 |
Модели прогнозирования банкротства
|
|
|
|
Ранние исследования прогнозов банкротства относятся к концу 1960-ых годов. Бивер (1966) проверил модели из 29 коэффициентов, в течение пятилетнего периода прогнозируя банкротство на примере фирм, ставших банкротами, и сравнил их с контрольной группой фирм, которые не обанкротились. Его целью было показать, какие коэффициенты могут использоваться для прогнозирования банкротства и насколько лет такие прогнозы могут делаться. Они разделены на шесть категорий.
Компоненты показателей определяются в следующем значении: денежные потоки = чистый доход + сумма обесценения и амортизация; чистый собственный капитал = обычные акции + просроченные подоходные налоги; наличность = наличность + ценные бумаги, котирующиеся на фондовом рынке; быстрые активы = наличность + счета к получению; текущие активы = текущие активы - текущие пассивы; затраты на производственные фонды = производственные издержки - сумма обесценения и амортизация; резервные активы = быстрые активы.
До банкротства эта модель дала 13% неправильных характеристик. Распределение ошибок между 1 и 2 типами, однако, не было одинаковым. Ошибок 1 типа было больше, чем ошибок 2-ого, так как было сложнее охарактеризовать фирму как банкрота. Это становиться еще сложнее с увеличением прогнозного горизонта. Учитывая большие издержки, связанные с ошибками 1 типа, эти результаты подчеркивают важность представления оценки каждого типа ошибок по отдельности. Подход Бивера был инвариантен, то есть каждый коэффициент оценивался с точки зрения того, как он один полезен для прогнозирования банкротства без рассмотрения других коэффициентов. Однако, большинство работ в этой области мультивариантны, в них прогнозные модели базируются на комбинации коэффициентов, используемых для прогнозирования банкротства.
|
|
|
Коэффициенты, используемые в инвариантной модели Бивера:
Группа №1(коэффициенты движения наличности):
1. Денежные потоки к выручке;
2. Денежные потоки к сумме баланса;
3. Денежные потоки к собственному капиталу;
4. Денежные потоки к общей задолженности.
Группа №2 (коэффициенты чистых доходов):
1. Чистые доходы к выручке;
2. Чистые доходы к сумме баланса;
3. Чистые доходы к собственному капиталу;
4. Чистые доходы к общей задолженности.
Группа № 3 (коэффициенты обязательства к суммарным активам):
1. Текущие обязательства к суммарным активам;
2. Долгосрочные обязательства к суммарным активам;
3. Текущие плюс долгосрочные обязательства к суммарным активам.
Группа № 4 (коэффициенты ликвидные активы к суммарным активам):
1. Наличность к суммарным активам;
2. Быстрые активы к суммарным;
3. Текущие активы к суммарным активам;
4. Оборотный капитал к суммарным активам.
Группа № 5 (коэффициенты ликвидные активы к текущей задолженности):
1. Наличность к текущим обязательствам;
2. Быстрые активы к текущим обязательствам;
3. Коэффициент текущего покрытия (текущие активы к текущим обязательствам).
Группа № 6 (Коэффициенты возвратности):
1. Наличность к выручке;
2. Счета к оплате к выручке;
3. Запасы к выручке;
4. Быстрые активы к выручке;
5. Оборотный капитал к выручке;
6. Текущие активы к выручке;
7. Суммарные активы к выручке;
8. Интервал наличности (наличность к затратам на производственные фонды);
9. Резервный интервал (оборонное имущество к затратам на производственные фонды);
10. Бескредитный интервал (оборонное имущество минус текущие обязательства к затратам на производственные фонды).
По материалам статистических исследований [11], можно заключить, что (в смысле частоты использования коэффициентов) коэффициент ликвидности и платежеспособности наиболее часто дополнялись коэффициентами прибыльности и активности. Наиболее известное из этих исследований исследование Альтмана (1968), который предложил модель "Z-граница" для прогнозирования банкротства. Z-границей была величина, получаемая из следующего анализируемого дробного уравнения:
|
|
|
Z=1,2*(Собственные оборотные средства/Всего активов) + 1,4 (Реинвестированная прибыль/Всего активов) + 3,3*(Прибыль до выплаты процентов и налогов/Всего активов) + 0,6*(Собственный капитал/привлеченный капитал) + 1,0*(Выручка/Всего активов)
Если Z-граница для фирмы ниже критической величины 2,675, это означает банкротство. Анализ ошибочных классификаций, выводимых из критической величины, дает результат, вызывающий дихотопию. Это заключается в том, что все фирмы, имеющие Z-границу выше, чем 2,99 определенно попадают в сектор небанкротов, в то время как фирмы, имеющие Z ниже 1,81 все являются банкротами. Область между 1,81 и 2,99 является зоной неопределенности или "серой" зоной из-за частоты ошибочных классификаций.
