<<
>>

4.1. Разработка новых подходов к методике прогнозирования риска банкротства предприятий малого бизнеса с учетом их теневой деятельности

Теневая экономика субъектов малого предпринимательства является составной частью всей хозяйственной системы нашего общества и соответственно напрямую влияет на уровень эффективности официальной экономики.

При определенных экономических условиях она превращается в один из доминирующих, системообразующих секторов экономических отношений, который определяет направленность развития всей социально-экономической системы и при этом создает условия для своего функционирования.

Оценка масштабов и размеров теневой составляющей в деятельности малых предприятий в российской экономике является трудноразрешимой проблемой. Это обусловлено двумя основными факторами.

Первый – статистическая и налоговая отчетность малых предприятий и ИПБОЮЛ[66], по которой субъекты малого бизнеса отчитываются, носит узкий диапазон, при этом их отчетность является несопоставимой между собой.

Второй – невозможность получить достоверную и полную информацию о размерах теневой деятельности, величине прибыли и рентабельности, обороте субъектов малого бизнеса, по результатам проводимых официальных и анонимных опросов.

В связи с тем, что структура теневой экономики достаточно сложна и с трудом поддается измерению и оценке, то учесть данный фактор в количественной методике достаточно трудно.

Также проблематично выбрать методику, чтобы в ней были учтены российские особенности экономики, динамика показателей и факторы внешней среды. Одной из таких методик, рассмотренных выше, является количественная методика Г. А. Хайдаршиной[67]. Данная модель представляет собой одну из немногих, учитывающая такие факторы, как возраст предприятия, региональный аспект и внешние показатели. Автор методики указывает на возможность применения данной модели на российских предприятиях, работающих в различных отраслях экономики и имеющие различные масштабы деятельности.

Однако применение модели ограничено, в силу особенностей эмпирической базы, по отношению к следующим категориям:

– иностранные компании, ведущие деятельность за пределами Российской Федерации;

– крупнейшие холдинги и транснациональные корпорации;

– предприятия, относящиеся к сегменту «микробизнеса».

– государственные и муниципальные предприятия (в том числе предприятия оборонной промышленности);

– предприятия, отражающие в официальной отчетности некорректные данные о своих доходах и ведущие так называемую «черную» бухгалтерию;

– предприятия, планирующие реализовать процедуру «фиктивного» банкротства.

Построение модели автором осуществлялось в несколько этапов:

На первом этапе происходило формирование статистических выборок российских предприятий (банкроты – небанкроты, общее количество обследованных предприятий составляет 350 ед.). На этом же этапе был сформирован массив, включающий 48 показателей, характеризующих различные аспекты деятельности предприятия.

На втором этапе с применением методов математической статистики, в частности факторного (корреляционно-регрессионного) анализа были отобраны индикаторы, обусловливающие наибольший вклад в дисперсию результирующего показателя, характеризующего факт банкротства предприятия. Автор не аргументирует, с помощью каких программных средств был проведен указанный выше анализ, но наши исследования показали, что наиболее популярным программным продуктом в данной сфере является набор для статистической обработки данных spss[68]. В результате формализованных расчетов было выведено уравнение регрессии y (11) с рассчитанными коэффициентами альфа по отраслям экономики. Альфа представляют собой коэффициенты регрессии – некий уровень значимости каждого показателя, обозначающий степень их влияния на результирующий показатель.

На третьем этапе для численной интерпретации уровня риска банкротства (многофакторного комплексного критерия CBR), была выбрана статистическая модель (logit – регрессия):

СBR=e y / 1+e y (2)

Данная модель используется в статистике для предсказания вероятности возникновения определенного события путем подбора данных к логистической кривой[69].

Зависимая переменная y при этом может принимать значения от 0 до 1 в зависимости от значения факторов.

Значения СBR , находящиеся в интервале от 0 до 0,2, характеризуют минимальный риск банкротства, от 0,2 до 0,4 – низкий риск, от 0,4 до 0,6 – средний риск, от 0,6 до 0,8 – высокий риск, от 0,8 до 1 – максимальный риск банкротства.

