CC BY
883
Оценка бизнеса
УДК: 334.7; 336.6; 658.014/Ш2
прикладные аспекты диагностики риска банкротства крупных нефтяных корпораций
Л.Г. ПАШТОВА,
доктор экономических наук, профессор кафедры корпоративных финансов
E-mail: [email protected]
м.О. емельянова,
магистрант по программе «Инвестиционный и финансовый менеджмент»
E-mail: [email protected]
П.Г. ШАШКОВА,
магистрант по программе «Инвестиционный и финансовый менеджмент» E-mail: [email protected] Финансовый университет при Правительстве Российской Федерации, Москва
Одним из ключевых элементов анализа финансового состояния корпорации является оценка риска банкротства и кредитоспособности. Исходя из существующего многообразия методов оценки риска банкротства предприятий, выбрать наиболее оптимальный (дающий наиболее точный прогноз) применительно к конкретной компании и экономическим условиям в стране, где проходит деятельность, оказывается достаточно сложно.
В статье рассматриваются наиболее известные прогнозные модели оценки риска банкротства, включая модель Таффлера [9, 10], несколько моделей Альтмана [5-7], а также четырехфакторная модель Иркутской государственной экономической академии (далее - R-модель ИГЭА) [8].
Для оценки возможностей применения различных прогнозных моделей на практике, а также получения адекватных результатов расчетов для российской экономики был проведен анализ риска банкротства по пятифакторной модели Альтмана ^-модель) и R-мо-дели ИГЭА на базе финансовой отчетности за 2012 г.
крупных нефтяных компаний России: ОАО «ЛУКОЙЛ», ОАО «Газпром нефть», ОАО «Сургутнефтегаз», ОАО «НГК «Славнефть» и ОАО «Татнефть».
Данные расчетов показали, что Z-модель и R-модель ИГЭА кардинально расходятся в оценке риска банкротства российских нефтяных корпораций. Это дает основание предполагать, что для адекватной оценки риска банкротства российских корпораций невозможно использовать все существующие модели.
Сделан и обоснован вывод о том, что, выбирая модель оценки риска банкротства, необходимо учитывать ряд национальных, экономических и других особенностей, которые неизбежно влияют на работу корпораций в конкретной стране.
Для оценки компаний нефтегазового сектора России с учетом особенностей внутреннего рынка едва ли подходит Z-модель: она не была опробована в отечественных компаниях и в современной ситуации потеряла свою актуальность. R-модель ИГЭА, рассчитанная в российских условиях, оказывается в этом случае наиболее предпочтительной.
Ключевые слова: оценка финансового состояния, риск банкротства, кредитоспособность, модель Альтмана (пятифакторная Z-модель), модель Иркутской государственной экономической академии (четырехфакторная НН-модель), российская нефтяная корпорация
В современной экономике крупных бизнес-структур актуальным остается вопрос выбора наиболее достоверного метода оценки риска банкротства.
Существующие разные методы оценки риска банкротства предприятий в экономической литературе условно разделены на две основные группы: статистические модели и модели, использующие искусственный интеллект (Computer Intelligence). По исследованиям, проведенного учеными М. Азизом и Г. Дэаром, для построения моделей диагностики риска банкротства в 64% случаев используются статистические методы, в 25% - искусственный интеллект, в 11% - другие методы [12].
В статистических моделях на основе финансовых показателей предприятий банкротов строится регрессионная модель. В нее из множества финансовых показателей предприятия включаются только те, которые имеют наибольшую диагностическую ценность при определении банкротства. Набор показателей снижается за счет исключения переменных, схожих по информации. Убираются параметры, коррелируемые с другими.
Затем каждый показатель оценивается, получая дискриминационный вес. Потом на основании эко-нометрических и математических методов строится регрессионная модель зависимости интегрального показателя банкротства предприятия и финансовых показателей его деятельности [2, 3].
В сравнении со статистическими моделями, модели, основанные на нейросетевой технологии, эффективно работают с нечетко определенными, неполными и неточными данными. Однако существенным недостатком в нейросетевых технологиях при построении моделей диагностики риска банкротства выступает большая трудоемкость разработки.
