03:06:53Z Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Згуровский, М.З. Зайченко, Ю.П. Методи аналізу та управління системами в умовах ризику і невизначеності Изложены различные модели и методы анализа риска банкротства предприятий. Рассмотрены классический метод дискриминантного анализа Альтмана и нечетко-множественный метод анализа риска банкротства Недосекина. Проведены экспериментальные исследования рассмотренных четких и нечетких методов анализа риска банкротства на примере предприятий Украины, оценена их эффективность и определен наиболее адекватный метод. Викладено різні моделі й методи аналізу ризику банкрутства підприємств. Розглянуто класичний метод дискримінантного аналізу Альтмана та нечітко-множинний метод аналізу ризику банкрутства Недосекіна. Проведено експериментальні дослідження чітких і нечітких методів аналізу ризику банкрутства, що розглядається, на прикладі підприємств України, оцінено їх ефективність і визначено найадекватніший метод. Different models and methods of enterprises’ bankruptcy risk analysis are considered. The method of Discriminant analysis of E.Altman and fuzzy-multiple method of bankruptcy risk analysis of Nedosekin are considered. The experimental investigations of the clear and fuzzy methods of bankruptcy risk analysis, which are considered on the example of the Ukrainian enterprises, are carried out; their efficiency is estimated and the most adequate method is determined. 2012 Article Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 / М.З. Згуровский, Ю.П. Зайченко // Систем. дослідж. та інформ. технології. — 2012. — № 1. — С. 113-128. — Бібліогр.: 6 назв. — рос. 1681–6048 http://dspace.nbuv.gov.ua/handle/123456789/50155 519.8 ru Системні дослідження та інформаційні технології Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Методи аналізу та управління системами в умовах ризику і невизначеності Методи аналізу та управління системами в умовах ризику і невизначеності
spellingShingle	Методи аналізу та управління системами в умовах ризику і невизначеності Методи аналізу та управління системами в умовах ризику і невизначеності Згуровский, М.З. Зайченко, Ю.П. Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології
description	Изложены различные модели и методы анализа риска банкротства предприятий. Рассмотрены классический метод дискриминантного анализа Альтмана и нечетко-множественный метод анализа риска банкротства Недосекина. Проведены экспериментальные исследования рассмотренных четких и нечетких методов анализа риска банкротства на примере предприятий Украины, оценена их эффективность и определен наиболее адекватный метод.
format	Article
author	Згуровский, М.З. Зайченко, Ю.П.
author_facet	Згуровский, М.З. Зайченко, Ю.П.
author_sort	Згуровский, М.З.
title	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1
title_short	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1
title_full	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1
title_fullStr	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1
title_full_unstemmed	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1
title_sort	комплексный анализ риска банкротства корпораций в условиях неопределенности. часть 1
publisher	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate	2012
topic_facet	Методи аналізу та управління системами в умовах ризику і невизначеності
url	http://dspace.nbuv.gov.ua/handle/123456789/50155
citation_txt	Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 / М.З. Згуровский, Ю.П. Зайченко // Систем. дослідж. та інформ. технології. — 2012. — № 1. — С. 113-128. — Бібліогр.: 6 назв. — рос.
series	Системні дослідження та інформаційні технології
work_keys_str_mv	AT zgurovskijmz kompleksnyjanalizriskabankrotstvakorporacijvusloviâhneopredelennostičastʹ1 AT zajčenkoûp kompleksnyjanalizriskabankrotstvakorporacijvusloviâhneopredelennostičastʹ1
first_indexed	2025-07-04T11:42:29Z
last_indexed	2025-07-04T11:42:29Z
_version_	1836716501351006208
fulltext	© М.З. Згуровский, Ю.П. Зайченко, 2012 Системні дослідження та інформаційні технології, 2012, № 1 113 TIДC МЕТОДИ АНАЛІЗУ ТА УПРАВЛІННЯ СИСТЕМАМИ В УМОВАХ РИЗИКУ І НЕВИЗНАЧЕНОСТІ УДК 518.9 КОМПЛЕКСНЫЙ АНАЛИЗ РИСКА БАНКРОТСТВА КОРПОРАЦИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ. ЧАСТЬ 1 М.З. ЗГУРОВСКИЙ, Ю.