Методы анализа оценки кредитоспособности заемщика

2.2 Методика оценки финансового состояния организации

Методика определения кредитоспособности заемщика в Сбербанке основана на расчете показателей (коэффициентов) по принципу осторожности. Для оценки финансового состояния заемщика используется три группы оценочных показателей: коэффициенты ликвидности, коэффициент соотношения собственных и заемных средств, показатели оборачиваемости и рентабельности. Рассчитаем эти показатели для нашей организации на начало и конец года и проследим изменение кредитоспособности.

Коэффициенты ликвидности характеризуют обеспеченность организации оборотными средствами для ведения хозяйственной деятельности и своевременного погашения срочных обязательств.

Коэффициент абсолютной ликвидности (К₁) характеризует способность к моментальному погашению долговых обязательств и определяется как отношение денежных средств и высоколиквидных краткосрочных ценных бумаг к наиболее срочным обязательствам организации в виде краткосрочных кредитов банков, краткосрочных займов и различных кредиторских задолженностей (итог раздела 5 баланса за вычетом строк 640 - «Доходы будущих периодов», 650 - «Резервы предстоящих расходов»):

К1 = (стр.260 + стр.250) / (стр.690 - (стр.640 + стр.650)) (2.1)

На начало года: К₁ = (0+1850) / (24030-0-0) = 0,077,

на конец года: К₁ = (0+776) / (22481-0-0) = 0,035.

Промежуточный коэффициент покрытия (К₂) характеризует способность организации оперативно высвободить из хозяйственного оборота денежные средства и погасить долговые обязательства. Определяется он как отношение суммы денежных средств, краткосрочных финансовых вложений и расчетов к краткосрочным обязательствам:

К₂ = (стр.260+стр.250+стр.240) / (стр.690-(стр.640+стр.650)) (2.2)

На начало года: К₂ = (1850+0+16784) / (24030-0-0) = 0,775,

на конец года К₂ = (776+0+19935) / (22481-0-0) = 0,921.

Коэффициент текущей ликвидности (общий коэффициент покрытия) (К₃) является обобщающим показателем платежеспособности организации, в расчет которого в числителе включаются все оборотные активы, в том числе и материальные:

К₃ = стр.290 / (стр.690 - (стр.640 + стр.650)) (2.3)

На начало года: К₃ = 31870 / (24030-0-0) = 1,326,

на конец года: К3 = 32321 / (22481-0-0) = 1,438.

Коэффициент соотношения собственных и заемных средств (К₄) является одной из характеристик финансовой устойчивости организации и определяется как отношение собственных cpeдcтв ко всей сумме обязательств по привлеченным заемным cpeдствaм за вычетом строк 640 «Доходы будущих периодов», 650 - «Резервы предстоящих расходов»:

К₄ = (стр.490+стр.640+стр.650) / (стр.590+стр.690 - (стр.640+стр.650)) (2.4)

На начало года: К₄ = (29092+0+0) / (776+24030-0-0) = 29092 / 24806 = 1,173,

На конец года: К₄ = (31995+0+0) / (362+22481-0-0) = 31995 / 22843 = 1,401.

Далее рассмотрим показатели оборачиваемости и рентабельности.

Оборачиваемость разных элементов оборотных активов и кредиторской задолженности рассчитывается в днях исходя из объема дневных продаж (однодневной выручки от продаж). Объем дневных продаж (О_д) рассчитывается делением выручки от продажи на число дней в периоде (90, 180, 270 или 360).

Найдем объем дневных продаж за год - 360 дней: О_д = 156115/360 = 433,65 тыс. руб.

Оборачиваемость оборотных активов (О_а):

О_а = стр.290 / О_д (2.5)

На начало года: О_а = 31870/433,65 = 73,49 тыс. руб.,

на конец года: О_а = 54838/433,65 = 126,50 тыс. руб.

Оборачиваемость дебиторской задолженности (О_дз):

О_дз = (стр.230 + стр.240) / О_д (2.6)

На начало года: О_дз = (0+16784) / 433,65 = 38,70 тыс. руб.,

на конец года: О_дз = (0+19935) / 433,65 = 45,97 тыс. руб.

Оборачиваемость запасов (О_з):

О_з = стр.210 / О_д (2.7)

На начало года: О_з = 12587/433,65 = 29,03 тыс. руб.,

на конец года: О_з = 11324/433,65 = 26,11 тыс. руб.

Показатели рентабельности определяются в процентах или долях.

Рентабельность товара (или рентабельность продаж) (К5):

К5 = прибыль от продажи / выручка от продажи (2.8)

За отчетный год: К5 = 5023 / 156115 = 0,032.

Рентабельность вложений в организацию (К6):

К6 = чистая прибыль / выручка от продаж (2.9)

За отчетный период: К6 = 2541 / 156115 = 0,016.

После того, как вычисляются основные коэффициенты, необходимо разбить их на категории в зависимости от фактического значения.

Таблица 2.1 - Нормативная шкала

Коэффициенты	1-я категория	2-я категория	3-я категория
К1	0,2 и выше	0,15-0,2	менее 0,15
К2	0,8 и выше	0,5-0,8	менее 0,5
К3	2,0 и выше	1,0-2,0	менее 1,0
К4 кроме торговли	1,0 и выше	0,7-1,0	менее 0,7
К4 для торговли	0,6 и выше	0,4-0,6	менее 0,4
К5	0,15 и выше	менее 0,15	нерентабельно

Общая сумма баллов рассчитывается следующим образом:

S = 0,11*категория К₁ + 0,05* категория К₂ + 0,42 * категория К₃+ + 0,21* категория К₄ + 0,21* категория К₅ (2.10)

Далее проводится подсчет предварительного рейтинга:

1) S = 1 (1,05) - первый класс;

2) S больше 1, но меньше 2,42 - второй класс;

3) S равно или больше 2,42 - третий класс.

Сведем полученные результаты в таблицу и определим класс кредитоспособности:

Таблица 2.2 - Оценка класса кредитоспособности анализируемой организации на конец года

Показатель	Фактическое значение	Категория	Вес показателя	Расчет суммы баллов	Класс
К1	0,035	3	0,11	0,33
К2	0,921	1	0,05	0,05
К3	1,438	2	0,42	0,84
К4	1,401	1	0,21	0,21
К5	0,032	2	0,21	0,42
Итого на конец года	-	-	1	1,85	2
К1	0,077	3	0,11	0,33
К2	0,775	2	0,05	0,1
К3	1,326	2	0,42	0,84
К4	1,173	1	0,21	0,21
К5	0,032	2	0,21	0,42
Итого на начало года			1	1,9	2

В зависимости от результатов анализа заемщик относится к одному из следующих классов:

- первый класс - целесообразность кредитования не вызывает сомнения,

- второй класс - кредитование требует взвешенного подхода.

