CC BY
221Экономический анализ: Economic Analysis:
теория и практика 10 (2016) 119-130 Theory and Practice
ISSN 2311-8725 (Online) Финансовая устойчивость и платежеспособность
ISSN 2073-039X (Print)
ОЦЕНКА ВЕРОЯТНОСТИ ФИНАНСОВОГО БАНКРОТСТВА ОРГАНИЗАЦИЙ*
Кристина Сергеевна ТРОТТа% Артур Фаритович ШАМСУТДИНОВь, Тимур Фаритович ШАМСУТДИНОВС, Фарид Фильзович ХАМИДУЛЛИН"
а студентка магистратуры по направлению «Экономика»,
Санкт-Петербургский государственный экономический университет, Санкт-Петербург, Российская Федерация [email protected]
ь кандидат химических наук, директор ООО «ЦИТ «Дельтаинком», Казань, Российская Федерация [email protected]
с кандидат химических наук, советник директора ООО «ЦИТ «Дельтаинком», доцент кафедры информационных технологий и систем автоматизированного проектирования, Казанский государственный архитектурно-строительный университет, Казань, Российская Федерация [email protected]
11 доктор экономических наук, профессор кафедры ценных бумаг и финансового инжиниринга, Университет управления «ТИСБИ», Казань, Российская Федерация [email protected]
• Ответственный автор
История статьи:
Принята 21.03.2016 Принята в доработанном виде 18.05.2016
Одобрена 06.07.2016 УДК 338.24.01
JEL: С01, С02, G17, G32, G33
Ключевые слова: вероятность банкротства, ^й-модель, финансовое состояние, бизнес-партнеры, безопасность
Аннотация
Предмет. Исследование посвящено проблеме проверки риска финансового банкротства организаций. Актуальность этого исследования заключается в мониторинге существующих методологий проверки риска банкротства и построении уникальной logit-зависимости на основе факторов известных финансовых logit-моделей.
Цели. Создание вероятностной модели оценки риска банкротства организаций, которая учитывает совокупный эффект основных финансовых показателей организаций. В качестве показателей для моделей предлагается взять те, которые используются в проанализированных финансовых моделях, отличающихся высоким уровнем достоверности результатов.
Методология. Использованы количественные методы статистической обработки данных. Использовались эмпирические и экспериментально-теоретические математические методы исследования с применением методов факторного, корреляционного, регрессионного анализа. Для обработки статистических данных использовались пакеты прикладных программ Excel, SPSS, Statistica.
Результаты. Разработана методика проведения оценки финансового состояния организаций с возможностью выбора надежных бизнес-партнеров. Методика успешно апробирована во многих организациях и является эффективным инструментом обеспечения прозрачности и безопасности ведения бизнеса. Информационная система ЦИТ «Дельтаинком», разрабатываемая на основе предложенной методики, востребована значительным количеством пользователей.
Выводы. Создана авторская logit-модель проверки банкротства организаций с интерпретацией по адаптированной кредитно-рейтинговой шкале Moody's.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Одной из серьезных причин бизнес-рисков является необоснованный выбор партнеров, которые могут оказаться ненадежными [1, 2]. При этом накопленные к настоящему времени большие объемы информации о функционировании организаций вполне достаточны для принятия обоснованных решений при выборе надежных партнеров по бизнесу. Наличие больших объемов информации, с одной стороны, является несомненным плюсом для решения поставленной
* Авторы выражают признательность Ирине Ильиничне ЕЛИСЕЕВОЙ за объективные замечания и комментарии, Игорю Максимовичу ЯКИМОВУ за ценные советы и уместную критику при работе над статьей.
задачи, но, с другой стороны, затрудняет ее решение, увеличивая время проведения анализа [3]. В этой ситуации становится целесообразной разработка методики оценки финансового состояния организаций, позволяющей значительно снизить трудоемкость проведения анализа [4-7].
Модели типа logit-model на основе логистической регрессии впервые были применены Д. Чессером в 1974 г. Эти модели представляют собой нелинейные зависимости вероятности
наступления банкротства от рассматриваемых показателей состояния организаций. По сравнению с линейными дискриминантными
моделями logit-модели обеспечивают более высокую достоверность и не требуют, чтобы рассматриваемые показатели состояния организаций подчинялись нормальному закону распределения. Кроме того, в дискриминантных моделях имеются ограничения при интерпретации результатов по шкалам, что делает ^й-модели более информативными, так как в них нет зон неопределенности [8]. В данном исследовании для оценки финансового состояния организаций и, следовательно, риска отобраны более 20 показателей, наиболее существенно влияющих на финансовое состояние предприятий (в том числе модели по отраслям экономики [9-11]), перечень которых представлен в табл. 1. Назовем модели, на основе которых производился отбор финансовых показателей. Это модели Альтмана [12], Альтмана -Сабато (2007 г.), Джу-Ха - Техонга (2000 г.), Г.А. Хайдаршиной (2009 г.) [13], В.Ю. Жданова (2012 г.) [14, 15].
