Создать PDF Рекомендовать Распечатать

Разработка модели диагностики риска банкротства для авиапредприятий

  • Автор (авторы):
    Жданов Василий Юрьевич, Афанасьева Ольга Анатольевна
  • Дата публикации:
    29.08.11
  • № гос.рег.статьи:
    0421100034/0270
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Московский авиационный институт (государственный технический университет)

Разработка модели диагностики риска банкротства для авиапредприятий 

 

Жданов Василий Юрьевич

аспирант Московского авиационного института

(государственного технического университета);

Е-mail: vasya.zhdanov@gmail.com

Афанасьева Ольга Анатольевна,

доцент Московского авиационного института

(государственного технического университета), к.э.н.

E-mail: oahome@mail.ru

Аннотация: В статье дается обзор современных зарубежных и отечественных моделей прогнозирования риска банкротства предприятия. Предлагается логистическая регрессионная модель (logit-модель) диагностики риска банкротства авиапредприятий по семи финансовым показателям, описывающим риск банкротства

Ключевые слова: авиапредприятие; диагностика риска банкротства; логистическая регрессионная модель (logit-модель).

 

Abstract: This article provides an overview of modern foreign and domestic models predicting the risk of bankruptcy. Proposed logistic regression model (logit-model) diagnosing the risk of bankruptcy of airlines on seven financial indicators describing the risk of bankruptcy

 

Keywords: airline; Diagnosis risk of bankruptcy; logistic regression model (logit-model).

 

Введение: 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. В условиях трансформации экономических отношений в РФ особенно характерна высокая степень неопределенности, что существенно повышает риск банкротства  авиапредприятий в результате воздействия как внешних, так и внутренних экономических факторов. За последние десять лет очень многие авиационные предприятия различных форм собственности оказались на грани банкротства. В первую очередь это было связано с реформированием российской экономики и начавшимися кризисными процессами в мировом сообществе.

Глобальный финансовый кризис показал, что даже лучшие международные компании должны постоянно следить за своим финансовым положением, и отслеживать финансовую устойчивость компаний, с которыми они сотрудничают. Процессы глобализации мировой экономики только увеличивают неопределенность и сложность связей между компаниями в отношении их финансовой независимости.  Ни одна компания даже в период роста не может окончательно быть уверенной в своем будущем. В связи с этим проблема прогнозирования возможного банкротства предприятий, в частности авиапредприятий, как стратегически важной отрасли, сегодня чрезвычайно актуальна в РФ. В настоящее время актуален вопрос выбора  моделей диагностики, позволяющих прогнозировать наступление банкротства авиапредприятия в близком будущем. Эти модели представляет интерес не только для менеджеров предприятия, но и для акционеров, кредиторов, поставщиков.

Система финансового менеджмента на предприятии должна оперативно реагировать на любые изменения в финансово-хозяйственной деятельности авиапредприятия, что особенно актуально в условиях неопределенности и рыночной нестабильности. Модели диагностики риска банкротства позволит менеджменту сформировать стратегию и выработать оперативные решения  по оценке и улучшению финансово-экономического состояния предприятия. Применение ряда моделей диагностики риска банкротства предприятия не целесообразно в условиях российской экономики по следующим причинам: Во-первых, применение различных моделей  приводит к противоречивым результатам. Во-вторых, прогнозная точность моделей значительно уменьшается при использовании для анализа финансового состояния данных за несколько лет до банкротства. В-третьих, зарубежные модели не учитывают специфику экономической ситуации и организацию предпринимательства в России, которые отличаются, в том числе системами бухгалтерского учета и налогового законодательства, что находит отражение, как в наборе факторов-признаков, так и в весовых коэффициентах при них. В-четвертых, в моделях используются данные за один год, и не учитываются изменения показателей в динамике за несколько лет.  В-пятых, существующие модели используют в своем анализе ограниченный спектр показателей, определяющих ликвидность, платежеспособность,  рентабельность и, как правило, являются расширенными или измененными западными моделями 60-80 годов 20 в. Круг факторов определяющих риск банкротства заметно больше, это обуславливает необходимость совершенствования моделей его оценки за счет расширения его дополнительными параметрами [3]. Все это обуславливает необходимость в разработке модели для диагностики риска банкротства российских авиапредприятий, лишенного перечисленных недостатков.

Современные зарубежные и отечественные модели диагностики риска банкротства предприятий на основе интегрального показателя 

В литературе все методы диагностики риска банкротства предприятий можно условно разделить на две основные группы: статистические модели и модели, использующие нейронные сети (искусственный интеллект - Computer Intelligence). По исследованиям, проведенного учеными Азизом и Дэаром, для построения моделей диагностики риска банкротства в 64% используются статистические методы, в 25% искусственный интеллект, в 11% другие методы [4].

