CC BY
204
УДК 685.1
ПРИМЕНЕНИЕ МУЛЬТИПЛИКАТИВНОГО АНАЛИЗА И АДДИТИВНОГО РЕЙТИНГОВОГО ПОДХОДА В ЦЕЛЯХ ОЦЕНКИ ФИНАНСОВОГО СОСТОЯНИЯ ОРГАНИЗАЦИЙ АГРАРНОГО СЕКТОРА
Жминько Надежда Сергеевна аспирант кафедры «Аудит»
Кубанский государственный аграрный университет, Краснодар, Россия
В условиях ограниченности времени принятия управленческих решений, экспресс - модели анализа риска банкротства получили наибольшее распространение. От корректности применяемой методики анализа зависят дальнейшие действия, связанные с выбором стратегии и тактики развития организации. Результаты исследования показали, что существующие методики не способны учитывать особенности сельскохозяйственной отрасли: большую долю запасов, мобильных средств, относительно низкую рентабельность продаж, сезонность производства и не рекомендуются к использованию
Ключевые слова: СЕЛЬСКОХОЗЯЙСТВЕННАЯ ДЕЯТЕЛЬНОСТЬ, ЭКСПРЕСС - МЕТОД, АНАЛИЗ ФИНАНСОВОГО СОСТОЯНИЯ
UDC 685.1
USING OF MULTIPLIER ANALYSIS AND ADDITIVE RATING APPROACH IN ORDER TO ASSESS THE FINANCIAL CONDITION OF AGRARIAN ORGANIZATIONS
Zhminko Nadezhda Sergeevna postgraduate student
Kuban State Agrarian University, Krasnodar, Russia
With limited time of acceptance management decisions, express methods of express - analysis model of risk of bankruptcy have received the greatest distribution. There are further action related to the choice of strategy and tactics of the organization is depended of correct getting method of analysis. The results of the study showed, that existing methods are not able to take into account peculiarities of the agricultural sector: a large share of stock, mobile, relatively low return on sales, seasonality of production and not recommended for use
Keywords: AGRICULTURAL, EXPRESS METHOD, ANALYSIS OF FINANCIAL PERFORMANCE
Агропромышленный сектор экономики является определяющим рычагом обеспечения продовольственной безопасности страны, обуславливая необходимость своего развития и всесторонней поддержки. Задача удовлетворения потребностей населения в качественных продуктах питания по социально-приемлемым ценам решается посредством эффективной экономической деятельности каждой организации в отдельности.
На сегодняшний день управленческий аппарат производителей сельскохозяйственной продукции остро нуждается в гибкой и оперативной системе финансового менеджмента, что не возможно без экспресс -методов оценки рисков банкротства.
Существующее многообразие моделей оценки финансового состояния организаций на практике порождает проблему выбора аналитиками наиболее приемлемой для анализа методики, что снижает
оперативность диагностики несостоятельности и скорость принятия адекватного ситуации управленческого решения.
Это предопределяет необходимость проведения исследований в части приемлемости современных методик для оценки финансового состояния хозяйствующих субъектов в текущих экономических условиях.
Условно все существующие модели можно разделить на рейтинговые (в том числе, бальной оценки) и дискриминантные (основанные на MDA - Multiple Discriminate Analysis -мультипликативном дискриминантном анализе).
Дискриминантные модели базируются на статистических методах, целью которых является нахождение зависимости определенного класса финансового состояния от значений конкретного набора отобранных финансовых показателей.
Общий вид дискриминантной функции представлен следующей формулой:
n
Z = £ aixi, (i)
i=1
где: ai - весовые коэффициенты,
х; - показатели, характеризующие финансовое состояние
организации.
Весовые коэффициенты рассчитываются в результате статистической обработки данных по выборке финансового состояния организаций. Если уровень Z - оценки исследуемой организации находится ниже установленного автором значения, то при сохранении условий финансовой деятельности оно обанкротится. Если руководство организации, осознав финансовые трудности, предпринимает шаги, для предотвращения усугубления ситуации, то банкротства не произойдет, следовательно, Z - оценка является сигналом раннего предупреждения.
Рассмотрим наиболее часто используемые дискриминантные модели диагностики с позиции оценки перспектив деятельности организаций сельскохозяйственной отрасли.
