Анализ риска банкротства предприятий первичного сектора экономики в России
Автор: Егоров Андрей Юрьевич
Журнал: Вестник Российского нового университета. Серия: Человек и общество @vestnik-rosnou-human-and-society
Рубрика: Экономические науки
Статья в выпуске: 2, 2019 года.
Бесплатный доступ
Посвящено анализу риска банкротства предприятий первичного сектора экономики в Российской Федерации. Проводится расчет модели логистической регрессии, которая позволяет предсказать банкротство предприятия в современных условиях развития государства. Делается вывод о возможности модели более точно прогнозировать риск банкротства путем учета специфики конкретных показателей.
Банкротство, риск банкротства, расчет, анализ, логистическая функция, регрессия, аналитическое выравнивание
Короткий адрес: https://sciup.org/148309217
IDR: 148309217 | DOI: 10.25586/RNU.V9276.19.02.P.003
Текст научной статьи Анализ риска банкротства предприятий первичного сектора экономики в России
Риск банкротства – это вероятность возникновения трудного финансового положения, которое приведет к несостоятельности Расчет этого риска есть способ предотвратить возникновение данного состояния для компании, а также выявить наиболее привлекательные проекты для инвестирования В практике современного анализа риска банкротства чаще всего применяется два основных метода: использование модели простой или логистической регрессии. Также в условиях быстрого развития цифровых технологий все чаще начинают применять
нейронные сети (искусственный интеллект), которые позволяют проводить полноценный анализ в режиме онлайн. Однако в России доля цифровой экономики составляет менее 5%, а расходы на обслуживание нейронных сетей высоки, из-за чего в анализе хозяйственной деятельности компании первые два метода являются основными [4].
Уравнение регрессии – это уравнение которое показывает влияние фактора x на явление у . Расчет уравнения регрессии проводится в случае нефункциональных связей, т.е. для одного y могут быть раз-
4 Выпуск 2/2019
ные x . При расчете модели анализа риска банкротства уравнение имеет вид
yx = a + bx ,
где у - вероятность банкротства (при 1 -компания банкрот, а при 0 – нет); а и b – параметры уравнения; х – фактор (или несколько факторов), влияющий на уровень риска банкротства компании.
Указанная модель проста в расчетах, однако имеет недостаток: y может принимать значения от –∞ до +∞, из-за чего нельзя точно определить вероятность возникновения события, а можно лишь зоны риска.
Логистическая же регрессия, или логит-регрессия, – это статистическая модель, которая используется для расчета риска с помощью подгонки данных к логистической кривой. Уравнение логит-ре-грессии получается путем преобразования простой регрессии и имеет следующую
Согласно теории систем наиболее эффективно систему описывают до 5–7 показателей. Можно выделить следующие наиболее значимые показатели хозяйственной деятельности предприятия:
Чистая ™6u».
x 1 = Рентабельность активов =-------------- . (3)
Валюта баланса 4 '
x 2 = Финансовая устойчивость = Капитал + Долгосрочные обязательства
Валюта баланса
;
x 3 = Доля оборотного капитала =
Оборотные активы - Краткосрочные обязательства (5) Валюта баланса
форму [3]:
P = т^ •
где Р – вероятность риска банкротства от 0 до 1; е - число Эйлера ( e ~ 2,718).
Существует много моделей, в том числе модель Э. Альтмана (которая является примером простой регрессии) и модель Дж. Ольсона (пример логистической регрессионной модели), но их проблема состоит в том, что они не учитывают современную специфику конкретной страны в определенной отрасли на современном этапе [1].
Для того чтобы более точно выявить вероятность возникновения банкротства выведем модель логистической регрессии на примере компаний первичного сектора экономики. Для чего выберем:
-
• 20 компаний, которые стали банкротами в 2018 г.;
-
• 20 компаний, которые не подавали заявление о признании себя банкротами и не стали ими по состоянию на 2018 г.
Эти показатели достаточно полно учитывают состояние хозяйственной деятельности предприятия, в том числе эффективность использования имущества, долю оборотного капитала и долю оборотных активов, сформированных за счет долгосрочных источников. С помощью этих трех обобщающих индикаторов можно анализировать и сравнивать любую компанию из любой отрасли вне зависимости от ее структуры и размера.
Первичный сектор экономики – это сектор экономики, который объединяет ряд отраслей, связанных с добычей полезных ископаемых, переработкой в полуфабрикаты, сельским хозяйством, рыболовством лесоводством и охотой. Данный сектор был первым в истории человечества и наиболее значимым вплоть до промышленной революции. В России сосредоточено множество природных ресурсов, из-за чего значительная доля экономики формируется за счет хозяйственной деятельности компаний первичного сектора, в особенности добычи углеводородного топлива.
Рассмотрим показатели хозяйственной деятельности компаний первичного сектора России, 20 из которых стали банкротами в 2018 г. (табл. 1) и 20 из которых продолжают свою деятельность по настоящее время (табл. 2).
Таблица 1
Основные показатели деятельности компаний первичного сектора экономики за 2017 г., которые стали банкротами в 2018 г. (сост. по: [2; 5])
|
№ п/п |
Название предприятия |
х 1 |
х 2 |
х 3 |
|
1 |
ООО «ТНП» |
0,000 |
0,384 |
–0,318 |
|
2 |
ООО «ДОНАГРОГАЗ» |
–0,034 |
0,007 |
–0,752 |
|
3 |
ЗАО «АФК» |
–0,001 |
–0,788 |
–1,733 |
|
4 |
ООО «ЗЕРНОВАЯ КОМПАНИЯ “НАСТЮША”» |
–0,030 |
–0,100 |
–0,283 |
|
5 |
ООО «КОЛХОЗ “КРАСНОЕ ЗНАМЯ”» |
–0,105 |
–0,497 |
–1,420 |
|
6 |
ООО «СЭЗ» |
–1,505 |
–16,574 |
–17,544 |
|
7 |
ООО «ЮГ» |
–0,289 |
–1,145 |
–1,145 |
|
8 |
АО «АГРОФИРМА “РОСА”» |
–0,636 |
0,163 |
–0,663 |
|
9 |
ООО «ФИРМА “НАСКО”» |
–0,093 |
–2,627 |
–2,627 |
|
10 |
ООО «РОСТ» |
–0,049 |
–3,049 |
–3,049 |
|
11 |
ООО «ДОН-АГРО» |
–0,154 |
0,116 |
–0,083 |
|
12 |
ООО «ПРОМСТРОЙМОНТАЖ-КОМПЛЕКТ» |
0,002 |
–0,163 |
–0,163 |
|
13 |
ООО «ВОЛТАРИ» |
–0,234 |
0,906 |
0,623 |
|
14 |
ООО «АГРОФИРМА “УНАРОКОВО”» |
–0,004 |
0,474 |
–0,498 |
|
15 |
ООО «АПХ “СЕРГИЕВСКОЕ”» |
0,009 |
–0,260 |
–0,260 |
|
16 |
ОАО «ОРЕНБУРГУГОЛЬ» |
–0,106 |
0,469 |
–0,107 |
|
17 |
ООО «МЕТАЛЛ-ГРУПП» |
–0,415 |
0,093 |
–0,820 |
|
18 |
ООО «АГРОФИРМА “МАРС”» |
0,001 |
0,443 |
–0,197 |
|
19 |
ОАО «КРАСНОКАМЕНСКИЙ РУДНИК» |
–1,052 |
0,435 |
–0,482 |
|
20 |
ЗАО «ЧЕК-СУ.ВК» |
–0,021 |
–0,726 |
–1,725 |
|
Среднее значение |
–0,236 |
–1,122 |
–1,662 |
Таблица 2
Основные показатели деятельности компаний первичного сектора экономики за 2017 г., которые не стали банкротами в 2018 г. (сост. по: [5])
|
№ п/п |
Название предприятия |
х 1 |
х 2 |
х 3 |
|
1 |
ООО «ИВА-ЛЕС» |
0,338 |
0,847 |
0,151 |
|
2 |
ООО «ЯГОДА» |
0,192 |
0,968 |
0,968 |
|
3 |
АО «АРКТИКГАЗ» |
0,319 |
0,636 |
0,641 |
|
4 |
ОАО «СЕВЕРНЕФТЕГАЗПРОМ» |
0,106 |
0,870 |
0,122 |
|
5 |
ООО «НПГ “САДЫ ПРИДОНЬЯ”» |
0,160 |
0,978 |
0,118 |
|
6 |
ООО «ЮЖНЫЕ ЗЕМЛИ» |
0,015 |
0,932 |
0,271 |
|
7 |
АО «ЗЕЙСКИЙ ЛПК» |
0,024 |
0,917 |
0,609 |
|
8 |
ОАО «Волжская Нефтяная Компания» |
0,026 |
0,815 |
0,142 |
|
9 |
ООО «ХАПК “ГРИН-АГРО”» |
0,079 |
0,867 |
0,208 |
|
10 |
ООО «РС, РАЗВИЛЬНОЕ» |
0,006 |
0,867 |
0,216 |
|
11 |
ЗАО «ПЕЧОРНЕФТЕГАЗПРОМ» |
0,385 |
0,374 |
–0,079 |
|
12 |
ООО «РЕСУРС» |
0,166 |
0,737 |
0,136 |
|
13 |
ЗАО «РУСГЕОСЕРВИС» |
0,002 |
1,000 |
0,997 |
|
14 |
ООО «БАЙКАЛРУД» |
0,195 |
0,873 |
0,074 |
|
15 |
ООО «ЗАБРЕСУРСЫ» |
0,019 |
0,957 |
0,577 |
|
16 |
АО «КЛПХ» |
0,122 |
0,755 |
0,168 |
|
17 |
АО «КАЙ» |
0,062 |
0,881 |
0,628 |
|
18 |
ООО «ЯРГЕО» |
0,436 |
0,791 |
–0,058 |
|
19 |
ООО «ГДК ЛЕНСК-ГАЗ» |
0,028 |
0,967 |
0,077 |
|
20 |
АО «БЕЛЫЙ РУЧЕЙ» |
0,146 |
0,903 |
0,286 |
|