- третий класс - кредитование связано с повышенным риском.

В нашем случае организация как на начало, так и на конец года относится ко второму классу, то есть выдача кредитов требует взвешенного подхода и наличие обеспечения возврата.

Режим кредитования заемщиков устанавливается в зависимости от класса кредитоспособности. Первоклассным заемщикам банк предоставляет удобные и оперативные формы кредита - кредитную линию, контокоррентный счет, разовые бланковые ссуды (без обеспечения) под более низкий процент, чем для остальных заемщиков.

Заемщики второго класса кредитуются в обычном порядке, т. е. при наличии обеспечения возврата (гарантий, залога, поручительств, страхового полиса).

Кредитование заемщиков третьего класса для банка рискованно. Если же банк решается на выдачу ссуды такому заемщику, то ее размер не должен превышать размера уставного капитала организации, а процентная ставка должна быть высокой.

2.3 Определение вероятности банкротства заемщика

Банкротство - это признанная арбитражным судом неспособность должника в полном объеме удовлетворять требования кредиторов по денежным обязательствам и (или) исполнять обязанность по уплате других обязательных платежей. Определение вероятности банкротства имеет большое значение для оценки состояния самого предприятия (возможность своевременной нормализации финансовой ситуации, принятие мер для восстановления платежеспособности), и при выборе контрагентов (оценка платежеспособности и надежности контрагента).

Существует различные методы определения вероятности банкротства предприятия. Ни один из этих методов нельзя считать совершенным, тем не менее, они дают возможность оценить степень вероятности банкротства (очень высокая, высокая, возможная, очень низкая).

Наибольшее распространение в мире получила Z-модель. Концепция разработки и применения этой модели принадлежит американскому профессору Э. Альтману, которая была предложена им в 1968 году и до сих пор не потеряла свою актуальность и позволяет разделить хозяйствующие субъекты на потенциальных банкротов и небанкротов.

Модель разработана на основе статистического анализа большого числа финансовых коэффициентов как благополучных, так и обанкротившихся компаний. С помощью статистического анализа было определено минимальное количество коэффициентов, которые позволяли оценить стабильность или вероятность банкротства компании, и главное, была определена степень влияния каждого коэффициента на общий результат.

Z-модель выглядит следующим образом:

Z= C1R1+C2R2+C3R3+... +CNRN, (2.11)

где Z - показатель риска банкротства;

R1, R2, R3... RN - отобранные коэффициенты, число которых достигает N;

C1, С2, С3... CN - показатели, характеризующие значимость R1, R2, R3... RN.

Модель Э. Альтмана была построена с использованием пяти коэффициентов, которые были отобраны из первоначальных 27 показателей. Эти пять показателей были использованы для определения значения Z. Высокое значение Z свидетельствует о стабильном состоянии компании, а низкое - о потенциальном банкротстве.

В результате статистического анализа были определены как сами показатели, так и числовые показатели, характеризующие значимость каждого коэффициента. Индекс кредитоспособности (Z) имеет вид:

Z = 1,2*K₁ + 1,4*К₂ + 3,3*К₃ + 0,6*К₄ + 0,999*К₅, (2.12)

где K₁ - отношение оборотных активов к общей сумме активов;

К₂ - отношение нераспределенной прибыли к общей сумме активов;

К₃ - отношение операционной прибыли к общей сумме активов;

К₄ - отношение рыночной стоимости собственного капитала к балансовой стоимости заемных средств;

К₅ - отношение объема реализации к общей сумме активов.

Рассчитаем индекс кредитоспособности для анализируемой организации:

На начало периода: K₁ = 31870 / 53898 = 0,591,

К₂ = 18243 / 53898 = 0,338,

К₃ = 60 / 53898 = 0,001,

К₅ = 156115 / 53898 = 2,896

На конец периода: K₁ = 32321 / 54838 = 0,589,

К₂ = 21146 / 54838 = 0,386,

К₃ = 60 / 54838 = 0,001,

К₅ = 156115 / 54838 = 2,847.

В связи с тем, что в РФ недостаточно развит финансовый рынок, то отсутствует информация о рыночной стоимости ценных бумаг многих российских предприятий, в том числе и нашего. Попытаемся заменить числитель К₄ другими показателями, а именно подставим вместо рыночной стоимости акций стоимость уставного капитала:

На начало периода: К₄ = 10849 / 24030 = 0,451,

на конец периода: К₄ = 10849 / 22481 = 0,483.

Таким образом, Z = 1,2*0,591+1,4*0,338+3,3*0,001+0,6*0,483+0,999*

*2,847 = 4,32 - на начало периода.

Z = 1,2*0,589 + 1,4*0,386 + 3,3*0,001 + 0,6*0,483 + 0,999*2,847 = 4,38 - на конец периода.

По результатам анализа Альтманом было определено, что 1,81 и 2,99 - это критические значения для индекса кредитоспособности Z. Для компаний, у которых Z <1,81, высока вероятность банкротства в течение ближайших двух лет, в то время как у фирм с индексом Z >2,99 финансовое положение достаточно устойчиво. При попадании значения индекса в интервал между этими величинами прогноз финансового состояния затруднителен.

Так как Z >2,99, следовательно, деятельность анализируемой организации стабильна и на начало года, и на конец и вероятность банкротства ничтожно мала.

Однако приведённая методика имеет один серьёзный недостаток - её можно полноценно применять лишь в отношении крупных компаний, котирующих свои акции на бирже. Именно для них можно получить объективную рыночную оценку собственного капитала (показатель К₄).

Для устранения названного недостатка Альтман, Хартцель и Пек в 1993 году модифицировали исходную модель, предназначенную для анализа корпораций, заменив рыночную стоимость капитала компании при расчёте коэффициента К₄ на балансовую; остальные коэффициенты остались без изменений. При этом они получили следующую модель для прогнозирования банкротства предприятий, не имеющих акций в обращении:

Z = 0,717*К₁ + 0,847*К₂ + 3,107*К₃ + 0,42*К₄ + 0,998*K₅ (2.13)

Модели Альтмана используются для быстрой оценки финансового состояния делового партнера и входят в закрытый пакет прикладных программ «Определение финансового состояния предприятия (DFSF)».