Примером постановки и решения задачи прогнозирования банкротства организаций является двухфакторная модель Э. Альтмана (1968 г.):
Ъ = -0,3877 - 1,0736х1 + 0,0579х2 (2)
где: х1 - коэффициент текущей ликвидности;
х2 - удельный вес заёмных средств в пассивах.
Для предприятий, у которых Ъ=0, вероятность обанкротиться равна 50%. Если Ъ<0, то вероятность банкротства меньше 50% и далее снижается по мере уменьшения Ъ. Если Ъ>0, то вероятность банкротства больше 50% и возрастает с увеличением Ъ [15].
Большинство экономистов придерживаются точки зрения, что прогнозирование банкротства с помощью двухфакторной модели не обеспечивает высокой точности, так как не учитывает влияние на финансовое положение других важных показателей. М.А. Федотова считает, что для повышения точности прогноза необходимо добавить третий показатель - рентабельность активов. [13] По мнению Н. П. Любушина недостатком модели явилось отсутствие таких факторов риска как: показатели рентабельности, деловой активности, отдачи активов и так далее [8].
Тестирование предсказательной способности данной модели, проведенное учеными КубГАУ на базе 56 сельскохозяйственных организаций, показало полное ее отсутствие. Модель с одинаковой вероятностью признает жизнеспособную организацию банкротом и наоборот. Это свидетельствует о невозможности ее использования для оценки перспектив развития организаций сельскохозяйственного направления.
Пятифакторная модель прогнозирования банкротства Э. Альтмана (1968 г.) характеризует разные стороны финансового положения предприятия. Что объясняет ее популярность среди аналитиков и в наше время.
Ъ = 1,2х1 + 1,4х2 + 3,3х3 + 0,6х4 + 1,0х5, (9)
Собственный оборотный капитал
где: х =-------------------------------------
1 1 1 /"1
Сумма активов
Нераспределенная прибыль за вычетом дивидендов
х2 =
х3
х4
Сумма активов
Прибыль до уплаты процентов Сумма активов
Объем активов Сумма заемного капитала
_ Выручка
х5 —
Сумма активов
Согласно авторской разработке: Ъ < 1,81 - вероятность банкротства очень высокая, 1,81 < Ъ < 2,765 - вероятность банкротства средняя, 2,765 < Ъ < 2,99 - вероятность банкротства невелика, Ъ > 2,99 - вероятность банкротства ничтожна.
По мнению Савицкой Г. В. в модели делается чрезмерный акцент на долю собственных источников в формировании активов и рентабельность активов [11]. В. В. Ковалев выделил лишь один существенный недостаток: рассматривать методику можно лишь в отношении крупных компаний, котирующих свои акции на биржах [6].
Следует согласиться с мнением авторитетных ученых Г.В. Давыдовой и А.Ю. Беликовой, утверждающих, что особенности российской действительности не позволяют механически использовать данную модель. Ученые придерживаются мнения, что попытки решить задачу путем изменения числовых значений коэффициентов модели бесперспективны. Различия в условиях экономики России и США настолько велики, что модели для прогнозирования банкротства предприятий в России должны строиться на иной группировке показателей
[3].
Проведенное учеными КубГАУ исследование позволило оценить предсказательный уровень модели, составивший 78,6 %. Низкое значение уровня свидетельствует о сомнительности применения методики при анализе сельхозпроизводителей.
В 1983 г. Э. Альтман усовершенствовал свою модель с целью более точного прогнозирования банкротства промышленных и непромышленных предприятий. Усовершенствованная модель для производственных организаций имеет вид:
Ъ = 0,717х1 + 0,847х2 + 3,107х3 + 0,42х4 +0,995х5, (4)
для непроизводственных -
Ъ = 6,56х1 + 3,26х2 + 6,72х3 + 1,05х4, (5)
Собственный оборотный капитал
где: х —---------------------------------
' 1 /"1
Сумма активов
Нераспределенная прибыль Сумма активов
Прибыль до уплаты процентов Сумма активов
Балансовая стоимость собственного капитала Сумма заемного капитала
Выручка
х2 —
х3
х4
5 Сумма активов
Для производственных предприятий критерием банкротства считается, Ъ < 1,23, промежуток 1,23 < Ъ < 2,9 - является зоной неопределенности и при Ъ > 2,9 - вероятность банкротства ничтожна. Для непроизводственных предприятий такими границами является показания Ъ = 1,1 и Ъ = 2,6.
Исследования содержательного наполнения модели, проведенного Савицкой Г. В., показали, что данная методика включает в себя факторы, дублирующие друг друга: рентабельность активов и коэффициент
оборачиваемости активов. Н. П. Любушин отмечает, что основным затруднением в использовании представленной методики является недостаток информации аналитического учета [8].
Ученые КубГАУ выявили завышенные критерии оценки финансового состояния и отсутствие устойчивой разделительной функции модели. Так, модель со 100 % вероятностью признавая организации банкротами, всего лишь в 50 % случаев способна различить организации с
отсутствием признаков банкротства, из-за чего, учеными отмечено снижение общего предсказательного уровня до 75 %. По мнению Кубанских ученых, приобретение узкой специализации модели относительно экономики производственных организаций США, снизило ее способность к прогнозированию в других экономических системах, что позволяет выразить сомнение в ее использовании для оценки и прогнозирования финансового состояния крупных и средних сельскохозяйственных организаций [7]
В 1972г. Лисом была разработана следующая экспресс - модель для экономических условий Великобритании [5]:
Ъ = 0,063х1 + 0,092х2 + 0,057х3 + 0,001х4, (6)
Оборотный капитал
где: х1
х3 —
х4
Сумма активов
Прибыль от реализации Сумма активов
Нераспределенная прибыль Сумма активов
Собственный капитал
Заемный капитал
Если Ъ > 0,037 финансовое состояние характеризуется как устойчивое, если меньше - кризисное или предкризисное.
По мнению Н. П. Любушина модель Лиса при анализе российских предприятий показывает несколько завышенные оценки, так как значительное влияние на итоговый показатель оказывает прибыль от продаж, без учета финансовой деятельности и налогового режима.
Исследования, проведенные учеными КубГАУ, позволили выявить статичность прогнозных результатов на фоне общего снижения достоверности прогноза до 75 % случаев, что недостаточно для уверенного анализа с ее использованием.
В 1997 г. Теффлер предложил следующую формулу [5]:
Ъ = 0,53х1 + 0,13х2 + 0,18х3 + 0,16х4 (7)
х2
Прибыль от реализации
где: х1 —----------------------- -----
Краткосрочные обязательства
Оборотные активы
х2
х3
Сумма обязательств
Краткосрочные обязательства Сумма активов
Выручка
4 Сумма активов
Значение Ъ > 0,3 указывает на отсутствие финансового кризиса и условия наименьших рисков; Ъ < 0,2 - вероятность банкротства высокая.
После тестирования данной методики на заявленной автором для определения финансового состояния в организациях, Пястловым С.М. были сделаны следующие выводы: модель не способна отражать
действительное сложившееся положение в организации [10].
По мнению Савицкой Г. В., первый показатель играет предопределяющую роль, так, в результате незначительных колебаний экономической обстановки, использование представленной выше модели могут приводить к ошибочным выводам для формирования уверенности аналитика в результатах анализа.
Практические исследования ученых КубГАУ показали, что модель способна достоверно прогнозировать финансовое состояние сельскохозяйственных организаций только в 64,3 процентах случаев, что является достаточно низким показателем.
Разработанная в 1999 г. модель Г.В. Савицкой по данным показателей сельскохозяйственных организаций Республики Беларусь, имеет вид:
Ъ = 0,111х1 + 13,239х2 + 1,676х3 + 0,515х4 + 3,80х5. (8)
где: х1 - коэффициент, определяющий долю собственного
оборотного капитала в формировании оборотных активов;
х2 - величина оборотного капитала, приходящаяся на 1 руб. основного;
х3 - коэффициент оборачиваемости совокупного капитала; http://ej.kubagro.ru/2012/03/pdf/42.pdf
х4 - рентабельность активов предприятия, %;
х5 - коэффициент финансовой независимости (доля собственного капитала в общей валюте баланса).
Константа сравнения равна 8. Если величина Ъ больше 8, то риск банкротства малый или отсутствует. При значении Ъ < 8 - риск банкротства присутствует: от 8 до 5 - небольшой, от 5 до 3 - средний, ниже 3 - большой, ниже 1 - полная несостоятельность.
Следует отметить, что сам автор в дальнейшем признал установленный чрезмерный акцент на соотношение оборотных и внеоборотных активов. Вследствие чего, незначительное его изменение оказывает существенное влияние на уровень интегрального показателя. Низкая прогнозная точность, выявленная учеными КубГАУ, а именно, 57,1 % случаев, была обнародована при тестировании модели на выборках отечественных организаций. Диагностика методики позволила выявить несоответствие, заявленных автором критериальных констант, реальным границам экономической несостоятельности сельскохозяйственных организаций.
