Модель банкротства лиса

Роль двухфакторной модели в диагностике банкротства

Двухфакторная модель, ее также называют модель Альтмана, является самой простой прогнозной моделью, которая позволяет быстро провести оценку банкротства конкретного предприятия и оценить возможность наступления ситуации, когда предприятие будет неспособно оплатить свои долги.

Американский ученый и экономист Э. Альтман построил данную модель с помощью выведенного им математического уравнения, а для основы и вывода уравнения использовал 33 успешных предприятия и 33 неплатежеспособных предприятия в Америке. В основе исследований лежал дискрименантный анализ.

Роль двухфакторной модели в 50-х годах в научном сообществе и бизнес — среде была очень высока, так как данное уравнение и метод был достаточно инновационным решением. Однако, сейчас на основе данной модели и других методов существуют более современные модели оценки вероятности банкротства, отличающиеся комплексностью и повышенной четкостью.

Готовые работы на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту Узнать стоимость

Расчет вероятности банкротства в соответствии с двухфакторной моделью

Двухфакторная модель относится к количественным методам и дает оценку, используя данные публичной отчетности. Рассмотрим формулу расчета, с помощью которой можно вычислить вероятность банкротства:

$Z=-0,3877-1,0736A +0,0579B$

где $A$ – коэффициент текущей ликвидности; $B$ – коэффициент финансового левериджа.

Замечание 1

В свою очередь коэффициент текущей ликвидности рассчитывается как отношение общей суммы оборотных активов (строки нового баланса $1200+1170$; строка старого баланса $290$) к текущим обязательствам (строки нового баланса $1500+1530+1540$; строка старого баланса $610+620+660$).

Замечание 2

Коэффициент финансового левериджа (или капитализации) вычисляется как отношение долгосрочных обязательств(строки нового баланса $1400+1500$; строка старого баланса $590+690$) к собственному капиталу (строка нового баланса $1300$; строка старого балансам $490$).

Пример расчета

В качестве объекта выберем успешное предприятие X5 Retail Group — один из ведущих российских многоформатных продуктовых розничных компаний достаточно известных и популярных в России. Возьмем данные из открытых источников за 2015 год.

$A = \frac{22 \ 072 \ 873 + 8 \ 313 \ 804}{18 \ 720 \ 319} = 1,62$

$B = \frac{5 \ 000 \ 000 + 18 \ 720 \ 319}{6 \ 730 \ 931} = 3,52$

$Z =-0,3877-1,0736\cdot 1,62 + 0,0579\cdot 3,52 = -1,92$

Таким образом, расчет показал, что вероятность банкротства X5 Retail Group низкая в ближайшем периоде.

Интерпретация результатов двухфакторной модели банкротства и ее основные недостатки

Результат вычислений раскрывается следующим образом:

Двухфакторная модель обладает рядом недостатков:

1. Во-первых, она не учитывает отраслевую специфику предприятий, когда коэффициенты текущей ликвидности и финансового левериджа могут отклоняться от общепризнанной нормы, но при этом быть оптимальными для конкретной отрасли. То есть такая модель не учитывает специфику видов хозяйственной деятельности, а следовательно очень снижается качество и достоверность прогнозов.
2. Во-вторых, такая модель, конечно, не учитывает специфику российских предприятий, так как основана на данных и отчетности американских компаний и достаточно давно (50-е годы).
3. В-третьих, не является комплексной и оценивает лишь общую ситуацию. Их недостаток в том, что они рассчитаны на основе весовых коэффициентов, которые определены для зарубежных предприятий и не соответствуют российским реалиям.

Замечание 3

Несмотря на такие недостатки, модель Альтмана все же может использоваться как экспресс-метод анализа банкротства. Поэтому рекомендуется использовать и дополнительные методы анализа банкротства, так как только комплексный, системный подход может определить реальную вероятность банкротства предприятия.

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Захарова Е.А. 1 Владимирова А.С. 1 1 Университет ИТМО В современной рыночной экономике банкротство является многосторонним процессом, имеющим важное экономическое и юридическое значение. Постоянный мониторинг финансового состояния предприятия является залогом его успешного развития, а также служит предупреждению возникновения банкротства. Наиболее ранее выявление риска несостоятельности является одной из актуальных проблем. Для диагностики данного явления используются различные подходы, основанные на применении определённого круга показателей. В данной статье обобщены наиболее известные модели определения вероятности возникновения состояния несостоятельности. Каждый из методов имеет право на существование, хоть и основываются на различных факторах. Использование данных методик рассмотрено на примере предприятия ЗАО «Северо-западная инвестиционно-промышленная компания» для демонстрации практической применимости. В выводах, сделаны рекомендации для российских предприятий. 115 KB банкротство несостоятельность модель альтмана вероятность банкротства 1. Федеральный закон от 26.10.2002 N 127-ФЗ (ред. от 29.07.2017) «О несостоятельности (банкротстве)». 2. Зайковский, Б.Б. Методы прогнозирования и оценки вероятности банкротства организации / Б.Б. Зайковский// Социальные науки: social-economic sciences: электронный научный журнал. 2016. № 3 (13). Режим доступа: http://www.academymanag.ru/journal. 13 стр. 3. Ревякина М. А. Оценка вероятности банкротства на примере ООО «ВОЛАНД-КС» // Молодой ученый. — 2014. — №4.2. — С. 144-146. 4. Оценка вероятности банкротства — Режим доступа: http://ipopen.ru/likvid/bankrotstvo/ocenka-verojatnosti-bankrotstva.html 5. Официальный сайт ЗАО «СЗИПК» — Режим доступа: http://szipk-tikhvin.ru/

Определение вероятности банкротства является важной частью анализа финансового состояния предприятия. Эти оценки позволяют выявить появляющиеся признаки несостоятельности еще до ее наступления и разработать мероприятия по предотвращению банкротства. В условиях современной рыночной экономики, для которой так или иначе характерны ситуации неопределённости и кризисные явления, данная тема очень актуальна и является востребованной на практике.

Согласно закону «О несостоятельности (банкротстве)», банкротство можно определить, как «признанная арбитражным судом неспособность должника в полном объеме удовлетворить требования кредиторов по денежным обязательствам…».

К экономической несостоятельности могут привести различные факторы: плохая конъюнктура рынка, кризис ресурсов, неэффективное управление, отсутствие адекватной оценки финансового состояния, анализа финансовых последствий принимаемых решений и др.

Рынок требует от предпринимателя гибкости и приспособления. А слабость механизма адаптации предприятия к изменяющимся условиям внутренней и внешней среды лежит в основе возможности банкротства. И рано или поздно банкротство может случиться с любым предприятием. Поэтому очень важно предупредить возникновение этого явления.

Существуют множество моделей оценки вероятности банкротства. Рассмотрим некоторые из них.

Наиболее известной является методика Альтмана. Данная методология предлагает оценить вероятность банкротства по формуле :

,

где X1 – собственные оборотные средства / всего активов, Х2 – нераспределённая прибыль / всего активов, Х3 – прибыль до налогообложения / всего активов; Х4 — уставной + резервный капитал /заемный капитал; Х5 — выручка от продаж / всего активов.

При результате расчетов, меньшем 1,8, вероятность банкротства предприятия признается высокой.

Данная модель позволяет задолго обнаружить признаки несостоятельности, и за годы мировой практики она была признана весьма точной и работоспособной. Однако, экономисты считают, что пятифакторная модель не совсем приспособлена к особенностям российской экономики.

Другим способом оценки вероятности банкротства может быть модель Таффлера :

,

где Х1 – прибыль от реализации/ краткосрочные обязательства, Х2 – оборотные активы/ сумма обязательств, Х3 – краткосрочные обязательства/ всего активов, Х4 – выручка/ всего активов.

Если полученное значение менее 0,2, то вероятность несостоятельности предприятия высокая.

Точность результатов считается также высокой. Но применение данной зарубежной методики для российских предприятий является спорным. К тому же, существуют претензии к самому математическому выражению модели, в которой первая составляющая имеет больший вес, по сравнению с остальными. В связи с чем, большая значимость придается этому показателю, что может привести к неверным выводам .

Как правило, данная модель применяется для оценки вероятности банкротства акционерных предприятий, чьи акции котируются на бирже.

Еще одна зарубежная методика – модель Лиса. Данная разработка прогнозирует несостоятельность с применение следующего подхода :

,

где X1 — оборотный капитал/ всего активов; X2 — прибыль от продаж / всего активов; X3 — нераспределенная прибыль / всего активов; X4 — собственный капитал / заемные средства.

Если Z меньше 0,037, то предприятие вероятнее всего приближается к состоянию несостоятельности.

Как и предыдущие методики, модель Лиса может давать не совсем верные результаты для российских предприятий. В частности, наблюдаются завышение ожиданий.

В связи с тем, что условия экономики отдельной страны также влияют на оценки несостоятельности, в нашей стране также были разработаны методики, позволяющие определить вероятность банкротства. Одна из них была разработана Иркутской государственной экономической академией – модель Давыдовой-Беликова. Это четырехфакторная модель, которая представляется следующим образом :

,

где Х1 — оборотный капитал / всего активов, Х2 — чистая прибыль / собственный капитал, Х3 — выручка/ средняя стоимость активов, Х4 — чистая прибыль / себестоимость.

Высокой вероятность банкротства признается в случае, если полученное значение меньше 0. Точность высока при оценке несостоятельности в краткосрочной перспективе.

Данная модель больше подходит для анализа состояния торговых предприятий с более коротким финансовым циклом и высоким значением оборотного капитала.

Следующая отечественная модель была призвана преобразовать модель Альтмана с учетом характеристик российской экономики. В итоге, модель Сайфулина-Кадыкова имеет вид :

,

где X1 — собственный капитал / оборотные активы, X2 — оборотные активы / краткосрочные обязательства, X3 — выручка/ средняя стоимость активов, X4 — прибыль от продаж / выручка, X5 — чистая прибыль / собственный капитал.

Если результат менее 1, то состояние предприятия близится к неудовлетворительному.

Отмечается, что применение данной модели приемлемо для оценки риска банкротства коммерческих предприятий всех отраслей.

Предложенные методики рассмотрим на примере реального действующего предприятия – ЗАО «Северо-западная инвестиционно-промышленная компания». ЗАО «СЗИПК» является эксплуатационной компанией, обеспечивающей Промплощадку г. Тихвина электроэнергией, теплом, водой, а также железнодорожными, экологическими и прочими услугами. Компания является владельцем промышленных предприятий, осуществляет управление объектами инфраструктуры, предоставляет в аренду Холдинговая функция (владение активами) и финансовое посредничество (аренда объектов инфраструктуры) являются основными видами бизнеса, которые приносят доходы компании .

Оценки вероятности банкротства, определённые на основе данных бухгалтерской отчетности за 2016 год, представлены в таблице 1:

Таблица 1

Оценка вероятности банкротства

В итоге, мы получили неоднозначные результаты. Однако, учитывая вышеописанные недостатки зарубежных моделей, связанные с некоторой некорректностью их применения в России, можно сделать вывод, что предприятие ЗАО «СЗИПК» с большей степенью вероятности находится в стабильном удовлетворительном состоянии.

Итак, в данной статье мы рассмотрели наиболее распространенные модели оценки вероятности наступления банкротства предприятия. Все они известны и применимы на практике. Следует сделать вывод, что все-таки для российских предприятий лучше использовать отечественные разработки. В ходе наших расчетов именно они дали одинаковый результат. Однако, при подробном анализе стоит не ограничиваться одной методикой. Кроме того, необходима комплексная оценка с определением целого круга показателей таких, как коэффициенты финансовой устойчивости, ликвидности, платежеспособности и сравнением полученных значений с установленными нормативами.

В случае выявления тенденции к банкротству, необходимо срочно определить мероприятия для оптимизации ситуации с применением внешних и внутренних механизмов. Они должны быть направлены на устранение угрозы банкротства, погашение имеющейся задолженности и наращивание темпов экономического роста. Возможными мерами могут быть: реструктуризация задолженности, увеличение объёма продаж и, соответственно, выручки, более рациональное расходование ресурсов, определение новых направлений развития и прочее. Современное принятие мер при выявленных на ранних этапах предпосылках позволит своевременно устранить проблему возникновения банкроства.

Библиографическая ссылка

Захарова Е.А., Владимирова А.С. ОЦЕНКА ВЕРОЯТНОСТИ БАНКРОТСТВА НА ПРИМЕРЕ ЭКСПЛУАТАЦИОННОЙ КОМПАНИИ // Международный студенческий научный вестник. – 2017. – № 5.;
URL: http://www.eduherald.ru/ru/article/view?id=17801 (дата обращения: 26.10.2020). Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания» (Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления) «Современные проблемы науки и образования» список ВАК ИФ РИНЦ = 0.791 «Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074 «Современные наукоемкие технологии» список ВАК ИФ РИНЦ = 0.909 «Успехи современного естествознания» список ВАК ИФ РИНЦ = 0.736 «Международный журнал прикладных и фундаментальных исследований» ИФ РИНЦ = 0.570 «Международный журнал экспериментального образования» ИФ РИНЦ = 0.431 «Научное Обозрение. Биологические Науки» ИФ РИНЦ = 0.303 «Научное Обозрение. Медицинские Науки» ИФ РИНЦ = 0.380 «Научное Обозрение. Экономические Науки» ИФ РИНЦ = 0.600 «Научное Обозрение. Педагогические Науки» ИФ РИНЦ = 0.308 «European journal of natural history» ИФ РИНЦ = 1.369 Издание научной и учебно-методической литературы ISBN РИНЦ DOI

экономические науки

Наджафова Марина Николаевна ПРИМЕНЕНИЕ ЧЕТЫРЕХФАКТОРНОЙ …

УДК 338.45:338.1

ПРИМЕНЕНИЕ ЧЕТЫРЕХФАКТОРНОЙ МОДЕЛИ ЛИСА ДЛЯ ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТИ БАНКРОТСТВА ФАРМАЦЕВТИЧЕСКИХ ПРЕДПРИЯТИЙ

© 2018

Наджафова Марина Николаевна, старший преподаватель кафедры экономики и менеджмента Курский государственный медицинский университет (305033, Россия, Курск, ул. К.Маркса, 3, marnik2003@yandex.ru)

Аннотация. В статье показано, что на сегодняшний день конъюнктура фармацевтического рынка характеризуется высокой степенью конкуренции между предприятиями отрасли внутри страны и одновременно достаточно низкой конкурентоспособностью по отношению к иностранным фармацевтическим производствам, а также сильной зависимостью от импорта сырья и компонентов лекарственных средств. В подобных условиях риск потери финансовой устойчивости и платежеспособности предприятием значительно возрастает. Поэтому, учитывая стратегическую важность предприятий фармацевтической отрасли, поиск и практическое применение методик, позволяющих с высокой долей точности спрогнозировать вероятность наступления банкротства, является актуальным. В работе исследуется возможность применения четырехфакторной модели Р. Лиса для прогнозирования вероятности потери платежеспособности на примере 8 российских фармацевтических предприятий. На основе проведенного исследования установлено, что использование данной модели для предприятий фармацевтической отрасли возможно. В результате анализа деятельности 8 предприятий в период 2014-2016 гг. были получены следующие результаты: рассматриваемые организации финансово устойчивы и не имеют угрозы потери платежеспособности. Для оценки достоверности модели Лиса был проведен корреляционный анализ с целью выявления взаимосвязи между интегральным показателем оценки вероятности банкротства и показателями деятельности фармацевтических предприятий (рентабельность производства и длительность операционного цикла). Полученные результаты свидетельствуют о том, что возможность применения модели Лиса для прогнозирования вероятности банкротства фармацевтических предприятий подтверждается, и использование данной модели позволит спрогнозировать вероятность потери платежеспособности с достаточно высокой долей точности.

Ключевые слова: фармацевтическое производство, модели прогнозирования банкротства, четырехфакторная модель Лиса, рентабельность производства, длительность операционного цикла, корреляционная связь, теснота стохастической связи.

© 2018

Nadzhafova Marina Nikolaevna, senior lecturer of the department economics and management

Kursk State Medical University (305033, Russia, Kursk, K.Marx st., 3, marnik2003@yandex.ru)

Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами. Текущее состояние фармацевтического рынка в Российской Федерации характеризуется достаточно высокой степенью конкуренции между предприятиями входящими в отрасль, в особенности относящимися к производственному сектору . Как отмечают С.П. Клинова, М.С. Мороз , данный факт связан с особенностями фармацевтической отрасли, а именно: инновационность, наукоемкость, низкая ценовая эластичность, высокие барьеры входа, монопольная власть на уникальные патентованные препараты.

Как показывает практика последних лет, далеко не все предприятия в таких условиях способны сохранить свою позицию на рынке в течении длительного периода для реализации наукоемких технологий, в результате чего подвергаются реорганизации или поглощению .

Тот факт, что отечественное фармацевтическое производство теряет свои позиции на рынке стран СНГ, значительно уступая по качеству и ассортименту произ-

водимой продукции крупнейшим иностранным фармацевтическим корпорациям, усугубляет и без того сложное положение как всей отрасли в целом, так и отдельно взятого предприятия.

К тому же, отечественные фармацевтические предприятия сильно зависимы от импорта сырья и компонентов, необходимых для производства современных лекарственных препаратов .

Развитие фармацевтической отрасли является приоритетным и стратегически важным направлением государственной политики, поэтому поддержание и сохранение устойчивого финансового положения фармацевтических предприятий с целью более эффективной организации производства, а также поиск методик прогнозирования вероятности банкротства, применимых к данной отрасли, является актуальным направлением исследования.

Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы и на которых обосновывается автор; выделение неразрешенных раньше частей общей проблемы. Как отмечают

Nadzhafova Marina Nikolaevna economic

APPLICATION OF THE FOUR-FACTOR … sceinces

многие исследователи , во всем многообразии существующих подходов к прогнозированию вероятности банкротства, нельзя выделить одну универсальную, лучшую методику. Все существующие на сегодняшний день методы и подходы имеют свои достоинства и недостатки .

Как отмечает В.Е. Скударнова , разносторонность и многочисленность методов оценки вероятности банкротства создают проблему адаптации данных моделей к российской практике, и проблему выбора при организации практического применения в разработке управленческих решений.

Чтобы получить для российских компаний эффективный и безошибочный прогноз вероятности банкротства, необходимо учитывать специфику российской экономики, фискальной политики, а также стандарты бухгалтерской отчетности .

По мнению Т.С. Богоявленской , наиболее распространенными являются модели, созданные при помощи мультипликативного дискриминантного анализа. Одной из таких является четырехфакторная модель Романа Лиса.

В ходе своих исследований В.Е. Скударнова оценивала возможность применения модели Лиса для прогнозирования вероятности банкротства российских компаний на примере выборки из 80 компаний — дефолтов и 288 компаний, не являющихся дефолтами.

В результате, среди компаний близких к банкротству модель Лиса показала 76,25% банкротов, что можно считать хорошим результатом. Однако при аналогичном анализе финансово устойчивых компаний, модель указала, что среди них 77,08% — банкроты, что может свидетельствовать о достаточно низком качестве прогноза.

По мнению автора, модель Лиса не адаптивна к российским компаниям. На наш взгляд, данный факт может быть связан с тем, что исследование проводилось на выборке российских компаний без учета их отраслевой специфики.

Формирование целей статьи (постановка задания). Оценить возможность применения модели Лиса для прогнозирования вероятности банкротства фармацевтических предприятий.

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

Изложение основного материала исследования с полным обоснованием полученных научных результатов. В ходе исследования было отобрано 8 отечественных фармацевтических предприятий и рассмотрена возможность применения модели Лиса для прогнозирования вероятности их банкротства за период 2014-2016 гг. Четырехфакторная модель Лиса имеет вид:

г=0,063*К1 + 0,092*К2+0,057*Кз+0,001*К4, (1)

где: К1 — отношение оборотного капитала к сумме активов;

К2 — отношение прибыли от реализации к сумме активов;

К3 — отношение нераспределенной прибыли к сумме активов;

К4 — отношение собственного капитала к заемному капиталу.

Предельное значение результативного показателя модели Лиса составляет 2=0,037. Если 2-счет меньше данного значения, то предприятию грозит банкротство .

В результате прогнозирования вероятности банкротства 8 рассматриваемых нами фармацевтических предприятий были получены следующие результаты (таблица 1).

На протяжении исследуемого периода финансовое положение фармацевтических производств можно назвать устойчивым, о чем свидетельствуют значения 2-счета.

Согласно полученным значениям, вероятность банкротства предприятий вошедших в исследование мала. В динамике наблюдается увеличение значения 2-счета для АО «Новосибхимфарм», АО «Красфарма», АО 148

«Фармстандарт», АО «Тюменский химфармзавод», АО «Отисифарм», АО «Ирбитский химфармзавод», что говорит о снижении вероятности возникновения риска неплатежеспособности. Значения 2 для АО «Марбиофарм» в 2014-2016 гг. имеют тенденцию к снижению с 0,075 до 0,051, что свидетельствует о повышении риска потери финансовой устойчивости.

Таблица 1 — Оценка вероятности банкротства фармацевтических предприятий на основе четырехфакторной модели Р. Лиса

Название предприятия X] Х2 Хв Хд

АО «Нижфарм» 0,70 0,23 0,45 1,10 0,091

АО «Марбиофарм» 0,72 0,26 0,10 0,23 0,075

АО «Новосибхимфарм-» 0,68 0,06 0,12 озз 0,055

АО «Красфарма» 0,68 0,04 -0,08 1,19 0,043

АО «Фармстандарт» 0,76 0,10 0,21 0,27 0,070

АО «Тюменский химфармзавод» 0,86 0,13 0,26 1,46 0,080

АО «Отисифарм» 0Д6 0,08 0,79 3,75 0,080

АО «Ирёитский химфармзавод» 0,77 0,31 0,50 1,15 0,107

АО «Нижфарм» 0,64 0,11 034 0,64 0,071

АО «Марбиофарм» 0,56 0,15 0,10 0,24 0,055

АО «Новосибхимфарм» 0,70 0,21 0,20 0,47 0,075

АО «Красфарма» 0,70 0,11 -0,02 1,12 0,054

АО «Фармстандарт» 0,74 0,11 0,30 0,42 0,074

АО «Тюменский химфармзавод» 0,88 0,17 0,32 1,55 0,090

АО «Отнснфарм» 0,41 0,14 0,80 4,00 0,090

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

АО «Ир опт с кий химфармзавод» 0,86 0,59 0,52 1,18 0,139

АО «Нижфары» 0,65 0,15 0,36 0,68 0,076

АО «Марбиофарм» 0,43 0,16 0,16 0,41 0,051

АО «Новосибхимфарм» 0,71 0Д2 0Д2 0,80 0,093

АО «Красфарма» 0,68 0,16 0,07 1,19 0,063

АО «Фармстандарт» 0,83 0,09 031 0,44 0,079

АО «Тюменский химфармзавод» 0,93 0,51 0,55 2,90 0,140

АО «Отисифарм» 0,49 0,19 0,77 334 0,100

АО •{Ирбитский химфармзавод» 0,89 0,44 0,66 2,12 0,136

Для доказательства точности полученных согласно модели Лиса результатов, произведена оценка взаимосвязи между значением интегрального коэффициента 2 и основными показателями деятельности фармацевтических предприятий (рентабельность производства (У1). длительность операционного цикла (У2)) на основе парной корреляции. Расчеты производились с учетом корректной методологии корреляционно-регрессионного анализа (таблица 2).

Таблица 2 -Анализ корреляционной связи между значениями 2-счета Лиса и показателями деятельности фармацевтических предприятий в 2014-2016 гг.

Название предприятия 2014 2015 2016

X У] У: X Ух У2 X У] У:

АО «Нижфарм» 0,091 46,9 3063 0,071 26,5 3 55,4 0,076 32,6 334,4

АО «Марбиофарм» 0,075 31,5 132,2 0,055 19,5 235,4 0,051 16,1 134,4

АО «Новосиохимфарм» 0,055 5,6 216.7 0,075 20,8 195,9 0,093 33,6 194.1

АО «Красфарма» 0,043 5,1 3163 0.054 123 218,2 0.063 20,3 2073

АО «Фармстандарт» 0,070 48,5 632,9 0,074 69,3 663,0 0,079 3 7.0 473,3

АО «Тюменский химфармзавод» 0,080 63 144,4 0,090 10,4 151,2 0,140 39,5 1253

АО «Отисифарм» 0,080 24.7 299,0 0,090 38,1 235,6 0,100 47.4 2263

АО ‘»Ирбитский химфармзавод» 0,107 28,2 169,6 0,139 60,5 151,1 0,136 33,6 172,4

Коэффициент корреляции XYi 0,51 0,53 0,64

Коэффициент корреляции ХУ; -0,24 -038 -0,40

Связь между интегральным показателем и рентабельностью производства на протяжении всего исследуемого периода прямая и тесная. Это свидетельствует о том, что при увеличении интегрального показателя оценки вероятности потери платежеспособности происходит рост рентабельности производства.

Корреляционная связь между интегральным показателем и длительностью операционного цикла в 20142015 гг. слабая, а в 2016 году — умеренная. При этом характер связи обратный, что отвечает практической логике показателя, поскольку означает, что возрастание значений Z-счета Лиса сопряжено со снижением длительности операционного цикла.

Выводы исследования и перспективы дальнейших изысканий данного направления. На основе проведенного исследования возможности применения четырехфак-торной модели Лиса для прогнозирования вероятности банкротства фармацевтических предприятий установлено, что использование данной модели для фармацевтической отрасли возможно.

В результате анализа 8 предприятий на основе методики Р. Лиса были получены однозначные результаты: рассматриваемые предприятия финансово устойчивы и не имеют угрозы потери платежеспособности, что подтверждено данными экономического анализа финансо-Karelian Scientific Journal. 2018. Т. 7. № 1(22)

экономические науки

Наджафова Марина Николаевна ПРИМЕНЕНИЕ ЧЕТЫРЕХФАКТОРНОЙ …

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

во-хозяйственной деятельности по данным бухгалтерской отчетносити.

Для оценки действенности модели Лиса был проведен корреляционный анализ с целью выявления взаимосвязи между интегральным показателем оценки вероятности банкротства и показателями деятельности фармацевтических предприятий — рентабельностью производства и длительностью операционного цикла.

Полученные коэффициенты парной корреляции свидетельствуют о том, что между Ъ-счетом Лиса и рентабельностью производства прямая и тесная стохастическая связь на протяжении всего рассматриваемого периода.

Это означает, что увеличение величины интегрального показателя сопряжено с ростом рентабельности производства, что отвечает экономической логике показателя и свидетельствует о том, что модель реагирует на изменение эффективности производства.

Корреляционная связь между 2-счетом Лиса и длительностью операционного цикла обратная, при этом в 2014-2015 гг. была слабой, а в 2016 году — умеренной.

Полученные результаты свидетельствуют о том, что увеличение значения интегрального показателя Ъ сопряжено с сокращением длительности операционного цикла, что также соответствует логической взаимосвязи экономических показателей.

Таким образом, возможность применения модели Лиса для прогнозирования вероятности банкротства фармацевтических предприятий подтверждается.

Использование данной модели позволит спрогнозировать вероятность потери платежеспособности фармацевтических предприятий с достаточно высокой долей точности.

СПИСОК ЛИТЕРАТУРЫ:

1. Вишневер В.Я. Некоторые вопросы анализа конкуренции на фармацевтическом рынке // Проблемы совершенствования организации производства и управления промышленными предприятиями: Межвузовский сборник научных трудов. 2015. № 2. С. 22-26.

2. Стельмах В.С. Экономическое состояние фармацевтических предприятий РФ // Управление экономическими системами: электронный научный журнал. 2017. № 9 (103). С. 23.

3. Клинова С.П. Конкуренция на фармацевтическом рынке / С.П. Клинова, М.С. Мороз // В сборнике: Функционирование национального и мирового рынков в условиях глобальной нестабильности сборник статей Всероссийской научно-практической конференции. 2017. С. 90-92.

4. Клинова С.П. Функционирование фармацевтического рынка России в условиях глобальной нестабильности // В сборнике: Функционирование национального и мирового рынков в условиях глобальной нестабильности сборник статей Всероссийской научно-практической конференции. 2017. С. 85-89.

5. Нехорошева А.М. О развитии фармацевтического рынка // Экономика. Бизнес. Банки. 2014. № 3 (8). С. 138-146.

9. Аджиенко В.Л. Актуальные проблемы развития российского фармацевтического производства на современном этапе / В.Л. Аджиенко, О.В. Котовская, Е.А. Попова // В сборнике: Разработка, исследование и маркетинг новой фармацевтической продукции Сборник

научных трудов. Волгоградский государственный медицинский университет, Пятигорский медико-фармацевтический институт — филиал государственного бюджетного образовательного учреждения высшего профессионального образования «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации. Пятигорск, 2015. С. 309312.

10. Русакова И.А. Анализ фармацевтического производства рф на наличие производственного кластера // В сборнике: Традиционная и инновационная наука: история, современное состояние, перспективы сборник статей Международной научно-практической конференции: в 2 частях. 2017. С. 238-242.

12. Царёва Н.Е. Анализ методик прогнозирования банкротства предприятий // В сборнике: Факторы развития экономики России Сборник трудов VIII Международной научно-практической конференции. Под редакцией В.А. Петрищева (отв. редактор), Л.А. Карасевой, А. В. Романюка; Федеральное государственное бюджетное образовательное учреждение высшего образования «Тверской государственный университет»; Великотырновский университет им. Святых Кирилла и Мефодия (Болгария). 2016. С. 138-144.

13. Шмулевич Т.В Анализ методик прогнозирования банкротства предприятия // В книге: Экономика и менеджмент в условиях глобальной конкуренции: проблемы и перспективы Труды научно-практической конференции с международным участием. Под редакцией А.В. Бабкина. 2016. С. 258-262.

14. Тарасов С.П. Анализ современных методик прогнозирования банкротства предприятий // В сборнике: Наука и общество: проблемы современных исследований Сборник статей: в 2 частях. 2017. С. 184-189.

15. Скударнова В.Е. Исследование применяемости модели Р. Лиса для прогнозирования банкротства российских компаний // В сборнике: Научные исследования и разработки в эпоху глобализации сборник статей международной научно-практической конференции. 2016. С. 128-132.

16. Москалева Е.Г. Анализ зарубежного опыта прогнозирования вероятности банкротства и возможности его использования в российской практике // Системное управление. 2015. № 3 (20). С. 29.

17. Богоявленская Т.С. Обзор методик прогнозирования банкротства // В книге: Бухгалтерский учет, анализ и аудит: история, современность и перспективы развития Тезисы XI Международной научной конференции студентов, аспирантов, преподавателей. Ответственный редактор: Н. А. Каморджанова. 2016. С. 125-127.

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

Задача определения степени риска банкротства предприятия является актуальной для всех лиц, заинтересованных положением предприятия – руководителя, инвесторов и т.д.

В финансовом анализе хорошо известен ряд показателей, характеризующих отдельные стороны текущего финансово-экономического положения предприятия. И на основе этих показателей были созданы интегральные коэффициенты, характеризующие общее положение и вероятность банкротсва предприятия: Модель Альтмана, Модель Лиса, Модель Таффлера, Модель Иркутской ГЭА), Модель Фулмера.

Современная проблема заключается в том, что, используя сразу несколько из перечисленных моделей на практике, зачастую получается разрозненный результат: по некоторым моделям вероятность банкротства высокая, а по другим – низкая. Целью исследования является получения интегрального показателся риска банкротства предприятия с помощью модели нечетких множеств.

Модель Альтмана

Точность прогноза в этой модели на горизонте одного года составляет 95%, на два года – 83%, что является ее достоинством.

Таблица 1

Расчет риска банкротства предприятия по модели Альтмана

Название	Итоговый коэффициент вероятности банкротства	Условные обозначения	Дифференциация по уровням вероятности банкротства
Модель Альтмана			менее 1,8	очень высокая
			от 1,81 до 2,7	высокая
			от 2,71 до 2,99	средняя
			от 3,0	низкая

Недостаток данной модели заключается в том, что ее по существу можно рассматривать лишь в отношении крупных компаний, которые разместили свои акции на фондовом рынке. Расчет факторов и интегрального показателя в модели Альтмана представлен в таблице 1.

Модель Лиса

Модель Лиса, разработанная им в 1972 году, для предприятий Великобритании представлена в таблице 2.

Таблица 2

Расчет риска банкротства предприятия по модели Лиса

Название	Итоговый коэффициент вероятности банкротства	Условные обозначения	Дифференциация по уровням вероятности банкротства
Модель Лиса			0,037	Критическое значение

Модель Таффлера

Данная модель рекомендуется для анализа как модель, учитывающая современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей (таблица 3).

Таблица 3

Расчет риска банкротства предприятия по модели Таффлера

Название	Итоговый коэффициент вероятности банкротства	Условные обозначения	Дифференциация по уровням вероятности банкротства
Модель Таффлера			От 0,2	Неплохие долгосрочные перспективы
			До 0,2	Вероятность банкротства

Модель Иркутской ГЭА (таблица 4)

По результатам практического его применения появилась информация о том, что значение R во многих случаях не коррелирует с результатами, полученными при помощи других методов и моделей.

Таблица 4

Расчет риска банкротства предприятия по модели Иркутской ГЭА

Название	Итоговый коэффициент вероятности банкротства	Условные обозначения	Дифференциация по уровням вероятности банкротства
Модель Иркутской ГЭА			До 0	Вероятность банкротства максимальная
			От 0 до 0,18	Высокая
			От 0,18 до 0,32	Средняя
			От 0,32 до 0,42	Низкая
			От 0,42	Минимальная

Модель Фулмера (таблица 5) классификации банкротства была создана на основании обработки данных 60 ти предприятий: 30 потерпевших крах и 30 нормально работающих — со средним годовым оборотом в 455 тысяч американских долларов.

Точность прогнозов, сделанных с помощью данной модели на год вперёд – 98 %, на два года – 81 %.

Таблица 5

Расчет риска банкротства предприятия по модели Фулмера

Название	Итоговый коэффициент вероятности банкротства	Условные обозначения	Дифференцияция по уровню вероятности банкротства
Метод Фулмера	Кф = 5,528X1+0,212X2+ +0,073X3+1,27X4-0,12X5+2,335X6+0,575X7+1,083X8-3,075Х9	X1=Нераспределенная прибыль/Валюта баланса		Банкротство неизбежно
		X2=Выручка от реализации/Валюта баланса
		X3=Прибыль до налог.обл/Валюта баланса
		X4=Чистая прибыль/Общий размер задолженности
		Х5=Долгосрочные об./Валюта баланса
		Х6=Краткосрочные об./Валюта баланса
		Х7=Lg(Материальные активы)
		Х8=Оборотный капитал/Общая задолженность
		Х9=Lg(Приб до нал.обл и упл. %/Проценты к уплате)

Нечетко-множественная модель прогнозирования риска

План исследования риска банкротсва с помощью нечетких множеств включает следующие этапы:

1. определение нечётких множеств;

2. отбор и ранжирование показателей;

3. построение матрицы соответствия и определение финального значения показателя риска банкротства предприятия.

На первом этапе происходит определение лингвистических переменных и нечетких множеств. Предлагается выделить следующие нечеткие множества:

1. Лингвистическая переменная G «Риск банкротства» также имеет 5 значений:

• G1– нечеткое подмножество «предельный риск банкротства»,

• G2– нечеткое подмножество «степень риска банкротства высокая»,

• G3– нечеткое подмножество «степень риска банкротства средняя»,

• G4– нечеткое подмножество «степень риска банкротства низкая»,

• G5– нечеткое подмножество «риск банкротства незначительный».

1. Для отдельного финансового показателя или показателя управления Хiзадаем лингвистическую переменную Вi «уровень показателя Хi» на следующем терм-множестве значений:

• Bi1- подмножество «очень низкий уровень показателя Хi»;

• Bi2- подмножество»низкий уровень показателя Хi»;

• Bi3- подмножество «средний уровень показателя Хi»;

• Bi4- подмножество «высокий уровень показателя Хi»;

• Bi5- подмножество «очень высокий уровень показателя Хi».

На следующем этапе производится отбор низших показателей, которые предполагается использовать в исследовании. Для анализа банкротства предлагается принять ранее рассмотренные модели анализа риска банкротства предприятия (таблица 6).

Ранжировка показателей

Если система показателей проранжироована в порядке уменьшения их значимости, то вес i-го показателяri необходимо олределять по правилу Фишберна, представленного формулой (1).

Ранжировка показателей для 5 моделей, выстроенных в представленном порядке приведена в таблице 6, при этом в графе «фактеческое значение» ставится значение показателей, полученных при расчете для каждого конкретного предприятия.

Таблица 6

Уровень значимости показателей

Модель	Фактическое значение	Уровень значимости (удельный вес), ri	Лингвистическое описание
Альтман	Ка	0,333	Средняя степень Риска
Таффлер	Кт	0,267	Низкая степень риска
Лис	Кл	0,200	Очень высокая степень риска
ИГЭА	Кирк	0,133	Очень низкая степень риска
Фулмер	Кф	0,067	Очень низкая степеь риска

Следующим шагом является построение матрицы фактического распределения значений по нечетким множествам (таблица 7). На данном шаге происходит абстрагирование от числовых значений, полученных с помощью представленных ранее моделей анализа риска банкротства предприятий и переход к нечетким множествам лингвистических переменных.

Таблица 7

Матрица распределения фактических значений по нечетким множествам

	Очень низкий	Низкий	Средний	Высокий	Очень высокий
Альтман
Таффлер
Лис
ИГЭА
Фулмер
Итого					

В таблице 7 в ячейки, соответствующие значениям лингвистических переменных, полученных с помощью моделей анализа риска, ставится «1». В остальные ячейки ставится «0». Например: коэффициент Альтмана получился равным 2.8, что соответствует средней вероятности банкротства предприятия в течение года, соответственно на пересечении строки «Альтман» и столбца «Средний» ставится единица – остальные ячейки по строки заполняются «нулями».

На следующем этапе определяется интегральный коэффициент вероятности банкротства предприятия, основанный на нечетких множествах (формула (2).

, (2)

где: gj = 0.9 – 0.2*(j – 1);

g – коэффициент вероятности банкротства нечетких множеств;

j – номер столбца;

i – номер строки;

N – количество факторов;

– вес i-ого фактора;

–уровень принадлежности носителя Xiнечетким подмножествам Bj (сумма по столбцам).

На следующем шаге происходит отнесение полученного интегрального показателя риска банкротсва предприятия к финальному суждению (таблица 8).

Таблица 8

Распределение интегрального показателя риска банкротства предприятия

Интервал значений Риска (g)	Заключение о Финаносовом состоянии предприятия
0 — 0,2	Предельный риск банкротства
0,2 — 0,4	Степень риска банкротства высокая
0,4 — 0,6	Степень риска банротства средняя
0,6 — 0,8	Низкая степень риска банкротства
0,8 — 1	Риск банкротства незначителен

Многие исследователи теории нечетких множеств считают, что данный метод зачастую помогает воздержаться от более затратного метода экспертных оценок.

Результатом исследования риска бакротства предприятия становится расчитанный коэффициент, который и будет являться основой для принятия управленческого решения (принятия предупредительных мероприятий и т.д).

Литература: