Прогнозирование финансового состояния компаний разной отраслевой принадлежности
Инструментальные методы прогнозирования разорения фирмы. Построение модели оценки вероятности банкротства предприятия. Сравнение средних показателей для банкротов и финансово-устойчивых компаний. Оценка качества методики возможности несостоятельности.
| Рубрика | Экономика и экономическая теория |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 27.09.2016 |
| Размер файла | 895,1 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. БАНКРОТСТВО ПРЕДПРИЯТИЙ И МЕТОДЫ ЕГО ОЦЕНКИ
1.1 Понятие банкротства
1.2 Методики прогнозирования банкротства
ГЛАВА 2. МЕТОДЫ И МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ
2.1 Инструментальные методы прогнозирования банкротства предприятия, применяемые в данной работе
2.2 Информационная база исследования
2.3 Создание обучающей выборки и ее основная характеристика
2.4 Построение модели оценки вероятности банкротства предприятия
ГЛАВА 3. АПРОБАЦИЯ МОДЕЛИ ПРОГНОЗИРОВАНИЯ ВЕРОЯТНОСТЕЙ БАНКРОТСТВА
3.1 Оценка качества модели вероятности банкротства предприятия
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
ВВЕДЕНИЕ
Одной из ключевых задач любого руководителя состоит в своевременных и регулярных проверках финансового состояния фирмы. Они позволяют, при необходимости, вовремя принять меры по финансовому оздоровлению организации.
Стабильное финансовое состояние организаций является основой экономической стабильности государства.
С целью улучшения экономики в различных отраслях народного хозяйства и снижения количества несостоятельных предприятий, издаются законы, указы, постановления Правительства России, направленные на стимулирование развития предприятий, эффективное использование активов, поддержку, прозрачность процедур по завершению деятельности организаций. По статистике, в России каждый месяц ликвидируется 35 000 компаний, происходит почти 1000 банкротств, принимается 100 000 решений арбитражных судов. [26]
В связи с этим, прогнозирование финансовых показателей, а именно прогнозирование вероятности банкротства является актуальной темой.
Объектом исследования являются российские организации.
Предметом исследования является финансовое состояние российских предприятий.
Цель исследования - разработка методов моделирования и прогнозирование финансового состояния компаний разной отраслевой принадлежности.
Для достижения поставленной цели необходимо решить следующие задачи:
1. систематизировать существующие западные и отечественные модели прогнозирования банкротства и провести их анализ;
2. построить модель прогнозирования вероятности банкротства предприятия, учитывающую отраслевую принадлежность;
3. провести апробацию модели на выборке российских организаций.
Методологической и теоретической основой исследования являются современные теории финансового анализа деятельности предприятий, концептуальные подходы к оценке финансового состояния, работы российских и зарубежных авторов в области прогнозирования банкротства предприятий.
Для решения поставленных в работе задач применяется инструментарий финансового и статистического анализа.
В качестве информационной базы для анализа и оценки финансового состояния предприятий были использованы данные обязательной финансовой отчетности.
Научная новизна исследования заключается в следующем:
1. Разработана модель оценки вероятности банкротства предприятий.
Выполнение поставленной в данном исследовании цели поспособствует разработке новой модели прогнозирования банкротства компаний разных размеров и работающих в разных отраслях. Таким образом, данное исследование полезно с точки зрения практической применимости, так как вносит свой вклад в багаж практически ориентированных работ, и построенную модель действительно можно использовать при проверке финансового благополучия компании.
ГЛАВА 1. БАНКРОТСТВО ПРЕДПРИЯТИЙ И МЕТОДЫ ЕГО ОЦЕНКИ
1.1 Понятие банкротства
Под банкротством (несостоятельностью) понимается неспособность предприятия удовлетворить требования кредиторов по оплате товаров, работ, услуг, а также по обязательным платежам в бюджет и внебюджетные фонды. Причиной такой неспособности может стать превышение обязательств над активами или неудовлетворительная структура баланса предприятия. Под неудовлетворительной структурой баланса понимается низкая ликвидность активов, которая приводит к невозможности погашения обязательств. [4]
Основной нормативной базой для регулирования вопросов банкротства предприятий в РФ является Федеральный Закон «О несостоятельности (банкротстве) предприятий», принятый в 2002г. Согласно Статье 3 данного Закона признаком банкротства для предприятия является неспособность юридического лица «удовлетворить требования кредиторов по денежным обязательствам и (или) исполнить обязанность по уплате обязательных платежей, если соответствующие обязательства и (или) обязанность не исполнены им в течение трех месяцев с даты, когда они должны были быть исполнены». [8]
Согласно Закону РФ «О несостоятельности (банкротстве) предприятий» от 19 ноября 1992 г. № 3929-1 внешним признаком банкротства является невыполнение требований кредиторов в течение трех месяцев со дня наступления сроков их исполнения, в результате чего это предприятие приостанавливает текущие платежи. [8]
Сам факт банкротства признается только по решению арбитражного суда. В том случае, если предприятие не может оплатить требования своих кредиторов, либо задолженность его по обязательным платежам составляет не менее 500 МРОТ (Минимальный размер оплаты труда), то в этом случае возникает основание для признания банкротства. При его определении существует ряд признаков:
1. Невозможность удовлетворения требований кредиторов;
2. Невыплата обязательных платежей в бюджет и внебюджетные фонды в течение 3 месяцев;
3. Размер денежных обязательств, которые определяются суммой задолженности за переданные товары
- суммы займов с включенными процентами
-обязательства по выплате авторского вознаграждения
-обязательства перед учредителями.
Банкротство предприятий может быть вызвано рядом факторов. Которые можно условно разделить на внешние и внутренние.
К внешним факторам принято относить структуру и потребности населения, покупательную способность, а также циклические явления в экономике. [26]
К внутренним факторам обычно относят явления, которые описывают производственный процесс хозяйствующего субъекта (причем наиболее сильное влияние оказывают управленческие решения). [4]
Постановление Правительства РФ «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий» от 20 мая 1994 г. № 498 утвердило систему критериев для определения неудовлетворительной структуры баланса неплатежеспособных предприятий. Такими критериями являются снижение следующих показателей: коэффициент текущей ликвидности (отношение текущих активов к краткосрочным обязательствам), коэффициент обеспеченности собственными средствами (отношение разности стоимости собственного капитала и стоимости внеоборотных активов к текущим активам), коэффициент восстановления (утраты) платежеспособности (отношение расчетного коэффициента текущей ликвидности к установленному значению). Оценка финансового состояния предприятия определяется на основе бухгалтерского баланса и отчета о финансовых результатах. [8]
1.2 Методики прогнозирования банкротства
Все методы прогнозирования базируются на предположении стабильности развития предприятий, что выражается определенными тенденциями и связями финансовых показателей и их соотношений. Как правило, при прогнозировании банкротства производится сопоставление информации обанкротившихся и избежавших банкротства предприятий. Для оценки вероятности банкротства используется публикуемая бухгалтерская отчетность и рыночные данные по котируемым ценным бумагам, а если есть доступ, то и внутренняя информация о деятельности предприятия.
Основная направленность используемых методик оценки вероятности банкротства предприятий - прогнозировать возникновение кризисной ситуации предприятия заранее, ещё до появления очевидных признаков. Используется две группы методов прогнозирования: эвристические и экономико-математические, которые позволяют получить качественные и количественные данные.
Следует отметить, что из множества используемых в российской практике методик, практически невозможно выделить те из них, которые бы надежно могли прогнозировать состояние банкротства. Более того, методики, разработанные российскими специалистами, тоже ненадежны и могут более или менее нормально прогнозировать банкротство только тех компаний, на анализе показателей которых они были разработаны. Причиной сложившейся ситуации является переходной характер российской экономики, характеризующийся процессом становления рыночных отношений. Необходимо отметить, что ни одну из существующих моделей прогнозирования банкротства нельзя считать совершенной, поэтому их следует рассматривать как вспомогательные средства анализа предприятий.
Модель Уильяма Бивера можно считать самой ранней методикой диагностики состояния предприятий. Система У. Бивера разработана в 1966 году, с ее помощью можно анализировать денежные потоки организаций [4].
В настоящее время разработано и используется большое количество различных методик оценки вероятности банкротства. В качестве таких методик используются различные интегральные методы, методы классификации, скоринг-системы и пр.
Среди зарубежных методик наибольшее распространение получили модели Альтмана, Фулмера и Стрингейта, Лиса и Таффлера и пр. Среди отечественных методик оценки банкротства предприятия, которые используются достаточно часто российскими банками, наиболее популярные модель Кадыкова-Сайфулина и модель Иркутской государственной экономической академии.
В таблице 2 представлены формулы расчетов и оценка результатов по описанным выше методикам прогнозирования банкротства.
Таблица 1 - Методики прогнозирования банкротства: формулы показателей и оценка результатов
|
Показатель |
Формулы оценки показателей |
|
|
Модифицированная пятифакторная модель Альтмана для частных компаний |
||
|
Х1 |
NWC/TA = Собственные оборотные средства/Баланс |
|
|
Х2 |
Нераспределенная прибыль (непокрытый убыток)/Баланс |
|
|
Х3 |
EBIT/TA=(Прибыль до налогообложения + ABS(Проценты к уплате))/Баланс |
|
|
Х4 |
Собственный капитал/ Обязательства |
|
|
Х5 |
Выручка/Баланс |
|
|
Z |
0,717*X1 + 0,847*X2 + 3,107*X3 + 0,42*X4 + 0,995*X5 |
|
|
Анализ |
Если Z*>2,9 - зона финансовой устойчивости («зеленая» зона). Если 1,23<Z*<2,9 - зона неопределенности («серая» зона). Если Z*<1,23 - зона финансового риска («красная» зона). |
|
|
Модель Фулмера [10] |
||
|
Х1 |
Нераспределенная прибыль (непокрытый убыток)/Баланс |
|
|
Х2 |
Выручка/Баланс |
|
|
Х3 |
Прибыль до уплаты налогов/(Итого капитал и резервы + Доходы будущих периодов) |
|
|
Х4 |
(Чистая прибыль +Амортизация)/(Итого краткосрочные пассивы +Итого долгосрочные пассивы- Доходы будущих периодов) |
|
|
Х5 |
Итого долгосрочные обязательства/Баланс |
|
|
Х6 |
(Итого краткосрочные пассивы - Доходы будущих периодов)/Итого баланс |
|
|
Х7 |
lg(Баланс - Нематериальные активы - Доходные финансовые вложения -Налог на добавленную стоимость по приобретенным ценностям -Дебиторская задолженность) |
|
|
Х8 |
(Итого оборотные активы- Долгосрочная дебиторская задолженность)/(Итого долгосрочные пассивы + Итого краткосрочные пассивы-Доходы будущих периодов) |
|
|
Х9 |
lg((Прибыль до налогообложения/ABS(Проценты к уплате))+1) |
|
|
Z |
5,528*X1 + 0,212*X2 + 0,073*X3 + 1,270*X4 - 0,120*X5 + 2,335*X6 + 0,575*X7 + 1,083*X8 + 0,894*X9 - 3,075 |
|
|
Анализ |
при Z<0, предприятие обанкротится |
|
|
Модель Спрингейта [9] |
||
|
Х1 |
(Итого оборотные активы - Долгосрочная дебиторская задолженность)/Баланс |
|
|
Х2 |
EBIT/TA=(Прибыль до налогообложения + ABS(Проценты к уплате))/Баланс |
|
|
Х3 |
Прибыль до налогообложения/(Итого краткосрочные пассивы-Доходы будущих периодов) |
|
|
Х4 |
Выручка/Баланс |
|
|
Z |
1,03*X1 + 3,07*X2 + 0,66*X3 + 0,4*X4 |
|
|
Анализ |
при Z < 0,862 возможно банкротство в течение 2-3 лет; при Z > 0,862 - устойчивое положение предприятия. |
|
|
Модель Лиса |
||
|
Х1 |
(Итого оборотные активы- Долгосрочная дебиторская задолженность)/Баланс |
|
|
Х2 |
Прибыль от продаж / Баланс |
|
|
Х3 |
Чистая прибыль / Баланс |
|
|
Х4 |
(Итого капитал и резервы + Доходы будущих периодов)/(Итого долгосрочные пассивы +Итого краткосрочные пассивы-Доходы будущих периодов) |
|
|
Z |
0,063*X1 + 0,092*X2 + 0,057*X3 + 0,001*X4 |
|
|
Анализ |
при Z > 0,037 риск банкротства предприятия незначительный. при Z < 0,037 риск банкротства предприятия высокий |
|
|
Модель Р. Таффлера и Г. Тишоу |
||
|
Х1 |
Прибыль от продаж/(Итого краткосрочные пассивы-Доходы будущих периодов) |
|
|
Х2 |
(Итого оборотные активы- Долгосрочная дебиторская задолженность)/(Итого долгосрочные пассивы + Итого краткосрочные пассивы-Доходы будущих периодов) |