Гордоном Л. В. Спрингейтом на базе модели Альтмана была разработана следующая модель прогнозирования вероятности банкротства организаций:
Ъ = 1,03 х1 + 3,07 х2 + 0,66 х3 + 0,4 х4, (9)
где:
Оборотный капитал ш
х1 —
х2=
х3
х4
Сумма активов ’
Прибыль до налообложения + Проценты к уплате ш Сумма активов
Прибыль до налообложения
Краткосрочные обязательства Выручка от реализации
Сумма активов
При Ъ < 0,862 организация является потенциальным банкротом. http://ej.kubagro.ru/2012/03/pdf/42.pdf
Анализ Н.В. Васина на возможность применения данной модели выявил, что результаты явно «сдвинуты» в сторону краха, следовательно, применять ее следует в случае стратегии избежания риска, а также методом подбора можно ввести константу, корректирующую «сдвиг», тем самым компенсировать несимметричность [2]. По мнению Степаненко Е. И. имеющиеся подходы не учитывают рыночную специфику деятельности российских сельхозпредприятий [12].
Диагностика модели на предмет репрезентативности и точности представленных коэффициентов, показала: изначально ограниченную
совокупность коэффициентов, участвующих в отборе, что отражается на качестве получаемых результатов анализа оценки и прогнозирования финансового состояния организации.
Анализ существующих методик показал, что наиболее известные дискриминантные модели в основной своей массе представлены зарубежными авторами. На наш взгляд использование вышеописанных моделей в Российской практике анализа финансового состояния достаточно проблематично. Это вытекает из самой сути разработки модели. Особенностью данных моделей является отражение статистических закономерностей экономических систем, в которых они были созданы. Соответственно, применение зарубежных
дискриминантных моделей, в условиях экономики сельскохозяйственной отрасли Российской Федерации, может давать неоднозначные результаты, зачастую не отражающие отечественной действительности.
Попытка создания принципиально новой, конкурентоспособной модели была предпринята в 2006 г. С. А. Кучеренко. Ученым разработана следующая модель диагностики финансового состояния крупных и средних сельскохозяйственных организаций Краснодарского края:
Ъофс = 1,732х1 + 12,488х2 + 50,121х3+ 55,515х4 + 32,148х5
(10)
где:
Х1 - коэффициент текущей ликвидности; http://ej.kubagro.ru/2012/03/pdf/42.pdf
Х2 - промежуточный коэффициент покрытия;
Х3 - удельный вес кредиторской задолженности в пассивах организации;
Х4 - коэффициент финансовой независимости;
Х5 - коэффициент рентабельности продаж.
Критерием экономической несостоятельности явилось значение показателя Ъ менее 21,2. Интервал Ъ от 21,2 до 38,7 определяет предкризисное финансовое состояние организации. Ъ более 38,7, но менее 57,5 указывает на наличие удовлетворительного финансового состояния сельскохозяйственной организации. При Ъ более 57,5 - организация имеет хорошее финансовое состояние. Если Ъ более 116,6, организация обладает значительным запасом финансовой устойчивости [7].
Преимуществом данной модели является разработка в отечественных условиях, что позволило достичь прогнозной способности на 12,5 % выше наиболее достоверного зарубежного аналога. Тем не менее, рассматриваемая модель была создана на базе финансовых отчетов сельскохозяйственных организаций, осуществляющих свою деятельность в стабильных докризисных условиях, что значительно снижает ее прогнозную способность в условиях быстроменяющейся экономической ситуации.
Основным недостатком моделирования на базе МДА, является необходимость в достаточно репрезентативной выборке предприятий, дифференцированных по отраслям, размерам. Трудность заключается в том, что внутри отрасли не всегда возможно найти достаточное количество обанкротившихся организаций, чтобы рассчитать весовые коэффициенты.
В отличие от МДА, рейтинговое моделирование представляет собой субъективное квалификационное мнение аналитика, основанное на структурированном массиве наблюдений, не требующем большого количества обанкротившихся организаций. Рейтинговый подход может осуществляться с позиции бальной оценки или экспресс-моделирования.
