Оценка факторов, влияющих на банкротство компаний

Размещено на http://www.allbest.ru/

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО

АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ

ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономики, менеджмента и бизнес-информатики

Выпускная квалификационная работа - БАКАЛАВРСКАЯ РАБОТА

ОЦЕНКА ФАКТОРОВ, ВЛИЯЮЩИХ НА БАНКРОТСТВО КОМПАНИЙ

Самылова Анастасия Владимировна

Руководитель

к.э.н. Е.Н. Лавренчук

Пермь, 2020 год



Оглавление

Аннотация

Введение

1. Теоретический обзор банкротства

1.1 Понятие банкротства и методы его прогнозирования

1.2 Внутренние факторы банкротства

1.3 Факторы, характерные для предприятий пищевой отрасли

2. Методология исследования

2.1 Постановка исследовательского вопроса

2.2 Экономическая модель

2.3 Методы исследования

2.4 Описание данных

3. Результаты исследования

3.1 Предварительный анализ данных

3.2 Результаты регрессионного анализа

Заключение

Список использованной литературы

Приложения



Аннотация

Данное исследование направлено на изучение внутренних факторов, влияющих на банкротство российских компаний пищевой промышленности. Целью данной выпускной квалификационной работы является построение логит-модели, позволяющей оценить влияние внутренних факторов на несостоятельность малых предприятий и микропредприятий пищевой отрасли. Исследование основывается на данных по 242 российским предприятиям пищевой промышленности за период с 2015 по 2018 гг. из информационной системы СПАРК. Результатом построения логистической регрессии стала возможность оценить 12 эндогенных факторов, в числе которых показатели рентабельности, ликвидности, деловой активности и финансовой устойчивости. Полученные результаты будут интересны менеджерам предприятий пищевой промышленности, а также инвесторам, желающим приобрести акции компании данной отрасли.



Abstract

The present research is aimed at investigating the key bankruptcy factors for companies of food industry in Russia. The objective of this study is to demonstrate an influence on the company's insolvency of some factors using logistic regression. The study is based on data from 242 small food enterprises for the period from 2015 to 2018 from the SPARK information system. As a result, it is possible to evaluate 12 endogenous factors, including indicators of profitability, liquidity, business activity and financial stability. The results will be of interest to managers of food industry enterprises as well as to investors who wish to purchase shares in a company in this industry.



Введение

Взаимодействие экономически самостоятельных и свободных хозяйствующих субъектов, работающих в условиях конкуренции, высокой степени неопределенности и риска, может привести к их разорению.

Центр макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП) 19 ноября 2019 года опубликовал результаты исследования, посвященного тенденциям банкротства юридических лиц в III квартале 2019 года (Приложение 1 (Рис. 1)). В 2019 году наблюдается тенденция уменьшения числа банкротств, а именно, по итогам III квартала 2019 года уровень банкротств юридических лиц снизился на 2,4% в сравнении со II кварталом 2019 г. и сократился на 7,4% в сравнении с III кварталом 2018 года.

Несмотря на такую тенденцию, риски банкротства для отдельного предприятия не уменьшаются. Актуальность и практическая значимость темы данной работы обусловлена рядом причин. Во-первых, за 2018 год в России было открыто 290288 предприятий, однако прекратили свою деятельность 622111 компаний, что составляет 214% от числа открывшихся (Международная аудиторско-консалтинговая сеть FinExpertiza). Кроме того, по итогам 2018 года лишь в пяти российских регионах количество вновь созданных предприятий превышает количество закрывшихся. Во-вторых, доля убыточных организаций в России по итогам января-сентября 2019 года составила 29,1%, что является достаточно большим значением. В-третьих, в пищевой отрасли во 2 и 3 кварталах 2019 года наблюдается рост числа банкротств по сравнению с соответствующими кварталами предыдущего года (Приложение 1 (Рис. 2)).

При рассмотрении сложившейся экономико-политической ситуации в России можно прийти к выводу, что актуальность рассматриваемой темы только возрастает. Способность понимать природу факторов и причин возникновения процессов банкротства дает возможность управлять кризисными явлениями и диагностировать вероятность наступления банкротства в отдельных компаниях.

Проблему исследования можно обозначить вопросом: какие факторы оказывают наибольшее влияние на несостоятельность предприятия пищевой отрасли?

Целью данной выпускной квалификационной работы является построение модели, позволяющей оценить влияние эндогенных факторов на несостоятельность компаний пищевой промышленности.

Методологическая основа данной работы включает анализ и обобщение специальной литературы, синтез полученной информации, метод построения модели логистической регрессии.

Структура исследовательской работы обусловлена поставленными в работе задачами. Первая глава посвящена анализу методов прогнозирования банкротства, изучению внутренних факторов банкротства, а также факторов, характерных для пищевой отрасли. Вторая глава представляет собой методологию исследования, которая включает в себя постановку исследовательского вопроса, представление экономической модели, описание методов исследования и описание данных. В третьей главе представлены предварительный анализ данных, а также результаты регрессионного анализа. Заключительным этапом является описание результатов исследования.



1. Теоретический обзор банкротства

1.1 Понятие банкротства и методы его прогнозирования

банкротство несостоятельность предприятие пищевой

В соответствии с федеральным законом «О несостоятельности (банкротстве)» от 26.10.2002 № 127-ФЗ (ред. от 24.04.2020) понятие банкротства определяется как «признанная арбитражным судом неспособность должника в полном объеме удовлетворить требования кредиторов по денежным обязательствам, о выплате выходных пособий и (или) об оплате труда лиц, работающих или работавших по трудовому договору, и (или) исполнить обязанность по уплате обязательных платежей».

«Юридическое лицо считается неспособным удовлетворить требования кредиторов по денежным обязательствам, о выплате выходных пособий и (или) об оплате труда лиц, работающих или работавших по трудовому договору, 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» (ФЗ «О несостоятельности (банкротстве)» от 26.10.2002 № 127-ФЗ).