Альтман (1977) усовершенствовал первоначальную модель, заменив ее своей ZETATM-моделью. Однако, как он объяснил, что параметры и конструкция модели не были раскрыты и остались прежними, однако, используемые объясняющие переменные были раскрыты.
Скотт (1981) показал, что переменные, используемые ZETATM-моделью Альтмана, согласуются с параметрами теоретического банкротства. Он показал связь между теоретической моделью банкротства и переменными, используемыми в ZETATM прогнозной модели Альтмана. В модели Скотта выплата задолженности (R) может быть сформирована из доходов без вычета налогов и процентов (EBIT) или из акций фирмы. Эти активы определяются как сегодняшняя стоимость будущих дивидендов фирмы и обозначаются как S. Это имеет место, когда
R>EBIT+S или EBIT< R -S
Обозначим uEBIT средние EBIT и как sEBIT стандартное отклонение EBIT, тогда можно получить стандартизованное уравнение и (как в модели Энера и Кодгера) возможность банкротства реализуется, если:
(EBIT- uEBIT)/ sEBIT <= (R -S- uEBIT)/ sEBIT
Разделив числитель и знаменатель правой части этого уравнения на сумму баланса (TA) и преобразуя модель получаем:
(EBIT- uEBIT)/ sEBIT <= ((R/ uEBIT -1)* uEBIT /TA-S/TA)*(TA/ sEBIT)
Скотт указал, что хотя функциональная форма и отличается, все коэффициенты представлены в правой части.
|
|
|
Точность прогнозов по каждой модели примерно равна году, непосредственно предшествующему банкротству. Так же, как и у Бивера, охарактеризовать фирмы-банкроты сложнее, чем доказать платежеспособность фирмы. К тому же с увеличением периода, предшествующего банкротству, точность результатов уменьшается. Тем не менее, главное преимущество предыдущей модели ZETATM над старой в том, что она точнее в период между II-ым и V-ым годами, предшествующими банкротству. I-ая модель допускает более 50% ошибок I-ого типа, тогда как точность модели ZETATM близка к 70%.
Интересный элемент модели ZETATM - это ее обработка расчетных данных. Мы не берем данные по нарицательной стоимости, лучше регулировки для следующих показателей:
1) Сальдо счета задолженности: Все непогашенные операции и аренда капитала прибавляются к активам и пассивам фирмы. К тому же финансовые (денежные) и другие неучтенные (то есть неденежные) субсидии соединяются с материнской компанией (той, которая субсидирует);
2) Нематериальные активы: капитализированные доходы такие, как исследования и развитие, издержки по уплате процентов, условная стоимость связей фирмы и другие нематериальные активы.
Эти регулировки, хотя и невсесторонние, часто это шаг в правильном направлении, так как результаты могут быть подтверждены. Далболина и Кноури, однако, уменьшают важность этих регулировок, они утверждают, что результаты Альтмана не демонстрируют то, что его регулировки являются усовершенствованием: "То, что бы могло составлять доказательство действенности модели ZETATM без арендной капитализации и измерять прогнозную мощность модели считается неважным и игнорируется."
Олсон подошел с другой позиции. Он использовал анализ прибыли, который не определяет ограничительную точку классификации фирмы как банкрота или небанкрота. При этом пользователи модели могут выбрать удобный уровень возможности банкротства, которую он или она готовы терпеть. Выше (ниже) ограничения возможности - больше шансов ошибочно охарактеризовать фирму как банкрота (небанкрота)..Ограничение возможности в 1% практически не имеет ошибок 1 типа, но вероятность ошибок 2 типа равна 47%. На нижнем уровне в основном все фирмы характеризуются как будущие банкроты. Передвигая ограничительную возможность выше, мы увеличиваем шансы сделать ошибку 1 типа (неправильно охарактеризовать фирму-банкрота), но уменьшаем вероятность ошибки 2 типа. На уровне 3,8% все основные классификационные ошибки минимизируются с 12%-ой вероятностью ошибок 1 типа и 17%-ой вероятностью ошибок II-ого типа [11].
|
|
|
Джентри, Ньюболд и Уайтфорд (1985), Казей и Бартжак (1984, 1985) проверили, будет ли усовершенствованием структуры прогнозных моделей банкротства использование величин денежных потоков. Оба исследования заключили, что нет.