Для российских организаций, в том числе и для кредитных, эффективность применения Z-модели для прогноза кредитного риска и вероятности банкротства нуждается в подтверждении. Кроме необходимости изменения показателей, входящих в формулу, и корректировки числовых коэффициентов, при использовании Z-модели возникают также проблемы из- за того, что финансовые коэффициенты, входящие в модель, рассчитываются на основе данных официальной отчетности организации, которые, попадая в затруднительное положение, «улучшают» свои отчеты о прибылях и убытках. Это не позволяет объективно оценивать финансовые затруднения, возникающие у организации.

Большие различия расчетных значений факторов для организации одной и той же отрасли позволяют заключить, что Z-модели не могут быть использованы в России из-за несоответствия их российским условиям. Так иркутскими учеными в результате статистического анализа исходной расчетной информации была получена следующая четырехфакторная модель.

R = K₁ + К₄ + К₅ + К₈ (2.14)

Для удобства использования модель была переписана так:

R = K₁ + К₂ + К₃ + К₄ (2.15)

где R - показатель риска банкротства предприятия;

K₁ - отношение оборотного капитала к активу;

К₂ - отношение чистой прибыли к собственному капиталу;

К₃ - отношение выручки от реализации к активу;

К₄ - отношение чистой прибыли к затратам.

Для приведения влияния факторов к сопоставимому виду были определены средние значения каждого фактора по всей совокупности предприятий за анализируемый период. За базу для расчета коэффициентов «приведения факторов» было принято среднее значение фактора К₂ (таблица 2.3).

Таблица 2.3 - Результаты расчета коэффициентов «приведения»

Коэффициенты	Среднее значение фактора	Коэффициент приведения
K1	0,0108198	8,380
К2	0,0906730	1,000
К3	1,6852140	0,054
К4	0,1433420	0,630

С учетом коэффициентов «приведения» модель R приняла следующий вид:

R = 8,38К₁ +К₂ + 0,054К₃ + 0,63К₄ (2.16)

В нашем случае:

На начало года: K₁ = 31870 / 53898 = 0,591,

К₂ = 2541 / 53898 = 0,047,

К₃ = 156115 / 53898 = 2,896,

К₄ = 2541 / 125923 = 0,020.

На конец года: K₁ = 32321 / 54838 = 0,589,

К₂ = 2541 / 31995 = 0,079,

К₃ = 156115 / 54838 = 2,847,

К₄ = 2541 / 125923 = 0,020.

Таким образом, на начало года: R = 8,38*0,591+0,047+0,054*2,896+063*

*0,020 = 5,169

На конец года: R = 8,38*0,589 + 0,079 + 0,054*2,847 + 0,63*0,020 = 5,181.

Для оценки значений модели R на основе анализа полученных результатов была построена шкала, разделенная на 5 интервалов, шаг между которыми оставлен от 5% до 15%. Особенно сложно было определить границу вероятности банкротства между «низкой вероятностью банкротства» и «средней вероятностью банкротства», поскольку в этом диапазоне значения модели наиболее часто принимали пограничные значения.

Оценку риска банкротства по приведенной выше шкале можно производить в случае, если невозможно получить информацию о среднеотраслевых значениях факторов за несколько периодов для проведения пофакторного анализа риска банкротства.

Таблица 2.4 - Вероятность банкротства организации в соответствии со значением модели R

Значения R	Вероятность банкротства(%)
меньше 0	максимальная (90 - 100)
0 - 0,18	высокая (60 - 90)
0,18 - 0,32	средняя (25 - 60)
0,32 - 0,42	низкая (10 - 25)
больше 0,42	минимальная (до 10)

Значит, вероятность банкротства нашей организации на основе модели R минимальная на начало года и на конец, причем к концу года наблюдается повышение индекса кредитоспособности с 5,169 до 5,181.

Модель, оценки вероятности банкротства М. А. Федотовой опирается на коэффициент текущей ликвидности (Х₁) и долю заемных средств в валюте баланса (Х₂):

Z = -0,3877 - 1,0736X₁ + 0,0579X₂ (2.17)

где Х₁ - коэффициент текущей ликвидности;

X₂ - коэффициент обеспеченности собственными средствами.

Коэффициент Х₁ был рассчитан в первой главе и составляет на начало года 1,285, на конец - 1,411.

X₂ = (29092 - 22028) / 31870 = 0,222 - на начало года,

X₂ = (31995 - 22517) / 32321 = 0,293 - на конец года.

и Z = -0,3877 - 1,0736*1,285 + 0,0579*0,222 = -1,754 - на начало года,

Z= -0,3877 - 1,0736*1,411 + 0,0579*0,293 = - 1,522 - на конец года.

По мнению М.А. Федотовой при Z > 0 вероятность банкротства весьма высока. Следовательно, в нашем случае риск банкротства организации не грозит.

Для оценки кредитоспособности организации возможно использование аналитических моделей Спрингейта и Фулмера, которые позволяют достаточно надежно разделять кредитоспособные и некредитоспособные организации.

Используется следующая информация:

- оборотные активы (А_об.);

- материальные активы (А_мат.);

- баланс (В);

- амортизация (D);

- денежный поток (F, F= Р_после НО + D);

- проценты к уплате (I к уплате);

- оборотный капитал (К_об., К_об = А_об. - L_{кр ср.});

- собственный капитал (К_соб);

- долгосрочные обязательства (L_дол.ср.);

- краткосрочные обязательства (L_{кр ср});

- прибыль до налогообложения (Р_до НО);

- прибыль после налогообложения (Р_после НО);

- нераспределенная прибыль прошлых лет (Р_{пр. лет нераспр.});

- выручка (нетто) от реализации (V_реал. Нетто).

Для нашей организации:

На начало года: на конец года:

А_об. = 31870 тыс. руб, А_об. = 32321 тыс. руб.,

А_мат. = 9631 тыс. руб., А_мат. = 9711 тыс. руб.,

В = 53898 тыс. руб., В = 54838 тыс. руб.,

D = 3738 тыс. руб., D = 3738 тыс. руб.,

F = 6279 тыс. руб., F = 6279 тыс. руб.,

I к уплате = 1202 тыс. руб., I к уплате = 1202 тыс. руб.,

К_об = 7840 тыс. руб., К_об = 9840 тыс. руб.,

К_соб = 29092 тыс. руб., К_соб = 31995 тыс. руб.,

L_дол.ср = 776 тыс. руб., L_дол.ср = 362 тыс. руб.,

L_{кр ср} = 24030 тыс. руб., L_{кр ср} = 22481 тыс. руб.,

Р_до НО = 3770 тыс. руб., Р_до НО = 3770 тыс. руб.,

Р_после НО = 2541 тыс. руб., Р_после НО = 2541 тыс. руб.,

Р_{пр. лет нераспр.} = 0, Р_{пр. лет нераспр.} = 0,

V_реал. Нетто = 156115 тыс. руб. V_реал. Нетто = 156115 тыс. руб.