Диагностика несостоятельности предприятия прежде всего характеризуется выявлением потенциальной неплатежеспособности организации. Необходимо провести анализ не только по показателям финансовой устойчивости и ликвидности, но и проанализировать динамику деловой активности. Для осуществления данной процедуры Ковалев (2007) называет три класса показателей: показатели отдачи используемых ресурсов, показатели рентабельности и показатели рыночной активности. К первой группе относятся оборачиваемость всех активов, основных фондов, оборачиваемость оборотных средств и др., ко второй группе принадлежат чистая рентабельность активов, чистая рентабельность акционерного капитала, коэффициент дохода акционеров, рентабельность продукции и др., к третьей относят прибыль на акцию, рыночную ценность акции, рентабельность акции и дивидендный выход.

В законодательстве установлен перечень показателей, которые должны быть рассчитаны до начала процедуры банкротства. Это такие финансовые коэффициенты, как коэффициент текущей ликвидности, обеспеченности собственными средствами и восстановления (утраты) платежеспособности. Притом предприятие признается неплатежеспособным, если коэффициент текущей ликвидности на конец отчетного периода имеет значение менее 2, коэффициент обеспеченности собственными средствами на конец отчетного периода имеет значение менее 0,1 (Приказ Минэкономразвития России от 26.06.2019 № 382).

Одной общей модели, позволяющей диагностировать несостоятельность компании, признанной на законодательном уровне и применимой для всех предприятий в России, не существует. Зарубежная экономическая литература богата различными методиками и математическими моделями диагностики вероятности наступления несостоятельности компании. Наиболее известными являются модели Э. Альтмана, Д. Фулмера, Р. Лиса, Р. Таффлера, У. Бивера, Д. Дюрана. Однако, как отмечают многие российские авторы, частые попытки применения иностранных моделей прогнозирования банкротства в отечественных условиях не дают точных результатов. Среди отечественных методик прогнозирования вероятности банкротства можно отметить модели О. П. Зайцевой, Р. С. Сайфулина и Г. Г. Кадыкова, Г. В. Савицкой, В. В. Ковалева, Л.В. Донцовой, Е. С. Стояновой.

Одними из первых методов предсказания банкротства были предложены У. Бивером и Э. Альтманом. W.H. Beaver (1966) использовал финансовые коэффициенты в качестве входных переменных для моделей линейной регрессии для классификации здоровых и обанкротившихся фирм. E.I. Altman (1968) использовал классическую методику многомерного дискриминантного анализа.

Сейчас помимо множественного дискриминантного анализа исследователи применяют другие различные статистические и интеллектуальные методы прогнозирования банкротства, такие как логит- и пробит-анализ, использование нейронных сетей (NN) и теории нечетких множеств, построение дерева решений, аргументация на основе прецедентов, машина опорных векторов, мягкие вычисления и т. д.

Fong Tsai (2009) сравнил пять хорошо известных методов отбора признаков, используемых в прогнозировании банкротства, таких как t-критерий, корреляционная матрица, ступенчатая регрессия, анализ главных компонент (PCA) и факторный анализ (FA) для изучения эффективности их прогнозирования. В качестве модели прогнозирования автор использовал многослойные нейронные сети персептрона (MLP). Результаты показали, что t-тест является лучшим методом выбора признаков для обеспечения более высокой точности прогнозирования и уменьшения ошибки I типа.

Gang Wang, Jian Ma, Shanlin Yang (2014) считают, что в настоящее время не существует наилучшего общего метода для прогнозирования банкротства корпораций. Опираясь на опыт предыдущих исследователей, которые показали, что методы ансамблевого обучения могут потенциально применяться при прогнозировании банкротства корпораций, авторы в своей работе предлагают новый улучшенный бустинг, FS-Boosting, для прогнозирования банкротства на уровне корпораций. Результаты показали, что среди восьми методов FS-Boosting обеспечивает наилучшую точность прогнозирования для двух тестируемых наборов данных.

Большинство компаний постоянно анализируют качественную и количественную информацию для оценки их эффективности. Количественные данные являются объективными и состоят из демографической и финансовой информации, связанной с прибыльностью фирмы, и различных видов анализа коэффициентов, таких как рентабельность активов, рентабельность продаж, левередж и размер прибыли. Качественные данные субъективны и их сложнее измерить. Они связаны с такими вещами, как опыт управления, местонахождение бизнеса, инновации и разработка продукта. Поскольку качественные данные сложно оценить, исследователи разработали несколько моделей и шаблонов, чтобы помочь бизнес-лидерам узнать, какую информацию собирать и как ее оценивать. Например, Katarzyna Boratyсska (2016) в своем исследовании представляет качественную модель прогнозирования банкротства. Исследование концентрируется на внедрении fsQCA (качественного сравнительного анализа) и асимметричного мышления в случаях корпоративного банкротства в пищевой промышленности.

Особенностью исследования Katarzyna Boratyсska (2016) является то, что сбор данных включает в себя анкетирование и личные индивидуальные интервью с 12 практикующими специалистами по вопросам несостоятельности из 618 членов польской палаты по банкротству Trusteesin.

Rafal Balina (2018) проанализировал три метода прогнозирования риска банкротства предприятий пищевой отрасли. Результаты его исследования показали, что наиболее эффективным методом является построение дискриминантной функции с использованием классических методов наименьших квадратов и последующим применением метода обратной ступенчатой регрессии. Общая точность модели составляет 92,5%, что является умеренно удовлетворительным результатом, по мнению автора, и дает возможность для эффективного применения модели в деловой практике для определения риска банкротства компаний. Следует отметить, что вторым лучшим результатом была модель нейтральной сети, на третьем месте оказалась модель логистической регрессии.

Банкротство любого предприятия обусловлено рядом внешних и внутренних причин. Притом, если внутренние факторы несостоятельности могут быть вовремя обнаружены и устранены, то наличие или отсутствие внешних факторов банкротства никак не зависит от деятельности компании.

