CC BY
39
ПОСТРОЕНИЕ ИНТЕГРАЛЬНОГО ПОКАЗАТЕЛЯ БАНКРОТСТВА К ВИДУ ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ - СТРОИТЕЛЬСТВО
И.Е. Марьина, магистрант
Новосибирский государственный университет экономики и управления (Россия, г. Новосибирск)
Аннотация. Прогнозирование вероятности наступления банкротства организации является актуальные вопросом, как для финансового состояния самих компаний, так и для оценки контрагентов. В данной статье раскрывается вопрос о необходимости построения интегрального показателя банкротства в связи с отсутствием на сегодняшний день универсальных моделей. Показано, что популярные модели, разработанные российскими и западными учеными, являются неприменимыми для организаций исследуемой сферы. На основании анализа отобранных финансовых показателей сформирована модель пробит регрессии, позволяющая прогнозировать вероятность банкротства российских компаний строительной отрасли с точностью до 93% в прогнозном интервале от 1 до 3 лет.
Ключевые слова: финансовое состояние; банкротство; модели прогнозирования вероятности банкротства; финансовые показатели; интегральный показатель.
Согласно Федеральному закону от 26.10.2002 №127-ФЗ «О несостоятельности (банкротстве)» банкротством является признанная арбитражным судом неспособность должника в полном объеме удовлетворить требования кредиторов по денежным обязательствам, о выплате выходных пособий и (или) об оплате труда лиц, работающих или работавших по трудовому договору, и (или) исполнить обязанность по уплате обязательных платежей. Банкротство компании может быть установлено официально только по решению Арбитражного суда о признании должника банкротом и открытии конкурсного производства после тщательного рассмотрения дела о банкротстве. Таким образом, с юридической точки зрения банкротство организации представляет собой признание арбитражным судом неспособности должника в полном объеме удовлетворять требования кредиторов по денежным обязательствам и исполнять обязанность по уплате других обязательных платежей в течение трех месяцев.
Банкротство организации является результатом взаимодействия как внешних факторов, так и внутренних, связанных с неэффективной финансовой, операционной и инвестиционной деятельностью организации. К объективным причинам можно отнести несовершенство финансовой, денежной, кредитной, налоговой систем, нормативной и законодательной базы
реформирования экономики, достаточно высокий уровень инфляции. К субъективным причинам, относящимся непосредственно к хозяйствованию, можно отнести снижение объема производства, качества и цены продукции, неоправданно высокие затраты, слишком большой цикл производства, низкая рентабельность продукции и другие.
Прогнозирование вероятности наступления банкротства имеет большое значение, в первую очередь, для оценки состояния самой организации, что даст возможность своевременной нормализации финансовой ситуации и принятие мер для восстановления платежеспособности. Таким образом, основная задача состоит в том, чтобы своевременно распознать и обеспечить принятие таких управленческих решений, которые будут способствовать снижению влияния негативных процессов на состояние компании. Также прогнозирование вероятности банкротства является актуальным при выборе контрагентов, что позволяет произвести оценку платежеспособности и надежности компаний.
В связи с вышесказанным вопрос выбора методов и методик прогнозирования вероятности наступления банкротства компании в обозримом будущем является крайне актуальным. Наиболее широкое распространение в западных методиках прогнозирования банкротства нашли модели, разработанные известными экономи-
стами: Э. Альтманом, Р. Лисом и Р. Таф-флером и другими. С учетом экономической ситуации в стране российские ученые, в частности Г.В. Савицкая, Р.С. Сай-фуллин и Г.Г. Кадыков, О.П. Зайцева, адаптировали западные методики к российским условиям, а также разработали собственные модели для прогнозирования вероятности банкротства организаций. Однако, на текущий момент ни одна из популярных методик не является универсальной и не учитывается специфику отраслей бизнеса.