Модель Спрингейта была построена в университете Симона Фрейзера в 1978 году с помощью пошагового дискриминантного анализа. В процессе создания модели из 19 - считавшихся лучшими - финансовых коэффициентов в окончательном варианте осталось только четыре. Эта модель выглядит следующим образом:

Z= 1,03X₁ + 3,07Х₂ + 0,66Х₃ + 0,4Х₄, (2.18)

где Х₁ = К_об / В, (2.19)

Х₂ = (Р_до НО + I к уплате) / В, (2.20)

Х₃ = Р_до НО / L_{кр ср}, (2.21)

Х₄ = V_реал. Нетто / В. (2.22)

На начало года: Х₁ = 7840 / 53898 = 0,145,

Х₂ = (3770 + 1202) / 53898 = 0,092,

Х₃ = 3770 / 24030 = 0,157,

Х₄ = 156115 / 53898 = 2,896.

На конец года: Х₁ = 9840 / 54838 = 0,179,

Х₂ = (3770 + 1202) / 54838 = 0,091,

Х₃ = 3770 / 22481 = 0,168,

Х₄ = 156115 / 54838 = 2,847.

На начало года: Z = 1,03*0,145+3,07*0,092+0,66*0,157+0,4*2,896 = 1,694

На конец года: Z = 1,03*0,179 + 3,07*0,091 + 0,66*0,168 + 0,4*2,847 = 1,713.

Если Z < 0,862, предприятие получает оценку «краха». Таким образом, в нашем случае на протяжении анализируемого периода крах организации не грозит, и к концу года кредитоспособность организации повышается на 0,019 (1,713 - 1,694 = 0,019).

Модель Фулмера предполагает использование более детальной (и более труднодоступной и, соответственно, менее достоверной) информацией, чем модель Спрингейта. Модель была создана на основании обработки данных шестидесяти предприятий - 30 потерпевших крах и 30 нормально работавших - со средним годовым балансом в 455 тысяч американских долларов. Изначальный вариант модели содержал 40 коэффициентов, окончательный использует всего девять:

Н = 5,528У₁ + 0,212У₂ + 0,073У₃ + 1,270У₄ - 0,120У₅ + 2,335У₆ + 0,575У₇ + 1,083У₈ + 0,894У₉ - 3,075 (2.23)

где У₁ = Р_{пр. лет нераспр.} / В, (2.24)

У₂ = V_реал. Нетто / В, (2.25)

У₃ = Р_до НО / К_соб, (2.26)

У₄ = D / (L_{кр ср} + L_дол.ср), (2.27)

У₅ = L_дол.ср / В, (2.28)

У₆ = L_{кр ср} / В, (2.29)

У₇ = lg (А_мат.), (2.30)

У₈ = К_об. / (L_{кр ср} + L_дол.ср), (2.31)

У₉ = lg (Р_до НО + I к уплате) / I к уплате (2.32)

Для анализируемой организации:

На начало периода: У₁ = 0,

У₂ = 156115 / 53898 = 2,896,

У₃ = 3770 / 29092 = 0,130,

У₄ = 3738 / (776+24030) = 0,151,

У₅ = 776 / 53898 = 0,014,

У₆ = 24030 / 53898 = 0,446,

У₇ = lg (9631) = 3,984,

У₈ = 7840 / (776+24030) = 0,316,

У₉ = lg(3770+1202) / 1202 = 0,617.

На конец периода: У₁ = 0,

У₂ = 156115 / 54838 = 2,847,

У₃ = 3770 / 31995 = 0,118,

У₄ = 3738 / (362+22481) = 0,164,

У₅ = 362 / 54838 = 0,007,

У₆ = 22481 / 54838 = 0,410,

У₇ = lg (9711) = 3,987,

У₈ = 9840 / 22843 = 0,431,

У₉ = lg (3770+1202) / 1202 = 0,617

На начало года: Н = 5,528*0 + 0,212*2,896 + 0,073*0,130 + 1,270*0,151-0,120*0,014 + 2,335*0,446 + 0,575*3,984 + 1,083*0,316 + 0,894*0,617 - 3,075 =

=1,956.

На конец года: Н = 5,528*0 + 0,212*2,847 + 0,073*0,118 + 1,270*0,164 - 0,120*0,007 + 2,335*0,410 + 0,575*3,987 + 1,083*0,431 + 0,894*0,617 - 3,075 = 1,587.

При Н < 0, крах предприятия неизбежен. Следовательно, вероятность банкротства нашей организации незначительна.

Рассмотрев вышеперечисленные методики, можно сделать в том, что при оценке кредитоспособности организации необходимо учитывать следующее:

- оценку ликвидности (текущей и абсолютной);

- зависимость организации от заемных средств;

- расходы по текущей деятельности;

- долгосрочные вложения и обязательства;

- рентабельность деятельности;

- прибыльность фирмы.

Таким образом, проанализировав различные модели определения вероятности банкротства, можно сделать вывод, что у ОАО «Зеленокумский пивоваренный завод» устойчивое финансовое положение, вероятность банкротства очень мала в совокупности по всем методикам.

2.4 Методики оценки кредитоспособности организации

2.4.1 Методика оценки кредитоспособности на основе системы финансовых коэффициентов

Модель надзора за ссудами Чессера прогнозирует случаи невыполнения клиентом условий договора о кредите. При этом под "невыполнением условий" подразумеваются не только некредитоспсобность заемщика, но и непогашение ссуды и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально.

В модель Чессера входят следующие шесть переменных:

 (2.33)

(2.34)

(2.35)

(2.36)

(2.37)

(2.38)

Для нашей организации:

На начало года: X₁ = (1850+0) / 53898 = 0,034,

X₂ = 156115 / (1850+0) = 84,386,

X₃ = 156115 / 53898 = 2,896,

X₄ = 24806 / 53898 = 0,460,

X₅ = 21881 / 29092 = 0,752,

X₆ = 31870 / 156115 = 0,204.

На конец года: X₁ = (776+0) / 54838 = 0,014,

X₂ = 156115 / (776+0) = 201,179,

X₃ = 156115 / 54838 = 2,847,

X₅ = 22370 / 31995 = 0,699,

X₆ = 32321 / 156115 = 0,207.

Оценочные показатели модели следующие:

Y = -2,0434 +(- 5,24*X₁) + 0,0053*X₂ - 6,6507*X₃ + 4,4009*X₄ - 0,0791*X₅ - 0,1020*X₆ (2.39)

На начало года: Y = -2,0434 - 5,24*0,034 + 0,0053*84,386 - 6,6507*2,896 + 4,4009*0,460 - 0,0791*0,752 - 0,1020*0,204 = -19,09.

На конец года: Y = -2,0434 - 5,24*0,014 + 0,0053*201,179 -6,6507*2,847 + 4,4009*0,417 - 0,0791*0,699 - 0,1020*0,207 = -18,23.

Переменная Y, представляющая собой линейную комбинацию независимых переменных, используется в следующей формуле для оценки вероятности невыполнения условий договора Р :

(2.40)

где е = 2,71828.

На начало года: Р = 1 / (1+2,71828^19,09) = 0,00005,

На конец года: Р = 1 / (1+2,71828^18,23) = 0,00005.

Получаемая оценка Y может рассматриваться как показатель вероятности невыполнения условий кредитного договора. Чем больше значение Y, тем выше вероятность невыполнения договора для данного заемщика.

В модели Чессера для оценки вероятности невыполнения договора используются следующие критерии:

* если Р > 0,50 - следует относить заемщика к группе, которая не выполнит условий договора;

* если Р < 0,50 - следует относить заемщика к группе надежных.

Следовательно, ОАО «Зеленокумский пивоваренный завод» - надежный заемщик, что подтверждается погашением краткосрочных кредитов и займов и говорит о доверии со стороны банков.

Наряду с МДА для прогнозирования вероятности банкротства заемщика могут использоваться и упрощенные модели, основанные на системе определенных показателей. Система показателей Бивера, включающая: коэффициент Бивера, рентабельность активов, финансовый леверидж, коэффициент покрытия активов собственным оборотным капиталом, коэффициент покрытия краткосрочных обязательств оборотными активами.

Коэффициент Бивера определяется по формуле:

(2.41)

На начало года: К_Бивера = 2541 / 24806 = 0,102,

на конец года: К_Бивера = 2541 / 22843 =0,111

Значение -0,15 свидетельствует о неблагополучном финансовом состоянии за год до банкротства. У благополучных компаний находится в пределах 0,4-0,45. В данном случае тот факт, что величина чистой прибыли не покрывает заемные средства, я считаю оправдан, поскольку это вызвано, во-первых ростом цен на сырье, материалы, во-вторых рыночными условиями (снижением прибыли от продаж). И такое низкое значение коэффициента Бивера не следует считать как неблагополучное финансовое состояние.

Французы Ж. Конан и М. Голдер на основе данных организаций разработали модель, позволяющую оценить вероятность задержки платежей в зависимости от значения следующего дискриминантного показателя:

Q = -0,16*У₁ - 0,22*У₂ + 0,87*У₃ + 0,10*У₄ - 0,24*У₅, (2.42)

где У₁ = (денежные средства + дебиторская задолженность) / итог баланса;

У₂ = (собственный капитал + долгосрочные пассивы) / итог баланса;

У₃ = финансовые расходы (расходы по обслуживанию займов) / выручку от реализации;

У₄ = расходы на персонал / добавленная стоимость (после налогообложения);

У₅ = прибыль до выплаты процентов и налогов / заемный капитал.

На начало года: У₁ = (1850+16784) / 53898 = 0,346,

У₂ = (29092+776) /53898 = 0,554,

У₃ = 1202 / 156115 = 0,008,

У₄ = 20109 / 2541 = 7,914,

У₅ = 5023 / 7216 = 0,696.

На конец года: У₁ = (776+19935) / 54838 = 0,378,

У₂ = (31995+362) / 54838 = 0,590,

У₃ и У₄ те же,

У₅ нельзя определить, так как кредиты к концу года погашены.

Q = -0,16*0,346-0,22*0,554+0,87*0,008+0,10*7,914-0,24*0,220 = 0,454 - на начало года,

Q = -0160,378-0,22*0,590+0,87*0,008+010*7,914-0,24*0,220 = 0,556 - на конец года.

Вероятность задержки платежей фирмами, имеющими различные значения показателя Q, приведены в таблице 2.5.

Агрегировать количественные и качественные характеристики заемщика позволяют модели комплексного анализа: правило «шести СИ», PARTS, оценочная система анализа.

Таблица 2.5 - Вероятность задержки платежей фирмами, имеющими различные значения показателя Q

Значение Q	+0,210	+0,048	+0,002	-0,026	-0,068	-0,087	-0,107	-0,131	-0,164
Вероятность задержки платежей, %	100	90	80	70	60	50	40	30	20

Таким образом, вероятность задержки платежей ОАО «Зеленокумский пивоваренный завод» очень высокая на основе данной модели, что вызвано в первую очередь снижением прибыльности производства. Но все же выданные кредиты к концу года погашены, это несомненно положительно.

Правило «шести Си» используется в практике банков США, которые для отбора клиентов применяют следующие термины:

- способность заимствовать средства;

- репутация заемщика;

- обладать активами;

- состояние экономической конъюнктуры;

- чувствительность заемщика.

В Англии ключевым словом, в котором сосредоточены требования при

выдаче кредитов заемщикам, является термин PARTS, включающий в себя:

Purpose - назначение, цель получения заемных средств;

Amount - сумма, размер кредита;

Repayment - оплата, возврат долга и процентов;

Term - срок предоставления кредита;

Security - обеспечение погашения кредита.

Для анализа индивидуальных заемщиков может применяться оценочная система, основанная на опыте и проницательности специалистов банка. Оценке подлежит характер заемщика, предполагаемое использование средств, источник погашения кредита.

Характер заемщика может быть определен из его кредитной истории и степени надежности, показываемой продолжительностью и постоянством работы, продолжительностью и типом проживания, искренностью и другими факторами. Специалист по кредитованию должен быть максимально объективным и не должен применять субъективные ценности или собственные пристрастия. Возраст клиента может быть рассмотрен как фактор, от которого зависят будущие доходы, он также определяет время, оставшееся до пенсии, и ожидаемую продолжительность жизни, что может учитываться при определении срока кредита. Доход клиента почти всегда является основным источником погашения кредита и должен быть адекватным в соответствии с долгами и другими обязательствами заемщика.