Львова и Пеганова (2014) определяют причины банкротства как «события или явления, вследствие которых проявляются факторы кризиса и риска банкротства». Причины оказывают непосредственное воздействие на начало и развитие кризиса, способного впоследствии привести к банкротству предприятия, и имеют временные рамки.

Факторами банкротства, по мнению авторов, являются «настораживающие события или зафиксированные состояния, установленная тенденция, свидетельствующая о возможности наступления кризиса на предприятии, способного перерасти в неплатежеспособность и последующее банкротство». В целом несостоятельность фирм возникает в результате нарушения процесса воспроизводства, развития кризисных процессов, которые обусловлены действием макроэкономических и микроэкономических факторов (Львова, 2014).

Сергиенко (2015) замечает, что в условиях рыночной экономики разорение коммерческих организаций вполне вероятно вследствие неблагоприятных воздействий внешних и внутренних факторов, удельный вес которых напрямую зависит от состояния конъюктуры рынка. В странах с устойчивой экономикой причины банкротства на 0,67% приходятся на внутренние факторы и 0,33% - на внешние. В странах с неблагоприятной экономической и политической ситуацией воздействие внешних факторов усиливается.

Таким образом, банкротство предприятий является неотъемлемой частью развития экономики, но, несмотря на то, что банкротство является объективно необходимым, так как способствует очищению рынка от неэффективных предприятий, освобождающих ниши для потенциально более эффективных хозяйствующих субъектов, обеспечивающих развитие экономики, существует вероятность восстановления процесса производства при помощи корректного анализа факторов.



1.2 Внутренние факторы банкротства

Как показывает статистика стран с развитой рыночной экономикой, наиболее частой причиной банкротства предприятий являются внутренние факторы (Полисюк, 2011).

В своем исследовании М. Н. Кочугуева, Н. Н. Киселева и С. М. Анпилов (2013) выделяют 3 основные группы внутренних факторов, влияющих на банкротство: финансовые, управленческие и производственные. По мнению авторов, к наиболее значимым финансовым факторам относятся рентабельность активов предприятия, отношение текущих активов к текущим обязательствам, отношение чистого оборотного капитала к активам, отношение выручки к активам, отношение “быстрых” активов к текущим обязательствам и отношение обязательств к активам. Согласно проведенному авторами обзору исследований данные коэффициенты вошли в топ-6 коэффициентов, объясняющих банкротство. Кроме этого, на усмотрение авторов были также взяты еще 5 коэффициентов, которые могут оказаться значимыми факторами банкротства согласно дескриптивным статистикам. К ним относятся коэффициент рентабельности продаж, отношение денежных средств к активам, отношение CAPEX к выручке, доля постоянных затрат в общих затратах и отношение свободного денежного потока к активам. В логистической регрессии Hakon Kambestad Sundal и Karoline Hatlestad (2015) значимыми остаются только показатели рентабельности.

Управленческими факторами М. Н. Кочугуева и др. (2013) называют наличие открытой долгосрочной стратегии (информация на сайте или в отчетности компаний), наличие сети сбыта продукции (число иногородних филиалов), число членов Совета директоров, процент независимых (не являющихся собственниками или сотрудниками компании) директоров, процент государственной собственности и процент зарубежной собственности. К производственным факторам относятся отраслевая принадлежность (ресурсные производства, обрабатывающие производства, торговля и услуги, строительство и недвижимость, транспорт и энергетика), отношение запасов к выручке и отношение кредиторской задолженности к выручке.

Как отмечают О. А. Львова и О. М. Пеганова (2014), первой причиной банкротства может быть отсутствие серьезных маркетинговых исследований, а также недостаток навыков продвижения продукта на рынок, вследствие чего производство может быть не востребованным рынком. Также авторы отмечают, что многие, в том числе и крупные, компании оказываются неконкурентоспособными из-за неэффективной стратегии развития и управления бизнесом. Такая ситуация может сложиться, когда менеджеры в меньшей степени выверяют свои решения и менее адекватно осуществляют контроль отдельных бизнес-процессов во время нахождения фирмы на пике успеха.

Важность управленческих навыков отметили также Deron Liang и другие (2016). Авторы оценивали эффективность прогнозирования, полученной путем объединения семи разных категорий финансовых коэффициентов и пяти разных категорий показателей корпоративного управления. Исходя из результатов исследования, авторы пришли к выводу, что при добавлении в модель показателей корпоративного управления увеличивается точность прогноза банкротства. Кроме того, авторы показали, что группы показателей платежеспособности и прибыльности, а также категории структуры правления и структуры собственности являются наиболее важными характеристиками в прогнозировании банкротства.

Еще одной причиной наступления банкротства О. А. Львова и О. М. Пеганова (2014) называют отсутствие у компании клиентского капитала, а также устойчивых связей с поставщиками, подрядчиками и контрагентами смежных отраслей, что неизбежно будет приводить к перерывам в процессе воспроизводства, увеличивать издержки, приводить к убыткам и неплатежеспособности. Такое же мнение поддерживают В. В. Ковалев (2007), М. Н. Кочугуева и др. (2013) и О. В. Сергиенко (2015).

Также О. А. Львова и О. М. Пеганова (2014) делают акцент на том, что компании представляют собой не только технико-экономическую, но и социальную систему, поэтому социальный капитал и связанная с ним корпоративная культура играют большую роль. Высокий уровень корпоративной культуры рассматривается как мощный стратегический инструмент, в то время как ее низкий уровень снижает степень управляемости компании. По мнению авторов, менеджмент, игнорирующий инициативы работников и ущемляющий их в правах, неизбежно столкнется с проблемой привлечения квалифицированных кадров, фиксации человеческого капитала в компании и его эффективного использования. Nirosha Hewa Wellalage и Stuart Locke (2012) эмпирически доказывают, что повышение внимания к обучению работников ведет к более высокой выживаемости небольших фирм.

Кроме того, Nirosha Hewa Wellalage и Stuart Locke (2012), используя логистический регрессионный анализ, пришли к выводу, что франчайзинговые фирмы имеют меньшую вероятность банкротства, чем независимые малые фирмы. Также согласно результатам исследования риск банкротства для крупных фирм в крупных городах меньше, чем для небольших фирм из сельской местности. К значимым внутренним факторам авторы относят возраст фирмы и различные финансовые показатели.

Г. Б. Полисюк и С. С. Чистопашиной (2011) так же как и М. Н. Кочугуева и др. (2013) выделяют управленческие причины, к которым относят «некомпетентность руководства, злоупотребление служебным положением, консерватизм мышления, неэффективное управление предприятием, принятие ошибочных решений, отсутствие долгосрочной концепции развития, нерациональное использование прибыли». Второй группой внутренних факторов авторы называют материально - технические: слабое материально-техническое обеспечение, высокий уровень морального и физического износа основных фондов, снижение эффективности использования и производственной мощности основных фондов, дефицит оборотных средств и их низкая оборачиваемость. Похожая классификация наблюдается у Katarzyna Boratyсska (2016).

Как и О. А. Львова и О. М. Пеганова (2014) авторы особое внимание уделяют организационным факторам, к которым относятся «неэффективность и нерациональность организации производственного процесса, необоснованно высокие издержки, неэффективное управление затратами, большие условно-постоянные расходы, применение неэффективных методов управления, заключение руководством предприятия экономически невыгодных сделок, проблемы с поставками сырья и материалов».

К социально-экономическим Г. Б. Полисюк и С. С. Чистопашиной (2011) относят «последствия неудачной реструктуризации и реорганизации, неэффективную маркетинговую политику, невосприимчивость деятельности предприятий к инновациям и неэффективное управление инвестиционными ресурсами».

Л. Ф. Бердникова (2017) к факторам внутренней среды предприятия относит такие группы, как коммерческие, производственные, инвестиционные, инновационные, и особенно выделяет управленческие. Evgeny Lyandres и Alexei Zhdanov (2013) эмпирически показывают, что показатели инвестиционных возможностей в значительной степени отрицательно связаны с вероятностью банкротства. Также Л. Ф. Бердникова упоминает, что, если за определенный период темп роста обязательств превысил темп роста выручки, предприятие приближается к неплатежеспособности. Кроме того, автор считает, что внутренние и внешние факторы влияют равноправно на деятельность предприятия.

О. В. Сергиенко (2015) группирует действия микроэкономических факторов по следующим направлениям: менеджмент организации, конкурентная среда и позиция коммерческой организации, ресурсы и их использование, маркетинговые стратегии, качество и уровень финансового менеджмента. Можно заметить, что акцент также направлен на управленческие и организационные факторы.

Еще одной причиной, приводящей к банкротству, по мнению Hakon Kambestad Sundal и Karoline Hatlestad (2015), является мошенничество. Например, это могут быть операции, связанные с инвестициями, вводящие в заблуждение компанию в коммерческих сделках. Авторы считают, что наличие надежных и лояльных сотрудников имеет решающее значение для компаний, поскольку сотрудники часто имеют доступ к финансам и системам отчетности.

Hakon Kambestad Sundal и Karoline Hatlestad (2015) приводят пример скрытого от руководства мошенничества. Тренихина А. В. (2018) исследует мошенничество, связанное с манипуляцией отчетными данными. С помощью индексов M-Score и Z-Score было доказано, что в отрасли производства пищевых продуктов наибольший удельный вес (76,81%) среди компаний-манипуляторов занимают компании, которые по прогнозным методикам не являются банкротами. Также было выявлено, что среди компаний-неманипуляторов наибольший удельный вес (77,93%) занимают компании, которые по расчетным показателям не являются банкротами.

Ю. И. Сиренко (2015) в качестве ключевого финансового индикатора выявления фальсификации бухгалтерской отчетности приводит формулу Мессода Бениша. Данную формулу также называют M-score Бениша, выглядит она следующим образом:

где: DSRI - оборачиваемость дебиторской задолженности в днях;

GMI - индекс валовой маржи;

AQI - индекс качества активов;

SGI - индекс роста выручки;

DEPL - индекс амортизации.

Если значение индекса PROBM превышает 1,78, то согласно формуле Мессода Бениша компания имеет признаки мошенничества в области финансовой отчетности (Сиренко, 2015).

Выделяется работа Ornella Benedettini et al (2017), в которой исследуется взаимосвязь предложений дополнительных услуг производителей с их финансовым состоянием. Результаты показывают, что предложение большего количества услуг, связанных с продуктами, снижает вероятность банкротства у тех компаний, которые имеют достаточно диверсифицированный продуктовый бизнес. В свою очередь, компании с достаточным дефицитом ресурсов могут ожидать снижения вероятности банкротства за счет предоставления большего количества услуг, не связанных с продуктом.

Таким образом, существует множество внутренних факторов, ведущих к неплатежеспособности предприятия. Понимание этих факторов и осознание характера их воздействия на деятельность компании позволяет на уровне отдельного хозяйствующего субъекта так организовать управление имеющимися производственными, финансовыми, человеческими, интеллектуальными ресурсами, чтобы обеспечить стабильное развитие и не допустить банкротства компании.

1.3 Факторы, характерные для предприятий пищевой отрасли

Каждая отрасль имеет свои характерные особенности, поэтому при определении факторов несостоятельности предприятия необходимо учитывать отраслевую принадлежность фирмы.

В своем исследовании Sudheer Chava and Robert A. Jarrow (2004) демонстрируют важность включения отраслевых эффектов при оценке вероятности банкротства компании. Авторы отмечают, что одной из причин необходимости учитывать отраслевой эффект является разный уровень конкуренции по отраслям, из чего следует, что вероятность банкротства может отличаться для фирм в разных отраслях с одинаковыми балансами.

