CC BY
271
УДК 658.51-50 ББК У9(2)30в6
РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ КОМПЛЕКСНОГО АНАЛИЗА ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЯ
Т.И. Гусева
В статье проведен сравнительный анализ и проверка на адекватность существующих моделей комплексной оценки финансового состояния. Для расчета комплексного показателя финансового состояния предприятия предлагается использовать математический аппарат теории нечетких множеств. Рассмотрена возможность автоматизации комплексной оценки финансового состояния предприятия.
Ключевые слова: комплексная оценка финансового состояния, теория нечетких множеств, автоматизация.
Для того, чтобы предприятие успешно функционировало, а его работа приносила прибыль, необходим мониторинг финансового состояния предприятия. Чем раньше будут выявлены отклонения в желаемом развитии и определены причины этих отклонений, тем результативнее будет финансово-хозяйственная деятельность. Анализ важнейших финансовых показателей позволяет оценить результаты финансовой деятельности предприятия, становится возможным грамотное, научно-обоснованное управление хозяйственными процессами, обеспечивающими достижение намеченных стратегических целей.
Для комплексной оценки финансового состояния предприятия применяется ряд подходов, среди которых метод, разработанный в 1968 г.
Э. Альтманом, R-модель, разработанная в Иркутской государственной экономической академии, модели Ж. Коннана, М. Гольдера, У. Бивера, Ж. Депаляна, А. Таффлера, Р.С. Сайфуллина, Г.Г. Кадыкова, О.П. Зайцевой и др. Комплексную оценку финансового состояния также можно провести с помощью балльного метода.
В ходе исследования был проведен сравнительный анализ и проверка на адекватность существующих моделей комплексной оценки финансового состояния на основе данных отчетности ОАО «Златоустовский металлургический завод», которое, несмотря на производство уникальной продукции и наличие квалифицированного производственного персонала, находится в кризисном состоянии. В результате проведенных расчетов с использованием широко известных дискриминантных моделей были получены следующие результаты (табл. 1). Из десяти рассмотренных моделей адекватно оценили текущее финансовое состояние предприятия только четыре: пятифакторная оригинальная и усовершенствованная модель Альтмана, модель Ж. Коннана и М. Гольдера, модель А. Тафлера, шестифакторная модель О.П. Зайцевой и метод рейтинговой оценки финансового состояния предприятия Р.С. Сайфулина и Г.Г. Кадыкова. В модели
А. Таффлера для получения отрицательного значения показателя Z, которое свидетельствует о близости предприятия к банкротству, необходимо иметь очень значительные убытки от привлекаемых средств, поэтому результаты оценки по этой модели близки к реальности. Двухфакторная модель оценки угрозы банкротства, четырехфакторная модель оценки угрозы банкротства и модель R-счета, метод credit-men показали низкую вероятность банкротства ОАО «Златоустовский металлургический завод» в период 2010 года, что не соответствует действительности.
Высокая вероятность ошибки может быть связана с тем, что в данных моделях не учтена возможность отрицательной величины собственного капитала предприятия, обусловленной убытком от деятельности предприятия, что характерно для ОАО «Златоустовский металлургический завод». Метод credit-men, модель О.П. Зайцевой и метод рейтинговой оценки Р. С. Сайфуллина и Г.Г. Кадыкова демонстрируют нестабильное финансовое состояние предприятия.
При всех достоинствах моделей Е. Альтмана, Ж. Коннана, М. Гольдера, У. Бивера следует отметить, что они построены на основе изучения поведения фирм в условиях западного развития, что не соответствует условиям развития экономики России. Построение подобных моделей для российской экономики является проблематичным, во-первых, из-за несовершенства нормативной базы банкротства российских предприятий; во-вторых, из-за отсутствия учета многих факторов, влияющих на финансовую устойчивость предприятий. Кроме того, наряду с профессионализмом и интуицией аналитика, исследующего предприятие, значительную роль играет качество финансовоотчетной документации и степень информативности статистических данных и коэффициентов, на которые опираются модели. Многие из западных моделей подходят только для состоятельных предприятий, эти модели вызывают различные, зачастую противоположные, мнения о возможности их применения в России.
Таблица 1
Результаты тестирования ОАО «Златоустовский металлургический завод» по моделям прогнозирования банкротства
Показатель 2008 2009 2010
Двухфакторная Ъ - модель 7 = - 0,3877 - 1,0736 * К1 + 0,0579 * К2
Значение Ъ -1,119 -1,304 -1,980
Вероятность банкротства меньше 50 % меньше 50 % меньше 50 %
Четырехфакторная модель оценки угрозы банкротства Я=8,38хК1+1,0хК2+0,054хК3+0,63хК4
Значение У 0,8025 -5,0759 1,7687
Вероятность банкротства минимальная максимальная минимальная
Пятифакторная Ъ - модель Э. Альтмана Ъ = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 - оригинальная
Значение Ъ 2,51 -1,8 -0,44
Вероятность банкротства Низкая Высокая Высокая
Пятифакторная Ъ - модель Альтмана - усовершенствованная Ъ = 0,717 X! + 0,847X2 + 3,107X3 + 0,420 X4 + 0,998X5
Значение Ъ 4,29 -2,71 -2,44
Вероятность банкротства низкая Высокая Высокая
Четырехфакторная модель Я-счета Я = 8,38 К1 + К2 + 0,054 К3 + 0,63 К4
Значение Я -0,167 -2,414 0,206
Вероятность банкротства Минимальная Высокая средняя
Метод сгеїіії-теп N = 25Я1 + 25Я2 + 10Я3 + 20 Я4 + 20Я5
Значение N 185,8466 93,24523 138,9922
Вероятность банкротства Низкая Высокая Низкая
Показатель платежеспособности Ж. Конана и М. Гольдера Ъ = - 0,16X1 - 0,22 X2 + 0,87X3 + 0,1X4 - 0,24X5
Значение Ъ -0,08 0,263 0,284
Вероятность задержки платежа 50% 90% 90%
Ъ Че 1 1 т 0, 5р 3х )акторная модель А Тас С1 + 0,13К2 + 0,18К3 + ффлера 0,16 К4
Значение Ъ 0,613634 0,149879 0,187327
Вероятность банкротства Низкая высокая высокая
Шестифакторная модель О.П. Зайцевой К = 0,25Куп + 0,1Кз + 0,2Кс + 0,25Кур + 0,1Кфр + 0,1Кзаг
Значение Ъ 2,103166 1,439271 77,38566
Вероятность банкротства Невысокая Невысокая Крайне высокая
Метод рейтинговой оценки финансового состояния предприятия Р.С. Сайфуллина и Г.Г. Кадыкова Я = 2Коб + 0,1Клик + 0,08Кинт + 0,45Кмен + Кпр
Значение Я 0,133867 -7,12684 0,547912
Вероятность банкротства Высокая Очень высокая Высокая
Одной из немногих отечественных моделей, призванных оценить финансовое состояние предприятия, является R-модель, разработанная в Иркутской государственной экономической академии. На основании данной модели можно спрогнозировать финансовое состояние предприятия на три квартала с вероятностью до 81 %. Преимуществом использования в практической деятельности разработанной методики является то, что она позволяет осуществить диагностику риска банкротства предприятия любой формы собственности и любой отрасли, при соответствующем изменении шкалы для оценки риска банкротства предприятия, на срок до трех кварталов, что даст время для принятия соответствующих управленческих решений по предупреждению возможности
наступления несостоятельности предприятия. Основным ограничением Я-модели является то, что критерии, используемые в оценке - это характеристика не отдельного предприятия, а генеральной совокупности предприятий. Рассматривая отдельное предприятие, мы вероятностно описываем его отношение к полной группе. Но уникальность всякого предприятия в том, что оно может выжить и при очень слабых шансах, и наоборот.
Исследования ряда авторов [1, 2] также свидетельствуют о противоречивости результатов, полученных с использованием данных дискриминантных моделей. Таким образом, в силу достаточной формализации, исследуемые модели имеют ряд недостатков:
1. Зависимость результатов оценки от опыта и квалифицированности аналитика, ввиду сложности расчета определенных коэффициентов, входящих в состав моделей. Некоторые показатели невозможно определить на основе только публикуемой финансовой отчетности предприятий (например, Х4 в показателе платежеспособности Конана и Гольдера).
2. Значения весовых коэффициентов в некоторых моделях не сбалансированы, отражают не все аспекты финансово-хозяйственной деятельности предприятия и его деловой активности.
3. Отсутствие учета отраслевой специфики и, соответственно, дифференциации пороговых значений интегральных показателей.
4. Модели основаны на методах линейной прогрессии, многомерного дискриминантного анализа или логистической регрессии. Они лишь констатируют текущее финансовое состояние, лишены возможности его динамичного прогнозирования.
