Создать PDF Рекомендовать Распечатать

Анализ показателей скрытого банкротства в коммерческом кредитовании предприятия

Экономический анализ | (93) УЭкС, 11/2016 Прочитано: 3796 раз
(0 Голосов:)
  • Автор (авторы):
    Ерина Елена Александровна
  • Дата публикации:
    30.11.16
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    РЭУ им. Г.В. Плеханова

Анализ показателей скрытого банкротства в коммерческом кредитовании предприятия

Analysis of hidden bankruptcy factors in commercial credit ofEnterprise

 Ерина Елена Александровна

аспирант кафедры финансового контроля,

анализа и аудита РЭУ им. Г.В. Плеханова,

117997, Москва, Стремянный пер., д. 36.

alena_tula@yahoo.com

Elena A. Erina

Postgraduate of the Department of Financial control

Analysis and Audit of the PREU.

Plekhanov Russian University of Economics,

36 Stremyanny Lane, Moscow, 117997, Russian Federation

alena_tula@yahoo.com

Аннотация. Работа посвящена анализу существующих принципов и подходов к выявлению скрытого банкротства предприятия на ранних стадиях, а также количественных показателей, характеризующих скрытое банкротство организаций, для целей коммерческого кредитования. Предложен новый подход в анализе факторов, оказывающих наибольшее влияние на скрытое банкротство, на основании анализа и систематизации наиболее адаптивных моделей прогнозирования банкротства к российским условиям ведения бизнеса.

Abstarct. This article is devoted to the analysis of the existing principles and approaches to detection of the hidden bankruptcy of the entity at early stages, and also the quantitative indices characterizing the hidden bankruptcy of the organizations for the purposes of commercial crediting. New approach in the analysis of the factors exerting the greatest impact on the hidden bankruptcy based on the analysis and systematization of the most adaptive forecasting models of bankruptcy to the Russian conditions of business is offered.

Ключевые слова: коммерческий кредит, оценка риска банкротства, скрытое банкротство, выручка, дебиторская задолженность, кредиторская задолженность.

Keywords: commercial loans, bankruptcy risk assessment, hidden bankruptcy, business activity, accounts receivable, accounts payable.

Исследования в выявлении и предсказании скрытого банкротства находятся в потребности создания теоретической структуры, авторами предложено большое количество статистических моделей, но ни одна не является наилучшей эконометрической моделью предсказания банкротства. Систематизация методологических подходов и теоретических основ, поможет в решении этой задачи. Так как предприятия со скрытым банкротством устойчиво существуют в рыночной среде до момента ухудшения их финансовых показателей, исследования по выявлению скрытого банкротства, как превентивная мера, не допускающая наступление реального банкротства, будут всегда представлять интерес одинаково для академических исследователей и практиков бизнеса. С этим возрастает потребность в развитии и управлении теоретической методологией подходов к выявлению скрытого банкротства.

Необходимость разработки методических подходов к выявлению банкротства на ранних стадиях обусловлена некоторыми тенденциями, происходящими с российской экономикой на современном этапе. Сильный рост удельного веса убыточных предприятий в России наступает с обострением кризисных ситуаций на внутренних и мировых рынках, в период мирового экономического кризиса с 2008 по 2009 год., в последующие три года ситуация нормализуется и количество предприятий-банкротов снижается, но с 2014, в связи с текущим валютным кризисом в России, происходит резкий скачок удельного веса убыточных организаций.

По данным Росстата в 2015 году процент предприятий-банкротов почти не изменился и составил 32,6%, а по предварительным данным на 2016 год снова вырос, например, в январе 2016г., по оперативным данным, доля убыточных организаций по сравнению с январем 2015г. увеличилась на 1,5 процентного пункта и составила 37,6%. [12]

Связывают это с тем, что предприятия в после кризисные годы расходуют накопленный запас прочности, и, если ситуация не будет улучшаться, банкротства компаний не прекратятся.