Этого мнения придерживаются и другие исследователи, например, Hakon Kambestad Sundal и Karoline Hatlestad (2015), которые в качестве аргумента различия между секторами приводят тот факт, что эффективные по капиталу отрасли требуют большей доступной ликвидности, чем эффективные по труду отрасли, а также Lilia Aleksanyan и Jean-Pierre Huiban (2016), которые показали, что структура риска банкротства отличается между фирмами пищевой промышленности и другими производственными предприятиями.

Для выявления причин банкротства небольших продовольственных предприятий Венгрии Rita Koroseczne Pavlina и Anett Paradi-Dolgos (2015) применяют SWOT-анализ по данным годовых отчетов 23 предприятий пищевой промышленности. Результаты исследования показали, что при выявлении неплатежеспособности компании пищевой отрасли следует обратить внимание на структуру капитала (с чем также согласны Mosa Ahmadi et al (2012) и Lilia Aleksanyan et al (2016)), уменьшение основных фондов и оборотных активов, большие объемы обязательств. Проблемы ликвидности, как замечают авторы, в основном характерны для мясоперерабатывающей отрасли, а также для хлебопекарной и свежей хлебопекарной промышленности. Rafal Balina (2018) в своем исследовании доказывает, что разница между показателем быстрой ликвидности для отрасли и для компании значима для прогнозирования банкротства.

Rita Koroseczne Pavlina и Anett Paradi-Dolgos (2015) считают, что на успех предприятий пищевой промышленности в значительной степени влияют финансовые и материальные затраты. Более того, именно цены на сырье и эксплуатационные расходы представляют наиболее серьезную угрозу для предприятий пищевой промышленности, поскольку они, как правило, непредсказуемы.

Lilia Aleksanyan, Jean-Pierre Huiban (2016) провели анализ банкротства компаний путем учета факторов, связанных с производительностью труда, и финансовых факторов фирм. Согласно их экономической модели, факторами банкротства являются низкая производительность труда, высокая стоимость кредита, высокий уровень банковского долга, возраст фирмы и ее размер, уровень капитала. Авторы пришли к выводу, что политика, направленная на реализацию мер по повышению производительности, является наиболее эффективной для снижения риска банкротства в пищевой промышленности или производственном секторе. Кроме того, условия финансирования фирм влияют на риск банкротства только в том случае, если фирмы финансируют проекты, направленные на повышение их производительности, например, инвестиции в инновационные машины и квалифицированных рабочих. Размер и возраст фирм считаются основными факторами, влияющими на риск банкротства: более мелкие или молодые фирмы с наибольшей вероятностью могут подать заявление о банкротстве. Данное мнение поддерживают Nirosha Hewa Wellalage и Stuart Locke (2012).

Выявлением ключевых факторов, влияющих на повышение риска банкротства предприятий оптовой пищевой промышленности Польши, занимался Rafal Balina (2018). Его работа интересна тем, что помимо основных финансовых коэффициентов автор включил в модель регрессоры, соответствующие разности отраслевых показателей и показателей фирмы, а также переменные, равные отношению показателей базового и предыдущего периода. Согласно результатам его исследования ключевыми для пищевой отрасли являются три ключевых показателя: соотношение собственного капитала и выручки от реализации; разница между показателем быстрой ликвидности для отрасли и для компании и динамикой краткосрочных обязательств компании. Важными факторами также являются соотношение совокупных активов и собственного капитала, отношение собственного капитала к основным средствам, разница между отраслевым соотношением краткосрочных инвестиций и текущих обязательств и собственным показателем фирмы, темпы роста выручки от продаж и собственного капитала.

По мнению Rafal Balina (2018), более благоприятным для оценки финансового состояния компании является поддержание коэффициента быстрой ликвидности компанией выше среднего по отрасли. Достижение высоких результатов в оптовой пищевой промышленности тесно связано с поддержанием более высокого уровня ликвидности, что позволяет эффективно регулировать обязательства компании. Автор также указывает, что для компаний, занимающихся оптовой торговлей продуктами питания, важно в первую очередь стремиться увеличить свою рыночную и текущую дебиторскую задолженность. Более того, эта переменная косвенно указывает на важность правильного управления запасами.

Соотношение собственного капитала и выручки от реализации, указывает на необходимость значительного уровня собственного капитала по сравнению с объемом выручки от реализации. Это означает, что рост выручки должен выражаться, по крайней мере, пропорционально увеличению собственного капитала, что может быть результатом увеличения чистой прибыли. Более того, это свидетельствует о том, что оптовый продовольственный сектор очень сложен и требует постоянных инвестиций. Следует отметить, что увеличение данного показателя положительно влияет на снижение риска банкротства предприятий оптовой пищевой промышленности (Rafal Balina, 2018).

По мнению Mosa Ahmadi, Iraj Saie Arasi и Maryam Garajafary (2012), управление оборотным капиталом является одной из важных областей финансового управления и управления организациями, поскольку оно влияет на ликвидность и прибыльность фирм. Компании с ненадлежащим управлением оборотным капиталом, хотя и являются прибыльными, склонны к банкротству. Управление оборотным капиталом касается активов и текущих долгов. Оборотные активы составляют большую часть общих активов фирмы. Избыточная стоимость оборотных активов может привести к снижению доходности инвестиций.

Эффективное управление оборотным капиталом включает планирование и контроль активов и текущих долгов, поскольку устраняет риск невыполнения краткосрочных обязательств и более чем достаточных инвестиций в недвижимость. Во многих исследованиях, таких как Raheman and Nasr (2007), Nazir and Afza (2008) и Samiloglu and Demirgunes (2008), подчеркивается, что менеджеры тратят много времени на повседневные вопросы, один из которых относится к решению по управлению оборотным капиталом.

В своем исследовании Katarzyna Boratynska (2016) основными причинами банкротства предприятий пищевой промышленности называет недостаток финансовой ликвидности, слишком высокий уровень обязательств, убытки, слабое управление и слишком поздние восстановительные мероприятия. Ее исследование концентрируется на 23 отраслях пищевой промышленности Польши и анализирует 90 причин банкротства, включая 42 фактора, характерных для пищевой промышленности. Автор также замечает, что предприятия пищевой промышленности достаточно устойчивы к рецессии и к экзогенным условиям.

