CC BY
361
сионеров, а следовательно ухудшает уровень их жизни и оказывает негативное влияние на ее продолжительность.
Вывод. В процессе исследования установлено, что уровень покупательной способности пенсий в регионе, несмотря на положительную динамику, ограничивает возможности населения пожилого возраста и нетрудоспособных граждан на ведение дос-
тойной жизни. Основными причинами, снижающими уровень материального положения пенсионеров, является несовершенство механизмов социального обеспечения, которые определяют низкий уровень пенсий и слабую их дифференциацию, что оказывает негативное влияние на отношение к власти и порождает социальную напряженность в обществе.
Список использованных источников
1. Основы социальной политики / Под ред. В.И. Жукова. - М.: Изд-во РГСУ, 2011. - 556 с.
2. Социальная политика: учебник / Под ред. проф. Е.И. Холостовой, проф. Г.И. Климантовой. - М.: Изд-во Юрайт, 2011. - 367 с.
3. Ахинов Г.А., Калашников С.В. Социальная политика: Учеб. пособие. - М.: ИНФРА-М, 2016. - 272 с.
List of sources used
1. Fundamentals of Social Policy / Ed. V.I. Zhukov. - Moscow: Izd-vo RGSU, 2011. - 556 p.
2. Social policy: a textbook / Ed. prof. E.I. Unmarried, prof. G.I. Klimantova. - Moscow: Yurayt Publishing House, 2011. - 367 p.
3. Ahinov G.A., Kalashnikov S.V. Social Policy: Textbook. allowance. - Moscow: INFRA-M, 2016. - 272 p.
УДК 334
СРАВНИТЕЛЬНЫЙ АНАЛИЗ РОССИЙСКИХ И ЗАРУБЕЖНЫХ МЕТОДИК ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА
ГРАНКИН В.Ф.,
доктор экономических наук, Юго-Западный государственный университет. МАРЧЕНКОВА И. Н.,
кандидат экономических наук, доцент кафедры экономики, информатики и математики Старооскольский филиал ФГАОУ ВО «Белгородский государственный национальный исследовательский университет».
УДОВИКОВА А.А.,
кандидат экономических наук, доцент кафедры экономики, информатики и математики Старооскольский филиал ФГАОУ ВО «Белгородский государственный национальный исследовательский университет».
Реферат. Прогнозную оценку общего финансового состояния хозяйствующего субъекта необходимо проводить на регулярной основе. Постоянный контроль соотношения собственных и заемных средств поможет своевременно устранить возможные негативные последствия. Предвестником того, что предприятие рискует оказаться на грани банкротства, служит показатель превышения заемных источников финансирования над собственными. Ситуация, когда предприятие не способно удовлетворять требования кредиторов, а также нарушение структуры баланса неизменно приводят к процедуре банкротства. Чтобы не допустить банкротства компании, зарубежными и российскими экономистами были разработаны модели и методики, на основании которых строятся прогнозы финансового состояния предприятия в будущем. Даже если банкротство станет неизбежным, стратегический анализ поможет сделать эту процедуру менее затратной и болезненной для всех участников хозяйственной деятельности. Многочисленные исследования зарубежных авторов позволили получить множество методик прогнозирования банкротства, но на практике оказалось, что далеко не все разработки способны предоставить эффективное решение при негативной оценке кредитоспособности компании. Если рассматривать методы западных экономистов, то наиболее часто применяемыми можно назвать модели Бивера, Таффлера, Альтмана. Работа последнего автора является наиболее востребованной в условиях экономического кризиса. Результаты сравнительного анализа позволяют констатировать, что российские разработки - модели таких авторов, как: Беликова-Давыдовой; Зайцевой; Сайфулина-Кадыкова наиболее адаптированы к особенностям условий хозяйствования в российской действительности, и поэтому значительно выигрывают у зарубежных моделей. К неоспоримым преимуществам можно уверенно отнести тот факт, что все показатели довольно просто интерпретируются и оценку финансового состояния и динамики нестабильности могут осуществлять как внутренние, так и внешние заинтересованные лица.
Ключевые слова: финансовая несостоятельность, банкротство, прогнозные модели.