Из рисунка 1 видно, как происходит рост удельного веса убыточных предприятий России.

zh1

Рисунок 1 – Удельный вес убыточных организаций, % с 2008 по 2015 гг. [12]

Скрытое банкротство в большинстве источников определяется, как фиктивное или умышленно скрываемое. Определением скрытого банкротства может стать, состояние предприятия, при котором имеются тенденции к ухудшению финансовых показателей, недостатки в менеджменте компании квалифицированы, как недостатки, ошибки и симптомы, и могут привести к финансовой несостоятельности. Основное отличие в определении потенциального и скрытого банкротства состоит в том, что первое значение определяет вероятный исход, результатом которого станет несостоятельность, а второе характеризует состояние предприятия, которое не обязательно приведет к банкротству, благодаря превентивным мерам его выявления и устранения.

Несмотря на то, что скрытое банкротство законодательно не определяется и не регулируется, существует множество методик, которые можно применить для его выявления и оценки его влияния на финансовую эффективность компании, основанные на прогнозных количественных и качественных моделях оценки потенциального банкротства. Для целей стратегического анализа на предприятии необходимо определить предвестники наступления предбанкротного состояния.

Исследования Dun & Bradstreet statistics выделили 5 внешних и внутренних факторов, которые оказывают наибольшее влияние на скрытое банкротство: (1) экономические, (2) опыт управления, (3) снижение продаж, (4) увеличение расходов и (5) другие различные факторы рисунок 2.

zh2

Рисунок 2 – Причины скрытого банкротства. Составлено автором на основании данных [10]

Для целей исследования скрытого банкротства в коммерческом кредитовании предприятия могут быть выделены три направления решения данной задачи: выбор применяемой модели прогнозирования, переменных или типовых критериев, характеризующих банкротство и выбор методологии анализа.

zh3

Рисунок 3 – Направления исследования скрытого банкротства.

Первые исследования в поиске количественных аналитических коэффициентов для предсказания банкротства компаний проводились в США в 1932 году, когда Фицпатрик опубликовал исследование в Certified Public Accountant, проведенное по 20 фирмам, среди которых были фирмы банкроты и фирмы, которые не обанкротились, они были соразмерны по возрасту компании, размеру и отрасли. [4] Тогда он не смог провести полный статистический анализ, но у него получилось интуитивно интерпретировать значения показателей и их тенденции. Его интерпретация была эффективным комплексным многофакторным анализом.

Следующие исследования создали прогнозные одномерные и многомерные модели финансовых коэффициентов, сделанные В. Бивером (1966), Э. Альтманом (1968), Дж. Олсоном (1980), Р. Таффлером (1983), М. Змиевским (1984) и другими. В зависимости от видения конкретных ученых, в моделях разнится базисная система критериев, определяющих банкротство предприятия, а также различается количество предприятий, по которым проведен анализ, методология анализа, и приоритетные направления статистического исследования.

Большое количество исследований в создании прогнозных количественных моделях, таких как, ДА (дискриминантный анализ) и МДА (многомерный дискриминантный анализ) моделях, приходились на 70-80-ые годы, в связи с исследованиями, сделанными в области статистического анализа данных. Логит и пробит-модели популяризуются в 80-90-ые годы, также в связи с развитием статистических возможностей. Непараметрические модели берут свое начало в 90-ые годы и до сих пор остаются быстрорастущими и модифицируемыми прогнозными моделями, хотя лидерство за собой оставляют параметрические исследования количественных факторов – их за историю создано более 63 моделей.

zh4

Рисунок 4 – История применения методических принципов в исследовании скрытого банкротства. Составлено автором на основании данных [5]