Джентри, Ньюболд и Уайтфорд считали, что средства по операциям и изменения величины оборотного капитала (оцененные по отдельности) не помогли прогнозу банкротства. Потоки дивидендов были наиболее важной переменной, а такие переменные, как капитальные вложения и финансирование задолженности почти не важны. Так дивиденды - это обычно функция от имеющейся в распоряжении наличности из операций после реинвестирования (то есть свободный денежный поток), одна оценка может подытожить другие [11].
Исследования и выводы Казея и Бартжака служат для размещения всех критериев классификации банкротства в особом фокусе. Аккуратная проверка их результатов показывает, что апроксимация CFO (которая не была вычислена в течении периода изучения) хорошо помогает в прогнозе банкротства компаний. За 5 лет до банкротства CFO правильно характеризует фирмы-банкроты в 83-92% случаев (в зависимости от временного отрезка). И наоборот, накопленные расчетные оценки правильно охарактеризуют компании-банкроты только в 30-83% случаев. С другой стороны CFO не делала так хорошо прогнозирование платежеспособности фирмы, так многие из платежеспособных фирм были охарактеризованы как банкроты (47% неправильно охарактеризованных фирм за один год до банкротства). Учитывая соответствующие издержки этих ошибок, однако, формируется тип ошибок, которые нужно избегать. CFO-оценки, в противоположность выводам авторов, поэтому кажутся полезными для прогнозов банкротства [11].
Казей и Бартжак утверждали, что неправильная классификация платежеспособных фирм - это, несмотря на длительность периода отрицательных результатов метода CFO, результат игнорирования возможности выживания компании, благодаря совершению сделок о новом кредитовании с кредиторами или продажи имущества для увеличения наличности. Однако, выживание из-за продажи имущества или реструктурирование задолженности не является знаком успеха. Кредиторы и акционеры могут понести большие потери, даже если банкротство не будет иметь места (то есть фирма не обанкротится).
|
|
|
К тому же мы задаемся вопросом о фокусе этих моделей, здесь противопоставляется только банкротство. Банкротство - это узаконенный неэкономический феномен. Это связано с политическими и другими нерыночными явлениями. Лучше классифицировать фирмы так, "здоровая" или "больная" компания, и предоставленная финансовая информация и коэффициенты помогают прогнозировать эффективность инвестиций. С точки зрения этого CFO - хороший индикатор финансового благополучия, отвечающий на вопрос, будут ли возвращены кредиты фирмы.
Итак, оценка моделей прогнозирования банкротства требует учета двух взаимосвязанных результатов. Первый, подход может отвечать на некорректный вопрос, так как существуют различные степени и критерии банкротства. В частности, многие исследования определяют результаты банкротства по-разному. Во-вторых, переменные, используемые в эмпирических моделях, не строятся в соответствии с теоретической структурой, а чаще полагаются на интуицию исследователя. Так они могут быть обычными или определенными во времени.
Рассмотренные методики анализа кредитоспособности весьма просты в реализации и могут эффективно использоваться на практике. Подобные расчеты должны носить систематический характер с периодичностью, определяемой положением предприятия и динамикой общеэкономической ситуации.
В данной работе рассмотрены лишь некоторые из ответов на основные вопросы, с которыми сталкиваются финансовые менеджеры при оценке деятельности предприятия. Заканчивая данную работу необходимо отметить, что анализ кредитоспособности, вероятно в большей степени является искусством, нежели наукой. Роль субъективного фактора здесь особенно велика. Тем не менее рассмотренные в работе формализованные методики по различным разделам анализа могут служить достаточно хорошей базой для принятия управленческих решений о финансовом положении.