Помимо этого разработка модели осложняется необходимостью анализа большой выборки данных, которых недостаточно накоплено. Все это приводит к тому, что разработка нейросетевых моделей диагностики риска банкротства в условиях молодой российской экономики сложно реализуема. Поэтому акцент сделан на статистических методах, в част-
ности на создании логистической регрессионной модели диагностики риска банкротства авиапредприятий (logit-модель).
Известны два основных подхода к прогнозированию банкротства.
Первый - количественный - базируется на финансовых данных и включает оперирование некоторыми коэффициентами.
Второй - качественный - исходит из данных по обанкротившимся компаниям и сравнивает их с соответствующими данными исследуемой компании.
Метод интегральной балльной оценки несет в себе черты как количественного, так и качественного подходов [1].
Наибольшее распространение среди моделей прогнозирования банкротства получила модель Альтмана (2-модель), общий экономический смысл которой представляет собой функцию от некоторых показателей, характеризующих экономический потенциал предприятия и результаты его работы за истекший период. При разработке собственной модели Альтман изучил финансовое положение 66 предприятий, половина из которых обанкротилась, а другая продолжала успешно работать.
Сегодня в экономический литературе упоминаются четыре модели Альтмана. Одой из самых простых и наглядных методик прогнозирования вероятности банкротства, при использовании которой необходимо рассчитать влияние только двух показателей (коэффициента текущей ликвидности и удельного веса заемных средств в пассивах), является двухфакторная модель Альтмана. Ее формула имеет следующий вид:
2 = 1,2 X1 +1,4 X 2 + 3,3 X 3 + 0,6 X 4 + X 5, где КТЛ - коэффициент текущей ликвидности;
ЗК - заемный капитал;
П - пассивы.
При значении Z > 0 ситуация в анализируемой компании критична, вероятность наступления банкротства высока.
В России применение двухфакторной модели Альтмана было исследовано М.А. Федотовой, которая считает, что для повышения точности прогноза необходимо добавить третий показатель - рентабельность активов.
Так как в России отсутствует какая-либо значимая статистика по компаниям-банкротам, весовой фактор, предложенный М.А. Федотовой, не был определен, в связи с чем модифицированная формула практической ценности не имеет.
В 1968 г. была опубликована самая популярная пятифакторная модель Альтмана для акционерных обществ, ценные бумаги которых котируются на рынке. Формула расчета пятифакторной модели Альтмана имеет следующий вид:
2 = 1,2 X1 +1,4 X 2 + 3,3 X 3 + 0,6 X 4 + X 5, где Х1 рассчитывается как оборотный капитал за вычетом величины дебиторской задолженности (платежи по которой ожидаются более чем через 12 мес. после отчетной даты) и величины краткосрочных обязательств к сумме активов предприятия. Показатель Х1 оценивает сумму чистых ликвидных активов компании по отношению к совокупным активам; Х2 - отношение чистой прибыли (убыток) к сумме активов предприятия. Данный показатель отражает уровень финансового рычага компании; Х3 - отношение прибыли до налогообложения к общей стоимости активов. Показатель отражает эффективность операционной деятельности компании;
Х4 - отношение капитала и резервов к стоимости всех обязательств;
Х5 - отношение чистой прибыли к общей величине активов предприятия. Показатель характеризует рентабельность активов предприятия. В результате подсчета показателя 2 для конкретного предприятия делается заключение:
• если 2 < 1,81, то вероятность банкротства составляет от 80 до 100%;
• если 1,81 < 2 < 2,77, то средняя вероятность риска банкротства компании составляет от 35 до 50%;
• если 2,77 < 2 < 2,99, то вероятность банкротства невелика - от 15 до 20%;
• если 2 > 2,99, это значит, что ситуация на предприятии стабильна, риск неплатежеспособности в течение ближайших двух лет крайне мал. Точность прогноза в этой модели на горизонте
одного года составляет 95%, на два года - 83%, что является ее достоинством. Недостаток же заключается в том, что ее по существу можно рассматривать лишь в отношении крупных компаний, разместивших свои акции на фондовом рынке.
