Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

ОЦЕНКА ВЕРОЯТНОСТИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ

Зубренкова О.А. 1 Лисенкова Е.В. 1 Ильин А.С. 1
1 Нижегородский государственный инженерно-экономический университет
Ранняя диагностика риска банкротства любой организации, в том числе и организации агропромышленного комплекса, является одной из наиболее значимых и важных проблем, требующих взвешенного подхода и решения. В современных условиях в российской экономике центральной проблемой выступает неплатежеспособность организаций. Многие организации целесообразно было бы объявить банкротами, а оздоровить рынок смогло бы перераспределение средств в пользу эффективных производств. Меры по предотвращению кризисных ситуаций, а также по восстановлению платежеспособности предприятий и стабилизации финансового положения приобретают особое значение в условиях массового банкротства организаций. Для прогнозирования финансового состояния организаций применяются модели оценки вероятности банкротства. Однако для достижения более высокой точности результатов целесообразно постоянно корректировать набор показателей и значения коэффициентов весового влияния каждого показателя с учетом отраслевой специфики. С этой целью необходим постоянный мониторинг финансового состояния организаций, что позволит построить адекватные для российских условий модели прогнозирования банкротства, позволяющие дать достоверные и объективные результаты. Для оценки финансового состояния сельскохозяйственных организаций использованы двухфакторная и пятифакторная модели Альтмана и дискриминантная факторная и логит-регрессионная модели Г.В. Савицкой.
банкротство
модели прогнозирования банкротства
оценка финансового состояния
сельскохозяйственные организации
1. Носкова Т.А. Оценка вероятности банкротства на основе отечественных и зарубежных методик // Современные научные исследования и разработки. 2018. № 2 (19). С. 239–244.
2. Глаголева А.М., Нормова Т.В. Банкротство предприятий: определение и методы диагностики // Проблемы и перспективы развития теории и практики экономического анализа в России и за рубежом: IV Междунар. науч.-практ. конф. студентов, аспирантов, преподавателей. Краснодар, 2015. С. 63–73.
3. Гладких Л.В., Сапрунова Е.А. Оценка потенциальности банкротства сельскохозяйственных организаций с использованием различных методик // Финансовый анализ: современные научные исследования и разработки: сборник статей по материалам Международной научно-практической конференции студентов, аспирантов и преподавателей, посвященной 95-летию Кубанского государственного аграрного университета. 2017. С. 37–41.
4. Матвеев Д.М., Гнилицкая К.И. Особенности анализа вероятности банкротства сельскохозяйственной организации // Экономика и бизнес: теория и практика. 2015. № 7. С. 60–65.
5. Мазурова И.И., Белозерова Н.П., Леонова Т.М. Методы оценки вероятности банкротства предприятия: учеб. пособие. СПб.: Изд-во СПбГУ-ЭФ, 2012. 53 с.
6. Высоцкая Т.В. Оценка вероятности банкротства предприятия агропромышленного комплекса // Научный журнал КубГАУ – Scientific Journal of KubSAU. 2013. № 89. С. 1–12.
7. Хасанов Р.Х., Каштанов Н.Н., Маргарян Л.Г. Модель оценки вероятности банкротства Э. Альтмана: применимость в Российской Федерации и использование при рейтинговой оценке кредитоспособности // Финансы: Теория и Практика. 2013. № 5. С. 44–53.
8. Шмидт Ю.Д., Мазелис Л.С. Прогнозирование банкротства предприятия // Вестник ТГЭУ. 2012. № 2. С. 87–94.
9. Слесаренко Г.В. Проблемы применения методик прогнозирования банкротства // Вестник Удмуртского университета. Серия «Экономика и право». 2010. № 1. С. 38–45.
10. Чумакова Н.В. Оценка вероятности утраты и восстановления платежеспособности организации // Международный научно-исследовательский журнал. 2019. № 11–1 (89). С. 184–188.
11. Рабинович Л.М., Фадеева Е.П. К вопросу об оценке вероятности банкротства // Актуальные проблемы экономики и права. 2011. № 2 (18). С. 121–130.
12. Позубенкова Э.И., Кондранов П.В. Прогностическая оценка вероятности наступления несостоятельности сельскохозяйственных товаропроизводителей // Вестник АГАУ. 2009. № 5. С. 80–83.
13. Белокопытов А.В., Цветков И.А., Кибиров Х.Г. Проблемы прогнозирования финансовой несостоятельности сельскохозяйственных организаций на основе количественных многофакторных моделей диагностики // Экономический журнал. 2018. № 2 (50). С. 82–94.
14. Бочарова О.Ф., Шатохина И.Г., Левченко М.А. Сравнительный анализ российских методов оценки вероятности банкротства на примере организаций АПК // Естественно-гуманитарные исследования. 2019. № 26 (4). С. 33–40.
15. Патласов О.Ю., Васина Н.В. Логит-регрессионная техника моделирования оценки кредитоспособности юридических лиц – сельскохозяйственных организаций (на основе регламента ОАО «Сбербанк России») // Наука о человеке: гуманитарные исследования. 2012. № 2 (10). С. 85–95.

