CC BY
160
процесс принятия решений о выдаче кредита, разработке условий кредитования с учетом региональной специфики, инструментах управления персоналом и других инструментах, не требующих большого объема финансовых вложений.
Таким образом, инструменты управления качеством кредитных услуг занимают особое место в системе управления банком и имеют свою специфику применения в зависимости от различных факторов.
1. Алавердов А.Р. Стратегический менеджмент в коммерческом банке: учебник. М.: Маркет ДС, 2009.
2. Аристов О.В. Управление качеством: учебник. М.: ИНФРА-М, 2013.
3. Банковский менеджмент: учебник / под ред. О.И. Лавру-шина. М.: КНОРУС, 2010.
4. Банковский менеджмент: учебник / под ред. Е.Ф. Жукова, Н.Д. Эриашвили. М.: ЮНИТИ-ДАНА, 2012.
5. Банковское дело: учебник / под ред. Г.Г. Коробовой. М.: Магистр, 2012.
6. Богомолов С.М., Кожокарь А.П. Оценка современного состояния синдицированного кредитования в России // Наука и общество. Серия «Финансы и кредит». 2013. № 6 (15). С. 144 - 148.
7. Василевская И.В. Управление качеством: учеб. пособие. М.: РИОР, 2009.
8. Егоров А.В. Российский рынок кредитования: основные проблемы и тенденции развития / А.В. Егоров, И.Л. Меркурьев, Е.Н. Чекмарева // Деньги и кредит. 2013. № 10. С. 33 - 38.
9. Ильина Л.В. Стандартизация банковского кредитования: возможности и перспективы // Наука и общество. Серия «Финансы и кредит». 2013. № 6 (15). С. 149 - 154.
10. Копченко Ю.Е. Приоритеты развития долгового финансирования российских банков // Наука и общество. Серия «Финансы и кредит». 2011. № 2 (2). С. 121-124.
11. Риск-менеджмент в коммерческом банке / под ред. И.В. Ларионовой. М.: КНОРУС, 2014.
12. Салимова Т.А. Управление качеством: учебник. М.: Омега-Л, 2011.
sergienkooks@mail.ru Оксана Владимировна Сергиенко,
кандидат экономических наук, доцент, зам. директора по научной и инновационной работе, УДК 658.14/.17 Омский институт (филиал) ФГБОУ ВПО «РЭУ им Г.В. Плеханова»
УГРОЗА ВЕРОЯТНОСТИ БАНКРОТСТВА: ПРОГНОЗЫ ФИНАНСОВОГО БУДУЩЕГО КОММЕРЧЕСКОЙ ОРГАНИЗАЦИИ
Статья посвящена особенностям диагностики банкротства коммерческой организации в контексте адекватности использования западного инструментария диагностирования угрозы несостоятельности фирмы. Различные методики предсказания банкротства позволяют выявить различные виды кризисов. Именно поэтому оценки, получаемые с их помощью, нередко столь сильно различаются. Представлены варианты проведения процедуры диагностики в зависимости от целей управления. Определено соотношение между типами диагностик по спектру решаемых задач и проблем. Выявлено, что для целей принятия управленческих решений целесообразно определить методику и ключевые показатели, при достижении которых коммерческая организация с высокой степенью вероятности может потерять финансовую устойчивость.
Ключевые слова: банкротство, диагностика несостоятельности, финансовое равновесие, методики диагностики банкротства.
O.V. Sergienko
PROBABILITY OF BANKRUPTCY: BUSINESS FINANCIAL FUTURE PROJECTIONS
The paper deals with the diagnostics of bankruptcy of commercial organization in the context of the adequacy of the Western instruments to diagnose the threat of insolvency. Different methods for predicting bankruptcy can reveal various types of crises. That is why the estimates, obtained with their help, often vary so much. The author discusses various diagnostic procedures depending on the purpose of management, defines the correlation between the types of diagnostics according to the range of tasks and problems, and identifies that for the purposes of management decision-making it is necessary to formulate the methodology and key indicators that will signal a high degree of the probability of the loss of financial stability.
Keywords: bankruptcy, insolvency diagnosis, financial balance, methods of bankruptcy diagnosis.
С точки зрения менеджмента возможное наступление банкротства является кризисным состоянием фирмы, и его преодоление требует специальных методов финансового управления. Обширная система показателей, использующаяся в финансовом менеджменте, не всегда
правильно позволяет оценить финансовое равновесие фирмы. Финансовые исследования, посвященные диагностике несостоятельности организаций, проводятся не одно десятилетие, но вопрос о приоритетных признаках финансовых затруднений по-прежнему остается откры-
тым. Актуальность антикризисного менеджмента в условиях реиндустриализации экономики определяется поддержанием высокого уровня конкурентоспособности фирмы, эффективным использованием ресурсов коммерческой организации, положительным итоговым результатом финансово-хозяйственной деятельности. Такое состояние предполагает устойчивое финансовое положение организации, при котором ее потребности в финансовых ресурсах для текущего и стратегического (перспективного) развития удовлетворяются полностью. При неблагоприятных условиях финансовое состояние организации сопровождается снижением финансовой и инвестиционной активности. Доступные возможности по увеличению прибыли и снижению себестоимости исчерпаны, постоянно растущие затраты требуют их покрытия, организация проявляет признаки неплатежеспособности.
Потребность в прогнозировании вероятности несостоятельности впервые возникла после Второй мировой войны на фоне возросшего числа банкротств, вызванных резким сокращением военных заказов. Первые попытки оценки и прогнозирования банкротства были предприняты в США в кризисные 30-е гг. XX в. А. Винакором и Р.Ф. Смитом, которые изучили 183 фирмы, испытывавшие финансовые трудности на протяжении 10 лет. Ученые пришли к выводу, что соотношение чистого оборотного капитала и суммы активов является одним из наиболее точных и надежных показателей банкротства.
П. Фитцпатрик анализировал трех- и пятилетние тренды 13 коэффициентов у 20 фирм, которые потерпели крах в 1920 - 1929 гг. Сравнивая их с показателями деятельности контрольной группы из 19 успешно действующих фирм, он сделал вывод о том, что все анализируемые коэффициенты в некоторой степени предсказывали крах. Однако оказалось, что наилучшими показателями несостоятельности являются коэффициенты соотношения прибыли, чистого собственного капитала и суммы задолженности. К. Мервин изучил опыт 939 фирм за период 1926 - 1936 гг., выявив три коэффициента, наиболее приемлемых для предсказания прекращения деятельности фирмы за 4 - 5 лет до этого события: коэффициент покрытия, отношение чистого оборотного капитала к сумме активов и отношение чистого собственного капитала к сумме задолженности. Все они характеризуются снижающимися трендами перед прекращением деятельности и все время показывают значение ниже нормального уровня.
Самое фундаментальное уравнение в практике диагностики несостоятельности зарубежных финансовых организаций было опубликовано в 1968 г. в Journal of Finance профессором Нью-Йоркского университета Э.И. Альтманом [3] (Edward I. Altman). Эта модель явилась отправной точкой многочисленных последующих исследований, проводимых в этой области. Данный метод представляет собой поэтапный анализ, позволяющий на базе ряда коэффициентов оценить финансовую ситуацию фирмы с точки зрения ее жизнеспособности и непрерывности хозяйственной деятельности в краткосрочном периоде.
В настоящее время существует несколько основных подходов к теории диагностики банкротства. Это методы, базирующиеся на регрессионных, дискриминантных факторных моделях известных западных экономистов
Дж. Блиса, Артура Винакора, Л.А. Бернстайна, Ю. Бриг-хема, Дж. К. Ван Хорна, Л. Лапенского, Б. Райана, Д. Стоуна, Н.К. Сигла, С.Э. Хэлферта и др. Множественные регрессионные модели исследования банкротства были изучены Коробовым, Стерсом, Мартином (Korobow -Sturh - Martin, 1976). Logit-модели активно разрабатывались Бигли, Мингом и Ваттсом (Begley, Ming, Watts, 1996), Минусси и Ворсингтоном (Minussi, Worthington, 2007). Среди малоизвестных моделей в России: Knight (Канада, 1979) [6], Fernandez (Испания, 1988) [4], Ko (Япония, 1982) [7], Fischer (ФРГ, 1981) [б], Swanson&Tybout (Аргентина, 1988) [10], Gloubos&Grammaticos (Греция, 1988) и др.
Суть методик диагностики банкротства сводится к выделению факторов, существенно влияющих на финансовое состояние компании, определению вида и степени его зависимости от этих факторов и формированию вероятностного критерия наступления банкротства компании. Следует выделить модели риска банкротства на основе логистической регрессии Альтмана - Сабато (2007), ДжуХа - Техонга (2000), Лина - Пьессе (2004), Бегли - Минга - Уоттса, Минусси - Супрамание-на - Уортингтона, оценки кредитоспособности (надзора за ссудами) Чессера [1, с. 313] (1974) и др.
В прогнозировании банкротств использовался также метод опорных векторов (Härdle, Lee, Schäfer, Yeh, 2007) и нейронные сети (Tam, Kiang, 1992; Altman, Marco, Varetto, 1994). Ряд техник моделирования вызывают опасения, так как финансовые отношения, рассчитанные с помощью отчета о прибылях и убытках, зачастую не имеют нормального распределения (Ohlson, 1980; Wilson, Sharda, 1994). В работе Вэй Ли и Чен (Wei Li, Chen, 2007) подчеркивается, что ЛДА может неверно классифицировать исходы, так как ковариационные матрицы дефолтных и активных компаний скорее всего неидентичны.
Диагностика - это оценка достоверности текущего финансового учета и отчетности, база для выдвижения гипотез о закономерностях и возможном неустойчивом финансово-экономическом состоянии [2]. Диагностика предприятия должна носить систематический характер. Финансовая диагностика - это цикл последовательных работ, связанных с определением стадии развития коммерческой организации. Она позволяет выявлять причинно-следственные связи в дисфункциях менеджмента, а затем переходить к построению объяснительной и прогнозной моделей функционирования и развития организации, осуществляя при этом предупреждение ее банкротства.
Риск банкротства фирмы наряду с другими предпринимательскими рисками является неотъемлемой частью бизнеса. Негативные последствия банкротства коммерческих организаций и хозяйствующих субъектов, вложивших свои свободные активы в их деятельность, стали причиной поиска методов идентификации возможной неплатежеспособности. Методика принятия управленческих решений будет зависеть от результатов диагностики и остроты кризиса.
Существующие методики диагностики банкротства предсказывают различные виды кризисов, и, соответственно, оценки, получаемые при их помощи, различны. По данным одной и той же финансовой отчетности можно получить разные варианты оценки вероятности
диагностики. Выбор конкретных методик будет диктоваться и подвергаться корректировке с учетом специфики отрасли, в которой работает организация, ее организационно-правовой формой, размера. Внутренние пользователи заинтересованы в информации о векторе изменения финансовых коэффициентов, внешние пользователи желают получить гарантии возврата инвестиций, стабильного получения прибыли на вложенный капитал.
Модели в финансовом анализе различаются в зависимости от принципов исследования и приоритетов анализа. Выделяют:
1) дискриптивные (описательные) модели, в основе которых лежит бухгалтерская отчетность;
2) нормативные модели, которые применяются при проведении внутреннего финансового анализа; в их основе лежат необходимые рассчитанные показатели и сравниваются с рекомендуемым (нормативным) значением;
3) предикативные модели, которые используются для составления прогнозов относительно будущих финансовых результатов и финансового состояния фирмы. Выделяются модели ситуационного анализа, модели динамического анализа, критические модели.
Morris (1997) определил первые две группы как позитивные, поскольку модели фокусируются на симптомах банкротства: «....Они пытаются объяснить с помощью индуктивных аргументаций, почему на практике некоторые компании становятся банкротами». Последняя категория рассматривает только случаи банкротства, другими словами, эти модели «...пытаются объяснить с
помощью дедуктивной аргументации, почему определенная часть предприятий может стать банкротами» [9].
Для диагностики вероятности банкротства используется несколько подходов, основанных на применении:
1) комплексной системы показателей;
2) в качестве обобщающего показателя одного из частных показателей эффективности деятельности предприятия;
3) интегрального показателя, рассчитанного путем различных математических комбинаций частных показателей эффективности;
4) определения степени соответствия фактического развития системы предварительно разработанному эталону.
Основополагающие финансовые признаки кризиса коммерческой организации необходимо рассматривать во взаимосвязи с ключевыми признаками кризисной ситуации: угроза приоритетным целям развития фирмы, конфликт интересов стейкхолдеров, дефицит времени для принятия антикризисных решений, снижение конкурентоспособности организации. Основной целью антикризисного финансового управления являются быстрое возобновление платежеспособности и восстановление достаточного уровня финансовой устойчивости, позволяющие избежать его банкротства. Существует множество показателей и коэффициентов, которые отражают финансовое равновесие фирмы, но для диагностики банкротства можно выделить ключевые индикаторы, которые можно использовать для различных целей диагностики. Критерии потенциального банкротства представлены в табл. 1.
Таблица 1
Система показателей финансовой диагностики вероятности банкротства
Критерии потенциального банкротства Абсолютные показатели (позволяют оперативно выявить те или иные критерии потенциального банкротства) Относительные показатели (позволяют установить тенденции изменения вероятности банкротства)
Убыточность финансово-хозяйственной деятельности Чистая прибыль. Прибыль (убыток) отчетного периода Коэффициент рентабельности (активов, продаж, оборотного капитала)
Наличие финансовой задолженности Просроченные финансовые обязательства, финансовая устойчивость предприятия Коэффициент обеспеченности просроченных финансовых обязательств активами; коэффициент исполнения текущих обязательств; коэффициент финансовой зависимости; коэффициент покрытия платежей по кредитам; коэффициент финансового левериджа
Неспособность погасить краткосрочные обязательства за счет имеющихся оборотных активов Чистый денежный поток Коэффициенты быстрой, срочной, текущей, кризисной, промежуточной, уточненной ликвидности; коэффициент соотношения собственных и заемных средств (коэффициент финансирования)
Дефицит собственных оборотных средств Собственные оборотные средства Коэффициент обеспеченности собственными оборотными средствами
Наличие дебиторской и кредиторской задолженности Просроченная дебиторская задолженность Удельный вес просроченной дебиторской задолженности в общей сумме дебиторской задолженности; коэффициент оборотных средств в расчетах
Падение рыночной стоимости ценных бумаг предприятия Рыночная стоимость активов(ценных бумаг) Коэффициент рыночной стоимости акции
Прекращение обслуживания долга Просроченная задолженность свыше трех месяцев Коэффициент прогноза банкротства
Источник: Новикова Н.В. Диагностика вероятности банкротства на основе показателей провизорных и директивных балансов // Проблемы и перспективы экономики и управления: мат. междунар. науч. конф. (г. Санкт-Петербург, апрель 2012 г.). СПб.: Реноме, 2012. С. 142 - 146.
Сегодня в научной литературе достаточно много дискуссий на предмет точности моделей. При тестировании обычно следует поставить ряд вопросов: 1. Как влияет на результат модели ее «возраст»? Мы продемонстрировали на примере сельскохозяйственных муниципальных районов Омской области, что
модели Альтмана, Таффлера, Спрингейта, если сравнивать их друг с другом, показывают практически один и тот же результат, что говорит о преемственности использования их в качестве прогноза и анализа при принятии стратегических решений (табл. 2). При использовании данных методик необходимо учитывать цели диагности-
Таблица 2
Результаты диагностики вероятности банкротства сельхозтоваропроизводителей Омской области
(по состоянию на 01.01.2014 г.)
Муниципальные районы Омской области Двухфакторная модель, 1968 г. Модель Альтмана, 1968 г. Модель Чессера, 1974 г. Модель Спрингейта, 1978 г. Модель Таффлера, 1997 г.
Павлоградский район Ъ = -0,3877 - 1,0736 х 2,67 + 0,579 х 2,69 = -3,05 (низкий риск банкротства) Ъ = 1,2 х 0,35 + 1,4 х 0,48+3,3 х 0,046 + 0,64 х 1,85 + 0,393 = 2,83 (вероятность потери платежеспособности - 15 - 20%) Ъ = 1/(1 + 2,71828 + 6,0334 = 0,10 (контрагент условия договора выполнит) Ъ = 1,03 х 0,32 + 3,07 х 0,53 + 0,66 х 0,41 + 0,4 х 0,07 = 2,26 (низкая вероятность наступления неплатежеспособности) Ъ = 0,53 х 0,10 + 0,13 х 0,21 + 0,1 х 0,037 + 0,16 х 0,063 = 0,41 (приемлемое финансовое состояние)
Кормиловский район Ъ = -0,3877 - 1,0736 х 3,3 + 0,579 х 0,92 = -3,4 (низкий риск банкротства) Ъ = 1,2 х 0,23 + 1,4 х -0,01 + 3,3 х 0,01 + 0,6 х 0,09 + 0,22 = 0,57 (вероятность потери платежеспособности - 80 - 100%) Ъ = 1/1 + 2,718 - (-6,62) = 0,1 (контрагент условия договора выполнит) Ъ = 1,03 х 0,23 + 3,07 х -0,01 + 0,66 х -0,37 + 0,4 х -0,04 = -0,05 (высокая вероятность наступления неплатежеспособности) Ъ = 0,53 х -0,37 + 0,13 - 0,36 + 0,18 х 0,1 + 0,16 х 0,22 = -0,09 (высокая вероятность банкротства)
Одесский район Ъ = -0,3877 - 1,0736 х 2,09 + 0,579 х 0,31 = -1,62 (низкий риск банкротства) Ъ = 1,2 х 0,21 + 1,4 х 0,5 + 3,3 х 0,06 0,6 х 1,5 + 0,67 = 2,72 (вероятность потери платежеспособности - 15 - 20%) Ъ = 1/1 + 2,71828-/-5,08/ = 0,11 (контрагент условия договора выполнит) Ъ = 1,03 х 0,21 + 3,07 х 0,44 + 0,66 х /-0,017/ + 0,4 х /-0,005/ = 1,56 (низкая вероятность наступления неплатежеспособности) Ъ = 0,53 х /-0,02/ + 0,13 х 1,31 + 0,18 х 0,31 + 0,16 х 0,67 = 0,33 (приемлемое финансовое состояние)
Горьковский район Ъ = -0,3877 - 1,0736 х 1,22 + 0,579 х 0,34 = -1,50 (низкий риск банкротства) Ъ = 1,2 х 0,13 + 1,4 х 0,15 + 3,3 х 0,08 + 0,6 х 1,62 + 0,40 = 2,02 (вероятность потери платежеспособности - 35 - 50%) Ъ = 1/1 + 2,71828 + 3,18 = 0,14 (контрагент условия договора выполнит) Ъ = 1,03 х 0,13 + 3,07 х 0,15 + 0,66 х 0,13 + 0,4 х 0,03 = 0,69 (высокая вероятность наступления неплатежеспособности) Ъ = 0,53 х 0,13 + 0,1х 0,90 + 0,18 х 0,21 + 0,16 х 0,40 = 0,29 (приемлемое финансовое состояние)
Русско-Полянский район Ъ = -0,3877 - 1,0736 х 0,8/8 + 0,579 х 0,34 = -1,13 (низкий риск банкротства) Ъ = 1,2 х /-0,03/ + 1,4 х 0,04 + 3,3 х 0,03 + 0,6 х 196 + 0,25 = 1,55 (вероятность потери платежеспособности - 80 - 100%) Ъ = 1/1 + 2,71828 + 3,29 = 0,14 (контрагент условия договора выполнит) Ъ = 1,03 х /-0,03/ + 3,07 х 0,04 + 0,66 х /-0,007/ + 0,4 х /-0,002/ = 0,09 (высокая вероятность наступления неплатежеспособности) Ъ = 0,53 х /-0,007/ + 0,13 х 0,67 + 0,18 х 0,26 + 0,16 х 0,24 = 0,17 (высокая вероятность банкротства)
Исилькульский район Ъ = -0,3877 - 1,0736 х 7,7 + 0,579 х 0,13 = -9,08 (низкий риск банкротства) Ъ = 1,х 0,53 + 1,4 х 0,51 + 3,3 х 0,07 + 0,6 х 6,4 + 0,51 = 5,93 (отмечается стабильность ситуации) Ъ = 1/1 + 2,71828 + 5,703 = 0,106 (контрагент условия договора выполнит) Ъ = 1,03 х 0,52 + 3,07 х 0,51 + 0,66 х 0,89 + 0,4 х 0,07 = 2,73 (низкая вероятность наступления неплатежеспособности) Ъ = 0,53 х 0,89 + 0,13 х 4,47 + 0,18 х 0,078 + 0,16 х 0,51 = 1,14 (приемлемое финансовое состояние)
Азовский немецкий национальный район Ъ = -0,3877 - 1,0736 х 2,53 + 0,579 х 0,35 = -2,9 (низкий риск банкротства) Ъ = 1,2 х 0,3 + 1,4 х 0,35 + 3,3 х 0,0014 + 0,6 х 1,9 + 0,66 = 2,66 (вероятность потери платежеспособности - 35 - 50%) Ъ = 1/1 + 2,71828 -/-0,24/ = 0,036 (контрагент условия договора выполнит) Ъ = 1,03 х 0,30 + 3,07 х 0,36 + 0,66 х /-0,056/ + 0,4 х 0,013 = 1,38 (низкая вероятность наступления неплатежеспособности) Ъ = 0,53 х /-0,056/ + 0,13 х 1,46 + 0,18 х 0,20 + 0,16 х 0,66 = 0,3 (приемлемое финансовое состояние)
Шербакульский район Ъ = -0,3877 - 1,0736 х 2,06 + 0,579 х 0,34 = -2,4 (низкий риск банкротства) Ъ = 1,2 х 0,25 + 1,4 х 0,39 + 3,3 х 0,06 + 0,6 х 1,93 + 0,64 = 2,84 (вероятность потери платежеспособности - 15 - 20%) Ъ = 1/1 + 2,71828 + 4,59 = 0,12 (контрагент условия договора выполнит) Ъ = 1,03 х 0,25 + 3,07 х 0,37 0,66 х 2,4 + 0,4 х 0,56 = 3,18 (низкая вероятность наступления неплатежеспособности) Ъ = 0,53 х 0,24 + 0,13 х 1,34 + 0,18 х 0,23 0,16 х 0,63 = 0,43 (приемлемое финансовое состояние)
Тевризский район Ъ = -0,3877 - 1,0736 х 1,2 + 0,579 х 0,71 = -0,59 (низкий риск банкротства) Ъ = 1,2 х 0,24 + 1,4 х 0,23 + 3,3 х 0,005 + 0,6 х 0,418 + 0,34 = 1,21 (вероятность потери платежеспособности - 35 - 50%) Ъ = 1/1 + 2,71828 -/-167,91/ = 0,0058 (контрагент условия договора выполнит) Ъ = 1,03 х 0,082 + 3,07 х 0,23 + 0,66 х /-0,0064/ + 0,4 х /-0,0024/ = 0,84 (пограничное значение, риск наступления неплатежеспособности) Ъ = 0,53 х /-0,0064/ + 0,13 х 0,66 + 0,18 х 0,38 + 0,16 х 0,34 = 0,30 (есть вероятность банкротства, пограничное значение)
ки: так, модель Чессера в нашем примере показывает везде стабильный положительный результат, так как основная цель данной методики - определить общую кредитоспособность организации и протестировать способность возврата средств (в том числе и за счет имущества). Данные методики особенно полезны для инвесторов.
2. Какое влияние на результат оказывает количество переменных и их сложность?
Двухфакторные линейные модели показывают невысокую точность прогноза. В нашем случае двухфакторная модель показала во всех районах «низкий риск банкротства», что не соответствует действительности.
3. Четырех-пятифакторные модели являются относительно точными; модели с числом факторов более 6 громоздки в расчетах.
4. Существует ли принципиальное отличие англосаксонских моделей от европейских применительно к России?
В целом различия не наблюдаются, несмотря на различия англосаксонского хозяйственного права и континентального: в частности, европейские модели менее ориентированы на показатели биржевых котировок.
5. Как влияют характеристики модели на ее результат: дискриминантный анализ против логистической регрессии?
Дискриминантным моделям присуща значимая доля приближенности в связи с размытыми границами значений интегральных показателей, а также наличием «серой зоны». Исследования Лейтайнена - Канканпы (Laitinen - Kankaanpaa, 1999) были посвящены сравнению точности результатов шести альтернативных методов прогнозирования: дискриминантный анализ, логистическая регрессия, метод последовательных делений, анализ выживания, анализ процесса принятия решений и нейронные сети. На основании этих исследований был сделан вывод, что результаты одного из последних методов (нейронные сети) так же эффективны и точны, как и результаты дискриминантного анализа, который применялся более тридцати лет назад [8]. Алгоритм «случайный лес» является техникой моделирования, при которой достигается высокая точность в классификации и регрессии с минимальной настройкой параметров.
6. Каково должно быть соотношение финансовых и нефинансовых индикаторов в модели?
В исследовании Фалькенштейна, Борала и Карти (Falkenstein, Boral, Carty, 2000) подчеркивается, что связь
между финансовыми показателями и риском дефолта различна для публичных и непубличных компаний. Помпе и Билдербик (Pompe, Bilderbeek, 2005) в своей работе отмечают, что прогнозировать вероятность банкротства молодых фирм сложнее, чем давно существующих компаний.
Таким образом, от объективности предполагаемых оценок зависит успех предупреждения кризиса и его преодоление. При использовании моделей необходимо исходить из целей диагностики. Протестированные нами модели целесообразно использовать для экспресс-анализа. Модель Чессера приемлема для внешних пользователей, западный инструментарий (Альтман, Сприн-гейт, Таффлер) полезен для внутреннего аудита. Практическая значимость диагностики банкротства заключается в прогнозировании момента проявления отрицательных тенденций в каких-либо внутренних или внешних процессах, охватывающих деятельность организаций, выявлении моментов, порождающих кризисные ситуации, и своевременном принятии соответствующих мер по их ликвидации или снижению степени негативных воздействий.
1. Комплексный экономический анализ хозяйственной деятельности: учебник / колл. авторов. М.: КНОРУС, 2012.
2. Новикова Н.В. Диагностика вероятности банкротства на основе показателей провизорных и директивных балансов // Проблемы и перспективы экономики и управления: мат. между-нар. науч. конф. (г. Санкт-Петербург, апрель 2012 г.). СПб.: Реноме, 2012. С. 142 - 146.
3. Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. September. Р. 589 - 609.
4. Fernandez A.I. A Spanish model for credit risk classification // Studies in Banking&Finance. 1988. Vol. 7. Р. 115 - 125.
5. Fischer J. Forecasting Company Failure by the Use of Non-Numeric Data, EIASM // Worshop on Bank Planning Models. 1981. 6 April.
6. Knight R.M. The Demermination of Failure in Canadian Firms // ASA Meetings of Canada. Saskatoon, 1979.
7. Ko C.J. A Delineation of Corporate Appraisal Models and Classification of Bankruptcy Firm in Japan. New York University, 1982.
8. Laitinen Т., Kankaanpaa M. Comparative analysis of failure prediction methods: the Finnish case // The European Accounting Review. 1999. Vol. 8. № l. P. 89.
9. Morris R. Early Warning Indicators of Business Failure. Al-dershot: Ashgate Publishing. 1997.
10. Swanson E. and Tybout. Industrial bankruptcy determinants in Argentina // Studies in Banking & Finance. 1988. Vol. 7. Р. 1 - 25.
annik.89@mail.ru
УДК 330.322:336.77
Анна Александровна Сысоева,
аспирантка кафедры банковского дела, Российский экономический университет
им. Г. В. Плеханова
ПРОЕКТНОЕ ФИНАНСИРОВАНИЕ КАК ЭФФЕКТИВНАЯ ФОРМА МЕЖДУНАРОДНОГО КРЕДИТОВАНИЯ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ
Развитые страны и страны с переходной экономикой все чаще нуждаются в создании надлежащей инфраструктуры для улучшения жизни своих граждан. Проектное финансирование является большим подспорьем для обеспечения будущего глобального роста и развития. В статье проведен анализ основных направлений развития
