CC BY
227
УДК 336.64
Ю.В. Никитина
магистрант,
магистерская программа «Оценка бизнеса и корпоративные финансы», кафедра «Оценка и управление собственностью», ФГОБУВО «Финансовыйуниверситет при Правительстве Российской Федерации»
АНАЛИЗ АДЕКВАТНОСТИ ОТЕЧЕСТВЕННЫХ И ЗАРУБЕЖНЫХ МОДЕЛЕЙ ОПРЕДЕЛЕНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА В ОТНОШЕНИИ КОМПАНИЙ ПИЩЕВОЙ ПРОМЫШЛЕННОСТИ РФ
Аннотация. В статье рассматриваются подходы к построению моделей определения вероятности банкротства. Автором анализируются наиболее известные модели, построенные на основе мультипликативного дискриминантного анализа и аппарата логистической регрессии. На основе компаний пищевой промышленности Российской Федерации, которые стали банкротами в 2014 году, определяется точность отечественных и зарубежных моделей прогнозирования банкротства и целесообразность их применения.
Ключевые слова: прогнозирование банкротства, компании пищевой промышленности, модели оценки риска банкротства.
Yu.V. Nikitina, Financial University under the Government of the Russian Federation
ANALYSIS OF APPROPRIATENESS OF NATIONAL AND FOREIGN MODELS FOR DETERMINING THE PROBABILITY OF BANKRUPTCY FOR RUSSIAN COMPANIES FOOD INDUSTRY
Abstract. Approaches to creating models of determining probability of bankruptcy are discussed in the article. The author analyzes the most popular models, which are built on the basis of the multiplicative discriminant analysis and logistic regression. Exactness of national and foreign models of bankruptcy forecasting and the appropriateness of their application is determined on the basis of food industry companies of the Russian Federation, which went bankrupt in 2014.
Keywords: prediction of bankruptcy, companies of food industry, models of risk of bankruptcy.
В рыночной экономике институт банкротства является механизмом координации рынка, позволяя обеспечить интересы как должников, так и кредиторов. В период экономической турбулентности институт банкротства становится особенно востребованным: по данным Федеральной службы государственной статистики РФ [4], в настоящее время около трети российских компаний убыточны. В течение 2010-2014 гг. доля убыточных организаций в пищевой промышленности была меньше, чем в экономике РФ в целом (рис. 1). Однако в 2014 году, несмотря на наименьшее количество убыточных организаций пищевой промышленности за последние пять лет, сумма убытка компаний пищевой промышленности составила 107 288 млн руб., что в 1,84 раз превышает аналогичный показатель в 2013 году.
В этой связи достоверная оценка вероятности банкротства представляет собой актуальное направление научного исследования.
На сегодняшний момент моделям оценки вероятности банкротства посвящено большое количество научных работ. Анализ подходов, представленных в работах зару-
бежных и отечественныхученых, позволил создать достаточно полную классификацию методов определения вероятности банкротства компаний, представленную на рисунке 2.
Рисунок 1 - Доля убыточных организаций в пищевой промышленности и РФ в целом (в % к общему числу организаций)
Модели оценки вероятности банкр отства
Рисунок 2 - Классификация моделей оценки вероятности банкротства
Особенность качественных моделей состоит в том, что специалист самостоятельно выявляет характеристики, присущие компании-банкроту, и сравнивает их с аналогичными признаками оцениваемой организации. Если сопоставимость признаков велика, специалист приходит к выводу о высоком риске банкротства анализируемой компании. Следует отметить, что подобные экспертные методы опираются на субъективные мнения тех или иных специалистов, следовательно, им свойственны недостатки психологического характера. Подтверждение объективности и превосходства количественных методов над качественными было получено Альтманом и Макгоем в 1974 году.
Подобные недостатки свойственны и комбинированным моделям, сочетающим в себе и качественные, и количественные оценки [2, с. 85].
Среди количественных моделей самым простым подходом к определению вероятности банкротства является коэффициентный анализ. Он проводится на основе финансовой отчетности и предполагает расчет определенных показателей (одного или нескольких). Следует отметить, что цель коэффициентного анализа состоит скорее на выявление банкротства компаний, а не его прогнозирование. Данный недостаток является существенным, поскольку использование подобного подхода лишает менеджмент компании возможности провести своевременные мероприятия по выходу из кризиса.
