Статистические и логические методы предварительного анализа, с целью прогнозирования банкротства предприятия

Материалы к лекции Статистические и логические методы предварительного анализа, с целью прогнозирования банкротства предприятия Надежность выводов о банкротстве может быть существенно повышена, если дополнить финансовый анализ прогнозированием вероятности банкротства предприятия с использованием методов многофакторного статистического анализа. Одним из таких методов является метод дискриминантного анализа, с помощью которого решаются задачи классификации, т.е. разбиения некоторой совокупности анализируемых объек­тов на классы путем построения так называемой классифи­цирующей функции в виде корреляционной модели. Мультипликативный дикриминантный анализ для прогнозирования вероятности банкротства в своих работах использовали такие зарубежные авторы, как Э.Альтман, Ю.Бригхем, Л. Гапенски, Ч. Празанна и др. Процесс построения модели прогнозирования вероятности банкротства предприятия с использованием метода дискрими­нантного анализа включает в себя следующие этапы: 1) формирование выборки предприятий аналогичного типа, содержащей как обанкротившиеся предприятия, так и избежавшие банкротства; 2) определение состава показателей, характеризующих финансовое состояние предприятия; 3) разбиение сформированной совокупности предприятий две группы: предприятия-банкроты и предприятия, преодолевшие кризис и выжившие, и их описание с помощью выбранной системы финансовых показателей; 4) формализованное представление исходных данных в виде некоторых формальных конструкций; 5) построение дискриминантной (разделяющей, классифицирующей) функции и ее идентификация; 6) определение статистических оценок параметров распределения дискриминантной функции. Цель дискриминантного анализа- построение линии, делящей все компании на две группы: если точка расположена над линией, фирме, которой она соответствует, финансовые затруднения вплоть до банкротства в ближайшее время не грозят и наоборот. Эта линия разграничения называется дискриминантной функцией, индекс Z. Рассмотрим наиболее известные зарубежные и отечественные статистические и логические модели прогнозирования несостоятельности более подробно. Обобщение зарубежного опыта прогнозирования несостоятельности предприятий. Исследования зарубежных ученых в области предсказания банкротства предприятий показывают, что из множества финансовых показателей можно выбрать лишь несколько полезных и более точно предсказывающих банкротство. Многие аналитики искали такую характеристику, которая лучше всего отражала бы финансовую деятельность предприятия, но сейчас уже признано, что одной такой характеристики явно мало. А. Винакор и Р. Смит показали, что наиболее надежным признаком скорого банкротства предприятия является снижение отношения собственных оборотных средств к сумме активов. П.Дж. Фитцпатрик сравнил показатели 20 обанкротившихся предприятий за период 1920—1929 гг. с 19 выжившими предприятиями и пришел к выводу, что лучшими показателями банкротства являются отношение прибыли к собственным оборотным средствам и отношение собственных оборотных средств к сумме задолженности), понижение диагностирует приближение несостоятельности). К.Л. Мервин исследовал 939 предприятий и показал, что симптомом банкротства является отрицательная динамика показателей: коэффициента покрытия процентных выплат, коэффициента автономии и собственного оборотного капитала на сумму задолженности. Практика показала несовершенство этих подходов и потребовала проведения более сложного анализа для получения интегральной оценки финансового состояния предприятия. В качестве критерия этой оценки выступает вероятность наступления банкротства. Этой цели удовлетворяют некоторые факторные медели, разработанные в США: модель Z-счета Альтмана, шкала Бивера, формула Du Pont, а также менее известные модели Лиса, Гишоу, Таффлера. К сожалению, все эти модели дают лишь приблизительную градацию степени угрозы наступления банкротства, однако ни количественного значения вероятности банкротства, ни ошибки неправильной диагностики они не представляет. Одной из простейших моделей прогнозирования вероятности банкротства считается двухфакторная американская модель. Z = а0 + а1Кп + а2Кфз (2.17) Где , Z- показатель классифицирующей функции; а0 -постоянный фактор; Кп -коэффициент покрытия (текущей ликвидности); Кфз - коэффициент финансовой зависимости, %; а1 и а2 — параметры, показывающие степень и направленность влия­ния коэффициента покрытия и коэффициента финансо­вой зависимости на вероятность банкротства соответственно. Исходную выборку для построения модели прогнозирования вероятности банкротства составили данные о финансовом состоянии 19 предприятий, одна часть из которых обанкротилась, другая смогла выжить. Данная модель основывается на двух ключевых показателях (показатель текущей ликвидности и показатель доли заемных средств), от которых зависит вероятность банкротства предприятия. Эти показатели умножаются на весовые значения коэффициентов, найденные эмпирическим путем, и результаты затем складываются с некой постоянной величиной (const), также полученной тем же (опытно-статистическим) способом. Если результат (Z) оказывается отрицательным, вероятность банкротства невелика. Положительное значение Z указывает на высокую вероятность банкротства. В американской практике выявлены и используются такие весовые значения коэффициентов: для показателя текущей ликвидности (покрытия) (Кп) – (-1,0736) для показателя удельного веса заемных средств в пассивах предприятия (Кз) – (+0,0579) постоянная величина – (-0,3877) Отсюда формула расчета Z принимает следующий вид: Z = – 0,3877+ Кп*(-1,0736)+ (Кз)* 0,0579 (2.1) При Z = 0 имеем уравнение дискриминантной границы. Для предприятий, у которых Z = 0, вероятность обанкротиться со­ставляет 50%. Если Z < 0, то вероятность банкротства меньше 50%, и далее она снижается по мере уменьшения Z. Если Z > 0, то вероятность банкротства больше 50%, и она возрастает с увеличением Z. Знаки параметров а1 и а2 классифицирующей функции свя­заны с характером влияния соответствующих показателей. Па­раметр а1 имеет знак «минус», поэтому чем больше коэффици­ент покрытия, тем меньше показатель Z и тем меньше вероят­ность банкротства предприятия. В то же время параметр а2 имеет знак «плюс», поэтому чем выше коэффициент финансовой зависимости, тем больше Z , следовательно, выше вероятность банкротства предприятия. Рассмотренная двухфакторная модель не обеспечивает всестороннюю оценку финансового состояния предприятия, а потому возможны слишком значительные отклонения прогноза от реальности. Пример использования двухфакторной модели для вычисления вероятности банкротства представлен в таблице 5 ( 91,с.44). Однако важно иметь в виду, что в нашей стране иные темпы инфляции, иные циклы макро- и микроэкономики, а также другие уровни фондо-, энерго- и трудоемкости производства, производительности труда, иное налоговое бремя. В силу этого невозможно механически использовать приведенные выше значения коэффициентов в российских условиях. Однако саму модель, с числовыми значениями, соответствующими реалиям российского рынка, можно было бы применить, если бы отечественные учет и отчетность обеспечивали достаточно представительную информацию о финансовом состоянии предприятия. М.