|
|
Х3 |
(Итого краткосрочные обязательства-Доходы будущих периодов)/Баланс |
|
|
Х4 |
Выручка/Баланс |
|
|
Z |
0,53*X1 + 0,13*Х2 + 0,18*Х3 + 0,16*X4 |
|
|
Анализ |
при Z > 0,3 у предприятия неплохие долгосрочные перспективы, при Z< 0,2 банкротство более чем вероятно. |
|
|
Модель Чессера [7] |
||
|
Х1 |
Наличность + Легко реализуемые ценные бумаги) / Активы |
|
|
Х2 |
Нетто-продаж / (Наличность + Легко реализуемые ценные бумаги) |
|
|
Х3 |
(Брутто-доходы) / Активы |
|
|
Х4 |
(Краткосрочная + Долгосрочная задолженность) / Активы |
|
|
Х5 |
Основной капитал / Чистые активы |
|
|
Х6 |
Оборотный капитал / (Нетто-продажи) |
|
|
Z |
-2,0434 - 5,24*X1 + 0,0053*X2 - 6,6507*X3 + 4,4009*X4 - 0,0791*X5 - 0,102*X6 P = 1/(1+e--z) |
|
|
Анализ |
При P<0,5, то финансовое положение у предприятия стабильное и риск банкротства невелик. При 0,8<P<1 Финансовое положение предприятия критическое При 0,6<P<0,8Платежеспособность предприятия на грани риска банкротства При 0,4<Р<0,6Финансовое состояние предприятия удовлетворительное При 0,2<Р<0,4Кредитоспособность предприятия на хорошем уровне При 0<Р<0,4 Финансовое положение предприятия отличное |
|
|
Модель Р.С. Сайфуллина, и Г.Г.Кадыкова |
||
|
К1 |
К1 - (Собственный капитал -- Внеоборотные активы) / Оборотные активы; |
|
|
К2 |
К2 -Оборотные активы / Краткосрочные обязательства; |
|
|
К3 |
К3 -Выручка от продаж / Среднегодовая стоимость активовобязательства); |
|
|
К4 |
К4 -Чистая прибыль / Выручка; |
|
|
К5 |
К5 -Чистая прибыль / Собственный капитал. |
|
|
R |
2К1+0.1К2+0.08К3+0.45К4+К5 |
|
|
Анализ |
При R<1 вероятность банкротства предприятия высокая, При R>1 вероятность банкротства предприятия низкая. |
|
|
Модель Иркутской государственной экономической академии |
||
|
X1 |
X1 - чистый оборотный (работающий) капитал / активы; |
|
|
X2 |
X2 - чистая прибыль / собственный капитал; |
|
|
X3 |
X3 - чистый доход / валюта баланса; |
|
|
X4 |
X4 - чистая прибыль / суммарные затраты. |
|
|
R |
8,38 X1 + X2 + 0,054 X3 + 0,63 X4 |
|
|
Анализ |
Если R < 0 - вероятность банкротства максимальная (90%-100%). Если R 0 - 0,18 - вероятность банкротства высокая (60%-80%). Если R 0,18 - 0,32 - вероятность банкротства средняя (35%-50%). Если R 0,32 - 0,42 - вероятность банкротства низкая (15%-20%). Если R > 0,42 - вероятность банкротства минимальная (до 10%). |
|
|
Модель Бивера состоит из пяти факторов - коэффициентов |
||
|
Коэффициент Бивера [4] |
||
|
К1 |
(Амортизация + Чистая прибыль)/(текущие + долгосрочные обязательства) |
|
|
Анализ |
Если К1 0,4-0,45 - предприятие финансово устойчивое; Если К1 0,17 -имеется вероятность банкротства предприятия в течение пяти лет; Если К1 -0,15 - имеется вероятность банкротства предприятия в течение одного года |
|
|
Коэффициент рентабельности активов, % |
||
|
К2 |
Чистая прибыль*100%/Активы |
|
|
Анализ |
Если К2 6-8%- предприятие финансово устойчивое; Если К2 4% -имеется вероятность банкротства предприятия в течение пяти лет; Если К2 -22% - имеется вероятность банкротства предприятия в течение одного года |
|
|
Коэффициент финансовый ливеридж |
||
|
К3 |
(Текущие + долгосрочные обязательства)/Активы*100% |
|
|
Анализ |
Если К3 <37%- предприятие финансово устойчивое; Если К3 <50% -имеется вероятность банкротства предприятия в течение пяти лет; Если К3 <80% - имеется вероятность банкротства предприятия в течение одного года |
|
|
Коэффициент покрытия активов чистым оборотным капиталом |
||
|
К4 |
(собственный капитал - Внеоборотные активы) / Активы |
|
|
Анализ |
Если К4 0,4- предприятие финансово устойчивое; Если К4 <0,3 -имеется вероятность банкротства предприятия в течение пяти лет; Если К4 -0,06 - имеется вероятность банкротства предприятия в течение одного года |
|
|
Коэффициент покрытия |
||
|
K5 |
Оборотные активы / текущие обязательства |
|
|
Анализ |
Если К5 <3,2- предприятие финансово устойчивое; Если К5 <2 -имеется вероятность банкротства предприятия в течение пяти лет; Если К5 <1 - имеется вероятность банкротства предприятия в течение одного года |
ГЛАВА 2. МЕТОДЫ И МОДЕЛИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА ПРЕДПРИЯТИЙ
2.1 Инструментальные методы прогнозирования банкротства предприятия, применяемые в данной работе
Целью данной работы является построение модели прогнозирования банкротства предприятия, то есть определение предприятия финансово-устойчивым либо финансово-несостоятельным - банкротом. Модель должна обладать интегральным показателем, рассчитанным на базе данных финансовой отчетности фирмы. Основываясь на этом показателе, будут даны выводы о финансовом состоянии фирмы.
Для создания такой модели была использована бинарная логистическая регрессия. Для определения значимых коэффициентов регрессии необходимо выбрать такие финансовые показатели, значения которых значимо отличаются между группами банкротов и финансово-устойчивых компаний. Для выявления значимых различий между группами использовались следующие методы: сравнение средних значений, непараметрические тесты и корреляционный анализ.
