Научная статья на тему 'Применение мультипликативного анализа и аддитивного рейтингового подхода для оценки финансового состояния организаций аграрного сектора'

Применение мультипликативного анализа и аддитивного рейтингового подхода для оценки финансового состояния организаций аграрного сектора Текст научной статьи по специальности «Экономика и бизнес»

CC BY
401
78
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
СЕЛЬСКОЕ ХОЗЯЙСТВО / ЭКСПРЕСС-МЕТОД / АНАЛИЗ / ФИНАНСОВОЕ СОСТОЯНИЕ

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Жминько Н.С.

В условиях ограниченности времени принятия управленческих решений экспресс-модели анализа риска банкротства получили наибольшее распространение. От корректности применяемой методики анализа зависят дальнейшие действия, связанные с выбором стратегии и тактики развития организации. Результаты исследования показали, что существующие методики не способны учитывать особенности сельскохозяйственного сектора и не рекомендуются к использованию.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Жминько Н.С.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Применение мультипликативного анализа и аддитивного рейтингового подхода для оценки финансового состояния организаций аграрного сектора»

8(263) - 2012

Антикризисное управление

УДК 685.1

ПРИМЕНЕНИЕ МУЛЬТИПЛИКАТИВНОГО АНАЛИЗА И АДДИТИВНОГО РЕЙТИНГОВОГО ПОДХОДА ДЛЯ ОЦЕНКИ ФИНАНСОВОГО СОСТОЯНИЯ ОРГАНИЗАЦИЙ АГРАРНОГО СЕКТОРА

Н. С. ЖМИНЬКО,

аспирант кафедры аудита E-mail: nadezhda88s@yandex. ru Кубанский государственный аграрный университет

В условиях ограниченности времени принятия управленческих решений экспресс-модели анализа риска банкротства получили наибольшее распространение. От корректности применяемой методики анализа зависят дальнейшие действия, связанные с выбором стратегии и тактики развития организации. Результаты исследования показали, что существующие методики не способны учитывать особенности сельскохозяйственного сектора и не рекомендуются к использованию.

Ключевые слова: сельское хозяйство, экспресс-метод, анализ, финансовое состояние.

Агропромышленный сектор экономики является определяющим рычагом обеспечения продовольственной безопасности страны, обусловливая необходимость своего развития и всесторонней поддержки. Задача удовлетворения потребностей населения в качественных продуктах питания по приемлемым ценам решается посредством эффективной экономической деятельности каждой организации в отдельности.

В настоящее время управленческий аппарат производителей сельскохозяйственной продукции остро нуждается в гибкой и оперативной системе

финансового менеджмента, что невозможно без экспресс-методов оценки рисков банкротства.

Существующее многообразие моделей оценки финансового состояния организаций на практике порождает проблему выбора аналитиками наиболее приемлемой для анализа методики, что снижает оперативность диагностики несостоятельности и скорость принятия адекватного ситуации управленческого решения.

Это предопределяет необходимость проведения исследований в части приемлемости современных методик для оценки финансового состояния хозяйствующих субъектов в текущих экономических условиях.

Условно все существующие модели можно разделить на рейтинговые (в том числе балльной оценки) и дискриминантные (основанные на MDA -Multiple Discriminate Analysis - мультипликативном дискриминантном анализе).

Дискриминантные модели базируются на статистических методах, целью которых является нахождение зависимости определенного класса финансового состояния от значений конкретного набора отобранных финансовых показателей.

Общий вид дискриминантной функции представлен следующей формулой:

п

% = Е а х*'

г=1

где а. - весовые коэффициенты,

х . - показатели, характеризующие финансовое состояние организации.

Весовые коэффициенты рассчитываются в результате статистической обработки данных по выборке финансового состояния организаций. Если уровень Z-оценки исследуемой организации находится ниже установленного автором значения, то при сохранении условий финансовой деятельности оно обанкротится. Если руководство организации, осознав финансовые трудности, предпринимает шаги для предотвращения усугубления ситуации, то банкротство не произойдет, следовательно, Z-оценка является сигналом раннего предупреждения.

Рассмотрим наиболее часто используемые дискриминантные модели диагностики с позиции оценки перспектив деятельности сельскохозяйственных организаций.

Примером постановки и решения задачи прогнозирования банкротства организаций является двухфакторная модель профессора Нью-Йоркского университета Э. Альтмана (1968 г.):

2 = -0,3877 - 1,0736 х1 + 0,0579 х2, где х1 - коэффициент текущей ликвидности;

х2 - удельный вес заемных средств в пассивах. Для предприятий, у которых Ъ = 0, вероятность обанкротиться равна 50 %. Если 2 < 0, то вероятность банкротства меньше 50 % и далее снижается по мере уменьшения 2. Если X > 0, то вероятность банкротства больше 50 % и возрастает с увеличением 2 [15].

Большинство экономистов придерживаются точки зрения, что прогнозирование банкротства с помощью двухфакторной модели не обеспечивает высокой точности, так как не учитывает влияния на финансовое положение других важных показателей. Профессор М. А. Федотова считает, что для повышения точности прогноза необходимо добавить третий показатель - рентабельность активов [12]. По мнению профессора Н. П. Любушина, недостатком модели явилось отсутствие таких факторов риска, как показатели рентабельности, деловой активности, отдачи активов и т. д. [7].

Тестирование предсказательной способности данной модели, проведенное учеными Кубанского государственного аграрного университета (КубГАУ)

на базе 56 сельскохозяйственных организаций, показало полное ее отсутствие. Модель с одинаковой вероятностью признает жизнеспособную организацию банкротом и наоборот. Это свидетельствует о невозможности ее использования для оценки перспектив развития организаций сельскохозяйственного направления.

Пятифакторная модель прогнозирования банкротства Э. Альтмана (1968 г.) характеризует разные стороны финансового положения предприятия, что объясняет ее популярность среди аналитиков и в наше время:

2 = 1,2 х1 + 1,4 х2 + 3,3 х3 + 0,6 х4 + 1,0 х5,

где х1 =

х5 =

Собственный оборотный капитал

Сумма активов Нераспределенная прибыль за вычетом дивидендов Сумма активов Прибыль до уплаты процентов Сумма активов Объем активов Сумма заемного капитала' Выручка

Сумма активов

Согласно авторской разработке, если 2 < 1,81, то вероятность банкротства очень высокая;. 1,81 < 2 < 2,765 - вероятность банкротства средняя; 2,765 < 2 < 2,99 - вероятность банкротства невелика, 2 > 2,99 - вероятность банкротства ничтожна.

По мнению профессора Г. В. Савицкой, в модели делается чрезмерный акцент на доле собственных источников в формировании активов и на рентабельности активов [10]. Профессор В. В. Ковалев выделил лишь один существенный недостаток: рассматривать методику можно лишь в отношении крупных компаний, котирующих свои акции на биржах [13].

Профессор Г. В. Давыдова и А. Ю. Беликов утверждают, что особенности российской действительности не позволяют механически использовать данную модель. Ученые придерживаются мнения, что попытки решить задачу путем изменения числовых значений коэффициентов модели бесперспективны. Различия в условиях экономики России и США настолько велики, что модели для прогнозирования банкротства предприятий в России должны строиться на иной группировке показателей [3].

*2 =

х4 =

Исследование, проведенное учеными КубГАУ, позволило оценить предсказательный уровень модели, составивший 78,6 %. Низкое значение уровня свидетельствует о сомнительности применения методики при анализе деятельности сельхозпроизводителей.