А.Федотова в своих исследованиях считает, что весовые коэффициенты следует скорректировать применительно к местным условиям, и точность прогноза двухфакторной модели увеличится, если добавить к ней третий показатель- рентабельность активов (90,с.35) . Однако новые весовые коэффициенты для отечественных предприятий ввиду отсутствия статистических данных по организациям – банкротам в России не были определены. Таблица 3 Пример использования двухфакторной модели для вычисления вероятности банкротства 19 предприятий Пред- приятие Коэффициент текущей ликвидности Отношение заемного капитала к активам, % Z Вероятность банкротства, % Подтверждение вероятности банкротства 1 3,6 60 - 0,779 17,2 Нет 2 3,0 20 - 2,451 0,8 Нет 3 3,0 60 - 0,135 42 Нет 4 3,0 76 -0,792 81,2 Да 5 2,8 44 -0,847 15,5 Нет 6 2,6 56 0,062 51,5 Да 7 2,6 68 0,757 80,2 Да 8 2,4 40 -0,649 21,2 Да 9 2,4 60 0,510 71,5 Нет 10 2,2 28 -1,128 9,6 Нет 11 2,0 40 -0,220 38,1 Нет 12 2,0 48 0,244 60,1 Да 13 1,8 60 1,153 89,7 Да 14 1,6 20 -0,948 13,1 Нет 15 1,6 44 0,441 68,8 Да 16 1,2 44 0,871 83,5 Да 17 1,5 24 -0,072 45,0 Нет 18 1,0 32 0,391 66,7 Да 19 1,0 60 2,012 97,9 Да В силу того, что двухфакторная модель не полностью описывает финансовое положение предприятия, прогнозные (расчетные) и фактические показатели могут расходиться. Так предприятие 8 имело Z = - 0,648 и вероятность банкротства чуть более 20 % ( т.е. не должно было обанкротиться), но в действительности же оно стало банкротом .В то же время предприятия 9 и 12 имели положительные значения Z ( 0,510 и 0,244) и вероятность банкротства 71,5 и 60,1 %, но они сумели избежать банкротства. Для получения более точного прогноза американская практика рекомендует принимать во внимание уровень и тенденцию изменения рентабельности проданной продукции, так как данный показатель существенно влияет на финансовую устойчивость предприятия. Это позволяет одновременно сравнивать показатель риска банкротства (Z) и уровень рентабельности продаж продукции. Если первый показатель находится в безопасных границах, и уровень рентабельности продукции достаточно высок, то вероятность банкротства крайне незначительная. Коэффициент Альтмана (индекс кредитоспособности). Этот метод предложен в 1968 г. известным западным экономистом Альтманом. Индекс кредитоспособности позволяет в первом приближении разделить хозяйствующие субъекты на потенциальных банкротов и небанкротов (101,р.595). При построении индекса Альтман обследовал 66 предприятий, половина которых обанкротилась в период между 1946 и 1965 гг., а половина работала успешно, и исследовал 22 аналитических коэффициента, которые могли быть полезны для прогнозирования возможного банкротства. Из этих показателей он отобрал пять наиболее значимых и построил многофакторное регрессионное уравнение. Таким образом, индекс Альтмана представляет собой функцию от некоторых показателей, характеризующих экономический потенциал предприятия и результаты его работы за истекший период. В общем виде индекс кредитоспособности (Z-счет) имеет вид: Z = 1,2* Х1 + 1,4*Х2 + 3,3*Х3 + 0,6*Х4 + Х5, (2.19) где Х1 – чистый оборотный капитал/сумма активов; Х2 – нераспределенная прибыль/сумма активов; Х3 – валовая прибыль/сумма активов; Х4 – рыночная стоимость акций/привлеченный капитал; Х5 – выручка/сумма активов (для российских предприятий – нераспределенная прибыль/сумма активов). Для российских фирм данную оценку интерпретировал экономист Адаев (): рыночная стоимость акций заменяется суммой уставного капитала и добавочного капитала, т.к. увеличение стоимости активов приводит либо к увеличению уставного капитала (рост номинала УК либо дополнительный выпуск акций) либо к росту добавочного капитала. Рост добавочного капитала связывают либо с переоценкой имущества, либо с повышением курсовой стоимости акций в зависимости от надежности. Однако рост количества выпускаемых акций иногда расценивается как приближение эмитента к банкротству. Результаты многочисленных расчетов по модели Альтмана показали, что обобщающий показатель Z может принимать значения в пределах [-14, +22], при этом предприятия, для которых Z>2,99 попадают в число финансово устойчивых, предприятия, для которых Z<1,81 являются безусловно-несостоятельными, а интервал [1,81;-2,99] составляет зону неопределенности. Z-коэффициент имеет общий серьезный недостаток - по существу, его можно использовать лишь в отношении крупных компаний, котирующих свои акции на биржах. Именно для таких компаний можно получить объективную рыночную оценку собственного капитала. Позднее, в 1978 году, Э.Альтман разработал подробную, но более точную модель, позволяющую прогнозировать банкротство на горизонте в пять лет с точностью 85 процентов для промышленных и непромышленных предприятий (103, р.1070). Усовершенствованная модель имеет вид: для производственных предприятий- Z = 0,717* Х1 + 0,847*Х2 + 3,107*Х3 + 0,420*Х4 +0,998* Х5; (2.20) для непроизводственных предприятий- Z = 6,56* Х1 +3,26*Х2 + 6,72*Х3 + 1,05*Х4 ; (2.21) где Х1 – чистый оборотный капитал/сумма активов; Х2 – резервный капитал + нераспределенная прибыль/сумма активов; Х3 – валовая прибыль/сумма активов; Х4 – рыночная стоимость акций/заемный капитал; Х5 – выручка/сумма активов . В зависимости от полученного значения для Z-счета можно судить об угрозе банкротства(табл.8). Таблица 8. Пограничные значения Z-счета Степень угрозы Для производственных предприятий Для непроизводственных предприятий Высокая угроза банкротства Менее 1,23 Менее 1,10 Степень неведения 1,23-2,90 1,10-2,60 Низкая угроза банкротства Более 2,9 Более 2,60 На основе пятифакторной модели Альтмана в России разработана и используется на практике компьютерная модель прогнозирования вероятности банкротства. В данной версии второй показатель принят равным нулю. Это обосновывается тем, что деятельность наших предприятий, в качестве нормально функционирующих акционерных обществ, началась сравнительно недавно. Изменен и четвертый показатель, который в связи с отсутствием в России информации о рыночной стоимости акций рассчитывается как отношение объема активов к величине заемных средств. При применении прогнозных моделей возможны два типа ошибок прогноза: • прогнозируется сохранение платежеспособности предприятия, а в действительности происходит банкротство; • прогнозируется банкротство, а предприятие сохраняет платежеспособность. По мнению Э.Альтмана, с помощью пятифакторной модели прогноз банкротства на горизонте в один год можно установить с точностью до 95%. При этом ошибка первого типа возможна в 6% случаев, а второго типа в 3%.Спрогнозировать банкротство на горизонте в два года удается с точностью до 83%, при этом ошибка первого типа имеет место в 28% случаев, а второго- в 6%. Сопоставление данных, полученных для разных стран, показывают, что веса значений для Z-счета сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны. Получается, что Z-методы Альтмана не обладают устойчивостью к вариациям в исходных данных. Статистка, на которую опирается Альтман и его последователи не обладает важным свойством- статистической однородностью выборки событий. Здесь невозможно говорить о статистической однородности событий, и, следовательно, допустимость применения вероятностных методов, т.к. она применяется к предприятиям с различной организационно- технической спецификой, со своими рыночными нишами , стратегиями и целями, фазами жизненного цикла и т.д. Для усиления прогнозирующей роли моделей можно трансформировать Z-коэффициент в PAS-коэффициент (Perfomans Analysys Score) – коэффициент, позволяющий отслеживать деятельность компании во времени. Изучая PAS-коэффициент как выше, так и ниже критического уровня, легко определить моменты упадка и возрождения компании. PAS-коэффициент – это просто относительный уровень деятельности компании, выведенный на основе ее Z-коэффициента за определенный год и выраженный в процентах от 1 до 100. Например, PAS-коэффициент, равный 50, указывает на то, что деятельность компании оценивается удовлетворительно, тогда как PAS-коэффициент, равный 10, свидетельствует о том, что лишь 10% компаний находятся в худшем положении (неудовлетворительная ситуация). Итак, подсчитав Z-коэффициент для компании, можно затем трансформировать абсолютную меру финансового положения в относительную меру финансовой деятельности. Другими словами, если Z-коэффициент может свидетельствовать о том, что компания находится в рискованном положении, то PAS-коэффициент отражает историческую тенденцию и текущую деятельность на перспективу. Сильной стороной такого подхода является его способность сочетать ключевые характеристики отчета о прибылях и убытках и баланса в единое соотношение. Так, компания, получающая большие прибыли, но слабая с точки зрения баланса, может быть сопоставлена с менее прибыльной, баланс которой уравновешен. Таким образом, рассчитав PAS-коэффициент, можно быстро оценить финансовый риск, связанный с данной компанией, и соответственно варьировать условия сделки. В сущности, подход основан на принципе, что целое более ценно, чем сумма его составляющих. Дополнительной особенностью этого подхода является использование "рейтинга риска" для дальнейшего выявления скрытого риска. Этот рейтинг статистически определяется только, если компания имеет отрицательный Z-коэффициент, и вычисляется на основе тренда Z-коэффициента, величины отрицательного Z-коэффициента и числа лет, в продолжение которых компания находилась в рискованном финансовом положении. Используя пятибалльную шкалу, в которой 1 указывает на "риск, но незначительную вероятность немедленного бедствия", а 5 означает "абсолютную невозможность сохранения прежнего состояния", менеджер оперирует готовыми средствами для оценки общего баланса рисков, связанных с кредитами клиента. Известны и другие критерии. Финансовый политик Уильям Бивер (104) предложил свою систему показателей для оценки финансово­го состояния предприятия с целью диагностики банкротства. На основе сравнения 79 предприятий-банкротов с 79 конкурентоспособными предприятиями в качестве лучших пред­сказателей банкротства он выделил пять коэффициентов : коэффициент текущей ликвидно­сти (К1); коэффициент Бивера (отношение чистой прибыли + амортизация к заемным средствам (К2); рентабельность активов (К3),%; финансовый рычаг (отношение заемных средств к со­вокупным активам (К4); отношение чистого оборотного капитала к совокупным активам (К5). Динамика указанных коэффициентов у благополучных предприятий и у предпри­ятий-банкротов приведена в таблице 10. Весовые коэффициенты для индикаторов в данной модели не предусмотрены и итоговый коэффициент вероятности банкротства не рассчитывается. Полученные значения данных показателей сравниваются с нормативным значениями для трех состояний фирмы, рассчитанным У.Бивером: для благополучных компаний, для компаний обанкротившихся в течение года, и для фирм, ставших банкротами в течение пяти лет. На наш взгляд, в условиях нестабильной экономической системы России, использование периода прогнозирования ,равного пяти годам ,преждевременно, и необходимо использовать более короткие промежутки времени (1-3 года).Также недостаточно понятным является норматив показателя рентабельности активов, который представлен отрицательной величиной. Таблица 10 Финансовые коэффициенты благополучных предприятий и предприятий с вероятностью наступления финансовой несостоятельности По В.Биверу Коэффициенты Благополучные предприятия Предприятия- банкроты (за 5 лет до банкротства) Предприятия- банкроты (в момент банкротства) К1 3,2 2 1 К2 0,4-0,45 0,17 - 0,15 К3 6-8 -4,00 -22,00 К4 0,37-0,40 0,5 0,8 К5 0,40-0,45 0,3 0,06 Как видно из таблицы 10 ,коэффициент Бивера имеет следующие нормативные ограничения: 0,4-0,45 – благополучное состояние предприятия, 0,15 – настораживающий норматив, по которому вероятность банкротства возможна в течение пятилетнего периода, - 0,15(отрицательное значение норматива)- это уже вероятность кризиса, который может наступить в течение текущего года. Модели Э.Альтмана и У.Бивера содержат значения весовых коэффициентов и пороговых значений комплексных и частных показателей ,рассчитанные на основе американских аналитических данных шестидесятых – восьмидесятых годов .