logo
анализ финансового состояния

12.6. Использование стохастического анализа

Полученная в результате финансового анализа система показателей позволяет выявить недостатки в финансово-хозяйственной деятельности организации, охарактеризовать финансовую устойчивость. При этом одни показатели могут находиться в критической зоне, а другие быть вполне удовлетворительными. Сделать однозначный вывод о том, что организация будет несостоятельной в ближайшее время или, наоборот, будет развиваться, на основе такого анализа весьма трудно. Выводы о вероятности несостоятельности (банкротстве) можно делать на основе сопоставления показателей данной и аналогичных организаций, обанкротившихся или избежавших банкротства. Однако в России найти в каждом случае подходящий аналог для сравнения весьма затруднительно, а часто и невозможно. Надежность выводов о возможности банкротства существенно повышается, если дополнить финансовый анализ прогнозированием вероятности банкротства организации с использованием методов многофакторного стохастического анализа.

Оценка финансового состояния организаций в странах с развитой рыночной экономикой имеет длительную историю развития. В странах Западной Европы и США накоплен большой опыт как в области законодательства по антикризисному регулированию, так и в практике оценки и прогнозирования вероятности банкротства организаций, что проиллюстрировано на рис.12.6.

Прогнозирование банкротства как самостоятельная проблема в анализе финансового состояния организаций возникла в капиталистических странах (и в первую очередь в США) после второй мировой воины. Сначала этот вопрос решался на эмпирическом, качественном уровне и приводил к существенным ошибкам. Первые серьезные попытки разработать эффективную методику прогнозирования банкротства относятся к 60-м годам XX века и связаны с развитием информационных технологий.

Известны два основных подхода к предсказанию банкротства, первый базируется на финансовых данных и включает оперирование количественными индикаторами. Это – многофакторные модели, учитывающие изменения в области финансового управления и экономики, на рынках капиталов и других факторов. В западной практике для оценки риска, банкротства и кредитоспособности организаций широко используются многофакторные модели известных экономистов Альтмана, Лиса, Тишоу, Таффлера1. Второй подход к прогнозированию банкротства исходит из статистики изменения показателей обанкротившихся компаний и сравнивает их с соответствующими данными исследуемых фирм.

Рис.12.6. Основные подходы к прогнозированию вероятности банкротства

Наибольшее распространение получили мо­дели прогнозирования банкротства профессора Нью-Йоркского университета Эдварда Альтмана. Одной из простейших моделей прогнозирования банкротства считается двухфакторная модель, которая основывается на двух ключевых показателях, от которых, по мнению Э. Альтмана, зависит вероятность банкротства: коэффициент покрытия (характеризует ликвидность) и коэффициент финансовой зависимости (характеризует финансовую устойчивость). Весовые значения коэффициентов выявляются эмпирическим путем. Для организаций США данная модель выглядит следующим образом:

ZА2 = - 0,3877 - 1,0736 К11 + 0,0579К2,

где К1 - общий коэффициент покрытия ( );

Для организаций, у которых ZА2= 0, вероятность банкротства равна 50%. Если ZА2 - отрицательная величина (меньше 0) - вероятность банкротства невелика (меньше 50%), если ZА2 имеет положительное значение (больше 0) - вероятность банкротства больше 50% и возрастает с ростом ZА2.

Достоинством данной модели является простота, возможность ее применения в условиях ограниченного объема информации. Однако данная модель не обеспечивает высокую точность, так как не учитывает влияние на финансовое состояние организации других важных показателей (рентабельности, отдачи активов, деловой активности организации).

По аналогии в Московском государственном университете печати на основе исследования статистических данных 50 полиграфических организаций была получена следующая двухфакторная модель:

ZП = 0,3872 + 0.2614 КТЛ, +1.0595Kа,

где КТЛ - коэффициент текущей ликвидности (общий коэффициент покрытия);

Kа - коэффициент автономии (kA =1-К2, где К2 по формуле ZА2).

В зависимости от значения ZП определяется вероятность банкротства:

В западной практике широко используется пятифакторная модель прогнозирования банкротства, предложенная Э. Альтманом в 1968 году на основе исследования финансовых коэффициентов с помощью аппарата дискриминантного анализа:

ZА5 = 1,2К1 + 1,4 К2 + 3,3 К3 + 0,6 К4 + 1,0 К5,

где К1 - собственный оборотный капитал / сумма активов;

К2 - нераспределенная (реинвестированная) прибыль / сумма активов;

К3 - прибыль до уплаты процентов / сумма активов;

К4 - рыночная стоимость собственного капитала / заемный капитал;

К5 - объем продаж (выручка) / сумма активов.

Если значение Z А5 < 1,81, то это признак высокой вероятности банкротства, тогда как значение Z А5 > 2,7 и более свидетельствует о малой его вероятности.

При построении модели Э.Альтман обследовал 66 предприятий, среди которых в период 1946-1965 г.г. половина обанкротилась, а половина работала успешно, и исследовал 22 аналитических коэффициента для прогнозирования возможного банкротства.

