Антикризисный менеджмент. Диагностика и прогнозирование банкротства. Учебное пособие

Т а б л и ц а 22. Особенности финансового анализа неплатежеспособных

организаций

41

1.Совокупные активы – валюта баланса за минусом отложенных налоговых активов; стоимость имущества организация в бухгалтерской оценке.

2.Скорректированные внеоборотные активы. Смысл данного показателя состоит в том, что выделенные в эту группы активы могут быть проданы, а активы, реализация которых невозможна, исключаются из расчета. Корректировка, следовательно, предполагает вычитание из стоимости внеоборотных активов отложенных налоговых активов, капитальных затрат и незавершенных капитальных затрат на арендуемые основные средства.

3.Оборотные активы включают стоимость капитала, используемого предприятием в текущей хозяйственной деятельности (разд. 2 бухгалтерского баланса).

4.Долгосрочная дебиторская задолженность – дебиторская задолженность, платежи по которой ожидаются более чем через 12 месяцев после отчетной даты.

5.Ликвидные активы – сумма денежных средств, краткосрочных финансовых вложений, товаров отгруженных, краткосрочной дебиторской задолженности, прочих оборотных активов. Формирование этой группы активов обусловлено необходимостью рассчитать ту сумму средств, которая может в короткие сроки быть мобилизована для расчетов по долгам.

6.Наиболее ликвидные оборотные активы – денежные средства, краткосрочные финансовые вложения.

7.Краткосрочная дебиторская задолженность – сумма дебиторская задолженность, платежи по которой ожидаются в течение 12 месяцев после отчетной даты.

8.Потенциальные оборотные активы к возврату включает списанную в убыток сумму дебиторской задолженности и сумму выданных гарантий и поручительств. В бухгалтерском балансе потенциальные оборотные активы отражаются по строкам 940 и 960 «Справки о наличии ценностей, учитываемых на забалансовых счетах».

9.Собственные средства – сумма, учитываемая по разделу капитал и резервы, а также доходы будущих периодов, оценочных обязательств за вычетом капитальных затрат по арендованному имуществу.

10.Обязательства должника – сумма краткосрочных (текущих) обязательств и долгосрочных обязательств должника.

Долгосрочные обязательства должника – сумма займов и кредитов, подлежащих погашению более чем через 12 месяцев после отчетной даты, и прочих долгосрочных обязательств.

Текущие обязательства должника – сумма займов и кредитов, подлежащих погашению в течение 12 месяцев после отчетной даты, кредиторской задолженности, задолженности участникам (учредителям) по выплате доходов

ипрочих кр+аткосрочных обязательств.

43

11.Выручка-нетто – выручка от реализации товаров, выполнения работ, оказания услуг за вычетом налога на добавленную стоимость, акцизов и других аналогичных обязательных платежей.

Валовая выручка – выручка от реализации товаров, выполнения работ, оказания услуг без вычетов.

Среднемесячная выручка – отношение величины выручки, полученной за определенный период как в денежной форме, так и в форме взаимозачетов, к количеству месяцев в периоде.

12.Чистая прибыль (убыток) – чистая нераспределенная прибыль (убыток) отчетного периода, оставшаяся после уплаты налога на прибыль и других аналогичных обязательных платежей.

Расчет финансовых коэффициентов производится по форме табл. 24.

Та б л и ц а 24. Расчет и оценка финансовых показателей арбитражным

управляющим

44

4.1.3. Методика Сбербанка России

В современных условиях коммерческие банки как отечественные, так и зарубежные разрабатывают и используют собственные методики оценки кредитоспособности заемщиков.

Методика Сбербанка России по оценке финансового состояния заёмщикакорпоративного клиента основана на проведении экспресс-анализа финансового состояния организаций в целях их классификации по уровню риска взаимоотношений с банком [6].

Оценка кредитоспособности производится в соответствии с Регламентом предоставления кредитов юридическим лицам Сбербанком и его филиалами от 30 июня 2006 года № 285-5-р.