В связи с этим они не соответствуют современной специфике экономической ситуации и организации бизнеса в России, в том числе отличающейся системе бухгалтерского учета и налогового законодательства,. Формула Du Pont. Формула Du Pont позволяет оценить важ­нейший показатель с точки зрения инвесторов - рентабель­ность собственного капитала по трем показателям экономиче­ской эффективности: рентабельности продаж, оборачиваемости активов и финансового рычага (коэффициента привода). Произ­ведение последних трех коэффициентов определяет структурный состав показателя рентабельности собственного капитала- это и есть формула Du Pont. (2.22) В сокращенном виде формула выглядит: R ск = Rпр * KOа * L, где R ск - рентабельность собственного капитала, Rпр- рентабельность продаж, КОа - оборачиваемость активов или коэффициент трансформации, L -«рычаг» В монографии «Менеджмент: стратегия и тактика» Питера Дойля формулу Du Pont называют основным уравнением фи­нансового планирования, которое должно определять основную финансовую задачу. «Принято считать, что основная цель капи­талистического предприятия — достижение удовлетворительного уровня прибыли на акционерный капитал. Уравнение показыва­ет, что существует три и только три способа достижения этой цели... Менеджмент компании должен предпринять меры по по­вышению Rпр., KOA или L. Основное уравнение финансового пла­нирования представляет результат деятельности компании» ( 36, с.87 ). Так рентабельность продаж характеризует соотношение между уровнем цен на рынке на реализуемую продукцию и затратами на ее содержание и реализацию. Поэтому он приемлем для срав­нения компаний разного масштаба, но с хорошей структурой (предлагающих хорошую продукцию). Однако, если инвестиции в капитал предприятия сильно различаются от предприятия к предприятию, то пользоваться этим коэффициентом отдельно не стоит в качестве обобщающего. Смысл коэффициента рента­бельности по продажам — отразить уровень управления затратами при существующих ценах на продукцию. Оборачиваемость активов показывает эффективность активов компании при достижении уровня ее объема продаж. Показатель оборачиваемости активов позволяет оценить успех управления активами предприятия. В идеале предприятие должно стремиться к высокому уров­ню коммерческой маржи Rnp и высокому значению коэффици­ента оборачиваемости КОа, однако стоит помнить, что на эти показатели воздействуют разные факторы. Так, если поставлена задача оптимизации коммерческой маржи, что отвечает целям максимизации чистой прибыли, то это может быть достигнуто быстро двумя методами: повышением цен или снижением реа­лизационных затрат. Повышение цен может отрицательно ска­заться на выручке вследствие падения спроса, что вызовет и снижение коэффициента трансформации при фиксированном уровне суммы активов, это будет отражено в замедлении произ­водственного цикла. Снижение затрат на реализацию увеличит прибыль, но не обязательно вызовет увеличение выручки. Если уменьшить затраты по сбыту, вероятней ожидать уменьшение числа покупателей, что опять-таки увеличит запасы на складах и уменьшит выручку. Ниже станет и оборачиваемость активов. А в случае стимулирования роста объема продаж среди потенциаль­ных покупателей коэффициент оборачиваемости за счет роста выручки, напротив, вырастет, однако выше будут затраты. В этом случае на вопрос, вырастет ли маржа, ответит исследование, по­скольку окупает затраты чистая прибыль, которая может умень­шиться, а может и увеличиться при росте объема продаж (вы­ручки). Как и модели Альтмана и Бивера, формула Du Pont рассчитывается на основе данных экспресс-диагностики, однако является более сложным и тонким инструментом анализа финансового состояния предприятия. В отличие от двухфакторной модели, модели Z-счета Альтмана, некоторых моделей линейной регрессии модель Du Pont является нелинейной мультипликативной моделью. Показатель рентабельности собственного капитала является экономической нелинейной характеристикой трех показателей финансовой деятельности предприятия. Исходя из этого можно утверждать, что формула Du Pont является несложным и достаточно действенным инструментом финансового анализа предприятия. Показатель рентабельности собственного капитала, вычисленный по формуле Du Pont, может выступать и как признак кризисного состояния предприятия, правда, в этой роли он очень ненадежен и его значение не выходит за рамки экспресс-диагностики состояния предприятия. Как было выше,для того, чтобы предприятие было успешным по показателю Rсс, необходимо, чтобы значение Rсс, с превышало норму дисконтирования (цену капитала) q, т.е. если R сс > q, то кризис отсутствует, при RC с < q кризис есть. В 1977 г. британские исследователи Р. Таффлер и Г. Тишоу (R. Taffler, G. Tishaw) применили подход Альтмана и на выбор­ке из 80 британских компаний построи­ли четырехфакторную прогнозную модель финансовой несостоятельно­сти при разработке которой использовал следующий подход. При использовании компьютерной техники на первой стадии вычисляются 80 отношений по данным обанкротившихся и платежеспособных компаний. Затем, используя статистический метод, можно построить модель платежеспособности, определяя частные соотношения, которые наилучшим образом выделяют две группы компаний и их коэффициенты. Такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности фирмы, таких, как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность. Объединяя эти показатели и сводя их соответствующим образом воедино, модель платежеспособности производит точную картину финансового состояния корпорации. Типичная модель для анализа компаний принимает форму: Z = 0,53Х1 + 0,13Х2 + 0,18Х3 + 0,16Х4. (2.23) где X1— отношение прибыли до уплаты про­центов и налогов к текущим обязательствам; Х2 — отношение текущих активов к общей сумме обязательств; Х3— отношение текущих обязательств к общей сумме активов; Х4 — от­сутствие интервала кредитования; Z (или КОСС) — коэффициент обеспеченности соб­ственными средствами. При Z > 0,3 вероятность банкротства низкая, а при Z < 0,2 — высокая. Отметим, что в уравнении Р. Таффлера и Г. Тишоу переменная Х1 играет домини­рующую роль по сравнению с тремя дру­гими, а различительная прогностическая способность модели ниже по сравнению с Z-счетом Альтмана, в результате чего незначительные колебания экономиче­ской обстановки и возможные ошибки в исходных данных, в вычислении финан­совых коэффициентов и всего индекса могут приводить к ошибочным выводам. Несмотря на то, что прогнозная мо­дель Р. Таффлера и Г. Тишоу построена на более современных данных и не включа­ет в себя рыночную оценку бизнеса (ко­тировку акций), ее применимость к рос­сийским условиям также вызывает сомне­ния из-за различий в финансово-эконо­мических условиях в Великобритании и, в частности, в условиях кредито­вания промышленности, в связи с этим раситывать данную модель на исследуемых предприятиях не будем. Первая французская модель оценки платежеспособности фирм на основе