Навігація
Головна
ПОСЛУГИ
Авторизація/Реєстрація
Реклама на сайті
 
Головна arrow Менеджмент arrow Діагностика в системі управління
< Попередня   ЗМІСТ   Наступна >

Методи і моделі оцінювання і прогнозування ймовірності банкрутства підприємства

Комплексні узагальнюючі показники аналізу фінансового стану, які застосовуються для окремих об'єктів діагностики, найбільшою мірою використовуються для оцінювання й прогнозування ймовірності банкрутства підприємств. Тому у науковій літературі зазвичай їх висвітлюють виключно як засади оцінювання банкрутства. Проте, зазначимо, що аналогічні підходи і методи аналізу застосовуються й для оцінювання інших характеристик підприємства: його економічної безпеки, інвестиційної привабливості, кредитоспроможності тощо.

H.А. Кизим із співавторами наводять таку класифікацію існуючих підходів і методів до оцінки та прогнозування ймовірності банкрутства підприємств:

  • 1. Експертні методи (метод Аргенті (A-рахунок), метод Скоуна, методика компанії EKNST & WEIINNEY, методика В.В. Ковальова).
  • 2. Економіко-математичні методи (дискримінантний аналіз, кластерний аналіз, деревця класифікації, імітаційне моделювання).
  • 3. Штучні інтелектуальні системи (експертні системи, нейронні мережі).
  • 4. Методи оцінки фінансового стану (приватні, комплексні, матричні, кількісні, якісні, кількісно-якісні, методика У. Бивера, методика Ж. Депаляна, матриця Ж. Франкштона та Н. Рома) [24].

Наприклад, метод оцінки ймовірності банкрутства А-рахунок був запропонований у 1979 р. професором Аргенті. Він представляє собою формалізацію вражень, відчуттів, різноманітних відомостей діяльності підприємства у вигляді експертних оцінок [24].

Метод Скоуна базується на евристичному якісному аналізі відповідей на такі запитання:

  • • компанії менше п'яти років?
  • • компанія працює у циклічній галузі?
  • • короткострокові зобов'язання більше оборотних активів? •співвідношення позичених та власних засобів більше 100%?
  • • за останні чотири роки виручка збільшилася більше, ніж на 50%? •резерви від'ємні та по абсолютному розміру перевищують вартість власного капіталу?
  • • компанія переїжджає або має намір переїхати?
  • • чи використовує компанія "творчий" бухгалтерській облік?
  • • чи не суттєво збільшилося співвідношення позикових та власних засобів за попередній рік?
  • • чи не змінила компанія за останній час банк, аудиторів, директорів?
  • • чи є голова ради директорів одночасно й виконавчим директором?
  • • чи не перевершує сума короткотермінових зобов'язань суми довгострокового капіталу?
  • • чи є облік та звітність підприємства надмірно деталізованими або нестандартними?

Алгоритм розробки стохастичних моделей імітаиійного моделювання ймовірності банкрутства, який запропоновано Л.О. Лігоненко, передбачає виконання таких кроків [29]:

  • 1. Формалізація моделі, за якою будуть проводитися статистичні дослідження: виявлення кількості елементів моделі (змінних показників), виявлення математичних залежностей між ними тощо.
  • 2. Визначення типу розподілу кожного показника моделі, перевірка достовірності гіпотези про тип розподілу.
  • 3. Встановлення параметрів типу розподілу, математичного очікування та середньоквадратичного відхилення.
  • 4. Визначення кількості ітерацій (статистичних комп'ютерних експериментів) або часу імітації.
  • 5. Отримання результатів імітаційного моделювання, їх змістовна інтерпретація (визначення ймовірності банкрутства, об'єму та частоти виникнення ситуації дефіциту засобів, її тривалості, можливості відновлення платоспроможності тощо).
  • 6. Проведення додаткових досліджень результатів імітаційного моделювання по двох напрямках: оцінка ймовірності банкрутства підприємства та оцінка ймовірності того, що у майбутньому періоді не виникне дефіцит засобів.

