Выбери формат для чтения
Загружаем конспект в формате docx
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ ИССЛЕДОВАНИЯ ФИНАНСОВЫХ ПРОЦЕССОВ
1.1 Множественный дискриминантный анализ по зарубежным методикам
1.2 Множественный дискриминантный анализ по отечественным методикам
В мировой, а в последнее время и в отечественной практике, для прогнозирования финансового положения и оценки вероятности (угрозы) банкротства используют различные математические методы и модели, основанные на расчете отдельных финансовых коэффициентов и их линейных комбинаций. Каждый коэффициент рассматривается с определенным весом, рассчитанным на основе множественного дискриминантного анализа при обследовании совокупности предприятий. Модели, как правило, различаются в зависимости от страны, региона и отрасли, поэтому механический перенос, например, американской модели на российские условия в большинстве случаев неприемлемы.
Наиболее известными западными моделями прогноза банкротства являются:
1) двухфакторная модель Альтмана;
2) пятифакторная модель Альтмана;
3) четырехфакторная модель Таффлера и Тишоу;
4) четырехфакторная модель Лиса;
5) система показателей Бивера.
1. Двухфакторная модель Альтмана:
,
Ктл - коэффициент текущей ликвидности;
Кфз – коэффициент финансовой зависимости.
Критерии оценки:
Z > 0 – вероятность банкротства больше 50% и возрастает с ростом Z;
Z = 0 – вероятность банкротства равна 50%;
Z < 0 – вероятность банкротства меньше 50% и снижается при уменьшении Z.
Ошибка прогноза по данной модели оценивается интервалом .
Встречаются и несколько иные критерии оценки Z по двухфакторной модели:
Z > 0.3 – вероятность банкротства велика;
0.3 < Z < 0.3 – вероятность банкротства средняя;
Z < - 0.3 – вероятность банкротства мала;
Z = 0 – вероятность банкротства равна 50%.
2. Пятифакторная модель Альтмана для компании, акции которой обращаются на фондовом рынке:
,
К1 – отношение чистого оборотного капитала к сумме всех активов;
К2 – отношение нераспределенной (накопленной) прибыли (непокрытых убытков) к активам;
К3 – рентабельность активов (отношение прибыли до уплаты процентов и налогов к активам);
К4 – отношение собственного капитала (рыночной стоимости всех обыкновенных и привилегированных акций) к заемному капитала;
К5 – оборачиваемость активов (отношение выручки от продаж(нетто) к активам).
В зависимости от полученного значения Z-счета по определённой шкале производится оценка вероятности (угрозы) банкротства.
Критерии оценки:
Z > 1.81 – вероятность банкротства очень высокая;
1.81 <= Z < 2.675 – вероятность банкротства достаточно высокая;
Z = 2.675 – вероятность банкротства равна 0,5;
2.675 < Z <= 2.99 – вероятность банкротства невелика;
Z > 2.99 – вероятность банкротства очень низкая.
Степень достоверности прогнозов по оригинальной пятифакторной модели Альтмана составляет: до одного года – 95%, до двух лет – 83%, до трех лет – 48%, старше трех лет – 30%.
Модифицированная модель Альтмана разработана для производственных предприятий, акции которых не котируются на бирже (запись модели дана в варианте, адаптированном к показателям российского баланса и отчета о прибылях и убытках):
,
К1 – отношение чистого оборотного капитала к активам;
К2 – отношение резервного капитала и нераспределенной (накопленной) прибыли (непокрытого убытка) к активам;
К3 – отношение прибыли (убытка) до уплаты налогов и процентов к активам;
К4 – отношение капитал и резервов (собственного капитала) к общим обязательствам;
К5 – отношение выручки от продаж (нетто) к активам.
Критерии оценки:
Z < 1.23 – высокая вероятность банкротства;
1.23 <= Z <= 2.9 – зона неопределенности;
Z > 2.9 – низкая вероятность банкротства.
При этом степень достоверности прогноза до одного года составляет 88%, до двух лет – 66%, более двух лет – 29%.
Практика применения этой модели при анализе российских предприятий показала возможность ее использования и наибольшую реальность получаемых значений по сравнению с другими западными моделями.
3. Четырехфакторная модель Таффлера и Тишоу:
,
К1 – отношение прибыли от продаж к краткосрочным обязательствам,
К2 – отношение оборотных активов к сумме обязательств,
К3 – отношение краткосрочных обязательств к активам,
К4 – отношение выручки от продаж к активам.
Критерии оценки:
Z > 0.3 – компания имеет неплохие долгосрочные перспективы;
0.2 <= Z <= 0.3 – зона неопределенности;
Z < 0.2 – высокая вероятность банкротства.
4. Четырехфакторная модель Лиса:
,
К1 – отношение оборотного капитала к активам;
К2 – отношение прибыли от продаж к активам;
К3 – отношение нераспределенной (накопленной) прибыли к активам;
К4 – отношение собственного капитала к заемному.
Критерии оценки:
Z < 0.04 – предприятие является финансового неустойчивым;
Z > 0.04 – предприятие является финансового устойчивым.
5. Система показателей Бивера. Эта система может быть использована как для идентификации типа (группы) финансового состояния, так и для диагностики банкротства.