Статистические тесты
Т-тесты применяются для того, чтобы определить есть ли значимая разница между двумя наборами данных. Имеется 3 типа Т-тестов:
Одновыборочный Т-тест
Т-тест для независимых выборок
Т-тест для связанных( парных) выборок.
При применении Т-тестов предполагается, что данные в выборках подчиняются нормальному распределению. Это одна из предпосылок использования всех Т-тестов.
Сравнение средних значений различных выборок является популярным и активно использующимся методом статистического анализа. Тесты сравнения средних применяются для определения значимой разницы между двумя наборами данных.
При использовании параметрических тестов необходимо удостовериться в одновременном выполнении трех следующих условий:
1. распределение данных близко к нормальному;
2. выборка содержит не менее 30 наблюдений;
3. это непрерывные данные.
Если хотя бы одно из этих условий не выполняется, данные считаются непараметрическими, и обрабатываются непараметрическими тестами.
При сравнении средних значений выборок выделяют четыре различные тестовые ситуации [19]:
* сравнение двух независимых выборок;
* сравнение двух зависимых выборок;
* сравнение более двух независимых выборок;
* сравнение более двух зависимых выборок.
В этих ситуациях соответственно применяются следующие статистические тесты:
* t-тест для независимых выборок;
* t-тест для зависимых выборок;
* однофакторный дисперсионный анализ;
* однофакторный дисперсионный анализ с повторными измерениями.
Непараметрические тесты используются там, где выборки из переменных, принадлежащие к интегральной шкале, не подчиняются обычному распределению. Например, как в этих тестах обрабатывается не само измеренное значение, а его ранг (положение выборки), то эти тесты нечувствительны к выбросам. Непараметрические тесты используются еще и в тех случаях, когда переменные относятся к порядковой, а не к интервальной шкале.
Наиболее часто применяемыми тестами являются тесты для сравнения двух и более независимых или зависимых выборок.[19]
Корреляционный анализ
Корреляционный анализ -- метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом, с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям. Корреляционной связью называется такая статистическая связь, при которой различным значениям одной переменной соответствуют разные средние значения другой. Основной особенностью корреляционного анализа следует признать то, что он устанавливает лишь факт наличия связи и степень се тесноты, не вскрывая ее причин.
Существует два основных типа коэффициентов корреляции, рассчитываемых в зависимости от вида шкалы переменных, участвующих в анализе.
Коэффициент Пирсона - используется для интервальной шкалы переменных, и характеризует линейную связь между переменными. Коэффициенты корреляции Спирмена и Кендела используются, если хотя бы одна из переменных имеет порядковую шкалу, они применяются для определения степени соответствия двух ранжированнх списков.
Кластерный анализ
Кластерный анализ - группа методов, используемых для классификации объектов в относительно однородные группы, которые называют кластерами.
Это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы. Кластерный анализ предназначен дня разбиения совокупности объектов на однородные труппы (кластеры или классы). По сути, это задача многомерной классификации данных.
Кластерный анализ предполагает следующие этапы:
1. Отбор выборки для кластеризации.
2. Определение множества переменных, по которым будут оцениваться объекты в выборке.
3. Вычисление значений той или иной меры сходства (или различия) между объектами.
4. Применение метода кластерного анализа для создания групп сходных объектов.
5. Проверка достоверности результатов кластерного решения.
Кластерный анализ позволяет выделить факторы (кластеры), объединяющие статические схожие переменные [19].
Иерархический кластерный анализ
В этом методе реализуется иерархический агломеративный алгоритм, смысл которого заключается в следующем. Перед началом кластеризации все объекты считаются отдельными кластерами, в ходе алгоритма они объединяются. Вначале выбирается пара ближайших кластеров, которые объединяются в один кластер. В результате количество кластеров становится равным N-1. Процедура повторяется, пока все классы не объединятся. На любом этапе объединение можно прервать, получив нужное число кластеров. Таким образом, результат работы алгоритма агрегирования зависит от способов вычисления расстояния между объектами и определения близости между кластерами.
Для определения расстояния между парой кластеров могут быть сформулированы различные подходы. С учетом этого в SPSS предусмотрены следующие методы:
· Среднее расстояние между кластерами (Between-groups linkage), устанавливается по умолчанию.
· Среднее расстояние между всеми объектами пары кластеров с учетом расстояний внутри кластеров (Within-groups linkage).
· Расстояние между ближайшими соседями - ближайшими объектами кластеров (Nearest neighbor).
· Расстояние между самыми далекими соседями (Furthest neighbor).
· Расстояние между центрами кластеров (Centroid clustering) или центроидный метод. Недостатком этого метода является то, что центр объединенного кластера вычисляется как среднее центров объединяемых кластеров, без учета их объема.
· Метод медиан - тот же центроидный метод, но центр объединенного кластера вычисляется как среднее всех объектов (Medianclustering).
· Метод Варда. [28]
2.2 Информационная база исследования
В качестве информационной базы, в данной работе выступает финансовая отчетность российских предприятий за четыре года. Информационная база содержит компании различного размера, отраслевой и региональной принадлежности. Данные для исследования были получены из системы профессионального анализа рынка и компаний СПАРК.
Для проведения анализа финансового состояния компаний была собрана база, состоящая из 2671 российского предприятия, среди которых 1203 предприятия ликвидированы вследствие банкротства.
В данной работе под «банкротом» понимается юридическое лицо, которое является финансово-несостоятельным и было признано банкротом по решению суда.
В следующей таблице приведено количество действующих компаний и ликвидированных вследствие банкротства по годам.
Таблица 2- Количество действующих компаний и ликвидированных вследствие банкротства по годам.
|
2011 г. |
2012 г. |
2013 г. |
2014 г. |
||
|
Компании, ликвидированные вследствие банкротства |
313 |
316 |
249 |
325 |
|
|
Действующие компании |
2358 |
2042 |
1793 |
1468 |
Далее исследуем структуру собранных данных по региональной и отраслевой принадлежности, а также по размеру предприятий.
Для данного исследования подбирались предприятия различного географического расположения.
В таблице 3 представлены экономические районы РФ.