Построение рейтинговых экспресс - моделей базируется на нахождении рейтингового числа, определяющего финансовое состояние эталонной организации. Рейтинговое число рассчитывается по следующей формуле:
i 1 К
Я — У —К (11)
где Ь — число показателей, используемых для рейтинговой оценки;
N — нормативное требование для 1-го коэффициента;
К г — 1-й коэффициент;
1/Ь*К — весовой индекс 1-го коэффициента.
Таким образом, при полном соответствии значений финансовых коэффициентов К1 ... КЬ их нормативным минимальным уровням рейтинг предприятия будет равен 1, что соответствует рейтингу условноудовлетворительного предприятия. Финансовое состояние предприятий с рейтинговой оценкой менее 1 характеризуется как неудовлетворительное. В модель изначально закладываются теоретически достаточные или нормативные значения, характерные для финансово успешной
организации.
К рейтинговым экспресс - моделям относят модель Р. С. Сайфуллина и Г. Г. Кадыкова, О. П. Зайцевой, ученых Иркутской ГЭА, на основе бальной оценки основаны труды У. Бивера, и методика, изложенная в федеральном законе Российской Федерации от 9 июля 2002 г. № 83-ФЗ «О финансовом оздоровлении сельскохозяйственных товаропроизводителей»» Рассмотрим перспективы применения данных моделей в условиях экономики сельского хозяйства.
Пятифакторная модель Р. С. Сайфуллина и Г. Г. Кадыкова имеет вид: Я = 2К1 + 0,1К2 + 0,08К3 + 0,45К4 + К5, (12)
где: К1 - коэффициент обеспеченности собственным оборотными средствами,
К2 - коэффициент текущей ликвидности,
К3 - коэффициент оборачиваемости активов,
К4 - коэффициент менеджмента (рентабельность продаж продукции), К5 - рентабельность собственного капитала. [14]
Проведенные исследования Савицкой Г. В. выявили, что рейтинговое число, завышающее уровень интегрального показателя обеспеченности собственными оборотными средствами, соответствующее двум, оказывает не равновесное влияние на итоговое значение модели. А так же, в рассматриваемой модели имеется коэффициент - К2, несущий наибольшую информативную нагрузку, так, при незначительном его изменении, данные анализа могут не соответствовать действительности.
По мнению Н. П. Любушина, диагностика несостоятельности на базе этой модели не позволяет оценить причины попадания организации в зону неплатежеспособности [8].
Проведенные нами исследования показали, что применение данной модели в организациях сельхозпроизводителей с целью оперативного выявления кризисных или предкризисных ситуаций не эффективно, так как заложенные нормативные значения коэффициентов не соответствуют среднестатистическим показателям отрасли. Применяя обратный расчет, согласно формуле 11, можно найти теоретически достаточные значения коэффициентов, заложенных в модель в качестве нормативных. Так, коэффициент оборачиваемости активов, заложенный автором в размере 2,5, для сельхоз организаций, имеющих годичный производственный цикл, явно завышен, а уровень рентабельности продаж, равный 0,44, является недостижимым для среднестатистического сельхозпроизводителя, при реальном среднеотраслевом значении рентабельности - 0,09.
Соответственно, при таких значениях критериев рейтинг любого аграрного формирования значительно занижается, что не способствует получению
качественной аналитической информации для принятия адекватного управленческого решения.
Шестифакторная модель Зайцевой О. П. представлена следующим соотношением:
Я = 0,25К1 + 0,1К2 + 0,2К3 + 0,25К4 + 0,1К5+ 0,1К6, (13)
где: К1 - коэффициент убыточности предприятия,
К2 - коэффициент соотношения дебиторской и кредиторской задолженностей,
К3 - коэффициент соотношения краткосрочных обязательств и наиболее ликвидных активов,
К4 - убыточность продаж продукции,
К5 - коэффициент соотношения заемного и собственного капитала,
К6 - коэффициент загрузки активов.
При оценке финансового состоянии организации фактический комплексный коэффициент банкротства необходимо сопоставить с нормативным, рассчитанным на основе рекомендуемых автором значений: К1=0, К2=1, К3=7, Кд=0, К5=0,7, К6= значение К6 в прошлом периоде. Если фактический коэффициент больше нормативного, то вероятность банкротства велика, если меньше - мала [14].
