Консалтинговая компания "Vitis"

 

Наш опыт работает на Вас

Главная

О компании

Новости

Деятельность

Публикации

Контакты

Звоните нам по телефону (063) 379-1363

Меню сайта
Вход на сайт
Категория
Аналитика
Обучение
Недвижимость
Земля
Общие вопросы оценки
Оценка судов
оценка месторождений
Финансовый анализ
Законодательство
Оценка НМА
Реклама


Главная » Статьи » Оценка » Финансовый анализ

Новые подходы к оценке вероятности банкротства.

Александр Колышкин, консультант по финансовому анализу и планированию КГ "Воронов и Максимов"

Неотъемлемой чертой предпринимательства в рыночной экономике является риск, связанный с возможностью банкротства предприятия. Риск распространяется не только на лицо или фирму, которые понесли убытки как результат своей хозяйственной деятельности, но и на лиц, предоставивших им средства в той или иной форме (через покупку акций, коммерческий или денежный кредит и т.п.).
Не вызывает сомнений тот факт, что, чем раньше будет обнаружена тенденция, ведущая предприятие к банкротству, и, соответственно, чем раньше будут предприняты определенные процедуры по спасению предприятия, тем больше вероятность выхода компании из кризиса. Следовательно, возникает вопрос об определении показателей, способных предсказать развитие событий на ранних стадиях.
В то время как институт банкротства давно и с успехом работает за рубежом, в нашей стране эта проблема стала актуальной только сравнительно недавно. Поскольку существовавшая система не допускала банкротств, то и предсказывать было нечего.
Вопросом предсказания неплатежеспособности всегда занимались как академические круги, так и бизнес-консультанты. Поэтому, можно говорить как о теоретическом, так и практическом подходе к проблеме.
Первые опыты по оценке состояния компании были предприняты еще в девятнадцатом веке. Показатель кредитоспособности был, очевидно, первым показателем, применявшимся для подобных целей. Особенно активными в этой области были купцы, будучи особенно заинтересованными, в определении потенциальной платежеспособности своих клиентов. В 1826 году увидел свет первый дайджест компаний, отказавшихся платить по своим обязательствам, впоследствии известный как Stubbs Gazette.
Однако только в двадцатом веке финансовые и экономические показатели стали широко использоваться, причем не только для предсказания банкротства, как такового, но и для прогнозирования различных финансовых затруднений.
Таким образом, к настоящему моменту существует более сотни различным работ, посвященных предсказанию банкротства предприятия. Однако, практически все известные автору работы были выполнены на западе (в основном в США). Соответственно вопрос об их применимости в российских условиях по-прежнему остается открытым.
Также следует отметить,
Накопленный опыт показывает, что модели предсказания банкротства, как правило, состоят из различных коэффициентов с некоторыми весами. Причем, какие именно коэффициенты входят в модель, определяется либо на основе статистических, либо экспертных оценок.
Объективные трудности в получении соответствующей информации делают создание аналогичной модели на основании статистических данных в России проблематичным.
Однако, наличие такого большого количества работ, выполненных в русле рассматриваемой проблемы, позволяет нам совершенно по-особому подойти к построению своей модели. Мы можем рассматривать всех работавших до нас в этой области исследователей в качестве экспертов. Пользуясь этим накопленным коллективным опытом, мы сможем и отобрать показатели, наиболее часто встречавшиеся в аналогичных моделях, и определить веса, с которыми эти показатели должны входить в модель.
Работа предполагает 2 шага.

Все показатели можно разделить на 5 групп:
(1) показатели ликвидности
(2) показатели рентабельности
(3) показатели структуры баланса
(4) показатели оборачиваемости
(5) прочие показатели

Определяются сравнительные веса различных групп показателей, исходя из частоты их включения в модели различных исследователей. Здесь мы предполагаем, что каждый исследователь до нас включал тот или иной показатель в свои модели, руководствуясь своими представлениями о его значимости. Чем больше исследователей включали данный показатель в свою модель, тем, следовательно, больше значимость этого показателя, тем больший удельный вес он должен иметь.
Первоначально, как уже указывалось, мы определим веса отдельных групп показателей из указанных 5 групп. Далее при взвешивании показателей их достаточно классифицировать по указанным 5 группам, присвоить каждому показателю соответствующий вес и трансформировать его так, чтобы сумма весов равнялась 100.
Проблема возникнет, если в модель включаются два или более показателей из одной группы. Мы считаем, что их суммарный вес должен равняться весу группы, а их частные веса определяются либо, исходя из их относительных весов в группе, либо из соображений исследователя.
Анализ показал, что в различных работах встречается всего 45 показателей. Причем по указанным группам они распределяются следующим образом(табл.1)

Таблица 1

Группа показателей
Количество показателей
Доля показателей группы
показатели ликвидности
36
29%
показатели рентабельности
23
19%
показатели структуры баланса
32
26%
показатели оборачиваемости
16
13%
прочие показатели
16
13%
Итого
123
100%

Таким образом, показатель, относящийся к группе показателей ликвидности, войдет в любую систему показателей с весом 29%. Если же этих показателей будет два или больше, то эта величина и будет их суммарным весом.
Данная универсальная система взвешивания показателей может быть использована для взвешивания любых показателей, используемых для прогнозирования неплатежеспособности предприятия.