П. ЗАЙЧЕНКО Изложены различные модели и методы анализа риска банкротства пред- приятий. Рассмотрены классический метод дискриминантного анализа Альт- мана и нечетко-множественный метод анализа риска банкротства Недосеки- на. Проведены экспериментальные исследования рассмотренных четких и нечетких методов анализа риска банкротства на примере предприятий Ук- раины, оценена их эффективность и определен наиболее адекватный метод. ВВЕДЕНИЕ Одной из актуальных проблем, связанных со стратегическим менеджментом и планированием является анализ финансового состояния и оценка риска банкротства предприятия (корпорации). Своевременное выявление призна- ков возможного банкротства позволяет руководству принимать срочные ме- ры по исправлению финансового состояния и снижению риска банкротства. В течение многих лет классические статистические методы широко использовались для прогнозирования рисков банкротства. Эти модели также имеют название одномерных методов классификации или статистических моделей. Они включают процедуру классификации, которая относит ту или иную компанию к группе потенциальных банкротов, или к группе ком- паний с благоприятным финансовым положением с определенной мерой точности. Применяя эти модели, могут возникать два типа ошибок. Ошибка первого типа возникает тогда, когда фирма-банкрот классифицируется как фирма с благоприятным финансовым положением. Ошибка второго типа возникает тогда, когда предприятие с нормальным финансовым состоянием классифицируется как потенциальный банкрот. Обе ошибки могут привести к серьезным последствиям и убыткам. Например, если кредитное учрежде- ние откажет компаниям со «здоровой» финансовой ситуацией в предостав- лении кредита в связи с допущением ошибки 2-го типа, то это может при- вести к потерям будущей прибыли этой компанией. Такую ошибку часто называют «коммерческим риском». И наоборот, если кредитное учреждение примет решение о предоставлении кредита компании, которая является по- тенциальным банкротом (ошибка 1-го типа), то это может привести к поте- рям процентов по кредиту, значительной части ссудных средств, альтерна- М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 114 тивной стоимости и т.д. Поэтому такую ошибку называют «кредитным рис- ком». Цель работы — рассмотрение и сравнительный анализ эффективности применения различных методов и подходов к оценке риска банкротства предприятий применительно к экономике Украины. МОДЕЛИ ОЦЕНКИ РИСКА БАНКРОТСТВА НА ОСНОВЕ МНОГОМЕРНОГО ДИСКРИМИНАНТНОГО АНАЛИЗА В настоящее время существует несколько общепризнанных методов и мето- дик оценки риска банкротства. Наиболее известной и широко применяемой является методика профессора Альтмана [1, 2]. Z-модель Альтмана представляет собой статистическую модель, кото- рая на основе оценки показателей финансового состояния и платежеспособ- ности компании позволяет оценить риск банкротства и разделить хозяйст- венные субъекты на потенциальных банкротов и не банкротов. Вместе с тем модель Альтмана имеет ряд недостатков, и ее применение для экономики Украины сопряжено с определенными трудностями. Поэтому в последние годы разрабатываются альтернативные подходы и методы, учитывающие специфику анализа и принятия решений в условиях неопределенности. К их числу относятся аппарат нечетких множеств и нечеткие нейронные сети (ННС). Модель Альтмана построена с использованием аппарата мультиплика- тивного дискриминантного анализа (МДА), который позволяет подобрать такие показатели, дисперсия которых между группами была бы максималь- ной, а внутри группы минимальной. В данном случае классификация прово- дилась по двум группам компаний, одни из которых позднее обанкротились, а другие, наоборот, смогли выстоять и упрочить свое финансовое положение. В результате МДА была построена модель Альтмана ( Z -счет), имею- щая следующий вид [3]: 54321 0,16,03,34,12,1 KKKKKZ ++++= , (1) где 1K — собственный оборотный капитал/сумма активов; 2K — нерас- пределенная прибыль/сумма активов; 3K — прибыль до уплаты процен- тов/сумма активов; 4K — рыночная стоимость собственного капита- ла/стоимость заемного капитала; 5K — объем продаж/сумма активов. В результате подсчета Z -показателя для конкретного предприятия де- лается заключение: если 81,1<Z , то очень высока вероятность банкротства; если 7,281,1 ≤≤ Z , то высока вероятность банкротства; если 99,27,2 ≤≤ Z , то возможно банкротство; если 0,3≥Z , то вероятность банкротства крайне мала. Модель Альтмана дает достаточно точный прогноз вероятности бан- кротства с временным интервалом 1–2 года. В результате проведения дискриминантного анализа по группе пред- приятий, которые заявили о своем банкротстве по финансовых показателям, Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 115 взятым за год до дефолта, был верно смоделирован этот факт в 31 случае из 33 (94,5 %), и в 2 — сделана ошибка (6 %). По второй группе предприятий, которые не обанкротились, модель ошибочно спрогнозировала банкротство только в одном случае (3 %), а в оставшихся 32 (97 %) была допущена очень низкая вероятность банкротства, что и подтвердилось фактически. Соответ- ствующие результаты приведены в табл. 1. Т а б л и ц а 1 . Результаты прогноза по модели Альтмана за год до банкротства Группа Количество компаний Прогноз: приналежность к группе 1 Прогноз: приналежность к группе 2 1 Обанкротившиеся компании 33 31 (94,0 %) 2 (6,0 %) 2 Компании, которые не обанкротились 33 1 (3,0 %) 32 (97,0 %) Аналогичные расчеты были проведены на основе финансовых показа- телей за два года до банкротства. Как видно из табл. 2, результаты оказались размытыми, особенно по группе предприятий, которые заявили о своем де- фолте, тогда как по группе 2 достоверность расчетов осталась приблизи- тельно на том же уровне. Общая точность классификации по модели Альт- мана составляет 95 % за год и 82 % за два года до банкротства. Т а б л и ц а 2 . Результаты прогноза по модели Альтмана (за два года до банкротства) Группа Количество компаний Прогноз: приналежность к группе 1 Прогноз: приналежность к группе 2 1 Обанкротившиеся компании 33 23 (72,0 %) 9 (28,0 %) 2 Компании, которые не обанкротились 33 2 (6,0 %) 31 (94,0 %) Учитывая то, что приведенный выше Z-счет пригоден лишь для боль- ших предприятий, акции которых котируются на бирже, в 1985 г. Е. Альтман предложил новую модель, которая позволяет исправить данный недостаток. Ниже приведена формула для определения вероятности прогнозирования банкротства для предприятий, акции которых не представлены на бирже [4]: 54321 995,042,0107,3847,0717,0 KKKKKZ ++++= , (2) где 4K — балансовая стоимость собственного капитала по отношению к одолженному капиталу. При 23,1<Z риск банкротства очень большой. Подход Альтмана был многократно использован самим Альтманом и его последователями во мно- гих странах (Великобритания, Франция, Бразилия, Китай и т.д.). Подход Альтмана на основе многомерного дискриминантного анализа далее был развит другими исследователями. М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 116 К числу известных моделей прогнозирования риска банкротства отно- сятся следующие модели. Модель Лиса [2]: 4321 001,0057,0092,0063,0 KKKKZ +++= , (3) где 1K — оборотный капитал/сумма активов; 2K — прибыль от реализа- ции/сумма активов; 3K — нераспределенная прибыль/сумма активов; 4K — рыночная стоимость собственного капитала/заемный капитал. При 037,0<Z — высока вероятность банкротства. Модель Спрингейта: ,4,066,007,33,1 DCBAZ +++= (4) где A — оборотный капитал/общая стоимость активов; B — прибыль до уплаты налогов/общая стоимость активов; C — прибыль до уплаты нало- гов/краткосрочные обязательства; D — объем продаж/общая стоимость ак- тивов. Если значение Z меньше, чем 862,0 , то предприятие является потен- циальным банкротом с вероятностью 92 %. Если 0<Z , то предприятие кла- сифицируется как банкрот. В последние годы были выполнены исследования по применению мо- дели Альтмана для стран СНГ с переходной экономикой. При этом коэффи- циенты модели должны быть скорректированы с учетом специфики данного типа экономики. К числу наиболее успешных моделей относится модель Давыдовой-Беликова, разработанная для экономики России [5]. Модель Давыдовой–Беликова имеет вид: 4321 63,0054,038,8 KKKKR +++= , (5) где 1K — отношение оборотного капитала к сумме всех активов; 2K — от- ношение чистой прибыли к сумме собственного капитала; 3K — отношение объема продаж (выручки от реализации) к сумме активов (коэффициент оборачиваемости); 4K — отношение чистой прибыли к себестоимости. При 0<R — вероятность банкротства максимальна (90–100 %); при 18,00 <<R — вероятность банкротства высока (60–80 %); при << R18,0 32,0< — вероятность банкротства средняя (35–50 %); при << R32,0 42,0< — вероятность банкротства низкая (15–20 %); при 42,0>R — ве- роятность банкротства минимальна. Заметим, что MДA базируется на следующих ограничениях [2, 3]: • независимые переменные, включенные в модель, нормально распре- делены; • матрицы дисперсий и ковариаций группы успешных компаний и банкротов равны; • стоимость неправильной классификации и априорная вероятность неудачи определены. На практике данные очень редко удовлетворяют всем трем названным выше предположениям, потому часто применение MДA происходит неадек- Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 117 ватным образом и правильность результатов, полученных после его приме- нения, стоит под вопросом. Слабая сторона модели Альтмана состоит в том, что модель является чисто эмпирической, подогнанной по выборке, и не имеет под собой само- стоятельной теоретической базы. Кроме того, приведенные коэффициенты должны определяться для различных отраслей промышленности и будут различаться. В экономике Украины модель Альтмана пока не получила широкого применения по следующим причинам: • требуется вычисление соответствующих коэффициентов при показа- телях iK , 5,1=i , которые, естественно, отличаются от их значений для за- рубежных стран; • информация о финансовом состоянии анализируемых предприятий, как правило, недостоверна, руководство ряда предприятий «сознательно» подправляет свои показатели в финансовых отчетах, что делает невозмож- ным найти достоверные оценки коэффициентов в Z -модели. Исходя из этого, задача оценки вероятности риска банкротства должна решаться в условиях неопределенности и неполноты исходной информации, и для ее решения предлагается использовать адекватный аппарат принятия решений — нечеткие множества и ННС. КОМПЛЕКСНАЯ ОЦЕНКА РИСКА БАНКРОТСТВА КОРПОРАЦИИ НА ОСНОВЕ АППАРАТА НЕЧЕТКИХ МНОЖЕСТВ Рассмотрим матричный метод прогнозирования банкротства корпораций на основе аппарата нечетких множеств, предложенный А.О. Недосекиным [2, 6]. Эксперт строит лингвистическую переменную со своим терм- множеством значений. Например, «Уровень менеджмента» может иметь следующее терм-множество значений «очень низкий», «низкий», «средний», «высокий», «очень высокий». Для того, чтобы конструктивно описать лингвистическую переменную, эксперт выбирает соответствующий количественный признак — например, сконструированный специальным образом показатель уровня менеджмента, который принимает значения от нуля до единицы. Далее эксперт каждому значению лингвистической переменной, кото- рая по построению является нечетким подмножеством значений интервала [0, 1], ставит в соответствие функцию принадлежности того или иного не- четкого множества. Как правило, это трапецеидальная функция принадлеж- ности. Верхнее основание трапеции соответствует полной уверенности экс- перта в правильности классификации, а нижнее — уверенности в том, что никакие иные значения интервала [0, 1] не попадают в выбранное нечеткое множество (рис. 1). На этом описание лингвистических переменных заканчивается. Нечетко-множественный метод, известный также, как матричный ме- тод, состоит из следующих этапов [2, 6]. М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 118 Этап 1. Задание лингвистических переменных и нечетких множеств. Шаг 1. Задается лин- гвистическая переменная E «Состояние предприя- тия» имеющая пять зна- чений: 1E — нечеткое подмножество состояний «предельное неблагополу- чие»; 2E — нечеткое под- множество состояний «не- благополучие»; 3E — нечеткое подмножество состояний «средний уро- вень»; 4E — нечеткое подмножество состояний «относительное благополучие»; 5E — нечеткое подмножество состояний «предельное благополучие». Шаг 2. Соответствующая переменной E лингвистическая переменная G «Риск банкротства» также имеет 5 значений: 1G — нечеткое подмно- жество состояний «предельный риск банкротства»; 2G — нечеткое под- множество состояний «степень риска банкротства высокая»; 3G — нечеткое подмножество состояний «степень риска банкротства средняя»; 4G — не- четкое подмножество состояний «степень риска банкротства низкая»; 5G — нечеткое подмножество состояний «риск банкротства незначительный». Носитель множества G — показатель степени риска банкротства g — принимает значения от нуля до единицы по определению. Шаг 3. Для отдельного финансового показателя или показателя управ- ления iX задаем лингвистическую переменную iB («уровень показателя iX ») на следующем терм-множестве значений: 1iB — подмножество «очень низкий уровень показателя iX »; 2iB — подмножество «низкий уровень по- казателя iX »; 3iB — подмножество «средний уровень показателя iX »; 4iB — подмножество «высокий уровень показателя iX »; 5iB — подмноже- ство «очень высокий уровень показателя iX ». Этап 2. Показатели. Построим набор отдельных показателей }{ iXX = общим числом ,N которые по мнению эксперта, с одной стороны влияют на оценку риска банкротства предприятия, а с другой стороны, оценивают разные по приро- де стороны деловой и финансовой жизни предприятия. Например, в матрич- ном методе используются такие показатели [6]: 1X — коэффициент авто- номии (отношение собственного капитала к валюте баланса); 2X — коэффициент обеспечения оборотных активов собственными средствами (отношение чистого оборотного капитала к оборотным активам); 3X — ко- эффициент промежуточной ликвидности (отношение суммы денежных Рис. 1. Трапециедальная функция принадлежности 0,2 0,4 0,6 0,8 X 0,2 0,4 0,6 0,8 1,0 1,2 0 1 Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 119 средств и дебиторской задолженности к краткосрочным пассивам); 4X — коэффициент абсолютной ликвидности (отношение суммы денежных средств к краткосрочным пассивам); 5X — оборачиваемость всех активов за год (отношение выручки от реализации к средней выручке за период стоимости активов); 6X — рентабельность всего капитала (отношение чис- той прибыли к средней за период стоимости активов). Этап 3. Значимость показателей. Поставим в соответствие каждому показателю iX уровень его значи- мости ir . Для того, чтобы оценить этот уровень, необходимо поставить все показатели по порядку уменьшения их значимости так, чтобы выполнялось соотношение: Nrrr ≥≥≥ ...21 . Если система показателей проранжирована в порядке уменьшения их значимости, то вес i-го показателя ir необходимо определять по правилу Фишберна: NN iNri 1)( 1)2( + +− = . (6) Если все