• производственные, акции котируются на биржах.
score _3 25 , 6,25 СЛ | 3.26С&Д |
CA I FA 1,05 C&R CA + FA SRL + LRL'
CA + FA
6,72 TS +-+
(1)
Модель производственных организаций, которых котируются на биржах:
предприятия
Согласно модели Альтмана подразделяются на три категории:
• непроизводственные;
• производственные, акции которых котируются на биржах;
которых не
В формуле (1) используются переменные, приведенные в табл. 1.
(2)
В формуле (2) кроме переменных, приведенных в табл. 1, дополнительно используется переменная средневзвешенной стоимости капитала WACC:
WACC = [E / (D + E)] y + [(D / (D + E) b) (1 - T)],
где E - сумма собственного капитала, руб.;
D - сумма заемного капитала, руб.;
y - ROE (коэффициент рентабельности собственного капитала);
b = (LRL + SLR) / (CF + FA) - доля заемного капитала в активах организации;
T - ставка налога на прибыль.
0,71704 0,847С&Д 3,107 ЕВГГ
CA + FA
CA + FA
CA + FA
0,42 C&R 0,995TS SRL + LRL CA + FA'
(3)
В трех представленных в методике адаптированных моделях предложен переход от исходных показателей финансового состояния организаций к интегрированным, являющимся более емкими с экономической точки зрения. Поэтому оценка финансового состояния предприятий производится по трем моделям.
Оценка финансового состояния организаций производится по трем категориям, учитывающим финансовые коэффициенты. Эти показатели отражают платежеспособность организаций [16].
Модель непроизводственных организаций:
акции
В формуле (3) используются переменные, приведенные в табл. 1.
Эдвард Альтман получил коэффициенты при переменных на основе интегральных моделей регрессии для различных предприятий. В модели Альтмана использованы данные о 66 американских компаниях за 1946-1965 гг., половина из которых являлись банкротами. Альтман получил новаторскую статистическую классификацию предприятий (банкроты, действующие предприятия, зона неопределенности).
В дальнейшим модель Альтмана получила некоторое развитие (например, в модели Альтмана -Сабато). Основными недостатками моделей Альтмана являются ограниченное количество проанализированных компаний, неактуальность данных для современной российской экономики, а также то, что модели основаны на дискриминантной функции.
Пусть итоговый рейтинг предприятия 2?сош рассчитывается как среднее значение с учетом приоритетных весов по категориям (в частности, больший удельный вес придается
производственным организациям):
Смысловая запись формулы (4) говорит о том, что организация либо является непроизводственной, либо производственной, акции которой котируются на бирже, либо производственной, акции которой не котируются на бирже. Однако мы исходим из того, что заранее не знаем, какой является организация, поэтому рассматриваем все варианты модели Альтмана. Итоговый первый рейтинг ZSCORE интерпретируется по системе кредитных рейтингов Moody's [17] (табл. 2). Закономерность интерпретаций очевидна, поскольку вероятность дефолта напрямую связана с кредитным рейтингом.
Итоговый второй рейтинг - вероятность банкротства по методике, предложенной В.Ю. Ждановым, по критерию банкротства, вычисляемого по следующей формуле, находится по табл. 3:
(5)
где PZ - вероятность банкротства по методике, предложенной В.Ю. Ждановым;
NOPAT - чистая прибыль (убыток) предприятия.
Перечень остальных показателей формулы (5) представлен в табл. 1.
При интервалах кредитных рейтингов C, B, Baa, Aa - A вероятность банкротства интерпретируется согласно шкале Moddy's. Основными достоинствами модели Жданова являются вероятностная logit-модель и актуальные для российской экономики исходные данные, на основании которых были получены коэффициенты. Стоит отметить, что для нашей выборки часто бывает, что результаты моделей Жданова, Альтмана - Сабато, Джу-Ха - Техонга и PZ Z расходятся. Во многих случаях результаты рейтинга PZ соответствуют вероятности банкротства корейской модели Джу-Ха - Техонга для развивающихся рынков.
Итоговый третий рейтинг - вероятность банкротства по методике Г.А. Хайдаршиной находится по критерию банкротства. Стоит обратить внимание на то, что мы изменили некоторые параметры модели. В авторской модели критерий H2 берется в зависимости от кредитных
показателей организации. Если кредитная история организации является положительной,
принимается значение 0, отрицательной - 1. В нашем случае вместо кредитной истории используется параметр проверки вероятности банкротства(табл. 1).
