Сайфуллин кадыков

  • автор:

Прогнозирование вероятности банкротства на основе модели Таффлера, Тишоу

В 1977 г. британские ученые Р. Таффлер и Г. Тишоу апробировали подход Альтмана на основе данных 80 британских компаний и построили четырехфакторную прогнозную модель с отличающимся набором факторов.

Модель рекомендуется для анализа, в случае если нужно учитывать современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей

Новости Новороссии.

Формула расчета вероятности банкротства на основе модели Таффлера, Тишоу:

Z = 0,53X1 + 0,13Х2 + 0,18Х3 + 0,16X4

где:

  • Х1 – отношение прибыли до уплаты налога к сумме текущих обязательств (показывает степень выполнимости обязательств за счет внутренних источников финансирования);
  • Х2 – отношение суммы текущих активов к общей сумме обязательств (описывает состояние оборотного капитала);
  • Х3 – отношение суммы текущих обязательств к общей сумме активов (показатель финансовых рисков);
  • Х4 – отношение выручки к общей сумме активов (определяет способность компании рассчитаться по обязательствам).

Расчет показателей модели Таффлера по бухгалтерскому балансу и отчёту о прибылях и убытках (старые формы отчётности):

  • Х1 = стр. 050 ф. 2 / стр. 690 ф. 1;
  • Х2 = стр. 290 ф. 1 / стр. 590 + 690 ф. 1;
  • Х3 = стр. 690 ф. 1 / стр. 300 ф. 1;
  • Х4 = стр. 010 ф. 2 / стр. 300 ф. 1.

Расчет показателей модели Таффлера по бухгалтерскому балансу и отчёту о финансовых результатах (новые формы финансовой отчетности с 2011 года):

  • Х1 = стр. 2200 / стр. 1500;
  • Х2 = стр. 1200 / стр. 1400 + 1500;
  • Х3 = стр. 1500 / стр. 1600;
  • Х4 = стр. 2110 / стр. 1600.

Вывод о вероятности банкротства по модели Таффлера, Тишоу:

  • При Z > 0,3 — вероятность банкротства низкая
  • При 0,2 < Z <0,3 — состояние неопределённости
  • При Z < 0,2 — высокая вероятность банкротства.

В уравнении Р. Таффлера и Г. Тишоу переменная X1 играет доминирующую роль, а прогностическая способность модели ниже по сравнению с Z-счетом Альтмана: незначительные колебания экономической обстановки и возможные ошибки в исходных данных, в расчете финансовых коэффициентов и всего индекса могут приводить к ошибочным выводам.

Расчёт вероятности банкротства по модели Таффлера, Тишоу онлайн можно выполнить здесь:

Оценка вероятности банкротства по Таффлеру, Тишоу

Бывший старший преподаватель ЧГУ и СПбГИЭУ «Инжэкон» (2004-2011).

Специализируюсь на финансовом состоянии организаций: коммерческих организаций, банков, бюджетных учреждений.

Помогаю с подготовкой ВКР по экономике.

Метки: Анализ и оценка банкротства

Банкротство — это признанная арбитражным судом неспособность должника в полном объеме удовлетворить требования кредиторов по денежным обязательствам и (или) исполнить обязанность по уплате обязательных платежей.
Банкротство является неизбежным следствием рыночной конкуренции. Особенно часто возникновение финансовых затруднений, способных привесит к банкротству, бывает связанно со структурной перестройкой экономики.
Поэтому для предприятий важно спрогнозировать близость к банкротству, позволит разработать мероприятия по его предупреждению.
В зарубежной литературе довольно много достойных методик прогнозирования банкротства, но наибольшую известность получила работа Э. Альтмана, предложившего методику расчета индекса кредитоспособности, который позволяет в первом приближении разделить хозяйствующие субъекты на потенциальных банкротов и не банкротов.
Наиболее широкую известность получила пятифакторная модель Э. Альтмана:
Z = 0,717X1 + 0,847X2 + 3,107X3 + 0,42X4 + 0,995X5,
где X1 — собственный оборотный/капитал сумма активов;
X2 — финансовый рычаг;
X3 — прибыль до уплаты процентов/заемный капитал;
X4 – стоимость собственного капитала/стоимость всех обязательств;
Х5 — объем продаж/сумма заемного капитала.
Шкала оценки вероятности банкротства по пятифакторной модели Альтмана представлена в табл. 1.1
Таблица 1.1. Шкала оценки вероятности банкротства по пятифакторной модели Э. Альтмана

Значение показателя Z Вероятность банкротства
1,8 и менее очень высокая
1,81 – 2,675 средняя
2,675 равна 0,5
2,675 – 2,99 невелика
2,99 и более ничтожна

Следует отметить, что использование зарубежных моделей требует больших осторожности. Они не в полной мере подходят для оценки риска банкротства российских организаций в силу следующих обстоятельств:
во-первых, модели разрабатывались достаточно давно; изменилась макро- и микроэкономическая ситуация и в США, и в других странах;
во-вторых, не может быть универсальных моделей, которые идеально подходили бы для всех отраслей экономики даже отдельно взятой страны. Из этого следует, что модели, рассчитанные по статистическим данным тех лет, не могут объективно прогнозировать современное состояние организаций.
Поэтому заслуживает внимание сам подход к разработке подобных моделей, но они должны разрабатываться для каждой отрасли и при этом периодически уточнятся по новым статистическим данным с учетом новых тенденций и закономерностей в экономике.
С этой точки зрения целесообразно рассмотреть отечественные методики близости к банкротству, так как они ориентированы на российскую практику.
Модель Иркутской государственной экономической академии имеет вид:
R = 8,38 X1 + X2 + 0,054 X3 + 0,63 X4,
где X1- чистый оборотный капитал/собственный капитал;
X2- чистая прибыль/собственный капитал;
X3 — чистый доход/валюта баланса;
X4- чистая прибыль/ суммарные затраты.
Если R < 0 – вероятность банкротства максимальная;
При от 0 до 0,18 вероятность банкротства высокая;
При R от 0,18 до 0,32, вероятность банкротства средняя;
При R от 0,32 до 0,42 – вероятность банкротства низкая;
При R > 0,42, то вероятность банкротства минимальная.
В.В. Ковалев предложил двухуровневую систему показателей, которая охватывает различные направления деятельности организации и базируется не только на данных бухгалтерской отчетности, но и на внутренней информации. Формула для оценки финансовой устойчивости имеет вид:
N = 25N1 +25N2 + 20N3 + 20N4 + 10N5,
где N1 – коэффициент оборачиваемости запасов;
N2 – коэффициент текущей ликвидности;
N3 – коэффициент структуры капитала: собственный/заемный;
N4 – коэффициент рентабельности;
N5– коэффициент эффективности: прибыль до налогообложения/выручка от реализации.
Нормативные значения коэффициентов представлены в табл. 1.2.
Таблица 1.2 Нормативные значения коэффициентов, включенных в модель оценки вероятности банкротства В.В. Ковалева

