CC BY
17
УДК 31:33 DOI 10.24411/2073-0454-2020-10115
ББК 65.050 © И.В. Азаренкова, А.И. Борщенко, 2020
Научная специальность 08.00.12 — бухгалтерский учёт, статистика
ОЦЕНКА ПОСЛЕДСТВИЙ И ФАКТОРОВ УМЫШЛЕННОГО ПОДРЫВА ФИНАНСОВ ОРГАНИЗАЦИЙ
Ирина Владимировна Азаренкова, соискатель по кафедре экономической безопасности, финансов и экономического анализа, старший специалист-ревизор Управления экономической безопасности и противодействия коррупции ГУ МВД России по Ростовской области
Московский университет МВД России имени В.Я. Кикотя (117437, Москва, ул. Академика Волгина, д. 12) E-mail: _61_@mail.ru
Артём Игоревич Борщенко, соискатель по кафедре экономической безопасности, финансов и экономического анализа, командир взвода
Московский университет МВД России имени В.Я. Кикотя (117437, Москва, ул. Академика Волгина, д. 12) E-mail: art.borshenko@yandex.ru
Аннотация. Рассматриваются отдельные аспекты применения математических и эконометрических методов для комплексного анализа одного из слабоуправляемых отрицательных явлений отечественной экономики, связанного с умышленным доведением финансового состояния организаций до того уровня, когда, на законных основаниях, собственники могут не выполнять свои долговые обязательства. Ключевое внимание уделяется идентификации единиц наблюдения и эконометрическому моделированию факторов.
Ключевые слова: убыточные организации, незаконное банкротство, эконометрические модели, пространство шара, единичная метрика.
ASSESSMENT OF CONSEQUENCES AND FACTORS OF DELIBERATE UNDERMINING OF ORGANIZATIONS' FINANCES
Irina V. Azarenkova, Candidate for the Department of Economic Security, Finance and Economic analysis, Senior Specialist-auditor of the Department of Economic security and Anti-corruption of the Ministry of Internal Affairs of Russia in the Rostov region
Moscow University of the Ministry of Internal affairs of Russia named after V.Ya. Kikot' (117437, Moscow, ul. Akademika Volgina, d. 12) E-mail: _61_@mail.ru
Artem I. Borshchenko, Candidate for the Department of Economic Security, Finance and Economic analysis, Platoon Commander
Moscow University of the Ministry of Internal affairs of Russia named after V.Ya. Kikot' (117437, Moscow, ul. Akademika Volgina, d. 12) E-mail: art.borshenko@yandex.ru
Abstract. Discussed some aspects of the application of mathematical and econometric methods for a comprehensive analysis of one of the weakly controlled negative phenomena of the domestic economy, associated with the deliberate bringing of the financial condition of organizations to the level when, legally, the owners may not fulfill their debt obligations. Key attention is paid to the identification of observation units and econometric modeling of factors.
Keywords: unprofitable organizations, illegal bankruptcy, econometric models, sphere space, unit metric.
Citation-индекс в электронной библиотеке НИИОН
Для цитирования:. Азаренкова И.В., Борщенко А.И. Оценка последствий и факторов умышленного подрыва финансов организаций. Вестник Московского университета МВД России. 2020(2):296-300.
Актуальность изучаемой темы заключается экономики, принимает участие в развитии эконо-в том, что хозяйствующий субъект, как единица мической системы государства, её производствен-
ной, налоговой и других составляющих [1]. Именно поэтому государство заинтересовано в выявлении случаев незаконного банкротства организаций, поскольку это причиняет ущерб как самому государству, так и различным партнерам организации-банкрота [2].
Объектом статистического исследования при этом может выступать совокупность всех составляющих данного «якорного» для экономики явления, а предметом можно обозначить социально-экономические показатели России, которые характеризуют влияние на рост преступлений, связанных с незаконным банкротством. Статистический анализ необходимо выполнять с применением всех современных инструментов статистической методологии [3]: диалектический анализ, использование многомерного пространства, корреляция и регрессия, в том числе динамическая, выравнивание и прогнозирование трендов и др.
Сформируем исходный числовой массив по регионам Российской Федерации из выбранных 49 единиц наблюдения, характеризуемых перечисленными ниже социальными и экономическими показателями деятельности организаций за 2018 г.
В качестве результативного показателя определим Y — размер причиненного материального ущерба, причиненного преступлениями по ст. 195, 196, 197 УК РФ, тыс. руб. Тогда в качестве объясняющих показателей будут выступать:
Х1 — общее количество записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ, единиц;
Х2 — инвестиции в основной капитал, млн. руб.;
Х3 — стоимость основных фондов, млн. руб.;
Х4 — кредиты и прочие размещенные средства, предоставленные кредитным организациям, тыс. руб.;
Х5 — среднедушевые денежные доходы населения, руб.
Следующий этап работы заключается в проведении многомерной группировки методом кластерного анализа [4]. Для реализации кластерного анализа используем «пространство шара», основанное на единичной метрике, — метод, разработанный Д.В. Диановым [5].
Для группировки регионов данным методом необходимо перейти от матрицы исходных абсолютных величин к рабочей матрице, затем к матрице стандартизированных значений, далее к суммарному агрегированному вектору и среднему агрегированному вектору всех показателей. После получения среднего агрегированного вектора про-
изводим ранжирование исходных данных по данному вектору и группируем показатели.
Поскольку агрегированное стандартизированное значение по Московской области (0,53984181908258) почти в два раза превышает предыдущий по размеру показатель (0,329863735951109), то мы исключаем его из дальнейших расчетов [5].
Rx1 = Хтах — Хтт = 0,329863735951109 — 0,045589 = 0,284275
N = 1 + 3,322*^49 = 6,44 и 6 групп
h = 0,284275 / 6 = 0,048
Следовательно, группы будут сформированы следующим образом:
До 0,048 — 3 региона;
0,047 — 0,096 — 5 регионов;
0,096 — 0,144 — 15 регионов;
0,144 — 0,192 -13 регионов;
0,192 — 0,24 — 4 региона;
0,24 и более — 9 регионов.
Исходной базой для проведения исследования послужили данные за 2018 г. регионов России по основным социально-экономическим показателям деятельности организаций, представленным в табл. 1.
Данная таблица представляет собой группировку регионов России методом многомерной группировки. Регионы распределены по кластерам, в основном по признаку экономического развития, поскольку количество записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ, инвестиции в основной капитал и другие показатели характеризуют экономику региона. Чем выше значение данных показателей, тем наиболее развит регион.
Проанализировав таблицу 1, можно сделать ряд выводов. Размер материального ущерба во всех группах сильно различен. В первой группе регионов он составил 4377,00 тыс. руб., что от общего среднего значения по всем рассматриваемым регионам отличается на 84801,00 тыс. руб. Это означает, что размер материального ущерба, причиненного рассматриваемой группой преступлений, по регионам сильно разнится. Максимальное значение данного показателя наблюдается в 6 группе (198236,56 тыс. руб.).
По второму показателю наименьшее значение наблюдается также в первой группе, составляет 313130,67 тыс. руб., а наибольшее аналогично в шестой группе (2193193,67 тыс. руб.)
Таблица 1
Группировка регионов Российской Федерации (выборка) по агрегированному вектору стандартизированных показателей в 2018 г.
N кластера Количество регионов В среднем по группе
Размер материального ущерба, причиненного преступлениями по ст. 195,196,197 УК РФ, тыс. руб. Общее количество записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ, ед. Инвестиции в основной капитал, млн. руб. Стоимость основных фондов, млн. руб. Кредиты и прочие размещенные средства, предоставленные кредитным организациям, тыс. руб. Среднедушевые денежные доходы населения, руб.
