<<
>>

9.3. Количественные методы прогнозирования банкротства

К настоящему времени широкое распространение в мировой экономической науке и практике получил количественный подход к оценке финансового состояния с позиции возможного банкротства.

Одной из простейших моделей прогнозирования вероятности банкротства считается двухфакторная модель. Она основывается на двух ключевых финансовых показателях (например, коэффициент текущей ликвидности и доли заемных средств в пассивах баланса), от которых зависит вероятность банкротства предприятия.

Полученные по данным баланса исследуемой организации показатели умножаются на весовые значения коэффициентов, найденные эмпирическим путем. Затем результаты складываются с некой постоянной величиной (const), также полученной (опытно-статистическим) способом. Если результат (Ct) оказывается отрицательным, вероятность банкротства невелика. Положительное значение Q указывает на высокую вероятность банкротства.

В американской практике выявлены и используются такие весовые значения коэффициентов:

  • для показателя текущей ликвидности (Кт.л.) - (-] ,0736);
  • для показателя удельного веса заемных средств в пассивах баланса организации Кз) - (+0,0579);

-              постоянная величина - (-0,3877).

Отсюда формула расчета Ci принимает следующий вид:

С1 = - 0,3877 + Ктл. х (- 1,0736) + Кз * 0,0579

Необходимо заметить, что источник, приводящий данную

методику, не дает информации о базе расчета весовых значений

коэффициентов. Тем не менее в любом случае следует иметь в

184

виду, что в нашей стране иные темпы инфляции, иные циклы

макро- и микроэкономики, а также другие уровни фондоёмкости, энергоёмкости и трудоемкости производства, производительности труда, иное налоговое бремя. В связи с этим невозможно механически использовать приведенные ранее значения коэффициентов в российских условиях.

Однако саму модель с числовыми значениями, соответствующими реалиям российского рынка, можно было бы использовать, если бы отечественные учет и отчетность обеспечивали достаточно представительную информацию о финансовом состоянии предприятия.

Рассмотренная двухфакторная модель не даёт всесторонней оценки финансового состояния предприятия, а потому возможны слишком значительные отклонения прогноза от реальности. Для получения более точного прогноза американская практика рекомендует принимать во внимание уровень и тенденцию изменения рентабельности продаж, так как данный показатель существенно влияет на финансовую устойчивость предприятия. Это позволяет одновременно сравнивать показатель риска банкротства (Q) и уровень рентабельности продаж продукции. Если первый показатель находится в безопасных границах и уровень рентабельности продаж достаточно высок, то вероятность банкротства крайне незначительная.

Ещё одной попыткой использовать аналитические коэффициенты для прогнозирования банкротства считается работа У. Бивера (1966 г.). Он проанализировал 30 коэффициентов за пятилетний период по группе компаний, половина из которых обанкротилась. Все коэффициенты были сгруппированы им в шесть групп. Проведённое исследование показало, что наибольшую значимость для прогнозирования банкротства имел коэффициент соотношения чистого денежного притока и заёмного капитала.

Как отмечалось, наибольшую известность в области прогнозирования банкротства получила работа Э. Альтмана (1968 г.). Он с помощью аппарата мультипликативного дискрими-нантного анализа разработал методику расчёта индекса кредитоспособности. Рассчитанный по этой методике индекс кредитоспособности позволяет в первом приближении разделить хо-

185

зяйствующие субъекты на потенциальных банкротов и небанкротов.

При построении индекса Э. Альтман обследовал 66 предприятий, половина которых обанкротилась в период между 1946 и 1965 гг., а половина работала успешно. Он исследовал 22 аналитических коэффициента, которые могли быть полезны для прогнозирования возможного банкротства.

Из исследованных коэффициентов он отобрал пять наиболее значимых и построил многофакторное регрессионное уравнение. Таким образом, индекс Альтмана представляет собой функцию от некоторых показателей, характеризующих экономический потенциал предприятия и результаты его работы за истекший период.

