Современные модели диагностики банкротства
К настоящему времени разработано множество методических подходов к прогнозированию банкротства.
Все модели прогнозирования банкротства, разработанные зарубежными и российскими авторами, включают в себя несколько ключевых показателей, характеризующих финансовое состояние коммерческой организации. На их основе рассчитывается комплексный показатель вероятности банкротства с весовыми коэффициентами у индикаторов.
Наиболее распространенными моделями являются следующие.
Рассмотрим модель Альтмана [1].
Пятифакторная модель Альтмана имеет вид:
, (1)
где Х1– отношение оборотного капитала к сумме активов организации;
Х2– отношение суммы распределенной прибыли к сумме активов организации;
Х3– отношение суммы прибыли до налогообложения к общей стоимости активов;
Х4– отношение рыночной стоимости собственного капитала к бухгалтерской (балансовой) стоимости всех обязательств;
Х5– отношение объема продаж к общей величине активов организации.
Результаты расчета Z – показателя служат основанием вероятностного прогноза для конкретной организации (таблица 1).
Стоит отметить что, несмотря на большее распространение данного метода, он не лишен недостатков. Одним из его недостатков является то, что организация с рентабельностью выше некоторой границы становятся полностью не подверженными риску банкротства [1].
|
|
|
Таблица 1 - Соотношение показателя Альтмана и вероятности банкротства организации
Значение показателя
Вероятность банкротства компании
Z < 1,81
80 - 100%
1,81 < Z <2,77
35 - 50%
2,77 < Z < 2,99
15-20%
2.99 < Z
Близка к 0
Из-за того, что экономики разных стран сильно различаются, модель Альтмана стоит применять на российских организациях с большой осторожностью, не возлагая на нее больших надежд. Стоит делать выводы не только исходя из данной модели, но и проводить анализ более широкого круга показателей.
Рассмотрим Модель Таффлера [7]. Модель Таффлера разработана в 1977 году и рекомендуется для анализа как модель, учитывающая современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей. Модель Таффлера для анализа компаний, акции которых котируются на биржах, имеет формулу:
, (2)
где X1 – отношение прибыли до уплаты налога к сумме текущих обязательств (показывает степень выполнимости обязательств фирмы за счет внутренних источников финансирования);
X2 – отношение суммы текущих активов к общей сумме активов (характеризует состояние оборотного капитала);
X3 – отношение суммы текущих обязательств к общей сумме активов (показатель финансовых рисков);
|
|
|
X4 – отношение выручки к общей сумме активов (определяет способность компании рассчитаться по обязательствам).
Величина Z-показателя больше 0,3 показывает низкую вероятность банкротства компании, если меньше 0,2, то вероятность банкротства высока.
Рассмотрим модель Лиса [35]. Модель имеет вид:
, (3)
где, Х1 - отношение оборотного капитала к сумме активов;
Х2 - отношение прибыли от реализации к сумме активов;
Х3 - отношение нераспределенной прибыли к сумме активов;
Х4 - отношение собственного капитала к заемному капиталу [6, с. 118-128].
В России прогнозирование банкротства преимущественно ассоциируется именно с финансовыми моделями. Ранние отечественные модели в этой области датируются не ранее конца 1990-х – начала 2000-х гг. К этому периоду относятся часто упоминаемые в российской литературе финансовые модели
О. П. Зайцевой (1998 г.), Г. В. Давыдовой и А. Ю. Беликова (1999 г.),
А. В. Колышкина (2003 г.) и др. В целом прогнозное качество данных и других ранних российских моделей подвергается серьезной критике.
Рассмотрим модель Иркутской ГЭА [6].
|
|
|
Модель Иркутской государственной экономической академии (Z - модель) была предложена в 1998 г. Ученые, при разработке модели, исходили из следующей гипотезы и цели: поскольку модель «российская», значит, она должна обладать более высокой точностью оценки риска несостоятельности. Т.е. модель, разработанная с учетом российской экономики, должна была быть лишенной недостатков, присущих зарубежным моделям.
Учеными Иркутской государственной экономической академии предложена своя четырехфакторная модель прогноза риска банкротства (модель R), которая имеет следующий вид:
, (4)
где Х1 – отношение собственных оборотных активов к общей величине активов;
Х2 – отношение чистой прибыли к собственному капиталу;
Х3 – отношение выручки к активам;
Х4 – отношение чистой прибыли к себестоимости.
Интерпретация происходит по следующей таблице 2 [4, с. 169-170].
Таблица 2 - Интерпретация результатов вероятности банкротства по модели Иркутской ГЭА
Значение показатели
Вероятность банкротства
R<0
Максимальная вероятность банкротства (90%-100%)
0 < R < 0,18
Вероятность банкротства высокая (60%- 90%)
|
|
|
0.19 < R < 0,32
Вероятность банкротства средняя (35%- 60%)
0.33 < R < 0.42
Вероятность банкротства низкая (15% - 35%)
R >3,0
Вероятность банкротства минимальная (до 15%)
Финансовые модели «нового поколения», как правило, имеют более строгое научное обоснование и характеризуются конкурентоспособным прогнозным потенциалом. Разработан ряд отраслевых моделей прогнозирования банкротства: модель Жданова-Афанасьева для организаций авиационно-промышленного комплекса (2011 г.), модели Даниловой (2011 г.) и Федоровой-Гиленко-Довженко (2013 г.) для организаций обрабатывающей промышленности, модель Рыгина для организаций металлургической отрасли (2013 г.) и др.
Комплексный подход к прогнозированию банкротства отечественных организаций реализован в «Методике оценки надежности российских организаций на основании официальных данных консолидированного баланса и прочей косвенной информации», в рекомендациях по диагностике «болезни фирмы» Я. В. Соколова и М. Л. Пятова, в «системе формализованных и неформализованных критериев» В. В. Ковалева и др [2].
Существенным ограничением комплексных моделей прогнозирования банкротства, как правило, является то, что используемые в них показатели изначально не упорядочены по степени значимости, и, следовательно, результаты оценки зачастую невозможно однозначно интерпретировать. Впрочем, как показано выше, и комплексные системы показателей можно обобщить и, тем самым, преобразовать многовариантную модель в одновариантную. Другое, пожалуй, более существенное ограничение связано с прогнозным потенциалом данных моделей, уровень которого во многом зависит от субъективного фактора.
Дата добавления: 2018-06-01; просмотров: 346; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!