4. Matendo Sadrac K. Some performance measures for vacation models with a batch Markovian arrival process // J. Appl. Math. And Stochast. Anal. -1994. - 7, № 2. - P. 111 - 124.
5. Choi Bong Dae. G/Ma,b /1 queues with server vacations/ Choi Bong Dae, Han Dong Hwan // J. Oper. Res. Soc. Jap. - 1994. - 37, № 3. -P. 171 - 181.
6. Chaudhury Gautam. On a Poisson queue with general setup time and vacation period / Gautam Chaudhury // Indian J. Pure and Appl. Math., 1996. -27. - № 12. - P. 1199 - 1211.
7. Tian Naishuo. Conditional Stochastic decompositions in the M/M/C queue with server vacations /Naishuo Tian, Li Quan-Lim, Cao Jinhua //Commun. Statist. Stoch. Models, 1999. - 15. - № 2. - P. 367 -377.
8. Reddy G.V. Krishna. Analysis of a bulk queue with N - policy multiple vacations and setup times /G.V.Krishna Reddy, R.Nadarajan, R.Arumyganathan // Comput. And Operat. Res. - 1998. - 25. - № 11. -P. 957 - 967.
9. Гнеденко Б.В. Введение в теорию массового обслуживания/ Б.В.Гнеденко, И.Н.Коваленко. -М.: Наука, 1987. - 336 с.
10. Jain Madhu. M/M/R machine repairmen problem with spares and additional repairmen/ Jain Madhu // Indian J. Pure and Appl. Masth. - 1998. -29. № 5. - P. 517 - 524.
11. Медведева М.И. Об одном подходе к определению оптимальной партии товара с учетом ненадежности оборудования/ Румянцев Н.В., М.И.Медведева // Вюн. Донец. ун-ту. Сер. В. - Еко-номжа i право. Спецвыпуск. - Донецьк: 2006. - т. 2 - С. 24-31.
12. Медведева М.И. Об одном подходе к определению оптимальной партии товара с учетом ненадежности оборудования /Н.В.Румянцев, М.И.Медведева //Вюник Хмельницького нацюна-льного ушверситету: Економiчнi науки. - Хмель-ницький, 2007, № 3. - Т. 1 (92). - С. 27-32.
13. Медведева М.И. Анализ одной модели системы с ненадежным прибором и переналадкой в конце периода занятости/ М.И.Медведева // Мiжнародний науковий журнал «£кономiчна шбернетика».- Донецьк: ДонНУ. - 2009. - № 1-2 (55-56).- С. 73-79.
14. Медведева М.И. Моделирование производственного процесса с ненадежным оборудованием /М.И.Медведева// Вюник Схвдноевропейсь-кого ушверситету економiки i менеджменту. Се-рiя: Економжа i менеджмент, №1(16), 2014 р.-С.159-167.
15. Bertolini M., Bevilacqua M., Braglia M., Frosolini M.: An analytical metod for maintenance outsourcing service selection, International Journal of Quality & Reliability Management, Vol. 21, No. 7, 2004.
16. Placzek E. Analiza outsourcingu w prak-tyce funkcjonowania MSP produkcyjnych/ E.Placzek.-Logistyka 6/2008.
17. Мухина И.С. К вопросу о целесообразности использования аутсорсинга организацией // Корпоративный менеджмент. - 2010. - № 3. - С. 143-148.
18. Медведева М.И. Оценка стратегий организации ремонтных работ для промышленного аутсорсинга оборудования. Коллективная монография: «Модели оценки и анализа сложных социально-экономических систем». Под редакцией В.С.Пономаренко, Т.С.Клебановой, Н.А.Кизима /
H.В.Румянцев, М.И.Медведева. - Харьков: ФЛП Александрова К.М.; ИД «ИНЖЭК». - 2013. - 659с. (с.537-554). - ISBN 978-966-392-413-7.
19. Поповиченко 1.В. Аутсорсинг як шстру-мент тдвищення конкурентоспроможносп тдприемства в сучасних економiчних умовах /
I.В.Поповиченко, С.Г.Дубинська //Науковий вюник Ужгородського ушверситету: [зб. ст.]. -Ужгород, 2010. - Вип. 31. - С. 177-181. - (Серiя: Економжа).
Nusinov V.Y.
doctor of economics, professor, head of department of accounting, taxation, public management and administration State institution of higher education «Kryvyi Rih National University» Academician Academy of economic Sciences of Ukraine
Нусинов Владимир Яковлевич
доктор экономических наук, профессор, заведующий кафедрой учета, налогообложения, публичного управления и администрирования ГВУЗ «Криворожский национальный университет» Академик Академии экономических наук Украины
ASSESSMENT OF SEVERITY OF THE FINANCIAL CRISIS UKRAINIAN
COMPANIES
ОЦЕНКА СТЕПЕНИ ТЯЖЕСТИ ФИНАНСОВОГО КРИЗИСА УКРАИНСКИХ
КОМПАНИЙ
Summary: The nature of financial crisis is researched and the main methodical approaches to diagnostics its severity are offered. The interrelation of financial crisis and possible bankruptcy of the company is established. The analysis of methods of bankruptcy prediction by using discriminant models is carried out and their
Wschodnioeuropejskie Czasopismo Naukowe (East European Scientific Journal) #14, 2016 asail efficiency in realities of the Ukrainian economy is estimated. It is revealed that when evaluating severity of financial crisis of the Ukrainian companies, it is necessary to consider specifics and scale of their activities. The economic-mathematical four-factorial model of bankruptcy prediction for the Ukrainian companies is developed.
Key words: financial crisis, severity of crisis, bankruptcy, discriminant models, models of bankruptcy prediction, confidence interval.
Аннотация: Исследована природа финансового кризиса и предложены основные методические подходы к диагностике степени его тяжести. Установлена взаимосвязь финансового кризиса и возможного банкротства компании. Проведен анализ способов прогнозирования вероятности банкротства с помощью дискриминантных моделей и оценена их эффективность в реалиях украинской экономики. Выявлено, что при проведении оценки степени тяжести финансового кризиса украинских компаний, необходимо учитывать специфику и масштаб их деятельности. Разработана экономико-математическая четырехфактор-ная модель прогнозирования банкротства украинских компаний.
Ключевые слова: финансовый кризис, степень тяжести кризиса, банкротство, дискриминантные модели, модели прогнозирования банкротства, доверительный интервал.
Постановка проблемы. Разбалансирован-ность украинской бизнес среды и высокая зависимость от внешних, часто субъективных, факторов, приводит к тому, что все большее число компаний близки к финансовому кризису или уже диагностируют его наличие. Поэтому первоочередное значение приобретает создание системы эффективного антикризисного менеджмента, отправной точкой которого является диагностика степени тяжести финансового кризиса, как наиболее значимого для собственников.
Традиционно финансовый кризис связывают с нулевой платежеспособностью, неспособностью погашения своих текущих долгов, т. е. с банкротством. Само понятие банкротства зачастую рассматривается как синоним финансового кризиса, его результат или крайняя степень проявления. Запутанность в понимании и отсутствие четкой взаимосвязи данных понятий приводит к необоснованному усложнению ранней диагностики финансового кризиса в практике деятельности компаний.
Существующая методическая база и последующие научные исследования в своем подавляющем большинстве связаны с оценкой вероятности наступления банкротства, т.е. с его прогнозом. В украинских реалиях банкротство зачастую рассматривается как защитный механизм или инстру-
Ъ = 1,2 X Х + 1,4 X Х2 + 3,
мент передела собственности, поэтому при прогнозировании банкротства должна учитываться вероятность его окончания путем ликвидации.
Анализ последних исследований и публикаций. Существуют следующие методы прогнозирования банкротства компаний:
- балльная система оценивания (тест на банкротство М. Тамари, А-счет Аргенти);
- однофакторный дискриминантный анализ (В. Бивер, П. Вайбер);
- многофакторный дискриминантный анализ (модели Альтмана, А.А. Терещенко, Спрингейта, Р. Таффлера, Р. Лиса).
Использование многофакторных дискрими-нантных моделей при проведении диагностики вероятности банкротства компании повышает точность полученных результатов, поскольку одновременно позволяет учесть влияние множества факторов. Далее рассмотрим наиболее часто применяемые модели прогнозирования банкротства в практике украинских компаний.
Самой распространенной является пятифак-торная модель диагностики вероятности банкротства (Z-счет), разработанная американским экономистом Э. Альтманом в 1968 году на основании многофакторного дискриминантного анализа статистических данных 66 компаний [1]:
3 X Х3 + 0,6 X Х4 + Х5:
(1)
где Х1 - оборотные активы / суммарные активы;
Х2 - нераспределенная прибыль / суммарные активы;
Х3- операционная прибыль / суммарные активы;
Х4- рыночная стоимость акций / общие обязательства;
Х5- выручка от реализации / суммарные активы.
Оценка вероятности банкротства по модели
Альтмана проводится с использованием следующей шкалы:
Ъ<1,8 очень высокая
вероятность банкротства;
1,81<Ъ<2,7 высокая вероятность банкротства;
2,7<Ъ<2,9 возможное банкротство;
Ъ>2,9 низкая вероятность банкротства.
Далее рассмотрим четырехфакторную модель прогнозирования банкротства, разработанную Г. Спрингейтом в 1978 году, на основании модели Альтмана [2]:
Z = 1,03 X Х + 3,07 X Х2 + 0,66 X Х3 + 0,4 х Х4
ч
где Х1 - собственные оборотные средства / суммарные активы;
Х2- прибыль до налогообложения / суммарные активы;
Х3- прибыль до налогообложения / текущие
(2)
обязательства;
Х4- выручка от реализации / суммарные активы.
Если полученная по модели Спрингейта величина Ъ не превышает 0,862, то диагностируется
высокая вероятность банкротства; в противном случае вероятность банкротства компании низкая.
В традиционных моделях Альтмана, Сприн-гейта сделано допущение о возможной инициации банкротства компании кредиторами без их разделения на аффилированные и, соответственно, не аффилированные лица. В то же время, рядом авторов выделяются особенности учета обязательств перед аффилированными лицами при диагностике банкротства компании.
Ъ = - 0,0726 X Х - 2,5052 х Х2
где Ъ - порядковый номер группы;
Х1 - темп роста общей величины обязательств компании, доли ед;
Х2 - доля обязательств перед аффилированными лицами в общей величине обязательств ком-
Так, в работе Н. И. Ищенко [4] долгосрочные обязательства увеличиваются, а текущие, соответственно, уменьшаются на сумму обязательств перед аффилированными лицами. Это связано с тем, что связанные лица не станут требовать возврата займов в краткосрочном периоде, если компания неплатежеспособна.
В работе [5] оценивается вероятность банкротства компании по инициативе аффилированных лиц с применением следующей модели:
- 0,0005 х Х + 2,6063
(3)
пании, доли ед;
Х3 - период оборота обязательств компании перед не аффилированными лицами, дни.
Ключ интерпретации для этой модели имеет следующий вид:
очень высокая вероятность банкротства; высокая вероятность банкротства; возможное банкротство; очень низкая вероятность.
Ъ<1,22 1,22<Ъ<1,50 1,50<Ъ<1,78 Ъ>1,78
Следует отметить, что модель (3) основана на статистических данных 4 горно-обогатительных комбинатов Украины. При этом использовалась инсайдерская информация об обязательствах перед аффилированными лицами, которую невозможно получить для более широкого массива компаний, что ограничивает практическое использование данной модели.
Выделение нерешенных ранее частей общей проблемы. Вышеприведенные модели прогнозирования вероятности банкротства компании имеют существенный недостаток с точки зрения диагностирования финансового кризиса - в большинстве из них используется величина общих обязательств компании, что, по нашему мнению, значительно снижает их информативность. Необходимо принимать во внимание, что при банкротстве компании сроки погашения обязательств значительно сокращаются, а именно все обязательства признаются текущими и должны быть погашены согласно утверждённому графику. Поэтому программа антикризисного менеджмента направлена, в том числе и на перевод текущих обязательств компании в долгосрочные (посредством наложения моратория на погашение задолженности кредиторам, выкупа аффилированными лицами задолженности перед кредиторами и сосредоточения в виде долгосрочных обязательств и т. д.).
Исключением является модель Спрингейта, в которой учитываются текущие обязательства компании, и для оценки полученных результатов введено ограничение Ъ<0,862, на основании которого возможно установить отсутствие или наличие финансового кризиса компании и, соответственно, оценить степень его тяжести.
Цель статьи. Целью статьи является разработка методики диагностики степени тяжести финансового кризиса украинских компаний на осно-
вании собственных и адаптированных моделей диагностики вероятности банкротства.
Изложение основного материала. Финансовый кризис компании оценивается на основании вероятности ее банкротства. Соответственно, степень тяжести данного вида кризиса устанавливается либо по факту вхождения компании в процедуру банкротства, либо на основании оценки вероятности наступления этого события.
При построении шкалы степеней тяжести финансового кризиса компаний, в качестве крайних точек нами выбраны отсутствие кризиса (вероятность банкротства очень низкая) и критическая степень (стадия ликвидации). При этом отрезок между крайними точками разделен на тяжелую, среднюю и легкую степени финансового кризиса. Лингвистическая характеристика данных степеней тяжести прямо соотносит их со временем проведения и программой антикризисных мероприятий и понятна для всех групп стейкхолдеров.
Для выбора модели прогнозирования банкротства нами проведен анализ украинских компаний относительно возможного вхождения в банкротство и его окончания. В результате было сформировано три группы компаний.
В первую группу входят наиболее крупные по масштабам осуществляемой деятельности компании, у которых показатели общих активов и выручки от реализации продукции превышают 1 млрд. грн. Это, прежде всего, компании сырьевых отраслей промышленности - горнообогатительные комбинаты, металлургические комбинаты, железорудные компании, которые в своем исключительном большинстве являются монополистами на профильных рынках. Независимо от финансового состояния, вероятность вхождения в процедуру банкротства данных компаний очень низкая. В связи с этим, считаем, что
вследствие отсутствия данных для компаний первой группы разработка собственной модели прогнозирования вероятности банкротства не имеет смысла.
Ко второй группе отнесены крупные по величине активов (более 1 млрд. грн.) компании, у которых из-за полной или частичной остановки деятельности выручка имеет либо незначительную величину (меньше 100 млн. грн.), либо отсутствует. Показательными для данной группы являются судостроительные заводы, которые из-за резкого спада экономической активности, долгое время находятся в состоянии банкротства. Для второй группы компаний разработка модели прогнозирования вероятности банкротства теоретически целесообразна, но с практической точки зрения не осуществима из-за нерепрезентативной выборки.
Третью группу составляют компании с незначительными активами (меньше 1 млрд. грн.), и небольшой по объему выручкой (меньше 500 млн грн.). Данные компании активно банкротятся, выборка по ним репрезентативна, поэтому считаем целесообразным проводить для них разработку собственной модели прогнозирования вероятности банкротства.
Далее рассмотрим порядок диагностики степени финансового кризиса по каждой группе компаний.
Для компаний первой и второй группы считаем допустимым использовать существующие модели прогнозирования вероятности банкротства, в которых отдельно учитывается величина текущих обязательств. В модели Спрингейта доля влияния текущих обязательств является наиболее значительной, поэтому рассмотрим порядок диагностики финансового кризиса компаний первой и второй группы с применением данной модели.
Как указывалось выше, ограничение модели Спрингейта 2<0,862, позволяет выделить только крайние точки шкалы для оценки степени тяжести финансового кризиса компаний.
С целью качественной оценки вероятности финансового кризиса компаний, необходимо уточнить критические значения показателя 2, что, по нашему мнению, возможно с помощью проведения интервальной оценки вероятности банкротства. При этом следует учитывать, что изменение показателя 2 вызвано изменением ряда показателей финансовой отчетности, учитываемых при расчете коэффициентов Х: - Х4 в формуле (2). Поэтому для соответствующих показателей финансовой отчетности необходимо установить доверительный интервал, который с заданной вероятностью будет содержать все их возможные значения без искажения общего состояния компании.
Из практики аудита известно, что искажение статьи отчетности более чем на 10% является су-
щественным и влияет на принятие решений внутренними и внешними стейкхолдерами. В то же время искажение до 5% не принимается во внимание [3].
Исходя из этого примем допущение, что среднеквадратичное отклонение (с) имеет значение 5% по каждой статье финансовой отчетности (К). Тогда, с доверительной вероятностью 0,954 можно утверждать, что все значения по этой статье с нормальным законом распределения отклоняются от их фактического значения на величину не большую 2с (10%), то есть лежат в интервале (К - 2с; К + 2с). Нижняя граница доверительных интервалов изменяется в сторону, которая ухудшает величину 2, а верхняя граница - в сторону, которая улучшает величину 2.
При этом рассчитываются четыре критических значения 2:
при проведении точечной оценки - 2ф; при подстановке в модель (2) показателей финансовой отчетности при нижних границах доверительных интервалов (К - 2с) - 20;
при подстановке в модель (2) показателей финансовой отчетности при верхней границе доверительного интервала (К + с) - 21;
при подстановке в модель (2) показателей финансовой отчетности при верхней границе доверительного интервала (К + 2с) - 22.
Степени тяжести финансового кризиса компаний определяются на основании следующей шкалы:
20 > 0,862 отсутствие финансового кризиса; 2ф > 0,862 и 20 < 0,862легкая степень тяжести финансового кризиса;
2: > 0,862 и 2ф < 0,862средняя степень тяжести финансового кризиса;
22 > 0,862 и 2: < 0,862тяжелая степень тяжести финансового кризиса;
22 < 0,862критическая степень тяжести финансового кризиса.
Подчеркнем, что условием для диагностирования критической степени тяжести финансового кризиса компании также является ее вхождение в юридическую процедуру банкротства. При этом принимается высокая вероятность завершения данной процедуры ликвидацией компании.
Так как компании первой группы являются монополистами с очень низкой вероятностью вхождения в процедуру банкротства, крайней точкой при оценке тяжести финансового кризиса для них является тяжелая степень.
Для подтверждения практической значимости данной шкалы, приведем результаты оценки степени тяжести финансового кризиса для украинских компаний первой группы - горнообогатительных комбинатов (табл. 1).
Таблица 1
Результаты оценки степени тяжести финансового кризиса для украинских горно-обогатительных комбинатов в 2015 году_
Показатели Точечная оценка Нижняя граница доверительного интервала Верхняя граница доверительного интервала
с=0.05 с=0.10 с=0.05 с=0.10
ПАО «Ингулецкий горно-обогатительный комбинат»
Собственные оборотные средства / Общие активы (Х1) -0,028 -0,026 -0,023 -0,031 -0,035
Прибыль до налогообложения / Общие активы (Х2) -0,116 -0,116 -0,116 -0,116 -0,116
Прибыль до налогообложения / Текущие обязательства (Х3) -0,163 -0,163 -0,163 -0,163 -0,163
Выручка от реализации / Общие активы (Х4) 0,259 0,234 0,212 0,286 0,316
Показатель Ъ -0,390 -0,397 -0,403 -0,382 -0,373
Степень тяжести финансового кризиса Критическая степень / Тяжелая степень
ПАО «Северный горно-обогатительный комбинат»
Собственные оборотные средства / Общие активы (Х1) 0,270 0,244 0,221 0,298 0,330
Прибыль до налогообложения / Общие активы (Х2) -0,050 -0,050 -0,050 -0,050 -0,050
Прибыль до налогообложения / Текущие обязательства (Х3) -0,396 -0,396 -0,396 -0,396 -0,396
Выручка от реализации / Общие активы (Х4) 0,450 0,407 0,368 0,497 0,550
Показатель Ъ 0,044 0,000 -0,039 0,092 0,146
Степень тяжести финансового кризиса Критическая степень / Тяжелая степень
ПАО «Центральный горно-обогатительный комбинат»
Собственные оборотные средства / Общие активы (Х1) 0,593 0,536 0,485 0,655 0,724
Прибыль до налогообложения / Общие активы (Х2) 0,115 0,115 0,115 0,115 0,115
Прибыль до налогообложения / Текущие обязательства (Х3) 1,137 1,137 1,137 1,137 1,137
Выручка от реализации / Общие активы (Х4) 0,880 0,796 0,720 0,972 1,075
Показатель Ъ 2,066 1,974 1,891 2,167 2,279
Степень тяжести финансового кризиса Отсутствие кризиса
ПАО «Южный горно-обогатительный комбинат»
Собственные оборотные средства / Общие активы (Х1) 0,284 0,257 0,232 0,314 0,347
Прибыль до налогообложения / Общие активы (Х2) 0,141 0,141 0,141 0,141 0,141
Прибыль до налогообложения / Текущие обязательства (Х3) 4,757 4,757 4,757 4,757 4,757
Выручка от реализации / Общие активы (Х4) 0,341 0,309 0,279 0,377 0,417
Показатель Ъ 4,002 3,961 3,924 4,047 4,097
Степень тяжести финансового кризиса Отсутствие кризиса
Как видно из табл. 1, на ПАО «Ингулецкий горно-обогатительный комбинат» в 2015 году по результатам расчетов диагностируется критиче-
ская степень тяжести финансового кризиса. В связи с получением убытков, показатель Ъ, рассчитанный при проведении точечной оценки (Ъф) яв-
ляется отрицательной величиной и даже при верхней границе доверительного интервала показателей финансовой отчетности значение 22 < 0. С учетом низкой вероятности вхождения в процедуру банкротства, степень тяжести финансового кризиса данной компании оценивается как тяжелая.
На ПАО «Северный горно-обогатительный комбинат» в 2015 году также диагностируется критическая степень тяжести финансового кризиса, что связано с получением убытков от основной деятельности. Показатель 2ф имеет близкое к нулю значение, и даже при верхней границе доверительного интервала показателей финансовой отчетности значение 22 значительно меньше 0,862. С учетом низкой вероятности вхождения в процедуру банкротства, степень тяжести финансового кризиса данной компании оценивается как тяжелая.
На ПАО «Центральный горно-
обогатительный комбинат» и ПАО «Южный горно-обогатительный комбинат» в 2015 году финан-
Результаты оценки степени тяжести финансового
совый кризис отсутствует. Это связано с высокими показателями выручки от реализации, наличием собственных оборотных средств, получением прибыли до налогообложения. Так, соотношение прибыли до налогообложения к текущим обязательствам (Хз) в 2015 году на ПАО «Центральный горно-обогатительный комбинат» составляет 1,137; на ПАО «Южный горно-обогатительный комбинат» -4,757. Показатель 2, рассчитанный при проведении точечной оценки (2ф) на ПАО «Центральный горно-обогатительный комбинат» в 2015 году составил 2,06; на ПАО «Южный горнообогатительный комбинат» - 4,0. Даже при нижней границе доверительного интервала показателей финансовой отчетности (10%) значение 20 данных компаний намного превышает 0,862.
Далее рассмотрим результаты оценки степени тяжести финансового кризиса для компаний второй группы - судостроительных заводов (табл. 2).
Таблица 2
Показатели Точечная оценка Нижняя граница доверительного интервала Верхняя граница доверительного интервала
с=0.05 с=0.10 с=0.05 с=0.10
ПАО «Черноморский судостроительный завод»
Собственные оборотные средства / Общие активы (Х:) 0,451 0,408 0,369 0,498 0,551
Прибыль до налогообложения / Общие активы (Х2) -0,252 -0,252 -0,252 -0,252 -0,252
Прибыль до налогообложения / Текущие обязательства (Х3) -1,558 -1,558 -1,558 -1,558 -1,558
Выручка от реализации / Общие активы (Х4) 0,057 0,051 0,046 0,063 0,069
Показатель 2 -1,316 -1,362 -1,404 -1,264 -1,207
Степень тяжести финансового кризиса Критическая степень
ПАО «Херсонский судостроительный завод»
Собственные оборотные средства / Общие активы (Х:) 0,586 0,531 0,480 0,648 0,717
Прибыль до налогообложения / Общие активы (Х2) -0,373 -0,373 -0,373 -0,373 -0,373
Прибыль до налогообложения / Текущие обязательства (Х3) -1,455 -1,455 -1,455 -1,455 -1,455
Выручка от реализации / Общие активы (Х4) 0,063 0,057 0,052 0,070 0,077
Показатель 2 -1,477 -1,537 -1,592 -1,411 -1,337
Степень тяжести финансового кризиса Критическая степень
ПАО «Николаевский судостроительный завод Океан»
Собственные оборотные средства / Общие активы (Х:) 0,358 0,324 0,293 0,396 0,438
Прибыль до налогообложения / Общие активы (Х2) -0,011 -0,011 -0,011 -0,011 -0,011
Прибыль до налогообложения / Текущие обязательства (Х3) -0,040 -0,040 -0,040 -0,040 -0,040
Выручка от реализации / Общие активы (Х4)
Показатель 2 0,309 0,274 0,242 0,348 0,391
Степень тяжести финансового кризиса Критическая степень
Как видно из табл. 2, в 2015 году для всех исследуемых судостроительных компаний диагностируется критическая степень тяжести финансового кризиса, т. к. даже при верхней границе доверительного интервала показателей финансовой отчетности (с=10%) значение Ъ2 меньше 0,862. Это связано с убыточностью основной деятельности данных компаний и, соответственно, отрицательной величиной показателей соотношения прибыли до налогообложения к общим активам (Х2) и прибыли до налогообложения к текущим обязательствам (Х3). Соотношение выручки от реализации и общих активов (Х4) также находится на чрезвычайно низком уровне (менее 0,1), а на ПАО «Николаевский судостроительный завод Океан» из-за отсутствия выручки от реализации данное соотношение не определяется.
В отличие от компаний первой группы, данные компании могут входить в процедуру банкротства, поэтому в виду их критической степени тяжести финансового кризиса, для них принимается высокая вероятность завершения банкротства путем ликвидации.
Далее рассмотрим третью группу украинских компаний, в которую могут быть включены компании различных отраслей экономики из-за небольших масштабов осуществляемой деятельности.
Для построения моделей банкротства по компаниям данной группы предлагаем использовать метод многофакторного дискриминантного анализа, как и в традиционных моделях Альтмана, Спрингейта.
С целью формирования репрезентативной выборки для построения собственной модели прогнозирования банкротства, нами были проанализированы статистические данные более 400 украинских компаний. В результате весь массив компаний был разбит на три подгруппы:
1 группа: компании - банкроты, находящиеся в процедуре ликвидации;
2 группа: компании - банкроты, находящиеся в процедуре банкротства, но еще не перешедшие в процедуру ликвидации;
3 группа: компании - не банкроты.
У компаний - банкротов в большинстве случаев низкая выручка, которая не покрывает их общие обязательства. Кроме того, у данных компаний значительные обязательства, которые существенно больше их собственного капитала, а также очень низкая или отрицательная рентабельность в связи с убыточной деятельностью. Среди оценочных коэффициентов, которые характеризуют деятельность компании, нами было выбрано четыре, ухудшение которых, по нашему мнению, свидетельствует о возможном банкротстве или ликвидации компании, а именно: соотношение выручки от реализации с текущими обязательствами и дебиторской задолженностью компании; соотношение суммарных активов с текущими обязательствами и чистая рентабельность активов.
На основании данных о деятельности украинских компаний третьей группы в 2012-2014 гг. с применением дискриминантного анализа была получена следующая четырехфакторная модель прогнозирования вероятности банкротства:
Ъ = 0,099 X Х + 0,0518 х Х2 + 0,0201 х Х3 + 0,2804 х Х4 +1,4446;
(4)
где Х1 - выручка от реализации / текущие обязательства;
Х2 - выручка от реализации / дебиторская задолженность;
Х3 - суммарные активы / текущие обязательства;
Х4 - чистая прибыль / суммарные активы.
Коэффициент детерминации составляет 76%, что указывает на высокую тесноту взаимосвязи факторов в модели. Следует отметить, что большинство компаний, находящиеся в стадии ликвидации более трех лет не ведут деятельность. Поэтому показатели Х1 , Х2 для таких компаний не рассчитываются.
Оценочная шкала степени тяжести финансового кризиса компаний имеет следующий вид:
Ъ<1 критическая степень кризиса;
1<Ъ<1,5 тяжелая степень кризиса;
1,5<Ъ<2 средняя степень кризиса;
2<Ъ<3 легкая степень кризиса;
Ъ>3 отсутствие кризиса.
Преимуществом данной модели, по сравнению с традиционными, является то, что она позволяет определить как вероятность вхождения компании в процедуру банкротства, так и вероятность его окончания путем ее ликвидации.
Следует отметить, что для компаний, у которых дело о признании банкротом уже рассматривается в суде, градация степени финансового кризиса начинается с тяжелой.
Для компаний, которые находятся в стадии распоряжения имуществом, санации или ликвидации, формируется вывод о критической степени финансового кризиса.
Выводы и предложения. Таким образом, поскольку под финансовым кризисом компании понимается ее возможное банкротство, степень тяжести данного вида кризиса предлагается определять либо по факту вхождения компании в процедуру банкротства, либо путем количественной оценки вероятности наступления этого события. Выделенные степени тяжести финансового кризиса отвечают требованиям антикризисного менеджмента, поскольку позволяют определить время на проведение и сам перечень антикризисных мероприятий.
В наших исследованиях при проведении прогнозирования банкротства компании приоритет отдается использованию многофакторных дискри-минантных моделей, анализ которых позволил сформировать вывод об их малоинформативности применимо к украинским компаниям и слабой взаимосвязи с антикризисным менеджментом. В
результате анализа деятельности украинских компаний сделано допущение о возможном использовании модели Спрингейта для оценки вероятности банкротства. При этом оценочная шкала показателя Z расширена соответственно выделенным степеням финансового кризиса. Разработана экономико-математическая четырехфакторная модель прогнозирования вероятности банкротства украинских компаний, которая позволяет определить как возможность их вхождения в процедуру банкротства, так и их ликвидацию.
Список литературы:
1. Altman E.I. Financial Rations. Discriminent Analysis, and Prediction of Corporate Bankruptcy // Journal of Finance. - 1968. - September.
2. Springate G.L.V. Predicting the Possibility of
Failure in a Canadian Firm. Unpublished M.B.A. Research Project. Simon Fraser University. January, 1978.
3. 1лына С.Б. Основи аудиту. - К.: Кондор, 2009. - 378 с.
4. 1щенко М. I. Теорiя оцшки фшансово-економiчних результапв дiяльностi промислових тдприемств : монографiя / Микола 1ванович 1щенко. - Кривий Рп- : Вид. Р. А. Козлов, 2014. -422 с.
5. Манцуров I. Г. Методичш тдходи до оцшки економiчноi безпеки об'еднань тдприемств [Електронний ресурс] / О. В. Нусшо-ва, I. Г. Манцуров // Ефективна економжа. - 2011. - № 8. - Режим доступу до журналу: http ://www. economy.nayka. com.ua
Psareva N. Y
doctor of economics, professor, FGBOU "Financial University at the government of the Russian Federation"
Псарева Надежда Юрьевна
Доктор экономических наук профессор Финансовый университет при Правительстве Российской Федерации
PECULIARITIES OF TAXATION OF FINANCIAL STREAM'S IMPLEMENTATION IN HOLDING
ОСОБЕННОСТИ НАЛОГООБЛОЖЕНИЯ И КОНТРОЛЯ ПРИ РЕАЛИЗАЦИИ ФИНАНСОВЫХ ОТНОШЕНИЙ В ХОЛДИНГЕ
Summary: Theoretical and practical aspects regarding financial relations inside holdings are examined from taxation point of view. Potential financial streams between holding's participants are determined as well as different versions of statute capital are discussed having in mind different risk of business activity.
Key words: daughterly society, holding company, financial streams, statute capital, loan, credit, net wealth.
Аннотация. Исследованы теоретические и практические аспекты организации финансовых отношений в холдингах с позиций налогообложения, определены потенциальные финансовые потоки между участниками холдинга. Рассмотрены различные варианты определения величины уставного капитала с позиций различных рисков, возникающих в хозяйственной деятельности.
Ключевые слова: дочерние общества, холдинговая компания, финансовые потоки, уставный капитал, заем, кредит чистые активы
Постановка проблемы. Финансовая синергия является одним из существенных мотивов в создании холдинговых структур. Целью финансового управления холдингом является обеспечение финансовой дееспособности и рентабельности дочерних обществ и холдинга в целом. Финансовое управление обеспечивает регулирование и координацию привлечения средств от внешних инвесторов и банковских структур, а также их размещение участникам холдинга.
Получение финансового синергетического эффекта зависит от рационального построения потоков капитала и денежных средств, как в рамках холдинга, так и за его пределами. Для кредиторов, инвесторов, поставщиков, и, как правило, для клиентов важным фактором является авторитет и финансовые позиции холдинга.
Анализ последних исследований и публикаций по вопросам управления в холдингах показывает высокий теоретический и практический интерес исследователей к механизмам управления дочерними обществами. Большое внимание в публикациях уделяется как теоретическим, так и практическим вопросам организации управления финансовыми потоками, вопросам контроля над денежными средствами и задолженностью организации, оптимизации существующих платежей финансовых потоков[3-6],управления финансовыми рисками[6],вопросами распределения денежных потоков в корпоративных системах[7-11].
Выделение нерешенных ранее частей общей проблемы. Несмотря на значительное число публикаций по вопросам организации и управления финансовыми потоками. Как правило, эти публикации отражают проблемные вопросы дви-