Методика количественной оценки риска банкротства предприятий

Г.В. Давыдова,
доктор экономических наук,
профессор, заслуженный
деятель науки РФ
(Иркутская государственная
экономическая академия)
А.Ю. Беликов,
ассистент
(Иркутская государственная
экономическая академия)

Одной из актуальных проблем, требующих решения, является наиболее ранняя диагностика риска банкротства предприятия. Требования к максимально ранней диагностике вызвано двумя основными причинами: необходимостью иметь достаточный лаг времени для принятия управленческого решения и погашения инерции достижения прежней стратегической или тактической цели у анализируемого предприятия.

Перед анализом хозяйственного риска предприятия, который требует большого количества трудовых и финансовых затрат, необходим простой и дешевый экспресс-анализ риска банкротства предприятия.

Для этих целей специалисты экономически развитых и политически стабильных стран используют двухфакторную, пятифакторную и семифакторную модели по оценке степени риска банкротства предприятия.

Начиная с 1992 года пятифакторная модель прогнозирования банкротства предприятия начала использоваться и в России. В результате проведенного нами предварительного анализа отчетов 16 работающих и семи ликвидированных торговых предприятий был сделан вывод, что использовать двухфакторную и пятифакторную модели нецелесообразно из-за низкой степени соответствия данной модели условиям России.

Для проведения более подробного и точного анализа соответствия двухфакторной и пятифакторной моделей условиям России нами была сформирована база данных из 2040 финансовых отчетов работающих торговых предприятий города Иркутска и Иркутской области.

Торговые предприятия были выбраны для анализа по трем основным причинам.

Во-первых, в настоящее время они являются наиболее устойчивыми и работоспособными в отличие от предприятий других отраслей народного хозяйства.

Во-вторых, предприятия торговли являются наиболее быстро развивающимися и обеспечивают рабочими местами более 30% трудоспособного населения и около 80% пенсионеров.

В-третьих, они, в отличие от большинства промышленных предприятий, не являются монополистами, а следовательно, задача формирования репрезентативной выборки и объективного анализа их положения на рынке может быть решена наилучшим образом. Учитывая, что количество ежегодно регистрируемых торговых предприятий приблизительно равно количеству ежегодно ликвидируемых, можно сделать вывод о том, что торговые предприятия наилучшим образом подходят для дальнейшего исследования.

В результате первичной статистической обработки 2040 финансовых отчетов было отобрано 608 независимых финансовых отчетов, на основе которых и был проведен анализ соответствия результатов оценки степени риска банкротства предприятия с помощью пятифакторной модели и действительным положением дел на российских предприятиях.

Проведенное исследование показало, что в 84% случаев пятифакторная модель Альтмана прогнозировала банкротство предприятий еще в конце 1995 года и начале 1996 года, хотя на самом деле данные предприятия продолжали работу и в 1998 году.

Так как содержание и определение многих показателей в нашей стране и за рубежом существенно отличаются друг от друга, то для уточнения расчетов факторов, входящих в пятифакторную и двухфакторную модели, был сделан запрос в "First Security Bank" США.

В запросе была просьба помочь поитерационно рассчитать показатель риска "Z" двухфакторной и пятифакторной модели Альтмана и оценить полученный результат для трех любых торговых предприятий, являющихся клиентами данного банка и двух российский торговых предприятий, вся информация по которым была предоставлена по электронной почте.

В результате анализа полученных данных были сделаны следующие основные выводы:
1) Идентичность полученных расчетных данных из "First Security Bank" и нашего расчета достигает 98,6%, то есть расхождения в определении показателей и весовых коэффициентов в модели отсутствуют, а отклонение на 1,4% связано с округлением числовых значений факторов, включенных в анализируемую модель.
2) Модели Альтмана используются для быстрой оценки делового партнера и являются одним из пунктов в закрытом пакете прикладных программ по "Определению финансового состояния предприятия" ("DFSF").
3) Численное значение фактора К4 (отношение рыночной стоимости обычных и привилегированных акций к бухгалтерской стоимости долговых обязательств) в пятифакторной модели не может быть определено из-за отсутствия рыночной стоимости акций подавляющего большинства предприятий России, а многие предприятия вообще не являются акционерными обществами. И хотя можно приблизительно определить курсовую стоимость акции как отношение суммы дивиденда к среднему уровню ссудного процента, но данная оценка будет иметь большую погрешность, связанную с ограничением количества факторов, влияющих на курс акции.
4) Существенно отметить, что численные значения факторов для предприятий торговли России и США значительно отличаются друг от друга. Так для фактора К1 (отношение разности собственных средств и долгосрочных обязательств предприятия к итогу актива баланса) в двухфакторной модели расчетное значение различается более чем в пять с половиной раз. Также велики отличия абсолютных значений по фактору К2 (отношение долговых обязательств предприятия к итогу актива баланса). Еще больше различия абсолютных значений факторов для пятифакторной модели. Максимальные отличия в числовых значениях коэффициентов наблюдаются по фактору К1 (отношение оборотного капитала к итогу актива баланса), что объясняется наличием у российских предприятий большой доли текущих пассивов в суммарной величине заемных средств. Торговые предприятия США преимущественно работают с долгосрочными кредитами, что увеличивает значение показателя К1.

Столь большие отличия расчетных значений факторов для предприятий одной и той же отрасли (то есть для предприятий торговли) и результатов проведенного анализа дают основания для утверждения о том, что ни двухфакторная, ни пятифакторная модели не могут быть использованы в России для тех целей, ради которых они были разработаны, из-за их несоответствия экономическим условиям нашей страны.

К их числу можно отнести следующие основные особенности российской экономики: информационная закрытость предприятий, что ведет к неопределенности при инвестировании; мощный налоговый пресс, который заставляет предпринимателей искажать действительные результаты своей деятельности; отсутствие рынка недвижимости, что не дает заработать механизму ипотеки, а следовательно, приводит к тому, что риск кредитора становится выше, чем внутренний предпринимательский риск. Кроме того, в России иные условия фондоемкости и энергоемкости производства, другая производительность труда.

Перечисленные особенности российской действительности не позволяют механически использовать модели американского исследователя Э.Альтмана. Бесперспективны попытки решить задачу путем изменения числовых значений коэффициентов модели. Различия в условиях России и США настолько велики, что модели для прогнозирования банкротства предприятий в России должны строиться на иной группировке показателей. Это важно подчеркнуть, так как перенос американской практики в условия российского рынка не обеспечивает всестороннюю оценку финансового состояния предприятия и приводит к значительным отклонениям прогноза от реальности и дезориентации. В итоге вместо пользы предпринимателю наносится вред.

В январе-марте 1997 года в городе Иркутске был проведен опрос директоров 80 торговых негосударственных предприятий, в ходе которого задавался следующий вопрос: "С помощью каких показателей Вы оцениваете состояние своего бизнеса и работу своей фирмы?" Большинство респондентов (96%) оценивают состояние своей фирмы, используя вариации следующих показателей:

• сумма прибыли, остающаяся в распоряжении предприятия (чистой прибыли);
• выручка от реализации;
• затраты на производство и реализацию продукции;
• величина оборотного капитала предприятия;
• размер собственного капитала и всего капитала предприятия.

Для обоснования выбора показателей, которые наилучшим образом характеризуют состояние предприятий в условиях российской экономики, были рассмотрены показатели, отражающие мнения руководителей коммерческих предприятий (по результатам их опроса), показатели, входящие в состав методики ФУДН и моделей Альтмана. На основании обобщения данных материалов были отобраны следующие тринадцать показателей.

1. Отношение чистого оборотного (работающего) капитала к активу
   

   Показатель позволяет оценить эффективность использования активов предприятия

2. Отношение прибыли к активам (первый вариант расчета)
   

   Этот коэффициент показывает способность фирмы использовать свои активы для получения прибыли, остающейся в распоряжении у предприятия (чистой прибыли).

3. Отношение прибыли к активам (второй вариант расчета).
   

   Показатель отношения прибыли к активам "К2" может исказить оценку ситуации, если сравниваются фирмы с различной структурой капитала. Причина заключается в том, что чем большую сумму процентов за привлеченные кредитные средства уплачивает фирма, тем меньше сумма налогооблагаемой прибыли. Поэтому для "очистки" показателя от различий в структуре капитала используется показатель К3.

4. Отношение прибыли к собственному (акционерному) капиталу.
   

   Данный показатель характеризует эффективность инвестиций в собственный капитал

5. Коэффициент оборачиваемости активов.
   

   Коэффициент характеризует производственную эффективность, то есть сколько может быть произведено и реализовано продукции при имеющихся и привлеченных средствах (способность данного набора активов генерировать реализацию товаров).

6. Отношение прибыли к совокупному капиталу.
   

   Этот показатель характеризует эффективность функционирования всего капитала, инвестированного в данное предприятие

7. Маржа прибыли
   

   Показатель характеризует способность предприятия генерировать прибыль из всего объема реализованной продукции. Чем больше величина данного показателя, тем больший доход могут получить акционеры.

8. Норма прибыли.
   

   Данный показатель определяет эффективность всей работы предприятия, его устойчивость и наличие финансовых резервов повышения конкурентоспособности.

9. Финансовый рычаг.
   

   Коэффициент дает представление о структуре финансирования хозяйственной деятельности предприятия.

10. Общий коэффициент покрытия.
    

    Коэффициент показывает, какую часть краткосрочных обязательств предприятия можно погасить, если мобилизовать все оборотные средства.

11. Удельный вес собственного капитала предприятия в активах.
    

    Данный коэффициент показывает риск инвестирования в предприятие.

12. Коэффициент покрытия инвестиций.
    

    Коэффициент показывает, какая часть инвестиций предприятия финансируется за счет собственных средств и долгосрочных долговых средств, то есть за счет устойчивых источников.

13. Показатель оборачиваемости оборотного капитала.
    

    Данный показатель позволяет оценить уровень использования оборотного капитала.

Для составления модели прогнозирования степени риска банкротства предприятия были сформированы три независимые и случайно выбранные базы финансовых отчетов торговых предприятий города Иркутска и Иркутской области.

Основная база данных №1 — это база данных квартальных финансовых отчетов (форма №1 — "Баланс" и форма №2 — "Отчет о прибылях и убытках") 16 работающих в начале 1997 года предприятий за период с 1994 года по 1996 год.

База данных №2 — это база данных квартальных финансовых отчетов (форма №1 — "Баланс" и форма №2 — "Отчет о прибылях и убытках") 17 работающих в начале 1997 года предприятии за период с 1994 года по 1996 год. Данная база была сформирована для сравнения полученных итогов ее анализа с итогами анализа базы № 1.

Основная база данных №3 — это база данных квартальных финансовых отчетов (форма №1 — "Баланс" и форма №2 — "Отчет о прибылях и убытках") 12 прекративших свою деятельность в конце 1996 года — начале 1997 года предприятий за период с 1994 года по 1996 год.

В каждой базе были рассчитаны значения перечисленных выше тринадцати показателей для составления модели прогнозирования степени риска банкротства предприятия и был проведен вертикальный и горизонтальный анализ балансов.

В результате проведенного анализа структуры балансов было выявлено, что всего 2% предприятий используют долгосрочные кредиты, 91% используют краткосрочные кредиты, а 7% предприятий вообще не используют заемные средства, 72% предприятий излишне отягощены активами, которые мало используются. Все проанализированные предприятия имеют и дебиторскую и кредиторскую задолженность.

Для увеличения числа наблюдений был использован метод "заводо-лет", то есть в выборки были включены данные за несколько временных периодов по одному и тому же предприятию. Это уменьшает число эффективных наблюдений, что может привести к нарушению требования независимости наблюдений, а, следовательно, к искажению результатов анализа. Поэтому для статистической проверки независимости результатов расчета показателей при использовании метода "заводо-лет" был использован статистический критерий серий.

На основе анализа полученных результатов был сделан вывод, что численные значения показателей К3, К6, К9, К10, К11, К13 являются зависимыми и должны быть исключены из дальнейшего анализа.

Оценка однородности исходной информации, произведенная с помощью вычисления и анализа коэффициента вариации, позволила сделать вывод, что значения показателей К6 и К7 не являются однородными, а следовательно, должны быть исключены из дальнейшего анализа.

Для исключения попадания в разрабатываемую модель по определению риска банкротства предприятия дублирующих факторов были рассчитаны коэффициенты частной корреляции, которые позволили сделать вывод о дублировании факторов К2/К3, К2/К4, К3/К4. Поэтому показатели К2 и К3 были исключены из дальнейшего анализа.

Для дополнительной оценки колеблемости значений факторов и показателя модели в зависимости от выборки было проведено сравнение значений 13 факторов и значений модели в первой и второй базе данных.