Модели, основанные на искусственном интеллекте, эффективно работают с нечетко определенными, неполными и неточными данными. Однако данные модели имеют ряд недостатков, в частности, необходимость использования специальных компьютерных программ, трудоемкость построения модели, анализ большой совокупности сведений об организациях. Данные положения свидетельствуют о том, что построение адекватных моделей определения вероятности банкротства на основе искусственного интеллекта с использованием данных российских компаний в настоящее время сложно реализуемо [3, с. 175].
Наиболее известными статистическими моделями являются модели, основанные на применении мультипликативного дискриминантного анализа (MDA). Данные модели впервые применяли в своих работах такие выдающиеся ученые-экономисты, как Э. Альтмани и У. Бивер. Позднее на основе дискриминантного анализа было создано большое количество похожих моделей, разработанных отечественными и зарубежными авторами.
В результате практического использования моделей оценки вероятности банкротства, построенных на основе дискриминантного анализа, были определены недостатки данных моделей, не позволяющих адекватно использовать их при определении риска банкротства. Данные недостатки привели к некоторому отказу международных специалистов от применения моделей определения вероятности банкротства на основе дискриминантного анализа и обращению внимания на модели, построенные на основе аппарата логистической регрессии (logit-модели). Модель логистической регрессии принадлежит к классу бинарных моделей, включающих такие модели, как logit и probit, и задает такую зависимую переменную, которая принимает значение, равное 1, в случае, если компания признана банкротом, и значение 0, которое соответствует стабильно функционирующему предприятию. Наиболее популярной logit-моделью оценки вероятности банкротства является модель Ольсона [1, с. 41].
Для тестирования наиболее известных моделей оценки вероятности банкротства была проанализирована вероятность банкротства пяти компаний пищевой промышленности, в отношении которых в 2014 году было вынесено решение о признании должника банкротом и открытии конкурсного производства. Характеристика данных компаний представлена в таблице 1.
Автором были проанализированы зарубежные и отечественные модели определения вероятности банкротства, построенные на основе наиболее распространенных методик: мультипликативного дискриминантного анализа (MDA-модели) и аппарата
логистической регрессии (1о§к-модели). Данные модели использовались при оценке вероятности банкротства компаний в 2010-2013 году, т.е. за четыре, три, два года и год до банкротства.
Таблица 1 - Характеристика компаний [5]
№ п/п Компания ОКВЭД Сообщение о банкротстве
1 ОАО «Пивоварня «Пятый океан» 15.96. Производство пива Решение о признании должника банкротом и открытии конкурсного производства (Коммерсант 11.11.2014)
2 ОАО «Мясокомбинат «Елецкий» 15.13.1. Производство готовых и консервированных продуктов из мяса, мяса птицы, мясных субпродуктов и крови животных Решение о признании должника банкротом и открытии конкурсного производства (Коммерсант, 02.12.2014)
3 ОАО «Кировский кондитерско-мака-ронный комбинат» 15.84.2. Производство шоколада и сахаристых кондитерских изделий Решение о признании должника банкротом и открытии конкурсного производства (ЕФРСБ, 11.11.2014)
4 ООО «Змеиногор-скийвиноводочный завод» 15.91. Производство дистиллированных алкогольных напитков Решение о признании должника банкротом и открытии конкурсного производства (Коммерсант 25.12.2014)
5 ОАО «Ядрица» 15.71.1. Производство готовых кормов (смешанных и несмешанных) для животных, содержащихся на фермах Решение о признании должника банкротом и открытии конкурсного производства (Коммерсант, 10.07.2014)
Анализируемым моделям начислялись баллы в зависимости от того, насколько точно они спрогнозировали вероятность банкротства у компаний, которые стали банкротами в 2014 году. Автором была использована следующая методика оценки моделей:
1. МОА-модели: высокая вероятность банкротства - 1 балл; средняя вероятность банкротства - 0,5 балла; низкая вероятность банкротства - 0 баллов.
2. Ьо§к-модели: вероятность банкротства>=50%:1 балл; вероятность банкротст-ва<50%:0 баллов.
Каждой модели присваивались баллы за 4 года (2010-2013 гг.). Для определения итогового результата баллы суммировались с учетом следующих весов: 40% присваивалось результату 2010 года, 30% - результату 2011 года, 20% - результату 2012 года, 10% - результату 2013 года. Данный подход позволяет учесть «прогнозную силу» моделей: чем удаленнее по времени от фактического года банкротства (2014 год) результат определения вероятности банкротства, тем больший вес ему присваивается.
Таким образом, максимальное количество баллов, которое могла набрать та или иная модель определения вероятности банкротства, равнялось 5 (1 балл за 1 компа-
нию), минимальное - 0 баллов.
Среди зарубежных МБА-моделей были проанализированы модели, учитывающие непубличный характер компаний (в Российской Федерации компании пищевой промышленности, как правило, не котируются на фондовом рынке) либо развивающийся характер российской экономики. Таковыми являются модель Альтмана для непубличных компаний (1983 г.) и модель Альтмана для развивающихся рынков (1993 г.). МБА-модель Пареной В. А. и Долгалева И. А (2002 г.), построенную на основе выборки украинских компаний, также целесообразно применять к российским организациям ввиду сходства макроэкономических условий в Российской Федерации и Украине.
Поскольку 1о§к-модели отличаются от МБА-моделей большей точностью результатов и более «мягкими» требованиями к нормальности входных данных, в анализе участвовали наиболее известные зарубежные 1о§к-модели: модель Ольсона (1980 г.), модель Лина-Пьессе (2004 г.), модель Альтмана-Сабато (2007 г.).
Результаты тестирования зарубежных моделей определения вероятности банкротства представлены в таблице 2.
Таблица 2 - Результаты тестирования зарубежных моделей определения вероятности банкротства
Модель Модель Модель
Компания Альтмана для непубличных компаний Альтмана для развивающихся рынков оценки банкротства украинских компаний Модель Ольсона Модель Альтмана-Сабато Модель Лина-Пьессе
ОАО «Пивоварня «Пятый океан» 1,0 1,0 0,5 - 0,8 1,0
ОАО «Мясокомби- 0,9 0,2 1,0 0,3
нат «Елецкий»
ОАО «Кировский
кондитерско-мака-ронный комбинат» 0,1 0,1 0,4 - 0,9 0,3
ООО «Змеиногор-
скиивиноводочныи 1,0 - - - 1,0 -
завод»
ОАО «Ядрица» 0,6 - 0,5 - 1,0 0,3
Итого 3,6 1,1 1,6 0 4,7 1,9
Лучший результат в прогнозировании вероятности банкротства среди зарубежных моделей показала модель Альтмана-Сабато. По данной модели была определена высокая вероятность банкротства по всем компаниям. Другие же модели либо показали высокую вероятность банкротства не всех компаний, либо вовсе не показали угрозу банкротства (модель Ольсона). Данный результат можно объяснить тем, что модель Альтмана-Сабато построена на основе аппарата 1о§к-регрессиис учетом самых актуальных данных (2007 г.).
Среди отечественных моделей были также были проанализированы 3 МБА-модели и 3 1о§к-модели. К первой группе относятся модель Иркутской государствен-
ной экономической академии (1998 г.), модель Сайфуллина-Кадыкова (1996 г.) и модель Зайцевой (1998 г.). Из отечественных 1о§к-моделей были отобраны модели, построенные на основе выборки компаний обрабатывающих производств, так как, согласно общероссийскому классификатору видов экономической деятельности (ОКВЭД), пищевая промышленность относится к обрабатывающим производствам. К ним относятся модель Алексеевой (2011 г.), Федоровой, Гиленко и Довженко (2013 г.). Модель Хайдаршиной (2009 г.) построена для компаний следующих отраслевых сегментов: промышленность, ТЭК, торговля, сельское хозяйство. Для последующего анализа использовалась модель Хайдаршиной для промышленных компаний. Используемый подход позволяет учесть отраслевую специфику анализируемых компаний. Зарубежных моделей и отечественных МОА-моделей, построенных на основе выборки компаний пищевой промышленности, авторами не выявлено.
Отечественные модели были проанализированы по методике, описанной выше. Результаты тестирования отечественных моделей определения вероятности банкротства представлены в таблице 3.
Таблица 3 - Результаты тестирования отечественных моделей определения вероятности банкротства
Компания Я- Модель Модель Модель Модель Модель.
модель Сайфул- Зайце - Хайдар- Алек- Фёдоровой,
ИГЭА лина-Кадыкова вой шиной сеевой Гиленко, Довженко
ОАО «Пивоварня «Пятый океан» 1,0 1,0 1,0 0,1 1,0 1,0
ОАО «Мясокомби- 1,0 1,0 1,0 1,0
нат «Елецкий»
ОАО «Кировский
кондитерско -макаронный комбинат» 0,1 0,7 1,0 - 1,0 1,0
ООО «Змеиногор-
скийвиноводочный - 0,3 0,3 - 1,0 1,0
завод»
ОАО «Ядрица» 0,3 1,0 1,0 0,3 1,0 1,0
Итого 1,4 4 4,3 0,4 5 5
Среди отечественных моделей максимальный результат показали модель Алексеевой и модель Федоровой, Гиленко, Довженко. Данные модели достоверно определили высокую вероятность банкротства компаний в том числе и за 4 года до банкротства. Высокую «прогнозную силу» данных моделей можно объяснить учетом отраслевой и страновой специфики анализируемых компаний, а также выборкой наиболее актуальных данных, по которым построены данные модели.
Сравнивая зарубежные и отечественные модели определения вероятности банкротства, можно отметить, что «прогнозная сила» отечественных моделей (средний балл 3,35) выше по сравнению с зарубежными моделями (средний балл 2,15). Следовательно, важным аспектом прогнозирования банкротства компаний является выбор модели, построенной на основе выборки компаний той или иной страны. Учет страновой специфики позво-
ляет существенно повысить достоверность прогнозирования банкротства.
Анализ МОА-моделей и 1о§11-моделей показал, что 1о§11-модели более точно прогнозируют вероятность банкротства (средний балл 2,83), чем МОА-модели (средний балл 2,67). Таким образом, выбор модели, построенной на основе аппарата логистической регрессии, также позволит повысить точность прогнозирования банкротства.
Существенным аспектом выбора модели прогнозирования банкротства является также учет отраслевой специфики. Модели, построенные на основе выборки компаний соответствующей отрасли, показывают более точный результат по сравнению с моделями, построенными без учета отраслевой специфики.
Учитывая изменения, происходящие как в законодательстве, так и в макроэкономической ситуации, для достоверного определения вероятности банкротства следует использовать модели, построенные на актуальных данных. Модели, построенные до 2000 года, нецелесообразно использовать для определения банкротства существующих в настоящее время компаний в связи с произошедшими существенными изменениями в экономике. При выборе моделей необходимо также проанализировать период, учитываемый при формировании выборки компаний и построении модели, а именно экономические циклы. Модель, построенная на основе выборки данных компаний за кризисные годы, может избыточно предсказывать высокую вероятность банкротства, и наоборот.
Таким образом, несмотря на большое количество моделей оценки вероятности банкротства, для достоверного определения вероятности банкротства той или иной компании необходимо осуществить подробный анализ существующих моделей на основе следующих критериев:
- выбор модели, построенной на основе выборки российских компаний соответствующей отрасли, с целью учета страновой и отраслевой специфики анализируемой компании;
- выбор моделей, построенных с помощью различных методик, и их тестирование с целью определения наиболее достоверного метода;
- выбор модели, построенной на актуальных данных и учитывающей достаточно продолжительный период деятельность компаний для учета экономических циклов.
Список литературы:
1. Докукина А. А., Иванова Е.А. Прогнозирование банкротства организации на основе оценки финансового состояния // Человеческий капитал и профессиональное образование. - 2015. - № 1. - С. 35-47.
2. Рыгин В. Е. Модель оценки риска банкротства предприятий металлургической отрасли // Вестник ЮРГТУ (НПИ). - 2013. - № 5. - С. 84-91.
3. Хайдаршина Г. А. Количественные методы оценки риска банкротства предприятий: классификация и практическое применение // Вестник Финансового университета. - 2007. - № 4. - С. 169-178.
4. Федеральная служба государственной статистики. - Режим доступа: http://www.gks.ru/ (дата обращения: 27.04.2016).
5. Система СПАРК. - Режим доступа:http://www.spark-interfax.ru/promo/ (дата обращения: 27.04.2016).