Таблица 3 - Экономический район
|
Частота |
Процент |
|||
|
Центральный |
398 |
14,9 |
||
|
Центрально-Чернозёмный |
160 |
6,0 |
||
|
Восточно-Сибирский |
102 |
3,8 |
||
|
Дальневосточный |
108 |
4,0 |
||
|
Северный |
116 |
4,3 |
||
|
Северо-Кавказский |
389 |
14,6 |
||
|
Северо-Западный |
105 |
3,9 |
||
|
Поволжский |
313 |
11,7 |
||
|
Уральский |
395 |
14,8 |
||
|
Волго-Вятский |
217 |
8,1 |
||
|
Западно-Сибирский |
356 |
13,3 |
||
|
Калининградский |
12 |
,4 |
||
|
Итого |
2671 |
100,0 |
Для упрощения анализа данных все регионы России были сгруппированы на 12 экономических районов [37]:
1. Центральный экономический район: Москва (город федерального значения), Московская область, Брянская область, Орловская область, Владимирская область, Рязанская область, Ивановская область, Смоленская область, Калужская область, Тверская область, Костромская область, Тульская область, Ярославская область. [26]
2. Центрально-Черноземный экономический район: Белгородская область, Липецкая область, Воронежская область, Тамбовская область, Курская область.
3. Восточно-Сибирский экономический район: Забайкальский край, Республика Бурятия, Красноярский край, Республика Тыва, Иркутская область, Республика Хакасия.
4. Дальневосточный экономический район: Амурская область, Республика Саха (Якутия), Еврейская автономная область, Сахалинская область, Камчатский край, Хабаровский край, Магаданская область, Чукотский автономный округ, Приморский край.
5. Северный экономический район: Архангельская область, Ненецкий автономный округ, Вологодская область, Республика Карелия, Мурманская область, Республика Коми.
6. Северо-Кавказский экономический район: Республика Адыгея, Краснодарский край, Республика Дагестан, Республика Северная Осетия - Алания, Республика Ингушетия, Ростовская область, Кабардино-Балкарская Республика, Ставропольский край, Карачаево-Черкесская Республика, Чеченская Республика.
7. Северо-Западный экономический район: Санкт-Петербург (город федерального значения), Ленинградская область, Псковская область, Новгородская область.
8. Поволжский экономический район: Астраханская область, Саратовская область, Волгоградская область, Республика Калмыкия, Пензенская область, Республика Татарстан, Самарская область, Ульяновская область.
9. Уральский экономический район: Курганская область, Свердловская область, Оренбургская область, Удмуртская Республика, Пермския край, Челябинская область, Республика Башкортостан.
10. Волго-Вятский экономический район: Кировская область, Нижегородская область, Республика Марий Эл, Чувашская Республика, Республика Мордовия.
11. Западно-Сибирский экономический район: Алтайский край, Республика Алтай, Кемеровская область, Тюменская область, Новосибирская область, Ханты-Мансийский автономный округ - Югра, Омская область, Ямало-Ненецкий автономный округ, Томская область.
12. Калининградская область является особой (отдельной) экономической зоной.
На рисунке 1 представлена круговая диаграмма с частотой встречаемости экономических районов Российской Федерации.
Рассмотрим распределение компаний по отраслям.
Для проведения исследования были выбраны фирмы из трех секторов экономики :
1. Сельское хозяйство, ловля и лесное хозяйство;
2. Производство и рассредотачивание электричества , газа и воды;
3. Строительство;
Согласно Общероссийскому классификатору видов экономической деятельности (ОКВЭД), раздел А «СЕЛЬСКОЕ ХОЗЯЙСТВО, ОХОТА И ЛЕСНОЕ ХОЗЯЙСТВО» охватывает использование природных ресурсов растительного и животного происхождения. Раздел включает деятельность по выращиванию сельскохозяйственных культур, разведению животных, заготовке леса и сбору лесопродуктов, деятельность, связанную с воспроизводством и защитой лесов, а также предоставление услуг в этой области. [37]
Раздел E «ПРОИЗВОДСТВО И РАСПРЕДЕЛЕНИЕ ЭЛЕКТРОЭНЕРГИИ, ГАЗА И ВОДЫ» охватывает деятельность по производству и снабжению электроэнергией, газом, паром и водой с использованием постоянной инфраструктуры (сетей) трубопроводов и линий электропередачи.
Раздел F «СТРОИТЕЛЬСТВО» охватывает производство общестроительных работ и работ, требующих специальной квалификации, для строительства зданий и инженерных сооружений, монтаж инженерного оборудования зданий, а также сооружений и производство отделочных и завершающих работ.
В таблице 4 приведена частота встречаемости компаний по отраслям.
Таблица 4 - Отрасль
|
Частота |
Процент |
|||
|
Сельское хозяйство, охота, лесное хозяйство |
887 |
33,2 |
||
|
Строительство |
862 |
32,3 |
||
|
Производство и распределение электроэнергии, газа, горячей воды |
787 |
29,5 |
||
|
Итого |
2536 |
94,9 |
||
|
Системные пропущенные |
135 |
5,1 |
||
|
Итого |
2671 |
100,0 |
Как мы видим из таблицы и диаграммы распределение фирм по отраслям практически равное. Сельскохозяйственная отрасль включает в себя 887 компаний или 33%. Строительная отрасль включает в себя 862 компании или 32%. Производство и распределение электроэнергии, газа, горячей воды включает в себя 787 компаний или 29%.
Данную структуру данных также иллюстрирует рисунок 2.
Рисунок 2 - Структура данных по отраслям
Как видно из рисунка 2, действующие компании и компании, ликвидированные вследствие банкротства, различаются незначительно.
Рассмотрим данные с точки зрения размера компании.
В данной работе все предприятия разделены по размеру на микропредприятия, малые, средние и крупные. Размер компании основан на среднесписочной численности сотрудников, при этом в микропредприятия входит менее 15 человек, в малые- от 16 до 100 человек, в средние - от 101 до 250, и большие фирмы имеют свыше 251 человека.
В таблице 5 представлены частоты по размеру компаний.
Таблица 5 -Размер компании по численности предприятия
|
Частота |
Процент |
|||
|
Микропредприятие |
409 |
15,3 |
||
|
Малое предприятие |
963 |
36,1 |
||
|
Среднее предприятие |
656 |
24,6 |
||
|
Крупное предприятие |
643 |
24,1 |
||
|
Итого |
2671 |
100,0 |
По данным таблицы, можно наблюдать, что из 2671 компании наиболее часто встречаются малые предприятия - 36%, реже всего - микропредприятия - 15%. Средние и крупные предприятия занимают одинаковое место во всей выборке и имеют 24%.
На рисунке 3 представлены размеры компаний для действующих предприятий и для ликвидированных вследствие банкротства.