многомерного дискриминантного анали­за (MDA) была построена в 1979 г. Ж. Ко­наном и М. Голдером (J. Conan, M. Holder) по выборке из 95 малых и средних пред­приятий Франции, изученных за период с 1970 по 1975 г.: Z = - 0,16Х1- 0,22Х2 + 0,87Х3 + 0,10Х4-0,24Х5. (2.24) где X1 — отношение денежных средств и де­биторской задолженности к итогу баланса; Х2 -отношение собственного капитала и долго­срочных пассивов к итогу баланса; Х3— отно­шение финансовых расходов( проценты к уплате) к выручке от реализации; Х4-отношение расходов на персонал к добавлен­ной стоимости (стоимость продукции – стоимость сырья, энергии, услуг сторонних организаций); Х5 -отношение прибыли до выплаты процентов и налогов к заемному капиталу. Вероятность задержки платежей фир­мами, имеющими различные значения показателя Z, приведены в таблице 12. Таблица 12 Вероятность задержки платежа в зависимости от значений показателя Z по Ж. Ко­нану и М. Голдеру Z 0,21 0,048 0,002 - 0,026 -0,068 -0,087 -0,107 -0,131 -0,164 Вероятность задержки платежа, % 100 90 80 70 50 40 30 20 10 В уравнении Ж. Конана и М. Голдера обращает на себя внимание доминирую­щая роль фактора Х3 — отношения фи­нансовых издержек к выручке от реализа­ции по сравнению с другими четырьмя коэффициентами. Фактически влияние этого фактора превышает совокупное влияние всех остальных. Работа Ж. Конана и М. Голдера была продолжена аудиторской компанией под руководством М. Голдера, которая по­строила Z-уравнения для трех отраслей: строительства, оптовой торговли и транспорта. Показатель платежеспособности Z управления отчетности Банка Франции был построен в 1983 г оценки средних и малых промышленных предприятий: Z = - l,255R1+ 2,003R2 - 0,824R3 + 5,221R4 - 0,689R5 - 1,1б4Кб ++ 0,706R7 + 1,408R8 - 85,544. (2.25) где R1 — доля финансовых расходов в финан­совом результате = финансовые расходы/ва­ловой финансовый результат; R2 — покрытие инвестированного капитала = постоянный ка­питал/инвестированный капитал; R3 — плате­жеспособность = способность к самофинан­сированию/привлеченный капитал; R4 — нор­ма валовой прибыли = валовой экономиче­ский результат/объем продаж (после налого­обложения); R5 — период погашения кредита поставщиков (дней) = коммерческая креди­торская задолженность/закупки (включая на­логи); R6 — процент изменения добавленной стоимости = добавленная стоимость к.г. – добавленная стоимость н.г. / привлеченный капитал R7 — период погашения дебитор­ской задолженности (дней) = запасы в неза­вершенном производстве - авансы клиентов + коммерческая дебиторская задолжен­ность /объем продаж (до налогообложения); R8 — процент реальных инвестиций = реаль­ные инвестиции/добавленная стоимость. Величина показателя Z позволяет оце­нить вероятность задержки конкретным предприятием платежей по кредитам и займам. Диапазон 0,25 > Z > - 0,25 — «зо­на неведения», при Z > 0,25 предприятие находится в нормальном состоянии, при Z < - 0,25 велика вероятность дефолта и банкротства. Z-функция, построенная первоначаль­но на выборках предприятий по балансо­вым данным 1972—1979 гг., ежегодно тес­тируется на новых выборках предпри­ятий с тем, чтобы проверить ее различи­тельную способность. Z-функция служит для расчета, с кото­рого начинается индивидуальное досье, получаемое предприятием от управления отчетности Банка Франции Управление отчетности Банка Фран­ции обрабатывает бухгалтерскую и не­бухгалтерскую отчетную документацию, которую ему добровольно представляют более чем 20 000 предприятий. Взамен этого управление отчетности создает и предоставляет каждому предприятию документы, которые позволяют предприятию оценить свое экономическое и финансовое положение в сравнении с другими предприятиями отрасли. В состав документов входят индивидуальное досье и специальные выпуски статистических материалов. Индивидуальное досье помимо идентификационных данных содержит: ключевые показатели бизнеса предприятия (изменение показателя платежеспособности Z, состояние предприятия по входящим в этот показатель финансовым коэффициентам, позиция предприятия в своей отрасли); анализ финансово-хозяйственной деятельности (доход (маржа), издержки прибыль, хозяйственный остаток денежных средств и т. д.); анализ формирования результате финансово-хозяйственной деятельности (общая добавленная стоимость, общая валовая прибыль, способность к самофинансированию и т. д.); анализ финансирования (функциональный баланс, уравнение денежных средств, таблица источников и их и пользования); анализ финансовых потоков (таблица потоков, общий остаток денежных средств, поток свободных денежных средств), аналитические дополнения. Все показатели и коэффициенты в индивидуальном досье связаны с применяемым методом финансового анализа управления отчетности Банка Франции. К индивидуальному досье прилагает инструкция по использованию индекса предприятия в трех плоскостях: анализ вклада каждого из 8 финансовых коэффициентов в значение индекса Z; исследование положения предпри­ятия в отрасли и изучение вероятности наступления неплатежеспособности; поиск причин возникновения сло­жившегося финансового состояния пред­приятия и поиск путей его улучшения. В специальных выпусках статистиче­ской информации управления отчетно­сти Банка Франции обобщается инфор­мация, полученная по совокупности предприятий. Сопоставление индивиду­ального досье предприятия с информа­цией специальных выпусков позволяет проводить достаточно системный анализ положения предприятия в отрасли и раз­рабатывать Кроме управления отчетности Банка Франции, аналогичными исследования­ми во Франции занимаются и другие го­сударственные (Национальный институт статистики и экономических исследова­ний — INSEE) и обществественные (Депозито-сохранная касса при Обществе до­кументации и финансового анализа ак­ционерных компаний — DAFSA) органи­зации, банки (управление отчетности Банка Национальный кредит) и частные компании (международная консалтинго­вая компания «Dun and Bradstreet» (еже­годный анализ 10 000 французских пред­приятий по 125 отраслям с расчетом 14 «ключевых бизнес-коэффициентов») и «Robert Morris Associates» - - созданное банками исследовательское общество анализа финансовой отчетности потен­циальных и реальных кредиторов бан­ков). Оценка методик прогнозирования банкротства в России Рассмотрим некоторые российские методики прогнозирования банкротства предприятий на основе статистических методов. Оригинальный подход к оценке перспектив банкротства предприятий в России, представляет работа А. Колышкина (49) . Автор отобрал показатели, наиболее часто встречающиеся в моделях других исследователей, придал им веса, а затем проверил ее на материалах