ИЭАУ

Развитие механизма ранней диагностики финансовой несостоятельности предприятий

Петревич Е.А.

Финансовый Университет

при Правительстве РФ,

 кафедра «Экономика и

 антикризисное управление»

Развитие механизма ранней диагностики финансовой несостоятельности предприятий

Аннотация

В рамках превентивного антикризисного управления при мониторинге финансово-экономического состояния организации целесообразно использование современных эконометрических методов прогнозирования. В данной статье предпринята попытка использования подобных методов при разработке механизма ранней диагностики финансовой несостоятельности предприятий металлургической отрасли РФ. Предложенный механизм позволяет рассматривать финансовую несостоятельность предприятия как последствие его недостаточной финансовой устойчивости и прогнозирует ее для предприятий металлургии на основе динамики изменения класса финансовой платежеспособности, соотношения рабочего капитала и выручки от продаж, рентабельности активов и периода оборачиваемости кредиторской задолженности.

Ключевые слова

Прогнозирование несостоятельности (банкротства), финансовое состояние, финансовая устойчивость, мониторинг финансово-экономического состояния, антикризисное управление

Практика функционирования института банкротства в России имеет ликвидационную направленность, что подтверждается данными Высшего арбитражного суда Российской Федерации по рассмотренным делам о несостоятельности. Так, процент должников, прошедших процедуры финансового оздоровления, внешнего управления или мирового соглашения на протяжении 2005-2010 гг. составлял всего около 1% принятых к производству заявлений, в то время как процент предприятий, в отношении которых было открыто конкурсное производство, составлял от 44% до 64%. В результате правовой механизм, который в теории должен способствовать оздоровлению экономики, на практике создает дополнительные потери для экономических субъектов. Потери несут практически все стэйкхолдеры бизнеса, а помимо собственников, это рабочие предприятия, поставщики сырья и материалов, потребители готовой продукции, кредиторы, и, безусловно, государство. Например, расходы государства на социальные выплаты рабочим после банкротства предприятий в 2009 году составили около 4,4 млрд. руб.[1]Следовательно, как минимум 12%[2] от расходов государства на обеспечение занятости населения косвенно связаны с последствиями банкротства юридических лиц.

Наиболее приемлемо с точки зрения сокращения затрат общества и повышения его благосостояния своевременное предотвращение банкротства, в том числе посредством мер антикризисного управления. Антикризисное управление включает комплекс мероприятий, которые целесообразно проводить на предприятии в предвидении возможного кризиса, и его неотъемлемой частью является мониторинг финансово-экономического состояния организации и, в частности, ранняя диагностика банкротства (несостоятельности).

Диагностика и прогнозирование несостоятельности предприятий отчасти возможна в результате того, что предприятие - это социально-экономическая система[3], и процессы, затрагивающие разные аспекты его деятельности, могут быть смоделированы. Однако разработанные и используемые в настоящее время системы диагностики несостоятельности в большинстве своем основаны на моделях прогнозирования банкротства, которые в России, например, являются скорринговыми системами и опираются на экспертные и субъективные мнения аналитиков, а зарубежные модели, используя методы эконометрического анализа, включают статистические данные по предприятиям развитых стран. Кроме того, большинство методов прогнозирует непосредственно вероятность банкротства в его финансово-экономическом понимании, не связанном с юридическим фактом признания организации банкротом.

Таким образом, существует недостаток моделей прогнозирования несостоятельности предприятий, которые могли бы, основываясь на современных технических методах анализа, использоваться в рамках антикризисного управления в условиях российской экономики. Необходимые для разработки таких моделей финансово-теоретические подходы прогнозирования несостоятельности, статистические данные по российским предприятиям и специализированные эконометрические программные продукты в настоящее время широко представлены и могут быть использованы в рамках построения соответствующих механизмов диагностики.

При разработке механизма прогнозирования несостоятельности необходимо учитывать, что банкротство является в основном юридическим фактом (принятие судом заявления о признании должника банкротом)[4] и его достаточно тяжело спрогнозировать с экономической точки зрения. Более целесообразным является раннее выявление экономических признаков несостоятельности предприятия. Например, в рамках антикризисного управления целесообразней обращать внимание на ухудшение финансового состояния организации. Так, признаками кризисных явлений могут выступать такие финансовые сигналы как снижение показателей ликвидности, чистой прибыли или рост убытков, низкий уровень показателя собственных оборотных средств, превышение темпов роста заемного капитала над темпами роста выручки, рост просроченной дебиторской и кредиторской задолженности и многие другие.

Не вызывает сомнений то, что ухудшение некоторых показателей финансового состояния организации на протяжении нескольких отчетных периодов может выступать индикатором возможности ее несостоятельности в будущем. В число подобных показателей входит финансовая устойчивость предприятия, которая является важнейшим показателем, характеризующим вероятность банкротства и возможность разрушения бизнеса[5]. Для определения и прогнозирования финансовой устойчивости в рамках антикризисного управления и финансового анализа разработано большое количество подходов. Данная характеристика финансового состояния может быть определена на основе показателей таких категорий, как платежеспособность, ликвидность и деловая активность. Для разработки действующего механизма прогнозирования необходимо четко определить показатели каждой из категории.

Например, возможно рассматривать, помимо традиционных показателей при определении платежеспособности предприятия, степень покрытия используемого заемного капитала финансовыми активами предприятия[6], а именно, классы финансовой платежеспособности (см. Таблица 1.):

1 класс – суперустойчивость: СК > ДНА + ОНА + НФА

2 класс – достаточная устойчивость: СК> ДНА + ОНА

3 класс – напряженность: СК > ДНА

4 класс – зона риска: СК < ДНА

Таблица 1

Структура имущества предприятия в ситуации финансовой устойчивости

Тенденция в ухудшении класса финансовой платежеспособности предприятия за несколько отчетных периодов при разработке механизма будет рассматриваться как основной фактор снижения финансовой устойчивости и, как следствие, будущей финансовой несостоятельности. Показатели ликвидности и деловой активности в данном механизме будут рассматриваться как вспомогательные для определения класса финансовой платежеспособности. Основная причина такого подхода – использовать дискретную результирующую величину в модели и на основе ее изменения определять негативную динамику финансовой устойчивости предприятия[7].

Коэффициенты/соотношения, которые дополнительно могут использоваться при разработке механизма, должны характеризовать категории финансовой устойчивости предприятия и основываться на опыте их применения зарубежными и отечественными исследователями. Для определения платежеспособности предприятий, например, при разработке механизма дополнительно было проанализировано 14 традиционных коэффициентов/соотношений[8]. Некоторые коэффициенты, широко используемые зарубежными исследователями[9], не могут быть рассчитаны для большинства российских предприятий. Например, соотношение Рыночная стоимость акционерного капитала[10]/Итого Краткосрочные обязательства не рассчитывается для многих предприятий России, так как последние созданы в форме ООО или ЗАО и их акции не котируются на бирже. Соотношение Денежный поток[11]/Заемный капитал[12], часто используемое при определении платежеспособности предприятий в зарубежных моделях прогнозирования банкротства, также не может быть использовано при разработке механизма из-за ограниченного доступа к данным Формы №5 «Приложение к бухгалтерскому балансу» предприятий.

Для определения ликвидности и деловой активности дополнительно было проанализировано 11 и 18 коэффициентов/соотношений соответственно.

Большое количество потенциально пригодных для использования в модели коэффициентов требует выделения из них наиболее подходящих для прогнозирования финансовой устойчивости предприятий, например, определенной отрасли. Так, высокая волатильность показателей деловой активности для производственных предприятий будет оказывать меньшее влияние на их финансовое состояние по сравнению с предприятиями сферы услуг, у которых большая часть текущих активов и пассивов. Для учета специфики деятельности предприятий различных отраслей возможно использование эконометрических моделей при разработке механизма.

Выделяют следующие основные виды эконометрических моделей, применяемых в рамках прогнозирования банкротства[13]: многомерные дискрименантные, логистические, пробит и нейронные сети. Модели логистического анализа и пробит-анализа начали применяться в конце 70-х, но не смогли заменить модели многомерного дискриминантного анализа до конца 80-х. Нейронные сети начали использоваться в конце 80-х гг. и стали в настоящее время одним из наиболее часто применяемых моделей прогнозирования банкротства предприятий[14].

Прогнозирование финансовой несостоятельности предприятий, учитывающее специфику определения классов финансовой платежеспособности, возможно проводить при помощи моделей пробит-анализа. Подобные модели принимают следующий вид[15]:

, где

 – объясняющие переменные;

 – оцененное изменение класса финансовой платежеспособности;

 – коэффициенты уравнения регрессии;

 – ошибка наблюдений.

Таким образом, механизм будет основываться на моделях подобного вида. Для того чтобы отобразить динамику изменения финансовой платежеспособности предприятий во времени, в качестве зависимой величины в модели может использоваться изменение класса. Наблюдаемое изменение класса финансовой платежеспособности  будет зависеть от  по следующему правилу:

Непосредственно спецификация механизма прогнозирования финансовой несостоятельности была проведена на основе финансовой отчетности 141 предприятия металлургической отрасли России за период 2000 – 2009 гг.[16] Финансовая отчетность организаций отраслей обрабатывающей промышленности, в том числе металлургической отрасли, в отличии, например, от организаций оптовой и розничной торговли, позволяет наиболее полно проводить коэффициентный анализ структуры бухгалтерского баланса и отчета о прибылях и убытках: значительная доля основных средств в структуре активов, умеренное использование заемного капитала.

Расчет классов финансовой платежеспособности предприятий за период 2000-2009 гг. дополнительно подтвердил необходимость использование не результата (нахождение предприятия в определенном классе), а непосредственно динамики его изменения при построении механизма прогнозирования: большинство предприятий металлургической отрасли характеризуется 4 классом финансовой платежеспособности (см. Рисунок 1).

Рис.1. Распределение предприятий металлургической отрасли по классам финансовой платежеспособности за период 2000-2009 гг.

В силу того, что финансовая платежеспособность может измениться более чем на класс (например, из 4 класса предприятие могло перейти во 2, или наоборот), при построении модели необходимо использовать только направление изменения класса. Как правило, подобный скачок связан с особыми условиями в его деятельности, которые не характерны для остальной совокупности предприятий: например, повышение класса за счет использования средств материнской компании, смены собственника, снижение класса за счет вывода активов и т.д.

Проверка возможности включения дополнительных коэффициентов в модель может основываться на проведении t-теста Стьюдента о равенстве математических ожиданий двух выборок:

основная гипотеза H0: m1=m2;

альтернативная гипотеза H1: m1≠m2.

Для проведения теста выборка предприятий была разделена на группы по изменению класса за определенный год (-1;0;1).

В результате на уровне значимости 10% в качестве объясняющей переменной регрессионной модели могут рассматриваться коэффициенты, представленные в таблице 2, так как проведенный тест свидетельствует о наличии разницы в математических ожиданиях по двум выборкам.

Таблица 2

Вероятность отклонения гипотезы H0

Данные коэффициенты потенциально могут иметь высокую предсказательную силу финансовой платежеспособности предприятий. Однако отсутствие коэффициентов, которые были предложены выше, в данной таблице не означает невозможность их включения в модель. Соответственно, большинство из предлагаемых зарубежными и отечественными исследователями коэффициентов необходимо проанализировать для разработки модели.

Итоговая модель построена при помощи программного продукта Eviews методом Ordered choice и выбрана на основе значимости показателей и индекса LR (Pseudo-R2). Модель имеет следующий вид:

Согласно разработанному механизму, основанному на эконометрической модели, на снижение финансовой устойчивости предприятий металлургической отрасли и, как следствие, на их будущую финансовую несостоятельность может оказывать влияние:

недостаточная финансовая платежеспособность в периоде, предшествующем прогнозному (например, 4 класс финансовой платежеспособности за год до прогнозного свидетельствует о более вероятной несостоятельности, чем 3 класс);

низкое соотношение Рабочий капитал/Выручка (нетто) от продаж в периоде, предшествующем прогнозному;

абсолютное сокращение соотношения Рабочий капитал/Выручка (нетто) от продаж в предшествующем прогнозному периоде по сравнению с периодом t-2;

низкое соотношение Чистая прибыль (убыток) отчетного периода/Всего Активы в периоде, предшествующем прогнозному;

относительное уменьшение периода оборачиваемости кредиторской задолженности в периоде, предшествующем прогнозному.

Следовательно, непосредственно помимо изменения класса финансовой платежеспособности предприятия при оценке его возможной будущей финансовой несостоятельности необходимо учитывать ухудшение показателей ликвидности (рабочий капитал/выручка (нетто) от продаж) и деловой активности (чистая прибыль (убыток)/всего активы, период оборачиваемости кредиторской задолженности).

Опираться на изменение класса финансовой платежеспособности предприятия как на основной индикатор его возможной финансовой несостоятельности можно достаточно условно. Но как минимум на основе подобного механизма целесообразно индикативно выявлять вероятность ее в будущем. И, действительно, данный механизм позволяет достаточно успешно прогнозировать изменение класса финансовой платежеспособности предприятий за период с 2001 по 2009 гг.: от 72% до 92% правильных прогнозов.

Таким образом, предложенный механизм диагностики позволяет рассматривать финансовую несостоятельность предприятия как последствие его недостаточной финансовой устойчивости, которая может определяться для предприятий металлургической отрасли на основе динамики изменения класса финансовой платежеспособности, которая, в свою очередь, может определяться на основе соотношения рабочего капитала и выручки от продаж, рентабельности активов и периода оборачиваемости кредиторской задолженности.

Список литературы, нормативно-правовых актов и баз данных

1. Абрютина М.С. Грачев А.В., Анализ финансово-экономической деятельности предприятия: 3-е изд., – М., 2001 г.

2. Минаева Е.С., Панагушина В.П., Антикризисное управление: учебное пособие, – М.:ПРИОР, 1998 г.

3. Кован С.Е., Мокрова Л.П., Ряховская А.Н., под ред. Федотовой М.А., Ряховской А.Н., Теория антикризисного управления предприятием: учебное пособие,– М.: КНОРУС, 2009 г.

4. Российские стандарты бухгалтерского учета, определяемые ФЗ № 129 от 21 ноября 1996 г., с изменениями от 27.07.2010 г.

5. Ряховская А.Н., Арсенова Е.А., Крюкова О.Г., Кован С.Е.; «Повышение эффективности государственной финансовой поддержки градообразующих предприятий монопрофильных городов», журнал «Эффективное антикризисное управление», №1, 2011 г.

6. Система профессионального анализа рынков и компаний «СПАРК» – www.spark-interfax.ru

7. Федеральный закон №127 «О несостоятельности (банкротстве)» от 26.10.2002 г. в редакции, действующей с 1 января 2011 года

8. Beaver, W. 1966, «Financial ratios as predictors of failure». Journal  of  Accounting Research, №5

9. Giacomino D., Bellovary J., Akers M. A Review of Bankruptcy Prediction Studies: 1930 to Present, Journal of Financial Education №33, 2007

10. Данные Высшего арбитражного суда РФ, www.arbitr.ru

11. Данные Министерства Финансов РФ, www.minfin.ru

12. Данные Федеральной Службы Государственной Статистики, www.gks.ru