(Себестоимость реализованной продукции –

– амортизационные отчисления)

где Т – длительность временного интервала анализа (месяц, квартал, год)

Интервал самофинансирования отражает уровень резервов для финансирования издержек предприятия за счет имеющихся денежных средств, краткосрочных финансовых вложений и поступлений от дебиторов. Интервал самофинансирования (или платежеспособности) предприятия может свидетельствовать:

- о высоком уровне резервов (>= 90).

- о низком уровне резервов у предприятия для финансирования своих затрат в составе себестоимости (< 90).

В международной практике считается нормальным, если данный показатель превышает 90 дней.

Другой пример. Рассчитаем коэффициент прогноза банкротства (К_пб), который характеризует удельный вес чистых оборотных средств в сумме актива баланса и исчисляется по формуле:

К_пб = (Все мобильные (оборотные активы) – VI раздел баланса + Расчетные прочие пассивы) / Общий итог баланса

После проведения экспресс-диагностики аналитик имеет возможность определить и локализовать проблемы внутри одной определенной функции и выяснить нуждается ли организация в проведении всего комплекса диагностического обследования.

5.2. Западный инструментарий диагностики банкротства

Риск – это неотъемлемая черта предпринимательства, в том числе и риск, связанный с возможностью банкротства фирмы. Негативные последствия банкротства коммерческих организаций и хозяйствующих субъектов, вложивших свои активы в той или иной форме, например, через покупку акций, коммерческий или денежный кредит в их деятельность стали причиной поиска методов идентификации возможной неплатежеспособности. Различные методики диагностики банкротства предсказывают различные виды кризисов и соответственно оценки, получаемые при их помощи различны. Выбор конкретных методик диктуется и подвергаться корректировке с учетом специфики отрасли, в которой работает организация. В результате было разработано большое число разнообразных моделей прогнозирования банкротства.

Модели в финансовом анализе различаются в зависимости от принципов исследования и приоритетов анализа. Выделяют:

1. Дискриптивные (описательные) модели, в основе которых лежит бухгалтерская отчетность. В научной литературе иногда даже саму бухгалтерскую отчетность рассматривают как форму описательной модели (вертикальный и горизонтальный анализ финансовой отчетности, построение системы балансов, расчет аналитических коэффициентов).

2. Нормативные модели применяются, главным образом, при проведении внутреннего финансового анализа. В их основе лежат необходимые рассчитанные показатели и сравниваются с рекомендуемым (нормативным) значением.

3. Предикативные модели используются для составления прогнозов относительно будущих финансовых ре­зультатов и финансового состояния фирмы. Выделяются модели ситуационного анализа, модели динамического анализа, критические модели.

Основываясь на характеристики используемых техник моделирования, можно выделить несколько групп моделей прогнозирования банкротства:

• статистические модели;

• модели искусственного интеллекта;

• теоретические модели.

Первые две группы моделей характеризуются как позитивные, поскольку и фокусируются на симптомах банкротства, пытаясь объяснить с помощью индуктивных аргументаций, почему на практике некоторые компании становятся банкротами. Последняя категория – нормативные модели, объясняет с помощью дедуктивной аргументации, почему определенная часть предприятий может стать банкротами.

Статистические модели были получены с помощью применения различных статистических методов классификации прогнозирования банкротства, среди которых выделяют:

• однофакторный анализ;

• многофакторный дискриминантный анализ;

• анализ условной вероятности;

• метод экспертных оценок;

• метод аналогий;

• метод оценки финансового состояния;

• анализ выживаемости.

Среди техник искусственного интеллекта, которые были успешно применены к проблеме прогнозирования банкротства, можно назвать следующие методы:

• дерево решений;

• генетический алгоритм;

• нейронная сеть;

• теория нечетких множеств;

• метод опорных векторов.

В последнее время ряд финансовых теорий был успешно применен к проблеме прогнозирования банкротства, в частности:

• теория энтропии;

• теория разорения игрока;

• теория оценки опциона;

• теория распознавания образов.

Данные использования различных техник моделирования и их точности прогнозирования свидетельствуют, что основные исследования связаны со статистическими моделями прогнозирования банкротства, что объясняется хронологией появления различных технологий моделирования. Но при этом данные модели показывают более низкий процент точности прогнозирования (84%) по сравнению с моделями искусственного интеллекта – (88%) и теоретическими (85%).

Степень адекватности различных видов моделей определяется ошибочностью идентификации тестируемого хозяйствующего субъекта. Возможны два вида основных ошибок – первый тип ошибок возникает в ситуации, когда финансово нестабильное предприятие, находящееся на грани банкротства определяется как финансово благополучное. И второй тип ошибок связан с ошибочной классификацией финансово устойчивой компании как организация-банкрот. В научной зарубежной и отечественной литературе проведено сравнение точности прогнозирования различных типов моделей (см. табл. 5.1). Из приведенных данных подтверждается высокая точность методов дерева решений, многофакторного дискриминантного анализа, генетического алгоритма и др.

Таблица 5.1