Среди действующих компаний реже всего встречаются микропредприятия (6%). Малые, средние и крупные предприятия имеют незначительные отличия и занимают около 30%.
Рисунок 3 - Размеры компаний
Среди предприятий ликвидированных вследствие банкротства наиболее редко наблюдаются крупные предприятия (13%), а чаще всего малые предприятия (39%).
2.3 Создание обучающей выборки и ее основная характеристика
Обучающая выборка строилась по данным 2013 года. Для создания обучающей выборки из 1793 действующих компаний были отобраны наиболее финансово-устойчивые. Оценка финансовой устойчивости проводилась по известным зарубежным методикам прогнозирования вероятности банкротства: моделям Фулмера, Альтмана, Таффлера и Тишоу, Чессера, Спрингейта, Лиса, а также по известным отечественным методикам: Сайфулина-Кадыкова и Иркутской государственной экономической академии. При этом, предприятие признавалась финансово-устойчивым, если все восемь методик предсказали ему низкую вероятность банкротства.
Среди 249 предприятий, ликвидированных вследствие банкротства в 2013 году в обучающую выборку вошли особенно «плохие», т.е. которые были признаны «банкротами» по более чем четырем методикам из восьми.
Данный рисунок демонстрирует, для какого количества компаний различные методики «сошлись во мнениях». Таким образом, финансово-устойчивыми компаниями является 145 российских предприятий, что подтвердили все рассчитанные методики. Проанализируем теперь «банкротов». Из 249 ликвидированных компаний по причине банкротства в 2013 году, 7 методик определили высокую вероятность банкротства для 16 компаний, 6 методик - для 34 компаний, 5 методик - для 53 и 4 методики для 41 компании. При этом, 38 реальных банкротов, ни одна из рассчитанных моделей не признала высокую вероятность банкротства. Данный факт может говорить о плохой прогностической способности моделей, либо о том, что данные компании были обанкрочены в злоумышленных целях.
На основе проведенного анализа была построена выборка, в которую случайным образом вошли 117 обанкротившихся предприятий и 117 предприятий, имеющих финансово-устойчивое состояние.
Далее проведем подробный анализ обучающей выборки.
Приведем таблицы сопряженности, коэффициенты хи-квадрат и столбчатые диаграммы для банкротов и финансово-устойчивых предприятий и отраслью, размером компании, экономическим районом.
В таблице 6 представлены сопряженности между отраслями и вероятностью банкротства.
Таблица 6 -Сопряженности между отраслями и статусом предприятия
|
Банкрот 2013 |
Итого |
||||
|
Фин.Уст. |
Банкрот |
||||
|
Сельское хозяйство, охота, лесное хозяйство |
Частота |
31 |
52 |
83 |
|
|
% в Отрасль |
0,37 |
0,63 |
1 |
||
|
% в Банкрот 2013 |
0,26 |
0,44 |
0,35 |
||
|
Строительство |
Частота |
44 |
38 |
82 |
|
|
% в Отрасль |
0,53 |
0,46 |
1 |
||
|
% в Банкрот 2013 |
0,38 |
0,32 |
0,35 |
||
|
Производство и распределение электроэнергии, газа, горячей воды |
Частота |
42 |
27 |
69 |
|
|
% в Отрасль |
0,51 |
0,33 |
1 |
||
|
% в Банкрот 2013 |
0,36 |
0,23 |
0,29 |
||
|
Частота |
117 |
117 |
234 |
||
|
% в Отрасль |
0,50 |
0,50 |
1 |
||
|
% в Банкрот 2013 |
1 |
1 |
1 |
Данная таблица показывает, что банкроты наиболее часто встречаются в сельскохозяйственной отрасли - 44%.
Отрасли «Строительство» и «Производство электроэнергии, газа, горячей воды» в структуре выборки представлены в равных пропорциях и составляют 35% от всей выборки.
В отрасли «Строительство» встречается 38 банкротов и 44 финансово-устойчивых предприятия (53% и 46% соответственно).
В отрасли «Производство и распределение электроэнергии, газа, горячей воды» встречается наименьшее количество компаний - 69 или 29%
В таблица 7 приведены критерии хи-квадрат.
Таблица 7 - Критерии хи-квадрат
|
Значение |
ст.св. |
Асимпт. значимость (2-стор.) |
||
|
Хи-квадрат Пирсона |
29,449a |
3 |
,000 |
|
|
Отношение правдоподобия |
29,999 |
3 |
,009 |
|
|
Линейно-линейная связь |
15,627 |
1 |
,000 |
|
|
Кол-во валидных наблюдений |
234 |
Основываясь на высоком значении критерия хи-квадрат, можно сказать, что связь между переменными сильная и значимая (p?0,01).
Далее рассмотрим сопряженности между размером компании и статусом предприятия.
Таблица 8 - Таблица сопряженности между размером компании и статусом предприятия
|
Банкрот 2013 |
Итого |
||||
|
Не банкрот |
Банкрот |
||||
|
Микропредприятие |
Частота |
6 |
16 |
22 |
|
|
% в Размер компании |
0,27 |
0,73 |
1 |
||
|
% в Банкрот 2013 |
0,05 |
0,14 |
0,09 |
||
|
Стандартиз. остаток |
-1,51 |
1,51 |
|||
|
Малое предприятие |
Частота |
45 |
39 |
84 |
|
|
% в Размер компании |
0,54 |
0,46 |
1 |
||
|
% в Банкрот 2013 |
0,38 |
0,33 |
0,36 |
||
|
Стандартиз. остаток |
0,46 |
-0,46 |
|||
|
Среднее предприятие |
Частота |
26 |
36 |
62 |
|
|
% в Размер компании |
0,42 |
0,58 |
1 |
||
|
% в Банкрот 2013 |
0,22 |
0,31 |
0,26 |
||
|
Стандартиз. остаток |
-0,90 |
0,90 |
|||
|
Крупное предприятие |
Частота |
40 |
26 |
66 |
|
|
% в Размер компании |
0,61 |
0,39 |
1 |
||
|
% в Банкрот 2013 |
0,34 |
0,22 |
0,28 |
||
|
Стандартиз. остаток |
1,22 |
-1,22 |
|||
|
Частота |
117 |
117 |
234 |
||
|
% в Размер компании |
0,50 |
0,50 |
1 |
||
|
% в Банкрот 2013 |
1 |
1 |
1 |
На основе приведенной таблицы, можно сказать, что наиболее часто встречаются предприятия малыми по размеру, они составляют 36% из всей выборки. В свою очередь, микропредприятия встречаются реже всего и составляют 9% из все выборки.
