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

СОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ ФИНАНСОВОЙ УСТОЙЧИВОСТЬЮ НА ОСНОВЕ МНОГОФАКТОРНЫХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

Когай Г.Д. 1 Тен Т.Л. 2 Дрозд В.Г. 2 Жолдангарова Г.И. 3
1 Карагандинский государственный технический университет
2 Карагандинский экономический университет
3 Астраханский государственный университет
В данной статье авторы рассматривают комплекс теоретических и практических вопросов, связанных с формированием эффективной системы анализа и прогнозирования финансового состояния коммерческих организаций. Описывают разработку многофакторных экономико-математических моделей финансовой устойчивости предприятия, основанных на группировке взаимовлияющих факторов. Как показали исследования, описанные в работах разных авторов, результаты прогнозов экономических процессов по модели, построенной по рядам динамики, вполне удовлетворительные. Поэтому представляется целесообразным более подробно рассмотреть именно эту методику построения динамической модели многофакторного прогнозирования. При стремлении максимизировать значение коэффициента финансовой устойчивости, который является основным из рыночных коэффициентов финансовой устойчивости, полученные прогнозные значения свидетельствуют о том, что у предприятия коэффициент финансового риска и долга должен быть приближен или равен нулю. Коэффициент маневренности при этом имеет тенденцию к снижению, что свидетельствует о негибком использовании собственных источников. Данные решения вполне реализуемы и применимы на практике, в случае привлечения заемных средств, необходимых для нормальной работы предприятия. Реализация модели позволит повысить эффективность многоуровневой системы менеджмента и обеспечить достоверность прогнозов.
факторный анализ
модель множественной регрессии
коэффициент корреляции
финансовый показатель
коэффициент финансовой устойчивости
допустимая погрешность
1. Клеандров Д.И., Френкель А.А. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания // Статистический анализ экономических временных рядов и прогнозирование: Ученые записки по статистике. Т. XXII–XXIII. – М.: Наука, 1973. – С. 148–164.
2. Ковалев В.В. Анализ финансового состояния и прогнозирование банкротства. – СПб.: Аудит Ажур, 1994. – 163 с.
3. Савицкая Г. В. Анализ хозяйственной деятельности предприятий АПК: учебник. – Минск: ИП «Экоперспектива», 1998. – 494 с.
4. Черныш Е.А. Прогнозирование и планирование в условиях рынка: учеб. пособие / Е.А. Черныш, Н.П. Молчанова, А.А. Новикова, Т.А. Салтанова. – М.: ПРИОР, 1999. – 176 с.
5. Coram, Paul J.; Mock, Theodore J.; Monroe, Gary S. An investigation into financial analysts’ evaluation of enhanced disclosure of non-financial performance indicators // In The British Accounting Review. – 2011. – № 43 (2). – Р. 87–101.
6. Cruz Inês; Scapens Robert W.; Major, Maria. The localisation of a global management control system // In Accounting, Organizations and Society. – 2011. – № 36 (7). – Р. 412–427.
7. Piech K. Knowledge and innovation processes in Central and East European economies. – Warsav, 2007. – Р. 34.

Важным условием устойчивого развития финансовой системы Казахстана является обеспечение финансовой устойчивости коммерческих организаций, поддержание в долгосрочном аспекте оптимальной структуры источников их финансирования. Обеспечение финансовой устойчивости представляет собой трудоемкий процесс анализа, мониторинга и прогнозирования ее основных показателей, а также реализации мероприятий по результатам выявленных отклонений.

С целью совершенствования управления финансовой устойчивостью казахстанских предприятий в условиях рыночной экономики необходимо повысить требования к ее обеспечению, предложить инструментарий, который позволит прогнозировать ее уровень и риски снижения финансовой устойчивости на ранней стадии диагностики.

Несомненная важность и недостаточная изученность многоаспектных проблем анализа и многофакторных методов прогнозирования финансового состояния, необходимость формирования прогнозно-аналитической системы, позволяющей получать реальную и потенциальную оценку эффективности деятельности коммерческих организаций, и установление ее составных компонентов определяют актуальность данных исследований [2].

В разной степени изучению этих проблем посвящены работы многих известных ученых и экономистов: М.И. Баканова, С.Б. Барнгольц, М.А. Бахрушиной, Н.В. Парушиной, Г.В. Савицкой, С.Г. Чеглаковой, М.Б. Чирковой, А.Д. Шеремета, С.Дж. Брауна, Ю.Ф. Брикхэма, М. Вебера, М.А. Гольцберга, Т.Р. Карлина, А.Р. Макмина и др.

Прогнозирование финансовой устойчивости коммерческой организации представляет совокупность аналитических процедур, применяемых для диагностики финансовой устойчивости хозяйствующего субъекта в перспективе посредством разработанных методик анализа и прогнозирования финансовой устойчивости на основе действующей методологии (методов и приемов) экономического анализа и прогнозирования. Значение прогнозирования финансовой устойчивости заключается в информационном обеспечении процесса управления финансами коммерческой организации.

В настоящее время разработано большое число различных моделей, направленных на определение прогнозной величины финансовой устойчивости предприятия. Большинство моделей строятся на основе тренда ряда индикаторов, выявляются признаки тенденций развития финансового положения предприятия. Однако функционирование любой экономической системы происходит в условиях сложного взаимодействия комплекса внутренних и внешних факторов [2, 3].

При изучении закономерностей экономических явлений большое значение имеет выявление связей между взаимосвязанными, развивающимися во времени явлениями, проведение связанного анализа динамики. С этой целью строятся многофакторные модели взаимосвязанных временных рядов.

Под факторным анализом понимается методика комплексного и системного изучения и измерения воздействия факторов на величину результативных показателей.

Многофакторной моделью называют модель, построенную по нескольким временным рядам, уровни которых относятся к одинаковым временным отрезкам или датам. При моделировании многомерных временных рядов особое значение имеет корреляционный и регрессионный анализ. Моделирование связных рядов динамики основано на использовании уравнений регрессии. Подобные модели отображают сложившиеся между исследуемыми показателями взаимосвязи с достаточной степенью точности и позволяют оценить степень влияния отдельных факторов на результативный признак, а также эффективность влияния всех факторных признаков.

Методика

Как показали исследования, описанные в работах разных авторов, результаты прогнозов экономических процессов по модели, построенной по рядам динамики, вполне удовлетворительные. Поэтому представляется целесообразным более подробно рассмотреть именно эту методику построения динамической модели многофакторного прогнозирования [1, 4].

Для каждого года l изучаемого периода L строится многофакторная модель с учетом исключения мультиколлинеарности и обоснования аналитического вида модели. Необходимо, чтобы оценки главного фактора были несмещенными, состоятельными и эффективными на рассматриваемом отрезке времени. Запишем в виде линейной модели:

kogay01.wmf

где Yl – моделируемый показатель l-го года; xi – факторы, влияющие на данный показатель, kogay02.wmf; ai – параметры модели, kogay03.wmf; m – число факторных признаков.

Получаем систему из L таких моделей, каждая из которых проверяется на адекватность по F-критерию и t-критерию. Для прогнозирования зависимой переменной (результативного признака) на L шагов вперед необходимо знать прогнозные значения всех входящих в модель факторов. Эти значения могут быть получены на основе трендовых моделей, например, с использованием метода экстраполяции или непосредственно заданы исследователем экономического процесса. Прогнозные значения факторов подставляют в модель и получают точечные прогнозные оценки изучаемого показателя.

Для определения области возможных значений результативного показателя при известных значениях факторов, т.е. доверительного интервала прогноза, необходимо учитывать два возможных источника ошибок. Ошибки первого рода вызываются рассеиванием наблюдений относительно линии регрессии, и их можно учесть, в частности, величиной среднеквадратической ошибки изучаемого показателя с помощью регрессионной модели kogay04.wmf. Ошибки второго рода обусловлены тем, что заданные в модели коэффициенты регрессии являются случайными величинами, распределенными по нормальному закону. Эти ошибки учитываются вводом поправочного коэффициента при расчете ширины доверительного интервала; формула для его расчета включает табличное значение t-статистики при заданном уровне значимости и зависит от вида регрессионной модели.

Основная часть

Для разработки модели оптимизации финансовой устойчивости в работе используем метод корреляционно-регрессионного анализа. Корреляция представляет вероятную зависимость между показателями, не находящимися в функциональной зависимости. Данный метод используется для определения тесноты связи между показателями финансовой устойчивости [1].

Для этого введем следующие обозначения: х1 – коэффициент автономии; х2 – коэффициент финансового риска; х3 – коэффициент долга; х4 – коэффициент финансовой устойчивости; х5 – коэффициент маневренности; х6 – коэффициент обеспеченности собственными оборотными средствами.

Составляем экономическую модель множественной регрессии в виде:

kogay05.wmf,

определим оценки а0, а1, …, аn параметров по методу наименьших квадратов (МНК).

Коэффициенты аi – показывают, на сколько изменится результативный показатель при изменении факторного на единицу.

На основании изложенного выделяем основные целевые показатели финансовой устойчивости хозяйствующего субъекта, которые считаем необходимым учитывать при построении модели прогнозирования [5].

Необходимые исходные данные берём из табл. 1 и рассчитываем параметры уравнения регрессии.

Составляем экономическую модель по данным табл. 1 и получаем систему многофакторных моделей формирующих показатель коэффициента финансовой устойчивости:

kogay06.wmf

Таким образом, решается задача максимизации показателя y при заданных ограничениях, то есть находим оптимальное решение коэффициента финансовой устойчивости для предприятия при варьировании значениями других коэффициентов.

Оценки а0, а1, а2 рассчитываем по МНК [6]:

Уравнение регрессии с оценками параметров имеет вид

kogay07.wmf

Таблица 1

Параметры уравнения регрессии

Год

y – коэффициент финансовой устойчивости

x1 – коэффициент финансового риска (коэффициент задолженности, соотношения заемных и собственных средств, рычага)

x2 – коэффициент долга

x3 – коэффициент автономии

x4 – коэффициент маневренности собственных средств

x5 – коэффициент устойчивости структуры мобильных средств

x6 – коэффициент обеспеченности оборотного капитала собственными источниками финансирования

2006

0,80

0,42

0,29

0,71

–0,03

0,07

–0,08

2007

0,30

0,60

2,00

0,01

0,50

0,40

0,30

2008

0,30

0,50

2,10

0,12

1,00

0,50

0,3

2009

0,40

0,50

2,80

0,15

1,40

0,60

0,20

2010

0,50

0,50

2,40

0,16

1,30

0,60

0,30

2011

0,30

0,60

2,00

0,01

0,50

0,40

0,30

2012

0,30

0,50

2,10

0,12

1,00

0,50

0,3

Примечание. * Таблица составлена автором на основе расчета.

Совокупный коэффициент множественной корреляции ry характеризует тесноту связи результативного y и факторных х1, х2, …, хm признаков и в общем случае определяется по формуле:

kogay08.wmf (1)

где kogay09.wmf – факторная дисперсия; kogay10.wmf – остаточная дисперсия; kogay11.wmf – дисперсия результативного признака:

kogay12.wmf

kogay13.wmf (2)

kogay14.wmf (3)

где kogay15.wmf – расчетное значение результативного признака; kogay16.wmf – среднее значение результативного признака.

Приведенная форма записи индексов трактуется следующим образом:

kogay17.wmf – дисперсия kogay18.wmf, полученная с учетом факторов х1, х2, …, хm;

kogay19.wmf – дисперсия y, полученная с учетом факторов х1, …, хm.

Чем плотнее фактические значения yi располагаются относительно линии регрессии, тем меньше остаточная дисперсия (больше факторная дисперсия) и, следовательно, больше величина ry.

Таким образом, коэффициент множественной корреляции, как и величина остаточной дисперсии, характеризует качество подбора уравнения регрессии.

Квадрат величины ry является коэффициентом множественной детерминации и характеризует долю влияния выбранных признаков на результативный фактор:

kogay20.wmf (4)

По данным сквозного примера имеем

kogay21.wmf kogay22.wmf

kogay23.wmf kogay24.wmf kogay25.wmf

В соответствии с таблицей Чеддока [7] связь результативного признака считается высокой (0,71). Регрессия у на х1 объясняет на 71 % изменение показателя: коэффициент долга.

Значение коэффициентов находится в пределах 0 ≤ ry ≤ 1.

При отсутствии связи между результативными и факторными признаками факторная дисперсия равна нулю, коэффициент множественной корреляции равен нулю и линия регрессии совпадает с прямой kogay26.wmf. При функциональной связи факторная дисперсия совпадает с общей дисперсией, а коэффициент корреляции равен 1.

Оценка значимости коэффициента детерминации определяется с использованием критерия Фишера [7]. По данным проводимых расчетов критерий Фишера имеет следующее значение:

kogay27.wmf (5)

По таблице F-распределения находим для степеней свободы f1 = m = 2 и f2 = n – m – 1 = 7 – 2 – 1 = 4, a = 5 %, Fкр = 5,32, и, следовательно, значение коэффициента детерминации и значение коэффициента множественной корреляции являются значимыми (F > Fкр).

Для оценки вклада во множественный коэффициент корреляции каждого из факторов применяют частные коэффициенты корреляции.

Частный коэффициент корреляции – это показатель, характеризующий тесноту связи между признаками при элиминации всех остальных признаков. В общем случае формула для определения частного коэффициента корреляции между факторами у и х при элиминации влияния факторов х1, …, хm-1 имеет вид

kogay28.wmf (6)

где kogay29.wmf – факторная дисперсия регрессии у на х1, х2, …, хm; kogay30.wmf – факторная дисперсия у, полученная с учетом факторов х1, …, хm-1; kogay31.wmf – остаточная дисперсия регрессии у, полученная с учетом факторов х1, х2, …, х; kogay32.wmf – дисперсия результативного фактора.

Величина частного коэффициента корреляции лежит в пределах от 0 до 1, а знак определяется знаком соответствующих параметров регрессии.

Принимая вместо σ2 его оценку S2:

kogay33.wmf (7)

где n – число наблюдений; m – число объясняющих переменных.

Тогда

kogay34.wmf (8)

где bjj – диагональные элементы матрицы оценки параметров уравнения регрессии.

Квадратическая ошибка Saj равна

kogay35.wmf (9)

Полученные квадратические ошибки могут быть использованы для расчета доверительных интервалов оценок параметров регрессии и для проверки значимости их отличия от нуля.

Учитывая, что kogay36.wmf, имеем

S = 0,4625;

Sa0 = 0,0998;

Sa1 = 0,0511.

Расчетный критерий ti равен

kogay37.wmf

kogay38.wmf

Для доверительной вероятности р = 0,95 и числа степеней свободы k = 8 по таблице Стьюдента находим tкр = 2,57. По этому критерию в уравнении регрессии значимыми являются все параметры: а0, а1, а2.

t0 = 8,1034 > tкр = 2,57;

t1 = 3,8834 > tкр = 2,57.

Для остальных финансовых показателей экономикой модели разработаны ряд многофакторных моделей и получены следующие расчетные характеристики этих уравнений.

Таблица 2

Прогнозные значения коэффициента финансовой устойчивости на период 2013–2016 гг.

Фактор

Год

Прогноз

Характеристики уравнения

Коэффициент финансовой устойчивости

Уравнение модели: Y = 0,809 – 0,198 X2

2013

0,265

R2 = 0.7151F_расч = 15.0625

Sy = 0.4625 F_табл = 5.3200

t_kp = 2.57 t0 = 8.1034

t1 = 3.8834

2014

0,181

2015

0,115

2016

0,102

Примечание. * Таблица составлена автором на основе расчета.

Таблица 3

Прогнозные значения коэффициента долга на период 2013–2016 гг.

Фактор

Год

Прогноз

Характеристики уравнения

Коэффициент долга

Уравнение модели: X2 = 1,760 – 2,154 X1 + 5,584 X6

2013

2,859

R2 = 0.8151F_расч = 11.0224

Sy = 1.7475 F_табл = 4.4600

t_kp = 2.57 t0 = 0.8261

t1 = 0.4547 t2 = 3.0805

2014

3,230

2015

3,473

2016

3,751

Примечание. * Таблица составлена автором на основе расчета.

Таблица 4

Прогнозные значения коэффициента финансового риска (коэффициент задолженности, соотношения заемных и собственных средств, рычага) на период 2013–2016 гг.