В 1983 г. Э. Альтман усовершенствовал свою модель для более точного прогнозирования банкротства промышленных и непромышленных предприятий. Усовершенствованная модель для производственных организаций имеет следующий вид:

2 = 0,717 хх + 0,847 x2 + 3,107 x3 + 0,42 x4 +0,995 x5, для непроизводственных:

2 = 6,56 x1 + 3,26 x2 + 6,72 x3 + 1,05 x4,

где х =

где х1 —

Собственный оборотный капитал Сумма активов

= Нераспределенная прибыль

х2 = ;

Сумма активов

Прибыль до уплаты процентов

хз = ;

Сумма активов

Балансовая стоимость собственного капитала

Х4 = ;

Сумма заемного капитала = Выручка

х5 — *

Сумма активов

Для производственных предприятий критерием банкротства считается 2 < 1,23, промежуток 1,23 < 2 < 2,9 является зоной неопределенности, при 2 > 2,9 вероятность банкротства ничтожна. Для непроизводственных предприятий такими границами являются показания 2 = 1,1 и 2 = 2,6.

Исследования содержательного наполнения модели, проведенные Г. В. Савицкой, показали, что данная методика включает в себя факторы, дублирующие друг друга: рентабельность активов и коэффициент оборачиваемости активов. Как отмечает Н. П. Любушин, основным затруднением в использовании представленной методики является недостаток информации аналитического учета [7].

Ученые КубГАУ выявили завышенные критерии оценки финансового состояния и отсутствие устойчивой разделительной функции модели. Так, модель со 100 %-ной вероятностью признавая организации банкротами, всего лишь в 50 % случаев способна различить организации с отсутствием признаков банкротства, из-за чего отмечено сни-

жение общего предсказательного уровня до 75 %. Приобретение узкой специализации модели относительно экономики производственных организаций США снизило ее способность к прогнозированию в других экономических системах, что позволяет выразить сомнение в ее использовании для оценки и прогнозирования финансового состояния крупных и средних сельскохозяйственных организаций [6].

В 1972 г. Р. Лисом была разработана следующая экспресс-модель для экономических условий Великобритании [4]:

2 = 0,063 х1 + 0,092 х2 + 0,057 х3 + 0,001 х4, Оборотный капитал Сумма активов

= Прибыль от реализации

х2 = Т, ;

Сумма активов

= Нераспределенная прибыль

хз ;

Сумма активов Собственный капитал 4 Заемный капитал

Если 2 > 0,037, финансовое состояние характеризуется как устойчивое, если меньше - кризисное или предкризисное.

По мнению Н. П. Любушина, модель Лиса при анализе российских предприятий показывает несколько завышенные оценки, так как значительное влияние на итоговый показатель оказывает прибыль от продаж, без учета финансовой деятельности и налогового режима.

Исследования, проведенные учеными КубГАУ, позволили выявить статичность прогнозных результатов на фоне общего снижения достоверности прогноза до 75 % случаев, что недостаточно для уверенного анализа с ее использованием.

В 1997 г. Э. Теффлер предложил следующую формулу [4]:

2 = 0,53 х1 + 0,13 х2 + 0,18 х3 + 0,16 х4,

где х —

Прибыль от реализации

1 Краткосрочные обязательства' Оборотные активы Сумма обязательств' Краткосрочные обязательства Сумма активов Выручка

Сумма активов

Значение 2 > 0,3 указывает на отсутствие финансового кризиса и условия наименьших рисков; 2 < 0,2 - вероятность банкротства высокая.

После тестирования данной методики С. М. Пястловым был сделан вывод, что модель не способна отражать действительное сложившееся положение в организации [9].

По мнению Г. В. Савицкой, первый показатель играет предопределяющую роль, так, в результате незначительных колебаний экономической обстановки использование представленной модели может приводить к ошибочным выводам.

Практические исследования ученых КубГАУ показали, что модель способна достоверно прогнозировать финансовое состояние сельскохозяйственных организаций только в 64,3 % случаев, что является достаточно низким показателем.

Модель Г. В. Савицкой, разработанная в 1999 г. по данным сельскохозяйственных организаций Республики Белоруссия, имеет следующий вид: 2 = 0,111 х1 + 13,239 х2 + 1,676 х3 + 0,515 х4 + 3,8 х5, где х1 - коэффициент, определяющий долю собственного оборотного капитала в формировании оборотных активов;

х2 - величина оборотного капитала, приходящаяся на 1 руб. основного капитала; х3 - коэффициент оборачиваемости совокупного капитала;

х4 - рентабельность активов предприятия, %; х5 - коэффициент финансовой независимости (доля собственного капитала в общей валюте баланса).

Константа сравнения равна 8. Если величина

2 больше 8, то риск банкротства малый или отсутствует. При значении 2 < 8 риск банкротства присутствует: от 8 до 5 - небольшой, от 5 до 3 - средний, ниже

3 - большой, ниже 1 - полная несостоятельность.

Следует отметить, что сам автор в дальнейшем признал установленный чрезмерный акцент на соотношении оборотных и внеоборотных активов, вследствие чего незначительное его изменение оказывает существенное влияние на уровень интегрального показателя. Низкая прогнозная точность, выявленная учеными КубГАУ (57,1 %), была обнародована при тестировании модели на выборках отечественных организаций. Диагностика методики позволила выявить несоответствие заявленных автором критериальных констант реальным границам экономической несостоятельности сельскохозяйственных организаций.

В 1978 г. Г. Л. В. Спрингейтом на базе модели Альтмана была разработана следующая модель прогнозирования вероятности банкротства организаций:

2 = 1,03 х1 + 3,07 х2 + 0,66 х3 + 0,4 х4,

где х1 =

Х2 =

Оборотный капитал

Сумма активов Прибыль до налогообложения + + Проценты к уплате Сумма активов Прибыль до налогообложения

3 Краткосрочные обязательства' = Выручка от реализации

4 Сумма активов

При 2 < 0,862 организация является потенциальным банкротом.

Анализ Н. В. Васиной и Ю. С. Патласова на возможность применения данной модели выявил, что результаты явно сдвинуты в сторону краха, следовательно, применять ее следует в случае стратегии избежания риска, а также методом подбора можно ввести константу, корректирующую сдвиг, тем самым компенсировать несимметричность [2]. По мнению Е. И. Степаненко, имеющиеся подходы не учитывают рыночной специфики деятельности российских сельхозпредприятий [11].

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Диагностика модели на предмет репрезентативности и точности представленных коэффициентов показала изначально ограниченную совокупность коэффициентов, участвующих в отборе, что отражается на качестве получаемых результатов анализа оценки и прогнозирования финансового состояния организации.

Анализ существующих методик показал, что наиболее известные дискриминантные модели в основной своей массе представлены зарубежными авторами. Использование описанных моделей в российской практике анализа финансового состояния достаточно проблематично. Это вытекает из самой сути разработки модели. Особенностью данных моделей является отражение статистических закономерностей экономических систем, в которых они были созданы. Соответственно, применение зарубежных дискриминантных моделей в условиях сельскохозяйственного сектора Российской Федерации может давать неоднозначные результаты, зачастую не отражающие отечественной действительности.

Попытка создания принципиально новой, конкурентоспособной модели была предпринята в 2006 г. С. А. Кучеренко. Ученым разработана следующая модель диагностики финансового состояния крупных и средних сельскохозяйственных организаций Краснодарского края:

2 = 1,732 х1 + 12,488 х2 + 50,121 х3+ + 55^15 х4 + 32,148 х5, где х1 - коэффициент текущей ликвидности;

х2 - промежуточный коэффициент покрытия; х3 - удельный вес кредиторской задолженности в пассивах организации;

х4 - коэффициент финансовой независимости; х5 - коэффициент рентабельности продаж. Критерием экономической несостоятельности явилось значение показателя 2 менее 21,2. Интервал 2 от 21,2 до 38,7 определяет предкризисное финансовое состояние организации. 2 более 38,7, но менее 57,5 указывает на наличие удовлетворительного финансового состояния сельскохозяйственной организации. При 2 более 57,5 организация имеет хорошее финансовое состояние. Если 2 более 116,6, организация обладает значительным запасом финансовой устойчивости [6].

