Прогнозирование банкротства

Полученная в результате финансового анализа система показателей позволяет выявить слабые места в экономике предприятия, охарактеризовать состояние дел этого предприятия (его ликвидность, финансовую устойчивость, эффективность используемых ресурсов, отдачу активов и рыночную активность). Причем одни показатели могут находиться в критической зоне, а другие быть вполне удовлетворительными. Однако на основе такого анализа сделать однозначный вывод о том, что данное предприятие обязательно обанкротится в ближайшее время или, наоборот, выживет, обычно очень трудно. Выводы о вероятности банкротства можно делать только на основе сопоставления показателей данного предприятия и аналогичных предприятий, обанкротившихся или избежавших банкротства. Однако в Казахстане подыскать в каждом случае подходящий аналог для сравнения весьма затруднительно, или такого аналога может и не быть вообще. Надежность выводов о банкротстве может быть существенно повышена, если дополнить финансовый анализ прогнозированием вероятности банкротства предприятия с использованием методов многофакторного статистического анализа.

Одним из таких методов является метод дискриминантного анализа, с помощью которого решаются задачи классификации, то есть разбиения некоторой совокупности анализируемых объектов на классы путем построения так называемой классифицирующей функции в виде корреляционной модели.

Процесс построения модели прогнозирования вероятности банкротства предприятия с использованием метода дискриминантного анализа включает в себя следующие этапы:

1. Формирование выборки предприятий аналогичного типа, содержащей как обанкротившиеся предприятия, так и избежавшие банкротства.

2. Определение состава показателей, характеризующих финансовое состояние предприятия.

3. Разбиение сформированной совокупности предприятий на две группы: предприятия-банкроты и предприятия, преодолевшие кризис и выжившие, и их описание с помощью выбранной системы финансовых показателей.

4. Формализованное представление исходных данных в виде некоторых формальных конструкций.

5. Построение дискриминантной (разделяющей, классифицирующей) функции и ее идентификация.

6. Определение статистических оценок параметров распределения дискриминантной функции.

Постановка и решение задачи прогнозирования банкротства предприятия были предложены американским экономистом Э. Альтманом в 1968 году.

Исходную выборку для построения модели прогнозирования вероятности банкротства составили данные о финансовом состоянии 19 предприятий, одна часть из которых обанкротилась, а другая смогла выжить.

Факт банкротства определялся двумя показателями:

1. Коэффициентом покрытия - К_п, равным отношению текущих активов к краткосрочным обязательствам, то есть это коэффициент текущей ликвидности.

2. Коэффициентом финансовой зависимости - К_фз, равным отношению заемных средств к общей стоимости активов.

Первый показатель характеризует ликвидность, второй - финансовую устойчивость. Очевидно, что при прочих равных условиях вероятность банкротства тем меньше, чем больше коэффициент покрытие и меньше коэффициент финансовой зависимости. И наоборот, предприятие с большей вероятностью станет банкротом при низком коэффициенте покрытия и высоком коэффициенте финансовой зависимости.

В результате обработки статистических данных была получена следующая корреляционная зависимость:

Z = -0,3877 -1,0736К_П + 0,0579К_фз

При Z=0 имеем уравнение дискриминантной границы. Для предприятий, у которых Z=0, вероятность обанкротиться равна 50%. Если Z<0, то вероятность банкротства меньше 50% и далее снижается по мере уменьшения Z. Если Z>0, то вероятность банкротства больше 50% и возрастает с увеличением Z.

Прогнозирование банкротства с помощью двухфакторной модели, включающей коэффициенты покрытия и финансовой зависимости, не обеспечивает высокой точности. Это объясняется тем, что данная модель не учитывает влияния на финансовое положение предприятия других важных показателей, характеризующих, например, эффективность использования ресурсов, отдачу активов, деловую и рыночную активность предприятия. Дискриминантная граница между банкротами и небанкротами в общем случае имеет более сложный вид, например, представляет собой размытую область, а не прямую. Ошибка прогноза с помощью двухфакторной модели оценивается интервалом D Z=± 0,65. Чем больше факторов будет учтено в модели, тем, естественно, точнее рассчитанный с ее помощью прогноз.