Рассмотрим третью модель Альтмана для компаний, чьи акции не торгуются на биржевом рынке. Она была опубликована в 1983 г. Это модифицированный вариант пятифакторной модели:
2 = 0,717X1 + 0,847X2 + 3,107X3 +
+0,42X4 + 0,995X5,
где Х4 - отношение балансовой стоимости собственного капитала к заемному капиталу.
Если 2 < 1,23, предприятие признается банкротом. При значении 2 в диапазоне от 1,23 до 2,89 ситуация неопределенна, значение 2 более 2,9 присуще стабильным и финансово устойчивым компаниям.
В 1977 г. Эдвардом Альтманом была разработана семифакторная модель, которая позволяет прогнозировать банкротство на горизонте в пять лет с точностью до 70%. Из-за сложности вычислений данная модель практического распространения также не получила.
В целом модели Альтмана были полезны для экономической науки второй половины XX в., так как дали толчок развитию риск-менеджмента, они применимы, когда в наличии однородность и репрезентативность событий выживания или банкротства обосновываются модельно.
Но ключевым ограничением этих методов является не только проблема качественной статистики, а еще и уникальность каждой компании. Предприятия имеют разный уровень вероятности банкротства, так как имеют отличительные особенности, и «смерть» для одной компании, может быть вполне приемлемым способом существования для другой. Поэтому в нынешней ситуации, при непохожести предприятий, применение моделей Альтмана, основанных на статистической вероятности, учитывающей характеристики генеральной совокупности событий, не имеет практической значимости.
Большинство современных российских ученых-экономистов считают, что применение модели Альтмана для оценки риска банкротства современных российских компаний возможно только с оговорками. Это связано в первую очередь с тем, что модель была построена и апробирована по данным американских компаний, при этом в каждой стране принципы и специфика организации бизнеса свои и развиваются по-разному.
Кроме того, модель Альтмана была построена в первой половине прошлого столетия. За истекшие годы экономическая ситуация изменилась во всем мире, и потому совершенно не очевидно, что повторение анализа по методике Альтмана на более поздних данных оставило бы структурный состав модели без изменения [4].
В 1977 г. британские ученые Р. Таффлер и Г. Тишоу апробировали подход Альтмана на осно-
ве данных 80 британских компаний и построили четырехфакторную прогнозную модель с отличающимся набором факторов, которая включает в себя измерение прибыльности, соответствия оборотного капитала, финансового риска и ликвидности. Формула расчета имеет следующий вид:
2 = 0,53 X1 + 0,13 X 2 + 0,18 X 3 + 0,16 X 4, где Х1 - отношение прибыли от реализации к краткосрочным обязательствам; Х2 - отношение оборотных активов за вычетом налога на добавленную стоимость к сумме долгосрочных и краткосрочных обязательств; Х3 - отношение краткосрочных обязательств к итогу по пассиву;
Х4 - отношение выручки к итогу по пассиву. При Ъ > 0,3 вероятность банкротства низкая, а при Ъ < 0,2 - высокая.
Финансовый аналитик Уильям Бивер предложил исследовать тренды показателей для диагностики банкротства. Показатели сравниваются с их нормативными значениями для трех состояний фирмы: для благополучных компаний, для фирм, обанкротившихся в течение года и ставших банкротами в течение пяти лет.
Французы Ж. Конан и М. Голдер разработали модель, позволяющую оценить вероятность задержки фирмой платежей. Наибольшую роль играет показатель отношения финансовых издержек к выручке от реализации. Влияние этого фактора превышает совокупное влияние всех остальных.
Исходя из многообразия методов оценки банкротства предприятий, оказывается сложным выбрать оптимальный (т.е. тот, который дает наиболее точный прогноз) применительно к конкретной компании. Разные прогнозные системы зачастую дают противоположные значения, ориентироваться на которые не представляется возможным.
Кроме того, для разных стран характерны свои особенности построения бизнеса, внутренние и внешние экономические, политические и другие условия, неизбежно влияющие на жизнедеятельность предприятий. Корректно ли было бы оценивать риск банкротства российских корпораций с помощью иностранных моделей? Этот вопрос остается актуальным и сегодня.