показатели имеют одинаковый вес, то ./1 Nri = Этап 4. Классификация степени риска. Построим классификацию текущего значения g показателя степени риска — как критерий разбиения этого множества на нечеткие подмножест- ва (табл. 3). Т а б л и ц а 3. Классификация степени риска Интервал значений g Классификация уровня параметра Степень оценочной уверенности (функция принадлежности) 15,00 ≤≤ g 5G 1 5G )25,0(105 g−×=µ 25,015,0 << g 4G 451 µµ =− 35,025,0 ≤≤ g 4G 1 4G )45,0(104 g−×=µ 45,035,0 << g 3G 341 µµ =− 55,045,0 ≤≤ g 3G 1 3G )65,0(103 g−×=µ 65,055,0 << g 2G 231 µµ =− 75,065,0 ≤≤ g 2G 1 2G )85,0(102 g−×=µ 85,075,0 << g 1G 121 µµ =− 0,185,0 ≤≤ g 1G 1 Этап 5. Классификация значений показателей. М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 120 Построим классификацию текущих значений показателей X как кри- терий разбиения полного множества их значений на нечеткие подмножества вида .B Один из примеров такой классификации приведен ниже в табл. 4. В клетках таблицы стоят трапецеидальные нечеткие числа, которые харак- теризуют соответствующие функции принадлежности. Т а б л и ц а 4. Классификация отдельных финансовых показателей Т-числа {γ} для значений лингвистической переменной «Величина параметра» П ок аз те ль «очень низкий» «низкий» «средний» «высокий» «очень высокий» Х1 (0, 0, 0,1, 0,2) (0,1, 0,2, 0,25, 0,3) (0,25, 0,3, 0,45, 0,5) (0,45, 0,5, 0,6, 0,7) (0,6, 0,7, 1, 1) Х2 (-1, -1, -0,005, 0) (-0,005, 0, 0,09, 0,11) (0,09, 0,11, 0,3, 0,35) (0,3, 0,35, 0,45, 0,5) (0,45, 0,5, 1, 1) Х3 (0, 0, 0,5, 0,6) (0,5, 0,6, 0,7, 0,8) (0,7, 0,8, 0,9, 1) (0,9, 1, 1,3, 1,5) (1,3, 1,5, ∞, ∞) Х4 (0, 0, 0,02, 0,03) (0,02, 0,03, 0,08, 0,1) (0,08, 0,1, 0,3, 0,35) (0,3, 0,35, 0,5, 0,6) (0,5, 0,6,∞, ∞) Х5 (0, 0, 0,12, 0,14) (0,12, 0,14, 0,18, 0,2) (0,18, 0,2, 0,3, 0,4) (0,3, 0,4, 0,5, 0,8) (0,5, 0,8, ∞, ∞) Х6 (-∞, -∞, 0, 0) (0, 0, 0,006, 0,01) (0,006, 0,01, 0,06, 0,1) (0,06, 0,1, 0,225, 0,4) (0,225, 0,4, ∞,) Этап 6. Оценка уровня показателей. Проведем оценку текущего уровня показателей и сведем полученные результаты в табл. 5. Т а б л и ц а 5. Текущий уровень показателей Показатель 1X … iX … NX Текущее значение 1x … ix … Nx Этап 7. Классификация уровня показателей. Проведем классификацию текущих значений x по критерию табл. 4, построенной на этапе 5. Результатом проведенной классификации есть таблица значений ijλ — уровней принадлежности носителя ix нечетким подмножествам jB . Этап 8. Оценка степени риска. Выполним вычислительные операции для оценки степени риска бан- кротства g : ∑ ∑ = = = 5 1 1j N i ijij λrgg , (7) где 1)(*0,290 −−= j,g j . (8) Смысл применения формул (7) и (8) состоит в следующем. Сначала оцениваем вес того или иного подмножества из B в оценке состояния кор- порации Е и в оценке степени риска G. Эти веса далее принимают участие во внешней сумме для определения среднего значения показателя g , где jg — не что иное, как средняя оценка g из соответствующего диапазона табл. 3 (этап 4). Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 121 Этап 9. Лингвистическое распознавание. Классифицируем полученное значение степени риска на базе данных табл. 4. Результатом классификации являются лингвистическое описание степени риска банкротства и степени уверенности эксперта в правильности его классификации. Основные достоинства нечетко-множественного матричного метода состоят в следующем: • возможность использования, кроме количественных, качественных факторов; • учет неточной, приблизительной информации о значениях факторов. АНАЛИЗ СОСТОЯНИЯ ДЕЙСТВУЮЩЕГО ПРЕДПРИЯТИЯ НА ОСНОВЕ ПОДХОДА АЛЬТМАНА В качестве примера применения выше изложенных методов рассмотрим энергоснабжающую компанию, которая реально существует и функциони- рует в Украине. Анализ будем проводить за два отчетных года 2009 и 2010 на основе финансовых показателей. Для анализа предприятия будем использовать формулу (1). Для этого определим значения переменных: 1X — оборотный капи- тал/сумма активов ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − р.2801.ф )620р.260р.(1.ф ; 2X — нераспределенная при- быль/сумма активов ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ р.2801.ф р.3501.ф ; 3X — операционная прибыль/сумма акти- вов ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ р.2801.ф р.0102.ф ; 4X — балансовая стоимость капитала/заимствованный капитал ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − р.380р.640(1.ф р.3801.ф ; 5X — отношение выручки/сумма активов ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ р.2801.ф )055.2.ф(050р.2.