Вероятность банкротства по методике Г.А. Хайдаршиной вычисляется по следующей формуле:
(6)
где PZ H - вероятность банкротства по методике, предложенной Г.А. Хайдаршиной;
H3 = CAi / SRLi - коэффициент текущей ликвидности;
H4 = EBIT / IP - прибыль на 1 руб. процентов к уплате;
Н5 = ln (C&R) - натуральный логарифм от собственного капитала организации;
H6 - ставка рефинансирования Банка России;
H8 = ROA = NOPAT / (FA + CA,) - рентабельность активов;
H9 = ROE = NOPAT / C&R - рентабельность собственного капитала;
H10 = C&R, / (C&R,-i) - темп прироста собственного капитала;
H11 = (FA, + CA,) / (FA, + CA i-i) - темп прироста активов;
Ai - назначается в зависимости от сектора экономики, к которому относится организация.
Перечень остальных показателей формулы (6) представлен в табл. 1.
Модель, предложенная Г.А. Хайдаршиной, учитывает отраслевую принадлежность организаций (мы предлагаем это учитывать по кодам ОКВЭД) (табл. 4). Модель учитывает множество факторов и адаптирована к российским условиям. Коэффициенты A, определяются по табл. 4 в зависимости от кода ОКВЭД и отрасли экономики.
Отметим, что вероятность банкротства можно рассчитать не для всех организаций, поскольку в табл. 4 представлены не все разделы ОКВЭД.
В качестве недостатков модели (6) отметим, что использование большого количества показателей делает модель громоздкой, а показатели рентабельности и темпа роста схожи между собой. Ставка рефинансирования рассчитывается как среднее значение изменений ставки за год. Среднее значение годовых ставок Банка России и ставок по РЕПО определялись по табл. 5. Ставка рефинансирования на 2016 г. берется как текущее значение с официального сайта Банка России.
Отмеченные недостатки рассмотренных моделей делают целесообразным создание более совершенной методики, которая сохраняла бы все достоинства рассмотренных моделей и была бы свободна от указанных недостатков. Первой такой разработкой стала интегральная формула на базе устаревших моделей Альтмана (4). Дополнительно к рассмотренным критериям (табл. 1) моделей возьмем некоторые другие финансовые показатели. Для проведения исследования нами случайным образом было отобрано 610 российских организаций. Примерно 95% из отобранных не являются банкротами и не находятся на стадии ликвидации, то есть являются действующими.
В качестве показателей финансового состояния организаций на основе рассмотренных ранее моделей первоначально были отобраны 16 переменных, которые представлены в табл. 6. Информация по переменным была получена на основе сводных данных, предоставленных ЦИТ «Дельтаинком».
Для отбора наиболее существенных показателей проведен корреляционный анализ. Так как проведенная оценка подчинения распределений отобранных показателей нормальному закону по критерию согласия Колмогорова - Смирнова дала отрицательный результат по всем показателям, то в качестве показателей корреляционной связи выбраны коэффициенты непараметрической корреляции Спирмена и Кендалла. Результаты корреляционного анализа приведены в табл. 6.
Например, для оценки существенности корреляционной связи воспользуемся специальной статистической таблицей [18], по которой найдем, что при количестве степеней свободы п - 2 = 38 -2 = 36 и рекомендуемом уровне значимости а = 0,05 критическое значение ркрит = 0,329. Вычисленное значение коэффициента Спирмена превышает критическое значение ркрит для девяти показателей, корреляционная связь между ними с вероятностью 0,95 может быть признана
существенной, поскольку это составляет 53% выборки.
По результатам корреляционного анализа для дальнейшего исследования оставлены только такие показатели, корреляционная связь которых с результативными показателями является существенной по коэффициентам Спирмена и Кендалла, которые далее используются в формировании факторов.
В качестве потенциальных результативных показателей использовалась интегральная формула
(4) и вероятность банкротства по модели Жданова
(5). Согласно графику нормализованного простого стресса (SPSS) необходимо и достаточно объединить 16 переменных в 8 факторов (при данных значениях график становится относительно постоянным). Для сокращения количества переменных в модели целесообразно провести факторный анализ.
В качестве исходных факторов приняты переменные, представленные в табл. 6. Выделено пять общих факторов, объясняющих примерно 92% суммарной дисперсии исходных переменных. Это свидетельствует о хорошем результате применения факторного анализа.
Рассмотрим общие выделенные факторы с определенной интерпретацией.
Общий показатель структуры капитала:
factori = 0,93 b - 0,982 WACC + 0,93 КШт.
Общий показатель рентабельности:
factor2 = 0,961 K3 + 0,9 K3 + 0,883 K5.
Общий показатель ликвидности:
factor = 0,931 D5 + 0,629 Кб.л + 0,998 К.л.
Общий показатель финансовой независимости:
factor 4 = 0,908 K4 - 0,915 S2.
Общий показатель интенсивности деятельности:
factors = 0,808 WC + 0,884 DTS.
Общий показатель рентабельности и финансовой устойчивости:
factor 2* = factor 2 D1 S3.
Вместо фактора factor для дальнейшего исследования введен factor2* (поскольку фактор вносит высокую зависимость от других
факторов1). Данный фактор был введен, чтобы полученные факторы сохраняли свойства экзогенности для предотвращения проблемы мультиколлинеарности для регрессионных моделей ZCORE (factori, factor 2*, factors, factor4, factor5) и PZ-H от аналогичных факторов.
Данные регрессионные уравнения были построены для проверки информативности полученных факторов, которая частично подтверждается в большей степени для зависимой переменной PZ-H. Исходные факторы S3, H5, D1 не вошли в состав выделенных общих факторов, поэтому объединим их с factor2 (исключая H5). При этом смысл factor4 (характеристика финансовой независимости) определяется тем, что его рост происходит за счет роста показателя K4 = C&R / (SRL + LRL) или за счет падения S2 = EBIT / (SRL + LRL).
При равных суммарных обязательствах данный фактор отражает взаимосвязь собственного капитала и прибыли (убытка) до налогообложения. Данная связь объясняет специфику увеличения прибыли до налогообложения на фоне сокращения собственного капитала и резервов.
Статистически это может сопровождаться перераспределением собственного капитала в пользу дополнительных вложений или инвестиций для максимизации критерия до налогообложения и уплаты процентов EBIT.
Тестовая выборка из 610 предприятий формировалась случайным образом. На шесть критериев необходимо иметь как минимум 60 наблюдений, в нашем случае их больше в 10 раз. При этом ни одна из потенциально зависимых переменных не подчиняется равномерному или экспоненциальному, нормальному распределениям. Ненормированная статистика потенциально зависимой переменной - вероятности из модели Жданова (5) - имеет распределение Пуассона.
Распределение, близкое к экспоненциальному, имеют стандартизированные значения
организационно-правовой формы (критерий, отвечающий за организационно-правовую форму). Дополнительные переменные CFF или SALDO3 (сальдо денежных потоков от финансовых операций), WACC (средневзвешенная стоимость капитала) также имеют экспоненциальное распределение.
1 Елисеева И.И. Практикум по общей теории статистики. М.: Финансы и статистика. 2008. 512 с.; Елисеева И.И. и др. Эконометрика. М.: Финансы и статистика, 2007. 296 с.
Перед началом анализа все данные стандартизируются в Zi или нормализуются по следующей формуле:
Z.U =
fi-f ifi)
или
ZH=-
К,-К' а(К)
где/', К'- средние значения факторов (табл. 7);
о (А) - стандартное отклонение ^го фактора.
Вероятность банкротства рассчитывается на основе критериев исследованных моделей с использованием полученных факторов.
Средние значения и стандартные отклонения для включаемых факторов представлены в табл. 7. Нормирование переменных автоматически приравнивает стандартное отклонение о к единице.
Когда работа идет с реальными данными, существует много пропусков по ряду показателей, особенно для малых фирм. Поэтому нормирование выборки является ограничением методологии, но для автоматизации нормализация является важным элементов скоринга.
Таким образом, имеется необходимое количество наблюдений. Рассчитаем рейтинг предприятий согласно следующей формуле:
(7)
где zfi || H5 - нормированные значения f || K5;
ZSCORE
- итоговый адаптированный Альтмана по формуле (4).
рейтинг
В данной модели пропущенные переменные лимитируются, что делает модель актуальной в современных условиях.
Значения рейтинга (7) могут быть больше единицы, что свидетельствует о критической степени риска банкротства, которая также подтверждается в большинстве случаев. В большей степени полученный рейтинг (7) соответствует вероятности банкротства по южнокорейской модели Джу-Ха для развивающихся рынков, однако является более точным для некоторых случаев.
В формуле (7) коэффициенты при факторах опущены, что устраняет весовые категории факторов. Интерпретация исходного результата происходит по адаптированной системе Moody's, что делает результат операций удобным для восприятия конечным пользователем (табл. 8).
Проведенное исследование позволило найти вероятность банкротства в коротком периоде (до
одного года). Установлено, что в данной выборке организации в основном имеют среднюю вероятность банкротства в границах Ва - Саа. Авторская модель является в большей степени ориентированной на модель Жданова, однако позволяет получить более точный результат по ряду организаций.
Таблица 1
Основные показатели финансового состояния предприятий Table 1
Main indicators of financial condition of enterprises
Показатель Обозначение Пояснение Код
Оборотные активы CA - 1200
Проверка банкротства H2 Предприятие является банкротом - 2; предприятие находится на стадии банкротства - 1; предприятие не банкрот, не находится на стадии банкротства - 0
Внеоборотные активы FA - 1100
Краткосрочная задолженность SRL Краткосрочные обязательства 1500
Долгосрочная задолженность LRL Долгосрочные обязательства 1400
Чистая прибыль NOPAT - 2400
Амортизация A - 5640
Проценты к уплате IP - 2330
Выручка TR - 2110
Прибыль до налогообложения EBIT До налогообложения и уплаты процентов 2300
Дебиторская задолженность DEBT - 1230
Кредиторская задолженность CREDIT - 1520
Возраст компании HI Фактор «возраста» компании. Принимает значение 0, если предприятие было создано более 10 лет назад, и значение 1 - если менее 10 лет
Регион H7 Характеристика деятельности предприятия с точки зрения региональной принадлежности. Принимает значение 0 - при нахождении в Москве или Санкт-Петербурге и 1 - в других регионах
Собственный капитал C&R - 1300
Выручка от продаж TS - 2200
Денежные средства и эквиваленты CCE - 1250
Нераспределенная прибыль RE - 1370
Операционная прибыль OP - 2200
Затраты TC - 5600
Запасы PUR - 1210
Источник: авторская разработка Source: Authoring
Таблица 2
Интерпретация значений ZSCORE по системе рейтингов Moody's
Table 2
Interpreting the values of ZSCORE under Moody's rating system
Рейтинг Комментарий ZSCORE
Aaa Существует минимальный риск банкротства Z г 5,93
Aa Существует очень низкий риск банкротства 5,1 < Z < 5,93
A Существует низкий риск банкротства 4,91< Z < 5,1
Baa Существует умеренный риск банкротства 4,19 < Z<4,91
Ba Существует существенный риск банкротства 3,78 < Z < 4,19
B Существует высокий риск банкротства 1,05 < Z < 3,78
Caa Существует очень высокий риск банкротства 0,22 < Z < 1,05
Ca Предприятие, вероятно, находится в состоянии дефолта либо близко к дефолту. При этом существует некоторая вероятность выплаты основной суммы долга и процентов 0,03 < Z < 0,22
C Предприятие, вероятно, находится в состоянии дефолта. При этом вероятность выплаты основной суммы долга и процентов крайне мала Z < 0,03
Источник: авторская разработка Source: Authoring
Таблица 3
Интерпретация значений PZ по системе рейтингов Moody's
Table 3
Interpreting the values of PZ under Moody's rating system
Границы интервала Комментарий Рейтинг Moody's
PZ > 0,8 Предприятие, вероятно, находится в состоянии дефолта либо близко к дефолту C
0,8 > PZ > 0,5 Существует высокий риск банкротства B
0,5 > PZ > 0,2 Существует риск банкротства ниже среднего Baa - B
PZ < 0,2 Существует очень низкий риск банкротства Aa - A
Источник: авторская разработка
Source: Authoring Таблица 4
Значения коэффициентов At для модели Г.А. Хайдаршиной Table 4
The values of coefficients At for the G.A. Khaidarshina model
Отраслевой сегмент
Фактор модели Коэффициент Промышленность (разделы CB, D) Топливно-энергетический комплекс (разделы CA, DF, E) Торговля (раздел G) Сельское хозяйство, охота и лесное хозяйство (раздел A)
Константа A0 10,2137 30,7371 35,0326 13,5065
HI Al 0,0303 3,7033 4,1834 0,2753
H2 A2 6,7543 8,9734 9,0817 6,6637
H3 A3 -3,7039 -8,6711 -8,7792 -7,0113
H4 A4 -1,5985 -7,011 -8,5601 -2,3915
H5 A5 -0,564 -1,6427 -1,6834 -1,0028
H6 A6 -0,1254 -0,1399 -0,4923 -0,29
H7 A7 -1,3698 -0,6913 -0,8023 -1,5742
H8 (ROA) A8 -6,3609 -5,0894 -8,4776 -6,1679
H9 (ROE) A9 -0,2833 -15,3882 -10,8005 -2,3624
H10 A10 2,5966 7,3667 7,1862 2,8715
Hll All -7,3087 -22,0294 -22,7614 -6,9339
Источник: авторская разработка Source: Authoring
Таблица 5
Средние годовые и текущие ставки Банка России и ставки по РЕПО, %
Table 5
Annual average and current interest rates of the Bank of Russia and REPO rates, percent
Год Средняя годовая ставка Средняя ставка по РЕПО
2005 12,5 -
2006 11,5 -
2007 10,5 7,6
2008 11,07143 8,654915
2009 10,77273 10,51792
2010 8,25 7,176282
2011 8 6,574074
2012 8,125 6,335337
2013 8,25 6,5
2014 8,25 8,959677
2015 8,25 13,55556
2016 11 -
Источник: данные Банка России
Source: The Bank of Russia data Таблица 6
Результаты корреляционного анализа
Table 6
The results of correlation analysis
Код Формула расчета Коэффициент Спирмена Коэффициент Кендалла
показателя PZ ZSCORE PZ ZSCORE
K3 OP / (CA + FA) -,142 ,684 -,106 ,564
K4 C&R / (SRL + LRL) -,445 ,801 -,337 ,652
K3 EBIT / (CA + FA) -,197 ,657 -,146 ,541
(SRL + LRL) / (CA + FA) ,685 -,216 ,537 -,256
b (SRL + LRL) / (CA + FA) ,509 -,094 ,362 -,104
WACC NOPAT / (CA + FA) -,223 ,639 -,097 ,524
K5 EBIT / (SRL + LRL) -,380 ,763 -,064 ,627
S2 OP / DEBIT -,249 ,658 ,001 ,486
S3 NOPAT/CA -,239 ,618 -,087 ,506
D1 CA / SRL -,581 ,743 ,02 ,657
D5 LN (C&R) ,377 ,456 ,027 ,449
H5 C&R / (CA + FA) -,655 ,314 -,409 ,3
Кавт PUR + CCE + (DEBIT - CREDIT) ,007 ,494 ,026 ,328
WC (CCE + DEBIT) / CREDIT -,400 ,386 ,165 ,461
Кб.л (CCE + DEBIT + PUR) / CREDIT -,483 ,486 ,115 ,53
Ктл TS / 365 (дней) -,003 ,637 -,003 ,637
DTS TS / 365 (дней) -,003 ,637 -,003 ,637
Источник: данные ЦИТ «Дельтаинком» Source: The CIT Deltainkom LLC data
Таблица 7
Значения финансовых переменных для стандартизации Table 7
The values of financial variables for standardization
Показатель factori factori factori factor^ K5 factori-
f', H ' -7 191,06821 87,36416 7,471393 3 233 022 12,673 -442,962
a (fil H) 175 301,6914 1 051,313 100,963 61 834 937 2,719 8 134,888
Источник: обработка данных в SPSS
Source: data processing in SPSS
Таблица 8
Интерпретация исходного результата авторской модели вероятности банкротства Table 8
Interpretation of the initial result of our own original model of bankruptcy probability
Рейтинг Комментарий P
Aaa Существует минимальный риск банкротства P < 0,01
Aa Существует очень низкий риск банкротства 0,01 < P < 0,05
A Существует низкий риск банкротства 0,05 < P < 0,1
Baa Существует умеренный риск банкротства 0,1 < P < 0,3
Ba Существует существенный риск банкротства 0,3 < P < 0,5
B У предприятия существует высокий риск банкротства 0,5 < P < 0,7
Caa У предприятия существует очень высокий риск банкротства 0,7 < P < 0,8
Ca Предприятие, вероятно, находится в состоянии дефолта либо близко к дефолту. При этом существует некоторая вероятность выплаты основной суммы долга и процентов 0,8 < P < 0,9
C Предприятие, вероятно, находится в состоянии дефолта. При этом вероятность выплаты основной суммы долга и процентов крайне мала P > 0,9
Источник: авторская разработка Source: Authoring
Список литературы
1. Захарченко В.И., Меркулов Н.Н., Халикян Н.В. Экономическая безопасность бизнеса. Одесса: АО БАХВА, 2009. 176 с.
2. Velmurugan M.S. Security and Trust in E-business: Problems and Prospects. International Journal of Electronic Business Management, 2009, vol. 7, iss. 3, pp. 151-158.
3. Якимов И.М., Мокшин В.В. Компьютерные технологии моделирования и обработки экспериментальных данных. Казань: КГТУ, 2012. 124 с.
4. Колесников Н. Скоринг: абстрактно и конкретно // Банковские технологии. 2004. № 12. С. 32-34.
5. Снегова Е.Г., Мастяева И.Н. Управление рисками внутреннего и внешнего мошенничества в экспресс-кредитовании // Фундаментальные исследования. 2013. № 6. С. 1224-1228.
6. Bordeianu G.D. et al. Analysis Models of the Bankruptcy Risk. Economy Transdisciplinarity Cognition, 2011, vol. XIV, iss. 1, pp. 248-259.
7. Mandru L. et al. The Diagnosis of Bankruptcy Risk Using Score Function. Proceeding of the WSEAS Conference Recent Advances in Artificial Intelligence, Knowledge, Engineering and Data Base, Cambridge. 2010. URL: http://www.wseas.us/e-library/conferences/2010/Cambridge/AIKED/AIKED-12.pdf.
8. Александрова М.В., Проскурина З.Б. Особенности применения различных методик для предупреждения банкротства отечественных предприятий // Экономика, социология и право. 2014. № 3. С. 12-14.
9. Жданов В.Ю., Рыгин В.Е. Теоретический анализ понятий «несостоятельность» и «банкротство» предприятия//Регионология. 2013. № 4. С. 164-171.
10. Рыгин В.Е. Инструменты оценки риска банкротства металлургических предприятий // Научные труды Вольного экономического общества России. 2013. Т. 179. C. 522-527.
11. Рыгин В.Е. Модель оценки риска банкротства предприятий металлургической отрасли // Вестник Южно-Российского государственного технического университета (Новочеркасского политехнического института). Сер.: Социально-экономические науки. 2013. № 5. С. 84-91.
12. Altman E.I. Bankruptcy, Credit Risk, and High Yield Junk Bonds. Wiley-Blackwell, 2002.
13. ХайдаршинаГ.А. Комплексная модель оценки риска банкротства // Финансы. 2009. № 2. С. 67-69.
14. Жданов В.Ю. Диагностика риска банкротства предприятия в трехмерном пространстве // Управление экономическими системами. 2011. № 32. URL: http://uecs.ru/uecs-32-322011/item/589-2011-08-31-08-20-55.
15. Жданов В.Ю. Механизм диагностики риска банкротства промышленного предприятия // Актуальные вопросы экономики и управления. Т. II. М.: РИОР, 2011. С. 95-97.
16. Скиба С.А., Лойко В.И. Современный подход к оценке платежеспособности клиента при кредитовании // Научный журнал КубГАУ. 2012. URL: http://ej.kubagro.ru/2012/07/pdf/74.pdf.
17. Tang T.T. Information Asymmetry and Firms' Credit Market Access: Evidence from Moody's credit rating format refinement. Journal of Financial Economics, 2009, vol. 93, iss. 2, pp. 325-351. doi: 10.1016/jjfineco.2008.07.007
18. Бернстайн Л.А. Анализ финансовой отчетности: теория, практика и интерпретация. М.: Финансы и статистика, 1996. 623 с.
ISSN 2311-8725 (Online) ISSN 2073-039X (Print)
Financial Stability and Solvency
ASSESSING THE PROBABILITY OF FINANCIAL BANKRUPTCY OF ORGANIZATIONS
Kristina S. TROTTE, Artur F. SHAMSUTDINOVb, Timur F. SHAMSUTDINOVc, Farid F. KHAMIDULLINd
a Saint-Petersburg State Economic University, St. Petersburg, Russian Federation [email protected]
b CIT Deltainkom LLC, Kazan, Republic of Tatarstan, Russian Federation [email protected]
c Kazan State University of Architecture and Engineering, Kazan, Republic of Tatarstan, Russian Federation [email protected]
d University of Management TISBI, Zelenodolsk, Kazan, Republic of Tatarstan, Russian Federation [email protected]
• Corresponding author
Article history:
Received 21 March 2016 Received in revised form 18 May 2016 Accepted 6 July 2016
JEL classification: C01, C02, G17, G32, G33
Keywords: bankruptcy, probability, logit-model, business partner, security
Abstract
Importance The article addresses verification of the risk of financial insolvency of organizations. The relevance of the research is in monitoring the existing methodologies for identifying the bankruptcy risk and building the unique logit-dependence based on factors of known financial logit-models.
Objectives Our aim is to create a probabilistic model of bankruptcy risk assessment of organizations, which takes into account the combined effect of the key financial indicators of organizations. As indicators for the models we suggest to take those used in financial models, which are characterized by high confidence level of final results.
Methods The study employs quantitative methods of statistical processing of data, empirical and experimental-theoretical mathematical research methods, using the methods of factor, correlation, and regression analysis. For statistical data processing we use Excel, SPSS, Statistica packages of applied programs.
Results We developed a methodology to assess the financial status of organizations with a possibility to choose reliable business partners. The technique has been successfully tested in many organizations and is an effective tool to ensure the transparency and security of business. The information system of CIT Deltainkom that is developed on the basis of the proposed methodology, is demanded by a significant number of users.
Conclusions and Relevance We created a unique logit-model to check organizations for bankruptcy with interpretation by the adapted Moody's rating scale.
© Publishing house FINANCE and CREDIT, 2016
Acknowledgments
We are grateful to Irma I. ELISEEVA for the valuable remarks and comments, and to Igor' M. YAKIMOV for
the advice and relevant criticism.
References
1. Zakharchenko V.I., Merkulov N.N., Khalikyan N.V. Ekonomicheskaya bezopasnost' biznesa [Economic security of business]. Odessa, AO BAKhVA Publ., 2009, 176 p.
2. Velmurugan M.S. Security and Trust in E-business: Problems and Prospects. International Journal of Electronic Business Management, 2009, vol. 7, iss. 3, pp. 151-158.
3. Yakimov I.M., Mokshin V.V. Komp'yuternye tekhnologii modelirovaniya i obrabotki eksperimental'nykh dannykh [Computer technology for simulation and processing the experimental data]. Kazan, KSTU Publ., 2012, 124 p.
4. Kolesnikov N. [Scoring: abstract and concrete]. Bankovskie tekhnologii = Banking Technologies, 2004, no. 12, pp. 32-34. (In Russ.)
5. Snegova E.G., Mastyaeva I.N. [Risk management of internal and external fraud in express lending]. Fundamental'nye issledovaniya = Fundamental Research, 2013, no. 6, pp. 1224-1228. (In Russ.)
6. Bordeianu G.D. et al. Analysis Models of the Bankruptcy Risk. Economy Transdisciplinarity Cognition, 2011, vol. XIV, iss. 1, pp. 248-259.
7. Mandru L. et al. The Diagnosis of Bankruptcy Risk Using Score Function. Proceeding of WSEAS International Conference Recent Advances in Artificial Intelligence, Knowledge, Engineering and Data Base. Cambridge, 2010. Available at: http://www.wseas.us/e-library/conferences/2010/Cambridge/AIKED/AIKED-12 .pdf.
8. Aleksandrova M.V., Proskurina Z.B. [Specifics of applying various techniques to prevent bankruptcy of domestic enterprises]. Ekonomika, sotsiologiya i pravo = Economics, Sociology and Law, 2014, no. 3, pp. 12-14. (In Russ.)
9. Zhdanov V.Yu., Rygin V.E. [Theoretical analysis of concepts of insolvency and bankruptcy of enterprise]. Regionologiya = Regionology, 2013, no. 4, pp. 164-171. (In Russ.)
10. Rygin V.E. [Bankruptcy risk assessment tools for metallurgical enterprises]. Nauchnye trudy Vol'nogo ekonomicheskogo obshchestva Rossii = Scientific Works of the Free Economic Society of Russia, 2013, vol. 179, pp. 522-527. (In Russ.)
11. Rygin V.E. [Bankruptcy risk assessment model of metallurgical enterprises]. Vestnik Yuzhno-Rossiiskogo gosudarstvennogo tekhnicheskogo universiteta (Novocherkasskogo politekhnicheskogo instituta). Ser.: Sotsial'no-ekonomicheskie nauki = Bulletin of South-Russian State Technical University (Novocherkassk Polytechnic Institute). Series: Socio-economic Sciences, 2013, no. 5, pp. 84-91. (In Russ.)
12. Altman E.I. Bankruptcy, Credit Risk, and High Yield Junk Bonds. Wiley-Blackwell, 2002.
13. Khaidarshina G.A. [An integrated model of bankruptcy risk assessment]. Finansy = Finance, 2009, no. 2, pp. 67-69. (In Russ.)
14. Zhdanov V.Yu. [Bankruptcy risk assessment in the three-dimensional space]. Upravlenie ekonomicheskimi sistemami, 2011, no. 32. (In Russ.) Available at: http://uecs.ru/uecs-32-322011/item/589-2011-08-31-08-20-55.
15. Zhdanov V.Yu. Mekhanizm diagnostiki riska bankrotstva promyshlennogo predpriyatiya. V kn.: Aktual'nye voprosy ekonomiki i upravleniya. T. 2 [The mechanism of bankruptcy risk assessment of an industrial enterprise. In: Topical issues of economics and management. Vol. 2]. Moscow, RIOR Publ., 2011, pp. 95-97.
16. Skiba S.A., Loiko V.I. [The modern approach to assessing the customer's financial solvency in lending]. Scientific Journal of KubSAU, 2012, no. 81. (In Russ.) Available at: http://ej .kubagro.ru/2012/07/pdf/74.pdf.
17. Tang T.T. Information Asymmetry and Firms' Credit Market Access: Evidence from Moody's credit rating format refinement. Journal of Financial Economics, 2009, vol. 93, iss. 2, pp. 325-351. doi: 10.1016/jjfineco.2008.07.007
18. Bernstein L.A. Analiz finansovoi otchetnosti: teoriya, praktika i interpretatsiya [Financial Statement Analysis: Theory, Practice and Interpretation]. Moscow, Finansy i statistika Publ., 1996, 623 p.