Среди микропредприятий компаний с финансово-устойчивым состоянием на треть меньше, чем банкротов (27% и 73% соответственно).
Банкроты и компании с финансово-устойчивым состоянием среди малых и средних предприятий разделились примерно равным образом и составили 46% и 54%, и 58% и 42% соответственно.
Крупные предприятия составляют 28% из всей выборки, причем финансово-устойчивых предприятий среди них на 20% больше, чем банкротов.
Наибольший процент финансово-устойчивых предприятий приходится на крупные предприятия - 61%.
В таблице 9 приведены критерии хи-квадрат.
Таблица 9 - Критерии хи-квадрат
|
Значение |
ст.св. |
Асимпт. значимость (2-стор.) |
||
|
Хи-квадрат Пирсона |
9,557 |
3 |
,023 |
|
|
Отношение правдоподобия |
9,758 |
3 |
,021 |
|
|
Линейно-линейная связь |
3,523 |
1 |
,061 |
|
|
Кол-во валидных наблюдений |
234 |
Основываясь на высоком значении критерия хи-квадрат, можно сказать, что связь между переменным сильная и значимая (p?0,01).
На рисунке 5 представлена столбчатая диаграмма экономического района
Рисунок 5 - Столбчатая диаграмма экономических районов России
На рисунке 5 приведена столбчатая диаграмма, на которой видно, что по экономическим районам Российской Федерации, нет явного деления на банкротов и финансово-устойчивым предприятиям. Данную ситуацию также иллюстрирует таблица 9, где показано, что критерий хи-квадрат не значим.
Таблица 9 - Критерии хи-квадрат
|
Значение |
ст.св. |
Асимпт. значимость (2-стор.) |
||
|
Хи-квадрат Пирсона |
18,186a |
11 |
,077 |
|
|
Отношение правдоподобия |
19,675 |
11 |
,150 |
|
|
Линейно-линейная связь |
2,205 |
1 |
,138 |
|
|
Кол-во валидных наблюдений |
234 |
2.4 Построение модели оценки вероятности банкротства предприятия
Характеристика используемых данных
Бухгалтерская отчетность предприятия служит основным источником информации о его деятельности. Тщательное изучение бухгалтерских отчетов помогает определить причины успехов и неудач в деятельности предприятия. [29] вероятность банкротство финансовый качество
Анализ и оценка финансового состояния предприятий проводились на основе данных бухгалтерской отчетности российских предприятий за период 2011-2014гг.: бухгалтерского баланса (форма №1) и отчета о прибылях и убытках (форма №2) .
Список анализируемых показателей представлен ниже.
1. Активы всего;
2. Внеоборотные активы;
3. Выручка от продажи (за минусом НДС, акцизов) ;
4. Дебиторская задолженность;
5. Денежные средства;
6. Долгосрочные обязательства;
7. Займы и кредиты (долгосрочные) ;
8. Займы и кредиты (краткосрочные) ;
9. Капитал и резервы;
10. Краткосрочные обязательства;
11. Кредиторская задолженность;
12. Оборотные активы;
13. Прибыль (убыток) до налогообложения;
14. Прибыль (убыток) от продажи;
15. Чистая прибыль (убыток) ;
16. Чистые активы.
Анализ наиболее известных и широко применяемых моделей прогнозирования банкротства предприятия, показал, что во всех методиках используются ограниченное число показателей, которые, в целом, можно сгруппировать следующим образом:
1. показатели ликвидности;
2. показатели рентабельности;
3. показатели структуры баланса;
4. показатели оборачиваемости.
На основе данных групп были рассчитаны следующие показатели:
1. Коэффициент покрытия;
2. Коэффициент абсолютной ликвидности;
3. Коэффициент быстрой ликвидности;
4. Коэффициент текущей ликвидности;
5. Коэффициент обеспеченности собственными оборотными средствами;
6. Коэффициент маневренности;
7. Коэффициент соотношения заемных и собственных средств;
8. Рентабельность продаж;
9. Рентабельность собственного капитала
10. Рентабельность оборотных активов;
11. Оборачиваемость внеоборотных активов;
12. Оборачиваемость собственного капитала;
13. Коэффициент оборота активов;
14. Оборачиваемость оборотного капитала;
15. Натуральный логарифм выручки;
16. Отношение собственного капитала к активам;
17. Отношение оборотных активов к активам;
18. Отношение денежных средств к выручке;
19. Отношение денежных средств к активам;
20. Отношение краткосрочных и долгосрочных заемных средств к активам;
21. Отношение долгосрочных обязательств к активам;
22. Отношение краткосрочных обязательств к активам;
23. Коэффициент автономии.
Проверка данных на нормальность распределения
Во многих статистических методах важно чтобы данные в группах являлись выборкой из нормального распределения с постоянной дисперсией. По этой причине прежде , чем применять статистические процедуры следует проверить подчиняются ли данные нормальному распределению.
Чтобы проверить данные на нормальное распределение рассчитаем одновыборочный критерий Колмогорова-Смирнова и проверим гипотезу о нормальности распределения.
Результаты расчета приведены в Приложении 1.
Как видно из таблицы, гипотеза о нормальности отвергается с уровнем значимости р<0.01.
Сравнение средних показателей для банкротов и финансово-устойчивых предприятий
Сравнение средних значений между двумя независимыми выборками произведем с помощью непараметрических тестов. Непараметрические тесты используются в случае, если переменные не являются нормально распределенными.
Определим значимость различия средних для двух независимых выборок. Для расчета будем применять непараметрический U-теcт Манна и Уитни. Данные представлены в таблице 10.
Таблица 10 - Статистики критерияa
|
Статистика U Манна-Уитни |
Статистика W Уилкоксона |
Z |
Асимпт. знч. (двухсторонняя) |
||
|
К_покрытия |
592,000 |
7495,000 |
-12,076 |
,000 |
|
|
Коэффициент абсолютной ликвидности, % |
1358,500 |
3773,500 |
-7,550 |
,000 |
|
|
Коэффициент быстрой ликвидности, % |
1470,000 |
7798,000 |
-10,141 |
,000 |
|
|
Коэффициент текущей ликвидности, % |
568,000 |
7009,000 |
-11,978 |
,000 |
|
|
Коэффициент концентрации собственного капитала (автономии), % |
624,000 |
7527,000 |
-12,014 |
,000 |
|
|
Коэффициент маневренности собственных средств, % |
1676,000 |
8579,000 |
-9,991 |
,000 |
|
|
Коэффициент обеспеченности собственными оборотными средствами, % |
725,000 |
7395,000 |
-11,744 |
,000 |
|
|
Коэффициент соотношения заемных и собственных средств, % |
<...