В 1977 году американскими экономистами во главе с Э. Альтманом была предложена семифакторная модель прогнозирования банкротства на горизонте в 5 лет с точностью до 70%. Данная модель включает следующие показатели: 1) рентабельность активов; 2) динамику прибыли, 3) коэффициент покрытия процентов по кредитам; 4) кумулятивную прибыльность; 5) коэффициент покрытия (ликвидности); 6) коэффициент автономии; 7) совокупные активы.

Достоинства этой модели - максимальная точность, однако, ее использование затруднено из-за недостатка информации, в первую очередь, аналитического учета.

Многофакторные модели Э. Альтмана явились основой для последующих исследований прогнозирования банкротства. Несмотря на относительную простоту использования этих моделей для оценки угрозы банкротства, необходимо отметить, что модели не позволяют получить объективный результат. В приложении 9 приведены расчеты для конкретной организации. Выводы относительно вероятности банкротства не совпадают при расчете по различным моделям1.

В 1972 году британский экономист Лис разработал следующую модель прогнозирования банкротства организаций для Великобритании:

ZЛ = 0,063 К1 + 0,692 К2 + 0,057 К3+ 0,601 К4,

где К1 - оборотный капитал / сумма активов;

К2 - прибыль от реализации /сумма активов;

К3 - нераспределенная прибыль / сумма активов;

К4 - собственный капитал / заемный капитал.

Здесь предельное значение равняется 0,037.

В 1997 году британский ученый Таффлер на основе анализа ключевых измерений деятельности корпорации (таких, как прибыль, оборотный капитал, финансовый риск и ликвидность) предложил четырехфакторную прогнозную модель платежеспособности, воспроизводящую наиболее точную картину финансового состояния:

ZТ = 0,53 К1 + 0,13 К2 + 0,18 К3 + 0,16 К4,

где К1 - прибыль от реализации/краткосрочные обязательства;

К2 - оборотные активы/ сумма обязательств;

К3 - краткосрочные обязательства / сумма активов;

К4 - выручка / сумма активов.

Если величина Z-счета больше 0,3, это говорит о том, что у корпорации неплохие долгосрочные перспективы, если меньше 0,2, то банкротство более чем вероятно.

В результате исследований финансового состояния 180 организаций за 1970 - 1975 годы французские ученые Дж. Конана и М. Гольдера получили следующую модель:

ZФ = -0,16 К1  0,22 К2 + 0,87 К3 + 0,10 К4 - 0,24 К5,

где К1 - дебиторская задолженность и денежные средства / объем активов;

К2 - постоянный капитал / объем активов;

К3 - финансовые расходы / объем продаж (после налогообложения);

К4 - расходы на персонал / добавленная стоимость (после налогообложения);

К5 - балансовая прибыль / привлеченный капитал.

В настоящее время в крупных банках Франции при оценке риска банкротства (кредитоспособности) клиентов используют экономико-математическую восьмифакторную модель, построенную с помощью линейного дискриминантного анализа:

ZБ = -1,225К1 + 2,003К2 - 0,824К3 + 5,221К4 -0,689К5 - 1,164К6 + 0,706К7 + 1,408К8 -0,85544,

где К1 - финансовые расходы / балансовая прибыль;

К2 - постоянный капитал / инвестированный капитал (первоначальная стоимость внеоборотных активов и хозяйственная потребность в оборотных средствах);

КЗ - долгосрочная кредиторская задолженность / чистые активы;

К4 - норма балансовой прибыли (балансовая прибыль / выручка);

К5 - продолжительность кредита поставщиков;

К6 - добавленная стоимость / объем оборотных средств;

К7 - продолжительность кредита клиентам (товарного кредита);

К8 - производственные инвестиции / общие инвестиции.

По рассчитанному значению ZБ определяется степень риска банкротства организации:

если ZБ меньше -0,25 - риск банкротства вы­сокий;

если ZБ находится в интервале от -0,25 до 0,125 - риск банкротства неопределенный;

если ZБ больше 0,125 - риск банкротства низкий.

Известный финансовый аналитик У. Бивер предложил систему показателей для оценки финансового состояния организации с целью диагностики банкротства и рекомендовал исследовать тренды показателей для диагностики банкротства (см. табл. 12.8).

В целом можно отметить, что использование численных значений зарубежных критериев для многофакторных моделей не имеет практической значимости для российских организаций, так как данные модели строятся на основе дискриминантного анализа по статистическим данным корпораций отдельных стран, имеющих свои особенности рыночной экономики.

Анализ риска банкротства организации возможен при выполнении следующих условий:

1. Основой анализа являются результаты наблюдений за возможно более долгий период времени деятельности организации;

2. Данные, используемые при анализе, должны достоверно отображать финансовое состояние организации;

3. Для анализа используются лишь те показатели, которые в наибольшей степени отражают возможность несостоятельности исследуемой организации;

4. Для проведения анализа необходимо располагать представительной статистикой банкротств, которая должна обладать статистической однородностью по следующим факторам:

- организационно-технический уровень организации,

- вид экономической деятельности,

- период времени за который анализ и т.п.

Таблица 12.8. Предполагаемые коэффициенты и их значения