В методике используются 11 показателей, которые влияют на риск банкротства предприятия.

y=a0+a1Cage+a2Cr+a3Crat+a4EBIT/INT+a5Ln(E)+a6R+a7Reg+a8RA+a9RE+a10TE+a11TA , (3)

где y – результативный признак риска банкротства предприятия; Cage – фактор, характеризующий возраст предприятия. Принимает значение 0, если предприятие было создано более 10 лет назад, и значение 1 – если менее 10 лет; Cr – фактор, характеризующий кредитную историю деятельности предприятии. В случае если кредитная история предприятия является положительной, то этот факт принимает значение 0, в противном случае ему присваивается значение 1; Reg – фактор, характеризующий деятельность предприятия с точки зрения его региональной принадлежности. Принимает значение 0, если предприятие находится в Москве или Санкт-Петербурге, 1 – если в других регионах России; Crat – коэффициент текущей ликвидности; EBIT/INT – отношение прибыли до уплаты процентов и налогов к уплаченным процентам; In(E) – натуральный логарифм собственного капитала предприятия; R – ставка рефинансирования Центрального Банка РФ; RA – рентабельность активов предприятия; RE – рентабельность собственного капитала предприятия; TE – темп прироста собственного капитала предприятия; TA – темп прироста активов предприятия.

В связи с тем, что Г. А. Хайдаршиной[70] логически не аргументируются вышеприведенные показатели, целесообразно привести их характеристику.

В предлагаемой методике автор задает возраст для предприятий на уровне 10 лет, что характерно для среднего и крупного бизнеса. Мы считаем, что некорректно использовать такой критерий для предприятий малого бизнеса. По данным анализа динамики создания и ликвидации малых предприятий, проведенного в 2006 г. Московским центром развития предпринимательства, средний возраст малых предприятий в 2006 г., по группам ОКВЭД, составляет 4,13 лет (табл. 44)[71].

Таким образом, предприятие малого бизнеса, которое находится в возрасте 1,5 лет, автоматически попадет в зону повышенного риска, что, по нашему мнению, существенно может исказить результаты анализа по предлагаемой методике. Мы считаем, что в данном случае, целесообразно взять за основу результаты вышеприведенных исследований и снизить возрастную планку до уровня 4,13 лет.

Таблица 44

Средний возраст малых предприятий по группам ОКВЭД, лет

Вид деятельности 2004 2005 2006
По всем видам деятельности 4,09 4,11 4,13
Добыча полезных ископаемых 3,52 3,27 3,09
Обрабатывающие производства 5,27 5,33 5,26
Строительство 4,67 4,64 4,54
Оптовая и розничная торговля 3,54 3,46 3,50
Транспорт и связь 4,12 4,18 4,18
Финансовая деятельность 4,07 3,89 3,97
Научные исследования и разработки 7,18 7,65 7,81
Предоставление прочих коммунальных, социальных и персональных услуг 4,66 4,72 4,73

Мы также не можем согласиться со значением показателя кредитной истории, которая вносит существенную значимость в уравнение регрессии.

Если проанализировать данные по источникам финансирования деятельности малых предприятий, полученные в результате исследования М. Ю. Сорокина[72], то основными источниками выступают личные сбережения (60 %), а также средства друзей и знакомых (35 %), банковские кредиты доступны лишь 12 % опрошенных респондентов. Таким образом, при апробации данной модели, практически все предприятия малого бизнеса попадут в зону повышенного риска, так как не имеют опыта кредитования.

Фактор региональной принадлежности также оказывает значительное влияние на результирующий показатель. По логике Г. А. Хайдаршиной[73], предприятия, расположенные на территории Москвы и Санкт-Петербурга, автоматически попадают в зону пониженного риска банкротства и значение данного фактора становится равным нулю. Применительно к Сибирскому Федеральному округу, в частности в Забайкальском крае, все предприятия попадают в зону повышенного риска.

Также в методике представлен коэффициент покрытия процентов (EBIT/INT), который выражает, насколько легко компания может обслуживать свои долговые обязательства. Чем ниже показатель, тем сильнее компания «зажата» долговыми обязательствами. Мы согласны с выводами В. А. Медведевой[74], что значение показателя ниже 1,5 считается сомнительным, что компания сможет покрыть расходы по обслуживанию долга.

Необходимо, также уточнить, что In(E), по математической логике, представляет собой долю собственного капитала предприятия, а не его абсолютное выражение, что не уточняется автором.

