CC BY-NC-ND
170
ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА АВИАПРЕДПРИЯТИЙ
Богданова Т. К.,
к.э.н., доцент, Государственный университет — Высшая школа экономики Баклакова А.В.,
Государственный университет — Высшая школа экономики
Предложена методология кластеризации предприятий по финансовому состоянию, основанная на интегральных показателях, рассчитанных по известным отечественным и зарубежным методикам, а также логистическая регрессионная модель для прогнозирования вероятности банкротства авиапредприятий. Проанализированы результаты прогнозирования, рассчитанные по разработанной модели и модели Чессера.
V —^
Введение
Распространённым классическим подходом к оценке финансового состояния предприятий является коэффициентный метод, в соответствии с которым на базе официальной финансовой отчётности предприятия рассчитываются значения различных финансовых показателей (коэффициентов). Недостаток этого метода в том, что финансовому аналитику при его использовании необходимо детально анализировать достаточно большое количества коэффициентов. Разброс их значений нередко приводит к противоположным выводам. Оценка финансового состояния на основе анализа множества коэффициентов достаточно субъективна, и её адекватность в значительной степени зависит от интуиции аналитика.
Как на Западе, так и в России, это послужило толчком к разработке целого ряда методик, в основе которых лежит определение одного интегрального показателя, базирующегося на расчёте нескольких финансовых показателей. Принадлежность к определённому диапазону полученного значения интегрального показателя позволяет аналитикам инвестиционных компаний, инвесторам и аудиторам судить о платежеспособности, финансовой устойчивости и инвестиционной привлекательности
предприятия, а также делать выводы о вероятности угрозы банкротства.
Несмотря на кажущуюся простоту и привлекательность использования интегрального показателя для оценки финансового состояния предприятия, расчёты, сделанные по разным методикам, базирующимся на таком подходе, подчас дают противоречивые результаты. Нами предложены: методология кластеризации предприятий авиационной отрасли, позволяющая по совокупности значений интегральных показателей, рассчитанных по ряду известных отечественных и зарубежных методик, получить достоверную оценку их финансового состояния; логистическая регрессионная модель для прогнозирования вероятности банкротства авиапредприятий, построенная на основе наиболее часто встречающихся статистически независимых финансовых показателей.
Данный подход стал возможен благодаря появлению и использованию современных информационных технологий.
Состояние российского рынка пассажирских
авиаперевозок
Российский рынок авиаперевозок демонстрирует устойчивую положительную динамику роста. Даже в 2005 г. (несмотря на подорожание авиатоплива
практически в 1,5 раза, и, как следствие, повышения цен на авиабилеты и снижения спроса на перевозки) российский авиарынок продолжал расти, лишь несколько снизив темп. По итогам 2006 г. выполненный пассажирооборот составил 93,67 млрд. п/км. Соответственно рост пассажирооборота по сравнению с 2005 г. составил 9,5%, а по сравнению с 2001 г. - 55%.
Согласно прогнозам Минтранса РФ, рост российского рынка авиаперевозок в ближайшие 3-4 года ожидается на уровне 7,5—9,5% в год. Если темп роста окажется вдвое меньше, результат будет сравним с мировыми показателями. Для сравнения, по прогнозам концерна Airbus, в течение предстоящих 20 лет среднемировой рост авиарынка ожидается на уровне 4,8% в год. В долгосрочной перспективе прогнозируется замедление темпа роста российского рынка авиаперевозок до 5,3—6,5% в год, т.е. он будет достаточно высок. В целом увеличение пасса-жирооборота российских авиакомпаний к 2010 г. прогнозируется на уровне 130145 млрд. п/км, к 2020 — до 210—305 млрд. п/км. Для успешной конкуренции на зарубежном рынке в России должно остаться не более пяти крупных перевозчиков. В российской отрасли авиаперевозок идет активный процесс интеграции. На сегодня зарегистрировано более 180 авиакомпаний; однако 85% рынка занимают лишь шесть из них: «Аэрофлот», «Сибирь», «ЭйрЮ-нион», ГТК «Россия», «ЮТэйр» и «Трансаэро». Оставшуюся долю рынка занимают мелкие региональные перевозчики. Российский рынок авиаперевозок остаётся фрагментированным; на нём действуют множество мелких авиакомпаний, обслуживающих в основном московское направление и региональные маршруты1.
За последние нескольких лет иностранные авиаперевозчики значительно расширили своё присутствие на российском авиарынке. Это, например, АК Lufthansa (занимает наибольшую долю российского рынка среди зарубежных авиакомпаний), Британская British Airways (крупнейшая международная компания с самой большой протяжённостью авиалиний), австрийская Austrian, китайские Air China и China Eastern Airlines, немецкие Germania и Germanwings. Начала полёты в Россию Singapore Airlines — одна из крупнейших авиакомпаний в мире. Количество пассажиров, перевезённых зарубежными авиакомпаниями в 2006 г., увеличилось практически на 14% к уровню 2005 г. и составило
8,25 млн человек. Конкурентные преимущества зарубежных авиакомпаний: развитая маршрутная сеть и современный парк топливоэффективных воздушных судов2.
Авиапарк российских перевозчиков в критическом состоянии, и это одна из главных причин их низкой конкурентоспособности. Подавляющее большинство авиаперевозок осуществляется на советской технике с высоким уровнем и морального, и технического износа. По оценкам Росавиакосмоса, существующий авиапарк сможет действовать от силы еще 5—7 лет, 50% самолетов российских авиакомпаний выработают свой ресурс к 2010 г., 83% — к 20153.
Высокие цены на нефть приводят к росту цен на авиатопливо. В России проблема обостряется монопольным положением поставщиков авиаГСМ в аэропортах; в силу этого цена на топливо в России зачастую выше, чем в зарубежных аэропортах. Около 50% воздушных судов транспортного парка России не соответствуют современным международным нормативам по уровню шума на местности, что снижает конкурентоспособность российских авиакомпаний на рынке международных авиаперевозок.
Чтобы российская отрасль авиаперевозок успешно развивалась и была конкурентноспособной, необходимо обновление парка воздушных судов, изменение условий функционирования предприятий и финансовые средства. Но пока даже крупные растущие авиакомпании основные свои ресурсы тратят на расширение сегмента рынка, на войны с конкурентами и не способны самостоятельно сконцентрировать значительный объём ресурсов для обновления и развития.
С привлечением инвесторов в данную отрасль также существуют серьёзные трудности. Часто достаточно проблематично получить адекватную оценку и прогноз финансового состояния российских авиапредприятий, хотя в этом заинтересованы все основные группы пользователей: собственники, менеджмент, потенциальные акционеры и кредиторы. Во многом это объясняется тем, что методики анализа финансового состояния преимущественно разработаны на Западе и не учитывают реалий российской экономики. Отечественные разработки весьма немногочисленны и не учитывают специфику авиационной отрасли. Проблема привлечения инвестиций в авиационную отрасль влечёт за собой
1Аналитический обзор «Russian Airline Sector: Ready for Take-off» от 24 июля 2006 г.
2 Аналитический обзор «Russian Airline Sector: Ready for Take-off» от 24 июля 2006 г.
3 Рейтинговое агентство «Эксперт РА» — «Конкурентоспособность российских авиакомпаний на мировом рынке».
необходимость разработки методик адекватной оценки и прогнозирования финансового состояния авиапредприятий.
Исходная база для проведения финансового анализа — данные бухгалтерского учёта и отчётности. Их аналитический просмотр должен восстановить все аспекты хозяйственной деятельности.
Основные группы пользователей финансового
анализа
Помимо руководства компании, в получении оценки финансового состояния заинтересован широкий круг лиц. Согласно подходу Э. Хелферта, можно выделить три группы пользователей, имеющие наибольшее значение:
Ф менеджеры (они фокусируют внимание на факторах эффективности производства, организации работы, использовании ресурсов, результатах деятельности);
Ф собственники бизнеса (их интересует отдача на вложенный капитал, стоимость бизнеса и его рост; величина прибыли и её распределение);
Ф кредиторы (анализируют ликвидность и денежные потоки, другие факторы, влияющие на способность компании обслуживать и возвращать долг, к примеру, залоговая стоимость активов и финансовый рычаг).
Эти группы репрезентуют основной комплекс интересов для оценки финансового состояния компании. Для каждой группы можно выделить свой специфический список показателей, но при этом надо учитывать, что сферы принимаемых решений у разных категорий пользователей очень часто пересекаются. К примеру, если разделить деятельность компании на три составляющие (инвестиционную, операционную и финансовую), то три главные точки зрения — собственника, менеджера и кредитора — могут быть направлены на различные парные комбинации видов деятельности. На рис. 1 схематически показано соотношение различных компонент деятельности, соответствующих им показателей и основных групп пользователей1.
Методы оценки финансового состояния
предприятия
Современная экономическая наука имеет в своем арсенале множество приёмов и методов оценки
Рис. 1. Соотношение компонент деятельности,соответствующих им коэффициентов и основных групп пользователей
финансового состояния предприятия. Один из них — с помощью ключевых финансовых показателей, дающих как объективную оценку текущего состоя -ния и отражающих различные стороны финансового состояния предприятия, так и с позиции возможного банкротства. В первом случае анализ финансового состояния предприятия основывается на показателях, характеризующих степень ликвидности предприятия, его финансовую устойчивость, рентабельность и рыночную активность2.
Система финансовых коэффициентов включает пять основных групп показателей: коэффициенты ликвидности, характеризующие способность компании удовлетворять претензии держателей краткосрочных долговых обязательств; коэффициенты финансовой устойчивости, отражающие соотношение собственных и заемных средств в источниках финансирования компании, и характеризующие степень финансовой независимости компании от кредиторов; коэффициенты рентабельности, показывающие, насколько прибыльна деятельность компании; коэффициенты деловой активности, позволяющие проанализировать, насколько эффективно предприятие использует свои средства; инвестиционные критерии3.
Для этих показателей приводятся рекомендуемые диапазоны значений. Однако допустимые значения показателей могут существенно отличаться как для разных отраслей, так и для разных предприятий одной отрасли. Для анализа финансового состояния с позиции возможного банкротства
1Сорокин М. «С разумом и эффективностью: матрица финансовых показателей».
2Кудина М.В. «Финансовый менеджмент» Учебное пособие. — М.: ФОРУМ: ИНФРА-М, 2004. — 256 с.
3Рябых Д. «Наиболее распространенные финансовые показатели».
существует три основных подхода: расчёт интегрального показателя; использование системы формализованных и неформализованных критериев; прогнозирование показателей платежеспособности.
Интегральный показатель — функция от финансовых показателей, характеризующих экономический потенциал предприятия и результаты его работы за истекший период. На основе значения этого показателя предприятия могут быть разделены по финансовому состоянию на предприятия, имеющие неудовлетворительное финансовое состояние и достаточно высокую вероятность банкротства, и предприятия, имеющие удовлетворительное состояние1.
Другой метод оценки финансового состояния, (его применяют крупные аудиторские фирмы и компании, занимающиеся аналитическими обзорами, прогнозированием и консультированием) — система формализованных и неформализованных критериев. В качестве примера можно привести рекомендации Комитета по обобщению практики аудирования (Великобритания), содержащие перечень критических показателей для оценки возможного банкротства предприятия. Основываясь на разработках западных аудиторских фирм и преломляя эти разработки к отечественной специфике ведения бизнеса, можно выделить следующую двухуровневую систему показателей.
К первой группе относятся критерии и показатели, неблагоприятные текущие значения которых или складывающаяся динамика изменения свидетельствуют о возможных в обозримом будущем значительных финансовых затруднениях, в том числе и банкротстве. В качестве примера могут быть приведены следующие критерии: повторяющиеся существенные потери в основной производственной деятельности, превышение некоторого критического уровня просроченной кредиторской задолженности, устойчиво низкие значения коэффициентов ликвидности и т.д.
Во вторую группу входят критерии и показатели, неблагоприятные значения которых не дают основания рассматривать текущее финансовое состояние как критическое, но вместе с тем указывают, что при определённых условиях или при непринятии действенных мер ситуация может резко ухудшиться. К ним относятся: потеря ключевых сотрудников аппарата управления; вынужденные остановки производственно-технологического процесса; участие предприятия в судебных разбирательствах с непредсказуемым исходом и т.д.
Но не все из рассмотренных критериев могут быть рассчитаны по данным бухгалтерской отчётности. Для их расчёта необходима дополнительная информация. Что касается критических значений этих критериев, то они должны быть детализированы по отраслям, а их разработка выполнена после накопления определённых статистических данных.
Система критериев для определения неудовлетворительной структуры баланса неплатежеспособных предприятий, базирующаяся на показателях текущей ликвидности и обеспеченности собственными оборотными средствами, а также способности восстановить (утратить) платежеспособность утверждена Постановлением Правительства Российской Федерации от 20.05.1994 г. № 498 «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий». Основанием для признания структуры баланса неудовлетворительной, а предприятия неплатежеспособным является выполнение одного из следующих условий: коэффициент текущей ликвидности меньше 2 либо коэффициент обеспеченности собственными оборотными средствами меньше 0,12.
Наиболее привлекательны для оценки финансового состояния предприятия методы, основанные на расчёте интегрального показателя. Преимущество их использования в том, что для расчёта интегрального показателя используются данные бухгалтерской отчётности и не требуется наличие дополнительной информации, как в случае методов, основанных на системе формализованных и неформализованных критериев. Другое преимущество — при расчёте интегральных показателей используются финансовые показатели, характеризующие различные аспекты финансового состояния предприятия (финансовую устойчивость, рентабельность, деловую активность), а не только его платежеспособность, что позволяет учитывать интересы различных групп пользователей. На основе рассчитанных значений интегрального показателя предприятия можно про-ранжировать.
Зарубежные и отечественные методики оценки
и прогнозирования финансового состояния
предприятия на основе интегрального показателя
Для проведения анализа финансового состояния авиаперевозчиков и определения вероятности их банкротства были отобраны семь методик, базирующихся на расчёте интегрального показателя: <« — показатель Альтмана», методика Тафлера и Тишоу,
1Ковалев В. В. «Финансовый анализ: методы и процедуры». М. Финансы и статистика, 2001. — 560 с.
2Ковалев В. В. «Финансовый анализ: методы и процедуры». М. Финансы и статистика, 2001. — 560 с.
«модель Фулмера для классификации банкротств», «модель Чессера надзора за ссудами», методики Иркутской государственной экономической академии, Р.С. Сайфуллина и Г.Г. Кадыкова, Сбербанка РФ. Общее для всех этих методик — заключение о финансовом состоянии предприятия и прогнозирование риска банкротства делается на основе значения рассчитанного интегрального показателя.
Зарубежные методики
Наибольшую известность в области прогнозирования угрозы банкротства получили работы западных экономистов Э. Альтмана, Р. Тафлера и Г. Тишоу, Фулмера, разработанные на базе многомерного дискриминантного анализа.
По методике Э. Альтмана, представляющего собой пятифакторную модель, построенную по данным успешно действующих и обанкротившихся промышленных предприятий США, рассчитывается итоговый коэффициент вероятности банкротства Z. Он позволяет разделить хозяйствующие субъекты на нормально функционирующие и потенциальные банкроты. В зависимости от значения Z-показателя по определённой шкале производится оценка вероятности наступления банкротства:
Ф если Z <1 ,81, вероятность банкротства очень велика;
Ф если 1,81 < Z < 2,675, вероятность банкротства средняя;
Ф если 2,675 < Z < 2,99, вероятность банкротства невелика;
Ф если Z > 2,99, вероятность банкротства ничтожна1.
По методике британских ученых Р. Тафлера и Г. Тишоу для оценки риска банкротства предприятия используется четырехфакторная прогнозная модель расчета Z-показателя. Если величина Z-показателя больше 0,3, риск банкротства невелик и наблюдается устойчивое финансовое положение, если меньше 0,2, банкротство более чем вероятно2.
По методике «модель Фулмера классификации банкротств» на основе девяти показателей рассчитывается интегрированный Н-коэффициент, в зависимости от значения которого предприятие может быть отнесено к классу надежных или обречённых на банкротство. Наступление неплатежеспособности неизбежно при Н < 03.
Методика «модель Чессера надзора за ссудами» прогнозирует случаи невыполнения клиентом условий договора о кредите и может использоваться для анализа вероятности угрозы банкротства. Под «невыполнением условий» подразумевается не только непогашение ссуды, но и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально.
Итоговый коэффициент вероятности невыполнения условий договора «Р» рассчитывается по формуле:
где показатель «у» — линейная взвешенная сумма шести финансовых показателей. В зависимости от значения показателя «Р» производится оценка вероятности невыполнения условий договора о кредите:
Ф если вероятность больше 0,5, заёмщика можно отнести к группе, которая не выполнит условий договора;
Ф если вероятность меньше 0,5, заёмщика можно отнести к группе надежных клиентов4.
Отечественные методики
Методики оценки финансового состояния и диагностики возможного банкротства на основе интегрального показателя, с учётом специфики российских предприятий, разработаны Иркутской государственной экономической академией, Р.С. Сай-фуллиным и Г. Г. Кадыковым и Сбербанком РФ.
В основе методики Иркутской государственной экономической академии лежит четырехфакторная модель, по которой рассчитывается интегральный показатель «^». В зависимости от его значения делается вывод о вероятности наступления банкротства предприятия (табл. 1)5.
Таблица 1
Зависимость показателя R и вероятности наступления банкротства
ЗначениеR Вероятность банкротства, (%)
Меньше 0 Максимальная (90%-100%)
0-0,18 Высокая (60%-80%)
0,18-0,32 Средняя (35%-20%)
0,32-0,42 Низкая (15%-20%)
Больше 0,42 Минимальная (до 10%)
1Ковалев В. В. «Финансовый анализ». М. Финансы и статистика, 2000. — 512 с.
2Зевайкина С.Н. «Диагностика вероятности банкротства организации».
3Арутюнян А.Б. «Опыт применения моделей Фулмера и Спрингейта в оценке венгерских предприятий сельского хозяйства».
4Руководство пользователя Audit Expert, Москва, 2002 г., 235 с.
^Давыдова Г.В., Беликов А.Ю. «Методика количественной оценки риска банкротства предприятий».
В соответствии с методикой Р.С. Сайфуллина и Г.Г. Кадыкова. для оценки финансового состояния предприятия подсчитывается рейтинговое число «R», представляющее собой взвешенную сумму пяти финансовых показателей. Если «R» равно 1, предприятие имеет удовлетворительное финансовое состояние. Это возможно при полном соответствии финансовых коэффициентов их минимальным нормативным уровням. Если «R» < 1, финансовое состояние предприятия характеризуется как неудовлетворительное1.
Методика Сбербанка РФ по оценке финансового состояния заёмщика основана на проведении экспресс-анализа финансового состояния предприятия с использованием рейтинговых значений и применяется в целях классификации предприятий по уровню риска взаимоотношений с банком.
Количественный анализ финансового состояния заёмщика предполагает оценку пяти финансовых показателей. В зависимости от фактического значения каждому из пяти коэффициентов, присваивается категория (табл. 2).
Таблица 2
Разбивка показателей на категории в зависимости от их фактических значений
После этого по этим показателям в соответствии с их весами подсчитывается сумма баллов «$». Класс заёмщика определяется на основе этой суммы следующим образом:
Ф 1 < S < 1,05 — первый класс кредитоспособности.
Ф 1,05 < S < 2,42 — второй класс кредитоспособности.
Ф 2,42 < S — третий класс кредитоспособности.
Однако зачастую анализ финансового состояния, проведённый с использованием всех этих методик, даёт противоречивый результат. Это объясняется тем, что модели зарубежных авторов построены с использованием статистики западных предприятий, а отечественные разработки апроби-
рованы на торговых предприятиях и могут не учитывать специфику других отраслей. Поэтому разработка методики, для оценки финансового состоя -ния компаний авиационной отрасли актуальна.
Информационная база и инструментальные
средства для оценки и прогнозирования
финансового состояния авиаперевозчиков
Интернет-ресурсы
В качестве информационной базы для анализа и оценки финансового состояния авиапредприятий взяты формы №1 (баланс) и №2 (отчёт о прибылях и убытках) обязательной финансовой отчетности двадцати четырех российских компаний, занимающихся пассажирскими авиаперевозками за ряд лет. Среди них — «Авиалинии Кубани», «Авиа-та», «Астраханские авиалинии», «Аэрофлот», «Байкал», «Бурятские авиалинии», «Владивостокавиа», «Внуковские авиалинии», «Волгодонские авиалинии», «Восток», «Домодедовские авиалинии», «Дон — Авиа — Центр», «КД авиа», «Нижегородские авиалинии», «Пермские моторы», «Самара», «Саратовские авиалинии», «Сибирь», «Татарстан», «Трансаэро», «Уральские авиалинии», «Центр — Авиа», «Читаавиа», «Ютэйр». Анализировались панельные данные по 81 состоянию предприятия.
Использовались данные квартальных и годовых отчётов сайта www.lin.ru и финансовая отчетность, опубликованная на сайтах авиакомпаний: www.ae-roflot.ru, www.vladavia.ru,www.kdavia.ru, www.sama-ra-airlines.ru, www.transaero.ru,www.uralairlines.ru, www.utair.ru. Найдены официальные данные о признании ряда авиаперевозчиков банкротами.
Аналитическая система «Audit Expert».
На базе форм №1 и №2 обязательной финансовой отчётности рассчитаны финансовые показатели, лежащие в основе расчёта интегральных показателей для каждой из вышеперечисленных семи методик. Расчёты проводились с использованием аналитической системы «AuditExpert» для диагностики, оценки и мониторинга финансового состояния предприятий, позволяющей осуществлять как внутренний финансовый анализ с позиции менеджмента компании, так и внешний анализ финансового состояния с позиции бюджета, контролирующих органов, кредиторов и акционеров, разработанной отечественной компанией «Expert Systems».
Коэффициенты 1 категория 2 категория 3 категория
K1 0,2 и выше 0,15-0,2 менее 0,15
K2 0,8 и выше 0,5-0,8 менее 0,5
K3 2,0 и выше 1,0-2,0 менее 1,0
K4 0,6 и выше 0,4-0,6 менее 0,4
K5 0,15 и выше менее 0,15 нерентаб.
1Рубан ТЕ., Байдаус П.В. «Анализ методик прогнозирования банкротства на основе использования финансовых показателей».
Применение системы «Audit Expert» позволило решить проблемы, с которыми пришлось столкнуться в ходе работы с информацией, найденной на приведённых выше сайтах:
Ф выявить несбалансированность данных путем сравнения суммарного актива и пассива баланса. Устранить найденные ошибки в данных, используя дополнительные источники;
Ф решить проблему сопоставимости отчётности за анализируемый период с 1998 по 2005 гг., используя заложенную в основу работы системы возможность автоматического приведения бухгалтерской отчетности к единому, сопоставимому виду, соответствующему требованиям международных стандартов финансовой отчётности;
Ф рассчитать стандартные финансовые коэффициенты и оценить риски потери ликвидности и банкротства на базе имеющихся в системе встроенных методик;
Ф дополнить существующую методическую базу новыми методиками, используя встроенные аналитические таблицы и таблицы, создаваемые пользователем, для решения любых задач анализа, диагностики и мониторинга финансового состояния.
На основе основных форм финансовой отчётности: баланса (форма №1) и отчёта о прибылях и убытках (форма №2) с помощью системы «Audit Expert» для каждой авиакомпании рассчитаны стандартные финансовые коэффициенты, широко используемые при оценке финансового состояния. Результаты расчётов финансовых показателей для компании «Аэрофлот» приведён в табл. 3.
Для анализа финансового состояния авиаперевозчиков и определения вероятности их банкротства использованы четыре имеющиеся в системе «Audit Expert» методики: «z- показатель Альтмана», «модель Чессера надзора за ссудами», «модель Фулмера для классификации банкротств» и методика Сбербанка РФ. Оставшиеся три из семи методик: Тафлера и Тишоу, Иркутской государственной экономической академии, Р.С. Сайфуллина и Г.Г. Ка-дыкова встроены в систему «Audit Expert» дополнительно. Для этого с помощью аналитических таблиц созданы формы таблиц результатов, определены связи с таблицами исходных данных и заданы формулы расчета коэффициентов и итоговых показателей. Для удобства проведения анализа финансового состояния авиаперевозчиков создана общая таблица по каждому предприятию, содержащая значения финансовых показателей, используемых
для расчёта интегрального показателя по каждой из методик и сами значения интегральных показателей по всем семи методикам. В табл. 4 представлены значения показателей для авиакомпании «Аэрофлот».
Для повышения визуализации результатов, рассчитанные значения показателей окрашены в разные цвета в соответствии с делением на четыре группы, что позволяет быстро определить, к какой категории относится значение:
Ф высокая вероятность банкротства (серый цвет);
Ф средняя вероятность банкротства (чёрный цвет);
Ф вероятность банкротства невелика (белый цвет),
Ф вероятность банкротства ничтожна (тёмносерый цвет).
Как видно из приведённого примера, результаты, полученные с использованием разных методик, существенно различаются.
Анализ финансового состояния авиаперевозчиков
На основании значений интегральных показателей, рассчитанных по всем отобранным методикам, проведен анализ финансового состояния и получены следующие результаты. Если рассматривать два возможных состояния (удовлетворительное и неудовлетворительное), то только для 18,5% авиакомпаний с точки зрения всех семи методик наблюдалось полное совпадение в оценке финансового состояния; у 16% авиакомпаний оценивалось как удовлетворительное и у 2,5% авиакомпаний оценивалось как неудовлетворительное. Среди последних, только одно предприятие официально признана банкротом. Состояние 42% авиаперевозчиков определено как неудовлетворительное по четырём из семи методик, а состояние 39,5% авиакомпаний оценено как удовлетворительное по четырём из семи методик (рис. 2).
Таким образом, выявлено, что данные методики, основанные на расчёте интегрального показателя с учётом эмпирических и теоретических взаимосвязей между коэффициентами, не дали единого ответа, к какой группе по финансовому состоянию относится авиакомпания.
Поэтому предложено, используя z-значения интегральных показателей, провести кластерный анализ, чтобы проверить, возможно, ли по совокупности значений интегральных показателей получить достоверную оценку финансового состояния.
БИЗНЕС-ИНФОРМАТИКА №1-2008 г.
Расчёт финансовых коэффициентов для компании «Аэрофлот»
1993 год 1999 год 2000 год 2001 год 2002 год 2003 год 2004 год 2005 год
01 Показатели ликвидности
02 Коэффициент абсолютной ликвидности (LR) 0,20 0,26 0,24 0,15 0,11 0,13 0,20 0,28
03 Коэффициент срочной ликвидности (QR) 0,85 0,77 0,57 0,48 0,59 0,74 1,29 1,26
04 Коэффициент текущей ликвидности (CR) 1,44 1,31 1,01 1,22 1,51 1,96 2,41
05 Чистый оборотный капитал (NWC) 138 339 223,30 108 491 315,35 30 403 600,87 2 859 438,69 76 837 934,61 154 272 257,49 262 090 925,78 180 429 311,37
06 Показатели структуры капитала
07 Коэффициент финансовой независимости (EQ/TA) 0,28 0,22 0,17 0,23 0,35 0,48 0,62 0,65
08 Суммарные обязательства к активам (TD/TA) 0,72 0,78 0,83 0,77 0,65 0,52 0,38 0,35
09 Суммарные обязательства к собственному капиталу (TD/EQ) 2,52 3,53 5,06 3,37 1,84 1,07 0,62 0,54
10 Долгосрочные обязательства к активам (LTD/TA) 0,15 0,16 0,08 0,02 0,04 0,05 0,04 0,04
11 Долгосрочные обязательства к внеоборотным активам (LTD/FA) 0.80 0,86 0,43 0,09 0,16 0,17 0,12 0,17
12 Коэффициент покрытия процентов (TIE), раз 2 663,97 4,42 3,06 0,09 9,24 17,45 47,40 14,00
13 Показатели рентабельности
14 Рентабельность продаж (ROS), % 2,28 0,40 3,41 3,17 7,11 8,20 11,23 9,60
15 Рентабельность собственного капитала (RDE), % 8,98 3,95 52,60 35,49 49,34 41,65 46,07 32,65
16 Рентабельность текущих активов (RCA), % 3,14 1,06 10,72 10,75 23,59 28,62 41,74 28,60
17 Рентабельность внеоборотных активов (RFA), % 13,59 4,83 45,67 33,04 66,22 68,22 68,41 81,10
18 Рентабельность инвестиций (ROI), % 5,88 2,31 35,16 32,20 41,10 37,77 43,41 30,51
19 Показатели деловой активности
20 Оборачиваемость рабочего капитала (NCI), раз 4,55 11,23 44,76 403,03 18,57 10,32 7,60 5,10
21 Оборачиваемость основных средств (FAT), раз 5,96 12,21 13,38 10,43 9,32 8,32 7,87 8,45
22 Оборачиваемость активов (TAT), раз 1.12 2,20 2,54 2,56 2,45 2,46 2,53 2,20
23 Оборачиваемость запасов (ST), раз 20,42 41,60 33,69 27,92 23,04 22,75 18,85 20,06
24 Период погашения дебиторской задолженности (СР), дн. 214,23 100,58 80,25 78,00 85,19 78,24 69,80 90,93
ИНЖИНИРИНГ БИЗНЕСА
БИЗНЕС-ИНФОРМАТИКА №1-2008 г.
Таблица 4
Расчёт исходных финансовых показателей и итогового интегрального показателя по семи методикам для авиакомпании «Аэрофлот»
1998 год 1999 год 2000 год 2001 год 2002 год 2003 год 2004 год 2005 год
01 Методика Тафлера и Тишоу
02 Х1 (коэффициент покрытия кратк. обязат. прибылью от реализации) 0,19 0,06 0,08 0,00 0,27 0,32 0,53 0,32
03 Х2 (коэффициент покрытия задолженности оборотными активами] 0,96 0,86 0,83 0,91 1,16 1,46 2,12 2,11
04 ХЗ (краткосрочные обязательства/сумма активов] 0,57 0,67 0,83 0,67 0,54 0,40 0,30 0,31
05 Х4 (показатель оборачиваемости активов] 1,12 2,03 2,46 2,35 2,36 2,38 2,32 1,92
06 I - показатель ТаФлера и Тишоу 0,51 0,59 0,69 0,61 0,77 0,81 0,98 0,80
07 Иркутская модель
08 К1 (Чистый собственный капитал/Сумма активов) 0,25 0,15 -0,03 0,04 0,22 0,26 0,39 0,46
09 К2 (Чистая прибыль/Собственный капитал] 0,09 0,05 0,52 0,26 0,40 0,36 0,39 0,29
10 КЗ (Выручка от реализации/Сумма активов] 1,12 2,03 2,46 2,35 2,36 2,38 2,32 1,92
11 К4 (Чистая прибыль/Себестоимость произведённой продукции] 1,06 1,11 1,12 1,13 1,27 1,22 1,21 1,17
12 Я - показатель Иркутской модели 2,88 2,15 1,07 1,44 3,14 3,42 4,58 4,59
13 Методика Сайфуллина и Кадыкова
14 К1 (коэфициент обеспеченности собственными средствами) -0,04 -0,16 -0,21 -0,12 0,13 0,31 0,53 0,52
15 К2 (коэффициент текущей ликвидности) 1,44 1,31 1,08 1,01 1,22 1,51 1,96 2,41
16 КЗ (показатель оборачиваемости активов] 1,12 2,03 2,46 2,35 2,36 2,38 2,32 1,92
17 К4 (рентабельность реализованной продукции) 0,02 0,00 0,03 0,03 0,07 0,08 0,11 0,10
18 К5 (коэффициент рентабельности собственного капитала) 0,09 0,05 0,52 0,26 0,40 0,36 0,39 0,29
19 Р - показатель Сайфуллина и Кадыкова 0,25 0,02 0,43 0,32 1,01 1,36 1,00 1,70
20 Методика Сбербанка РФ (экспресс-анализ финансового состояния]
21 Коэффициент абсолютной ликвидности К1 0,08 0,19 0,12 0,07 0,10 0,17 0,20 0,16
22 Промежуточный коэффициент покрытия К2 1,11 0,91 0,71 0,76 1,03 1,29 1,84 2,14
23 Коэффициент текущей ликвидности КЗ 1,41 1,07 0,84 0,95 1,26 1,65 2,31 2,49
24 Коэффициент соотношения собственных и заёмных средств К4 0,40 0,20 0,19 0,40 0,71 1,22 2,05 1,73
25 Рентабельность продукции предприятий К5 1,00 0,01 0,10 0,07 0,35 0,38 0,44 0,36
^ см. продолжение
ИНЖИНИРИНГ БИЗНЕСА
■4\ Продолжение таблицы
§
£
1
§
I
10
—4.
сэ
сэ
Оо
26 Итоговая оценка 2,06 2,16 2,74 2,53 1,64 1,53 1,11 1,11
27 Класс заёмщика 2,00 2,00 3,00 3,00 2,00 2,00 2,00 2,00
28 Методика Альтмана
29 Соотношение оборотных и суммарных активов 0,25 0,15 -0,03 0,04 0,22 0,26 0,39 0,46
30 Рентабельность активов 0,03 0,01 0,08 0,07 0,17 0,20 0,26 0,18
31 Доходность активов 0,04 0,06 0,19 0,16 0,23 0,26 034 0,26
32 Соотношение собственного и заёмного капиталов 0,40 0,20 019 0,40 0,71 1,21 2,05 1,72
33 Оборачиваемость активов 1,12 2,03 2,46 2,35 2,36 2,38 2,32 1,92
34 Ъ- показатель 3,28 3,27 4,05 4,56 5,51 4,60
35 Модель Фулмера для классификации банкротств
36 Соотношение нераспределённой прибыли прошлых лет и сум. Активов 0,00 -0,07 -0,06 -0,05 -0,01
37 Соотношение объёма продаж и суммарных активов 1,12 2,03 2,46 2,35 2,36 2,38 2,32 1,92
38 Соотношение прибыли до налога и суммарных активов 0,04 0,06 0,19 0,16 0,23 0,26 0,34 0,26
39 Соотношение чистой прибыли и суммарных обязательств 0,04 0,01 0,10 0,11 0,29 0,43 0,79 0,50
40 Соотношение долгосрочных обязательств и суммарных активов 0,15 0,16 0,01 0,04 0,05 0,05 0,03 0,06
41 Соотношение краткосрочных обязательств и суммарных активов 0,57 0,67 0,83 0,67 0,54 0,40 0,30 0,31
42 Логарифм от материальных активов 6,39 6,49 6,59 6,81 6,80 6,86 6,90 6,90
43 Соотношение оборотного капитала и суммарных обязательств 0,96 0,86 0,83 0,91 1,16 1,46 2,12 2,11
44 Логарифм от соотношения прибыли до налога и выплаченных % 2,95 0,79 0,92 0,92 1,18 1,53 2,00 1,55
45 Н-показатель Фулмера 2,86 0,91 1,69 1,58 2,19 2,82 4,21 3,34
46 Модель Чессера надзора за ссудами
47 Показатель Х1 0,12 0,20 0,16 0,08 0,05 0,07 0,07 0,10
48 Показатель Х2 9,67 10,23 15,13 31,25 44,19 34,47 32,46 19,73
49 Показатель ХЗ 0,04 0,06 0,19 0,16 0,23 0,26 0,34 0,26
50 Показатель Х4 0,72 0,83 0,94 0,71 0,58 0,45 0,33 0,37
51 Показатель Х5 0,67 1,06 1,26 1,02 0,62 0,66 0,45 0,37
52 Показатель Х6 0,72 0,41 0,32 0,31 0,32 0,28 0,30 0,40
53 Показатель У 0,15 0,11 -0,52 -0,37 -1,16 -2,07 -3,13 -2,61
54 Вероятность выполнения условий договора 0,54 0,53 0,37 0,41 0,24 0,11 0,04 0,07
55 Признаки фиктивного или преднамеренного банкротства
56 Обеспеченность обязательств должника его оборотными активами 0,93 0,81 0,80 0,87 1,12 1,42 2,01 1,92
57 Обеспеченность обязательств должника его активами 1,36 1,15 1,15 1,37 1,67 2,17 2,90 2,50
Рис. 2. Результаты оценки финансового состояния авиапредприятий на основе интегральных показателей, рассчитанных по семи методикам
Кластерный анализ, проведённый по значениям интегральных показателей, рассчитанным по отобранным методикам
Мерой расстояния между кластерами использовался прирост суммы квадратов расстояний объектов до центров кластеров, получаемый в результате их объединения (метод Варда, 1963). В качестве расстояния между объектами — квадрат евклидова расстояния1. В результате разбиения к первому кластеру отнесены 26 состояний авиакомпаний, ко второму — 55. Из 26 состояний авиакомпаний, отнесённых к первому кластеру, в 14 случаях официально зарегистрировано банкротство. Во второй кластер попало только 7 предприятий, официально признанных банкротами.
Для проверки качества разбиения на кластеры проведена проверка значимости различий средних значений получившихся кластеров. Для выбора необходимого теста проверки гипотезы о значимом различии средних значений кластеров проведена проверка на нормальность распределении данных в каждом кластере.
В табл. 5 представлены значения статистики Колмогорова — Смирнова для интегрированных показателей в каждом кластере и вероятность получить данное значение статистики при справедливости гипотезы о нормальном распределении. Для кластеров, окрашенных серым цветом, такое значение статистики получить при нормальном распределении
Таблица 5
Проверка гипотезы о нормальном распределении данных в кластерах
Интегральные показатели Ward Method Kolmogorov- Smirnov(a)
Statistic df Sig.
Методика Тафлера и Тишоу 1 ,218 26 ,003
2 ,089 55 ,200
Методика Иркутской государственной экономической академии 1 ,162 26 ,077
2 ,327 55 ,000
Методика Сайфуллина и Кадыкова 1 ,208 26 ,005
2 ,124 55 ,034
Методика Альтмана 1 ,132 26 ,200
2 ,136 55 ,013
Модель Фулмера 1 ,164 26 ,069
2 ,112 55 ,083
Модель Чессера 1 ,304 26 ,000
2 ,236 55 ,000
Методика Сбербанка РФ 1 ,214 26 ,004
2 ,184 55 ,000
1Бююль А., Цёфель П. «SPSS: Искусство обработки информации» М., 2002, 602 с.
маловероятно, т.е. нулевая гипотеза о нормальности распределения отвергается.
В результате в первом кластере гипотеза о нормальном распределении не отвергается на 5% уровне значимости только для следующих показателей: интегрированного показателя методики Иркутской государственной экономической академии, ««-показателя Альтмана» и показателя методики Фулмера. Во втором кластере гипотеза о нормальном распределении не отвергается на 5% уровне значимости только для показателя Тафлера и Тишоу, и показателя Фулмера. Для проверки значимости различия средних кластеров использованы непараметрические тесты.
Непараметрические (не основанные на каком-либо распределении вероятности) тесты применяются, когда выборки переменных, принадлежащих к интервальной шкале, не подчиняются нормальному распределению. Так как в этих тестах обрабатывается не само значение, а его ранг (положение внутри выборки), они нечувствительны к выбросам.
Для определения, является ли наблюдаемая разница в средних значениях случайной или нет, можно сформулировать две гипотезы:
Н0: наблюдаемые различия между средними значениями выборок находятся в пределах случайных отклонений.
На: наблюдаемые различия между средними значениями выборок нельзя объяснить случайными отклонениями.
Для проверки нулевой гипотезы использовался Н-тест по методу Крускала — Уоллиса. В табл. 6 представлены значения статистики Крускала — Уоллиса и вероятность получить данное значение статистики.
Таблица 6 ^тест по методу Крускала - Уоллиса
a Kruskal Wallis Test. b Grouping Variable: Ward Method.
Как видно из табл. 6, нулевая гипотеза отвергается на 1% уровне значимости для всех средних значений интегральных показателей. Следовательно, высоко значимо различие средних значений кластеров. Их нельзя объяснить случайными отклонениями.
При распределении авиакомпаний по двум кластерам, в соответствии с финансовым состоянием и вероятностью невыполнения обязательств рассчитаны максимальные, минимальные и средние значения для интегрального показателя по каждой методике для двух кластеров (табл. 7).
Таблица 7 Интегрированные показатели моделей и их критериальные значения
Интегральные показатели 1 кластер 2 кластер
Среднее Min max Среднее min max
Методика Тафлера и Тишоу 0,38 -0,87 1,46 0,57 -0,15 1,57
Методика Иркутской государственной экономической академии -3,60 -24,88 2,71 3,48 0,45 51,21
Методика Сайфуллина и Кадыкова -5,60 -29,31 -0,08 0,72 -1,32 2,17
Методика Альтмана 0,44 -5,25 4,48 3,35 -0,05 8,84
Модель Фулмера -3,43 -12,45 5,55 0,02 -3,06 4,21
Модель Чессера 5,78 -0,89 45,73 -0,30 -4,19 17,22
Методика Сбербанка РФ 2,38 1,42 2,95 1,66 1,05 2,74
Если сравнить средние значения интегральных показателей, рассчитанных по различным методикам (рис. 3), можно заметить, что средние значения показателей для первого кластера по всем методикам, за исключением методики Чессера и Сбербанка РФ, меньше средних значений этих же показателей для второго кластера. Для всех методик, кроме методик Чессера и Сбербанка РФ, характерно: чем выше значение интегрированного показателя, тем лучше оценивается финансовое состояние и ниже вероятность банкротства. Для методики Чессера и Сбербанка РФ с увеличением значения интегрального показателя увеличивается вероятность банкротства.
Методика Тафлера и Тишоу Иркут- ская мето- дика Методика Сай-фулли-на и Кады-кова Мето- дика Альт- мана Мо- дель Фул- мера Мо- дель Чессе- ра Мето- дика Сбер- банка РФ
Chi- Square 8,789 41,071 49,010 34,848 21,796 34,133 36,867
df 1 1 1 1 1 1 1
Asymp. Sig. ,003 ,000 ,000 ,000 ,000 ,000 ,000
□ неудовлетворительное ф. с. 13 удовлетворительное ф. с.
Рис. 3. Средние значения интегральных показателей, рассчитанных по семи методикам для двух кластерного разбиения
Таким образом, сравнение средних значений интегральных показателей, рассчитанных по различным методикам, позволило сделать вывод, что к первому кластеру отнесены авиакомпании, имеющие неудовлетворительное финансовое состояние и достаточно высокую вероятность банкротства; ко второму — предприятия, имеющие удовлетворительное финансовое состояние и достаточно низкую вероятность банкротства.
В результате разбиения в первый кластер, характеризующийся неудовлетворительным финансовым состоянием и высокой вероятностью невыполнения обязательств, попали 67% (14 из 21) авиакомпаний, официально признанных банкротами, и 20% (12 из 60) авиакомпаний, которые не являются банкротами. К этим 20% относятся следующие авиаперевозчики: Трансаэро (2003, 2004, 2005), Самара (1998, 1999, 2000, 2002), ШЫ998, Шл1999, Татарстан1999, Пермские моторы1998, Владивосто-кавиа1998. Данный результат может быть объяснён следующим образом: свыше половины методик оценивают финансовое состояние этих предприятий как неудовлетворительное (Пермские мото-ры1998 — все методики, Самара1998, Самара1999, Самара2000, иЫг1998, Ца1г1999, Татарстан1999 — шесть).
Вместе с тем, 33% (7 из 21) авиакомпаний, официально признанных банкротами, оказались во втором кластере, т.е. в числе предприятий, имеющих удовлетворительное финансовое состояние. Это может быть объяснено тем, что
1) свыше половины методик характеризуют эти авиакомпании как имеющие удовлетворительное финансовое состояние;
2) у них усматриваются признаки преднамеренного банкротства.
В табл. 8 приведены результаты расчётов, подтверждающие эти выводы.
Выявление признаков преднамеренного
банкротства
В соответствии с методикой установления наличия (отсутствия) признаков преднамеренного банкротства, определяется обеспеченность краткосрочных обязательств должника его оборотными активами — величина Коб. Делаются следующие выводы о наличии признаков преднамеренного банкротства: если Коб больше 1, имеются признаки преднамеренного банкротства; если Коб меньше 1, признаки преднамеренного банкротства отсутствуют.
С целью выявления признаков преднамеренного банкротства проводится анализ финансово-хозяйственной деятельности должника. Он осуществляется в два этапа:
Ф рассчитываются показатели, характеризующие изменения в обеспеченности обязательств должника перед его кредиторами, имевшие место за период проверки;
Ф анализируются условия совершения сделок должника за этот же период, повлекшие существенные изменения в показателях обеспеченности обязательств должника перед его кредиторами.
Если на первом этапе установлено существенное ухудшение показателей, обеспечивающих обязательства, проводится экспертиза сделок должника за тот же период, которые могли стать причиной соответствующей динамики показателей. Если обеспеченность требований кредиторов за период проверки существенно не ухудшилась, признаки преднамеренного банкротства отсутствуют. Если обеспеченность требований кредиторов существенно ухудшилась, но сделки, совершенные должником, соответствуют существовавшим рыночным условиям, нормам и обычаям делового оборота, признаки преднамеренного банкротства усматриваются1.
Модель логистической регрессии
для прогнозирования вероятности банкротства
Некоторые финансовые показатели входят в расчёт интегрального показателя различных моделей (табл. 9), что может усиливать воздействие данного финансового показателя и приводить к ошибочному делению на кластеры.
1Федорова ГВ.«Финансовый анализ предприятия при угрозе банкротства». Учебное пособие. — М.:Омега-Л, 2003 — 272 с.
Таблица 8
Данные по значениям интегрированных показателей и фактор преднамеренного банкротства
Первый кластер, характеризующийся неудовлетворительным финансовым состоянием
Название авиакомпании Банкрот Фактор преднаме- ренного банкрот- ства Методика Тафлера и Тишоу Иркутская методика Методика Сайфуллина и Кадыкова Методика Альтмана Модель Фулмера Модель Чессера Методика Сбербанка РФ
Авиата1998 - -0,15 2,68 -29,31 -1,13 -10,64 5,97 2,16
Авиата1999 - -0,87 1,62 -17,15 0,25 -12,01 3,77 1,69
Авиата2000 - 0,37 2,71 -14,58 0,35 -12,45 4,08 1,42
Байкал1998 - 0,33 -10,27 -5,7 -5,25 -9,06 12,18 2,58
Байкал1999 - 0,4 -10,2 -4,25 -1,36 -7,81 6,73 2,58
Байкал2001 - 0,3 -7,2 -5,44 -1,13 -6,46 5,2 2,58
Владивостокавиа1998 - 0,33 0,38 -0,26 2,18 -2,11 -0,67 2,11
Внуковские авиалинии1999 - 0,25 0,03 -0,08 0,65 -1,46 1,45 2,27
Внуковские авиалинии2000 + 0,24 0,5 -0,33 0,38 -1,51 -0,17 2,06
Нижегородские авиалиии1998 - 0,37 -4,04 -1,2 -1,35 -2,96 6,53 2,58
Нижегородские авиалинии1999 - 0,55 -7,19 -2,42 -1,14 -3,66 8,67 2,58
Нижегородские авиалинии2000 - 0,76 -8,75 -3,02 2,01 -6,3 6,12 2,58
Пермские моторы1998 - 0,28 -0,38 -0,89 -0,1 -1,12 1,84 2,58
Самара1998 - 0,38 -6,28 -5,65 -0,57 -1,05 3,59 2,95
Самара1999 - 0,6 -1,67 -0,59 1,23 -1,91 3,18 2,53
Самара2000 - 0,57 -2,36 -1,71 2,1 -2,21 1,55 2,58
Самара2002 - 0,2 0,45 -0,6 2,12 -0,91 -0,89 2,11
Татарстан1999 - 0,23 -1,61 -1,59 0,41 -4,2 0,6 2,11
Трансаэро2003 - 0,91 -1,49 -12,94 2,15 4,93 6,18 2,53
Трансаэро2004 - 1,12 -3,53 -7,33 3,32 5,55 5,89 2,74
Трансаэро2005 - 1,46 -24,88 -0,59 4,48 1,53 12,96 2,58
Читаавиа2000 - 0,19 -3,18 -8,34 0,55 -4,96 0,01 2,37
Читаавиа2001 - 0,16 -4,66 -9,27 -0,51 -5,06 6,13 2,58
Читаавиа2003 - 0,5 -2,79 -9,29 1,76 -0,82 45,73 2,37
Ютэйр1998 - 0,23 -0,99 -1,23 -0,04 -1,06 2,45 2,32
Ютэйр1999 - 0,29 -0,69 -2,09 0,24 -1,61 1,39 2,37
Второй кластер, характеризующийся удовлетворительным финансовым состоянием
Внуковские авиалинии1998 + 0,24 0,45 -0,45 -0,05 -0,67 2,64 1,64
Волгодонские авиалинии1998 + 0,34 51,21 1,51 3,14 -0,79 -1,86 1,64
Волгодонские авиалинии1999 + 0,46 4,3 1,31 1,95 -0,55 17,22 1,64
Волгодонские авиалинии2000 + 0,45 3,55 1,06 1,42 0,15 -0,09 1,85
Волгодонские авиалинии2001 + 0,49 6,26 1,49 2,54 0,45 -0,54 1,22
Дон-Авиа-Центр1999 + -0,15 4,23 -1,32 1,43 -3,06 -1,02 1,22
Дон-Авиа-Центр2000 + 0,41 4,95 1,49 2,79 -1,65 -4,19 1,22
Таблица 9
Встречаемость в различных методиках финансовых показателей, используемых в оценке финансового состояния предприятий
Методики оценки финансового состояния и вероятности банкротства
Название показателя
Показатель оборачиваемости активов
Показатель доходности активов
Коэффициент текущей ликвидности
Коэффициент покрытия задолженности оборотными активами
Коэффициент рентабельности собственного капитала
Показатель ликвидности активов
Показатель, характ. долю активов, которая финансируется за счет займов
Показатель, характер. долю активов, которая финансируется за счет кратк. обязательств
Показатель, характеризующий соотношение собственного и заемного капитала
Lg (материальные активы)
Lg (прибыль до уплаты процентов и налогов/ выплаченные проценты)
Коэффициент обеспеченности собственными средствами
Коэффициент абсолютной ликвидности
Коэффициент обеспеченности оборотными средствами
Коэффициент покрытия краткосрочных обязательств прибылью от реализации
Коэффициент покрытия обязательств чистой прибылью
Коэффициент, показывающий долю наиболее ликвидных активов в совокупных активах
Коэффициент, показывающий соотношение внеоборотных и чистых активов
Показатель оборачиваемости наиболее ликвидных активов
Показатель рентабельности активов
Показатель рентабельности продукции
Показатель, характеризующий долю активов, финансирующуюся. за счет нераспределенной прибыли прошлых лет
Показатель, характеризующий эффективность работы предприятия
Промежуточный коэффициент покрытия Рентабельность реализованной продукции
В результате анализа финансовых показателей моделей выявлены наиболее часто встречающиеся независимые финансовые показатели, отражающие различные аспекты финансового состояния предприятия и позволяющие получить его оценку с точки зрения всех заинтересованных групп пользователей.
Таковыми являются:
Ф показатель оборачиваемости активов;
Ф коэффициент текущей ликвидности;
Ф коэффициент рентабельности собственного капитала;
Ф доля активов, которая финансируется за счёт краткосрочных обязательств.
На основе этих показателей построена модель логистической регрессии, в которой в качестве зависимой переменной задана дихотомичная переменная, отражающая статус авиакомпании (1 — авиакомпания официально признана банкротом, 0 — авиакомпания не признана банкротом).
С учётом найденных коэффициентов уравнение логистической регрессии для вероятности банкротства можно записать следующим образом:
где Z = -0,64 — 3,79*показатель оборачиваемости активов + 0,44*коэффициент текущей ликвидности + 2,38*коэффициент рентабельности собственного капитала + 3,94* показатель, характеризующий долю активов, которая финансируется за счёт краткосрочных обязательств.
Оценка качества построенной модели
Построенная модель апробирована на выборке из 90 наблюдений, где были использованы данные по 23 авиакомпаниям за ряд лет с 1998 по 2005 гг. Результаты приведены в таблице классификации (табл. 10).
Как видно из таблицы для 65 из 68 наблюдений модель правильно спрогнозировала удовлетворительное финансовое состояние (95,6%), для 17 наблюдений правильно спрогнозировано банкротство (77,3%). Общее количество верных предсказаний составило 91%.
Основная характеристика модели — качество предсказаний, сделанных с её помощью. Проведена оценка качества модели с помощью различных существующих индикаторов, среди которых отрицательное удвоенное значение логарифма функции правдоподобия (-2ЬЬ), псевдо R2 Кокса и Снелла,
Таблица 10
Таблица классификации
Observed Predicted
BANKRUPT Per- cen- tage Cor- rect
авиакомпания не признана банкротом авиаком- пания признана банкротом
Step 1 BANK- RUPT Авиакомпания не признана банкротом 65 3 95,6
Авиакомпания признана банкротом 5 17 77,3
Overall Percentage 91,1
псевдо R2 Нагелькерка, индикатор хи-квадрат и критерий Хосмера — Лемешова.
Как видно из табл. 11, налицо улучшение качества модели с 4 переменными (2ЬЬ = 46,243), по сравнению с моделью состоящей только из одной константы (2ЬЬ = 100,107). Для построенной модели псевдо Я2 Кокса и Снелла равен 0,45, а псевдо Я2 Нагелькерка — 0,671. Согласно обоим показателям построенная модель объяснила значительную часть рассеяния.
Таблица 11
Качество модели
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 46,243 ,450 ,671
Индикатор хи-квадрат, использующийся для проверки нулевой гипотезы о равенстве нулю сразу всех коэффициентов модели, позволяет отвергнуть нулевую гипотезу с уровнем значимости < 1%. (табл.12).
Таблица 12 Тест об одновременном равенстве нулю всех коэффициентов
Chi-square df Sig.
Step 1 Step 53,864 4 ,000
Block 53,864 4 ,000
Model 53,864 4 ,000
Еще один критерий качества подгонки модели — критерий Хосмера и Лемешова. Этот показатель рассчитывается для проверки гипотезы о незначи-мости расхождений между моделью и наблюдениями. Для построенной модели критерий равен 8,75 с соответствующей значимостью 0,36. (табл.13). Следовательно, нет оснований отвергнуть нулевую гипотезу и расхождения между моделью и наблюдениями незначимы.
Сравнение построенной модели и модели Чессера
Сравнительный анализ построенной модели логистической регрессии с моделью Чессера показал: про-
Рис. 5. Сравнение построенной модели и модели Чессера
Таблица 13
Тест Хосмера и Лемешова
Step Chi-square Df Sig.
1 8,749 8 ,364
цент ошибочных предсказаний в построенной модели составляет 9%, в модели Чессера — 47% (рис. 5).
Сравнительный анализ модели Чессера, построенной модели и фактического состояния показал, что в результате процент совпадений модели Чессера и построенной модели для авиакомпаний, которые официально не являются банкротами, составил 35,6%, для авиакомпаний, официально признанных банкротами, — 13,3%. Процент авиакомпаний, имеющие неудовлетворительное финансовое состояние в соответствии с построенной моделью, удовлетворительное с точки зрения модели Чессера, но официально признанны банкротами — 5,6%. Процент авиакомпаний, имеющих неудовлетворительное состояние по Чессеру, удовлетворительное в соответствии с построенной моделью и не признанных банкротами, составил 36,7%. ■
Литература
1. Аналитический обзор «Russian Airline Sector: Ready for Take-off» от 24 июля 2006 года. http://www.aeroflot.ru/attach.asp?a_no=3399.
2. Рейтинговое агентство «Эксперт РА» - «Конкурентоспособность российских авиакомпаний на мировом рынке». http://www.g2b.ru/researches/avia/.
3. Сорокин М. «С разумом и эффективностью: матрица финансовых показателей». Журнал «Генеральный директор», 2006, № 5.
4. Кудина М.В. «Финансовый менеджмент» Учебное пособие. - М.: ФОРУМ: ИНФРА-М, 2004. - 256 с.
5. Рябых Д. «Наиболее распространенные финансовые показатели». http://www.aup.ru/articles/finance/2.htm
6. Ковалев В. В. «Финансовый анализ: методы и процедуры». М. Финансы и статистика, 2001. - 560 с.
7. Ковалев В. В. «Финансовый анализ». М. Финансы и статистика, 2000. - 512 с.
8. Зевайкина С.Н. «Диагностика вероятности банкротства организации», Интернет издание GAAP.ru Теория и практика финансового и управленческого учета, журнал «Аудитор» №9-2005.
9. Арутюнян А.Б. «Опыт применения моделей Фулмера и Спрингейта в оценке венгерских предприятий сельского хозяйства». http://www.cfin.ru/finanalysis/fulmer.shtml.
10. Руководство пользователю Audit Expert, Москва, 2002, - 235 с.
11. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. - 1999. -N 3. с.13-20.
12. Рубан Т.Е., Байдаус П.В. «Анализ методик прогнозирования банкротства на основе использования финансовых показателей». Сборник трудов магистрантов 2003 Донецкого национального технического университета. Выпуск 2. - Донецк, ДонНТУ Министерства образования и науки Украины, 2003.- 942 с.
13. Ахим Бююль, Петер Цефель. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. Торговоиздательский дом Dia Soft Москва, Санкт-Петербург, Киев 2002. - 602 с.
14. Федорова Г.В.«Финансовый анализ предприятия при угрозе банкротства». Учебное пособие. - М.:Омега-Л, 2003 - 272 с.