1 3 4377,00 313130,67 193861,33 967671,33 31698,75 19109,63
2 5 30179,40 638532,00 187478,200 963187,40 60964,50 22649,25
3 15 27193,87 810922,53 108053,07 1937836,13 123392,23 27415,97
4 13 69810,15 1409530,46 127936,34 2090533,,0 195350,74 26756,47
5 4 276532,00 992792,50 206227,75 5138930,50 217477,79 26936,10
6 9 198236,56 2193193,67 373663,00 5625709,78 165280,60 32753,03
Всего (в среднем) 49 89178,06 1190402,02 183486,16 2758174,12 145873,43 27187,15
Данная взаимосвязь средних значений по всем показателям по первой группе и по шестой группе со средним значением по всем регионам аналогична. По всем остальным группам почти везде наблюдается небольшой разрыв в значении средних показателей.
Для того, чтобы проанализировать каким образом объясняющие показатели влияют на результативный (размер причиненного ущерба), необходимо применить метод корреляционно-регрессионного анализа [6]. На основе данного метода построим таблицу показателей эластичности, которые показывают, как изменяется результативный показатель при изменении объясняющего.
Таким образом, получено 6 групп (кластеров). Регионы распределены по кластерам, в основном по признаку экономического развития, поскольку количество записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ, инвестиции в основной капитал и пр. показатели характеризуют экономику региона. Чем выше значение данных показателей, тем наиболее развит регион. В первую группу вошло три региона (Республика Марий Эл, Республика Крым и Кабардино-Балкарская Республика). Данные регионы отличаются небольшим количеством населения и невысокими среднеду-
шевыми доходами населения, а как отличительную черту данной группы можно выделить небольшое количество причиненного материального ущерба от преступлений, связанных с преднамеренным банкротством.
Во вторую группу вошли регионы (области), такие как: Ивановская, Курганская, Орловская, Оренбургская, Тамбовская с общим количеством записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ от 450 тыс. ед. до 950 тыс. ед. Это достаточно высокий показатель, следовательно, количество предприятий в данных регионах растет, что может быть причиной роста случаев преднамеренного банкротства в регионах данной группы, поскольку возникает конкуренция на рынке.
Третья группа наиболее многочисленная, в нее вошло 15 регионов. Данная группа является «средней» из всех групп, т.е. имеет значение средних показателей по Х1-5 средние среди других групп. В кластере представлены такие регионы, как: Курская область, Калужская область, Приморский край, Ямало-Ненецкий автономный округ и др. В данных регионах наблюдается устойчивое финансово-экономическое положение, следовательно, большое количество предприятий, юридических лиц и ИП. По этой причине увеличен риск преступлений, связан-
ных с преднамеренным банкротством.
Четвертый кластер включает 13 регионов, таких как Архангельская область, Белгородская область, Республика Коми, Республика Татарстан, Челябинская область и др. Данные регионы специализируются на добычи нефти, полезных ископаемых или на производстве какой-либо продукции. Соответственно, количество предприятий, специализирующихся на данной экономической деятельности, большое. Стоимость основных фондов напрямую зависит от количества предприятий, и здесь также просматривается такая зависимость. В данной группе значение всех средних показателей выше, чем в предыдущей, что обусловливается наибольшим экономическим развитием представленных в группе регионов.
Пятый кластер содержит 4 региона (Астраханская область, Красноярский край, Сахалинская область, Ханты-Мансийский автономный округ — Югра). Данные регионы специализируются на рыбной промышленности. Эти регионы имеют большое количество инвестиций, среднедушевые доходы населения (поскольку существует надбавка за особые условия).
Данные регионы хорошо экономически развиты и поэтому объединены в предпоследний кластер.
Последний, шестой, кластер включает развитые регионы России (Саратовская область, Чувашская республика, Новосибирская область, Удмуртская республика, Пермский край, Свердловская область, республика Башкортостан, Тюменская область, Краснодарский край), которые имеют наибольшие показатели по всем Х, следовательно, в данной группе самые высокие средние показатели по сравнению с остальными кластерами.
Таблица 2
Коэффициенты регрессии (верхняя строка) и эластичности (нижняя строка) по кластерам
Кластер XI X; Х3 Х4 X,
1 -0.17084 0.422284 -0.33899 0.22091 -0.13782
-5.09433 1.677916 -24.1566 1.002379 -0.13895
2 0.099144 -0.12899 -0.12232 0.079648 -0.26589
2.95648 -0,51253 -8.71649 0.361402 -0,26806
3 -0.38618 -0.24762 -0.39493 0.171565 0.032093
-7.7974 -0.4538 -11.8266 0.480094 0.0123
4 -0.25457 -0.27939 -0.22162 -0.27002 -0.15357
-2.08836 -0.40482 -5.45862 -0.22024 -0.02139
Таким образом, по табл. 2 можно сделать выводы: • показатель Х1 — общее количество записей о регистрации юридических лиц, содержащихся в ЕГРЮЛ оказывает наибольшее отрицательное влияние на результативный
показатель Y — размер причиненного материального ущерба, причиненного преступлениями по ст. 195, 196, 197 УК РФ в третьем кластере, а наибольшее положительное влияние — во втором;
• показатель Х2 — инвестиции в основной капитал оказывает наибольшее отрицательное влияние на результативный показатель Y во втором кластере, а наибольшее положительное влияние оказывает в первом кластере;
• показатель Х3 — стоимость основных фондов оказывает наибольшее отрицательное влияние на результативный показатель Y в первом кластере, а положительное влияние не оказывает ни в одном из кластеров;
• показатель Х4 — кредиты и прочие размещенные средства, предоставленные кредитным организациям, оказывает наибольшее отрицательное влияние на результативный показатель Y в четвертом кластере, а наибольшее положительное оказывает в первом кластере;
• показатель Х5 — среднедушевые денежные доходы населения оказывает наибольшее отрицательное влияние на результативный показатель Y во втором кластере, а наибольшее положительное — в третьем кластере.
Статистические данные об основных социально-экономических показателях, которые оказывают влияние на рост преступлений, связанных с незаконным банкротством, выполняют очень важную задачу, так как с их помощью можно определить, на что следует обратить внимание для снижения уровня данных преступлений и для уменьшения ущерба, причиняемого данными преступлениями.
На основе метода корреляции и регрессии [9] удалось установить взаимосвязь между основными социально-экономическими показателями по регионам и размером причиненного материального ущерба от незаконного банкротства. Прослеживаются как положительные, так и отрицательные взаимосвязи. Подобный результат объясняется отдельно для каждого показателя.
При анализе динамики всех показателей наблюдаются как положительные, так и отрицательные тенденции. В целом, изучаемый объект проанализирован в соответствии с поставленной целью.
Один из рассматриваемых показателей — размер причиненного материального ущерба, причиненного преступлениями по ст. 195, 196, 197 УК РФ, тыс. руб. Его роль в данном исследовании заключается в отражении потерь государства, а также распространенности преступлений данного вида. На основе аналитического выравнивания дается количественное описание тенденции — динамика данного показателя на основе математиче-
ской функции, как правило, полинома, с отражением прогнозных значений до 2020 г. [10].
Прогнозные значения материального ущерба будут 5943401,82 и 5921415 руб. в 2019 и 2020 г. соответственно. Можно сделать вывод о том, что ущерб от рассматриваемых преступлений в России имеет положительную динамику и увеличивается с каждым годом, следовательно, правоохранительным органам следует обратить особое внимание на преступления данного вида.
Необходимо отметить, что основная цель развития любой экономической системы направлена на экономическое благополучие населения, работников, а также на укрепление своих иммунных механизмов, которые обезопасят саму эту систему. Стабильная и правомерная работа экономических субъектов является одним из составляющих экономического роста страны, поэтому, статистическое изучение незаконного банкротства не утратит своей актуальности, пока существует это явление.
Литература
1. Кузнецова И.А., Голик Ю.Ю. Издательство: Научно-исследовательский институт экономических стратегий (Москва). Номер 2, год 2017, с. 77-81.
2. Красников С.В. учебное пособие / С. В. Красников; под общей ред. В. И. Белослудцева. Институт коммерции, менеджмента и инновационных технологий: Москва, 2015, с. 54.
3. Бадмаева Д.Г. В книге: Экономический анализ в АПК. Смекалов П.В., Косякова Л.Н., Смолянинов С.В. Санкт-Петербург, 2016. С. 20-26.
4. Многомерный статистический анализ в экономических задачах: компьютерное моделирование в SPSS: Учеб. пособие под ред. И.В. Орловой. М.: Вузовский учебник, 2016.
5. Дианов Д.В., Радугина Е.А.Возможности статистической методологии в изучении экономической безопасности региона // Статистика и Экономика. 2018. Т. 15. № 6. С. 4-14.
6. Кулагина Н.А. Анализ и диагностика финансово-хозяйственной деятельности предприятия. Практикум: учебное пособие для среднего профессионального образования / Н. А. Кулагина. — 2-е изд., перераб. и доп. М.: Издательство Юрайт, 2019. 135 с.
7. Мхитарян В.С., Агапова Т.Н., Ильенкова С.Д., Суринов А.Е., Луппов А.Б., Миронки-на Ю.Н. Статистика. Учебник и практикум / Сер. 58 Бакалавр. Академический курс (1-е изд.). Москва, 2016.
8. Долгова В.Н. Статистика: учебник и практикум для среднего профессионального образования / В.Н. Долгова, Т.Ю. Медведева. М.: Издательство Юрайт, 2019. 245 с.
9. Андрюшечкина И.Н., Ковалев Е.А., Савюк Л.К., Бикбулатов Ю.А. Правовая статистика: учебник и практикум для среднего профессионального образования / под общей редакцией Л.К. Савюка. М.: Издательство Юрайт, 2019. 410 с.
10. Назаров М.Г., Кузнецов В.И., Ларионова Е.И., Дианов Д.В., Саакян Р.А. и др. Практикум по статистике финансов // ФГОУ ВПО «Академия бюджета и казначейства». Москва, 2009.
References
1. Kuznetsova I.A., Golik Yu.Yu. Publishing House: Research Institute of economic strategies (Moscow). Number 2, year 2017, Pp. 77-81.
2. Krasnikov S.V. textbook / S.V. Krasnikov; edited by V.I. Belosludtseva. Institute of Commerce, management and innovative technologies: Moscow, 2015, p. 54.
3. Badmayeva DG. In the book: Economic analysis in agriculture. Smekalov P.V., Kosyakova L.N., Smolyaninov S.V. Saint Petersburg, 2016, Pp. 20-26.
4. Multidimensional statistical analysis in economic problems: computer modeling in SPSS: Studying textbook edited by I.V. Orlova. M.: University textbook, 2016.
5. Dianov D.V., Radugina E.A. Possibilities of statistical methodology in the study of economic security of the region // Statistics and Economics. 2018. Vol. 15. No. 6. Pp. 4-14.
6. Kulagina N.A. Analysis and diagnostics of financial and economic activity of the enterprise. Workshop: textbook for secondary vocational education / N A. Kulagina. — 2nd ed., rev. and add. M.: Publishing house of Yurayt, 2019. — 135 p.
7. Mkhitaryan V.S., Agapova T.N., Ilyenkova S.D., Surinov A.E., Luppov A.B., Mironkina Yu.N. Statistics. Textbook and workshop / Ser. 58 Bachelor. Academic course (1st ed.). Moscow, 2016.
8. Dolgova V.N. Statistics: textbook and workshop for secondary vocational education / V.N. Dolgova, T.Yu. Medvedeva. M.: Yurayt Publishing House, 2019. 245 p.
9. Andryushechkina I.N., Kovalev E.A., Savyuk L.K., Bikbulatov Yu.A. Legal statistics: textbook and workshop for secondary professional education / under the general editorship of L.K. Savyuk. M.: Yurayt Publishing House, 2019. — 410 p.
10. Nazarov M.G., Kuznetsov V.I., Larionova E.I., Dianov D.V., Sahakyan R.A. and others. Practical training on finance statistics // FGOU HPE "Academy of budget and Treasury". Moscow, 2009.
ЭКОНОМИЧЕСКИЕ НАУКИ