Ставка рефинансирования по своему экономическому смыслу представляет собой издержки официальной деятельности (годовой размер процентов), которые платят Центральному Банку России кредитные организации за предоставленные кредитные ресурсы. В работе Е. В. Ратановой[75] отмечено, что посредством ставки рефинансирования изменяются процентные ставки по депозитам и кредитам, предоставляемым юридическим и физическим лицам, а также на ставки по кредитам, которые Банк России предоставляет кредитным организациям.

Другая точка зрения состоит в том, что ставка рефинансирования в России не является реальным инструментом кредитно-денежной политики и зачастую служит индикатором экономической «погоды» в стране[76]. Для целей анализа риска банкротства снижение ставки рефинансирования может послужить косвенным сигналом о состоянии финансовой системы в стране, об отсутствии дефицита ликвидности банковской системы и ограничений по кредитованию.

Рентабельность активов показывает, насколько управление компании использует активы для получения прибыли. Значения доходности активов существенно изменяются в зависимости от вида деятельности компании. Для компаний, где прибыль образуется на привлечении большого объема активов, очевидно большое значение средней величины активов и, как следствие, низкий показатель. Напротив, для компаний, деятельность которых не требует больших объемов активов, показатель будет достаточно высоким. Таким образом, для сравнения компаний по доходности активов требуется, чтобы эти компании занимались одним и тем же видом деятельности. Как правило, критическим считается значение показателя в размере 5 % и здесь можно согласиться с В. А. Медведевой[77]. В совокупности, целесообразно сопоставлять темпы роста активов и рентабельности активов. Если темп роста активов больше значения RA, это свидетельствует о нехватке денежных средств. В случае, когда темп роста активов меньше RA, это подтверждает тот факт, что на предприятии профицит денежных средств.

Рентабельность собственного капитала показывает, как менеджмент организации использует средства акционеров для получения прибыли. Данный показатель применим ко всем типам бизнеса.

В. А. Медведева считает, что компания считается устойчивой при значениях показателя доходности 15–20 %. Однако у показателя доходности собственного капитала есть один серьезный недостаток: он не учитывает долговых обязательств компании. Например, при большом объеме долговых обязательств компании может быть достаточно небольшого собственного капитала, как следствие, показатель окажется высоким и будет показывать инвестиционную привлекательность компании, но не отражать структуру долга. При сравнительно малом объеме собственного капитала и небольшом объеме прибыли показатель также может быть высоким. Таким образом, авторы согласны с мнением В. А. Медведевой в том, что высокое или низкое значение показателя рентабельности собственного капитала должно быть сопоставлено со структурой долговых обязательств компании[78].

В практике финансового анализа существуют различные показатели рентабельности, в зависимости от вида актива (выручка, отгруженная продукция и т. д.), и от прибыли (чистая прибыль, валовая прибыль, сальдированный финансовый результат и т. д.).

В частности, по результатам специальных обследований, опросов, и статистических данных за 2006 г. и за 2007 г. установлена рентабельность проданных товаров (прибыль минус убыток/себестоимость проданных товаров, работ, услуг) средних предприятий в 2007 г. в размере 13,1 %, рентабельность обследованных малых предприятий составила 2,8 % (табл. 45).

Таблица 45

Основные экономические и финансовые показатели деятельности малых предприятий и ИПБОЮЛ, используемые при расчете издержек[79]

Показатели Обозначения Год
2006 2007
Численность МП, тыс. N 1 032,0 1 137,4
Общий (учитываемый) оборот МП, млрд руб. Yу. 12 099,2 15 468,9
Численность МП, принявших участие в выборочном обследовании (учете), тыс. Nо. 543,176 543,176
Рентабельность обследованных МП по отгруженной продукции, оказанным услугам, % Rо. 2,2 2,8
Рентабельность обследованных средних и крупных предприятий по отгруженной продукции, оказанным услугам, % Rср. 13,2 13,1
Прибыль обследованных МП, млрд руб. Pо. 714,2 1 093,5
Сальдированный финансовый результат обследованных МП, млрд руб. Fо. 513,385 934,346
*Среднесписочная численность работников, тыс. человек A 8 582,8 10 157,3
Количество рабочих мест у ИПБОЮЛ (основная работа по найму и не по найму), тыс. Aм. 10 104,0 10 618

* Без внешних совместителей

Касательно показателей, используемых в методике, на основании данных финансовой статистики приведены средние значения рентабельности активов и собственного капитала по предприятиям Забайкальского края в трех отраслях, которые представлены в методике.