В западной практике для предсказания банкротства широко используются многофакторные модели Э. Альтмана. В 1968 году была опубликована его пятифакторная модель прогнозирования банкротства. Э. Альтман исследовал финансовое состояние 33 обанкротившихся предприятий, показатели которых сравнивались с аналогичными по размеру предприятиями в данной отрасли, которым удалось сохранить платежеспособность. Сопоставлялись пять показателей, которые характеризовали разные стороны финансового положения предприятия. В результате была получена следующая модель:

Z = 1,5К_об + 1,4К_нп + 3,ЗК_р + 0,6К_П + 1,0К_от

где К_об - доля чистого оборотного капитала в активах, то есть отношение

собственного оборотного капитала (разница между текущими активами и текущими пассивами) к общей сумме активов,

К_нп - рентабельность активов, исчисленная по нераспределенной

прибыли, то есть отношение нераспределенной прибыли (чистая прибыль за вычетом дивидендов) прошлых лет и отчетного периода к общей сумме активов,

К _р - рентабельность активов, исчисленная по балансовой прибыли, то

есть отношение балансовой прибыли (до вычета налогов) к общей сумме активов,

К_п - коэффициент покрытия по рыночной стоимости собственного

капитала, то есть отношение рыночной стоимости акционерного капитала (суммарная рыночная стоимость акций предприятия) к заемному капиталу (стоимость долгосрочных и краткосрочных заемных средств),

К_от – отдача всех активов, то есть отношение выручки от реализации к общей сумме активов.

В данную модель включены показатели ликвидности, финансовой устойчивости, рентабельности (эффективности использования ресурсов) и рыночной активности. В зависимости от значения Z прогнозируют вероятность банкротства:

Z < 1,81 - вероятность банкротства очень высокая,

1,81 < Z < 2,765 - вероятность банкротства средняя,

2,765 < Z < 2,99 - вероятность банкротства невелика,

Z >2,99 - вероятность банкротства ничтожна.

На основе пятифакторной модели Альтмана в России разработана и используется на практике компьютерная модель прогнозирования вероятности банкротства. В этой версии модели Альтмана второй показатель принят равным нулю. Это обосновывается тем, что деятельность предприятий как акционерных только начинается. Изменен и четвертый показатель, который рассчитывается как отношение объема активов к величине заемных средств, в связи с отсутствием в России информации о рыночной стоимости акций.

При применении модели Альтмана возможны два типа ошибок прогноза:

• прогнозируется сохранение платежеспособности предприятия, а в действительности происходит банкротство;

• прогнозируется банкротство, а предприятие сохраняет платежеспособность.

По мнению Альтмана, с помощью пятифакторной модели прогноз банкротства на горизонте в один год можно установить с точностью до 95%. При этом ошибка первого типа возможна в 6%, а ошибка второго типа - в 3% случаев. Спрогнозировать банкротство на горизонте в 2 года удается с точностью до 83%, при этом ошибка первого типа имеет место в 28%, а второго - в 6% случаев.

В 1977г. Альтман со своими коллегами разработал более точную семифакторную модель. Эта модель позволяет прогнозировать банкротство на горизонте 5 лет с точностью до 70%. В модели в качестве переменных используются: рентабельность активов, изменчивость (динамика) прибыли, коэффициент покрытия процентов по кредитам, кумулятивная прибыльность, коэффициент покрытия (текущей ликвидности), коэффициент автономии, совокупные активы.

При проведении финансового анализа и прогнозирования банкротства практически к любому оценочному показателю нужно подходить критически. Вместе с тем низкое значение показателя Z следует воспринимать как сигнал опасности. В этом случае необходим глубокий анализ причин, вызвавших снижение этого показателя.