В статистических моделях, на основе финансовых показателей предприятий банкротов строится регрессионная модель, в нее из множества финансовых показателей деятельности предприятия включаются только те показатели, которые имеют наибольшую диагностическую ценность в определения банкротства предприятия. Набор показателей в модели снижается за счет исключения переменных схожей по несущей информации, убираются показатели корреллируемые с другими. Затем после определения набора показателей для модели, каждый показатель оценивается, тем самым получая дискриминационный вес. Затем на основании эконометрических и математических методов строится регрессионная модель зависимости интегрального показателя банкротства предприятия и финансовых показателей его деятельности.

Использование статистических моделей требует, что бы переменные, используемые в модели, отвечали следующим положениям:

  1. Показатели должны иметь нормальное распределение
  2. Показатели должны быть независимыми
  3. Показатели должны иметь высокую дискриминационную способность, к отделению платежеспособных компаний от неплатежеспособных.
  4. Должна быть четко определена классификация компаний - принадлежность к одной группе компаний исключает принадлежность к другой группе компаний 

В сравнении со статистическими моделями, модели, основанные на нейросетевой технологии, эффективно работают с нечетко определенными, неполными и неточными данными. Однако существенным недостатком в нейросетевых технологиях при построении моделей диагностики риска банкротства предприятий выступает большая трудоемкость разработки. Помимо этого разработка модели осложняется необходимостью анализа большой выборки данных о предприятиях, которых пока еще недостаточно накоплено. Все это приводит к тому, что разработка нейросетевых моделей диагностики риска банкротства в условиях молодой российской экономики сложно реализуема, поэтому акцент сделан на статистических методах, в частности на создании логистической регрессионной модели диагностики риска банкротства авиапредприятий (logit-модель).

Отечественные статистические модели диагностики риска банкротства предприятий

Использование западных моделей для российской экономики затруднительно, поэтому отечественные экономисты разрабатывали собственные модели прогнозирования риска банкротства или адаптировали западные модели. Среди отечественных моделей диагностики риска банкротства предприятий можно выделить модели, разработанные Р.С. Сайфулиным и Г.Г. Кадыковым (1996) и А.Д. Беликовым и Г.В. Давыдовой  учеными Иркутской государственной экономической академии (1997).

В основе модели Иркутской государственной экономической академии лежит четырехфакторная модель. На основе регрессионного уравнения рассчитывает интегральный показатель R риска банкротства предприятия. В зависимости от его значения делается вывод о вероятности наступления банкротства.[2] Формула расчета имеет вид:

R = 8,38 X1 + X2 + 0,054 X3 + 0,63 X4

Где:

X1 - чистый оборотный (работающий) капитал / активы;

X2 - чистая прибыль / собственный капитал;

X3 - чистый доход / валюта баланса;

X4 - чистая прибыль / суммарные затраты.

Таблица 1.

Связь значения показателя R и вероятности банкротства

zh1

Пятифакторная модель  Р. С. Сайфулина, Г. Г. Кадыкова имеет вид:

Z = 2*X1 +0,1*X2 +0,08*X3 +0,45*X4+X5 

Где: 

X1 — коэффициент обеспеченности собственными сред­ствами (нормативное значение X1 > 0,1);

X2 — коэффициент текущей ликвидности (X2 > 2);

X3 — интенсивность оборота авансируемого капитала, характеризующая объем реализованной продукции, при­ходящейся на 1 руб. средств, вложенных в деятельность предприятия (X3 > 2,5);

X4 — коэффициент менеджмента (эффективность управления предприятием), рассчитываемый как отношение прибыли от реализации к выручке;

X5 — рентабельность собственного капитала (X5 > 0,2).

В методике Сайфулина-Кадыкова рассчитывает рейтинговое число R, являющееся взвешенной суммой пяти финансовых показателях  деятельности предприятия [2]. Если R равно 1 – предприятие имеет удовлетворительное финансовое состояние, так как финансовые коэффициенты соответствуют минимальным нормативным уровням. Если R<1 – финансовое состояние предприятия неудовлетворительное.