Застосування кластерного аналізу при прогнозуванні ймовірності банкрутства базується на визначені кластерів, які характеризують фінансову стійкість підприємства та схильність його до банкрутства. Кластерний аналіз дозволяє здійснити класифікацію об'єктів, в даному випадку підприємств, фінансово-економічний стан яких оцінюється, на основі представлення результатів аналізу аналітичних коефіцієнтів, точками відповідного геометричного простору, з наступним виділенням груп у вигляді "згустків" цих точок (кластерів, таксонів). До кластерного аналізу відносяться методи автоматичної класифікації, які засновані на визначені поняття відстані між об'єктами, та які не вимагають апріорної інформації про розподіл генеральної сукупності. Кластерний аналіз припускає виділення компактних, віддалених одна від одної груп об'єктів та здійснює "природність" розбивки сукупності на області скупчення об'єктів. При здійсненні прогнозування ймовірності банкрутства по кожному з підприємств, що розглядаються, виділяють деяку кількість показників, які характеризують його фінансово-економічне положення. Причому, до аналізу можуть бути включені дані за відповідним показником за ряд років, що дозволяє оцінити схильність підприємства до банкрутства з врахуванням факторів часу. Ключовим моментом кластерного аналізу є вибір відстані між об'єктами, адже від цього залежить кінцевий варіант розбивки об'єктів на класи. Відбір відстані визначається структурою ознакового простору. З більшості алгоритмів кластерізації при прогнозуванні ймовірності банкрутства підприємства найбільш уживаними є алгоритми еталонного типу (див. пункт 10.5 даної теми). В процедурах еталонного типу на безліч об'єктів задається декілька вихідних зон (первісних класів), в якості яких можуть задаватися, наприклад, зона підприємств, ймовірність банкрутства яких у найближчий час велика; зона підприємств, які схильні до банкрутства; зона фінансово нестійких підприємств; зона стабільних підприємств. Еталони можуть представляти собою як первісну розбивку на класи, так і центр тяжіння класу або області, в якій на основі попередніх досліджень передбачалася модальність [24].

Нейронні сітки представляють собою нову і досить перспективну обчислювальну технологію, яка дає нові підходи до дослідження динамічних завдань у фінансовій галузі. Спочатку нейронні сітки відкрили нові можливості у галузі розпізнавання образів, потім до цього додалися статистичні та засновані на методах "штучного" інтелекту засоби підтримки прийняття рішення та рішення завдань у сфері фінансів, в тому числі для діагностики банкрутства підприємства. Штучна нейронна сітка призначена для того, щоб на основі аналізу великого об'єму інформації, яка відображає функціонування підприємства (фінансово стійких та збанкрутілих) виявити загальні закономірності, які надалі можуть використовуватися для розпізнавання нових, схильних до ймовірного банкрутства, компаній.

Матричні моделі більш широко уживані при оцінюванні інвестиційної привабливості підприємств, і менш – для оцінювання ймовірності банкрутства, їх застосування здійснюється у три етапи. На першому етапі обчислюються значення показників стану та діяльності підприємства. На другому – оцінюється рівень кожного розрахованого показника (наприклад: високий, достатній, середній, низький). На третьому етапі відбувається групування результатів оцінок у матрицю. Форма матриці та кількість позицій оцінок фінансового стану підприємства можуть змінюватися залежно від методики аналізу. При застосуванні матричного принципу оцінок підприємства з найкращими об'єктивними й суб'єктивними характеристиками посідають вищі позиції у матриці. Матричні моделі є одним із різновидів рейтингових оцінок, адже застосовуючи даний підхід до групи підприємств можна ранжувати їх у рейтинг. Матричні моделі прості й зрозумілі. Водночас їм притаманні недоліки, які ускладнюють їх практичне застосування й роблять незручними. Так, при матричному підході ускладнена диференціація показників за їх рівнем, а також оцінка підприємств, які потрапили у "одну клітинку матриці".

Проте, найбільшого розповсюдження набули моделі оцінювання ймовірності банкрутства підприємства, засновані на дискримінантних функціях.

 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >
 
Дисципліни
Агропромисловість
Банківська справа
БЖД
Бухоблік та Аудит
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Менеджмент
Нерухомість
Педагогіка
Політологія
Політекономія
Право
Природознавство
Психологія
Релігієзнавство
Риторика
РПС
Соціологія
Статистика
Страхова справа
Техніка
Товарознавство
Туризм
Філософія
Фінанси
Інші