Использование западных моделей для российской экономики затруднительно, поэтому отечественные экономисты разрабатывали собственные модели прогнозирования риска банкротства или адаптировали западные.
Отечественный вариант интегральной балльной оценки финансовой устойчивости предложил В. Ковалев. Данный вариант учитывает комплексный показатель, в котором значения весовых множителей выражают степень значимости каждого коэффициента.
Среди отечественных моделей диагностики риска банкротства предприятий можно выделить модель, разработанную учеными Иркутской государственной экономической академии (с 2002 г. -Байкальский государственный университет экономики и права»)1.
В основе этой модели лежит четырехфактор-ная модель. На основе регрессионного уравнения рассчитывают интегральный показатель Я риска банкротства предприятия. В зависимости от его значения делается вывод о вероятности наступления банкротства [11]. Формула расчета имеет вид:
Я = 8,38X1 + X2 + 0,054X3 + 0,63X4, где X! - отношение чистого оборотного (работающего) капитала к активам; Х2 - отношение чистой прибыли к собственному капиталу;
Х3 - отношение чистого дохода к валюте баланса;
Х4 - отношение чистой прибыли к суммарным затратам.
Значения показателей, полученных в этой модели, приведены в табл. 1.
Таблица 1 Связь значения показателя Я и вероятности банкротства
Значение R Вероятность банкротства Проценты
Меньше 0 Максимальная 90-100
0-0,18 Высокая 60-80
0,18-0,32 Средняя 20-35
0,32-0,42 Низкая 15-20
Больше 0,42 Минимальная до 10
1 В январе - марте 1997 г. в Иркутске провели опрос директоров торговых негосударственных предприятий, в ходе которого был получен ответ на следующий вопрос: «С помощью каких показателей вы оцениваете состояние своего бизнеса и работу всей фирмы?». 96% респондентов ответили, что делали это, используя вариацию следующих показателей: сумма чистой прибыли; выручка от реализации; затраты на производство и реализацию продукции; величина собственного капитала предприятия; размер собственного капитала и всего капитала предприятия. На основе обобщения данных были отобраны тринадцать оценочных показателей (отношение чистого оборотного капитала к активу, коэффициент оборачиваемости активов, оборотного капитала, финансовый рычаг, удельный вес собственного капитала предприятия в активах и др.).
Учеными Казанского государственного технологического университета была разработана методика прогнозирования банкротства с учетом специфики отраслей, в которой расчет класса кредитоспособности связан с классификацией оборотных активов по степени их ликвидности.
В Сбербанке России была разработана методика, позволяющая установить рейтинг заемщиков. Рассчитывается ряд показателей, характеризующих платежеспособность организации. Определение динамики оценочных параметров позволяет установить возможность возникновения критической ситуации.
По мнению авторов, основанному на выполненных расчетах, если говорить о российских моделях оценки риска банкротства предприятий, наиболее объективные показатели именно для российских корпораций может дать отечественная модель, разработанная учеными Иркутской государственной экономической академии.
Для оценки возможностей применения моделей отечественной и зарубежной экономических школ на практике, а также оценки корректности
Расчет по модели Альтмана р1 российских нефтяных
их показателей был проведен анализ риска банкротства крупнейших российских нефтяных корпораций: ОАО «ЛУКОЙЛ», ОАО «Газпром нефть», ОАО «Сургутнефтегаз», ОАО «НГК «Славнефть» и ОАО «Татнефть» по данным финансовой отчетности за 2012 г. с использованием пятифакторной 2-модели Альтмана и четырехфакторной модели Иркутской государственной экономической академии (табл. 2, 3).