Преимуществом данной модели является разработка ее в отечественных условиях, что позволило достичь прогнозной способности на 12,5 % выше наиболее достоверного зарубежного аналога. Тем не менее рассматриваемая модель была создана на базе финансовых отчетов сельскохозяйственных организаций, осуществляющих свою деятельность в стабильных докризисных условиях, что значительно снижает ее прогнозную способность в условиях быстро меняющейся экономической ситуации.

Основным недостатком моделирования на базе MDA является необходимость в достаточно репрезентативной выборке предприятий, дифференцированных по видам экономической деятельности, размерам. Трудность заключается в том, что внутри вида экономической деятельности не всегда возможно найти достаточное количество обанкротившихся организаций, чтобы рассчитать весовые коэффициенты.

В отличие от MDA рейтинговое моделирование представляет собой субъективное квалификационное мнение аналитика, основанное на структурированном массиве наблюдений, не требующем большого количества обанкротившихся организаций. Рейтинговый подход может осуществляться с позиции балльной оценки или экспресс-моделирования.

Построение рейтинговых экспресс-моделей базируется на нахождении рейтингового числа, определяющего финансовое состояние эталонной организации. Рейтинговое число рассчитывается по следующей формуле:

я = 1 - К,

м Ц N ,

где Ц . - число показателей, используемых для рейтинговой оценки; К . - . -й коэффициент;

N - нормативное требование для . -го коэффициента;

1 / L N - весовой индекс коэффициента. Таким образом, при полном соответствии значений финансовых коэффициентов Кг.. Кь их нормативным минимальным уровням рейтинг предприятия будет равен единице, что соответствует рейтингу условно удовлетворительного предприятия. Финансовое состояние предприятий с рейтинговой оценкой менее единицы характеризуется как неудовлетворительное. В модель изначально закладываются теоретически достаточные или нормативные значения, характерные для финансово успешной организации.

К рейтинговым экспресс-моделям относят модели Р. С. Сайфуллина и Г. Г. Кадыкова, О. П. Зайцевой, ученых Иркутской государственной экономической академии. На балльной оценке основаны труды У. Бивера и методика, изложенная в Федеральном законе от 09.07.2002 № 83-ФЗ «О финансовом оздоровлении сельскохозяйственных товаропроизводителей». Рассмотрим перспективы применения данных моделей в условиях экономики сельского хозяйства.

Пятифакторная модель Р. С. Сайфуллина и Г. Г. Кадыкова имеет следующий вид:

Я = 2К1 + 0,1К2 + 0,08К3 + 0,45К4 + К5, где К1 - коэффициент обеспеченности собственными оборотными средствами; К2 - коэффициент текущей ликвидности; К3 - коэффициент оборачиваемости активов; К4 - коэффициент менеджмента (рентабельность продаж продукции); К5 - рентабельность собственного капитала

[14].

Исследования, проведенные Г. В. Савицкой, выявили, что рейтинговое число, завышающее уровень интегрального показателя обеспеченности собственными оборотными средствами, соответствующее двум, оказывает неравновесное влияние

на итоговое значение модели. Также в рассматриваемой модели имеется коэффициент К2, несущий наибольшую информативную нагрузку. При незначительном его изменении данные анализа могут не соответствовать действительности.

По мнению Н. П. Любушина, диагностика несостоятельности на базе этой модели не позволяет оценить причины попадания организации в зону неплатежеспособности [7].