Успешная деятельность любой организации во многом зависит от ее финансового состояния. В рыночных условиях финансовая устойчивость является основой выживаемости и стабильного положения предприятия. Между финансовой устойчивостью организации и риском ее банкротства существует прямая пропорциональная зависимость: чем выше устойчивость предприятия, тем меньше риск банкротства, и наоборот [1–3].

В настоящее время существует множество моделей оценки риска банкротства организаций. Среди зарубежных моделей наибольшую распространенность получили модели Альтмана, Бивера, Лиса, Таффлера и др. Среди отечественных моделей широкую популярность получили модели, разработанные О.П. Зайцевой, В.В. Ковалевым, Р.С. Сайфулиным и Г.Г. Кадыковым и др. На основе как зарубежных, так и отечественных моделей прогнозирования банкротства рассчитывается комплексный показатель вероятности банкротства с весовыми коэффициентами и индикаторами [4; 5].

Проблема прогнозирования вероятности банкротства для отдельного предприятия состоит, с одной стороны, в отсутствии общепризнанных методик прогнозирования банкротства, с другой, существующие методики ориентированы в основном на установление факта несостоятельности тогда, когда признаки банкротства предприятия уже налицо. Существует множество моделей диагностики банкротства, которые производят оценку с помощью различных показателей, рассчитанных по бухгалтерской отчетности. При этом в анализе агропредприятий часто не учитывают особенностей отраслевой и региональной специфики. В нормативных документах анализа финансово-экономического состояния предприятия нет четко установленных отраслевых нормативов, а чаще эти нормативы отсутствуют вообще. В связи с этим на основе такого анализа затруднительно сделать однозначный вывод о том, что данное предприятие обязательно обанкротится в ближайшее время или, наоборот, выживет, так как предприятия агропромышленного комплекса обладают различной организационно-технической спецификой, стратегиями и целями, своими уникальными рыночными нишами, фазами жизненного цикла. Для предотвращения неоднозначных результатов общего анализа необходимо использовать различные модели с оптимальным количеством коэффициентов, учитывая специфику предприятия [6].

Отсутствие статистических данных фирм-банкротов в России, в том числе и в Нижегородской области, затрудняет проведение исследований, которые были бы основаны на реалиях отечественной экономики и направлены на достоверное прогнозирование возможной несостоятельности предприятий. Хозяйственные и рыночные условия России и США существенно отличаются. В США существует развитый финансовый рынок и на протяжении множества лет исследуются финансовые риски. В России хоть и существует фондовый рынок, но не выработана эффективная модель оценки кредитоспособности и отсутствует общепризнанная модель оценки вероятности банкротства. Развитие Нижегородской области отвечает требованиям развития Российской Федерации [7; 8].

Цель исследования заключается в апробации двухфакторной и пятифакторной моделей Альтмана, дискриминантной факторной и логит-регрессионной моделей Г.В. Савицкой для оценки финансового состояния сельскохозяйственных организаций Нижегородской области, проведении их сравнительной характеристики, выявлении преимуществ и недостатков данных моделей, получении выводов об использовании заявленных зарубежных моделей для прогнозирования вероятности банкротства сельскохозяйственных организаций в Российской Федерации.

Материалы и методы исследования

По оценке большинства аналитиков, самой простой и наиболее информативной является двухфакторная модель Альтмана, которая предполагает расчет двух коэффициентов – коэффициента текущей ликвидности и удельного веса заёмных средств в пассивах [9; 10].

При применении двухфакторной модели Альтмана в семи сельскохозяйственных организациях Княгининского района Нижегородской области результат показателя Z получился отрицательным, что свидетельствует о невысокой вероятности банкротства (табл. 1).

В 1968 г. Альтманом была разработана пятифакторная модель с учетом показателя «рыночная стоимость собственного капитала» для крупных компаний, акции которых котировались на биржах. В 1983 г. Альтман усовершенствовал формулу для компаний, акции которых не котировались на бирже. Новая модель получила название усовершенствованной модели [9; 10].

Таблица 1

Апробация двухфакторной модели Альтмана в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная организация

Показатель

Вероятность банкротства

Х1

Х2

Z

ЗАО «Покровская слобода»

22,740

0,266

-24,702

невысокая

ООО «Ананье»

4,071

0,160

-4,675

невысокая

ООО АП «Княгининское»

0,757

0,926

-0,666

невысокая

ООО АП «Соловьевское»

0,999

0,875

-0,956

невысокая

СПК (колхоз) «Большеандреевский»

9,243

0,135

-10,255

невысокая

ООО «Новый век»

1,995

0,426

-2,288

невысокая

ООО «Новая звезда»

0,950

0,363

-1,199

невысокая

 

Большая часть российских предприятий не публикует информацию о рыночной стоимости акций, что приводит к невозможности применения классической модели Альтмана [11]. В связи с этим для исследований нами выбрана усовершенствованная модель Альтмана.

При применении пятифакторной модели Альтмана в семи сельскохозяйственных организациях Княгининского района Нижегородской области получены следующие результаты показателя Z. В трех организациях результат показателя Z совпадает с данными двухфакторной модели Альтмана и свидетельствует о невысокой степени вероятности банкротства, в трех организациях наблюдается высокая степень вероятности банкротства, а в одной организации вероятность наступления банкротства вообще не определена (табл. 2).

В связи с разными отраслевыми и национальными особенностями российских компаний применение зарубежных методик повышает неточность прогнозирования вероятности банкротства сельскохозяйственных организаций. Для нивелирования вероятности ошибки из-за отраслевого фактора целесообразно использовать модели, разработанные на основе данных сельхозпредприятий. Примером такой модели служит дискриминантная пятифакторная модель диагностики риска банкротства Г.В. Савицкой, апробируемая ею на сельскохозяйственных организациях Республики Беларусь [12–14].

При применении дискриминантной факторной модели Г.В. Савицкой в семи сельскохозяйственных организациях Княгининского района Нижегородской области получены следующие результаты показателя Z. В пяти организациях отсутствует либо наблюдается невысокая вероятность наступления банкротства, в двух организациях определяются высокая и максимальная степени вероятности банкротства (табл. 3).

Отдельного внимания заслуживает четырехфакторная логит-регрессионная модель диагностики риска банкротства Г.В. Савицкой, апробируемая ею на сельскохозяйственных организациях Республики Беларусь [15].

При применении логит-регрессионной модели Г.В. Савицкой в семи сельскохозяйственных организациях Княгининского района Нижегородской области результат показателя Z получился отрицательным, что свидетельствует о невысокой вероятности банкротства (табл. 4).

