Механизм диагностики риска банкротства промышленного предприятия

Приоритетной задачей любого государства выступает построение устойчивой и стабильно развивающейся экономической системы. Ключевой элемент регулирования экономической системы является законодательство о несостоятельности (банкротстве), которое необходимо для регулирования развития страны. Важной проблемой в современной, динамично развивающейся экономике является профилактика банкротства, его своевременное обнаружение и устранение. Деятельность многих промышленных компаний в большей степени финансируется за счет заемных средств, для кредиторов и инвесторов, поэтому очень важным является возможность иметь механизм диагностики устойчивости предприятия дебитора, как для менеджеров организации, так и для регулирующих государственных органов. В условиях трансформации экономических отношений в РФ особенно характерна высокая степень неопределенности, что существенно повышает риск банкротства предприятий в результате воздействия как внешних, так и внутренних экономических факторов. За последние десять лет очень многие коммерческие организации всевозможных форм собственности оказались на грани банкротства. В первую очередь это было связано с реформированием российской экономики и начавшимися кризисными процессами в мировом сообществе. В связи с этим проблема прогнозирования возможного банкротства предприятий сегодня чрезвычайно актуальна в РФ. В настоящее время актуален вопрос выбора механизма, позволяющего прогнозировать наступление банкротства предприятия в близком будущем. 

Механизм диагностики риска банкротства позволит менеджменту предприятия сформировать стратегию и выбрать оперативные решения по оценке и улучшению финансово-экономического состояния предприятия. Часто для оценки состояния предприятия используются лишь отдельные методы, в то время как эта проблема имеет комплексный характер. Таким образом, в статье предлагается создать и использовать комплексный превентивный механизм диагностики для обнаружения негативных явлений в финансово-хозяйственной деятельности предприятия, который позволит обнаружить и устранить риск банкротства в будущем.

Методы прогнозирования риска банкротства предприятий

Проблема прогнозирование риска банкротства предприятий появилась в развитых странах, и в первую очередь в США, после второй мировой войны, и была вызвана сильным ростом количества банкротств. Попытки прогнозировать риск банкротсва предприятий принимались и раньше в 20-х годах, Лоу (Lough), Смит (Smith), Винакор (Winakor), Фитцпатрик (Fitzpatrick) занимались активными исследованиями в этой области, в частности поиском инструментария для эффективного прогнозирования риска банкротства. Серьезные достижения появились в 60-х годах двадцатого века и были вызваны появлением компьютерной техники.

Как правило, подходы, касающиеся прогнозирования риска банкротства, включают в себя несколько ключевых показателей состояния финансово-хозяйственной деятельности предприятия. С помощью них рассчитывается показатель вероятности риска банкротства. Источниками информации для расчета показателей оценки финансово-хозяйственной деятельности предприятия является публикуемая бухгалтерская отчетность и рыночные данные по котируемым ценным бумагам.

В основном инструментарием для построения моделей прогнозирования риска банкротства предприятий является мультипликативный дискриминантный анализа (MDA), множественный регрессионный анализ, логлинейный анализ. Наиболее популярным для построения модели банкротства является дискриминантный анализ, используемый такими зарубежными учеными как Лис (Lis, 1972), Р. Тафлер и Г. Тишоу (Taffler, Tisshaw, 1974), Альтман, Халдеман и Нара-уан (Edward 1. Altman, Robert G. Haldeman, P. Narayanan, 1977); Спрингэит (Springate, 1978); Фулмер (Fulmer, 1984); Аргенти (Argenti, 1985); Мейерс и Фогу (Myers, Forgy 1986); Кохен и Гилмор (Cohen, Gilmore 1990) [2, 6, 8, 9, 11, 12, 13]. Множественные регрессионные модели исследования банкротства были изучены Коробовым Стерсом, Мартином (Korobow – Sturh – Martin, 1976). Logit-модели активно разрабатывались Ольсоном (Ohlson, 1980), Бигли, Мингом и Ваттсом (Begley, Ming, Watts, 1996), Минусси и Ворсингтоном (Minussi, Worthington, 2007), Хайдаршиной (2009).

Проблемы прогнозирования риска банкротства российских предприятий

Как отмечают многие российские авторы, многочисленные попытки применения одиночных иностранных моделей прогнозирования банкротства в отечественных условиях не принесли достаточно точных результатов [3, 4, 6, 7]. В настоящее время российской экономике крайне необходим механизм определения неблагоприятных тенденций развития промышленных предприятия и предсказания риска банкротства. Вместе с тем, методик, позволяющих с достаточной степенью достоверности прогнозировать риск банкротства, практически нет. Не создан единый информационный источник, который описывал бы большинство известных методик. Не все существующие на данный момент методики можно применять в российских условиях, не все они дают адекватные результаты, часто происходит так, что одна методика может отнести предприятие в класс банкротов, а другая методика, наоборот, будет говорить об его финансовой устойчивости. Многие методики трудно применять из-за ограниченности данных о предприятиях. Как правило, ученый оперирует только бухгалтерскими отчетами, поэтому он вынужден ограничиться количественными методами прогнозирования банкротства, у него нет возможностей использовать качественные методы и методы балльных оценок.