ф . Соответствующие результаты приведены в табл. 6. Т а б л и ц а 6 . Результаты вичислений значений показателей Название показателя 1X 2X 3X 4X 5X )2010(2009Z Текущее значение 2009 г. –0,09555 –0,1534 0,12773 0,097544 0,070147 3,8809 Текущее значение 2009 г. 0,028968 –0,1355 0,103273 0,098317 0,097018 3,2525 Таким образом, следующие значения Z -показателя равны: =2009Z 8809,3= ; 2525,32010 =Z . Сравним полученные значения 2009Z и 2010Z с критерием Альтмана: если 23,1<Z , то высокая степень банкротства; если 89,223,1 <≤ Z , то сре- дняя степень банкротства; если 89,2>Z , то низкая степень банкротства. М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 122 Как мы видим, полученные значения свертки по Альтману для обоих лет указывают на то, что предприятие является финансово стабильным. АНАЛИЗ СОСТОЯНИЯ ДЕЙСТВУЮЩЕГО ПРЕДПРИЯТИЯ НА ОСНОВЕ НЕЧЕТКО-МНОЖЕСТВЕННОГО ПОДХОДА Рассмотрим предприятие, анализ которого проделан выше, с использова- нием модели Альтмана. Этап 1. Лингвистические переменные и нечеткие подмножества. Определим множества E, G и B. Обозначим Лингвистической перемен- ной Е «Состояние предприятия». Далее определим лингвистическую переменную G «Риск банкротст- ва», которая соответствует переменной E , и также имеет пять значений. Для произвольного финансового или управленческого показателя iX задаем лингвистическую переменную iB — «Уровень показателя iX » на следующем множестве значений: «очень низкий уровень показателя iX »; «низкий уровень показателя iX »; «средний уровень показателя iX »; «высо- кий уровень показателя iX »; «очень высокий уровень показателя iX ». Этап 2. Показатели. Строим набор отдельных показателей }{ iXX = общим количеством ,N которые по усмотрению эксперта-аналитика влияют на оценку риска банкротства предприятий и оценивают различные по природе аспекты дело- вой и финансовой жизни предприятия, причем показатели не должны дуб- лировать друг друга с точки зрения их значимости для анализа. Выберем систему из тех самых шести следующих показателей: 1X — коэффициент автономии; 2X — коэффициент обеспеченности оборотных активов собственными средствами; 3X — коэффициент промежуточной ликвидности; 4X — коэффициент абсолютной ликвидности; 5X — коэф- фициент оборачиваемости активов; 6X — рентабельность всего капитала. Этап 3. Значимость. Сопоставим каждому показателю iX уровень его значимости для анали- за ir . В нашем случае все показатели равнозначны, следовательно 6/1=ir . Этап 4. Классификация степени рисков. Построим классификацию текущего значения g — показателя степени риска как критерий разбиения этого множества на нечеткие подмножества (используя табл. 3). Этап 5. Классификация значений показателей. Построим классификацию текущих значений x показателей X как критерий разбиения полного множества их значений на нечеткие под- множества вида B . При разбиении будем пользоваться трапециевидными числами, характеризующие соответствующие функции принадлежности. Для анализа финансовых показателей воспользуемся следующей шкалой классификации финансовых показателей (табл. 4). Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 123 Этап 6. Вычисление уровня показателей. Вычисляем текущие уровни показателей Х для данного предприятия, и для удобства анализа сводим в табл. 7. Т а б л и ц а 7. Текущий уровень показателя Название показателя 1X 2X 3X 4X 5X 6X Текущее значение 2009 г. 0,0889 –0,5351 0,5825 0,1554 1,0754 0,00001 Текущее значение 2010 г. 0,0895 0,1149 0,9376 0,5420 0,8946 0,0017 Этап 7. Классификация уровня показателей. Проводим классификацию текущих значений показателей ix из табл. 7, используя критерии, приведенные в табл. 4. Результаты полученной класси- фикации будем заносить в табл. 8 и 9, где ijλ — уровень принадлежности носителей ix нечеткому множеству iB . Т а б л и ц а 8 .Уровни принадлежности носителей нечетких подмножеств за 2007 г. Результат классификации по подмножествам Вi1 Вi2 Вi3 Вi4 Вi5 «очень низкий» «низкий» «средний» «высокий» «очень высокий» Название показателя λі1 λі2 λі3 λі4 λі5 1X 1 0 0 0 0 2X 1 0 0 0 0 3X 0,175 0,825 1 0 0 4X 0 0 1 0 0 5X 0 0 0 0 1 6X 0 1 0 0 0 ∑ ijir λ 0,3625 0,304167 0,33333 0 0,16667 Т а б л и ц а 9 . Уровни принадлежности носителей нечетких подмножеств за 2008 г. Результат классификации по подмножествам Вi1 Вi2 Вi3 Вi4 Вi5 «очень низкий» «низкий» «средний» «высокий» «очень высокий» Название показателя λі1 λі2 λі3 λі4 λі5 1X 1 0 0 0 0 2X 1 0 0 0 0 3X 0 1 0,624 0,346 0 4X 0 0 1 0,58 0,42 5X 0 0 0 0 1 6X 0 1 0 0 0 ∑ ijir λ 0,33333 0,33333 0,27067 0,159333 0,236667 М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 124 Значение 5825,03 =X попадает в интервал (0,5; 0,6), причем, как мы видим, это интервал неуверенности эксперта, поэтому необходимо опреде- лить принадлежность вычисленного значения до «очень низкого» и «низко- го» уровней. Для этого трапециевидные числа необходимо записать в ана- литическом виде, и выполнить вычисления. Этап 8. Оценка степени риска. Теперь необходимо выполнить свертку полученных уровней принад- лежности показателей для оценки степени риска банкротства g по формулам (7), (8): Вычислим jg для нашего примера и занесем в табл. 