Для оценки финансового состояния заемщика используются три группы основных оценочных показателей: коэффициенты ликвидности (К1, К2, К3); коэффициент соотношения собственных и заемных средств (К4); показатель оборачиваемости и рентабельности (К5). Показатели оборачиваемости и рентабельности необходимы для общей характеристики и рассматриваются как дополнительные к первым пяти коэффициентам.

По результатам анализа пяти коэффициентов заемщику присваивается категория по каждому из этих показателей на базе сравнения полученных значений с установленными (достаточными). Далее определяется сумма баллов по этим показателям в соответствии с их весами. Разбивка показателей на категории в зависимости от их фактических значений представлена в табл. 25.

Т а б л и ц а 25. Категории показателей оценки кредитоспособности

заемщика в соответствии с методикой Сбербанка России

45

Далее производится расчет общей суммы баллов (S) с учетом коэффициентов значимости каждого показателя, имеющих следующие значения:

К1 = 0,11, К2 = 0,05, К3 = 0,42, К4 = 0,21, К5 = 0,21.

Значение S наряду с другими факторами используется для определения рейтинга заемщика. Расчет производится по формуле

+0,42*категория показателя К3 + 0,21*категория показателя К4

+0,21*категория показателя К5.

Заключительным этапом оценки кредитоспособности является определение рейтинга заемщика, или класса. Устанавливаются три класса заемщиков (табл. 26).

Т а б л и ц а 26. Определение предварительного рейтинга заемщика

Далее определенный таким образом предварительный рейтинг корректируется с учетом других показателей третьей группы и качественной оценки заемщика. Рейтинг определяется на основе суммы баллов по пяти основным

46

показателям, оценки остальных показателей третьей группы и качественного анализа рисков.

Итоговый рейтинг и класс заемщика для ОАО «Московская кондитерская фабрика «Красный Октябрь» представлен в табл. 27.

Т а б л и ц а 27. Определение класса кредитозаемщика

Для остальных показателей третьей группы (оборачиваемость и рентабельность) не устанавливаются оптимальные или критические значения ввиду большой зависимости этих значений от специфики хозяйствующего субъекта, его отраслевой принадлежности и других конкретных условий. Осуществляется сравнительный анализ этих показателей и оценивается их динамика.

Качественный анализ базируется на использовании информации, которая не может быть выражена в количественных показателях. Для проведения такого анализа применяются сведения, представленные заемщиком, подразделением безопасности, и информация базы данных. На этом этапе оцениваются риски отраслевые, акционерные, регулирования деятельности хозяйствующего субъекта, производственные и управленческие.

4.2. Дискриминантные модели прогнозирования вероятности банкротства

Для диагностики финансового кризиса и прогнозирования вероятности банкротства применяется ставший уже классическим статистический многофакторный метод прогнозирования – множественный линейный дискрими-

47

нантный анализ (МДА, Multiple-discriminant analysis, MDA), основоположником которого является Эдвард Альтман (1968).

MDA-модели прогнозирования банкротства позволяют классифицировать анализируемое предприятие в один из двух классов (банкрот/ небанкрот). Если предприятие попадает в класс банкротов, то это означает, что высока вероятность того, что оно станет банкротом через 1 год (как правило, все MDA- модели делают прогнозный вывод на 1 год).

MDA-модели прогнозирования банкротства представляют собой статистические регрессионные модели, построенные с использованием двух выборок: в первую входят предприятия, ставшие банкротами, а во вторую ‒ предприятия, которые остались финансово устойчивыми.

В экономическом смысле модель является функцией, зависящей от определенных показателей, характеризующих результаты работы предприятия и его экономический потенциал.

Суть МДА состоит в следующем. Имеется так называемая обучающая выборка – качественно разнородные группы объектов (организаций финансово успешных и банкротов). МДА позволяет вывести одну или несколько дискриминантных функций, которые наилучшим образом отражают различия между этими группами объектов.

