МОДЕЛИРОВАНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА РОССИЙСКИХ ПРЕДПРИЯТИЙ Текст научной статьи по специальности «Экономика и бизнес»

3 К О Н О М И

4 Е С К И Е

НАУКИ

УДК 330

М.Н. Веретенникова, В.Н. Емелин

МОДЕЛИРОВАНИЕ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА РОССИЙСКИХ ПРЕДПРИЯТИЙ

В данной статье исследованы проблемы неплатежеспособности российских предприятий. Рассмотрены основные отечественные и зарубежные методики вероятности банкротства и предложены направления моделирования процесса прогнозирования банкротства экономических субъектов.

Ключевые слова: платежеспособность, банкротство, методики прогнозирования, моделирование, тренд.

Некоторые проблемы оценки финансового положения предприятия, а в частности, предположения их возможного банкротства остаются актуальными, так как в этом заинтересованы многие контрагенты хозяйствующего субъекта.

Проблемами прогнозирования банкротства занимаются многие экономисты и аналитики. В зарубежной и отечественной экономической литературе для диагностики вероятности наступления банкротства предприятия предлагается множество методик, предполагающих расчет ряда коэффициентов, характеризующих ликвидность бухгалтерского баланса, платежеспособность, финансовую устойчивость и прочие аспекты деятельности предприятия, либо построение моделей (систем).

Рассмотрим основные отечественные методики прогнозирования банкротства российских предприятий.

Минэкономразвития РФ в Приказе от 21 апреля 2006 г. № 104 (ред. от 13.12.2011) утвердило Методику проведения Федеральной налоговой службой учета и анализа финансового состояния и платежеспособности стратегических предприятий и организаций [1]. Для реализации

© Веретенникова М.Н., Емелин В.Н., 2014.

этой цели Минэкономразвития РФ предложило изложенные в таблице 1.1 группировку предприятий по степени угрозы банкротства, критерии для отнесения их к определенной группе, а также показатели, по которым определяется наличие признаков банкротства.

Таблица 1

Методика анализа финансового состояния стратегических предприятий и организаций с целью определения признаков угрозы банкротства [2]

Группировка предприятий по степени угрозы банкротства

Группа 1:

- платежеспособные предприятия, имеющие возможность в установленный срок и в полном объеме рассчитаться по своим текущим обязательствам за счет своей текущей хозяйственной деятельности или за счет своего ликвидного имущества.

Группа 2:

- предприятия, не имеющие достаточных финансовых ресурсов для обеспечения своей платежеспособности.

Группа 3:

- предприятия, имеющие признаки банкротства, установленные Федеральным законом от 26.10.2002 г. № 127-ФЗ (действующая редакция от 01.09.2013) «О несостоятельности (банкротстве)» для стратегических предприятий [1].

Группа 4:

- предприятия, у которых имеется непосредственная угроза возбуждения дела о банкротстве. Группа 5:

- предприятия, в отношении которых арбитражным судом принято к рассмотрению заявление о признании их банкротом

Показатели, определяющие наличие признаков банкротства, и порядок их расчета)

1.Степень платежеспособности по текущим обязательствам (Спс): Спс = ТО / Вм

где ТО - текущие обязательства, рассчитываемые по бухгалтерскому балансу следующим образом: краткосрочные обязательства - доходы будущих периодов - оценочные обязательства;

Вм - среднемесячная выручка, рассчитываемая по отчету о прибылях и убытках как отношение выручки к количеству месяцев в отчетном периоде. Критическое значение для Спс < 6 мес.

2. Коэффициент текущей ликвидности (Ктл):

Ктл = Ал/ТО

где Ал - ликвидные активы, рассчитываемые по бухгалтерскому балансу и приложениям к нему как сумма денежных средств, краткосрочных финансовых вложений, товаров от-груженных, готовой продукции, товаров для перепродажи, кратко-срочной дебиторской задолженности и прочих оборотных активов.

Критическое значение для Ктл > 1

Критерии отнесения предприятия к соответствующей группе по степени угрозы банкротства)

1. Если Спс < 6 мес. и (или)

Ктл > 1, предприятие относится к группе 1.

2. Если Спс > 6 мес. и одновременно Ктл < 1, предприятие относится к группе

3. Отнесение к группам 3-5 осуществляется на основании сведений о событиях и обстоятельствах, которые увеличивают риск несостоятельности, т.е.:

а) если имеется просроченная более 6-ти мес. задолженность по денежным обязательствам и (или) уплате обязательных платежей, предприятие относится к группе 3;

б) если в отношении предприятия приняты решения налогового органа о взыскании задолженности за счет имущества или кредиторами направлен (предъявлен к исполнению) исполнительный

документ в службу судебных приставов в случае, если требования к предприятию составляют не менее 500 000 руб., то предприятие относится к группе 4;

в) если в отношении предприятия в арбитражный суд подано заявление о признании его банкротом или арбитражным судом введена процедура банкротства, оно относится к группе 5

По мнению А.Д. Шеремета, для экспресс-диагностики банкротства российских предприятий необходимо пользоваться формулой 1.1, для расчета коэффициента прогноза возможного банкротства организаций, который определяет удельный вес чистых оборотных в сумме актива:

Кпб= (ДЗк+ФВК+ДС-ЗСк-КЗк)/Б (1.1)

где ДЗк - краткосрочная дебиторская задолженность;

ФВК - краткосрочные финансовые вложения;

ДС - денежные средства;

ЗСк - краткосочные заемные средства;

КЗк - краткосрочная кредиторская задолженность;

Б - валюта баланс

При финансовых затруднениях данный коэффициент снижается и даже может иметь отрицательное значение [3].

По мнению Г.В. Савицкой, для прогнозирования процесса банкротства на сельскохозяйственных предприятиях, необходимо рассчитывать следующие показателей (коэффициенты

абсолютной, быстрой, текущей ликвидности, коэффициент автономии, коэффициент обеспеченности запасов собственным оборотным капиталом коэффициент обеспеченности собственными оборотными средствами), для составления рейтинговой оценки, рассчитанную в баллах, для дальнейшего прогноза финансового состояния предприятия [2].

По мнению российских экономистов Р.С. Сайфулина, Г.Г. Кадыкова, должно быть уделено внимание комплексной сравнительной рейтинговой оценки финансового состояния, которая должна удовлетворять следующим требованиям:

Финансовые коэффициенты должны быть:

- максимально информативными;

- раскрывать полную картину устойчивости финансового состояния экономического субъекта;

-должны иметь одинаковую направленность (положительную корреляцию);

-иметь числовые нормативы;

-драссчитываться только по данным публичной бухгалтерской (финансовой) отчетности организации;

-должны давать возможность проводить рейтинговую оценку организации как в пространстве (т.е. в сравнении с другими организациями), так и во времени (за ряд периодов) [4].

Методика В.В. Ковалева адаптировала метод credit-men Ж. Депаляна (Франция) к российским условиям и предложила в качестве индикатора финансовой устойчивости предприятия следующую комбинацию коэффициентов: коэффициент оборачиваемости запасов; коэффициент текущей ликвидности; коэффициент структуры капитала; коэффициент рентабельности; коэффициент эффективности.

Далее необходимо произвести расчет комплексного показателя оценки финансовой устойчивости (формула 1.2):

N = 25R1 + 25R2 + 20R3 + 20R4 + 10 R5 (1.2)

где Ri = Значение показателя Ni / Нормативное значение этого показателя.

Если комплексный индикатор N = 100 и более, финансовая ситуация устойчивая, если N < 100, она развивается неблагоприятно. Чем дальше отклонение от значения 100 в меньшую сторону, тем ближе предприятие к финансовому кризису [5].

Методика Иркутской государственной экономической академии предполагает использовать четырехфакторную модель прогноза риска банкротства торговых предприятий (формула

1.3);

R = 8,38 К1 + К2 + 0,054 КЗ + 0,63 К4 (1.3)

где К1 - Оборотный капитал / Актив баланса;

К2 - Чистая прибыль / Собственный капитал;

КЗ - Выручка от реализации / Актив баланса;

К4 - Чистая прибыль /Интегральные затраты.

Данная модель позволяет получить прогноз вероятности банкротства с долей ошибки в 7%. Когда значение R меньше 0, вероятность банкротства максимальная и минимальная при R больше 0,42 [5].

В числе актуальных статистических методик прогнозирования вероятности банкротства коммерческих предприятий можно отметить модель стохастической аппроксимации, разработанную Котенковым В.Н., Сазыкиным Б.В. Данная методика позволяет отслеживать тенденции из временных рядов данных по основным показателям финансовой деятельности предприятий (ликвидность, рентабельность, маневренность средств) и, соответственно, делать выводы ка-саемые возможности банкротства [6].

Эта методика основывается на кривых роста, среди которых: линейный тренд; экспоненциальный тренд; логарифмический тренд; степенный тренд; полиномиальный тренд. Линейные тренды показывают явления, при которых анализируемая величина развивается линейно. Экспоненциальный тренд присутствует там, где анализируемая величина, в нашем случае значения коэффициента финансовой независимости, имеет скачкообразную динамику. Логарифмические тренды используют в логистике и описывают степень насыщения рынка. Полиномиальные тренды описываются с помощью полиномов любые временные ряды, но если точно не знать, какие факторы стоят за динамикой показателя, то полиномиальная модель, которая положительно описывала прошлое состояние, может не иметь ни какой прогнозной силы.

В зарубежных странах для оценки риска банкротства широко используются факторные модели, разработанные с помощью многомерного дискриминантного анализа. Наиболее известные зарубежные модели количественной оценки вероятности банкротства, авторами которых являются Э. Альтман, Дж. Фулмер, Ж. Конан и М. Голдер, Р. Лис, Р. Тафлер и Г. Тишоу, Ж. Лего и Г. Спрингейт, У.Бивер. П. Дж. Фитцпатрик, А. Винакор, Р. Смит, К.Л. Мервин, В. Хикман, фирма ДЮПОН и др. [7]

Наибольшее распространение получили двухфакторная, пятифакторная модели Эдварда Альтмана.

Двухфакторная модель рассчитывается по формуле 1.4:

где К1 - коэффициент покрытия;

К2 - коэффициент финансовой зависимости

Предприятии, имеющие значение Ъ = 0, вероятность банкротства равнв 50%. Если Ъ < 0, то вероятность банкротства меньше 50% и далее снижается по мере уменьшения Ъ. Если Ъ > О, то вероятность банкротства больше 50% и возрастает с ростом Ъ.

Данная модель не обеспечивает высокую точность прогнозирования банкротства, это связанно с тем, что не учитывается влияние на финансовое состояние предприятия коэффициента покрытия, коэффициента финансовой зависимости и других важных показателей (рентабельности, отдачи активов, деловой активности предприятия и т.д).

Пятифакторная модель Альтмана рассчитывается по формуле 1.5

где К1 - доля оборотных средств в активах;

К2 - рентабельность активов, исчисленная исходя из нераспределенной прибыли;

КЗ - рентабельность активов, исчисленная по балансовой стоимости;

К4 - коэффициент покрытия по рыночной стоимости собственного капитала [8].

Британские ученые Р. Таффлер и Г. Тишоу изменили подход Альтмана и построили свою прогнозную модель с отличающимся набором факторов. Модель учитывает современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей (формула 1.6):

Z=-0,3877-1,0736*K1+0,579*K2

(1.4)

Z=1,2*K1 + 1,4 * К2 + 3,3* КЗ + 0,6 *К4+ 1,0* К5

(1.5)

Z = 0,53X1 + 0,13Х2 + 0,18Х3 + 0,16X4

(1.6)

где Х1 - Прибыль от реализации/ Краткосрочные обязательства; Х2 - Оборотные активы/ Сумма обязательств; ХЗ - Краткосрочные обязательства / Сумма активов; Х4 - Выручка / Сумма активов.

При Ъ > 0,3 вероятность банкротства предприятия низкая, а при Ъ < 0,2 высокая. В уравнении переменная Х1 играет доминирующую роль, поэтому даже незначительные колебания экономической обстановки и возможные ошибки в исходных данных, в расчете финансовых коэффициентов и всего индекса могут приводить к ошибочным выводам [9].

По мнению Гордона Л.В. Спрингейта, для оценки вероятности возможного банкротства необходимо пользоваться следующей моделью пошагового дискриминантного анализа (формула 1.7)

Z = 1,03А + 3,07В + 0,66С + 0^ (1.7)

где: А - Собственные оборотные средства / Всего активов; В - Прибыль до уплаты налога и процентов / Всего активов; С - Прибыль до налогообложения / Текущие обязательства; D - Оборот / Всего активов.

Для данной модели критическим является значение Z равное 0,862. Если Z < 0,862 -ожидается банкротство организации в будущем (2-3 года); Если Z > 0,862) -следовательно организации финансово-устойчива.

Точность этой модели составляет 92,5% для 40 компаний, исследованных Г. Спрингей-том [10].

Канадский специалист, Ж. Лего предполагал использование следующей модели (формула 1.8)

Z = 4,5913А + 4,5080В + 0,3936С - 2,7616 (1.8)

где: А - Акционерный капитал / Всего активов;

В - (Прибыль до налогообложения + издержки финансирования) / Всего активов; С - Оборот за два предыдущих периода / Всего активов за два предыдущих периода.

Для Z критическим значением является 0,3.

Если Z < 0 -это свидетельствует о возможном в будущем банкротстве (2-3 года); Если Z > 0 - это говорит об устойчивом положении организации. Данная модель применяться только для прогнозирования банкротства промышленных организации с точностью до 83% [11].

По мнению Дж.Олсона, для создания модели прогнозирования банкротства необходимо использовать логистическую регрессию, которая имеет следующий вид (формула 1.9)

Z = -1,32 - 0,407 х1 + 6,03х2 - 1,43 х3 + 0,0757х4 - 2,37х5 - 1,83хв +0,285ху - 1,72х8 - 0,521х9

(1.9)

где х1 - размер предприятия (натуральный логарифм величины совокупных активов предприятия/дефлятор ВВП);

х2 - коэффициент заемного капитала;

х3 - доля собственных оборотных средств;

х4 - отношение текущей задолженности к текущим активам;

х5 - рентабельность активов;

х6 - отношение чистого оборотного капитала к общей задолженности; х7 - фиктивная переменная принимающее значение, 1 - если чистый доход предприятия за последние два года отрицательная величина, 0 - если нет;

х8 - фиктивная переменная принимающее значение, 1 - если общая задолженность предприятия превышает его общие активы, 0 - если нет;

х9 - мера изменения чистого дохода за последние два года [12].

Согласно методике исчисления показателя Аргента (А-счет) процесс банкротства подразделяется на три стадии:

I стадия - предприятия, которые движутся к банкротству, годами показывают ряд очевидных недостатков задолго до реального банкротства;

II стадия - вследствие накопления этих недостатков предприятие может совершить ошибку, ведущую к банкротству (предприятия, у которых данные недостатки отсутствуют, не совершают ошибок, ведущих к банкротству);

III стадия - совершенные предприятием ошибки начинают выявлять все известные симптомы приближающейся неплатежеспособности: низкие финансовые показатели, признаки нехватки денежных средств. Данные симптомы проявляются в последние два или три года процесса, ведущего к банкротству, период которого часто составляет от 5 до 10 лет.

При расчете А-счета конкретной компании необходимо ставить количество баллов, согласно Аргенту, то есть каждому фактору на каждой стадии присваивают определенное количество баллов и рассчитывают агрегированный показатель А-счета [13].

Нами были рассмотрены основные отечественные и зарубежные методики прогнозирования банкротства предприятий, тем не менее, несмотря на их разнообразие, они не нашли широкого применения в российской практике, так как разработанные модели и рекомендации не в полной мере отражают текущее состояние экономических условий в России, а также отраслевую специфику отечественных предприятий.

Для наиболее качественного, точного прогноза вероятности банкротства российских предприятий в современных условиях мы предлагаем использовать метод экстраполяции, в основу которого положена модель стохастической аппроксимации Котенкова В. Н., Сазыкина.Б. В., позволяющая отслеживать тенденции из временных рядов данных по основным показателям финансовой деятельности предприятий.

Использование метода экстраполяции с нашей точки зрения имеет ряд преимуществ:

- именно он показывает, к какому состоянию в будущем может прийти любой объект, если его развитие будет осуществляться с той же скоростью или ускорением, что и в прошлом;

- достаточно прост, дешев, и не требуют для расчетов большой статистической базы;

- предполагает два допущения: а) основные факторы, тенденции прошлого сохранят свое проявление в будущем; б) исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически;

- позволяет построить различные кривые роста, среди которых: линейный тренд; экспоненциальный тренд; логарифмический тренд; степенный тренд; полиномиальный тренд.

Рис. 1. Таблица с временными значениями условного показателя финансовой независимости

Рассмотрим вышеописанные кривые роста (тренды) на показателе финансовой зависимости. Все аналитические расчеты мы проводили в табличном редакторе MS Excel (Рисунок 1). Для начала построим таблицу с временными значениями условного показателя финансовой независимости (нормативное значение которого составляет > 0,5).

Далее построим график значений показателя финансовой независимости и наложим на него различные трендовые линии (Рисунок 2). Для этого выбираем в главном меню раздел «Макет» и в нем подраздел «Линии тренда». Определяем дополнительные характеристики трендовых линий: вид трендовой линии, горизонт прогноза, уравнение тренда и коэффициент достоверности аппроксимации (R2).

Рис. 2. Характеристики трендовых линий

Покажем применение различных трендовых линий (кривых роста) для показателя финансовой независимости с горизонтом прогнозирования 3 года.

Аппроксимация показателя финансовой независимости с помощью экспоненциального тренда. Коэффициент R2 показывает степень соответствия динамики показателя и предложенной кривой роста. R2 достаточно низок и составляет 0,001, что говорит об утрате положительной динамики в 2013-2015 гг.

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

0,715

0,713

■ Показатель финансовой независимости

-Экспоненциальная (Показатель финансовой независимости)

и-1-1-1-1-1-1-1-1

2007 г 2008 г 2009 г 2010 г 2011 г 2012 г 2013 г 2014 г 2015 г

Рис. 3. Аппроксимация показателя финансовой независимости экспоненциальным трендом

Аппроксимация показателя финансовой независимости с помощью линейного тренда показана на рисунке 4. Коэффициент R2 показывает степень соответствия динамики показателя финансовой независимости и предложенной кривой роста. R2 еще ниже по сравнению с предыдущей моделью и составляет -17,4.

1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

Показатель финансовой независимости

-Линейная (Показатель финансовой независимости)

-i-1-1-1-1-1-1-1-1

2007 г 2008 г 2009 г 2010 г 2011 г 2012 г 2013 г 2014 г 2015 г

Рис. 4. Аппроксимация показателя финансовой независимости с помощью линейного тренда

Аппроксимация показателя финансовой независимости с помощью степенного тренда показана на рисунке 5.

0,713

0,8 0,715 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

2007 г 2008 г 2009 г 2010 г 2011 г 2012 г 2013 г 2014 г 2015 г Рис. 5. Аппроксимация показателя финансовой независимости с помощью степенного тренда

Показатель финансовой независимости

-Степенная (Показатель финансовой независимости)

Коэффициент R2 показывает степень соответствия динамики показателя финансовой независимости и предложенной кривой роста. R2 достаточно низок, составляет 0,045, это говорит о плохой описательной силе выбранной кривой роста.

Аппроксимация показателя финансовой независимости с помощью логарифмического тренда показана на рисунке 6.

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

0,715

\0=7-0?024ln(x) + 0,6721

■ Показатель финансовой независимости

-Логарифмическая (Показатель финансовой независимости)

2007 г 2008 г 2009 г 2010 г 2011 г 2012 г 2013 г 2014 г 2015 г

Рис. 6. Аппроксимация показателя финансовой независимости с помощью логарифмического тренда

Коэффициент показывает степень соответствия динамики показателя финансовой независимости и предложенной кривой роста. тоже достаточно низок и равен 0,045.

Аппроксимация показателя финансовой независимости с помощью полиномиального тренда второго порядка показана на рисунке 7.

1,4 1,2 1 0,8 0,6 0,4 0,2 0

y = 0,0227x2 - 0,16x + 0,8611.

R2 = 0,6921

0,715

n fifiq 0,713

Показатель финансовой независимости

Полиномиальная (Показатель финансовой независимости)

-1-1-1-1-1-1-1-1-1

2007 г 2008 г 2009 г 2010 г 2011 г 2012 г 2013 г 2014 г 2015 г

Рис. 7. Аппроксимация показателя финансовой независимости с помощью полиномиального тренда второго порядка

Коэффициент R2 показывает степень соответствия динамики показателя финансовой независимости и предложенной кривой роста. R2 значительно выше предыдущих моделей и равен 0,692. Но нельзя забывать, чем выше степень полинома, с помощью которого был описан показатель финансовой независимости, тем выше вероятность получить прогнозную ошибку, то есть не будет иметь высокой предсказательной силы.

Таким образом, мы рассмотрели различные виды кривых роста и прогнозные тренды, которые описывают степень вероятности по показателю финансовой независимости.

Для получения качественного прогноза вероятности банкротства необходимо понимать характер динамики временного ряда, это позволит выбрать наиболее подходящую модель аппроксимации и получить более точный прогноз. Подгонка модели под исторические данные

(под статистику показателей), например, с помощью увеличения степени полиномиальной модели тренда, будет иметь высокий коэффициент R2, но в будущем эта модель не будет давать правильных прогнозов.

Библиографический список

1. Методика проведения Федеральной налоговой службой учета и анализа финансового состояния и платежеспособности стратегических предприятий и организаций, утвержденная Приказом Минэкономразвития от 21.04.2006 № 104 (ред. от 13.12.2011) // [Электронный ресурс]. - Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_127326/.

2. Егорова Л.И., Шадрина Г.В. Методика финансового оздоровления предприятий авиастроительной отрасли / Л.И. Егорова, Г.В. Шадрина.Монография. - М.: МЭСИ, 2013. - 35 с.

3. Шеремет А.Д, В.Негашев. Методика финансового анализа деятельности коммерческих организаций - Москва.: ИНФРА-М, 2008.

4. Шеремет А.Д., Сайфулин Р.С. Методика финансового анализа. М: ИНФРА - М, 2009.-343 с.

5. Ковалев В. В., Волкова О.Н. Анализ хозяйственной деятельности предприятия. Учебник. - М.: Проспект, 2010. - 421с.

6. Прогнозирование банкротства: основные методики и проблемы // [Электронный ресурс]. -Режим доступа: http://www.iteam.ru/publications/strategy/section_16/article_141/

7. Рейтинговая система показателей как инструмент диагностики финансового состояния предприятия // [Электронный ресурс]. - Режим доступа: http://vestnik-ku.ru/2012/2012-3/7/7.htm

8. Котенков В., Сазыкин Б. Стратегии управления банком: российские особенности// Банковские Технологии. - 2002. - № 1.- С. 10 - 14.

9. Методы оценки вероятности банкротства предприятия: учеб. пособие / И.И. Мазурова, Н.П. Бе-лозерова, Т.М. Леонова, М.М. Под-шивалова. - СПб.: Изд-во СПбГУЭФ, 2012. - 53 с.

10. Возможность банкротства // [Электронный ресурс]. - Режим доступа: http://www.cenpart.ru/index.php/upravlenie-personalom/ekonomistu/3438-vozmozhnost-bankrotstva

11. Антикризисное управление предприятием: учеб. -метод. комплекс / сост. Э. В. Крум. - Минск: ГИУСТ БГУ, 2009. - 134 с.

12. Мировой опыт моделирования вероятности банкротства организаций // [Электронный ресурс]. - // Режим доступа: http://bankrotstvo.do.am/news/mirovoj_opyt_diagnostiki_bankrotstva_organizacij/2011-04-12-27

13. Патласов О.О. Сергиенко. Антикризисное управление. Финансовое моделирование и диагностика банкротства коммерческой организации- Москва.: Книжный Мир, 2009.

ВЕРЕТЕННИКОВА Мария Николаевна - студент специальности «Бухгалтерский учет, анализ и аудит», Мордовский государственный университет им. Н.П. Огарева.

ЕМЕЛИН Владимир Николаевич - кандидат экономических наук, доцент кафедры «Бухгалтерский учет, анализ и аудит», Мордовский государственный университет им. Н.П. Огарева.