10. Т а б л и ц а 1 0 . Промежуточные результаты оценки степени риска j 1 2 3 4 5 jg 0,9 0,7 0,5 0,3 0,1 Вычислим g для каждого года: 639181,02009 =g , 473567,02010 =g . Мы видим, что в течение года произошли улучшения финансового состояния предприятия, хотя и не значительные. Можно сделать предвари- тельный вывод, что предприятие начинает выходить из кризисного состоя- ния. Этап 9. Лингвистическое распознавания. Классифицируем полученное значение степени риска с помощью табл. 4. Результатом классификации является лингвистическое описание степени риска банкротства и дополнительно степень уверенности эксперта в правильности результатов его классификации. Как мы видим, полученное значение 639181,02009 =g попадает в ин- тервал, который указывает на «высокий» или «средний» уровень риска банкротства. А значение 473567,02010 =g попадает в интервал, который указывает, что уровень банкротства может быть «средний». Как видно из результатов решения задачи разными методами, наихуд- ший результат показал подход Альтмана, который определил для пред- приятия «низкий» уровень риска банкротства. С помощью подхода Недосе- кина был получен результат, согласно которому предприятию был спрогнозирован «средний» или «высокий» уровень риска банкротства, при- чем с помощью подхода Недосекина можно увидеть улучшения в работе предприятия за 2010 г. СРАВНЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ ПРИ АНАЛИЗЕ ФИНАНСО- ВОГО СОСТОЯНИЯ ДЕЙСТВУЮЩИХ ПРЕДПРИЯТИЙ НА ОСНОВЕ КЛАССИЧЕСКОГО И НЕЧЕТКО-МНОЖЕСТВЕННОГО МЕТОДОВ Проведем расчеты состояния предприятий на основе финансовых показате- лей за два года и за год до банкротства с помощью подходов Альтмана и Недосекина. Анализ предприятий будем проводить с помощью разрабо- танной программы, которая реализует все рассмотренные методы диагности- Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 125 ки состояний предприятия, а конечные результаты будем заносить в табли- цы для большей наглядности. Всего было исследовано 52 предприятия, акции которых представлены на бирже. Среди этих предприятий 26 были признаны банкротами официаль- но и обращение их акций было аннулировано на рынке ценных бумаг. Ос- тальные 26 предприятий на сегодняшний день официально считаются рабо- тоспособными. Проанализировав первую группу предприятий-банкротов с помощью модели Альтмана за два года до дефолта, получены следующие результаты: среди 26 предприятий «высокий» уровень вероятности банкротства получи- ло только 9 предприятий, 7 предприятий признано со «средним» уровнем риска банкротства и 10 — признаны предприятиями с «низким» уровнем вероятности банкротства. За год до дефолта 11 предприятий получило «высокий» уровень риска банкротства, 9 — «средний» уровень и 6 пред- приятий — «низкий» уровень риска банкротства (табл. 11). Т а б л и ц а 1 1 . Результаты прогноза по модели Альтмана предприятия- банкроты Прогноз банкротства, % Группа Количество компаний «высокий» «средний» «низкий» За два года до банкротства 26 35 27 38 За год до банкротства 26 42 35 23 Среднее значение за два года 26 38 31 31 Определим уровень точности прогнозирования риска банкротства предприятия в течение исследуемого периода. Итак, модель Альтмана с точностью 0,69 дает в среднем правильный прогноз для предприятий, кото- рые являются потенциальными банкротами (рис. 2). Для второй группы предприятий, которую условно назовем «работо- способные», были получены следующие результаты. За два отчетных года до нынешнего состояния 22 предприятия признаны как предприятия с «низ- ким» уровнем банкротства, 2 предприятия — «средний» уровень и 2 пред- приятия получили статус «высокий» уровень банкротства. За один отчетный год до настоящего состояния 18 предприятий — «низкий» уровень банкрот- 1 3 2 Предприятия-банкроты. Подход Альтмана Рис. 2. Уровень точности прогнозирования состояния предприятий-банкротов: 1 — «высокий», 2 — «средний», 3 — «низкий» М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 126 ства, 5 предприятий — «средний» уровень банкротства, 3 предприятия — «высокий» уровень банкротства (табл. 12). Т а б л и ц а 1 2 . Результаты прогноза по модели Альтмана предприятия- не банкроты Прогноз банкротства (уровни), % Група Количество компаний «высокий» «средний» «низкий» За 2009-й отчетный год 26 7,5 7,5 85 За 2010-й отчетный год 26 12 19 69 Среднее значение за два года 26 10 13 77 Определим уровень точности прогнозирования риска работоспособ- ности предприятия в течение исследуемого периода. Итак, средний показа- тель точности прогнозирования для предприятий-не банкротов равняется 0,77 (рис. 3) Проведем анализ финансового состояния тех самых двух групп пред- приятий, которые анализировались методом Альтмана, с помощью нечетко- множественного метода Недосекина. В результате анализа предприятий- банкротов за два года до дефолта среди 26 исследуемых предприятий было выявлено 20 предприятий с «очень высоким», «высоким» или «средним» уровнями риска банкротства, 6 предприятий имеют статус предприятий с «низким» и «очень низким» уровнем банкротства. За год до дефолта 22 предприятия — с «очень высоким», «высоким» или «средним» уровнями банкротства, 4 предприятия — с «низким» или «очень низким» уровнем банкротства (табл. 13) Т а б л и ц а 1 3 . Результаты прогноза по модели Недосекина предприятия- банкроты Прогноз, % Група Количество компаний Банкроты Не банкроты За два года до банкротства 26 77 23 За год до банкротства 26 85 15 Среднее значение за два года 26 81 19 Рис. 3. Уровень точности прогнозирования состояния предприятий-не банкротов: 1 — «высокий», 2 — «средний», 3 — «низкий» 21 3 Предприятия-не банкроты. Подход Альтмана Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1 Системні дослідження та інформаційні технології, 2012, № 1 127 Определим уровень точности прогнозирования риска банкротства предприятия в течение исследуемого периода. Итак, подход Недосекина дает правильный прогноз для предприятий, которые являются потенциаль- ными банкротами со средней точностью 0,81 (рис. 4). Для второй группы предприятий — «работоспособные», получены сле- дующие результаты, анализируя их методом Недосекина. За два отчетных года до нынешнего состояния, 21 предприятие признано как предприятие с «очень низким», «низким» или «средним» уровнем риска банкротства, 5 предприятий получили статус «высокий» или «очень высокий» уровень риска банкротства. За один отчетный год до настоящего состояния 20 пред- приятий — «очень низкий», «низкий» или «средний» уровень риска банк- ротства, 6 предприятий — «высокий» или «очень высокий» уровень банк- ротства (табл. 14 и рис. 5). Т а б л и ц а 1 4 . Результаты прогноза по модели Недосекина для пред- приятий-не банкротов Прогноз, % Группа Количество компаний Банкроты Не банкроты За 2009 отчетный год 26 19 81 За 2010 отчетный год 26 23 77 Среднее значение за два года 26 21 79 Рис. 5. Уровень точности прогнозирования состояния работоспособных пред- приятий: 1 — банкроты, 2 — не банкроты 1 2 Предприятия-не банкроты. Подход Недосекина Рис. 4. Уровень точности прогнозирования состояния неработоспособных пред- приятий-банкротов: 1 — банкроты, 2 — не банкроты 1 2 Предприятия-банкроты. Подход Недосекина М.З. Згуровский, Ю.П. Зайченко ISSN 1681–6048 System Research & Information Technologies, 2012, № 1 128 Обобщим полученные результаты, найдя среднее значение точности прогнозирования за каждый один отчетный год, и за два года вместе (табл. 15). Т а б л и ц а 1 5 . Средняя точность прогноза состояния/предприятия по модели Недосекина Прогноз, % Группа Количество компаний Верно Ошибка За два отчетных года 52 79 21 За один отчетный год 52 81 19 Среднее значение 52 80 20 Учитывая полученные результаты, можно сказать, что подход Недосе- кина позволяет определить финансовое состояние предприятий более точно благодаря лингвистической шкале, состоящей из пяти оценок уровня банкротства «очень низкий», «низкий», «средний», «высокий», «очень вы- сокий». Кроме того, подход Недосекина позволяет проследить динамику развития предприятия, т.е. позволяет провести финансовый анализ предпри- ятия за предыдущий и текущий отчетные периоды и определить уровень банкротства на «начальной» стадии, что позволяет преждевременно принять меры по предупреждению банкротства. ВЫВОДЫ В работе изложены методы анализа риска банкротства корпораций — классический метод дискриминантного анализа Альтмана и нечетко- множественный метод, предложенный А.О. Недосекиным. Проведен сравнительный анализ методов применительно к задаче ана- лиза прогнозирования риска банкротства для предприятий легкой промыш- ленности Украины. В результате анализа установлено, что нечетко- множественный метод оказывается более эффективным и позволяет точнее прогнозировать будущее финансовое состояние предприятий в условиях экономики Украины. ЛИТЕРАТУРА 1. Згуровский М.З., Зайченко Ю.П. Модели и методы принятия решений в нечет- ких условиях. — К.: Наук. думка, 2011. — 275 с. 2. Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах. — К.: Слово, 2008. — 344 с. 3. Altman E.I. Corporate Financial Distress. — NY: John Wiley, 1983. — 205 p. 4. Altman E.I. Financial Ratios, Discriminant Analysis and the prediction of Corporate Bankruptcy // Journal of Finance, September. — 1968. — Р. 589–609. 5. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкрот- ства предприятий // Управление риском. — 1999. — № 3. — С. 13–20. 6. Недосекин А.О. Максимов О.Б., Павлов Г.С. Анализ риска банкротства пред- приятия. Метод. указания по курсу «Антикризисное управление». — http://sedok.narod.ru/sc_group.htm. Поступила 29.06.2011

Комплексный анализ риска банкротства корпораций в условиях неопределенности. Часть 1

Institution

Ähnliche Einträge