CC BY
54
МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ
ЭКОНОМИКИ
Mathematical and Instrumental Methods of Economics
А.В. Белокопытов, И.А. Цветков, Х.Г. Кибиров
ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ
ФИНАНСОВОЙ НЕСОСТОЯТЕЛЬНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ НА ОСНОВЕ КОЛИЧЕСТВЕННЫХ МНОГОФАКТОРНЫХ МОДЕЛЕЙ ДИАГНОСТИКИ
A.V. Belokopytov, I.A. Tsvetkov, Kh.G. Kibirov
Problems of Forecasting Financial Insolvency of Agricultural Organizations on the Basis of Quantitative Multi-Factor Models of Diagnosis
В современных условиях развития аграрной экономики Российской Федерации существенно актуализируется проблема объективного мониторинга финансового состояния сельскохозяйственных организаций. Именно в системе финансового анализа диагностируются возможности организации к самостоятельному финансированию своей операционной деятельности, степень эффективности использования материально-технических ресурсов, собственного и заемного капитала, а также способности субъекта хозяйствования к генерированию положительных денежных потоков и достижению посредством этого положительной динамики собственного капитала. Объективная и всесторонняя оценка финансового состояния хозяйствующих субъектов является одним из необходимых условий предупреждения кризисных явлений в финансово-хозяйственной деятельности, либо вывода сельхозорганизаций из уже создавшегося неблагополучного финансово-экономического положения.
Одним из ключевых направлений анализа финансового состояния является прогноз финансовой несостоятельности хозяйствующего субъекта.
Под финансовой несостоятельностью понимается состояние денежных средств и имущества организации, которое обусловлено негативным воздействием макроэкономических и внутрихозяйственных факторов, при котором отсутствует возможность своевременно и в полном объеме по-
гасить краткосрочные долговые обязательства1. Следствием финансовой несостоятельности является банкротство.
После окончания Второй Мировой войны в ведущих развитых странах в связи с уменьшением оборонных заказов происходили массовые банкротства предприятий. Данная ситуация сделала актуальным вопрос решения проблемы оценки потенциального банкротства предприятий различных отраслей экономики.
Наиболее часто используемые зарубежные методики прогнозирования финансовой несостоятельности предприятий являются модели таких экономистов как У Бивер, Э. Альтман, Лис, Таффлер и др.
Выделяют две группы методов оценки потенциального банкротства: скоринговые модели и многофакторные интегральные модели.
Скоринговые модели оценки потенциального банкротства основаны на классификации экономических субъектов исходя из диапазонов колебаний определенных абсолютных и относительных характеристик финансовой отчетности, сведенных в единые системы показателей. Примером скорин-говой модели служит система показателей У. Бивера.
Многофакторные интегральные модели прогнозирования банкротства разрабатываются на основе мультипликативного дискриминантного анализа и в общем виде записываются следующим образом:
2 = а,х, + ах + ... + а х ,
11 2 2 п П
где: 2 - интегральный показатель модели; х1 - независимые переменныемодели; а1 - коэффициенты независимых переменных.
Примерами многофакторных моделей служат модели Альтмана, Лиса, Таффлера, а также адаптированная российскими учеными (Л.И. Маслова и Д.Ф. Чангли) к условиям нашей страны и Белорусская модель2.
Пятифакторная модель Альтмана, которая была им модернизирована в 1983 г., имеет следующий вид:
г = 0,717*Х1 + 0,847% + 3,107х3 + 0,42х4 + 0,995х5
где: х1 - отношение собственного оборотного капитала к величине оборотных активов;
х2 - отношение чистой прибыли к величине активов предприятия,
т. е. экономическая рентабельность; х3 - отношение прибыли до уплаты налогов к величине активов предприятия;
х - отношение величины собственного капитала к величине заемно-
4
го капитала предприятия; х5 - отношение выручки от продаж к величине активов предприятия.
Если X < 1,23, то вероятность банкротства предприятия очень высокая, при X е (1,23; 2,9) организация находится в зоне неведения, если X > 2,90, то вероятность банкротства организации низкая3.
Модель Альтмана, адаптированная к Российским условиям, имеет следующий вид:
СОК ПНД НВ СК X = —г- х1,2 + —¡-1х3,3 + -¡—+ -¡—,
А ' А А А
где: СОК - собственный оборотный капитал; ПДН - прибыль до налогообложения; НВ - нетто - выручка от продаж; СК - собственный капитал; А - сумма всех активов (валюта баланса). Нормативные значения показателя те же, что и у модели Альтмана, горизонт планирования - шесть месяцев.
Модель прогнозирования банкротства экономического субъекта, разработанная Лисом имеет вид:
X = 0,063х1 + 0,092х2 + 0,057х3 + 0,001х4
где: х1 - соотношение оборотных активов и общей стоимости имущества; х2 - соотношение прибыли от продаж и общей стоимости имущества; х3 - отношение нераспределенной прибыли к общей стоимости имущества;
х. - соотношение собственного и заемного капитала.
4
При X > 0,037 вероятность банкротства низкая, если X < 0,037, вероятность банкротства высокая. Модель Таффлера имеет вид:
X = 0,53х1 + 0,13х2 + 0,18х3 + 0,16х4
где: х1 - соотношение прибыли от продаж и краткосрочных обязательств; х2 - соотношение оборотных активов и общей суммы обязательств; х3 - соотношение краткосрочных обязательств и общей суммы активов;
х4 - соотношение выручки от продаж и общей суммы активов. При X > 0,3 вероятность банкротства невысокая, если X < 0,2 организация имеет высокую вероятность банкротства.
Белорусская модель оценки потенциального банкротства имеет следующий вид:
X = 0Д1Ц + 13,239х2 + 1,676х3 + 0,515х4 + 3,80х5
где: х1 - соотношение собственного оборотного капитала и оборотных активов;
х2 - соотношение стоимости оборотных и внеоборотных активов; х3 - отношение выручки от продаж к общей стоимости имущества
(валюте баланса); х4 - отношение чистой прибыли к общей стоимости имущества (валюте баланса);
х5 - отношение величины собственного капитала к величине совокупного капитала.
Данная модель имеет следующие нормативные значения:
При 2 > 8 вероятность банкротства организации отсутствует; если 2 е (5; 8), то имеется небольшой риск банкротства; при 2 е (3; 5), предприятие находится в устойчивом финансовом положении и имеет определенный риск банкротства; если Ъ е (1; 3), то экономический субъект имеет неустойчивое финансовое положение и высокую вероятность банкротства; если Ъ < 1, то предприятие банкрот. При этом все модели оценивались с точки зрения надежности по различным критериям4.
В данной статье нами ставится задача выяснить, каким образом описанные выше модели отражают истинное положение дел в условиях сельскохозяйственных организаций Российской Федерации.
В качестве исследуемых экономических субъектов рассмотрим следующие сельскохозяйственные организации: СПК «Алтухово» Тульской области; ООО «Тархановское» Республики Мордовия; ООО «Шатовка» и СПК «Дубенский» Нижегородской области; ООО «Русь» Калужской области; ПСХ «Лучинское» Владимирской области; СПК «Колхоз им. XXI Парт-съезда» Ивановской области; ОАО «Смена» Московской области; ОАО ПХ «Лазаревское» Тульской области; колхоз им. Легейдо РСО-Алания.
Прежде чем выполнить оценку потенциального банкротства данных сельскохозяйственных организаций с использованием указанных методик, нами был проведен анализ их финансовой устойчивости. В модели эффективного управления производством в аграрной сфере финансовая устойчивость организации играет доминирующую роль5.
Анализ финансовой устойчивости исследуемых сельхозорганизаций, приведенный в таблице 1, показывает, что в абсолютно устойчивом финансовом положении находится лишь один субъект хозяйствования - ОАО «Смена». В состоянии нормальной финансовой устойчивости находятся два хозяйства - СПК «Колхоз им. ХХ1Партсъезда» и ОАО ПХ «Лазаревское». Неустойчивое финансовое положение занимают две сельхозорга-низации - ООО «Шатовка» и ООО «Русь». В критическом финансовом положении находятся пять организаций: СПК «Алтухово», ООО «Тарха-новское», СПК «Дубенский», колхоз им. Легейдо и ПСХ «Лучинское».
