Выбор предприятий для формирования ядра регионального кластера в условиях нечеткой информации Текст научной статьи по специальности «Экономика и бизнес»

ВЫБОР ПРЕДПРИЯТИЙ ДЛЯ ФОРМИРОВАНИЯ ЯДРА РЕГИОНАЛЬНОГО КЛАСТЕРА В УСЛОВИЯХ

НЕЧЕТКОЙ ИНФОРМАЦИИ

CHOICE OF ENTERPRISE FOR FORMING NUCLEUS REGIONAL CLUSTER IN THE FUZZY INFORMTION

УДК 332.12

КАРАЕВА Фатима Ехьяевна

доцент кафедры статистики и экономического анализа Кабардино-Балкарского государственного аграрного университета им. В. М. Кокова, доктор экономических наук, доцент, fatima64@mail.ru

KARAEVA, Fatima Ekhyaevna

Associate Professor at the Department of Statistics and of Economic Analysis, the Kabardino-Balkarian State University of Agrarian named after V. M. Kokov, Doctor of Economics, Associate Professor, fatima64@mail.ru

ШОГЕНОВА Зарема Хажмуратовна

доцент кафедры проектной деятельности в кинематографии и телевидении Санкт-Петербургского государственного института кино и телевидения, кандидат экономических наук, доцент, zarema30@mail.ru

SHOGENOVA, Zarema Нazhmuratovna

Associate Professor at the Department of Project Activities in Cinematography and Television, the Saint-Petersburg State Institute of Film and Television, Candidate of Economic Sciences, Associate Professor, zarema30@mail.ru

Аннотация.

В статье рассматриваются методологические аспекты идентификации региональных кластеров на втором этапе ее логической последовательности: «выбор ключевых отраслей (видов производства)региональной экономики -выбор ключевых региональных предприятий - выбор связанных предприятий и организаций». В условиях частичного или полного отсутствия достоверной и открытой экономической информации критериальные значения показателей, на основе которых осуществляется выбор предпритий для формирования ядра кластера, являются нечетко выраженными. Поэтому в качестве формального аппарата выбора предприятий для формирования ядра кластера и связанных предприятий так же, как и в случае с выбором ключевых видов деятельности, предлагается использовать математический аппарат теории нечетких или размытых множеств, позволяющий решать задачи математического моделирования сложных социально-экономических систем в условиях нечеткости (размытости) информации.

© Караева Ф. Е., Шогенова З. Х., 2017.

Ключевые слова: ядро кластера, ключевые отрасли, нечеткие множества, лингвистическая переменная, продукционные правила, расстояние Хем-минга.

Abstract.

The article discusses the methodological aspects of the identification of regional clusters in the second phase of its logical consistency: «the choice of key sectors (production) of regional economy - the regional enterprises - the choice of related enterprises and organizations». In the partial or complete lack of open and reliable economic information, criterion values serving as basis for enterprise selection for formation of the core cluster are not clearly pronounced. Therefore, as the formal apparatus of selecting the enterprise for the formation of the cluster core and related businesses, as well as in the case of selection of key activities, it is proposed to use the mathematical apparatus of theory of fuzzy or fuzzy sets allowing to solve tasks of mathematical modeling of complex socio-economic systems in the conditions of vagueness (fuzziness) information.

Key words: The core of the cluster, a key industry, fuzzy sets, linguistic variable, production rules, Hamming distance.

В раннее проведенном исследовании [1, с. 113] отмечается, что выявление отраслей, составляющих основу кластерного образования, определяет контур, границы регионального кластерного образования. В случае принадлежности отрасли или вида региональной экономической деятельности к ключевым в регионе, т. е. к готовым к региональной кластеризации, осуществляется переход к формированию ядра кластера - второму этапу логической последовательности формирования региональных кластеров и соответственно их идентификации.

Отбор предприятий региона в состав ядра кластерного образования предлагается проводить, исходя из следующих положений:

• предприятия должны принадлежать к ключевому виду экономической деятельности;

• предприятия должны иметь финансовое положение, позволяющее избежать банкротства, поскольку целесообразность включения предприятия в ядро кластера определяется не столько «прямыми» показателями результативности хозяйственной деятельности, такими как «объемы производства», «объемы прибыли», «производственные мощности и

эффективность их использования», а показателями, системно отражающими тот предел, за которым эффективная хозяйственная деятельность как обязательное условие участия предприятия в кластеризации становится невозможной даже при наличии положительных значений «прямых» показателей хозяйственной деятельности предприятия [1; 2].

Существует достаточно большое количество моделей, применяемых для оценки вероятности банкротства предприятия, разработанных как зарубежными, так и отечественными специалистами. К наиболее известным зарубежным моделям, применяемым для оценки вероятности банкротства предприятия, относятся модели Альтмана, Лиса, Таффлера, Бивера [3; 4; 5; 6; 7; 8].

Среди моделей Э. Альтмана выделяются двухфакторная и пятифакторные модели [4].

Двухфакторная модель Э. Альтмана:

г = -0,3877 - 1,0736К + 0,0579К ,

тп зс

где Ктп - коэффициент текущей ликвидности -отношение оборотных активов к краткосрочным обязательствам;

Кзс - коэффициент капитализации - отношение заемных средств к общей величине пассивов.

Для двухфакторной модели Э. Альтмана действует следующее правило оценивания риска несостоятельности предприятия:

• если X < 0, вероятность банкротства меньше 50% и далее снижается по мере уменьшения Ъ;

• если Ъ = 0, вероятность банкротства равна 50%;

• если X > 0, вероятность банкротства больше 50% и возрастает по мере увеличения рейтингового числа X.

Наибольшего внимания заслуживают пя-тифакторные модели, одна из которых применяется для анализа состояния крупных компаний, акции которых котируются на рынке ценных бумаг, и которая имеет вид [6; 7]:

г = 1,2К1 + 1,4К2 + 3,3К3 + 0,6К4 + 1,0К5,

где К1 - отношение собственных оборотных активов (текущие активы - краткосрочные обязательства) к сумме активов;

К2 - отношение нераспределенной прибыли к сумме активов;

К3 - отношение прибыли до уплаты процентов и налогов к сумме активов;

К4 - отношение рыночной стоимости акций к заемному капиталу;

К5 - отношение выручки от реализации к сумме активов.

Критериальным значением показателя Ъ является 2,675. Для определения вероятности риска банкротства можно использовать таблицу 1 [4; 6; 7].

Таблица 1

Уровень угрозы банкротства в модели Альтмана

Значения Z Лингвистическая переменная банкротства

< 1,8 Очень высокая

1,8 < И < 2,7 Высокая

2,7 < И < 2,9 Возможная

> 2,9 Очень низкая

Применительно к компаниям, акции которых не котируются на рынке, модель Альтмана имеет следующий вид [5]:

г = 0,717К1 + 0,847К2 + + 3,107К3 + 0,42К4 + 0,995К5.

Здесь К4- отношение балансовой стоимости собственного капитала к заемному капиталу.

Если Ъ < 1,23, то компания станет банкротом в ближайшие два-три года (вероятность банкротства высокая), если Ъ лежит в диапазоне от 1,23 до 2,89, то ситуация неопределенна, если Ъ > 2,89 - компания финансово устойчива (вероятность банкротства низкая) [7].

Четырехфакторнаямодель Лиса [3]:

г = 0,063Х1 + 0,092Х2 + 0,057Х3 + 0,001Х4,

где Х1 - отношение оборотного капитала к сумме активов;

Х2 - отношение прибыли от реализации к сумме активов;

Х3 - отношение нераспределенной прибыли к сумме активов;

Х4 - отношение собственного капитала к заемному.

Для четырехфакторной модели Лиса вероятность банкротства в зависимости от значения рейтингового числа определяется следующим образом:

• если X > 0,037 - вероятность банкротства высокая;

• если X < 0,037 - вероятность банкротства малая.

Четырехфакторнаямодель Таффлера [5]:

X = 0,53Х1 + 0,13Х2 + 0,18Х3 + 0,16Х4,

где Х1 - отношение прибыли от реализации к краткосрочным обязательствам;

Х2 - отношение оборотных активов к сумме обязательств;

Х3 - отношение краткосрочных обязательств к сумме активов;

Х4 - отношение выручки от реализации к сумме активов.

Правило принятия решения о возможности банкротства предприятия выглядит следующим образом [5]:

• если Z > 0,3 - вероятность банкротства не высокая;

• если 0,2 < Z < 0,3 - ситуация неопределенная;

• если Z < 0,2 - вероятность банкротства высока.

Пятифакторная модель В. Г. Бивера [4; 6].

Данная модель представляет комплекс финансовых показателей, характеризующих платежеспособность, финансовую независимость и рентабельность организации. Состав применяемых для оценки состояния предприятия показателей, критериальные их значения для определения возможности банкротства предприятия представлены в таблице 2.

Следует отметить, что зарубежные модели прогнозирования банкротства в отношении отечественных предприятий следует применять весьма осторожно, что обусловлено возможной неадекватностью результатов прогнозирования. Это связано с различиями в условиях функционирования зарубежных и отечественных предприятий: экономическая ситуация в стране, темпы инфляции, условия кредитования, особенности налоговой системы и т. д.

В этой связи результаты расчетов, полученные с использованием зарубежных моделей прогнозирования банкротства, целесообразно использовать в качестве дополнительных к результатам расчетов, полученным с использованием отечественных методик.

Из российских моделей и методик оценки финансового состояния предприятия, диагностики вероятности банкротства следует отметить официальную методику, регламентируемую Методическими положениями по оценке финансового состояния предприятия и установлению неудовлетворительной структуры баланса, модель Р. С. Сайфуллина и Г. Г. Кадыкова [5; 8], модель О. П. Зайцевой [7; 9], модель ученых Иркутской государственной экономической академии [5; 8].

Официальная процедура диагностики кризисного состояния предприятия предусматривает определение следующих показателей [4; 5; 7; 9]:

• коэффициента текущей ликвидности Ктл;

• коэффициента обеспеченности собственными средствами Косс.

Коэффициент текущей ликвидности характеризует общую обеспеченность предприятия

Таблица 2

Система показателей Бивера

Показатель Расчетные модели Значения показателей

Группа 1: благополучные компании Группа 2: пять лет до банкротства Группа 3: за один год до банкротства

Коэффициент Бивера (Чистая прибыль + амортизация) / заемные средства 0,40-0,45 0,17 -0,15

Экономическая рентабельность Чистая прибыль X 100% / сумма активов 6-8 4 -22

Финансовый леверидж Заемный капитал X 100% / баланс < 37 < 50 < 80

Коэффициент покрытия активов собственными оборотными средствами (Собств. капитал -внеоборот. активы) / сумма активов 0,4 < 0,3 - 0,06

Коэффициент текущей ликвидности Оборотные активы / краткосрочные обязательства < 3,2 < 2 < 1

оборотными средствами для ведения хозяйственной деятельности и своевременного погашения срочных обязательств предприятия [10].

Коэффициент обеспеченности собственными средствами характеризует наличие собственных оборотных средств у предприятия, необходимых для его финансовой устойчивости, и определяется как отношение разности между объемами источников собственных средств и фактической стоимостью основных средств и прочих внеоборотных активов к фактической стоимости находящихся в наличии у предприятия оборотных средств [10].

Требования к данным коэффициентам на конец отчетного периода следующие: Ктл > 2 и Кдсс > 0,1 [4; 6; 7; 10]. В том случае, если хотя бы один из рассчитываемых коэффициентов имеет значение менее указанных, рассчитывается коэффициент восстановления платежеспособности за период, установленный равным шести месяцам. Данный коэффициент является основным показателем, характеризующим наличие реальной возможности у предприятия восстановить свою платежеспособность в течение определенного периода.

Коэффициент восстановления платежеспособности определяется как отношение расчетного коэффициента текущей ликвидности к его установленному значению:

K

Кгл.ф + Тт/(^Тгл.ф+"'ТТгл.н)

K

гл.норм

окончанием и началом отчетного периода в пересчете на период восстановления платежеспособности [7; 10].

Рассчитанный коэффициент восстановления платежеспособности, принимающий значение больше единицы, свидетельствует о наличии реальной возможности у предприятия восстановить свою платежеспособность. В противном случае у предприятия в ближайшее время нет реальной возможности восстановить платежеспособность. В том случае, если коэффициенты удовлетворяют заданным требованиям, рассчитывается коэффициент утраты платежеспособности за период, установленный равным трем месяцам [10].

Коэффициент утраты платежеспособности, принимающий значение меньше единицы, рассчитанный на период, равный трем месяцам, свидетельствует о том, что у предприятия в ближайшее время имеется возможность утратить платежеспособность [4; 6; 7; 10]. И, наоборот, когда коэффициент утраты платежеспособности больше единицы, то у предприятия имеется реальная возможность не утратить платежеспособность.

Правила принятия решения о финансовом состоянии предприятия представлены в таблице 3.

Модель Р. С. Сайфуллина и Г. Г. Кадыкова

является одной из наиболее известных отечественных рейтинговых моделей, которая может применяться для различных отраслей и предприятий [5]. Общий вид модели:

где Ктл ф - фактическое значение (в конце отчетного периода) коэффициента текущей ликвидности;

Ктл н - значение коэффициента текущей ликвидности в начале отчетного периода;

К - нормативное значение коэффици-

тл.норм 1 т т ^

ента текущей ликвидности, -Ктлнорм = 2;

Твп - период восстановления платежеспособности в месяцах (6 месяцев);

Т - отчетный период в месяцах.

Расчетный коэффициент текущей ликвидности определяется как сумма фактического значения коэффициента текущей ликвидности на конец отчетного периода и изменение значения этого коэффициента между

R = 2 К1 + 0,1 K2 + 0,08 К3 + 0,45 К4 + К5,

где К1- коэффициент обеспеченности собственными средствами;

К2 - коэффициент текущей ликвидности;

К3 - коэффициент оборачиваемости активов;

К4 - коммерческая маржа (рентабельность реализации продукции);

К5 - рентабельность собственного капитала.

Если значение итогового показателя Я < 1, вероятность банкротства предприятия высокая, если Я > 1, то вероятность низкая [5].

Модель О. П. Зайцевой для оценки риска банкротства предприятия имеет вид [7]:

Таблица 3

Правила принятия решения о финансовом состоянии предприятия

Значения коэффициентов Финансовое состояние предприятия

(К > 2 И К > 0,1) И К > 1 4 тп осс ' ' ут.пп Структура баланса удовлетворительная, предприятие имеет возможность не утратить платежеспособность

(К > 2 И К > 0,1) И К < 1 4 тп осс ' ут.пп Структура баланса удовлетворительная, предприятие имеет возможность утратить платежеспособность

(К < 2 ИЛИ К < 0,1) И К > 1 4 тп осс ' вос.пп Структура баланса неудовлетворительная, предприятие имеет возможность в течение шести месяцев восстановить свою платежеспособность

(К < 2 ИЛИ К < 0,1) И К < 1 4 тп осс ' вос.пп Структура баланса неудовлетворительная, предприятие не имеет возможности в ближайшее время восстановить свою платежеспособность

К = 0,25Х1 + 0,1Х2 + 0,2Х3 + + 0,25Х4+ 0,1Х5 + 0,1Х6,

где Х1 - коэффициент убыточности предприятия, характеризующийся отношением чистого убытка к собственному капиталу;

Х2 - коэффициент соотношения кредиторской и дебиторской задолженности;

Х3 - показатель соотношения краткосрочных обязательств и наиболее ликвидных активов, этот коэффициент является обратной величиной показателя абсолютной ликвидности;

Х4 - убыточность реализации продукции, характеризующийся отношением чистого убытка к объему реализации этой продукции;

Х5 - коэффициент финансового левериджа (финансового риска) - отношение заемного капитала (долгосрочные и краткосрочные обязательства) к собственным источникам финансирования;

Х6 - коэффициент загрузки активов как величина, обратная коэффициенту оборачиваемости активов - отношение общей величины активов предприятия (валюты баланса) к выручке.

Для определения вероятности банкротства рассчитанное значение показателя сравнивается с нормативным значением, которое рассчитывается по той же формуле для следующих значений коэффициентов: Х1 = 0, Х = 1, Х = 7, Х = 0, Х = 0,7, Х = значению Х

2 3 4 5 6 6

в предыдущем периоде.

Если фактический коэффициент больше нормативного, то вероятность риска банкротства велика, а если меньше норматива - то вероятность риска банкротства небольшая [9].

Четырехфакторная модель прогноза риска банкротства ученых Иркутской государственной экономической академии имеет вид [5]:

Я = 8,38К1 + К2 + 0,05К3 + 0,63К4,

где К1 - отношение оборотных активов к сумме активов предприятия;

К2 - отношение чистой прибыли к собственному капиталу предприятия;

К3 - отношение выручки к сумме активов предприятия;

К4 - отношение чистой прибыли к затратам на производство и реализацию (в том числе себестоимость проданных товаров, коммерческие расходы, управленческие расходы).

Определение вероятности банкротства предприятия в соответствии со значением Я представлено в таблице 4 [5].

Кроме вышеназванных, в интересах анализа финансового состояния предприятия и прогнозирования банкротства могут также применяться и другие методики и модели, в том числе разработанные применительно к конкретным отраслям (видам экономической деятельности). Например, для оценки риска банкротства сельскохозяйственных предприятий разработаны рейтингово-скоринговая

Таблица 4

Определение вероятности банкротства предприятия по модели Иркутской государственной экономической академии

Значение показателя < 0 0 - 0,18 0,18 - 0,32 0,32 - 0,42 > 0,42

«Я»

Вероятность Максимальная Высокая Средняя Низкая Минимальная

банкротства, % (90-100) (60-80) (35-50) (15-20) (до 10)

методика оценки Г. В. Савицкой [8; 11], модель Н. В. Пчеленок - М. М. Петрыкиной [8].

Следует отметить, что значительное количество разработанных как за рубежом, так и в России моделей и методик, применяемых для прогнозирования вероятности банкротства предприятий, не позволяет сделать однозначного вывода о целесообразности применения той или иной конкретной модели или методики для оценки финансово-экономического состояния предприятия в интересах его отбора в состав ядра кластерного образования.

Таким образом, имеет место нечеткость (размытость) критериев, определяющих вероятность банкротства предприятия, а также нечеткость связи показателей, характеризующих вероятность банкротства, с признаком принадлежности предприятия ядру кластерного образования (при каком значении вероятности банкротства включать предприятие в состав ядра).

Данное обстоятельство предопределяет целесообразность использования аппарата теории нечетких множеств для решения задачи отбора предприятий, принадлежащих выбранному виду экономической деятельности, в состав «ядра» кластерного образования.

Отбор предприятий производится на основе оценки их финансовой устойчивости, которая в целом аналогична процедуре выявления ключевых (торгуемых) видов экономической деятельности в региональной экономике, представленных в [1]. Эта процедура включает представленные ниже этапы.

1. Выбираются показатели, методики и модели для оценки устойчивости финансового положения исследуемого предприятия, производится расчет показателей, которым

присваиваются лингвистические переменные, характеризующих вероятность банкротства.

2. Выбираются продукционные правила, отражающие применимость отнесения рассматриваемого предприятия к ядру кластерного образования на основании лингвистических оценок рассчитанных показателей, характеризующих вероятность банкротства предприятия. Продукционные правила для рассмотренных выше методик и моделей представлены в таблице 5.

3. Для признаков «предприятие относится к ядру кластерного образования» и «предприятие не относится к ядру кластерного образования» по каждому выбранному правилу определяется лингвистическая переменная, отражающая применимость признака к рассматриваемому предприятию с точки зрения заданного правила.

5. Определяется функция совместимости для признаков «предприятие относится к ядру кластерного образования» и «предприятие не относится к ядру кластерного образования» с использованием формулы

к

М =Х акЫ (Хк \ к=1

где Ок - весовые коэффициенты, которые определяются экспертно и отражают важность используемой модели или методики с точки зрения их применения для диагностирования вероятности банкротства предприятия и определения принадлежности предприятия к «ядру» кластерного образования;

М (Хк ) - функция совместимости значения, характеризующего используемых моделей или методик;

К - количество используемых моделей или методик.

Таблица 5

Продукционные правила для отнесения предприятия к ядру кластерного образования

Характеристика вероятности банкротства Предприятие относится к ядру Предприятие не относится к ядру

Двухфакторная модель Э. Альтмана

Вероятность банкротства меньше 50% Хорошо Плохо

Вероятность банкротства равна 50% Плохо Удовлетворительно

Вероятность банкротства больше 50% Плохо Хорошо

Пятифакторная модель Э. Альтмана для анализа состояния крупных компаний, акции которых котируются на рынке ценных бумаг

Очень низкая вероятность банкротства Хорошо Плохо

Возможная вероятность банкротства Удовлетворительно Удовлетворительно

Высокая вероятность банкротства Плохо Удовлетворительно

Очень высокая вероятность банкротства Плохо Хорошо

Пятифакторная модель Э. Альтмана для анализа состояния компаний, акции которых не котируются на рынке ценных бумаг

Вероятность банкротства низкая Хорошо Плохо

Ситуация неопределенная Удовлетворительно Удовлетворительно

Вероятность банкротства высокая Плохо Хорошо

Четырехфакторная модель Лиса

Вероятность банкротства малая Хорошо Плохо

Вероятность банкротства высокая Плохо Хорошо

Четырехфакторная модель Таффлера

Вероятность банкротства не высокая Хорошо Плохо

Ситуация неопределенная Удовлетворительно Удовлетворительно

Вероятность банкротства высокая Плохо Хорошо

Пятифакторная модель В. Г. Бивера

Благополучные компании Хорошо Плохо

Пять лет до банкротства Удовлетворительно Хорошо

За один год до банкротства Плохо Хорошо

Процедура диагностики состояния предприятия

Структура баланса удовлетворительная, предприятие имеет возможность не утратить платежеспособность Хорошо Плохо

Структура баланса удовлетворительная, предприятие имеет возможность утратить платежеспособность Удовлетворительно Удовлетворительно

Структура баланса неудовлетворительная, предприятие имеет возможность в течение шести месяцев восстановить свою платежеспособность Удовлетворительно Плохо

Окончание таблицы 5

Характеристика вероятности банкротства Предприятие относится к ядру Предприятие не относится к ядру

Структура баланса неудовлетворительная, предприятие не имеет возможности в ближайшее время восстановить свою платежеспособность Плохо Хорошо

Модель Р. С. Сайфуллина и Г. Г. Кадыкова

Вероятность банкротства низкая Хорошо Плохо

Вероятность банкротства высокая Плохо Хорошо

Модель О. П. Зайцевой

Вероятность банкротства низкая Хорошо Плохо

Вероятность банкротства высокая Плохо Хорошо

Четырехфакторная модель ученых Иркутской государственной экономической академии

Вероятность банкротства минимальная Хорошо Плохо

Вероятность банкротства низкая Хорошо Плохо

Вероятность банкротства средняя Удовлетворительно Удовлетворительно

Вероятность банкротства высокая Плохо Хорошо

Вероятность банкротства максимальная Плохо Хорошо

6. Рассчитывается обобщенное расстояние Хемминга для полученных функций совместимости и размытого множества «число, близкое к единице» по формуле

D

mn

R

= 11 d

r=1

mr dnr

где ш, п - сравниваемые векторы одинаковой размерности;

й , й - значения г-х элементов векторов ш

ШГ пг 1

и п соответственно; Я - размерность векторов ш и п. По величине значения расстояния Хеммин-га для выбранных признаков («предприятие относится к ядру кластерного образования», «предприятие не относится к ядру кластерного образования») делается заключение об их применимости к рассматриваемому предприятию (чем меньше значение расстояния Хемминга, тем в большей степени подходит соответствующий ему признак для характеристики рассматриваемого предприятия).

В соответствии с вышеназванными методическими положениями, в состав ядра включаются предприятия-лидеры, определяющие долговременную стратегию всей кластерной системы (хозяйственная, инвестиционная, инновационная, социальная и др.), технологическая база которых соответствует уровню международных стандартов, позволяющая производить качественную, конкурентоспособную продукцию. Другие предприятия, входящие в кластер, должны подтягиваться до уровня лидирующих предприятий, то есть осуществлять соответствующие мероприятия по повышению своего уровня материально-производственной базы, предусматривающей обновление основных производственных фондов на качественно новой основе. В этой связи определение эффективности предприятий, которые могут составить ядро кластера, т. е. стать предприятиями-лидерами, выпускающими конкурентоспособную конечную продукцию, является одним из важнейших аспектов региональной кластерной организации и основой для оценки целесообразности

их включения в состав ядра кластерного образования.

Применение вышеприведенных методических положений выбора предприятий в состав ядра кластерного образования рассмотрим на примере одного из предприятий Кабардино-Балкарской республики (КБР), деятельность которого относится к виду экономической деятельности, относящейся к ключевой для региона «Производство пищевых продуктов, включая напитки, и табака», по подвиду «Производство мукомольно-крупяной промышленности», осуществляющего производство хлеба, хлебобулочных и кондитерских изделий. Необходимые для расчетов финансовые показатели данного предприятия приведены в таблице 6.

Таблица 6

Основные финансовые показатели предприятия

Показатель Значения

Сумма активов (пассивов) 39163

на 31 декабря предыдущего года 42771

Внеоборотные активы 19374

Текущие активы (оборотные) 19789

Дебиторская задолженность 1298

Денежные средства 10424

Собственный капитал 15580

Обязательства (долгосрочные и краткосрочные) 23583

Долгосрочные обязательства 0

Текущие (краткосрочные) обязательства 23583

Кредиторская задолженность 3822

Выручка от реализации на 31 декабря предыдущего года 86920 91605

Затраты на производство и реализацию 83218

Прибыль (убыток) от продаж 3702

Прибыль (убыток) до налогообложения 3529

Прибыль (чистая прибыль) 2823

Для расчета показателей, характеризующих финансовое состояние предприятия и вероятность его банкротства, используем следующие отечественные и зарубежные методики и модели:

• официальную методику, регламентируемую Методическими положениями по оценке финансового состояния предприятия и установлению неудовлетворительной структуры баланса;

• модель Р. С. Сайфуллина и Г. Г. Кадыкова;

• модель О. П. Зайцевой;

• четырехфакторную модель ученых Иркутской государственной экономической академии;

• пятифакторную модель Э. Альтмана для анализа компаний, акции которых не котируются на рынке;

• четырехфакторную модель Лиса;

• четырехфакторную модель Таффлера.

1. Оценка вероятности банкротства предприятия в соответствии с методикой, регламентируемой Методическими положениями по оценке финансового состояния предприятия и установлению неудовлетворительной структуры баланса. Рассчитываются показатели:

• коэффициент текущей ликвидности:

К = оборотные активы / краткосрочные

тл ± г г

обязательства = 19789 / 23583 = 0,839;

• коэффициент обеспеченности собственными средствами:

Косс = (собственный капитал - внеоборотные активы) / оборотные активы = (15580 - 19374) / 19789 = -0,192.

Так как оба показателя ниже нормативов, то рассчитывается коэффициент восстановления платежеспособности за шесть месяцев, для чего определяется коэффициент текущей ликвидности на конец предыдущего года (Ктл н = 0,945).

Коэффициент восстановления платежеспособности за шесть месяцев:

К

_ (0,839 + 6 /12 • (0,839 - 0,945)) _

2

= 0,393

Полученные результаты позволяют сделать вывод, что в соответствии с данной методикой структура баланса предприятия неудовлет-

ворительная, предприятие не имеет возможности в ближайшее время восстановить свою платежеспособность.

2. Оценка вероятности банкротства с использованием модели Р. С. Сайфуллина и Г. Г. Кадыкова [139].

Рассчитываются показатели:

• коэффициент обеспеченности собственными средствами:

К1 = -0,192;

• коэффициент текущей ликвидности:

К2 = 0,839;

• коэффициент оборачиваемости активов:

К3 = выручка от реализации / сумма активов =

869220 / 39163 = 2,219;

• коммерческая маржа (рентабельность реализации продукции):

К4 = прибыль (убыток) от продаж / выручка от р4еализации = 3702 / 86920 = 0,043;

• рентабельность собственного капитала:

К5 = прибыль (убыток) от продаж / внеоборотные активы = 3702 / 19374 = 0,191.

Рассчитывается итоговый показатель:

Я = 2- (-0,192) + 0,1- 0,839 + 0,08- 2,219 + + 0,45- 0,043 + 0,191 = 0,088.

Так как значение итогового показателя Я < 1, то вероятность банкротства предприятия, рассчитанная с использованием модели Р. С. Сайфуллина и Г. Г. Кадыкова, высокая.

3. Оценка вероятности банкротства с использованием модели О. П. Зайцевой [23].

Рассчитываются показатели:

• коэффициент убыточности предприятия:

Х1 = чистый убыток / собственный капитал =

0 / 15580 = 0;

• коэффициент соотношения кредиторской и дебиторской задолженности:

Х2 = кредиторская задолженность / дебиторская задолженность = 3822 / 1298 = 2,945;

• показатель соотношения краткосрочных обязательств и наиболее ликвидных активов:

Х3 = краткосрочные обязательства / наиболее ликвидные активы (денежные средства) = 23583 / 10424 = 2,262;

• убыточность реализации продукции:

Х4 = чистый убыток / выручка от реализа-

ции4= 0 / 86920 = 0;

• коэффициент финансового левериджа (финансового риска):

Х5 = обязательства (долгосрочные и краткосрочные) / собственный капитал = 23583 / 15580 = 1,514;

• коэффициент загрузки активов:

Х6 = сумма активов / выручка от реализации = 39163 / 86920 = 0,451.

Рассчитывается итоговый показатель:

К = 0,25-0 + 0,1-2,945 + 0,2- 2,262 + 0,25-0 + + 0,1-1,514 + 0,1-0,451 = 0,943.

Рассчитывается коэффициент загрузки активов для прошлого года:

Х = 42771 / 91605 = 0,467.

бпр.год

Рассчитывается нормативный показатель: К = 0,25- 0 + 0,1-1 + 0,2- 7 + 0,25- 0 +

н

+0,1-0,7 + 0,1-0,467 = 1,617.

Фактический итоговый показатель сравнивается с нормативным. Так как фактический показатель ниже нормативного (0,467<1,617), вероятность банкротства низкая.

4. Оценка вероятности банкротства с использованием четырехфакторной модели ученых Иркутской государственной экономической академии.

Рассчитываются показатели:

• отношение оборотных активов к сумме активов предприятия:

К1 = оборотные активы / сумма активов = 197859 / 39163 = 0,505;

• отношение чистой прибыли к собственному капиталу предприятия:

К2 = чистая прибыль / собственный капитал = 2823 / 15580 = 0,181;

• отношение выручки к сумме активов предприятия:

К3 = выручка от реализации / сумма активов = 86920 / 39163 = 2,219;

• отношение чистой прибыли к затратам на производство и реализацию:

К4 = чистая прибыль / затраты на производство и реализацию = 2823 / 83218 = 0,034.

Рассчитывается итоговый показатель:

Я = 8,38- 0,505 + 0,181 + +0,054- 2,219 + 0,63- 0,034 = 4,557.

Итоговый показатель превышает 0,42, что свидетельствует о минимальной вероятности банкротства данного предприятия в соответствии с моделью Иркутской государственной экономической академии.

5. Оценка вероятности банкротства с использованием пятифакторной модели Э. Альтмана для анализа компаний, акции которых не котируются на рынке.

Рассчитываются показатели:

• отношение собственных оборотных активов к сумме активов:

К1 = (текущие активы - краткосрочные обязательства) / сумма активов = (19789 - 23583) / 39163 = -0,097;

• отношение нераспределенной прибыли к сумме активов:

К2 = чистая прибыль / сумма активов = 2823 / 391663 = 0,072;

• отношение прибыли до уплаты процентов и налогов к сумме активов:

К3 = прибыль до налогообложения / сумма активов = 3529 / 39163 = 0,09;

• отношение балансовой стоимости собственного капитала к заемному капиталу:

К4 = собственный капитал / долгосрочные и краткосрочные обязательства = 15580 / 23583 = 0,661;

• отношение выручки от реализации к сумме активов:

К5 = выручка от реализации / сумма активов = 86920 / 39163 = 2,219.

Рассчитывается итоговый показатель:

2 = 0,717- (-0,097) + 0,847- 0,072 + 3,107- 0,09 + + 0,42- 0,661 + 0,995-2,219 = 2,757.

Так как 2 лежит в диапазоне от 1,23 до 2,89, то ситуация с вероятностью банкротства предприятия неопределенная.

6. Оценка вероятности банкротства с использованием четырехфакторной модели Лиса.

Рассчитываются показатели:

• отношение оборотного капитала к сумме активов:

X = (текущие активы - краткосрочные обязательства) / сумма активов = (19789 - 23583) / 39163 = -0,097;

• отношение прибыли от реализации к сумме активов:

Х2 = прибыль от продаж / сумма активов = 3702 / 39163 = 0,095;

• отношение нераспределенной прибыли к сумме активов:

Х3 = чистая прибыль / сумма активов = 28233 / 39163 = 0,072;

• отношение собственного капитала к заемному:

Х4 = собственный капитал / долгосрочные и краткосрочные обязательства = 15580 / 23583 = 0,661.

Рассчитывается итоговый показатель:

2 = 0,063- (-0,097) + 0,092- 0,095 + + 0,057- 0,072 + 0,001- 0,661 = 0,0074.

Рассчитанное значение итогового показателя 0,0074 меньше 0,037, в связи с чем вероятность банкротства предприятия в соответствии с че-тырехфакторной моделью Лиса малая.

7. Оценка вероятности банкротства с использованием четырехфакторной модели Таффлера [23].

Рассчитываются показатели:

• отношение прибыли от реализации к краткосрочным обязательствам:

XI = прибыль от продаж / краткосрочные обязательства = 3702 / 23583 = 0,157;

• отношение оборотных активов к сумме обязательств:

Х2 = оборотные активы / долгосрочные и краткосрочные обязательства = 19789 / 23583 = 0,839;

• отношение краткосрочных обязательств к сумме активов:

Х3 = краткосрочные обязательства / сумма активов = 23583 / 39163 = 0,602;

• отношение выручки от реализации к сумме активов;

Х4 = выручка от реализации / сумма активов = 86920 / 39163 = 2,219.

Рассчитывается итоговый показатель:

Ъ = 0,53- 0,157 + 0,13- 0,839 + 0,18- 0,602 + + 0,16- 2,219 = 0,656.

Рассчитанный с использованием модели Таффлера итоговый показатель больше 0,3, что позволяет сделать заключение о невысокой вероятности банкротства.

Результаты расчетов показателей, характеризующих вероятность банкротства предприятия, и определенные экспертно весовые коэффициенты применяемых моделей и методик представлены в таблице 7.

В соответствии с продукционными правилами (см. таблицу 5) для признаков «предприятие относится к ядру кластерного образования» и «предприятие не относится к ядру кластерного образования» получим следующие результаты (таблица 8).

Таблица 7

Результаты оценки показателей, характеризующих вероятность банкротства предприятия

Методики и модели Лингвистические оценки вероятности банкротства Весовые коэффициенты

Официальная методика Структура баланса неудовлетворительная, предприятие не имеет возможности в ближайшее время восстановить свою платежеспособность 0,16

Модель Р. С. Сайфуллина и Г. Г. Кадыкова Вероятность банкротства высокая 0,16

Модель О. П. Зайцевой Вероятность банкротства низкая 0,16

Модель ученых Иркутской государственной экономической академии Вероятность банкротства минимальная 0,16

Модель Э. Альтмана Ситуация неопределенная 0,12

Модель Лиса Вероятность банкротства малая 0,12

Модель Таффлера Вероятность банкротства не высокая 0,12

Таблица 8

Результаты оценки применимости признаков

Методики и модели Оцениваемые признаки

«предприятие относится к ядру кластерного образования» «предприятие не относится к ядру кластерного образования»

Официальная методика Плохо Хорошо

Модель Р. С. Сайфуллина и Г. Г. Кадыкова Плохо Хорошо

Модель О. П. Зайцевой Хорошо Плохо

Модель ученых Иркутской государственной экономической академии Хорошо Плохо

Модель Э. Альтмана Удовлетворительно Удовлетворительно

Модель Лиса Хорошо Плохо

Модель Таффлера Хорошо Плохо

Определяются функции совместимости для признаков «предприятие относится к ядру кластерного образования» и «предприятие не относится к ядру кластерного образования»:

М (применимость признака «предприятие относится к ядру кластерного образования») = 0,16 * х{(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} + 0,16 * х{(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} + 0,16 х х{(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} + 0,16 х х{(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} + 0,12 х х{(0,3;0,25), (0,4;0,7), (0,5;1), (0,6;0,7), (0,7;0,25)} + + 0,12 - {(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} + + 0,12 - {(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} = = {(0;0,32), (0,1;0,32), (0,2;0,27), (0,3;0,13), (0,4;0,12), (0,5;0,12), (0,6;0,14), (0,7;0,20), (0,8;0,48), (0,9;0,56), (1;0,56)}.

М (применимость признака «предприятие не относится к ядру кластерного образования») = = 0,16 - {(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} + + 0,16 - {(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)} + + 0,16 - {(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} + + 0,16 - {(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} + + 0,12 - {(0,3;0,25), (0,4;0,7), (0,5;1), (0,6;0,7), (0,7;0,25)} + 0,12 - {(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} + 0,12 - {(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)} = {(0;0,56), (0,1;0,56), (0,2;0,48), (0,3;0,20), (0,4;0,14), (0,5;0,12), (0,6;0,12), (0,7;0,13), (0,8;0,27), (0,9;0,32), (1;0,32)}.

Рассчитываются расстояния Хемминга:

• для признака «предприятие относится к ядру кластерного образования»:

Б = |0,32-0| + |0,32-0| + |0,27-0| + |0,13--0| + |0,12-0| + |0,12-0,1| + |0,14-0,2| + + |0,20-0,3| + |0,48-0,6| + |0,56-0,9| +|0,56-1| = 2,24;

• для признака «предприятие не относится к ядру кластерного образования»:

Б = |0,56-0| + |0,56-0| + |0,48-0| + |0,20--0| + |0,14-0| + |0,12-0,1| + |0,12-0,2| + + |0,13-0,3| + |0,27-0,6| + |0,32-0,9| +|0,32-1| = 3,8.

По критерию минимального расстояния Хемминга данное предприятие в наибольшей степени обладает признаком «предприятие относится к ядру кластерного образования», что позволяет включить его в состав ядра кластерного образования мукомольно-крупяной промышленности КБР.

Таким образом, в работе предложен микроподход к идентификации кластеров, апеллирующий непосредственно к предприятиям региона, позволяющий опираться на статистику, именующуюся зачастую в недостаточном объеме, но обеспечивающую относительную объективность и возможность сравнения региональных предприятий для формирования ядра кластерного образования. В рамках данного подхода выявление предприятий (организаций) предлагается проводить на основании комплексного методического аппарата оценки возможности банкротства региональных предприятий, потенциально способных войти в ядро кластерного образования, Для оценки значимости предложенных моделей и методик оценки банкротства предложена система показателей и продукционные правила оценки. Использование предложенного микроподхода наряду с наиболее распространенным в отечественной практике макроподходом, позволяет сформировать единый и системный методологический подход к решению задачи идентификации региональных кластерных образований.

Список литературы

1. Барсуков Д. П., Караева Ф. Е., Шогенова З. Х. Выбор ключевых видов экономической деятельности в условиях нечеткой информации для идентификации региональных кластерных образований // Петербургский экономический журнал. 2016. № 3. С. 103-113.

2. Барсуков Д. П., Кудряшов В. С. Механизм взаимосвязанного управления кластером на основе определения полномочий его участников в рамках договорных отношений // Вестник Российской академии естественных наук. 2014. № 18 (4). С. 40-43.

3. Барсуков Д. П., Афанасьева О. В. Использование методов прогнозирования для решения задач информационно-статистического анализа деятельности предприятия в условиях риска // Петербургский экономический журнал. 2013. № 1 (1). С. 73-77.

4. Донцова Л. В., Никифорова Н. А. Анализ финансовой отчетности: учебное пособие. М.: Издательство «Дело и Сервис», 2004. 336 с.

5. Бобрышев А. Н., Дебелый Р. В. Методы прогнозирования вероятности банкротства организации // Финансовый вестник: финансы, налоги, страхование, бухгалтерский учет. 2010. № 1 (январь). URL: http://www.1-fin.ru/?id=447 (дата обращения: 15.11.2016).

6. Ферова И. С., Гриб С. Н. Формирование и оценка конкурентоспособности инновационно-технологических кластеров в районах нового индустриального освоения (на примере Красноярского края). Методика оценки кластерной политики. URL: http:// do.gendocs.ru (дата обращения: 12.01.2016).

7. Герасимов Б. И., Коновалова Т. М., Спиридонов С. П., Саталкина Н. И. Комплексный экономический анализ финансово-хозяйственной деятельности организации: учебное пособие. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2008. 160 с.

8. Горюнов Е. В. Векторный метод прогнозирования вероятности банкротства предприятия // Экономический анализ: Теория и практика. 2011. № 27 (234). URL: http:// www.1-fin.ru/?id=636 (дата обращения: 12.01.2016).

9. Модель прогнозирования банкротства предприятия О. П. Зайцевой. URL: http:// www.beintrend.ru/2011-07-19-18-43-38 (дата обращения: 15.01.2016).

10. Методические положения по оценке финансового состояния предприятия и установлению неудовлетворительной структуры баланса. Утверждены распоряжением Федерального управления по делам о несостоятельности (банкротстве) при Госкомимуществе РФ от 12.08.94 № 31-р.

11. Модель оценки финансового состояния предприятия Г. В. Савицкой. URL: http:// www.beintrend.ru/2011-08-30-19-29-31 (дата обращения: 15.01.2016).