Коэффициент Нормативное значение
N1 3,00
N2 2,00
N3 1,00
N4 0,30
N5 0,20

Если N = 100, то финансовая ситуация в организации может считаться хорошей;
Если N < 100, то финансовая ситуация вызывает беспокойство.
Чем сильнее отклонение значения N от 100 в меньшую сторону, тем сложнее ситуация и тем более вероятно в ближайшее время наступление финансовых трудностей для организации.
Модель О.П. Зайцевой для оценки риска банкротства организации имеет вид:
К = 0,25Х1 + 0,1Х2 + 0,2Х3 + 0,25Х4+ 0,1Х5 + 0,1Х6,
где Х1- чистый убыток дебиторская задолженность;
X2- коэффициент соотношения кредиторской и дебиторской задолженности;
Х3- краткосрочные обязательства выручка от продаж;
X4- чистый убыток к объему реализации продукции;
Х5- финансовый леверидж;
X6-коэффициент загрузки активов: активы/выручка.
Для определения вероятности банкротства необходимо сравнить фактическое значение с нормативным значением прошлого года, которое рассчитывается по формуле:
Кn = 0,25 • 0 + 0,1 • 1 + 0,2 • 7 + 0,25 • 0 + 0,1 • 0,7 + 0,1 • Х6,
Рекомендуемые минимальные значения частных показателей:
Х1 = 0; Х2 = 1; Х3 = 7; Х4 = 0; Х5 = 0,7; Х6 = Х6 прошлого года.
Если фактический коэффициент больше нормативного, то вероятность наступления банкротства организации крайне высока.
Если Кфакт < Кn, то вероятность банкротства незначительна.
Р.С. Сайфуллин и Г.Г. Кадыков предложили использовать для оценки финансового состояния организаций рейтинговое число, определяемое по формуле:
R = 2Ко + 0,1Ктл + 0,08Ки + 0,45Км + Кпр,
где Ко – коэффициент обеспеченности собственными средствами;
Ктл – коэффициент текущей ликвидности;
Ки – коэффициент оборачиваемости активов;
Км – коммерческая маржа;
Кпр – рентабельность собственного капитала.
При полном соответствии финансовых коэффициентов их минимальным нормативным уровням рейтинговое число будет равно единице, и организация имеет удовлетворительное финансовое состояние. Финансовое состояние организации с рейтинговым числом менее единицы характеризуется как неудовлетворительное.
Данные четыре отечественные модели банкротства, на мой взгляд, наиболее подходят для оценки банкротства предприятия. В модели Иркутской государственной экономической академии механизм разработки и все основные этапы расчетов подробно описаны, что облегчает применение данной модели. Модель Зайцевой использует в качестве переменных 6 показателей, что делает анализ более подробным. Переменные в модели Сайфуллина и Кадыкова отражают различные аспекты деятельности организации, благодаря которым возможно динамическое прогнозирование финансовой устойчивости. Использование методики Ковалева возможно для внешнего анализа, нормативные переменные дифференцированы по отраслям. Выбранные из огромного перечня, методики смогут оценить близость предприятия к банкротству. И опираясь на полученные данные, будет возможно разработать мероприятия по улучшению финансового положения предприятия.
Список литературы:
1. Балдин К.В. Банкротство предприятия: анализ, учет и прогнозирование. М., «Дашков и К», 2010.
2. Ковалев В.В. Финансовый анализ: методы и процедуры. — М.: Финансы и статистика, 2011.
3. Анализ финансовой отчетности: учебник / Л.В.Донцова, Н.А.Никифорова. — 4-е изд., перераб. и доп. — М.: Издательство «Дело и Сервис», 2012.

Арутюнян А. Б. aalex@mail.com

Предсказание платежеспособности предприятий давно занимает умы кредиторов. Особенно справедливо это в случае сельскохозяйственных предприятий, поскольку данная отрасль всегда считалась вложением рискованным и трудно окупаемым. И всё же исследований в этом направлении проводилось сравнительно мало. С появлением вычислительных машин предсказание неплатежеспособности заёмщика стало предметом серьёзных статистических изысканий. Большинство положительных результатов было достигнуто с применением метода дискриминантного анализа. В данной работе автор представляет краткое описание двух моделей предсказания неплатежеспособности, а также критическую оценку их применения с использованием данных венгерских предприятий сельского хозяйства и пищевой промышленности.

Факторы оценки кредитного риска

По мнению специалистов банковского дела в оценке кредитного риска особое значение имеют три фактора:

  • финансовый анализ — объективная оценка,
  • человеческий фактор — субъективная оценка заёмщика,
  • особенности отрасли производства заёмщика.

Однако открытым остаётся важный вопрос, в какой пропорции должны быть представлены эти три фактора в системе оценки кредита и заёмщика. В практике венгерских банков наиболее распространена пропорция в 40 – 40 – 20 процентов соответственно . Опыт автора показывает, что в практике финансирования сельского хозяйства роль субъективного фактора намного превышает 50 %. Причины такого положения вещей нужно искать, во-первых, в стратегии банков, а во-вторых — в отсутствии надёжных методов оценки кредитоспособности именно сельскохозяйственных предприятий. Руководство большинства крупных банков стремится достичь не максимальной прибыли, а стабильного и легко планируемого её увеличения. У такой политики есть преимущества, например:

  • годовой прирост прибыли очень нравится акционерам,
  • финансовое положение банка в значительно меньшей степени зависит от состояния всего рынка,
  • на уровне значительно ниже максимальной прибыли, банки могут позволить себе выбирать наименее рискованные кредиты.