Зарубежными и отечественными учеными активно разрабатываются методы оценки финансового состояния и риска банкротства на основе использования методического аппарата теории нечетких множеств [9]. Метод нечетких множеств позволяет наилучшим образом формализовать нечеткие представления, трансформировав язык слов в язык количественных оценок. Если эксперт хорошо знает предприятие или отрасль изнутри, то ему не составит никакого труда выделить именно те факторы, которые наиболее всего влияют на процессы потери платежеспособности (включая ошибки менеджмента), сопоставить этим факторам количественные показатели и пронормировать их.
Метод решения задачи комплексной оценки финансового состояния предприятия и сопряженной задачи-оценки риска банкротства на основе нечетко-множественного подхода был описан А.О. Недосекиным [3]. Рассчитанные с использованием данного подхода комплексные показатели финан-
сового состояния предприятия за рассматриваемый период:
У&М1 = 0,075-0,833 + 0,3-0 + 0,5-0 + 0,7-0,167 +
+ 0,925 0 = 0,179;
У&МП = 0,075-0,917 + 0,3-0,083 + 0,5-0 + 0,7-0 +
+ 0,925-0 = 0,0937;
У&Мщ = 0,075-0,833 + 0,3-0,167 + 0,5-0 + 0,7-0 +
+ 0,925 0 = 0,1125.
Ц2(У&Ы:) = 0,911, Цэ(У&Ы:) = 0,099;
Цэ(У&Мп) =1, Ц4(У&ЫП) =0; ц2(У&Мш) = 0,91, ц3(У&Мш) = 0,09.
Распознавание финансового состояния предприятия производится согласно значений У&МЬ У&МП, У&МШ и табл. 2, т. е. состояние предприятия в первом периоде распознается с большей степенью соответствия как неблагополучное и с меньшей степенью как состояние относительно среднего качества, во втором периоде оно признается как состояние предприятия среднего качества, а в третьем периоде однозначно состояние предприятия распознается распознается с большей степенью соответствия как неблагополучное и с меньшей степенью как состояние относительно среднего качества. Аналогично распознается и степень риска банкротства [3].
Если сравнивать значение финансового состояния, полученное с помощью балльной оценки и значение финансового состояния, полученное с помощью нечетких множеств можно сделать вывод о том, что второй метод дает более точную оценку, так как учитывает специфику предприятия. Помимо учета специфики предприятия, данный метод ориентирован на российскую действительность и дает более точные результаты, нежели другие методы.
Метод решения задачи комплексной оценки финансового состояния предприятия и сопряженной задачи-оценки риска банкротства на основе нечетко-множественного подхода был описан А.О. Недосекиным [3] и используется в разработанной
Правило распознавания финансового состояния предприятия
Таблица 2
Интервал значений Классификация уровня параметра Степень оценочной уверенности (функция принадлежности)
0 < У&М < 0,15 Предельное неблагополучие 1
0,15 < У&М < 0,25 Предельное неблагополучие Ш! = 10 • (0,25 - У&М)
Неблагополучие 1- Ш1 =Ш2
0,25 < У&М < 0,35 Неблагополучие 1
0,35 < У&М < 0,45 Неблагополучие ш2 = 10 • (0,45 - У&М)
Среднего качества 1- Ш2 =Ш3
0,45 < У&М < 0,55 Среднего качества 1
0,55 < У&М < 0,65 Среднего качества ш3 = 10 • (0,65 - У&М)
Относительное благополучие 1- Ш3 =Ш4
0,65 < У&М < 0,75 Относительное благополучие 1
0,75 < У&М < 0,85 Относительное благополучие ш4 = 10 • (0,85 - У&М)
Предельное благополучие 1- Ш4 =Ш5
0,85 < У&М < 1,0 Предельное благополучие 1
консультационной группой «Воронов и Максимов» программной модели «Мастер финансов: Анализ и планирование». Программа реализована в форме шаблона для Microsoft Excel, в состав которого входит лист с таблицами исходных данных и результатов и около десятка листов с графиками. Являясь одной из ветвей развития программы Альт-Финансы, она имеет с ней много общего. Основные отличия - более аккуратный дизайн, намного больше опций, однако последнее оборачивается еще и недостатками - в программе легко заблудиться. Среди недостатков данного программного обеспечения также можно отметить, что электронная таблица - не самая удачная среда для разработки крупных приложений, работать в таком формате с результатами анализа не слишком удобно. Но авторам Мастера финансов удалось избавиться от многих потенциальных проблем и сделать свой шаблон похожим на настоящую программу [4].