Во время проведенного ранее исследования ряд рассмотренных дискриминант-ных факторных моделей, разработанных зарубежными и отечественными учеными, был проверен на применимость к прогнозу риска банкротства компаний строительной отрасли. В качестве исследовательской базы была использована финансовая отчетность выборки строительных компаний, отобранных на основании классификации ОКВЭД (Раздел F. Строительство) и разделенных на две основные группы: финансово здоровые организации (30) и компании-банкроты (30) (по состоянию на 31.12.2015 г.). На основании полученных результатов был сделан вывод о неактуальности данных моделей для точного прогноза риска банкротства для организаций отрасли строительства. Одной из возможных причин невозможности применения существующих моделей для прогнозирования вероятности банкротства российских компаний строительной отрасли является проблема манипулирования финансовой отчетностью. Многие убыточные компании могут прибегать к подобному способу с целью сокрытия реального положения дел. Как отмечает в своей статье М.Ю. Савельева в недавнем прошлом пользователи финансовой отчетности привыкли доверять полностью аудиторским заключениям, на основании которых принимали решения без проведения дополнительных проверок. Однако, как замечает автор, в настоящее время становится актуальным вопрос разработки для аудиторов и финансовых аналитиков специальных аналитических инструментов проверки достоверности финансовой отчетности [1]. Согласно проведенному автором исследо-
ванию среди компаний строительной отрасли погрешность в составлении ОДДС составляла в 2014 году - 23%, в 2015 году -99,5%, в 2016 году - 65,9% [2]. По результатам анализа, проведенного М.А. Алексеевым, в 2015 году 10,9% процентов компаний, осуществляющих свою деятельность в сфере строительства искажают свою отчетность в сторону занижения [3]. Процентный рост в 2015 году можно объяснить кризисными явлениями в российской экономике, особенно в исследуемой отрасли.
Стоит отметить, что как только модель прогнозирования вероятности банкротства становится известной и популярной, организации могут прибегнуть к манипулированию финансовой отчетностью с целью подстроиться под известные показатели. Это связано с тем, что все известные модели являются «открытыми» системами, поэтому главная задача - уйти от «открытой» системы к «закрытой», которая не позволит компаниям заранее приспособиться к финансовым показателям. Как следствие, можно сделать вывод, что подобные модели прогнозирования вероятности банкротства организации должны ежегодно пересчитываться аналитиками.
Основной целью проводимого нами исследования была обозначена необходимость разработки собственной модели прогнозирования вероятности банкротства строительных компаний, а именно определение параметров регрессивной модели. Модель пробит регрессии является статистической прогнозной моделью, которая позволяет оценить вероятность наступления банкротства организации. Прогнозный интервал, как правило, составляет от 1-го до 3-х лет. Для построения модели пробит регрессии была применена разработанная М.А. Алексеевым методика построения интегрального показателя выявления искажений деятельности компаний в финансовой отчетности [4, 5]. На основании изученных ранее моделей прогнозирования банкротства был сформирован список из 65-х финансовых показателей и рассчитаны их числовые значения. В итоговый список из 62-х финансовых показателей вошли только те, по которым были получены числовые значения (Таблица 1).
so
Таблица 1. Показатели, используемые для анализа финансового состояния организации.
Показатель Строки отчетности по РСБУ Показатель Строки отчетности по РСБУ
Валовая прибыль/выручка 2100/2110 Выручка/ собственный капитал 2110/1300
Прибыль до налогообложения/выручка 2300/2110 Себестоимость/выручка 2120/2110
ЕВТ/выручка (2200+2320-2330)/2110 (Выруч- ка+себестоимость)/выручка (2110+2120)/2110
Чистая прибыль/ выручка 2400/2110 Нематериальные активы/ активы 1110/1600
Чистая прибыль /валовая прибыль 2400/2100 Оборотные активы/ активы 1200/1600
Валовая прибыль/активы 2100/1600 (Запасы+ дебиторская задолженность)/ активы (1210+1230)/1600