В Российской Федерации еще не накоплена достаточно обширная и глубокая информационная база по предприятиям банкротам, по причине молодости института банкротства, что затрудняет создание собственных методик. Также присутствует проблема достоверности бухгалтерской информации о финансовом состоянии на конкретных предприятиях и трудности в его получении. Далее в статье предлагается создать комплексный механизм диагностики риска банкротства Российских предприятий.

Механизм диагностики риска банкротства промышленных предприятий

Построение комплексного превентивного механизма диагностики риска банкротства предполагает последовательную реализацию ряда этапов:

1. Формирование двух массивов российских предприятий (30 банкротов и 30 небанкротов) и данных по внешней бухгалтерской отчетности. Банкротство предприятия определяется решением арбитражного суда о признании его банкротом.

2. Вычисление показателей банкротства по основным западным (Альтмана [11, 12], Таффлера, Лиса, Бивера [13], Фулмера, Спрингейта, Де Паляна, Голдера и др.) и отечественным методам (Зайцевой [3], Сейфулина и Шеремета [10] , Иркутской государственной экономической академии [1, 5] и др.), которые сформируют вектор предприятия. Вектор банкротства предприятия описывает риск банкротства предприятие с точки зрения различных методик.

Для примера, рассчитаем вектора предприятий банкрота (по решению арбитражного суда) ООО НЕФТЕГАЗРЕМСТРОЙ и небанкрота – ОАО Магнит. Показателями Z₁-Z₉ выступают различные зарубежные и отечественные методы прогнозирования риска банкротства промышленного предприятия.(Z₁ – двухфакторная модель Альтмана, Z₂ – пятифакторная модель Альтмана, Z₃–модифицированная модель Альтмана, Z₄ – модель Таффлера, Z₅ – модель Фулмера, Z₆ – модель Спрингейта, Z₇ – модель Иркутской школы, Z₈ – двухфакторная модель Лео Хао Суана, Z₉ – модель Лиса).

Таблица 1

Вектора предприятия банкрота и небанкрота

3. На основании векторов предприятий, будет проведена кластеризация на три кластера: предприятия, для которых существует риск банкротства (см. таблицу 2), «серая зона», предприятия, для которых нет риска банкротства (см. таблицу 3). В кластер «серая зона» относятся предприятия находящиеся на грани банкротства и требующие немедленной реструктуризации. Центры кластеров будут своеобразным «идеальным» предприятием банкротом в кластере «банкротов» и «идеальным» предприятием небанкротом в кластере «небанкротов». Центры кластеров будут определять вероятность банкротства, чем ближе предприятие находится к центру кластера банкротов, тем вероятнее, что оно обанкротится и наоборот. Кластеризация предприятий будет проведена с помощью нейросетевых методов самообучающихся карт Кохонена. Инструментарием для анализа и построения кластеров будет выступать программно прикладной продукт PolyAnalyst 6.0 компании Megaputer Intelligence.

Таблица 2

Свойства скластера банкротов

Таблица 3

Свойства кластера небанкротов

На основе созданных кластеров можно проводить экспресс-диагностику предприятия. Чем ближе предприятие находится к центру кластера банкротов, тем более она неустойчиво в своем развитии. Механизм диагностики риска банкротства должен обеспечить менеджменту возможность сформировать стратегию и выработать оперативные решения по улучшению финансово-экономического состояния предприятия.

Литература:

1. Беликов А.Д. Диагностика риска банкротства предприятий: Дис. Иркутск, 1998.

2. Бригхен Ю., Гапенски Л. Финансовый менеджмент: Полный курс. В 2-х т./Пер. с англ. — СПб.: Экономическая школа, 1999.

3. Зайцева О.П. Антикризисный менеджмент в российской фирме.//Аваль. (Сибирская финансовая школа). — 1998. — № 11-12.

4. Ковалёв В.В. Введение в финансовый менеджмент. — М.: Финансы и статистика, 2000.

5. Лео Хао Суан. Оценка и прогнозирование банкротства предприятия: Дис. Москва, 1999.

6. Минаев Е.С., Панагушин В.П. Антикризисное управление. Учебное пособие для технических вузов— М.: Приор, 1998.

7. Панагушин В.П., Лапенков В.И., Лютер Е.В. Диагностика банкротства: возможна ли оценка неплатежеспособности по двум показателям.//Экономика и жизнь. — 1995. — № 8.

8. Федотова М.А. Как оценить финансовую устойчивость предприятия.//Финансы. — 1995. — № 6.

9. Финансовый менеджмент: теория и практика. Учебник под ред. Стояновой Е.С. — М.: Перспектива, 2000.

10. Шеремет А.Д., Сайфуллин Р.С. Методика финансового анализа. - М.: Инфра-М, 1995. - С. 126-149.

11. Altman E.I. Financial Rations. Discriminent Analysis, and the Prediction of Corporate Bankruptcy.//Journal of Finance, September 1968.

12. Altman E.I., Haldeman R.G., Narayanan P. Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation.//Journal of Banking and Finance, June 1977.

13. Beaver W.H. Financial Rations and Predictions of Failure.//Empirical Research in Accounting Selected Studies, Supplement to Journal of Accounting Research, 1996.