Все вышеперечисленные факторы в определенной степени определяют неустойчивость положения компаний и являются объективными причинами их банкротства. На основании изученной литературы была составлена сводная Таблица 1 (Приложение 2), которая содержит информацию о частоте упоминания того или иного фактора авторами различных статей.



2. Методология исследования

2.1 Постановка исследовательского вопроса

Обзор специальной литературы показал, что существует множество факторов, которые могут оказывать влияние на несостоятельность предприятия. Возникает вопрос: какие факторы оказывают наибольшее влияние на несостоятельность предприятия пищевой отрасли?

Для ответа на исследовательский вопрос было решено оценить влияние различных финансовых показателей компаний, выбранных на основании изученной литературы в области оценки вероятности банкротства компании, а также темпов роста некоторых коэффициентов. Наиболее распространенными и эффективными факторами банкротства компании являются показатели рентабельности, платежеспособности (ликвидности), деловой активности (оборачиваемости) и финансовой устойчивости. Нефинансовые факторы, такие как возраст компании и размер, также могут влиять на финансовое состояние предприятия.

2.2 Экономическая модель

Экономическая модель исследования выглядит следующим образом:

Status = f(Growth _ SL, Growth _ Rev, Growth _NP, ROA, ROS, Turn_AP, Turn_AR, Turn_Inv, Turn_As, Ratio_BOF, Ratio_OWN, Roxas, Controls)

Где:

Status - бинарная переменная: 1 - банкрот, 0 - действующая;

Growth _ SL - темп роста краткосрочных обязательств (%);

Growth _Rev - темп роста выручки (%);

Growth _NP - темп роста чистой прибыли (%);

ROA - Рентабельность активов (%);

ROS - Рентабельность продаж (%);

Turn_AP - Оборачиваемость кредиторской задолженности (разы);

Turn_AR - Оборачиваемость дебиторской задолженности (разы);

Turn_Inv - Оборачиваемость запасов (разы);

Turn_As - Оборачиваемость совокупных активов (%).

Ratio_BOF - Коэффициент финансового левериджа (соотношение заемных и собственных средств) (%);

Ratio_OWC - Коэффициент обеспеченности собственными оборотными средствами (%);

Roxas - бинарная переменная: 1 - есть фальсификация отчетности, 0 - нет фальсификации отчетности.

Контрольные переменные:

Age - возраст компании (годы);

Size - размер компании: 1- микропредприятия, 0 - малое предприятие;

C_R - Коэффициент текущей ликвидности (%).

В работе были выдвинуты следующие гипотезы:

Гипотеза 1: Рост коэффициента финансового левериджа (соотношения заемных и собственных средств) является характерной чертой банкротства.

Оптимальным, особенно в российской практике, считается коэффициент финансового левериджа равный 1. Допустимым может быть и значение до 2. При больших значениях коэффициента организация теряет финансовую независимость, и ее финансовое положение становится крайне неустойчивым (Финансовый анализ).

Гипотеза 2: Чем выше коэффициент обеспеченности собственными оборотными средствами, тем меньше вероятность банкротства.

Данный показатель показывает достаточность у организации собственных средств для финансирования текущей деятельности. Модель Сайфуллина-Кадыкова и классификация предприятий Л. В. Донцовой и Н. А. Никифоровой показывают, что значение коэффициента обеспеченности собственными оборотными средствами и благоприятное финансовое состояние компании находятся в положительной взаимосвязи.

Гипотеза 3: Компании, манипулирующие финансовой отчетностью, более склоны к банкротству.

Мошенничество с финансовой отчетностью представляет собой преднамеренное искажение или неотражение существенных фактов хозяйственной жизни в бухгалтерском учете, которое вводит в заблуждение пользователя и может привести к изменению его мнения или решения. Умышленное искажение отчетных показателей создает угрозу для объективности принимаемых на основе этой финансовой отчетности решений (Борисова, 2015).

2.3 Методы исследования

Анализ данных и построение модели были проведены с помощью статистических пакетов R и программы RStudio. Для анализа факторов использовалась модель бинарного выбора, а именно Logit-модель. Такая статистическая модель используется для предсказания вероятности возникновения некоторого события путём подгонки данных к логистической кривой. В данной модели зависимая переменная может принимать два значения: 1 - если компания банкрот, и 0 - в остальных случаях.

Функция логит-модели выглядит следующим образом:

где: e - основание натурального логарифма,

Z - стандартное уравнение регрессии.

Основное преимущество применения logit-моделей заключается в том, что не возникает проблем с интерпретацией результирующего показателя, который может принимать значения только в интервале от 0 до 1 и определяет номинальное значение вероятности наступления несостоятельности предприятия. Кроме того, данная модель предполагает нелинейные отношения между факторами и не требует нормального распределения переменных. Еще одним преимуществом модели является отсутствие зон неопределенностей, которые наблюдаются в дискриминантных моделях.

При оценке факторов, влияющих на банкротство компании, было решено включить в модель показатель, характеризующий наличие или отсутствие фальсификации финансовой отчетности. Для исследования использовалась адаптированная к российским условиям модель Роксас. Данная модель была предложена Марией Л. Роксас в 2011 году и адаптирована к российскому рынку исследователями НИУ ВШЭ. Итоговая модель выглядит следующим образом:

где: DSRI - оборачиваемость дебиторской задолженности в днях;

GMI - индекс валовой маржи;

AQI - индекс качества активов;

SGI - индекс роста выручки;

Согласно формуле, если значение M-score превышает -2,146, то компания имеет признаки мошенничества в области финансовой отчетности (Ферулева, 2016).



2.4 Описание данных

В данном исследовании используются панельные данные за период с 2015 по 2018 гг. из информационной системы СПАРК. Выборка содержит данные по 242 российским предприятиям пищевой промышленности, из которых 79 стали банкротами в 2018 году, а 163 продолжили свое функционирование. Компании относятся к малым и микропредприятиям, соответствующих следующим критериям: выручка компаний не превышает 800 млн. руб. и численность сотрудников составляет до 100 человек включительно. Кроме того, выборку составляют компании, возраст которых не менее 5 лет.