В результате статистического анализа исходной и расчетной информации была получена следующая четырехфакторная модель:

=K1

=K2

=K3

=K4

Для дальнейшего анализа возможности прогнозирования банкротства предприятия на основе факторов, включенных в модель "R", были использованы данные проверок налоговой полиции предприятий Иркутской области по 29 работающим с третьего квартала 1993 года по четвертый квартал 1996 года предприятиям и по 21 предприятию, которые работали в третьем квартале 1993 года и были ликвидированы в первом — четвертом квартале 1996 года. Таким образом, был охвачен промежуток времени в 14 кварталов и минимизированы неточности (случайные и преднамеренные) при составлении отчетов для налоговой инспекции и Областного комитета управления статистики. Для определения точности прогноза ликвидации предприятия с помощью анализируемых факторов в налоговой полиции Иркутской области были получены данные по 2040 предприятиям торговли Иркутской области, которые работали или были ликвидированы в течение анализируемых 14 кварталов.

Так как в России сложилась нестабильная экономическая и политическая ситуация, которая продолжает оставаться и в настоящее время, то в дальнейшем мы будем полагать, что факторы К1, К2, К3 и К4 по своему влиянию на риск банкротства предприятия являются равноправными.

Поэтому для приведения влияния факторов к сопоставимому виду были определены средние значения каждого фактора по всей совокупности предприятий за анализируемый период времени. Для расчета коэффициентов "приведения" факторов к сопоставимому виду за базу было принято среднее значение фактора К2. Результаты расчета сведены в таблицу 1.

В результате проведенных преобразований модель "R" приняла следующий вид:

Анализ возможности прогнозирования банкротства предприятия с помощью каждого фактора, включенного в модель, проводился следующим образом. Были построены диаграммы, отражающие динамику и характер изменений каждого фактора по каждому из 2040 предприятий и средних значений соответствующих факторов по всем работающим предприятиям анализируемой совокупности. После этого был отслежен характер и величина изменения значений каждого фактора по каждому из 2040 предприятий по отношению к величине и характеру изменения средних значений соответствующих факторов по всей совокупности работающих предприятий. На основании проведенного анализа была заполнена таблица 2.

Для определения вероятности банкротства предприятия при прогнозе на какой-либо срок был выполнен сравнительный анализ значений каждого фактора по каждому из 2040 предприятий со средним значением соответствующего фактора по всем работающим предприятиям и со сроком ликвидации анализируемого предприятия в соответствии с отслеживаемым значением. Конечные итоги данной работы приведены в таблице 3.

Величина вероятности прогноза банкротства предприятия была рассчитана как отношение числа ликвидированных предприятий при данном значении анализируемого фактора за определенный период времени до его ликвидации к общему числу анализируемых предприятий. Увеличение расчетного срока прогноза банкротства предприятия продолжалось до тех пор, пока точность прогноза на следующем шаге расчета (шаг расчета равен одному кварталу) не становилась меньше 50%.

Анализируя динамику значений фактора К1 по 2040 предприятиям, можно сделать вывод о том, что на основании данного фактора можно спрогнозировать ликвидацию (банкротство) предприятия за 1 - 2 квартала с точностью 50 - 54%.

В результате анализа динамики значений фактора К2 был сделан вывод о том, что на основании данного фактора невозможно спрогнозировать ликвидацию (банкротство) предприятия даже за 1 квартал с вероятностью выше 11%.

Анализ динамики изменения значений фактора К3 показал, что на основании данного фактора можно спрогнозировать ликвидацию (банкротство) предприятия за 2 квартала с вероятностью 70 — 78%.

Норма прибыли рассчитывалась как отношение балансовой прибыли к затратам, осуществленным для ее получения.

Исследование динамики изменения значений фактора К4 показало, что при уменьшении значения нормы прибыли более чем на 30% на срок, превышающий три квартала, по сравнению со средней нормой прибыли по отрасли, анализируемое предприятие в течение последующих четырех кварталов будет ликвидировано с вероятностью 64% (в случае, если руководство не предпримет попытки увеличить норму прибыли до средней по отрасли, или если объективные факторы не уменьшат среднюю отраслевую норму прибыли).

Исходя из вышеизложенного, можно предложить следующую формулу для определения нормы прибыли, при которой риск неконкурентоспособности товара анализируемого предприятия приближается к 100%.