По западному стандарту заявку на кредит от физического лица оценивают по двадцати характеристикам (Бивера):

- наличие счета в банке;

- продолжительность кредита;

- кредитная история клиента;

- цель использования кредита;

- сумма кредита;

- сумма на счетах в банке;

- продолжительность работы на одном месте;

- частичная уплата от предоставленной суммы;

- семейное положение;

- возможности поручителей;

- продолжительность проживания в одном месте;

- финансовое состояние;

- возраст клиента;

- долги клиента;

- характеристика жилья;

- число прежних кредитов в банке;

- специальность;

- количество лиц на содержании;

- наличие телефона;

- резидент или нерезидент.

2.4.2 Комплексная модель оценки банкротства

Мировой финансовый кризис и его следствие - нестабильность на финансовых рынках вызвали резкое увеличение числа банкротств предприятий на фоне замедления и даже падения экономического роста. В связи с этим для обеспечения стабильного функционирования предприятия в условиях сложной макроэкономической ситуации необходимо не только осуществлять анализ текущего его финансового состояния, но и проводить раннюю диагностику на предмет возможного банкротства в будущем. Это обуславливает высокую актуальность разработки эффективной модели оценки риска банкротства, которая позволила бы своевременно прогнозировать кризисные ситуации на российских предприятиях.

Как показывают результаты специально проведенного исследования, использование зарубежных методов оценки риска банкротства на отечественных предприятиях не является эффективным, что, на мой взгляд, обусловлено следующими основными причинами:

- различиями в исходных данных, используемых для построения моделей. Зарубежные модели были построены на основе выборки иностранных предприятий с нормативными параметрами структуры баланса и эффективности деятельности, отличными от российских;

- различиями в макроэкономической ситуации. Вследствие значительной неравномерности уровня экономического развития стран в мировом масштабе коэффициенты моделей оценки риска банкротства разработанных для предприятий стран с развитой рыночной экономикой, не применимы для стран с переходной экономикой;

- мультиколлинеарностью факторов. В ходе исследования были выявлены случаи мультиколлинерности факторов, вызывавшей искажения оценок коэффициентов моделей;

- не учитывается отраслевая специфика деятельности предприятий. Большинство зарубежных моделей изначально разрабатывались как "универсальные", т.е. применимые для предприятий любых отраслевых сегментов. Вместе с тем, оптимальные значения ключевых показателей финансового состояния значительно варьируются для предприятий различных отраслей.

С учетом преимуществ и недостатков подходов к оценке риска банкротства, используемых как в зарубежной, так и в российской практике финансового менеджмента, была разработана комплексная модель оценки риска банкротства предприятия, построение которой предполагало последовательную реализацию ряда этапов.

На первом этапе, представляющем собой формирование обучающих статистических выборок российских предприятий (банкроты-небанкроты) и массивов данных в ретроспективном периоде, был сформирован массив данных из 48 показателей, характеризующих различные аспекты деятельности предприятия, а также макроэкономическую ситуацию в России.

Второй этап - отбор на основе факторного анализа (с предварительным анализом на мультиколлинеарность) индикаторов, обуславливающих наибольший вклад в дисперсию результирующего показателя, характеризующего факт банкротства предприятия.

Формирование с использованием logit-регрессии на основе показателей, отобранных с помощью указанных выше процедур, многофакторного комплексного критерия оценки риска банкротства (CBR), обладающего наилучшей прогностической способностью - это третий этап, который предполагает непосредственно процесс построения модели.

На четвертом этапе определяются диапазоны критерия CBR, используемые для классификации анализируемых предприятий в зависимости от уровня риска банкротства.

Выборка предприятий для построения комплексной модели оценки риска банкротства состояла из 350 объектов и формировалась таким образом, чтобы избежать включения "однотипных предприятий": компании, вошедшие в данную выборку, различаются по ряду признаков (масштабы деятельности, определяемые объемом годовой выручки, а также отраслевая принадлежность). Данный подход позволил, с одной стороны, построить объективную модель, а с другой - учесть тот факт, что нормативные значения показателей финансового состояния отличаются для предприятий с разной отраслевой принадлежностью. В результате исходный массив данных для построения модели включил в себя 100 предприятий торговли, 100 сельскохозяйственных предприятий, а также 150 предприятий промышленности (в том числе 50 - ТЭК).

В настоящее время в России существует достаточно большое количество баз данных, содержащих финансовую отчетность предприятий различной отраслевой принадлежности. В данной работе, используется информация, предоставленная проектом "Национальное кредитное бюро".

Ключевым принципом реализации предложенной модели оценки риска банкротства является расчет комплексного критерия риска банкротства на основе модели следующего вида:

(2.43)

У=а₀+а₁ Corp_age+а₂ Cred+а₃ Current_ratio+а₄EBIT/INT+а₅ Ln(E)+а₆ R+

+а₇ Reg+а₈ ROA+а₉ ROE+а₁₀T_E+а₁₁ T_А (2.44)

где - комплексный критерий риска банкротства предприятия;

Corp_age - фактор, характеризующий "возраст" предприятия. Принимает значение 0, если предприятие было создано более 10 лет назад, и значение 1 - если менее 10 лет;

Cred - фактор, характеризующий кредитную историю предприятия. В случае, если кредитная история предприятия является положительной, то данный фактор принимает значение 0, в противном случае ему присваивается значение 1;

Current_ratio - коэффициент текущей ликвидности;

EBIT/INT - отношение прибыли до уплаты процентов и налогов к уплаченным процентам;

Ln(E) - натуральный логарифм собственного капитала предприятия;

R - ставка рефинансирования ЦБ;

Reg - фактор, характеризующий деятельность предприятия с точки зрения его региональной принадлежности. Принимает значение 0, если предприятие находится в Москве или Санкт-Петербурге, и 1 - если в других регионах России.

ROA - рентабельность активов предприятия;

ROE - рентабельность собственного капитала предприятия;

T_E - темп прироста собственного капитала предприятия;

T_А - темп прироста активов предприятия.

Сравнение итогового показателя , рассчитанного на основе данной модели, с пороговыми значениями позволяет сделать вывод о риске банкротства предприятия в течение одного года с момента расчетов.