российских предприятий. В результате были получены три статистические модели для прогнозирования банкротства на основании анализа факторов, применяемых для этой цели различными авторами. M1=0,47K1+0,14K2+0,39K3 (1) M2=0,62K4+0,38K5 (2) M3=0,49K4+0,12K2+0,19K6+0,19K3 (3) где М1 – коэффициент вероятности банкротства 1-й модели; М2 – коэффициент вероятности банкротства 2-й модели; М3 – коэффициент вероятности банкротства 3-й модели; К1 – рабочий капитал (Рабочий капитал/Активы); под рабочим капиталом понимается разность между оборотными активами и краткосрочными обязательствами; К2–рентабельность собственного капитала (Прибыль/Собственный капитал); К3 – денежный поток к задолженности (Денежный поток/Задолженность); К4 – коэффициент покрытия (Оборотные активы / Кредиторская задолженность); К5 – рентабельность активов (Прибыль/Активы); К6 – рентабельность продаж (Прибыль/Выручка). Для определения критических значений моделей построены доверительные интервалы с уровнем ошибки 5%,которые представлены в таблице 14 . Таблица 14 Критические значения моделей при оценке перспектив банкротства Модель Благополучные Банкроты Зона неопределенности 1 0,08-0,16 (-0,20)-(-0,08) (-0,08)-0,08 2 1,07-1,54 0,35-0,49 0,49-1,07 3 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. В ходе использования статистических методов авторами были исключены такие показатели: 1) отношение чистой стоимости собственного капитала к общей величине задолженности; 2) коэффициент оборачиваемости активов; 3) тенденция прибыльности; 4) коэффициент автономии (отношение собственного капитала к итогу бухгалтерского баланса). Учеными Иркутской государственной экономической академии предложена своя четырехфакторная модель прогноза риска банкротства (модель R), которая имеет следующий вид: R = 8,38*K1 + K2 + 0,054*K3 + 0,63*K4 (2.26), где К1 – оборотный капитал/актив; К2 – чистая прибыль/собственный капитал; К3 – выручка от реализации/актив; К4 – чистая прибыль/суммарные затраты. Вероятность банкротства предприятия в соответствии со значением модели R определяется следующим образом: Значение R Вероятность банкротства, % Меньше 0 Максимальная (90-100) 0-0,18 Высокая (60-80) 0,18-0,32 Средняя (35-50) 0,32-0,42 Низкая (15-20) Больше 0,42 Минимальная (до 10) В частности, на наш взгляд, можно обратить внимание потенциальных субъектов анализа на следующие недостатки приведенных выше моделей. 1. Сравнительные веса различных групп показателей определены, исходя из частоты их включения в модели различных исследователей. Естественно, каждый исследователь включал тот или иной показатель в модель, руководствуясь не только своими представлениями о его значимости, но данными других авторов. Это вносит значительную погрешность в саму идею интегрировать на паритетных началах мнения различных исследователей. 2. Не редкость, когда различные авторы по-разному рассчитывают показатели, имеющие одинаковые названия. Данное обстоятельство никак не учитывается в данных исследованиях. Во всяком случае, следовало бы отразить методы расчета всех упомянутых показателей. Например, не определено, какой вид прибыли используется в факторах модели. Очевидно, что незнание этого лишает возможности использования данных моделей. 3. Коэффициент покрытия К4 не учитывает, что внеоборотные активы также могут являться средствами платежа по кредиторской задолженности: долгосрочные финансовые вложения, незавершенное строительство, лишние основные средства и т.д. 4. Использование показателя «рентабельность собственного капитала» как отношение прибыли к собственному капиталу возможно лишь при незначительной величине заемного капитала . Предприятие – предположительный банкрот – заведомо имеет преобладающий заемный капитал. Поэтому использование в моделях отношения прибыли к собственному капиталу снижает точность прогноза. 5.Главный недостаток данных моделей состоит в том, что их практическое применение экономически и логически не доказано. Однако, несомненным достоинством данных моделей является методическая несложность. При построении отечественной модели Z-счета д.э.н., проф. Мизиковским Е.А., и к.п.н. доц. Соколовым И.И. предложена методика прогнозирования несостоятельности российских предприятий. Исходя из того, что кризис или неплатежеспособность предприятия характеризуются недостатком или отсутствием собственных средств, в качестве зависимой переменной был взят финансовый коэффициент КОСС - коэффициент обеспеченности собственными средствами. В качестве возможных индикаторов для прогнозирования финансовой несостоятельности были рассчитаны и проверены 24 финансовых коэффициента и выбраны 2 наиболее значимых, имеющих самые высокие корреляционные связи с КОСС. Решение искалось в виде уравнения многомерной линейной регрессии вида: Z = b0 + b1X1 + b2Х2 + ... + bnХn. В результате проведенного анализа посредством построения уравнения многомерной линейной регрессии авторами получено уравнение Z-счета для отечественных промышленных предприятий: Z = 0,343 + 0,689X1 + 0,224 Х2 (2.27) где Z - коэффициент обеспеченности собственными средствами (КОСС) (Z-нормированное значение); Х1- коэффициент текущей ликвидности (покрытия текущих обязательств) (KTЛ) (Z-нормированное значение); Х2 -- показатель экономической рентабельности (R4) (Z-нормированное значение). Для ориентировочной оценки успешности бизнеса и риска дефолта можно ввести следующие граничные условия: область успешного и растущего бизнеса (абсолютная финансовая устойчивость) определяется параметрами: 4,5 КТЛ  1,5; 0,7  КОСС 0,25; 0,35  R4  0,05; область нормального (среднего по успешности и допустимого по риску дефолта) бизнеса (нормальная финансовая устойчивость) определяется параметрами: 1,55 КТЛ 1,25; 0,33  КОСС  0,07; 0,15R40,02; область кризисного бизнеса или неус­тойчивого и кризисного финансового состояния (низкого по результативности и высокого по рискам дефолта) опреде­ляется параметрами: 1,2-1,0 >КТЛ; 0,2 > КОСС >-0,5 и ме­нее; 0,07 > К4 > - 0,03 и менее. Для анализа авторами были взяты бухгалтерские балансы за 2000 и 2001 гг с приложениями к ним по 22 промышленным предприятиям среднего размера разных отраслей, расположенным в Приволжском федеральном округе. Анализ показатели исследованных предприятий позволил разделить их на три группы. Первое распределение (14 предприятий) составили предприятия, находящиеся в кризисном финансовом положении, второе распределение ( 4 предприятия) – предприятия, находящиеся в нормальном и неустойчивом финансовом состоянии, и третье распределение ( 4 предприятия) – предприятия с абсолютной и нормальной финансовой устойчивостью. Полученные результаты представлены в