По данным филиала одного из крупных банков соотношение проблемных кредитов ко всем кредитам данного филиала не достигает трёх десятых процента (!), поскольку, работая на олигопольном рынке, кредиты даются только крупные и «перестрахованные”. Средние и малые банки также предпочитают не заниматься сельхоз-кредитами из-за повышенного риска, так как невыплата кредита заёмщиком затрагивает их более чувствительно. Круг замкнулся: крупные банки могли бы, но не хотят, малые хотели бы, но не могут. А те несколько банков, которые всё же занимаются сельхоз-финансированием, не могут удовлетворить все потребности. Работая так же в условиях сверхспроса, прибегают к политике крупных банков, таким образом, большинство, особенно малых, сельхоз-предприятий кредита получить не может.

По мнению автора, разработкой и применением надёжных, учитывающих специфику этого производства, объективных методов оценки платежеспособности и предсказания несостоятельности именно сельхоз-предприятий можно уменьшить роль субъективных факторов в финансировании сельского хозяйства и облегчить привлечение капитала в отрасль.

Анализ финансовых коэффициентов

Первые изыскания, направленные на предсказание финансового краха появились в конце 30-х годов в Соединённых Штатах. Многие из основных методов анализа экономических и финансовых трудностей используются и в наши дни. В результате исследований, в которых независимо друг от друга приняло участие множество фирм консалтинга, был осознан тот факт, что некоторые финансовые коэффициенты потерпевших крах предприятий значительно отличаются от коэффициентов стабильно работающих.

Первым применять анализ соотношений финансовых коэффициентов, как метод предсказания банкротства, начал В. Х. Бивер . В своих исследованиях он по одному сравнивал показатели неплатежеспособных фирм с такими же коэффициентами фирм, нормально работающих, и обнаружил, что ещё задолго до краха разница между ними разительна. Обе группы состояли из 79 предприятий и уже за пять лет до кризиса были заметны признаки, позволявшие предполагать его приближение.

В каждом из похожих исследований были даны предложения, какие из коэффициентов следует принять во внимание и какие выводы можно сделать, наблюдая за их изменениями во времени. Не могли, однако, определить вероятность краха, поскольку попытки решить проблему с помощью лишь одного-двух коэффициентов часто приводили к фальшивым или противоречивым результатам.

Математическо-статистические методы с несколькими переменными

После сравнительных методов Бивера рождалось всё больше способов решения проблемы. Автор обобщил (Таблица 1) наиболее известные работы по предсказанию неплатежеспособности с помощью многопеременных статистических методов, применённые методы и их точность предсказания за год да краха. Легко заметить, что наиболее популярным является дискриминантный анализ. Начиная с середины 80-х годов, применим также метод логистической регрессии — Logit. Появление данных методов в предсказании краха обусловлено тем, что в процессе их применения появилась возможность дать ответы на вопросы, перед которыми традиционные методики были бессильны, а именно:

  • Какие финансовые коэффициенты наиболее важны в процессе определения шансов хозяйственной единицы на крах?
  • В каких пропорциях нужно принимать во внимание данные коэффициенты?
  • Каким методом можно выявить данные коэффициенты и их соотношения друг с другом?

Авторы моделей, перечисленных в таблице (Таблица 1) дали различные ответы. В этом нет ничего удивительного, поскольку исследования проводились в разное время, в различной рыночной обстановке, на различных выборках предприятий и различными способами.

В данной работе представлены две из них. В той среде, где эти модели были разработаны, они проявили весьма высокую степень надёжности. Другая причина выбора в том, что обе модели готовились на основе данных малых и средних предприятий. Третья причина выбора: модели используют исключительно данные отчета о прибылях и убытках и отчета о финансовом состоянии. В отличие — например — от более известной модели Альтмана, не принимается во внимание рыночная капитализация. Таким образом, круг применения не сужается на акционерные общества, чьи акции находятся в свободном (биржевой) обороте, что совсем не характерно для венгерских сельхоз-предприятий. Конечно, такие предприятия всё же есть, но их так мало, что статистически их данными оперировать весьма затруднительно.

Краткое описание модели Фулмера

Модель была создана на основании обработки данных шестидесяти предприятий — 30 потерпевших крах и 30 нормально работавших — со средним годовым балансом в 455 тысяч американских долларов. Изначальный вариант модели содержал 40 коэффициентов, окончательный использует всего девять.

Общий вид модели:

где

Краткое описание модели Спрингейта

Эта модель была построена Гордоном Л. В. Спрингейтом в университете Симона Фрейзера в 1978 году с помощью пошагового дискриминантного анализа методом, который разработал Эдуард И. Альтман в 1968 году.

В процессе создания модели из 19 — считавшихся лучшими — финансовых коэффициентов в окончательном варианте осталось только четыре. Общий вид модели:

в которой

Если Z < 0,862 предприятие получает оценку «крах”. При создании модели Спрингейт использовал данные 40 предприятий и достиг 92,5 процентной точности предсказания неплатежеспособности на год вперёд. Позднее Бодерас, используя модель Спрингейта на данных 50 предприятий со средним балансом в 2,5 миллиона долларов, достиг 88 процентной точности предсказания.

Эти модели, как и любые другие, следует использовать лишь как вспомогательные средства анализа предприятий. Полностью полагаться на их результаты неразумно и опасно. Применять их следует только после проверки и коррекции в среде будущего применения. Ниже перечислены примеры возможного использования:

    • Обработка данных потенциальных заёмщиков с целью определения риска неплатежеспособности.
    • Определение условий кредита.
    • Покупке или продаже предприятия.
    • «Сигнал тревоги” для менеджмента предприятия.
    • Проверка принятых решений в симуляциях экономических ситуаций.
    • Создание динамичной картины платежеспособности предприятия (анализ трендов), используя данные предыдущих отчётных периодов.

Последние три возможности могут быть встроены в менеджмент-информационные системы (MIS) и выполняться автоматически.

Выборка венгерских сельхоз-предприятий

В своей работе автор использовал базу данных Информационной Службы Министерства Юстиции Венгерской Республики . Выборка содержит данные отчета о прибылях и убытках и отчета о финансовом состоянии 146 сельскохозяйственных предприятий (коды деятельности: EAOR 3, TEAOR A, TEAOR98 A) за год 1999. 73 из них (в дальнейшем — «работающие”) «нормально” работают и в настоящее время, а против остальных 73 (в дальнейшем — «банкроты”) в 2000 году был возбуждён ликвидационный процесс. Не более десяти процентов (в случае сельхоз-предприятий около 1 % — прим. автора) всех несостоятельных малых предприятий объявляют банкротами себя сами, так как в процессе окончательной ликвидации выплаты задолженностей избежать нельзя. Поэтому обычно дожидаются, пока кто-нибудь из кредиторов не подаёт в суд. Процесс с целью отсрочки платежей возбуждается ещё реже, прежде всего из-за недостаточного знания должниками законов, а также из-за очень длительных — до нескольких лет — судебных процедур, в течение которых ни должники, ни кредиторы денег своих не видят. Поэтому самым распространённым является ликвидационный процесс по инициативе кредиторов . В 2000 году такие судебные процессы были возбуждены против 304 — существующих хотя бы год — венгерских сельхоз-предприятий . Âсего лишь чуть более четверти этих фирм предоставило свои финансовые отчёты Министерству Юстиции, несмотря на то, что это является обязательным. Дисциплина нормально работающих фирм не намного лучше. Происходит всё из-за неимения Министерством Юстиции (!) действительно эффективного средства принуждения.