Параметры модели в зависимости от отраслевых сегментов представлены в таблице 2.6. Предложенная модель содержит ряд ключевых факторов, позволяющих учесть наиболее важные аспекты деятельности предприятия при оценке риска банкротства, к которым относятся макроэкономическая ситуация в стране, эффективность, ликвидность, финансовая устойчивость, а также динамика масштабов деятельности предприятия и его отраслевая специфика. Данные факторы характеризуют деятельность предприятия с различных сторон, что, на мой взгляд, позволяет провести комплексную оценку риска его банкротства. Следует подчеркнуть, что существующие на сегодняшний день методы оценки риска банкротства позволяют учесть лишь некоторые из вышеперечисленных аспектов деятельности предприятия, поэтому предложенная модель получила название комплексной.

Более того, в ней впервые принимается во внимание фактор, характеризующий кредитную историю предприятия, который ранее не учитывался ни в российских, ни в зарубежных моделях. Включение данного фактора в модель позволит оценить риск банкротства не только с точки зрения прогноза деятельности анализируемого предприятия в обозримом будущем, но и, что очень важно, учесть его кредитоспособность в прошлом. Поскольку в России на сегодняшний день существует институт бюро кредитных историй, получение данных подобного рода относительно того или иного предприятия не представляет каких-либо затруднений.

В соответствии с комплексной моделью оценки риска банкротства, зоны риска банкротства делятся на 5 категорий (таблица 2.6). Данное деление имеет "шаг" 20% и позволяет отнести предприятие в ту или иную категорию риска. При этом следует подчеркнуть, что расчет итогового показателя в соответствии с предложенной моделью целесообразно проводить с определенной периодичностью и анализировать его динамику, что позволит финансовому менеджеру определить, в какую сторону движется развитие предприятия и своевременно принять меры по предотвращению банкротства.

Таблица 2.6 - Значения коэффициентов комплексной модели оценки риска банкротства предприятий в зависимости от отраслевых сегментов

Фактор модели	Коэффициент	Наименование отраслевого сегмента
		Промышленность	ТЭК	Торговля	Сельское хозяйство
Константа	а0	10,2137	30,7371	35,0326	13,5065
Corp_age	а1	0,0303	3,7033	4,1834	0,2753
Cred	а2	6,7543	8,9734	9,0817	6,6637
Current_ratio	а3	-3,7093	-8,6711	-8,7792	-7,0113
EBIT/INT	а4	-1,5985	-7,0110	-8,5601	-2,3915
Ln(E)	а5	-0,5640	-1,6427	-1,6834	-1,0028
R	а6	-0,1254	-0,1399	-0,4923	-0,2900
Reg	а7	-1,3698	-0,6913	-0,8023	-1,5742
ROA	а8	-6,3609,	-5,0894	-8,4776	-6,1679
ROE	а9	-0,2833	-15,3882	-10,8005	-2,3624
Т_Е	а10	2,5966	7,3667	7,1862	2,8715
Т_А	а11	-7,3087	-22,0294	-22,7614	-6,9339

В целях обеспечения объективности результатов, полученных на основе комплексной модели оценки риска банкротства, предложенная модель была апробирована на примере специально сформированной многоотраслевой выборки из 300 предприятий, отличной от той, которая использовалась для построения модели.

Как показала проведенная апробация, точность оценки риска банкротства на основе предложенной модели составила 85,6%. Полученный результат является удовлетворительным с практической точки зрения: на сегодняшний день большинство применяемых подходов позволяет правильно спрогнозировать вероятность банкротства в 70-75% случаев, и ни одна модель оценки риска банкротства не может обеспечить точность 100%.

Таблица 2.7 - Диапазоны принятия решений в соответствии с комплексной моделью оценки риска банкротства предприятия

Значение комплексного критерия	Характеристика риска банкротства предприятия
0,8 < СBR < 1	максимальный риск банкротства
0,6 < CBR <= 0,8	высокий риск банкротства
0,4 < CBR <= 0,6	средний риск банкротства
0,2 < CBR <= 0,4	низкий риск банкротства
0 < CBR <= 0,2	минимальный риск банкротства

Предложенная модель оценки риска банкротства может использоваться как эффективное дополнение к методам оценки финансового состояния предприятий, что позволит их финансовым службам проводить постоянный мониторинг на предмет возможного банкротства и, что особенно важно в условиях экономической нестабильности, своевременно разработать пакет антикризисных мероприятий.

Проведем расчеты по нашему предприятию ОАО «Зеленокумский пивоваренный завод»:

Corp_age = 1,

Cred = 0,

Current_ratio = 1,285 - на начало периода, 1,411 - на конец периода,

EBIT/INT = 5023 / 1202 = 2,114,

Ln(E) = 10,278 - на начало периода, 10,373 - на конец периода,

R = 7,75% - ставка рефинансирования на 1 июня 2010 года,

Reg = 1,

ROA = 2541 / 53898 = 0,093 - на начало года, 2541 / 54838 = 0,046 - на конец года,

ROE = 2541 / 29092 = 0,087 - на начало года, 2541 / 31995 = 0,079 - на конец года,

Т_Е = 31995 / 29092 = 9,98%,

Т_А = 54838 / 53898 = 1,74%.

На начало года: у = 10,2137 + 0,0303*1 + 6,7543*0 - 3,7093*1,285 -

- 1,5985*4,179 - 0,5640*10,373 - 0,1254*0,0775 - 1,3698*1 - 6,3609*0,047 - 0,2833*0,087 + 2,5966 * 0,998 - 7,3087*0,0174 = - 8,57.

= 2,73^-8,57 / 1+(2,73^-8,57) = 0,0002.

На конец года: у = 10,2137 + 0,0303*1 + 6,7543*0 - 3,7093*1,411 -

- 1,5985*4,179 - 0,5640*10,373 - 0,1254*0,0775 - 1,3698*1 - 6,3609*0,046 - 0,2833*0,079 + 2,5966*0,0998 - 7,3087*0,0174 = -9,08

= 2,73^-9,08 / 1+(2,73^-9,08) = 0,0001.

Таким образом, согласно данной модели комплексной оценки риска банкротства, у ОАО «Зеленокумский пивоваренный завод» минимальный риск банкротства. К тому же на конец года кредитоспособность повышается, и риск обанкротиться становится еще меньше. На мой взгляд, данная модель является наилучшей и наиболее объективной, поскольку она изначально разработана для российских предприятий, позволяет учесть их кредитную историю, качественные показатели и специфику деятельности, а также макроэкономическую ситуацию в стране. Наконец, модель базируется на общедоступных данных официальной отчетности, не требует расчета большого количества показателей, предполагает легкость интерпретации результатов и характеризуется достаточно длинным горизонтом прогнозирования.

