Миклашевич Н.А.

Научный руководитель: Ващенко Л.А.

Донецкий национальный университет экономики и торговли

имени Михаила Туган-Барановского

Прогнозирование вероятности банкротства:

основные методики и проблемы

На нынешнем этапе развития экономики выявление неблагоприятных тенденций развития предприятия, предсказание банкротства приобретают первостепенное значение.

Количество обанкротившихся предприятий в Украине постоянно возрастает. По данным государственного комитета статистики Украины, в каждом украинском регионе в стадии банкротства находится от 400 до 600 предприятий.

Как показывает зарубежный опыт, банкротство можно спрогнозировать за 1,5—2 года до появления его очевидных признаков. Вполне возможным является определение начальных признаков банкротства через прогнозирование «цены предприятия» на ближайшую и долгосрочную перспективу.

Причины банкротства предприятий могут быть самыми разнообразными. В целом их можно разделить на две группы:

1) внешние, которые практически очень трудно (иногда невозможно) учесть;

2) внутренние, непосредственно зависящие от форм, методов и организации работы на самом предприятии. Результатом одновременного влияния всех факторов является наступившее банкротство субъекта хозяйствования.

Вместе с тем, методик, позволяющих с достаточной степенью достоверности прогнозировать неблагоприятный исход, практически нет. Более того, нет единого источника, который бы описывал большинство известных методик.

Цель данной статьи – дать краткий обзор основных методик прогнозирования банкротства.

Диагностика банкротства предприятий состоит из двух частей:

- экспресс-диагностика, позволяет оперативно выявлять признаки кризисного явления на предприятии.

Основным показателем экспресс-диагностики является коэффициент Бивера. Показатель представляет собой долю чистой прибыли за вычетом амортизации в заемном капитале и характеризует степень покрытия обязательств.

На самом деле модель Бивера не предусматривает под собой получение каких-либо определённых показателей, а коэффициенты сравниваются с четырьмя нормативными показателями. Бивер задумал этот коэффициент для изменения взгляда на расчет рентабельности заёмных средств. Его коэффициент неуниверсален тем, что будет, применим только при линейном расчете амортизации.

- фундаментальная оценка риска банкротства предприятия.

Статистические методы диагностики банкротства. В их основе лежит анализ вероятности наступления банкротства. Наиболее известные моделями являются: коэффициент Альтмана, коэффициент Таффлера, коэффициент Лиса и другие.

Коэффициент Альтмана. Данная модель, известная также как Z - счет или индекс кредитоспособности, является, пожалуй, наиболее распространенной в мировой аналитической практике. Несмотря на многочисленные критические выступления (устаревшие данные - статистика до 1968, малая нерепрезентативная выборка - 66 фирм), данный показатель стал практически стандартом при оценке вероятности банкротства предприятия. В группу показателей Альтмана входит несколько моделей. Наиболее известна из них пятифакторная модель 1968 года. Наибольшую предсказательную силу по данным современной финансовой статистики показывает ZETAtm модель, однако ее параметры защищены патентом и не разглашаются[2].

Модель Лиса. В этой модели факторы-признаки учитывают такие результаты деятельности, как ликвидность, рентабельность и финансовая независимость организации. Предельное значение данной модели 0,037. Следует отметить, что при анализе предприятий модель Лиса показывает несколько завышенные оценки, так как значительное влияние на итоговый показатель оказывает прибыль от продаж, без учета финансовой деятельности и налогового режима.

Модель Таффлера. Данная модель разработана Таффлером в 1997 году и рекомендуется для анализа как модель, учитывающая современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей. Если величина Z-счета Таффлера больше 0,3 это говорит о том, что у фирмы неплохие долгосрочные перспективы, если меньше 0,2 то банкротство более чем вероятно.