ЕВТ/активы (2200+2320-2330)/1600 Запасы/ активы 1210/1600
Чистая прибыль/активы 2400/1600 Дебиторская задолженность / активы 1230/1600
ЕВТ/ внеоборотные активы (2200+2320-2330)/1100 Денежные средства/ активы 1250/1600
Чистая прибыль / внеоборотные активы 2400/1100 Запасы/оборотные активы 1210/1200
ЕВТ/собственный капитал (2200+2320-2330)/1300 Денежные средства / оборотные активы 1250/1200
Чистая прибыль /собственный капитал 2400/1300 Нераспределенная прибыль/ оборотные активы 1370/1600
Прибыль до налогообложения/ краткосрочные обязательства 2300/1500 Нераспределенная прибыль/ собственный капитал 1370/1300
Оборотные активы/Краткосрочные обязательства 1200/1500 Краткосрочные обязательства/заемный капитал 1500/(1400+1500)
(Оборотные активы-запасы)/краткосрочные обязательства (1200-1210)/1500 Прибыль до налогообложения/активы 2300/1600
Запасы/Краткосрочные обязательства 1210/1500 Собственный капитал/ заемный капитал 1300/(1400+1500)
Денежные средства/ заемный капитал 1250/(1400+1500 ) Прибыль от продаж/краткосрочные обязательства 2200/1500
Денежные средства /краткосрочные обязательства 1250/1500 Оборотные активы/ заемный капитал 1200/(1400+1500)
Оборотный капитал/ активы (1200-1500)/1600 Чистая прибыль/себестоимость 2400/2120
Заемный капитал/ активы (1400+1500)/160 0 Оборотные активы/текущие пассивы 1200/(1500-1530-1540)
Долго- и краткосрочные заемные средства/ активы (1410+1510)/160 0 Собственный капитал /оборотные активы 1300/1200
Долгосрочные заемные средства/ активы 1410/1600 Оборотный капитал/ собственный капитал (1200-1500)/1300
Краткосрочные обязательства/ активы 1500/1600 Коэффициент оборачиваемости активов 2110/0,5*(1600нп+1600кп)
Собственный капитал/ активы 1300/1600 Прибыль до налогообложения и уплаты процентов/ активы (2300+2330)/1600
Заемный капитал/ собственный капитал (1400+1500)/130 0 (Собственный капитал -внеоборотные активы)/ оборотные активы (1300-1100)/1200
Долго- и краткосрочные заемные средства/ собственный капитал (1410+1510)/130 0 Прибыль от продаж/выручка 2200/2110
Долгосрочные заемные средства/ собственный капитал 1410/1300 Коэффициент рентабельности собственного капитала 2400/(0,5*(1300нп+1300кп) )
Запасы/выручка 1210/2110 Прибыль до налогообложения/ собственный капитал 2300/1300
Дебиторская задолженность/выручка 1230/2110 Кредиторская задолженность/дебиторская задолженность 1520/1230
Выручка/ внеоборотные активы 2110/1100 Краткосрочные обязательства/денежные средства (1520+1510)/1250
Выручка/ активы 2110/1600 Активы/выручка 1600/2110
S1
С помощью программы STATISTICA данные показатели были проверены на значимость для прогнозирования вероятности банкротства организации. Первоначально полученные значения данных коэффициентов первоначально были проверены на подчинение нормальному распределению с помощью теста Колмогорова-Смирнова. На основании полученных результатов для дальнейшего анализа были оставлены 53 финансовых коэффициента, которые были проверены по и-тесту Манна-Уитни.
По итогам проведенных вычислительных операций в результате отбора в итоговом сформированном списке получилось пять финансовых показателей, которые легли в основу построения уравнения побит регрессии:
Таблица 2.
- Коэффициент рентабельности активов (чистая прибыль/активы);
- Коэффициент рентабельности внеоборотных активов (чистая прибыль/активы);
- Коэффициент денежной ликвидности (денежные средства/ краткосрочные обязательства);
- Коэффициент рентабельности активов по операционной прибыли (операционная прибыль/активы);
- Коэффициент рентабельности активов по прибыли до уплаты процентов и налога (EBIT/активы).
С помощью программы STATISTICA была составлена таблица классификации и отношения шансов несогласия с числом наблюдения, которые были правильно и неправильно классифицированы в соответствии с полученной моделью:
Предсказ Предсказ %
«Здоровые» 30 0 100,0000
Банкроты 2 28 93,3333
В результате получено предсказательное измерение для двух групп компаний: процент предсказанных организаций-банкротов составляет 93,3%, а у «здоровых» организаций составляет 100%, что говорит о точности сформированной мо-
Таблица 3.
дели (процент применимости модели выше 85%).
На основании отобранных финансовых показателей были рассчитаны параметры пробит регрессии и получены следующие результаты:
B0 Коэффициент рентабельности активов Коэффициент рентабельности внеоборотных активов Коэффициент денежной ликвидности Коэффициент рентабельности активов по операционной прибыли Коэффициент рентабельности активов по прибыли до уплаты процентов и налога
Оценка 0,509034 1,088185 -0,069322 -13,8148 -10,3210 -5,21171
Как итог, рассчитанная модель прогнозирования вероятности банкротства для организаций строительной отрасли имеет следующий вид:
Z=0,51+1,09X1-0,07X2-13,81X3-10,32X4-5,21X5,
где Х1- Коэффициент рентабельности активов (чистая прибыль/активы);
Х2 - Коэффициент рентабельности внеоборотных активов (чистая прибыль/активы);
Х3 - Коэффициент денежной ликвидности (денежные средства/ краткосрочные обязательства)
Х4 - Коэффициент рентабельности ак- бинарное значение 0 или 1, где 0 означает, тивов по операционной прибыли (опера- что организация финансово устойчивая, а ционная прибыль/активы); 1 означает, что компания является банкро-
Х5 - Коэффициент рентабельности ак- том. тивов по прибыли до уплаты процентов и Таким образом, в результате проведен-
налога (EBIT/активы). ной работы была сформирована модель
Коэффициент Z используется для опре- пробит регрессии, позволяющая прогнози-деления вероятности банкротства на осно- ровать вероятность банкротства организа-ве функции стандартного нормального ций отрасли строительства в периоде от 1 -распределения (пробит-регрессии) [6]. Для го года до 3-х лет с точностью до 93%. интерпретации результатов используется
Библиографический список
1. СавельеваМ. Ю., Алексеев, М. А., Дудин С.А. Проверка качества составления отчета о движении денежных средств в российских компаниях // Экономический анализ: теория и практика. - 2017. - Т. 16, № 4. - С. 756-767.
2. Савельева М. Ю., Алексеев, М. А., Дудин С.А. Возвращаясь к оценке качества составления отчета о движении денежных средств российскими компаниями // Сибирская финансовая школа. - 2018. - № 2. - С. 77-82.
3. Алексеев, М. А., Дудин С.А. Методические вопросы идентификации искажения финансовой отчетности // Могущество Сибири будет прирастать!?: сб. докл. Междунар. науч. форума "Образование и предпринимательство в Сибири: направление взаимодействия и развитие регионов": в 4 т. Т. 4 / [отв. за вып. В. В. Глинский, Л. К. Серга]; Новосиб. гос. ун-т экономики и упр. - Новосибирск : [Изд-во НГУЭУ], 2018. - С. 128-132.
4. Алексеев М. А. Информационное пространство финансового рынка: моногр. / М. А. Алексеев. - Новосибирск : [Изд-во НГУЭУ], 2017. - 245 с.
5. Алексеев М.А., Дудин С.А. Методика построения показателя выявления искажения результатов деятельности компании//Бухгалтерский учет, анализ и аудит: форсайт и бэкграунд: сб. науч. ст. по материалам Межрегион. бух. форума, посвящ. 50-летию НГУЭУ и бухгалтерского образования в Сибири, Новосибирск, 2-3 окт. 2017 г. Новосибирск, 2017. С. 5-19.
6. Евстропов М.В. Оценка эффективности моделей прогнозирования банкротства предприятия // Экономический анализ: теория и практика. — 2018. — №13(118). — С. 58-63.
CREATION OF THE INTEGRAL INDICATOR OF BANKRUPTCY TO THE TYPE OF
ECONOMIC ACTIVITY CONSTRUCTION
I.E. Marina, graduate student
Novosibirsk state university of economics and management (Russia, Novosibirsk)
Abstract. Forecasting of probability of business bankruptcy is an actual issue both for a ccompany financial state, and for business partner's assessment. In this article it is discussed the question of necessity to create an integral indicator of bankruptcy due to the lack of universal models for today. It is shown that the popular models developed by the russian and western scientists are inapplicable for the organizations of the explored industry. On the basis of the analysis of the selected financial ratios was created the model of probit regression for bankruptcy forecast of russian construction companies with prediction accuracy of 93% in a forecast interval from 1 to 3 years.
Keywords: financial state; bankruptcy; models for predicting bankruptcy; financial ratio; integral indicator.