Следует согласиться с мнением Рисина И. Е. и Трещевского Ю. И., что существенным недостатком данной модели является изначальная обратная трактовка традиционных коэффициентов, что приводит к усложнению методики, не увеличивая точности прогнозирования. В частности: коэффициент загрузки активов представлен как величина, обратная коэффициенту оборачиваемости активов, показатель соотношения краткосрочных обязательств и наиболее ликвидных активов -обратная величина показателя абсолютной ликвидности [1]. Исследования Савицкой Г. В. подтвердили несостоятельность данной модели, выделяя
незаслуженный акцент на третьем факторе, говоря о невозможности расчета интегрального показателя в ряде организаций.
Учеными Иркутской государственной экономической академии в 1997 г. предложена своя четырехфакторная модель прогноза риска кризиса:
Я=8,38К1+ К2+0,54К3+0,63К4, где (14)
К1 - оборотный капитал/валюта баланса,
К2 - чистая прибыль/собственный капитал,
К3 - выручка от реализации/ валюта баланса,
К4 - чистая прибыль/сумма общих затрат.
Вероятность банкротства предприятия в соответствии со значением модели определяется следующим образом:
Я < 0 - вероятность банкротства максимальная (90-100%);
0 < Я < 0,18 - высокая (60-80%);
0,18 < Я < 0,32 - средняя (35-50%);
0,32 < Я < 0,42 - низкая (15-20%);
Я > 0,42 - минимальная ( до 10%).
Результаты практического применения показали, что значение Я во многих случаях не коррелирует с данными оценки финансового состояния сельскохозяйственных организаций. В ряде случаев, методика прогнозирует кризисную ситуацию, когда уже заметны ее очевидные признаки, редко - заранее. Существенным аргументом в невозможности применения для организаций сельского хозяйства является то, что учеными рассматривались поквартальные результаты деятельности торговых предприятий, в то время как полноценный анализ сельскохозяйственных производителей может быть проведен только по данным годовой бухгалтерской отчетности.
У. Бивером была предложена бальная методика, представляющая собой систему показателей, выделенных в результате анализа за
пятилетний период из числа 20 коэффициентов по группе компаний, половина из которых обанкротилась (таблица 1).
т. , , „ Чистая прибыль + Амортизация (15)
Коэффициет Бивера =---------------------------- 4 ’
Заемный капитал
Таблица 1- СИСТЕМА ПОКАЗАТЕЛЕЙ БИВЕРА
Показатель Значение показателя
Группа 1 группа 2 группа 3
Коэффициент Бивера 0,4 до 0,45 0,17 -0,15
Коэффициент текущей ликвидности от 3,2 до 2 от 1 до 1,9 меньше 1
Экономическая рентабельность, % от 6 до 8 % от 5,9 до 4 % -22 %
Финансовый леверидж, % меньше 37 % от 40 до 50 % 80 % и более
Коэффициент покрытия активов собственными оборотными средствами 0,4 от 0,3 до 0,39 около 0,06
К группе 1 относятся организации с запасом финансовой устойчивости; группе 2 - организации за 5 лет до банкротства; группе 3 -организации за 1 до банкротства.
По мнению Крившич Е. недостатком модели является ее слишком долгосрочный период для прогноза равный от 1 года до 5 лет [4].
На наш взгляд, применение коэффициента Бивера некорректно по причине различной трактовки составляющих показателя покрытия заемного капитала, основанных на американских аналитических данных шестидесятых и семидесятых годов, которые не соответствуют современным условиям экономической ситуации в России
Постановление Правительства РФ от 30.01.2003 г. №52 «О реализации ФЗ «О финансовом оздоровлении сельскохозяйственных товаропроизводителей»» установило порядок расчета показателей финансового состояния сельскохозяйственных товаропроизводителей,
учитываемых при определении условий реструктуризации долгов (таблица 2).