Модель Фулмера. Модель была создана на основании обработки данных шестидесяти предприятий - 30 потерпевших крах и 30 нормально работавших - со средним годовым балансом в 455 тысяч американских долларов. Изначальный вариант модели содержал 40 коэффициентов, окончательный использует всего девять. При этом Х7 корректно определять в пересчете элементов актива в тысячи долларов США на дату составления анализируемого отчета. Если H < 0, крах неизбежен. Точность прогнозов, сделанных с помощью данной модели на год вперёд - 98 %, на два года - 81 %.

Также прогнозированием банкротство предприятий занимались ряд российских и украинских ученых. Среди них можно выделить: О.П. Зайцева, А.О. Недосекин.

Методика О.П. Зайцевой. Новые методики диагностики возможного банкротства, предназначенные для отечественных предприятий, были разработаны в Иркутской государственной экономической академии О.П. Зайцевой. Однако и в этом случае не удалось искоренить все проблемы прогнозирования банкротства предприятий. В частности, определение весовых коэффициентов в модели О.П. Зайцевой является не совсем обоснованным, так как весовые коэффициенты в этой модели были определены без учета поправки на относительную величину значений отдельных коэффициентов. Так, нормативное значение показателя соотношения срочных обязательств и наиболее ликвидных активов равно семи, а нормативные значения коэффициента убыточности предприятия и коэффициента убыточности реализации продукции равны нулю. В связи с этим даже небольшие изменения первого из вышеназванных показателей приводят к колебаниям итогового значения, в десятки раз более сильным, чем изменение вышеназванных коэффициентов, хотя по замыслу автора этой модели они, наоборот, должны были иметь большее весовое значение по сравнению с соотношением срочных обязательств и наиболее ликвидных активов[1].

Альтернативным методом прогнозирования банкротства является субъективный анализ, предполагающий экспертную оценку риска предприятия на основе разработанных стандартов. Это так называемый метод балльной оценки или метод А-счета (показатель Аргенти). Недостатком данного метода является субъективность оценки. К достоинствам этой методики можно отнести системность, комплексный подход к пониманию финансового состояния предприятия. Трудности в использовании этих рекомендаций заключаются в многокритериальности используемых параметров, субъективности принимаемых решений, необходимости составления экономического баланса помимо бухгалтерской отчетности[3].

Методика А.О. Недосекина. Решение проблемы методического обеспечения прогнозирования банкротства предлагает А.О. Недосекин. Данный подход гораздо более трудоемок по сравнению с прочими методами прогнозирования банкротства предприятий, т.к. учитывает очень много показателей: отраслевую дифференциацию; включает в себя комплексный анализ сразу нескольких независимых показателей финансового состояния предприятия; сглаживает временной, а, следовательно, и инфляционный фактор при оценке параметров, по которым проводится исследование[4].

Далеко не все существующие ныне методики прогнозирования возможного банкротства предприятия заслуживают доверия исследователя. Не все из них составлены корректно, не все могут применяться в наших условиях, не все дают адекватные результаты. Одно и то же предприятие одновременно может быть признано безнадежным банкротом, устойчиво развивающимся хозяйствующим субъектом и предприятием, находящимся в предкризисном состоянии, - все определяет выбранная методика прогнозирования возможного банкротства.

Список использованной литературы

1. О.П. Зайцева. Антикризисное управление: от банкротства – к финансовому оздоровлению / Под ред. Г.П. Иванова. – М.: Закон и право, ЮНИТИ, 2005. - 36с.

2. Ковалев А.И., Привалов В.П. Безубыточность, кредитоспособность, банкротство // Бизнес, прибыль, право. – 2000. - № 6. – 12с.

3. Челышев А.Н. Разработка инструментальных методов прогнозирования банкротства предприятий: Дис. ... канд. экон. наук. – М., 2006. – 116 c.

4. А.О. Недосекин., Пареная В.А., Долгалев И.А. Экспресс-оценка вероятности банкротства предприятия // Аудит и финансовый анализ. – 2002. – №2. – 41с.