таблице 16. Таблица 16 Распределение предприятий по финансовой устойчивости по Z- оценкам Группы предприятий Параметры распределения Средние значения финансовых коэффициентов 1 группа Z= 0,4 Косс= -0,18 Ктл=0,93 Rак=0,02 2 группа Z=0,8 Косс= 0,20 Ктл=1,39 Rак=0,09 3 группа Z=1,2 Косс= 0,49 Ктл=3,03, Rак=0,2 Полученные результаты показывают, что в критических значениях КТЛ > 2,0 и КОСС > 0,1, используемых при установле­нии неплатежеспособности, принятии экспертных решений о введении на пред­приятии внешнего управления или кон­курсного производства, о наличии при­знаков умышленного или фиктивного банкротства, первая оценка (по КТЛ) яв­ляется явно завышенной. Полученные в настоящем исследова­нии данные свидетельствуют, что для ди­агностики неплатежеспособности и не­удовлетворительной структуры баланса более подходящим было бы введение нормативных значений КТЛ > 1,0—1,2 и КОСС > 0,1. Такое уточнение позволит с большей степенью точности выделять предприятия, находящиеся и кризисной зоне. По "критическому значению» ФСФО России КТЛ > 2,0 на 1 января 2002 г. финансово несостоятельными явля­ются 86% крупных российских предпри­ятий. Если использовать в качестве норма­тивного значение КТЛ в интервале от 1,0 до 1,2, финансово несостоятельными будут только 50—60% крупных предприятий. По критериальному значению КОСС>0,1 фи­нансово неблагополучными являются 60,6—62% крупных предприятий. Следовательно, финансово проблем­ными и несостоятельными являются не 86%, а только примерно 50—60% пред­приятий российской промышленности. А это весьма существенная поправка (60, с.19). В шестифакторной модели О.П.Зайцевой (40,с.37) предлагается использовать следующие частные коэффициенты: • Куп – коэффициент убыточности предприятия, характеризующийся отношением чистого убытка к собственному капиталу; • Кз – соотношение кредиторской и дебиторской задолженности; • Кс – показатель соотношения краткосрочных обязательств и наиболее ликвидных активов, этот коэффициент является обратной величиной показателя абсолютной ликвидности; • Кур – убыточность реализации продукции, характеризующийся отношением чистого убытка к объему реализации этой продукции; • Кфр – соотношение собственного и заемного капитала4 • Кзаг – коэффициент загрузки активов, как величина, обратная коэффициенту оборачиваемости активов. Комплексный коэффициент банкротства рассчитывается по формуле со следующими весовыми значениями: Ккомпл = 0,25 Куп + 0,1 Кз + 0,2 Кс+ 0,25 Кур + 0,1 Кфр + 0,1 Кзаг (2.27) Весовые значения частных коэффициентов для коммерческих организаций были определены экспертным путем, а фактический комплексный коэффициент банкротства следует сопоставить с нормативным, рассчитанным на основе рекомендуемых минимальных значений частных показателей: Куп =0; Кз =1; Кс = 7; Кур = 0; Кфр =0,7; Кзаг = значение Кзаг в предыдущем периоде. Если фактический комплексный коэффициент больше нормативного, то вероятность банкротства велика, а если меньше – то вероятность банкротства мала. Данная методика , на наш взгляд, имеет существенные недостатки. В частности, определение весовых коэффициентов в данной модели является не совсем обоснованным, так как весовые коэффициенты определены без учета поправки на относительную величину значений частных коэффициентов. Так, нормативное значение показателя соотношения срочных обязательств и наиболее ликвидных активов равно семи, а нормативные значения коэффициента убыточности предприятия и коэффициента убыточности реализации продукции равны нулю. В связи с этим даже небольшие изменения первого из вышеназванных показателей приводят к колебаниям итогового значения ,более сильным , чем изменение вышеназванных коэффициентов, хотя по замыслу автора этой модели, они , наоборот, должны были иметь большее весовое значение по сравнению с соотношением срочных обязательств и наиболее ликвидных активов. Кроме того, не было необходимости использовать в данной модели показатели, которые являются обратными величинами таких хорошо известных коэффициентов, как рентабельность собственного капитала, рентабельность реализации продукции, коэффициент абсолютной ликвидности и коэффициент оборачиваемости активов. Р.С Сайфулин и Г.Г. Кадыков предложили использовать для оценки финансового состояния предприятия рейтинговое число: R = 2Коб + 0,1 Клик+ 0.08 Кинт + 0,45Кмен+К пр (2.28) где Коб-коэффициент обеспеченности собственными средствами(Коб > 0); Клик — коэффициент текущей ликвидности (Клик > 2); Кинт — интенсивность оборота авансируемого капитала, которая ха­рактеризуется объемом реализованной продукции, прихо­дящейся на один рубль средств, вложенных в деятельность предприятия (Кинт > 2,5); Кмен — коэффициент менеджмента, характеризуется отношением прибыли от продаж к величине выручки от реализации (Кмен > (n - 1)/r, где r — учетная ставка Центробанка); Кпр рентабельность собственного капитала — отношение прибыли до налогообложения к собственному капиталу (Кпр > 0,2). При полном соответствии значений финансовых коэффици­ентов минимальным нормативным уровням рейтинговое число будет равно 1. Финансовое состояние предприятий с рейтинго­вым числом менее 1 характеризуется как неудовлетворительное. Экспериментальная проверка данной модели показала, что небольшое изменение коэффициента обеспеченности собственными средствами с 0,1 до 0,2 приводит к изменению итогового показателя на : = (0,2-0,1)*2= 0,2 пункта. К такому же результату приводит и значительное изменение коэффициента текущей ликвидности от нуля до двух: = (2-0)*0,1= 0,2 пункта. Исходя из этого, можно сделать вывод, что в основу расчета весовых коэффициентов, заложен следующий порядок расчета: = 0,2/ , где - минимальное рекомендуемое значение данного индикатора. Таким образом, все веса зависят лишь от относительной величины минимально рекомендованных значений индикаторов , что, на наш взгляд, все-таки малообоснованно. Из вышесказанного следует, что на данный момент времени в России не существует приемлемой для различных групп пользователей методики оценки перспектив банкротства предприятия. Все перечисленные методики учитывают состояние показателей лишь на момент анализа , а изменения динамики показателей во времени не рассматриваются, поэтому, для более обоснованных выводов, необходимо проводить комплексный анализ финансового состояния предприятий. Главными вопросами, которые должны быть выяснены при таком анализе, и которые повысят точность прогнозных моделей являются следующие : • качественный состав оборотных активов и краткосрочных обязательств; • скорость оборота оборотных активов и ее соответствии скорости оборота текущих пассивов; • учетная политика оценки статей активов и пассивов. На основании данных о составе показателей, наиболее часто используемых при оценке перспективы банкротства предприятий различными экспертами, и рассуждений о необходимости преобразования некоторых общепринятых показателей экономического анализа, можно предложить следующие пути решения обозначенных проблем. Некоторые модели можно усовершенствовать следующим образом. Двух- трех факторные модели не являются достаточно точными. Точность прогнозирования увеличивается, если во внимание принять большее количество факторов. При расчете коэффициента покрытия необходимо учесть то, что внеоборотные активы могут принимать участие в погашении кредиторской задолженности. Информация о таких внеоборотных активах должна раскрываться в пояснениях к бухгалтерской отчетности в соответствии с требованиями . При определении рентабельности активов не следует рассматривать их в целом. Следует учитывать рентабельность только тех активов, которые участвуют в деятельности, приносящей наибольшую прибыль. При оценке перспектив банкротства не следует игнорировать показатель оборачиваемости активов, во всяком случае, тех, которые участвуют в деятельности, приносящей наибольшую прибыль. Отсутствие в России статистических материалов по организациям - банкротам не позволяет скорректировать методику исчисления весовых коэффициентов и пороговых значений с учетом российских экономических условий, а определение данных коэффициентов экспертным путем не обеспечивает их достаточной точности. Откорректировав факторы, необходимо сделать пересчет по данным предприятий и применить к полученным результатам инструменты статистики. Особенности формирования оборотных средств в нашей стране не позволяют прямо использовать критериальные уровни коэффициентов платежеспособности (ликвидности и финансовой устойчивости), применяемых в мировой практике. Поэтому создание шкалы критериальных уровней может опираться лишь на средние величины соответствующих коэффициентов, рассчитанные на основе фактических данных однородных предприятий (одной отрасли). Данная методика разработана учеными Казанского государственного технологического университета. Они предлагают деление всех предприятий по классам кредитоспособности. Расчет класса кредитоспособности связан с классификацией оборотных активов по степени их ликвидности. Распределение предприятий по классам кредитоспособности происходит на следующих основаниях: к первому классу кредитоспособности относят фирмы, имеющие хорошее финансовое состояние (финансовые показатели выше среднеотраслевых, с минимальным риском не возврата кредита); ко второму – предприятия с удовлетворительным финансовым состояние (с показателями на уровне среднеотраслевых, с нормальным риском невозврата кредита); к третьему классу – компании с неудовлетворительным финансовым состоянием, имеющие показатели на уровне ниже среднеотраслевых, с повышенным риском непогашения кредита. Поскольку, с одной стороны, для предприятий разных отраслей применяются различные показатели ликвидности, а, с другой, специфика отраслей предполагает использование для каждой из них своих критериальных уровней даже по одинаковым показателям, учеными Казанского государственного технологического университета были рассчитаны критериальные значения показателей отдельно для каждой из таких отраслей, как: промышленность (машиностроение); торговля (оптовая и розничная); строительство и проектные организации; наука (научное обслуживание). В случае диверсификации деятельности предприятие отнесено к той группе, деятельность в которой занимает наибольший удельный вес. Определим класс кредитоспособности для исследуемых промышленных предприятий №1,№2 и №3 в соответствии с предложенными критериями. Таблица 19 Значения критериальных и расчетных показателей для распределения предприятий промышленности (машиностроение) по классам кредитоспособности Наименование показателя Значение показателей по классам Предприятия 1 класс 2 класс 3класс №1 №2 №3 Соотношение заемных и собственных средств < 0,8 0,8-1,5 > 1,5 0,29 (1) 1,46 (2) 0,51 (1) Вероятность банкротства (Z-счет Альтмана) >3,0 1,5-3,0 < 1,5 2,85 (2) 0,17 (3) 1,3 (3) Общий коэффициент покрытия (ликвидность баланса) >2,0 1,0-2,0 < 1,0 1,7 (2) 0,46 (3) 2,81 (1) Примечание. В колонках, обозначающих предприятия (1,2,3), первое цифровое значение – фактическое значение данных коэффициентов, а второе цифровое значение, данное в скобках -класс, полученный в соответствии с критериальными показателями. Значения критериальных показателей для распределения предприятий других отраслей по классам кредитоспособности представлены в Приложении 5. Таким образом, наличие многочисленных подходов к оценке банкротства подтверждает целесообразность острого внимания на данной теме. Накопленный опыт показывает, что модели предсказания банкротства, как правило состоят из различных коэффициентов с некоторыми весами. Причем, какие именно коэффициенты входят в модель, определяется на основе статистических, либо экспертных оценок. Характеристика каждого из метода говорит о многообразии целей применения каждого и, естественно, о необходимости применения ситуационного подхода к выбору метода. Объективные трудности в получении соответствующей информации делают создание аналогичных моделей на основании статистических данных в России проблематичными. Мы постарались дать краткий обзор основных методик прогнозирования банкротства, встречающихся в литературе и на практике. Рассмотренные методики анализа банкротства весьма просты в реализации и могут эффективно использоваться на практике. Подобные расчеты должны носить систематический характер с периодичностью, определяемой положением предприятия и динамикой общеэкономической ситуации. Анализ банкротства, вероятно в большей степени является искусством, нежели наукой .Роль субъективного фактора здесь особенно велика. Обобщая зарубежную практику прогнозирования несостоятельности и отечественную технологию финансового анализа, мы пришли к выводу, что существующие методики не полностью удовлетворяют обозначенным выше критериям по ряду признаков. Прежде всего их недостатком является нечеткость или неоднозначность оценки экономической устойчивости. Слабые стороны присутствуют во всех существующих подходах к формированию методики диагностики несостоятельности, однако наиболее проблематичным является обоснование выбора антикризисной стратегии и тактики на основе проведенного анализа. Тем не менее рассмотренные формализованные методики по различным разделам анализа могут служить достаточно хорошей базой для принятия управленческих решений о финансовом положении.