2.4.3 Методика анализа кредитоспособности организации на основе создания виртуальной клиентской базы

В настоящее время существует проблема инфoрмaциoннoй неопределенности предприятий как объекта исследования. Наиболее существенной данная проблема является для кредитных организаций при определении уровня риска клиента в процессе осуществления финансового мониторинга.

Вопрос кредитоспособности предприятия на данный момент является актуальным. Существует множество различных методов и подходов для определения уровня риска банкротства. Но далеко не все эти методы являются приемлемыми из-за недостатка исходных данных, и неустойчивости финансовых показателей предприятия (параметров). Очевидно, что значения финансовых показателей не только изменяемы во времени, но и зависимы от территориального фактора самого предприятия. Объясняется это тем, что условия развития предприятий в различных регионах страны различаются. Например, широко известный метод Альтмана по определению уровня риска предприятия не является устойчивым к вариациям исходных данных, так как эти данные обладают сильной динамикой изменения как во времени, так и в пространстве.

Рассмотрим генерацию виртуальной клиентской базы предприятий на основе метода оценки финансового состояния, построенного на нечетких множествах. База предприятий может служить обучающей выборкой для методов классификационного анализа при определении уровня риска реально существующего предприятия. Имея клиентскую базу, в которой присутствуют виртуальные предприятия, принадлежащие к различным группам риска, можно такими методами, как нейронные сети, деревья классификации, или дискриминантный анализ, прогнозировать принадлежность предприятия к той или иной группе риска.

При рассмотрении параметров предприятий необходимо учесть, что используемый метод для создания виртуальной клиентской базы применим в случае макроэкономической стабилизации, т. е. периода, когда наблюдается стабильный рост валового внутреннего продукта (ВВП) одновременно с низкими уровнями колебания курса доллара/евро и процента инфляции. Произведя анализ показателей, представленных на сайте Международного валютного фонда, был выделен период с 2000 г. (высокий показатель инфляции) по III квартал 2008 года включительно (мировой финансовый кризис). Данный период дает возможность говорить об однородной финансовой статистике. Здесь однородность подразумевается как наличие незначительных изменений, а не как равенство показателей.

Теперь определим к какой же группе риска относится ОАО «Зеленокумский пивоваренный завод».

Для создания клиентской базы были использованы 16 наиболее весомых экономических показателей, образующих четыре группы.

Грyппa 1- рентабельность:

R1 - общая рентабельность [балансовая прибыль / выручка от продаж + внереализационные доходы, %];

R2 - рентабельность активов [чистая прибыль / средняя балансовая стоимость активов, % за квартал];

R3 - рентабельность собственного капитала [чистая прибыль / капитал и резервы (за вычетом собственных акций, выкупленных у акционеров) целевое финансирование и поступления + доходы будущих периодов, % за квартал];

R4 - рентабельность продукции [прибыль от продаж / выручка от продаж, %];

R5 - рентабельность оборотных активов [чистая прибыль / средняя стоимость активов, % за квартал].

Группа 2 - ликвидность и платежеспособность:

L1 - быстрый коэффициент ликвидности [(оборотные активы - запасы - налог на добавленную стоимость по приобретенным ценностям долгосрочная дебиторская задолженность) / краткосрочные обязательства (не включая доходы будущих периодов), безразмерная величина];

L2 - коэффициент покрытия запасов [(оборотные собственные cpeдствa + краткосрочные займы и кредиты + краткосрочная кредиторская задолженность) / средняя величина запасов, %];

Р1 - текущий коэффициент ликвидности [(оборотные активы - долгосрочная дебиторская задолженность) / краткосрочные обязательства (не включая доходы будущих периодов) безразмерная величина].

Грyппа 3 -деловая активность:

А2 - оборачиваемость активов [выручка от продажи (за вычетом налога на добавленную стоимость, акцизов и других обязательств) / средняя стоимость активов, один раз за квартал];

А4 - оборачиваемость кредиторской задолженности [выручка от продажи без учета коммерческих и управленческих расходов / средняя кредиторская задолженность, один раз за квартал];

А5 - оборачиваемость дебиторской задолженности [выручка от продажи (за вычетом налога на добавленную стоимость, акцизов и др. обязательств) / (дебиторская задолженность на конец отчетного периода - задолженность учредителей по вкладам в уставной капитал на конец отчетного периода), один раз за квартал];

А6 - оборачиваемость запасов [себестоимость / средняя величина запасов, один раз за квартал].

Группа 4 - финансовая устойчивость:

F1 - коэффициент финансовой зависимости [долгосрочные обязательства + краткосрочные обязательства (не включая доходы будущих периодов) / (капитал и резервы (за вычетом собственных акций, выкупленных у акционеров) - целевое финансирование и поступления + доходы будущих периодов), безразмерная величина];

F2 - коэффициент автономии собственных средств [капитал и резервы (за вычетом собственных акций, выкупленных у акционеров) - целевое финансирование и поступления + доходы будущих периодов / внеоборотные активы + оборотные активы, безразмерная величина];

F3 - обеспеченность запасов собственными оборотными средствами [собственные оборотные средства / запасы, безразмерная величина];

F4 - индекс постоянного актива [(внеоборотные активы + долгосрочная дебиторская задолженность) / (капитал и резервы (за вычетом собственных акций, выкупленных у акционеров) - целевое финансирование и поступления + доходы будущих периодов), безразмерная величина].

Для качественной и более наглядной интерпретации уровней выбранных показателей необходимо воспользоваться лингвистической шкалой - пенташкалой, т.е. пятиуровневым классификатором, где уровни интервальных значений параметров представлены в пяти вариациях: «очень низкий» (ОН); «низкий» (Н); «средний» (Ср); «высокий» (В); «очень высокий» (ОВ). Лингвистическая шкала является наиболее наглядной для принятия решения специалистом. Наряду с пятиуровневым классификатором также используют бинарные «Низкий - Высокий» и тринарные «Низкий - Средний - Высокий» шкалы. Преимущество пенташкалы в нашем случае заключается в том, что она является более развернутой, чем бинарные и тринарные шкалы, и в то же время четко определяет степень выбора того или иного решения. Шкалы, состоящие из семи элементов, сильно рассеивают внимание и являются более громоздкими. Именно поэтому при определении уровня риска предприятия наиболее оптимальным является пятиуровневый классификатор.

Для пенташкалы была построена система функций, которые соответствуют нечетким подмножествам. Простейшим способом задания является система трапециевидных нечетких чисел. На рисунке 2.1 приведен пример такой системы с нормированным значением экономического показателя (т. е. диапазон измене...