Существует две разновидности модели Альтмана:

  • оригинальная модель - разработана в 1968 г. для акционерных обществ, акции которых котировались на фондовом рынке США;
  • усовершенствованная модель - разработана в 1983 г. для промышленных и непромышленных предприятий.

Оригинальная модель расчёта индекса кредитоспособности (Z-счет) имеет вид:

Z = 1,2 х X, + 1,4 х Х2 + 3,3 х Х3 + 0,6 х Х4 + 1,0 х Х5

где              X) - чистый оборотный капитал / сумма активов;

Х2 - нераспределенная  прибыль (непокрытый убыток) / сумма активов;

Хз - прибыль до налогообложения / сумма активов;

Х( - рыночная стоимость акций / сумма долга; Х5 - выручка (нетто) / сумма активов. В зависимости от полученного значения Z-счёта можно судить об угрозе банкротства (табл.9.3).

Таблица 9.3

              Значения Z-счёта и вероятность угрозы банкротства

"7 __ счёт              Vf**/**»*» йТ«»г..™«„т™—«~— ~ — -1 — ——              ......

Угроза банкротства с вероятностью 95% в течение ближайше-

го года

1,8 и менее 1,81-2,7 2,8-2;9

Очень высокая

Высокая

Возможная

2,99 и более

Очень низкая

Z-счёт, рассчитанный по этой модели, имеет серьезный недостаток. Его можно использовать лишь в отношении компа-ний-акционерных обществ, котирующих свои акции на биржах. Именно для таких компаний можно получить объективную рыночную оценку собственного капитала.

В 1983 г. Э. Альтман получил модифицированный вариант своей формулы для производственных и непромышленных компаний. Усовершенствованная модель имеет вид для производственных предприятий:

Z » 0,717 х X, + 0,847 х Х2 + 3,107 х Х3 + 0,420 х Х4 + 0,998 х Х5;

для непромышленных предприятий:

Z = 6,56 х X, + 3,26 х х2 + 6,72 х Хз + 1,05 х Х4

где              Xj - чистый оборотный капитал / сумма активов;

Х2 - резервный капитал + нераспределённая прибыль (непокрытый убыток) / сумма активов;

Хз - прибыль до налогообложения + проценты к уплате / сумма активов;

Х4 - капитал и резервы / заёмные средства; Х5 - Выручка (нетго) / сумма активов.

В зависимости от полученных значений Z-счёта можно судить о степени угрозы банкротства (табл. 9.4).

Таблица 9.4 Пограничные значения Z-счёта и степень угрозы банкротства

Степень   угрозы   банкротства Значения Z -счёта для

производственных

предприятий

Значения Z -счета для непромышленных предприятий
Высокая степень угрозы банкротства Менее 1,23 Менее 1,10
Зона неопределенности 1,23-2,90 1,10-2,60
Низкая степень угрозы банкротства Более 2,90 Более 2,60

Представленные модели имеют разную степень достоверности прогноза в зависимости от временного периода. Например, двухфакторная модель прогнозирования позволяет с наибольшей вероятностью (74%) предсказать угрозу банкротства на

186

187

период более двух лет, хотя в расчётах учитывается только финансовая устойчивость. Четырёхфакторная модель с вероятностью 68% прогнозирует угрозу банкротства на период более двух лет. Её отличие от пятифакторной модели заключается в том, что акцент в расчётах делается на операционную деятельность, а не на финансовое состояние.

Оригинальная пятифакторная модель Э. Альтмана с высокой вероятностью (около 85%) позволяет предсказывать банкротство на ближайший год. Усовершенствованная модель также имеет достаточно высокую вероятность предсказания банкротства на ближайший год.

Значимость методики Э. Альтмана для прогнозирования банкротства определяется не критериальными значениями Z-счёта, а техникой оценки. Известны и другие критерии прогнозирования банкротства, основанные на использовании аналогичных методик. Например, в 1977 г. британские учёные Р. Таффлер и Г. Тишоу опробовали методику Э. Альтмана на восьмидесяти британских компаниях. Результатами исследования явилось построение четырёхфакторной прогнозной модели с отличающимся набором факторов.