В соответствии с расчетами рисков банкротства по модели Альтмана корпорации ОАО «ЛУКОЙЛ» и ОАО «Газпром нефть» находятся в «зоне неопределенности» [4], и риск банкротства не превышает 50% (показатель 2 равен 1,95 и 2,43 соответственно). При этом в соответствии с расчетами по R-мо-дели Иркутсткой государственной экономической академии корпорации находятся вне зоны риска банкротства, так как показатель Я превышает минимальное значение коэффициента при минимальной вероятности банкротства 0,42 в 4 раза для корпорации ОАО «ЛУКОЙЛ» и более чем в 4,5 раза для корпорации ОАО «Газпром нефть» и составляют соответственно 1,78 и 2,00.
Таблица 2
1ска банкротства крупнейших
корпораций, тыс. руб.
Показатель, формула расчета ОАО «ЛУКОЙЛ» ОАО «Газпром нефть» ОАО «татнефть» ОАО «Сургутнефтегаз» ОАО «Славнефть»
Дебиторская задолженность (более 12 мес.) 1 792 380 5 380 741 5G8139G 752 253 838 17282 147
Оборотные активы, итого 514 298 970 362 369 384 3G7 369 374 559 753 661 36 991 016
Баланс по активу 1 188 846 824 754 684 730 474 562 66G 1 797 065 707 61 892 515
Капитал и резервы, итого 739 295 138 337 943 037 378 499 81G 1 689 895 213 7 019211
Долгосрочные обязательства 2 523 621 161 940 777 41 483 798 36 381 518 41 898 582
Краткосрочные обязательства 447 028 065 254 800 916 54 579 G52 70 788 976 12 974 722
Баланс по пассиву 1 188 846 824 754 684 730 474 562 66G 1 797 065 707 61 892 515
Выручка от реализации 39 906 776 7 546 844 730 344 563 268 815 574 432 11 056 322
Прибыль до налогообложения 218 699 713 905 513 681 86 933 419 194 958 484 3 713 366
Чистая прибыль 217 807 128 96 869 985 66 7G7 36G 160 940 341 3 496 320
2 = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + Х5 1,95 2,43 4,52 10,62 0,66
Х1 = (Оборотные активы - Дебиторская 0,06 0,14 0,52 0,19 0,11
задолженность (более 12 мес.) -
- Краткосрочные обязательства) /
Баланс по активу
Х2 = Чистая прибыль /Баланс по активу 0,18 0,11 0,14 0,09 0,06
Х3 = Прибыль до налогообложения / 0,18 0,13 0,18 0,11 0,06
Баланс по активу
Х4 = Капитал и резервы / 1,64 0,81 3,94 15,77 0,13
(Долгосрочные обязательства +
+ Краткосрочные обязательства)
Х5 = Выручка от реализации / 0,03 1,20 0,73 0,45 0,18
Баланс по активу
Риск банкротства, % 35-50 35-50 Менее 10 80-100
Таблица 3
расчет риска банкротства крупнейших российских нефтяных корпораций по четырехфакторной модели иркутской государственной экономической академии, тыс. руб.
показатель, формула оао «лукойл» оАо «Тазп-ром нефть» ОАО «Татнефть» ОАО «Сургутнефтегаз» ОАО «Славнефть»
Дебиторская задолженность (более 12 мес.) 1 792 380 5 380 741 5081 390 752 253 838 17 282 147
Оборотные активы (итого) 514 298 970 362 369 384 307369 374 559 753 661 36 991 016
Баланс по активу 1 188 846 824 754 684 730 474562 660 1 797 065 707 61 892 515
Капитал и резервы (итого) 739 295 138 337 943 037 378499 810 1 689 895 213 7 019211
Доходы будущих периодов 0 125 623 6 433 938 530 0
Долгосрочные обязательства 2 523 621 161 940 777 41483 798 36 381 518 41 898 582
Краткосрочные обязательства 447 028 065 254 800 916 54579 052 70 788 976 12 974 722
Баланс по пассиву 1 188 846 824 754 684 730 474562 660 1 797 065 707 61 892 515
Выручка от реализации 39 906 776 754 684 4 730 344563 268 815 574 432 11 056 322
Прибыль до налогообложения 218 699 713 905 513 681 86933 419 194 958 484 3 713 366
Чистая прибыль 217 807 128 96 869 985 66707 360 160 940 341 3 496 320
Себестоимость 18 250 260 764 099 211 -207395 142 536 945 509 7 945 405
Коммерческие расходы 870 807 59 940 681 -35083 893 63 439 639 92
Управленческие расходы 16 282 487 13 638 359 0 0 2 193 213
Проценты к уплате 20 427 133 13 697 647 -2939719 161 343 343
Прочие расходы 78 034 697 726 229 807 -23582 524 1 186 711 352 15 291 000
Я = 8,38X1 + Х2 + 0,054X3 + 0,63X4 1,78 2,00 4,43 1,74 1,50
XI = (Оборотные активы - Дебиторская 0,06 0,14 0,52 0,19 0,11
задолженность (более 12 мес.) -
- Краткосрочные обязательства - Доходы
будущих периодов) / Баланс по активу
X2 = Чистая прибыль / Капиталы 0,29 0,18 0,10 0,50
и резервы
X3 = Выручка от реализации / Баланс по 0,03 10,00 0,73 0,45 0,18
активу
X4 = Чистая прибыль / 1,63 0,06 -0,25 0,09 0,14
(Себестоимость+ Коммерческие расходы +
+ Управленческие расходы +
+ Проценты к уплате + Прочие расходы
Риск банкротства, % До 10
Данные расчетов показывают, что модели Альтмана и Иркутской государственной экономической академии расходятся в оценке риска банкротства. Принимая во внимание финансовые показатели отчетности за 2012 г. для выбранных корпораций, авторы полагают, что модель Альтмана неадекватно оценивает риск банкротства российских компаний нефтегазового сектора.
В противоречие вступают и расчеты показателей 2 и Я для корпорации ОАО «НГК Славнефть». Показатель 2, равный 0,66, свидетельствует о высоком риске банкротства для корпорации в ближайшее время (от 80 до 100%) и о финансовой неустойчивости. При этом показатель Я, составляющий 1,5, превышает минимальный показатель 0,42 в более чем 3 раза, говоря о минимальных рисках банкротства для компании.
Вместе с тем заметим, что показатели 2 и Я для корпораций ОАО «Татнефть» и ОАО «Сургутнефтегаз», равные соответственно 4,52 и 10,62 для ОАО «Татнефть» и 1,74 и 10,62 для «Сургутнефтегаз», говорят о том, что обе корпорации находятся вне зоны банкротства и риски минимальны (менее 10%).
Таким образом, проанализировав теоретические аспекты выбора моделей анализа риска банкротства и показатели каждой компании, работающей на российском нефтяном рынке, а также проделав соответствующие расчеты, можно сделать выводы, что параметры риска банкротства по моделям Альтмана и Иркутской государственной экономической академии противоречат друг другу.
Рассмотрев финансовые результаты корпораций по итогам 2012 г., не вдаваясь при этом в глубокое изучение показателей, можно говорить
об устойчивом финансовом положении выбранных компаний и отсутствии у них серьезных проблем, связанных с ликвидностью и кредитоспособностью. Прогнозные же значения, рассчитанные по модели Альтмана, однозначно противоречат этим выводам.
Следовательно, авторы на практике убедились, что мнение большинства российских экономистов, утверждающих, что модель Альтмана неадекватна в современных российских реалиях, абсолютно оправданно. Отобранные ученым в середине прошлого столетия наиболее значимые для прогноза аналитические коэффициенты сегодня в нашей стране не отражают реальной картины и не могут использоваться для расчета прогнозных значений.
На взгляд авторов, это связано прежде всего с конъюнктурой российского рынка, особенностями развития корпораций, а также значительным влиянием внешних факторов на деятельность компаний, в том числе серьезное государственное участие в экономических процессах. Вместе с тем нельзя утверждать, что применение иркутской модели исключает использование перечисленных факторов. Используемые для расчетов по данной модели коэффициенты максимально «подстроены» под российскую действительность и наиболее адекватно отражают прогнозные значения.
Для оценки компаний нефтегазового сектора России, учитывая особенности отечественного рынка, едва ли подходит модель Альтмана: она не была опробована в российских компаниях, а также в современной ситуации потеряла свою актуальность. Четырехфакторная иркутская модель, рассчитанная в условиях РФ, оказывается для отечественных предприятий наиболее предпочтительной.