Анализ финансовой устойчивости по трехкомпонентной модели
Показатели СПК «Алту-хово» ООО «Тарха-новское» ООО «Ша- товка» СПК «Дубен-ский» ООО «Русь» ПСХ «Лучинское» ОАО «К-з им. XXI Партсъезда» ОАО «Смена» ОАО ПХ «Лазаревское» К-з им. Легейдо
Запасы 12731 28630,5 51071,5 94775 7725,5 6573,5 7002,5 121531,5 294150,5 2285
Долгосрочные заемные источники финансирования 8429 83842 25145 112511,5 8586 - 3843,5 12411 160125 17777,5
Краткосрочные кредиты и займы 2820,5 - 56914,5 28686,5 20629 155,5 371 3750 31500 813,5
Собственный оборотный капитал -7714 -67833 -18483 -54756,5 -20956,5 5489 3411,5 140311,5 134385,5 -18517,5
Собственные и долгосрочные источники формирования запасов 715 16009 6662 57755 -12370,5 5489 7255 152722,5 294510,5 -740
Общая величина источников формирования запасов 3535,5 16009 63576,5 86441,5 8258,5 5644,5 7626 156472,5 326010,5 73,5
Излишек (недостаток) собственного оборотного капитала -20445 -96463,5 -69554,5 -149532 -28682 -1084,5 -3591 18780 -159765 -20802,5
Излишек (недостаток) собственных и долгосрочных заемных источников формирования запасов -12016 -12621,5 ^14409,5 -37020 -20096 -1084,5 252,5 31191 360 -3025
Излишек (недостаток) общей величины источников формирования запасов -9195,5 -12621,5 12505 -8333,5 533 -929 623,5 34941 31860 -2211,5
Трехкомпо-нентный
показатель типа финансовой устойчивости (0,0,0) (0,0,0) (0,0,1) (0,0,0) (0,0,1) (0,0,0) (0,1,1) (1,1,1) (0,1,1) (0,0,0)
Рейтинговая оценка сельхозорганизаций
Показатели Сельхозорганизации
ОАО «Смена» ОАО ПХ «Лазаревское» ОАО «К-з им. XXI Партсъезда» спк «Ду венский» псх «Лучин-ское» СПК «Алту-хово» ООО «Ша-товка» ООО «Тарха-новское» К-з им. Ле-гейдо ООО «Русь»
Выручка в расчете на 1 руб. краткосрочных обязательств 24,56 10,93 15,6 3,18 6,64 1,06 1,00 1,12 1,02 0,15
Коэффициент текущей ликвидности 8,58 6,98 11,01 2,24 5,12 1,05 1,09 1,47 0,96 0,43
Чистая прибыль (убыток) тыс. руб. 7989 47674 1025 30949 -1372 4008 11438 3576 -1897 -6123
Рентабельно сть продаж, % 14,43 12,64 8,27 17,57 -15,3 14,23 4,32 4,15 ^1,50 -181,4
Ранжирование исследуемых предприятий методом суммы мест, согласно следующим показателям: выручка в расчете на 1 рубль краткосрочных обязательств, коэффициент текущей ликвидности, чистая прибыль (убыток), рентабельность продаж, осуществлено в таблице 2.
Применение вышеперечисленных моделей относительно исследуемых сельхозорганизаций дало следующие результаты (таблица 3).
Таблица 3
Оценка потенциального банкротства сельскохозяйственных организаций
Организация Модели прогнозирования банкротства
Альтмана Альтмана, адапт. Лиса Таффлера Белорусская
ОАО «Смена» 7,385 3,206 0,078 2,671 15,57
ОАО ПХ «Лазаревское» 2,337 1,828 0,055 1,07 14,895
ОАО «К-з им. XXI Партсъезда» 2,589 1,656 0,027 1 11,638
СПК «Дубенский» 0,892 1,079 0,047 0,481 8,985
ПСХ «Лучинское» 16,749 1,189 0,037 0,158 6,043
СПК «Алтухово» 0,832 0,943 0,025 0,253 7,375
ООО «Шатовка» 1,057 0,968 0,032 0,216 8,055
ООО «Тархановское» -0,536 -0,162 0,03 0,174 9,15
Колхоз им. Легейдо -0,585 -0,536 -0,036 0,224 15,048
ООО «Русь» -0,974 0,218 -0,003 -0,05 3,834
Эффективность данных методик прогнозирования банкротства, применительно к исследуемым сельхозорганизациям оценим следующим образом: если оценка модели не входит в противоречие с результатами анализа финансовой устойчивости и показателями рейтинговой оценки исследуемых предприятий, то модели присваивается 1 балл, в противном случае - 0 баллов. Результаты балльной оценки приведены в таблице 4.
