Многокритериальная система раннего предупреждения риска банкротства предприятия.

Автор: Tomasz Korol

Источник: International Research Journal of Finance and Economics

Перевод: Потатуев Д.В.

Аннотация

Данная статья посвящена вопросу прогнозирования риска банкротства предприятий. В ней сравнивается эффективность по множеству критериев системы раннего предупреждения с традиционными дискриминантными моделями анализа для прогнозирования риска банкротства компаний. В исследование, проведенное, автор использовал данные на 185 компаний, котирующихся на Варшавской фондовой бирже. Это население фирм была разделена на обучение и тестирование набора данных. Каждая компания была проанализирована с использованием абсолютных значений от 14 финансовых показателей и динамики изменения этих отношений.

Разработанные модели автора характеризуются высокой эффективностью. Эти исследования являются одной из первых попыток в мире на использование нечеткой логики для прогнозирования банкротства компании. Полученные результаты свидетельствуют о большом потенциале этого метода.

1. Введение

Данная статья посвящена вопросу прогнозирования риска банкротства предприятий. Нынешний глобальный финансовый кризис доказал, что даже лучшие международные компании должны постоянно следить за их финансовым положением и тех компаний, с которыми они сотрудничают. Процесс глобализации привел к появлению сложной сети отношений в бизнес-среде. В условиях рыночной экономики, это означает возросшую сложность и неопределенность явлений, влияющих на финансовое положение организации. Ни одна компания, даже в период процветания, не можете быть уверена в своем будущем. Мировой финансовый кризис, который начался во второй половине 2008 года, вызвал у ряда компаний опасность банкротства Согласно статистическим данным международной компании Эйлера-Гермес, количество компаний на грани банкротства в США увеличилось на 54%, в Испании на 118%, а в Великобритании на 56% (Niewrzedowski, 2009). Общее повышение риска банкротства в компаниях по всему миру привело к осознанию необходимости осуществления методов для обеспечения раннего предупреждения для предупреждения банкротства предприятий. Таким образом, прогнозирование банкротства компаний, вопрос, который в настоящее время становится все более важным и ценным для анализа.

2. Методология прогнозирования корпоративного банкротства

Из-за усилий, необходимых для завершения полного анализа финансового состояния компании, аналитики пытались разработать методы для проведения немедленной и надежной диагностики финансового состояния компании, основанные на минимально возможное количество параметров. Это привело к разработке моделей прогнозирования банкротства. В литературе, эти модели подразделяются на две основные группы: статистические модели и модели с помощью мягкой вычислительной техники, которые являются частью отдельной области науки определяется как вычислительного интеллекта (термин понимается как решения различных проблем с помощью искусственного интеллекта) . По данным исследования, проведенного Азиз и Дар по прогнозированию риска банкротства, 64% тематических исследований использованы статистические модели, 25% мягким вычислительной техники, и 11% других типов моделей (Азиз и Дар, 2006). В статистических моделей, выбрать финансовые показатели, которые имеют диагностическое значение, оцениваются и используются. Выбор каждого отношение основано на эмпирических исследованиях по факту группы компаний, состоящей из предприятий с хорошим финансовым состоянием и лиц, подвергающихся риску. Кроме того, набор показателей снижается за счет исключения переменных аналогичного содержания информации, например, отношений, которые коррелируют друг с другом. После определения набора диагностических переменных, параметры модели оцениваются. Каждая выбранная переменная получает дискриминационный вес модели прогнозирования банкротства, создается постепенное "уплотнения" из набора отдельных финансовых показателей, чтобы получить единый индекс, называемый синтетический показатель. "Уплотнение" осуществляется с использованием соответствующих статистических и эконометрических методов. Использование такой модели для оценки рисков корпоративного банкротства замена действительной стоимости финансовых коэффициентов и расчета синтетических показателей риска. Этот синтетический показатель характеризует финансовое положение проверенных компаний.

В отличие от статистических моделей, метод мягкой вычислительной техники эффективно справиться с неточно определенными проблемами, неполные данные, неточности и неопределенности. Вопрос о бизнес прогнозирования банкротства имеет все выше характеристик. Кроме того, мягкая вычислительная модель подходит для использования в динамических системах, предназначенных для приспособления некоторых внутренних параметров на изменение условий окружающей среды (так называемые системы обучения).

