CC BY
71
http://abc.informbureau.com/html/eiiidoicaiau aiea.html (data obrashcheniya: 15.12.2014).
3. Semenov M.A. Politika importoza-meshcheniya v razvitii farmatsevticheskoi promyshlennosti Rossii: dis. ... kand. ekon. nauk: 08.05.00. - M., 2014. - S. 12.
4. Nazarchuk E.N. Teoreticheskie i metodicheskie osnovy effektivnogo importoza-meshcheniya na rossiiskikh promyshlennykh predpriyatiyakh: dis. ... kand. ekon. nauk: 08.05.00. — Samara, 2007 [elektronnyi resurs]. Rezhim dostupa: http://economy-lib.com/teoreticheskie-i-metodicheskie-osnovy-effektivnogo-importozamescheniya-na-rossiyskih-promyshlennyh-
predpriyatiyah#ixzz3KRmuUbEM (data obrashcheniya: 18.12.2014).
5. Lindert P.Kh. Ekonomika mirokho-zyaistvennykh svyazei: per. s angl. — M.: Progress, 1992. — 514 s.
6. Jacobs J. The Death and Life of Great American Cities. — New York: Random House, 1961. — 473 p.
+
7. Volkodavova E.V. Realizatsiya strategii importozameshcheniya produktsii na rossiiskikh promyshlennykh predpriyatiyakh // Ekonomika i upravlenie. — 2009. — № 2 (61) — S. 281-286.
8. Makarov A.N. Importozameshchenie kak instrument industrializatsii ekonomiki regiona: innovatsionnyi aspekt (na primere Nizhego-rodskoi oblasti) // Rossiiskii vnesh-neekonomicheskii vestnik. — 2011. — № 5 — S. 36-40.
9. Gnidchenko A. Importozameshchenie: shans ili neobkhodimost' // TASS: informatsion-noe agentstvo Rossii [elektronnyi resurs]. Rezhim dostupa: http://tass.ru/opinions/ 1597499 (data obrashcheniya: 18.12.2014).
10. Resursy i ispol'zovanie moloka i molo-koproduktov // Federal'naya sluzhba gosudar-stvennoi statistiki [elektronnyi resurs]. Rezhim dostupa: http://www.gks.ru/wps/wcm/ connect/rosstat_main/rosstat/ru/statistics/ enterprise/economy/# (data obrashcheniya:
18.12.2014). +
УДК 336.6:311.42
Е.Н. Щетинин, И.В. Ковалева, Н.М. Сурай Ye.N. Shchetinin, I.V. Kovaleva, N.M. Suray
ПОСТРОЕНИЕ МНОГОФАКТОРНЫХ МОДЕЛЕЙ ФИНАНСОВОГО СОСТОЯНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ ДЛЯ ИХ ЭКСПРЕСС-АНАЛИЗА
В УСЛОВИЯХ АЛТАЙСКОГО КРАЯ
BUILDING OF MULTIFACTOR MODELS OF A FINANCIAL CONDITION OF THE ALTAI REGIONS AGRICULTURAL ENTERPRISES FOR THEIR EXPRESS ANALYSIS
Ключевые слова: финансовое состояние, сельскохозяйственные предприятия, Алтайский край, финансовые коэффициенты, скоринг, многофакторные модели, корреляционный анализ, экспресс-анализ, прогнозирование.
В настоящее время оценка финансового состояния служит критерием признания кредитоспособности сельскохозяйственных предприятий. Методики оценки финансового состояния глубоко раскрыты в научных трудах российских ученых. Однако проведение финансового анализа является сложным процессом, который рассчитан на подготовленных пользователей. Поэтому возникает необходимость в создании простых и удобных способов для оценки, которыми можно проводить экспресс-анализ и прогнозирование уровня финансового состояния. Целью исследования является создание многофакторной модели, которая учитывает региональные особенности и может ускорить оценку финансового состояния сельскохозяйственных предприятий Алтайского края. К задачам исследования относятся: обоснование практической значимости экспресс-анализа финансового состояния с помощью многофакторных моделей; обработка исходных данных по крупным сельскохозяйственным предприятиям
Алтайского края; создание многофакторной модели и проверка возможности ее использования для оценки и прогнозирования финансового состояния сельскохозяйственных предприятий. В качестве инструмента исследования был использован многофакторный корреляционный анализ данных по сельскохозяйственным предприятиям Алтайского края за период 2009-2013 гг. Предварительно данные были подготовлены для построения многофакторной модели путем удаления аномальных значений. В выборку попали данные в пределах одного корреляционного поля по 252 сельскохозяйственным предприятиям. Рассчитанные по исходным данным теоретические значения параметров финансового состояния достаточно точно могут применяться для экспресс-анализа и прогнозирования. Их достоверность составляет, соответственно, 77 и 81%. Таким образом, использование данных многофакторных моделей позволяет упростить и ускорить оценку финансового состояния сельскохозяйственных предприятий. Их могут использовать в практической деятельности работники кредитных организаций, управления сельского хозяйства и сельскохозяйственных предприятий при оценке кредитоспособности хозяйствующих субъектов.
Keywords: financial condition, agricultural enterprises, Altai Region, financial coefficients, scoring, multiple-factor models, correlation analysis, express analysis, forecasting.
At present the evaluation of financial condition is considered as the criterion by the recognition of the solvency of agricultural enterprises. The techniques of financial condition evaluation are presented by Russian scientists. The financial analysis is a complex process which is developed for advanced users. There is a need for creation of easy and convenient methods for the evaluation which could be used for express analysis and forecasting the level of financial condition. The research goal is the construction of the multifactor model which involves the regional features and could accelerate the evaluation of financial condition at the Altai region's agricultural enterprises. The following research objectives are involved: the substantiation of the express analysis of financial condition by multifactor models; the processing of large agricultural enterprise database in
the Altai Region; the building of multifactor model and testing its applicability to evaluate and forecast the financial condition of agricultural enterprises. The multifactor correlation analysis of the data of the Altai Region's agricultural enterprises for the period of 2009-2013 was used as the research tool. In advance the data were prepared for building multiple factor models by removal the bad values. The data in the limits of one correlation field covering 252 agricultural enterprises were added into the sampling. The theoretical values of the parameters of the financial condition calculated on basic data may be applied for the express analysis and forecasting. Their validity makes 77% and 81% respectively. Therefore the use of these multifactor models enables simplifying and accelerating the evaluation of the financial condition of agricultural enterprises. They may be used by the employees of the credit organizations, Department of Agriculture and agricultural enterprises for the evaluation of the solvency of economic entities.
Щетинин Евгений Николаевич, к.э.н., доцент, каф. «Бухгалтерский учет, аудит, статистика», Барнаульский филиал, Финансовый университет при правительстве Российской Федерации. Тел.: (3852) 36-18-38. E-mail: [email protected]. Ковалева Ирина Валериевна, д.э.н., проф., декан экономического фак-та, зав. каф. товароведения и маркетинга, Алтайский государственный аграрный университет. Тел.: (3852) 62-39-49. E-mail: irakovaleva20051 @rambler.ru.
Сурай Наталья Михайловна, к.т.н., доцент, каф. «Товароведение и маркетинг», Алтайский государственный аграрный университет. E-mail: [email protected].
Shchetinin Yevgeniy Nikolayevich, Cand. Econ. Sci., Assoc. Prof., Chair of Accounting, Audit and Statistics, Barnaul Branch, Financial University under the Government of the Russian Federation. Ph.: (3852) 36-18-38. E-mail: [email protected]. Kovaleva Irina Valeriyevna, Dr. Econ. Sci., Prof., Dean, Economics Dept., Head, Chair of Merchandizing and Marketing, Altai State Agricultural University. Ph.: (3852) 62-39-49. E-mail: [email protected].
Suray Natalya Mikhaylovna, Cand. Tech. Sci., Asst. Prof., Chair of Merchandizing and Marketing, Altai State Agricultural University. E-mail: [email protected].
Введение
Оценка финансового состояния выступает одним из главных условий предоставления кредитных ресурсов для осуществления хозяйственной деятельности предприятия в аграрном секторе экономики. Условия признания кредитоспособности имеют четко выраженные количественные критерии, известные всем участникам финансирования сельскохозяйственных предприятий. Поэтому главной задачей их управленческого звена в настоящее время является принятие решений, направленных на достижение и соблюдение требований к финансовым показателям, которые обеспечат получение кредитов для развития производства.
Освоение методик анализа и оценки финансового состояния подразумевает наличие у пользователя специальной подготовки и определенного уровня знания финансового анализа. К субъектам (получателям результатов) анализа финансового состояния можно отнести широкий круг заинтересованных лиц. В их число входят как внутренние пользователи информации — руководители, экономические службы предприятия, так и внешние —
финансово-кредитные организации, акционеры, деловые партнеры, государственные органы и пр. Существенная часть этих субъектов, как правило, не обладают глубоким знанием методик анализа, не посвящены в неочевидные взаимосвязи между экономическими процессами, происходивших в ходе хозяйственной деятельности и повлиявших на конечную оценку финансового состояния. Поэтому возникает необходимость в использовании упрощенных методов оценки финансового состояния, рассчитанных и на неподготовленных пользователей.
Цель исследования — создание многофакторной модели, которая учитывает региональные особенности Алтайского края и может ускорить оценку финансового состояния сельскохозяйственных предприятий.
Задачи исследования: обосновать практическую значимость экспресс-анализа финансового состояния с помощью многофакторных моделей; обработать исходные данные по крупным сельскохозяйственным предприятиям Алтайского края; построить многофакторные модели и проверить возможность их использования для оценки и прогнозирования
финансового состояния сельскохозяйственных предприятий.
Объекты исследования - показатели финансового состояния сельскохозяйственных предприятий Алтайского края.
Методы исследования: априорный статистический анализ, корреляционный анализ, анализ финансовых коэффициентов и др.
Результаты исследования
В качестве основного средства раннего диагностирования и прогнозирования величины финансовых показателей для оценки финансового состояния используются методики финансового и управленческого анализа. Обоснованием методик анализа финансового состояния занимались ведущие отечественные ученые, такие как А.Д. Шеремет, М.И. Баканов, В.В. Ковалев, Г.В. Савицкая, а также многочисленные их последователи. В общепринятой интерпретации содержания анализа финансового состояния он представлен как сложный комплекс аналитических процедур, затрагивающий все важные стороны финансово-хозяйственной деятельности экономических субъектов. К недостаткам многих методик Н.П. Любушин относит абстрактный характер получаемых финансовых коэффициентов, недостаточное качество исходных данных в финансовой отчетности организаций и отсутствие «привязки» методик к видам экономической деятельности [1].
Ряд отечественных авторов и ученых предлагают индивидуальные методики оценки финансового состояния и кредитоспособности организаций. Так, А.М. Руденко отмечает, что при оценке финансовой устойчивости следует следить за способностью предприятия выполнять краткосрочные обязательства [2]. В работах И.В. Матяш рекомендуется использовать показатели системной эффективности, которая тесно связана с оценкой финансового состояния [3].
Экспресс-анализ позволяет значительно сократить продолжительность и снизить стоимость исследования за счет уменьшения количества аналитических процедур и оцениваемых показателей. Методику экспресс-анализа можно максимально формализовать, что увеличит доступность для большего круга пользователей, а также автоматизировать основные этапы расчетов показателей. В таком случае регулярное наблюдение за самыми важными показателями деятельности организации позволит диагностировать влияние негативных факторов на ранних стадиях. Если же возникнет необходимость изучить более детально различные стороны финансово-хозяйственной деятельности организации, то следует прибегнуть к углубленному комплексному экономическому анализу.
Результаты экспресс-анализа в виде готовых экономических показателей, кроме непосредственной диагностики, можно будет использовать в прогнозировании ключевых параметров финансово-хозяйственной деятельности организации. В настоящее время такие подходы еще не достаточно методологически проработаны, и круг их использования ограничен. Поэтому мы считаем актуальной адаптацию методик оценки и прогнозирования финансовых показателей с помощью экспресс-анализа к конкретным объектам с учетом региональных и отраслевых особенностей.
При разработке подходов к прогнозированию основных показателей финансово-хозяйственной деятельности аграрных предприятий за основу была взята методика построения скоринговых моделей, имеющая ряд преимуществ. Скоринговая модель — математическая модель, позволяющая сопоставить характеристикам заемщика численное значение — скоринговый рейтинг, характеризующий кредитоспособность заемщиков банка [4]. Банки в работе с юридическими лицами достаточно эффективно проводят оценку платежеспособности заемщиков с помощью скоринговых моделей, которые строятся различными способами. В данном случае к преимуществам такой экспресс-оценки кредитоспособности относятся высокая объективность, непредвзятость, возможность автоматизации, стандартизация требований к заемщикам. В числе недостатков можно отметить следующие: возможность манипулирования документами или искажения данных отчетности заемщиками, вероятность ошибочных результатов из-за малого числа показателей, принимаемых к оценке. Кроме того, скорин-говые модели, как правило, имеют общую для всех организаций в стране систему показателей, поэтому в них не учитываются отраслевые и территориальные особенности.
У сельскохозяйственных предприятий имеются специфические отличия от прочих организаций. К ним относятся ярко выраженная сезонность, длительный производственный цикл, высокая зависимость от монополизированных посредников и рынков сбыта продукции, сложности с финансированием и пр.
В связи вышеизложенным особый интерес представляет разработка подходов к прогнозированию на основе экспресс-анализа финансового состояния, позволяющая определить дальнейшие параметры развития организации быстро и достаточно точно. Эта информация представляет большую ценность для внутренних пользователей, то есть собственников организации и управленческого персонала. В процессе регулярной диагностики и мониторинга финансового состояния
экономические службы организаций могут заблаговременно распознать зарождение и усиление кризисных проявлений в работе своего субъекта хозяйствования. Такой подход позволяет устранять неблагоприятные последствия провалов в хозяйственно-финансовой деятельности на ранних стадиях развития кризиса, ликвидировать последствия уже обнаруженных негативных явлений и таким образом повышать жизнеспособность своей организации в сложнейших рыночных условиях.
Подобный подход к экспресс-анализу финансового состояния может иметь практическое значение для работников банков, занимающихся кредитованием аграрных предприятий, а также специалистов управления сельским хозяйством.
В значительной степени распространение скоринга в оценке кредитоспособности аграрных предприятий затрудняется тем, что для построения достоверной модели необходимо накопление достаточно большого массива данных, сложившихся в реальных условиях хозяйствования. Большой массив данных позволяет выявить закономерности в формировании результативных показателей под влиянием факторов, которые отражают воздействие конкретных условий хозяйственной деятельности.
Методической основой оценки служит «Методика расчета показателей финансового состояния сельскохозяйственных товаропроизводителей» (утверждена Постановлением Правительства РФ «О реализации Федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей» от 30 января 2003 г. № 352) [5].
В оценке используют следующие показатели: коэффициент абсолютной ликвидности (К1), коэффициент критической ликвидности (К2), коэффициент текущей ликвидности (К3), коэффициент обеспеченности собственными средствами (К4), коэффициент финансовой независимости (К5), коэффициент финансовой независимости в отношении формирования запасов и затрат (К6).
Значение каждого из коэффициентов оценивается в баллах в соответствии со специальной таблицей (табл. 1).
Максимально возможная оценка проводится по 100-балльной шкале. По уровню финансового состояния организацию определяют в одну из пяти групп.
Для первой группы необходима оценка показателей на сумму более 81,8 баллов; во вторую группу входят организации с суммой 60-81,7 баллов; в третью — 35,3-59,9; в четвертую — 13,6 -35,2; в пятую группу — менее 13,5 баллов. Соответственно, организации первой группы являются наиболее прибыльными и финансово устойчивыми; во второй и
третьей группах оцениваются как с удовлетворительным финансовым состоянием; к четвертой группе относят аграрные организации, испытывающие трудности с платежеспособностью и финансовой устойчивостью, к пятой группе — организации, находящиеся на грани банкротства.
Отсюда следует, что методика оценки достаточно трудоемкая и рассчитана на подготовленных пользователей.
В нашем исследовании была использована сводная информация Главного управления сельского хозяйства (ГУСХ) по Алтайскому краю по годовым отчетам аграрных предприятий разных форм хозяйствования за 2009-2013 гг. Как видно из таблицы 2 за исследуемый период общее число крупных сельскохозяйственных предприятий ежегодно уменьшалось. Так, в 2013 г. насчитывалось в крае по данным ГУСХ 628 крупных предприятий, что на 13,4% меньше, чем в 2009 г. Заметна также и отрицательная динамика в группах с наиболее устойчивым финансовым состоянием — 1- и 2-й группах. Их численность сократилась, соответственно, на 23,6 и 24,8%. Хозяйства, входившие в группы с наиболее устойчивым и удовлетворительным финансовым состоянием, опустились ниже, в группы с худшим результатом.
Таким образом, общая ситуация в аграрном секторе экономики края на протяжении исследуемого периода продолжала усугубляться. Только за эти 5 лет прекратили деятельность 97 сельскохозяйственных предприятий. Причины ухудшения экономического состояния в сельском хозяйстве носят системных характер, они давно известны, подробно изучены в работах многих авторов и поэтому в данном исследовании не рассматривались.
В целях получения информации, сглаженной от ежегодных колебаний, данные балансов за исследуемый период по каждому предприятию были усреднены за 5 лет, и на их основе были рассчитаны относительные показатели финансовых коэффициентов. Усреднение данных позволило выровнять значение показателей, так как они в исследуемом периоде были зависимы от природно-климатических воздействий. В 2012 г. было засушливое лето, вследствие чего финансовое состояние многих хозяйств ухудшилось. Относительные показатели решают проблемы несопоставимости абсолютных значений статей баланса предприятий, различающихся по размеру, обеспеченностью ресурсами, природно-климатическим условиям и прочим факторам.
Построение многофакторной корреляционной модели предполагает определенный уровень однородности исходных данных, при которых можно получить достоверные результаты. Поэтому с помощью графического
метода была произведена выбраковка аномальных значений из массива тех показателей, которые вызывали неприемлемые отклонения от средних значений. В итоге в массиве данных остались показатели 252 сельскохозяйственных предприятия, значения которых находились в пределах основного корреляционного поля. Следовательно, их величины расположены настолько близко между собой, чтобы проявились закономерности в распределении значений признаков [6].
В качестве модели финансового состояния сельскохозяйственных предприятий Алтайского края выступает многофакторная линейная регрессионная модель взаимосвязи финансовых коэффициентов с количеством набранных баллов. В регрессионной модели сумма набранных баллов по методике ГУСХ Алтайского края будет являться результативным признаком. Требуется найти степень влияния каждого из представленных коэффициентов финансового состояния, являющихся факторами на конечный результат, по итогам которого организация относится к той или иной группе.
Для получения нужного нам результата воспользуемся расчетом множественной регрессии, позволяющей выполнить главное предназначение скоринга — построить математическую модель, учитывающую основные факторы, имея ввиду при этом влияние каж-
Критерии оценки сельско по уровню их финансовой уст
дого из них в отдельности, а также их общее воздействие на результативный показатель.
Ввиду четкой интерпретации параметров наиболее широко используется линейная функция:
у = а + Ь Х + Ь2 х2 + ... + ЬтХт +5
I
где у — результативный показатель, то есть сумма набранных баллов по итогам оценки;
х,, х2, ... хп — соответствующие коэффициенты финансового состояния, факторы.
Для решения поставленной задачи и упрощения расчетов необходимо воспользоваться MSExcel с помощью функции [=ЛИНЕЙН()].
Основным признаком адекватности модели служит значение линейного коэффициента корреляции 0,887, которое свидетельствует о наличии сильной связи между результативным показателем и факторами.
В итоге теоретическая модель финансового состояния сельскохозяйственных организаций Алтайского края выглядит следующим образом:
У = 22,591 К1 + 6,91 3К2 + 8,459К3 + + 1,035К4 + 56,794К5-0,345К6.
Таким образом, подставляя в модель значения соответствующих коэффициентов, можно рассчитать теоретическое значение суммы набранных баллов, которые служат основанием для отнесения предприятия в одну из групп финансового состояния.
Таблица 1
зяйственных предприятий чивости и платежеспособности
Показатели (коэффициенты) Формула по балансу Группы
1-я 2-я 3-я 4-я 5-я
К1 (стр. 1240 + 1250) / (стр. 1510 + 1520 + 1550) К >= 0,5 = 20 0,4<= К< 0,5 = 16 0,3<= К< 0,4 = 2 0,2<= К< 0,3 = 8 К < 0,2 = 4
К2 (стр. 1230 + 1240 + 1250) / (стр. 1510 + 1520 + 1550) К >= 1,5 = 18 1,4<= К< 1,5 = 15 1,3<= К< 1,4 = 12 1,2<= К< 1,3 = 7,5 К < 1,2 = 3
КЗ стр. 1200 / (стр. 1510 + 1520 + 1550) К >= 2 = 16,5 1,8<= К< 2 = 13,5 1,5<= К< 1,8 = 9 1,2<= К< 1,5 = 4,5 К < 1,2 = 1,5
К4 (стр. 1300 - 1100) / стр. 1200 К >= 0,5 = 15 0,4<= К< 0,5 = 12 0,3<= К< 0,4 = 9 0,2<= К< 0,3 = 6 К < 0,2 = 3
К5 стр. 1300 / стр. 1700 К >= 0,6 = 17 0,56<= К< 0,6 = 14,2 0,5<= К< 0,56 = 9,4 0,44<= К< 0,5 = 4,4 К < 0,44 = 1
К6 стр. 1300 / (стр. 1210 + 1220) К >= 1 = 13,5 0,9<= К< 1 = 11 0,8<= К< 0,9 = 8,5 0,65<= К< 0,8 = 4,8 К < 0,65 = 1
Значения границ группы, баллов 100-81,8 81,7-60 59,9-35,3 35,2-13,6 13,5 и менее
Таблица 2
Динамика численности аграрных предприятий по группам финансового состояния
в Алтайском крае за 2009-2013 гг.
Группы предприятий по финансовому состоянию 2009 г. 2010 г. 2011 г. 2012 г. 2013 г. 2013 г. к 2009 г., %
1-я группа 140 130 124 121 107 76,4
2-я группа 202 174 162 155 152 75,2
3-я группа 167 147 147 146 132 79,0
4-я группа 124 135 132 135 132 106,5
5-я группа 92 118 136 125 105 114,1
Всего 725 704 701 682 628 86,6
Для проверки применимости данной модели к практическому использованию на основе исходных данных были рассчитаны теоретические значения сумм баллов, по которым предприятия попадают в соответствующие группы финансового состояния. Из 252 оцениваемых предприятий у 194 теоретические суммы баллов совпали с оценкой ГУСХ. Таким образом, достоверность теоретических результатов можно принять с вероятностью 77%, что позволяет использовать модель финансового состояния в экспресс-анализе и прогнозах.
При эмпирическом обследовании исходных данных значения оцениваемых коэффициентов у разных предприятий отличались в несколько раз, что искажает достоверность полученной модели финансового состояния. Поэтому следует оценить степень их влияния на формировании итоговой оценки предприятия. Для этого использовались парные коэффициенты корреляции взаимосвязи суммы набранных баллов (результативного признака) с каждым из шести коэффициентов [7]. Результаты представлены в таблице 3.
Таблица 3
Парные коэффициенты корреляции суммы набранных баллов предприятиями и оценочных коэффициентов финансового состояния
Из данных таблицы следует, что коэффициенты абсолютной ликвидности (К1) и критической ликвидности (К2) практически не влияют на формирование итоговой оценки. Наиболее тесная связь с итоговой оценкой проявилась у коэффициента текущей ликвидности (К3) и коэффициента автономии (К5). Таким образом, модель финансового состояния представляется возможным упростить, используя в качестве факторов коэффициенты К3, К4, К5, К6.
Вновь рассчитанная модель по последним четырем показателям выглядит следующим образом:
У = 0,366+11,493К3+5,741К4 + + 32,459К5+4,768К6.
При проверке адекватности модели из 252 оцениваемых предприятий у 203 теоретические суммы баллов совпали с оценкой ГУСХ. Достоверность теоретических результатов этой модели повысилась до 81% при сокращении числа рассчитываемых показателей.
Выводы
Таким образом, теоретически полученная многофакторная модель, основанная на статистических взаимосвязях реальных показателей, может использоваться для экспресс-анализа и диагностики финансового состояния
сельскохозяйственных предприятий Алтайского края. Ее ценность заключается в том, что она учитывает сложившиеся специфические территориальные особенности. Для хозяйств, относящихся к 1-3-й группам, данная модель прогнозирования финансового состояния оказалась достоверной, без существенных искажений. Следовательно, можно сделать вывод, что рассчитанная многофакторная модель финансового состояния учитывает специфические особенности сельского хозяйства Алтайского края и может использоваться при экспресс-анализе и прогнозировании финансового состояния аграрных предприятий.
Библиографический список
1. Любушин Н.П., Бабичева Н.Э., Галушкина А.И., Козлова Л.В. Анализ методов и моделей оценки финансовой устойчивости организаций// Экономический анализ: теория и практика. - 2010. - № 1. - С. 3-11.
2. Руденко A.M. Проблемы формирования политики управления кредитоспособностью организаций // Сибирская финансовая школа. - 2007. - № 3. - С. 93-98.
3. Матяш И.В. Показатели системной эффективности в оценке кредитоспособности и устойчивости предприятия в условиях кризиса // Экономический анализ: теория и практика. - 2010. - № 13. - С. 2-9
4. GrigorisKarakoulas Empirical Validation of Retail Credit-Scoring Models // The RMA Journal. - 2004. - September.
5. Постановление Правительства РФ «О реализации Федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей» (вместе с «Методикой расчета показателей финансового состояния сельскохозяйственных товаропроизводителей», «Требованиями к участнику программы финансового оздоровления сельскохозяйственных товаропроизводителей») от 30.01.2003 № 52 (ред. от 31.12.2008 № 1092) // Собрание законодательства РФ.
- 10.02.2003. - № 6. - ст. 523.
6. Глобализация мирового хозяйства и место России / отв. ред. В.П. Колесов, М.Н. Осьмова. - М.: Экономический факультет МГУ; ТЕИС, 2000.
7. Готлиб И. Заметки после Генуи // Аль-терглобализм: теория и практика «антиглоба-листкого движения» / под ред. А.В. Бузгали-на. - М.: Едиториал УРСС, 2008. - С. 73-87.
References
1. Lyubushin N.P., Babicheva N.E., Galush-kina A.I., Kozlova L.V. Analiz metodov i modelei otsenki finansovoi ustoichivosti organizatsii // Ekonomicheskii analiz: teoriya i praktika. -2010. - № 1. - S. 3-11.
2. Rudenko A.M. Problemy formirovaniya politiki upravleniya kreditosposobnost'yu organi-zatsii // Sibirskaya finansovaya shkola. - 2007.
- № 3. - S. 93-98.
К1 К2 К3 К4 К5 К6
0,25 0,34 0,77 0,67 0,86 0,71
3. Matyash I.V. Pokazateli sistemnoi effek-tivnosti v otsenke kreditosposobnosti i ustoichivosti predpriyatiya v usloviyakh krizisa // Ekonomicheskii analiz: teoriya i praktika. — 2010. — № 13. — S. 2-9.
4. Grigoris Karakoulas Empirical Validation of Retail Credit-Scoring Models // The RMA Journal. — 2004. — September.
5. Postanovlenie Pravitel'stva RF «O reali-zatsii Federal'nogo zakona «O finansovom ozdorovlenii sel'skokhozyaistvennykh tovaropro-izvoditelei» (vmeste s «Metodikoi rascheta pokazatelei finansovogo sostoyaniya sel'skokho-zyaistvennykh tovaroproizvoditelei», «Trebo-
vaniyami k uchastniku programmy finansovogo ozdorovleniya sel'skokhozyaistvennykh tovaroproizvoditelei») ot 30.01.2003 № 52 (red. ot 31.12.2008 № 1092) // Sobranie za-konodatel'stva RF. - 10.02.2003. - № 6. -St. 523.
6. Globalizatsiya mirovogo khozyaistva i mesto Rossii / otv. red. V.P. Kolesov, M.N. Os'mova. — M.: Ekonomicheskii fakul'tet MGU, TEIS, 2000.
7. Gotlib I. Zametki posle Genui // Al'ter-globalizm: teoriya i praktika «antiglobalistkogo dvizheniya» / pod red. A.V. Buzgalina. — M.: Editorial URSS, 2008. — S. 73-87.
+ + +
УДК 60. 542.15
О.Е. Ноянзина, С.Г. Максимова, Н.П. Гончарова, Д.А. Омельченко O.Ye. Noyanzina, S.G. Maksimova, N.P. Goncharova, D.A. Omelchenko
ФОРМИРОВАНИЕ ОБРАЗА «ДРУГОГО» НА РЫНКЕ ТРУДА В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ УСЛОВИЯХ РОССИЙСКОГО ПРИГРАНИЧЬЯ (НА ПРИМЕРЕ ИССЛЕДОВАНИЯ В АЛТАЙСКОМ КРАЕ)
THE FORMATION OF THE IMAGE OF AN 'ALIEN' IN THE LABOR MARKET IN THE SOCIAL-ECONOMIC CONDITIONS OF THE RUSSIAN BORDER-ZONE (CASE STUDY OF THE ALTAI REGION)
Ключевые слова: приграничье, регион, мигранты, рынок труда, незаконная миграция, социально-экономические условия.
Постоянная интеграция мигрантского сообщества на рынке труда Алтайского края в сочетании с наличием системных и структурных проблем требует тщательного анализа социальных аспектов данного процесса. Для определения тенденций развития регионального рынка труда, формулирования обоснованного спроса на труд в регионе становится важным анализ происходящих внутри данного сегмента процессов. При этом следует учитывать еще одну специфическую черту Алтайского края — его приграничный характер. В регионе местные жители и трудовые мигранты подвергаются разным формам дискриминации на рынке труда. Основания для дискриминации местных жителей носят более «разнообразный» характер, а формы дискриминации — скорее, ла-тентны и не вербализованы, для мигранта же достаточно «просто быть мигрантом», а если это мигрант, не имеющий разрешения на осуществление трудовой деятельности, то формы дискриминации могут носить все более очевидный и «жесткий» характер в силу его бесправности и априорного нежелания/невозможности обращения за содействием в органы государственной власти в целях защиты своих прав. Экспертами и населением выделен целый спектр социальных позиций, подвергаемых дискриминации на рынке труда, в этом ряду мигранты, по мнению опрошенных, как экспертов так и населения, в получении места работы испытывают не самые большие проблемы. За счет умения консолидироваться,
объединяться по этническому принципу, по мнению опрошенных, мигранты более защищены психологически, эмоционально на рынке труда.
Keywords: border-zone, region, migrants, labor market, illegal migration, social-economic conditions.
The ongoing integration of migrant community in the labor market of the Altai Region combined with the system and structural problems requires for the analysis of social aspects of the process. To determine the development tendencies of the regional labor market, and to form justified demand for labor, it is important to analyze the internal processes. One feature of the Altai Region should be taken into consideration, and that is its border-zone feature. The local population and labor migrants are subject to different forms of discrimination at the regional labor market. The reasons for the discrimination of the local population are of more diversified character and are latent. As for a migrant — it is quite enough just 'to be a migrant', and in case of illegal migration, the forms of discrimination could be very evident and rude because of a migrant's rightlessness and unwillingness/ impossibility to protect own rights. According to the experts and the population, a number of discriminated positions in the labor market were determined. According to the respondent, the migrants do not encounter the most serious problems in finding jobs. Because of their ability to unite by the ethnic affiliation they are more protected in the labor market in emotional and psychological