В сложившихся условиях — количество фирм было ограничено выше указанными обстоятельствами — на состав выборки автор мог повлиять лишь в очень узких рамка. Годовые отчёты были проверены автором на отсутствие или исправимость ошибок. Из выборки были исключены фирмы, составляющие так называемый упрощённый отчёт, из-за их небольшого числа и низкой статистической ценности информации. Критерием группировки предприятий был выбран уставный капитал, поскольку все остальные критерии (баланс, объём реализаций, количество работников и т. д.) настолько усложняли работу на данном этапе, что делался почти невозможным отсев и выбор фирм работающих. Распределение нормально работающих сельхоз-фирм (всех!) по уставному капиталу демонстрирует Рисунок 1.

Процент банкротов среди предприятий с капиталом до одного миллиона форинтов включительно намного выше, чем в остальных категориях (Рисунок 2). Фирмы, бедные капиталом, более чувствительны к воздействию внешних факторов, непредвиденным расходам. Основать малую фирму просто, поэтому часто не продумывается достаточно основательно. Финансовая и бухгалтерская дисциплина таких фирм низка, и в данных балансов и отчётов о прибыли и убытках ошибок было больше, чем в других категориях. Этим обусловлено отличие состава выборки от распределения всех банкротов (Рисунок 3). Трудно измеримо, и относится, скорее, к человеческим факторам, однако наличие или отсутствие ошибок в заполнении финансовых отчётов можно использовать как квалитативный критерий.

Выборка работающих предприятий сформирована по составу выборки банкротов. В пределах границ категорий и в соответствие выше описанным критериям выбор происходил случайно. Дальнейшие ограничения: в период с 1998 по 2000 год против фирм не возбуждался ликвидационный процесс, не было изменений в уставном капитале, не менялась форма предприятия.

Результаты применения моделей

Работа выполнялась с использованием программы Microsoft Excel. При наборе формул моделей возникла необходимость применения условной логической функции «Если” (IF) с целью избежать деления на ноль и вычисления логарифма нуля и отрицательных чисел. В таких случаях критический параметр принимался за единицу. Результаты соответствуют ожиданиям (Таблица 2). Модель Фулмера учитывает больше факторов, поэтому и при обстоятельствах, отличных от оригинальных, работает стабильней. Кроме того, вычисление логарифмов, модель учитывает и размер фирм, что, наверное, справедливо как в Америке, так и в любой другой рыночной экономике. По крайней мере, распределение венгерских фирм по уставному капиталу подтверждает правильность идеи. Модель с одинаковой надёжностью определяет как банкротов, так и работающие фирмы. Результаты модели Спрингейта очень несимметричны. Модель явно «сдвинута” в сторону краха и поэтому применять её следует в случае стратегии избежания риска, а также стоит ввести константу, корректирующую «сдвиг”.

Надёжность моделей оказалась намного ниже, чем в среде разработки. Причин несколько:

  1. Значения переменных в оригинальных моделях давались в американских и канадских долларах. При применении в других странах нужно учитывать искажение значений логарифмов. Пересчёт на доллары проблему решает, но изменения курса оставляют незначительные ошибки.
  2. В венгерском бухучёте значения в бланки отчётов вносятся в тысячах форинтов. Необходима коррекция, которая в свою очередь нарушает непрерывность.
  3. Условия экономики венгерского сельхоз-производства сильно отличаются от экономических условий Соединённых Штатов или Канады.
  4. Отличительной чертой венгеркой политики и сельского хозяйства является тот факт, что — особенно среди малых сельхоз-предприятий — экономические трудности начинают принимать социальный характер. Таким образом, нарушаются принципы рыночной экономики.

Повысить уровень надёжности моделей можно изменением множителей методом итерации (подбора). Введением константы «сдвига” в модель Спрингейта можно компенсировать её несимметричность. Простым подбором вручную после нескольких шагов по принципу постоянного улучшения удалось поднять надёжность моделей до семидесяти процентов (в модели Фулмера — и выше). Можно использовать функцию-расширение Solver в программе MS Excel. В этом случае важен выбор отправных значений изменяемых множителей.

Советы по возможному применению в России

Прежде всего, без проверки на опытных данных применять их — особенно модель Спрингейта — не стоит. В описании модели использовались наименования, соответствующие российской бухгалтерской практике, однако при адаптации модели к российским условиям необходимо прояснить — проверить опытом — некоторые понятия. При испытании моделей на данных венгерских предприятий, использовалась следующая трактовка:

С помощью статистических софтверов (SPSS или др.) можно провести дискриминантный анализ данных конкретных предприятий, используя коэффициенты представленных моделей. Наиболее же правильным, но трудоёмким, является создание собственной модели.

Литература

CD Céghírek, COMPLEX, 2001. június 30.

(База данных фирм)

Csernyánszky J.: A válság mindig vasárnap üt be. Cégépítés – Cégvezetés

, Hírtőzsde Holding, Budapest, 2001. augusztus. 124-129 pp. (âенг.: «Кризис наступает всегда в воскресенье”, Создание фирмы – Управление фирмой) енг.: База финансовых данных фирм за 1999 год, Информационная Служба Министерства Юстиции)

Virág M. – Hajdu O.: Pénzüg

yi mutatószámokon alapuló csődmodell-számítások.
Bankszemle, (40) 1995/5, Budapest, 1995., 42-53. рр. (венг.: «Вычисления моделей банкротства на основании финансовых коэффициентов”, Банк-овозрение)

Таблицы

Таблица 1
Наиболее известные модели предсказания банкротства

Таблица 2
Точность предсказания моделей за год до несостоятельности

Банкроты

Работающие

Всего

66%

66%

66%

79%

40%

60%

Рисунки

Рисунок 1
Распределение нормально работающих сельхоз-предприятий по уставному капиталу (в форинтах)

Рисунок 2
Распределение несостоятельных(в 2000 г.) сельхоз-предприятий по уставному капиталу (в форинтах)

Рисунок 3
Распределение по уставному капиталу (в форинтах) в выборке несостоятельных сельхоз-предприятий

Литература:

  1. При упоминании о сельскохозяйственных предприятиях подразумеваются также предприятия пищевой промышленности, лесоводные, рыбоводные и охотничьи хозяйства. (примечание автора)
  2. Причисление к данным категориям справедливо по отношению к американским и канадским предприятиям и происходило по величине годового баланса (примечание автора)
  3. Значение константы в оригинальной формуле было не -3,075, а -6,075. Данное изменение обусловлено искажением значения переменной x7, вызванным правилами заполнения бланков баланса в Венгрии, следуя которому данные вносятся в тысячах форинтов. (примечание автора)
  4. В соответствие с венгерским законодательством, против несостоятельного предприятия может быть возбуждён судебнный процесс. Просить возбуждение процесса может само предприятие с целью получения отсрочки платежей или окончательной ликвидации, а также кредиторы. Таким образом могут быть возбуждены мимимум три вида процесса. (примечание автора).

Версия для печати

Одной из наиболее известных рейтинговых моделей является модель Р.С. Сайфулина и Г.Г.Кадыкова. Российские ученые разработали среднесрочную рейтинговую модель прогнозирования риска банкротства, которая может применяться для любой отрасли и предприятий различного масштаба. Общий вид модели

R = 2∙К1 + 0,1∙К2 + 0,08∙К3 + 0,45∙К4 + К5 , (47)

где К1 – коэффициент обеспеченности собственными оборотными средствами;

К2 – коэффициент текущей ликвидности;

К3 – коэффициент оборачиваемости активов;

К4 – коммерческая маржа (рентабельность реализации продукции);

К5 – рентабельность собственного капитала.

Данные коэффициенты рассчитываются по формулам, представленным в таблице 16.

Таблица 16 – Алгоритм расчета показателей, используемых в модели Сайфулина и Кадыкова

Показатель 2008-2010 гг. 2011 г.
К1 -1,29 47.1
К2 5,24 47.2
К3 1,27 47.3
К4 0,01 47.4
К5 6,48 47.5
Z 4,54 47.6 Модель Сайфулина и Кадыкова

При полном соответствии финансовых коэффициентов их минимальным нормативным уровням рейтинговое число будет равно единице и организация имеет удовлетворительное состояние экономики. Финансовое состояние предприятий с рейтинговым числом менее единицы характеризуется как неудовлетворительное.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *