CC BY
116
Шкала Харрингтона относится к психофизическому типу, она позволяет установить соответствия физических и психологических факторов, определяющих условия принятия эколого-экономических управленческих решений. К физическим факторам следует относить социально-экологические параметры инвайронментальной среды урбанизированных территорий, а к психологическим - экспертную оценку желательности состояния показателей социо-эколого-экономического риска сопоставляемых вариантов развития.
Алгоритм интегральной оценки социально-экологического риска развития территорий с интенсивной хозяйственной деятельностью включает несколько этапов.
Первый этап заключается в определении перечня вариантов устойчивого развития M и соответствующих социальноэкологических показателей качества территорий N. Для систематизации исходной информации о качестве территорий целесообразно представить в виде матрицы K = ||kij|| с M строками и N столбцами. Элементом матрицы kij выступает значение i-го частного натурального показателя качества j-го варианта развития.
На втором этапе осуществляется переход от натуральных значений kij частных показателей качества к соответствующим безразмерным относительным частным оценкам rij. При этом нормативное требование к качеству j-го варианта по i-му показателю выполняется, если kij < Ki. Наличие противоречий и неопределенности (нечеткости) требований к качеству системы может быть нивелировано заданием нормативных значений с некоторым запасом - допустимым отклонением Si > 0, т.е. в виде: kij < Ki + Si;
Третий этап включает построение интегральной оценки экологической опасности rj для всех анализируемых вариантов управленческих решений по формуле (3), что требует определения безразмерных величин xij и ni, характеризующих, соответственно, абсолютный уровень и нормативные требования к качеству территорий. При этом выполняются следующие действия:
- задается нижняя (ai) и верхняя (bi) граница диапазона изменения параметров качества социо-эколого-экономической системы;
- определяется нормативный уровень (Ki) параметров качества и соответствующее ему допустимое отклонение (Si> 0), ai < Ki + Si< bi;
- присваиваются удельный вес (Xi) частных оценок качества территории, Xi > 0, ZXi= 1.
- рассчитываются абсолютная оценка качества xij = (kij - ai) / (bi - ai) и нормативный уровень качества ni = (Ki + Si - ai) / (bi -ai).
Очевидно, что 0 < xij < 1 при всех значениях i и j, 0 < ni < 1 при ai < Ki + Si < bi. Кроме того, если выполняются нормативные требования, т.е. kij < Ki + Si, то xij > ni.
На заключительном этапе, в результате расчета величин rij для каждого j-го варианта развития территории выводится интегральная оценка социально-экологической опасности Ri по формуле (4).
Таким образом, качественно-количественный подход к отбору инвестиционно-экологических проектов способствует
экологизации производства и строительства. Представленная методика ориентирована на определение обобщенной социоэкологической опасности территорий, интегральной оценки возможностей достижения устойчивого развития социо-эколого-
экономической системы, которая имеет вероятностную природу. Данный подход способствует существенному сокращению количества рассматриваемых вариантов, объективному отбору проектов устойчивого развития урбанизированных территорий и
наглядному контролю уровня их эффективности.
Литература
1. Новостной портал Российская газета [Электронный ресурс] URL: http://www.rg.ru/ (дата обращения 12.12.2013).
2. Сайт Министерства природных ресурсов и экологии РФ [Электронный ресурс] URL: http://www.mnr.gov.ru/ (дата обращения 10.12.2013).
3. Новостной портал РИА Новости [Электронный ресурс] URL: http://www.ria.ru/ (дата обращения 12.12.2013).
4. Экология, здоровье и охрана окружающей среды в России. Учеб. и справ. пособ. 3-е изд. М.: Финансы, 2011.
5. Мурзин А.Д. Социоэколого-экономическая оценка как фактор отбора
инвестиционно-строительных проектов развития территории города : Монография.- Ростов н/Д : РГСУ, 2013. - 289 с.
Мацулевич Р.М.
Магистр 2 курса, ФГБОУ ВПО «Московский государственый университет технологий и управления имени К.Г.Разумовского» МЕТОДЫ ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА КРЕДИТНОЙ ОРГАНИЗАЦИИ
Аннотация
В статье рассмотрены методы прогнозирования вероятности банкротства кредитной организации
Ключевые слова: прогнозирование, банкротство, кредитная организация.
Matschulevich R.M.
Master, 2 year, Moscow state University of technologies and management METHODS FOR PREDICTING THE PROBABILITY OF BANKRUPTCY OF THE CREDIT ORGANIZATION
Abstract
The article considers the methods of forecasting the probability of bankruptcy of the credit organization
Keywords: forecasting, bankruptcy, credit arrangement.
Преобладающая часть разработанных на сегодняшний день методик прогнозирования банкротства ориентирована на предприятия, и лишь незначительная часть - на коммерческие банки. Как известно, деятельность коммерческого банка обладает определенной спецификой по сравнению с хозяйственной деятельностью предприятия. Данный факт ставит под сомнение применимость методик прогнозирования банкротства предприятий для коммерческих банков.
В то же время основой ряда подходов к прогнозированию банкротства коммерческих банков являются методики, изначально разработанные для предприятий. Анализ подходов, представленных в работах российских и зарубежных авторов, позволяет предложить достаточно полную классификацию методик прогнозирования банкротства коммерческих банков. Данная классификация представлена на рис. 1.
Как видно из рис. 1, в соответствии с предложенной классификацией, методики прогнозирования банкротства коммерческих банков, с одной стороны, можно разделить на российские и зарубежные, и, с другой стороны, - на количественные и качественные. Данный подход позволяет провести наиболее разносторонний анализ существующих подходов к прогнозированию банкротства коммерческих банков.
В России на сегодняшний день, значительная часть систем банковского мониторинга базируется исключительно на коэффициентном анализе. Одной из наиболее развитых систем коэффициентного анализа является BAKred information system (BAKIS), применяемая с 1997 г. Центральным банком Германии. BAKIS включает в себя 47 коэффициентов:
- 19 относятся к кредитному риску;
- 16 относятся к рыночным рискам;
- 2 относятся к рискам ликвидности;
48
- 10 связаны с прибыльностью банковских операций.
Всем этим показателям присвоены одинаковые весовые коэффициенты значимости. В настоящее время роль системы сводится к разработке приоритетов деятельности по банковскому надзору.
Применяема в США система анализа Bank monitoring screens (BMS) объединяет 39 финансовых показателей и 35 параметров, относящихся к рынку капиталов.
Наиболее распространенной методикой коэффициентного анализа в РФ является система официальных нормативов ЦБ РФ которая носит законодательный характер и изложена в Инструкции ЦБ РФ от 03.12.2012 № 139-И (ред. от 25.10.2013) «Об обязательных нормативах банков». Соблюдение данных нормативов является обязательным для всех коммерческих банков.
Методики прогнозирования банкротства коммерческих банков
Рис. 1. Классификация методик прогнозирования банкротства коммерческих банков
Большого внимания заслуживает методика, разработанная Базельским комитетом по банковскому надзору (Basel Committee of banking supervision) в 1988 г. с последующими модификациями, последняя имела место в 2012 году. Данная методика является одной из наиболее распространенных за рубежом и активно используется в Российской Федерации. Методика Базельского комитета по банковскому надзору регламентирует нормативы и порядок расчета ключевых показателей, характеризующих деятельность коммерческих банков:
- минимальное требование к величине капитала;
- нормативы и порядок расчета различных видов риска.
В настоящее время рейтинги - это мощные и эффективные средства регулярного анализа банков. Рейтинговые системы можно условно разделить на две категории: включающие в себя исследования на местах, то есть изучение организации изнутри (некоторыми авторами именуются инсайдерскими), и дистанционные.
Первыми появились методики, предусматривающие проведение исследований на местах. Их разработка была обусловлена потребностью в формализации процедуры анализа надежности банков контролирующими органами. Впоследствии были разработаны методики дистанционного анализа, которые опираются исключительно на данные, содержащиеся в публикующейся отчетности банков. В ряде случаев туда включаются некоторые результаты проведенных ранее исследований на местах.
Отличительной особенностью большинства методик составления банковских рейтингов является наличие ряда компонентов, полученных экспертным путем либо с помощью простейших математических операций над данными отчетности. На основании таких компонентов вычисляется итоговый рейтинг, который считается адекватным отражением степени надежности банка.
Наиболее известный рейтинг для оценки на местах - CAMELS. Он используется американскими организациями, осуществляющими надзор за банками. CAMELS формируется из нескольких интегральных компонентов:
- качество активов;
- доходы;
- ликвидность;
- чувствительность к рыночным рискам;
- достаточность капитала.
Каждый компонент оценивается по пятибалльной системе, и на основе их значений вычисляется итоговый показатель.
Еще одной методикой коэффициентного анализа, достаточно распространенной в РФ, является методика Кромонова.
В качестве исходных данных для составления рейтинга по данной методике используются балансы коммерческих банков, на основе которых рассчитывается ряд показателей, на основе которых рассчитываются следующие коэффициенты:
- коэффициент мгновенной ликвидности;
- коэффициент общей ликвидности;
- коэффициент защищенности капитала;
- кросс-коэффициент.
Каждому коэффициенту, вычисляемому в методике Кромонова, соответствует свой вид риска. Далее, на основе рассчитанных коэффициентов, формируется индекс надежности.
Основой построения моделей прогнозирования банкротства является предположение о том, что в поведении банков в период перед банкротством или в условиях значительных финансовых трудностей можно выявить некие общие черты.
49
Одним из наиболее ранних в данной категории является подход, предложенный G.A.Hanweck. Автором была построена модель, позволяющая вычислить непосредственно вероятность наступления банкротства коммерческого банка по истечении определенного периода (в исследовании автора данный период равен одному году). Результаты анализа показали достаточно высокую достоверность данной методики, возможно, из-за короткого горизонта прогнозирования.
Одним из наиболее простых методов, используемых при первоначальной разработке моделей прогнозирования банкротства, состоит в выявлении тенденции в динамике различных показателей у банков, ставших в последствии банкротами или сумевших избежать финансовых трудностей. Одной из методик, основанных на данном подходе, является методика прогнозирования банкротства банков, предложенная J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin в 2000 г. Следует отметить, что модель предложенная авторами, является модификацией модели Альтмана. При этом необходимо выделить следующие нововведения авторов:
- в модель были включены не только показатели баланса и финансовых результатов, но и их изменения;
- в построенной модели, наряду с показателями деятельности банка, учтены макроэкономические показатели;
- в модель включена переменная, отражающая ожидания возможного банкротства.
Большинство методик прогнозирования банкротства коммерческих банков принадлежит зарубежным авторам. Методики же российских авторов являются малочисленными и, как правило, основаны на зарубежных подходах.
Одной из наиболее рациональных методик прогнозирования банкротства коммерческого банка, основанных на статистических моделях, является методика, предложенная А.В. Буздалиным.
В качестве исходных данных при проведении факторного анализа автором были использованы балансы коммерческих банков Москвы за каждый месяц с июня 1996г. по апрель 1997 г. в качестве факторов в модель были включены 18 показателей, отражающие статьи баланса.
Направление вычислительной математики, называемое нейроматематика, находится на стыке теории управления и параллельных вычислительных алгоритмов и наиболее эффективно в применении в случаях, когда формализация вычислительного процесса невозможна или чрезвычайно неэффективна.
Прогнозирование банкротства коммерческих банков на основе нейросетевой системы распознавания осуществляется на основе:
- анализа надежности коммерческого банка с точки зрения возможности его банкротства с помощью нейросетевой системы распознавания и выдачи результата в дискретном виде (да/нет);
- анализа величины вероятности банкротства коммерческого банка на основе многокритериальной оценки с построением нелинейной модели с помощью нейронных сетей (пример результата - 74% вероятности банкротства).
Для получения детальной всесторонней оценки коммерческого банка, в частности, при его исследовании на предмет возможного банкротства, может применяться комплексный анализ деятельности всех его крупных бизнес-подразделений. В настоящее время подобные системы используются органами государственного надзора Великобритании и Нидерландов. За счет универсальности и высокой эффективности такие системы такие системы используются для исследования на предмет возможного банкротства крупных многопрофильных банков и банковских холдингов.
Для наилучшего понимания методов прогнозирования банкротства коммерческих банков достаточно важным аспектом является формулировка их преимуществ и недостатков.
Преимуществами качественных методик прогнозирования банкротства коммерческих банков являются учет качественных характеристик деятельности организаций и легкость интерпретации результатов, недостатками - низкая точность результатов анализа и невозможность сравнения результатов по нескольким субъектам при отсутствии их количественной оценки. Несмотря на присущие данным методикам недостатки, их целесообразно использовать в качестве дополнения к количественным методикам.
Методики коэффициентного анализа, несмотря на их преимущества, обладают общим существенным недостатком: они характеризуются коротким горизонтом прогнозирования и скорее помогают констатировать факт наличия или отсутствия банкротства, а не прогнозировать его в течение определенного промежутка времени.
Также как и методики коэффициентного анализа, рейтинговые системы имеют недостаток, заключающийся в коротком горизонте прогнозирования. Данные методики также направлены на установление факта банкротства коммерческого банка, а не на его прогнозирование в будущем. Однако они предполагают расчет сводных показателей, позволяющих провести сравнительный анализ по определенной группе банков, что, в свою очередь, несет в себе большое значение для экспертов и аналитиков.
Существенное преимущество статистических моделей, в отличие от рейтинговых систем, коэффициентного анализа, методики Базельского комитета и ряда других, заключается в возможности их дистанционного применения. Вместе с тем, существенным недостатком многих из таких моделей является невозможность применения их в российских условиях, а также отсутствие качественных факторов развития коммерческих банков. Следует отметить, что большая часть методик ранее не была освещена в российской научной литературе и не была апробирована на примере российских коммерческих банков.
Таким образом, на сегодняшний день научный интерес в прогнозировании банкротства коммерческих банков представляет анализ адекватности применения существующих методик в российских условиях.
Литература
1. Аношина Ю.Ф. ВЛИЯНИЕ НАЦИОНАЛЬНЫХ И МЕЖДУНАРОДНЫХ СТАНДАРТОВ ФИНАНСОВОЙ ОТЧЕТНОСТИ НА ОРГАНИЗАЦИЮ УЧЕТА МАТЕРИАЛЬНО- ПРОИЗВОДСТВЕННЫХ ЗАПАСОВ Вестник Российского государственного аграрного заочного университета. 2009. № 7. С. 300.
2. Аношина Ю.Ф. КЛАССИЧЕСКИЙ И ИНСТИТУЦИОНАЛЬНЫЙ ПОДХОДЫ К АНАЛИЗУ ОТНОШЕНИЙ СОБСТВЕННОСТИ НА ЗЕМЛЮ Вестник Российского государственного аграрного заочного университета. 2009. № 6. С. 110.
3. Аношина Ю.Ф. ОСНОВНЫЕ НАПРАВЛЕНИЯ СОВЕРШЕНСТВОВАНИЯ СТРАТЕГИЧЕСКОГО УЧЕТА НА ПРЕДПРИЯТИЯХ АПК В УСЛОВИЯХ БАНКРОТСТВА Вестник Российского государственного аграрного заочного университета. 2009. № 6. С. 210.
4. Миргородская Т.В. ВОПРОСЫ УЧЕТА ФИНАНСОВОЙ АРЕНДЫ СОГЛАСНО РОССИЙСКОЙ И МЕЖДУНАРОДНОЙ УЧЕТНЫХ МЕТОДОЛОГИЙ. Международный научно-исследовательский журнал = Research Journal of International Studies. 2013. № 5-2 (12). С. 59-61.
5. Миргородская Т.В. Аудит. Учебное пособие для студентов, обучающихся по специальности "Бухгалтерский учет, анализ и аудит" / Т. В. Миргородская. Москва, 2011. (3-е изд., перераб. и доп.)
6. Миргородская М.Г. УЧЕТНО-АНАЛИТИЧЕСКАЯ ИНФОРМАЦИЯ В СИСТЕМЕ УПРАВЛЕНИЯ ОРГАНИЗАЦИЕЙ Вопросы экономики и права. 2013. № 57. С. 124-129.
7. Миргородская М.Г. КОНЦЕПТУАЛЬНЫЙ ПОДХОД К АУДИТУ И АУДИТОРСКОЙ ДЕЯТЕЛЬНОСТИ Инновационное развитие экономики. 2012. № 6 (12). С. 92-94.
8. Миргородская М.Г. ТРАНСФЕРТНЫЕ ЦЕНЫ КАК ИНСТРУМЕНТ ФОРМИРОВАНИЯ ПРИБЫЛИ В ОТЧЕТНОСТИ ХОЛДИНГОВ Экономические науки. 2013. № 104. С. 71-74.
50