Кроме названных моделей существуют и другие модели прогнозирования несостоятельности. Например, метод credit-men, разработанный Ж. Депаляном (Франция). Финансовая ситуация предприятия в этом случае характеризуется пятью коэффициентами и показателями: коэффициентом быстрой ликвидности, коэффициентом кредитоспособности, коэффициентом иммобилизации собственного капитала, числом оборотов запасов, числом оборотов дебиторской задолженности.

По каждому коэффициенту и показателю определяют его нормальное значение с учётом специфики отрасли, а затем рассчитывают значение функции N:

N « 25* R, + 25* R2 + 1Ox R3 + 20х R, + 20х R5, где Ш рассчитывается следующим образом:

Ri = значение коэффициента исследуемого предприятия нормальное начение коэффициента

Если N = 100, то финансовая ситуация предприятия нормальная. Если N gt; 100, то ситуация хорошая. Если N lt; 100, то финансовая ситуация предприятия опасная.

Для прогнозирования несостоятельности Мт быть использован показатель платежеспособности Конана и Гольдера:

Z - -0,16 х X, - 0,22 х Х2 + 0,87 х Х3 + 0,1 х Х4 - 0,24 х Х5,

где:

X,-дебиторская задолженность + краткосрочные финансовые

вложения + денежные средства

активы

долгосрочные источники финансирования

Х2~  -—¦——';

Х3-

х4-х5-

активы проценты к уплате

выручка от продаж; (нетто)

расходы на персонал добавленная стоимость' прибыль (убыток) от продаж

вложенные средства

Авторы формулы установили вероятность задержки платежей в зависимости от значения показателя Z:

Таблица 9.5 Значение показателя Z и вероятность задержки платежей

Значение Z Вероятность задержки платежа, %
+0,210 100
+0,048 90
+0,002 80
-0,02 70
-0,068 50
-0,087 40
-0,107 30
-0,131 20
-0,164 10

189

Оценку вероятности задержки платежей можно делать, используя функцию показателя платежеспособности Управления отчётности Банка Франции:

lOOxZ = -1,255 х R, -2,003 х R2 - 0,824 х R3 +5,221 х R4 -0,689 х R5 -

-1,164 х R6 + 0,706 х R7 + 1,108 x R8- 85,544; где:

процент к уплате

Ri =              —Я              (доля фи-

прибыль {убыток) до налогооблоэюения

нансовых расходов в              финансовом

результате %);

•        долгосрочные источники финансирования   ,

Кг »              -                (коэф-

вложенные средства фициент капитализации);

Rs резервный капитал + нераспределённая прибыль (убыток)

вложенные средства (способность к самофинансированию, %);

прибыль (убыток) до налогообложения

Ri = —              ~              ~~——              (рента-

выручка (нетто) от продаж бельность продаж, %);

средняя задолженность поставщикам * 360

R5       _

закупки с учётом налогов (период погашения кредита, дни);

R6 добавленная стоимость к.г.

- добавленная стоимость н.г.

вложенные средства (процент изменения добавленной стоимости, %);

средняя дебиторская задолженность * 360

R,    =              ,              .                   (пе_

190

выручка от продажи в кредит риод погашения дебиторской задолженности, дни);

основные средства

Rg =              (реальные инвестиции,

добавленная стоимость

%);

Примечание:

н.г. - начало года; к.г. - конец года.

Рассчитанное по данным исследуемого предприятия значение Z позволяет оценить вероятность задержки платежей.

Таблица 9.6 Пограничные значения показателя Z

Показатель Z Область прогноза
Менее - 3 Предприятия, задерживающие платежи
От - 3 до - 1 Уязвимые предприятия
Более - 1 Нормальные предприятия

Вероятность того, что предприятие задержит платежи, возрастаег при показателе Z менее - 0,25. Если значение Z превышает + 0,25, то вероятность задержки платежей низкая. Между этими значениями функция Z находится в зоне неопределённости.

Для усиления прогнозирующей роли моделей можно трансформировать Z-коэффициент в PAS-коэффициент (Perfomans Analysys Score). PAS-коэффициент позволяет отслеживать деятельность компании во времени. Изучая PAS-коэффициеит, имеющий значения как выше или ниже критического уровня, легко определить моменты упадка и возрождения компании.

PAS-коэффициент - это относительный уровень деятельности компании, выведенный на основе ее Z-коэффициента за определенный год и выраженный в процентах от 1 до 100. Например, PAS-коэффициент, величина которого равна 50%, указывает на то, что деятельность компании оценивается удовлетворительно. Если значение PAS-коэффициента равно 10%, то ситуация в компании неудовлетворительная. Следовательно, рассчитав Z-коэффициент для компании, можно затем транс-

191

формировать абсолютную меру финансового положения в относительную меру. Другими словами, если Z-коэффициент может свидетельствовать о том, что компания находится в рискованном положении, то PAS-коэффициент отражает историческую тенденцию и текущую деятельность на перспективу.

Сильной стороной такого подхода является его способность сочетать ключевые характеристики отчета о прибылях и убытках и баланса в единое представительное соотношение. Например, компания, получающая большие прибыли, но слабая с точки зрения баланса, может быть сопоставлена с менее прибыльной компанией, баланс которой уравновешен. Таким образом, рассчитав PAS-коэффициент, можно быстро оценить финансовый риск, связанный с данной компанией, и, соответственно, варьировать условия сделки. По сути, в основе рассмотренного подхода лежит принцип, что целое более ценно, чем сумма его составляющих.

Рассматриваемый подход к прогнозированию несостоятельности позволяет использовать «рейтинг риска». С его помощью можно выявить скрытый риск. Этот рейтинг определяется статистически только в случае отрицательного значения Z-коэффициента у компании. Он вычисляется на основе тренда Z-коэффициента, величины отрицательного Z-коэффициента и количества лет, в продолжение которых компания находилась в рискованном финансовом положении. Используя пятибалльную шкалу оценки, в которой 1 указывает на «риск, но вероятность немедленного бедствия незначительна», а 5 означает «абсолютную невозможность сохранения прежнего состояния», менеджер оперирует готовыми средствами для оценки общего баланса рисков, связанных с кредитами клиента.

Применение рассмотренных подходов к оценке и прогнозированию возможности несостоятельности российских предприятий проблематично. Одной из основных причин, обусловливающих невозможность применения этих подходов в чистом виде, служит специфика организации бизнеса в каждой стране.

 

<< | >>
Источник: Баталова Т.Н.. Учет и анализ банкротств: учеб. пособие. Перм. гос. ун-т. -Пермь. - 224с: ил.. 2009

Еще по теме 9.3. Количественные методы прогнозирования банкротства:

  1. 13.3. Методы прогнозирования несостоятельности (банкротства) организации
  2. 3.4 Прогнозирование вероятности банкротства
  3. Прогнозирование возможного банкротства предприятий
  4. ПРОГНОЗИРОВАНИЕ ВОЗМОЖНОСТИ БАНКРОТСТВА ПРЕДПРИЯТИЙ
  5. Четырехфакторная модель прогнозирования банкротства
  6. Прогнозирование вероятности банкротства предприятия
  7. 9.4. Российский подход к оценке и прогнозированию банкротства
  8. Финансовое прогнозирование и диагностика банкротства предприятия
  9. 3.4. Использование финансовых коэффициентов для прогнозирования банкротства предприятий
  10. Использование мультипликативного дискриминантного анализа в прогнозировании возможного банкротства
  11. ГЛАВА 4 ПРОГНОЗИРОВАНИЕ РИСКА БАНКРОТСТВА СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА
  12. 4.2. Апробация предлагаемой методики прогнозирования риска банкротства предприятий
  13. Количественные и качественные методы экономического анализа