Однако, пользуясь той же идеей, можно попытаться построить свою модель применительно к российским условиям. Для этого мы отберем показатели, наиболее часто встречающиеся в моделях других исследователей, придадим им веса в соответствии с тем, что было описано выше, а затем уточним модель и проверим ее "разделительные" способности на материалах российских предприятий.
В таблице 2 представлены те же показатели, только теперь они размещены в порядке убывания их встречаемости в модели. В последней колонке встречаемость показана нарастающим итогом.
Как видим из таблицы, на первые 5 показателей приходится 37% суммарной встречаемости, а на первые 10 показателей - уже 55%. Причем 10-м показателем является отношение денежного потока к краткосрочной задолженности.

Таблица 2

Группа
НазваниеКоличествоДоля Доля нарастающим итогом
1Коэффициент покрытия1210%10%
1Рабочий капитал к активам108%18%
3Чистая стоимость собственного капитала к общей величине задолженности 97%25%
2Рентабельность продаж 76%31%
2Рентабельность собственного капитала76%37%
2Рентабельность активов65%41%
4Коэффициент оборачиваемости активов65%46%
3Собственный капитал к общей величине капитала 43%50%
5Тенденция прибыльности43%53%
1Денежный поток к задолженности32%55%

8 показателей дают 50% суммарной встречаемости. Представляется, что на основе 8 показателей и следует строить модель. Возможно, среди них есть лишние, однако эти лишние будут "отсечены" в результате проверки всей системы на мультиколлинеарность. В порядке исключения в качестве восьмого показателя возьмем не отношение собственного капитала к общей величине капитала предприятия, а отношение денежного потока к краткосрочной задолженности. На наш взгляд, этот показатель является чрезвычайно важным, а его относительная непопулярность, с нашей точки зрения, обусловлена некоторыми трудностями в получении соответствующих данных с одной стороны, и сравнительной новизной самого показателя с другой.
В результате в модель первоначально включаются следующие показатели:

  • Коэффициент покрытия
  • Отношение рабочего капитала к активам. Под рабочим капиталом понимается разность между оборотными активами и краткосрочными обязательствами.
  • Отношение чистой стоимости собственного капитала к общей величине задолженности
  • Рентабельность продаж
  • Рентабельность собственного капитала
  • Рентабельность активов
  • Коэффициент оборачиваемости активов
  • Отношение денежного потока к краткосрочной задолженности

На основе данных по 17 российским предприятиям различных отраслей промышленности рассчитаем значения указанных выше коэффициентов.Из этих предприятий 6 классифицированы как банкроты, 11 - как благополучные.
Для того, чтобы оценить насколько сильно различаются эти показатели у благополучных предприятий и предприятий-банкротов построим доверительные интервалы с уровнем значимости 95%(табл.3).

Таблица 3

 
Среднее значение
Стандартное отклонение
Доверительный интервал (5%)
Минимальное значение
Максимальное значение
НЕБАНКРОТЫ
Коэффициент покрытия
2,00
1,26
0,36
1,64
2,37
Рабочий капитал к активам
0,12
0,14
0,04
0,08
0,16
Чистая стоимость СК к общей величине задолженности
5,23
5,65
1,63
3,60
6,87
Рентабельность продаж
0,21
0,17
0,05
0,16
0,27
Рентабельность СК
0,32
0,43
0,13
0,19
0,45
Рентабельность активов
0,19
0,20
0,06
0,13
0,26
Коэффициент оборачиваемости активов
0,89
0,65
0,20
0,69
1,09
Денежный поток к задолженности
1,28
1,57
0,77
0,51
2,06
БАНКРОТЫ
 
Коэффициент покрытия
0,70
0,29
0,10
0,60
0,80
Рабочий капитал к активам
-0,27
0,27
0,10
-0,36
-0,17
Чистая стоимость СК к общей величине задолженности
2,39
4,60
1,59
0,80
3,99
Рентабельность продаж
-0,07
0,20
0,07
-0,14
0,01
Рентабельность СК
-0,06
-0,06
0,25
0,10
0,04
Рентабельность активов
-0,03
0,10
0,04
-0,07
0,00
Коэффициент оборачиваемости активов
0,63
0,49
0,18
0,44
0,81
Денежный поток к задолженности
0,03
0,15
0,09
-0,06
0,11