Собственно риск неконкурентоспособности товара анализируемого предприятия из-за уменьшения значения нормы прибыли можно определить следующим образом:

В случае если необходимо оценить риск неконкурентоспособности товара анализируемого предприятия относительно какого-либо конкурента, то вместо НПср (см. формулу 4) вводится норма прибыли конкурента.

Для определения влияния изменения значения нормы прибыли на потребителя продукции была использована методика профессора Баканова М.И. С помощью данной методики было определено, что в случае, когда значение нормы прибыли у анализируемого предприятия превышает более чем на 30% значение нормы прибыли у конкурентов, то цена продукции на анализируемом предприятии может быть уменьшена на 9% при получении такого же объема массы прибыли, как и у конкурентов, что вынудит конкурентов потерять своего потребителя.

С помощью фактора К4 (норма прибыли) можно количественно оценить риск неконкурентоспособности анализируемого предприятия на четыре квартала с точностью 64% — 68%.

Следовательно, степень риска банкротства предприятия увеличивается при уменьшении абсолютных значений выбранных для дальнейшего анализа данных четырех показателей.

Как видно на рисунке 1, до начала пятого квартала средние значения модели "R" и по работающим и по неработающим предприятиям совпадали, но с середины пятого квартала началось уменьшение средних значений модели "R" по неработающим предприятиям. С начала шестого квартала и до конца 12 квартала значения модели "R" по неработающим предприятиям относительно стабилизировались на уровне 0,19. Дальнейшее уменьшение значений модели "R" по неработающим предприятиям вызвано уменьшением выборки анализируемых предприятий из-за их последовательной ликвидации.

Анализируя динамику значений модели "R" по 2040 предприятиям, можно сделать вывод, что на основании данной модели можно спрогнозировать ликвидацию (банкротство) предприятия за три квартала с вероятностью до 81% (см. рис. 2 и рис. 3). На рисунке 2 показана динамика значений модели "R" по пяти случайно выбранным предприятиям и динамика средней величины значений модели "R" по работающим предприятиям.

Следовательно, используя данную методику, можно с точностью до 81% определить степень риска банкротства предприятия за три квартала.

На основе анализа полученных результатов построена шкала для оценки значений модели "R".

Исходя из практической целесообразности, шкала была разделена на пять интервалов и приведена в таблице 4. Между каждыми соседними интервалами оставлен лаг от 5% до 15%. Это объясняется невозможностью точного распределения значения модели по определению степени риска банкротства предприятия "R" по вероятности банкротства. Особенно сложно определить границу вероятности банкротства предприятия между "Низкой вероятностью банкротства" и "Средней вероятностью банкротства", так как в этом диапазоне колебания значений модели "R" наиболее часто встречались.

При невозможности получить информацию по среднеотраслевым значениям факторов за один или несколько (что предпочтительнее) периодов для пофакторного анализа риска банкротства предприятия можно воспользоваться собственно формулой расчета модели "R" (см. формулу 3) и оценкой риска банкротства по приведенной шкале (см. табл. 4).

• Обоснована невозможность применения двухфакторной и пятифакторной модели Э.Альтмана по прогнозированию банкротства предприятий России из-за несоответствия данных моделей экономическим условиям нашей страны.
• Опытным путем на основании показателя "норма прибыли" получена формула для определения цены, при которой риск неконкурентоспособности товара анализируемого предприятия приближается к 100% или единице.
• Предложена и экономически обоснована четырехфакторная модель по определению риска банкротства торгового предприятия, которая представляет собой уравнение первого порядка. С помощью данной модели можно определить риск банкротства анализируемого предприятия за три квартала с точностью до 81%.
• Разработана шкала для количественной оценки степени риска банкротства торгового предприятия, с помощью которой сопоставляются расчетные значения предложенной модели "R" с вероятностью банкротства данного экономического субъекта. Исходя из практической целесообразности, данная шкала была разделена на пять интервалов.
• Преимуществом использования в практической деятельности разработанной нами методики является то, что она позволяет осуществить диагностику риска банкротства предприятия любой формы собственности и любой отрасли, при соответствующем изменении шкалы для оценки риска банкротства предприятия, на срок до трех кварталов, что даст время для принятия соответствующих управленческих решений по предупреждению возможности наступления несостоятельности предприятия.