2) основные причины возможной неадекватности результатов прогнозирования банкротства связаны с тем, что при разработке указанных моделей не учитывался весь спектр внешних факторов риска, свойственных для российских условий: финансовая обстановка в стране, темпы инфляции, условия кредитования, особенности налоговой системы и т.д.
Следовательно, необходимы разработки собственных моделей с учетом специфики российской действительности.
Модели прогнозирования риска финансовой несостоятельности на основе отечественных источников.
Специфика российских условий и их отличия от стран с развитой экономикой требуют, чтобы модели прогнозирования риска финансовой несостоятельности учитывали как особенности отрасли, так и структуру капитала предприятия.
В качестве основы моделей целесообразна методика дискриминантного анализа, но с периодическим уточнением факторов и весовых коэффициентов модели. Рассмотрим содержание и возможности отечественных моделей прогнозирования риска банкротства.
Двухфакторная модель прогнозирования банкротства.
Данная модель дает возможность оценить риск банкротства предприятий среднего класса производственного типа.
Информационной базой для определения весовых коэффициентов модели явились результаты деятельности более 50 полиграфических предприятий. Метод нахождения значений весовых коэффициентов – метод наименьших квадратов.
В основе модели – два фактора, характеризующих платежеспособность и финансовую независимость:
1) коэффициент текущей ликвидности (Ктл);
2) коэффициент финансовой независимости (Кфн) (коэффициент автономии) – удельный вес собственных средств в общей сумме источников финансирования.
Рекомендуемые значения для показателей:
Ктл = 2,0; Кфн = 0,5 – 1,0.
При значении Кфн < 0,5 возникает риск для кредиторов предприятия.
Модель прогнозирования риска несостоятельности имеет вид:
Z = 0,3872 + 0,2614Ктл + 1,0595Кфн.
Как следует из конструкции модели, в прогнозировании возможного состояния банкротства определяющее значение имеет фактор финансовой независимости.
При нестабильной среде предпринимательства предприятие увеличивает запасы, что приводит к росту показателя Ктл, но одновременно растет вероятность риска их ликвидности (группа А3 – средний риск ликвидности), что снижает платежеспособность предприятия.
Шкала оценки риска банкротства включает 5 классов градации, и в зависимости от значения рейтингового числа Z она осуществляется по следующему правилу:
1) если Z < 1,3257 – вероятность банкротства очень высокая;
2) если 1,3257 < Z < 1,5457 – вероятность банкротства высокая;
3) если 1,5457 < Z < 1,7693 – вероятность банкротства средняя;
4) если 1,7693 < Z < 1,9911 – вероятность банкротства низкая;
5) если Z > 1,9911 – вероятность банкротства очень низкая.
Для проверки работоспособности предлагаемой модели рассмотрим следующий тест: нормированные значения финансовых показателей равны: Ктл = 2, Кфн = 1. При данных значениях показателей рейтинговое число Z = 1,9695, что соответствует низкой вероятности банкротства.
В качестве недостатков модели следует отметить следующие. Вероятности банкротства имеют качественный характер (очень высокая, высокая, средняя, низкая, очень низкая) и отсутствует оценка эффективности методики (точность прогноза и временной лаг).
Четырехфакторная модель прогнозирования банкротства.
Модель разработана для прогнозирования риска несостоятельности торгово-посреднических организаций.
Необходимость разработки данной модели была вызвана тем, что модель Альтмана применительно к данной группе предприятий давала долю ошибочного прогноза – 84%, вероятностного – 11%. И только в 5% случаях прогноз соответствовал действительности.
Основной причиной ошибочных прогнозов является фактор Х4 – рыночная стоимость акций предприятий.
В соответствии с методикой разработки модели первоначально было выбрано 13 финансовых показателей. Исследования проводились по данным 2040 финансовых отчетов предприятий в течение 3 лет.
На основе результатов дискриминантного анализа предложенная модель прогнозирования банкротство торговых предприятий включает 4 фактора и имеет следующий вид:
Z = 0,838 X1 + Х2 + 0,054 Х3 + 0,63 Х4,
где X1 – доля чистого оборотного капитала: чистый оборотный капитал / общая сумма активов;
Х2 – рентабельность собственного капитала: чистая прибыль / собственный капитал;
Х3 – коэффициент оборачиваемости активов: выручка от реализации / общая сумма активов;
Х4 – норма прибыли: чистая прибыль / интегральные затраты.
Фактор Х4 – интегральные затраты – включает данные отчета о прибылях и убытках (форма 2), в частности: себестоимость (стр. 020); коммерческие расходы (стр. 030); управленческие расходы (040).
Шкала оценки риска банкротства имеет 5 градаций и осуществляется по следующим правилам:
1) если Z < 0 – вероятность банкротства максимальная (90– 100%);
2) если 0 < Z < 0,18 – вероятность банкротства высокая (60– 80%);
3) если 0,18 < Z < 0,32 – вероятность банкротства средняя (35–50%);
4) если 0,32 < Z < 0,42 – вероятность банкротства низкая (15–20%);
5) если Z > 0,42 – вероятность банкротства минимальная (до 10%).
В данной системе оценивания между каждыми соседними интервалами оставлен лаг (5–15%), так как невозможно точно распределить значение рейтингового числа по вероятности банкротства. Особенно сложен переход между низкой и средней степенью банкротства.
Средние значения задействованных в модели факторов равны:
X1 = 0,0108198;Х2 = 0,090673;Х3 = 1,685214;Х4 = 0,143342.
Если значение исследуемого фактора выходит по анализируемому предприятию за пределы границ и данный факт не может быть объяснен особенностями предприятия или спецификой его работы, то в этом случае возможно появление неучтенного источника риска.
Точность прогноза банкротства – до 81% на временном интервале до 9 месяцев.
Шестифакторная модель прогнозирования риска потери платежеспособности.
Данная модель разработана для предприятий цветной металлургии (предпринимательские структуры типа холдинга).
Особенности модели:
1) введен фактор капитализации предприятий для компенсации заниженного уровня балансовой стоимости активов;
2) учитывается фактор, характеризующий качество менеджмента.
При разработке модели распределение показателей по их важности осуществлялось на основе экспертного оценивания, а весовые коэффициенты – на основе метода линейного программировании.