Таблица 2

Апробация пятифакторной модели Альтмана в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная организация

Показатель / Indicator

Вероятность банкротства

Х1

Х2

Х3

Х4

Х5

Z

ЗАО «Покровская слобода»

0,507

0,047

0,048

2,765

0,309

2,022

неопределенная

ООО «Ананье»

0,492

0,034

0,035

5,246

0,222

2,914

невысокая

ООО АП «Княгининское»

-0,192

0,007

0,012

0,080

0,585

0,523

высокая

ООО АП «Соловьевское»

-0,001

0,011

0,016

0,143

0,454

0,572

высокая

СПК (колхоз) «Большеандреевский»

0,851

0,014

0,014

6,386

0,952

4,299

невысокая

ООО «Новый век»

0,320

0,001

0,004

1,347

0,397

1,203

высокая

ООО «Новая звезда»

-0,018

0,357

0,357

1,756

1,676

3,809

невысокая

 

Таблица 3

Апробация дискриминантной факторной модели Г.В. Савицкой в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная организация

Показатель

Вероятность банкротства

Х1

Х2

Х3

Х4

Х5

Z

ЗАО «Покровская слобода»

1,384

0,691

0,324

0,047

0,734

12,652

отсутствует

ООО «Ананье»

1,289

0,585

0,234

0,034

0,840

11,488

отсутствует

ООО АП «Княгининское»

0,124

-2,589

0,622

0,007

0,074

-32,916

максимальная

ООО АП «Соловьевское»

0,187

-0,004

0,492

0,011

0,125

1,266

высокая

СПК (колхоз) «Большеандреевский»

0,906

0,985

0,951

0,014

0,865

18,009

отсутствует

ООО «Новый век»

0,894

0,558

0,407

0,001

0,574

10,340

отсутствует

ООО «Новая звезда»

1,849

-0,029

1,887

0,357

0,637

5,581

невысокая

 

Таблица 4

Апробация логит-регрессионной модели Г.В. Савицкой в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная организация

Показатель

Вероятность банкротства

Х1

Х2

Х3

Х4

Z

ЗАО «Покровская слобода»

0,531

0,420

0,734

0,064

-1,639

невысокая

ООО «Ананье»

0,652

0,265

0,840

0,040

-1,664

невысокая

ООО АП «Княгининское»

0,598

7,881

0,074

0,090

-13,934

невысокая

ООО АП «Соловьевское»

0,666

3,640

0,125

0,085

-6,458

невысокая

СПК (колхоз) «Большеандреевский»

0,955

1,101

0,865

0,017

-3,504

невысокая

ООО «Новый век»

0,642

0,692

0,574

0,002

-1,925

невысокая

ООО «Новая звезда»

0,345

2,630

0,637

0,560

-5,394

невысокая

 

Таблица 5

Сводные данные по оценке вероятности банкротства по моделям Альтмана в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная

организация

Значение показателя Z

Вероятность банкротства

Модель Альтмана

Модель Альтмана

Двухфакторная

Пятифакторная

Двухфакторная

Пятифакторная

ЗАО «Покровская слобода»

-24,702

2,022

невысокая

неопределенная

ООО «Ананье»

-4,675

2,914

невысокая

невысокая

ООО АП «Княгининское»

-0,666

0,523

невысокая

высокая

ООО АП «Соловьевское»

-0,956

0,572

невысокая

высокая

СПК (колхоз) «Большеандреевский»

-10,255

4,299

невысокая

невысокая

ООО «Новый век»

-2,288

1,203

невысокая

высокая

ООО «Новая звезда»

-1,199

3,809

невысокая

невысокая

 

Таблица 6

Сводные данные по моделям диагностики риска банкротства Г.В. Савицкой в сельскохозяйственных организациях Княгининского района Нижегородской области

Сельскохозяйственная

организация

Значение показателя Z

Вероятность банкротства

Модель Г.В. Савицкой

Модель Г.В. Савицкой

Дискриминантная факторная

Логит-регрессионная

Дискриминантная факторная

Логит-регрессионная

ЗАО «Покровская слобода»

12,652

-1,639

отсутствует

невысокая

ООО «Ананье»

11,488

-1,664

отсутствует

невысокая

ООО АП «Княгининское»