Дискриминантная функция является линейной комбинацией дискриминантных переменных и выглядит как уравнение множественной регрессии:

или

где аi – полученный в результате анализа вес, отражающий значимость данного показателя для результирующего показателя (его влияние); чем больше значение весового коэффициента, тем больше его влияние на результирующий показатель;

а0 – константа;

Кi – финансовый коэффициент (показатель);

Z – результирующий показатель, дающий возможность отнести объект к определенной группе (дискриминантная функция).

Каждый весовой коэффициент (аi) показывает степень влияния фактора Кi на результативный показатель Z при фиксированном положении остальных факторов. С изменением каждого фактора на единицу (1 %) результативный показатель меняется на величину соответствующего коэффициента регрессии.

Последовательность построения МДА-моделей диагностики банкротства выглядит следующим образом:

48

1.Экспертным методом выбираются финансовые показатели (финансовые коэффициенты, дискриминантные переменные), которые на основании исследованной статистики по ряду предприятий наилучшим образом позволяют отделить нормально развивающиеся предприятия от фирм-банкротов. Обычно количество отбираемых экспертами показателей колеблется от 2 до 7 при начальной выборке до 40. Из теории вероятности известно, что для минимальной достоверности при заданной надежности модели требуется не менее пяти экспертов.

2.Моделируется дискриминантная функция: на основе статистических данных обучающей выборки рассчитывается вес финансовых коэффициентов.

3.Устанавливаются пороговые (нормативные) значения Z, при которых риск банкротства высок, низок или определить состояние предприятия не представляется возможным.

4.Устанавливаются вероятности банкротства и периоды прогнози-

рования.

В ходе многочисленных исследований, проведенных как зарубежными, так и российскими авторами, моделей У. Бивера и Э. Альтмана был выявлен ряд их существенных недостатков, в качестве основного из которых является наличие так называемой «зоны неопределенности». В результате зарубежные специалисты-практики практически полностью отказались от использования моделей оценки риска банкротства, основанных на дискриминантном анализе,

ивсе большее внимание стало уделяться другим, более современным эконометрическим инструментам и, прежде всего, logit-моделям [28].

4.2.1.Модели А. В. Колышкина

Модели А. В. Колышкина (Санкт-Петербург, 2003) имеют отличные от других аналитических моделей принципы построения: Автор отобрал показатели, наиболее часто встречающиеся в моделях других исследователей, и рассчитал их вес (значимость, ценность). Для определения критических значений моделей автор рассчитал каждую из них на основе данных 17 российских предприятий различных отраслей и построил доверительные интервалы с уровнем ошибки 5 %. В результате были получены три статистические модели прогнозирования банкротства:

где К1 – отношение рабочего (функционирующего) капитала к активам; К2 – рентабельность собственного капитала (отношение чистой прибыли

к среднему собственному капиталу), коэффициент;

49

К3 – отношение чистого денежного потока к краткосрочным обязательствам (сумме краткосрочных заемных средств и кредиторской задолженности); чистый денежный поток рассчитывается по данным бухгалтерского баланса как разница между остатками денежных средств на конец и начало отчетного периода;

К4 – коэффициент текущей ликвидности; К5 – рентабельность активов (отношение чистой прибыли к средней

величине активов), коэффициент; К6 – рентабельность продаж (отношение чистой прибыли к выручке от

продаж), коэффициент.

В зависимости от полученных значений финансовых показателей анализируемая организация относится к одной из трех групп (табл. 28).

Т а б л и ц а 28. Критические показатели моделей А. В. Колышкина

По результатам расчетов аналитиком выносится общее заключение о принадлежности организации к той или иной группе. Поскольку модель III содержит четыре показателя и, соответственно, является наиболее точной из трех, именно она является определяющей.

Применение моделей А. В. Колышкина для ОАО «Московская кондитерская фабрика «Красный Октябрь» показано в табл. 29.

Т а б л и ц а 29. Прогнозирование банкротства с помощью моделей

А. В. Колышкина

50