Оценка методик прогнозирования банкротства
Наименование организации Модели прогнозирования банкротства
Альтмана Альтмана адапт. Лиса Таффлера Белорусская
ОАО «Смена» 1 1 1 1 1
ОАО «ПХ Лазаревское» 0 0 1 1 1
СПК «Колхоз им. XXI Партсъезда» 0 0 0 1 1
СПК «Дубенский» 1 1 0 0 0
ПСХ «Лучинское» 0 1 0 1 0
СПК «Алтухово» 1 1 1 1 0
ООО «Шатовка» 1 1 1 1 0
ООО «Тархановское» 1 1 1 1 0
Колхоз им. Легейдо 1 1 1 0 0
ООО «Русь» 1 1 1 1 1
Сумма баллов 7 8 7 8 4
Как видно из данных таблицы 4, наибольшую сумму баллов набрали модель Таффлера и адаптированная к условиям Российской Федерации модель Альтмана - 8 баллов. Далее идут модели Альтмана и Лиса - по 7 баллов. Наибольшее число искажений дала Белорусская модель прогнозирования банкротства, соответственно, она набрала лишь 4 балла.
Таким образом, если исходить из критерия реального отражения финансового положения сельскохозяйственных организаций, то наиболее предпочтительными из рассматриваемых методик прогнозирования банкротства являются модель Таффлера и модель Альтмана, адаптированная к российским условиям.
При объявлении предприятия-должника банкротом, исходят из двух критериев: платежеспособности и оплатности.
В качестве показателя платежеспособности возьмем соотношение выручки от продаж и краткосрочных обязательств, а показателем оплат-ности - коэффициент текущей ликвидности.
Необходимо установить, какова взаимосвязь показателей платежеспособности и оплатности с интегральными показателями - результатами моделей прогнозирования банкротства. Это, на наш взгляд, вполне осуществимо методом корреляционного анализа. В этих корреляционных моделях в качестве зависимых переменных выступают интегральные показатели, а в качестве аргументов - показатели платежеспособности и оплатности.
Через г обозначим коэффициент корреляции между суммарным показателем модели и соотношение выручки от продаж и краткосрочных обязательств, через г2 - коэффициент корреляции между суммарными показателями модели и коэффициентом текущей ликвидности. Расчеты сведем в таблицу 5.
Таблица 5
Взаимосвязь между показателями платежеспособности и оплатности с моделями прогнозирования банкротства
Коэффициенты корреляции Модели прогнозирования банкротства
Альтмана Альтмана, адапт. Лиса Таффлера Белорусская
Г1 0,423 0,882 0,648 0,942 0,606
Г2 0,432 0,766 0,544 0,730 0,514
На основании данных таблицы 5, наиболее тесная корреляция с показателями платежеспособности и оплатности наблюдается по моделям Таффлера и Альтмана, адаптированной к российским условиям и Лиса. Если еще учесть критерий реального отражения финансового положения субъекта хозяйствования, то остаются модели Таффлера и Альтмана, адаптированная к условиям Российской Федерации.
Таким образом, из рассмотренных методик оценки потенциального банкротства, применительно к сельскохозяйственным организациям нашей страны наиболее приемлемыми являются модели Таффлера и Альтмана, адаптированная к российским условиями отраслевым особенностям.
Примечания (Endnotes)
1 КибировХ.Г., Саркисян А.Г. Финансовая несостоятельность организации: экономическое содержание, критерии и факторы // Вестник РГАЗУ, 2015. - № 19 (24). -С. 108-113.
2 Кибиров А.Я., Кибиров Х.Г. Модели прогнозирования угрозы банкротства сельскохозяйственных организаций в условиях кризиса // Агропродовольственная политика России, 2012. - № 2. - С. 68-70.
3 Моисеев Н.А., Романников А.Н. Анализ эффективности способов спецификации уравнения регрессии // Экономический журнал, 2017. - № 1. - С. 114-136.
