Оценка вероятности банкротства сельскохозяйственных организаций на основе многофакторных моделей
Автор: Герасименко О.А., Эгнатосян К.С., Добровольская Д.С.
Журнал: Экономика и бизнес: теория и практика @economyandbusiness
Статья в выпуске: 3-2 (61), 2020 года.
Бесплатный доступ
Данная статья посвящена актуальной проблеме современной экономики - определению вероятности банкротства организаций. Исследование проведено на основе данных сельскохозяйственных организаций Краснодарского края. Выявлено, что большинство многофакторных зарубежных моделей оценки вероятности банкротства имеют низкую предсказательную способность, поскольку они не учитывают специфику деятельности российских организаций и разработаны в совершенно других экономических системах. Наиболее приемлемой моделью для оценки вероятности банкротства отечественных организаций выступает модель С.А. Кучеренко. Отличительной особенностью созданной модели является ее разработка в российских условиях с учетом отраслевой принадлежности и уровня специализации организации, а также высокая предсказательная точность.
Банкротство, многофакторные модели, прогнозирование, сельскохозяйственные организации, платежеспособность, финансовая устойчивость, хозяйственная деятельность
Короткий адрес: https://sciup.org/170182552
IDR: 170182552 | DOI: 10.24411/2411-0450-2020-10208
Текст научной статьи Оценка вероятности банкротства сельскохозяйственных организаций на основе многофакторных моделей
На современном этапе развития экономики выявление неблагоприятных тенденций развития экономических субъектов и предсказание их банкротства приобретают первостепенное значение. При этом методики, при помощи которых с достаточной степенью достоверности можно прогнозировать банкротство организаций, практически отсутствуют.
Определение вероятности банкротства имеет большое значение как для оценки состояния организации (возможность своевременной нормализации финансовой ситуации, принятие мер для восстановления платежеспособности), так и при выборе контрагентов (оценка платежеспособности и надежности контрагента) [1].
В отечественной экономической теории существует множество определений банкротства. Одним из наиболее распространенных следует считать - прекращение хозяйственной деятельности по причине отсутствия возможности восстановить платежеспособность на основе порядка, установленного законодательством [2].
В российской нормативно-правовой литературе термины «несостоятельность» и «банкротство» равнозначны и признаются арбитражным судом как неспособность должника удовлетворить требования кредиторов в полном объеме по денежным и прочим обязательствам.
Многочисленные исследования в области банкротства как самостоятельной экономической категории, отражены в трудах как отечественных, так и зарубежных ученых (рис. 1).
Качественные индикаторы прогнозирования вероятности несостоятельности организаций связаны непосредственно со специфическими характеристиками, присущими конкретному бизнесу, деградирующему от состояния устойчивости к банкротству [3].
Критериальный подход
Многокритериальный подход
Анализ финансового состояния
Критерии аудиторов Великобритании
Критерии В.В.Кавалева
Основные подходы к прогнозированию вероятности банкротства
Ограниченный круг критериев
Оценка структуры бухгалтерского баланса
Интегральный подход
Методика кредитного скоринга Д.Дюрана
Многофак-торые модели (Альтмана, Таффлера, Лиса, Савицкой и др.)
Критерии У.Бивера
Критерии сельскохозяйственных производителей
Рейтинговый анализ
Рис. 1. Основные подходы к прогнозированию вероятности банкротства организаций
В зарубежных странах для оценки вероятности риска банкротства организаций широко используются многофакторные модели известных западных экономистов, таких как Альтман, Лис, Таффлер и др.
Определим вероятность наступления банкротства на примере сельскохозяйственных организаций Кореновского района, используя вышеперечисленные модели (табл. 1).
Таблица 1. Оценка потенциальности банкротства на основе многофакторных моделей
Показатель |
2016 г. |
2017 г. |
2018 г. |
Рекомендуемое значение |
Отклонение (+,–) 2018 г. от |
||
2016 г. |
2017 г. |
Норматива |
|||||
ОАО «МОК «Братковский» |
|||||||
Коэффициент Альтмана |
2,129 |
1,836 |
0,822 |
> 1,230 |
-1,304 |
-1,014 |
-0,408 |
Коэффициент Лиса |
0,055 |
0,032 |
0,029 |
> 0,037 |
-0,026 |
-0,006 |
-0,008 |
Коэффициент Таффлера |
1,174 |
0,323 |
0,333 |
> 0,300 |
-0,841 |
0,010 |
0,033 |
ФГУП «Кореновское» |
|||||||
Коэффициент Альтмана |
13,957 |
16,755 |
16,077 |
> 1,230 |
2,120 |
-0,678 |
14,847 |
Коэффициент Лиса |
0,129 |
0,131 |
0,127 |
> 0,037 |
-0,002 |
-0,005 |
0,090 |
Коэффициент Таффлера |
5,735 |
5,506 |
4,561 |
> 0,300 |
-1,174 |
-0,945 |
4,261 |
ООО «Золотой Колос» |
|||||||
Коэффициент Альтмана |
1,315 |
1,257 |
1,161 |
> 1,230 |
-0,154 |
-0,096 |
-0,069 |
Коэффициент Лиса |
0,074 |
0,075 |
0,067 |
>0,037 |
-0,007 |
-0,009 |
0,030 |
Коэффициент Таффлера |
0,530 |
0,408 |
0,391 |
> 0,300 |
-0,139 |
-0,017 |
0,091 |
Оценка потенциальности банкротства организаций Кореновского района на основе мультипликативного дискриминантного анализа свидетельствует о малой вероятности банкротства организаций в 2016 г. – значения рассчитанных показате- лей намного выше рекомендуемых (табл. 2). Однако, в ОАО «МОК «Братков-ский» наблюдается значительное сокращение коэффициентов, что говорит о возможности ухудшения финансового состояния в дальнейшем.
Таблица 2. Результаты оценки вероятности банкротства сельскохозяйственных организаций по многофакторным моделям
Коэффициент: |
2016 г. |
2017 г. |
2018 г. |
ОАО «МОК «Братковский» |
|||
– Альтмана |
низкая |
низкая |
Высокая |
– Лиса |
низкая |
высокая |
Высокая |
– Таффлера |
низкая |
низкая |
Низкая |
ФГУП «Кореновское» |
|||
– Альтмана |
низкая |
низкая |
Низкая |
– Лиса |
низкая |
низкая |
Низкая |
– Таффлера |
низкая |
низкая |
Низкая |
ООО «Золотой Колос» |
|||
– Альтмана |
низкая |
низкая |
Высокая |
– Лиса |
Низкая |
низкая |
Низкая |
– Таффлера |
Низкая |
низкая |
Низкая |
Таким образом, ФГУП «Кореновское» в 2016-2018 г. является финансово устойчивой организаций с низкой вероятностью банкротства. ООО «Золотой Колос» имеет высокую вероятность банкротства только в 2018 г., как показывает коэффициент Лиса.
Самое худшее положение из трех изучаемых организаций занимает ОАО «МОК «Братковский», высокую вероятность банкротства которого в 2016 г. подтверждает коэффициент Лиса, а в 2017 г. – коэффициент Альтмана и Лиса.
В целом, наиболее верно характеризуют вероятность банкротства модели Альтмана и Лиса, модель Таффлера имеет более низкую предсказательную способность [4].
Тестирование предсказательной способности зарубежных моделей оценки вероятности банкротства организаций, проведенное учеными Кубанского государственного аграрного университета на базе сельскохозяйственных организаций, показало низкую предсказательную способность этих моделей. Особенностью данных моделей является отражение статистических закономерностей экономических систем, в которых они были созданы.
Соответственно, применение таких моделей, в условиях экономики сельскохозяйственной отрасли нашей страны, может давать неоднозначные результаты, зачастую не отражающие отечественную действительность.