Очевидно, выбирая модель оценки риска банкротства, необходимо учитывать ряд национальных, экономических и других особенностей, которые неизбежно влияют на работу корпораций в конкретной стране.
Список литературы
1. Анализ несостоятельности предприятия. URL: http://bankrotstvo.do.am/news/model_tafflera/2011-02-19-17.
2. Байнев В.Ф. Антикризисное управление: учеб. пособие. Минск: БГУ, 2002. 144 с.
3. Жданов В.Ю., Афанасьева О.А. Разработки модели диагностики риска банкротства для авиапредприятий. URL: http://uecs.ru/uecs-32-322011/ item/581-2011-08-29-06-27-28.
4. Ковалев В.В., Ковалев Вит. В. Корпоративные финансы и учет: понятия, алгоритмы, показатели: учеб. пособие. 2-е изд., перераб. и доп. М.: Проспект, 2014. 875 с.
5. Модели Альтмана - двухфакторная, пяти-факторная (Z-модель, Z-счет). URL: http://finance-m.info/bankruptcy_model_altman_z_score.html.
6. Модель Альтмана (Z-score). Пример расчета. URL: http: //afdanalyse. ru/publ/finansovyj _analiz/1 / bankrot_1/13-1-0-10.
7. Модель Альтмана: прогнозирование банкротства. URL: http://www.finchas.ru/otsenka-veroyatnosti-bankrotstva/599-model-altmana-prognozirovanie-bankrotstva.
8. Модель прогноза риска банкротства ИГЭА. URL: http://apelfin.narod.ru/finanalis/igea.html.
9. Модель Таффлера для прогнозирования риска банкротства предприятий. URL: http://www. beintrend.ru/2011-06-08-11-07-03.
10. Прогнозирование вероятности банкротства на основе модели Таффлера. URL: http://orgtm. ru/story/prognozirovanie-veroyatnosti-bankrotstva-na-osnove-modeli-tafflera.
11. Рубан Т.Е., Байдаус П.В. Анализ методик прогнозирования банкротства на основе использования финансовых показателей. Донецк: ДонНТУ, 2003. 942 с.
12. Aziz M., Dar H., Predicting corporate bankruptcy - where we stand? // Corporate Governance Journal. 2006. Vol. 6. № 1.
Financial analytics: science and experience Business assessment
ISSN 2311-8768 (Online) ISSN 2073-4484 (Print)
APPLIED ASPECTS OF DIAGNOSTICS OF THE BANKRUPTCY RISK OF MAJOR OIL CORPORATIONS
Lelya G. PASHTOVA, Marina O. EMEL'YANOVA, Polina G. SHASHKOVA
Abstract
Importance The assessment of the bankruptcy and business solvency risks is one of the most important aspects of the financial analysis. Proceeding from the variety of methods ofthe assessment of an enterprise's bankruptcy risk, it is rather complicated to choose the most optimal one (providing the most precise and adequate forecasting), which is applicable to a particular company and economic conditions, prevailing in the country. Objectives The article considers the most popular forecast models of the bankruptcy risk assessment including the Taffler model, a couple of the Altman's models and also the four-factor model of the Irkutsk State Economic Academy (hereinafter referred to as the ISEA R-model).
Methods In order to assess the possibilities of the use of different models in practice, and to obtain adequate results for the Russian economy, we have analyzed the bankruptcy risk by using the five-factor Altman's model (Z-model) and the ISEA R-model on the basis of the financial reporting for 2012 of the Russian major oil companies, such as ОАО LUKOIL, ОАО Gazpromneft, ОАО Surgutneftegaz, ОАО NGK Slavneft and ОАО Tatneft.
Results The computed data demonstrated that the Z-model and ISEA R-model differ absolutely in the bankruptcy risk assessment of the Russian oil corporations. The data show that in order to adequately assess the risk of bankruptcy of the Russian corporations, is not possible to use the existing models. Conclusions and Relevance We have reached the conclusion that while choosing a model of the bankruptcy risk assessment, we should take into account various aspects of the national, economic and other specifics, which unavoidably influence the operation of corporations in the particular country. In order to estimate the risks for the Russian oil companies taking into account the specifics of the internal market, we hardly can use the Z-model because it has not been tried in Russian
companies, and it is not relevant for today. In this case, the ISEA R-model which has been estimated in the Russian environment is the most optimal one.
Keywords: financial condition, assessment, bankruptcy risk, creditworthiness, Altman's model, five-factor Z-model, Irkutsk State Economic Academy model, four-factor R-model, Russian oil company
References
1. Analiz nesostoyatel'nosti predpriyatiya [An analysis of enterprise's insolvency]. Available at: http://bankrotstvo.do.am/news/model_tafflera/2011-02-19-17. (In Russ.)
2. Bainev V.F. Antikrizisnoe upravlenie: ucheb. posobie [Anti-crisis management: a manual]. Minsk, BSU Publ., 2002, 144 p.
3. Zhdanov V.Yu., Afanas'eva O.A. Razrabotki modeli diagnostiki riska bankrotstva dlya aviapred-priyatii [The development of the model of bankruptcy risk diagnostics for the aviation enterprises]. Available at: http://uecs.ru/uecs-32-322011/item/5 81-2011 -0829-06-27-28. (In Russ.)
4. Kovalev V.V., Kovalev Vit. V. Korporativnye finansy i uchet: ponyatiya, algoritmy, pokazateli: ucheb. posobie [Corporate finance and accounting: concepts, algorithms, performance: a textbook]. Moscow, Prospekt Publ., 2014, 875 p.
5. Modeli Al 'tmana - dvukhfaktornaya, pyatifak-tornaya (Z-model', Z-schet). [Altman's models: two-factor, five-factor (Z-model, Z-score model)]. Available at: http://finance-m.info/bankruptcy_model_altman_z_ score.html. (In Russ.)
6. Model'Al'tmana (Z-score). Primer rascheta [Altman's model (Z-score). Sample calculations]. Available at: http://afdanalyse.ru/publ/finansovyj_anal-iz/1/bankrot_1/13-1-0-10. (In Russ.)
7. Model'Al 'tmana: prognozirovanie bankrotstva [Altman's model: predicting the bankruptcy]. Available
at: http://www.finchas.ru/otsenka-veroyatnosti-bank-rotstva/599-model-altmana-prognozirovanie-bankrot-stva. (In Russ.)
8. Model' prognoza riska bankrotstva IGEA [The ISEA bankruptcy risk prediction model]. Available at: http://apelfin.narod.ru/finanalis/igea.html. (In Russ.)
9. Model' Tafflera dlya prognozirovaniya riska bankrotstvapredpriyatii [The Taffler's model for forecasting the bankruptcy risk of enterprises]. Available at: http://www.beintrend.ru/2011-06-08-11-07-03. (In Russ.)
10. Prognozirovanie veroyatnosti bankrotstva na osnove modeli Tafflera [Forecasting the bankruptcy probability using the Taffler model]. Available at: http:// orgtm.ru/story/prognozirovanie-veroyatnosti-bankrot-stva-na-osnove-modeli-tafflera. (In Russ.)
11. Ruban T.E., Baidaus P.V. Analiz metodik prognozirovaniya bankrotstva na osnove ispol 'zovaniya finansovykh pokazatelei [An analysis of bankruptcy prediction techniques using financial ratios]. Donetsk,
Donetsk National Technical University Publ., 2003, 942 p.
12. Aziz M., Dar H. Predicting corporate bankruptcy: where we stand? Corporate Governance Journal, 2006, vol. 6, no. 1.
Lelya G. PASHTOVA
Financial University under Government of Russian Federation, Moscow, Russian Federation [email protected]
Marina O. EMEL'YANOVA
Financial University under Government of Russian Federation, Moscow, Russian Federation [email protected]
Polina G. SHASHKOVA
Financial University under Government of Russian Federation, Moscow, Russian Federation [email protected]