Почти все отечественные статистические модели были построены с помощью множественного дискриминантного анализа, в результате чего они не дают точной количественной оценки вероятности риска банкротства, а только определяют качественную степень банкротства (сильная, слабая и т.д.). Для решения этой проблемы на западе применяют регрессионные логистические модели (logit-модели), которые позволяют  получить значительно более эффективные оценки риска банкротства, чем модели, разработанные с помощью множественного дискриминантного анализа (MDA). Использование логистической регрессии дает возможность более широко оценить с помощью различных эконометрических тестов построенную logit-модель, как в целом, так и отдельные ее переменные. При этом в отличие от MDA-модели, logit-модель позволит сделать вывод не только относительно принадлежности к группе банкротов (чем ограничивается интерпретация MDA-моделей), но и оценить вероятность возникновения риска банкротства для предприятия. В отличие от MDA-моделей, которые описывают линейные зависимости, logit-модели позволяют описывать нелинейные зависимости между переменными в модели и вероятностью банкротства предприятия.

На Западе logit-модели пользуются большей популярностью по сравнению с  дискриминантными моделями диагностики риска банкротства, в России они пока не нашли своего применения. В качестве основных причин ограниченного применения зарубежных logit-моделей диагностики риска банкротства для российских предприятий можно выделить:

- различия в исходных данных, используемых для построения моделей. Западные logit-модели были построены на основе выборки зарубежных предприятий с показателями финансово-хозяйственной деятельности, которые отличаются от российских показателей;

- различия в макроэкономической ситуации. Коэффициенты, стоящие при показателях в logit-моделях для стран с развитой рыночной экономикой, неприменимы для стран с переходной экономикой и наоборот;

- не учитывается отраслевая специфика деятельности предприятий. Западные logit-модели первоначально разрабатывались как «универсальные» т.е. применимые для предприятий любых отраслей. Выборка, соответственно, включала в себя предприятия различных отраслей, но как показывают многочисленные исследования в области финансового менеджмента, оптимальные значения коэффициентов при показателях в моделях варьируются для предприятий различных отраслей, т.е. «универсальные» западные logit-модели не могут применяться для авиационной промышленности.

В целом, поскольку logit-модели оценки риска банкротства предприятий показали высокую эффективность в странах, где были разработаны, можно предположить, что, используя тот же математический аппарат, но на основе выборки российских предприятий авиационного комплекса и системы показателей, взятых как из зарубежных, так и из отечественных моделей, возможно построение достаточно точной модели, которая будет изначально разработана с учетом специфических особенностей российских авиапредприятий, но при этом учитывала все наработки западных моделей.

В таблице 2 рассмотрены все самые современные зарубежные logit-модели для диагностики риска банкротства предприятий.

Таблица 2.

Современные зарубежные статистические logit-модели диагностики риска банкротства предприятия

zh2

Источник: [5] 

Расшифровка финансовых показателей в моделях в таблице 2;

AC – оборотные активы (current assets) стр. 290 Форма 1;

AT- общая сумма активов (total assets) стр. 300 Форма 1;

TL – общая сумма обязательств (total liabilities ) стр. 590 Форма 1 + стр. 690 Форма 1;

SL – краткосрочные обязательства (short-term liabilities) стр. 690 Форма 1;

LL – долгосрочные обязательства (long-term liabilities) стр. 590 Форма 1;

EQ – капитал и резервы (equity) стр. 490 Форма 1;

REC – дебиторская задолженность (платежи до 12 месяцев) (short-term receivables) стр. 240 Форма 1;

TR – выручка от продаж (revenues from sales) стр. 010 Форма 2;

NP – чистая прибыль (net profit) стр. 190 Форма 2;

GP – валовая прибыль (gross profit) стр. 029 Форма 2;

SP – прибыль от продаж (profit from sales) стр. 050 Форма 2;

OP– прибыль до налогообложения (operational profit)  стр. 140 Форма 2;

INT – проценты к уплате (paid interest from credits) стр. 070 Форма 2;

OC – операционные расходы (operational cost) = стр. 020 Форма 2;

EBIT– показатель прибыли до вычета налогов и процентов = стр. 50+ стр. 70 Форма 2;

CASH – денежные средства, стр. 260 Форма 1.

Создание logit-модели диагностики риска банкротства авиапредприятий на основе финансовых показателей западных и отечественных моделей

Информационно-эмпирической базой для исследования послужили данные из 1 и 2 форм обязательной финансовой отчетности по 21 авиапредприятию, которые были признаны банкротами по решению арбитражных судов. В список авиапредприятий вошли:  Домодедовские Авиалинии, Авиакомпания Тамбов-Авиа, КД Авиа, Красноярские авиалинии, Саха Авиа, Нижнеудинское авиапредприятие, Новосибирск Авиа, Авиакомпания Алания, Авиакомпания Башкирские авиалинии, Авиакомпания Даурия, Авиакомпания Самара, Авиакомпания Трансавиа-гарантия, Томск Авиа, Омскавиа, Авиакомпания Интеравиа, Ак Барс-Авиа Ал, Донтрансавиа, Вектор-Авиа, Авиакорпорация Конкор, Авиа-Снаб, Саратовский авиационный завод.

Бухгалтерская отчетность авиапредприятий анализировалась за 7 лет до наступления факта банкротства. Данные бухгалтерской отчетности получены через систему профессионального анализа рынков и компаний (СПАРК) международной информационной группы «Интерфакс» (Interfax Information Services Group). Затем по современным западным и отечественным моделям рассчитываются финансовые показатели, описывающие риск наступления банкротства авиапредприятия.  В таблице 3 показана частота их использования в различных моделях определения риска банкротства. После этого для каждого предприятия из списка рассчитывается 21 финансовый показатель, описывающий его финансово-хозяйственную деятельность.

В таблице 4 приведен пример расчета финансовых показателей западных и отечественных моделей для авиапредприятия Дальавиа с 2002 по 2009 года. Аналогичные действия были проделаны с остальными 20 предприятиями. В итоге у нас получилась два массива данных: в первый массив вошли данные финансовых показателей, характеризующие финансово устойчивое предприятие, во второй финансовые показатели, характеризующие авиапредприятие за 1 год до банкротства.

Таблица 3.

Частота появления в различных моделях финансовых показателей современных западных моделей

zh3

Таблица 4.

Расчет финансовых показателей по всем моделям оценки риска банкротства для Дальавиа с 2002 по 2009 года

zh4

На основе этих финансовых показателей разрабатывается логистическая модель диагностики риска банкротства, где в качестве зависимой переменной будет дихотомическая переменная, отражающая статус авиапредприятия. Она будет равна 1, если авиапредприятие банкрот по решению арбитражного суда. Будет принимать значение 0, если авиапредприятие не банкрот. Среднее значение переменной обозначает вероятность банкротства за 1 год. С учетом найденных коэффициентов уравнение логистической регрессии для вероятности банкротства можно записать следующим образом.

zh5

где P- вероятность банкротства авиапредприятия

ZZ=A1*Z1+A2*Z2+..A7*Z7;  
A1-A7 – весовые коэффициенты финансовых показателей;

Z1-Z7 – финансовые показатели из 7 моделей, описывающие риск банкротства.

Для вычисления модели мы использовали программно прикладной продукт PolyAnalyst от компании Megaputer Inc, с встроенным в него модулем построения модели логистической регрессии. В итоге мы получили модель диагностики риска банкротства авиапредприятий, которая имеет следующий вид:

zh6

Где:

ZZ= -3.93497 -1.8501*[EQ/AT] +4.21263*[NP/AT] -0.0173037*[TR/REC] +2.08734*[GP/AT] +0.00598343*[TL/EQ] +0.151261*[NP/EQ] +0.0069624*[TR/EQ]

Из 21 финансовых показателей в модель вошли только 7, отсеивание других показателей произошло по причине их малого влияния на диагностику банкротства авиапредприятий. Построенная модель протестирована на 20 авиапредприятиях с 2002 по 2009 года.  Предложенная логистическая модель для 86% авиапредприятий правильно спрогнозировала банкротство. Дискриминантная модель Иркутской государственной экономической академии правильно диагностировала банкротство авиапредприятий в 71% случаев.

Выводы

Полученная модель логистической регрессии диагностики риска банкротства авиапредприятий может использоваться федеральными и региональными государственными органами в целях предупреждения банкротства авиапредприятий, федеральной регистрационной службой, финансовыми службами отечественных авиапредприятий с целью своевременной диагностики риска банкротства в нестабильных условиях рыночной экономики.

Библиографический список

1. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. – 1999. – N 3. с.13–20.

2. Рубан Т.Е., Байдаус П.В. «Анализ методик прогнозирования банкротства на основе использования финансовых показателей». Сборник трудов магистрантов 2003 Донецкого национального технического университета. Выпуск 2. – Донецк, ДонНТУ Министерства образования и науки Украины, 2003.– 942 с.

3. Хайдаршина Г.А. Методы оценки риска банкротства предприятия: автореферат дис. кандидата экономических наук. – Москва, 2009 г. –5 с.

4. Aziz, M., Dar, H., Predicting corporate bankruptcy – where we stand?, Corporate Governance Journal, vol. 6, nr 1, 2006, pp. 18-33.

5. Korol T., Multi-Criteria Early Warning System Against Enterprise Bankruptcy Risk, EuroJournals Publishing, 2011, pp 143-145.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516