Одним из первых финансовых аналитиков, использовавшим статистические приемы в сочетании с финансовыми коэффициентами для прогнозирования вероятности банкротства на предприятии, был В.Х. Бивер (W.Н. Beaver). В. Бивер на основании сравнения влияния 30 финансовых показателей предложил пять коэффициентов для оценки финансового состояния предприятия с целью диагностики банкротства, а именно чистой прибыли к общей задолженности (92%), чистой прибыли к чистой стоимости активов (91%), общий долг (90%), а чистый капитал к общей сумме активов (90%). [3]

В практике зарубежных финансовых организаций для оценки вероятности банкротства наиболее часто используется «Z-счет» Э. Альтмана (индекс кредитоспособности), который представляет собой двухфакторную 1968 года и пятифакторную (1983) модели, построенные по данным успешно действующих и обанкротившихся предприятий США.

При построении индекса Альтман обследовал 22 аналитических коэффициента, которые использовал для прогнозирования банкротства. Из этих показателей он отобрал пять наиболее значимых и построил многофакторное регрессионное уравнение. Таким образом, индекс Альтмана представляет собой функцию от некоторых независимых переменных, характеризующих экономический тренд и результаты работы организации за истекший период. [2]

Помимо этого, многие аналитики подстраивали систему Альтмана под реалии национальных компаний такие, как Р. Таффлер для английских компаний. Французские экономисты Ж. Конан и М. Голдер, используя метод, разработанный Э. Альтманом, построили модель для французских компаний, где наиболее результативный показатель – отношение финансовых издержек к выручке от реализации по сравнению с другими коэффициентами.

Ограничения дискриминантного анализа создали пространство для развития логит-моделей. Дж. Олсон (1980) представил модель прогнозирования банкротства, где определил переменные, на основании их частого использования в других моделях выявления скрытого банкротства, он следовал методике Мертона (1974), называемой distancetodefault (DD) «расстояние до банкротства». Расчет O-счета Олсона является результатом 9-факторной линейной комбинации финансовых коэффициентов, которые легко могут быть получены из стандартных деклараций о доходах, предоставляемых публичными корпорациями. Два из 9 факторов, не оказывают серьезного влияния в формуле, однако автор их все равно использует, это X, который равняется 1, если TL (общая сумма обязательств) больше TA (общая сумма активов), и 0 в противном случае, а также Y, который равняется 1, если у организации чистый убыток в течение последних двух лет, и равен 0 в противном случае. Помимо этих дух факторов в модели используются: TA – общая сумма активов, ВНП – Валовой национальный продукт, TL – общая сумма обязательств, WC – оборотный капитал, CL – текущие обязательства, CA – оборотные активы, NI – чистый доход, FFO – средств от операций.

Далее, М. Змиевский (1984) применил пробит-модель с использованием таких показателей, как NI – чистый доход, TA – общая сумма активов, TL – общая сумма обязательств, CL – текущие обязательства, CA – оборотные активы. [11]

По использованию в исследуемых моделях В. Бивера (1966), модель Э. Альтмана 2–х факторная (1968), Э. Альтмана 5-ти факторная модель (1983), Р. Лиса (1972), Р. Таффлера и Г. Тишоу (1974), Р. Спрингейта (1978), Ж. Конана и М. Голдера (1979), Дж. Олсона (1980), Д. Фулмера (1984), М. Змиевского (1984), Ж. Лего (1987), чаще используется показатель TA или активы баланса, в два раза реже берется отношение к TL – общая задолженность (краткосрочная и долгосрочная). Не так часто используют нераспределенную прибыль и валюту баланса, RE (RetainedEarnings (adjustedforscripissues) / Totalassets) – нераспределенная прибыль к валюте баланса и MVEBV (Marketvalueofequity / Bookvalueoftotalliabilities) – собственный капитал к валюте пассивов баланса, соответственно. По сравнению с ними чаще обращаются к показателям выручка от продажи – SL (sales) и чистый доход – NI (netincome). Оборотный капитал WC (workingcapital) считается в моделях отдельно, а также по его составляющим текущие активы CA (currentassets) и текущая задолженность – CL (currentliabilities). Вместе эти показатели используются 21 раз в синтетических показателях и представлены во всех рассмотренных моделях, кроме модели Ж. Лего.

zh5

Рисунок 5 – Исследование показателей в моделях прогнозирования (составлено автором на основе анализа 11 моделей прогнозирования).

Также в моделях рассчитываются показатели денежного потока (cash flow), денежные средства от операций (FFO), расходы по обслуживанию займов (Sales financing from funds raised – цена заемного капитала), материальные активы или tangible total assets, зарплатоемкость – отношение расходов на оплату труда к добавленной стоимости (себестоимость – стоимость сырья, энергии, услуг сторонних организаций) или remunerated staff ratio, прибыль до выплаты процентов и налогов или gross operating profit, revenues – выручка (валовой доход от реализации продукции, работ и услуг), extraordinary items – чрезвычайные расходы и financial expenses – финансовые расходы, а также ВНП – GNP pricelevel index.

Как отмечают многие российские авторы, многочисленные попытки применения иностранных моделей прогнозирования банкротства в отечественных условиях не принесли достаточно точных результатов. [1] Сплошное применение моделей возможно лишь в условиях полного соответствия финансовой системы и финансовой отчетности, бухгалтерского и налогового учета, а также законодательства страны, поэтому при выборе показателей для модели прогнозирования банкротства необходимо ориентироваться на выборочное применение показателей рассмотренных моделей.

В целях осуществления коммерческого кредитования предприятиями целесообразно включить в совокупность показатели характеризующие его результаты, а именно, Выручка от продаж (без НДС) – sales (SL) по стандартам МСФО или revenues по GAAP, Чистая прибыль – netincome (NI) в GAAP или netprofitв МСФО, показатели, характеризующие эффективность коммерческого кредитования, это дебиторская задолженность (AR – accounts receivable) и кредиторская задолженность (APaccountspayable), они являются составляющими показателей текущих активов и текущих пассивов, которые часто используются зарубежными авторами в их моделях прогнозирования банкротства. И показатель запасы (Inventories), как характеристика влияния внешних факторов на работу предприятия, а именно затоваривание продукции на складе, из-за невозможности ее реализации (сложность сбыта, неплатежи контрагентов и неправильное стратегическое планирование объемов производимой продукции). Так же в совокупность признаков добавлен качественный показатель, выделяемый Т. Скоуном для его оценочной качественной модели скрытого банкротства – «Компании менее пяти лет?», ответ на который можно получить показателем возраст предприятия.

Анализ этих показателей для целей прогнозирования банкротства, а также выявления изменений по ним для оценки скрытого банкротства является эффективным в оценке будущего организаций-дебиторов при коммерческом кредитовании.

В целях дальнейшего развития методологии в определении скрытого банкротства так до сих пор не создана единая теоретическая база, на которой основывались бы все исследования. Без ее создания и обоснования так и не будет принято единодушие в отборе показателей, бесспорно характеризующих признаки банкротства.

Самая популярная теория для прогнозирования банкротстваHashi, I. 1997 «Ликвидность, доходность и благосостояние», где разрабатывается явная зависимость банкротства от финансовых показателей, и согласно экономической концепции переводится в измерение синтетических переменных. [6] Идея исходит из восприятия финансовых показателей, как показателей здоровья фирмы. Когда показатели фирмы "хорошие", она воспринимается как «здоровая в финансовом отношении», если же показатели плохие, то фирма становится потенциальным банкротом. Три главных категории этих показателей: ликвидность, доходность и богатство. Положительные и высокие значения этих трех компонент подразумевает низкий риск банкротства. Очевидная слабость этой отвлеченной теории – ее общность. С другой стороны, эта “слабость” гарантирует, что теория не находится в противоречии с другими теориями. В контексте рыночной экономики конкурентное соревнование между фирмами ведет к неизбежному восходящему потоку или движению от неэффективных процессов до эффективных, так называемая диверсификация деятельности одного концерна. Теоретически, на очень конкурентных рынках скрытое банкротство, или уже наступившее, закрытие предприятия должны стать редкими явлениями.

Скотт, Дж.Т. 1981 в «Теории потока наличности» [8] говорит, что создание модели выявления банкротства лучше всего может быть объяснено “потоком наличности” (cashflow). Бивер (1966-1980) пишет: “Фирма рассматривается как водохранилище ликвидных активов, которое пополняется притоками и истощается оттоками. Водохранилище служит подушкой безопасности или буфером против изменений в потоках. Платежеспособность фирмы может быть определена с точки зрения вероятности, что водохранилище будет исчерпано, в этом случае фирма будет неспособна заплатить по своим обязательствам, т.е. возникает банкротство)”.

Утверждалось, что фирмы с положительным потоком наличности в состоянии привлечь инвестиции в свой капитал, в то время как фирмы с отрицательным или недостаточным наличным притоком на это неспособны, поэтому становятся перед лицом банкротства. Согласно этому аргументу, предприятие банкротится, когда недополучает прибыль или не получает ее совсем, то есть поток наличности отрицателен или меньше, чем долговые обязательства. Предприятие банкрот, когда сумма его текущей прибыли и математическое ожидание рыночной стоимости акции (без текущего дохода) отрицательны.

Мертон Р.С. (MertonRC), 1973 теорию Мертона определяет цена исполнения опциона – ценность обязательств. В оригинальной формулировке Мертона, у долга есть срок погашения, и он определяется сроком опциона. [7] Когда рыночная стоимость активов опускается ниже определенного уровня, то предприятие не сможет выполнить своих обязательств. В соответствии с моделью Мертона, будущую стоимость активов характеризовали вероятность ее распределения, математическое ожидание и стандартное отклонение. Если будущая стоимость активов имеет большую разницу с обязательствами, и эта разница называется «расстояние до банкротства», то есть чем больше стоимость активов предприятия, тем меньше вероятность банкротства.

WilcoxJ.W, 1971 в теории «Крушение игрока» Gambler’s Ruin использовал игру крушение игрока (Gambler’s Ruin), теоретическую структуру для предсказания риска. Модель предположила, что финансовое положение фирмы может быть определено как устойчивое денежно-финансовое состояние или абсолютная несостоятельность в любое время. Согласно этой теории моделируют, время наступления банкротства, основанное на притоках и оттоках денежных ресурсов. Стоимость активов предприятия – это источники потоков наличности, которые либо пополняют источник, либо истощают его. Банкротство наступает в случае истощения источника. [9]

При использовании существующих методики выявления скрытого банкротства следует учитывать необходимость тщательного отбора финансовых показателей, требуется использовать показатели, являющимися результативными и характерными для коммерческого кредитования. Необходимо обосновывать значимость компонентов в каждой группе согласно показателям, характерным для отрасли исследуемого предприятия. В оценке должны учитываться уровни показателей относительно оптимальных, соответствующих нормативам отрасли, принимая во внимание степень их значимости.В процессе исследования возникает потребность в развитии и управлении теоретической методологией.

Библиографический список:

  1. Пчеленок Н.В. Маслов Б.Г. Зарубежные и Российские методики прогнозирования банкротства // Управленческий учет. – 2005. – №5.
  2. Altman, Edward I (1968). "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy". Journal of Finance. 23 (4): 589–609
  3. Beaver 1966. Financial ratios predictors of failure. Journal of Accounting Research, 4 (Supplement), p. 71-111
  4. Fitzpatrick, P. (1932). A comparison of the ratios of successful industrial enterprises with those of failed companies. Washington: The Accountants’ Publishing Company.
  5. Gergely Fejer-Kiraly Bankruptcy Prediction: A Survey on Evolution, Critiques, and Solutions ActaUniv. Sapientiae, Economics and Business, 3 (2015) 93–108
  6. Hashi, I. 1997. The Economics of Bankruptcy, Reorganization, and Liquidation: Lessons for East European Transition Economies. Russian and East European Finance and Trade Vol. 33, No. 4: 6-34.
  7. Merton, RC. 1973 Theory of Rational Option Pricing. The Bell Journal of Economics and Management Science. Vol. 4, No. 1: 141-183.
  8. Scott J.T 1981. The probability of bankruptcy: a comparison of empirical predictions and theoretical models. Journal of Banking and Finance. 5
  9. Wlcox J.W 1971, A gambler’s ruin prediction of business failure using accounting data. Sloan Management Review. 3. 1971. Essays on corporate bankruptcy. Ph.D. dissertation, State University of New York-Buffalo
  10. Ying Zhou и Taha M.S. Elhag Apply Logit analysis in Bankruptcy Prediction Proceedings of the 7th WSEAS International Conference on Simulation, Modelling and Optimization, Beijing, China, September 15-17, 2007
  11. Zmijewski, Mark E. 1984. "Methodological issues related to the estimation of financial distress prediction models". Journal of Accounting Research 22 (Supplement), p. 59-86
  12. Федеральная служба государственной статистики [электронный ресурс]// Электрон. дан. Режим доступа URL: http://www.gks.ru/free_doc/new_site/finans/dinfinrez.htm

References

  1. Pchelenok N. V. Maslov B. G. Zarubeznue i Rossiyskie metodiki prognozirovaniya bankrotstva [Foreign and Russian techniques of forecasting of bankruptcy]//Upravlencheskiy ychet [Management accounting], – 2005. – No. 5.
  2. Altman, Edward I (1968). "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy". Journal of Finance. 23 (4): 589–609
  3. Beaver 1966. Financial ratios predictors of failure. Journal of Accounting Research, 4 (Supplement), p. 71-111
  4. Fitzpatrick, P. (1932). A comparison of the ratios of successful industrial enterprises with those of failed companies. Washington: The Accountants’ Publishing Company.Zmijewski, Mark E. 1984. "Methodological issues related to the estimation of financial distress prediction models". Journal of Accounting Research 22 (Supplement), p. 59-86
  5. Gergely Fejer-Kiraly Bankruptcy Prediction: A Survey on Evolution, Critiques, and Solutions ActaUniv. Sapientiae, Economics and Business, 3 (2015) 93–108
  6. Hashi, I. 1997. The Economics of Bankruptcy, Reorganization, and Liquidation: Lessons for East European Transition Economies. Russian and East European Finance and Trade Vol. 33, No. 4: 6-34.
  7. Merton, RC. 1973 Theory of Rational Option Pricing. The Bell Journal of Economics and Management Science. Vol. 4, No. 1: 141-183.
  8. Scott J.T 1981. The probability of bankruptcy: a comparison of empirical predictions and theoretical models. Journal of Banking and Finance. 5
  9. Wlcox J.W 1971, A gambler’s ruin prediction of business failure using accounting data. Sloan Management Review. 3. 1971. Essays on corporate bankruptcy. Ph.D. dissertation, State University of New York-Buffalo
  10. Ying Zhou и Taha M.S. Elhag Apply Logit analysis in Bankruptcy Prediction Proceedings of the 7th WSEAS International Conference on Simulation, Modelling and Optimization, Beijing, China, September 15-17, 2007
  11. Zmijewski, Mark E. 1984. "Methodological issues related to the estimation of financial distress prediction models". Journal of Accounting Research 22 (Supplement), p. 59-86
  12. Federal State Statistics Service [an electronic resource]//Electron. it is given. URL access mode:  http://www.gks.ru/free_doc/new_site/finans/dinfinrez.htm 

  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

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

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