Среднее значение |
0,141 |
0,847 |
0,313 |
6 Выпуск 2/2019
Как видим, компании, которые стали банкротами в 2018 г., имели очень низкие значения индикаторов в 2017 г. В частности, в среднем рентабельность активов составляла около –0,236, коэффициент финансовой устойчивости – около –1,122 а доля оборотного капитала в валюте баланса – около –1,662.
Компании, которые не стали банкротами в 2018 г., имели, соответственно, более высокие значения индикаторов в 2017 г
В частности, в среднем рентабельность активов составляла около 0,141, коэффициент финансовой устойчивости – около 0,847, а доля оборотного капитала в валюте баланса – около 0,313.
В целом по первичному сектору экономики в рамках выборки из 40 компаний средняя рентабельность активов составила –0,047, финансовая устойчивость – около –0,138, а оборотный капитал в валюте баланса – около –0,675 (табл. 3).
Таблица 3
Расчет модели простой регрессии
Рассчитаем регрессионную модель влияния этих индикаторов ( х1 , х2 и х3 ) на риск банкротства у . Расчет параметров а и b представлен следующими формулами:
b = ; (6)
x - (x)
a = y - b 1 x 1 - b 2 x 2 - b 3 x 3 . (7)
- ( - 0,506 )( - 0,675 ) = - 0,037. (11)
Таким образом, уравнение простой регрессии будет иметь вид
y, =- 0,037 - 2,651 x -
- 0,508 x 2 - 0,506 x 3 . (12)
Проведем расчет параметров для каждого фактора и выявим усредненную функцию:
b ( - 0,118 ) - 0,5 ( - 0,047 )
1 0,038 - ( - 0,047 ) 2
= - 2,651 ; (8)
J-W 1 ) - O.S ( -0,138 ) = - 0,508 ; (9)
0,988 - ( - 0,138 ) 2
b з =
( - 0,831 ) - 0,5 ( - 0,675 ) 1,430 — ( - 0,675 ) 2
=- 0,506 ; (10)
То есть рост рентабельности активов финансовой устойчивости и оборотного капитала в валюте баланса приводит к сокращению риска банкротства, и наоборот.
Далее проведем логистическое преоб-
разование простой регрессионной модели для того, чтобы можно было определить
риск банкротства от 0 до 1, где 1 – это компания-банкрот, а 0 – нет:
P =---
1 + e
;- ( - 0,037 - 2,651 X ] - 0,508 x 2 - 0,506 x 3 ) "
Рассчитаем значения логистической регрессии (табл. 4).
Егоров А.Ю. а н ализ риска банкротства предприятий первичного сектора... 7
Для компаний, которые стали банкротами в 2018 г., средний уровень риска банкротства составлял около 0,70, или 70% То есть если риск банкротства предприятия первичного сектора экономики в современной России будет около этого уровня или больше, то, скорее всего, данное предприятие обанкротится уже в следующем году. Однако для компаний первичного сектора экономики, которые не стали банкротами, уровень риска банкротства в среднем составляет около 0,27, или 27% Следовательно, если риск банкротства предприятия первичного сектора эконо-
мики в современной России будет около этого уровня или ниже, скорее всего, это предприятие не обанкротится в следующем году.