Нами была предпринята попытка разработки программного обеспечения для комплексного анализа финансового состояния предприятия. Данная программа предназначена для расчета комплексного показателя финансового состояния предприятия с использованием аппарата теории нечетких множеств на основе рассчитанных ранее финансовых показателей по данным бухгалтерской отчетности за какой-либо период. Эти показатели выбираются группой экспертов так, чтобы они наилучшим образом характеризовали предприятие, в то же время образовывали законченную совокупность. Причем рост отдельного показателя должен соответствовать улучшению финансового состояния рассматриваемого предприятия, в противном случае его следует заменить на сопряженный. Полное множество значений каждого показателя
представляет собой пересечения пяти нечетких подмножеств: «очень низкий уровень показателя Xj», «низкий уровень показателя Х^>, «средний уровень показателя Xj», «высокий уровень показателя Xj», «очень высокий уровень показателя Xj» (рис. 1).
В правой стороне главного окна располагаются поля ввода показателей. Количество и названия показателей зависят от выбранной области. В нашем случае мы имеем дело с 6 коэффициентами. Вместе с тем можно указать его значимость по шкале от 0 до 10. Так, например, коэффициент со значимостью, равной 3, будет в три раза более значимым, чем со значимостью 1. Коэффициент со значимостью 0 вообще не будет учитываться в дальнейших расчетах.
Для создания расчета необходимо, чтобы все поля для показателей были заполнены и хотя бы у одного показателя значимость не равнялась 0.
Информация о выбранном показателе отображается в графическом или цифровом виде. В цифровом виде будет представлена таблица границ функций принадлежности для выбранного коэффициента. В графическом виде отображается график функции принадлежности.
Если введенные параметры не будут удовлетворять каким-либо условиям, программа сообщит об этом. Отчет, выводимый на основе введенных показателей, содержит расчетную таблицу, текстовое и графическое представление о состоянии предприятия.
В основном окне программы можно также выбрать область, для которой будет рассчитываться комплексный показатель финансового состояния (в нашем случае была активна временная область “temp”).
Комплексная оценка финансового состояния предприятия
! s П
Нахождение комплексной оценки
Наименование области:
® Графически 0 В цифровом виде
Коэффициент автономии
Коэффициент обеспеченности
Коэффициент "критической оценки"
Коэффициент абсолютной ликвидности
Оборачиваемость всех активов 1в годовом исчислении)
Рентабельность всего капитала
I
Значимость (от 0 до 10)
I
I
I
I
I
I
Сделать расчет
Рис. 1. Основное окно программы
Для каждой области существуют свои коэффициенты, количество и функции принадлежности которых можно изменять. В расчетах возможно использовать не более 10 показателей (рис. 2). При создании новой области откроется окно, в котором необходимо ввести название области и количество коэффициентов. В полях с правой стороны должны быть вписаны названия коэффициентов. Далее следует указать границы подмножеств состояний для каждого коэффициента или так называемые Т-числа для значений лингвистической переменной, при задании которых эксперты могут учесть отраслевую принадлежность и другие качественные параметры предприятия (например, скрытые или явные опционы, имидж, репутацию, персонал предприятия и т. д.).
С использованием разработанного программ-
ного продукта была проведена оценка финансового состояния ряда промышленных предприятий. Сравнение значений комплексных показателей финансового состояния, полученных с помощью балльной оценки, с результатами расчетов программы, полученных с использованием инструментария нечетких множеств, позволило сделать вывод о том, что второй метод дает более точную оценку, так как учитывает специфику предприятия и позволяет оценить степень риска банкротства предприятия.