| Оценка платежеспособности и прогнозирование банкротства | ||||||
| двухфакторная модель оценки | ||||||
| показатель | ||||||
| итог II раздела | 44 616 | 49 996 | ||||
| итог V раздела | 45 436 | 45 935 | ||||
| итог пассива (700) | 53 810 | 59 215 | ||||
| заемные средства | 47 220 | 47 702 | ||||
| функция Z | -1,391115097 | -1,509572783 | ||||
| наименование коэффицента | ||||||
| K1 - коэффицент текущей ликвидности | 0,981952438 | 1,088408495 | ||||
| k2 - коэффицент доли заемных средств в пассивах | 0,877530919 | 0,805571271 | ||||
| нормативное значение | расшифровка | |||||
| z > 0,3 | вероятность банкротства велика | |||||
| z<0,3 | вероятность банкротства мала | |||||
| z=0,3 | вероятность банкротства 50 % | |||||
| Пятифакторная модель оценки Альтмана | ||||||
| показатель | ||||||
| итог II раздела | 44 616 | 49 996 | ||||
| итог V раздела | 45 436 | 45 935 | ||||
| итог актива (300) | 53 810 | 59 215 | ||||
| прибыль до налогооблажения | ||||||
| рыночная стоимость обычных и привелигированныъ акций | 5 028 | |||||
| чистая прибыль | ||||||
| заемные средства | 47 220 | 47 702 | ||||
| выручка | 90 636 | 93 670 | ||||
| коэффицент | ||||||
| X1- доля чистого оборотного капитала в активах | -0,015238945 | 0,068581175 | ||||
| X2 - рентабельность активов по чистой прибыли | 0,003642479 | 0,001553674 | ||||
| X3 - рентабельность активов | 0,004794692 | 0,003901072 | ||||
| X4 - покрытия рыночной стоимости СК | 0,000232955 | 0,10540549 | ||||
| X5 оборачиваемость активов | 1,684386586 | 1,581876061 | ||||
| функция Z | 1,687161581 | 1,742465444 | ||||
| таблица нормативных значений | ||||||
| z<1,81 | вероятность банкротства 1 год - 95%, 2 - 72%, 3 - 48%, 4-5 лет 30 % | |||||
| z=1,81-2,99 | предприятие надежно | |||||
| z>2/99 | выводы затруднены | |||||
| Система показателей Бивера | ||||||
| показатель | ||||||
| итог II раздела | 44 616 | 49 996 | ||||
| долгосрочные+краткосрочные обязательства | 47 220 | 47 702 | ||||
| итог актива (300) | 53 810 | 59 215 | ||||
| собственный капитал | 6 590 | 11 513 | ||||
| внеоборотные активы | 9 194 | 9 219 | ||||
| чистая прибыль | ||||||
| заемные средства | 47 220 | 47 702 | ||||
| выручка | 90 636 | 93 670 | ||||
| аммортизация | ||||||
| итог v раздела | 45 436 | 45 935 | ||||
| показатель | благоприятная ситуация | за 5 лет до банкротства | за год до банкротства | |||
| коэф. Бивера | 0,0196 | 0,0162 | 0.4-0.45 | 0.17 | -0,15 | |
| Рентабельность активов | 0,36% | 0,16% | 6-8% | -22 | ||
| показатель финансовый леверидж | 87,75% | 80,56% | <37 | <50 | <80 | |
| коэф. Покрытия активов чистыми оборотными средствами | - 0,0484 | 0,0387 | 0.4 | <0,3 | около 0.6 | |
| коэф. Текущей ликвидности | 0,9820 | 1,0884 | < 3,2 | <2 | <1 | |
| Модель Зайцевой | ||||||
| показатель | ||||||
| итог II раздела | 44 616 | 49 996 | ||||
| долгосрочные+краткосрочные обязательства 590+690 | 47 220 | 47 702 | ||||
| итог актива (300) | 53 810 | 59 215 | ||||
| собственный капитал III | 6 590 | 11 513 | ||||
| кредиторская задолженность 620 | 12 983 | 7 476 | ||||
| чистая прибыль | ||||||
| дебиторская задолженность 230+240 | 24 050 | 25 305 | ||||
| выручка 010 | 90 636 | 93 670 | ||||
| займы и кредиты 610 | 27 436 | 33 442 | ||||
| итог v раздела | 45 436 | |||||
| прочие краткосрочные обязательства | - | - | ||||
| краткосрочные фин. Вложения 250 | 2 596 | |||||
| денежные средства 260 | 2 555 | 3 322 | ||||
| показатель | норматив | |||||
| x1-коэф убыточности | -0,0001 | 0,0000 | ||||
| x2-коэф соотн дебит и кредит задолжн | 1,8525 | 3,3848 | ||||
| x3-коэф соотн кратк обяз и наиб ликв активов | 15,0843 | 6,9152 | ||||
| x4-коэф убыточности реализации продукции | -0,0022 | -0,0010 | ||||
| x5-коэф соотношения собств и заемного кап | 7,1653 | 4,1433 | 0,7 | |||
| x6- загрузки активов | 0,5937 | 0,6322 | ||||
| норма | ||||||
| 1,629368794 | 3,977454482 | 2,198824256 |
|
|
|