Разница между статистическими моделями и мягкими моделями вычислений на основе таких аспектов, как точность, надежность и точность используемых переменных. Эти элементы основе статистической модели, в то время как отправной точкой, например, для нечеткой логической модели, является тезис, что точность и определенность нести расходы, и расчета, рассуждения, и принятия решений необходимо использовать терпимость к неточности и неопределенности, когда это возможно. Мягкие вычисления, в отличие от статистических моделей, могут терпеть неточные данные, неуверенность, и приближения. Суть модели, основанные на вычислительном интеллекте, т.е. обработка и интерпретация данных в различных качествах. Они в состоянии сформулировать правила вывода и обобщенных знаний о ситуациях, когда они, как ожидается, предсказать или классифицировать объект в одном из наблюдавшихся ранее категорий.

Несомненно, что наиболее популярная модель для прогнозирования риска банкротства является статистическая модель, разработанная американскими Альтман в 1968 году. Будучи пионером в области использования многомерного дискриминантного анализа для прогнозирования банкротства компаний, он создал модель, состоящая из одной функции с пятью финансовые показатели. На основании исследования, проведенного автором этой статьи, несколько интересных идеи могут быть получены. Прежде всего - очень часто модели, разработанные после модели Альтмана отличались только модификациями весов, присваиваемыми отдельным финансовым показателям. В некоторых случаях лишь незначительные изменения в финансовых коэффициентов были использованы. Это замечание относится не только к статистическим моделям, но интересно и для моделей с использованием мягких методов вычислений. Модели следующих авторов могут быть использованы в качестве примеров: Гальвао, Бесерра, Уилсон, Рахимьян, Сингх, Чжан Ху, Индра, Назад, Лайтинен, Сере. В некоторых случаях, объясняют авторы в своих исследованиях, что финансовые показатели используются Альтман, являются лучшими предикторами компании банкротства в своих странах, а также (только настройки веса отдельных показателей в стране, или в период анализа). Второе замечание касается периодов, на основе которых исследуемые выборки (состоящей из "хороших" и "плохие" компании) были построены. Стоит отметить, что часто в обучающей выборке были компании, которые прекратили существование 15 лет назад.

В литературе исследования показывают, что предсказания этого явления доминируют микроэкономики. Большинство моделей использования только финансовых показателей анализируемой компании. У них нет связей в макроэкономику, которая принимает во внимание информацию об изменениях, происходящих в деловой среде, которые имеют влияние на экономическое и финансовое положение предприятий. В настоящее время такой подход, как представляется, серьезно устарели (Chen и Mahajan, 2010).

Таким образом, цель исследования, проведенного автором была разработка многофакторной системы раннего предупреждения в отношении риска банкротства сроком на один год, два года и три года вперед. Эта система прогнозов финансовое положение фирмы с помощью финансовых показателей и макроэкономических переменных, влияющих на финансовое состояние компании.

3. Нечеткая логика основных понятий

Прогнозирование банкротства компании, является неточным и неоднозначным. Процесс банкротства зависит от многих внутренних и внешних факторов, которые не могут быть точно и однозначно определены. Кроме того, простое утверждение, что компания находится под угрозой банкротства должно рассматриваться неточными, и в самом деле редко в экономической реальности существуют компании, которые можно рассматривать как 100% банкротом. Трудно точно определить степень угрозы банкротства с использованием традиционных статистических методов, таких как многомерного дискриминантного анализа. Когда значение дискриминантной функции меньше порогового значения, мы находим, что компания находится под угрозой банкротства. С помощью нечеткой логики расплывчатые и неоднозначные понятия могут быть определены, как "высокий риск банкротства" или "низкий риск банкротства". Понятие нечеткого множества было введено Л. Заде в 1965 (Заде, 1965).

Классическая теория множеств предполагает, что любой элемент (компании) полностью принадлежит или полностью не принадлежит данное множество (банкротом или не банкрот множество компаний). В свою очередь, в теории нечетких множеств элемент (компании) могут частично принадлежат к определенным набором, и это членство может быть выражено с помощью действительное число в интервале [0,1].

Членство функции, как правило, представлены в графической форме. Трапециевидной функции мкА (х) часто используется. График показывает информацию из литературы о принятых значений отношение текущей ликвидности. Правильные значения для этого отношения являются значения в интервале [1,2, 2], и неправильные значения в диапазоне (0; 1,2) È (2, ¥). Когда это соотношение ниже, чем в 1,2 считается, что компания слишком низкой текущей ликвидности, в свою очередь, когда эта сумма выше, чем 2,0 говорится, что компания имеет избыточную ликвидность, которая также оценивается как негативное явление (в При избыточной ликвидности таких компаний может быть слишком много, например кадастров, которая оценивается как неэффективное управление компанией - Ян и Чжуан, 2010).

В этом случае, с использованием классической теории множеств для оценки этого финансового отношения, существует резкая граница между двумя наборами отношение значения 1,2 и 2,0. Если одна компания записан коэффициент текущей ликвидности, например, на 1,19, она может быть классифицирован как некорректное значение - отрицательно, в то время как вторая компания записали этот показатель на уровне 1,2, это будет рассматриваться как правильное значение - положительная оценка риска банкротства, несмотря на финансовые отношения двух фирм отличаются лишь на 0,01. Интерпретация значения отдельных отношений (например, ликвидности) усложняется тем, что различные литературные источники дают разные ссылки предельные значения для отдельных финансовых показателей.

Применение нечеткого множества изменений оценки проблемы. Коэффициент текущей ликвидности на сумму 1,19 рассматривается как частично правильный и частично недействительным. Степень принадлежности к обеим группам в зависимости от формы функции принадлежности.

С таким определенные подмножества, граница между значениями считается положительным или отрицательным, это нечеткое - определенное значение соотношение "частично хорошо" и "частично плохо". Нет такой возможности в случае классической логики, т.е. двухвалентного, в котором значение соотношение "хороших" или "плохо". Таким образом, использование классической логики в оценке финансового положения компании негативно повлиять на эффективность поставленные прогнозов. Это происходит, особенно в соотношениях, значения которых близки к порогу подмножеств, где превышение критического значения определяет окончательную оценку отношения (как полностью положительное или отрицательное), что неверно, потому что оба значения отражают почти такая же ситуация на предприятии.

4. Система раннего предупреждения

Автор разработал свое собственное предложение для системы раннего оповещения для выявления риска банкротства компании. Отличительной особенностью данного предложения является многофакторной и многокритериальной подход к прогнозированию. Основная предпосылка этой системы с учетом макроэкономических факторов, влияющих на будущее финансовое положение предприятий, а также пытаясь предсказать внешние факторы. Такая система позволяет не только прогнозирование эффекта, который является банкротство компании, но и причины, которые могут повлиять на банкротство или - в некоторых случаях - даже прямо стимулирует их (например, обменный курс). Предлагаемая система раннего оповещения гибридной системы, системы с использованием работы нескольких методов прогнозирования. Гибридная система характеризуется большей интеллектуального потенциала в результате использования положительных свойств из нескольких методов обработки информации. Таким образом, можно решить проблемы более комплексно и эффективно, избегая какой-то степени недостатки других методов. Эта система состоит из нескольких моделей. Основные системы модель разработана с использованием нечеткой логики метода, который был выбран автором из-за его высокий потенциал прогнозирования (выводы предыдущих исследований).

Результаты показывают, что по множеству критериев системы раннего предупреждения полностью доминировали с отличными результатами по сравнению со стандартной моделью прогнозирования банкротства в анализе два-три года вперед. Но что вызвало систему так, получить так много по сравнению с моделью Д. стоит допроса. Глядя на тип I ошибки, возникшие, можно отметить, что при анализе двух и трех лет до банкротства, Есть практически нет существенных различий между системой и модели DA. Но есть огромная разница в случае ошибки типа II -. Анализе "в течение двух лет" анализ периода, то видно, что система, порожденная 14,95% Тип II ошибки, в то время как Д. модели 52,33%, однако, во время " в течение трех лет "анализ периода, система, порожденная 15,88% и Д. А. моделью 35,51% ошибки типа II. Кажется, что путь, в котором рано функций автора системы предупреждения (с учетом макроэкономических факторов, определяющих основные и дополнительные финансовые коэффициенты) является характеризуется большей эффективности и стабильности оценок, которые могут сделать для более полезного инструмента анализа для финансовых аналитиков.

5. Выводы

Проведенные исследования показали, что это стоит разработке таких всеобъемлющих систем раннего предупреждения. В основе этой системы был основан на модели, которая используется инновационный метод - нечеткой логики. В мире литературы, это одна из первых попыток с применением нечеткой логики для прогнозирования банкротства предприятия. Тем не менее, идея использовать такие сложные системы раннего предупреждения нового в мир литературы. Следует также отметить, что эта система "открытого приложения", то есть его структура может быть свободно модифицирован (критерии, функции принадлежности, используемых переменных и т.д.) в отличие от стандартных моделей прогнозирования, которые являются "закрытыми приложений" - желание изменить хотя бы один параметр, вероятно, потребует переоценки всей модели. нечеткой логики позволяет модели прогнозирования банкротства фирм, использующих не только финансовые показатели, которые в случае статистические модели должны иметь нормальное распределение. Такая система открывает для специалистов широкие возможности использования различных переменных (финансовые, макроэкономические, качественных), которые могут повысить эффективность прогнозирования банкротства. выводов из этих исследований также могут быть использованы в других европейских, американских и азиатских компаний.

Полный текст статьи можно найти на http://www.eurojournals.com/finance.htm