COMPARATIVE ANALYSIS OF RUSSIAN AND FOREIGN METHODS OF PREDICTING THE PROBABILITY OF BANKRUPTCY
GRANKIN V.F.,
doctor of Economics, South-Western State University. MARCHENKOVA I.N.,
PhD, Associate Professor, Department of Economics, Stary Oskol branch of computer science and mathematics FGAOU IN «Belgorod State National Research University".
UDOVIKOVA A.A.,
PhD, Associate Professor, Department of Economics, Stary Oskol branch of computer science and mathematics FGAOU IN «Belgorod State National Research University".
Essay. A prognostic assessment of the overall financial condition of an economic entity should be carried out on a regular basis. Constant monitoring of the ratio of own and borrowed funds will help the firm to timely eliminate possible negative consequences. The harbinger of the fact that the enterprise risks to be on the verge of bankruptcy is the indicator of excess of borrowed sources of financing over its own. The situation when the enterprise is not able to satisfy the demands of creditors, as well as the violation of the structure of the balance invariably lead to a bankruptcy procedure. To prevent bankruptcy of the company, foreign and Russian economists have developed models and techniques on the basis of which forecasts are made for the financial condition of the enterprise in the future. Even if bankruptcy becomes inevitable, strategic analysis will help make this procedure less costly and painful for all participants in economic activities. Numerous researches of foreign authors allowed to get a lot of methods of forecasting bankruptcy, but in practice it turned out that not all developments are able to provide an effective solution in a negative assessment of the company's creditworthiness. If we consider the methods of Western economists, then the most commonly used are the Beaver, Tuffler, and Altman models. The work of the last author is most in demand in the conditions of the economic crisis. The results of the comparative analysis allow us to state that Russian developments are models of such authors as: Belikova-Davydova; Zaitsevoy; Sayfulina-Kadykova are the most adapted to the peculiarities of the conditions of management in the Russian reality, and therefore they significantly benefit from foreign models. The undoubted advantages can be reliably attributed the fact that all indicators are fairly simply interpreted and the assessment of the financial condition and dynamics of instability can be carried out by both internal and external stakeholders.
Keywords: financial inconsistency, bankruptcy, forecasting models.
Введение. Прогнозирование риска банкротства и результатов деятельности необходимы для обеспечения эффективного функционирования предприятий всех отраслей экономики и форм собственности. Это возможно при условии объективной оценки их финансового состояния и представляет особый интерес не только для собственников и менеджмента коммерческих организаций, но также для потенциальных и настоящих инвесторов, кредиторов, контролирующих государственных органов. Риск возникновения банкротства всегда продиктован определенными факторами, которые могут быть высокой конкуренцией, недостатком источников финансирования текущей деятельности, а также несовершенством системы управления.
Цель исследования. Рассмотреть факторы и этапы, предшествующие финансовым кризисным явлениям в деятельности предприятия, а также провести сравнительный анализ зарубежных и отечественных моделей прогнозирования вероятности банкротства.
Материал и методика исследования. В процессе проведения исследования были использованы теоретические разработки отечественных и зарубежных ученых в области оценки и прогнозирования вероятности банкротства, бухгалтерская (финансо-
вая) отчетность объекта исследования. Методологическую основу составили сравнительный анализ, системный подход, индуктивный и дедуктивный методы.
Результаты исследования. Эффективное функционирование субъектов хозяйствования возможно при условии объективной оценки их финансового состояния и вероятности банкротства. Оценка риска банкротства и результатов деятельности важны не только для собственников и руководителей коммерческих организаций, но также для потенциальных и настоящих инвесторов, кредиторов, контролирующих государственных органов. Риск возникновения банкротства всегда продиктован определенными факторами, которые могут быть вызваны высокой конкуренцией, непредвиденными форс-мажорными ситуациями, а также недостатками системы управления деятельностью хозяйствующего субъекта [1].
Банкротство хозяйствующего субъекта по причине отдельно взятого факта практически невозможно, обычно причиной нестабильности становится целый комплекс причин. Для оценки риска используются экономические модели, которые определяют значение того или иного фактора, и прогнозируют степень угрозы.