Попытка создания принципиально новой, конкурентоспособной модели была предпринята в 2006 г. преподавателем Кубанского государственно аграрного университета С.А. Кучеренко [5]. Ученым была разработана следующая модель диагностики финансового состояния крупных и средних сельскохозяйственных организаций Краснодарского края:
Zофс = 1,732Х1 + 12,488Х2 +
50,121Х3+ 55,515Х4 + 32,148Х5, (1)
где Х1 – коэффициент текущей ликвидности;
Х2 – промежуточный коэффициент покрытия;
Х3 – удельный вес кредиторской задолженности в пассивах организации;
Х4 – коэффициент финансовой независимости;
Х5 – коэффициент рентабельности продаж (табл. 3).
Таблица 3. Определение типа финансового состояния сельскохозяйственной организа- ции по пятифакторной модели С.А. Кучеренко
Значение Z |
Группа финансовой устойчивости |
Финансовое состояние сельскохозяйственной организации |
Более 116,6 |
1 |
Значительный запас финансовой устойчивости |
Более 57,5 |
2 |
Хорошее финансовое состояние |
Более 38,7, но менее 57,5 |
3 |
Удовлетворительное финансовое состояние |
В интервале 21,2–38,7 |
4 |
Предкризисное финансовое состояние |
Менее 21,2 |
5 |
Экономически несостоятельная организация |
Преимуществом данной модели является ее разработка в отечественных условиях, что позволило достичь прогнозной способности на 12,5% выше зарубежного аналога. Результаты анализа дают основание судить о высокой степени достоверности прогноза с помощью предложенной модели. При этом модель в 100% случаев способна отличить организацию с запасом финансовой устойчивости и платежеспособности, в 98,1% случаев – организацию со средним уровнем финансового состояния. Снижение общего уровня достоверности модели за трехлетний период составляет не более 3,8%, что позволяет считать ее приемлемой для оценки финансового состояния крупных и средних сельскохозяйственных организаций в перспективе.
Проведем оценку вероятности банкротства исследуемых организаций за 2016-
2018 гг. с помощью модели С.А. Кучеренко (табл. 4).
Для большей наглядности обобщим результаты проведенных оценок потенциальности банкротства ОАО «МОК «Брат-ковский», ФГУП «Кореновское» и ООО «Золотой Колос» по 4-м моделям (табл. 5).
Таким образом, рассчитанные показатели свидетельствуют об ухудшении финансового состояния ОАО «МОК «Братков-ский» – в 2016 г. организация относилась ко 2 группе с хорошей финансовой устойчивостью, в 2017–2018 гг. – к 3 группе с удовлетворительным финансовым состоянием. ФГУП «Кореновское» остается финансово устойчивой организацией с низкой вероятностью банкротства на протяжении 2016–2018 гг.
Таблица 4. Оценка потенциальности банкротства сельскохозяйственных организаций Кореновского района по модели С.А. Кучеренко
Период |
Коэффициент текущей ликвидности |
Промежуточный коэффициент покрытия |
Удельный вес кредиторской задолженности в пассивах организации |
Коэффи-циент финансовой независимости |
Коэффи-циент рентабельности продаж |
Zофс |
Группа |
ОАО «МОК «Братковский» |
|||||||
2016 г. |
3,618 |
0,721 |
0,046 |
0,643 |
0,331 |
63,9 |
2 |
2017 г. |
2,131 |
0,214 |
0,081 |
0,474 |
0,118 |
40,5 |
3 |
2018 г. |
1,753 |
0,34 |
0,129 |
0,457 |
0,127 |
43,2 |
3 |
ФГУП «Кореновское» |
|||||||
2016 г. |
17,995 |
1,451 |
0,243 |
0,964 |
0,031 |
116,0 |
2 |
2017 г. |
19,122 |
1,183 |
0,176 |
0,971 |
0,029 |
111,6 |
2 |
2018 г. |
18,910 |
1,395 |
0,128 |
0,970 |
0,030 |
111,4 |
2 |
ООО «Золотой Колос» |
|||||||
2016 г. |
0,947 |
0,348 |
0,093 |
0,274 |
0,303 |
35,6 |
4 |
2017 г. |
1,100 |
0,264 |
0,065 |
0,402 |
0,323 |
41,2 |
3 |
2018 г. |
0,902 |
0,043 |
0,033 |
0,344 |
0,223 |
30,0 |
4 |
Таблица 5. Обобщение результатов оценки вероятности банкротства организаций
Модель |
Сельскохозяйственная организация |
||
ОАО «МОК «Братковский» |
ФГУП «Кореновское» |
ООО «Золотой Колос» |
|
2016 г. |
|||
Альтмана |
Низкая |
Низкая |
низкая |
Лиса |
Низкая |
Низкая |
низкая |
Таффлер |
Низкая |
Низкая |
низкая |
Кучеренко |
Низкая |
Низкая |
высокая |
2017 г. |
|||
Альтмана |
Низкая |
Низкая |
низкая |
Лиса |
Высокая |
Низкая |
низкая |
Таффлер |
Низкая |
Низкая |
низкая |
Кучеренко |
Средняя |
Низкая |
средняя |
2018 г. |
|||
Альтмана |
Высокая |
Низкая |
высокая |
Лиса |
Высокая |
Низкая |
низкая |
Таффлер |
Низкая |
Низкая |
низкая |
Кучеренко |
Средняя |
Низкая |
высокая |
В ООО «Золотой Колос» наблюдается неоднозначная ситуация. В 2016 г. значение Z свидетельствовало о предкризисном финансовом положении данной организации. В 2016 г. состояние улучшилось и стало удовлетворительным. В 2018 г. значение Z значительно сократилось по сравнению с 2016 и 2017 г. – организация снова находится в предкризисном финансовом состоянии, но более близка к несостоятельности, чем в 2016 г.
Следовательно, из четырех примененных моделей наибольшей точностью оценки обладает модель Кучеренко С.А., поскольку она разрабатывалась по данным сельскохозяйственных организаций Краснодарского края. Наименьшую предсказа- тельную способность имеет модель Лиса, так как модель не учитывает специфику отрасли и была создана за рубежом в экономических условиях, отличных от условий российской экономики.
Таким образом, существующее многообразие методик и моделей оценки финансового состояния организаций на практике порождает проблему выбора аналитиками наиболее приемлемой методики для проведения достоверного анализа в условиях сельскохозяйственного производства. Это предопределяет необходимость проведения исследований в части приемлемости современных методик для оценки финансового состояния хозяйствующих субъектов в текущих экономических условиях.
Список литературы Оценка вероятности банкротства сельскохозяйственных организаций на основе многофакторных моделей
- Анализ хозяйственной деятельности предприятий АПК: учебник / Г.В. Савицкая. - 8-е изд., испр. - М.: ИНФРА-М, 2019. - 519 с.
- Герасименко О.А. Влияние ликвидности на структуру капитала сельскохозяйственных организаций / О.А. Герасименко, М.А. Кургинян // Агропродовольственная экономика. - 2018. - №4. - С. 36-41.
- Анализ эффективности и рисков предпринимательской деятельности: методологические аспекты: монография. - 2-е изд., перераб. и доп. - М.: ИНФРА-М, 2019. - 291 с.
- Антикризисное управление: учеб. пособие / В.И. Орехов, К.В. Балдин, Т.Р. Орехова. - 2-е изд., испр. - М.: ИНФРА-М, 2018. - 268 с.
- Кучеренко С.А. Применение моделей прогнозирования финансового состояния предприятий АПК // Труды Кубанского государственного аграрного университета. - 2007. - №3 (7).- С. 18-21.