Таблица 2 - ГРУППЫ ФИНАНСОВОЙ УСТОЙЧИВОСТИ
СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТОВАРОПРОИЗВОДИТЕЛЕЙ
Показатель Группы финансовой устойчивости
1-я 2-я 3-я 4-я 5-я
Коэффициент абсолютной ликвидности 0,5 и более присваиваем 20 баллов 0,4-0,49 присваиваем 16 баллов 0,3-0,39 присваиваем 12 баллов 0,2-0,29 присваиваем 8 баллов менее 0,2 присваиваем 4 балла
Коэффициент критической оценки 1,5 и более - 18 баллов от 1,4 до 1,49 - 15 баллов от 1,3 до 1,39 - 12 баллов от 1,2 до 1,29 - 7,5 баллов менее 1,2 - 3 балла
Коэффициент текущей ликвидности 2 и более -16,5 баллов от 1,8 до 1,99 -13,5 баллов от 1,5 до 1,79 - 9 баллов от 1,2 до 1,49 - 4,5 баллов менее 1,2 - 1,5 баллов
Коэффициент обеспеченности собственными средствами 0,5 и более - 15 баллов от 0,4 до 0,49 - 12 баллов от 0,3 до 0,39 - 9 баллов от 0,2 до 0,29 - 6 баллов менее 0,2 - 3 балла
Коэффициент финансовой независимости 0,6 и более - 17 баллов от 0,56 до 0,59 - 14,2 балла от 0,5 до 0,55 - 9,4 балла от 0,44 до 0,54 - 4,4 балла менее 0,44 - 1 балла
Коэффициент финансовой независимости в отношении формирования запасов и затрат 1 и более -13,5 баллов от 0,9 до 0,99 - 11 баллов от 0,8 до 0,89 - 8,5 балла от 0,65 до 0,79 - 4,8 балла менее 0,65 - 1 балл
Значения границ группы 100-81,8 балла 81,7-60 балла 59,9-35,3 баллов 35,2-13,6 балла 13,5 и менее баллов
Сельскохозяйственным товаропроизводителям, отнесенным: к
первой группе финансовой устойчивости товаропроизводителям, предоставляется отсрочка погашения долга на 5 лет с последующей рассрочкой погашения долга в течение 4 лет; второй группе финансовой устойчивости - на 5 лет с последующей рассрочкой погашения долга в течение 5 лет; третьей группе финансовой устойчивости - на 6 лет с
последующей рассрочкой погашения долга в течение 5 лет; к четвертой группе финансовой устойчивости - на 6 лет с последующей рассрочкой погашения долга в течение 6 лет; и к пятой - на 7 лет с последующей рассрочкой погашения долга в течение 6 лет [9].
Апробация представленного метода учеными КубГАУ по данным годовой бухгалтерской отчетности 146 организаций, выявила, что критериальный диапазон каждого из показателей слишком узок и фактически, большинство организаций по тому или иному критерию оказывается выше или ниже наименьшего, то есть, абсолютно финансово устойчива, либо несостоятельна. Так же, достаточно спорны по экономическому содержанию методики расчета представленных показателей, не расшифровывается постатейное содержание понятий, использованных в расчетах, таких как «Краткосрочные обязательства», «Собственные капитал и резервы», «Прочие краткосрочные
обязательства».
По нашему мнению, выявленные многочисленные существенные недостатки, ставят под сомнение использование данной методики, в аналитических целях.
Приведенные в работе выводы, наглядно демонстрируют отсутствие твердой методологической базы в сфере оценки финансового состояния сельскохозяйственных организаций. Отраслевые особенности организаций АПК (большой удельный вес запасов, низкая рентабельность продаж, сезонность производства) предполагают разработку методики, адекватной для сельскохозяйственной отрасли. При этом, сложившаяся на сегодняшний день экономическая ситуация, требует принципиально иного подхода, как к оценке показателей для включения в модель, так и к разработке весовых коэффициентов, характеризующих вклад в функцию каждого показателя.
Динамичность экономических условий предполагает наличие аналитического аппарата экспресс-оценки, способного корректироваться согласно экономической среде. В таких условиях, дискриминантный подход, основанный на статистической фиксации экономических условий, не целесообразен. Это позволяет говорить о перспективности рейтинговых разработок, не требующих большого объема информации и способных отражать как текущую ситуацию в отрасли в целом, так и финансовое состояние отдельной организации.
Список литературы:
1. Бочаров В.П., Рисин И . Е ., Трещевский Ю . И . Политика социальноэкономического развития региона: учебное пособие / под ред. И . Е . Рисина, Ю . И . Трещевского . - Воронеж: ИНЬ ВГУ, 2007. - 187с.
2. Васин Н. В. Скоринговое моделирование и финансовая диагностика организаций
на основе методики Сбербанка России / Н . В . Васин , Ю. С. Патласов // Проблемы современной экономики : евразийский международный
аналитический журнал. - Электронные данные. - 01.04.2010.
3. Давыдова Г. В. Методика количественной оценки риска банкротства предприятий / Г. В. Давыдова, А. Ю. Беликов // Управление риском. - 1999. - №
3. - С. 13-20
4. Крившич Е. Контрагент под колпаком: оценить финансовое состояние партнера //Консультант , 2009. №11.
5. Кендалл М. Дж. Многомерный статистический анализ и временные ряды/ М.Дж. Кендалл, А Стьюарт.: Пер. с англ .— М.:Наука. Гл. ред. физ.-мат. лит., 1976. — 736 с.
6. Ковалев А. М. Финансовый менеджмент / Под ред. А.М. Ковалевой - М.: ИНФРА-М, 2004.
7. Кучеренко С.А. Диагностика и прогнозирование финансового состояния сельскохозяйственных товаропроизводителей / С. А. Кучеренко // Экономический анализ: теория и практика. - № 23 (104) - 2007. - (0,344 п.л.)
8. Любушин Н.П. Экономический анализ: учебник для студентов вузов,
обучающихся по специальностям «Бухгалтерский учет, анализ и аудит, и «Финансы и кредит». / Н.П. Любушин.- 3-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2010.- 575с.
9. Методика расчета финансового состояния сельскохозяйственных товаропроизводителей. Утв. Постановлением правительства Российской Федерации от 30 января 2003 г. № 52
10. Пястлов С . М . Экономический анализ деятельности предприятий : учеб. пособие / С . М . Пястлов . - М . : Акад. проект, 2003. - 573 с.
11. Савицкая Г.В. Анализ хозяйственной деятельности. Учебное пособие. М.: ИНФРА-М, 2004.
12. Степаненко Е . И . Оценка воздействия системы финансово-экономических показателей на выбор стратегии развития сельскохозяйственных производителей с применением микромоделирования / Управленческий учет. -2008. - №5. - С.48-58.
13. Федорова Г.В. Финансовый анализ предприятий при угрозе банкротства. - М.: Омега, 2003
14. Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа: Учебное пособие. - М.: ИНФРА-М, 2005.
15. Альтман Э. И. Корпоративные финансовые трудности. - Нью Йорк, Дж. Валей, 1983.
References
1. Bocharov V. P., Risin I. E., Treshchvskii U. I., The politic of social economy of state: study book. - Voronezh; IPA VGU, 2007. - 187.
2. Vasin N. V., Scoring modeling and financial diagnostic of organizations, on basis of the Sberbank of Russia method / N. V. Vasin, U. S. Patlasov // The problems of modern economy: Eurasian international analytical magazine. - Electronic data. -01.04.2010
3. Davidova G. V., The method of quantitative evaluation of the risk of bankruptcy of enterprises / G. V. Davidova, A. U. Belikov // Risk management- 1999. - № 3. - С. 13-20
4. Krivshich E., The counterparty under the hood: evaluate the financial status of the partner // Konsultant, 2009. №11.
5. Kendall M. G., The Advanced Theory of Statistics: In three volums. Volume 2. Inference and Relationship / M. G. Kendall, A. Stuart. - Second Edition. - London, 1967.
6. Kovaleva A. M., Financial management / A. M. Kovaleva . INFRA - M, 2004.
7. Kucherenko S. A., Diagnostics and forecasting of the financial condition of agricultural commodity producers/ S. A. Kucherenko // Economic analysis: theory and practice. - № 23 (104) - 2007.
8. Lyubushin N. P., Economic analysis: a textbook for university students studying in the field of "Accounting, analysis and auditing, and" Finance and Credit ". / N. Lyubushin .- 3rd ed. Rev. and add. M.: UNITY-DANA, 2010 .- 575s.
9. The decree of the government of the Russian Federation №. 52 dated 30.01.2003 Methods of calculation of the financial condition of agricultural commodity producers.
10. Pyastlov S. M., Economic analysis of the enterprise activity : textbook / S. M. Pyastlov. - М . : 2003. - 573 с.
11. Savitskaya G. V., Analysis of economic activity. The training manual. / М.: INFRA -M, 2004.
12. Stepanenko E. I., Assessment of the impact of the system of financial-economic indicators in the choice of development strategy of agricultural producers with the use of micro-simulation / Management accounting.- 2008. - №5.
13. Fedorova А^., Saifullin R.C, Negashev E.V., Methods of financial analysis: a textbook. - М.: INFRA - M, 2005.
14. Altman E.I., Corporate Financial Distress. - New York, John Wiley, 1983.