Своевременные меры по финансовой санации и минимизации экономических рисков позволяют предотвратить возможное банкротство. В связи с этим существенно возрастает роль комплексного системного изучения финансового состояния предприятия и факторов его формирования с целью оценки степени рисков и прогнозирования финансовой несостоятельности (банкротства).
Факторы, которые имеют наиболее негативное влияние на развитие хозяйствующего субъекта, можно разделить на отдельные группы:
- снижение текущих и оборотных активов может произойти по причине неблагоприятной экономической ситуации в стране, несвоевременной модернизации производственных мощностей, использовании неквалифицированной рабочей силы;
- уменьшение прибыли и потеря спроса на продукцию происходит в связи с неправильным выбором сегмента рынка, недостаточным качеством выпускаемой продукции, экономии на рекламной компании;
- недостаточно ответственное отношение к налоговым платежам, которые имеют характерное свойство стремительно накапливаться. Позднее финансовая ситуация усугубляется, и налоги принимают статус отложенных платежей.
Сущность эффективного антикризисного управления состоит из трех ключевых моментов: заблаговременное выявление и предупреждение кризиса; ликвидация кризисного состояния с минимальными потерями; определение новой управленческой стратегии и использование факторов кризиса на благо последующего развития [2].
Данные отраслевой статистики позволяют оценить деятельность того или иного предприятия путем сравнения аналогичных показателей по отрасли. Однако, статистическая база не всегда доступна либо отсутствует, следовательно в этом случае аналитикам приходится самостоятельно выявлять расхождения, которые могут привести к финансовому кризису.
Если в результате произошедшего падения показателей не было принято своевременное решение, то наступает четвертая стадия, при которой компания уже не в состоянии профинансировать даже сокращение производства, в связи с чем платежи по обязательствам продолжают создавать финансовую дыру в бюджете. В этот период возникает реальная угроза банкротства с последующим полным прекращением деятельности.
Очевидно, что схема такого экономического краха требует своевременного вмешательства. И чем раньше это произойдёт, тем больше будет у компании шансов удержаться в определённом сегменте. Для качественной санации бизнеса требуются научно-методические разработки, направленные на своевременное прогнозирование предпосылок финансового краха.
Платежеспособность любого российского предприятия подвержена множеству негативных влияний, которые затем трансформируются в неплатеже-
способность, что неизбежно приводит хозяйствующий субъект к банкротству [3].
Как показывает практика, финансовому кризису предшествует несколько этапов:
1. Первая стадия характеризуется тем, что имеет довольно скрытый характер. Для этого этапа характерно визуальное снижение деловой активности, снижение показателей прибыли и эффективности финансово-хозяйственной деятельности. В результате происходит постепенное снижение системы обобщающих финансовых характеристик, возникает недостаток источников текущих активов.
2. На второй стадии достаточно явно проявляется убыточность компании. Стратегическое решение проблемы направлено на реструктуризацию бизнеса, в результате чего возможно избежать банкротства путем снижения объемов деятельности, то есть осуществляется процесс «сжатия предприятия» - сокращение объема операционной и инвестиционной деятельности предприятия, обеспечивающее снижение потребления собственных финансовых ресурсов, который применяется в периоды финансовых затруднений, кризисного состояния предприятия.
3. Следующая ступень отличается полным отсутствием собственных средств. При такой ситуации довольно сложно спрогнозировать положительные перспективы развития предприятия. Значительная часть денежного потока и оборотных активов направляется на погашение возрастающей кредиторской задолженности и убытков производственно-хозяйственной деятельности.
В результате научных и практических исследований было разработано множество методик прогнозирования банкротства, но на практике оказалось, что далеко не все разработки способны предоставить эффективное решение при оценке платежеспособности компании. При этом стоит заметить, что российские разработки наиболее адаптированы к особенностям ведения бизнеса в нашей стране, и поэтому значительно выигрывают у зарубежных моделей.
Если рассматривать методики западных экономистов, то наиболее часто применяемыми можно назвать модели Бивера, Таффлера, Лиса, Альтмана. Работа последнего автора является наиболее востребованной в условиях экономического кризиса [1].
Анализ и прогнозирование вероятности банкротства проведем на примере сельскохозяйственного предприятия ЗАО «Краснояружская зерновая компания». Оценка финансового состояния проведенная за период 2014 - 2016 гг. позволяет утверждать, что предприятие работает нестабильно, отмечается резкий рост величины краткосрочных обязательств и внеоборотных активов, а также недостаток собственного оборотного капитала в 2016 г., ряд показателей ликвидности и платежеспособности не соответствуют установленным нормативам, а, следовательно, возможен риск финансовой несостоятельности (банкротства) предприятия. Чтобы подтвердить или опровергнуть этот тезис необходимо определить интегральные показатели, используя зарубежные и оте-
чественные модели оценки риска неплатежеспособности (банкротства).
Оценка комплексного показателя вероятности банкротства усовершенствованной модели Биве-ра, представлена в таблице 1 и свидетельствует, что вероятность банкротства незначительна.
Однако результаты, полученные при использовании только одной модели не всегда можно назвать репрезентативными, следовательно, целесообразно спрогнозировать вероятность банкротства, используя другие модели.
В основе метода Альтмана лежит простая двух-факторная модель, в которой используются коэффициент текущей ликвидности и показатели финансовой зависимости. Если итоговый показатель, окажется выше нулевого значения, то вероятность банкротства фирмы очень велика, в обратном случае, при минусовом значении, компания может расслабиться и немного скорректировать показатели. Если рассматривать эту модель с точки зрения многокомпо-нентности современного бизнеса, то можно сделать вывод, что такой метод слишком примитивен для современной экономики. В этом расчете упускаются такие важные факторы, как рентабельность, деловая активность и фондоотдача. В связи с этим погрешность может быть слишком большой, а это недопустимо для специфики ведения бизнеса в России.
Наиболее популярна пятифакторная модель Альтмана. Большинство отечественных экономистов
утверждают, что модель Альтмана используется только для больших корпораций, акции которых свободно котируются на фондовой бирже.
Для компаний, акции которых не котируются на бирже, к которым и относится объект исследования, целесообразно использовать модифицированную пятифакторную модель Альтмана (таблица 2).
Пятифакторная модифицированная модель Альтмана показала ухудшение показателей финансового состояния ЗАО «Краснояружская зерновая компания». в 2015 г. и 2016 г., однако полученный интегральный результат не вызывает особого беспокойства, так как для предприятия 2016 год определен как пограничное состояние между стабильно работающим субъектом хозяйствования и банкротом.
Оценка вероятности банкротства на основе коэффициента Лиса, показывает, что за период исследования риск банкротства предприятия был незначительным. Предельное значение сводного показателя составляет 0,037, если Z>0,037, то ЗАО «Краснояружская зерновая компания» не угрожает банкротство, соответственно, если значение ниже порогового - имеется угроза банкротства. Следует отметить, что результаты моделирования отражают увеличение Z-счета с 0,06016 единиц в 2015 г. до 0,06295 в 2016 г., однако интерпретация полученных результатов осталась одинаковой - «банкротство предприятию не угрожает».
Таблица 1 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 2014-2016 гг. на основе усовершенствованной модели Бивера_
Наименование показателя Методика расчета 2014 г. 2015 г. 2016 г.
Ктл коэффициент текущей ликвидности 5,39129 1,72312 1,25669
Кд коэффициент долга 0,56447 0,65198 0,74831
Z - счет Ъ = -0,3877 - 1,0736*КТл + 0,0579*Кд -6,14311 -2,19989 -1,69355
Вероятность банкротства - при Ъ > 0,3 - вероятность высокая; - при -0,3 < Ъ< 0,3 - вероятность средняя; - при Ъ< -0,3 - вероятность низкая вероятность низкая вероятность низкая вероятность низкая
Наименование показателя Методика расчета 2014 г. 2015 г. 2016 г.
X] доля оборотного капитала в активах 0,59791 0,24225 0,14393
Х2 отношение нераспределенной прибыли к активам 0,07336 -0,02869 0,00197
Х3 рентабельность активов 0,09367 -0,02115 -0,00552
Х4 соотношение собственного капитала и обязательств 0,77157 0,53379 0,33634
Х5 отношение выручки к активам 1,96269 1,28681 1,41748
Ъ- счет Ъ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + + 0,998X5 3,06469 1,59211 1,64362
Вероятность банкротства - Ъ<1,23 - зона финансового риска; - 1,23 <Ъ< 2,9 - зона неопределенности; - Ъ> 2,9 - зона финансовой устойчивости. финансово устойчиво зона неопределенности зона неопределенности
Таблица 2 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» на основе 5-ти факторной модели Альтмана за 2014-2016 гг.
Таблица 3 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 20142016 гг. на основе модели Лиса_
Наименов ание показателя Методика расчета 2014 г. 2015 г. 2016 г.
X! отношение оборотных активов к величине активов 0,73629 0,58108 0,70840
X2 отношение накопленной прибыли к активам 0,34298 0,26797 0,19425
Хз рентабельность активов 0,07336 -0,02869 0,00197
Х4 соотношение собственного капитала и обязательств 0,77157 0,53379 0,33634
Ъ - счет Ъ = 0,063Х1 + 0,092Х2 + 0,057Х3 + 0,001Х4 0,08289 0,06016 0,06295
Вероятность банкротства - Ъ> 0,037 - не угрожает банкротство - Ъ = 0,037 пороговое значение - Ъ< 0,037 - имеется угроза банкротства банкротство не угрожает банкротство не угрожает банкротство не угрожает
Таблица 4 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 20142016 гг. на основе модели Р. Таффлера и Г. Тишоу____
Наименов ание показателя Методика расчета 2014 г. 2015 г. 2016 г.
Х1 отношение прибыли к краткосрочным обязательствам 0,53012 -0,08467 0,00349
Х2 отношение оборотных активов к величине пассивов 0,73629 0,58108 0,70840
Х3 отношение краткосрочных обязательств к величине пассивов 0,13838 0,33883 0,56448
Х4 отношение продаж к сумме активов 1,96269 1,28681 1,41748
Ъ- счет Ъ = 0,53Х! + 0,13Х2 + 0,18Х3 + 0,16Х4 0,71562 0,29754 0,42234
Вероятность банкротства - Ъ> 0,3 - не угрожает банкротство - Ъ = 0,3 пороговое значение - Ъ< 0,3 - имеется угроза банкротства банкротство не угрожает имеется угроза банкротства банкротство не угрожает
Оценка вероятности банкротства предприятия на основе модели Р. Таффлера и Г. Тишоу в таблице 4 свидетельствует, что в 2014 и 2016 гг. для анализируемого предприятия угроза банкротства отсутствовала.
Однако финансовое состояние ЗАО «Краснояружская зерновая компания» предприятия в 2015 г. было угрожающим, наблюдалась угроза банкротства. Данный риск обусловлен убытком полученным предприятием в текущем году в размере 5 925 тыс. руб., снижением суммы выручки от реализации, а также значительным ростом стоимости внеоборотных активов. Но в 2016 г. предприятие добилось увеличения выручки от реализации, что обеспечило рост чистой прибыли на 109 %, и ее сумма составила 567 тыс. руб., позитивные финансово-хозяйственные процессы на предприятии позволяют констатировать, что банкротство не угрожает.
Все четыре моделей зарубежных ученых имеют ряд недостатков при использовании в российской экономике: на показатели деятельности отечественных предприятий большое влияние оказывают факторы неэкономического характера; многие показатели не имеют такого влияния на финансовую устойчивость предприятий, какими они обладают в развитых странах, и наоборот, предлагаемые границы устойчивости часто недостижимы для отечественных предприятий. Таким образом, можно сделать вывод, что для отечественных предприятий данные о вероятности банкротства, полученные при использовании зарубежных моделей, могут не соответствовать действительному финансовому положению анализируе-
мых предприятий.
Западные модели оценки вероятности банкротства не отразили угрозы деятельности предприятия, хотя модель Таффлера-Тишоу и пятифакторная модифицированная модель Альтмана показывают общее ухудшение финансового состояния предприятия. Следовательно, анализ не будет полным без оценки банкротства, произведенной с использованием отечественных экономических моделей и моделей ученых стран ближнего зарубежья.
Отечественные ученые-экономисты внесли не меньший вклад в методику прогнозирования финансового кризиса. У российских разработчиков основными критериями оценки экономической ситуации явились финансовое положение фирмы и кредитоспособность заемщика. Иными словами жизнеспособность предприятия определялась с помощью качественного и количественного анализа.
Далее проведем оценку вероятности банкротства субъекта хозяйствования с помощью материалов исследования ученых-экономистов стран ближнего зарубежья, в частности - на основе модели ученых Иркутской государственной экономической академии Беликова и Давыдовой (таблица 5).
Расчетные данные таблицы 5 отражают устойчивое финансовое положение ЗАО «Краснояружская зерновая компания» в 2014 - 2016 гг.
Интегральный показатель риска банкротства R в 2014 г. составил 5,30845 единиц, а в 2016 г. 1,29138 единиц. Шкала интерпретации результатов свидетельствует, что при R > 0,42, риск банкротства минимальный, его вероятность составляет до 10%.
Экономисты Сайфуллин Р.С. и Кадыков Г.Г. попытались адаптировать модель Альтмана к отечественным условиям. Было предложено использовать комплексный показатель, который определяется как сумма коэффициентов ликвидности, рентабельности собственного капитала и продукции, оборачиваемости активов и обеспеченности собственными средствами. В результате получается рейтинговое число равное единице. Такой показатель свидетельствует о том, что финансовое состояние компании находится в удовлетворительном состоянии. Отрицательное значение свидетельствует о высоком риске банкротства в будущем.
В процессе анализа и прогнозирования нами была использована пятифакторная дискриминантная модель российских ученых-экономистов Р.С. Сай-фулина и Г.Г. Кадыкова, результативные показатели, рассчитанные на примере ЗАО «Краснояружская зерновая компания» по пятифакторной модели представлены в таблице 6.
Таблица 5 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 20142016 гг. на основе модели Беликова-Давыдовой_
Наименование показателя Методика расчета 2014 г. 2015 г. 2016 г.
К: доля оборотного капитала в активах 0,59791 0,24225 0,14393
К2 рентабельность собственного капитала 0,16843 -0,08243 0,00783
К3 отношение продаж к сумме активов 1,96269 1,28681 1,41748
К4 отношение чистой прибыли к себестоимости 0,03738 -0,02229 0,00138
Я - счет Я = 8,38К + 1К2 + 0,054К3 + 0,63К4 5,30845 2,00309 1,29138
Вероятность банкротства Я< 0, риск банкротства максимальный (90-100%) 0 <Я< 0,18, риск банкротства высокий (60-80%) 0,18 <Я< 0,32, риск банкротства средний (35-50%) 0,32 <Я< 0,42, риск банкротства низкий (15-20%) Я> 0,42, риск банкротства минимальный (до 10%) риск банкротства минимальный риск банкротства минимальный риск банкротства минимальный
Таблица 6 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 20142016 гг. на основе модели Сайфулина и Кадыкова_
Наименов ание Методика расчета 2014 г. 2015 г. 2016 г.
показателя
К1 коэффициент обеспеченности собственными обо-
ротными средствами 0,10765 -0,12202 -0,05633
К2 коэффициент текущей ликвидности 5,39129 1,72312 1,25669
коэффициент оборачиваемости активов (н.п. - дан-
К3 ные на начало периода, к.п. - данные на конец периода) 1,65059 1,37999 1,67087
К4 рентабельность продаж 0,03738 -0,02229 0,00138
К5 рентабельность собственного капитала 0,16843 -0,08243 0,00783
Я - счет Я = 2К1 + 0,1К2 + 0,08К3 + 0,45К4 + К5 1,07173 -0,05379 0,15513
Вероятность банкротства - Я< 1 - риск банкротства высокий;
- Я = 1 - пограничное значение; - Я> 1 - риск банкротства низкий. низкий высокий высокий
Анализ данных таблицы 6 показал, что, согласно модели ЗАО «Краснояружская зерновая компания» в 2014 г. риск банкротства практически не угрожает, однако, в 2015 и 2016 гг. вероятность банкротств высока, так как значение интегрального показателя R меньше единицы. Следует отметить, что преимуществом этой модели является высокая точность прогнозирования вероятности банкротства.
Результаты моделирования не только отражают высокий риск банкротства ЗАО «Краснояружская зерновая компания», но также верную его динамику - наиболее критичный показатель R отмечен в 2015 г., он составил - 0,05379 единиц.
Далее проведен расчет вероятности банкротства на основе комплексного коэффициента Зайцевой (таблица 7) проведен за трехлетний период, поэтому нет возможности оценить риск банкротства в 2014 г., так как в данной модели не существует единой шкалы для оценки вероятности банкротства.
Таблица 7 - Оценка вероятности банкротства ЗАО «Краснояружская зерновая компания» за период 2014-2016 гг. на основе модели Зайцевой_
Наименование показателя Методика расчета 2014 г. 2015 г. 2016 г.
К1 прибыль (убыток) до налогообложения в расчете на единицу собственного капитала с. 2300 / с. 1300 Норм. Значение К1 = 0 0,21506 -0,06076 -0,02192
К2 соотношение кредиторской и дебиторской задолженности. Норм. Значение К2 = 1 0,75480 1,51280 1,18693
Кз соотношение краткосрочных обязательств и наиболее ликвидных активов. Норм. значение К3 = 7 0,37701 3,31564 25,7075
К4 прибыль до налогообложения на единицу Норм. значение К4 = 0 0,04772 -0,01643 -0,00389
К5 соотношение заемного и собственного капитала. Норм. значение К5 = 0,7 1,29607 1,87339 2,97315
Кб величина активов предприятия на единицу денежной выручки. Норм. Значение Кб = К6 предыдущего года 0,50951 0,77712 0,70548
Кфакт Кфакт = 0,25К1 + 0,1К2 + 0,2К3 + 0,25К4 + 0,1К5+ + 0,1Кб 0,39714 0,87529 5,62160
Риск банкротства К" =1 + О 1 * ТС Кнорматив 1,57 + 0,А К6 предыдущего года - 1,62095 1,64771
Если Кфакт>Кнорматив, то высока вероятность банкротства. Если наоборот, то риск банкротства незначительный. зона неопределенности незначительный риск высокая вероятность
Таблица 8 - Сводные данные по оценке вероятности банкротства ЗАО «Краснояружская зерновая компания»
на основе интегральных экономических моделей за рубежных и российских ученых
Наименование модели и интерпретация результатов моделирования риска вероятности банкротства Оценка вероятности банк] ротства
2014 г. 2015 г. 2016 г.
Зарубежные экономические модели
Двухфакторная модель Бивера - при Ъ > 0,3 - вероятность высокая; - при -0,3 < Ъ< 0,3 - вероятность средняя; - при Ъ< -0,3 - вероятность низкая. вероятность низкая Ъ= -6,14311 вероятность низкая Ъ= -2,19989 вероятность низкая Ъ= -1,69355
5-ти факторная модель Альтмана - Ъ< 1,23 - зона финансового риска; - 1,23 <Ъ< 2,9 - зона неопределенности; - Ъ> 2,9 - зона финансовой устойчивости. финансово устойчиво Ъ= 3,06469 зона неопределенности Ъ= 1,59211 зона неопределенности Ъ= 1,64362
Четырехфакторная модель Лиса - Ъ> 0,037 - не угрожает банкротство - Ъ = 0,037 пороговое значение - Ъ< 0,037 - имеется угроза банкротства банкротство не угрожает Ъ= 0,08289 банкротство не угрожает Ъ= 0,06016 Банкротство не угрожает Ъ= 0,06295
Четырехфакторная модель Таффлера-Тишоу - Ъ> 0,3 - не угрожает банкротство - Ъ = 0,3 пороговое значение - Ъ< 0,3 - имеется угроза банкротства банкротство не угрожает Ъ= 0,71562 имеется угроза банкротства Ъ= 0,29754 Банкротство не угрожает Ъ= 0,42234
Отечественные экономические модели
Четырехфакторная модель Беликова-Давыдовой Я<0, риск банкротства максимальный (90-100%) 0<Я<0,18, риск банкротства высокий (60-80%) 0,18<Я<0,32, риск банкротства средний(35-50%) 0,32<Я<0,42, риск банкротства низкий (15-20%) Я>0,42, риск банкротства минимальный(до10%) риск банкротства минимальный Я = 5,30845 риск банкротства минимальный Я = 2,00309 риск банкротства минимальный Я = 1,29138
Пятифакторная модель Сайфулина-Кадыкова - Я< 1 - риск банкротства высокий; - Я = 1 - пограничное значение; - Я> 1 - риск банкротства низкий. низкий Я = 1,07173 высокий Я = -0,05379 высокий Я = 0,15513
Шестифакторная модель Зайцевой Кнорматив 1,57 + 0,1 К6 предыдущего года Если Кфакт>Кнорматив, то высока вероятность банкротства. Если наоборот, то риск банкротства незначительный. Кфак не определен К = 0,39714 незначитель-ный риск К = 0,87529 высокая вероятность К = 5,62160
Чтобы оценить риск банкротства в текущем году, необходимы данные по шестому фактору модели (величина активов предприятия на единицу денежной выручки) за предшествующий год. Комплексный показатель 2015 г. свидетельствует о незначительном риске банкротства ЗАО «Краснояружская зерновая компания», в 2016 г. - отображается ухудшение финансового состояния предприятия и увеличение вероятности банкротства.
Сопоставление результатов моделирования показывает, что практически все отечественные модели оценки вероятности дают более реалистичный, хотя и менее оптимистичный прогноз перспектив финансово-хозяйственной деятельности предприятия. Некоторые экономические модели российских ученых свидетельствуют о высоком риске банкротства предприятия в 2015 и 2016 гг. (таблица 8).
Эти же данные подтверждаются предшествующим анализом, который показывает сокращение активов предприятия и объемов продаж, снижение ликвидности и деловой активности. Общее ухудшение финансового состояния предприятия в 2015-2016 гг. показали модели Р. Таффлера и Г. Тишоу и Сайфулина - Кадыкова, модель Зайцевой, результаты которых свидетельствуют
о росте риска банкротства производственного предприятия.
Минимальный риск банкротства ЗАО «Краснояружская зерновая компания» показали остальные прогнозные модели, в том числе и модель Беликова-Давыдовой, что касается данного прогноза, то его альтернативность в первую очередь вызвана тем, что при разработке модели прогнозирования была использована выборка финансовых отчетов торговых предприятий.
Выводы. Проведенный сравнительный анализ показал, что не целесообразно для оценки вероятности банкротства российских предприятий применять западные эконометрические модели, так как они демонстрируют отсутствия либо минимальную вероятность банкротства. Следовательно, предприятие не имеет возможности получить заблаговременное предупреждение и разработать план мероприятий по финансовому оздоровлению. Применение западных моделей в условиях российской экономики требует уточнения весовых коэффициентов, а также шкалы оценки результатов моделирования. Модели российских авторов дают более объективную оценку риска возникновения банкротства.
Список использованных источников
1. Беляев А.А., Коротков Э.М. Антикризисное управление: учебник для студентов вузов. - М.:ЮНИТИ-ДАНА, 2013. - 319 с.
2. Журиха А. М. Научные подходы к антикризисному управлению предприятием // Проблемы и перспективы экономики и управления: материалы V Международной научной конференции (г. Санкт-Петербург, декабрь 2016 г.). - СПб.: Свое издательство, 2016.
3. Марченкова И.Н., Удовикова А.А. Совершенствование методологии инновационного развития предприятия: монография.- Белгород: ИД «Белгород» НИУ «БелГУ». - 2017. - 144 с.
List of sources used
1. Belyaev A.A., Korotkov E.M. Anti-crisis management: a textbook for university students. - M.: UNITY-DANA, 2013. - 319 p.
2. Zhurikha A.M. Scientific approaches to the anti-crisis management of the enterprise // Problems and prospects of economics and management: materials of the V International Scientific Conference (St. Petersburg, December 2016). - SPb .: Its publishing house, 2016.
3. Marchenkova I.N., Udovikova A.A. Perfection of the methodology of innovative development of the enterprise: monograph. - Belgorod: Publishing House "Belgorod" of the National University of BelSU. - 2017. - 144 p.