Фактор

Год

Прогноз

Характеристики уравнения

Коэффициент финансового риска (коэффициент задолженности, соотношения заемных и собственных средств, рычага)

Уравнение модели: X1 = 0,556 – 0,204 X3

2013

0,581

R2 = 0.7557F_расч = 18.5560

Sy = 0.5050 F_табл = 5.3200

t_kp = 2.45 t0 = 32.6939

t1 = 4.4356

2014

0,601

2015

0,618

2016

0,635

Примечание. * Таблица составлена автором на основе расчета.

Таблица 5

Прогнозные значения коэффициента обеспеченности оборотного капитала собственными источниками финансирования на период 2013–2016 гг.

Фактор

Год

Прогноз

Характеристики уравнения

Коэффициент обеспеченности оборотного капитала собственными источниками финансирования

Уравнение модели: X6 = – 0,270 – 0,637 X4 + 2,323 X5

2013

0,369

R2 = 0.9817F_расч = 35.7374

Sy = 0.1925 F_табл = 4.4600

t_kp = 2.57 t0 = 5.7499

t1 = 5.4518 t2 = 7.6027

2014

0,452

2015

0,519

2016

0,578

Примечание. * Таблица составлена автором на основе расчета.

Проанализируем цифровые данные, приведенные в списке многофакторных регрессионных уравнений. В целом прогнозные значения, полученные на основе решения многофакторных регрессионных уравнений и прогнозные значения, рассчитанные на основе одинарных уравнений регрессии от временного тренда, имеют более доверительное предпочтение, так как последние в большинстве случаев отражают только трендовую перспективу развития, хотя и находятся в пределах допустимой погрешности.

Уравнение

Y = 0,809 – 0,198X2

свидетельствует о снижении коэффициента финансовой устойчивости на 0,198 единиц (далее – ед.) в случае повышения X2 – коэффициента долга на 1,0 ед. Уравнение

X2 = 1,760 – 2,154X1 + 5,584X6

также свидетельствует о том, что коэффициент долга меняет свое значение на 1,0 ед под воздействием изменения параметров коэффициента финансового риска на 2,154 ед. и коэффициента обеспеченности оборотного капитала собственными источниками финансирования на 5,584 ед.

В случае снижения коэффициента автономии на 1,0 ед., согласно уравнению

X1 = 0,556 – 0,204X3

происходит снижение коэффициента финансового риска на 0,204 ед.

Уравнение

X6 = –0,270 – 0,637X4 + 2,323X5

показывает зависимость коэффициента обеспеченности оборотного капитала собственными источниками финансирования от коэффициента маневренности собственных средств на 0,637 ед. и коэффициента устойчивости структуры мобильных средств на 2,323 ед.

Выводы

При стремлении максимизировать значение коэффициента финансовой устойчивости, который является основным из рыночных коэффициентов финансовой устойчивости, полученные прогнозные значения свидетельствуют о том, что у предприятия коэффициент финансового риска и долга должен быть приближен или равен нулю. Коэффициент маневренности при этом имеет тенденцию к снижению, что свидетельствует о негибком использовании собственных источников. Данные решения вполне реализуемы и применимы на практике в случае привлечения заемных средств, необходимых для нормальной работы предприятия.

Таким образом, при правильном пользовании коэффициентами финансовой устойчивости можно активно воздействовать на уровень финансовой устойчивости, повышать его до минимально необходимого, а если он фактически превышает минимально необходимый уровень, – использовать эту ситуацию для улучшения структуры активов и пассивов.

Рецензенты:

Брейдо И.В., д.т.н., профессор, зав. кафедрой «Автоматизация производственных процессов», Карагандинский государственный технический университет, г. Караганда;

Сихимбаева Д.Р., д.э.н., профессор, Карагандинский экономический университет, г. Караганда.


Библиографическая ссылка

Когай Г.Д., Тен Т.Л., Дрозд В.Г., Жолдангарова Г.И. СОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ ФИНАНСОВОЙ УСТОЙЧИВОСТЬЮ НА ОСНОВЕ МНОГОФАКТОРНЫХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ // Фундаментальные исследования. – 2015. – № 2-19. – С. 4159-4165;
URL: https://fundamental-research.ru/ru/article/view?id=37922 (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