CC BY
78
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №5/2016 2410-700Х
8. Коське М.С., Мишучкова Ю.Г Затраты в российском бухгалтерском учете: экономическая сущность и нормативное закрепление // Международный бухгалтерский учет. 2015. № 32. С. 51-63.
9. Коське М.С., Шлаева А.В. Бухгалтерские и налоговые аспекты отражения технологических потерь // Вестник Оренбургского государственного университета. 2004. № 5. С. 76-80.
© Шевченко А.С., 2016
УДК 336
Чойжил Энхбаяр
канд. экон. наук, профессор МонГУ, г.Улаанбаатар, Монголия Содномдаваа Цолмон аспирант МонГУ г.Улаанбаатар, Монголия
ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ РИСКОВ БАНКРОТСВА В УСЛОВИЯХ МОНГОЛИИ
Аннотация
Проблемы моделирования рисков банкротсва хотя имеют общие основания и причинные связи, однако имеют свои особенности и вполне определенные ограничения их действий. Сегодня у нас в финансовом анализе большинство акционерных компаний, более того в Министерстве финансов, на Фондовом рынке использует модель Э.Альмана, причем образца 1968 года. Однако многими экономистами и экспертами довольно подробно выявлены недостатки модели Альтмана, что обуславливают отмеченные выше проблемы. Поэтому важно представить новую модель управления финансовыми рисками, соотвествующую нашим реалиям.
Ключевые слова
Финансовый риск, банкротство, модель Пробит
ЖЬ: 033, 014
В последнее время нашими экономистами и исследователями были сделаны первые попытки использовать различные подходы к прогнозированию финансовой ситуации, многие из которых довольно сильно проработаны в современной экономической науке. Однако из них только одна модель Альтмана используется в финансовом анализе ситуации и прогнозировании рисков банкротства, что было рекомедовано приказом №133 министра финансов от 11.05.2001 года и отражена в "Методике финансового анализа" для хозяйственных единиц нашей страны. Модель Альмана в первоначальном варианте была разработана и применена в США в 1948-1965 годах. Но сегодня по многим причинам не может соответствовать нашим условиям. Не только, потому что масштабы и структура нашей экономики не позволяет в полной мере использовать прогнозный потенциал модели Альтмана. Недостатки ее прежде всего в самой структуре модели, что правильно отмечают исследователи и практики. Например, Ъ - инкексы Альтмана не обладают устойчивостью к вариациям в исходных данных. Даже если предположить, что статистика, на которую опирается Альтман и его последователи, репрезентативна, то она, как минимум, не обладает важным свойством - статистической однородностью выборки событий. К тому же, при использовании Ъ -модели Альтмана возникают передержки. В университетских программах, учебниках по финансовому анализу, а также во всевозможных методиках, для наших компаний встречаем одну только формулу Альтмана образца 1968 года, и ни слова не говорится о допустимости этого соотношения в анализе ожидаемого банкротства в современных условиях. С таким же успехом в формуле Альтмана могли бы стоять
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №5/2016 ISSN 2410-700X_
любые другие веса, и это было бы столь же справедливо в отношении специфики экономики Монголии, как и исходные веса. Более того, пятифакторная Z - модель, на наш взгляд, неприменима для нашей экономики, поскольку имеет довольно сильную корреляцию с показателем фондоотдачи, которая прямо зависит от сферы финансово-хозяйственной деятельности компании. Эти и другие недостатки и ограничения применения модели Альмана отмечены в многочисленных исследованиях зарубежных авторов, в том числе особенно глубоко проработаны российскими учеными. Хотя у нас в финансовом анализе ситуаций на различных уровнях начиная с хозяйственных единиц, фондового рынка широко применяется модель Альтмана и довольно часто мы сталкиваемся с ее недостатками и ограничениями, но проблема разработки новой модели управления финансовыми рисками все еще остается почти нетронутой и мало исследованной.
В настоящее время разработан и применяется целый ряд теоретических моделей, начиная со самой первой модели, разработанной Э.Альтманым, а также созданной в 1935 году Смитом и Винокаром модели, продолженной и обогатившей этих работ модели, выдвинутой Мэрвином в 1942 году. В последующем западными учеными предложены другие модели/пятифакторная модель У.Бивера 1967.1972 гг., четырехфакторная Лисо 1983 г, и Таффлера 1989 г/. Российские исследователи работают довольно успешно в этом направлении и разрабатывают двух и четырехфакторные модели6, которые в той или иной мере устраняют присущие первым моделям недостатки и ограничения.
В разработке проблем моделирования финансовых ситуаций используются модели Artificial Neural Networks (ANN), Bayesian, Decision tree, Stacking variant methodology, support vector machine (SVM), C4.5, bagging (Taffler & Agarwal, 2007). Однако на более продвинутом анализе, как подчеркивали Смит и Винокар, следует использовать логит и пробит модели.
Не случайно, многие исследователи, к примеру Charalambos Altman, E.I. (1966), Spathis.T (1972), Belinna Bai, Jerome Yen (1982), Allayannis.U , Brown, G болон Klapper, L.F 2003), Beaver, W (1972), Vineet Agarwal болон Richard J. Taffler (2007), Albrecht, W. (2010), E. Falkensten, A. Boral и L. Carty (2012) использовали в своих работах логит модели.
Логит модель можно представить следующим образом: = f(ß,X{) + Ui. Здесь может иметь
значения 0 или 1. Когда значения = 1, вероятность будет P¿. если значения = 0 то вероятность равна
(1 — Pi). Вероятность P¿ у модели логит(ложит) починяется закону логистического распространения и P¡ =
i
E(Y = m) =ßi+ ß2Xt = i+e-(ßi+ß2X0.
Модель Пробит впервые была разработана Фадденом(M.Fadden) и общий вид модели выглядит следующим образом:
h = ßo + ßjXt + Ut
где,
Xi - объясняющий переменный
ß - соответствующий коэффициент объясняющих переменных
ut - внешний шок
А значение ït- определяется следующим образом: Пусть Pt имеет следующий вид:
If 1 —
Pt = p(yt = i) = Pt с I ^ It ) = F с It ) = J -r— * e 2 dt
Здесь It является значением обратной функции, подчиняющей закону нормального распространения доверительной вероятности качественных переменных.
То есть, It = F-1(Pt) = ß0 + ßjxt + ut (Fox, 2010).
В нашем анализе для определения степени финансовых рисков в различных компаниях нами использованы следующие модели/см. Табл. 1/.
6 Можно называть двухфакторную модель А.Д. Беликова и Лео Хао Суана, модель О.П. Зайцевой, модель Иркутской государственной экономической академии и др.
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №5/2016 ISSN 2410-700X_
Таблица 1
Модели российских и западных ученых, используемые в исследовании
Отметки Модели управления финансовых рисков Ниж. Обл.
ALT_1968 Модель Э.Альтмана для ОАК, 1968 г. Z<1.810
ALT_1977 Модель Э.Альтмана для ООО, 1978 г. Z<1.23
LISO Модель Лисо с 4-ми переменными, 1983 г. Z<0.037
TAFL Модель Таффлера с 4-ми переменными, 1989 Z<0.02
LHS Модель Лео Хао Суана с двумя переменными, 1999 г. Z<1.5457
BELIK Модель Беликова с 4-ми переменными, 1998 г. Z<0.18
MGL_2007 Модель основанная на 88 отчетностей, 2007 г. Z<-0,0697
MGL_2008 Модель основанная на 217 отчетностей, 2008 г. Z<-0.47819
При анализе использованы методы случайнной выборки и выбрано 460 финансовых отчетов 20102012 гг., 128 компаний, постоянно работающих на фондом рынке Монголии.
Таблица 2
Результат модели Альтмана(используется в Монголии)
Доверит. интервал A B C D E Всего
Кол. % Кол % Кол % Кол. % Кол % Кол %
Z<1.810 45 53.6 44 46.3 37 63.8 53 41.4 33 34.7 212 46.1
1.810< Z<2.67 8 9.5 8 8.4 3 5.2 16 12.5 5 5.3 40 8.7
Z=2.675 0 0.0 0 0.0 0 0.0 0 0.0 0 0.0 0 0.0
2.675<Z<2.990 2 2.4 8 8.4 1 1.7 5 3.9 1 1.1 17 3.7
Z>2.990 29 34.5 35 36.8 17 29.3 54 42.2 56 58.9 191 41.5
Всего 84 100 95 100 58 100 128 100 95 100 460 100
Источник: www.mse.mn
В результате анализа очтетов с помощью модели Э.Альтмана/1968/ мы имеем данные, что из компаний, финансовые отчеты которых быдт проанализированы, 46,1% стало банкротами, 12.4% - вполне возможно, что идут к банкротству, у 41.5% - почти нет рисков банкротства. Однако при более детальном анализа эти данные на практике далеко не подтверждаются и в большинстве случаев не соответсвовали реальной ситуации, сложивших в анализированных компаниях. Таким образом многие модели могут быть использованы в наших условиях с очень большой острожностью и при их применении следует учесть их недостатки и ограничения.
В дальнейшем анализе нами выбраны отчеты компаний, находящихся трудной финансовой ситуации и обанкротившихся, а также отдельно проанализированы отчеты компаний, надежных в финансовом отношении и успешно работающихся. Из нашего анализа выяснено, что 51 компаний можно считать обанкротившими.
Первое основание: Анализ финансовых отчетов с помощью моделей Альтмана, Таффлера, Лисо показали высокую степень рисков банкротства у этих 51 компаний. Поскольку анализ финансовых отчетов этих компаний показывает, что степень рисков банкротства у них при использовании любой из этих моделей расчета оказывается одинаково ниже нижнего порога значения/см. Табл. 3/.
Таблица 3
Результат отчетностей 51 компаний с высокими финансовыми рисками, по каждой модели
obs ALT_1968 ALT_1977 LISO TAFL LHS BELIK MGL_2007 MGL_2008
1 -3.2 -2.06 0.01 -0.02 1.54 -9.87 -1.35 -3.71
2 -0.28 -0.17 0.02 0.14 1.33 -2.01 -0.23 -0.62
50 -0.94 -0.55 0 0.18 0.91 -3.94 -0.24 -1.16
51 -1.36 -0.43 0.09 0.14 1.44 -9.13 -0.55 -0.77
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №5/2016 ISSN 2410-700X_
При использовании этих моделей автор допускает ограниченность их прогнозного потенциала, обусловленного их недостатками и ограничениями. Поэтому для проверки данных анализа и выводов нами использованы дополнительные критерии и обоснования.
Второе обоснование. При анализе финансовых отчетов этих 51 компании расчет основных факторов, влияющих на риски банкротства позволил делать выводы о их банкротстве. Однако для подтверждения данных выводов и их обосновния, нам кажется, все это недостаточным. Поэтому в дальнейшем сделан факторный анализ рисков банкротства/см. Табл. 4/.
Таблица 4
Результат отчетностей 51 компаний с высокими финансовыми рисками, по показателям
obs ALT1 ALT2 ALT3 ALT4 ALT5 LT1 LT2 LT3 LHS1 LHS2
1 -1.04 -1.13 -0.16 -0.08 0.21 0 0.19 -0.16 0 1.09
2 -0.26 -0.03 -0.09 0.27 0.22 0.18 0.1 -0.09 0.42 0.79
50 -0.47 -0.68 -0.03 1.06 0.02 0.02 0.02 -0.03 0.04 0.49
51 -0.98 -0.89 0.02 0.01 1.01 0.01 1.01 0.01 0.01 0.99
Учитывая все это нами разработана модель оценки финансовых рисков, соответствующая нашим реалиям с помощью программы EViews 7.0. Для выбора формулы основываясь на мульколленярный7 характер и статистическое значение оценичных параметров модель представил следующим образом.
Таблица 5
Оценка 1 : Результат модели Пробит Зависимый переменный: Z_TOTAL
Независимые переменные Параметр Стандарт ошибка Z статистик Вероят-ность
C (Свободный коэффициент) -12.79750 3.155582 -4.055512 0.0001
ALT2(нераспред. прибыль/всего активов) 0.950905 0.290699 3.271095 0.0011
ALT3 (прибыль до налога/всего активов) 8.481220 2.339373 3.625424 0.0003
ALT4 (собст. капитал/всего обязательств) 8.111706 2.122616 3.821561 0.0001
ALT5 (чистая выручка/всего активов) 8.402010 2.499475 3.361511 0.0008
LT1 (Оборот. средства/всего активов) 23.57324 6.065900 3.886191 0.0001
LHS2 (Обязательства/ всего активов) 3.591681 0.984326 3.648873 0.0003
S.E. of regression 0.078145 LR statistic (6 df) 304.9781
McFadden R-squared 0.950982 Akaike info criterion 0.064464
Из выше проведенной оценки McFadden R-squared составил очень высокий уровень или 95.1%. Кроме того статистическое значение LR равняется 304.9, что позволяет более объективно оценивать диагонастические тесты, используемые моделью в оценке рисков банкротства.
Таблица 6
Оценка 2: Достоверность или способность прогнозирования модели Пробит _Prediction Evaluation (success cutoff C = 0.5)_
Estimated Equation Constant Probability
Dep=0 Dep=1_Total Dep=0 Dep=1_Total
Correct 49 406 455 0 409 409
% Correct 96.08 99.27 98.91 0.00 100.00 88.91
% Incorrect 3.92 0.73 1.09 100.00 0.00 11.09
Total Gain* 96.08 -0.73 10.00
Percent Gain** 96.08 NA 90.20 _ _
Разработанная нами модель имеет способность прогнозировать риски банкротства для компании со риском фер=0) на 96.08%, а для компании со риском фер=1) способность ее прогнозировать ее финансовый отчет без риска достигает 99.27%. Более того, вне зависимости от того, у компании риски банкротства высоки или низки, данная модель одинаково работает эффективно и способность ее
7 Имеется ли высокая корреляция между независимыми переменными
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №5/2016 ISSN 2410-700X_
прогнозировать риски банкротства достигает 98.91%.
Поэтому данную модель можно использовать для любых акционерных компаний вне зависимости от их отраслевой принадлежности и выглядит следующим образом.
£ = -12.7254444 + 0.9445896 * ALT2 + 8.43767656 * ALT3 + 8.0678754 * ALT4 + 8.351263036 * ALT5 + 23.42557401 * LT1 + 3.57214246 * LHS2 ALT2 - нераспред. прибыль/всего активов ALT3 - прибыль до налога/всего активов ALT4 - собст. капитал/всего обязательств ALT5 - чистая выручка/всего активов LT1 - Оборот. средства/всего активов LHS2 - Обязательства/ всего активов Z > 1.072 не имеется риска банкротства -0.578 < Z < 1.072 банкротство под сомнением
Z > -0.578 имеется высокий риск банкротства или тяжелое финансовое положение Разработка проблем моделирования рисков банкротства не ограничивается только вышеотмеченным. Важно на основе уже проверенных методик и модели оценки рисков банкроства проработать другие направления исследований и других моделей. На кафедре Финансов Монгольского государственного университета интенсивно ведется работа в данной сфере финансовой теории и практики. Список использованной литературы:
1.Allayannis, G., Brown, G., & Klapper, L. (2003). Capital strucure and financial risk; evidence from foreign debt use in East Asia. Journal of Finance, 58(6):2667-2709.
2. Altman, E. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4):589-609.
3. Anderson, E. (1996). Introduction to the statistical analysis of categorical data. NY: Springer-Verlag.
4. Beaver, W. (1967). Financial Ratios as Predictors of Failures. Journal of Accounting Research, 34(2):345-385.
5.Eidleman, G. (1995). Z-Scores-A Guide to Failure Prediction. The CPA Journal Online. Fox, J. (2010). Logit and Probit Models. York SPIDA.
6.Philippe, J. (2001). Value at Risk: The New benchmark for Managing Financial Risk. Second Edition, McGraw-Hill.
7.Philippe, J. (2003). Financial Risk Manager Handbook. Second Edition, John Wiley and Sons.
8.Reto, R. (2003). Risk Management and Capital Adequacy. McGraw-Hill.
9.Taffler, R., & Agarwal, V. (2007). Twenty-five years of the Taffler z-score model: does it really have predictive ability? The Management School, University of Edinburgh.
© Энхбаяр Ч., Цолмон С., 2016
УДК 336.13
Р.Р. Яруллин, д.э.н., профессор Р.А. Мусабирова, студент Финансовый университет при Правительстве РФ (Уфимский филиал)
СУЩНОСТЬ, ПРОБЛЕМЫ И ПУТИ СОВЕРШЕНСТВОВАНИЯ ПЕНСИОННОГО
ОБЕСПЕЧЕНИЯ НАСЕЛЕНИЯ
Аннотация
В данной статье проводится анализ сущности пенсионного обеспечения населения Российской