Проведенные автором исследования показали, что применение данной модели в организациях сельхозпроизводителей для оперативного выявления кризисных или предкризисных ситуаций неэффективно, так как заложенные нормативные значения коэффициентов не соответствуют среднестатистическим показателям вида экономической деятельности. Применяя обратный расчет, согласно приведенной ранее формуле Я — ^—^^,

можно найти теоретически достаточные значения коэффициентов, заложенных в модель в качестве нормативных. Так, коэффициент оборачиваемости активов, заложенный автором в размере 2,5, для сельскохозяйственных организаций, имеющих годичный производственный цикл, явно завышен, а уровень рентабельности продаж, равный 0,44, является недостижимым для среднестатистического сельхозпроизводителя при реальном среднеотраслевом значении рентабельности - 0,09. Соответственно, при таких значениях критериев рейтинг любого аграрного формирования значительно занижается, что не способствует получению качественной аналитической информации для принятия адекватного управленческого решения.

Шестифакторная модель О. П. Зайцевой представлена следующим соотношением:

Я = 0,25 К1 + 0,1 К2 + 0,2 К3 + 0,25 К4 + + 0,1 К5+ 0,1 Кб, где К1 - коэффициент убыточности предприятия; К2 - коэффициент соотношения дебиторской и кредиторской задолженностей; К3 - коэффициент соотношения краткосрочных обязательств и наиболее ликвидных активов; К4 - убыточность продаж продукции; К5 - коэффициент соотношения заемного и собственного капиталов; Кб - коэффициент загрузки активов. При оценке финансового состоянии организации фактический комплексный коэффициент бан-

кротства необходимо сопоставить с нормативным, рассчитанным на основе рекомендуемых автором значений: К1 = 0, К2 = 1, К3 = 7, К4 = 0, К5 = 0,7, Кб = Кб в прошлом периоде. Если фактический коэффициент больше нормативного, то вероятность банкротства велика, если меньше - мала [14].

По мнению профессоров И. Е. Рисина и Ю. И. Трещевского, существенным недостатком данной модели является изначальная обратная трактовка традиционных коэффициентов, что приводит к усложнению методики, не увеличивая точности прогнозирования. В частности, коэффициент загрузки активов представлен как величина, обратная коэффициенту оборачиваемости активов, показатель соотношения краткосрочных обязательств и наиболее ликвидных активов - обратная величина показателя абсолютной ликвидности [1]. Исследования Г. В. Савицкой подтвердили несостоятельность данной модели.

Учеными Иркутской государственной экономической академии в 1997 г. предложена своя четырех-факторная модель прогноза риска кризиса: Я = 8,38 К1+ К2+0,54 К3 + 0,63 К4, где К1 - Оборотный капитал / Валюта баланса;

К2 - Чистая прибыль / Собственный капитал;

К3 - Выручка от реализации / Валюта баланса;

К4 - Чистая прибыль / Сумма общих затрат.

Вероятность банкротства предприятия в соответствии со значением модели определяется следующим образом: Я < 0 - вероятность банкротства максимальная (90-100 %); 0 < Я < 0,18 - высокая (60-80 %); 0,18 < Я < 0,32 - средняя (35-50 %); 0,32 < Я < 0,42 - низкая (15-20 %); Я > 0,42 - минимальная (до 10 %).

Результаты практического применения показали, что значение Я во многих случаях не коррелирует с данными оценки финансового состояния сельскохозяйственных организаций. В ряде случаев методика прогнозирует кризисную ситуацию, когда уже заметны ее очевидные признаки, редко - заранее. Существенным аргументом не в пользу методики является то, что учеными рассматривались поквартальные результаты деятельности торговых предприятий, в то время как полноценный анализ сельскохозяйственных производителей может быть проведен только по данным годовой бухгалтерской отчетности.

Балльная методика была предложена У. Бивером. Она представляет собой систему показателей, выделенных в результате анализа за пятилетний период

из числа 20 коэффициентов по группе компаний, половина из которых обанкротилась (табл. 1).

Коэффициет Бивера =

_ Чистая прибыль + Амортизация Заемный капитал К группе 1 относятся организации с запасом финансовой устойчивости; к группе 2 - организации за 5 лет до банкротства; к группе 3 - организации за 1 год до банкротства.

По мнению Е. Крившич, недостатком модели является ее слишком долгосрочный период для прогноза - от 1 года до 5 лет [5].

По мнению автора, применение коэффициента Бивера некорректно по причине различной трактовки составляющих показателя покрытия заемного капитала, основанных на американских аналитических данных 1960-1970-х гг., которые не соответствуют современным условиям экономической ситуации в России

Постановление Правительства Российской Федерации от 30.01.2003 №№ 52 «О реализации Федерального закона «О финансовом оздоровлении сель-

скохозяйственных товаропроизводителей» (вместе с «Методикой расчета показателей финансового состояния сельскохозяйственных товаропроизводителей», «Требованиями к участнику программы финансового оздоровления сельскохозяйственных товаропроизводителей») установило порядок расчета показателей финансового состояния сельскохозяйственных товаропроизводителей, учитываемых при определении условий реструктуризации долгов (табл. 2).

Сельскохозяйственным товаропроизводителям, отнесенным к первой группе финансовой устойчивости, предоставляется отсрочка погашения долга на 5 лет с последующей рассрочкой погашения долга в течение 4 лет; второй группе финансовой устойчивости - на 5 лет с последующей рассрочкой погашения долга в течение 5 лет; третьей группе финансовой устойчивости - на 6 лет с последующей рассрочкой погашения долга в течение 5 лет; к четвертой группе финансовой устойчивости - на 6 лет с последующей рассрочкой погашения долга в течение 6 лет; и к пятой - на 7 лет с последующей рассрочкой погашения долга в течение 6 лет [8].

Таблица 1

Система показателей Бивера

Показатель Значение показателя

Группа 1 Группа 2 Группа 3

Коэффициент Бивера 0,4-0,45 0,17 -0,15

Коэффициент текущей ликвидности 3,2-2 1-1,9 Меньше 1

Экономическая рентабельность, % 6-8 5,9-4 -22

Финансовый леверидж, %о Меньше 37 40-50 80 и более

Коэффициент покрытия активов собственными оборотными средствами 0,4 0,3-0,39 Около 0,06

Показатель Группа финансовой устойчивости

1 2 3 4 5

Коэффициент абсолютной 0,5 и более - 0,4-0,49 - 0,3-0,39 - 0,2-0,29 - Менее 0,2 -

ликвидности 20 баллов 16 баллов 12 баллов 8 баллов 4 балла

Коэффициент критической 1,5 и более - 1,4-1,49 - 1,3-1,39 - 1,2-1,29 - Менее 1,2 -

оценки 18 баллов 15 баллов 12 баллов 7,5 балла 3 балла

Коэффициент текущей 2 и более - 1,8-1,99 - 1,5-1,79 - 1,2-1,49 - Менее 1,2 -

ликвидности 16,5 балла 13,5 балла 9 баллов 4,5 балла 1,5 балла

Коэффициент обеспеченности 0,5 и более - 0,4-0,49 - 0,3-0,39 - 0,2-0,29 - Менее 0,2 -

собственными средствами 15 баллов 12 баллов 9 баллов 6 баллов 3 балла

Коэффициент финансовой 0,6 и более - 0,56-0,59 - 0,5-0,55 - 0,44-0,54 - Менее 0,44 -

независимости 17 баллов 14,2 балла 9,4 балла 4,4 балла 1 балл

Коэффициент финансовой независимости в отношении 1 и более -13,5 балла 0,9-0,99 -11 баллов 0,8-0,89 -8,5 балла 0,65-0,79 -4,8 балла Менее 0,65 -1 балл

формирования запасов и затрат

Значения границ группы 100-81,8 балла 81,7-60 баллов 59,9-35,3 балла 35,2-13,6 балла 13,5 и менее баллов

Таблица 2

Группы финансовой устойчивости сельскохозяйственных товаропроизводителей

Апробация представленного метода учеными КубГАУ по данным годовой бухгалтерской отчетности 146 организаций выявила, что критериальный диапазон каждого из показателей слишком узок, и фактически большинство организаций по тому или иному критерию оказывается выше или ниже наименьшего, т. е. абсолютно финансово устойчиво или несостоятельно. Также достаточно спорны по экономическому содержанию методики расчета представленных показателей, не расшифровывается постатейное содержание понятий, использованных в расчетах, таких как «Краткосрочные обязательства», «Собственные капитал и резервы», «Прочие краткосрочные обязательства».

По мнению автора, выявленные многочисленные существенные недостатки ставят под сомнение использование данной методики в аналитических целях.

Приведенные в работе выводы наглядно демонстрируют отсутствие твердой методологической базы в сфере оценки финансового состояния сельскохозяйственных организаций. Отраслевые особенности организаций АПК (большой удельный вес запасов, низкая рентабельность продаж, сезонность производства) предполагают разработку методики, адекватной сельскохозяйственной отрасли. Сложившаяся экономическая ситуация требует принципиально иного подхода к оценке показателей для включения в модель и к разработке весовых коэффициентов, характеризующих вклад в функцию каждого показателя.

Динамичность экономических условий предполагает наличие аналитического аппарата экспресс-оценки, способного корректироваться согласно экономической среде. В таких условиях дискри-минантный подход, основанный на статистической фиксации экономических условий, нецелесообразен. Это позволяет говорить о перспективности рейтинговых разработок, не требующих большого объема информации и способных отражать как текущую ситуацию в отрасли в целом, так и финансовое состояние отдельной организации.

Список литературы

1. Бочаров В. П., Рисин И. Е., ТрещевскийЮ. И. Политика социально-экономического развития региона: учеб. пособие. Воронеж: ИПБ ВГУ, 2007.

2 . Васина Н. В. Скоринговое моделирование и финансовая диагностика организаций на ос-

нове методики Сбербанка России / Н. В. Васина, Ю. С. Патласов // Проблемы современной экономики - евразийский международный научно-аналитический журнал. 2009. № 1.

3. Давыдова Г. В. Методика количественной оценки риска банкротства предприятий / Г. В. Давыдова, А. Ю. Беликов // Управление риском. 1999. № 3.

4. Кендалл М. Д., Стьюарт А. Многомерный статистический анализ и временные ряды / пер. с англ. М.: Наука, 1976.

5. Крившич Е. Контрагент под колпаком: оценить финансовое состояние партнера // Консультант. 2009. № 11.

6. Кучеренко С. А. Диагностика и прогнозирование финансового состояния сельскохозяйственных товаропроизводителей // Экономический анализ: теория и практика. 2007. № 23.

7. Любушин Н. П. Экономический анализ: учебник. М.: ЮНИТИ-ДАНА, 2010.

8. О реализации Федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей» (вместе с «Методикой расчета показателей финансового состояния сельскохозяйственных товаропроизводителей», «Требованиями к участнику программы финансового оздоровления сельскохозяйственных товаропроизводителей»): постановление Правительства Российской Федерации от 30.01.2003 № 52.

9. Пястлов С.М. Экономический анализ деятельности предприятий: учеб. пособие / М.: Академический проект, 2003.

10. Савицкая Г. В. Анализ хозяйственной деятельности: учеб. пособие. М.: ИНФРА-М, 2004.

11. Степаненко Е. И. Оценка воздействия системы финансово-экономических показателей на выбор стратегии развития сельскохозяйственных производителей с применением микромоделирования // Управленческий учет. 2008. № 5.

12 . Федорова Г. В. Финансовый анализ предприятий при угрозе банкротства. М.: Омега, 2003.

13. Финансовый менеджмент: учебник / под ред. проф. А. М. Ковалевой. М.: ИНФРА-М, 2004.

14 . Шеремет А. Д. Методика финансового анализа: учеб. пособие / А. Д. Шеремет, Р. С. Сай-фуллин, Е. В. Негашев. М.: ИНФРА-М, 2005.

15 . Altman E. Corporate Financial Distress. New York, Wiley, 1983.

i Надоели баннеры? Вы всегда можете отключить рекламу.