Проведем анализ модели логистической регрессии. Для этого необходимо рассчитать следующие показатели:
S = TPR = TP — 100%; (14)
e TP + FN
S„ =100 - FPR = 100--100% , (15)
p TN + FP где Se – чувствительность модели, т.е. способность обнаруживать положительные
Таблица 4
Расчет моделей регрессии для компаний первичного сектора экономики России
|
у |
у ( х ) |
e ( -^) |
Р |
у |
У ( х ) |
e ( -^) |
Р |
|
1 |
–0,07 |
1,07 |
0,48 |
0 |
–1,44 |
4,22 |
0,19 |
|
1 |
0,43 |
0,65 |
0,61 |
0 |
–1,53 |
4,61 |
0,18 |
|
1 |
1,24 |
0,29 |
0,78 |
0 |
–1,53 |
4,62 |
0,18 |
|
1 |
0,24 |
0,79 |
0,56 |
0 |
–0,82 |
2,28 |
0,31 |
|
1 |
1,21 |
0,30 |
0,77 |
0 |
–1,02 |
2,77 |
0,27 |
|
1 |
21,26 |
0,00 |
1,00 |
0 |
–0,69 |
1,99 |
0,33 |
|
1 |
1,89 |
0,15 |
0,87 |
0 |
–0,87 |
2,40 |
0,29 |
|
1 |
1,90 |
0,15 |
0,87 |
0 |
–0,59 |
1,80 |
0,36 |
|
1 |
2,88 |
0,06 |
0,95 |
0 |
–0,79 |
2,21 |
0,31 |
|
1 |
3,19 |
0,04 |
0,96 |
0 |
–0,60 |
1,83 |
0,35 |
|
1 |
0,35 |
0,70 |
0,59 |
0 |
–1,21 |
3,34 |
0,23 |
|
1 |
0,12 |
0,88 |
0,53 |
0 |
–0,92 |
2,51 |
0,28 |
|
1 |
–0,19 |
1,21 |
0,45 |
0 |
–1,05 |
2,87 |
0,26 |
|
1 |
–0,02 |
1,02 |
0,50 |
0 |
–1,03 |
2,81 |
0,26 |
|
1 |
0,20 |
0,82 |
0,55 |
0 |
–0,87 |
2,38 |
0,30 |
|
1 |
0,06 |
0,94 |
0,51 |
0 |
–0,83 |
2,29 |
0,30 |
|
1 |
1,43 |
0,24 |
0,81 |
0 |
–0,97 |
2,63 |
0,28 |
|
1 |
–0,17 |
1,18 |
0,46 |
0 |
–1,57 |
4,78 |
0,17 |
|
1 |
2,78 |
0,06 |
0,94 |
0 |
–0,64 |
1,90 |
0,34 |
|
1 |
1,26 |
0,28 |
0,78 |
0 |
–1,03 |
2,79 |
0,26 |
|
Среднее значение |
0,70 |
Среднее значение |
0,27 |
||||
8 Выпуск 2/2019
примеры; TPR – доля верно классифицированных положительных примеров; TP – число положительных примеров, которые были верно классифицированы; FN – число отрицательных примеров, которые были неверно классифицированы; Sp – специфичность модели, т.е. способность обнаруживать отрицательные примеры; FPR – доля неверно классифицированных положительных примеров; FP – число положительных примеров, которые были неверно классифицированы; TN – это число отрицательных примеров, которые были верно классифицированы.
S, = TPR = -26-100% = 100%; (14’) e 16 + 0
Sp =100 - FPR =
= 100--100% = 83,33%. (15)
20 + 4
Таким образом, можно сделать вывод что описанная модель с высокой степенью точности позволяет определять вероятность возникновения банкротства в прогнозном периоде на основе данных на конец отчетного периода. Эту модель можно применять в различных отраслях, но наиболее точный прогноз будет для предприятий первичного сектора, так как модель рассчитана на основе данных о 40 компаниях, занимающихся хозяйственной деятельностью в рамках указанного сектора.
Список литературы Анализ риска банкротства предприятий первичного сектора экономики в России
- Большакова О.Е., Максимов А.Г., Максимова Н.В. К вопросу о прогнозировании состоятельности и вероятности банкротства предприятий малого и среднего бизнеса // Финансовая аналитика: проблемы и решения. 2016. № 8 (290). С. 47-62.
- Единый федеральный реестр сведений о банкротстве. URL: https://bankrot.fedresurs.ru/?attempt=1 (дата обращения: 11.02.2019).
- Кобринская О.Г. Прогнозирование модели оценки риска финансовой несостоятельности // Экономика и управление. 2015. № 10 (120). С. 68-71.
- Степанова Ю.Н., Беланова Л.А. Диагностика рисков банкротства предпринимательской деятельности // Актуальные направления научных исследований XXI века: Теория и практика. 2018. № 1 (37). С. 90-97.
- Федеральная служба государственной статистики. URL: http://www.gks.ru/ (дата обращения: 11.02.2019).