Панельные данные были преобразованы в кросс-секционные, где год является дамми-переменной. В результате преобразования в выборе оказалось 968 наблюдений. Для анализа выборки на предмет выбросов был задействован метод расстояния Кука, который показал наличие 147 выбросов. Поскольку такие наблюдения могут существенно влиять на качество модели, экстремальные наблюдения были исключены из выборки. В результате выборку составляют 821 наблюдение, 209 из которых относятся к компаниям-банкротам, а 612 к состоятельным предприятиям. По малым предприятиям в выборке содержится 323 наблюдения, по микропредприятиям - 498. В основном выборку составляют компании, работающие 8,5 лет, минимальный и максимальный возраст - 5 и 28,5 лет соответственно.



3. Результаты исследования

3.1 Предварительный анализ данных

По каждой переменной были рассчитаны описательные статистики (Приложение 3 (Таблица 2)). Данные по генеральной совокупности (далее ГС) были взяты из результатов обработки и анализа аудиторской фирмой "Авдеев и К" бухгалтерской отчетности предприятий РФ за 2018 гг. (TestFirm), собранной Росстатом (Таблица 3). Предпочтение отдается значению медианы, а не среднему значению, так как распределения финансовых переменных имеют очень “тяжёлые” хвосты. По этой причине среднее значение переменных очень сильно меняется и не может служить хорошим показателем изменения средней тенденции.

Таблица 3

Сравнение медианы выборки с отраслевым значением за 2018 год

Показатель	Медиана по выборке	Медиана по отрасли
Коэффициент текущей ликвидности	1,2	1,37
Рентабельность активов	5%	3,5%
Рентабельность продаж	4%	3,7%
Оборачиваемость дебиторской задолженности (разы)	8,6	7,6
Оборачиваемость запасов (раз)	12,4	10,7
Коэффициент финансового левериджа	2,61	1,01
Коэффициент обеспеченности собственными оборотными средствами	0,06	0,09

Из анализа описательных статистик видно, что в среднем темп роста текущих обязательств равен 1,35, в то время как медиана составляет 1,09. Минимальное значение равняется 0,2%, в то время как максимальное достигает 15,55 и свидетельствует о наличии в выборке несостоятельных предприятий.

Максимальное и минимальное значения темпа роста выручки равны 13,21 и 0,006 соответственно. В среднем выручка компаний растет 1,33 раза, медианное значение выборки равняется 1,07.

В среднем по выборке темп роста чистой прибыли равен 1,8, в то время как медиана составляет 1,03. Минимальное значение равняется -215,6 раз, в то время как максимальное достигает 69,6.

Медианное и среднее значения коэффициента рентабельности активов практически равны по выборке (5,3% и 6,9% соответственно). В среднем выборка характеризуется высоким показателем рентабельности активов в сравнении со среднеотраслевым.

Рентабельность продаж в среднем составляет 3,3%, медиана равняется 4%. Это говорит о том, что с 1 рубля выручки в основном предприятие получает 4 копейки прибыли.

В среднем оборачиваемость дебиторской задолженности по выборке составляет 12,3 раз, что немного больше медианного значения, равного 8,6 оборотов. Минимальное значение равняется 0,1, что может характеризоваться мягкой кредитной политикой предприятия или наличием большого количества неплатежеспособных или недобросовестных покупателей. Максимальное равняется 95 оборотов. Такая высокая оборачиваемость может отражать хорошую платежную дисциплину покупателей и других контрагентов.

Анализ описательной статистики оборачиваемости кредиторской задолженности показывает, что в среднем требуется 9,3 оборота для оплаты выставленных счетов, при этом максимальное значение достигает 61,9, минимальное 0,1, а медиана равняется 6,5 оборотов. Большинство компаний выборки не характеризуются быстрым погашением долга перед кредиторами или сокращением покупок с отсрочкой платежа.

В среднем по выборке коэффициент оборачиваемости запасов составляет 12,4, при этом максимальное значение достигает 321,6 минимальное 0,1, то есть в выборке наблюдается большой разброс данного показателя.

Медианное значение показателя оборачиваемости совокупных активов равняется 2,97 раза, значение показателя находится в интервале от 0,041 до 19,63 раз.

Медиана и среднее значение коэффициента финансового левериджа выборки соответственно равны 2,6 и 5,4. Наиболее распространенным значением коэффициента в развитых экономиках является 1,5 (т.е. 60% заемного капитала и 40% собственного). Минимальное и максимальное значения составляют -192,1 и 219,4 соответственно, и свидетельствуют о высокой зависимости предприятия от заемного капитала и обязательств.

Медианное значение коэффициента обеспеченности собственными оборотными средствами по выборке равняется 0,06, среднее значение составляет -0,17. Максимальное и минимальное значения выборки соответственно равны 1 и -11,8. Значения меньше 0,1 доказывают наличие в выборке несостоятельных предприятий. Наличие отрицательных значений коэффициента свидетельствует об отсутствии собственного оборотного капитала у некоторых организаций.

Кроме того, медианные значения таких выборочных показателей, как рентабельность активов, рентабельность продаж, оборачиваемость дебиторской задолженности, оборачиваемость запасов незначительно выше отраслевых. Заметное отличие наблюдается между значениями выборочной и отраслевой медианы для коэффициента финансового левериджа. Это может быть объяснено наличием большого числа компаний-банкротов в выборке. Выборочная медиана для коэффициента текущей ликвидности меньше отраслевой вероятно по той же причине.

С помощью расчета коэффициента вариации по каждой переменной была проведена проверка на однородность данных. Значения всех коэффициентов превышают 33%, следовательно, данные неоднородны.

Далее распределения переменных были проверены на нормальность с помощью теста Харке-Бера. Анализ полученных результатов тестов показал, что гипотеза Н0 о нормальности распределения отклоняется на уровне значимости 1%. Можно сделать вывод о том, что значения всех рассматриваемых переменных не подчиняются нормальному закону распределения.

Для использования корреляционной матрицы Спирмена (Приложение 4) соответствие данных нормальному виду необязательно. На основе данной матрицы были сделаны следующие выводы:

1) Коэффициент корреляции между статусом предприятия и соотношением заемных и собственных средств равен -0,33, что свидетельствует о наличии умеренной обратной взаимосвязи между переменными. Данный вывод не соответствует выдвинутой Гипотезе 1.

2) Между статусом предприятия и такими показателями, как коэффициент обеспеченности собственными оборотными средствами и наличие фальсификации отчетности существует слабая положительная взаимосвязь. Знак показателя корреляции между статусом предприятия и коэффициентом обеспеченности собственными оборотными средствами не соответствует выдвинутой Гипотезе 2. Вывод относительно показателя фальсификации отчетности соответствует Гипотезе 3.

3) Между статусом предприятия и такими переменными, как темп роста краткосрочных обязательств, темп роста выручки, рентабельность активов, рентабельность продаж, оборачиваемость кредиторской задолженности и оборачиваемость дебиторской задолженности наблюдается слабая обратная взаимосвязь.

4) Из корреляционной матрицы видно, что между показателями оборачиваемости наблюдается заметная положительная взаимосвязь, что свидетельствует о наличии частичной мультиколлинеарности в модели. Однако коэффициенты вздутия дисперсии (Приложение 5 (Таблица 6)) значительно ниже 10, поэтому было принято решение об отсутствии принятия мер.



3.2 Результаты регрессионного анализа

После предварительного анализа данных были проведены тест Вальда и тест отношения правдоподобия, после чего было принято решение исключить из модели такие переменные, как темп роста чистой прибыли, коэффициент оборачиваемости запасов и коэффициент оборачиваемости совокупных активов. На финальном этапе эконометрическая модель приобрела следующий вид:

Status = в0 + в 1* Growth _ SL + в 2* Growth _ Rev + в 3* ROA + в 4*ROS + в 5* Turn_AP + в 6* Turn_AR + в 7*Ratio_BOF + в8* Ratio_OWN + в9* Roxas + Controls + ?

Данная модель значима на 1%-ом уровне значимости. Так как коэффициенты в логистической регрессии плохо интерпретируются, в дополнение к коэффициентам были рассчитаны предельные эффекты (Таблица 7) и их доверительные интервалы (Таблица 8), которые представлены в Приложении 6.

Исходя из результатов построения модели, на 1%-ом уровне значимости можно утверждать, в среднем и при прочих равных условиях при увеличении возраста компании на 1 год вероятность наступления банкротства предприятия увеличивается в 1,57 раз.

В среднем и при прочих равных условиях на 1%-ом уровне значимости можно утверждать, вероятность наступления банкротства у микропредприятия в 1,19 раз больше, чем у малого предприятия.

В среднем и при прочих равных условиях на 5%-ом уровне значимости можно утверждать, что при увеличении темпа роста выручки на единицу вероятность наступления банкротства увеличится в 1,32 раза.

В среднем и при прочих равных условиях на 1%-ом уровне значимости можно утверждать, что при увеличении коэффициента оборачиваемости кредиторской задолженности на единицу вероятность наступления банкротства снизится в 0,9 раз.

В среднем и при прочих равных условиях на 10%-ом уровне значимости можно утверждать, что при увеличении коэффициента оборачиваемости дебиторской задолженности на единицу вероятность наступления банкротства увеличится в 1,02 раза.

В среднем и при прочих равных условиях на 5%-ом уровне значимости можно утверждать, что при увеличении коэффициента обеспеченности собственными оборотными средствами на единицу вероятность наступления банкротства уменьшится в 0,75 раза. Такой результат соответствует выдвинутым предположения. Гипотеза 2 подтвердилась.

В среднем и при прочих равных условиях на 1%-ом уровне значимости можно утверждать, что при увеличении коэффициента рентабельности продаж на единицу вероятность наступления банкротства уменьшится на 0,39%.

В среднем и при прочих равных условиях на 1%-ом уровне значимости можно утверждать, что при увеличении коэффициента рентабельности активов на единицу вероятность наступления банкротства уменьшится на 0,2%.

В среднем и при прочих равных условиях на 1%-ом уровне значимости можно утверждать, что при увеличении коэффициента текущей ликвидности на единицу вероятность наступления банкротства увеличится в 4,64 раза.

Из-за незначимости коэффициента соотношения заемных и собственных средств и коэффициента Роксас Гипотеза 1 и Гипотеза 3 не могут быть верифицированы.



Заключение

Данная выпускная квалификационная работа представляет собой эконометрическое исследование по оценке влияния различных внутренних факторов на банкротство предприятий пищевой промышленности. В процессе исследования была достигнута основная цель работы - построение модели, позволяющей оценить влияние факторов на несостоятельность компаний.

Данное исследование было основано на анализе 821 наблюдений (российских малых и микропредприятий) за период с 2015 по 2018 гг. из информационной системы СПАРК. В качестве факторов рассматривались 15 различных финансовых и нефинансовых показателей компаний, выбранных на основании изученной литературы.

После анализа данных для дальнейшего исследования в модель были включены 12 факторов, 9 из которых оказались значимы на 1%-ном, 5%-ном и 10%-ном уровнях. Результаты показали, что наибольшая связь наблюдается между темпом роста выручки и вероятностью банкротства малого или микропредприятия пищевой промышленности, причем связь положительная. Такой результат не соответствует принятому мнению и может быть объяснен влиянием показателей других факторов на вероятность банкротства.

Кроме того, сильная обратная связь наблюдается также между коэффициентом обеспеченности собственными оборотными средствами и вероятностью банкротства компании. Полученный результат соответствует теории, поскольку данный показатель показывает достаточность у организации собственных средств для финансирования текущей деятельности.

...