Доверительный интервал представляет собой интервал, внутри которого с вероятностью 95% находится истинное значение анализируемых показателей. Поясним на примере коэффициента покрытия. Полученный доверительный интервал означает, что с вероятностью 95% коэффициент покрытия у предприятия-небанкрота может принимать значения от 1,64 до 2,37, в то время как с той же вероятностью этот показатель у предприятия-банкрота может принимать значения от 0,60 до 0,80. Как видим, интервалы не только не пересекаются, но и отстоят довольно далеко друг от друга, что говорит о хорошей "разделительной" способности данного показателя.
По данному критерию показатели "Отношение чистой стоимости собственного капитала к общей величине задолженности" и "Коэффициент оборачиваемости активов" не могут служить надежными показателями при оценке платежеспособности предприятия. У первого из них доверительные интервалы оказались слишком широки и в результате пересеклись (3,60 и 6,87 для небанкротов и 0,8 и 3,99 для банкротов). У второго показателя доверительные интервалы были не столь широки, но, тем не менее, также пересеклись (0,69 и 1,09; 0,44 и 0,81). Для того, чтобы убедиться в том, что все показатели, включенные нами в рассмотрение, действительно необходимы в модели, проведем корреляционный анализ их взаимозависимости. Результаты расчета представлены в таблице 4 (сильно коррелирующие показатели выделены жирным).

Таблица 4

КОРРЕЛЯЦИЯ
ОА/КЗ
РК/А
П/В
П/СК
П/А
ДП/З
Коэффициент покрытия
Х
0,70
0,53
0,34
0,57
0,64
Рабочий капитал к активам
0,70
Х
0,74
0,60
0,71
0,50
Рентабельность продаж
0,53
0,74
Х
0,56
0,75
0,62
Рентабельность СК
0,34
0,60
0,56
Х
0,83
0,41
Рентабельность активов
0,57
0,71
0,75
0,83
Х
0,73
Денежный поток к задолженности
0,64
0,50
0,62
0,41
0,73
Х

На основе таблицы видно, что рентабельность активов находится в тесной связи с показателями рабочий капитал к активам, рентабельностью продаж, рентабельностью собственного капитала и денежным потоком к задолженности. Рабочий капитал, помимо рентабельности активов, коррелирует с коэффициентом покрытия и рентабельностью продаж.
Включать в модель тесно связанные друг с другом показатели нецелесообразно. Таким образом, следует рассмотреть 3 модели.
Каждую из данных моделей, формируют следующие показатели:

Модель№1:

  • Рабочий капитал к активам
  • Рентабельность собственного капитала
  • Денежный поток к задолженности

Модель№2:

  • Коэффициент покрытия
  • Рентабельность активов


Модель№3:

  • Коэффициент покрытия
  • Рентабельность продаж
  • Рентабельность собственного капитала
  • Денежный поток к задолженности

Таким образом, получим следующие модели:

Модель№1=0,47К1+0,14К2+0,39К3
Модель№2=0,62К4+0,38К5
Модель№3=0,49К4+0,12К2+0,19К6+0,19К3,

Где
К1 - Рабочий капитал к актива
К2 - Рентабельность собственного капитала
К3 - Денежный поток к задолженности
К4 - Коэффициент покрытия
К5 - Рентабельность активов
К6 - Рентабельность продаж
Для определения критических значений моделей рассчитаем каждую из них для рассматриваемых предприятии и построим доверительные интервалы с уровнем ошибки 5%.
Полученные результаты представлены в таблице 5
Таблица 5

Модель
Благополучные
Банкроты
Зона неопределенности
I
0,08-0,16
(-0,20)-(-0,08)
(-0,08)-0,08
II
1,07-1,54
0,35-0,49
0,49-1,07
III
0,92-1,36
0,25-0,38
0,38-0,92

Анализ данных моделей на основании данных рассматриваемых предприятий показал, что наименьшую ошибку имеет модель №3



 
Категория: Финансовый анализ | Добавил: Roger (18.01.2011)
Просмотров: 2143 | Рейтинг: 0.0/0

Детальную информацию и консультацию можно получить по тел. (063) 379-1363
Мы можем оценить ВСЁ!

 
Copyright vitis-ocenka © 2008 - 2024
 
http://bibiggon.com/

оценка программ,оценка стоимости программ, оценка стоимости по,оценка стоимости сайта, оценка эффективности, методы оценки, оценка предприятия, оценка 2010, критерии оценки, оценка качества, оценка стоимости, оценка деятельности, финансовая оценка, экономическая оценка, оценка рисков, оценка риска, система оценки, оценка проекта, оценка недвижимости, оценка, vitis-ocenka, vitis-ocenka vinifera, виноград vitis-ocenka, vaccinium vitis-ocenka idaea, blanco vitis-ocenka,