Подобные документы
Основные понятия финансовой несостоятельности предприятий. Создание математической модели прогнозирования банкротства компании. Выявление факторов финансового состояния ЗАО "Управление механизации №276", информационная база анализа угрозы банкротства.
курсовая работа [388,7 K], добавлен 18.05.2014Сущность банкротства, диагностика его вероятности, цели прогнозирования. Анализ финансовой устойчивости, оборачиваемости и рентабельности активов ТОО "Лира", оценка его платежеспособности. Планирование путей стабилизации финансового состояния предприятия.
курсовая работа [124,5 K], добавлен 27.10.2010Методики установления признаков банкротства предприятия. Система показателей финансово-хозяйственной деятельности, используемая арбитражным управляющим при проведении финансового анализа предприятия-должника. Оценка вероятности банкротства АО "ММК-МЕТИЗ".
курсовая работа [873,6 K], добавлен 02.06.2015Сущность и экономическая природа банкротства, теории данного явления. Исследование показателей финансового анализа предприятия при потенциальном банкротстве, методы оценки и анализа. Анализ финансовой устойчивости предприятия и пути ее улучшения.
дипломная работа [164,4 K], добавлен 12.06.2011Теоретические основы банкротства предприятия и методы анализа вероятности его наступления. Диагностика банкротства на примере анализа финансового состояния ОАО "Удмуртагрохим". Краткая характеристика предприятия. Пути выхода из кризисного состояния.
курсовая работа [51,4 K], добавлен 29.06.2009- Анализ прогнозирования банкротства предприятия и пути его оздоровления на примере ОАО "Техно-Мастер"
Экономическое содержание несостоятельности и банкротства предприятия, анализ его прогнозирования по зарубежным и отечественным методикам. Анализ финансового состояния предприятия с целью предотвращения его банкротства на примере ОАО "Техно-Мастер".
дипломная работа [226,3 K], добавлен 24.10.2011 Рассмотрение видов, процедур и причин банкротства. Изучение нормативной системы критериев для оценки несостоятельности предприятия. Применение корреляционного, СВОТ-анализа и модели Альтмана с целью диагностики кризисного финансового состояния фирмы.
курсовая работа [274,5 K], добавлен 29.08.2010Понятие и сущность финансового прогнозирования. Предпосылки возникновения банкротства предприятий, методы его прогнозирования, оценка эффективности. Анализ финансового состояния ЗАО Торговый дом "Радуга": показатели, рентабельность, деловая активность.
дипломная работа [250,4 K], добавлен 05.08.2013Характеристика финансового состояния организации в нормальных и неблагоприятных условиях. Расчеты и анализ финансово-экономических коэффициентов. Факторный анализ и его модели. Двухфакторная модель как модель прогнозирования вероятности банкротства.
доклад [16,2 K], добавлен 05.05.2009Причины и виды банкротства российских компаний. Анализ финансового положения и эффективности деятельности предприятия на примере ОАО "АВТОВАЗ". Основные модели используемые при анализе платежеспособности предприятия, меры по финансовому оздоровлению.
курсовая работа [1,6 M], добавлен 21.04.2015Понятие несостоятельности предприятия. Развитие института банкротства в рыночной экономике. Методы анализа вероятности наступления банкротства. Анализ обширной системы критериев и признаков, ограниченного круга показателей, интегральных показателей.
курсовая работа [183,2 K], добавлен 11.11.2013Виды и признаки банкротства, его причины и основные процедуры проведения. Методологические аспекты оценки, диагностика вероятности и прогнозирования банкротства на примере ООО "Автострой-2000". Рекомендации по улучшению финансового состояния фирмы.
курсовая работа [398,0 K], добавлен 23.11.2014Несостоятельность и банкротство: сущность, виды и причины, законодательно-нормативное регулирование. Методы оценки и прогнозирования вероятности банкротства ОАО "Автодорремстрой", содержание плана финансового оздоровления и укрепления платежеспособности.
дипломная работа [600,4 K], добавлен 22.08.2011Понятие банкротства, его основные причины и необходимость прогнозирования. Отечественные и зарубежные модели экспресс-прогнозирования возможности наступления банкротства. Сущность модели О.П. Зайцевой и расчет вероятности наступления банкротства.
курсовая работа [98,7 K], добавлен 30.09.2009Понятие и признаки банкротства. Причины и виды банкротства. Процедуры банкротства. Методы диагностики вероятности банкротства. Многокритериальный подход. Дискриминантные факторные модели. Оценка вероятности банкротства предприятия по модели Альтмана.
курсовая работа [59,3 K], добавлен 16.12.2007Характеристика качественной, количественной, альтернативной моделей прогнозирования банкротства. Анализ преимуществ и недостатков зарубежных методик оценки финансового состояния, их адаптации к российским условиям и разработка отечественных методов.
курсовая работа [171,1 K], добавлен 04.03.2010Теоретические и прикладные методы диагностики вероятности банкротства предприятия. Планирование, организация и проведение исследования финансового состояния ООО "ФРЕГАТ-центр", выявление возможного риска разорения. Разработка антикризисных мероприятий.
дипломная работа [120,2 K], добавлен 27.07.2011Проблема прогнозирования банкротства предприятий в Российской Федерации. Организационно-экономическая характеристика ООО "Мана", анализ его финансовой устойчивости, платежеспособности и кредитоспособности. Диагностика банкротства по модели Альтмана.
реферат [101,5 K], добавлен 08.06.2013Анализ финансового состояния организации: сущность и показатели его характеризующие. Критерии оценки несостоятельности организации. Современная характеристика деятельности ОАО «Калугатрансмаш» г. Калуга. Анализ вероятности банкротства организации.
курсовая работа [220,1 K], добавлен 19.12.2008Анализ финансового состояния предприятия на примере ОАО "Строй". Предварительная оценка финансового состояния предприятия, система показателей, характеризующих его финансовое состояние. Составление аналитического баланса. Оценка вероятности банкротства.
курсовая работа [165,8 K], добавлен 28.07.2010