4 Белокопытов А. Модель оптимального использования аграрного труда в регионе // АПК: Экономика, управление, 2004. - № 12. - С. 72-77
Авторы, аннотация, ключевые слова
Белокопытов Алексей Вячеславович - докт. экон. наук, профессор, зав. кафедрой управления производством Смоленской государственной сельскохозяйственной академии (Смоленск) abelokopytov@mail.ru
Цветков Илья Алексеевич - канд. экон. наук, доцент, проректор по научной работе, общественным связям и международному сотрудничеству Российского государственного аграрного заочного университета (Балашиха) tsvet73@mail.ru
Кибиров Хетаг Георгиевич - канд. экон. наук, доцент Российского государственного аграрного заочного университета (Балашиха) khe120@yandex.ru
Необходимым условием предотвращения банкротства сельскохозяйственных организаций является применение в процессе мониторинга финансового состояния моделей, посредством которых возможно объективно спрогнозировать финансовую несостоятельность субъектов хозяйствования.
Не все многофакторные модели прогнозирования банкротства коммерческих организаций, разработанные в зарубежных условиях применимы к условиям российского агропромышленного производства по причине разных экономических, социальных и природно-климатических условий деятельности. В этой связи возникает проблема выбора из имеющегося арсенала моделей, которые с наибольшей точностью прогнозируют вероятность наступления финансового краха сельскохозяйственной организации.
В статье осуществлена попытка сравнительного анализа зарубежных и российских моделей оценки потенциального банкротства в условиях отечественных сельскохозяйственных организаций с целью выбора из них наиболее
объективно отражающей реальное положение дел методики мониторинга финансовой несостоятельности.
Финансовая несостоятельность, банкротство, скоринговые модели оценки потенциального банкротства, много факторные модели прогнозирования финансовой несостоятельности коммерческих организаций, платежная способность, оплатность.
References
(Articles from Scientific Journals)
1. Kibirov Kh.G., Sarkisyan A.G. Finansovaya nesostoyatel'nost' organizacii: ehko-nomicheskoe soderzhanie, kriterii i faktory. Vestnik RGAZU, 2015, no. 19(24), pp. 108-113.
2. Kibirov A.Y., Kibirov Kh.G. Modeli prognozirovaniya ugrozy bankrotstva sel'skohozyajstvennyh organizacij v usloviyah krizisa. Agroprodovol stvennaya poli-tika Rossii, 2012, no. 2, pp. 68-70.
3. Moiseyev N.A., Romannikov A.N. Analiz effektivnosti sposobov spetsifi-katsii uravneniya regressii. Ekonomicheskiy zhurnal, 2017. no 1. pp. 114-136.
4. Belokopytov A. Model' optimal'nogo ispol'zovaniya agrarnogo truda v regione. APK: Ekonomika, upravleniye, 2004. no. 12. pp. 72-77.
Authors, abstract, keywords
Alexey V. Belokopytov - Doctor of Economics Sciences, Professor, Chair of Production Management, Smolensk State Agricultural Academy (Smolensk, Russia) abelokopytov@mail.ru
Ilya A. Tsvetkov - Candidate of Economic Sciences, Associate professor, Vice-rector on the scientific work, public relations and international cooperation, Russian State Agrarian Correspondence University (Balashikha, Russia) tsvet73@ mail.ru
Khetag G. Kibirov - Candidate of Economics Sciences, Associate professor, Russian State Agrarian Correspondence University (Balashikha, Russia) khe120@ yandex.ru
A necessary condition for preventing bankruptcy of agricultural organizations is the use of models in the process of monitoring the financial condition, through which it is possible to objectively predict the financial insolvency of business entities.
Not all multi-factor models of forecasting bankruptcy of commercial organizations developed in foreign conditions are applicable to the conditions of Russian agricultural production due to different economic, social and climatic conditions of activity. In this regard, there is a problem of choosing from the existing Arsenal of models that most accurately predict the probability of the financial collapse of the agricultural organization.
The article attempts to comparative analysis of foreign and Russian models of assessment of potential bankruptcy in the conditions of domestic agricultural organizations in order to choose the most objectively reflecting the real state of Affairs methods of monitoring of financial insolvency.
Financial insolvency, bankruptcy, scoring models for assessing potential bankruptcy, many factor models for predicting the financial insolvency of commercial organizations, payment ability, payment.