Таким образом, достоинствами предлагаемого программного продукта являются простота и легкость в работе, наглядность результатов расчетов, возможность изменять количество и значимость показателей, участвующих в оценке, возможность учесть период анализа и отраслевую специализа-
I» Комплексная оценка финансового состояния предприятия
Нахождение комплексной оценки
Х1: Коэффициент автономии = 0,35
Х2: Коэффициент обеспеченности = 0,26
ХЗ: Коэффициент "критической оценки" = 0,774
Х4: Коэффициент абсолютной ликвидности = 0,0152
Х5: Оборачиваемость всех активов (в годовом исчислении) = 2.9
Х6: Рентабельность всего капитала = 0,083
Закрыть
□ч. низкий Низкий Средний Высокий Оч. высокий Значимость
ш = 0 1 0 0 0.08
Х2 0 0 1 0 0 0.08
ХЗ 0 0.2Є 0.74 0 0 0.17
Х4 1 0 0 0 0 0.08
Х5 0 0 0 0 1 0.33
XS 0 0 0,42 0,58 0 0.25
Y1 =0,08 Y2 = 0,04 Y3 = 0.4 Y4 = 0,14 Y5 = 0,33
Комплексный показатель финансового состояния предприятия равен: 0,62. Следовательно, можно сделать вывод, что с большей степенью соответсвия состояние предприятия относительно благополучное, с меньшей степенью соответствия - среднего качества
Значение точки Вкл
Наименование области:
temp
® Графически
© В цифровом виде
Значимость (от 0 до 10)
Коэффициент автономии о 35
I
Коэффициент обеспеченности {] 26
I
Коэффициент "критической оценки" о 774
I
Коэффициент абсолютной 0,0152 ликвидности
Ї
Оборачиваемость всех активов (в 23 годовом исчислении)
Рентабельность всего капитала 0.083
I
Округление 2
І
Сделать расчет
Рис. 2. Создание новой области
цию предприятий. Также хочется отметить, что данная программа предлагает решение достаточно обобщенной задачи. И, несмотря на возможность практически полностью подстраиваться под нужды пользователя, в дальнейшем можно будет добавить возможности для новых целей и задач анализа, или же, наоборот, подстроить программу под конкретное предприятие. Планируется установить взаимодействие данной программы с другими распространенными программными продуктами, такими как Microsoft Excel или 1С Предприятие, 1С Бухгалтерия, а также создать возможность интеграции отчета в Microsoft Word, что повысит практическую значимость программы.
Литература
1. Казиева, Б.В. Сравнительный анализ дискриминантных моделей прогнозирования банкротства / Б.В. Казиева. - http://science-bsea.bgita.ru/ 2005/ekonom_2005/kazieva.htm
2. Матвийчук, А.В. Диагностика банкротства підприемств / А.В. Матвийчук // Економіка Украіни. - 2007. - № 4. - С. 20-28.
3. Недосекин, А.О. Применение теории нечетких множеств к задачам управления финансами /А. О. Недосекин //Аудит и финансовый анализ. - 2000. - № 2. - С. 25-29.
4. Форум: обсуждение программы Мастер финансов http: //www. cfin. ru/softw are/afs/masterfin. shtml.
Гусева Татьяна Игоревна. Кандидат экономических наук, доцент кафедры экономики и права, ЮжноУральский государственный университет, филиал в г. Златоусте, (8-351) 363-62-34.
Поступила в редакцию 4 июля 2013 г.
Bulletin of the South Ural State University Series “Economics and Management” ______________________________________________________2014, vol. 8, no. 1, pp. 33-38
DEVELOPMENT OF SOFTWARE FOR INTEGRATED ANALYSIS OF FINANCIAL CONDITION OF THE ENTERPRISE
T.I. Guseva, South Ural State University, branch in Zlatoust, Russian Federation
The article considers the comparative analysis and validation on adequacy of existing models of integrated evaluation of the financial condition. To calculate the overall index of financial condition of the enterprise mathematical mechanism of fuzzy sets theory is given. The possibility of automation for integrated evaluation of financial condition of the enterprise is considered
Keywords: integrated evaluation of financial condition, fuzzy sets theory, automation
References
1. Kazieva B.V. Sravnitel’nyy analiz diskriminantnykh modeley prognozirovaniya bankrotstva [Comparative Analysis of Discriminant Models for Bankruptcy Forecasting]. Available at: http://science-bsea.bgita.ru/ 2005/ekonom_2005/kazieva.htm
2. Matviychuk A.V. [Diagnosis of Bankruptcy at Enterprises]. Ekonomika Ukraini [Economics of the Ukraine], 2007, no. 4, pp. 20-28. (in Russ.)
3. Nedosekin A.O. [Application of Fuzzy Sets Theory to the Problems of Financial Management ]. Audit i finansovyy analiz [Audit and Financial Analysis], 2000, no. 2, pp. 25-29. (in Russ.)
4. Forum: obsuzhdenie programmy Master finansov [Forum: Master of Finance Program Discussion]. Available at: http://www.cfin.ru/software/afs/masterfin.shtml.
Tatiana Igorevna Guseva, Cand.Sc. (Economics), Associate Professor of Economics and Law Department, South Ural State University, branch in Zlatoust, (8-351) 363-62-34.
Received 4 July 2013