Весовые коэффициенты в системе показателей Бивера не предусмотрены и итоговый мультипликатор не рассчитывается. Полученные фактические значения показателей, включенных в систему оценки, сравниваются с установленными Бивером их нормативными значениями для трех групп финансового показателя (табл. 8.1):
• группа I – благополучные компании с нормальным финансовым положением. Вероятность банкротства отсутствует;
• группа II – неустойчивое финансовое положение. Характерно для предприятий за пять лет до возможного банкротства;
• группа III – кризисное финансовое положение. Банкротство возможно через один год.
Итоговая оценка вероятности банкротства производится по большинству попаданий показателей в ту или иную группу.
Таблица 8.1
Система показателей Бивера применительно к российской отчетности
Показатель
Алгоритм расчета
Вероятность банкротства
группа I: вероятность банкротства отсутствует
группа II:
За пять лет до возможного банкротства
группа III:
За один год до банкротства
1.Коэффициент Бивера
(Чистая прибыль + Амортизация)/Заемный капитал
0.4-0.45
0.17
-0.15
2.Коэффициент текущей ликвидности
Оборотные активы/Текущие обязательства
2<Ктл<=3.2
2<Ктл<=2
Ктл<=1
3.Финансовая рентабельность активов
Чистая прибыль/Активы * 100%
6-8 и более
4-6
-22
4.Финансовый леверидж (степень финансовой устойчивости)
Заемный капитал/Пассивы*100%
<=37
4.-5.
>=80
5.Коэффициент покрытия активов собственными оборотными средствами
(Собственный капитал-Внеоборотные активы)/Оборотные активы
>=0.4
0.1-0.3
<0,06(или отрицательное значение)
Кроме того, коэффициент Бивера (N) рассматривается отдельно как один из наиболее статистически надежных показателей диагностики банкротства. Риск потери платежеспособности изменяется в зависимости от значения этого коэффициента:
N <= 0.17 – высокий;
0.17 0.4 – низкий.
1.2 Множественный дискриминантный анализ по отечественным методикам
Рассмотрим российские модели прогнозирования банкротства.
1. Пятифакторная модель Р.С. Сайфулина и Г.Г. Кадыкова. Эта модель применима как для рейтинговой оценки текущего финансового состояния, так и для целей диагностики. Весовые коэффициенты модели определены расчетным путем на основе минимальных нормативных значений и экспертных оценок, рекомендуемых для показателей, включенных в модель. Модель имеет следующий вид:
,
К1 – коэффициент обеспеченности собственными оборотными средствами (К2>=2);
К2 – коэффициент текущей ликвидности (К2>=2);
К3 – коэффициент интенсивности оборота авансированного капитала (оборачиваемости активов, К3>=2.5);
К4 – коэффициент менеджмента (рентабельности реализации продукции по прибыли от продаж), К4>=0.445);
К5 – рентабельность(коэффициент) собственного капитала по прибыли до налогообложения (К5>=0.2).
При полном соответствии коэффициентов их минимальным нормативным значениям R=1, т.е. организация имеет удовлетворительное (устойчивое) финансовое положение. Финансовое состояние предприятия при R>1 характеризуется как неудовлетворительно (неустойчивое).
2. Четырехфакторная математическая модель прогноза банкротства (разработана в Иркутской государственной экономической академии):
К1 – отношение собственного оборотного капитала к активам;
К2 – отношение чистой прибыли к собственному капитала;
К3 – отношение выручки от продаж к активам;
К4 – отношение чистой прибыли к себестоимости произведенной (проданной) продукции.
Критерии оценки:
R > 0 – вероятность банкротства максимальная (90-100%);
0 < R < 0.18 – вероятность банкротства высокая (60-80%);
0.18 < R < .32 – вероятность банкротства средняя (35-50%);
0.32 < R < 0.42 – вероятность банкротства низкая (15-20%);
R > 0.42 - вероятность банкротства минимальная (до 10%).
3. Пятифакторная математическая модель Г.В.Савицкой (разработана для сельскохозяйственных предприятий Республики Беларусь):
К1 – доля собственного оборотного капитала в общей сумме оборотных активов (коэффициент обеспеченности собственными оборотными средствами);
К2 – соотношение текущих активов и иммобилизованных средств;
К3 – коэффициент оборачиваемости совокупного капитала;
К4 – рентабельность активов по чистой прибыли;
К5 – коэффициент финансовой независимости (доля собственного капитала в валюте баланса).
Критерии оценки:
Z > 1 – стопроцентная несостоятельность;
1 < Z < 3 – большой риск банкротства;
3 < Z < 5 – риск банкротства средний;
5 < Z < 8 – риск банкротства средний;
Z > 5 – риск банкротства малый или отсутствует.
Российские модели прогнозирования банкротства с момента их появления вызывают противоречивые мнения о степени их надежности и реальности получаемых прогнозов. Считается, что ни одна из построенных моделей не может претендовать на использование в качестве универсальной как в силу акцентов на совокупность отдельных показателей, статистически значимых в рамках больших информационных массивов, но мало приемлемых для анализа и прогноза финансового состояния отдельного предприятия, так и из-за неустановившихся еще пропорций в структуре капитала отечественных предприятий. Кроме того, построение качественных математических моделей затрудняется отсутствием необходимого массива статистических данных по организациям-банкротам, низкой степенью информативности и сопоставимости данных финансовой отчетности. Поэтому целесообразно отслеживать динамику изменения результирующих показателей по целому ряду моделей в комплексе с другими методами прогнозирования.