CC BY
32
УДК 338.27 ББК 65.053
DOI 10.24412/2412-2025-2020-4- 77-81
Шарич Эрмин Эмирович - студент бакалавриата, экономический факультет, Санкт-Петербургский государственный университет Яковлева Дарья Дмитриевна - студент бакалавриата, экономический факультет, Санкт-Петербургский государственный университет Гаджиев Магомедрасул Магомедович - профессор, доктор экономических наук, Заслуженный деятель науки Республики Дагестан, профессор кафедры менеджмента, Дагестанский государственный университет народного хозяйства
Sarich Ermin Emirovich - Bachelor's student, Faculty of Economics, St. Petersburg State University
Yakovleva Daria Dmitrievna - Bachelor's student, Faculty of Economics, St. Petersburg State University
Gadzhiev Magomedrasul Magomedovich - Professor, Doctor of Economics, Honored Scientist of the Republic of Dagestan, Professor of the Department of Management, Dagestan State University of National Economy
ОЦЕНКА БАНКРОТСТВА НА ОСНОВЕ СТАТИСТИЧЕСКИХ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ: НЕДОСТАТКИ И ОГРАНИЧЕНИЯ
ASSESSMENT OF BANKRUPTCY BASED ON STATISTICAL AND MATHEMATICAL MODELS: DISADVANTAGES AND LIMITATIONS
В статье рассматривается проблема оценки вероятности банкротства российских компаний, в частности, по методике Альтмана и Сайфуллин-Кадыкова. Отмечаются основные ограничения и недостатки данных методик, как статистических и математических моделей, основанных на муль-тидискриминантном анализе, базирующемся на нормальном распределении остатков регрессоров; предлагаются корректировки, призванные нивелировать ограничения моделей.
Ключевые слова: банкротство, статистические методы, математические методы, мультидискриминантный анализ, распределение.
The article discusses the problem of the valuation of probability of bankruptcy of Russian companies, in particular, according to the methodology of Altman and Sayfullin-Kadykov. The main limitations and disadvantages of these methods as statistical and mathematical models based on multidiscriminant analysis based on the normal distribution of residuals of regressors are noted, and corrections are proposed to level the limitations of the models.
Key words: bankruptcy, statistical methods, mathematical methods, multi-discriminant analysis, distribution.
Рассмотрим проблему оценки вероятности банкротства российских компаний на основе математических и статистических методов прогнози-
рования банкротства, в частности, в моделях Альтмана и Сайфуллин-Кадыкова. Однако перед тем, как непосредственно производить расчеты, разберемся с фундаментальными основами, которые заложены в модель, и какие потенциальные подводные камни могут возникнуть при применении данного подхода [1, 2]. Для этого обратимся к первоисточникам. Сразу отмечаем статистические «тонкости», которые в последующем могут повлиять на результат применения модели для оценки банкротства.
Во-первых, система Альтмана построена на выборке из компаний производственной сферы, что исключает (не рекомендуется) использование данной модели для прогнозирования банкротства финансовых организаций, торговых компаний и т.д., поскольку структура активов, источников финансирования компаний разных рисков и осуществляющих деятельность в разных отраслях будет значительно различаться.
Во-вторых, модель не учитывает сезонность, которая важна как для компаний химической отрасли, так и для всех компаний добывающей и обрабатывающей промышленностей.
В-третьих, мультидискриминантный анализ, лежащий в основе модели, базируется на нормальном распределении остатков регрессоров, что полностью не соответствует действительности и давать прогнозы на основе данной модели в условиях неопределенности опрометчиво.
В-четвертых, Альтман делает корректировки показателей баланса исследуемых компаний, что сделаем и мы, так как без этого нарушается сопоставимость и постоянство расчетов [7]. Основные корректировки:
• Капитализация операционной аренды (так как компании не отражают в балансе имущество, которое находится в операционном лизинге, хотя экономические выгоды от имущества существуют. У ПАО «Акрон» (оценку банкротства данной компании мы будем использовать в качестве примера) имеются земельные участки в операционной аренде, однако, не представляется возможным оценить размер этой аренды, так как не дана информация по платежам по аренде).
• Капитализация НИОКР (так как основу деятельности большинства компаний составляет инновационная деятельность, разработка новых продуктов, необходимо капитализировать расходы на НИОКР, которые в большинстве своем списываются на расходы периода).
• Резервы (например, рекласс доходов будущих периодов и оценочных обязательств в состав собственного капитала, резерв переоценки исключен из собственного капитала и т.д.).
• Гудвил (гудвил был исключен из состава активов, так как данная статья всего лишь бухгалтерская запись и за ней не стоит никаких активов).
• Неконтролирующая доля участия (данную корректировку Альтман делает для того, чтобы показать реальную доходность собственников компании без учета неконтролирующей доли участия (НДУ), но мы эту корректировку использовать не будем и далее объясним почему).
Объясним, почему НДУ не следует исключать. Если мы хотим рассмотреть реальную доходность собственников компании, то НДУ лучше не исключать, так как все показатели выручки, прибыли и т.д. тоже содержат долю, причитающуюся неконтролирующей доле, поэтому либо мы
корректируем и валюту баланса, и ОФР, либо оставляем все, как есть, помня о том, что расчеты произведены с учетом НДУ.
Обратимся теперь к практической значимости модели. Сам Альтман неоднократно приводит в своих работах результаты использования модели за разные периоды времени (см. рис. 1).
Five Year Predictive Accuracy o? the MDA Model (Initial Sample)
Year Prior to Bankruptcy Hits Misses Per cent Correct
1st n = 33 31 2 95
2nd n = 32 23 9 72
3rd n = 29 14 15 48
4th n= 28 6 20 29
5th n = 25 9 16 36
Рисунок 1. Точность прогнозирования модели [7] Из таблицы видно, что наибольшую точность модель дает лишь за год до наступления банкротства, когда все основные предпосылки ликвидации компании заметны и без использования дополнительных инструментов прогнозирования. В горизонте пятилетнего прогнозирования модель дает верный прогноз лишь в трети случаев.
Попробуем реализовать данный инструмент на примере ПАО «Акрон» (см. рис. 2).
Система дмазталаЙ банкротства Альтмана
Показатель Расчет Комментарий Значение Z
XI {Оборотный капитал/Активы) С ,20 Делаем расчет ш МСФО, так как по РСБУ отчетность, во-первых, 3,02
X2 (Нераспределенная прибыль/Активы) 0.33 нераспределенная прибыльна отчетную дату
ХЗ {Операционная прибыль/Акт ивы) 0,13 Операционная прибыль берется только с учетом гроцентов к уплате (проценты выппаченные+проценты к уплате, никаких чистых финансовых расходов)
Х4 {Рыночная стоимость акций/Обязательства) 2,26 Рыночную капитализацию следовало бы скорректировать на стоимость привилегированных акций, но оставим так, как есть
Х5 {Выручка/Активы) 0,56 Активы обязательно корректировать на соответсвтующие статьи
Рисунок 2. Прогнозирование банкротства по модели Альтмана
Результат - значение показателя равно 3,02, что находится практически на границе «серой» и «зеленой» зон, но скорее всего компания находится в «зеленой» зоне, поэтому предпосылок ликвидации не предвидится. Важно помнить, что все расчеты делались, исходя из предпосылок и с учетом корректировок, которые мы выделили ранее. Именно поэтому, на наш взгляд, мы получили «умеренные» результаты, которые в достаточной мере логически интерпретируемы (без корректировок мы бы получили значение ъ больше 5-7, что, возможно, слишком оптимистично) [3, 4,
5].
Теперь же перейдем к следующей модели - системе Сайфуллин-Кадыкова. Данная модель является своеобразной адаптацией модели Альтмана под российские реалии бухгалтерского учета, что позволяет нам говорить о том, что данный инструмент обладает все теми же «недостатками», что и система Альтмана. Рассмотрим модель на примере «Акрона» (см. рис. 3).
Методика Сайфу ллина-Кадыком
Показатель Расчет РСБУ Комментарий Значение R РСБУ
Коэффициент обеспеченности С0С 0,47 Коэффициент обеспеченности посчитан с реклассом финансовых вложений 1,38
Коэффициент текущей ликвидности 1,88 Текущая ликвидность будет ниже {реальная)
Коэффициент оборачиваемости активов 0,45
Рентабельность продаж 0,34
Рентабельность Собственного капитала 0.07
Рисунок 3. Модель прогнозирования банкротства Сайфуллина-Кадыкова
Мы получили показатель Я больше 1, что снова говорит о том, что компании не о чем беспокоиться, но опять-таки отметим, что расчет производится лишь по данным отчетности материнской компании. Поэтому трудно говорить о том, что дочерним компаниям группы не грозит банкротство.
В заключении перейдем к последнему из рассматриваемых методов - российской методике прогнозирования банкротства. Данный подход основан лишь на двух показателях хозяйственной деятельности предприятия: коэффициенте текущей ликвидности и коэффициенте собственных оборотных средств. Отметим основные недостатки метода:
• Узость подхода. Используются только два показателя, которые в большинстве случаев нерепрезентативны, поскольку используется отчетность по РСБУ для материнской компании. Возможное решение проблемы - скорректировать нормативные значения коэффициента текущей ликвидности и коэффициента собственных оборотных средств или рассматривать активы материнской компании отдельно, а затем уже оценивать ее с учетом финансовых вложений.
• Временной лаг. В методе используются математические предпосылки (средние, средние взвешенные, нормализированные показатели), что в принципе не рекомендуется для использования при анализе хозяйственной деятельности.
Дополнительно раскроем проблему статистических и математических моделей. В большинстве случаев данные модели (что является субъективным фактором) склонны недооценивать риск в периоды экономического подъема или стабильности мировых рынков и переоценивать риски в периоды рецессий, стагнаций, экономического спада деловой активности. Это коренным образом меняет представление о действительности и подталкивает исследователей, аналитиков и экономистов к формулированию законов, построению моделей, полностью исключающих (или недооценивающих) «шоковые» или ненормативные значения, выбивающихся из общей выборки, которые имеют наибольшее отклонение от «нормативного» показателя или средней по выборке. В связи с этим все модели склонны давать несостоятельные результаты.
Список литературы:
1. Бреили, Р. Принципы корпоративных финансов [Текст] / Р. Брейли, С. Маиерс. - М.: Олимп-Бизнес, 2017. - 1008 с.
2. Дамодаран, А. Инвестиционная оценка: Инструменты и методы оценки любых активов [Текст] / А. Дамодаран. - М.: Альпина Паблишер, 2014. -1340 с.
3. Яковлева, Е.А., Гаджиев, М.М. Финансовая стратегия прогнозирования промышленного предприятия. - Махчакала, 2012.
4. Karlik, A.E., Demidenko, D.S., Iakovleva, E.A., Gadzhiev, M.M. Russian practice of financial management of the enterprise // Life Science Journal. -2014. - Т. 11. - № 10. - С. 589-594.
5. Investing [Электронный ресурс]/ Fusion Media Limited.-М., 2007-2018.-URL: https://www.investing.com.
6. Investfunds [Электронный ресурс] URL: www.investfunds.ru/.
7. Altman, E.I., Haldeman, R.G., Narayanan, P. ZETA analysis: a new model to identify bankruptcy risk of corporations/Journal of Banking & Finance. -Elsevier, ISSN 0378-4266. - Vol. 1.1977, 1, - p. 29-54.