Данные табл. 46 демонстрируют предельно высокие значения рентабельности собственного капитала (по промышленности – 332 %, торговле 215 %, по сельскому хозяйству 72 %), что свидетельствует о некорректных данных, представленных статистической службой в связи с тем, что в отчетности занижены значения собственного капитала компаний[80], Таким образом, использовать значения рентабельности собственного капитала по данным финансовой статистки, для целей нашего анализа, не представляется возможным.

Таблица 46

Средние значения анализируемых показателей на примере предприятий Забайкальского края за 2008 г. (в долях)

Отрасли Рентабельность активов Рентабельность собственного капитала
Промышленность 0,10 3,32
Торговля 0,58 2,15
Сельское хозяйство 0,2326 0,72

В результате собственных исследований, проведенных в 2008–2009 гг., установлены иные значения показателей рентабельности активов и собственного капитала (табл. 46)[81]. Для этого были проанализированы 98 предприятий малого и среднего бизнеса в сфере торговли и 49 предприятий промышленности Забайкальского края.

На основании полученных данных, которые представлены в табл. 47, возможно проанализировать средние значения показателей, для того чтобы идентифицировать наличие теневой деятельности на анализируемом предприятии.

Таблица 47

Средние значения показателей рентабельности обследованных предприятий (в долях)

Отрасли Рентабельность активов Рентабельность собственного капитала
Промышленность 0,0736 0,2023
Торговля 0,0892 0,1361

Проведенный нами анализ показателей подтверждает, что недостатки, присущие факторам, перечисленным выше, требуют уточнения в данной модели корректирующими коэффициентами.

По нашему мнению, внести корректировки на уровень теневого оборота, возраст, кредитную историю и региональную принадлежность в уравнение регрессии не представляется возможным ввиду отсутствия эмпирической базы автора, по которой возможно построить уточненное уравнение регрессии.

Тем не менее, считаем возможным, откорректировать итоговое значение комплексного показателя, для чего необходимо внести следующие поправки:

<< | >>
Источник: Буров Виталий. Теневая деятельность субъектов малого предпринимательства Теневые экономические отношения субъектов малого предпринимательства и пути их легализации. 2009

Еще по теме 4.1. Разработка новых подходов к методике прогнозирования риска банкротства предприятий малого бизнеса с учетом их теневой деятельности:

  1. 5.1 Разработка новых подходов к методике определения величины издержек функционирования субъектов малого предпринимательства и бюджетных потерь
  2. 4.2. Апробация предлагаемой методики прогнозирования риска банкротства предприятий
  3. ГЛАВА 4 ПРОГНОЗИРОВАНИЕ РИСКА БАНКРОТСТВА СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА
  4. Подходы к определению масштабов теневой экономической деятельности субъектов малого предпринимательства.
  5. ГЛАВА 5. МЕТОДИКА ОПРЕДЕЛЕНИЯ МАСШТАБА ТЕНЕВОЙ ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА И ЕЕ АПРОБАЦИЯ
  6. Теневая экономика и малый бизнес. Роль коррупции в теневой активности малого предпринимательства
  7. Буров Виталий. Теневая деятельность субъектов малого предпринимательства Теневые экономические отношения субъектов малого предпринимательства и пути их легализации, 2009
  8. ПРИЛОЖЕНИЕ 7. Методика определения масштаба теневой экономики в секторе малого предпринимательства
  9. 3.2. Регистрация предприятий малого бизнеса и лицензирование их деятельности
  10. 11.3.3 Упрощенный подход к определению RRR с учетом риска
  11. 6.2. Основные методологические подходы к формированию механизма противодействия теневой (ненаблюдаемой) экономике субъектов малого предпринимательства
  12. Глава 6. ТЕНЕВАЯ ДЕЯТЕЛЬНОСТЬ СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА
  13. 1.2. Анализ зарубежных подходов по долгосрочному отраслевому прогнозированию с учетом технологических и финансовых ограничений.
  14. ГЛАВА 3. ТЕНЕВАЯ ДЕЯТЕЛЬНОСТЬ СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА
  15. 4.5. Стратегии в антикризисном управлении предприятием малого бизнеса и рекомендации по повышению эффективности деятельности