-32,916

-13,934

максимальная

невысокая

ООО АП «Соловьевское»

1,266

-6,458

высокая

невысокая

СПК (колхоз) «Большеандреевский»

18,009

-3,504

отсутствует

невысокая

ООО «Новый век»

10,340

-1,925

отсутствует

невысокая

ООО «Новая звезда»

5,581

-5,394

невысокая

невысокая

 

Таблица 7

Сравнительная характеристика моделей оценки вероятности банкротства

Модель прогнозирования вероятности банкротства

Достоинства модели

Недостатки модели

Двухфакторная модель Альтмана /

1) простота применения;

2) расчеты по данным бухгалтерского баланса

1) не учитывается влияние показателей эффективности использования ресурсов;

2) не учитывается отраслевая и региональная специфика деятельности организации

Окончание табл. 7

Модель прогнозирования вероятности банкротства

Достоинства модели

Недостатки модели

Пятифакторная модель Альтмана (усовершенствованная)

1) отражение в модели различных аспектов деятельности организации;

2) дифференцирование значений показателя Z для производственных и непроизводственных организаций

1) неточность реального прогноза по значениям факторов

Дискриминантная факторная модель Г.В. Савицкой

1) отражение в модели различных аспектов деятельности организации

1) нет определенных рамок состояния неплатежеспособности, поэтому трудно сделать объективный вывод о его состоятельности;

2) несопоставимость значений удельных весов при коэффициентах может сильно искажать интегральное значение показателя Z

Логит-регрессионная модель Г.В. Савицкой

1) формула расчета имеет нестандартный вид;

2) подробное описание основных этапов расчетов

1) методика прогнозирует кризисную ситуацию, когда уже видны ее признаки, а не до их появления

 

Результаты исследования и их обсуждение

Методик оценки вероятности банкротства много, и при применении различных методик возможно получение даже абсолютно противоположных результатов [15].

Сравнив анализируемые данные при использовании двух- и пятифакторной моделей Альтмана, можно сделать вывод о несостыковке полученных результатов (табл. 5).

Аналогичные выводы можно получить, используя дискриминантную факторную и логит-регрессионную модели Г.В. Савицкой (табл. 6).

Для получения общей картины преимуществ и недостатков по исследуемым методикам была составлена сводная таблица сравнительной характеристики моделей оценки вероятности банкротства (табл. 7).

Существующие в настоящее время методики прогнозирования возможного банкротства организаций не являются идеальными. Неидеальность моделей заключается в степени корректности, адекватности результатов, невозможности применения в современных условиях. В зависимости от выбранной методики одна и та же организация может являться банкротом, быть финансово устойчивой организацией и находиться в предкризисном состоянии. Ряд методик сложно применять из-за условий ограниченности данных [15].

Заключение

Проведя апробацию зарубежных и отечественных методик прогнозирования банкротства в сельскохозяйственных организациях Княгининского района Нижегородской области, можно сделать следующие выводы:

– в связи с разной методикой отражения инфляционных факторов, разной структуры капитала и др. зарубежные модели не в полной мере подходят для оценки степени вероятности риска банкротства отечественных предприятий агропромышленного комплекса;

– специально для сельскохозяйственных организаций не разрабатывалась ни одна из зарубежных моделей;

– модель Г.В. Савицкой более приемлема, чем зарубежные модели, так как была создана для сельскохозяйственных организаций, но при ее составлении использовались данные по предприятиям Республики Беларусь, что ограничивает использование модели для оценки российских предприятий, так как сельское хозяйство в Республике Беларусь имеет другое экономическое развитие.

Таким образом, нужно находить новые подходы и разрабатывать модели, соответствующие условиям хозяйственной деятельности российских сельскохозяйственных предприятий.


Библиографическая ссылка

Зубренкова О.А., Лисенкова Е.В., Ильин А.С. ОЦЕНКА ВЕРОЯТНОСТИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ // Фундаментальные исследования. – 2020. – № 12. – С. 74-79;
URL: https://fundamental-research.ru/ru/article/view?id=42912 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674